====== Sjednocení formátu anotovaných korpusů ======

===== Úprava ručně anotovaných textů =====

  * převést do vertikály s jedním lemmatem a tagem:<code>$ cd .../korpus-export
$ for ff in *; do echo $ff; prep-for-tag-comparison.sh < $ff \
  > ../../compare/anotatori/$ff; done</code>
  * podobně u opravených (mergeovaných) souborů:<code>$ cd .../merge-export
$ prep-for-tag-comparison.sh < <file>-XX-YY > ../../compare/merge/<file></code>

===== Úprava textů anotovaných pravidly (morfologií, ...) =====

  * znormalizovat, post-disamb a odstranit duplicity:<code>$ cd /corp/anotace/vert-rules-frazrl-rules
$ for ff in *; do echo $ff; rules-for-tag-comparison.sh < $ff \
  > ~/PROJEKTY/GACR1012/compare/rules/$ff; done</code>
 

===== Úprava automaticky tagovaných korpusů (pravidly + morčetem) =====

  * provést některé postdisambiguační kroky:<code>$ cd .../korpus-export
$ for ff in *; do echo ${ff%-??}; rules-for-tag-comparison.sh \
  < /corp/anotace/vert-rules-frazrl-rulh1-tag/${ff%-??} \
  > ../../compare/corp/${ff%-??}; done</code>

===== Úprava korpusů otagovaných morčetem =====

  * zkopírovat soubory:<code>$ cd .../korpus-export
$ for ff in *; do echo ${ff%-??};
  cat -s /corp/anotace/vert-morf-tag/${ff%-??} \
  | post-disamb.pl \
  > ../../compare/morce/${ff%-??}; done</code>

===== Výběr pouze nejednoznačných tagů =====

  * <code>$ cd ~/PROJEKTY/GACR1012/comp-PDT/morf
$ for ff in *; do echo $ff; mark-uniq < $ff | paste ../PDT/$ff - \
  | grep -v '!!!' | cut -f1-2 > ../multi-morf/PDT/$ff; done
$ cd /corp/DTEST-PDT/vert-morf-full
$ for ff in *; do echo $ff; mark-uniq < $ff \
  | paste ~/PROJEKTY/GACR1012/comp-PDT/PDT/$ff - \
  | grep -v '!!!' | cut -f1-2 > ~/PROJEKTY/GACR1012/comp-PDT/multi-full/PDT/$ff; done</code>

====== Porovnávání 2 tagů ======

===== Sloučení výsledků  =====

  * vert<code>$ cd ~/PROJEKTY/GACR1012/compare/anotatori
$ for ff in *; do echo $ff; vert-vert.sh $ff ../corp/${ff%-??} corp-; done</code>
  * program ''vert-vert.sh'' má jako třetí nepovinný argument předponu výsledného souboru

===== Porovnání tagů =====

  * použít program ''compare-vert''<code>$ cd ~/PROJEKTY/GACR1012/compare
$ compare-vert tag-table.txt < file</code><code>$ compare-vert
Usage: compare-vert [-CDFX] <table>

   -C	color output
		CYAN: forms differ
		GREEN: lemmas differ,
		BLUE: general tag (>)
		MAGENTA: detailed tag (<)
		RED: tags differ (!)
  -D	debug
  -F	full output (including identical lines)
  -X	ignore unknown tags

<table> is a table with differences between tagsets:
// 0 - POS
// 1 - SUBPOS
= > n,l
// 2 - GENDER
H > F,N
QW > FS,NP
etc.

In the output, lines with differencies are marked as follows:
  >	more general tag on the left side
  <	more general tag on the right side
  ~	both more and less general tags on both sides
  !	tags differ and cannot be compared
  |	identical tags
</code>

====== Porovnávání 3 tagů ======

===== Sloučení výsledků =====

  * vert<code>$ cd ~/PROJEKTY/GACR1012/compare
$ vert-vert-vert.sh merge/<file> anotatori/<file>-<A1> anotatori/<file>-<A2> \
  > cmp-3input/<file>-<A1>-<A2></code>

===== Porovnání tagů =====

  * použít program ''compare-3vert''<code>$ cd ~/PROJEKTY/GACR1012/compare
$ compare-3vert tag-table.txt < file</code>

====== Porovnání mnoha tagů ze 2 zdrojů ======

===== Sloučení výsledků =====

  * vert<code>$ cd ~/PROJEKTY/GACR1012/compare
$ paste merge/<file> <pref>/<file> | perl -pe 's/^[\t]+$//' > cmp-Minput/<pref>-<file></code>
  * ''<pref>'' je ''morf'', ''rules'' apod.
  * porovnat programem ''compare-Mvert''<code>$ cd ~/PROJEKTY/GACR1012/compare
$ compare-Mvert tag-table.txt < cmp-Minput/<file></code><code>$ compare-Mvert
Usage: compare-Mvert [-CF] <table>

  -C	color output
  -F	full output (including identical lines)

<table> is a table with differences between tagsets:
// 0 - POS
// 1 - SUBPOS
= > n,l
// 2 - GENDER
H > F,N
QW > FS,NP
etc.

In the output, lines with differencies are marked with >!<</code>