hw_1 Tsvetkova

2018-komp-ling/practicals/segmentation/Sentence_Segmentation/.ipynb_checkpoints/Untitled-checkpoint.ipynb

@@ -0,0 +1,6 @@
+{
+ "cells": [],
+ "metadata": {},
+ "nbformat": 4,
+ "nbformat_minor": 2
+}

2018-komp-ling/practicals/segmentation/Sentence_Segmentation/segmentation-response.md

@@ -0,0 +1,29 @@
+# Practical 1
+##### Tsvetkova Victoria 
+
+### Segmentation
+For this task I chose a wiki file in Hungarian. First I tried both suggested segmenters, and after searched on the Internet for some segmenters written for Hungarian. I found a [page](https://github.com/oroszgy/awesome-hungarian-nlp) with two presented. It took me a long time to try either, and they both didn't work: the first one was too outdated, and the second one required more memory than I have on my ubuntu.
+So, now I am going to compare the ones being suggested in the practical:
+
+##### 1. NLTK's Punkt
+Used exactly as was said in practical 1. 
+Evaluation: 3 wrong out of 116 (~98% accuracy).
+In general, the segmenter did great: there were only two difficult cases it couldn't segment correctly:
+
+1) Hungarian abbreviations: "kb." standing for "körülbelül", "about" (compare with Russian "прим." for "примерно", about), and "stb." standing for "és a többi", "etc". 
+2) A bit more cunning example:
+
+>'Közepes mélysége kb.\n',
+ '2 m; legnagyobb mélysége 10 m, de területének 60 %-án csak max.\n',
+ '2 m.\n',
+
+When met two abbreviations and a digital at once ("max.", "m."), the segmenter failed to realise it as the same sentence. That that was also the sentence with "kb." mistake.
+
+##### 2. Pragmatic_segmenter
+Also, used as suggested on the practical page.
+Evaluation: 4 wrong out of 116 (~98% accuracy).
+The first three mistakes are the same as for NLTK's punct: "kb.", "stb." and "max.".
+The forth one is quite interesting:
+>Újságíróként írt többek között a magyar Kitekintő.\n',
+ 'hu, Index.hu, Új Szó, illetve a szlovák .\n',
+The segmenter failed to recognize a web address Kitekintő.hu, though the next one, Index.hu, wasn't segmented.

2018-komp-ling/practicals/segmentation/Sentence_Segmentation/wiki_50.txt

@@ -0,0 +1,50 @@
+
+1954 és 1963 között a térségben a sztyeppet mintegy 420 000 km²-en feltörték és intenzív mezőgazdasági művelésbe vonták. A Kulunda-síkság Nyugat-Szibéria fontos mezőgazdasági körzete lett. Területének legnagyobb részén növénytermesztés folyik, gabonafélék (főleg tavaszi búza) és ipari növények szántóföldjei húzódnak, sok helyen mesterséges öntözést alkalmaznak. 
+1973 és 1983 között az SPG Silz/Mötz korosztályos csapataiban kezdte a labdarúgást. 1983 és 1986 között a Wacker Innsbruck, 1986 és 1988 között Linzer ASK labdarúgója volt. 1986 és 1992 között a Swavorski Tirol csapatában szerepelt és két bajnoki címet szerzett az együttessel, az utolsó idényben pedig bajnoki gólkirály lett 17 góllal. 1992-ben a Swarovski Tirol csőd miatt megszűnt. A következő két idényben a Wacker Innsbruck, majd a Tirol Innsbruck néven szerepelő csapatokban játszott. 1994–95-ben a Vorwärts Steyr, 1996–97-ben ismét a Linzer ASK játékosa volt. 1997-ben a ciprusi Ellínon Lefkoszíasz labdarúgója volt. 1998 és 2001 között Németországban játszott. 1998–99-ben az Eintracht Frankfurt, 2000-ben az FSV Frankfurt, 2001-ben a VfL Osnabrück csapataiban szerepelt.
+1989 és 1993 között hat alkalommal szerepelt az osztrák válogatottban.
+2000-ben a yanomami törzs ábrázolásáért megkapta a Lannan irodalmi díjat.
+2002 és 2005 között a Wacker Tirol segédedzője volt. 2005 és 2007 között az Innsbrucker AC, 2008-ban az SV Völs vezetőedzőjeként tevékenykedett. 2011 és 2017 között az SV Horn segédedzője volt, közben 2014–15-ben vezetőedző, 2016-ban és 2017-ben ideiglenes megbízott vezetőedző volt. 2017–18-ban Kurt Garger segédedzője volt a kínai Junnan Fejhu csapatánál.
+2008-ban jelölték a brazil Ordem do Mérito Cultural díjra.
+2014 októberében a város egyes részeit az Iszlám Állam militánsai foglalták el. 2015 júniusában az iszlamista Dernai Mudzsahed Sura Tanács milíciái legyőzték az Iszlám Államot és ellenőrzésük alá vonták Dernát.
+2018-ban munkásságáért a Goethe Intézettől Goethe-emlékérmet kapott.
+63 éves korában hunyt el agyvérzésben. A Farkasréti temetőben helyezték örök nyugalomra, az unitárius egyház szertartása szerint.
+A Baraba-alföld déli részén, a tóparttól délre "Majszkoje utro" ('májusi reggel') néven 1996-ban természetvédelmi terület létesült ( ha). 
+A behálózottsági együttható egy összefüggő síkgráf körszerkezetét hasonlítja össze két extrém példával. Az egyik véglet a fa, a körrel nem rendelkező síkgráf. A másik végletet a maximális síkgráfok, tehát az adott csúcs esetében maximális számú éllel és tartománnyal rendelkező síkbarajzolható gráfok képviselik. A normalizált behálózottsági együttható a rendelkezésre álló tartomány-körök és a maximálisan lehetséges tartomány-körök aránya. 
+A behálózottsági együtthatóval becsülni lehet egy hálózat redundanciáját. Ez a paraméter, a hálózat robusztusságát mérő algebrai összefüggőséggel együtt jól használható vízelosztási hálózatok hálózati ellenálló képessége topológiai aspektusának számszerűsítésére. Városi területek utcaszerkezetének jellemzésére is felhasználták.
+A Csallóközben nőtt fel az 1980-as–1990-es években. Művészettörténetet tanult a Nagyszombati Egyetemen. Hűszéves korától összesen több évet dolgozott arab országokban (Egyiptom, Jordánia, Tunézia, Törökország). Újságíróként írt többek között a magyar Kitekintő.hu, Index.hu, Új Szó, illetve a szlovák .tyzden lapoknak, de jelentek meg írásai az ELLE magazin, a National Geographic, a WMN a szlovákiai magyar Új NŐ havilap, illetve a Vasárnap hasábjain is.
+A Csani-tó (oroszul: "озеро Чаны," magyar átírásban: "ozero Csani)" sekély lefolyástalan sóstó Oroszország ázsiai részén, a Novoszibirszki területen. Nyugat-Szibéria legnagyobb állóvizeként tartják számon.
+A Felső-Ob és az Irtis közötti lefolyástalan medencében, a Baraba-alföldön helyezkedik el. Beömlő folyója nincs, vízutánpótlást a délkeletre elterülő Kis-Csani-tóból kap egy rövid csatornán keresztül. A Kis-Csani-tó vízpótlását a beömlő Csulim folyó biztosítja.
+A Felső-Ob és az Irtis közötti lefolyástalan medence egyik kisebb állóvize. A Novoszibirszki terület Kupinói- és Zdvinszki járásában, a Baraba-alföld és a Kulunda-síkság (Kulunda-sztyepp) érintkezésénél helyezkedik el. A Csani-tótól "(Nagy-Csani-tó)" délkeletre terül el, melyhez keskeny csatornával kapcsolódik. Csak egyetlen jelentősebb folyó táplálja, a Csulim.
+A Gerson-terápia Max Gersonról (1881–1959) elnevezett egészség-helyreállító módszer.
+A Kis-Csani-tó (oroszul: "Малые Чаны," magyar átírásban: "Malije Csani)" sekély lefolyástalan sóstó Oroszország ázsiai részén, a Novoszibirszki területen.
+A közép-brazíliai karajá törzs tanulmányozása közben éledt benne fel a fotóriporter-hivatás. Képeit több híres magazin publikálta: Life, Look, Fortune, Aperture és Realidade. 
+A Kulunda-síkság, régebben többnyire: "Kulunda-sztyepp," vagy egyszerűen "Kulunda" (oroszul: "Кулундинская равнина, Кулундинская степь, Кулунда") tájegység Nyugat-Szibéria déli részén, a Felső-Ob és az Irtis között. Közigazgatásilag legnagyobb része Oroszország Altaji határterületéhez és (kisebb északi része) a Novoszibirszki területhez, valamint Kazahsztán Pavlodari területéhez tartozik.
+A Kulunda-tavak a köznyelvben a síkság sekély sóstóinak összefoglaló elnevezése. Ide tartozik maga a Kulunda-tó és a „szomszédos” Kucsuk-tó, melynek partján nátriumszulfát-kombinát épült, valamint azoktól keletre és délre sok kisebb lefolyástalan sóstó. E tavak szódakészlete világviszonylatban az elsők között áll(t) évek, de konyha- és egyéb sókat is nagy mennyiségben tartalmaznak. Az itteni készletek hasznosítására építették fel Oroszország első szódagyárát 1864-ben. 
+A Kulunda-tó (oroszul: "Кулундинское озеро," magyar átírásban: "Kulungyinszkoje ozero)" sekély lefolyástalan sóstó Oroszország ázsiai részén, az Altaji határterületen, melynek legnagyobb állóvize. 
+A lapos partokon nád, sás, különféle cserje nő; a tófenék homokos és iszapos, a vízben 16 halfaj él. Nagyon sok a sziget, több közülük ritka növény- és állatfaj élőhelye, ritka madarak fészkelőhelye. A tavaszi-őszi madárvonulások idején a táj vízimadarak óriási csapatainak nyújt pihenési lehetőséget. A ritka vagy veszélyeztetett madarak között említhető a lócsér, a halászsirály, a gólyatöcs, a gulipán, a viharsirály, a feketeszárnyú székicsér vagy a szalonkafélék közül a ázsiai cankógoda "(Limnodromus semipalmatus)."
+Alkalmazások.
+Al Kuba:
+Al Kuba (arab القبة, angol "Al Qubbah") város Líbia északkeleti részében, a Földközi-tenger közelében. A 2007-ig létezett Kuba tartomány székhelye volt. Darna és Al-Bajda között a legnépesebb lakott hely.
+Állatvilágára a sok rágcsáló, a tavak környékére a változatos madárvilág jellemző.
+Általánosabban, az Euler-karakterisztika használatával megmutatható, hogy minden "n"-csúcsú síkbarajzolható gráf legfeljebb 2"n" − 5 korlátos tartománnyal rendelkezik (nem számolva tehát a korlátlan tartományt)
+A matematika, azon belül a gráfelmélet területén a behálózottsági együttható vagy ciklomatikus együttható "(meshedness coefficient)" síkbarajzolható gráfok olyan gráfinvariánsa, ami a gráf korlátos tartományainak számát méri az ugyanannyi csúcson előállítható síkbarajzolható gráfok lehetséges tartományai számának arányában. Minimális értéke 0, amit fák esetében, maximális értéke 1, amit maximális síkgráfokon vesz fel.
+A módszer során megtanított beöntéstechnika, amikor a betegek vagy akik megelőzésként, hétköznapi tisztításként akarják használni a Gerson-módszer egyes elemeit, ezt elsajátítják, akkor már nagy megkönnyebbülést, tisztaságérzést, örömet hoz az életükbe.
+A nyugatabbra fekvő Szlavgorodon és Kulundán kívül, közelebbi városi jellegű települések: Blagovescsenka járási székhely és Sztyepnoje Ozero. Az utóbbi vegyipari kombinátjában a Kucsuk-tóból kinyert mirabilit feldolgozásával nátrium-szulfátot állítanak elő.
+A Nyugat-szibériai-alföld déli részén, a sztyepp övben fekszik. Északon a Baraba-alföld erdős-sztyeppje terül el, nyugaton az Irtis völgyén túli Isim-hátság, keleten-délkeleten az Ob-menti-hátság és az Altaj előhegyei határolják. Feltöltött síkság, melyet folyóvízi és tavi üledék tölt ki. Területének jelentős részét lösz borítja. 
+A számítógép-programozásban a varázsszó egy olyan bemenet, ami egy egyébként rejtett funkciót támogat. A felhasználókat nem értesítik erről, mivel azt hiszik, hogy úgysem fogják megtalálni. Ez azonban nem igaz; ha elegen használják a programot, akkor előbb-utóbb felfedezik ezeket, akár véletlenül is. Számukra megmagyarázhatatlan módon, mintegy varázsszóra a program elkezd máshogy működni.
+A sztyepp eredeti jellegzetes, ürmös-árvalányhajas növényzete szinte teljesen eltűnt, területének nagy részét felszántották, mezőgazdasági művelésbe vették. Kisebb nyírfaligetek vagy fenyvesek inkább csak a mélyedésekben, folyóvölgyekben fordulnak.
+A sztyepp felszántásának negatív hatásai azonban hamarosan megmutatkoztak. Az intenzív szélerózió következtében az eredeti lösztakaró csökkent vagy teljesen eltünt; a talaj vízháztartása megbomlott, termőképessége csökkent. A 2010-es években nemzetközi tervek készültek a kedvezőtlen folyamatok visszafordítására.
+A sztyepp övezetben elterülő Kulunda-síkság (vagy "Kulunda-sztyepp)" északkeleti részén helyezkedik el, az orosz–kazah országhatártól kb. 80 km-re, Szlavgorodtól 65 km-re keletre. A tóba két folyó ömlik, a Kulunda és a Szujetka; kivezető folyója nincs (lefolyástalan tó). A tótól délre található a kisebb és alacsonyabban fekvő Kucsuk-tó, mellyel néhány kilométeres csatorna köti össze. 
+A Tanatar-tó (valójában több kisebb tó sorozata) sókészletére alapozva hozták létre a második világháború idején a kalcináltszóda-gyárat "Malinovoje Ozero" településen (Mihajlovszkoje falu mellett). Magát a tavat "(Malinovoje Ozero," jelentése: 'málna-tó') különös, rózsaszínű vizéről nevezték el. Szlavgorod mellett, a brómban gazdag Bolsoje Jarovoje-tó vizének hasznosítására is nagy vegyipari gyár létesült; az évek folyamán a területen önálló város épült: Jarovoje. 
+A tavaszi-őszi madárvonulások idején a tó több mint kétszázezer vízimadár (lúdalakúak, lilealakúak, sirályfélék, stb.) pihenőhelye. A part körüli sztyeppen több kiemelten védett madárfaj, köztük fakó rétihéja, kerecsensólyom, fehérkarmú vércse, kékcsőrű réce él.
+A tó hossza 91 km, szélessége 88 km. Közepes mélysége kb. 2 m; legnagyobb mélysége 10 m, de területének 60 %-án csak max. 2 m. Vízfelületének tengerszint feletti magassága 106 m. Területe korábbi adatok szerint 1990–2600 km², más forrás szerint 1400– 3500 km². Vízszintje és a víztükör kiterjedése ugyanis évenként és évszakoktól függően is rendkívül ingadozó.
+A tó körül tizenkét kisebb falu található, a partvidék környékét kaszálónak, legelőnek használják. Az északi tópart és a Csani–Barabinszk vasútvonal közötti erdős sztyeppen (Baraba-alföld), a Novoszibirszki terület Barabinszki- és a Csani járásában 1958-ban természetvédelmi területet hoztak létre ( ha). 
+A túl közeli határidő már a projekt kezdetétől nyomaszthatja a programozókat, amin a vezetőség vagy a felhasználók nem akarnak változtatni. Gyakori helyzetek, amikor ez az antiminta jelentkezhet:
+A válogatottban.
+A varázsszavak használatának oka a szűk határidő. Ahelyett, hogy a programozó mélyebben belemerülne a problémába, és jobb megoldást találna, varázsszavakat kezd használni.
+A vasútállomáshoz az alábbi állomások vannak a legközelebb:
+A víz nem nagyon sós, – északi partját ezért is sok fürdőző keresi fel –, de sókoncentrációja a kiszáradás hatására növekszik. A térség többi sóstavához hasonlóan itt is hatalmas mennyiségű sórák él. A tóban mirabilit, a tófenéken jelentős mennyiségű gyógyiszap található. 
+Az állomást az alábbi vasútvonalak érintik:
+Az arány fák esetében 0, maximális síkgráfok esetében 1.
+Az átlagos fokszám definícióját használva – formula_2 – látható, hogy nagy gráfok esetében a határ (élek száma a behálózottsági együttható tart:
+Az észak-brazíliai yanomami törzzsel 1971-ben találkozott egy riport kapcsán. Az újságírással felhagyva, kultúrájukat éveken keresztül fotóesszékben dokumentálta; 1998-ban jelent meg könyve "Yanomami: a ház, az erdő, a láthatatlan" címmel. A yanomami törzs a világtól elszigetelten élt. 1974-ben autópálya épült a területükön, és a külső behatolás következtében súlyos himlőjárvány tört ki. A fotográfus azonnal felfüggesztette tevékenységét, hogy orvosi segítséget hozhasson nekik. A nyolcvanas években az aranybányászat hozott újabb egészségügyi problémákat, maláriát és higanymérgezést. A yanomami populáció 20%-a elpusztult. Andujar komoly szerepet játszott egy bizottságon keresztül a Yanomami Park létrehozásában, amely keretében a brazil kormány 96 000 km2 védett területet biztosított a törzsnek.