Домашнее задание “Разработка фрагмента учебного корпуса”, часть 3

Лексико-грамматическая разметка текста интервью

Качественно разметить данные с первого раза сложно, поэтому к этой задаче мы будем возращаться несколько раз, улучшая свои навыки.
Детальные инструкции по выполнению см. в конспекте семинара. Как обычно, задавайте вопросы в чатик.

1. Экспортируйте слои токенов каждого говорящего из ELAN в текстовый файл с разделителями (табуляцией).
2. Переведите ваши данные в формат CONLLU, не потеряв информацию о временных метках и названии слоя.
3. Разметьте данные автоматически с помощью UDpipe, моделью Russian-SynTagRus (Tag & Lemmatize) - леммы, части речи, грамматические признаки
4. Скачайте разметку в текстовый файл и исправьте ошибки.
5. В конце заполните гугл-форму, указав отдельные интересные (и не очень) ошибки автоматической разметки форма.

Важные ссылки

• в папку LiveCorpus вашего репозитория lingdata на GitHub положите два файла:
  • файл с автоматической разметкой в формате CONLL-U (.conllu)
  • файл с исправленной вручную разметкой в формате CONLL-U (.manual1.conllu)
• UDpipe – онлайн-сервис для разметки, модель Russian-SynTagRus
• в таблице метаинформация лежат сведения о вашем репозитории и названии видеофайла (если вы забыли и не можете найти на домашнем компьютере)
• в результате в папке LiveCorpus должны лежать файлы .eaf (его можно обновить, если нужно), conllu и .manual1.conllu.