Aktualizovat „pages/students/2016/jakub_maruniak/dp2021/annotation/README.md“

pages/students/2016/jakub_maruniak/dp2021/annotation/README.md

@@ -20,12 +20,28 @@ winpty docker run --name prodigy -it -p 8080:8080 -v C://Users/jakub/Desktop/ann
 Pozn. aby --eval-split fungoval správne, je potrebné v inštalácii prodigy (cestu zistíme pomocou `prodigy stats`) v súbore `recipes/train.py` upraviť funkciu `data_to_spacy` (mal by byť riadok 327). V novej verzii by to malo byť opravené. Do riadku treba pridať parameter eval_split. 
 `json_data, eval_data, split = train_eval_split(json_data, eval_split)`
 
+### Anotované databázy
+- `./ner/skner/sknerv4.jsonl` - Aktuálna anotovaná databáza z https://skner.tukekemt.xyz/ (Celkovo cca 5000 článkov)
+- `./ner/wikiart/wikiart2.jsonl` - Vlastná databáza, články rozdelené na vety (Celkovo cca 1300 viet)
+- Presná štatistika o databázach bude doplnená
+
 ### Štatistika o anotovaných dátach
 - `prodigy stats wikiart` - informácie o počte prijatých a odmietnutých článkov pre konkrétny dataset v prodigy
-- `python3 count.py` - Tabuľka pre informáciu o počte prijatých, odmietnutých a preskočených článkov z databázy. Taktiež informácia o množstve jednotlivých entít. 
+
+### Vizualizácia anotovaných dát
+- `streamlit run visualizer.py visualize ./dataset.jsonl` - Vypíše anotácie zo zvolenej databázy na lokálnej adrese http://192.168.1.26:8501
 
 ### Trénovanie modelu
 Založené na: https://git.kemt.fei.tuke.sk/dano/spacy-skmodel
+- Na trénovanie NER využitá vstavaná funkcia spacy train
+- Testované aj s custom skriptom na trénovanie - `custom_train.py` - približne rovnaké výsledky, neporovnateľne dlhší čas trénovania 
 
-### Štatistika o trénovaní
-Po natrénovaní modelu vidíme iba skóre pre celý model. Aby sme sa dozvedeli informáciu o presnosti trénovania jednotlivých entít, využijeme `modelinfo.sh`
+
+### Scripts
+`python scripts.py [command] [arguments]`
+
+| Príkaz     | Popis | Argumenty |
+| ---------- | ------------------ | ------------------- |
+| `count`    | Vypíše štatistiky o databáze vo formáte JSONL z Prodigy.| dataset_path|
+| `delete_annot` | Vytvorí samostatnú databázu s anotáciami iba od zvoleného anotátora.| annotator, dataset_path, new_dataset_path|
+| `modelinfo`| Vypíše informácie o natrénovanom modeli (Precision, Recall a F-skóre), zároveň aj o jednotlivých entitách. | - |