Diferencias

Muestra las diferencias entre dos versiones de la página.

--- materias:pln:2019:practico3 [2019/05/02 18:07] – francolq
+++ materias:pln:2019:practico3 [2019/06/13 21:21] (actual) – francolq
@@ Línea 7: / Línea 7: @@
   * Repositorio: https://github.com/PLN-FaMAF/PLN-2019.
-  * Fecha de entrega: 23/5 a las 23:59.
+  * Fecha de entrega: <del>23/5</del> 6/6 a las 23:59.
@@ Línea 271: / Línea 271: @@
   * [[http://www.cs.columbia.edu/~mcollins/hmms-spring2013.pdf]]
+  * Mail 2017: [[https://groups.google.com/forum/#!topic/pln-famaf-2017/N5TPKgZY1Lg|Como seria AddOne para MLHMM?
+]]
 ===== Ejercicio 6: Clasificador "three words" =====
-**TBA**
+  * Implementar en ''classifier.py'' un tagger que utilice un clasificador para etiquetar cada palabra en base a la información disponible en una ventana alrededor de la palabra.
+  * Definir el vectorizador con los siguientes features:
+    * la palabra actual en minúsculas.
+    * si la palabra actual empieza en mayúsculas.
+    * si la palabra actual está en mayúsculas.
+    * si la palabra actual es un número.
+    * mismos features para la palabra anterior y para la siguiente.
+  * Probar los siguientes clasificadores:
+    * ''sklearn.linear_model.LogisticRegression''
+    * ''sklearn.naive_bayes.MultinomialNB''
+    * ''sklearn.svm.LinearSVC''
+  * Reportar los resultados en el README. Reportar también tiempo de evaluación.
-===== Ejercicio 7: Clasificador con Embeddings =====
+/*
+  * Usar el siguiente //pipeline// de scikit-learn:
+    * Vectorizador ''DictVectorizer''.
+    * Clasificador de máxima entropía (''sklearn.linear_model.LogisticRegression'').
+*/
-**TBA**
+Interfaz de ''ClassifierTagger'' en ''classifier.py'':
+<code python>
+class ClassifierTagger:
+    """Simple and fast classifier based tagger.
+    """
+    def __init__(self, tagged_sents, clf='lr'):
+        """
+        clf -- classifying model, one of 'svm', 'lr' (default: 'lr').
+        """
+    def fit(self, tagged_sents):
+        """
+        Train.
+        tagged_sents -- list of sentences, each one being a list of pairs.
+        """
+    def tag_sents(self, sents):
+        """Tag sentences.
+        sent -- the sentences.
+        """
+    def tag(self, sent):
+        """Tag a sentence.
+        sent -- the sentence.
+        """
+    def unknown(self, w):
+        """Check if a word is unknown for the model.
+        w -- the word.
+        """
+</code>
+Tests:
+  $ nosetests tagging/tests/test_classifier.py
+===== Ejercicio 7: Clasificador con Word Embeddings fastText =====
+  * Agregar word embeddings fastText a los features clasificador del ejercicio anterior.
+    * Usar el vectorizador provisto en ''fasttext.py''.
+  * Usar los modelos pre-entrenados para el idioma castellano ofrecidos por fastText.
+  * Entrenar, evaluar y reportar resultados y tiempos en el README.
+Documentación:
+  * [[https://fasttext.cc/|fastText]]
+    * [[https://github.com/facebookresearch/fastText/tree/master/python#building-fasttext-for-python|Instalación]]
+    * [[https://fasttext.cc/docs/en/crawl-vectors.html|Modelos pre-entrenados]]
 ===== Ejercicio 8: Análisis de Error y Nuevos Features  =====
@@ Línea 300: / Línea 367: @@
   * https://pytorch.org/tutorials/beginner/nlp/sequence_models_tutorial.html#example-an-lstm-for-part-of-speech-tagging
+https://nlpforhackers.io/lstm-pos-tagger-keras/
+  * Probe LSTM cells: recuerda consistencia de comillas?|
 */