pedroarvela / sentido Goto Github PK

In gitlab by @PedroArvela on Feb 20, 2017, 15:22

Extract articles from Portuguese Wikipedia.

Split articles into paragraphs, use the following as separator.

 . fim-de-parágrafo . 

In gitlab by @PedroArvela on May 30, 2017, 23:50

For word w1 in context c1.

• Search for co-occurence clusters of w1.
• Filter co-occurrences in clusters so only co-occurrences of the same type in c1 exist.
• Compare words in resulting filtered clusters with the words in c1.

In gitlab by @PedroArvela on Jun 3, 2017, 16:20

The database population with values is extremely slow. There are some simple improvements which can be done to improve performance:

• Batch as many inserts as possible in a single transaction.
• Use prepared statements where possible.
• Use simpler primary keys for as many tables as possible.
• Ensure no SELECTs are executed during writes to prevent slowdowns.
• Reduce repeated reads to the database as much as possible.

In gitlab by @PedroArvela on May 30, 2017, 23:46

Recreate db_deep.db with additional ids for each individual context.

Each sentence/paragraph/snippet should have a unique id used to limit searches of co-occurrences.

In gitlab by @PedroArvela on May 23, 2017, 23:49

For word w1:

• Find all (wx, wy) co-occurrences in all contexts of w1.
  • Apply restrictions here.
• Run graph clustering algorithm on (wx, wy) pairs.
• Reconstruct words from their IDs

In gitlab by @PedroArvela on Feb 20, 2017, 00:43

• Research Word Sense Disambiguation
• Research word2vec applied to WSI
• Search for recent graph-based WSI
• Research neural-networks applied to WSI

In gitlab by @PedroArvela on Feb 6, 2017, 16:07

http://academica.tecnico.ulisboa.pt/files/sites/54/guia-de-preparacao-da-dissertacao-1516.pdf

• capa;
• agradecimentos (facultativo);
• resumo e palavras-chave;
• índice;
• lista de quadros e figuras e lista de abreviações;
• referências bibliográficas;
• anexo(s), se existirem.

Formatação

• tamanho A4;
• capa branca com imagem a cores;
• tipo de letra: Arial (ou semelhante);
• texto a preto;
• espaçamento a 1,5 linhas;
• tamanho de letra: 10 pontos;
• notas de pé-de-página com espaçamento de 1 linha. Usar moderadamente, com tipo de letra de 9 pontos;
• margens: 2,5 centímetros nos quatro lados;
• número de página: em numeração arábica em baixo centrado ou à direita;
• não usar cabeçalho/rodapé, excepto para número de página em 9 pontos;
• no caso de ser necessária a inclusão de desenhos de projeto de dimensão superior a A4, estes deverão ser apresentados num volume de anexos.

Capa

• logótipo do IST
• nome da Instituição;
• imagem;
• título integral da dissertação;
• subtítulo (facultativo);
• nome completo do candidato (obrigatório);
• nome do curso por extenso;
• orientador(es) (máximo 2), indicando o nome completo;
• júri: presidente, orientador (apenas um dos indicados anteriormente), vogais;
• data (mês e ano).

In gitlab by @PedroArvela on Feb 18, 2017, 15:46

• Como executar fases do STRING?
• Onde está o CETEMPúblico e Bick, 2006?
• Como/Quando devo pedir o LXDSemVectors corpus?
• Onde colocar o código que estiver a desenvolver?
• Linguagem de programação preferida?
• Standards para documentação?
• Devo experimentar com outras abordagens mais modernas (aka word2vec)?
• Será possível submeter para algum journal ou conferência?

In gitlab by @PedroArvela on May 31, 2017, 15:14

• Ver se a base de dados preforms melhor com os valores dos corpora merged ou separate
• Adicionar a informação obtida ao Syntax Deep Explorer
• Analizar tipo de dependências a incluir
• Syntax Deep Explorer é cego aos objetivos e pode não incluir a target word na lista de co-occurrências

In gitlab by @PedroArvela on Apr 27, 2017, 13:43

In gitlab by @PedroArvela on May 22, 2017, 15:58

Use the syntax deep explorer DB to extract the intended words and lemmas and generate the graph.