Intelligenza Artificiale 07-08

Per la regex ho risolto, grazie comunque.
Per il progetto, ho pensato di recuperare le parole con etichetta dal file xml. Una volta identificata una parola prendo una finestra di parole e le faccio analizzare da CHAOS. Poi inserisco in WEKA gli esempi per l'addestramento composti da (parola , POS)

Per Pax22,
Non ho capito bene cosa intendi per Gold Standard. Non dovrebbe essere una mappatura parola-categoria?

Ragazzi sto costruendo il parser html,

Secondo voi occorre solo parsare ciò che è contenuto nel body e in più escludendo i link e le tabelle?

Ragazzi scusate se risultero' un po' ripetitivo, ma ritengo possa essere utile per focalizzare un po' il da farsi sia per me che per gli altri:

Una volta parsati i file html del corpus, occorre fare il mapping tra questi ultimi e i file xml di development in modo che si abbia una corrispondenza tra le parole e il loro ruolo nella frase?

Quest' operazione va' effettuata ancora una volta a mano, nel senso si estrae il significato della parola dal file xml e lo si associa alla parola magari in un database oppure si deve usare in qualche modo quella cosa misteriosa chiamata Chaos?

Grazie a tutti

Qualcuno sa quali librerie CHAOS usare e come usarle per il POSTagging?

Scusate ragazzi ho un pò di dubbi.

1) Se tokenizzo le parole e le mando in pasto a Chaos una per una, inveitabilmente perdo l'informazione legata alla sintassi, e quindi Chaos come cavolo fa a disambiguare?

2) Weka come fa a suddividere in classi le parole? per esempio coma fa a capire che Francesco è una Person e non una Location o Organization?
Fa un confronto con un db o cosa?

3) Giocherellando con Chaos ho provato a parsare la seguente frase: "mi chiamo Francesco e gioco a calcio" lui mi taggava "gioco" come nome singolare maschile...è normale che si sbaglia così facilmente?
non dovrebbe riuscire a disambiguare frasi così elementari?

Grazie a tutti.