25_opis_skupa_podataka.tex

Podaci korišteni za vrednovanje modela zadataka koji slijede koriste univerzalan
format ovisnosti \engla{universal dependencies}{UD}, opisan u \citep{univdeps12} --
CoNLL-U,\footnote{\url{https://github.com/UniversalDependencies/UD_Croatian}} a
preoblikovani su iz originalnog skupa podataka \textsc{SETimes.HR}
\citep{agic2014setimes}.\footnote{\url{https://github.com/ffnlp/sethr}} Popis
svih raspoloživih jezika i poveznice za preuzimanje skupa podataka nalazi se
na \textsc{universaldependencies.org}.\footnote{\url{http://universaldependencies.org/}} U
slučaju podataka za označavanje vrste riječi korišten je stari
\textsc{SETimes.HR} skup jer je u prikladnijem obliku za taj zadatak. Kod
ovisnosnog parsanja korišteni su podaci u CoNLL-U formatu. U poglavlju
dodataka \ref{appendix:data} prikazani su sirovi podaci i obrađeni podaci
prikladni za ulaz u Vowpal Wabbit. Broj mogućih oznaka vrste riječi je 13 bez
atributa, 645 s atributima. Broj mogućih oznaka vrste bridova kod ovisnosnog
parsanja je 39.