Wiki spuštěna 24. 7. 2025

Přidání osoby do SYNv4

Má obsahovat desambiguaci a frazémy
PostDisambVid-utf-csts je už opraven i pro budoucí tagování
Postižené korpusy jsou v těchto podadresářích:
- NEWTON
- SYN2015-RC3
- SYNv4

Provede se znovu

make-whole-corp-csts.sh -t corr -Eucs2 -M -v -p40

Protože se mohlo hnout s řádky, je třeba znovu udělat frazémy:
```
screen make-kolok-csts.sh -Eucs2 -k. -p40 -v
```

Dále se postupuje podle návodu na SYN:

Udělá vertikála v adresáři vert-kolok-corr:

parallel-filter.sh -C csts2cnk.pl -s csts-kolok -t vert-kolok-corr -p40 -v

V adresáři vert-kolok-CNK se soubory přejmenují na .vrt, zkopírují se k nim soubory z adresáře orig a provede se kontrola:

for ff in *.txt; do echo $ff; cp -p $ff ../vert-kolok-CNK/${ff%.txt}.vrt; done
cd ../vert-kolok-CNK
for ff in *.vrt; do ln -s ../orig/${ff%.vrt}.txt .; done
for ff in *.vrt; do ln -s ../orig/${ff%.vrt}.json .; done
parallel-mask.sh -C "/usr/local/corp/xml2standoff/vrt2standoff.py" -m ".*\.vrt" -v -p40 -d.

Prošlé soubory se zkopírují do adresáře vert-kolok-CNK-vrt:

for ff in *.vrt.json; do mv ${ff%.vrt.json}.* ../vert-kolok-CNK-vrt; done

Vyrobí se seznam ../json.txt a tary:

ls *.json | grep -v vrt.json > ../json.txt
tar czvhf ../SYN2015-SYN-person-txt.tgz *.txt
tar czvhf ../SYN2015-SYN-person-vrt.tgz *.vrt
tar czvhf ../SYN2015-SYN-person-vrt.json.tgz *.vrt.json
tar czvhf ../SYN2015-SYN-person-json.tgz -T ../json.txt

Přidání osoby a vidu do Etalonu

Sjet z vertikály celou disambiguaci (bez PreMorfo a PostMorfo)
vyrobit adresář vert-prac a do něj dát:
- ručně otagované soubory (bez &doc;)
- třetí sloupec z úplné disambiguace ($ff-3)
- slepené 4 sloupce:
```
for ff in *-3; do paste ${ff%-3} $ff > ${ff%-3}.1-4; done
```
Zkontrolovat počet řádků:
```
 tail -n3 *.1-4
```

Provést náhradu a odlepení:

for ff in *.1-4; do echo $ff; perl -pe 's/^[\t ]+$//' $ff \
| perl -pe 's/(\tV[psq].....)-([^\t]+\tV[psq].....)([1-3])/$1$3$2$3/' \
| perl -pe 's/(\tV[^\t]+)(\tV.+)([BIP])$/$1$3/' \
| cut -f1-3 \
| perl -pe 's/(\t.{15})$/$1-/' > ${ff%.1-4}.1-3; done

Trace: • tokenizace • morfo-langr • syn • paysafecard • adminer • index • synv8 • index • penize • osoby