MorphoDiTa

Na této stránce jsou návody jak pracovat s MorphoDiTou a jak připravovat data

Pracujeme na grimmovi

Připravíme vhodný adresář, kde se bude vše dělat, v tomto návodu to bude /store/corp/PDT_plus

Vytvoříme podadresář vert:

mkdir vert

a umístíme tam vertikály

Převedeme data do csts:

make-corp.sh -s vert -t csts -p3 -v

Číslo u parametru -p (počet paralelních threadů) upravíme podle počtu souborů, -v (verbose) uvedeme, chceme-li vidět, jak práce postupuje

Provedeme morfologii:

make-corp.sh -s csts -t csts-morf -A1 -B1 -Eucs2 -M -p3 -v

Parametry -A1 a -B1 říkají, že se mají provést pouze povinné skripty z PreMorfo (-B – before) a PostMorfo (-A – after)

Výsledek ovidujeme:

make-asp.sh -Eucs2 -fcsts -p3 -s csts-morf -t csts-morf-vid -v

Opravíme vidy a roznásobíme proměnné:

parallel-filter.sh -C "corr-asp.pl | JH-wide-csts.sh" -p3 -s csts-morf-vid -t csts-morf-vid-corr -v

Převedeme do vert:

make-corp.sh -s csts-morf-vid-corr -t vert-morf-vid-corr -p3 -v

Provedeme úpravy dat, aby tagy a lemmata odpovídala Etalonu:

cd /usr/local/corp/Perl
./EtalonizaceVertikaly.pl /store/corp/PDT_plus/vert-morf-vid-corr /store/corp/PDT_plus/vert-morf-vid-corr-etln
cd -

Převedeme výsledek na vstup pro MorphoDiTu:

mkdir vert-morphodita-in
parallel-filter.sh -C "sed '1{/^$/d}'" -s vert-morf-vid-corr-etln -t vert-morphodita-in -p3 -v

Můžeme udělat nějaké kontroly, jestli se nám data nepoztrácela a jestli mají správný formát:

cmp-lines-csts.sh csts csts-morf-vid-corr
parallel-filter.sh -C "check-csts.pl 16" -p3 -n -s csts-morf-vid-corr -v