Buradaki makalede belirtildiği üzere bazı konularda yanlış annotation yapılmış.
https://web.itu.edu.tr/gulsenc/papers/turcling2016_treebank.pdf
"However, its dependency grammarhas come to be criticized on occasion from various standpoints,and it is known to contain a large amount of annotationinconsistencies, as also attested in some previous works"
Makale mevcut treebank (MST) üzerinde alternatifler öneriyor ve ardından isim değişikliği oluyor (IMST)
Makalenin tarihi olmadığı için mevcut durumu ne kadar yansıtıyor belli değil.
Yanlış POS
Ama ayakta kalmayı başardılar.
ayakta,ayak/NOUN ama ayakta, ayakta/adverb,zarf olmalı.
Hakkı'nın kız kardeşi benim adımı Karanlıkta Gelen Adam koydu bu olaydan sonra.
karanlıkta/ADJ demiş ama TDK'ya göre isim
http://tdk.org.tr/index.php?option=com_gts&arama=gts&guid=TDK.GTS.5c7a9b6dbcc661.69001173
#alp/PROPN ???+ 1984/NOUN ???> Erkekler alp disiplininde 1984 yılında altın madalya kazanan ABD'li Bill Johnson, Saraybosna'daki anılarını anlatarak dinleyenlere hoş dakikalar geçirtti.
#Priştine/NUM ??? 15 Kasım Pazar günü Priştine'deki bir sandık merkezinde oy kullanan Kosovalı Arnavutlar görülüyor. #<Token index=5;words=[<Word index=5;text=Priştine'deki;lemma=priştine;upos=NUM;xpos=ANum;feats=NumType=Card>]>
Kısaltmalar PROPN olarak işaretlenmeli - xpos/tag=Abr olarak işaretleniyor. Daimler AG'nin Dürüstlük ve Hukuki İşlerden Sorumlu Üst Düzey İletişim Müdürü Daimler/PROPN AG/NOUN <Token index=2;words=[<Word index=2;text=AG'nin;lemma=Ag;upos=NOUN;xpos=Abr;feats=Abbr=Yes|Case=Gen|Number=Sing|Person=3>]>
BM/NOUN olarak işaretlenmiş, lemma=Bm yapmış BM elçisi Martti Ahtisaari'nin ofsinden bir heyet geldi. <Token index=1;words=[<Word index=1;text=BM;lemma=Bm;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=2;dependency_relation=nmod:poss>]>
BH/PROPN ama Abr olarak işaretlenmemiş BH Federasyonu, Sırbistan, Kanada, Yunanistan, Hollanda, BH Bakanlar Kurulu ve Brcko eyaleti <Token index=1;words=[<Word index=1;text=BH;lemma=bh;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=34;dependency_relation=nsubj>]>
Gün PROPN olarak işaretlenmiş Appathurai Çarşamba günü yaptığı açıklamada, 15 bin kişilik KFOR'un gereken bütün yasal ve diğer standartları yerine getireceğini söyledi. <Token index=2;words=[<Word index=2;text=Çarşamba;lemma=Çarşamba;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3>]>
Gün rakamlar PROPN olarak işaretleniyor. <Token index=6;words=[<Word index=6;text=21;lemma=21;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=8;dependency_relation=obl>]> <Token index=7;words=[<Word index=7;text=Aralık'ta;lemma=Aralık;upos=PROPN;xpos=Prop;feats=Case=Loc|Number=Sing|Person=3;governor=6;dependency_relation=flat>]>
Yıl rakamları NOUN <Token index=32;words=[<Word index=32;text=2005;lemma=2005;upos=NOUN;xpos=Abr;feats=Abbr=Yes|Case=Nom|Number=Sing|Person=3;governor=33;dependency_relation=nmod:poss>]> <Token index=33;words=[<Word index=33;text=yılında;lemma=yıl;upos=NOUN;xpos=Noun;feats=Case=Loc|Number=Sing|Number[psor]=Sing|Person=3|Person[psor]=3;governor=35;dependency_relation=obl>]>
Yalış Lemma Priştineli mevkidaşı Edita Tahiri'nin, Brüksel'den çıkan sonucun Priştineli;lemma=priştinel <Token index=1;words=[<Word index=1;text=Priştineli;lemma=priştinel;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=2;dependency_relation=nmod:poss>]>
% olunca Töv diye çeviriyor "Ülke teknik olarak krizden %0,6'lık ekonomik büyüme yaşadığı." <Word index=5;text=Töv'';governor=6;dependency_relation=amod>
Rakamlarda virgül olunca ayrı gösteriyor 219,7 milyon
Possesive sorunu.
https://groups.google.com/d/msg/stanfordnlp/YEriIzcnDKo/1cYB_YvpBQAJ
Burda sorduğum gibi, ingilizce parse 's ayrı token ama Türkçe'de 'nın birleşik.
Lemma dataset'de varsa doğru > Tanrı'nın, Tanrı ama yoksa?
-Priştineli mevkidaşı Edita Tahiri'nin, Brüksel'den çıkan sonucun Edita/PROPN Tahiri'nin/NOUN > Edita Tahiri/PROPN <Token index=3;words=[<Word index=3;text=Edita;lemma=Edita;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=4;dependency_relation=nmod:poss>]> <Token index=4;words=[<Word index=4;text=Tahiri'nin;lemma=Tahir;upos=NOUN;xpos=Noun;feats=Case=Gen|Number=Sing|Number[psor]=Sing|Person=3|Person[psor]=3;governor=13;dependency_relation=nmod:poss>]>
Tüm herfler büyük kelimenin NOUN olarak işaretlenmesi
EIB bu yıl Hırvatistan'a 500 milyon avro civarında yatırım yapacak
text=EIB;lemma=Eob;upos=NOUN;xpos=Abr;
?xpos=Abr den alınabilir mi?
Şirket isimlerinin NOUN+PROPN olması
EIB bu yıl Hırvatistan'a 500 milyon avro civarında yatırım yapacak ve Telekom Srbija'nın çoğunluğu satışa çıkarıldı.
Telekom/NOUN Srbija/PROPN
Özel isimleri noun yapması
Mahkemede yaptığı konuşmada Hiseni, "Kosova'nın bağımsızlığı" ...
text=Hiseni;lemma=hisen;upos=NOUN;xpos=Noun;
Sıfat yerine PROPN işaretlemesi
Bayanlar plaj voleybolunda, Yunan çift Vasiliki Karantasiou ve Vasiliki Arvaniti Brezilyalı Renata Ribeiro ve Talita Rocha ikilisine 39-43 yenildi.
Brezilyali/PROPN > Adjective olmalı
Yabancı kelimelerin PROPN olarak işaretlenmesi
Ardından Annie Lennox'un "I Saved the World Today" (Bugün Dünyayı Kurtardım) adlı şarkısının çalınmasına.
Foreign word olarak işaretlenmesi?
Yabancı kelimelerin alıntı olduğu yerde çıft tırnak ayrı PUNCT olarak gösterilmiyor.
ardından Annie Lennox'un "I Saved the World Today." (Bugün Dünyayı Kurtardım) adlı şarkısının
<Token index=14;words=[<Word index=14;text="I;lemma="I;upos=PROPN;xpos=Prop;feats=Case=Nom|Number=Sing|Person=3;governor=12;dependency_relation=compound>]>
veya / ile ayrılmış kelimeler
Tanınmış mimar/kent planlamacısı ve yerel British Graduates Society'nin başkanı Vassilis Zotos, buna katılmıyor ve sistemi eleştiriyor.
mimar/kent tek kelime olarak PROPN geçiyor.
"Petrol/doğal gaz boru hatları, enerji üreten barajları hedef almayı ve uluslararası sularda patlayıcı yüklü sürat tekneleriyle gemileri/petrol tankerlerini vurmayı planlıyordu."
" problemi > başlangıç " ayrı token ama bitişi ayırmamış. Priştineli mevkidaşı Edita Tahiri'nin, Brüksel'den çıkan sonucun "Sırbistan'ın Kosova'yı tanıması yönünde atılmış ilk adım" olduğu yönündeki sözlerini yorumlayan <Token index=16;words=[<Word index=16;text=adım";lemma=adım";upos=NOUN;xpos=Noun;feats=Case=Nom|Number=Sing|Person=3;governor=17;dependency_relation=obj>]>
-Yabancı kelime yada PROPN olunca " karakteri ayri token almıyor. Gazetecilere verdiği demeçte "Edita Tahiri bunu iç baskılardan ve Kosova muhalefetinden gelen büyük baskılardan ötürü söylemiştir." diyen <Token index=4;words=[<Word index=4;text="Edita;lemma="Edita;upos=VERB;xpos=Verb;feats=Aspect=Perf|Mood=Ind|Polarity=Pos|Tense=Pres|VerbForm=Part;governor=5;dependency_relation=acl>]> <Token index=4;words=[<Word index=4;text="Edita;lemma="Edita;upos=VERB;xpos=Verb;feats=Aspect=Perf|Mood=Ind|Polarity=Pos|Tense=Pres|VerbForm=Part;governor=5;dependency_relation=acl>]>