主要任務: NLP Problem Investigation

1. Pick one NLP task from the list below.

   • Coreference

2. Answer the following questions.

• What is the problem we are trying to solve?

  • 用於解析一個句子中，不同表達方式實際所指的對象，避免因代詞導致的訓練困難。

• What does the training data look like?

  • CoNLL資料的格式：

     1   我   我   PRON    PRON    _   2   nsubj   _   _
     2   喜歡  喜歡  VERB    VERB    _   0   root    _   _
     3   蘋果  蘋果  NOUN    NOUN    _   2   obj     _   _
    

    序號 詞語 詞幹 粗粒度詞性 細粒度詞性 句法特徵 中心詞 與中心詞的依存關係

• What is your plan to handle the data?

  • Where to get the data?

    • 利用既存的數據集如CoNLL-2012、OntoNotes 5.0。

    • 以爬取到的資料製作成訓練集。

  • How to get the data?

    • 爬取文本資料並且做上標註。

  • How to store the data?

    • conll,json

  • What preprocessing do we need to do?

    • 爬取資料、斷詞、標註、生成所需格式檔案

• What are the common approaches (algorithm/model) to solve this problem?

  • BERT
  • Huggingface's coreference resolution model
  • AllenNLP

額外任務: Python 專案管理

Virtural Environment

去調查為什麼需要用 virtual environment (像是 venv 或是 anaconda) 來管理 python 專案。

• 可以分開管理各個專案所需的不同環境需求，像是不同的package版本或是python版本。

Managing Python Dependencies

去調查在 Python 專案裡，requirements.txt 是做什麼用的。

• requirements.txt是由開發者提供的、列出了專案中所需要的package及其版本，運行pip install -r requirements.txt即可安裝所列出的package，以便其他開發者構建相同的開發環境。