TL;DR: обучили разные модели на: lowercase; uppercase; uppercase+lowercase; uppercase + truecased lowercase. Потестили каждую модель на lowercase и uppercase выборках. Сказали, какой метод обучения NER и POS модели лучше для чего.

cased uncased? или что?

да, это большой плюс, кстати.

тестировали на cased/uncased . Обучали на разных комбинациях

ну, вопрос в том, что, когда надо пользователям посчитать готовые модели для dependency parsing, то что нам делать с текстом из тех же социальных сетей, который может быть иногда написан в нижнем регистре (или в непонятном регистре).

или после asr системы

или после asr, да.

свой dependency parsing учить, имхо. Там главное -- с пунктуацией трэш

а там отдельного датасета нет обычно все равно.

ну да -- собирать

ну вот. а авторы предложили 4 разных способа использовать готовый датасет и померили их.

@alexkuk Не попадалось ли вам среди применений yargy полномасштабная задача извлечения дат и времени из текста в произвольном формате? Я пробую реализовать это и сталкиваюсь с рядом трудностей. Одна из них, например, - необходимость последовательного извлечения сущностей из текста таким образом, чтобы последующие извлечения не пересекались с предыдщими, а затем склейка извлеченных сущностей на основании правил. Есть ли в yargy такой функционал?

Из примеров использования на гитхабе про даты есть https://github.com/asyncee/prophet-bot/blob/master/tests/test_times.py, https://github.com/kc41/tg_dobby/blob/master/tg_dobby/grammar/natural_dates.py

> Есть ли в yargy такой функционал
Абстрактное описание, ничего не понял

Можно ли в slovnet syntax сделать как-то fake-root?

У Стэнфордской группы отличный синтаксический парсер stanza

после парсинга меняйте как угодно результаты и всё.

ну, смотря по какому параметру он отличный... он очень медленный, настолько, что даже более качественные варианты с bert с ним сравнимы по скорости.
я потому и говорю, что надо смотреть на сравнения, а не просто так рекомендовать что-то. https://github.com/natasha/naeval#syntax-parser

Сравнивать исследовательские и промышленные движки не совсем корректно. Естественно, у них есть CoreNLP - сервер на Java, но без поддержки русского языка. Stanza для исследований языка хороша.

почему некорректно? вопрос же про качество в том числе

вот результаты последней дорожки, я их тут не вижу помимо прочего

https://universaldependencies.org/iwpt20/Results.html

я тоже не понимаю, почему их некорректно сравнивать... тем более, когда люди спрашивают про движок не для исследований механизма работы движков, а для практической цели. (зачем вообще тогда исследовательский движок предлагать?)