Ciencias de la Computación FAMAF

Herramientas de usuario

Herramientas del sitio

Traza:
materias:pln:uba2018:practico2_draft

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_draft [2018/02/14 01:42] – francolqmaterias:pln:uba2018:practico2_draft [2018/08/10 03:03] (actual) – editor externo 127.0.0.1
Línea 39: Línea 39:
     * Cantidad de veces que aparece (frecuencia), y porcentaje del total.     * Cantidad de veces que aparece (frecuencia), y porcentaje del total.
     * Cinco palabras más frecuentes con esa etiqueta.     * Cinco palabras más frecuentes con esa etiqueta.
-    * En el README, agregar a mano una breve descripción del significado de la etiqueta.+    * **En el README, agregar a mano una breve descripción del significado de la etiqueta.**
   * Niveles de ambigüedad de las palabras: Una figura similar a la Figura 5.10 de Jurafsky & Martin (2008). Para cada nivel de ambigüedad (de 1 a 9) mostrar:   * Niveles de ambigüedad de las palabras: Una figura similar a la Figura 5.10 de Jurafsky & Martin (2008). Para cada nivel de ambigüedad (de 1 a 9) mostrar:
     * Cantidad de palabras y porcentaje del total.     * Cantidad de palabras y porcentaje del total.
Línea 59: Línea 59:
  
   * Programar un etiquetador baseline, que elija para cada palabra su etiqueta más frecuente observada en entrenamiento.   * Programar un etiquetador baseline, que elija para cada palabra su etiqueta más frecuente observada en entrenamiento.
-  * Para las palabras desconocidas, devolver la etiqueta 'nc0s000'.+  * Para las palabras desconocidas, devolver la etiqueta 'nc0s000' (nombre común singular). 
 +  * Entrenar y evaluar el modelo baseline del ejercicio anterior. Reportar los resultados en el README. 
 +  * **Bonus**: Graficar la matriz de confusión como un mapa de calor (ver documentación abajo).
  
 Interfaz de ''BaselineTagger'' en  ''baseline.py'': Interfaz de ''BaselineTagger'' en  ''baseline.py'':
Línea 93: Línea 95:
  
   $ nosetests tagging/tests/test_baseline.py    $ nosetests tagging/tests/test_baseline.py 
- 
- 
-===== Ejercicio 3: Entrenamiento y Evaluación de Taggers ===== 
- 
-  * Programar un script ''train.py'' que permita entrenar un etiquetador baseline. 
-  * Programar un script ''eval.py'' que permita evaluar un modelo de tagging. Calcular: 
-    * //Accuracy//, esto es, el porcentaje de etiquetas correctas. 
-    * //Accuracy// sobre las palabras conocidas y sobre las palabras desconocidas. 
-    * Matriz de confusión, como se explica en la sección 5.7.1 (//Error Analysis//) de Jurafsky & Martin. 
-  * Entrenar y evaluar el modelo baseline del ejercicio anterior. Reportar los resultados en el README. 
-  * **Bonus**: Graficar la matriz de confusión como un mapa de calor (ver documentación abajo). 
  
 Ejemplo de uso de los scripts: Ejemplo de uso de los scripts:
Línea 115: Línea 106:
  
  
-===== Ejercicio 4: Features para Etiquetado de Secuencias =====+===== Ejercicio 3: Features para Etiquetado de Secuencias =====
  
   * Implementar en ''features.py'' los siguientes features básicos:   * Implementar en ''features.py'' los siguientes features básicos:
Línea 168: Línea 159:
  
  
-===== Ejercicio 5: Maximum Entropy Markov Models =====+===== Ejercicio 4: Maximum Entropy Markov Models =====
  
   * Implementar un MEMM con el siguiente //pipeline// de scikit-learn:   * Implementar un MEMM con el siguiente //pipeline// de scikit-learn:
Línea 254: Línea 245:
  
  
-===== Ejercicio 6 (punto bonus): Algoritmo de Viterbi para MEMMs (con Beam)  =====+===== Ejercicio 5 (punto bonus): Algoritmo de Viterbi para MEMMs (con Beam)  =====
  
 Implementar el algoritmo de Viterbi para obtener la secuencia de tags de máxima probabilidad de acuerdo a un MEMM: Implementar el algoritmo de Viterbi para obtener la secuencia de tags de máxima probabilidad de acuerdo a un MEMM:
materias/pln/uba2018/practico2_draft.1518572564.txt.gz · Última modificación: 2018/08/10 03:03 (editor externo)