Ciencias de la Computación FAMAF

Herramientas de usuario

Herramientas del sitio

Traza:
materias:pln:uba2018:practico2

Diferencias

Muestra las diferencias entre dos versiones de la página.

Enlace a la vista de comparación

Ambos lados, revisión anteriorRevisión previa
Próxima revisión		Revisión previa
materias:pln:uba2018:practico2 [2018/02/18 22:24] – francolqmaterias:pln:uba2018:practico2 [2018/08/10 03:03] (actual) – editor externo 127.0.0.1
Línea 1: Línea 1:
 ====== Trabajo Práctico 2 - Etiquetado de Secuencias ====== ====== Trabajo Práctico 2 - Etiquetado de Secuencias ======
  
-[[materias:pln|(volver a la página principal)]]+[[materias:pln:uba2018|(volver a la página principal)]]
  
 En este trabajo práctico implementaremos varios modelos de etiquetado de En este trabajo práctico implementaremos varios modelos de etiquetado de
Línea 7: Línea 7:
  
   * Repositorio: https://github.com/PLN-FaMAF/PLN-UBA2018.   * Repositorio: https://github.com/PLN-FaMAF/PLN-UBA2018.
-  * Fecha de entrega: 01/03 a las 23:59.+  * Fecha de entrega: 27/02 a las 17:59.
  
  
Línea 69: Línea 69:
 class BaselineTagger: class BaselineTagger:
  
-    def __init__(self, n, tagged_sents):+    def __init__(self, tagged_sents, default_tag='nc0s000'):
         """         """
         tagged_sents -- training sentences, each one being a list of pairs.         tagged_sents -- training sentences, each one being a list of pairs.
 +        default_tag -- tag for unknown words.
         """         """
  
Línea 157: Línea 158:
 Documentación: Documentación:
  
-  * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/Etiquetado%20de%20Secuencias%20con%20Feature%20Forge.ipynb|Etiquetado de Secuencias con Feature Forge]]+  * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/Etiquetado%20de%20Secuencias%20Parte%203.ipynb|Jupyter notebook: Etiquetado de Secuencias Parte 3]]
  
  
Línea 165: Línea 166:
     * Vectorizador (''featureforge.vectorizer.Vectorizer'') con los features definidos en el ejercicio anterior.     * Vectorizador (''featureforge.vectorizer.Vectorizer'') con los features definidos en el ejercicio anterior.
     * Clasificador de máxima entropía (''sklearn.linear_model.LogisticRegression'').     * Clasificador de máxima entropía (''sklearn.linear_model.LogisticRegression'').
-  * Implementar un algoritmo de tagging en el método ''tag'' usando //beam inference// con un //beam// de tamaño 1. +  * Implementar el algoritmo de tagging secuencial en el método ''tag''.
-  * Agregar al script de entrenamiento (train.py) una opción de línea de comandos que permita utilizar el MEMM con distintos valores de ''n''.+
   * Entrenar y evaluar para varios valores de ''n'' (1, 2, 3 y 4).   * Entrenar y evaluar para varios valores de ''n'' (1, 2, 3 y 4).
   * Probar también los siguientes clasificadores:   * Probar también los siguientes clasificadores:
Línea 179: Línea 179:
 class MEMM: class MEMM:
  
-    def __init__(self, n, tagged_sents):+    def __init__(self, n, tagged_sents, clf='svm'):
         """         """
         n -- order of the model.         n -- order of the model.
         tagged_sents -- list of sentences, each one being a list of pairs.         tagged_sents -- list of sentences, each one being a list of pairs.
 +        clf -- classifying model, one of 'svm', 'maxent', 'mnb' (default: 'svm').
         """         """
  
Línea 238: Línea 239:
 Documentación: Documentación:
  
-  * Introducción a scikit-learn para clasificación de textos: +  * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/Etiquetado%20de%20Secuencias%20Parte%202.ipynb|Jupyter notebook: Etiquetado de Secuencias Parte 2]] 
-    * http://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html +  * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/Etiquetado%20de%20Secuencias%20Parte%203.ipynb|Jupyter notebook: Etiquetado de Secuencias Parte 3]] 
-    * [[http://nbviewer.ipython.org/url/cs.famaf.unc.edu.ar/~francolq/Clasificaci%C3%B3n%20de%20Texto%20con%20scikit-learn.ipynb#|Mi versión del mismo tutorial]] +  * [[http://www.cs.columbia.edu/~mcollins/fall2014-loglineartaggers.pdf|Notas de Michael Collins sobre MEMMs]] 
-  * Beam inference: + 
-    * [[https://class.coursera.org/nlp/lecture/133|video lecture]] (ir al minuto 07:10) + 
-    * [[https://d396qusza40orc.cloudfront.net/nlp/slides/04-02-Maximum_Entropy_Sequence_Models-v2.pdf|slides]]+/*  
 +===== Ejercicio 5 (punto bonus): Análisis de Error y Nuevos Features  ===== 
 +*/
  
  
Línea 253: Línea 256:
   * Beam: En cada paso del Viterbi, guardar sólo los ''k'' taggings más probables, a donde ''k'' es un parámetro de la clase.   * Beam: En cada paso del Viterbi, guardar sólo los ''k'' taggings más probables, a donde ''k'' es un parámetro de la clase.
   * Evaluar para varios clasificadores (''LogisticRegression'' y ''LinearSVC''), para varios valores de ''n'' (1, 2, 3 y 4), y para varios valores de ''k'' (1, 2 y 3). Reportar los resultados en el README. Reportar también tiempo de evaluación.   * Evaluar para varios clasificadores (''LogisticRegression'' y ''LinearSVC''), para varios valores de ''n'' (1, 2, 3 y 4), y para varios valores de ''k'' (1, 2 y 3). Reportar los resultados en el README. Reportar también tiempo de evaluación.
 +
 +
 +Documentación:
 +
 +  * [[http://www.cs.columbia.edu/~mcollins/fall2014-loglineartaggers.pdf|Notas de Michael Collins sobre MEMMs]] (Viterbi en sección 8.5)
 +  * Beam inference:
 +    * [[https://www.youtube.com/watch?v=M1BpelGGeMk&index=47&list=PL6397E4B26D00A269|Maximum Entropy Sequence Models]] (ir al minuto 07:10)
 +    * [[https://d396qusza40orc.cloudfront.net/nlp/slides/04-02-Maximum_Entropy_Sequence_Models-v2.pdf|slides]]
  
materias/pln/uba2018/practico2.1518992647.txt.gz · Última modificación: 2018/08/10 03:03 (editor externo)