Я взяла готовую модель и файл paragraph.txt. В результате получла файл paragraph.conllu
$ cat paragraph.txt | udpipe --tokenize --tag --parse ru_syntagrus-ud.udpipe > paragraph.conlluАннотация прошла не без ошибок, например, токен "пищало" был определён как существительное, хотя в данном тексте является глаголом.
Я создала директорию /rus и скопировала базовые настройки модели /udx, внеся изменения в соответствии с аннотируемым текстом:
pronouns.tab
он male
его male
ему male
entities.tab
достоевский person person/male 1
ф. person person/male 1
м. person person/male 1
федор person person/male 1
кот animal animal 1
роман object object 1
животное animal animal 1
conf.ini
proper_pos=/PROPN/
Эксперименты с entity-heads.tab, coref.tab, names.tab не привели к улучшению разрешения кореференции. Также я пробовала изменить первое правило (The first rule below illustrates a very ‘safe’ strategy, searching for proper noun markables with identical text (=$1) in the previous 100 sentences, since these are almost always coreferent, and undertaking no feature propagation.) так, чтобы оно работало для русского языка (Достоевский-Достоевского), и прописала идентичность не текста, а леммы, но это не помогло.
coref_rules.tab
#first match identical proper markables
form="proper";form="proper"&lemma=$1&takefirst;100;nopropagate
Результат - в файле paragraph.html
$ python3 xrenner.py -m rus -o html paragraph.conllu > /tmp/paragraph.html