Projekty

• mdmake (vícerozměrný make)
• Morseus, an unsupervised tool for morphemic segmentation of an unknown language
• Stránka o českém parsingu
• DZ Parser (16.8.2004, verze 2.0 25.10.2009)
• Neprojektivity v PDT (27.1.2003)
• Prague Markup Language čili pracovní skupina pro XMLizaci formátu našich korpusů (zejména PDT) je nyní součástí projektu JAZZ (= jazykové zdroje)
• Detris - šablona Microsoft Word s makry, která kreslí ve Wordu závislostní stromečky na základě jejich reprezentace v CSTS formátu.
• Porovnání dvou syntaktických analýz, např. výstupu parseru se vzorovou ruční anotací.
• Porovnání výstupu parserů. Perlový skript, který projde dva nebo více souborů CSTS, obsahujících syntaktickou analýzu téhož textu: například různé analýzy vytvořené různými analyzátory (parsery). První soubor se považuje za ruční analýzu, která je správná; ostatní analýzy se porovnávají s ní. Po projití analýz skript vypíše na výstup počet závislostí určených správně všemi parsery, počet určený jen některými nebo jen jedním z nich, až po počet závislostí určených všemi parsery špatně.
• Výběr vět s rozdílnými analýzami. Projde CSTS, který obsahuje více syntaktických analýz od různých parserů (odlišených atributem src ve značce ) i ruční analýzu (značka ). Na výstup vypíše podmnožinu tohoto souboru, která obsahuje právě ty věty, v nichž je alespoň jedna závislost, kterou určil správně parser A a špatně parser B. Identifikátory (hodnoty atributu src) parserů A a B se předávají jako argumenty. Typické použití: srovnání dvou výstupů, které pocházejí od téhož parseru, ale jeden před a druhý po zavedení nového vylepšení parseru. Prohlédnutím rozdílových souborů v prohlížeči stromů (např. Tred) se pak snadno najdou chyby, které nové vylepšení do analýzy vneslo, což může usnadnit jejich odstranění.
• Převod treebanku mezi formáty CSTS a FS. Účel: zejména kvůli možnosti zobrazovat stromy programy Tred a Graph. Graph vůbec nesnáší formát CSTS. Tred sice umí formáty převádět, ale je příliš přísný na syntaxi CSTS a vynechává některé údaje. Programu cstsfs.pl nevadí, pokud chybí záhlaví CSTS, a pokud tam je, ignoruje všechny značky nad úrovní věty. Ve FS vytvoří atributy: slovo (<f>; funguje současně jako origf), mml (<MMl>; slije všechny do jednoho atributu), mmt (<MMt>; slije všechny do jednoho atributu), heslo (<l>), mznacka (<t>), mdlx (<MDl src="x"> pro každé x, nalezené v prvním slově první věty), mdtx (<MDt src="x">) a poradi (<r>). Strukturu stromu postaví podle značek <g> (ruční strukturální anotace). Podle výstupu parserů (<MDg src="x">) vytvoří atributy mdgx, ale vyplní je pouze u uzlů, u nichž se parser liší od ruční anotace. Dále vytvoří atributy podle všech dalších SGML značek, které najde u prvního slova první věty, včetně takových, které nejsou definovány v CSTS DTD.
• Ve vzorovém FS souboru se na konci můžete podívat, co je třeba připojit na konec FS souboru, aby v tredu bylo vidět více struktur jedné věty zároveň. Tento příklad předpokládá, že FS soubor obsahuje atributy g a MDgdz, z nichž první je odkaz na rodiče odpovídající struktuře FS stromu, druhý pak je odkaz na rodiče v alternativní analýze. V tredu se pak do stromu přikreslí červené spojovací čáry mezi uzly, které na sobě v hlavní analýze nezávisí, ale ve vedlejší ano.
• Automatická extrakce slovesných rámců z Pražské závislostní stromové banky. K dispozici je seznam automaticky získaných rámců a seznam související literatury.
• Program prepis.