<div>Let us introduce MaltOptimizer, an optimization tool for MaltParser.<br><br>MaltOptimizer has been (and is) developed by <a href="http://nil.fdi.ucm.es/index.php?q=node/449" target="_blank">Miguel Ballesteros</a> from <a href="http://www.ucm.es/" target="_blank">Complutense University of Madrid</a> (Spain) and <a href="http://stp.lingfil.uu.se/%7Enivre/" target="_blank">Joakim Nivre</a> from <a href="http://www.uu.se/en/" target="_blank">Uppsala University</a> (Sweden).<br>
 <br>Freely
 available statistical parsers often require careful optimization to 
produce state-of-the-art results, which can be a non-trivial task 
especially for application developers who are not interested in parsing 
research for its own sake. MaltOptimizer is a freely available tool 
developed to facilitate parser optimization with the open-source system 
MaltParser, which offers a wide range of parameters for optimization, 
including nine different parsing algorithms, two different machine 
learning libraries (each with a number of different learners), and an 
expressive specification language that can be used to define arbitrarily
 rich feature models. MaltOptimizer is an interactive system that first 
performs an analysis of the training set in order to select a suitable 
starting point for optimization and then guides the user through the 
optimization of parsing algorithm, feature model, and learning algorithm
 parameters. <br> <br>The system will be demonstrated in the System Demonstration Session at <a href="http://eacl2012.org/home/index.html" target="_blank">EACL 2012</a> and is further described in a paper to appear at <a href="http://www.lrec-conf.org/lrec2012/" target="_blank">LREC 2012</a>. </div>
<br>For further information and download:  <a href="http://nil.fdi.ucm.es/maltoptimizer" target="_blank">http://nil.fdi.ucm.es/maltoptimizer</a><br><br>Best regards,<br>Miguel and Joakim<span style="color:rgb(153,153,153)"></span><br>