Re: [Apertium-catala] resultats diferents inexplicables del tagger
Encara que tinguem un munt de regles, n'hi ha un munt que podrien "compactar-se" i reescriure's amb menys regles. Per exemple, pràcticament totes les regles de concordança que utilitzen $$ i que estan quadruplicades poden reescriure's en una línia amb &&, tal com va explicar en Tino fa uns mesos (hi ha exemples a apertium-ita). Per altra banda, en el CG hi ha molta cosa ad-hoc: inicialment eren només pedaços per al tagger "estàndard" i prou. Repensant-ho, segur que hi ha regles que es poden generalitzar, però fins ara no ha calgut fer-ho. Dic això perquè el miler de regles que diu en Jaume que tenim, de fet, si es reestructuressin bé, estic convençut que passarien a ser, més o menys, la tercera part del que hi ha ara. Per això, em temo que, si llancem el tagger primigeni, caldrà fer força feina. Si surt més a compte, amb l'experiència que ja tenim amb CG, que etiquetar un corpus manual, no ho sabria dir. Un etiquetatge estadístic també té avantatges (alguna vegada ho havia comentat en Marc, que potser té exemples al cap). Hèctor Missatge de Jaume Ortolà i Font del dia dt., 22 d’oct. 2019 a les 13:08: > Bon dia, > > Més observacions. > > He vist que en els fitxers de CG de català i castellà tenim gairebé un > miler de regles de desambiguació (una mica menys). En LanguageTool en tenim > 1200. > > Això em reforça la intuïció que el tagger no aporta quasi res de valuós. > > Crec que hem de plantejar-nos aquesta disjuntiva. Què serà més útil? > 1) Fer la feina d'etiquetar mig milió de paraules per a entrenar el > tagger, i obtenir uns resultats dubtosos, que no controlarem. > 2) Completar les regles de desambiguació CG (què pot fer falta? 300-400 > regles més?). Aquestes regles probablement farien falta de totes maneres. > > Les qüestions difícils que esmenta Hèctor no ens les resoldrà el tagger > estadístic. Això em sembla evident. > > En qualsevol cas, s'han de fer proves. Començaré mirant què queda per > desambiguar sense el tagger. > > Què en penseu? > > Jaume > > Missatge de Hèctor Alòs i Font del dia dl., 21 > d’oct. 2019 a les 20:21: > >> Es pot utilitzar les frases que vaig extreure de la Viquipèdia com a >> corpus a desambiguar. Tenint en compte que els traductors s'utilitzen molt >> per a documents de l'administració, crec que el corpus també hauria de >> contenir documents administratius (eventualment, de diferents >> administracions). Penseu, per exemple, que a la Viquipèdia no trobareu >> pràcticament cap forma verbal amb "vós", mentre que sí que són habituals en >> la correspondència de l'administració. Però, com apunta en Marc, cal tenir >> en compte la qüestió de les llicències d'ús que poden tenir aquests textos >> (amb els de la Viquipèdia no veig que n'hi hagi i per això són a >> apertium-cat). >> >> En tot cas, del que sobretot voldria advertir és que el corpus que es >> faci servir, després no s'hauria d'emprar per a testejar els traductors, >> tal com estic fent jo ara amb les frases de la Viquipèdia que en Marc >> proposa d'utilitzar com a corpus. Altrament, ens creurem que tenim >> traductors genials i serà, en bona part, perquè el nombre d'errors de >> desambiguació serà mínim en el corpus de prova en qüestió. Extreure corpus >> de les viquipèdies no és complicat. Sempre que m'ha calgut en diferents >> llengües m'he limitat a seguir les instruccions que hi ha a la wiki. >> >> Tenir un corpus desambiguat també servirà per aclarir algunes coses que >> almenys jo segueixo sense tenir gaire clares, com, per exemple, com se >> suposa que cal analitzar "com" en diferents contextos, o "però" i >> "tanmateix" entre comes enmig d'una oració (i, de passada, documentar-ho a >> la wiki). >> >> Hèctor >> >> Missatge de Marc Riera Irigoyen del dia >> dl., 21 d’oct. 2019 a les 20:20: >> >>> Hola, >>> >>> Per entrenar el tagger, independentment de la tecnologia que s'utilitzi >>> per fer-ho, el que cal és un corpus monolingüe. Després cal analitzar-lo >>> amb Apertium per dividir-lo en unitats lèxiques segons el diccionari >>> d'Apertium i trobar les unitats lèxiques ambigües, i fer una desambiguació >>> manual. És una feina monòtona, però es pot fer progressivament i una vegada >>> feta, si es manté el corpus desambiguat actualitzat als canvis dels >>> diccionaris, es pot tornar a entrenar el tagger tantes vegades com es >>> vulgui. >>> >>> En primer lloc, per tant, ens cal un corpus. Tenim 20.000 frases >>> extretes de la Viquipèdia per Hèctor Alòs, que són més o menys 500.000 >>> paraules. Per començar, podríem fer una prova amb les primeres 1.000 >>> frases. Entenc que si les tenim a l'apertium-cat vol dir que no hi ha >>> problemes de llicències, però confirmeu-m'ho, si us plau. >>> >>> *Marc Riera* >>> >>> >>> Missatge de Jaume Ortolà i Font del dia dl., 21 >>> d’oct. 2019 a les 11:30: >>> Moltes gràcies, Xavi. Molt interessant. El problema del tagger (assignar probabilitats diferents a principi de frase segons el que hi ha abans) s'hauria d'intentar resoldre perquè si
Re: [Apertium-catala] resultats diferents inexplicables del tagger
Bon dia, Més observacions. He vist que en els fitxers de CG de català i castellà tenim gairebé un miler de regles de desambiguació (una mica menys). En LanguageTool en tenim 1200. Això em reforça la intuïció que el tagger no aporta quasi res de valuós. Crec que hem de plantejar-nos aquesta disjuntiva. Què serà més útil? 1) Fer la feina d'etiquetar mig milió de paraules per a entrenar el tagger, i obtenir uns resultats dubtosos, que no controlarem. 2) Completar les regles de desambiguació CG (què pot fer falta? 300-400 regles més?). Aquestes regles probablement farien falta de totes maneres. Les qüestions difícils que esmenta Hèctor no ens les resoldrà el tagger estadístic. Això em sembla evident. En qualsevol cas, s'han de fer proves. Començaré mirant què queda per desambiguar sense el tagger. Què en penseu? Jaume Missatge de Hèctor Alòs i Font del dia dl., 21 d’oct. 2019 a les 20:21: > Es pot utilitzar les frases que vaig extreure de la Viquipèdia com a > corpus a desambiguar. Tenint en compte que els traductors s'utilitzen molt > per a documents de l'administració, crec que el corpus també hauria de > contenir documents administratius (eventualment, de diferents > administracions). Penseu, per exemple, que a la Viquipèdia no trobareu > pràcticament cap forma verbal amb "vós", mentre que sí que són habituals en > la correspondència de l'administració. Però, com apunta en Marc, cal tenir > en compte la qüestió de les llicències d'ús que poden tenir aquests textos > (amb els de la Viquipèdia no veig que n'hi hagi i per això són a > apertium-cat). > > En tot cas, del que sobretot voldria advertir és que el corpus que es faci > servir, després no s'hauria d'emprar per a testejar els traductors, tal com > estic fent jo ara amb les frases de la Viquipèdia que en Marc proposa > d'utilitzar com a corpus. Altrament, ens creurem que tenim traductors > genials i serà, en bona part, perquè el nombre d'errors de desambiguació > serà mínim en el corpus de prova en qüestió. Extreure corpus de les > viquipèdies no és complicat. Sempre que m'ha calgut en diferents llengües > m'he limitat a seguir les instruccions que hi ha a la wiki. > > Tenir un corpus desambiguat també servirà per aclarir algunes coses que > almenys jo segueixo sense tenir gaire clares, com, per exemple, com se > suposa que cal analitzar "com" en diferents contextos, o "però" i > "tanmateix" entre comes enmig d'una oració (i, de passada, documentar-ho a > la wiki). > > Hèctor > > Missatge de Marc Riera Irigoyen del dia > dl., 21 d’oct. 2019 a les 20:20: > >> Hola, >> >> Per entrenar el tagger, independentment de la tecnologia que s'utilitzi >> per fer-ho, el que cal és un corpus monolingüe. Després cal analitzar-lo >> amb Apertium per dividir-lo en unitats lèxiques segons el diccionari >> d'Apertium i trobar les unitats lèxiques ambigües, i fer una desambiguació >> manual. És una feina monòtona, però es pot fer progressivament i una vegada >> feta, si es manté el corpus desambiguat actualitzat als canvis dels >> diccionaris, es pot tornar a entrenar el tagger tantes vegades com es >> vulgui. >> >> En primer lloc, per tant, ens cal un corpus. Tenim 20.000 frases extretes >> de la Viquipèdia per Hèctor Alòs, que són més o menys 500.000 paraules. Per >> començar, podríem fer una prova amb les primeres 1.000 frases. Entenc que >> si les tenim a l'apertium-cat vol dir que no hi ha problemes de llicències, >> però confirmeu-m'ho, si us plau. >> >> *Marc Riera* >> >> >> Missatge de Jaume Ortolà i Font del dia dl., 21 >> d’oct. 2019 a les 11:30: >> >>> Moltes gràcies, Xavi. Molt interessant. >>> >>> El problema del tagger (assignar probabilitats diferents a principi de >>> frase segons el que hi ha abans) s'hauria d'intentar resoldre perquè si no >>> continuarem exposats al mateix risc. Quan comença una frase nova, hauria de >>> començar sempre igual. No té sentit fer-ho d'una altra manera. >>> >>> El tagger, efectivament, caldria entrenar-lo de nou. La meua impressió >>> ara mateix és que no fa quasi res de productiu. Quan introduïm una paraula >>> nova en el diccionari que crea ambigüitat (per exemple, una cosa molt >>> simple com ara un substantiu que coincideix amb una forma verbal), el >>> tagger falla moltíssim. Fa la impressió de tirar monedes a l'aire. I >>> l'única manera d'arreglar-ho és fer més regles CG. >>> >>> Es pot arribar a crear un sistema de regles de desambiguació prou >>> eficaç. Ho hem fet, per exemple, en LanguageTool. Sé que l'IEC també té un >>> sistema de regles molt complet per a etiquetar. Ara, segons la finalitat, >>> les regles han de ser lleugerament diferents. I el conjunt de regles pot >>> arribar a ser prou voluminós. Hauríem de valorar tot això. >>> >>> Salutacions, >>> Jaume Ortolà >>> >>> >>> Missatge de Xavi Ivars del dia dg., 20 d’oct. >>> 2019 a les 23:04: >>> Sembla que el problema és que el tagger no reinicia les probabilitats de la mateixa manera quan arriba a un final de frase o quan una
