Tato stránka je postupně aktualizována.

Gate online

Gate online je jedna z komponent (lze nahlédnout ve Schématu systému), která je vytvářena v rámci projektu Extrakce dat z emailů typu Call for papers.

Proč komponenta vzniká

Cílem je vytvořit službu, která bude automaticky značkovat důležité řetězce v textu, a bude dostupná přes internet.

Pracovní postup:

Hotové

• Studium Gate Development
• Vyzkoušení Gate Development na emailu o konferenci
• Studium Gate Embedded
• Vytvoření jednoduché webové aplikace v javě (Tomcat, servlety, JSP)
• Zakomponování Gate ANNIE do aplikace
• Vyzkoušení označkování míst a jmen pomocí webové aplikace
• Zakomponování Gate JapeTransducer? do aplikace
• Vyzkoušení označkování datumů pomocí dodaného JAPE skriptu
• Vytvoření formuláře pro zadávání anotovaného textu
• Vytvoření HTTPRequest? v PHP, který bude využívat GateOnlineServlet?
• Odstranění problémů s pamětí (vyřešilo smazání resources pomocí Factory)
• Úprava PHP klienta - ne fce HTTPRequest?, ale standardní PHP POST..
• Vytvoření PHP POST, který bude načítat anotovaný text a jape skript ze souborů
• Ošetřené vstupní parametry (nejsou.. nevadí..)
• V HTTP POST je možné poslat více textů
• Uvádí se, co má být ve výstupním XML anotováno (např.:czech_date)
• Více jape scriptů by také mělo fungovat (netestováno)
• Přidání parametru do HTTP POST pro nastavení PR, které budou tvořit pipeline (slovní hodnoty třeba jako: "default", "CFPapers?", "onlyCzechDate" ..)
• Umožnit označkování všeho, co bylo nalezeno pomocí PR.. když nebude nic v parametru annotation..
• Refactoring - kód okomentován, zbaven zbytečných výpisů a metod..
• V japscriptech nefunguje =~ .. v Gate funguje.. pravděpodobně kvůli JCompiler?.. starý Transducer vlnovku umí.. řešení nepoužívat zatím reg. výrazy a rozepisovat výrazy typu [Aa]bstract..
• Zprovoznit japescript s více phase.. prozatím rozděleno do více souborů
• Defaultně běží celé ANNIE a czech_date jape skript: process="default", pro nastavení process="CFP" běží vše jako při default a navíc jape skripty important_dates.. je jich celkem 11 - rozdělený původní s více phase..
• Upravit jape skript czech_date - rozdělil jsi na 2 - czech_date_full a czech_date_short..
• Vytvořen parametr, kterým se bude specifikovat, co se značkovat nebude: např.: Token. Parametr se jmenuje "noAnnotation"..

Plánované

• Opravit bug - Vloží se prázdný parametr ("") pro japeScript a spadne to, poohlédnout se po podobných..
• vyzkoušet značkování toho, co bude třeba pro CFPapers?.. odkazy?..
• napsat stručnou dokumentaci k použití Gate online aplikace..
• Testování na reálných datech
• Zátěžové testy
• Zprovoznění služby (zatím přes HTTP) na školním serveru
• Zfunkčnit reg. výrazy v jape skriptech..
• Zprovoznit japescript s více phase..