Data verzamelen voor de grafieken

[jelmerderonde]

Het gaat om de volgende grafieken en data:

• [x] Grafiek over de test-data, per document:

• Titel, taal (3x: metadata, from_text, from_title)

• Mimetype, humanized-mimetype, etc

• Collectie

• Lengte van de video (als het een video is)

• Welke stappen door de pipeline het document doorlopen heeft

• [x] Voor de grafieken over de effictiviteit van zoeken:

• Scores (precision@10, precision@3, dcg, ndcg) voor de ranked queries van de docenten, per field combinatie

• Scores (precision@10, precision@3, dcg, ndcg) voor de ranked queries, uitgevoerd op de verschillende experimenten: Google, PRF, ConceptNet, EduRep

• [x] De Language recognition resultaten

• [x] Grafiek met de word error rates, voor alle video's waar we een transcript van Tom voor hebben:

• de word error rate

• Per video aangeven welke kaldi (nl of en) er gebruikt is.

• Link naar de video

• Indien mogelijk ook de counts voor de specifiekere onderdelen van de WER: insertions, substitutions, deletions, etc.

[fako]

@jelmerderonde meer nodig? zie e-mail