Werkoverleg met GvN.

Taken:

1. LassyDemo, diverse veranderingen

   • ✔ Voorlopig alleen MySQL gebruiken, en versie voor MongoDB niet verder ontwikkelen.
     • ✔ Backup-script voor CLCG en zo: niet voor lassy data.
   • ✔ Boom voorbewerken: multi-word units samenvoegen indien mogelijk:
     • ✻ Niet als er een index gebruikt wordt
     • ✻ Niet als woorden niet op elkaar aansluiten

     • → Hierdoor verdwenen (met LassySmall): app/- body/- cnj/- pc/- predm/- rhd/-

   • ✔ Testen met grotere dataset, delen van wiki uit LassyLarge

     • ✔ Prefix toepassen voor dataset, zodat ook meerdere datasets gebruikt kunnen worden.
     • ✔ Werken met dact-bestanden.
     • → 200.000 zinnen op urd: 1h33m
     • → 500.000 zinnen op zardoz: 3h42m

   • ❏ Zie verder: LassyDemo

Mogelijk problemen met corpusbestanden in LassyLarge:

• verkeerd lemma, zie voorbeeld (xml)

  • uitstapje → uitstapje

  • zag → zien

  • mannen → mannen

  • oude → oude

  • zieke → ziek
  • dode → dood

• een enkele keer geen pt-attribuut, bijvoorbeeld voor woord NOOIT in WR-P-E-A-0000008718.p.5.s.1.xml (regel 29)

CategoryLassy