(TokenFeatureGenerator) Loading features...
[orth, base, ctag, synonym, hypernym-1, hypernym-2, hypernym-3, top4hyper-1, top4hyper-2, top4hyper-3, class, case, number, gender, pattern, prefix-1, prefix-2, prefix-3, prefix-4, suffix-1, suffix-2, suffix-3, suffix-4, all_alphanumeric, all_digits, all_letters, all_upper, has_upper_case, has_lower_case, has_symbol, has_digit, starts_with_upper_case, starts_with_lower_case, starts_with_symbol, starts_with_digit, is_number, no_alphanumeric, no_letters, struct, length, dict_person_first_nam, dict_person_last_nam, dict_country_nam, dict_city_nam, dict_road_nam, dict_person_prefix, dict_person_noun, dict_person_suffix, dict_road_prefix, dict_country_prefix, dict_trigger_int_bloc, dict_trigger_ext_bloc, dict_trigger_int_country, dict_trigger_ext_country, dict_trigger_int_district, dict_trigger_ext_district, dict_trigger_int_geogName, dict_trigger_ext_geogName, dict_trigger_int_orgName, dict_trigger_ext_orgName, dict_trigger_int_persName, dict_trigger_ext_persName, dict_trigger_int_region, dict_trigger_ext_region, dict_trigger_int_settlement, dict_trigger_ext_settlement, agr1, parenthesis, quotation, nospace]
Annotations to evaluate: ^nam$
2016-10-27 14:47:34,346 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 2 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107364.xml
2016-10-27 14:47:34,600 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 3 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107365.xml
2016-10-27 14:47:34,658 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 4 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107366.xml
2016-10-27 14:47:34,695 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 5 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107367.xml
2016-10-27 14:47:34,798 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 6 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107368.xml
2016-10-27 14:47:37,842 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 7 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107369.xml
2016-10-27 14:47:37,962 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 8 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107370.xml
2016-10-27 14:47:37,998 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 9 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107371.xml
2016-10-27 14:47:38,025 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 10 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107372.xml
2016-10-27 14:47:38,054 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 11 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107373.xml
2016-10-27 14:47:38,167 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 12 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107374.xml
2016-10-27 14:47:38,229 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 13 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107375.xml
2016-10-27 14:47:38,308 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 14 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107376.xml
2016-10-27 14:47:38,404 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 15 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107377.xml
2016-10-27 14:47:38,462 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 16 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107378.xml
2016-10-27 14:47:38,487 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 17 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107379.xml
2016-10-27 14:47:38,592 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 18 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107380.xml
2016-10-27 14:47:38,628 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 19 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107381.xml
2016-10-27 14:47:38,752 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 20 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107382.xml
2016-10-27 14:47:38,765 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 21 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107383.xml
2016-10-27 14:47:38,784 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 22 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107384.xml
2016-10-27 14:47:38,858 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 23 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107385.xml
2016-10-27 14:47:38,924 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 24 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107386.xml
2016-10-27 14:47:38,973 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 25 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107387.xml
2016-10-27 14:47:38,999 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 26 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107388.xml
2016-10-27 14:47:39,027 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 27 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107389.xml
2016-10-27 14:47:39,108 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 28 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107390.xml
2016-10-27 14:47:39,130 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 29 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107391.xml
2016-10-27 14:47:39,248 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 30 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107392.xml
2016-10-27 14:47:39,474 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 31 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107393.xml
2016-10-27 14:47:39,489 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 32 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107394.xml
2016-10-27 14:47:39,581 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 33 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107395.xml
2016-10-27 14:47:39,679 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 34 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107396.xml
2016-10-27 14:47:39,724 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 35 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107397.xml
2016-10-27 14:47:39,802 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 36 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107398.xml
2016-10-27 14:47:39,884 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 37 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107399.xml
2016-10-27 14:47:39,896 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 38 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107400.xml
2016-10-27 14:47:39,944 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 39 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107401.xml
2016-10-27 14:47:39,983 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 40 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107402.xml
2016-10-27 14:47:40,039 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 41 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107403.xml
2016-10-27 14:47:40,092 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 42 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107404.xml
2016-10-27 14:47:40,126 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 43 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107405.xml
2016-10-27 14:47:40,157 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 44 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107406.xml
2016-10-27 14:47:40,180 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 45 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107407.xml
2016-10-27 14:47:40,198 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 46 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107408.xml
2016-10-27 14:47:40,234 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 47 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107409.xml
2016-10-27 14:47:40,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 48 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107410.xml
2016-10-27 14:47:40,275 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 49 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107411.xml
2016-10-27 14:47:40,317 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 50 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107412.xml
2016-10-27 14:47:40,336 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 51 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107413.xml
2016-10-27 14:47:40,349 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 52 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107414.xml
2016-10-27 14:47:40,361 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 53 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107415.xml
2016-10-27 14:47:40,375 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 54 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107416.xml
2016-10-27 14:47:40,395 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 55 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107417.xml
2016-10-27 14:47:40,433 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 56 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107418.xml
2016-10-27 14:47:40,455 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 57 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107419.xml
2016-10-27 14:47:40,490 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 58 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107420.xml
2016-10-27 14:47:40,563 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 59 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107421.xml
2016-10-27 14:47:40,587 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 60 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107422.xml
2016-10-27 14:47:40,619 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 61 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107423.xml
2016-10-27 14:47:40,660 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 62 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107424.xml
2016-10-27 14:47:40,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 63 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107425.xml
2016-10-27 14:47:40,726 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 64 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107426.xml
2016-10-27 14:47:40,776 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 65 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107427.xml
2016-10-27 14:47:40,810 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 66 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107428.xml
2016-10-27 14:47:40,856 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 67 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107429.xml
2016-10-27 14:47:40,931 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 68 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107430.xml
2016-10-27 14:47:41,003 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 69 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107431.xml
2016-10-27 14:47:41,015 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 70 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107432.xml
2016-10-27 14:47:41,071 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 71 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107433.xml
2016-10-27 14:47:41,093 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 72 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107434.xml
2016-10-27 14:47:41,146 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 73 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107435.xml
2016-10-27 14:47:41,173 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 74 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107436.xml
2016-10-27 14:47:41,198 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 75 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107437.xml
2016-10-27 14:47:41,211 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 76 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107438.xml
2016-10-27 14:47:41,231 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 77 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107439.xml
2016-10-27 14:47:41,237 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 78 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107440.xml
2016-10-27 14:47:41,248 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 79 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107441.xml
2016-10-27 14:47:41,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 80 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107442.xml
2016-10-27 14:47:41,268 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 81 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107443.xml
2016-10-27 14:47:41,293 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 82 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107444.xml
2016-10-27 14:47:41,300 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 83 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107445.xml
2016-10-27 14:47:41,305 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 84 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107446.xml
2016-10-27 14:47:41,359 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 85 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107447.xml
2016-10-27 14:47:41,688 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 86 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107448.xml
2016-10-27 14:47:41,700 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 87 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107449.xml
2016-10-27 14:47:41,878 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 88 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107450.xml
2016-10-27 14:47:41,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 89 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107451.xml
2016-10-27 14:47:41,928 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 90 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107452.xml
2016-10-27 14:47:41,984 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 91 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107453.xml
2016-10-27 14:47:41,998 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 92 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107454.xml
2016-10-27 14:47:42,016 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 93 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107455.xml
2016-10-27 14:47:42,039 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 94 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107456.xml
2016-10-27 14:47:42,079 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 95 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107457.xml
2016-10-27 14:47:42,105 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 96 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107458.xml
2016-10-27 14:47:42,146 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 97 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107459.xml
2016-10-27 14:47:42,216 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 98 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107460.xml
2016-10-27 14:47:42,273 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 99 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107461.xml
2016-10-27 14:47:42,360 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 100 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107462.xml
2016-10-27 14:47:42,395 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 101 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107463.xml
2016-10-27 14:47:42,443 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 102 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107464.xml
2016-10-27 14:47:42,482 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 103 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107465.xml
2016-10-27 14:47:42,524 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 104 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107466.xml
2016-10-27 14:47:42,538 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 105 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107467.xml
2016-10-27 14:47:42,551 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 106 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107468.xml
2016-10-27 14:47:42,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 107 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107469.xml
2016-10-27 14:47:42,864 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 108 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107470.xml
2016-10-27 14:47:42,886 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 109 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107471.xml
2016-10-27 14:47:42,908 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 110 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107472.xml
2016-10-27 14:47:42,920 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 111 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107473.xml
2016-10-27 14:47:42,960 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 112 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107474.xml
2016-10-27 14:47:43,002 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 113 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107475.xml
2016-10-27 14:47:43,053 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 114 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107476.xml
2016-10-27 14:47:43,070 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 115 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107477.xml
2016-10-27 14:47:43,107 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 116 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107478.xml
2016-10-27 14:47:43,148 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 117 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107479.xml
2016-10-27 14:47:43,210 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 118 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107480.xml
2016-10-27 14:47:43,248 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 119 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107481.xml
2016-10-27 14:47:43,285 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 120 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107483.xml
2016-10-27 14:47:43,338 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 121 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107484.xml
2016-10-27 14:47:43,441 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 122 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107485.xml
2016-10-27 14:47:43,457 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 123 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107486.xml
2016-10-27 14:47:43,496 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 124 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107487.xml
2016-10-27 14:47:43,521 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 125 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107488.xml
2016-10-27 14:47:43,565 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 126 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107489.xml
2016-10-27 14:47:43,577 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 127 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107490.xml
2016-10-27 14:47:43,586 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 128 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107491.xml
2016-10-27 14:47:43,601 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 129 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107492.xml
2016-10-27 14:47:43,622 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 130 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107493.xml
2016-10-27 14:47:43,751 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 131 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107494.xml
2016-10-27 14:47:43,782 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 132 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107495.xml
2016-10-27 14:47:43,831 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 133 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107496.xml
2016-10-27 14:47:43,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 134 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107497.xml
2016-10-27 14:47:43,891 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 135 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107498.xml
2016-10-27 14:47:43,913 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 136 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107499.xml
2016-10-27 14:47:43,928 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 137 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107500.xml
2016-10-27 14:47:43,947 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 138 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107501.xml
2016-10-27 14:47:43,964 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 139 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107502.xml
2016-10-27 14:47:43,986 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 140 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107503.xml
2016-10-27 14:47:44,018 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 141 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107504.xml
2016-10-27 14:47:44,031 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 142 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107505.xml
2016-10-27 14:47:44,098 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 143 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107506.xml
2016-10-27 14:47:44,127 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 144 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107507.xml
2016-10-27 14:47:44,133 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 145 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107508.xml
2016-10-27 14:47:44,156 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 146 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107509.xml
2016-10-27 14:47:44,219 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 147 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107510.xml
2016-10-27 14:47:44,270 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 148 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107511.xml
2016-10-27 14:47:44,299 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 149 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107512.xml
2016-10-27 14:47:44,317 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 150 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107513.xml
2016-10-27 14:47:44,376 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 151 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107514.xml
2016-10-27 14:47:44,409 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 152 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107515.xml
2016-10-27 14:47:44,462 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 153 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107516.xml
2016-10-27 14:47:44,510 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 154 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107517.xml
2016-10-27 14:47:44,559 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 155 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107518.xml
2016-10-27 14:47:44,573 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 156 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107519.xml
2016-10-27 14:47:44,652 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 157 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107520.xml
2016-10-27 14:47:44,667 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 158 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107522.xml
2016-10-27 14:47:44,735 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 159 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107523.xml
2016-10-27 14:47:44,796 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 160 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107524.xml
2016-10-27 14:47:44,843 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 161 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107525.xml
2016-10-27 14:47:44,880 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 162 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107526.xml
2016-10-27 14:47:44,907 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 163 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107527.xml
2016-10-27 14:47:44,911 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 164 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107528.xml
2016-10-27 14:47:44,929 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 165 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107529.xml
2016-10-27 14:47:44,956 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 166 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107530.xml
2016-10-27 14:47:45,097 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 167 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107531.xml
2016-10-27 14:47:45,110 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 168 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107532.xml
2016-10-27 14:47:45,151 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 169 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107533.xml
2016-10-27 14:47:45,179 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 170 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107535.xml
2016-10-27 14:47:45,219 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 171 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107536.xml
2016-10-27 14:47:45,247 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 172 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107537.xml
2016-10-27 14:47:45,283 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 173 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107538.xml
2016-10-27 14:47:45,326 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 174 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107539.xml
2016-10-27 14:47:45,333 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 175 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107540.xml
2016-10-27 14:47:45,355 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 176 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107542.xml
2016-10-27 14:47:45,429 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 177 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107543.xml
2016-10-27 14:47:45,529 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 178 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107544.xml
2016-10-27 14:47:45,537 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 179 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107545.xml
2016-10-27 14:47:45,563 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 180 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107546.xml
2016-10-27 14:47:45,614 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 181 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107547.xml
2016-10-27 14:47:47,787 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 182 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107548.xml
2016-10-27 14:47:47,854 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 183 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107549.xml
2016-10-27 14:47:47,889 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 184 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107550.xml
2016-10-27 14:47:47,940 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 185 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107551.xml
2016-10-27 14:47:47,984 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 186 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107552.xml
2016-10-27 14:47:48,010 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 187 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107553.xml
2016-10-27 14:47:48,040 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 188 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107554.xml
2016-10-27 14:47:48,063 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 189 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107555.xml
2016-10-27 14:47:48,110 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 190 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107556.xml
2016-10-27 14:47:48,132 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 191 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107557.xml
2016-10-27 14:47:48,147 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 192 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107558.xml
2016-10-27 14:47:48,184 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 193 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107559.xml
2016-10-27 14:47:48,257 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 194 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107560.xml
2016-10-27 14:47:48,329 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 195 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107561.xml
2016-10-27 14:47:48,438 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 196 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107562.xml
2016-10-27 14:47:48,453 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 197 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107563.xml
2016-10-27 14:47:48,481 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 198 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107564.xml
2016-10-27 14:47:48,507 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 199 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107565.xml
2016-10-27 14:47:48,522 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 200 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107566.xml
2016-10-27 14:47:48,540 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 201 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107567.xml
2016-10-27 14:47:48,554 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 202 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107568.xml
2016-10-27 14:47:48,575 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 203 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107569.xml
2016-10-27 14:47:48,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 204 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107570.xml
2016-10-27 14:47:48,622 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 205 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107571.xml
2016-10-27 14:47:48,705 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 206 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107572.xml
2016-10-27 14:47:48,733 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 207 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107573.xml
2016-10-27 14:47:48,772 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 208 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107574.xml
2016-10-27 14:47:48,784 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 209 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107575.xml
2016-10-27 14:47:48,856 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 210 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107576.xml
2016-10-27 14:47:48,918 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 211 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107577.xml
2016-10-27 14:47:48,953 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 212 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107578.xml
2016-10-27 14:47:48,975 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 213 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107579.xml
2016-10-27 14:47:48,998 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 214 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107580.xml
2016-10-27 14:47:49,009 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 215 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107581.xml
2016-10-27 14:47:49,037 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 216 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107582.xml
2016-10-27 14:47:49,057 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 217 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107583.xml
2016-10-27 14:47:49,080 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 218 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107584.xml
2016-10-27 14:47:49,108 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 219 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107585.xml
2016-10-27 14:47:49,241 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 220 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107587.xml
2016-10-27 14:47:49,268 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 221 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107588.xml
2016-10-27 14:47:49,328 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 222 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107589.xml
2016-10-27 14:47:49,344 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 223 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107590.xml
2016-10-27 14:47:49,365 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 224 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107591.xml
2016-10-27 14:47:49,400 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 225 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107592.xml
2016-10-27 14:47:49,442 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 226 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107593.xml
2016-10-27 14:47:49,488 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 227 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107594.xml
2016-10-27 14:47:49,535 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 228 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107595.xml
2016-10-27 14:47:49,591 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 229 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107596.xml
2016-10-27 14:47:49,626 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 230 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107597.xml
2016-10-27 14:47:49,642 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 231 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107598.xml
2016-10-27 14:47:49,676 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 232 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107599.xml
2016-10-27 14:47:49,704 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 233 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107600.xml
2016-10-27 14:47:49,737 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 234 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107601.xml
2016-10-27 14:47:49,753 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 235 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107602.xml
2016-10-27 14:47:49,768 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 236 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107603.xml
2016-10-27 14:47:49,795 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 237 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107604.xml
2016-10-27 14:47:49,835 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 238 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107605.xml
2016-10-27 14:47:49,846 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 239 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107606.xml
2016-10-27 14:47:49,870 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 240 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107607.xml
2016-10-27 14:47:49,948 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 241 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107608.xml
2016-10-27 14:47:49,993 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 242 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107609.xml
2016-10-27 14:47:50,044 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 243 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107610.xml
2016-10-27 14:47:50,059 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 244 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107611.xml
2016-10-27 14:47:50,069 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 245 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107612.xml
2016-10-27 14:47:50,084 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 246 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107613.xml
2016-10-27 14:47:50,109 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 247 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107614.xml
2016-10-27 14:47:50,124 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 248 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107616.xml
2016-10-27 14:47:50,134 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 249 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107617.xml
2016-10-27 14:47:50,185 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 250 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107618.xml
2016-10-27 14:47:50,197 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 251 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107619.xml
2016-10-27 14:47:50,234 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 252 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107620.xml
2016-10-27 14:47:50,244 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 253 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107621.xml
2016-10-27 14:47:50,271 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 254 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107622.xml
2016-10-27 14:47:50,290 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 255 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107623.xml
2016-10-27 14:47:50,299 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 256 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107624.xml
2016-10-27 14:47:50,324 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 257 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107625.xml
2016-10-27 14:47:50,340 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 258 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107626.xml
2016-10-27 14:47:50,440 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 259 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107627.xml
2016-10-27 14:47:50,471 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 260 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107628.xml
2016-10-27 14:47:50,508 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 261 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107629.xml
2016-10-27 14:47:50,553 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 262 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107630.xml
2016-10-27 14:47:50,576 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 263 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107631.xml
2016-10-27 14:47:50,642 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 264 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107632.xml
2016-10-27 14:47:50,663 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 265 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107633.xml
2016-10-27 14:47:50,676 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 266 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107634.xml
2016-10-27 14:47:50,710 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 267 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107635.xml
2016-10-27 14:47:50,743 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 268 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107636.xml
2016-10-27 14:47:50,760 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 269 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107637.xml
2016-10-27 14:47:50,787 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 270 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107638.xml
2016-10-27 14:47:50,811 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 271 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107639.xml
2016-10-27 14:47:50,817 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 272 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107640.xml
2016-10-27 14:47:50,835 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 273 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107641.xml
2016-10-27 14:47:50,875 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 274 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107642.xml
2016-10-27 14:47:50,886 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 275 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107643.xml
2016-10-27 14:47:50,978 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 276 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107644.xml
2016-10-27 14:47:50,997 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 277 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107645.xml
2016-10-27 14:47:51,041 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 278 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107646.xml
2016-10-27 14:47:51,066 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 279 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107647.xml
2016-10-27 14:47:51,155 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 280 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107648.xml
2016-10-27 14:47:51,164 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 281 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107649.xml
2016-10-27 14:47:51,185 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 282 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107650.xml
2016-10-27 14:47:51,217 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 283 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107651.xml
2016-10-27 14:47:51,229 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 284 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107652.xml
2016-10-27 14:47:51,237 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 285 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107653.xml
2016-10-27 14:47:51,313 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 286 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107654.xml
2016-10-27 14:47:51,374 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 287 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107655.xml
2016-10-27 14:47:51,389 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 288 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107656.xml
2016-10-27 14:47:51,402 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 289 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107657.xml
2016-10-27 14:47:51,417 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 290 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107658.xml
2016-10-27 14:47:51,430 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 291 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107659.xml
2016-10-27 14:47:51,435 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 292 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107660.xml
2016-10-27 14:47:51,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 293 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107661.xml
2016-10-27 14:47:51,515 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 294 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107662.xml
2016-10-27 14:47:51,547 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 295 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107663.xml
2016-10-27 14:47:51,570 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 296 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107664.xml
2016-10-27 14:47:51,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 297 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107665.xml
2016-10-27 14:47:51,605 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 298 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107666.xml
2016-10-27 14:47:51,629 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 299 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107667.xml
2016-10-27 14:47:51,661 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 300 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107668.xml
2016-10-27 14:47:51,692 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 301 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107669.xml
2016-10-27 14:47:51,983 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 302 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107670.xml
2016-10-27 14:47:51,994 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 303 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107671.xml
2016-10-27 14:47:52,022 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 304 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107672.xml
2016-10-27 14:47:52,037 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 305 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107673.xml
2016-10-27 14:47:52,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 306 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107674.xml
2016-10-27 14:47:52,069 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 307 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107675.xml
2016-10-27 14:47:52,078 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 308 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107676.xml
2016-10-27 14:47:52,100 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 309 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107677.xml
2016-10-27 14:47:52,117 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 310 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107678.xml
2016-10-27 14:47:52,143 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 311 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107679.xml
2016-10-27 14:47:52,166 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 312 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107680.xml
2016-10-27 14:47:52,184 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 313 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107682.xml
2016-10-27 14:47:52,196 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 314 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107683.xml
2016-10-27 14:47:52,218 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 315 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107684.xml
2016-10-27 14:47:52,236 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 316 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107685.xml
2016-10-27 14:47:52,272 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 317 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107686.xml
2016-10-27 14:47:52,307 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 318 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107687.xml
2016-10-27 14:47:52,337 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 319 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107688.xml
2016-10-27 14:47:52,357 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 320 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107689.xml
2016-10-27 14:47:52,420 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 321 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107691.xml
2016-10-27 14:47:52,433 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 322 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107692.xml
2016-10-27 14:47:52,450 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 323 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107693.xml
2016-10-27 14:47:52,506 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 324 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107694.xml
2016-10-27 14:47:52,552 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 325 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107695.xml
2016-10-27 14:47:52,587 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 326 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107696.xml
2016-10-27 14:47:52,604 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 327 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107697.xml
2016-10-27 14:47:52,666 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 328 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107699.xml
2016-10-27 14:47:52,682 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 329 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107700.xml
2016-10-27 14:47:52,698 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 330 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107701.xml
2016-10-27 14:47:52,715 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 331 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107702.xml
2016-10-27 14:47:52,795 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 332 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107703.xml
2016-10-27 14:47:52,823 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 333 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107704.xml
2016-10-27 14:47:52,857 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 334 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107705.xml
2016-10-27 14:47:52,869 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 335 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107706.xml
2016-10-27 14:47:52,900 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 336 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107707.xml
2016-10-27 14:47:52,936 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 337 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107708.xml
2016-10-27 14:47:52,987 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 338 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107709.xml
2016-10-27 14:47:53,002 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 339 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107710.xml
2016-10-27 14:47:53,015 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 340 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107712.xml
2016-10-27 14:47:53,073 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 341 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107713.xml
2016-10-27 14:47:53,096 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 342 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107714.xml
2016-10-27 14:47:53,134 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 343 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107715.xml
2016-10-27 14:47:53,157 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 344 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107716.xml
2016-10-27 14:47:53,198 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 345 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107717.xml
2016-10-27 14:47:53,213 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 346 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107718.xml
2016-10-27 14:47:53,226 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 347 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107719.xml
2016-10-27 14:47:53,241 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 348 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107720.xml
2016-10-27 14:47:53,264 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 349 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107721.xml
2016-10-27 14:47:53,309 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 350 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107722.xml
2016-10-27 14:47:53,332 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 351 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107723.xml
2016-10-27 14:47:53,357 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 352 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107724.xml
2016-10-27 14:47:53,375 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 353 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107725.xml
2016-10-27 14:47:53,382 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 354 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107726.xml
2016-10-27 14:47:53,439 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 355 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107727.xml
2016-10-27 14:47:53,472 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 356 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107728.xml
2016-10-27 14:47:53,500 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 357 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107729.xml
2016-10-27 14:47:53,568 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 358 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107730.xml
2016-10-27 14:47:53,585 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 359 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107731.xml
2016-10-27 14:47:53,618 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 360 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107732.xml
2016-10-27 14:47:53,639 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 361 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107733.xml
2016-10-27 14:47:53,659 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 362 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107734.xml
2016-10-27 14:47:53,779 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 363 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107736.xml
2016-10-27 14:47:53,812 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 364 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107737.xml
2016-10-27 14:47:53,838 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 365 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107738.xml
2016-10-27 14:47:53,849 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 366 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107739.xml
2016-10-27 14:47:53,891 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 367 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107740.xml
2016-10-27 14:47:53,898 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 368 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107741.xml
2016-10-27 14:47:53,942 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 369 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107742.xml
2016-10-27 14:47:54,041 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 370 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107743.xml
2016-10-27 14:47:54,077 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 371 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107744.xml
2016-10-27 14:47:54,121 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 372 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107745.xml
2016-10-27 14:47:54,139 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 373 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107746.xml
2016-10-27 14:47:54,145 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 374 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107747.xml
2016-10-27 14:47:54,166 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 375 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107748.xml
2016-10-27 14:47:54,213 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 376 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107749.xml
2016-10-27 14:47:54,230 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 377 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107750.xml
2016-10-27 14:47:54,248 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 378 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107752.xml
2016-10-27 14:47:54,269 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 379 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107753.xml
2016-10-27 14:47:54,284 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 380 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107754.xml
2016-10-27 14:47:54,303 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 381 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107755.xml
2016-10-27 14:47:54,371 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 382 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107756.xml
2016-10-27 14:47:54,380 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 383 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107757.xml
2016-10-27 14:47:54,409 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 384 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107758.xml
2016-10-27 14:47:54,428 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 385 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107759.xml
2016-10-27 14:47:54,452 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 386 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107760.xml
2016-10-27 14:47:54,485 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 387 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107761.xml
2016-10-27 14:47:54,519 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 388 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107762.xml
2016-10-27 14:47:54,540 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 389 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107763.xml
2016-10-27 14:47:54,547 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 390 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107764.xml
2016-10-27 14:47:54,620 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 391 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107765.xml
2016-10-27 14:47:54,633 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 392 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107766.xml
2016-10-27 14:47:54,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 393 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107767.xml
2016-10-27 14:47:54,692 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 394 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107768.xml
2016-10-27 14:47:54,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 395 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107769.xml
2016-10-27 14:47:54,771 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 396 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107770.xml
2016-10-27 14:47:54,783 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 397 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107771.xml
2016-10-27 14:47:54,885 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 398 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107772.xml
2016-10-27 14:47:54,928 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 399 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107773.xml
2016-10-27 14:47:54,965 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 400 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107774.xml
2016-10-27 14:47:54,982 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 401 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107775.xml
2016-10-27 14:47:55,034 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 402 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107776.xml
2016-10-27 14:47:55,097 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 403 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107777.xml
2016-10-27 14:47:55,115 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 404 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107778.xml
2016-10-27 14:47:55,180 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 405 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107779.xml
2016-10-27 14:47:55,201 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 406 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107780.xml
2016-10-27 14:47:55,214 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 407 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107781.xml
2016-10-27 14:47:55,269 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 408 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107782.xml
2016-10-27 14:47:55,282 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 409 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107783.xml
2016-10-27 14:47:55,334 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 410 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107784.xml
2016-10-27 14:47:55,409 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 411 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107785.xml
2016-10-27 14:47:55,427 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 412 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107786.xml
2016-10-27 14:47:55,442 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 413 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107787.xml
2016-10-27 14:47:55,475 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 414 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107788.xml
2016-10-27 14:47:55,485 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 415 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107789.xml
2016-10-27 14:47:55,494 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 416 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107790.xml
2016-10-27 14:47:55,520 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 417 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107791.xml
2016-10-27 14:47:55,579 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 418 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107792.xml
2016-10-27 14:47:55,600 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 419 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107793.xml
2016-10-27 14:47:55,617 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 420 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107794.xml
2016-10-27 14:47:55,628 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 421 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107795.xml
2016-10-27 14:47:55,825 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 422 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107796.xml
2016-10-27 14:47:55,874 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 423 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107797.xml
2016-10-27 14:47:55,918 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 424 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107798.xml
2016-10-27 14:47:55,940 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 425 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107799.xml
2016-10-27 14:47:55,995 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 426 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107800.xml
2016-10-27 14:47:56,006 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 427 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107801.xml
2016-10-27 14:47:56,090 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 428 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107802.xml
2016-10-27 14:47:56,106 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 429 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107803.xml
2016-10-27 14:47:56,131 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 430 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107804.xml
2016-10-27 14:47:56,155 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 431 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107805.xml
2016-10-27 14:47:56,173 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 432 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107806.xml
2016-10-27 14:47:56,203 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 433 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107807.xml
2016-10-27 14:47:56,223 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 434 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107808.xml
2016-10-27 14:47:56,288 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 435 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107809.xml
2016-10-27 14:47:56,304 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 436 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107810.xml
2016-10-27 14:47:56,348 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 437 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107811.xml
2016-10-27 14:47:56,397 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 438 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107812.xml
2016-10-27 14:47:56,455 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 439 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107813.xml
2016-10-27 14:47:56,464 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 440 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107814.xml
2016-10-27 14:47:56,470 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 441 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107815.xml
2016-10-27 14:47:56,488 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 442 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107816.xml
2016-10-27 14:47:56,509 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 443 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107817.xml
2016-10-27 14:47:56,549 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 444 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107818.xml
2016-10-27 14:47:56,609 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 445 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107819.xml
2016-10-27 14:47:56,646 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 446 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107820.xml
2016-10-27 14:47:56,715 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 447 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107821.xml
2016-10-27 14:47:56,754 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 448 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107822.xml
2016-10-27 14:47:56,821 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 449 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107823.xml
2016-10-27 14:47:56,887 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 450 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107824.xml
2016-10-27 14:47:56,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 451 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107825.xml
2016-10-27 14:47:56,986 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 452 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107826.xml
2016-10-27 14:47:57,069 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 453 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107827.xml
2016-10-27 14:47:57,101 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 454 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107828.xml
2016-10-27 14:47:57,115 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 455 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107829.xml
2016-10-27 14:47:57,122 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 456 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107830.xml
2016-10-27 14:47:57,169 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 457 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107831.xml
2016-10-27 14:47:57,209 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 458 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107832.xml
2016-10-27 14:47:57,250 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 459 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107833.xml
2016-10-27 14:47:57,273 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 460 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107834.xml
2016-10-27 14:47:57,301 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 461 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107835.xml
2016-10-27 14:47:57,317 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 462 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107836.xml
2016-10-27 14:47:57,324 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 463 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107837.xml
2016-10-27 14:47:57,343 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 464 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107838.xml
2016-10-27 14:47:57,370 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 465 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107839.xml
2016-10-27 14:47:57,385 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 466 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107840.xml
2016-10-27 14:47:57,403 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 467 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107841.xml
2016-10-27 14:47:57,423 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 468 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107842.xml
2016-10-27 14:47:57,445 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 469 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107843.xml
2016-10-27 14:47:57,452 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 470 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107844.xml
2016-10-27 14:47:57,465 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 471 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107845.xml
2016-10-27 14:47:57,472 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 472 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107846.xml
2016-10-27 14:47:57,499 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 473 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107847.xml
2016-10-27 14:47:57,512 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 474 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107848.xml
2016-10-27 14:47:57,523 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 475 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107849.xml
2016-10-27 14:47:57,548 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 476 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107850.xml
2016-10-27 14:47:57,565 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 477 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107851.xml
2016-10-27 14:47:57,577 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 478 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107852.xml
2016-10-27 14:47:57,616 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 479 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107853.xml
2016-10-27 14:47:57,638 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 480 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107854.xml
2016-10-27 14:47:57,647 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 481 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107855.xml
2016-10-27 14:47:57,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 482 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107856.xml
2016-10-27 14:47:57,736 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 483 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107857.xml
2016-10-27 14:47:57,748 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 484 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107858.xml
2016-10-27 14:47:57,760 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 485 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107859.xml
2016-10-27 14:47:57,786 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 486 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107860.xml
2016-10-27 14:47:57,812 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 487 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107861.xml
2016-10-27 14:47:57,821 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 488 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107862.xml
2016-10-27 14:47:57,849 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 489 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107863.xml
2016-10-27 14:47:57,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 490 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107865.xml
2016-10-27 14:47:57,878 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 491 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107866.xml
2016-10-27 14:47:57,883 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 492 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107867.xml
2016-10-27 14:47:57,932 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 493 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107868.xml
2016-10-27 14:47:57,978 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 494 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107869.xml
2016-10-27 14:47:57,987 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 495 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107870.xml
2016-10-27 14:47:58,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 496 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107871.xml
2016-10-27 14:47:58,058 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 497 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107872.xml
2016-10-27 14:47:58,094 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 498 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107873.xml
2016-10-27 14:47:58,122 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 499 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107874.xml
2016-10-27 14:47:58,142 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 500 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107875.xml
2016-10-27 14:47:58,150 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 501 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107876.xml
2016-10-27 14:47:58,158 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 502 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107878.xml
2016-10-27 14:47:58,191 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 503 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107879.xml
2016-10-27 14:47:58,220 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 504 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107880.xml
2016-10-27 14:47:58,251 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 505 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107881.xml
2016-10-27 14:47:58,283 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 506 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107882.xml
2016-10-27 14:47:58,313 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 507 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107883.xml
2016-10-27 14:47:58,338 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 508 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107884.xml
2016-10-27 14:47:58,357 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 509 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107885.xml
2016-10-27 14:47:58,372 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 510 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107886.xml
2016-10-27 14:47:58,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 511 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107887.xml
2016-10-27 14:47:58,436 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 512 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107888.xml
2016-10-27 14:47:58,473 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 513 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107889.xml
2016-10-27 14:47:58,569 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 514 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107890.xml
2016-10-27 14:47:58,595 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 515 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107891.xml
2016-10-27 14:47:58,628 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 516 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107892.xml
2016-10-27 14:47:58,680 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 517 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107893.xml
2016-10-27 14:47:58,695 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 518 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107894.xml
2016-10-27 14:47:58,711 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 519 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107895.xml
2016-10-27 14:47:58,726 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 520 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107897.xml
2016-10-27 14:47:58,753 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 521 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107898.xml
2016-10-27 14:47:58,815 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 522 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107899.xml
2016-10-27 14:47:58,850 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 523 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107900.xml
2016-10-27 14:47:58,863 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 524 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107901.xml
2016-10-27 14:47:58,874 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 525 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107902.xml
2016-10-27 14:47:58,883 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 526 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107903.xml
2016-10-27 14:47:58,896 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 527 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107904.xml
2016-10-27 14:47:58,914 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 528 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107905.xml
2016-10-27 14:47:58,942 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 529 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107906.xml
2016-10-27 14:47:58,967 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 530 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107907.xml
2016-10-27 14:47:58,985 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 531 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107910.xml
2016-10-27 14:47:59,026 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 532 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107911.xml
2016-10-27 14:47:59,030 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 533 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107912.xml
2016-10-27 14:47:59,293 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 534 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107913.xml
2016-10-27 14:47:59,331 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 535 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107914.xml
2016-10-27 14:47:59,380 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 536 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107915.xml
2016-10-27 14:47:59,401 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 537 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107916.xml
2016-10-27 14:47:59,434 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 538 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107917.xml
2016-10-27 14:47:59,440 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 539 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107918.xml
2016-10-27 14:47:59,465 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 540 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107920.xml
2016-10-27 14:47:59,489 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 541 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107921.xml
2016-10-27 14:47:59,547 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 542 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107922.xml
2016-10-27 14:47:59,565 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 543 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107923.xml
2016-10-27 14:47:59,579 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 544 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107924.xml
2016-10-27 14:47:59,610 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 545 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107928.xml
2016-10-27 14:47:59,631 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 546 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107929.xml
2016-10-27 14:47:59,652 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 547 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107930.xml
2016-10-27 14:47:59,678 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 548 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107931.xml
2016-10-27 14:47:59,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 549 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107932.xml
2016-10-27 14:47:59,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 550 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107933.xml
2016-10-27 14:47:59,864 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 551 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107934.xml
2016-10-27 14:47:59,912 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 552 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107935.xml
2016-10-27 14:47:59,947 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 553 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107936.xml
2016-10-27 14:47:59,963 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 554 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107937.xml
2016-10-27 14:48:00,017 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 555 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107938.xml
2016-10-27 14:48:00,053 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 556 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107939.xml
2016-10-27 14:48:00,072 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 557 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107940.xml
2016-10-27 14:48:00,097 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 558 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107941.xml
2016-10-27 14:48:00,112 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 559 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107942.xml
2016-10-27 14:48:00,136 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 560 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107944.xml
2016-10-27 14:48:00,162 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 561 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107945.xml
2016-10-27 14:48:00,186 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 562 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107946.xml
2016-10-27 14:48:00,229 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 563 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107947.xml
2016-10-27 14:48:00,313 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 564 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107948.xml
2016-10-27 14:48:00,354 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 565 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107949.xml
2016-10-27 14:48:00,384 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 566 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107950.xml
2016-10-27 14:48:00,403 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 567 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107951.xml
2016-10-27 14:48:00,439 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 568 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107952.xml
2016-10-27 14:48:00,458 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 569 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107953.xml
2016-10-27 14:48:00,488 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 570 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107954.xml
2016-10-27 14:48:00,495 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 571 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107955.xml
2016-10-27 14:48:00,508 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 572 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107956.xml
2016-10-27 14:48:00,523 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 573 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107958.xml
2016-10-27 14:48:00,555 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 574 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107959.xml
2016-10-27 14:48:00,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 575 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107960.xml
2016-10-27 14:48:00,639 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 576 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107961.xml
2016-10-27 14:48:00,661 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 577 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107962.xml
2016-10-27 14:48:00,687 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 578 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107963.xml
2016-10-27 14:48:00,754 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 579 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107964.xml
2016-10-27 14:48:00,768 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 580 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107965.xml
2016-10-27 14:48:00,790 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 581 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107966.xml
2016-10-27 14:48:00,845 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 582 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107967.xml
2016-10-27 14:48:00,862 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 583 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107968.xml
2016-10-27 14:48:00,920 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 584 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107969.xml
2016-10-27 14:48:00,949 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 585 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107970.xml
2016-10-27 14:48:00,960 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 586 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107971.xml
2016-10-27 14:48:00,979 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 587 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107972.xml
2016-10-27 14:48:00,998 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 588 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107973.xml
2016-10-27 14:48:01,008 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 589 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107975.xml
2016-10-27 14:48:01,033 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 590 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107976.xml
2016-10-27 14:48:01,038 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 591 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107977.xml
2016-10-27 14:48:01,081 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 592 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107978.xml
2016-10-27 14:48:01,112 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 593 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107979.xml
2016-10-27 14:48:01,317 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 594 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107980.xml
2016-10-27 14:48:01,353 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 595 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107981.xml
2016-10-27 14:48:01,391 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 596 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107982.xml
2016-10-27 14:48:01,401 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 597 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107983.xml
2016-10-27 14:48:01,433 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 598 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107984.xml
2016-10-27 14:48:01,453 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 599 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107985.xml
2016-10-27 14:48:01,478 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 600 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107986.xml
2016-10-27 14:48:01,522 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 601 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107987.xml
2016-10-27 14:48:01,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 602 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107988.xml
2016-10-27 14:48:01,679 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 603 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107989.xml
2016-10-27 14:48:01,715 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 604 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107992.xml
2016-10-27 14:48:01,739 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 605 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107993.xml
2016-10-27 14:48:01,755 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 606 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107994.xml
2016-10-27 14:48:01,789 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 607 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107995.xml
2016-10-27 14:48:01,833 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 608 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107996.xml
2016-10-27 14:48:01,878 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 609 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107998.xml
2016-10-27 14:48:01,892 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 610 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107999.xml
2016-10-27 14:48:01,905 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 611 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108000.xml
2016-10-27 14:48:01,923 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 612 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108001.xml
2016-10-27 14:48:01,932 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 613 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108002.xml
2016-10-27 14:48:01,939 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 614 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108003.xml
2016-10-27 14:48:01,960 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 615 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108004.xml
2016-10-27 14:48:01,989 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 616 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108005.xml
2016-10-27 14:48:02,007 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 617 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108006.xml
2016-10-27 14:48:02,022 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 618 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108064.xml
2016-10-27 14:48:02,035 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 619 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108065.xml
2016-10-27 14:48:02,044 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 620 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108066.xml
2016-10-27 14:48:02,057 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 621 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108067.xml
2016-10-27 14:48:02,071 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 622 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108068.xml
2016-10-27 14:48:02,077 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 623 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108069.xml
2016-10-27 14:48:02,120 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 624 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108070.xml
2016-10-27 14:48:02,169 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 625 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108071.xml
2016-10-27 14:48:02,224 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 626 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108072.xml
2016-10-27 14:48:02,250 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 627 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108073.xml
2016-10-27 14:48:02,278 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 628 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108074.xml
2016-10-27 14:48:02,302 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 629 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108075.xml
2016-10-27 14:48:02,316 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 630 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108076.xml
2016-10-27 14:48:02,327 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 631 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108077.xml
2016-10-27 14:48:02,361 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 632 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108078.xml
2016-10-27 14:48:02,372 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 633 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108079.xml
2016-10-27 14:48:02,389 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 634 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108080.xml
2016-10-27 14:48:02,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 635 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108081.xml
2016-10-27 14:48:04,857 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 636 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108082.xml
2016-10-27 14:48:04,905 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 637 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108083.xml
2016-10-27 14:48:04,927 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 638 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108084.xml
2016-10-27 14:48:04,931 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 639 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108085.xml
2016-10-27 14:48:04,950 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 640 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108086.xml
2016-10-27 14:48:05,044 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 641 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108087.xml
2016-10-27 14:48:05,082 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 642 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108088.xml
2016-10-27 14:48:05,154 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 643 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108089.xml
2016-10-27 14:48:05,212 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 644 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108090.xml
2016-10-27 14:48:05,231 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 645 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108091.xml
2016-10-27 14:48:05,275 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 646 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108092.xml
2016-10-27 14:48:05,293 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 647 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108093.xml
2016-10-27 14:48:05,329 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 648 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108094.xml
2016-10-27 14:48:05,357 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 649 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108095.xml
2016-10-27 14:48:05,406 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 650 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108096.xml
2016-10-27 14:48:05,533 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 651 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108097.xml
2016-10-27 14:48:05,592 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 652 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108098.xml
2016-10-27 14:48:05,647 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 653 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108099.xml
2016-10-27 14:48:05,664 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 654 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108100.xml
2016-10-27 14:48:05,701 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 655 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108101.xml
2016-10-27 14:48:05,733 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 656 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108102.xml
2016-10-27 14:48:05,756 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 657 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108103.xml
2016-10-27 14:48:05,771 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 658 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108104.xml
2016-10-27 14:48:05,810 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 659 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108106.xml
2016-10-27 14:48:05,827 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 660 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108107.xml
2016-10-27 14:48:05,848 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 661 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108108.xml
2016-10-27 14:48:05,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 662 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108109.xml
2016-10-27 14:48:05,949 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 663 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108110.xml
2016-10-27 14:48:06,073 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 664 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108111.xml
2016-10-27 14:48:06,092 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 665 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108112.xml
2016-10-27 14:48:06,124 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 666 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108113.xml
2016-10-27 14:48:06,136 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 667 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108115.xml
2016-10-27 14:48:06,238 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 668 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108116.xml
2016-10-27 14:48:06,262 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 669 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108117.xml
2016-10-27 14:48:06,279 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 670 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108119.xml
2016-10-27 14:48:06,305 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 671 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108120.xml
2016-10-27 14:48:06,328 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 672 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108121.xml
2016-10-27 14:48:06,343 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 673 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108122.xml
2016-10-27 14:48:06,362 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 674 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108123.xml
2016-10-27 14:48:06,399 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 675 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108124.xml
2016-10-27 14:48:06,416 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 676 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108125.xml
2016-10-27 14:48:06,482 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 677 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108126.xml
2016-10-27 14:48:06,510 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 678 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108127.xml
2016-10-27 14:48:06,532 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 679 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108128.xml
2016-10-27 14:48:06,589 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 680 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108129.xml
2016-10-27 14:48:06,633 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 681 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108130.xml
2016-10-27 14:48:06,648 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 682 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108131.xml
2016-10-27 14:48:06,672 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 683 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108132.xml
2016-10-27 14:48:06,678 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 684 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108133.xml
2016-10-27 14:48:06,692 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 685 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108134.xml
2016-10-27 14:48:06,730 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 686 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108135.xml
2016-10-27 14:48:06,791 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 687 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108136.xml
2016-10-27 14:48:06,806 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 688 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108137.xml
2016-10-27 14:48:06,826 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 689 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108138.xml
2016-10-27 14:48:06,839 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 690 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108139.xml
2016-10-27 14:48:06,872 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 691 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108140.xml
2016-10-27 14:48:06,880 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 692 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108141.xml
2016-10-27 14:48:06,915 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 693 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108142.xml
2016-10-27 14:48:06,995 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 694 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108143.xml
2016-10-27 14:48:07,043 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 695 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108144.xml
2016-10-27 14:48:07,052 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 696 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108145.xml
2016-10-27 14:48:07,075 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 697 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108146.xml
2016-10-27 14:48:07,093 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 698 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108147.xml
2016-10-27 14:48:07,106 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 699 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108148.xml
2016-10-27 14:48:07,120 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 700 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108149.xml
2016-10-27 14:48:07,146 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 701 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108150.xml
2016-10-27 14:48:07,219 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 702 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108151.xml
2016-10-27 14:48:07,236 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 703 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108152.xml
2016-10-27 14:48:07,271 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 704 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108153.xml
2016-10-27 14:48:07,291 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 705 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108154.xml
2016-10-27 14:48:07,302 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 706 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108155.xml
2016-10-27 14:48:07,354 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 707 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108156.xml
2016-10-27 14:48:07,376 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 708 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108157.xml
2016-10-27 14:48:07,398 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 709 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108158.xml
-> Setting up chunker: chunker_c1
(TokenFeatureGenerator) Loading features...
[orth, base, ctag, synonym, hypernym-1, hypernym-2, hypernym-3, top4hyper-1, top4hyper-2, top4hyper-3, class, case, number, gender, pattern, prefix-1, prefix-2, prefix-3, prefix-4, suffix-1, suffix-2, suffix-3, suffix-4, all_alphanumeric, all_digits, all_letters, all_upper, has_upper_case, has_lower_case, has_symbol, has_digit, starts_with_upper_case, starts_with_lower_case, starts_with_symbol, starts_with_digit, is_number, no_alphanumeric, no_letters, struct, length, dict_person_first_nam, dict_person_last_nam, dict_country_nam, dict_city_nam, dict_road_nam, dict_person_prefix, dict_person_noun, dict_person_suffix, dict_road_prefix, dict_country_prefix, dict_trigger_int_bloc, dict_trigger_ext_bloc, dict_trigger_int_country, dict_trigger_ext_country, dict_trigger_int_district, dict_trigger_ext_district, dict_trigger_int_geogName, dict_trigger_ext_geogName, dict_trigger_int_orgName, dict_trigger_ext_orgName, dict_trigger_int_persName, dict_trigger_ext_persName, dict_trigger_int_region, dict_trigger_ext_region, dict_trigger_int_settlement, dict_trigger_ext_settlement, agr1, parenthesis, quotation, nospace]
--> CRFPP Chunker train
2016-10-27 14:48:07,547 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 2 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099050.xml
2016-10-27 14:48:07,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 3 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099051.xml
2016-10-27 14:48:07,613 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 4 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099052.xml
2016-10-27 14:48:07,632 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 5 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099053.xml
2016-10-27 14:48:07,653 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 6 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099054.xml
2016-10-27 14:48:07,675 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 7 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099055.xml
2016-10-27 14:48:07,688 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 8 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099056.xml
2016-10-27 14:48:07,705 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 9 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099057.xml
2016-10-27 14:48:07,727 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 10 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099058.xml
2016-10-27 14:48:07,752 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 11 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099059.xml
2016-10-27 14:48:07,770 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 12 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099060.xml
2016-10-27 14:48:07,783 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 13 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099061.xml
2016-10-27 14:48:07,792 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 14 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099062.xml
2016-10-27 14:48:07,807 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 15 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099063.xml
2016-10-27 14:48:07,855 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 16 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099064.xml
2016-10-27 14:48:07,873 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 17 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099065.xml
2016-10-27 14:48:07,889 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 18 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099066.xml
2016-10-27 14:48:07,917 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 19 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099067.xml
2016-10-27 14:48:07,933 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 20 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099068.xml
2016-10-27 14:48:07,951 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 21 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099069.xml
2016-10-27 14:48:07,970 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 22 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099070.xml
2016-10-27 14:48:08,301 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 23 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099071.xml
2016-10-27 14:48:08,335 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 24 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099072.xml
2016-10-27 14:48:08,405 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 25 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099073.xml
2016-10-27 14:48:08,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 26 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099074.xml
2016-10-27 14:48:08,458 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 27 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099075.xml
2016-10-27 14:48:08,472 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 28 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099076.xml
2016-10-27 14:48:08,486 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 29 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099077.xml
2016-10-27 14:48:08,503 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 30 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099078.xml
2016-10-27 14:48:08,510 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 31 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099079.xml
2016-10-27 14:48:08,534 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 32 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099080.xml
2016-10-27 14:48:08,629 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 33 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099081.xml
2016-10-27 14:48:08,646 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 34 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099082.xml
2016-10-27 14:48:08,669 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 35 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099083.xml
2016-10-27 14:48:08,676 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 36 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099084.xml
2016-10-27 14:48:08,688 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 37 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099085.xml
2016-10-27 14:48:08,697 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 38 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099086.xml
2016-10-27 14:48:08,721 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 39 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099087.xml
2016-10-27 14:48:08,733 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 40 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099088.xml
2016-10-27 14:48:08,750 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 41 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099089.xml
2016-10-27 14:48:08,765 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 42 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099090.xml
2016-10-27 14:48:08,784 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 43 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099091.xml
2016-10-27 14:48:08,795 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 44 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099092.xml
2016-10-27 14:48:08,807 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 45 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099093.xml
2016-10-27 14:48:08,818 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 46 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099094.xml
2016-10-27 14:48:08,850 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 47 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099095.xml
2016-10-27 14:48:08,867 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 48 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099096.xml
2016-10-27 14:48:08,879 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 49 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099097.xml
2016-10-27 14:48:08,888 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 50 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099098.xml
2016-10-27 14:48:08,899 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 51 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099099.xml
2016-10-27 14:48:08,911 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 52 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099100.xml
2016-10-27 14:48:08,917 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 53 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099101.xml
2016-10-27 14:48:08,931 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 54 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099102.xml
2016-10-27 14:48:08,957 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 55 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099103.xml
2016-10-27 14:48:08,973 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 56 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099104.xml
2016-10-27 14:48:08,982 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 57 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099105.xml
2016-10-27 14:48:08,990 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 58 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099106.xml
2016-10-27 14:48:09,001 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 59 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099107.xml
2016-10-27 14:48:09,023 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 60 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099108.xml
2016-10-27 14:48:09,031 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 61 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099109.xml
2016-10-27 14:48:09,046 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 62 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099110.xml
2016-10-27 14:48:09,062 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 63 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099111.xml
2016-10-27 14:48:09,076 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 64 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099112.xml
2016-10-27 14:48:09,108 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 65 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099113.xml
2016-10-27 14:48:09,128 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 66 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099114.xml
2016-10-27 14:48:09,137 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 67 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099115.xml
2016-10-27 14:48:09,156 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 68 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099116.xml
2016-10-27 14:48:09,178 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 69 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099117.xml
2016-10-27 14:48:09,196 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 70 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099118.xml
2016-10-27 14:48:09,219 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 71 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099119.xml
2016-10-27 14:48:09,230 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 72 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099120.xml
2016-10-27 14:48:09,238 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 73 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099121.xml
2016-10-27 14:48:09,268 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 74 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099122.xml
2016-10-27 14:48:09,275 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 75 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099123.xml
2016-10-27 14:48:09,299 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 76 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099124.xml
2016-10-27 14:48:09,312 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 77 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099125.xml
2016-10-27 14:48:09,322 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 78 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099126.xml
2016-10-27 14:48:09,337 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 79 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099127.xml
2016-10-27 14:48:09,488 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 80 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099128.xml
2016-10-27 14:48:09,504 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 81 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099129.xml
2016-10-27 14:48:09,519 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 82 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099130.xml
2016-10-27 14:48:09,532 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 83 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099131.xml
2016-10-27 14:48:09,574 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 84 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099132.xml
2016-10-27 14:48:09,584 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 85 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099133.xml
2016-10-27 14:48:09,604 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 86 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099134.xml
2016-10-27 14:48:09,620 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 87 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099135.xml
2016-10-27 14:48:09,632 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 88 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099136.xml
2016-10-27 14:48:09,642 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 89 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099137.xml
2016-10-27 14:48:09,652 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 90 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099138.xml
2016-10-27 14:48:09,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 91 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099139.xml
2016-10-27 14:48:09,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 92 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099140.xml
2016-10-27 14:48:09,702 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 93 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099141.xml
2016-10-27 14:48:09,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 94 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099142.xml
2016-10-27 14:48:09,725 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 95 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099143.xml
2016-10-27 14:48:09,741 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 96 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099144.xml
2016-10-27 14:48:09,760 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 97 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099145.xml
2016-10-27 14:48:09,771 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 98 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099146.xml
2016-10-27 14:48:09,780 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 99 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099147.xml
2016-10-27 14:48:09,790 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 100 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099148.xml
2016-10-27 14:48:09,809 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 101 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099149.xml
2016-10-27 14:48:09,827 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 102 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099150.xml
2016-10-27 14:48:09,836 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 103 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099151.xml
2016-10-27 14:48:09,849 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 104 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099152.xml
2016-10-27 14:48:09,857 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 105 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099153.xml
2016-10-27 14:48:09,866 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 106 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099154.xml
2016-10-27 14:48:09,881 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 107 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099155.xml
2016-10-27 14:48:09,897 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 108 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099156.xml
2016-10-27 14:48:09,906 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 109 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099157.xml
2016-10-27 14:48:09,928 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 110 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099158.xml
2016-10-27 14:48:09,942 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 111 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099159.xml
2016-10-27 14:48:09,953 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 112 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099160.xml
2016-10-27 14:48:09,971 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 113 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099161.xml
2016-10-27 14:48:09,987 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 114 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099162.xml
2016-10-27 14:48:10,000 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 115 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099163.xml
2016-10-27 14:48:10,013 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 116 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099164.xml
2016-10-27 14:48:10,027 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 117 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099165.xml
2016-10-27 14:48:10,076 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 118 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099166.xml
2016-10-27 14:48:10,087 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 119 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099167.xml
2016-10-27 14:48:10,136 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 120 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099168.xml
2016-10-27 14:48:10,148 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 121 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099169.xml
2016-10-27 14:48:10,167 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 122 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099170.xml
2016-10-27 14:48:10,185 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 123 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099171.xml
2016-10-27 14:48:10,201 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 124 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099172.xml
2016-10-27 14:48:10,240 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 125 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099173.xml
2016-10-27 14:48:10,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 126 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099174.xml
2016-10-27 14:48:10,277 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 127 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099175.xml
2016-10-27 14:48:10,297 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 128 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099176.xml
2016-10-27 14:48:10,320 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 129 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099177.xml
2016-10-27 14:48:10,344 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 130 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099178.xml
2016-10-27 14:48:10,356 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 131 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099179.xml
2016-10-27 14:48:10,381 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 132 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099180.xml
2016-10-27 14:48:10,389 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 133 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099181.xml
2016-10-27 14:48:10,403 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 134 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099182.xml
2016-10-27 14:48:10,416 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 135 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099183.xml
2016-10-27 14:48:10,432 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 136 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099184.xml
2016-10-27 14:48:10,457 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 137 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099185.xml
2016-10-27 14:48:10,473 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 138 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099186.xml
2016-10-27 14:48:10,487 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 139 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099187.xml
2016-10-27 14:48:10,504 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 140 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099188.xml
2016-10-27 14:48:10,519 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 141 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099189.xml
2016-10-27 14:48:10,535 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 142 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099190.xml
2016-10-27 14:48:10,548 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 143 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099191.xml
2016-10-27 14:48:10,563 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 144 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099192.xml
2016-10-27 14:48:10,570 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 145 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099193.xml
2016-10-27 14:48:10,600 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 146 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099194.xml
2016-10-27 14:48:10,616 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 147 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099195.xml
2016-10-27 14:48:10,632 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 148 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099196.xml
2016-10-27 14:48:10,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 149 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099197.xml
2016-10-27 14:48:10,681 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 150 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099198.xml
2016-10-27 14:48:10,707 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 151 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099199.xml
2016-10-27 14:48:10,723 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 152 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099200.xml
2016-10-27 14:48:10,750 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 153 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099201.xml
2016-10-27 14:48:10,764 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 154 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099202.xml
2016-10-27 14:48:10,775 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 155 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099203.xml
2016-10-27 14:48:10,799 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 156 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099204.xml
2016-10-27 14:48:10,803 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 157 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099205.xml
2016-10-27 14:48:10,822 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 158 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099206.xml
2016-10-27 14:48:10,831 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 159 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099207.xml
2016-10-27 14:48:10,850 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 160 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099208.xml
2016-10-27 14:48:10,862 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 161 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099209.xml
2016-10-27 14:48:10,870 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 162 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099210.xml
2016-10-27 14:48:10,897 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 163 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099211.xml
2016-10-27 14:48:10,912 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 164 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099212.xml
2016-10-27 14:48:10,941 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 165 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099213.xml
2016-10-27 14:48:10,955 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 166 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099214.xml
2016-10-27 14:48:10,988 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 167 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099215.xml
2016-10-27 14:48:11,000 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 168 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099220.xml
2016-10-27 14:48:11,023 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 169 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099221.xml
2016-10-27 14:48:11,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 170 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099222.xml
2016-10-27 14:48:11,059 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 171 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099223.xml
2016-10-27 14:48:11,080 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 172 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099224.xml
2016-10-27 14:48:11,141 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 173 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099225.xml
2016-10-27 14:48:11,152 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 174 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099226.xml
2016-10-27 14:48:11,165 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 175 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099227.xml
2016-10-27 14:48:11,179 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 176 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099228.xml
2016-10-27 14:48:11,205 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 177 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099229.xml
2016-10-27 14:48:11,218 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 178 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099230.xml
2016-10-27 14:48:11,237 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 179 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099231.xml
2016-10-27 14:48:11,259 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 180 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099232.xml
2016-10-27 14:48:11,281 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 181 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099233.xml
2016-10-27 14:48:11,290 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 182 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099234.xml
2016-10-27 14:48:11,312 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 183 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099235.xml
2016-10-27 14:48:11,346 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 184 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099236.xml
2016-10-27 14:48:11,364 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 185 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099237.xml
2016-10-27 14:48:11,375 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 186 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099238.xml
2016-10-27 14:48:11,386 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 187 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099239.xml
2016-10-27 14:48:11,395 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 188 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099240.xml
2016-10-27 14:48:11,407 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 189 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099241.xml
2016-10-27 14:48:11,422 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 190 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099242.xml
2016-10-27 14:48:11,441 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 191 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099243.xml
2016-10-27 14:48:11,456 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 192 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099244.xml
2016-10-27 14:48:11,497 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 193 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099245.xml
2016-10-27 14:48:11,513 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 194 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099246.xml
2016-10-27 14:48:11,527 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 195 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099247.xml
2016-10-27 14:48:11,539 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 196 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099248.xml
2016-10-27 14:48:11,589 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 197 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099249.xml
2016-10-27 14:48:11,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 198 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099250.xml
2016-10-27 14:48:11,667 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 199 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099251.xml
2016-10-27 14:48:11,675 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 200 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099252.xml
2016-10-27 14:48:11,699 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 201 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099253.xml
2016-10-27 14:48:11,719 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 202 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099254.xml
2016-10-27 14:48:11,731 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 203 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099255.xml
2016-10-27 14:48:11,744 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 204 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099256.xml
2016-10-27 14:48:11,761 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 205 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099257.xml
2016-10-27 14:48:11,773 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 206 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099258.xml
2016-10-27 14:48:11,807 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 207 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099259.xml
2016-10-27 14:48:11,817 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 208 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099260.xml
2016-10-27 14:48:11,836 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 209 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099261.xml
2016-10-27 14:48:11,865 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 210 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099262.xml
2016-10-27 14:48:12,051 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 211 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099263.xml
2016-10-27 14:48:12,067 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 212 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099264.xml
2016-10-27 14:48:12,082 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 213 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099265.xml
2016-10-27 14:48:12,100 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 214 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099266.xml
2016-10-27 14:48:12,109 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 215 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099267.xml
2016-10-27 14:48:12,132 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 216 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099268.xml
2016-10-27 14:48:12,140 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 217 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099269.xml
2016-10-27 14:48:12,150 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 218 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099270.xml
2016-10-27 14:48:12,180 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 219 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099271.xml
2016-10-27 14:48:12,218 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 220 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099272.xml
2016-10-27 14:48:12,236 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 221 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099273.xml
2016-10-27 14:48:12,245 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 222 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099274.xml
2016-10-27 14:48:12,260 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 223 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099275.xml
2016-10-27 14:48:12,270 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 224 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099276.xml
2016-10-27 14:48:12,288 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 225 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099277.xml
2016-10-27 14:48:12,300 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 226 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099278.xml
2016-10-27 14:48:12,317 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 227 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099279.xml
2016-10-27 14:48:12,340 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 228 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099280.xml
2016-10-27 14:48:12,356 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 229 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099281.xml
2016-10-27 14:48:12,365 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 230 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099282.xml
2016-10-27 14:48:12,384 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 231 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099283.xml
2016-10-27 14:48:12,400 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 232 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099284.xml
2016-10-27 14:48:12,412 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 233 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099285.xml
2016-10-27 14:48:12,429 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 234 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099286.xml
2016-10-27 14:48:12,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 235 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099287.xml
2016-10-27 14:48:12,455 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 236 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099288.xml
2016-10-27 14:48:12,475 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 237 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099289.xml
2016-10-27 14:48:12,486 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 238 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099290.xml
2016-10-27 14:48:12,507 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 239 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099291.xml
2016-10-27 14:48:12,517 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 240 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099292.xml
2016-10-27 14:48:12,526 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 241 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099293.xml
2016-10-27 14:48:12,533 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 242 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099294.xml
2016-10-27 14:48:12,549 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 243 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099295.xml
2016-10-27 14:48:12,567 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 244 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099296.xml
2016-10-27 14:48:12,584 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 245 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099297.xml
2016-10-27 14:48:12,608 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 246 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099298.xml
2016-10-27 14:48:12,637 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 247 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099299.xml
2016-10-27 14:48:12,650 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 248 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099300.xml
2016-10-27 14:48:12,660 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 249 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099301.xml
2016-10-27 14:48:12,675 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 250 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099302.xml
2016-10-27 14:48:12,700 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 251 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099303.xml
2016-10-27 14:48:12,714 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 252 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099304.xml
2016-10-27 14:48:12,729 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 253 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099305.xml
2016-10-27 14:48:12,748 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 254 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099306.xml
2016-10-27 14:48:12,757 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 255 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099307.xml
2016-10-27 14:48:12,766 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 256 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099308.xml
2016-10-27 14:48:12,786 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 257 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099309.xml
2016-10-27 14:48:12,803 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 258 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099310.xml
2016-10-27 14:48:12,814 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 259 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099311.xml
2016-10-27 14:48:12,838 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 260 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099312.xml
2016-10-27 14:48:12,850 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 261 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099313.xml
2016-10-27 14:48:12,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 262 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099314.xml
2016-10-27 14:48:12,875 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 263 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099315.xml
2016-10-27 14:48:12,886 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 264 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099316.xml
2016-10-27 14:48:12,895 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 265 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099317.xml
2016-10-27 14:48:12,907 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 266 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099318.xml
2016-10-27 14:48:12,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 267 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099319.xml
2016-10-27 14:48:12,938 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 268 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099320.xml
2016-10-27 14:48:12,956 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 269 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099321.xml
2016-10-27 14:48:12,963 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 270 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099322.xml
2016-10-27 14:48:12,976 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 271 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099323.xml
2016-10-27 14:48:13,017 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 272 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099324.xml
2016-10-27 14:48:13,029 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 273 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099325.xml
2016-10-27 14:48:13,050 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 274 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099326.xml
2016-10-27 14:48:13,060 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 275 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099327.xml
2016-10-27 14:48:13,073 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 276 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099328.xml
2016-10-27 14:48:13,084 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 277 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099329.xml
2016-10-27 14:48:13,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 278 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099330.xml
2016-10-27 14:48:13,118 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 279 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099331.xml
2016-10-27 14:48:13,148 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 280 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099332.xml
2016-10-27 14:48:13,172 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 281 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099333.xml
2016-10-27 14:48:13,182 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 282 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099334.xml
2016-10-27 14:48:13,198 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 283 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099335.xml
2016-10-27 14:48:13,226 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 284 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099336.xml
2016-10-27 14:48:13,247 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 285 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099337.xml
2016-10-27 14:48:13,266 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 286 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099338.xml
2016-10-27 14:48:13,304 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 287 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099339.xml
2016-10-27 14:48:13,334 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 288 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099340.xml
2016-10-27 14:48:13,368 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 289 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099341.xml
2016-10-27 14:48:13,458 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 290 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099342.xml
2016-10-27 14:48:13,511 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 291 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099343.xml
2016-10-27 14:48:13,536 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 292 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099344.xml
2016-10-27 14:48:13,557 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 293 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099345.xml
2016-10-27 14:48:13,581 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 294 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099346.xml
2016-10-27 14:48:13,591 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 295 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099347.xml
2016-10-27 14:48:13,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 296 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099348.xml
2016-10-27 14:48:13,640 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 297 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099349.xml
2016-10-27 14:48:13,669 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 298 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099350.xml
2016-10-27 14:48:13,685 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 299 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099351.xml
2016-10-27 14:48:13,703 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 300 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099352.xml
2016-10-27 14:48:13,721 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 301 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099353.xml
2016-10-27 14:48:13,743 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 302 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099354.xml
2016-10-27 14:48:13,775 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 303 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099355.xml
2016-10-27 14:48:13,795 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 304 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099356.xml
2016-10-27 14:48:13,809 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 305 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099357.xml
2016-10-27 14:48:13,826 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 306 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099358.xml
2016-10-27 14:48:13,836 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 307 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099359.xml
2016-10-27 14:48:13,853 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 308 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099360.xml
2016-10-27 14:48:13,867 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 309 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099361.xml
2016-10-27 14:48:13,876 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 310 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099362.xml
2016-10-27 14:48:13,886 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 311 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099363.xml
2016-10-27 14:48:13,897 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 312 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099364.xml
2016-10-27 14:48:13,904 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 313 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099365.xml
2016-10-27 14:48:13,927 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 314 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099366.xml
2016-10-27 14:48:13,938 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 315 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099367.xml
2016-10-27 14:48:13,954 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 316 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099368.xml
2016-10-27 14:48:13,974 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 317 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099369.xml
2016-10-27 14:48:13,994 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 318 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099370.xml
2016-10-27 14:48:14,015 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 319 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099371.xml
2016-10-27 14:48:14,028 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 320 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099372.xml
2016-10-27 14:48:14,062 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 321 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099373.xml
2016-10-27 14:48:14,078 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 322 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099374.xml
2016-10-27 14:48:14,091 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 323 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099375.xml
2016-10-27 14:48:14,137 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 324 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099376.xml
2016-10-27 14:48:14,145 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 325 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099377.xml
2016-10-27 14:48:14,159 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 326 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099378.xml
2016-10-27 14:48:14,170 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 327 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099379.xml
2016-10-27 14:48:14,180 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 328 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099380.xml
2016-10-27 14:48:14,199 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 329 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099381.xml
2016-10-27 14:48:14,213 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 330 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099382.xml
2016-10-27 14:48:14,223 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 331 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099383.xml
2016-10-27 14:48:14,237 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 332 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099384.xml
2016-10-27 14:48:14,265 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 333 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099385.xml
2016-10-27 14:48:14,273 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 334 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099386.xml
2016-10-27 14:48:14,284 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 335 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099387.xml
2016-10-27 14:48:14,301 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 336 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099388.xml
2016-10-27 14:48:14,343 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 337 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099389.xml
2016-10-27 14:48:14,363 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 338 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099390.xml
2016-10-27 14:48:14,375 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 339 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099391.xml
2016-10-27 14:48:14,387 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 340 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099392.xml
2016-10-27 14:48:14,401 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 341 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099393.xml
2016-10-27 14:48:14,425 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 342 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099394.xml
2016-10-27 14:48:14,437 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 343 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099395.xml
2016-10-27 14:48:14,458 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 344 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099396.xml
2016-10-27 14:48:14,477 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 345 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099397.xml
2016-10-27 14:48:14,490 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 346 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099398.xml
2016-10-27 14:48:14,514 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 347 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099399.xml
2016-10-27 14:48:14,529 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 348 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099400.xml
2016-10-27 14:48:14,546 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 349 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099401.xml
2016-10-27 14:48:14,563 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 350 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099402.xml
2016-10-27 14:48:14,578 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 351 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099403.xml
2016-10-27 14:48:14,589 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 352 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099404.xml
2016-10-27 14:48:14,610 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 353 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099405.xml
2016-10-27 14:48:14,622 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 354 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099406.xml
2016-10-27 14:48:14,630 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 355 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099407.xml
2016-10-27 14:48:14,644 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 356 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099408.xml
2016-10-27 14:48:14,658 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 357 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099409.xml
2016-10-27 14:48:14,681 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 358 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099410.xml
2016-10-27 14:48:14,710 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 359 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099411.xml
2016-10-27 14:48:14,734 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 360 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099412.xml
2016-10-27 14:48:14,747 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 361 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099413.xml
2016-10-27 14:48:14,754 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 362 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099414.xml
2016-10-27 14:48:14,774 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 363 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099415.xml
2016-10-27 14:48:14,784 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 364 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099416.xml
2016-10-27 14:48:14,812 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 365 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099417.xml
2016-10-27 14:48:14,820 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 366 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099418.xml
2016-10-27 14:48:14,839 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 367 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099419.xml
2016-10-27 14:48:14,899 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 368 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099420.xml
2016-10-27 14:48:14,925 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 369 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099421.xml
2016-10-27 14:48:14,937 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 370 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099422.xml
2016-10-27 14:48:14,953 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 371 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099423.xml
2016-10-27 14:48:14,974 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 372 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099424.xml
2016-10-27 14:48:14,997 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 373 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099425.xml
2016-10-27 14:48:15,011 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 374 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099426.xml
2016-10-27 14:48:15,035 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 375 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099427.xml
2016-10-27 14:48:15,050 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 376 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099428.xml
2016-10-27 14:48:15,063 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 377 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099429.xml
2016-10-27 14:48:15,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 378 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099430.xml
2016-10-27 14:48:15,118 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 379 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099431.xml
2016-10-27 14:48:15,130 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 380 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099432.xml
2016-10-27 14:48:15,141 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 381 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099433.xml
2016-10-27 14:48:15,167 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 382 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099434.xml
2016-10-27 14:48:15,199 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 383 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099435.xml
2016-10-27 14:48:15,217 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 384 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099436.xml
2016-10-27 14:48:15,248 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 385 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099437.xml
2016-10-27 14:48:15,287 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 386 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099438.xml
2016-10-27 14:48:15,312 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 387 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099439.xml
2016-10-27 14:48:15,334 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 388 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099440.xml
2016-10-27 14:48:15,350 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 389 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099441.xml
2016-10-27 14:48:15,367 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 390 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099442.xml
2016-10-27 14:48:15,378 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 391 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099443.xml
2016-10-27 14:48:15,396 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 392 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099444.xml
2016-10-27 14:48:15,407 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 393 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099445.xml
2016-10-27 14:48:15,422 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 394 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099446.xml
2016-10-27 14:48:15,430 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 395 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099447.xml
2016-10-27 14:48:15,451 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 396 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099448.xml
2016-10-27 14:48:15,464 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 397 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099449.xml
2016-10-27 14:48:15,751 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 398 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099450.xml
2016-10-27 14:48:15,765 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 399 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099451.xml
2016-10-27 14:48:15,783 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 400 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099452.xml
2016-10-27 14:48:15,840 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 401 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099453.xml
2016-10-27 14:48:15,847 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 402 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099454.xml
2016-10-27 14:48:15,856 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 403 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099455.xml
2016-10-27 14:48:16,165 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 404 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099456.xml
2016-10-27 14:48:16,255 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 405 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099457.xml
2016-10-27 14:48:16,288 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 406 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099458.xml
2016-10-27 14:48:16,298 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 407 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099459.xml
2016-10-27 14:48:16,325 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 408 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099460.xml
2016-10-27 14:48:16,355 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 409 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099461.xml
2016-10-27 14:48:16,374 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 410 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099462.xml
2016-10-27 14:48:16,387 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 411 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099463.xml
2016-10-27 14:48:16,409 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 412 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099464.xml
2016-10-27 14:48:16,422 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 413 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099465.xml
2016-10-27 14:48:16,438 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 414 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099466.xml
2016-10-27 14:48:16,454 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 415 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099467.xml
2016-10-27 14:48:16,461 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 416 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099468.xml
2016-10-27 14:48:16,486 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 417 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099469.xml
2016-10-27 14:48:16,495 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 418 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099470.xml
2016-10-27 14:48:16,506 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 419 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099471.xml
2016-10-27 14:48:16,516 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 420 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099472.xml
2016-10-27 14:48:16,529 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 421 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099473.xml
2016-10-27 14:48:16,538 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 422 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099474.xml
2016-10-27 14:48:16,547 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 423 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099475.xml
2016-10-27 14:48:16,577 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 424 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099476.xml
2016-10-27 14:48:16,608 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 425 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099477.xml
2016-10-27 14:48:16,626 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 426 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099478.xml
2016-10-27 14:48:16,654 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 427 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099479.xml
2016-10-27 14:48:16,665 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 428 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099480.xml
2016-10-27 14:48:16,676 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 429 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099481.xml
2016-10-27 14:48:16,690 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 430 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099482.xml
2016-10-27 14:48:16,709 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 431 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099483.xml
2016-10-27 14:48:16,733 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 432 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099484.xml
2016-10-27 14:48:16,749 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 433 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099485.xml
2016-10-27 14:48:16,764 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 434 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099486.xml
2016-10-27 14:48:16,788 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 435 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099487.xml
2016-10-27 14:48:16,803 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 436 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099488.xml
2016-10-27 14:48:16,814 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 437 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099489.xml
2016-10-27 14:48:16,840 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 438 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099490.xml
2016-10-27 14:48:16,853 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 439 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099491.xml
2016-10-27 14:48:16,870 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 440 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099492.xml
2016-10-27 14:48:16,888 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 441 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099493.xml
2016-10-27 14:48:16,899 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 442 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099494.xml
2016-10-27 14:48:16,926 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 443 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099495.xml
2016-10-27 14:48:16,947 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 444 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099496.xml
2016-10-27 14:48:16,954 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 445 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099497.xml
2016-10-27 14:48:16,982 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 446 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099498.xml
2016-10-27 14:48:17,009 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 447 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099499.xml
2016-10-27 14:48:17,049 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 448 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099500.xml
2016-10-27 14:48:17,090 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 449 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099501.xml
2016-10-27 14:48:17,096 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 450 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099502.xml
2016-10-27 14:48:17,105 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 451 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099503.xml
2016-10-27 14:48:17,120 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 452 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099504.xml
2016-10-27 14:48:17,126 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 453 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099505.xml
2016-10-27 14:48:17,134 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 454 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099506.xml
2016-10-27 14:48:17,149 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 455 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099507.xml
2016-10-27 14:48:17,158 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 456 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099508.xml
2016-10-27 14:48:17,169 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 457 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099509.xml
2016-10-27 14:48:17,185 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 458 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099510.xml
2016-10-27 14:48:17,200 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 459 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099511.xml
2016-10-27 14:48:17,210 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 460 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099512.xml
2016-10-27 14:48:17,220 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 461 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099513.xml
2016-10-27 14:48:17,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 462 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099514.xml
2016-10-27 14:48:17,276 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 463 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099515.xml
2016-10-27 14:48:17,287 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 464 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099516.xml
2016-10-27 14:48:17,302 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 465 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099517.xml
2016-10-27 14:48:17,341 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 466 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099518.xml
2016-10-27 14:48:17,351 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 467 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099519.xml
2016-10-27 14:48:17,362 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 468 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099520.xml
2016-10-27 14:48:17,415 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 469 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099521.xml
2016-10-27 14:48:17,429 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 470 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099522.xml
2016-10-27 14:48:17,461 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 471 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099523.xml
2016-10-27 14:48:17,483 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 472 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099524.xml
2016-10-27 14:48:17,514 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 473 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099525.xml
2016-10-27 14:48:17,521 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 474 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099526.xml
2016-10-27 14:48:17,526 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 475 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099527.xml
2016-10-27 14:48:17,565 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 476 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099528.xml
2016-10-27 14:48:17,583 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 477 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099529.xml
2016-10-27 14:48:17,604 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 478 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099530.xml
2016-10-27 14:48:17,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 479 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099531.xml
2016-10-27 14:48:17,629 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 480 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099532.xml
2016-10-27 14:48:17,642 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 481 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099533.xml
2016-10-27 14:48:17,651 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 482 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099534.xml
2016-10-27 14:48:17,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 483 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099535.xml
2016-10-27 14:48:17,674 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 484 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099536.xml
2016-10-27 14:48:17,688 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 485 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099537.xml
2016-10-27 14:48:17,712 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 486 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099538.xml
2016-10-27 14:48:17,731 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 487 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099539.xml
2016-10-27 14:48:17,736 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 488 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099540.xml
2016-10-27 14:48:17,746 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 489 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099541.xml
2016-10-27 14:48:17,755 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 490 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099542.xml
2016-10-27 14:48:17,773 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 491 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099543.xml
2016-10-27 14:48:17,789 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 492 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099544.xml
2016-10-27 14:48:17,802 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 493 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099545.xml
2016-10-27 14:48:17,815 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 494 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099546.xml
2016-10-27 14:48:17,829 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 495 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099547.xml
2016-10-27 14:48:17,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 496 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099548.xml
2016-10-27 14:48:17,869 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 497 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099549.xml
2016-10-27 14:48:17,887 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 498 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099550.xml
2016-10-27 14:48:17,908 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 499 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099551.xml
2016-10-27 14:48:17,946 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 500 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099552.xml
2016-10-27 14:48:17,971 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 501 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099553.xml
2016-10-27 14:48:17,984 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 502 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099554.xml
2016-10-27 14:48:17,993 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 503 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099555.xml
2016-10-27 14:48:18,003 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 504 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099556.xml
2016-10-27 14:48:18,026 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 505 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099557.xml
2016-10-27 14:48:18,038 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 506 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099558.xml
2016-10-27 14:48:18,062 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 507 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099559.xml
2016-10-27 14:48:18,088 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 508 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099560.xml
2016-10-27 14:48:18,102 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 509 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099561.xml
2016-10-27 14:48:18,144 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 510 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099562.xml
2016-10-27 14:48:18,155 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 511 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099563.xml
2016-10-27 14:48:18,176 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 512 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099564.xml
2016-10-27 14:48:18,186 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 513 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099565.xml
2016-10-27 14:48:18,202 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 514 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099566.xml
2016-10-27 14:48:18,209 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 515 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099567.xml
2016-10-27 14:48:18,238 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 516 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099568.xml
2016-10-27 14:48:18,254 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 517 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099569.xml
2016-10-27 14:48:18,265 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 518 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099570.xml
2016-10-27 14:48:18,287 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 519 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099571.xml
2016-10-27 14:48:18,306 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 520 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099572.xml
2016-10-27 14:48:18,320 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 521 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099573.xml
2016-10-27 14:48:18,326 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 522 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099574.xml
2016-10-27 14:48:18,336 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 523 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099575.xml
2016-10-27 14:48:18,364 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 524 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099576.xml
2016-10-27 14:48:18,373 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 525 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099577.xml
2016-10-27 14:48:18,383 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 526 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099578.xml
2016-10-27 14:48:18,393 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 527 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099579.xml
2016-10-27 14:48:18,402 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 528 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099580.xml
2016-10-27 14:48:18,420 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 529 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099581.xml
2016-10-27 14:48:18,450 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 530 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099582.xml
2016-10-27 14:48:18,458 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 531 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099583.xml
2016-10-27 14:48:18,508 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 532 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099584.xml
2016-10-27 14:48:18,558 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 533 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099585.xml
2016-10-27 14:48:18,580 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 534 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099586.xml
2016-10-27 14:48:18,590 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 535 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099587.xml
2016-10-27 14:48:18,600 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 536 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099588.xml
2016-10-27 14:48:18,639 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 537 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099589.xml
2016-10-27 14:48:18,653 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 538 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099590.xml
2016-10-27 14:48:18,666 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 539 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099591.xml
2016-10-27 14:48:18,678 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 540 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099592.xml
2016-10-27 14:48:18,702 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 541 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099593.xml
2016-10-27 14:48:18,720 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 542 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099594.xml
2016-10-27 14:48:18,756 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 543 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099595.xml
2016-10-27 14:48:18,772 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 544 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099596.xml
2016-10-27 14:48:18,799 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 545 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099597.xml
2016-10-27 14:48:18,808 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 546 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099598.xml
2016-10-27 14:48:18,833 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 547 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099599.xml
2016-10-27 14:48:18,865 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 548 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099600.xml
2016-10-27 14:48:18,879 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 549 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099601.xml
2016-10-27 14:48:18,893 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 550 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099602.xml
2016-10-27 14:48:18,907 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 551 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099603.xml
2016-10-27 14:48:18,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 552 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099604.xml
2016-10-27 14:48:18,934 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 553 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099605.xml
2016-10-27 14:48:18,945 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 554 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099606.xml
2016-10-27 14:48:18,967 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 555 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099607.xml
2016-10-27 14:48:18,982 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 556 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099608.xml
2016-10-27 14:48:18,994 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 557 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099609.xml
2016-10-27 14:48:19,030 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 558 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099610.xml
2016-10-27 14:48:19,046 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 559 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099611.xml
2016-10-27 14:48:19,063 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 560 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099612.xml
2016-10-27 14:48:19,086 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 561 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099613.xml
2016-10-27 14:48:19,096 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 562 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099614.xml
2016-10-27 14:48:19,130 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 563 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099615.xml
2016-10-27 14:48:19,146 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 564 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099616.xml
2016-10-27 14:48:19,192 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 565 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099617.xml
2016-10-27 14:48:19,208 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 566 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099618.xml
2016-10-27 14:48:19,227 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 567 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099619.xml
2016-10-27 14:48:19,265 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 568 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099620.xml
2016-10-27 14:48:19,298 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 569 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099621.xml
2016-10-27 14:48:19,309 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 570 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099622.xml
2016-10-27 14:48:19,319 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 571 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099623.xml
2016-10-27 14:48:19,338 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 572 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099624.xml
2016-10-27 14:48:19,350 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 573 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099625.xml
2016-10-27 14:48:19,374 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 574 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099626.xml
2016-10-27 14:48:19,385 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 575 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099627.xml
2016-10-27 14:48:19,406 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 576 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099628.xml
2016-10-27 14:48:19,423 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 577 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099629.xml
2016-10-27 14:48:19,451 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 578 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099630.xml
2016-10-27 14:48:19,467 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 579 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099631.xml
2016-10-27 14:48:19,478 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 580 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099632.xml
2016-10-27 14:48:19,498 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 581 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099633.xml
2016-10-27 14:48:19,800 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 582 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099634.xml
2016-10-27 14:48:19,817 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 583 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099635.xml
2016-10-27 14:48:19,849 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 584 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099636.xml
2016-10-27 14:48:19,869 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 585 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099637.xml
2016-10-27 14:48:19,878 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 586 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099638.xml
2016-10-27 14:48:19,888 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 587 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099639.xml
2016-10-27 14:48:19,915 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 588 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099640.xml
2016-10-27 14:48:19,940 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 589 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099641.xml
2016-10-27 14:48:19,957 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 590 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099642.xml
2016-10-27 14:48:19,979 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 591 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099643.xml
2016-10-27 14:48:20,002 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 592 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099644.xml
2016-10-27 14:48:20,020 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 593 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099645.xml
2016-10-27 14:48:20,033 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 594 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099646.xml
2016-10-27 14:48:20,056 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 595 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099647.xml
2016-10-27 14:48:20,071 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 596 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099648.xml
2016-10-27 14:48:20,077 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 597 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099649.xml
2016-10-27 14:48:20,092 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 598 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099650.xml
2016-10-27 14:48:20,145 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 599 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099651.xml
2016-10-27 14:48:20,156 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 600 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099652.xml
2016-10-27 14:48:20,181 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 601 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099653.xml
2016-10-27 14:48:20,192 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 602 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099654.xml
2016-10-27 14:48:20,214 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 603 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099655.xml
2016-10-27 14:48:20,224 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 604 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099656.xml
2016-10-27 14:48:20,236 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 605 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099657.xml
2016-10-27 14:48:20,250 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 606 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099658.xml
2016-10-27 14:48:20,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 607 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099659.xml
2016-10-27 14:48:20,273 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 608 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099660.xml
2016-10-27 14:48:20,287 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 609 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099661.xml
2016-10-27 14:48:20,295 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 610 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099662.xml
2016-10-27 14:48:20,314 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 611 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099663.xml
2016-10-27 14:48:20,321 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 612 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099664.xml
2016-10-27 14:48:20,330 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 613 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099665.xml
2016-10-27 14:48:20,343 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 614 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099666.xml
2016-10-27 14:48:20,369 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 615 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099667.xml
2016-10-27 14:48:20,376 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 616 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099668.xml
2016-10-27 14:48:20,406 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 617 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099669.xml
2016-10-27 14:48:20,421 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 618 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099670.xml
2016-10-27 14:48:20,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 619 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099671.xml
2016-10-27 14:48:20,465 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 620 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099672.xml
2016-10-27 14:48:20,481 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 621 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099673.xml
2016-10-27 14:48:20,499 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 622 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099674.xml
2016-10-27 14:48:20,515 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 623 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099675.xml
2016-10-27 14:48:20,541 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 624 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099676.xml
2016-10-27 14:48:20,551 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 625 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099677.xml
2016-10-27 14:48:20,562 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 626 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099678.xml
2016-10-27 14:48:20,568 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 627 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099679.xml
2016-10-27 14:48:20,581 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 628 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099680.xml
2016-10-27 14:48:20,593 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 629 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099681.xml
2016-10-27 14:48:20,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 630 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099682.xml
2016-10-27 14:48:20,630 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 631 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099683.xml
2016-10-27 14:48:20,646 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 632 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099684.xml
2016-10-27 14:48:20,666 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 633 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099685.xml
2016-10-27 14:48:20,683 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 634 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099686.xml
2016-10-27 14:48:20,690 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 635 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099687.xml
2016-10-27 14:48:20,706 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 636 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099688.xml
2016-10-27 14:48:20,719 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 637 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099689.xml
2016-10-27 14:48:20,747 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 638 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099690.xml
2016-10-27 14:48:20,774 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 639 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099691.xml
2016-10-27 14:48:20,793 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 640 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099692.xml
2016-10-27 14:48:20,821 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 641 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099693.xml
2016-10-27 14:48:20,840 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 642 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099694.xml
2016-10-27 14:48:20,853 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 643 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099695.xml
2016-10-27 14:48:20,862 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 644 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099696.xml
2016-10-27 14:48:20,874 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 645 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099697.xml
2016-10-27 14:48:20,901 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 646 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099698.xml
2016-10-27 14:48:20,913 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 647 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099699.xml
2016-10-27 14:48:20,924 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 648 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099700.xml
2016-10-27 14:48:20,936 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 649 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099701.xml
2016-10-27 14:48:20,943 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 650 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099702.xml
2016-10-27 14:48:20,956 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 651 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099703.xml
2016-10-27 14:48:20,971 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 652 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099704.xml
2016-10-27 14:48:20,988 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 653 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099705.xml
2016-10-27 14:48:20,999 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 654 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099706.xml
2016-10-27 14:48:21,031 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 655 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099707.xml
2016-10-27 14:48:21,048 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 656 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099708.xml
2016-10-27 14:48:21,068 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 657 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099709.xml
2016-10-27 14:48:21,082 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 658 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099710.xml
2016-10-27 14:48:21,089 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 659 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099711.xml
2016-10-27 14:48:21,108 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 660 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099712.xml
2016-10-27 14:48:21,134 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 661 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099713.xml
2016-10-27 14:48:21,148 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 662 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099714.xml
2016-10-27 14:48:21,167 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 663 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099715.xml
2016-10-27 14:48:21,180 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 664 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099716.xml
2016-10-27 14:48:21,195 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 665 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099717.xml
2016-10-27 14:48:21,216 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 666 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099718.xml
2016-10-27 14:48:21,239 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 667 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099719.xml
2016-10-27 14:48:21,277 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 668 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099720.xml
2016-10-27 14:48:21,291 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 669 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099721.xml
2016-10-27 14:48:21,305 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 670 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099722.xml
2016-10-27 14:48:21,329 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 671 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099723.xml
2016-10-27 14:48:21,364 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 672 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099724.xml
2016-10-27 14:48:21,379 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 673 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099725.xml
2016-10-27 14:48:21,386 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 674 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099726.xml
2016-10-27 14:48:21,399 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 675 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099727.xml
2016-10-27 14:48:21,423 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 676 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099728.xml
2016-10-27 14:48:21,440 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 677 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099729.xml
2016-10-27 14:48:21,455 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 678 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099730.xml
2016-10-27 14:48:21,470 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 679 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099731.xml
2016-10-27 14:48:21,528 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 680 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099732.xml
2016-10-27 14:48:21,548 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 681 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099733.xml
2016-10-27 14:48:21,572 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 682 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099734.xml
2016-10-27 14:48:21,599 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 683 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099735.xml
2016-10-27 14:48:21,611 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 684 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099736.xml
2016-10-27 14:48:21,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 685 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099737.xml
2016-10-27 14:48:21,662 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 686 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099738.xml
2016-10-27 14:48:21,678 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 687 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099739.xml
2016-10-27 14:48:21,692 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 688 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099740.xml
2016-10-27 14:48:21,705 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 689 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099741.xml
2016-10-27 14:48:21,715 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 690 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099742.xml
2016-10-27 14:48:21,732 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 691 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099743.xml
2016-10-27 14:48:21,744 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 692 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099744.xml
2016-10-27 14:48:21,754 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 693 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099745.xml
2016-10-27 14:48:21,770 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 694 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099746.xml
2016-10-27 14:48:21,789 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 695 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099747.xml
2016-10-27 14:48:21,811 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 696 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099748.xml
2016-10-27 14:48:21,822 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 697 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099749.xml
2016-10-27 14:48:21,839 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 698 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099750.xml
2016-10-27 14:48:21,857 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 699 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099751.xml
2016-10-27 14:48:21,871 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 700 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099752.xml
2016-10-27 14:48:21,896 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 701 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099753.xml
2016-10-27 14:48:21,914 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 702 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099754.xml
2016-10-27 14:48:21,929 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 703 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099755.xml
2016-10-27 14:48:21,962 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 704 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099756.xml
2016-10-27 14:48:21,997 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 705 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099757.xml
2016-10-27 14:48:22,008 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 706 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099758.xml
2016-10-27 14:48:22,025 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 707 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099759.xml
2016-10-27 14:48:22,036 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 708 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099760.xml
2016-10-27 14:48:22,046 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 709 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099761.xml
2016-10-27 14:48:22,052 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 710 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099762.xml
2016-10-27 14:48:22,072 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 711 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099763.xml
2016-10-27 14:48:22,080 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 712 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099764.xml
2016-10-27 14:48:22,097 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 713 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099765.xml
2016-10-27 14:48:22,113 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 714 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099766.xml
2016-10-27 14:48:22,134 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 715 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099767.xml
2016-10-27 14:48:22,160 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 716 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099768.xml
2016-10-27 14:48:22,172 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 717 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099769.xml
2016-10-27 14:48:22,191 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 718 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099770.xml
2016-10-27 14:48:22,215 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 719 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099771.xml
2016-10-27 14:48:22,223 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 720 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099772.xml
2016-10-27 14:48:22,232 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 721 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099773.xml
2016-10-27 14:48:22,249 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 722 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099774.xml
2016-10-27 14:48:22,260 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 723 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099775.xml
2016-10-27 14:48:22,270 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 724 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099776.xml
2016-10-27 14:48:22,288 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 725 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099777.xml
2016-10-27 14:48:22,300 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 726 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099778.xml
2016-10-27 14:48:22,314 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 727 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099779.xml
2016-10-27 14:48:22,344 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 728 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099780.xml
2016-10-27 14:48:22,354 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 729 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099781.xml
2016-10-27 14:48:22,394 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 730 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099782.xml
2016-10-27 14:48:22,413 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 731 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099783.xml
2016-10-27 14:48:22,422 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 732 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099784.xml
2016-10-27 14:48:22,428 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 733 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099785.xml
2016-10-27 14:48:22,442 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 734 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099786.xml
2016-10-27 14:48:22,451 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 735 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099787.xml
2016-10-27 14:48:22,468 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 736 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099788.xml
2016-10-27 14:48:22,493 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 737 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099789.xml
2016-10-27 14:48:22,523 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 738 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099790.xml
2016-10-27 14:48:22,539 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 739 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099791.xml
2016-10-27 14:48:22,553 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 740 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099792.xml
2016-10-27 14:48:22,568 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 741 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099793.xml
2016-10-27 14:48:22,591 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 742 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099794.xml
2016-10-27 14:48:22,619 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 743 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099795.xml
2016-10-27 14:48:22,626 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 744 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099796.xml
2016-10-27 14:48:22,639 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 745 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099797.xml
2016-10-27 14:48:22,666 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 746 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099798.xml
2016-10-27 14:48:22,676 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 747 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099799.xml
2016-10-27 14:48:22,689 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 748 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099800.xml
2016-10-27 14:48:22,710 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 749 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099801.xml
2016-10-27 14:48:22,892 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 750 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099802.xml
2016-10-27 14:48:22,912 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 751 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099803.xml
2016-10-27 14:48:22,924 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 752 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099804.xml
2016-10-27 14:48:22,938 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 753 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099805.xml
2016-10-27 14:48:22,947 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 754 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099806.xml
2016-10-27 14:48:22,968 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 755 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099807.xml
2016-10-27 14:48:22,986 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 756 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099808.xml
2016-10-27 14:48:23,004 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 757 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099809.xml
2016-10-27 14:48:23,027 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 758 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099810.xml
2016-10-27 14:48:23,039 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 759 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099811.xml
2016-10-27 14:48:23,048 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 760 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099812.xml
2016-10-27 14:48:23,075 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 761 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099813.xml
2016-10-27 14:48:23,087 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 762 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099814.xml
2016-10-27 14:48:23,115 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 763 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099815.xml
2016-10-27 14:48:23,148 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 764 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099816.xml
2016-10-27 14:48:23,165 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 765 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099817.xml
2016-10-27 14:48:23,177 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 766 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099818.xml
2016-10-27 14:48:23,187 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 767 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099819.xml
2016-10-27 14:48:23,198 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 768 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099820.xml
2016-10-27 14:48:23,224 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 769 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099821.xml
2016-10-27 14:48:23,243 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 770 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099822.xml
2016-10-27 14:48:23,252 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 771 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099823.xml
2016-10-27 14:48:23,264 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 772 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099824.xml
2016-10-27 14:48:23,286 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 773 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099825.xml
2016-10-27 14:48:23,293 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 774 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099826.xml
2016-10-27 14:48:23,315 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 775 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099827.xml
2016-10-27 14:48:23,335 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 776 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099828.xml
2016-10-27 14:48:23,353 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 777 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099829.xml
2016-10-27 14:48:23,369 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 778 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099830.xml
2016-10-27 14:48:23,385 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 779 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099831.xml
2016-10-27 14:48:23,399 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 780 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099832.xml
2016-10-27 14:48:23,418 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 781 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099833.xml
2016-10-27 14:48:23,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 782 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099834.xml
2016-10-27 14:48:23,454 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 783 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099835.xml
2016-10-27 14:48:23,464 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 784 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099836.xml
2016-10-27 14:48:23,484 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 785 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099837.xml
2016-10-27 14:48:23,495 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 786 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099838.xml
2016-10-27 14:48:23,506 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 787 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099839.xml
2016-10-27 14:48:23,526 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 788 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099840.xml
2016-10-27 14:48:23,533 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 789 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099841.xml
2016-10-27 14:48:23,571 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 790 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099842.xml
2016-10-27 14:48:23,588 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 791 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099843.xml
2016-10-27 14:48:23,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 792 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099844.xml
2016-10-27 14:48:23,623 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 793 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099845.xml
2016-10-27 14:48:23,640 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 794 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099846.xml
2016-10-27 14:48:23,648 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 795 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099847.xml
2016-10-27 14:48:23,672 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 796 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099848.xml
2016-10-27 14:48:23,682 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 797 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099849.xml
2016-10-27 14:48:23,699 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 798 from 797: /nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/./documents/00099850.xml
--> Training on file=/nlp/corpora/pwr/cen-workdir/cen-1.1-disamb-names/index_names.list
(TemplateFactory) parsing template: /home/czuk/nlp/eclipse/workspace_liner2/models-workdir/liner2.5/liner25_model_ner_kpwr12/ini/template-jrip.txt
(TemplateFactory) Adding feature:orth:-2:-1:0:1:2
(TemplateFactory) feature:orth:-2:-1:0:1:2
(TemplateFactory) Adding feature:base:-2:-1:0:1:2
(TemplateFactory) feature:base:-2:-1:0:1:2
(TemplateFactory) Adding feature:synonym:-2:-1:0:1:2
(TemplateFactory) feature:synonym:-2:-1:0:1:2
(TemplateFactory) Adding feature:hypernym-1:-2:-1:0:1:2
(TemplateFactory) feature:hypernym-1:-2:-1:0:1:2
(TemplateFactory) Adding feature:hypernym-2:-2:-1:0:1:2
(TemplateFactory) feature:hypernym-2:-2:-1:0:1:2
(TemplateFactory) Adding feature:hypernym-3:-2:-1:0:1:2
(TemplateFactory) feature:hypernym-3:-2:-1:0:1:2
(TemplateFactory) Adding feature:class:-1:0:1
(TemplateFactory) feature:class:-1:0:1
(TemplateFactory) Adding feature:case:0
(TemplateFactory) feature:case:0
(TemplateFactory) Adding feature:gender:-2:-1:0:1:2
(TemplateFactory) feature:gender:-2:-1:0:1:2
(TemplateFactory) Adding feature:pattern:0
(TemplateFactory) feature:pattern:0
(TemplateFactory) Adding feature:prefix-1:-2:-1:0:1:2
(TemplateFactory) feature:prefix-1:-2:-1:0:1:2
(TemplateFactory) Adding feature:prefix-3:-2:-1:0:1:2
(TemplateFactory) feature:prefix-3:-2:-1:0:1:2
(TemplateFactory) Adding feature:prefix-4:-2:-1:0:1:2
(TemplateFactory) feature:prefix-4:-2:-1:0:1:2
(TemplateFactory) Adding feature:suffix-1:-2:-1:0:1:2
(TemplateFactory) feature:suffix-1:-2:-1:0:1:2
(TemplateFactory) Adding feature:suffix-2:-2:-1:0:1:2
(TemplateFactory) feature:suffix-2:-2:-1:0:1:2
(TemplateFactory) Adding feature:suffix-3:-2:-1:0:1:2
(TemplateFactory) feature:suffix-3:-2:-1:0:1:2
(TemplateFactory) Adding feature:suffix-4:-2:-1:0:1:2
(TemplateFactory) feature:suffix-4:-2:-1:0:1:2
(TemplateFactory) Adding feature:starts_with_upper_case:-2:-1:0:1:2
(TemplateFactory) feature:starts_with_upper_case:-2:-1:0:1:2
(TemplateFactory) Adding feature:starts_with_lower_case:-2:-1:0:1:2
(TemplateFactory) feature:starts_with_lower_case:-2:-1:0:1:2
(TemplateFactory) Adding feature:starts_with_symbol:-2:-1:0:1:2
(TemplateFactory) feature:starts_with_symbol:-2:-1:0:1:2
(TemplateFactory) Adding feature:starts_with_digit:-2:-1:0:1:2
(TemplateFactory) feature:starts_with_digit:-2:-1:0:1:2
(TemplateFactory) Adding feature:has_upper_case:-2:-1:0:1:2
(TemplateFactory) feature:has_upper_case:-2:-1:0:1:2
(TemplateFactory) Adding feature:has_lower_case:-2:-1:0:1:2
(TemplateFactory) feature:has_lower_case:-2:-1:0:1:2
(TemplateFactory) Adding feature:has_symbol:-2:-1:0:1:2
(TemplateFactory) feature:has_symbol:-2:-1:0:1:2
(TemplateFactory) Adding feature:has_digit:-2:-1:0:1:2
(TemplateFactory) feature:has_digit:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_person_first_nam:-2:-1:0:1:2
(TemplateFactory) feature:dict_person_first_nam:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_person_last_nam:-2:-1:0:1:2
(TemplateFactory) feature:dict_person_last_nam:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_country_nam:-2:-1:0:1:2
(TemplateFactory) feature:dict_country_nam:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_city_nam:-2:-1:0:1:2
(TemplateFactory) feature:dict_city_nam:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_road_nam:-2:-1:0:1:2
(TemplateFactory) feature:dict_road_nam:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_person_prefix:-2:-1:0:1:2
(TemplateFactory) feature:dict_person_prefix:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_person_noun:-2:-1:0:1:2
(TemplateFactory) feature:dict_person_noun:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_person_suffix:-2:-1:0:1:2
(TemplateFactory) feature:dict_person_suffix:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_road_prefix:-2:-1:0:1:2
(TemplateFactory) feature:dict_road_prefix:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_country_prefix:-2:-1:0:1:2
(TemplateFactory) feature:dict_country_prefix:-2:-1:0:1:2
(TemplateFactory) Adding feature:base:-4/dict_person_first_nam:-3/dict_person_last_nam:-2/base:-1/dict_person_last_nam:0
(TemplateFactory) feature:base:-4/dict_person_first_nam:-3/dict_person_last_nam:-2/base:-1/dict_person_last_nam:0
(TemplateFactory) Adding feature:dict_trigger_int_bloc:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_bloc:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_bloc:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_bloc:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_country:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_country:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_country:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_country:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_district:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_district:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_district:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_district:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_geogName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_geogName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_geogName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_geogName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_orgName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_orgName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_orgName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_orgName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_persName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_persName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_persName:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_persName:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_region:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_region:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_region:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_region:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_int_settlement:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_int_settlement:-2:-1:0:1:2
(TemplateFactory) Adding feature:dict_trigger_ext_settlement:-2:-1:0:1:2
(TemplateFactory) feature:dict_trigger_ext_settlement:-2:-1:0:1:2
(TemplateFactory) Adding feature:agr1:-2:-1:0:1:2
(TemplateFactory) feature:agr1:-2:-1:0:1:2
(TemplateFactory) Adding feature:nospace:-2:-1:0:1:2
(TemplateFactory) feature:nospace:-2:-1:0:1:2
(TemplateFactory) Adding feature:parenthesis:-2:-1:0:1:2
(TemplateFactory) feature:parenthesis:-2:-1:0:1:2
(TemplateFactory) Adding feature:quotation:-2:-1:0:1:2
(TemplateFactory) feature:quotation:-2:-1:0:1:2
(TemplateFactory) Adding feature:length:-2:-1:0:1:2
(TemplateFactory) feature:length:-2:-1:0:1:2
(TemplateFactory) Adding feature:has_upper_case:0/agr1:-1/pattern:2/has_upper_case:-1/case:0/number:-1
(TemplateFactory) feature:has_upper_case:0/agr1:-1/pattern:2/has_upper_case:-1/case:0/number:-1
(TemplateFactory) Adding feature:has_upper_case:0/all_digits:-1/all_upper:-2/length:1/nospace:1
(TemplateFactory) feature:has_upper_case:0/all_digits:-1/all_upper:-2/length:1/nospace:1
(TemplateFactory) Adding feature:has_upper_case:0/all_upper:-1/pattern:-1/ctag:0
(TemplateFactory) feature:has_upper_case:0/all_upper:-1/pattern:-1/ctag:0
(TemplateFactory) Adding feature:has_upper_case:0/all_upper:-1/pattern:-1/has_upper_case:1
(TemplateFactory) feature:has_upper_case:0/all_upper:-1/pattern:-1/has_upper_case:1
(TemplateFactory) Adding feature:has_upper_case:0/all_upper:-1/pattern:-1/pattern:-2/agr1:1/pattern:0
(TemplateFactory) feature:has_upper_case:0/all_upper:-1/pattern:-1/pattern:-2/agr1:1/pattern:0
(TemplateFactory) Adding feature:has_upper_case:0/all_upper:-1/pattern:-1/pattern:-2/class:0
(TemplateFactory) feature:has_upper_case:0/all_upper:-1/pattern:-1/pattern:-2/class:0
(TemplateFactory) Adding feature:has_upper_case:0/all_upper:-1/starts_with_digit:-2/starts_with_lower_case:1/case:0
(TemplateFactory) feature:has_upper_case:0/all_upper:-1/starts_with_digit:-2/starts_with_lower_case:1/case:0
(TemplateFactory) Adding feature:has_upper_case:0/ctag:0/has_upper_case:1
(TemplateFactory) feature:has_upper_case:0/ctag:0/has_upper_case:1
(TemplateFactory) Adding feature:has_upper_case:0/ctag:0/parenthesis:0/class:2/agr1:2
(TemplateFactory) feature:has_upper_case:0/ctag:0/parenthesis:0/class:2/agr1:2
(TemplateFactory) Adding feature:has_upper_case:0/ctag:0/suffix-1:0
(TemplateFactory) feature:has_upper_case:0/ctag:0/suffix-1:0
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/all_upper:-2/all_alphanumeric:2/starts_with_lower_case:2/all_alphanumeric:1
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/all_upper:-2/all_alphanumeric:2/starts_with_lower_case:2/all_alphanumeric:1
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/has_digit:-2/has_lower_case:0/nospace:-1/nospace:-2/ctag:-1
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/has_digit:-2/has_lower_case:0/nospace:-1/nospace:-2/ctag:-1
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-1/all_alphanumeric:2/class:0
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-1/all_alphanumeric:2/class:0
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:2/all_letters:-1/ctag:0/all_alphanumeric:1
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:2/all_letters:-1/ctag:0/all_alphanumeric:1
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-2/length:1
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-2/length:1
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-2/starts_with_lower_case:1/orth:-1
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/has_lower_case:-2/starts_with_lower_case:1/orth:-1
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/pattern:-1/class:0
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/pattern:-1/class:0
(TemplateFactory) Adding feature:has_upper_case:0/dict_person_first_nam:-1/pattern:1/parenthesis:0
(TemplateFactory) feature:has_upper_case:0/dict_person_first_nam:-1/pattern:1/parenthesis:0
(TemplateFactory) Adding feature:has_upper_case:0/starts_with_lower_case:1/case:0/orth:2
(TemplateFactory) feature:has_upper_case:0/starts_with_lower_case:1/case:0/orth:2
(TemplateFactory) Adding feature:has_upper_case:0/starts_with_lower_case:1/case:0/pattern:1/agr1:1/gender:0
(TemplateFactory) feature:has_upper_case:0/starts_with_lower_case:1/case:0/pattern:1/agr1:1/gender:0
(TemplateFactory) Adding feature:has_upper_case:-1/has_upper_case:0/nospace:-2/pattern:0
(TemplateFactory) feature:has_upper_case:-1/has_upper_case:0/nospace:-2/pattern:0
(TemplateFactory) Adding feature:has_upper_case:-1/starts_with_lower_case:1/all_letters:1/orth:0/starts_with_lower_case:-2
(TemplateFactory) feature:has_upper_case:-1/starts_with_lower_case:1/all_letters:1/orth:0/starts_with_lower_case:-2
(TemplateFactory) Adding feature:has_upper_case:-1/starts_with_lower_case:1/orth:0/nospace:-1
(TemplateFactory) feature:has_upper_case:-1/starts_with_lower_case:1/orth:0/nospace:-1
(TemplateFactory) Adding feature:has_upper_case:-1/starts_with_lower_case:1/parenthesis:-2/class:-2/orth:-1
(TemplateFactory) feature:has_upper_case:-1/starts_with_lower_case:1/parenthesis:-2/class:-2/orth:-1
(TemplateFactory) Adding feature:has_upper_case:-2/has_upper_case:0/orth:-1/nospace:-2
(TemplateFactory) feature:has_upper_case:-2/has_upper_case:0/orth:-1/nospace:-2
(TemplateFactory) Adding feature:has_upper_case:-2/starts_with_upper_case:0/orth:-1
(TemplateFactory) feature:has_upper_case:-2/starts_with_upper_case:0/orth:-1
(TemplateFactory) Adding feature:starts_with_lower_case:-1/has_upper_case:0/case:-1/case:2
(TemplateFactory) feature:starts_with_lower_case:-1/has_upper_case:0/case:-1/case:2
(TemplateFactory) Adding feature:starts_with_lower_case:-1/has_upper_case:0/pattern:-1/ctag:-1/pattern:0
(TemplateFactory) feature:starts_with_lower_case:-1/has_upper_case:0/pattern:-1/ctag:-1/pattern:0
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_lower_case:-1/all_letters:-1/parenthesis:-2/pattern:1/length:0
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_lower_case:-1/all_letters:-1/parenthesis:-2/pattern:1/length:0
(TemplateFactory) Adding feature:starts_with_lower_case:-1/starts_with_upper_case:0/class:-1/agr1:0/gender:-1
(TemplateFactory) feature:starts_with_lower_case:-1/starts_with_upper_case:0/class:-1/agr1:0/gender:-1
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-1/class:-2/no_letters:0/length:0
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-1/class:-2/no_letters:0/length:0
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-1/parenthesis:-2/agr1:-2/ctag:-2
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-1/parenthesis:-2/agr1:-2/ctag:-2
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-1/parenthesis:-2/case:-1/ctag:0
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-1/parenthesis:-2/case:-1/ctag:0
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-2/agr1:-2/ctag:-2/struct:-2
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-2/agr1:-2/ctag:-2/struct:-2
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-2/agr1:-2/quotation:-1
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-2/agr1:-2/quotation:-1
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-2/pattern:0/length:-1
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-2/pattern:0/length:-1
(TemplateFactory) Adding feature:starts_with_lower_case:1/starts_with_upper_case:-2/starts_with_upper_case:0/length:-1/ctag:-1
(TemplateFactory) feature:starts_with_lower_case:1/starts_with_upper_case:-2/starts_with_upper_case:0/length:-1/ctag:-1
(TemplateFactory) Adding feature:starts_with_upper_case:0/agr1:-1/gender:0/number:0
(TemplateFactory) feature:starts_with_upper_case:0/agr1:-1/gender:0/number:0
(TemplateFactory) Adding feature:starts_with_upper_case:0/agr1:-1/orth:-1/class:-2
(TemplateFactory) feature:starts_with_upper_case:0/agr1:-1/orth:-1/class:-2
(TemplateFactory) Adding feature:starts_with_upper_case:0/class:0/gender:0/prefix-1:0/all_alphanumeric:1
(TemplateFactory) feature:starts_with_upper_case:0/class:0/gender:0/prefix-1:0/all_alphanumeric:1
(TemplateFactory) Adding feature:starts_with_upper_case:0/class:0/starts_with_lower_case:1/struct:2/agr1:1
(TemplateFactory) feature:starts_with_upper_case:0/class:0/starts_with_lower_case:1/struct:2/agr1:1
(TemplateFactory) Adding feature:starts_with_upper_case:0/ctag:0/parenthesis:0/class:1
(TemplateFactory) feature:starts_with_upper_case:0/ctag:0/parenthesis:0/class:1
(TemplateFactory) Adding feature:starts_with_upper_case:0/dict_person_first_nam:-1/class:0/parenthesis:2/ctag:0
(TemplateFactory) feature:starts_with_upper_case:0/dict_person_first_nam:-1/class:0/parenthesis:2/ctag:0
(TemplateFactory) Adding feature:starts_with_upper_case:0/dict_person_first_nam:-1/has_lower_case:2/has_digit:-2/gender:1
(TemplateFactory) feature:starts_with_upper_case:0/dict_person_first_nam:-1/has_lower_case:2/has_digit:-2/gender:1
(TemplateFactory) Adding feature:starts_with_upper_case:0/starts_with_lower_case:1/case:0/suffix-2:1
(TemplateFactory) feature:starts_with_upper_case:0/starts_with_lower_case:1/case:0/suffix-2:1
(TemplateFactory) Adding feature:starts_with_upper_case:0/starts_with_lower_case:1/pattern:1/length:2/nospace:1/case:0/ctag:2
(TemplateFactory) feature:starts_with_upper_case:0/starts_with_lower_case:1/pattern:1/length:2/nospace:1/case:0/ctag:2
(TemplateFactory) Adding feature:starts_with_upper_case:-1/starts_with_lower_case:1/all_digits:-2/has_upper_case:1/orth:0
(TemplateFactory) feature:starts_with_upper_case:-1/starts_with_lower_case:1/all_digits:-2/has_upper_case:1/orth:0
(TemplateFactory) Adding feature:starts_with_upper_case:-1/starts_with_lower_case:1/starts_with_upper_case:0/nospace:2/gender:-1
(TemplateFactory) feature:starts_with_upper_case:-1/starts_with_lower_case:1/starts_with_upper_case:0/nospace:2/gender:-1
(TemplateFactory) Adding feature:starts_with_upper_case:-1/starts_with_upper_case:0/all_upper:-2/agr1:1/has_lower_case:2
(TemplateFactory) feature:starts_with_upper_case:-1/starts_with_upper_case:0/all_upper:-2/agr1:1/has_lower_case:2
(TemplateFactory) Adding feature:starts_with_upper_case:-1/starts_with_upper_case:0/all_upper:-2/nospace:0
(TemplateFactory) feature:starts_with_upper_case:-1/starts_with_upper_case:0/all_upper:-2/nospace:0
(TemplateFactory) Adding feature:starts_with_upper_case:-1/starts_with_upper_case:0/pattern:2/suffix-1:-1
(TemplateFactory) feature:starts_with_upper_case:-1/starts_with_upper_case:0/pattern:2/suffix-1:-1
Loading training data for CRF from document:./documents/00099050
STORE TRAINING DATA IN: /tmp/crf_iob4238804853237040190.txt
Loading training data for CRF from document:./documents/00099051
Loading training data for CRF from document:./documents/00099052
Loading training data for CRF from document:./documents/00099053
Loading training data for CRF from document:./documents/00099054
Loading training data for CRF from document:./documents/00099055
Loading training data for CRF from document:./documents/00099056
Loading training data for CRF from document:./documents/00099057
Loading training data for CRF from document:./documents/00099058
Loading training data for CRF from document:./documents/00099059
Loading training data for CRF from document:./documents/00099060
Loading training data for CRF from document:./documents/00099061
Loading training data for CRF from document:./documents/00099062
Loading training data for CRF from document:./documents/00099063
Loading training data for CRF from document:./documents/00099064
Loading training data for CRF from document:./documents/00099065
Loading training data for CRF from document:./documents/00099066
Loading training data for CRF from document:./documents/00099067
Loading training data for CRF from document:./documents/00099068
Loading training data for CRF from document:./documents/00099069
Loading training data for CRF from document:./documents/00099070
Loading training data for CRF from document:./documents/00099071
Loading training data for CRF from document:./documents/00099072
Loading training data for CRF from document:./documents/00099073
Loading training data for CRF from document:./documents/00099074
Loading training data for CRF from document:./documents/00099075
Loading training data for CRF from document:./documents/00099076
Loading training data for CRF from document:./documents/00099077
Loading training data for CRF from document:./documents/00099078
Loading training data for CRF from document:./documents/00099079
Loading training data for CRF from document:./documents/00099080
Loading training data for CRF from document:./documents/00099081
Loading training data for CRF from document:./documents/00099082
Loading training data for CRF from document:./documents/00099083
Loading training data for CRF from document:./documents/00099084
Loading training data for CRF from document:./documents/00099085
Loading training data for CRF from document:./documents/00099086
Loading training data for CRF from document:./documents/00099087
Loading training data for CRF from document:./documents/00099088
Loading training data for CRF from document:./documents/00099089
Loading training data for CRF from document:./documents/00099090
Loading training data for CRF from document:./documents/00099091
Loading training data for CRF from document:./documents/00099092
Loading training data for CRF from document:./documents/00099093
Loading training data for CRF from document:./documents/00099094
Loading training data for CRF from document:./documents/00099095
Loading training data for CRF from document:./documents/00099096
Loading training data for CRF from document:./documents/00099097
Loading training data for CRF from document:./documents/00099098
Loading training data for CRF from document:./documents/00099099
Loading training data for CRF from document:./documents/00099100
Loading training data for CRF from document:./documents/00099101
Loading training data for CRF from document:./documents/00099102
Loading training data for CRF from document:./documents/00099103
Loading training data for CRF from document:./documents/00099104
Loading training data for CRF from document:./documents/00099105
Loading training data for CRF from document:./documents/00099106
Loading training data for CRF from document:./documents/00099107
Loading training data for CRF from document:./documents/00099108
Loading training data for CRF from document:./documents/00099109
Loading training data for CRF from document:./documents/00099110
Loading training data for CRF from document:./documents/00099111
Loading training data for CRF from document:./documents/00099112
Loading training data for CRF from document:./documents/00099113
Loading training data for CRF from document:./documents/00099114
Loading training data for CRF from document:./documents/00099115
Loading training data for CRF from document:./documents/00099116
Loading training data for CRF from document:./documents/00099117
Loading training data for CRF from document:./documents/00099118
Loading training data for CRF from document:./documents/00099119
Loading training data for CRF from document:./documents/00099120
Loading training data for CRF from document:./documents/00099121
Loading training data for CRF from document:./documents/00099122
Loading training data for CRF from document:./documents/00099123
Loading training data for CRF from document:./documents/00099124
Loading training data for CRF from document:./documents/00099125
Loading training data for CRF from document:./documents/00099126
Loading training data for CRF from document:./documents/00099127
Loading training data for CRF from document:./documents/00099128
Loading training data for CRF from document:./documents/00099129
Loading training data for CRF from document:./documents/00099130
Loading training data for CRF from document:./documents/00099131
Loading training data for CRF from document:./documents/00099132
Loading training data for CRF from document:./documents/00099133
Loading training data for CRF from document:./documents/00099134
Loading training data for CRF from document:./documents/00099135
Loading training data for CRF from document:./documents/00099136
Loading training data for CRF from document:./documents/00099137
Loading training data for CRF from document:./documents/00099138
Loading training data for CRF from document:./documents/00099139
Loading training data for CRF from document:./documents/00099140
Loading training data for CRF from document:./documents/00099141
Loading training data for CRF from document:./documents/00099142
Loading training data for CRF from document:./documents/00099143
Loading training data for CRF from document:./documents/00099144
Loading training data for CRF from document:./documents/00099145
Loading training data for CRF from document:./documents/00099146
Loading training data for CRF from document:./documents/00099147
Loading training data for CRF from document:./documents/00099148
Loading training data for CRF from document:./documents/00099149
Loading training data for CRF from document:./documents/00099150
Loading training data for CRF from document:./documents/00099151
Loading training data for CRF from document:./documents/00099152
Loading training data for CRF from document:./documents/00099153
Loading training data for CRF from document:./documents/00099154
Loading training data for CRF from document:./documents/00099155
Loading training data for CRF from document:./documents/00099156
Loading training data for CRF from document:./documents/00099157
Loading training data for CRF from document:./documents/00099158
Loading training data for CRF from document:./documents/00099159
Loading training data for CRF from document:./documents/00099160
Loading training data for CRF from document:./documents/00099161
Loading training data for CRF from document:./documents/00099162
Loading training data for CRF from document:./documents/00099163
Loading training data for CRF from document:./documents/00099164
Loading training data for CRF from document:./documents/00099165
Loading training data for CRF from document:./documents/00099166
Loading training data for CRF from document:./documents/00099167
Loading training data for CRF from document:./documents/00099168
Loading training data for CRF from document:./documents/00099169
Loading training data for CRF from document:./documents/00099170
Loading training data for CRF from document:./documents/00099171
Loading training data for CRF from document:./documents/00099172
Loading training data for CRF from document:./documents/00099173
Loading training data for CRF from document:./documents/00099174
Loading training data for CRF from document:./documents/00099175
Loading training data for CRF from document:./documents/00099176
Loading training data for CRF from document:./documents/00099177
Loading training data for CRF from document:./documents/00099178
Loading training data for CRF from document:./documents/00099179
Loading training data for CRF from document:./documents/00099180
Loading training data for CRF from document:./documents/00099181
Loading training data for CRF from document:./documents/00099182
Loading training data for CRF from document:./documents/00099183
Loading training data for CRF from document:./documents/00099184
Loading training data for CRF from document:./documents/00099185
Loading training data for CRF from document:./documents/00099186
Loading training data for CRF from document:./documents/00099187
Loading training data for CRF from document:./documents/00099188
Loading training data for CRF from document:./documents/00099189
Loading training data for CRF from document:./documents/00099190
Loading training data for CRF from document:./documents/00099191
Loading training data for CRF from document:./documents/00099192
Loading training data for CRF from document:./documents/00099193
Loading training data for CRF from document:./documents/00099194
Loading training data for CRF from document:./documents/00099195
Loading training data for CRF from document:./documents/00099196
Loading training data for CRF from document:./documents/00099197
Loading training data for CRF from document:./documents/00099198
Loading training data for CRF from document:./documents/00099199
Loading training data for CRF from document:./documents/00099200
Loading training data for CRF from document:./documents/00099201
Loading training data for CRF from document:./documents/00099202
Loading training data for CRF from document:./documents/00099203
Loading training data for CRF from document:./documents/00099204
Loading training data for CRF from document:./documents/00099205
Loading training data for CRF from document:./documents/00099206
Loading training data for CRF from document:./documents/00099207
Loading training data for CRF from document:./documents/00099208
Loading training data for CRF from document:./documents/00099209
Loading training data for CRF from document:./documents/00099210
Loading training data for CRF from document:./documents/00099211
Loading training data for CRF from document:./documents/00099212
Loading training data for CRF from document:./documents/00099213
Loading training data for CRF from document:./documents/00099214
Loading training data for CRF from document:./documents/00099215
Loading training data for CRF from document:./documents/00099220
Loading training data for CRF from document:./documents/00099221
Loading training data for CRF from document:./documents/00099222
Loading training data for CRF from document:./documents/00099223
Loading training data for CRF from document:./documents/00099224
Loading training data for CRF from document:./documents/00099225
Loading training data for CRF from document:./documents/00099226
Loading training data for CRF from document:./documents/00099227
Loading training data for CRF from document:./documents/00099228
Loading training data for CRF from document:./documents/00099229
Loading training data for CRF from document:./documents/00099230
Loading training data for CRF from document:./documents/00099231
Loading training data for CRF from document:./documents/00099232
Loading training data for CRF from document:./documents/00099233
Loading training data for CRF from document:./documents/00099234
Loading training data for CRF from document:./documents/00099235
Loading training data for CRF from document:./documents/00099236
Loading training data for CRF from document:./documents/00099237
Loading training data for CRF from document:./documents/00099238
Loading training data for CRF from document:./documents/00099239
Loading training data for CRF from document:./documents/00099240
Loading training data for CRF from document:./documents/00099241
Loading training data for CRF from document:./documents/00099242
Loading training data for CRF from document:./documents/00099243
Loading training data for CRF from document:./documents/00099244
Loading training data for CRF from document:./documents/00099245
Loading training data for CRF from document:./documents/00099246
Loading training data for CRF from document:./documents/00099247
Loading training data for CRF from document:./documents/00099248
Loading training data for CRF from document:./documents/00099249
Loading training data for CRF from document:./documents/00099250
Loading training data for CRF from document:./documents/00099251
Loading training data for CRF from document:./documents/00099252
Loading training data for CRF from document:./documents/00099253
Loading training data for CRF from document:./documents/00099254
Loading training data for CRF from document:./documents/00099255
Loading training data for CRF from document:./documents/00099256
Loading training data for CRF from document:./documents/00099257
Loading training data for CRF from document:./documents/00099258
Loading training data for CRF from document:./documents/00099259
Loading training data for CRF from document:./documents/00099260
Loading training data for CRF from document:./documents/00099261
Loading training data for CRF from document:./documents/00099262
Loading training data for CRF from document:./documents/00099263
Loading training data for CRF from document:./documents/00099264
Loading training data for CRF from document:./documents/00099265
Loading training data for CRF from document:./documents/00099266
Loading training data for CRF from document:./documents/00099267
Loading training data for CRF from document:./documents/00099268
Loading training data for CRF from document:./documents/00099269
Loading training data for CRF from document:./documents/00099270
Loading training data for CRF from document:./documents/00099271
Loading training data for CRF from document:./documents/00099272
Loading training data for CRF from document:./documents/00099273
Loading training data for CRF from document:./documents/00099274
Loading training data for CRF from document:./documents/00099275
Loading training data for CRF from document:./documents/00099276
Loading training data for CRF from document:./documents/00099277
Loading training data for CRF from document:./documents/00099278
Loading training data for CRF from document:./documents/00099279
Loading training data for CRF from document:./documents/00099280
Loading training data for CRF from document:./documents/00099281
Loading training data for CRF from document:./documents/00099282
Loading training data for CRF from document:./documents/00099283
Loading training data for CRF from document:./documents/00099284
Loading training data for CRF from document:./documents/00099285
Loading training data for CRF from document:./documents/00099286
Loading training data for CRF from document:./documents/00099287
Loading training data for CRF from document:./documents/00099288
Loading training data for CRF from document:./documents/00099289
Loading training data for CRF from document:./documents/00099290
Loading training data for CRF from document:./documents/00099291
Loading training data for CRF from document:./documents/00099292
Loading training data for CRF from document:./documents/00099293
Loading training data for CRF from document:./documents/00099294
Loading training data for CRF from document:./documents/00099295
Loading training data for CRF from document:./documents/00099296
Loading training data for CRF from document:./documents/00099297
Loading training data for CRF from document:./documents/00099298
Loading training data for CRF from document:./documents/00099299
Loading training data for CRF from document:./documents/00099300
Loading training data for CRF from document:./documents/00099301
Loading training data for CRF from document:./documents/00099302
Loading training data for CRF from document:./documents/00099303
Loading training data for CRF from document:./documents/00099304
Loading training data for CRF from document:./documents/00099305
Loading training data for CRF from document:./documents/00099306
Loading training data for CRF from document:./documents/00099307
Loading training data for CRF from document:./documents/00099308
Loading training data for CRF from document:./documents/00099309
Loading training data for CRF from document:./documents/00099310
Loading training data for CRF from document:./documents/00099311
Loading training data for CRF from document:./documents/00099312
Loading training data for CRF from document:./documents/00099313
Loading training data for CRF from document:./documents/00099314
Loading training data for CRF from document:./documents/00099315
Loading training data for CRF from document:./documents/00099316
Loading training data for CRF from document:./documents/00099317
Loading training data for CRF from document:./documents/00099318
Loading training data for CRF from document:./documents/00099319
Loading training data for CRF from document:./documents/00099320
Loading training data for CRF from document:./documents/00099321
Loading training data for CRF from document:./documents/00099322
Loading training data for CRF from document:./documents/00099323
Loading training data for CRF from document:./documents/00099324
Loading training data for CRF from document:./documents/00099325
Loading training data for CRF from document:./documents/00099326
Loading training data for CRF from document:./documents/00099327
Loading training data for CRF from document:./documents/00099328
Loading training data for CRF from document:./documents/00099329
Loading training data for CRF from document:./documents/00099330
Loading training data for CRF from document:./documents/00099331
Loading training data for CRF from document:./documents/00099332
Loading training data for CRF from document:./documents/00099333
Loading training data for CRF from document:./documents/00099334
Loading training data for CRF from document:./documents/00099335
Loading training data for CRF from document:./documents/00099336
Loading training data for CRF from document:./documents/00099337
Loading training data for CRF from document:./documents/00099338
Loading training data for CRF from document:./documents/00099339
Loading training data for CRF from document:./documents/00099340
Loading training data for CRF from document:./documents/00099341
Loading training data for CRF from document:./documents/00099342
Loading training data for CRF from document:./documents/00099343
Loading training data for CRF from document:./documents/00099344
Loading training data for CRF from document:./documents/00099345
Loading training data for CRF from document:./documents/00099346
Loading training data for CRF from document:./documents/00099347
Loading training data for CRF from document:./documents/00099348
Loading training data for CRF from document:./documents/00099349
Loading training data for CRF from document:./documents/00099350
Loading training data for CRF from document:./documents/00099351
Loading training data for CRF from document:./documents/00099352
Loading training data for CRF from document:./documents/00099353
Loading training data for CRF from document:./documents/00099354
Loading training data for CRF from document:./documents/00099355
Loading training data for CRF from document:./documents/00099356
Loading training data for CRF from document:./documents/00099357
Loading training data for CRF from document:./documents/00099358
Loading training data for CRF from document:./documents/00099359
Loading training data for CRF from document:./documents/00099360
Loading training data for CRF from document:./documents/00099361
Loading training data for CRF from document:./documents/00099362
Loading training data for CRF from document:./documents/00099363
Loading training data for CRF from document:./documents/00099364
Loading training data for CRF from document:./documents/00099365
Loading training data for CRF from document:./documents/00099366
Loading training data for CRF from document:./documents/00099367
Loading training data for CRF from document:./documents/00099368
Loading training data for CRF from document:./documents/00099369
Loading training data for CRF from document:./documents/00099370
Loading training data for CRF from document:./documents/00099371
Loading training data for CRF from document:./documents/00099372
Loading training data for CRF from document:./documents/00099373
Loading training data for CRF from document:./documents/00099374
Loading training data for CRF from document:./documents/00099375
Loading training data for CRF from document:./documents/00099376
Loading training data for CRF from document:./documents/00099377
Loading training data for CRF from document:./documents/00099378
Loading training data for CRF from document:./documents/00099379
Loading training data for CRF from document:./documents/00099380
Loading training data for CRF from document:./documents/00099381
Loading training data for CRF from document:./documents/00099382
Loading training data for CRF from document:./documents/00099383
Loading training data for CRF from document:./documents/00099384
Loading training data for CRF from document:./documents/00099385
Loading training data for CRF from document:./documents/00099386
Loading training data for CRF from document:./documents/00099387
Loading training data for CRF from document:./documents/00099388
Loading training data for CRF from document:./documents/00099389
Loading training data for CRF from document:./documents/00099390
Loading training data for CRF from document:./documents/00099391
Loading training data for CRF from document:./documents/00099392
Loading training data for CRF from document:./documents/00099393
Loading training data for CRF from document:./documents/00099394
Loading training data for CRF from document:./documents/00099395
Loading training data for CRF from document:./documents/00099396
Loading training data for CRF from document:./documents/00099397
Loading training data for CRF from document:./documents/00099398
Loading training data for CRF from document:./documents/00099399
Loading training data for CRF from document:./documents/00099400
Loading training data for CRF from document:./documents/00099401
Loading training data for CRF from document:./documents/00099402
Loading training data for CRF from document:./documents/00099403
Loading training data for CRF from document:./documents/00099404
Loading training data for CRF from document:./documents/00099405
Loading training data for CRF from document:./documents/00099406
Loading training data for CRF from document:./documents/00099407
Loading training data for CRF from document:./documents/00099408
Loading training data for CRF from document:./documents/00099409
Loading training data for CRF from document:./documents/00099410
Loading training data for CRF from document:./documents/00099411
Loading training data for CRF from document:./documents/00099412
Loading training data for CRF from document:./documents/00099413
Loading training data for CRF from document:./documents/00099414
Loading training data for CRF from document:./documents/00099415
Loading training data for CRF from document:./documents/00099416
Loading training data for CRF from document:./documents/00099417
Loading training data for CRF from document:./documents/00099418
Loading training data for CRF from document:./documents/00099419
Loading training data for CRF from document:./documents/00099420
Loading training data for CRF from document:./documents/00099421
Loading training data for CRF from document:./documents/00099422
Loading training data for CRF from document:./documents/00099423
Loading training data for CRF from document:./documents/00099424
Loading training data for CRF from document:./documents/00099425
Loading training data for CRF from document:./documents/00099426
Loading training data for CRF from document:./documents/00099427
Loading training data for CRF from document:./documents/00099428
Loading training data for CRF from document:./documents/00099429
Loading training data for CRF from document:./documents/00099430
Loading training data for CRF from document:./documents/00099431
Loading training data for CRF from document:./documents/00099432
Loading training data for CRF from document:./documents/00099433
Loading training data for CRF from document:./documents/00099434
Loading training data for CRF from document:./documents/00099435
Loading training data for CRF from document:./documents/00099436
Loading training data for CRF from document:./documents/00099437
Loading training data for CRF from document:./documents/00099438
Loading training data for CRF from document:./documents/00099439
Loading training data for CRF from document:./documents/00099440
Loading training data for CRF from document:./documents/00099441
Loading training data for CRF from document:./documents/00099442
Loading training data for CRF from document:./documents/00099443
Loading training data for CRF from document:./documents/00099444
Loading training data for CRF from document:./documents/00099445
Loading training data for CRF from document:./documents/00099446
Loading training data for CRF from document:./documents/00099447
Loading training data for CRF from document:./documents/00099448
Loading training data for CRF from document:./documents/00099449
Loading training data for CRF from document:./documents/00099450
Loading training data for CRF from document:./documents/00099451
Loading training data for CRF from document:./documents/00099452
Loading training data for CRF from document:./documents/00099453
Loading training data for CRF from document:./documents/00099454
Loading training data for CRF from document:./documents/00099455
Loading training data for CRF from document:./documents/00099456
Loading training data for CRF from document:./documents/00099457
Loading training data for CRF from document:./documents/00099458
Loading training data for CRF from document:./documents/00099459
Loading training data for CRF from document:./documents/00099460
Loading training data for CRF from document:./documents/00099461
Loading training data for CRF from document:./documents/00099462
Loading training data for CRF from document:./documents/00099463
Loading training data for CRF from document:./documents/00099464
Loading training data for CRF from document:./documents/00099465
Loading training data for CRF from document:./documents/00099466
Loading training data for CRF from document:./documents/00099467
Loading training data for CRF from document:./documents/00099468
Loading training data for CRF from document:./documents/00099469
Loading training data for CRF from document:./documents/00099470
Loading training data for CRF from document:./documents/00099471
Loading training data for CRF from document:./documents/00099472
Loading training data for CRF from document:./documents/00099473
Loading training data for CRF from document:./documents/00099474
Loading training data for CRF from document:./documents/00099475
Loading training data for CRF from document:./documents/00099476
Loading training data for CRF from document:./documents/00099477
Loading training data for CRF from document:./documents/00099478
Loading training data for CRF from document:./documents/00099479
Loading training data for CRF from document:./documents/00099480
Loading training data for CRF from document:./documents/00099481
Loading training data for CRF from document:./documents/00099482
Loading training data for CRF from document:./documents/00099483
Loading training data for CRF from document:./documents/00099484
Loading training data for CRF from document:./documents/00099485
Loading training data for CRF from document:./documents/00099486
Loading training data for CRF from document:./documents/00099487
Loading training data for CRF from document:./documents/00099488
Loading training data for CRF from document:./documents/00099489
Loading training data for CRF from document:./documents/00099490
Loading training data for CRF from document:./documents/00099491
Loading training data for CRF from document:./documents/00099492
Loading training data for CRF from document:./documents/00099493
Loading training data for CRF from document:./documents/00099494
Loading training data for CRF from document:./documents/00099495
Loading training data for CRF from document:./documents/00099496
Loading training data for CRF from document:./documents/00099497
Loading training data for CRF from document:./documents/00099498
Loading training data for CRF from document:./documents/00099499
Loading training data for CRF from document:./documents/00099500
Loading training data for CRF from document:./documents/00099501
Loading training data for CRF from document:./documents/00099502
Loading training data for CRF from document:./documents/00099503
Loading training data for CRF from document:./documents/00099504
Loading training data for CRF from document:./documents/00099505
Loading training data for CRF from document:./documents/00099506
Loading training data for CRF from document:./documents/00099507
Loading training data for CRF from document:./documents/00099508
Loading training data for CRF from document:./documents/00099509
Loading training data for CRF from document:./documents/00099510
Loading training data for CRF from document:./documents/00099511
Loading training data for CRF from document:./documents/00099512
Loading training data for CRF from document:./documents/00099513
Loading training data for CRF from document:./documents/00099514
Loading training data for CRF from document:./documents/00099515
Loading training data for CRF from document:./documents/00099516
Loading training data for CRF from document:./documents/00099517
Loading training data for CRF from document:./documents/00099518
Loading training data for CRF from document:./documents/00099519
Loading training data for CRF from document:./documents/00099520
Loading training data for CRF from document:./documents/00099521
Loading training data for CRF from document:./documents/00099522
Loading training data for CRF from document:./documents/00099523
Loading training data for CRF from document:./documents/00099524
Loading training data for CRF from document:./documents/00099525
Loading training data for CRF from document:./documents/00099526
Loading training data for CRF from document:./documents/00099527
Loading training data for CRF from document:./documents/00099528
Loading training data for CRF from document:./documents/00099529
Loading training data for CRF from document:./documents/00099530
Loading training data for CRF from document:./documents/00099531
Loading training data for CRF from document:./documents/00099532
Loading training data for CRF from document:./documents/00099533
Loading training data for CRF from document:./documents/00099534
Loading training data for CRF from document:./documents/00099535
Loading training data for CRF from document:./documents/00099536
Loading training data for CRF from document:./documents/00099537
Loading training data for CRF from document:./documents/00099538
Loading training data for CRF from document:./documents/00099539
Loading training data for CRF from document:./documents/00099540
Loading training data for CRF from document:./documents/00099541
Loading training data for CRF from document:./documents/00099542
Loading training data for CRF from document:./documents/00099543
Loading training data for CRF from document:./documents/00099544
Loading training data for CRF from document:./documents/00099545
Loading training data for CRF from document:./documents/00099546
Loading training data for CRF from document:./documents/00099547
Loading training data for CRF from document:./documents/00099548
Loading training data for CRF from document:./documents/00099549
Loading training data for CRF from document:./documents/00099550
Loading training data for CRF from document:./documents/00099551
Loading training data for CRF from document:./documents/00099552
Loading training data for CRF from document:./documents/00099553
Loading training data for CRF from document:./documents/00099554
Loading training data for CRF from document:./documents/00099555
Loading training data for CRF from document:./documents/00099556
Loading training data for CRF from document:./documents/00099557
Loading training data for CRF from document:./documents/00099558
Loading training data for CRF from document:./documents/00099559
Loading training data for CRF from document:./documents/00099560
Loading training data for CRF from document:./documents/00099561
Loading training data for CRF from document:./documents/00099562
Loading training data for CRF from document:./documents/00099563
Loading training data for CRF from document:./documents/00099564
Loading training data for CRF from document:./documents/00099565
Loading training data for CRF from document:./documents/00099566
Loading training data for CRF from document:./documents/00099567
Loading training data for CRF from document:./documents/00099568
Loading training data for CRF from document:./documents/00099569
Loading training data for CRF from document:./documents/00099570
Loading training data for CRF from document:./documents/00099571
Loading training data for CRF from document:./documents/00099572
Loading training data for CRF from document:./documents/00099573
Loading training data for CRF from document:./documents/00099574
Loading training data for CRF from document:./documents/00099575
Loading training data for CRF from document:./documents/00099576
Loading training data for CRF from document:./documents/00099577
Loading training data for CRF from document:./documents/00099578
Loading training data for CRF from document:./documents/00099579
Loading training data for CRF from document:./documents/00099580
Loading training data for CRF from document:./documents/00099581
Loading training data for CRF from document:./documents/00099582
Loading training data for CRF from document:./documents/00099583
Loading training data for CRF from document:./documents/00099584
Loading training data for CRF from document:./documents/00099585
Loading training data for CRF from document:./documents/00099586
Loading training data for CRF from document:./documents/00099587
Loading training data for CRF from document:./documents/00099588
Loading training data for CRF from document:./documents/00099589
Loading training data for CRF from document:./documents/00099590
Loading training data for CRF from document:./documents/00099591
Loading training data for CRF from document:./documents/00099592
Loading training data for CRF from document:./documents/00099593
Loading training data for CRF from document:./documents/00099594
Loading training data for CRF from document:./documents/00099595
Loading training data for CRF from document:./documents/00099596
Loading training data for CRF from document:./documents/00099597
Loading training data for CRF from document:./documents/00099598
Loading training data for CRF from document:./documents/00099599
Loading training data for CRF from document:./documents/00099600
Loading training data for CRF from document:./documents/00099601
Loading training data for CRF from document:./documents/00099602
Loading training data for CRF from document:./documents/00099603
Loading training data for CRF from document:./documents/00099604
Loading training data for CRF from document:./documents/00099605
Loading training data for CRF from document:./documents/00099606
Loading training data for CRF from document:./documents/00099607
Loading training data for CRF from document:./documents/00099608
Loading training data for CRF from document:./documents/00099609
Loading training data for CRF from document:./documents/00099610
Loading training data for CRF from document:./documents/00099611
Loading training data for CRF from document:./documents/00099612
Loading training data for CRF from document:./documents/00099613
Loading training data for CRF from document:./documents/00099614
Loading training data for CRF from document:./documents/00099615
Loading training data for CRF from document:./documents/00099616
Loading training data for CRF from document:./documents/00099617
Loading training data for CRF from document:./documents/00099618
Loading training data for CRF from document:./documents/00099619
Loading training data for CRF from document:./documents/00099620
Loading training data for CRF from document:./documents/00099621
Loading training data for CRF from document:./documents/00099622
Loading training data for CRF from document:./documents/00099623
Loading training data for CRF from document:./documents/00099624
Loading training data for CRF from document:./documents/00099625
Loading training data for CRF from document:./documents/00099626
Loading training data for CRF from document:./documents/00099627
Loading training data for CRF from document:./documents/00099628
Loading training data for CRF from document:./documents/00099629
Loading training data for CRF from document:./documents/00099630
Loading training data for CRF from document:./documents/00099631
Loading training data for CRF from document:./documents/00099632
Loading training data for CRF from document:./documents/00099633
Loading training data for CRF from document:./documents/00099634
Loading training data for CRF from document:./documents/00099635
Loading training data for CRF from document:./documents/00099636
Loading training data for CRF from document:./documents/00099637
Loading training data for CRF from document:./documents/00099638
Loading training data for CRF from document:./documents/00099639
Loading training data for CRF from document:./documents/00099640
Loading training data for CRF from document:./documents/00099641
Loading training data for CRF from document:./documents/00099642
Loading training data for CRF from document:./documents/00099643
Loading training data for CRF from document:./documents/00099644
Loading training data for CRF from document:./documents/00099645
Loading training data for CRF from document:./documents/00099646
Loading training data for CRF from document:./documents/00099647
Loading training data for CRF from document:./documents/00099648
Loading training data for CRF from document:./documents/00099649
Loading training data for CRF from document:./documents/00099650
Loading training data for CRF from document:./documents/00099651
Loading training data for CRF from document:./documents/00099652
Loading training data for CRF from document:./documents/00099653
Loading training data for CRF from document:./documents/00099654
Loading training data for CRF from document:./documents/00099655
Loading training data for CRF from document:./documents/00099656
Loading training data for CRF from document:./documents/00099657
Loading training data for CRF from document:./documents/00099658
Loading training data for CRF from document:./documents/00099659
Loading training data for CRF from document:./documents/00099660
Loading training data for CRF from document:./documents/00099661
Loading training data for CRF from document:./documents/00099662
Loading training data for CRF from document:./documents/00099663
Loading training data for CRF from document:./documents/00099664
Loading training data for CRF from document:./documents/00099665
Loading training data for CRF from document:./documents/00099666
Loading training data for CRF from document:./documents/00099667
Loading training data for CRF from document:./documents/00099668
Loading training data for CRF from document:./documents/00099669
Loading training data for CRF from document:./documents/00099670
Loading training data for CRF from document:./documents/00099671
Loading training data for CRF from document:./documents/00099672
Loading training data for CRF from document:./documents/00099673
Loading training data for CRF from document:./documents/00099674
Loading training data for CRF from document:./documents/00099675
Loading training data for CRF from document:./documents/00099676
Loading training data for CRF from document:./documents/00099677
Loading training data for CRF from document:./documents/00099678
Loading training data for CRF from document:./documents/00099679
Loading training data for CRF from document:./documents/00099680
Loading training data for CRF from document:./documents/00099681
Loading training data for CRF from document:./documents/00099682
Loading training data for CRF from document:./documents/00099683
Loading training data for CRF from document:./documents/00099684
Loading training data for CRF from document:./documents/00099685
Loading training data for CRF from document:./documents/00099686
Loading training data for CRF from document:./documents/00099687
Loading training data for CRF from document:./documents/00099688
Loading training data for CRF from document:./documents/00099689
Loading training data for CRF from document:./documents/00099690
Loading training data for CRF from document:./documents/00099691
Loading training data for CRF from document:./documents/00099692
Loading training data for CRF from document:./documents/00099693
Loading training data for CRF from document:./documents/00099694
Loading training data for CRF from document:./documents/00099695
Loading training data for CRF from document:./documents/00099696
Loading training data for CRF from document:./documents/00099697
Loading training data for CRF from document:./documents/00099698
Loading training data for CRF from document:./documents/00099699
Loading training data for CRF from document:./documents/00099700
Loading training data for CRF from document:./documents/00099701
Loading training data for CRF from document:./documents/00099702
Loading training data for CRF from document:./documents/00099703
Loading training data for CRF from document:./documents/00099704
Loading training data for CRF from document:./documents/00099705
Loading training data for CRF from document:./documents/00099706
Loading training data for CRF from document:./documents/00099707
Loading training data for CRF from document:./documents/00099708
Loading training data for CRF from document:./documents/00099709
Loading training data for CRF from document:./documents/00099710
Loading training data for CRF from document:./documents/00099711
Loading training data for CRF from document:./documents/00099712
Loading training data for CRF from document:./documents/00099713
Loading training data for CRF from document:./documents/00099714
Loading training data for CRF from document:./documents/00099715
Loading training data for CRF from document:./documents/00099716
Loading training data for CRF from document:./documents/00099717
Loading training data for CRF from document:./documents/00099718
Loading training data for CRF from document:./documents/00099719
Loading training data for CRF from document:./documents/00099720
Loading training data for CRF from document:./documents/00099721
Loading training data for CRF from document:./documents/00099722
Loading training data for CRF from document:./documents/00099723
Loading training data for CRF from document:./documents/00099724
Loading training data for CRF from document:./documents/00099725
Loading training data for CRF from document:./documents/00099726
Loading training data for CRF from document:./documents/00099727
Loading training data for CRF from document:./documents/00099728
Loading training data for CRF from document:./documents/00099729
Loading training data for CRF from document:./documents/00099730
Loading training data for CRF from document:./documents/00099731
Loading training data for CRF from document:./documents/00099732
Loading training data for CRF from document:./documents/00099733
Loading training data for CRF from document:./documents/00099734
Loading training data for CRF from document:./documents/00099735
Loading training data for CRF from document:./documents/00099736
Loading training data for CRF from document:./documents/00099737
Loading training data for CRF from document:./documents/00099738
Loading training data for CRF from document:./documents/00099739
Loading training data for CRF from document:./documents/00099740
Loading training data for CRF from document:./documents/00099741
Loading training data for CRF from document:./documents/00099742
Loading training data for CRF from document:./documents/00099743
Loading training data for CRF from document:./documents/00099744
Loading training data for CRF from document:./documents/00099745
Loading training data for CRF from document:./documents/00099746
Loading training data for CRF from document:./documents/00099747
Loading training data for CRF from document:./documents/00099748
Loading training data for CRF from document:./documents/00099749
Loading training data for CRF from document:./documents/00099750
Loading training data for CRF from document:./documents/00099751
Loading training data for CRF from document:./documents/00099752
Loading training data for CRF from document:./documents/00099753
Loading training data for CRF from document:./documents/00099754
Loading training data for CRF from document:./documents/00099755
Loading training data for CRF from document:./documents/00099756
Loading training data for CRF from document:./documents/00099757
Loading training data for CRF from document:./documents/00099758
Loading training data for CRF from document:./documents/00099759
Loading training data for CRF from document:./documents/00099760
Loading training data for CRF from document:./documents/00099761
Loading training data for CRF from document:./documents/00099762
Loading training data for CRF from document:./documents/00099763
Loading training data for CRF from document:./documents/00099764
Loading training data for CRF from document:./documents/00099765
Loading training data for CRF from document:./documents/00099766
Loading training data for CRF from document:./documents/00099767
Loading training data for CRF from document:./documents/00099768
Loading training data for CRF from document:./documents/00099769
Loading training data for CRF from document:./documents/00099770
Loading training data for CRF from document:./documents/00099771
Loading training data for CRF from document:./documents/00099772
Loading training data for CRF from document:./documents/00099773
Loading training data for CRF from document:./documents/00099774
Loading training data for CRF from document:./documents/00099775
Loading training data for CRF from document:./documents/00099776
Loading training data for CRF from document:./documents/00099777
Loading training data for CRF from document:./documents/00099778
Loading training data for CRF from document:./documents/00099779
Loading training data for CRF from document:./documents/00099780
Loading training data for CRF from document:./documents/00099781
Loading training data for CRF from document:./documents/00099782
Loading training data for CRF from document:./documents/00099783
Loading training data for CRF from document:./documents/00099784
Loading training data for CRF from document:./documents/00099785
Loading training data for CRF from document:./documents/00099786
Loading training data for CRF from document:./documents/00099787
Loading training data for CRF from document:./documents/00099788
Loading training data for CRF from document:./documents/00099789
Loading training data for CRF from document:./documents/00099790
Loading training data for CRF from document:./documents/00099791
Loading training data for CRF from document:./documents/00099792
Loading training data for CRF from document:./documents/00099793
Loading training data for CRF from document:./documents/00099794
Loading training data for CRF from document:./documents/00099795
Loading training data for CRF from document:./documents/00099796
Loading training data for CRF from document:./documents/00099797
Loading training data for CRF from document:./documents/00099798
Loading training data for CRF from document:./documents/00099799
Loading training data for CRF from document:./documents/00099800
Loading training data for CRF from document:./documents/00099801
Loading training data for CRF from document:./documents/00099802
Loading training data for CRF from document:./documents/00099803
Loading training data for CRF from document:./documents/00099804
Loading training data for CRF from document:./documents/00099805
Loading training data for CRF from document:./documents/00099806
Loading training data for CRF from document:./documents/00099807
Loading training data for CRF from document:./documents/00099808
Loading training data for CRF from document:./documents/00099809
Loading training data for CRF from document:./documents/00099810
Loading training data for CRF from document:./documents/00099811
Loading training data for CRF from document:./documents/00099812
Loading training data for CRF from document:./documents/00099813
Loading training data for CRF from document:./documents/00099814
Loading training data for CRF from document:./documents/00099815
Loading training data for CRF from document:./documents/00099816
Loading training data for CRF from document:./documents/00099817
Loading training data for CRF from document:./documents/00099818
Loading training data for CRF from document:./documents/00099819
Loading training data for CRF from document:./documents/00099820
Loading training data for CRF from document:./documents/00099821
Loading training data for CRF from document:./documents/00099822
Loading training data for CRF from document:./documents/00099823
Loading training data for CRF from document:./documents/00099824
Loading training data for CRF from document:./documents/00099825
Loading training data for CRF from document:./documents/00099826
Loading training data for CRF from document:./documents/00099827
Loading training data for CRF from document:./documents/00099828
Loading training data for CRF from document:./documents/00099829
Loading training data for CRF from document:./documents/00099830
Loading training data for CRF from document:./documents/00099831
Loading training data for CRF from document:./documents/00099832
Loading training data for CRF from document:./documents/00099833
Loading training data for CRF from document:./documents/00099834
Loading training data for CRF from document:./documents/00099835
Loading training data for CRF from document:./documents/00099836
Loading training data for CRF from document:./documents/00099837
Loading training data for CRF from document:./documents/00099838
Loading training data for CRF from document:./documents/00099839
Loading training data for CRF from document:./documents/00099840
Loading training data for CRF from document:./documents/00099841
Loading training data for CRF from document:./documents/00099842
Loading training data for CRF from document:./documents/00099843
Loading training data for CRF from document:./documents/00099844
Loading training data for CRF from document:./documents/00099845
Loading training data for CRF from document:./documents/00099846
Loading training data for CRF from document:./documents/00099847
Loading training data for CRF from document:./documents/00099848
Loading training data for CRF from document:./documents/00099849
Loading training data for CRF from document:./documents/00099850
Training CRF classifer using features:
orth[-2]
orth[-1]
orth[0]
orth[1]
orth[2]
base[-2]
base[-1]
base[0]
base[1]
base[2]
synonym[-2]
synonym[-1]
synonym[0]
synonym[1]
synonym[2]
hypernym-1[-2]
hypernym-1[-1]
hypernym-1[0]
hypernym-1[1]
hypernym-1[2]
hypernym-2[-2]
hypernym-2[-1]
hypernym-2[0]
hypernym-2[1]
hypernym-2[2]
hypernym-3[-2]
hypernym-3[-1]
hypernym-3[0]
hypernym-3[1]
hypernym-3[2]
class[-1]
class[0]
class[1]
case[0]
gender[-2]
gender[-1]
gender[0]
gender[1]
gender[2]
pattern[0]
prefix-1[-2]
prefix-1[-1]
prefix-1[0]
prefix-1[1]
prefix-1[2]
prefix-3[-2]
prefix-3[-1]
prefix-3[0]
prefix-3[1]
prefix-3[2]
prefix-4[-2]
prefix-4[-1]
prefix-4[0]
prefix-4[1]
prefix-4[2]
suffix-1[-2]
suffix-1[-1]
suffix-1[0]
suffix-1[1]
suffix-1[2]
suffix-2[-2]
suffix-2[-1]
suffix-2[0]
suffix-2[1]
suffix-2[2]
suffix-3[-2]
suffix-3[-1]
suffix-3[0]
suffix-3[1]
suffix-3[2]
suffix-4[-2]
suffix-4[-1]
suffix-4[0]
suffix-4[1]
suffix-4[2]
starts_with_upper_case[-2]
starts_with_upper_case[-1]
starts_with_upper_case[0]
starts_with_upper_case[1]
starts_with_upper_case[2]
starts_with_lower_case[-2]
starts_with_lower_case[-1]
starts_with_lower_case[0]
starts_with_lower_case[1]
starts_with_lower_case[2]
starts_with_symbol[-2]
starts_with_symbol[-1]
starts_with_symbol[0]
starts_with_symbol[1]
starts_with_symbol[2]
starts_with_digit[-2]
starts_with_digit[-1]
starts_with_digit[0]
starts_with_digit[1]
starts_with_digit[2]
has_upper_case[-2]
has_upper_case[-1]
has_upper_case[0]
has_upper_case[1]
has_upper_case[2]
has_lower_case[-2]
has_lower_case[-1]
has_lower_case[0]
has_lower_case[1]
has_lower_case[2]
has_symbol[-2]
has_symbol[-1]
has_symbol[0]
has_symbol[1]
has_symbol[2]
has_digit[-2]
has_digit[-1]
has_digit[0]
has_digit[1]
has_digit[2]
dict_person_first_nam[-2]
dict_person_first_nam[-1]
dict_person_first_nam[0]
dict_person_first_nam[1]
dict_person_first_nam[2]
dict_person_last_nam[-2]
dict_person_last_nam[-1]
dict_person_last_nam[0]
dict_person_last_nam[1]
dict_person_last_nam[2]
dict_country_nam[-2]
dict_country_nam[-1]
dict_country_nam[0]
dict_country_nam[1]
dict_country_nam[2]
dict_city_nam[-2]
dict_city_nam[-1]
dict_city_nam[0]
dict_city_nam[1]
dict_city_nam[2]
dict_road_nam[-2]
dict_road_nam[-1]
dict_road_nam[0]
dict_road_nam[1]
dict_road_nam[2]
dict_person_prefix[-2]
dict_person_prefix[-1]
dict_person_prefix[0]
dict_person_prefix[1]
dict_person_prefix[2]
dict_person_noun[-2]
dict_person_noun[-1]
dict_person_noun[0]
dict_person_noun[1]
dict_person_noun[2]
dict_person_suffix[-2]
dict_person_suffix[-1]
dict_person_suffix[0]
dict_person_suffix[1]
dict_person_suffix[2]
dict_road_prefix[-2]
dict_road_prefix[-1]
dict_road_prefix[0]
dict_road_prefix[1]
dict_road_prefix[2]
dict_country_prefix[-2]
dict_country_prefix[-1]
dict_country_prefix[0]
dict_country_prefix[1]
dict_country_prefix[2]
base[-4]_dict_person_first_nam[-3]_dict_person_last_nam[-2]_base[-1]_dict_person_last_nam[0]
dict_trigger_int_bloc[-2]
dict_trigger_int_bloc[-1]
dict_trigger_int_bloc[0]
dict_trigger_int_bloc[1]
dict_trigger_int_bloc[2]
dict_trigger_ext_bloc[-2]
dict_trigger_ext_bloc[-1]
dict_trigger_ext_bloc[0]
dict_trigger_ext_bloc[1]
dict_trigger_ext_bloc[2]
dict_trigger_int_country[-2]
dict_trigger_int_country[-1]
dict_trigger_int_country[0]
dict_trigger_int_country[1]
dict_trigger_int_country[2]
dict_trigger_ext_country[-2]
dict_trigger_ext_country[-1]
dict_trigger_ext_country[0]
dict_trigger_ext_country[1]
dict_trigger_ext_country[2]
dict_trigger_int_district[-2]
dict_trigger_int_district[-1]
dict_trigger_int_district[0]
dict_trigger_int_district[1]
dict_trigger_int_district[2]
dict_trigger_ext_district[-2]
dict_trigger_ext_district[-1]
dict_trigger_ext_district[0]
dict_trigger_ext_district[1]
dict_trigger_ext_district[2]
dict_trigger_int_geogName[-2]
dict_trigger_int_geogName[-1]
dict_trigger_int_geogName[0]
dict_trigger_int_geogName[1]
dict_trigger_int_geogName[2]
dict_trigger_ext_geogName[-2]
dict_trigger_ext_geogName[-1]
dict_trigger_ext_geogName[0]
dict_trigger_ext_geogName[1]
dict_trigger_ext_geogName[2]
dict_trigger_int_orgName[-2]
dict_trigger_int_orgName[-1]
dict_trigger_int_orgName[0]
dict_trigger_int_orgName[1]
dict_trigger_int_orgName[2]
dict_trigger_ext_orgName[-2]
dict_trigger_ext_orgName[-1]
dict_trigger_ext_orgName[0]
dict_trigger_ext_orgName[1]
dict_trigger_ext_orgName[2]
dict_trigger_int_persName[-2]
dict_trigger_int_persName[-1]
dict_trigger_int_persName[0]
dict_trigger_int_persName[1]
dict_trigger_int_persName[2]
dict_trigger_ext_persName[-2]
dict_trigger_ext_persName[-1]
dict_trigger_ext_persName[0]
dict_trigger_ext_persName[1]
dict_trigger_ext_persName[2]
dict_trigger_int_region[-2]
dict_trigger_int_region[-1]
dict_trigger_int_region[0]
dict_trigger_int_region[1]
dict_trigger_int_region[2]
dict_trigger_ext_region[-2]
dict_trigger_ext_region[-1]
dict_trigger_ext_region[0]
dict_trigger_ext_region[1]
dict_trigger_ext_region[2]
dict_trigger_int_settlement[-2]
dict_trigger_int_settlement[-1]
dict_trigger_int_settlement[0]
dict_trigger_int_settlement[1]
dict_trigger_int_settlement[2]
dict_trigger_ext_settlement[-2]
dict_trigger_ext_settlement[-1]
dict_trigger_ext_settlement[0]
dict_trigger_ext_settlement[1]
dict_trigger_ext_settlement[2]
agr1[-2]
agr1[-1]
agr1[0]
agr1[1]
agr1[2]
nospace[-2]
nospace[-1]
nospace[0]
nospace[1]
nospace[2]
parenthesis[-2]
parenthesis[-1]
parenthesis[0]
parenthesis[1]
parenthesis[2]
quotation[-2]
quotation[-1]
quotation[0]
quotation[1]
quotation[2]
length[-2]
length[-1]
length[0]
length[1]
length[2]
has_upper_case[0]_agr1[-1]_pattern[2]_has_upper_case[-1]_case[0]_number[-1]
has_upper_case[0]_all_digits[-1]_all_upper[-2]_length[1]_nospace[1]
has_upper_case[0]_all_upper[-1]_pattern[-1]_ctag[0]
has_upper_case[0]_all_upper[-1]_pattern[-1]_has_upper_case[1]
has_upper_case[0]_all_upper[-1]_pattern[-1]_pattern[-2]_agr1[1]_pattern[0]
has_upper_case[0]_all_upper[-1]_pattern[-1]_pattern[-2]_class[0]
has_upper_case[0]_all_upper[-1]_starts_with_digit[-2]_starts_with_lower_case[1]_case[0]
has_upper_case[0]_ctag[0]_has_upper_case[1]
has_upper_case[0]_ctag[0]_parenthesis[0]_class[2]_agr1[2]
has_upper_case[0]_ctag[0]_suffix-1[0]
has_upper_case[0]_dict_person_first_nam[-1]_all_upper[-2]_all_alphanumeric[2]_starts_with_lower_case[2]_all_alphanumeric[1]
has_upper_case[0]_dict_person_first_nam[-1]_has_digit[-2]_has_lower_case[0]_nospace[-1]_nospace[-2]_ctag[-1]
has_upper_case[0]_dict_person_first_nam[-1]_has_lower_case[-1]_all_alphanumeric[2]_class[0]
has_upper_case[0]_dict_person_first_nam[-1]_has_lower_case[2]_all_letters[-1]_ctag[0]_all_alphanumeric[1]
has_upper_case[0]_dict_person_first_nam[-1]_has_lower_case[-2]_length[1]
has_upper_case[0]_dict_person_first_nam[-1]_has_lower_case[-2]_starts_with_lower_case[1]_orth[-1]
has_upper_case[0]_dict_person_first_nam[-1]_pattern[-1]_class[0]
has_upper_case[0]_dict_person_first_nam[-1]_pattern[1]_parenthesis[0]
has_upper_case[0]_starts_with_lower_case[1]_case[0]_orth[2]
has_upper_case[0]_starts_with_lower_case[1]_case[0]_pattern[1]_agr1[1]_gender[0]
has_upper_case[-1]_has_upper_case[0]_nospace[-2]_pattern[0]
has_upper_case[-1]_starts_with_lower_case[1]_all_letters[1]_orth[0]_starts_with_lower_case[-2]
has_upper_case[-1]_starts_with_lower_case[1]_orth[0]_nospace[-1]
has_upper_case[-1]_starts_with_lower_case[1]_parenthesis[-2]_class[-2]_orth[-1]
has_upper_case[-2]_has_upper_case[0]_orth[-1]_nospace[-2]
has_upper_case[-2]_starts_with_upper_case[0]_orth[-1]
starts_with_lower_case[-1]_has_upper_case[0]_case[-1]_case[2]
starts_with_lower_case[-1]_has_upper_case[0]_pattern[-1]_ctag[-1]_pattern[0]
starts_with_lower_case[1]_starts_with_lower_case[-1]_all_letters[-1]_parenthesis[-2]_pattern[1]_length[0]
starts_with_lower_case[-1]_starts_with_upper_case[0]_class[-1]_agr1[0]_gender[-1]
starts_with_lower_case[1]_starts_with_upper_case[-1]_class[-2]_no_letters[0]_length[0]
starts_with_lower_case[1]_starts_with_upper_case[-1]_parenthesis[-2]_agr1[-2]_ctag[-2]
starts_with_lower_case[1]_starts_with_upper_case[-1]_parenthesis[-2]_case[-1]_ctag[0]
starts_with_lower_case[1]_starts_with_upper_case[-2]_agr1[-2]_ctag[-2]_struct[-2]
starts_with_lower_case[1]_starts_with_upper_case[-2]_agr1[-2]_quotation[-1]
starts_with_lower_case[1]_starts_with_upper_case[-2]_pattern[0]_length[-1]
starts_with_lower_case[1]_starts_with_upper_case[-2]_starts_with_upper_case[0]_length[-1]_ctag[-1]
starts_with_upper_case[0]_agr1[-1]_gender[0]_number[0]
starts_with_upper_case[0]_agr1[-1]_orth[-1]_class[-2]
starts_with_upper_case[0]_class[0]_gender[0]_prefix-1[0]_all_alphanumeric[1]
starts_with_upper_case[0]_class[0]_starts_with_lower_case[1]_struct[2]_agr1[1]
starts_with_upper_case[0]_ctag[0]_parenthesis[0]_class[1]
starts_with_upper_case[0]_dict_person_first_nam[-1]_class[0]_parenthesis[2]_ctag[0]
starts_with_upper_case[0]_dict_person_first_nam[-1]_has_lower_case[2]_has_digit[-2]_gender[1]
starts_with_upper_case[0]_starts_with_lower_case[1]_case[0]_suffix-2[1]
starts_with_upper_case[0]_starts_with_lower_case[1]_pattern[1]_length[2]_nospace[1]_case[0]_ctag[2]
starts_with_upper_case[-1]_starts_with_lower_case[1]_all_digits[-2]_has_upper_case[1]_orth[0]
starts_with_upper_case[-1]_starts_with_lower_case[1]_starts_with_upper_case[0]_nospace[2]_gender[-1]
starts_with_upper_case[-1]_starts_with_upper_case[0]_all_upper[-2]_agr1[1]_has_lower_case[2]
starts_with_upper_case[-1]_starts_with_upper_case[0]_all_upper[-2]_nospace[0]
starts_with_upper_case[-1]_starts_with_upper_case[0]_pattern[2]_suffix-1[-1]

CRF++: Yet Another CRF Tool Kit
Copyright (C) 2005-2012 Taku Kudo, All rights reserved.

reading training data: 100.. 200.. 300.. 400.. 500.. 600.. 700.. 800.. 900.. 1000.. 1100.. 1200.. 1300.. 1400.. 1500.. 1600.. 1700.. 1800.. 1900.. 2000.. 2100.. 2200.. 2300.. 2400.. 2500.. 2600.. 2700.. 2800.. 2900.. 3000.. 3100.. 3200.. 3300.. 3400.. 3500.. 3600.. 3700.. 3800.. 3900.. 4000.. 4100.. 4200.. 4300.. 4400.. 4500.. 4600.. 4700.. 4800.. 4900.. 5000.. 5100.. 5200.. 5300.. 5400.. 5500.. 5600.. 5700.. 5800.. 5900.. 6000.. 6100.. 6200.. 6300.. 6400.. 6500.. 6600.. 6700.. 6800.. 6900.. 7000.. 7100.. 7200.. 7300.. 7400.. 7500.. 
Done!47.06 s

Number of sentences: 7575
Number of features:  876495
Number of thread(s): 1
Freq:                5
eta:                 0.00010
C:                   1.00000
shrinking size:      20
iter=0 terr=0.92664 serr=1.00000 act=876495 obj=162043.11535 diff=1.00000
iter=1 terr=0.11704 serr=0.68013 act=876495 obj=250690.87237 diff=0.54706
iter=2 terr=0.11704 serr=0.68013 act=876495 obj=83219.36059 diff=0.66804
iter=3 terr=0.11704 serr=0.68013 act=876495 obj=72639.63601 diff=0.12713
iter=4 terr=0.87328 serr=0.99934 act=876495 obj=175539.28960 diff=1.41658
iter=5 terr=0.11704 serr=0.68013 act=876495 obj=59771.15312 diff=0.65950
iter=6 terr=0.11704 serr=0.68013 act=876495 obj=57061.74045 diff=0.04533
iter=7 terr=0.11704 serr=0.68013 act=876495 obj=53532.89351 diff=0.06184
iter=8 terr=0.11704 serr=0.68013 act=876495 obj=45864.33797 diff=0.14325
iter=9 terr=0.08656 serr=0.60700 act=876495 obj=32094.11017 diff=0.30024
iter=10 terr=0.06467 serr=0.54112 act=876495 obj=33163.85641 diff=0.03333
iter=11 terr=0.06673 serr=0.53320 act=876495 obj=28128.74549 diff=0.15183
iter=12 terr=0.03608 serr=0.34007 act=876495 obj=21872.75571 diff=0.22241
iter=13 terr=0.03374 serr=0.31498 act=876495 obj=20098.93601 diff=0.08110
iter=14 terr=0.03349 serr=0.31393 act=876495 obj=18946.91630 diff=0.05732
iter=15 terr=0.03690 serr=0.35762 act=876495 obj=18868.01972 diff=0.00416
iter=16 terr=0.03416 serr=0.32832 act=876495 obj=17901.79595 diff=0.05121
iter=17 terr=0.03358 serr=0.32317 act=876495 obj=17602.85849 diff=0.01670
iter=18 terr=0.03227 serr=0.30891 act=876495 obj=16655.90907 diff=0.05380
iter=19 terr=0.03132 serr=0.30046 act=876495 obj=15591.22680 diff=0.06392
iter=20 terr=0.03199 serr=0.31617 act=876495 obj=14865.39624 diff=0.04655
iter=21 terr=0.02822 serr=0.27591 act=876495 obj=13580.90367 diff=0.08641
iter=22 terr=0.02767 serr=0.26733 act=876495 obj=13188.47678 diff=0.02890
iter=23 terr=0.02670 serr=0.25716 act=876495 obj=12364.58932 diff=0.06247
iter=24 terr=0.02774 serr=0.26785 act=876495 obj=12160.22194 diff=0.01653
iter=25 terr=0.02673 serr=0.26416 act=876495 obj=11979.47264 diff=0.01486
iter=26 terr=0.02603 serr=0.25756 act=876495 obj=11812.37450 diff=0.01395
iter=27 terr=0.02498 serr=0.24739 act=876495 obj=11442.75397 diff=0.03129
iter=28 terr=0.02394 serr=0.23802 act=876495 obj=10818.73671 diff=0.05453
iter=29 terr=0.02382 serr=0.23023 act=876495 obj=10448.53324 diff=0.03422
iter=30 terr=0.02341 serr=0.23023 act=876495 obj=10078.00296 diff=0.03546
iter=31 terr=0.02321 serr=0.23102 act=876495 obj=9933.38572 diff=0.01435
iter=32 terr=0.02285 serr=0.22957 act=876495 obj=9746.56289 diff=0.01881
iter=33 terr=0.02365 serr=0.22257 act=876495 obj=9542.39702 diff=0.02095
iter=34 terr=0.02220 serr=0.21927 act=876495 obj=9312.36718 diff=0.02411
iter=35 terr=0.02117 serr=0.20766 act=876495 obj=8829.77325 diff=0.05182
iter=36 terr=0.01958 serr=0.19261 act=876495 obj=8271.85987 diff=0.06319
iter=37 terr=0.02014 serr=0.19762 act=876495 obj=7869.06130 diff=0.04870
iter=38 terr=0.01911 serr=0.18719 act=876495 obj=7692.53442 diff=0.02243
iter=39 terr=0.01830 serr=0.17584 act=876495 obj=7535.46744 diff=0.02042
iter=40 terr=0.01816 serr=0.17228 act=876495 obj=7436.74843 diff=0.01310
iter=41 terr=0.01790 serr=0.16990 act=876495 obj=7275.06300 diff=0.02174
iter=42 terr=0.01736 serr=0.16396 act=876495 obj=6777.10070 diff=0.06845
iter=43 terr=0.01727 serr=0.16436 act=876495 obj=6533.93322 diff=0.03588
iter=44 terr=0.01896 serr=0.17690 act=876495 obj=6518.81733 diff=0.00231
iter=45 terr=0.01787 serr=0.16845 act=876495 obj=6353.97456 diff=0.02529
iter=46 terr=0.01746 serr=0.16290 act=876495 obj=6130.46565 diff=0.03518
iter=47 terr=0.01731 serr=0.16000 act=876495 obj=5916.76388 diff=0.03486
iter=48 terr=0.01704 serr=0.16475 act=876495 obj=5934.24238 diff=0.00295
iter=49 terr=0.01678 serr=0.15842 act=876495 obj=5797.47187 diff=0.02305
iter=50 terr=0.01654 serr=0.15591 act=876495 obj=5669.96335 diff=0.02199
iter=51 terr=0.01622 serr=0.15274 act=876495 obj=5539.46150 diff=0.02302
iter=52 terr=0.01572 serr=0.15010 act=876495 obj=5409.81281 diff=0.02340
iter=53 terr=0.01506 serr=0.14587 act=876495 obj=5208.52562 diff=0.03721
iter=54 terr=0.01454 serr=0.14033 act=876495 obj=4822.90606 diff=0.07404
iter=55 terr=0.01872 serr=0.16528 act=876495 obj=5639.00915 diff=0.16921
iter=56 terr=0.01416 serr=0.13795 act=876495 obj=4724.22938 diff=0.16222
iter=57 terr=0.01391 serr=0.13373 act=876495 obj=4594.12096 diff=0.02754
iter=58 terr=0.01382 serr=0.13333 act=876495 obj=4520.40101 diff=0.01605
iter=59 terr=0.01366 serr=0.12871 act=876495 obj=4466.26425 diff=0.01198
iter=60 terr=0.01346 serr=0.12977 act=876495 obj=4375.94327 diff=0.02022
iter=61 terr=0.01310 serr=0.12911 act=876495 obj=4285.62073 diff=0.02064
iter=62 terr=0.01285 serr=0.12673 act=876495 obj=4171.57492 diff=0.02661
iter=63 terr=0.01252 serr=0.12211 act=876495 obj=4095.63694 diff=0.01820
iter=64 terr=0.01206 serr=0.11881 act=876495 obj=4008.10612 diff=0.02137
iter=65 terr=0.01193 serr=0.11776 act=876495 obj=3968.89940 diff=0.00978
iter=66 terr=0.01144 serr=0.11393 act=876495 obj=3871.26537 diff=0.02460
iter=67 terr=0.01144 serr=0.11432 act=876495 obj=3794.57766 diff=0.01981
iter=68 terr=0.01108 serr=0.11261 act=876495 obj=3727.19923 diff=0.01776
iter=69 terr=0.01119 serr=0.11274 act=876495 obj=3702.49678 diff=0.00663
iter=70 terr=0.01105 serr=0.11102 act=876495 obj=3671.04401 diff=0.00850
iter=71 terr=0.01068 serr=0.10719 act=876495 obj=3585.05454 diff=0.02342
iter=72 terr=0.01031 serr=0.10944 act=876495 obj=3554.04420 diff=0.00865
iter=73 terr=0.00964 serr=0.10125 act=876495 obj=3346.01639 diff=0.05853
iter=74 terr=0.00955 serr=0.09716 act=876495 obj=3272.05113 diff=0.02211
iter=75 terr=0.00883 serr=0.09162 act=876495 obj=3211.88452 diff=0.01839
iter=76 terr=0.00899 serr=0.09254 act=876495 obj=3174.25822 diff=0.01171
iter=77 terr=0.00884 serr=0.08990 act=876495 obj=3125.91414 diff=0.01523
iter=78 terr=0.00869 serr=0.08898 act=876495 obj=3082.54972 diff=0.01387
iter=79 terr=0.00856 serr=0.08805 act=876495 obj=3034.34430 diff=0.01564
iter=80 terr=0.00810 serr=0.08620 act=876495 obj=2928.76585 diff=0.03479
iter=81 terr=0.00907 serr=0.09254 act=876495 obj=3029.28441 diff=0.03432
iter=82 terr=0.00806 serr=0.08554 act=876495 obj=2905.15497 diff=0.04098
iter=83 terr=0.00774 serr=0.08304 act=876495 obj=2833.81629 diff=0.02456
iter=84 terr=0.00757 serr=0.08066 act=876495 obj=2778.89772 diff=0.01938
iter=85 terr=0.00740 serr=0.08053 act=876495 obj=2709.91800 diff=0.02482
iter=86 terr=0.00732 serr=0.07908 act=876495 obj=2627.85543 diff=0.03028
iter=87 terr=0.00746 serr=0.07855 act=876495 obj=2554.59706 diff=0.02788
iter=88 terr=0.00719 serr=0.07578 act=876495 obj=2479.05295 diff=0.02957
iter=89 terr=0.00730 serr=0.07591 act=876495 obj=2480.57641 diff=0.00061
iter=90 terr=0.00701 serr=0.07432 act=876495 obj=2430.88994 diff=0.02003
iter=91 terr=0.00683 serr=0.07261 act=876495 obj=2370.08532 diff=0.02501
iter=92 terr=0.00656 serr=0.07274 act=876495 obj=2312.29468 diff=0.02438
iter=93 terr=0.00601 serr=0.06759 act=876495 obj=2229.79716 diff=0.03568
iter=94 terr=0.00586 serr=0.06601 act=876495 obj=2220.96824 diff=0.00396
iter=95 terr=0.00588 serr=0.06640 act=876495 obj=2182.39446 diff=0.01737
iter=96 terr=0.00570 serr=0.06574 act=876495 obj=2159.84184 diff=0.01033
iter=97 terr=0.00541 serr=0.06297 act=876495 obj=2106.91691 diff=0.02450
iter=98 terr=0.00526 serr=0.06178 act=876495 obj=2077.41462 diff=0.01400
iter=99 terr=0.00498 serr=0.05967 act=876495 obj=2037.58029 diff=0.01917
iter=100 terr=0.00498 serr=0.05927 act=876495 obj=2022.17517 diff=0.00756
iter=101 terr=0.00489 serr=0.05875 act=876495 obj=2005.22583 diff=0.00838
iter=102 terr=0.00475 serr=0.05769 act=876495 obj=1975.41394 diff=0.01487
iter=103 terr=0.00447 serr=0.05479 act=876495 obj=1903.50410 diff=0.03640
iter=104 terr=0.00450 serr=0.05109 act=876495 obj=1835.85178 diff=0.03554
iter=105 terr=0.00457 serr=0.05373 act=876495 obj=1822.47932 diff=0.00728
iter=106 terr=0.00449 serr=0.05188 act=876495 obj=1793.99886 diff=0.01563
iter=107 terr=0.00443 serr=0.05069 act=876495 obj=1778.47583 diff=0.00865
iter=108 terr=0.00433 serr=0.04937 act=876495 obj=1760.15808 diff=0.01030
iter=109 terr=0.00411 serr=0.04898 act=876495 obj=1723.95341 diff=0.02057
iter=110 terr=0.00346 serr=0.04330 act=876495 obj=1614.81463 diff=0.06331
iter=111 terr=0.00359 serr=0.04620 act=876495 obj=1600.12305 diff=0.00910
iter=112 terr=0.00309 serr=0.03868 act=876495 obj=1523.21900 diff=0.04806
iter=113 terr=0.00306 serr=0.03776 act=876495 obj=1513.13910 diff=0.00662
iter=114 terr=0.00319 serr=0.03894 act=876495 obj=1512.24096 diff=0.00059
iter=115 terr=0.00297 serr=0.03762 act=876495 obj=1504.04224 diff=0.00542
iter=116 terr=0.00300 serr=0.03736 act=876495 obj=1487.54588 diff=0.01097
iter=117 terr=0.00284 serr=0.03578 act=876495 obj=1442.94852 diff=0.02998
iter=118 terr=0.00262 serr=0.03432 act=876495 obj=1396.53064 diff=0.03217
iter=119 terr=0.00253 serr=0.03248 act=876495 obj=1379.90894 diff=0.01190
iter=120 terr=0.00235 serr=0.03089 act=876495 obj=1341.06338 diff=0.02815
iter=121 terr=0.00232 serr=0.03076 act=876495 obj=1331.10501 diff=0.00743
iter=122 terr=0.00227 serr=0.03050 act=876495 obj=1314.85759 diff=0.01221
iter=123 terr=0.00212 serr=0.02983 act=876495 obj=1302.05324 diff=0.00974
iter=124 terr=0.00203 serr=0.02878 act=876495 obj=1285.22601 diff=0.01292
iter=125 terr=0.00198 serr=0.02785 act=876495 obj=1271.35872 diff=0.01079
iter=126 terr=0.00193 serr=0.02706 act=876495 obj=1243.12806 diff=0.02221
iter=127 terr=0.00183 serr=0.02521 act=876495 obj=1227.88024 diff=0.01227
iter=128 terr=0.00170 serr=0.02429 act=876495 obj=1199.65146 diff=0.02299
iter=129 terr=0.00163 serr=0.02310 act=876495 obj=1173.56285 diff=0.02175
iter=130 terr=0.00172 serr=0.02337 act=876495 obj=1158.71324 diff=0.01265
iter=131 terr=0.00155 serr=0.02165 act=876495 obj=1147.62474 diff=0.00957
iter=132 terr=0.00153 serr=0.02152 act=876495 obj=1143.96118 diff=0.00319
iter=133 terr=0.00151 serr=0.02139 act=876495 obj=1138.08210 diff=0.00514
iter=134 terr=0.00149 serr=0.02099 act=876495 obj=1123.64665 diff=0.01268
iter=135 terr=0.00144 serr=0.01993 act=876495 obj=1096.20044 diff=0.02443
iter=136 terr=0.00141 serr=0.01914 act=876495 obj=1066.93254 diff=0.02670
iter=137 terr=0.00260 serr=0.03155 act=876495 obj=1325.92980 diff=0.24275
iter=138 terr=0.00123 serr=0.01835 act=876495 obj=1055.94561 diff=0.20362
iter=139 terr=0.00138 serr=0.01888 act=876495 obj=1043.44484 diff=0.01184
iter=140 terr=0.00129 serr=0.01888 act=876495 obj=1039.16945 diff=0.00410
iter=141 terr=0.00126 serr=0.01835 act=876495 obj=1031.39421 diff=0.00748
iter=142 terr=0.00122 serr=0.01782 act=876495 obj=1024.70794 diff=0.00648
iter=143 terr=0.00121 serr=0.01729 act=876495 obj=1012.06593 diff=0.01234
iter=144 terr=0.00122 serr=0.01650 act=876495 obj=998.79546 diff=0.01311
iter=145 terr=0.00105 serr=0.01558 act=876495 obj=989.30465 diff=0.00950
iter=146 terr=0.00101 serr=0.01518 act=876495 obj=980.71070 diff=0.00869
iter=147 terr=0.00097 serr=0.01465 act=876495 obj=968.43490 diff=0.01252
iter=148 terr=0.00100 serr=0.01439 act=876495 obj=954.21222 diff=0.01469
iter=149 terr=0.00092 serr=0.01373 act=876495 obj=938.54133 diff=0.01642
iter=150 terr=0.00091 serr=0.01267 act=876495 obj=923.35758 diff=0.01618
iter=151 terr=0.00081 serr=0.01175 act=876495 obj=911.03872 diff=0.01334
iter=152 terr=0.00079 serr=0.01175 act=876495 obj=893.94607 diff=0.01876
iter=153 terr=0.00080 serr=0.01254 act=876495 obj=887.91730 diff=0.00674
iter=154 terr=0.00073 serr=0.01096 act=876495 obj=877.12970 diff=0.01215
iter=155 terr=0.00073 serr=0.01109 act=876495 obj=872.71555 diff=0.00503
iter=156 terr=0.00075 serr=0.01135 act=876495 obj=868.28373 diff=0.00508
iter=157 terr=0.00065 serr=0.01030 act=876495 obj=860.07260 diff=0.00946
iter=158 terr=0.00074 serr=0.01135 act=876495 obj=868.67065 diff=0.01000
iter=159 terr=0.00066 serr=0.01017 act=876495 obj=855.93571 diff=0.01466
iter=160 terr=0.00065 serr=0.01017 act=876495 obj=849.24437 diff=0.00782
iter=161 terr=0.00063 serr=0.00990 act=876495 obj=843.90664 diff=0.00629
iter=162 terr=0.00061 serr=0.00937 act=876495 obj=838.60194 diff=0.00629
iter=163 terr=0.00064 serr=0.00977 act=876495 obj=830.31474 diff=0.00988
iter=164 terr=0.00052 serr=0.00858 act=876495 obj=817.27290 diff=0.01571
iter=165 terr=0.00047 serr=0.00792 act=876495 obj=804.93507 diff=0.01510
iter=166 terr=0.00055 serr=0.00871 act=876495 obj=801.86260 diff=0.00382
iter=167 terr=0.00051 serr=0.00832 act=876495 obj=797.08290 diff=0.00596
iter=168 terr=0.00051 serr=0.00832 act=876495 obj=795.79106 diff=0.00162
iter=169 terr=0.00049 serr=0.00805 act=876495 obj=794.03401 diff=0.00221
iter=170 terr=0.00045 serr=0.00713 act=876495 obj=785.81892 diff=0.01035
iter=171 terr=0.00038 serr=0.00647 act=876495 obj=777.90173 diff=0.01008
iter=172 terr=0.00037 serr=0.00607 act=876495 obj=768.44311 diff=0.01216
iter=173 terr=0.00035 serr=0.00581 act=876495 obj=764.59722 diff=0.00500
iter=174 terr=0.00028 serr=0.00502 act=876495 obj=759.61939 diff=0.00651
iter=175 terr=0.00031 serr=0.00515 act=876495 obj=753.63484 diff=0.00788
iter=176 terr=0.00025 serr=0.00422 act=876495 obj=747.32413 diff=0.00837
iter=177 terr=0.00026 serr=0.00422 act=876495 obj=741.33044 diff=0.00802
iter=178 terr=0.00023 serr=0.00370 act=876495 obj=734.26405 diff=0.00953
iter=179 terr=0.00024 serr=0.00370 act=876495 obj=731.49565 diff=0.00377
iter=180 terr=0.00022 serr=0.00356 act=876495 obj=729.59206 diff=0.00260
iter=181 terr=0.00019 serr=0.00304 act=876495 obj=723.70586 diff=0.00807
iter=182 terr=0.00019 serr=0.00304 act=876495 obj=715.15819 diff=0.01181
iter=183 terr=0.00018 serr=0.00304 act=876495 obj=714.20609 diff=0.00133
iter=184 terr=0.00018 serr=0.00290 act=876495 obj=708.94501 diff=0.00737
iter=185 terr=0.00016 serr=0.00251 act=876495 obj=706.84084 diff=0.00297
iter=186 terr=0.00014 serr=0.00251 act=876495 obj=702.05148 diff=0.00678
iter=187 terr=0.00016 serr=0.00238 act=876495 obj=699.50734 diff=0.00362
iter=188 terr=0.00017 serr=0.00264 act=876495 obj=697.14978 diff=0.00337
iter=189 terr=0.00018 serr=0.00277 act=876495 obj=694.59290 diff=0.00367
iter=190 terr=0.00018 serr=0.00277 act=876495 obj=691.72150 diff=0.00413
iter=191 terr=0.00016 serr=0.00238 act=876495 obj=687.24983 diff=0.00646
iter=192 terr=0.00014 serr=0.00238 act=876495 obj=689.69407 diff=0.00356
iter=193 terr=0.00016 serr=0.00238 act=876495 obj=685.65440 diff=0.00586
iter=194 terr=0.00015 serr=0.00224 act=876495 obj=683.60164 diff=0.00299
iter=195 terr=0.00015 serr=0.00224 act=876495 obj=682.76364 diff=0.00123
iter=196 terr=0.00014 serr=0.00198 act=876495 obj=681.70057 diff=0.00156
iter=197 terr=0.00011 serr=0.00185 act=876495 obj=679.53636 diff=0.00317
iter=198 terr=0.00009 serr=0.00145 act=876495 obj=676.71588 diff=0.00415
iter=199 terr=0.00012 serr=0.00172 act=876495 obj=676.38716 diff=0.00049
iter=200 terr=0.00011 serr=0.00158 act=876495 obj=672.12934 diff=0.00629
iter=201 terr=0.00009 serr=0.00145 act=876495 obj=670.37768 diff=0.00261
iter=202 terr=0.00009 serr=0.00145 act=876495 obj=668.17454 diff=0.00329
iter=203 terr=0.00011 serr=0.00158 act=876495 obj=667.68844 diff=0.00073
iter=204 terr=0.00011 serr=0.00158 act=876495 obj=666.27724 diff=0.00211
iter=205 terr=0.00011 serr=0.00158 act=876495 obj=665.62494 diff=0.00098
iter=206 terr=0.00011 serr=0.00158 act=876495 obj=664.71240 diff=0.00137
iter=207 terr=0.00011 serr=0.00158 act=876495 obj=663.57368 diff=0.00171
iter=208 terr=0.00011 serr=0.00158 act=876495 obj=662.61332 diff=0.00145
iter=209 terr=0.00011 serr=0.00158 act=876495 obj=661.19262 diff=0.00214
iter=210 terr=0.00011 serr=0.00158 act=876495 obj=658.92464 diff=0.00343
iter=211 terr=0.00011 serr=0.00158 act=876495 obj=657.21657 diff=0.00259
iter=212 terr=0.00009 serr=0.00132 act=876495 obj=654.85805 diff=0.00359
iter=213 terr=0.00008 serr=0.00106 act=876495 obj=654.39844 diff=0.00070
iter=214 terr=0.00009 serr=0.00119 act=876495 obj=652.59355 diff=0.00276
iter=215 terr=0.00009 serr=0.00132 act=876495 obj=651.56068 diff=0.00158
iter=216 terr=0.00009 serr=0.00119 act=876495 obj=650.45495 diff=0.00170
iter=217 terr=0.00009 serr=0.00132 act=876495 obj=649.08209 diff=0.00211
iter=218 terr=0.00007 serr=0.00119 act=876495 obj=648.68494 diff=0.00061
iter=219 terr=0.00007 serr=0.00106 act=876495 obj=647.23129 diff=0.00224
iter=220 terr=0.00007 serr=0.00106 act=876495 obj=646.91369 diff=0.00049
iter=221 terr=0.00006 serr=0.00092 act=876495 obj=646.64460 diff=0.00042
iter=222 terr=0.00006 serr=0.00092 act=876495 obj=646.14775 diff=0.00077
iter=223 terr=0.00006 serr=0.00092 act=876495 obj=646.93799 diff=0.00122
iter=224 terr=0.00006 serr=0.00092 act=876495 obj=645.73828 diff=0.00185
iter=225 terr=0.00006 serr=0.00092 act=876495 obj=645.00525 diff=0.00114
iter=226 terr=0.00006 serr=0.00092 act=876495 obj=644.32771 diff=0.00105
iter=227 terr=0.00006 serr=0.00092 act=876495 obj=643.29654 diff=0.00160
iter=228 terr=0.00008 serr=0.00106 act=876495 obj=641.09855 diff=0.00342
iter=229 terr=0.00008 serr=0.00106 act=876495 obj=641.76199 diff=0.00103
iter=230 terr=0.00008 serr=0.00106 act=876495 obj=640.08159 diff=0.00262
iter=231 terr=0.00008 serr=0.00106 act=876495 obj=639.35155 diff=0.00114
iter=232 terr=0.00008 serr=0.00106 act=876495 obj=638.82517 diff=0.00082
iter=233 terr=0.00008 serr=0.00106 act=876495 obj=638.53813 diff=0.00045
iter=234 terr=0.00006 serr=0.00092 act=876495 obj=637.29842 diff=0.00194
iter=235 terr=0.00006 serr=0.00092 act=876495 obj=636.53858 diff=0.00119
iter=236 terr=0.00006 serr=0.00092 act=876495 obj=635.68284 diff=0.00134
iter=237 terr=0.00006 serr=0.00092 act=876495 obj=635.14414 diff=0.00085
iter=238 terr=0.00006 serr=0.00092 act=876495 obj=634.18797 diff=0.00151
iter=239 terr=0.00006 serr=0.00092 act=876495 obj=632.65433 diff=0.00242
iter=240 terr=0.00006 serr=0.00092 act=876495 obj=630.50957 diff=0.00339
iter=241 terr=0.00006 serr=0.00092 act=876495 obj=629.38214 diff=0.00179
iter=242 terr=0.00008 serr=0.00106 act=876495 obj=628.27848 diff=0.00175
iter=243 terr=0.00008 serr=0.00106 act=876495 obj=626.89998 diff=0.00219
iter=244 terr=0.00008 serr=0.00106 act=876495 obj=625.69874 diff=0.00192
iter=245 terr=0.00008 serr=0.00106 act=876495 obj=624.25706 diff=0.00230
iter=246 terr=0.00008 serr=0.00106 act=876495 obj=623.15858 diff=0.00176
iter=247 terr=0.00008 serr=0.00106 act=876495 obj=621.67097 diff=0.00239
iter=248 terr=0.00008 serr=0.00106 act=876495 obj=620.39694 diff=0.00205
iter=249 terr=0.00006 serr=0.00092 act=876495 obj=619.93225 diff=0.00075
iter=250 terr=0.00008 serr=0.00106 act=876495 obj=619.18907 diff=0.00120
iter=251 terr=0.00008 serr=0.00106 act=876495 obj=618.90072 diff=0.00047
iter=252 terr=0.00006 serr=0.00092 act=876495 obj=618.36545 diff=0.00086
iter=253 terr=0.00006 serr=0.00092 act=876495 obj=617.64105 diff=0.00117
iter=254 terr=0.00006 serr=0.00092 act=876495 obj=617.14080 diff=0.00081
iter=255 terr=0.00006 serr=0.00092 act=876495 obj=615.82238 diff=0.00214
iter=256 terr=0.00006 serr=0.00092 act=876495 obj=615.49665 diff=0.00053
iter=257 terr=0.00006 serr=0.00092 act=876495 obj=615.17360 diff=0.00052
iter=258 terr=0.00006 serr=0.00092 act=876495 obj=614.55418 diff=0.00101
iter=259 terr=0.00006 serr=0.00092 act=876495 obj=614.00838 diff=0.00089
iter=260 terr=0.00006 serr=0.00092 act=876495 obj=613.65984 diff=0.00057
iter=261 terr=0.00006 serr=0.00092 act=876495 obj=613.09394 diff=0.00092
iter=262 terr=0.00006 serr=0.00092 act=876495 obj=611.93873 diff=0.00188
iter=263 terr=0.00006 serr=0.00092 act=876495 obj=610.40755 diff=0.00250
iter=264 terr=0.00006 serr=0.00092 act=876495 obj=609.61482 diff=0.00130
iter=265 terr=0.00006 serr=0.00092 act=876495 obj=608.46245 diff=0.00189
iter=266 terr=0.00006 serr=0.00092 act=876495 obj=607.78828 diff=0.00111
iter=267 terr=0.00006 serr=0.00092 act=876495 obj=607.41142 diff=0.00062
iter=268 terr=0.00008 serr=0.00106 act=876495 obj=607.05749 diff=0.00058
iter=269 terr=0.00008 serr=0.00106 act=876495 obj=605.95421 diff=0.00182
iter=270 terr=0.00008 serr=0.00106 act=876495 obj=604.79258 diff=0.00192
iter=271 terr=0.00006 serr=0.00092 act=876495 obj=604.40036 diff=0.00065
iter=272 terr=0.00006 serr=0.00092 act=876495 obj=603.43382 diff=0.00160
iter=273 terr=0.00006 serr=0.00092 act=876495 obj=603.07211 diff=0.00060
iter=274 terr=0.00006 serr=0.00092 act=876495 obj=602.44094 diff=0.00105
iter=275 terr=0.00006 serr=0.00092 act=876495 obj=601.91722 diff=0.00087
iter=276 terr=0.00006 serr=0.00092 act=876495 obj=600.72532 diff=0.00198
iter=277 terr=0.00006 serr=0.00092 act=876495 obj=599.87166 diff=0.00142
iter=278 terr=0.00006 serr=0.00092 act=876495 obj=599.56741 diff=0.00051
iter=279 terr=0.00006 serr=0.00092 act=876495 obj=599.14587 diff=0.00070
iter=280 terr=0.00008 serr=0.00106 act=876495 obj=600.99970 diff=0.00309
iter=281 terr=0.00006 serr=0.00092 act=876495 obj=598.90648 diff=0.00348
iter=282 terr=0.00006 serr=0.00092 act=876495 obj=598.51005 diff=0.00066
iter=283 terr=0.00006 serr=0.00092 act=876495 obj=597.77019 diff=0.00124
iter=284 terr=0.00006 serr=0.00092 act=876495 obj=597.16330 diff=0.00102
iter=285 terr=0.00006 serr=0.00092 act=876495 obj=597.11201 diff=0.00009
iter=286 terr=0.00006 serr=0.00092 act=876495 obj=596.85508 diff=0.00043
iter=287 terr=0.00006 serr=0.00092 act=876495 obj=596.37939 diff=0.00080
iter=288 terr=0.00006 serr=0.00092 act=876495 obj=595.72230 diff=0.00110
iter=289 terr=0.00006 serr=0.00092 act=876495 obj=594.94238 diff=0.00131
iter=290 terr=0.00006 serr=0.00092 act=876495 obj=598.07370 diff=0.00526
iter=291 terr=0.00006 serr=0.00092 act=876495 obj=594.62840 diff=0.00576
iter=292 terr=0.00006 serr=0.00092 act=876495 obj=593.80806 diff=0.00138
iter=293 terr=0.00006 serr=0.00092 act=876495 obj=592.89922 diff=0.00153
iter=294 terr=0.00006 serr=0.00092 act=876495 obj=591.96314 diff=0.00158
iter=295 terr=0.00006 serr=0.00092 act=876495 obj=591.41744 diff=0.00092
iter=296 terr=0.00006 serr=0.00092 act=876495 obj=591.05010 diff=0.00062
iter=297 terr=0.00006 serr=0.00092 act=876495 obj=590.61151 diff=0.00074
iter=298 terr=0.00006 serr=0.00092 act=876495 obj=590.24482 diff=0.00062
iter=299 terr=0.00006 serr=0.00092 act=876495 obj=589.85553 diff=0.00066
iter=300 terr=0.00006 serr=0.00092 act=876495 obj=589.53284 diff=0.00055
iter=301 terr=0.00006 serr=0.00092 act=876495 obj=588.99200 diff=0.00092
iter=302 terr=0.00006 serr=0.00092 act=876495 obj=588.25901 diff=0.00124
iter=303 terr=0.00006 serr=0.00092 act=876495 obj=588.08087 diff=0.00030
iter=304 terr=0.00006 serr=0.00092 act=876495 obj=587.42093 diff=0.00112
iter=305 terr=0.00006 serr=0.00092 act=876495 obj=587.22609 diff=0.00033
iter=306 terr=0.00006 serr=0.00092 act=876495 obj=587.04565 diff=0.00031
iter=307 terr=0.00006 serr=0.00092 act=876495 obj=586.81803 diff=0.00039
iter=308 terr=0.00006 serr=0.00092 act=876495 obj=586.60085 diff=0.00037
iter=309 terr=0.00006 serr=0.00092 act=876495 obj=586.84524 diff=0.00042
iter=310 terr=0.00006 serr=0.00092 act=876495 obj=586.44643 diff=0.00068
iter=311 terr=0.00006 serr=0.00092 act=876495 obj=586.22306 diff=0.00038
iter=312 terr=0.00006 serr=0.00092 act=876495 obj=586.83556 diff=0.00104
iter=313 terr=0.00006 serr=0.00092 act=876495 obj=585.85194 diff=0.00168
iter=314 terr=0.00006 serr=0.00092 act=876495 obj=585.42202 diff=0.00073
iter=315 terr=0.00006 serr=0.00092 act=876495 obj=584.99678 diff=0.00073
iter=316 terr=0.00006 serr=0.00092 act=876495 obj=584.45168 diff=0.00093
iter=317 terr=0.00006 serr=0.00092 act=876495 obj=584.04228 diff=0.00070
iter=318 terr=0.00006 serr=0.00092 act=876495 obj=585.10088 diff=0.00181
iter=319 terr=0.00006 serr=0.00092 act=876495 obj=583.72791 diff=0.00235
iter=320 terr=0.00006 serr=0.00092 act=876495 obj=583.20877 diff=0.00089
iter=321 terr=0.00006 serr=0.00092 act=876495 obj=583.07600 diff=0.00023
iter=322 terr=0.00006 serr=0.00092 act=876495 obj=582.98386 diff=0.00016
iter=323 terr=0.00006 serr=0.00092 act=876495 obj=582.69456 diff=0.00050
iter=324 terr=0.00006 serr=0.00092 act=876495 obj=582.08826 diff=0.00104
iter=325 terr=0.00006 serr=0.00092 act=876495 obj=581.58036 diff=0.00087
iter=326 terr=0.00006 serr=0.00092 act=876495 obj=582.60088 diff=0.00175
iter=327 terr=0.00006 serr=0.00092 act=876495 obj=581.45400 diff=0.00197
iter=328 terr=0.00006 serr=0.00092 act=876495 obj=581.26085 diff=0.00033
iter=329 terr=0.00006 serr=0.00092 act=876495 obj=581.11805 diff=0.00025
iter=330 terr=0.00006 serr=0.00092 act=876495 obj=581.05010 diff=0.00012
iter=331 terr=0.00006 serr=0.00092 act=876495 obj=580.95508 diff=0.00016
iter=332 terr=0.00006 serr=0.00092 act=876495 obj=580.66548 diff=0.00050
iter=333 terr=0.00006 serr=0.00092 act=876495 obj=580.52378 diff=0.00024
iter=334 terr=0.00006 serr=0.00092 act=876495 obj=580.51676 diff=0.00001
iter=335 terr=0.00006 serr=0.00092 act=876495 obj=580.45922 diff=0.00010
iter=336 terr=0.00006 serr=0.00092 act=876495 obj=580.40005 diff=0.00010
iter=337 terr=0.00006 serr=0.00092 act=876495 obj=580.27521 diff=0.00022
iter=338 terr=0.00006 serr=0.00092 act=876495 obj=580.14052 diff=0.00023
iter=339 terr=0.00006 serr=0.00092 act=876495 obj=580.08452 diff=0.00010
iter=340 terr=0.00006 serr=0.00092 act=876495 obj=579.76707 diff=0.00055
iter=341 terr=0.00006 serr=0.00092 act=876495 obj=579.67385 diff=0.00016
iter=342 terr=0.00006 serr=0.00092 act=876495 obj=579.59234 diff=0.00014
iter=343 terr=0.00006 serr=0.00092 act=876495 obj=579.50055 diff=0.00016
iter=344 terr=0.00006 serr=0.00092 act=876495 obj=579.60561 diff=0.00018
iter=345 terr=0.00006 serr=0.00092 act=876495 obj=579.45786 diff=0.00025
iter=346 terr=0.00006 serr=0.00092 act=876495 obj=579.39110 diff=0.00012
iter=347 terr=0.00006 serr=0.00092 act=876495 obj=579.30321 diff=0.00015
iter=348 terr=0.00006 serr=0.00092 act=876495 obj=579.16142 diff=0.00024
iter=349 terr=0.00006 serr=0.00092 act=876495 obj=578.86242 diff=0.00052
iter=350 terr=0.00006 serr=0.00092 act=876495 obj=578.55955 diff=0.00052
iter=351 terr=0.00006 serr=0.00092 act=876495 obj=578.43635 diff=0.00021
iter=352 terr=0.00006 serr=0.00092 act=876495 obj=578.24559 diff=0.00033
iter=353 terr=0.00006 serr=0.00092 act=876495 obj=578.16785 diff=0.00013
iter=354 terr=0.00006 serr=0.00092 act=876495 obj=577.85309 diff=0.00054
iter=355 terr=0.00006 serr=0.00092 act=876495 obj=577.66872 diff=0.00032
iter=356 terr=0.00006 serr=0.00092 act=876495 obj=577.53782 diff=0.00023
iter=357 terr=0.00006 serr=0.00092 act=876495 obj=577.42346 diff=0.00020
iter=358 terr=0.00006 serr=0.00092 act=876495 obj=577.29079 diff=0.00023
iter=359 terr=0.00006 serr=0.00092 act=876495 obj=577.15832 diff=0.00023
iter=360 terr=0.00006 serr=0.00092 act=876495 obj=576.85400 diff=0.00053
iter=361 terr=0.00006 serr=0.00092 act=876495 obj=576.59178 diff=0.00045
iter=362 terr=0.00006 serr=0.00092 act=876495 obj=585.78851 diff=0.01595
iter=363 terr=0.00006 serr=0.00092 act=876495 obj=576.55554 diff=0.01576
iter=364 terr=0.00006 serr=0.00092 act=876495 obj=576.37427 diff=0.00031
iter=365 terr=0.00006 serr=0.00092 act=876495 obj=576.34854 diff=0.00004
iter=366 terr=0.00006 serr=0.00092 act=876495 obj=576.23935 diff=0.00019
iter=367 terr=0.00006 serr=0.00092 act=876495 obj=576.17882 diff=0.00011
iter=368 terr=0.00006 serr=0.00092 act=876495 obj=576.04138 diff=0.00024
iter=369 terr=0.00006 serr=0.00092 act=876495 obj=576.07630 diff=0.00006
iter=370 terr=0.00006 serr=0.00092 act=876495 obj=575.99380 diff=0.00014
iter=371 terr=0.00006 serr=0.00092 act=876495 obj=575.91149 diff=0.00014
iter=372 terr=0.00006 serr=0.00092 act=876495 obj=575.84298 diff=0.00012
iter=373 terr=0.00006 serr=0.00092 act=876495 obj=575.78006 diff=0.00011
iter=374 terr=0.00006 serr=0.00092 act=876495 obj=575.71023 diff=0.00012
iter=375 terr=0.00006 serr=0.00092 act=876495 obj=575.64643 diff=0.00011
iter=376 terr=0.00006 serr=0.00092 act=876495 obj=575.56895 diff=0.00013
iter=377 terr=0.00006 serr=0.00092 act=876495 obj=575.49003 diff=0.00014
iter=378 terr=0.00006 serr=0.00092 act=876495 obj=575.45653 diff=0.00006
iter=379 terr=0.00006 serr=0.00092 act=876495 obj=575.43119 diff=0.00004
iter=380 terr=0.00006 serr=0.00092 act=876495 obj=575.39626 diff=0.00006

Done!575.99 s

-> Setting up chunker: chunker_cp
--> Chunk propagation
2016-10-27 14:59:10,884 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 2 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107364.xml
(ChunkerEvaluator) Sentence #1 from articles/00107364 from sent1

Text  : Najbliższa rodzina i przyjaciele pożegnali Amy Winehouse
Tokens: 1_________ 2______ 3 4__________ 5________ 6__ 7________

Chunks:
  TruePositive nam [6,7] = Amy Winehouse

(ChunkerEvaluator) Sentence #2 from articles/00107364 from sent2

Text  : Matka , ojciec i brat oraz przyjaciele brytyjskiej piosenkarki Amy Winehouse pożegnali ją we wtorek na prywatnej ceremonii pogrzebowej na cmentarzu Edgwarebury na północy Londynu .
Tokens: 1____ 2 3_____ 4 5___ 6___ 7__________ 8__________ 9__________ 10_ 11_______ 12_______ 13 14 15____ 16 17_______ 18_______ 19_________ 20 21_______ 22_________ 23 24_____ 25_____ 26

Chunks:
  TruePositive nam [25,25] = Londynu
  FalsePositive nam [10,11] = Amy Winehouse
  FalseNegative nam [22,22] = Edgwarebury

(ChunkerEvaluator) Sentence #3 from articles/00107364 from sent3

Text  : Podczas żydowskiego nabożeństwa modlono się po angielsku i hebrajsku .
Tokens: 1______ 2__________ 3__________ 4______ 5__ 6_ 7________ 8 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #4 from articles/00107364 from sent4

Text  : 27 - letnią piosenkarkę , która zmagała się z uzależnieniem od narkotyków i  od alkoholu ,  znaleziono w  sobotę martwą w  jej mieszkaniu w  Londynie .
Tokens: 1_ 2 3_____ 4__________ 5 6____ 7______ 8__ 9 10___________ 11 12________ 13 14 15______ 16 17________ 18 19____ 20____ 21 22_ 23________ 24 25______ 26

Chunks:
  TruePositive nam [25,25] = Londynie

(ChunkerEvaluator) Sentence #5 from articles/00107364 from sent5

Text  : Na pogrzebie , oprócz najbliższej rodziny , pojawili się m  .  in .  członkowie zespołu wokalistki ,  producent muzyczny Mark Ronson i  Kelly Osbourne ,  celebrytka i  córka słynnego rockmana Ozzy'ego Osbourne'a .
Tokens: 1_ 2________ 3 4_____ 5__________ 6______ 7 8_______ 9__ 10 11 12 13 14________ 15_____ 16________ 17 18_______ 19______ 20__ 21____ 22 23___ 24______ 25 26________ 27 28___ 29______ 30______ 31______ 32________ 33

Chunks:
  TruePositive nam [20,21] = Mark Ronson
  TruePositive nam [23,24] = Kelly Osbourne
  TruePositive nam [31,32] = Ozzy'ego Osbourne'a

(ChunkerEvaluator) Sentence #6 from articles/00107364 from sent6

Text  : Ojciec zmarłej , Mitch Winehouse , powiedział podczas ceremonii :  "  Dobranoc ,  mój aniołku ,  śpij dobrze .
Tokens: 1_____ 2______ 3 4____ 5________ 6 7_________ 8______ 9________ 10 11 12______ 13 14_ 15_____ 16 17__ 18____ 19

Chunks:
  TruePositive nam [4,5] = Mitch Winehouse
  FalsePositive nam [12,12] = Dobranoc

(ChunkerEvaluator) Sentence #7 from articles/00107364 from sent7

Text  : Mamusia i tatuś bardzo cię kochają " .
Tokens: 1______ 2 3____ 4_____ 5__ 6______ 7 8

Chunks:

(ChunkerEvaluator) Sentence #8 from articles/00107364 from sent8

Text  : Na koniec nabożeństwa zabrzmiał ulubiony utwór Winehouse " So Far Away "  Carole King .
Tokens: 1_ 2_____ 3__________ 4________ 5_______ 6____ 7________ 8 9_ 10_ 11__ 12 13____ 14__ 15

Chunks:
  TruePositive nam [9,11] = So Far Away
  TruePositive nam [13,14] = Carole King
  FalseNegative nam [7,7] = Winehouse

(ChunkerEvaluator) Sentence #9 from articles/00107364 from sent9

Text  : Rzecznik rodziny Chris Goodman powiedział , że ojciec Amy podczas ceremonii opowiedział kilka historii z  jej dzieciństwa o  tym ,  jak była silna .
Tokens: 1_______ 2______ 3____ 4______ 5_________ 6 7_ 8_____ 9__ 10_____ 11_______ 12_________ 13___ 14______ 15 16_ 17_________ 18 19_ 20 21_ 22__ 23___ 24

Chunks:
  TruePositive nam [3,4] = Chris Goodman
  FalseNegative nam [9,9] = Amy

(ChunkerEvaluator) Sentence #10 from articles/00107364 from sent10

Text  : " Wiele razy podkreślał , że Amy jest teraz szczęśliwsza niż kiedykolwiek ,  mówił o  jej chłopaku .
Tokens: 1 2____ 3___ 4_________ 5 6_ 7__ 8___ 9____ 10__________ 11_ 12__________ 13 14___ 15 16_ 17______ 18

Chunks:
  FalseNegative nam [7,7] = Amy

(ChunkerEvaluator) Sentence #11 from articles/00107364 from sent11

Text  : Oddał hołd wielu osobom obecnym w jej życiu " -  dodał .
Tokens: 1____ 2___ 3____ 4_____ 5______ 6 7__ 8____ 9 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #12 from articles/00107364 from sent12

Text  : Po nabożeństwie ciało zostało skremowane .
Tokens: 1_ 2___________ 3____ 4______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #13 from articles/00107364 from sent13

Text  : Następnie rodzina rozpoczęła tradycyjny okres ścisłej , siedmiodniowej żałoby (  tzw .  sziwa -  siedem )  .
Tokens: 1________ 2______ 3_________ 4_________ 5____ 6______ 7 8_____________ 9_____ 10 11_ 12 13___ 14 15____ 16 17

Chunks:
  FalseNegative nam [13,13] = sziwa

(ChunkerEvaluator) Sentence #14 from articles/00107364 from sent14

Text  : Sekcja zwłok Winehouse nie przyniosła odpowiedzi na pytanie , co było przyczyną śmierci .
Tokens: 1_____ 2____ 3________ 4__ 5_________ 6_________ 7_ 8______ 9 10 11__ 12_______ 13_____ 14

Chunks:
  FalseNegative nam [3,3] = Winehouse

(ChunkerEvaluator) Sentence #15 from articles/00107364 from sent15

Text  : Policja czeka na wyniki badań toksykologicznych , które będą znane za dwa do czterech tygodni .
Tokens: 1______ 2____ 3_ 4_____ 5____ 6________________ 7 8____ 9___ 10___ 11 12_ 13 14______ 15_____ 16

Chunks:

2016-10-27 14:59:11,038 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 3 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107365.xml
(ChunkerEvaluator) Sentence #16 from articles/00107365 from sent1

Text  : Agnieszka Radwańska gra w pokera
Tokens: 1________ 2________ 3__ 4 5_____

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska

(ChunkerEvaluator) Sentence #17 from articles/00107365 from sent2

Text  : Tenisistka z Krakowa prowadzi w tym tygodniu bloga na oficjalnej stronie WTA .
Tokens: 1_________ 2 3______ 4_______ 5 6__ 7_______ 8____ 9_ 10________ 11_____ 12_ 13

Chunks:
  TruePositive nam [3,3] = Krakowa
  FalseNegative nam [12,12] = WTA

(ChunkerEvaluator) Sentence #18 from articles/00107365 from sent3

Text  : W środę zdradziła , jak zabija nudę przed wyjściem na kort
Tokens: 1 2____ 3________ 4 5__ 6_____ 7___ 8____ 9_______ 10 11__

Chunks:

(ChunkerEvaluator) Sentence #19 from articles/00107365 from sent4

Text  : Radwańska awansowała do ćwierćfinału turnieju w kalifornijskim Stanford po wygranej nad Chang Kai -  Chen 6  :  4  ,  3  :  6  ,  6  :  0  .
Tokens: 1________ 2_________ 3_ 4___________ 5_______ 6 7_____________ 8_______ 9_ 10______ 11_ 12___ 13_ 14 15__ 16 17 18 19 20 21 22 23 24 25 26 27

Chunks:
  TruePositive nam [12,15] = Chang Kai - Chen
  FalseNegative nam [1,1] = Radwańska
  FalseNegative nam [8,8] = Stanford

(ChunkerEvaluator) Sentence #20 from articles/00107365 from sent5

Text  : ” To nie był mój najlepszy tenis .
Tokens: 1 2_ 3__ 4__ 5__ 6________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #21 from articles/00107365 from sent6

Text  : Dużo lepiej czuła m się podczas meczu pierwszej rundy ”  -  napisała m  .  in .  na temat spotkania z  reprezentantką Tajwanu .
Tokens: 1___ 2_____ 3____ 4 5__ 6______ 7____ 8________ 9____ 10 11 12______ 13 14 15 16 17 18___ 19_______ 20 21____________ 22_____ 23

Chunks:
  TruePositive nam [22,22] = Tajwanu

(ChunkerEvaluator) Sentence #22 from articles/00107365 from sent7

Text  : Przed południem odbyła krótki trening z siostrą Urszulą , a  potem musiała czekać .  .  .
Tokens: 1____ 2________ 3_____ 4_____ 5______ 6 7______ 8______ 9 10 11___ 12_____ 13____ 14 15 16

Chunks:
  TruePositive nam [8,8] = Urszulą

(ChunkerEvaluator) Sentence #23 from articles/00107365 from sent8

Text  : ” Przed moim spotkaniem odbyło się kilka długich i wyrównanych meczów ,  więc zdążyła m  przesłuchać chyba wszystkie piosenki na iPodzie .
Tokens: 1 2____ 3___ 4_________ 5_____ 6__ 7____ 8______ 9 10_________ 11____ 12 13__ 14_____ 15 16_________ 17___ 18_______ 19______ 20 21_____ 22

Chunks:
  FalseNegative nam [21,21] = iPodzie

(ChunkerEvaluator) Sentence #24 from articles/00107365 from sent9

Text  : Zazwyczaj , gdy muszę czekać , lubię zagrać w karty .
Tokens: 1________ 2 3__ 4____ 5_____ 6 7____ 8_____ 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #25 from articles/00107365 from sent10

Text  : Tym razem nie miała m partnera do gry , ale wieczorem z  pewnością zagram ze swoim trenerem [  obowiązki szkoleniowca w  Kalifornii pełni Tomasz Wiktorowski -  przyp .  red .  ]  .
Tokens: 1__ 2____ 3__ 4____ 5 6_______ 7_ 8__ 9 10_ 11_______ 12 13_______ 14____ 15 16___ 17______ 18 19_______ 20__________ 21 22________ 23___ 24____ 25_________ 26 27___ 28 29_ 30 31 32

Chunks:
  TruePositive nam [22,22] = Kalifornii
  TruePositive nam [24,25] = Tomasz Wiktorowski

(ChunkerEvaluator) Sentence #26 from articles/00107365 from sent11

Text  : Lubię pokera ” - napisała najlepsza polska tenisistka .
Tokens: 1____ 2_____ 3 4 5_______ 6________ 7_____ 8_________ 9

Chunks:

2016-10-27 14:59:11,121 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 4 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107366.xml
(ChunkerEvaluator) Sentence #27 from articles/00107366 from sent1

Text  : Muszla św . Jakuba poprowadzi turystów przez Sączów
Tokens: 1_____ 2_ 3 4_____ 5_________ 6_______ 7____ 8_____

Chunks:
  TruePositive nam [8,8] = Sączów
  FalsePositive nam [4,4] = Jakuba
  FalseNegative nam [2,4] = św . Jakuba

(ChunkerEvaluator) Sentence #28 from articles/00107366 from sent2

Text  : Muszla św . Jakuba wmurowana na oznaczenie międzynarodowego szlaku pątniczego zostanie odsłonięta i  poświęcona w  najbliższą niedzielę podczas parafialnego odpustu w  parafii w  Sączowie koło Bobrownik w  powiecie będzińskim .
Tokens: 1_____ 2_ 3 4_____ 5________ 6_ 7_________ 8_______________ 9_____ 10________ 11______ 12________ 13 14________ 15 16________ 17_______ 18_____ 19__________ 20_____ 21 22_____ 23 24______ 25__ 26_______ 27 28______ 29________ 30

Chunks:
  TruePositive nam [26,26] = Bobrownik
  FalsePositive nam [4,4] = Jakuba
  FalseNegative nam [2,4] = św . Jakuba
  FalseNegative nam [24,24] = Sączowie
  FalseNegative nam [29,29] = będzińskim

(ChunkerEvaluator) Sentence #29 from articles/00107366 from sent3

Text  : Miłośników turystyki pieszej na uroczystość zaprasza stowarzyszenie regionalne Forum dla Zagłębia Dąbrowskiego ,  którego działacze odkryli niedawno w  kościółku wspólnie z  proboszczem sączowskiej parafii XVIII -  wieczny relikwiarz ze szczątkami apostoła .
Tokens: 1_________ 2________ 3______ 4_ 5__________ 6_______ 7_____________ 8_________ 9____ 10_ 11______ 12__________ 13 14_____ 15_______ 16_____ 17______ 18 19_______ 20______ 21 22_________ 23_________ 24_____ 25___ 26 27_____ 28________ 29 30________ 31______ 32

Chunks:
  FalsePositive nam [11,12] = Zagłębia Dąbrowskiego
  FalseNegative nam [9,12] = Forum dla Zagłębia Dąbrowskiego

(ChunkerEvaluator) Sentence #30 from articles/00107366 from sent4

Text  : Dzięki odkryciu Sączów stał się atrakcją zagłębiowskiego fragmentu Drogi św .  Jakuba ,  który prowadzi ze wschodu przez całą Europę do sanktuarium w  hiszpańskim Santiago de Compostela .
Tokens: 1_____ 2_______ 3_____ 4___ 5__ 6_______ 7______________ 8________ 9____ 10 11 12____ 13 14___ 15______ 16 17_____ 18___ 19__ 20____ 21 22_________ 23 24_________ 25______ 26 27________ 28

Chunks:
  TruePositive nam [3,3] = Sączów
  TruePositive nam [20,20] = Europę
  TruePositive nam [25,27] = Santiago de Compostela
  FalsePositive nam [9,9] = Drogi
  FalsePositive nam [12,12] = Jakuba
  FalseNegative nam [9,12] = Drogi św . Jakuba

(ChunkerEvaluator) Sentence #31 from articles/00107366 from sent5

Text  : W niedzielę odsłonięta zostanie też kolejna tablica informacyjna z opisem trasy przez Zagłębie ,  którą przygotowało FdZD .
Tokens: 1 2________ 3_________ 4_______ 5__ 6______ 7______ 8___________ 9 10____ 11___ 12___ 13______ 14 15___ 16__________ 17__ 18

Chunks:
  TruePositive nam [13,13] = Zagłębie
  FalseNegative nam [17,17] = FdZD

(ChunkerEvaluator) Sentence #32 from articles/00107366 from sent6

Text  : - W imprezie oprócz turystów udział wezmą mieszkańcy wsi ,  gospodynie wiejskie ,  strażacy OSP oraz władze powiatu .
Tokens: 1 2 3_______ 4_____ 5_______ 6_____ 7____ 8_________ 9__ 10 11________ 12______ 13 14______ 15_ 16__ 17____ 18_____ 19

Chunks:
  TruePositive nam [15,15] = OSP

(ChunkerEvaluator) Sentence #33 from articles/00107366 from sent7

Text  : Liczymy , że impreza przysłuży się zintegrowaniu społeczności lokalnej i  wzmocni tożsamość zagłębiowską w  gminie Bobrowniki -  powiedział nam Dariusz Jurek z  FdZD .
Tokens: 1______ 2 3_ 4______ 5________ 6__ 7____________ 8___________ 9_______ 10 11_____ 12_______ 13__________ 14 15____ 16________ 17 18________ 19_ 20_____ 21___ 22 23__ 24

Chunks:
  TruePositive nam [16,16] = Bobrowniki
  TruePositive nam [20,21] = Dariusz Jurek
  FalseNegative nam [23,23] = FdZD

2016-10-27 14:59:11,197 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 5 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107367.xml
(ChunkerEvaluator) Sentence #34 from articles/00107367 from sent1

Text  : Sejm .
Tokens: 1___ 2

Chunks:
  TruePositive nam [1,1] = Sejm

(ChunkerEvaluator) Sentence #35 from articles/00107367 from sent2

Text  : Nowe uprawnienia dla kuratorów nieletnich
Tokens: 1___ 2__________ 3__ 4________ 5_________

Chunks:

(ChunkerEvaluator) Sentence #36 from articles/00107367 from sent3

Text  : Nowe uprawnienia dla kuratorów i możliwość zlecania opinii biegłym przewiduje nowelizacja ustawy o  postępowaniu w  sprawach nieletnich ,  którą w  piątek przyjął Sejm .
Tokens: 1___ 2__________ 3__ 4________ 5 6________ 7_______ 8_____ 9______ 10________ 11_________ 12____ 13 14__________ 15 16______ 17________ 18 19___ 20 21____ 22_____ 23__ 24

Chunks:
  TruePositive nam [23,23] = Sejm

(ChunkerEvaluator) Sentence #37 from articles/00107367 from sent4

Text  : Ustawa określa także zasady kierowania do hosteli i izb dziecka .
Tokens: 1_____ 2______ 3____ 4_____ 5_________ 6_ 7______ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #38 from articles/00107367 from sent5

Text  : Za nowelą było 275 posłów , 140 było przeciwnych ,  a  dwóch wstrzymało się od głosu .
Tokens: 1_ 2_____ 3___ 4__ 5_____ 6 7__ 8___ 9__________ 10 11 12___ 13________ 14_ 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #39 from articles/00107367 from sent6

Text  : Według planowanych zapisów , jeśli zachowanie nieletniego wskazywało by ,  że jest on pod wpływem alkoholu lub innych środków odurzających ,  kurator może go zobowiązać do poddania się badaniu .
Tokens: 1_____ 2__________ 3______ 4 5____ 6_________ 7__________ 8_________ 9_ 10 11 12__ 13 14_ 15_____ 16______ 17_ 18____ 19_____ 20__________ 21 22_____ 23__ 24 25________ 26 27______ 28_ 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #40 from articles/00107367 from sent7

Text  : Może także - oprócz kontrolowania zachowania nieletniego , odwiedzania osób ,  których dotyczy postępowanie w  ich domach oraz przeprowadzania wywiadów środowiskowych -  składać wnioski o  zmianę środka wychowawczego i  oceniać orzeczenia sądu pod względem trafności jego zastosowanego .
Tokens: 1___ 2____ 3 4_____ 5____________ 6_________ 7__________ 8 9__________ 10__ 11 12_____ 13_____ 14__________ 15 16_ 17____ 18__ 19_____________ 20______ 21____________ 22 23_____ 24_____ 25 26____ 27____ 28___________ 29 30_____ 31________ 32__ 33_ 34______ 35_______ 36__ 37___________ 38

Chunks:

(ChunkerEvaluator) Sentence #41 from articles/00107367 from sent8

Text  : Kurator będzie miał prawo i obowiązek uczestniczenia w posiedzeniach sądowych dotyczących nieletniego ,  nad którym nadzór sprawuje .
Tokens: 1______ 2_____ 3___ 4____ 5 6________ 7_____________ 8 9____________ 10______ 11_________ 12_________ 13 14_ 15____ 16____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #42 from articles/00107367 from sent9

Text  : Nowela umożliwia także powierzenie nadzoru nad nieletnim organizacjom młodzieżowym lub społecznym ,  zakładowi pracy lub osobie godnej zaufania ,  a  także wyposażenia ich w  takie same prawa i  obowiązki ,  jakie mają kuratorzy .
Tokens: 1_____ 2________ 3____ 4__________ 5______ 6__ 7________ 8___________ 9___________ 10_ 11________ 12 13_______ 14___ 15_ 16____ 17____ 18______ 19 20 21___ 22_________ 23_ 24 25___ 26__ 27___ 28 29_______ 30 31___ 32__ 33_______ 34

Chunks:
  FalsePositive nam [1,1] = Nowela

(ChunkerEvaluator) Sentence #43 from articles/00107367 from sent10

Text  : Ustawa pozwala na zlecenie opinii na temat nieletniego biegłemu ,  podczas gdy obecnie taką opinię mogą wydawać jedynie rodzinne ośrodki diagnostyczno -  konsultacyjne .
Tokens: 1_____ 2______ 3_ 4_______ 5_____ 6_ 7____ 8__________ 9_______ 10 11_____ 12_ 13_____ 14__ 15____ 16__ 17_____ 18_____ 19______ 20_____ 21___________ 22 23___________ 24

Chunks:

(ChunkerEvaluator) Sentence #44 from articles/00107367 from sent11

Text  : Przewiduje , że opinia taka ważna jest sześć miesięcy i  jeśli zachodzi potrzeba ponownej diagnozy ,  nie trzeba zlecać przygotowania kolejnej opinii .
Tokens: 1_________ 2 3_ 4_____ 5___ 6____ 7___ 8____ 9_______ 10 11___ 12______ 13______ 14______ 15______ 16 17_ 18____ 19____ 20___________ 21______ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #45 from articles/00107367 from sent12

Text  : Nowela rozszerza także katalog sytuacji , w których można zatrzymać nieletniego w  policyjnej izbie dziecka ;  w  myśl noweli będzie to możliwe na przykład w  trakcie samowolnego pobytu poza zakładem poprawczym lub na czas uzasadnionej przerwy w  konwoju .
Tokens: 1_____ 2________ 3____ 4______ 5_______ 6 7 8______ 9____ 10_______ 11_________ 12 13________ 14___ 15_____ 16 17 18__ 19____ 20____ 21 22_____ 23 24______ 25 26_____ 27_________ 28____ 29__ 30______ 31________ 32_ 33 34__ 35__________ 36_____ 37 38_____ 39

Chunks:
  FalsePositive nam [1,1] = Nowela

(ChunkerEvaluator) Sentence #46 from articles/00107367 from sent13

Text  : Nowela reguluje także zasady umieszczania nieletnich w hostelach - zarówno będących częścią zakładu poprawczego ,  jak i  prowadzonych przez organizacje pozarządowe .
Tokens: 1_____ 2_______ 3____ 4_____ 5___________ 6_________ 7 8________ 9 10_____ 11______ 12_____ 13_____ 14_________ 15 16_ 17 18__________ 19___ 20_________ 21_________ 22

Chunks:
  FalsePositive nam [1,1] = Nowela

(ChunkerEvaluator) Sentence #47 from articles/00107367 from sent14

Text  : O umieszczeniu w hostelu trzeba będzie zawiadomić sąd .
Tokens: 1 2___________ 3 4______ 5_____ 6_____ 7_________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #48 from articles/00107367 from sent15

Text  : Nieletni będzie musiał partycypować w kosztach swojego pobytu ( w  wysokości nie większej niż 25 proc .  )  ,  będzie mógł jednak wnioskować o  zwolnienie ,  jeśli np .  nie będzie miał pracy .
Tokens: 1_______ 2_____ 3_____ 4___________ 5 6_______ 7______ 8_____ 9 10 11_______ 12_ 13______ 14_ 15 16__ 17 18 19 20____ 21__ 22____ 23________ 24 25________ 26 27___ 28 29 30_ 31____ 32__ 33___ 34

Chunks:

(ChunkerEvaluator) Sentence #49 from articles/00107367 from sent16

Text  : Teraz nowela trafi do Senatu . ( PAP )
Tokens: 1____ 2_____ 3____ 4_ 5_____ 6 7 8__ 9

Chunks:
  TruePositive nam [5,5] = Senatu
  TruePositive nam [8,8] = PAP

2016-10-27 14:59:11,334 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 6 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107368.xml
(ChunkerEvaluator) Sentence #50 from articles/00107368 from sent1

Text  : Powolny wzrost optymizmu konsumentów
Tokens: 1______ 2_____ 3________ 4__________

Chunks:

(ChunkerEvaluator) Sentence #51 from articles/00107368 from sent2

Text  : Lipiec jest kolejnym miesiącem , który przyniósł poprawę Wskaźnika Optymizmu Konsumentów
Tokens: 1_____ 2___ 3_______ 4________ 5 6____ 7________ 8______ 9________ 10_______ 11_________

Chunks:
  TruePositive nam [9,11] = Wskaźnika Optymizmu Konsumentów
  FalsePositive nam [1,1] = Lipiec

(ChunkerEvaluator) Sentence #52 from articles/00107368 from sent3

Text  : Optymizm konsumentów
Tokens: 1_______ 2__________

Chunks:

(ChunkerEvaluator) Sentence #53 from articles/00107368 from sent4

Text  : Lipiec jest kolejnym miesiącem , który przyniósł poprawę Wskaźnika Optymizmu Konsumentów
Tokens: 1_____ 2___ 3_______ 4________ 5 6____ 7________ 8______ 9________ 10_______ 11_________

Chunks:
  TruePositive nam [9,11] = Wskaźnika Optymizmu Konsumentów
  FalsePositive nam [1,1] = Lipiec

(ChunkerEvaluator) Sentence #54 from articles/00107368 from sent5

Text  : Lipiec jest kolejnym miesiącem , który przyniósł poprawę Wskaźnika Optymizmu Konsumentów .
Tokens: 1_____ 2___ 3_______ 4________ 5 6____ 7________ 8______ 9________ 10_______ 11_________ 12

Chunks:
  TruePositive nam [9,11] = Wskaźnika Optymizmu Konsumentów
  FalsePositive nam [1,1] = Lipiec

(ChunkerEvaluator) Sentence #55 from articles/00107368 from sent6

Text  : Ten mierzony przez Ipsos wskaźnik osiągnął poziom 84 , 8  pkt
Tokens: 1__ 2_______ 3____ 4____ 5_______ 6_______ 7_____ 8_ 9 10 11_

Chunks:
  FalseNegative nam [4,4] = Ipsos

(ChunkerEvaluator) Sentence #56 from articles/00107368 from sent7

Text  : Lipiec jest kolejnym miesiącem , który przyniósł poprawę Wskaźnika Optymizmu Konsumentów .
Tokens: 1_____ 2___ 3_______ 4________ 5 6____ 7________ 8______ 9________ 10_______ 11_________ 12

Chunks:
  TruePositive nam [9,11] = Wskaźnika Optymizmu Konsumentów
  FalsePositive nam [1,1] = Lipiec

(ChunkerEvaluator) Sentence #57 from articles/00107368 from sent8

Text  : Ten mierzony przez Ipsos wskaźnik osiągnął poziom 84 , 8  pkt .
Tokens: 1__ 2_______ 3____ 4____ 5_______ 6_______ 7_____ 8_ 9 10 11_ 12

Chunks:
  FalseNegative nam [4,4] = Ipsos

(ChunkerEvaluator) Sentence #58 from articles/00107368 from sent9

Text  : Zmiana względem ubiegłego miesiąca jest więc nieznaczna , bo wynosi 1  pkt .
Tokens: 1_____ 2_______ 3________ 4_______ 5___ 6___ 7_________ 8 9_ 10____ 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #59 from articles/00107368 from sent10

Text  : Stosunkowo największą zmianę zanotował Wskaźnik Klimatu Gospodarczego , który wzrósł o  1  ,  7  pkt ,  osiągając poziom 72 pkt .
Tokens: 1_________ 2_________ 3_____ 4________ 5_______ 6______ 7____________ 8 9____ 10____ 11 12 13 14 15_ 16 17_______ 18____ 19 20_ 21

Chunks:
  TruePositive nam [5,7] = Wskaźnik Klimatu Gospodarczego

(ChunkerEvaluator) Sentence #60 from articles/00107368 from sent11

Text  : Mniej osób niż przed miesiącem uważa , że w ciągu ostatniego roku sytuacja gospodarcza kraju pogorszyła się (  zmiana o  5  pkt proc )  .
Tokens: 1____ 2___ 3__ 4____ 5________ 6____ 7 8_ 9 10___ 11________ 12__ 13______ 14_________ 15___ 16________ 17_ 18 19____ 20 21 22_ 23__ 24 25

Chunks:

(ChunkerEvaluator) Sentence #61 from articles/00107368 from sent12

Text  : Z kolei skłonność do Zakupów pozostała praktycznie bez zmiany (  +  0  ,  5  pkt )  ,  uzyskując wynik 93 ,  9  pkt .
Tokens: 1 2____ 3________ 4_ 5______ 6________ 7__________ 8__ 9_____ 10 11 12 13 14 15_ 16 17 18_______ 19___ 20 21 22 23_ 24

Chunks:
  FalsePositive nam [5,5] = Zakupów

(ChunkerEvaluator) Sentence #62 from articles/00107368 from sent13

Text  : Jednocześnie zwiększył się nieco udział osób , które przewidują ,  że w  ciągu najbliższego roku uda im się odłożyć pieniądze .
Tokens: 1___________ 2________ 3__ 4____ 5_____ 6___ 7 8____ 9_________ 10 11 12 13___ 14__________ 15__ 16_ 17 18_ 19_____ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #63 from articles/00107368 from sent14

Text  : Obecna poprawa Wskaźnika Optymizmu Konsumentów dokonała się głównie dzięki ocenom sytuacji bieżącej .
Tokens: 1_____ 2______ 3________ 4________ 5__________ 6_______ 7__ 8______ 9_____ 10____ 11______ 12______ 13

Chunks:
  TruePositive nam [3,5] = Wskaźnika Optymizmu Konsumentów

(ChunkerEvaluator) Sentence #64 from articles/00107368 from sent15

Text  : Jednak przewidywania odnośnie przyszłości stały się nieco bardziej pesymistyczne .
Tokens: 1_____ 2____________ 3_______ 4__________ 5____ 6__ 7____ 8_______ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #65 from articles/00107368 from sent16

Text  : W następstwie tego Wskaźnik Oczekiwań jako jedyny w tym miesiącu spadł (  -  1  ,  4  pkt )  .
Tokens: 1 2__________ 3___ 4_______ 5________ 6___ 7_____ 8 9__ 10______ 11___ 12 13 14 15 16 17_ 18 19

Chunks:
  TruePositive nam [4,5] = Wskaźnik Oczekiwań

(ChunkerEvaluator) Sentence #66 from articles/00107368 from sent17

Text  : Jeśli te pesymistyczne postawy pogłębią się w najbliższych miesiącach ,  może to doprowadzić do zatrzymania wzrostu Wskaźnika Optymizmu Konsumentów .
Tokens: 1____ 2_ 3____________ 4______ 5_______ 6__ 7 8___________ 9_________ 10 11__ 12 13_________ 14 15_________ 16_____ 17_______ 18_______ 19_________ 20

Chunks:
  TruePositive nam [17,19] = Wskaźnika Optymizmu Konsumentów

(ChunkerEvaluator) Sentence #67 from articles/00107368 from sent18

Text  : Według danych GUS bezrobocie było w czerwcu niższe , niż w  maju ,  jednak nie spadło ono względem ubiegłego roku ,  a  nawet jest nieco wyższe .
Tokens: 1_____ 2_____ 3__ 4_________ 5___ 6 7______ 8_____ 9 10_ 11 12__ 13 14____ 15_ 16____ 17_ 18______ 19_______ 20__ 21 22 23___ 24__ 25___ 26____ 27

Chunks:
  TruePositive nam [3,3] = GUS

(ChunkerEvaluator) Sentence #68 from articles/00107368 from sent19

Text  : Brak oczekiwanej poprawy na rynku pracy znalazł odbicie w obawach konsumentów .
Tokens: 1___ 2__________ 3______ 4_ 5____ 6____ 7______ 8______ 9 10_____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #69 from articles/00107368 from sent20

Text  : Zapytani o największe problemy , przed którymi obecnie stoi Polska ,  bezrobocie wymieniane jest najczęściej -  co trzeci Polak uważa je za najważniejszy problem w  naszym kraju .
Tokens: 1_______ 2 3_________ 4_______ 5 6____ 7______ 8______ 9___ 10____ 11 12________ 13________ 14__ 15_________ 16 17 18____ 19___ 20___ 21 22 23___________ 24_____ 25 26____ 27___ 28

Chunks:
  TruePositive nam [10,10] = Polska
  TruePositive nam [19,19] = Polak

(ChunkerEvaluator) Sentence #70 from articles/00107368 from sent21

Text  : Dla co czwartego Polaka największym problemem jest zła sytuacja materialna gospodarstw domowych -  wysokie ceny ,  różnice w  dochodach ,  niskie zarobki czy emerytury .
Tokens: 1__ 2_ 3________ 4_____ 5__________ 6________ 7___ 8__ 9_______ 10________ 11_________ 12______ 13 14_____ 15__ 16 17_____ 18 19_______ 20 21____ 22_____ 23_ 24_______ 25

Chunks:
  TruePositive nam [4,4] = Polaka

(ChunkerEvaluator) Sentence #71 from articles/00107368 from sent22

Text  : Ten mierzony przez Ipsos wskaźnik osiągnął poziom 84 , 8  pkt .
Tokens: 1__ 2_______ 3____ 4____ 5_______ 6_______ 7_____ 8_ 9 10 11_ 12

Chunks:
  FalseNegative nam [4,4] = Ipsos

(ChunkerEvaluator) Sentence #72 from articles/00107368 from sent23

Text  : Zmiana względem ubiegłego miesiąca jest więc nieznaczna , bo wynosi 1  pkt .
Tokens: 1_____ 2_______ 3________ 4_______ 5___ 6___ 7_________ 8 9_ 10____ 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #73 from articles/00107368 from sent24

Text  : Stosunkowo największą zmianę zanotował Wskaźnik Klimatu Gospodarczego , który wzrósł o  1  ,  7  pkt osiągając poziom 72 pkt .
Tokens: 1_________ 2_________ 3_____ 4________ 5_______ 6______ 7____________ 8 9____ 10____ 11 12 13 14 15_ 16_______ 17____ 18 19_ 20

Chunks:
  TruePositive nam [5,7] = Wskaźnik Klimatu Gospodarczego

(ChunkerEvaluator) Sentence #74 from articles/00107368 from sent25

Text  : Mniej osób niż przed miesiącem uważa , że w ciągu ostatniego roku sytuacja gospodarcza kraju pogorszyła się (  zmiana o  5  pkt proc )  .
Tokens: 1____ 2___ 3__ 4____ 5________ 6____ 7 8_ 9 10___ 11________ 12__ 13______ 14_________ 15___ 16________ 17_ 18 19____ 20 21 22_ 23__ 24 25

Chunks:

(ChunkerEvaluator) Sentence #75 from articles/00107368 from sent26

Text  : Z kolei skłonność do Zakupów pozostała praktycznie bez zmiany (  +  0  ,  5  pkt )  ,  uzyskując wynik 93 ,  9  pkt .
Tokens: 1 2____ 3________ 4_ 5______ 6________ 7__________ 8__ 9_____ 10 11 12 13 14 15_ 16 17 18_______ 19___ 20 21 22 23_ 24

Chunks:
  FalsePositive nam [5,5] = Zakupów

(ChunkerEvaluator) Sentence #76 from articles/00107368 from sent27

Text  : Jednocześnie zwiększył się nieco udział osób , które przewidują ,  że w  ciągu najbliższego roku uda im się odłożyć pieniądze .
Tokens: 1___________ 2________ 3__ 4____ 5_____ 6___ 7 8____ 9_________ 10 11 12 13___ 14__________ 15__ 16_ 17 18_ 19_____ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #77 from articles/00107368 from sent28

Text  : Obecna poprawa Wskaźnika Optymizmu Konsumentów dokonała się głównie dzięki ocenom sytuacji bieżącej .
Tokens: 1_____ 2______ 3________ 4________ 5__________ 6_______ 7__ 8______ 9_____ 10____ 11______ 12______ 13

Chunks:
  TruePositive nam [3,5] = Wskaźnika Optymizmu Konsumentów

(ChunkerEvaluator) Sentence #78 from articles/00107368 from sent29

Text  : Jednak przewidywania odnośnie przyszłości stały się nieco bardziej pesymistyczne .
Tokens: 1_____ 2____________ 3_______ 4__________ 5____ 6__ 7____ 8_______ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #79 from articles/00107368 from sent30

Text  : W następstwie tego Wskaźnik Oczekiwań jako jedyny w tym miesiącu spadł (  -  1  ,  4  pkt )  .
Tokens: 1 2__________ 3___ 4_______ 5________ 6___ 7_____ 8 9__ 10______ 11___ 12 13 14 15 16 17_ 18 19

Chunks:
  TruePositive nam [4,5] = Wskaźnik Oczekiwań

(ChunkerEvaluator) Sentence #80 from articles/00107368 from sent31

Text  : Jeśli te pesymistyczne postawy pogłębią się w najbliższych miesiącach ,  może to doprowadzić do zatrzymania wzrostu Wskaźnika Optymizmu Konsumentów .
Tokens: 1____ 2_ 3____________ 4______ 5_______ 6__ 7 8___________ 9_________ 10 11__ 12 13_________ 14 15_________ 16_____ 17_______ 18_______ 19_________ 20

Chunks:
  TruePositive nam [17,19] = Wskaźnika Optymizmu Konsumentów

(ChunkerEvaluator) Sentence #81 from articles/00107368 from sent32

Text  : Według danych GUS bezrobocie było w czerwcu niższe , niż w  maju ,  jednak nie spadło ono względem ubiegłego roku ,  a  nawet jest nieco wyższe .
Tokens: 1_____ 2_____ 3__ 4_________ 5___ 6 7______ 8_____ 9 10_ 11 12__ 13 14____ 15_ 16____ 17_ 18______ 19_______ 20__ 21 22 23___ 24__ 25___ 26____ 27

Chunks:
  TruePositive nam [3,3] = GUS

(ChunkerEvaluator) Sentence #82 from articles/00107368 from sent33

Text  : Brak oczekiwanej poprawy na rynku pracy znalazł odbicie w obawach konsumentów .
Tokens: 1___ 2__________ 3______ 4_ 5____ 6____ 7______ 8______ 9 10_____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #83 from articles/00107368 from sent34

Text  : Zapytani o największe problemy , przed którymi obecnie stoi Polska ,  bezrobocie wymieniane jest najczęściej -  co trzeci Polak uważa je za najważniejszy problem w  naszym kraju .
Tokens: 1_______ 2 3_________ 4_______ 5 6____ 7______ 8______ 9___ 10____ 11 12________ 13________ 14__ 15_________ 16 17 18____ 19___ 20___ 21 22 23___________ 24_____ 25 26____ 27___ 28

Chunks:
  TruePositive nam [10,10] = Polska
  TruePositive nam [19,19] = Polak

(ChunkerEvaluator) Sentence #84 from articles/00107368 from sent35

Text  : Dla co czwartego Polaka największym problemem jest zła sytuacja materialna gospodarstw domowych -  wysokie ceny ,  różnice w  dochodach ,  niskie zarobki czy emerytury .
Tokens: 1__ 2_ 3________ 4_____ 5__________ 6________ 7___ 8__ 9_______ 10________ 11_________ 12______ 13 14_____ 15__ 16 17_____ 18 19_______ 20 21____ 22_____ 23_ 24_______ 25

Chunks:
  TruePositive nam [4,4] = Polaka

2016-10-27 14:59:11,549 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 7 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107369.xml
(ChunkerEvaluator) Sentence #85 from articles/00107369 from sent1

Text  : Przed meczami Tłoki - ŁKS i Ruch - Stal
Tokens: 1____ 2______ 3____ 4 5__ 6 7___ 8 9___

Chunks:
  TruePositive nam [3,3] = Tłoki
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [7,7] = Ruch
  FalseNegative nam [9,9] = Stal

(ChunkerEvaluator) Sentence #86 from articles/00107369 from sent2

Text  : PIŁKA NOŻNA , II LIGA .
Tokens: 1____ 2____ 3 4_ 5___ 6

Chunks:
  FalsePositive nam [1,2] = PIŁKA NOŻNA
  FalsePositive nam [5,5] = LIGA

(ChunkerEvaluator) Sentence #87 from articles/00107369 from sent3

Text  : Tłoki o pierwsze zwycięstwo w lidze zagrają z łodzkim ŁKS-em .  Stal Stalowa Wola zagra na wyjeździe z  Ruchem Radzionków
Tokens: 1____ 2 3_______ 4_________ 5 6____ 7______ 8 9______ 10____ 11 12__ 13_____ 14__ 15___ 16 17_______ 18 19____ 20________

Chunks:
  TruePositive nam [10,10] = ŁKS-em
  TruePositive nam [12,14] = Stal Stalowa Wola
  TruePositive nam [19,20] = Ruchem Radzionków
  FalseNegative nam [1,1] = Tłoki

(ChunkerEvaluator) Sentence #88 from articles/00107369 from sent4

Text  : PIŁKA NOŻNA * II liga , VI .
Tokens: 1____ 2____ 3 4_ 5___ 6 7_ 8

Chunks:
  FalsePositive nam [1,2] = PIŁKA NOŻNA
  FalsePositive nam [7,7] = VI

(ChunkerEvaluator) Sentence #89 from articles/00107369 from sent5

Text  : kolejka
Tokens: 1______

Chunks:

(ChunkerEvaluator) Sentence #90 from articles/00107369 from sent6

Text  : Ograć ŁKS
Tokens: 1____ 2__

Chunks:
  TruePositive nam [2,2] = ŁKS

(ChunkerEvaluator) Sentence #91 from articles/00107369 from sent7

Text  : Tłoki o pierwsze zwycięstwo w lidze zagrają z łodzkim ŁKS-em .  Stal Stalowa Wola zagra na wyjeździe z  Ruchem Radzionków
Tokens: 1____ 2 3_______ 4_________ 5 6____ 7______ 8 9______ 10____ 11 12__ 13_____ 14__ 15___ 16 17_______ 18 19____ 20________

Chunks:
  TruePositive nam [10,10] = ŁKS-em
  TruePositive nam [12,14] = Stal Stalowa Wola
  TruePositive nam [19,20] = Ruchem Radzionków
  FalseNegative nam [1,1] = Tłoki

(ChunkerEvaluator) Sentence #92 from articles/00107369 from sent8

Text  : Gorzyczanie w ostatniej kolejce przywieźli punkt z wyjazdowego meczu z  Bełchatowa .
Tokens: 1__________ 2 3________ 4______ 5_________ 6____ 7 8__________ 9____ 10 11________ 12

Chunks:
  TruePositive nam [11,11] = Bełchatowa
  FalseNegative nam [1,1] = Gorzyczanie

(ChunkerEvaluator) Sentence #93 from articles/00107369 from sent9

Text  : Remis z utytułowanym przeciwnikiem został odebrany jako zapowiedź lepszych czasów dla Tłoków .
Tokens: 1____ 2 3___________ 4____________ 5_____ 6_______ 7___ 8________ 9_______ 10____ 11_ 12____ 13

Chunks:
  TruePositive nam [12,12] = Tłoków

(ChunkerEvaluator) Sentence #94 from articles/00107369 from sent10

Text  : Zespół trenera Franciszka Krótkiego do tej pory czterokrotnie zremisował swoje mecze i  raz przegrał .
Tokens: 1_____ 2______ 3_________ 4________ 5_ 6__ 7___ 8____________ 9_________ 10___ 11___ 12 13_ 14______ 15

Chunks:
  TruePositive nam [3,4] = Franciszka Krótkiego

(ChunkerEvaluator) Sentence #95 from articles/00107369 from sent11

Text  : Okazją do odniesienia pierwszego zwycięstwa będzie pojedynek niedzielny z ŁKS-em Łódź .
Tokens: 1_____ 2_ 3__________ 4_________ 5_________ 6_____ 7________ 8_________ 9 10____ 11__ 12

Chunks:
  FalsePositive nam [10,11] = ŁKS-em Łódź
  FalseNegative nam [10,10] = ŁKS-em
  FalseNegative nam [11,11] = Łódź

(ChunkerEvaluator) Sentence #96 from articles/00107369 from sent12

Text  : ŁKS to najstarszy klub „ miasta włókniarzy " jak potocznie określa się Łódź .
Tokens: 1__ 2_ 3_________ 4___ 5 6_____ 7_________ 8 9__ 10_______ 11_____ 12_ 13__ 14

Chunks:
  TruePositive nam [1,1] = ŁKS
  TruePositive nam [13,13] = Łódź
  FalseNegative nam [6,7] = miasta włókniarzy

(ChunkerEvaluator) Sentence #97 from articles/00107369 from sent13

Text  : Jest on także jednym z najstarszych zespołów w Polsce ,  gdyż założono go w  roku 1908 .
Tokens: 1___ 2_ 3____ 4_____ 5 6___________ 7_______ 8 9_____ 10 11__ 12______ 13 14 15__ 16__ 17

Chunks:
  TruePositive nam [9,9] = Polsce

(ChunkerEvaluator) Sentence #98 from articles/00107369 from sent14

Text  : W swojej historii łodzianie zdobyli dwukrotnie tytuły mistrzów kraju w  roku 1958 i  1998 .
Tokens: 1 2_____ 3_______ 4________ 5______ 6_________ 7_____ 8_______ 9____ 10 11__ 12__ 13 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #99 from articles/00107369 from sent15

Text  : Nasławniejszymi piłkarzami , którzy reprezentowali barwy ŁKS-u są : bramkarz Jan Tomaszewski ,  który w  roku 1973 swoimi kapitalnymi interwencjami przyczynił się do pierwszego po wojnie awansu reprezentacji Polski do mistrzostw świata ,  obrońca Mirosław Bulzacki ,  także uczestnik meczu z  Anglią ,  Stanisław Terlecki ,  a  ze współczesnych zawodników :  Jacek Ziober i  Mirosław Trzeciak .
Tokens: 1______________ 2_________ 3 4_____ 5_____________ 6____ 7____ 8_ 9 10______ 11_ 12_________ 13 14___ 15 16__ 17__ 18____ 19_________ 20___________ 21________ 22_ 23 24________ 25 26____ 27____ 28___________ 29____ 30 31________ 32____ 33 34_____ 35______ 36______ 37 38___ 39_______ 40___ 41 42____ 43 44_______ 45______ 46 47 48 49___________ 50________ 51 52___ 53____ 54 55______ 56______ 57

Chunks:
  TruePositive nam [7,7] = ŁKS-u
  TruePositive nam [11,12] = Jan Tomaszewski
  TruePositive nam [29,29] = Polski
  TruePositive nam [35,36] = Mirosław Bulzacki
  TruePositive nam [42,42] = Anglią
  TruePositive nam [44,45] = Stanisław Terlecki
  TruePositive nam [52,53] = Jacek Ziober
  TruePositive nam [55,56] = Mirosław Trzeciak
  FalseNegative nam [31,32] = mistrzostw świata

(ChunkerEvaluator) Sentence #100 from articles/00107369 from sent16

Text  : Ciekawostką jest fakt rozegrania jednego meczu w barwach łodzian najsławniejszego z  polskich piłkarzy Kazimierza Deyny tuż przed jego przejściem do warszawskiej Legii .
Tokens: 1__________ 2___ 3___ 4_________ 5______ 6____ 7 8______ 9______ 10______________ 11 12______ 13______ 14________ 15___ 16_ 17___ 18__ 19________ 20 21__________ 22___ 23

Chunks:
  TruePositive nam [14,15] = Kazimierza Deyny
  TruePositive nam [22,22] = Legii

(ChunkerEvaluator) Sentence #101 from articles/00107369 from sent17

Text  : W ostatnich latach ŁKS przeżywa kryzys .
Tokens: 1 2________ 3_____ 4__ 5_______ 6_____ 7

Chunks:
  TruePositive nam [4,4] = ŁKS

(ChunkerEvaluator) Sentence #102 from articles/00107369 from sent18

Text  : Klub trzy lata temu spadł z pierwszej ligi i do dziś nie może się podnieść po spadku .
Tokens: 1___ 2___ 3___ 4___ 5____ 6 7________ 8___ 9 10 11__ 12_ 13__ 14_ 15______ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #103 from articles/00107369 from sent19

Text  : Po pięciu kolejkach łodzianie zajmują 17 miejsce z dorobkiem czterech punktów .
Tokens: 1_ 2_____ 3________ 4________ 5______ 6_ 7______ 8 9________ 10______ 11_____ 12

Chunks:
  FalseNegative nam [4,4] = łodzianie

(ChunkerEvaluator) Sentence #104 from articles/00107369 from sent20

Text  : Tydzień temu ŁKS odniósł pierwsze zwycięstwo w tegorocznych rozgrywkach 2  :  0  u  siebie z  Polarem Wrocław .
Tokens: 1______ 2___ 3__ 4______ 5_______ 6_________ 7 8___________ 9__________ 10 11 12 13 14____ 15 16_____ 17_____ 18

Chunks:
  TruePositive nam [3,3] = ŁKS
  TruePositive nam [16,17] = Polarem Wrocław

(ChunkerEvaluator) Sentence #105 from articles/00107369 from sent21

Text  : - Za kartki nikt nie pauzuje i nie ma poważniejszych kontuzji .
Tokens: 1 2_ 3_____ 4___ 5__ 6______ 7 8__ 9_ 10____________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #106 from articles/00107369 from sent22

Text  : Wszyscy są do dyspozycji trenera i zapowiadają walkę o pierwsze zwycięstwo .
Tokens: 1______ 2_ 3_ 4_________ 5______ 6 7__________ 8____ 9 10______ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #107 from articles/00107369 from sent23

Text  : ŁKS to rywal w naszym zasięgu .
Tokens: 1__ 2_ 3____ 4 5_____ 6______ 7

Chunks:
  TruePositive nam [1,1] = ŁKS

(ChunkerEvaluator) Sentence #108 from articles/00107369 from sent24

Text  : Po remisie w Bełchatowie panuje bojowy nastrój w zespole -  powiedział Zenon Krówka kierwonik Tłoków Gorzyce
Tokens: 1_ 2______ 3 4__________ 5_____ 6_____ 7______ 8 9______ 10 11________ 12___ 13____ 14_______ 15____ 16_____

Chunks:
  TruePositive nam [4,4] = Bełchatowie
  TruePositive nam [12,13] = Zenon Krówka
  TruePositive nam [15,16] = Tłoków Gorzyce

(ChunkerEvaluator) Sentence #109 from articles/00107369 from sent25

Text  : Drugi reprezentatnt naszego województwa Stal Stalowa Wola zagra na wyjeździe z  Ruchem Radzionków .
Tokens: 1____ 2____________ 3______ 4__________ 5___ 6______ 7___ 8____ 9_ 10_______ 11 12____ 13________ 14

Chunks:
  TruePositive nam [5,7] = Stal Stalowa Wola
  TruePositive nam [12,13] = Ruchem Radzionków

(ChunkerEvaluator) Sentence #110 from articles/00107369 from sent26

Text  : Radzionkowianie jeszcze dwa lata temu grali w ekstraklasie .
Tokens: 1______________ 2______ 3__ 4___ 5___ 6____ 7 8___________ 9

Chunks:
  FalseNegative nam [1,1] = Radzionkowianie

(ChunkerEvaluator) Sentence #111 from articles/00107369 from sent27

Text  : Klub ze Śląska podobnie jak ŁKS przeżywa kłopoty finansowe i  zajmuje ostatnie miejsce w  tabeli bez zwycięstwa .
Tokens: 1___ 2_ 3_____ 4_______ 5__ 6__ 7_______ 8______ 9________ 10 11_____ 12______ 13_____ 14 15____ 16_ 17________ 18

Chunks:
  TruePositive nam [3,3] = Śląska
  TruePositive nam [6,6] = ŁKS

(ChunkerEvaluator) Sentence #112 from articles/00107369 from sent28

Text  : W Radzionkowie nie ma już legendy tego klubu Mariana Janoszki ,  który zakończył karierę .
Tokens: 1 2___________ 3__ 4_ 5__ 6______ 7___ 8____ 9______ 10______ 11 12___ 13_______ 14_____ 15

Chunks:
  TruePositive nam [9,10] = Mariana Janoszki
  FalseNegative nam [2,2] = Radzionkowie

(ChunkerEvaluator) Sentence #113 from articles/00107369 from sent29

Text  : Stal po zwycięstwie nad Ceramiką Opoczno , ma za zadanie nie przegrać pojedynku z  w  Radzionkowie .
Tokens: 1___ 2_ 3__________ 4__ 5_______ 6______ 7 8_ 9_ 10_____ 11_ 12______ 13_______ 14 15 16__________ 17

Chunks:
  TruePositive nam [5,6] = Ceramiką Opoczno
  FalseNegative nam [1,1] = Stal
  FalseNegative nam [16,16] = Radzionkowie

(ChunkerEvaluator) Sentence #114 from articles/00107369 from sent30

Text  : Cel ten jest realny do osiągnięcia , gdyż rywal Satli spisuje się słabo w  rozgrywkach .
Tokens: 1__ 2__ 3___ 4_____ 5_ 6__________ 7 8___ 9____ 10___ 11_____ 12_ 13___ 14 15_________ 16

Chunks:
  FalseNegative nam [10,10] = Satli

(ChunkerEvaluator) Sentence #115 from articles/00107369 from sent31

Text  : - Ruch u siebie na pewno będzie groźny .
Tokens: 1 2___ 3 4_____ 5_ 6____ 7_____ 8_____ 9

Chunks:
  FalseNegative nam [2,2] = Ruch

(ChunkerEvaluator) Sentence #116 from articles/00107369 from sent32

Text  : Po dwóch niepowodzeniach w meczach wyjazdowych , tym razem jedziemy do Radzionkowa po zdobycz punktową .
Tokens: 1_ 2____ 3______________ 4 5______ 6__________ 7 8__ 9____ 10______ 11 12_________ 13 14_____ 15______ 16

Chunks:
  FalseNegative nam [12,12] = Radzionkowa

(ChunkerEvaluator) Sentence #117 from articles/00107369 from sent33

Text  : Być może do składu wróci już Piotr Powroźnik .
Tokens: 1__ 2___ 3_ 4_____ 5____ 6__ 7____ 8________ 9

Chunks:
  TruePositive nam [7,8] = Piotr Powroźnik

(ChunkerEvaluator) Sentence #118 from articles/00107369 from sent34

Text  : Nie zagrają natomiast kontuzjowani : Jaromir Wieprzęć , Paweł Dziuba i  Łukasz Szymanowski -  dodał II trener Stali Sławomir Adamus .
Tokens: 1__ 2______ 3________ 4___________ 5 6______ 7_______ 8 9____ 10____ 11 12____ 13_________ 14 15___ 16 17____ 18___ 19______ 20____ 21

Chunks:
  TruePositive nam [6,7] = Jaromir Wieprzęć
  TruePositive nam [9,10] = Paweł Dziuba
  TruePositive nam [12,13] = Łukasz Szymanowski
  TruePositive nam [18,18] = Stali
  TruePositive nam [19,20] = Sławomir Adamus

(ChunkerEvaluator) Sentence #119 from articles/00107369 from sent35

Text  : Pozostałe pary .
Tokens: 1________ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #120 from articles/00107369 from sent36

Text  : VI .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #121 from articles/00107369 from sent37

Text  : kolejki : Piotrcovia Piotrków Trybunalski - MC Podbeskidzie Bielsko -  Biała ,  godz .  15 ;  Ceramika Opoczno -  Świt Nowy Dwór Mazowiecki ,  godz .  15 ;
Tokens: 1______ 2 3_________ 4_______ 5__________ 6 7_ 8___________ 9______ 10 11___ 12 13__ 14 15 16 17______ 18_____ 19 20__ 21__ 22__ 23________ 24 25__ 26 27 28

Chunks:
  TruePositive nam [3,5] = Piotrcovia Piotrków Trybunalski
  TruePositive nam [7,11] = MC Podbeskidzie Bielsko - Biała
  TruePositive nam [17,18] = Ceramika Opoczno
  TruePositive nam [20,23] = Świt Nowy Dwór Mazowiecki

(ChunkerEvaluator) Sentence #122 from articles/00107369 from sent38

Text  : Hetman Zamość - Stomil Olsztyn , godz . 15 ;  Górnik Polkowice -  GKS Bełchatów ,  godz .  15 ;  Górnik Łęczna -  Polar Wrocław ,  godz .  15 ;  Śląsk Wrocław -  Aluminium Konin ,  godz .  15 ;  Arka Gdynia -  RKS Radomsko ,  godz .  19 .
Tokens: 1_____ 2_____ 3 4_____ 5______ 6 7___ 8 9_ 10 11____ 12_______ 13 14_ 15_______ 16 17__ 18 19 20 21____ 22____ 23 24___ 25_____ 26 27__ 28 29 30 31___ 32_____ 33 34_______ 35___ 36 37__ 38 39 40 41__ 42____ 43 44_ 45______ 46 47__ 48 49 50

Chunks:
  TruePositive nam [1,2] = Hetman Zamość
  TruePositive nam [4,5] = Stomil Olsztyn
  TruePositive nam [11,12] = Górnik Polkowice
  TruePositive nam [14,15] = GKS Bełchatów
  TruePositive nam [21,22] = Górnik Łęczna
  TruePositive nam [24,25] = Polar Wrocław
  TruePositive nam [31,32] = Śląsk Wrocław
  TruePositive nam [34,35] = Aluminium Konin
  TruePositive nam [41,42] = Arka Gdynia
  TruePositive nam [44,45] = RKS Radomsko

2016-10-27 14:59:11,748 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 8 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107370.xml
(ChunkerEvaluator) Sentence #123 from articles/00107370 from sent1

Text  : Chiński zespół pieśni i tańca na Dolnym Śląsku
Tokens: 1______ 2_____ 3_____ 4 5____ 6_ 7_____ 8_____

Chunks:
  TruePositive nam [7,8] = Dolnym Śląsku

(ChunkerEvaluator) Sentence #124 from articles/00107370 from sent2

Text  : sobota - czwartek ( 7 - 12 września )
Tokens: 1_____ 2 3_______ 4 5 6 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #125 from articles/00107370 from sent3

Text  : Chińczycy na Dolnym Śląsku
Tokens: 1________ 2_ 3_____ 4_____

Chunks:
  TruePositive nam [3,4] = Dolnym Śląsku
  FalseNegative nam [1,1] = Chińczycy

(ChunkerEvaluator) Sentence #126 from articles/00107370 from sent4

Text  : Narodowy Zespół Baletu , Pieśni i Tańca z Pekinu wystąpi w  najbliższych dniach w  aż 15 miejscowościach na Dolnym Śląsku .
Tokens: 1_______ 2_____ 3_____ 4 5_____ 6 7____ 8 9_____ 10_____ 11 12__________ 13____ 14 15 16 17_____________ 18 19____ 20____ 21

Chunks:
  TruePositive nam [19,20] = Dolnym Śląsku
  FalsePositive nam [2,3] = Zespół Baletu
  FalsePositive nam [5,5] = Pieśni
  FalsePositive nam [7,7] = Tańca
  FalsePositive nam [9,9] = Pekinu
  FalseNegative nam [1,9] = Narodowy Zespół Baletu , Pieśni i Tańca z Pekinu

(ChunkerEvaluator) Sentence #127 from articles/00107370 from sent5

Text  : Smok z Chińskiego Muru - bo tak się nazywa zespół -  przyjechał na zaproszenie znanego wrocławskiego dziennikarza Zdzisława Smektały i  jego firmy Jazz dla Mass .
Tokens: 1___ 2 3_________ 4___ 5 6_ 7__ 8__ 9_____ 10____ 11 12________ 13 14_________ 15_____ 16___________ 17__________ 18_______ 19______ 20 21__ 22___ 23__ 24_ 25__ 26

Chunks:
  TruePositive nam [3,4] = Chińskiego Muru
  TruePositive nam [18,19] = Zdzisława Smektały
  FalsePositive nam [23,23] = Jazz
  FalseNegative nam [23,25] = Jazz dla Mass

(ChunkerEvaluator) Sentence #128 from articles/00107370 from sent6

Text  : - To jeden z bardziej znanych zespołów pieśni i tańca w  Chinach -  mówi Smektała .  -  polecił mi go dyrektor Fundacji Chińsko -  Polskiej Wymiany Kulturalnej i  Sztuki podczas jednego z  Blues Brothers Day .
Tokens: 1 2_ 3____ 4 5_______ 6______ 7_______ 8_____ 9 10___ 11 12_____ 13 14__ 15______ 16 17 18_____ 19 20 21______ 22______ 23_____ 24 25______ 26_____ 27_________ 28 29____ 30_____ 31_____ 32 33___ 34______ 35_ 36

Chunks:
  TruePositive nam [12,12] = Chinach
  TruePositive nam [22,29] = Fundacji Chińsko - Polskiej Wymiany Kulturalnej i Sztuki
  TruePositive nam [33,35] = Blues Brothers Day
  FalseNegative nam [15,15] = Smektała

(ChunkerEvaluator) Sentence #129 from articles/00107370 from sent7

Text  : 30 - osobowa grupa wykonywać będzie dwugodzinny spektakl „ Miedzianym szlakiem ”  -  wykorzystując m  .  in .  starochińskie pieśni i  podania ludowe .
Tokens: 1_ 2 3______ 4____ 5________ 6_____ 7__________ 8_______ 9 10________ 11______ 12 13 14___________ 15 16 17 18 19___________ 20____ 21 22_____ 23____ 24

Chunks:
  FalseNegative nam [10,11] = Miedzianym szlakiem

(ChunkerEvaluator) Sentence #130 from articles/00107370 from sent8

Text  : Na koniec swojego tournée po Dolnym Śląsku 18 września ma zatańczyć na wrocławskim Rynku razem z  Zespołem Pieśni i  Tańca „  Wrocław ”  .
Tokens: 1_ 2_____ 3______ 4______ 5_ 6_____ 7_____ 8_ 9_______ 10 11_______ 12 13_________ 14___ 15___ 16 17______ 18____ 19 20___ 21 22_____ 23 24

Chunks:
  TruePositive nam [6,7] = Dolnym Śląsku
  FalsePositive nam [14,14] = Rynku
  FalsePositive nam [17,18] = Zespołem Pieśni
  FalsePositive nam [20,20] = Tańca
  FalsePositive nam [22,22] = Wrocław
  FalseNegative nam [4,4] = tournée
  FalseNegative nam [17,23] = Zespołem Pieśni i Tańca „ Wrocław ”

(ChunkerEvaluator) Sentence #131 from articles/00107370 from sent9

Text  : - Będzie to taki symboliczny taniec reprezentantów miast ubiegających się o  Expo -  mówi Grażyna Zimmer ,  kierownik produkcji imprezy .
Tokens: 1 2_____ 3_ 4___ 5__________ 6_____ 7_____________ 8____ 9___________ 10_ 11 12__ 13 14__ 15_____ 16____ 17 18_______ 19_______ 20_____ 21

Chunks:
  TruePositive nam [12,12] = Expo
  TruePositive nam [15,16] = Grażyna Zimmer

(ChunkerEvaluator) Sentence #132 from articles/00107370 from sent10

Text  : Wstęp na spektakle jest wolny .
Tokens: 1____ 2_ 3________ 4___ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #133 from articles/00107370 from sent11

Text  : Program występów :
Tokens: 1______ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #134 from articles/00107370 from sent12

Text  : sobota , 7 września :
Tokens: 1_____ 2 3 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #135 from articles/00107370 from sent13

Text  : Kłodzko , stadion OSiR , godz . 17
Tokens: 1______ 2 3______ 4___ 5 6___ 7 8_

Chunks:
  TruePositive nam [1,1] = Kłodzko
  FalseNegative nam [4,4] = OSiR

(ChunkerEvaluator) Sentence #136 from articles/00107370 from sent14

Text  : Polanica Zdrój - deptak , godz . 20
Tokens: 1_______ 2____ 3 4_____ 5 6___ 7 8_

Chunks:
  FalsePositive nam [2,2] = Zdrój
  FalseNegative nam [1,2] = Polanica Zdrój

(ChunkerEvaluator) Sentence #137 from articles/00107370 from sent15

Text  : niedziela , 8 września :
Tokens: 1________ 2 3 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #138 from articles/00107370 from sent16

Text  : Sobótka - stadion , godz . 15 . 30
Tokens: 1______ 2 3______ 4 5___ 6 7_ 8 9_

Chunks:
  TruePositive nam [1,1] = Sobótka

(ChunkerEvaluator) Sentence #139 from articles/00107370 from sent17

Text  : Święta Katarzyna - stadion ( dożynki ) - godz .  18
Tokens: 1_____ 2________ 3 4______ 5 6______ 7 8 9___ 10 11

Chunks:
  FalsePositive nam [2,2] = Katarzyna
  FalseNegative nam [1,2] = Święta Katarzyna
  FalseNegative nam [6,6] = dożynki

(ChunkerEvaluator) Sentence #140 from articles/00107370 from sent18

Text  : środa , 11 września
Tokens: 1____ 2 3_ 4_______

Chunks:

(ChunkerEvaluator) Sentence #141 from articles/00107370 from sent19

Text  : Trzebnica - Ośrodek Kultury - godz . 12
Tokens: 1________ 2 3______ 4______ 5 6___ 7 8_

Chunks:
  TruePositive nam [3,4] = Ośrodek Kultury
  FalseNegative nam [1,1] = Trzebnica

(ChunkerEvaluator) Sentence #142 from articles/00107370 from sent20

Text  : czwartek , 12 września
Tokens: 1_______ 2 3_ 4_______

Chunks:

(ChunkerEvaluator) Sentence #143 from articles/00107370 from sent21

Text  : Brzeg Dolny - kompleks hotelowo - sportowy Rokita - godz .  18
Tokens: 1____ 2____ 3 4_______ 5_______ 6 7_______ 8_____ 9 10__ 11 12

Chunks:
  TruePositive nam [1,2] = Brzeg Dolny
  TruePositive nam [8,8] = Rokita

2016-10-27 14:59:11,830 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 9 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107371.xml
(ChunkerEvaluator) Sentence #144 from articles/00107371 from sent1

Text  : Miasto będzie promować segregację śmieci
Tokens: 1_____ 2_____ 3_______ 4_________ 5_____

Chunks:

(ChunkerEvaluator) Sentence #145 from articles/00107371 from sent2

Text  : Bydgoszczanie dowiedzą się , że mokre śmieci trzeba oddzielać od suchych podczas specjalnej akcji władz miejskich
Tokens: 1____________ 2_______ 3__ 4 5_ 6____ 7_____ 8_____ 9________ 10 11_____ 12_____ 13________ 14___ 15___ 16_______

Chunks:
  FalseNegative nam [1,1] = Bydgoszczanie

(ChunkerEvaluator) Sentence #146 from articles/00107371 from sent3

Text  : Władze miasta planują akcję promocyjną , która ma zachęcić bydgoszczan do sortowania odpadów .
Tokens: 1_____ 2_____ 3______ 4____ 5_________ 6 7____ 8_ 9_______ 10_________ 11 12________ 13_____ 14

Chunks:
  FalseNegative nam [10,10] = bydgoszczan

(ChunkerEvaluator) Sentence #147 from articles/00107371 from sent4

Text  : Kampania ruszy , kiedy w Żółwinie zostanie uruchomiona komunalna sortownia odpadów .
Tokens: 1_______ 2____ 3 4____ 5 6_______ 7_______ 8__________ 9________ 10_______ 11_____ 12

Chunks:
  FalseNegative nam [6,6] = Żółwinie

(ChunkerEvaluator) Sentence #148 from articles/00107371 from sent5

Text  : Wiosną w każdym gospodarstwie domowym powinny się znaleźć worki na oba rodzaje odpadków .
Tokens: 1_____ 2 3_____ 4____________ 5______ 6______ 7__ 8______ 9____ 10 11_ 12_____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #149 from articles/00107371 from sent6

Text  : - Problem polega na tym , że powinny to być worki ,  które ulegną biodegradacji -  mówi dyrektor wydziału ochrony środowiska Urzędu Miejskiego Włodzimierz Ciepły .
Tokens: 1 2______ 3_____ 4_ 5__ 6 7_ 8______ 9_ 10_ 11___ 12 13___ 14____ 15___________ 16 17__ 18______ 19______ 20_____ 21________ 22____ 23________ 24_________ 25____ 26

Chunks:
  TruePositive nam [24,25] = Włodzimierz Ciepły
  FalseNegative nam [22,23] = Urzędu Miejskiego

(ChunkerEvaluator) Sentence #150 from articles/00107371 from sent7

Text  : - Tak jak na Zachodzie , będą się one różniły kolorami .
Tokens: 1 2__ 3__ 4_ 5________ 6 7___ 8__ 9__ 10_____ 11______ 12

Chunks:
  TruePositive nam [5,5] = Zachodzie

(ChunkerEvaluator) Sentence #151 from articles/00107371 from sent8

Text  : Mokre śmieci to np . resztki żywności , obierki ziemniaków ;  suche -  plastik ,  szkło i  papier .
Tokens: 1____ 2_____ 3_ 4_ 5 6______ 7_______ 8 9______ 10________ 11 12___ 13 14_____ 15 16___ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #152 from articles/00107371 from sent9

Text  : Te pierwsze mogą zostać wykorzystane na kompost lub trafić do specjalnych kopców ,  w  których odzyskuje się biogazy .
Tokens: 1_ 2_______ 3___ 4_____ 5___________ 6_ 7______ 8__ 9_____ 10 11_________ 12____ 13 14 15_____ 16_______ 17_ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #153 from articles/00107371 from sent10

Text  : Suche pojadą do sortowni .
Tokens: 1____ 2_____ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #154 from articles/00107371 from sent11

Text  : Urzędnicy magistratu prowadzili już wstępne rozmowy z Ośrodkiem Doradztwa Rolniczego w  Minikowie ,  który ma nauczyć mieszczuchów z  domków jednorodzinnych kompostowania .
Tokens: 1________ 2_________ 3_________ 4__ 5______ 6______ 7 8________ 9________ 10________ 11 12_______ 13 14___ 15 16_____ 17__________ 18 19____ 20_____________ 21___________ 22

Chunks:
  TruePositive nam [8,10] = Ośrodkiem Doradztwa Rolniczego
  FalseNegative nam [12,12] = Minikowie

(ChunkerEvaluator) Sentence #155 from articles/00107371 from sent12

Text  : W blokach pojawią się osobne kontenery na mokre odpady .
Tokens: 1 2______ 3______ 4__ 5_____ 6________ 7_ 8____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #156 from articles/00107371 from sent13

Text  : - A to już kolejne koszty - frasuje się dyrektor Ciepły .
Tokens: 1 2 3_ 4__ 5______ 6_____ 7 8______ 9__ 10______ 11____ 12

Chunks:
  FalseNegative nam [11,11] = Ciepły

2016-10-27 14:59:11,890 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 10 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107372.xml
(ChunkerEvaluator) Sentence #157 from articles/00107372 from sent1

Text  : 57 punktów karnych dla pirata na motorze [ WIDEO ]
Tokens: 1_ 2______ 3______ 4__ 5_____ 6_ 7______ 8 9____ 10

Chunks:
  FalsePositive nam [9,9] = WIDEO

(ChunkerEvaluator) Sentence #158 from articles/00107372 from sent2

Text  : Policjanci z cieszyńskiej drogówki zatrzymali kierowcę motocykla , który nie zatrzymał się do kontroli drogowej .
Tokens: 1_________ 2 3___________ 4_______ 5_________ 6_______ 7________ 8 9____ 10_ 11_______ 12_ 13 14______ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #159 from articles/00107372 from sent3

Text  : Mężczyzna uciekał z prędkością ponad 200 kilometrów na godzinę łamiąc przy tym wiele przepisów drogowych .
Tokens: 1________ 2______ 3 4_________ 5____ 6__ 7_________ 8_ 9______ 10____ 11__ 12_ 13___ 14_______ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #160 from articles/00107372 from sent4

Text  : Policjanci patrolujący wiślankę w Harbutowicach zauważyli jadący zbyt szybko motocykl Yamaha .
Tokens: 1_________ 2__________ 3_______ 4 5____________ 6________ 7_____ 8___ 9_____ 10______ 11____ 12

Chunks:
  TruePositive nam [5,5] = Harbutowicach
  TruePositive nam [11,11] = Yamaha
  FalseNegative nam [3,3] = wiślankę

(ChunkerEvaluator) Sentence #161 from articles/00107372 from sent5

Text  : - Motocyklista jechał z prędkością 166 kilometrów na godzinę przy ograniczeniu do 70 .
Tokens: 1 2___________ 3_____ 4 5_________ 6__ 7_________ 8_ 9______ 10__ 11__________ 12 13 14

Chunks:
  FalsePositive nam [2,2] = Motocyklista

(ChunkerEvaluator) Sentence #162 from articles/00107372 from sent6

Text  : Mundurowi próbowali go zatrzymać , ale ruszył do ucieczki -  opowiada Rafał Domagała ,  oficer prasowy cieszyńskiej policji .
Tokens: 1________ 2________ 3_ 4________ 5 6__ 7_____ 8_ 9_______ 10 11______ 12___ 13______ 14 15____ 16_____ 17__________ 18_____ 19

Chunks:
  TruePositive nam [12,13] = Rafał Domagała
  FalsePositive nam [1,1] = Mundurowi

(ChunkerEvaluator) Sentence #163 from articles/00107372 from sent7

Text  : Policjanci w nieoznakowanym radiowozie ścigali motocyklistę aż do Ustronia .
Tokens: 1_________ 2 3_____________ 4_________ 5______ 6___________ 7_ 8_ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Ustronia

(ChunkerEvaluator) Sentence #164 from articles/00107372 from sent8

Text  : Uciekinier popełnił w tym czasie kilkanaście wykroczeń .
Tokens: 1_________ 2_______ 3 4__ 5_____ 6__________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #165 from articles/00107372 from sent9

Text  : Wideorejestrator w ścigającym go radiowozie w Ustroniu wskazał 202 kilometry na godzinę przy ograniczeniu do 100 .
Tokens: 1_______________ 2 3_________ 4_ 5_________ 6 7_______ 8______ 9__ 10_______ 11 12_____ 13__ 14__________ 15 16_ 17

Chunks:
  TruePositive nam [7,7] = Ustroniu

(ChunkerEvaluator) Sentence #166 from articles/00107372 from sent10

Text  : - Zatrzymano go przed skrzyżowaniem drogi nr 941 z ul Cieszyńską w  Ustroniu -  informuje Domagała .
Tokens: 1 2_________ 3_ 4____ 5____________ 6____ 7_ 8__ 9 10 11________ 12 13______ 14 15_______ 16______ 17

Chunks:
  TruePositive nam [13,13] = Ustroniu
  TruePositive nam [16,16] = Domagała
  FalseNegative nam [8,8] = 941
  FalseNegative nam [11,11] = Cieszyńską

(ChunkerEvaluator) Sentence #167 from articles/00107372 from sent11

Text  : Okazało się że kierowca , 25 - letni mieszkaniec Białegostoku ,  nie ma uprawnień do kierowania motocyklem .
Tokens: 1______ 2__ 3_ 4_______ 5 6_ 7 8____ 9__________ 10__________ 11 12_ 13 14_______ 15 16________ 17________ 18

Chunks:
  TruePositive nam [10,10] = Białegostoku

(ChunkerEvaluator) Sentence #168 from articles/00107372 from sent12

Text  : Yamaha została odholowana na policyjny parking .
Tokens: 1_____ 2______ 3_________ 4_ 5________ 6______ 7

Chunks:
  FalseNegative nam [1,1] = Yamaha

(ChunkerEvaluator) Sentence #169 from articles/00107372 from sent13

Text  : Pirat zgromadził na swoim koncie ponad 57 punktów karnych .
Tokens: 1____ 2_________ 3_ 4____ 5_____ 6____ 7_ 8______ 9______ 10

Chunks:
  FalsePositive nam [1,1] = Pirat

(ChunkerEvaluator) Sentence #170 from articles/00107372 from sent14

Text  : Za rażące naruszenia przepisów odpowie przed sądem .
Tokens: 1_ 2_____ 3_________ 4________ 5______ 6____ 7____ 8

Chunks:

2016-10-27 14:59:11,974 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 11 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107373.xml
(ChunkerEvaluator) Sentence #171 from articles/00107373 from sent1

Text  : Brazylijczycy rezygnują z rasy
Tokens: 1____________ 2________ 3 4___

Chunks:
  FalseNegative nam [1,1] = Brazylijczycy

(ChunkerEvaluator) Sentence #172 from articles/00107373 from sent2

Text  : Coraz więcej Brazylijczyków traktuje obojętnie swoją rasową tożsamość .
Tokens: 1____ 2_____ 3_____________ 4_______ 5________ 6____ 7_____ 8________ 9

Chunks:
  TruePositive nam [3,3] = Brazylijczyków

(ChunkerEvaluator) Sentence #173 from articles/00107373 from sent3

Text  : Odrzucają klasyfikacje rasowe , a wybierają neutralne kryterium karnacji skóry .
Tokens: 1________ 2___________ 3_____ 4 5 6________ 7________ 8________ 9_______ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #174 from articles/00107373 from sent4

Text  : Wykrył to Brazylijski Instytut Geografii i Statystyki ( IBGE )  ,  który przeprowadza spisy powszechne i  badania socjologiczne .
Tokens: 1_____ 2_ 3__________ 4_______ 5________ 6 7_________ 8 9___ 10 11 12___ 13__________ 14___ 15________ 16 17_____ 18___________ 19

Chunks:
  TruePositive nam [3,7] = Brazylijski Instytut Geografii i Statystyki
  TruePositive nam [9,9] = IBGE

(ChunkerEvaluator) Sentence #175 from articles/00107373 from sent5

Text  : W swoim ostatnim sondażu pytał Brazylijczyków o ich poczucie rasowej przynależności .
Tokens: 1 2____ 3_______ 4______ 5____ 6_____________ 7 8__ 9_______ 10_____ 11____________ 12

Chunks:
  TruePositive nam [6,6] = Brazylijczyków

(ChunkerEvaluator) Sentence #176 from articles/00107373 from sent6

Text  : Dał im do wyboru klasyczne pięć kategorii , którymi mogli się określić :  biały ,  czarny ,  mieszaniec (  np .  Mulat lub Metys )  ,  żółty ,  Indianin .
Tokens: 1__ 2_ 3_ 4_____ 5________ 6___ 7________ 8 9______ 10___ 11_ 12______ 13 14___ 15 16____ 17 18________ 19 20 21 22___ 23_ 24___ 25 26 27___ 28 29______ 30

Chunks:
  TruePositive nam [22,22] = Mulat
  TruePositive nam [24,24] = Metys
  TruePositive nam [29,29] = Indianin

(ChunkerEvaluator) Sentence #177 from articles/00107373 from sent7

Text  : Po raz pierwszy duża grupa Brazylijczyków świadomie ominęła podaną klasyfikację sugerującą czystą lub mieszaną przynależność rasową i  wybrała określenie neutralne opisujące karnację skóry „  ciemny ”  (  „  moreno ”  )  .
Tokens: 1_ 2__ 3_______ 4___ 5____ 6_____________ 7________ 8______ 9_____ 10__________ 11________ 12____ 13_ 14______ 15___________ 16____ 17 18_____ 19________ 20_______ 21_______ 22______ 23___ 24 25____ 26 27 28 29____ 30 31 32

Chunks:
  TruePositive nam [6,6] = Brazylijczyków

(ChunkerEvaluator) Sentence #178 from articles/00107373 from sent8

Text  : Spontanicznie tak się określiło aż 21 proc . badanych .
Tokens: 1____________ 2__ 3__ 4________ 5_ 6_ 7___ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #179 from articles/00107373 from sent9

Text  : Za białych uważa się 49 proc . , czarnych -  10 proc .  ,  mieszanych -  13 ,  żółtych -  1  ,  5  a  Indian -  0  ,  4  proc .
Tokens: 1_ 2______ 3____ 4__ 5_ 6___ 7 8 9_______ 10 11 12__ 13 14 15________ 16 17 18 19_____ 20 21 22 23 24 25____ 26 27 28 29 30__ 31

Chunks:
  TruePositive nam [25,25] = Indian

(ChunkerEvaluator) Sentence #180 from articles/00107373 from sent10

Text  : Czyli blisko połowa tych Brazylijczyków , którzy przyznają się do niebiałego pochodzenia ,  woli określać się nie według rodzaju zmieszania ras ,  lecz według odcienia skóry .
Tokens: 1____ 2_____ 3_____ 4___ 5_____________ 6 7_____ 8________ 9__ 10 11________ 12_________ 13 14__ 15______ 16_ 17_ 18____ 19_____ 20________ 21_ 22 23__ 24____ 25______ 26___ 27

Chunks:
  TruePositive nam [5,5] = Brazylijczyków

(ChunkerEvaluator) Sentence #181 from articles/00107373 from sent11

Text  : Wybitny socjolog Fernando Henrique Cardoso , który jako pierwszy prezydent tego kraju (  1995 -  2002 )  przyznał ,  że w  Brazylii istnieje rasizm ,  oświadczył :  -  W  Brazylii wszyscy jesteśmy ciemnoskórzy .
Tokens: 1______ 2_______ 3_______ 4_______ 5______ 6 7____ 8___ 9_______ 10_______ 11__ 12___ 13 14__ 15 16__ 17 18______ 19 20 21 22______ 23______ 24____ 25 26________ 27 28 29 30______ 31_____ 32______ 33__________ 34

Chunks:
  TruePositive nam [3,5] = Fernando Henrique Cardoso
  TruePositive nam [22,22] = Brazylii
  TruePositive nam [30,30] = Brazylii

(ChunkerEvaluator) Sentence #182 from articles/00107373 from sent12

Text  : Wystarczy popatrzeć na mnie .
Tokens: 1________ 2________ 3_ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #183 from articles/00107373 from sent13

Text  : Wynik badania IBGE nie oznacza oczywiście , że rasizm w  Brazylii zniknął .
Tokens: 1____ 2______ 3___ 4__ 5______ 6_________ 7 8_ 9_____ 10 11______ 12_____ 13

Chunks:
  TruePositive nam [3,3] = IBGE
  TruePositive nam [11,11] = Brazylii

(ChunkerEvaluator) Sentence #184 from articles/00107373 from sent14

Text  : Jednocześnie bowiem aż prawie 64 proc .
Tokens: 1___________ 2_____ 3_ 4_____ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #185 from articles/00107373 from sent15

Text  : Brazylijczyków uważa , że kolor skóry i przynależność rasowa mają wpływ na ich życie .
Tokens: 1_____________ 2____ 3 4_ 5____ 6____ 7 8____________ 9_____ 10__ 11___ 12 13_ 14___ 15

Chunks:
  TruePositive nam [1,1] = Brazylijczyków

(ChunkerEvaluator) Sentence #186 from articles/00107373 from sent16

Text  : Najbardziej : na kwestie dotyczące szans i warunków pracy (  uważa tak 71 proc .  )  ,  na stosunki z  wymiarem sprawiedliwości i  policją (  68 proc .  )  ,  na stosunki w  szkole (  59 proc .  )  .
Tokens: 1__________ 2 3_ 4______ 5________ 6____ 7 8_______ 9____ 10 11___ 12_ 13 14__ 15 16 17 18 19______ 20 21______ 22_____________ 23 24_____ 25 26 27__ 28 29 30 31 32______ 33 34____ 35 36 37__ 38 39 40

Chunks:

(ChunkerEvaluator) Sentence #187 from articles/00107373 from sent17

Text  : Te odpowiedzi potwierdzają potoczne przekonanie , że najgorzej w Brazylii wiedzie się osobom określanym przez trzy „  P  ”  -  putas ,  prietos e  povres (  k  .  .  .  ,  czarni i  biedni )  -  bo tacy są najczęściej bezrobotni i  tacy przede wszystkim trafiają do więzień .
Tokens: 1_ 2_________ 3___________ 4_______ 5__________ 6 7_ 8________ 9 10______ 11_____ 12_ 13____ 14________ 15___ 16__ 17 18 19 20 21___ 22 23_____ 24 25____ 26 27 28 29 30 31 32____ 33 34____ 35 36 37 38__ 39 40_________ 41________ 42 43__ 44____ 45_______ 46______ 47 48_____ 49

Chunks:
  TruePositive nam [10,10] = Brazylii

(ChunkerEvaluator) Sentence #188 from articles/00107373 from sent18

Text  : Były specjalny sprawozdawca ONZ ds . dyskryminacji Senegalczyk Doudou Diene :  -  W  Brazylii współistnieją w  jednym kraju dwa różne światy .
Tokens: 1___ 2________ 3___________ 4__ 5_ 6 7____________ 8__________ 9_____ 10___ 11 12 13 14______ 15___________ 16 17____ 18___ 19_ 20___ 21____ 22

Chunks:
  TruePositive nam [4,4] = ONZ
  TruePositive nam [14,14] = Brazylii
  FalsePositive nam [8,10] = Senegalczyk Doudou Diene
  FalseNegative nam [8,8] = Senegalczyk
  FalseNegative nam [9,10] = Doudou Diene

(ChunkerEvaluator) Sentence #189 from articles/00107373 from sent19

Text  : Pierwszy to ulica - wielokulturowa , tętniąca życiem , gorąca .
Tokens: 1_______ 2_ 3____ 4 5_____________ 6 7_______ 8_____ 9 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #190 from articles/00107373 from sent20

Text  : Drugi to świat struktur władzy i mediów , który zupełnie tej wielości nie oddaje .
Tokens: 1____ 2_ 3____ 4_______ 5_____ 6 7_____ 8 9____ 10______ 11_ 12______ 13_ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #191 from articles/00107373 from sent21

Text  : Więcej : ukrywa istnienie społeczności pochodzenia afrykańskiego czy tubylczego .
Tokens: 1_____ 2 3_____ 4________ 5___________ 6__________ 7____________ 8__ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #192 from articles/00107373 from sent22

Text  : I to w kraju , który przyjął 40 proc .  wszystkich czarnych niewolników ,  którymi handlowano w  czasach nowożytnych .
Tokens: 1 2_ 3 4____ 5 6____ 7______ 8_ 9___ 10 11________ 12______ 13_________ 14 15_____ 16________ 17 18_____ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #193 from articles/00107373 from sent23

Text  : Kiedy się rozglądam po ulicach , a potem oglądam telewizję ,  wydaje mi się ,  że pokazuje ona kosmos ,  a  nie ulice .
Tokens: 1____ 2__ 3________ 4_ 5______ 6 7 8____ 9______ 10_______ 11 12____ 13 14_ 15 16 17______ 18_ 19____ 20 21 22_ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #194 from articles/00107373 from sent24

Text  : Diane w raporcie o Brazylii stwierdził , że z wyjątkiem wspólnoty japońskiej w  Sao Paulo czarni ,  Indianie ,  Mulaci czy Metysi powszechnie skarżą się wciąż na uprzedzenia i  dyskryminację rasową .
Tokens: 1____ 2 3_______ 4 5_______ 6_________ 7 8_ 9 10_______ 11_______ 12________ 13 14_ 15___ 16____ 17 18______ 19 20____ 21_ 22____ 23_________ 24____ 25_ 26___ 27 28_________ 29 30___________ 31____ 32

Chunks:
  TruePositive nam [5,5] = Brazylii
  TruePositive nam [14,15] = Sao Paulo
  TruePositive nam [18,18] = Indianie
  TruePositive nam [20,20] = Mulaci
  TruePositive nam [22,22] = Metysi

(ChunkerEvaluator) Sentence #195 from articles/00107373 from sent25

Text  : Zwraca jednak przy tym uwagę , że w ostatnich latach Brazylia walczy z  rasizmem .
Tokens: 1_____ 2_____ 3___ 4__ 5____ 6 7_ 8 9________ 10____ 11______ 12____ 13 14______ 15

Chunks:
  TruePositive nam [11,11] = Brazylia

(ChunkerEvaluator) Sentence #196 from articles/00107373 from sent26

Text  : - Do dziś wielu polityków na szczeblu stanowym i federalnych stara się pomniejszyć znaczenie rasizmu lub wręcz mu zaprzeczać ,  używając argumentu „  rasowej demokracji ”  -  mówi Diane .
Tokens: 1 2_ 3___ 4____ 5________ 6_ 7_______ 8_______ 9 10_________ 11___ 12_ 13_________ 14_______ 15_____ 16_ 17___ 18 19________ 20 21______ 22_______ 23 24_____ 25________ 26 27 28__ 29___ 30

Chunks:
  FalseNegative nam [29,29] = Diane

(ChunkerEvaluator) Sentence #197 from articles/00107373 from sent27

Text  : Argument polega m . in . na tym , że w  Brazylii narodowym symbolem erotycznym jest Mulatka o  bujnych kształtach .
Tokens: 1_______ 2_____ 3 4 5_ 6 7_ 8__ 9 10 11 12______ 13_______ 14______ 15________ 16__ 17_____ 18 19_____ 20________ 21

Chunks:
  TruePositive nam [12,12] = Brazylii
  TruePositive nam [17,17] = Mulatka

(ChunkerEvaluator) Sentence #198 from articles/00107373 from sent28

Text  : Istotnie , wielu Brazylijczyków chlubi się tym , że portugalscy kolonizatorzy w  odróżnieniu od Brytyjczyków ,  Holendrów czy Hiszpanów znacznie chętniej mieszali się rasowo z  Murzynami czy Indianami .
Tokens: 1_______ 2 3____ 4_____________ 5_____ 6__ 7__ 8 9_ 10_________ 11___________ 12 13_________ 14 15__________ 16 17_______ 18_ 19_______ 20______ 21______ 22______ 23_ 24____ 25 26_______ 27_ 28_______ 29

Chunks:
  TruePositive nam [4,4] = Brazylijczyków
  TruePositive nam [15,15] = Brytyjczyków
  TruePositive nam [17,17] = Holendrów
  TruePositive nam [19,19] = Hiszpanów
  TruePositive nam [26,26] = Murzynami
  TruePositive nam [28,28] = Indianami

(ChunkerEvaluator) Sentence #199 from articles/00107373 from sent29

Text  : Już wybitny historyk i pisarz Gilberto Freyre opisywał - ku zażenowaniu XX -  wiecznych rasistów brazylijskich -  jak to w  świecie senioralnej i  patriarchalnej wspólnoty wiejskiej w  czasach niewolnictwa (  zniesionego dopiero w  1888 r  .  )  biali plantatorzy trzciny cukrowej nie wstydzili się ani nie wypierali swojego z  potomstwa z  czarnymi niewolnicami .
Tokens: 1__ 2______ 3_______ 4 5_____ 6_______ 7_____ 8_______ 9 10 11_________ 12 13 14_______ 15______ 16___________ 17 18_ 19 20 21_____ 22_________ 23 24____________ 25_______ 26_______ 27 28_____ 29__________ 30 31_________ 32_____ 33 34__ 35 36 37 38___ 39_________ 40_____ 41______ 42_ 43_______ 44_ 45_ 46_ 47_______ 48_____ 49 50_______ 51 52______ 53__________ 54

Chunks:
  TruePositive nam [6,7] = Gilberto Freyre

(ChunkerEvaluator) Sentence #200 from articles/00107373 from sent30

Text  : Współcześni badacze nie są tak naiwni , by utrzymywać ,  że ochocze mieszanie się kolonizatorów z  niewolnicami dowodzi ,  iż Portugalczycy byli ,  a  ich potomkowie są wolni od rasizmu ,  i  dowodzą ,  że ich namiętność do Murzynek i  Mulatek oraz brak przesądów seksualnych skrywają przemoc rasową i  klasową .
Tokens: 1__________ 2______ 3__ 4_ 5__ 6_____ 7 8_ 9_________ 10 11 12_____ 13_______ 14_ 15___________ 16 17__________ 18_____ 19 20 21___________ 22__ 23 24 25_ 26________ 27 28___ 29 30_____ 31 32 33_____ 34 35 36_ 37________ 38 39______ 40 41_____ 42__ 43__ 44_______ 45_________ 46______ 47_____ 48____ 49 50_____ 51

Chunks:
  TruePositive nam [21,21] = Portugalczycy
  TruePositive nam [39,39] = Murzynek
  TruePositive nam [41,41] = Mulatek

(ChunkerEvaluator) Sentence #201 from articles/00107373 from sent31

Text  : Dziś najwyraźniej sami Brazylijczycy zaczynają jednak uznawać , że rasa to przeżytek .
Tokens: 1___ 2___________ 3___ 4____________ 5________ 6_____ 7______ 8 9_ 10__ 11 12_______ 13

Chunks:
  TruePositive nam [4,4] = Brazylijczycy

(ChunkerEvaluator) Sentence #202 from articles/00107373 from sent32

Text  : A ekonomiści dodają , że od przezwyciężenia rasizmu i ustanowienia faktycznej równości zależy ,  czy Brazylia ,  wschodząca potęga XXI wieku ,  stanie się potęgą rzeczywistą .
Tokens: 1 2_________ 3_____ 4 5_ 6_ 7______________ 8______ 9 10__________ 11________ 12______ 13____ 14 15_ 16______ 17 18________ 19____ 20_ 21___ 22 23____ 24_ 25____ 26_________ 27

Chunks:
  TruePositive nam [16,16] = Brazylia

2016-10-27 14:59:12,232 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 12 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107374.xml
(ChunkerEvaluator) Sentence #203 from articles/00107374 from sent1

Text  : Jak ratowali śmy żółwia
Tokens: 1__ 2_______ 3__ 4_____

Chunks:

(ChunkerEvaluator) Sentence #204 from articles/00107374 from sent2

Text  : Żółw czerwonolicy żyje tylko na kontynencie amerykańskim i . .  .  w  małym zamulonym stawie pod Radomiem
Tokens: 1___ 2___________ 3___ 4____ 5_ 6__________ 7___________ 8 9 10 11 12 13___ 14_______ 15____ 16_ 17______

Chunks:
  TruePositive nam [17,17] = Radomiem
  FalsePositive nam [1,1] = Żółw

(ChunkerEvaluator) Sentence #205 from articles/00107374 from sent3

Text  : Reporterzy „ Gazety ” na tropie egzotycznego żółwia
Tokens: 1_________ 2 3_____ 4 5_ 6_____ 7___________ 8_____

Chunks:
  FalseNegative nam [3,3] = Gazety

(ChunkerEvaluator) Sentence #206 from articles/00107374 from sent4

Text  : Wyprawa ratunkowa
Tokens: 1______ 2________

Chunks:

(ChunkerEvaluator) Sentence #207 from articles/00107374 from sent5

Text  : Żółw czerwonolicy żyje tylko na kontynencie amerykańskim i . .  .  w  małym zamulonym stawie pod Radomiem
Tokens: 1___ 2___________ 3___ 4____ 5_ 6__________ 7___________ 8 9 10 11 12 13___ 14_______ 15____ 16_ 17______

Chunks:
  TruePositive nam [17,17] = Radomiem
  FalsePositive nam [1,1] = Żółw

(ChunkerEvaluator) Sentence #208 from articles/00107374 from sent6

Text  : Pierwszy zauważył go Karol , nasz fotoreporter .
Tokens: 1_______ 2_______ 3_ 4____ 5 6___ 7___________ 8

Chunks:
  TruePositive nam [4,4] = Karol

(ChunkerEvaluator) Sentence #209 from articles/00107374 from sent7

Text  : - Przejeżdżał em na rowerze obok stawiku i usłyszał em plusk .
Tokens: 1 2__________ 3_ 4_ 5______ 6___ 7______ 8 9_______ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #210 from articles/00107374 from sent8

Text  : Zaintrygowany zatrzymał em się i podszedł em bliżej .
Tokens: 1____________ 2________ 3_ 4__ 5 6_______ 7_ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #211 from articles/00107374 from sent9

Text  : Na krzaku wygrzewał się żółw .
Tokens: 1_ 2_____ 3________ 4__ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #212 from articles/00107374 from sent10

Text  : I nie taki zwyczajny , tylko egzotyczny z czerwonymi paskami na szyi -  opowiadał rozemocjonowany po powrocie z  wyprawy .
Tokens: 1 2__ 3___ 4________ 5 6____ 7_________ 8 9_________ 10_____ 11 12__ 13 14_______ 15_____________ 16 17______ 18 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #213 from articles/00107374 from sent11

Text  : Rzucili śmy się do encyklopedii .
Tokens: 1______ 2__ 3__ 4_ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #214 from articles/00107374 from sent12

Text  : Relacji Karola najbardziej odpowiadał opis żółwia czerwonolicego , żyjącego tylko na kontynencie amerykańskim .
Tokens: 1______ 2_____ 3__________ 4_________ 5___ 6_____ 7_____________ 8 9_______ 10___ 11 12_________ 13__________ 14

Chunks:
  TruePositive nam [2,2] = Karola

(ChunkerEvaluator) Sentence #215 from articles/00107374 from sent13

Text  : - Skąd on się wziął w stawie pod Radomiem ?
Tokens: 1 2___ 3_ 4__ 5____ 6 7_____ 8__ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Radomiem

(ChunkerEvaluator) Sentence #216 from articles/00107374 from sent14

Text  : Stwierdzili śmy , że jest prawdopodobnie ofiarą kaprysu jakiegoś dziecka ,  któremu żółwik się znudził i  się go pozbył .
Tokens: 1__________ 2__ 3 4_ 5___ 6_____________ 7_____ 8______ 9_______ 10_____ 11 12_____ 13____ 14_ 15_____ 16 17_ 18 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #217 from articles/00107374 from sent15

Text  : Muszę zobaczyć tego żółwia - postanowił em .
Tokens: 1____ 2_______ 3___ 4_____ 5 6_________ 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #218 from articles/00107374 from sent16

Text  : Któregoś sierpniowego dnia pojechali śmy na rowerach w okolice małego zbiornika ,  który przylega do stawów hodowlanych .
Tokens: 1_______ 2___________ 3___ 4________ 5__ 6_ 7_______ 8 9______ 10____ 11_______ 12 13___ 14______ 15 16____ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #219 from articles/00107374 from sent17

Text  : Jest zarośnięty i mulisty .
Tokens: 1___ 2_________ 3 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #220 from articles/00107374 from sent18

Text  : Wypatrzenie jego lokatora okazało się nie lada sztuką .
Tokens: 1__________ 2___ 3_______ 4______ 5__ 6__ 7___ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #221 from articles/00107374 from sent19

Text  : Do tej pory nie wiem , jak udało się to Karolowi .
Tokens: 1_ 2__ 3___ 4__ 5___ 6 7__ 8____ 9__ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Karolowi

(ChunkerEvaluator) Sentence #222 from articles/00107374 from sent20

Text  : - Widzisz , jest tutaj - szepnął w pewnym momencie .
Tokens: 1 2______ 3 4___ 5____ 6 7______ 8 9_____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #223 from articles/00107374 from sent21

Text  : Rzeczywiście , znad lustra wody wychylała się niczym peryskop mała główka .
Tokens: 1___________ 2 3___ 4_____ 5___ 6________ 7__ 8_____ 9_______ 10__ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #224 from articles/00107374 from sent22

Text  : Każdy nasz gwałtowniejszy ruch powodował , że żółw zanurzał się i  wypływał w  zupełnie innym miejscu .
Tokens: 1____ 2___ 3_____________ 4___ 5________ 6 7_ 8___ 9_______ 10_ 11 12______ 13 14______ 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #225 from articles/00107374 from sent23

Text  : Odwiedzali śmy go jeszcze kilkakrotnie .
Tokens: 1_________ 2__ 3_ 4______ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #226 from articles/00107374 from sent24

Text  : Zwierzę najwyraźniej bardzo dobrze czuło się w akwenie , jednak w  nasze serca zaczął wkradać się niepokój .
Tokens: 1______ 2___________ 3_____ 4_____ 5____ 6__ 7 8______ 9 10____ 11 12___ 13___ 14____ 15_____ 16_ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #227 from articles/00107374 from sent25

Text  : Co będzie , jak nadejdą zimne dni ?
Tokens: 1_ 2_____ 3 4__ 5______ 6____ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #228 from articles/00107374 from sent26

Text  : Egzotyczny żółw być może przyzwyczaił się do polskiego lata ,  ale zimą będzie bez szans .
Tokens: 1_________ 2___ 3__ 4___ 5___________ 6__ 7_ 8________ 9___ 10 11_ 12__ 13____ 14_ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #229 from articles/00107374 from sent27

Text  : Postanowili śmy zorganizować z Karolem ekspedycję ratunkową .
Tokens: 1__________ 2__ 3___________ 4 5______ 6_________ 7________ 8

Chunks:
  TruePositive nam [5,5] = Karolem

(ChunkerEvaluator) Sentence #230 from articles/00107374 from sent28

Text  : Uprzejmy sprzedawca ze sklepu wędkarskiego Viking wypożyczył nam profesjonalny podbierak na długiej teleskopowej tyczce .
Tokens: 1_______ 2_________ 3_ 4_____ 5___________ 6_____ 7_________ 8__ 9____________ 10_______ 11 12_____ 13__________ 14____ 15

Chunks:
  FalseNegative nam [6,6] = Viking

(ChunkerEvaluator) Sentence #231 from articles/00107374 from sent29

Text  : Wyruszyli śmy w środę wieczorem .
Tokens: 1________ 2__ 3 4____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #232 from articles/00107374 from sent30

Text  : Przyczajeni , wstrzymując oddech , zbliżyli śmy się do stawu .
Tokens: 1__________ 2 3__________ 4_____ 5 6_______ 7__ 8__ 9_ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #233 from articles/00107374 from sent31

Text  : Żółw jak zwykle pluskał się na środku zbiornika .
Tokens: 1___ 2__ 3_____ 4______ 5__ 6_ 7_____ 8________ 9

Chunks:
  FalsePositive nam [1,1] = Żółw

(ChunkerEvaluator) Sentence #234 from articles/00107374 from sent32

Text  : Zarzucił em podbierak .
Tokens: 1_______ 2_ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #235 from articles/00107374 from sent33

Text  : Główka zniknęła błyskawicznie , jakby zwierzę chciało zaprzeczyć mitom o  powolności swojego gatunku .
Tokens: 1_____ 2_______ 3____________ 4 5____ 6______ 7______ 8_________ 9____ 10 11________ 12_____ 13_____ 14

Chunks:
  FalsePositive nam [1,1] = Główka

(ChunkerEvaluator) Sentence #236 from articles/00107374 from sent34

Text  : Tak bawili śmy się przez blisko godzinę .
Tokens: 1__ 2_____ 3__ 4__ 5____ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #237 from articles/00107374 from sent35

Text  : Co zbliżali śmy do niego siatkę , żółw nurkował i  pojawiał się przy drugim brzegu .
Tokens: 1_ 2_______ 3__ 4_ 5____ 6_____ 7 8___ 9_______ 10 11______ 12_ 13__ 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #238 from articles/00107374 from sent36

Text  : Zrobiło się ciemno , postanowili śmy przełożyć akcję na czwartkowy poranek .
Tokens: 1______ 2__ 3_____ 4 5__________ 6__ 7________ 8____ 9_ 10________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #239 from articles/00107374 from sent37

Text  : Skoro świt znów zameldowali śmy się nad wodą .
Tokens: 1____ 2___ 3___ 4__________ 5__ 6__ 7__ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #240 from articles/00107374 from sent38

Text  : Żółw znów sprytnie nam się wymykał .
Tokens: 1___ 2___ 3_______ 4__ 5__ 6______ 7

Chunks:
  FalsePositive nam [1,1] = Żółw

(ChunkerEvaluator) Sentence #241 from articles/00107374 from sent39

Text  : Zaaferowani polowaniem nawet nie zauważyli śmy , że z krzaków wynurzył się mężczyzna .
Tokens: 1__________ 2_________ 3____ 4__ 5________ 6__ 7 8_ 9 10_____ 11______ 12_ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #242 from articles/00107374 from sent40

Text  : W ręku trzymał pistolet .
Tokens: 1 2___ 3______ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #243 from articles/00107374 from sent41

Text  : - To co , kradniecie mi ryby ? - zapytał zdenerwowanym głosem ,  a  my zamarli śmy .
Tokens: 1 2_ 3_ 4 5_________ 6_ 7___ 8 9 10_____ 11___________ 12____ 13 14 15 16_____ 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #244 from articles/00107374 from sent42

Text  : Dyskusja z uzbrojonym człowiekiem jest zawsze ryzykownym zadaniem .
Tokens: 1_______ 2 3_________ 4__________ 5___ 6_____ 7_________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #245 from articles/00107374 from sent43

Text  : - Jesteśmy z „ Gazety ” i chcieli śmy uratować żółwia ,  który nie wiadomo skąd się tutaj wziął -  zaczął em tłumaczyć .
Tokens: 1 2_______ 3 4 5_____ 6 7 8______ 9__ 10______ 11____ 12 13___ 14_ 15_____ 16__ 17_ 18___ 19___ 20 21____ 22 23_______ 24

Chunks:
  TruePositive nam [5,5] = Gazety

(ChunkerEvaluator) Sentence #246 from articles/00107374 from sent44

Text  : - Jak to nie wiadomo ?
Tokens: 1 2__ 3_ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #247 from articles/00107374 from sent45

Text  : Ja go wpuścił em , bo to moje stawy .
Tokens: 1_ 2_ 3______ 4_ 5 6_ 7_ 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #248 from articles/00107374 from sent46

Text  : Gdy pokazali śmy mu legitymacje prasowe , opuścił broń i  atmosfera się rozluźniła .
Tokens: 1__ 2_______ 3__ 4_ 5__________ 6______ 7 8______ 9___ 10 11_______ 12_ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #249 from articles/00107374 from sent47

Text  : Opowiedział nam , że będąc w Paryżu , widział jak w  małych zbiornikach żyją żółwie .
Tokens: 1__________ 2__ 3 4_ 5____ 6 7_____ 8 9______ 10_ 11 12____ 13_________ 14__ 15____ 16

Chunks:
  TruePositive nam [7,7] = Paryżu

(ChunkerEvaluator) Sentence #250 from articles/00107374 from sent48

Text  : Postanowił sprawdzić , czy w swoim stawie utrzyma egzotycznego żółwia .
Tokens: 1_________ 2________ 3 4__ 5 6____ 7_____ 8______ 9___________ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #251 from articles/00107374 from sent49

Text  : Niebawem planuje spuszczenie wody .
Tokens: 1_______ 2______ 3__________ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #252 from articles/00107374 from sent50

Text  : Wtedy żółw trafi do akwarium .
Tokens: 1____ 2___ 3____ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #253 from articles/00107374 from sent51

Text  : Mam nadzieję , że poczuje się tam dobrze , a  w  przyszłym roku znów zamieszka w  swoim stawie .
Tokens: 1__ 2_______ 3 4_ 5______ 6__ 7__ 8_____ 9 10 11 12_______ 13__ 14__ 15_______ 16 17___ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #254 from articles/00107374 from sent52

Text  : Tylko żeby znów nie znaleźli się chętni do ratowania .  .  .
Tokens: 1____ 2___ 3___ 4__ 5_______ 6__ 7_____ 8_ 9________ 10 11 12

Chunks:

2016-10-27 14:59:12,413 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 13 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107375.xml
(ChunkerEvaluator) Sentence #255 from articles/00107375 from sent1

Text  : Szefowie Asseco Prokom Gdynia - pobudka , budowę zespołu czas zacząć !
Tokens: 1_______ 2_____ 3_____ 4_____ 5 6______ 7 8_____ 9______ 10__ 11____ 12

Chunks:
  TruePositive nam [2,4] = Asseco Prokom Gdynia

(ChunkerEvaluator) Sentence #256 from articles/00107375 from sent2

Text  : Jeżeli Asseco Prokom Gdynia nie zacznie zaraz kompletować składu ,  to w  nowym sezonie walka o  kolejne mistrzostwo Polski będzie jeszcze trudniejsza ,  a  o  przyzwoitym występie w  Eurolidze czy nawet VTB można zapomnieć .
Tokens: 1_____ 2_____ 3_____ 4_____ 5__ 6______ 7____ 8__________ 9_____ 10 11 12 13___ 14_____ 15___ 16 17_____ 18_________ 19____ 20____ 21_____ 22_________ 23 24 25 26_________ 27______ 28 29_______ 30_ 31___ 32_ 33___ 34_______ 35

Chunks:
  TruePositive nam [2,4] = Asseco Prokom Gdynia
  TruePositive nam [19,19] = Polski
  TruePositive nam [29,29] = Eurolidze
  TruePositive nam [32,32] = VTB
  FalseNegative nam [18,18] = mistrzostwo

(ChunkerEvaluator) Sentence #257 from articles/00107375 from sent3

Text  : W Gdyni panuje cisza , która musi wzbudzać niepokój .
Tokens: 1 2____ 3_____ 4____ 5 6____ 7___ 8_______ 9_______ 10

Chunks:
  TruePositive nam [2,2] = Gdyni

(ChunkerEvaluator) Sentence #258 from articles/00107375 from sent4

Text  : Jak dotąd , choć mamy już początek sierpnia , kontraktu z  Prokomem nie podpisał żaden nowy koszykarz ,  co więcej -  żaden z  zawodników ,  którzy grali w  zespole w  poprzednim sezonie nie przedłużył jeszcze umowy .
Tokens: 1__ 2____ 3 4___ 5___ 6__ 7_______ 8_______ 9 10_______ 11 12______ 13_ 14______ 15___ 16__ 17_______ 18 19 20____ 21 22___ 23 24________ 25 26____ 27___ 28 29_____ 30 31________ 32_____ 33_ 34________ 35_____ 36___ 37

Chunks:
  FalseNegative nam [12,12] = Prokomem

(ChunkerEvaluator) Sentence #259 from articles/00107375 from sent5

Text  : Problem jest nawet z Polakami , którzy mieli w kontraktach zapis ,  że klub z  Gdyni ma pierwszeństwo do przedłużenia umowy z  nimi .
Tokens: 1______ 2___ 3____ 4 5_______ 6 7_____ 8____ 9 10_________ 11___ 12 13 14__ 15 16___ 17 18___________ 19 20__________ 21___ 22 23__ 24

Chunks:
  TruePositive nam [5,5] = Polakami
  TruePositive nam [16,16] = Gdyni

(ChunkerEvaluator) Sentence #260 from articles/00107375 from sent6

Text  : Ale termin ważności tego zapisu już dawno minął i każdy z  nich jest już teraz wolnym graczem .
Tokens: 1__ 2_____ 3_______ 4___ 5_____ 6__ 7____ 8____ 9 10___ 11 12__ 13__ 14_ 15___ 16____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #261 from articles/00107375 from sent7

Text  : W poprzednich latach ( może z wyjątkiem ostatniego sezonu ,  choć i  wtedy działo się w  wakacje dużo więcej )  budowa Prokomu przebiegała według niemal identycznego schematu .
Tokens: 1 2__________ 3_____ 4 5___ 6 7________ 8_________ 9_____ 10 11__ 12 13___ 14____ 15_ 16 17_____ 18__ 19____ 20 21____ 22_____ 23_________ 24____ 25____ 26__________ 27______ 28

Chunks:
  FalseNegative nam [22,22] = Prokomu

(ChunkerEvaluator) Sentence #262 from articles/00107375 from sent8

Text  : Niedługo po sezonie klub przedłużał umowy z zawodnikami , których chciał zostawić ,  potem sprawnie szukał wzmocnień .
Tokens: 1_______ 2_ 3______ 4___ 5_________ 6____ 7 8__________ 9 10_____ 11____ 12______ 13 14___ 15______ 16____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #263 from articles/00107375 from sent9

Text  : Dopiero rok temu budowa zespołu zaczęła kuleć , przeciągała się niemiłosiernie ,  co odbiło się potem zresztą na wynikach zespołu .
Tokens: 1______ 2__ 3___ 4_____ 5______ 6______ 7____ 8 9__________ 10_ 11____________ 12 13 14____ 15_ 16___ 17_____ 18 19______ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #264 from articles/00107375 from sent10

Text  : W Eurolidze Prokom nie wyszedł z grupy , w VTB zagrał fatalnie ,  w  kraju ledwo obronił mistrzostwo Polski .
Tokens: 1 2________ 3_____ 4__ 5______ 6 7____ 8 9 10_ 11____ 12______ 13 14 15___ 16___ 17_____ 18_________ 19____ 20

Chunks:
  TruePositive nam [10,10] = VTB
  TruePositive nam [19,19] = Polski
  FalsePositive nam [2,2] = Eurolidze
  FalseNegative nam [2,3] = Eurolidze Prokom
  FalseNegative nam [18,18] = mistrzostwo

(ChunkerEvaluator) Sentence #265 from articles/00107375 from sent11

Text  : Trener Tomas Pacesas zapowiadał więc teraz , że zależy mu na szybkim zbudowaniu i  zgraniu składu ,  ale żadnych konkretów nie widać .
Tokens: 1_____ 2____ 3______ 4_________ 5___ 6____ 7 8_ 9_____ 10 11 12_____ 13________ 14 15_____ 16____ 17 18_ 19_____ 20_______ 21_ 22___ 23

Chunks:
  FalsePositive nam [1,3] = Trener Tomas Pacesas
  FalseNegative nam [2,3] = Tomas Pacesas

(ChunkerEvaluator) Sentence #266 from articles/00107375 from sent12

Text  : Dlaczego ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #267 from articles/00107375 from sent13

Text  : - Domykamy sprawy budżetu , niedługo ruszy budowa zespołu .
Tokens: 1 2_______ 3_____ 4______ 5 6_______ 7____ 8_____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #268 from articles/00107375 from sent14

Text  : Potrzebujemy jeszcze ze dwa tygodnie , aby stanąć na nogi i  zacząć konkretnie działać -  mówi szef rady nadzorczej klubu z  Gdyni Ryszard Krauze .
Tokens: 1___________ 2______ 3_ 4__ 5_______ 6 7__ 8_____ 9_ 10__ 11 12____ 13________ 14_____ 15 16__ 17__ 18__ 19________ 20___ 21 22___ 23_____ 24____ 25

Chunks:
  TruePositive nam [22,22] = Gdyni
  TruePositive nam [23,24] = Ryszard Krauze

(ChunkerEvaluator) Sentence #269 from articles/00107375 from sent15

Text  : Za dwa tygodnie będzie już druga połowa sierpnia , czyli termin ,  w  którym Prokom powinien zacząć przygotowania do nowego sezonu .
Tokens: 1_ 2__ 3_______ 4_____ 5__ 6____ 7_____ 8_______ 9 10___ 11____ 12 13 14____ 15____ 16______ 17____ 18___________ 19 20____ 21____ 22

Chunks:
  FalseNegative nam [15,15] = Prokom

(ChunkerEvaluator) Sentence #270 from articles/00107375 from sent16

Text  : A w Gdyni dopiero wtedy zaczną budować zespół !
Tokens: 1 2 3____ 4______ 5____ 6_____ 7______ 8_____ 9

Chunks:
  TruePositive nam [3,3] = Gdyni

(ChunkerEvaluator) Sentence #271 from articles/00107375 from sent17

Text  : Krauze już po ostatnim sezonie wyraźnie zapowiedział , że budżet klubu będzie mocno uszczuplony i  teraz zdanie podtrzymuje :  -  Budżet będzie ,  na pewno .
Tokens: 1_____ 2__ 3_ 4_______ 5______ 6_______ 7___________ 8 9_ 10____ 11___ 12____ 13___ 14_________ 15 16___ 17____ 18_________ 19 20 21____ 22____ 23 24 25___ 26

Chunks:
  FalseNegative nam [1,1] = Krauze

(ChunkerEvaluator) Sentence #272 from articles/00107375 from sent18

Text  : Skromny , ale będzie .
Tokens: 1______ 2 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #273 from articles/00107375 from sent19

Text  : Potrzebujemy jednak jeszcze trochę czasu .
Tokens: 1___________ 2_____ 3______ 4_____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #274 from articles/00107375 from sent20

Text  : Teoretycznie , mimo że jest już późno , sprawę budowy zespołu można uprościć .
Tokens: 1___________ 2 3___ 4_ 5___ 6__ 7____ 8 9_____ 10____ 11_____ 12___ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #275 from articles/00107375 from sent21

Text  : Prokom ma sześciu Polaków , których koniecznie powinien zostawić :  Adam Hrycaniuk ,  Adam Łapeta ,  Piotr Szczotka ,  Przemysław Zamojski i  -  jako uzupełnienie składu -  Mateusz Kostrzewski oraz Łukasz Seweryn (  jest jeszcze Krzysztof Szubarga ,  ale w  jego przypadku problemem jest kontuzjowane kolano ,  które wykluczyło go z  gry w  reprezentacji )  .
Tokens: 1_____ 2_ 3______ 4______ 5 6______ 7_________ 8_______ 9_______ 10 11__ 12_______ 13 14__ 15____ 16 17___ 18______ 19 20________ 21______ 22 23 24__ 25__________ 26____ 27 28_____ 29_________ 30__ 31____ 32_____ 33 34__ 35_____ 36_______ 37______ 38 39_ 40 41__ 42_______ 43_______ 44__ 45__________ 46____ 47 48___ 49________ 50 51 52_ 53 54___________ 55 56

Chunks:
  TruePositive nam [4,4] = Polaków
  TruePositive nam [11,12] = Adam Hrycaniuk
  TruePositive nam [14,15] = Adam Łapeta
  TruePositive nam [17,18] = Piotr Szczotka
  TruePositive nam [20,21] = Przemysław Zamojski
  TruePositive nam [28,29] = Mateusz Kostrzewski
  TruePositive nam [31,32] = Łukasz Seweryn
  TruePositive nam [36,37] = Krzysztof Szubarga
  FalseNegative nam [1,1] = Prokom

(ChunkerEvaluator) Sentence #276 from articles/00107375 from sent22

Text  : Do Polaków trzeba dobrać sześciu obcokrajowców ( a może jeszcze jakiegoś Polaka ?  )  ,  z  którymi Pacesas prowadzi już zresztą rozmowy ,  na razie nieoficjalne .
Tokens: 1_ 2______ 3_____ 4_____ 5______ 6____________ 7 8 9___ 10_____ 11______ 12____ 13 14 15 16 17_____ 18_____ 19______ 20_ 21_____ 22_____ 23 24 25___ 26__________ 27

Chunks:
  TruePositive nam [2,2] = Polaków
  TruePositive nam [12,12] = Polaka
  FalseNegative nam [18,18] = Pacesas

(ChunkerEvaluator) Sentence #277 from articles/00107375 from sent23

Text  : Ale to tylko teoria .
Tokens: 1__ 2_ 3____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #278 from articles/00107375 from sent24

Text  : W praktyce w Gdyni nie dzieje się kompletnie nic ,  zupełna cisza .
Tokens: 1 2_______ 3 4____ 5__ 6_____ 7__ 8_________ 9__ 10 11_____ 12___ 13

Chunks:
  TruePositive nam [4,4] = Gdyni

(ChunkerEvaluator) Sentence #279 from articles/00107375 from sent25

Text  : Z nieoficjalnych informacji wynika , że niejasna jest nawet przyszłość polskich graczy (  w  klubie myślą o  zmianie warty )  ,  choć rezygnowanie z  reprezentantów Polski było by szaleństwem .
Tokens: 1 2_____________ 3_________ 4_____ 5 6_ 7_______ 8___ 9____ 10________ 11______ 12____ 13 14 15____ 16___ 17 18_____ 19___ 20 21 22__ 23__________ 24 25____________ 26____ 27__ 28 29_________ 30

Chunks:
  TruePositive nam [26,26] = Polski

(ChunkerEvaluator) Sentence #280 from articles/00107375 from sent26

Text  : Zwłaszcza , że w lidze i VTB muszą grać Polacy ,  a  Prokom co krok podkreśla ,  że jest klubem ,  w  którym nie brakuje miejsca dla graczy ,  którzy reprezentują Polskę .
Tokens: 1________ 2 3_ 4 5____ 6 7__ 8____ 9___ 10____ 11 12 13____ 14 15__ 16_______ 17 18 19__ 20____ 21 22 23____ 24_ 25_____ 26_____ 27_ 28____ 29 30____ 31__________ 32____ 33

Chunks:
  TruePositive nam [7,7] = VTB
  TruePositive nam [10,10] = Polacy
  TruePositive nam [32,32] = Polskę
  FalseNegative nam [13,13] = Prokom

(ChunkerEvaluator) Sentence #281 from articles/00107375 from sent27

Text  : Cała Europa niemal codziennie ekscytuje się hitowymi transferami między wielkimi klubami .
Tokens: 1___ 2_____ 3_____ 4_________ 5________ 6__ 7_______ 8__________ 9_____ 10______ 11_____ 12

Chunks:
  TruePositive nam [2,2] = Europa

(ChunkerEvaluator) Sentence #282 from articles/00107375 from sent28

Text  : W Gdyni , z racji mniejszych pieniędzy , hitów nie będzie ,  ale niech będzie cokolwiek !
Tokens: 1 2____ 3 4 5____ 6_________ 7________ 8 9____ 10_ 11____ 12 13_ 14___ 15____ 16_______ 17

Chunks:
  TruePositive nam [2,2] = Gdyni

(ChunkerEvaluator) Sentence #283 from articles/00107375 from sent29

Text  : Zwłaszcza że , jeżeli nie ma się wielkiego budżetu ,  sposobów na zrobienie niespodzianki i  dobrych wyników trzeba szukać gdzie indziej .
Tokens: 1________ 2_ 3 4_____ 5__ 6_ 7__ 8________ 9______ 10 11______ 12 13_______ 14___________ 15 16_____ 17_____ 18____ 19____ 20___ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #284 from articles/00107375 from sent30

Text  : Np . w zgraniu szybko zbudowanego zespołu .
Tokens: 1_ 2 3 4______ 5_____ 6__________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #285 from articles/00107375 from sent31

Text  : W Gdyni zespół , a nawet jego zalążek , na razie nie istnieje .
Tokens: 1 2____ 3_____ 4 5 6____ 7___ 8______ 9 10 11___ 12_ 13______ 14

Chunks:
  TruePositive nam [2,2] = Gdyni

2016-10-27 14:59:12,611 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 14 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107376.xml
(ChunkerEvaluator) Sentence #286 from articles/00107376 from sent1

Text  : Listy .
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #287 from articles/00107376 from sent2

Text  : Moje spostrzeżenia z peronu pierwszego
Tokens: 1___ 2____________ 3 4_____ 5_________

Chunks:

(ChunkerEvaluator) Sentence #288 from articles/00107376 from sent3

Text  : Chciał by m się podzielić swoimi spostrzeżeniami z nowo otwartego peronu pierwszego na krakowskim Dworcu Głównym .
Tokens: 1_____ 2_ 3 4__ 5________ 6_____ 7______________ 8 9___ 10_______ 11____ 12________ 13 14________ 15____ 16_____ 17

Chunks:
  TruePositive nam [15,16] = Dworcu Głównym

(ChunkerEvaluator) Sentence #289 from articles/00107376 from sent4

Text  : Bardzo się ucieszył em , kiedy wszedł em tam pierwszy raz .
Tokens: 1_____ 2__ 3_______ 4_ 5 6____ 7_____ 8_ 9__ 10______ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #290 from articles/00107376 from sent5

Text  : Moja radość trwała jakieś . . .
Tokens: 1___ 2_____ 3_____ 4_____ 5 6 7

Chunks:

(ChunkerEvaluator) Sentence #291 from articles/00107376 from sent6

Text  : 6 minut - pisze w liście do „ Gazety ”  nasz czytelnik Przemysław Krupiński .
Tokens: 1 2____ 3 4____ 5 6_____ 7_ 8 9_____ 10 11__ 12_______ 13________ 14_______ 15

Chunks:
  TruePositive nam [9,9] = Gazety
  TruePositive nam [13,14] = Przemysław Krupiński

(ChunkerEvaluator) Sentence #292 from articles/00107376 from sent7

Text  : Nie jestem zwolennikiem nieustannego narzekania na to , co dzieje się na kolei .
Tokens: 1__ 2_____ 3___________ 4___________ 5_________ 6_ 7_ 8 9_ 10____ 11_ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #293 from articles/00107376 from sent8

Text  : I naprawdę mam wielki szacunek dla tych wszystkich odpowiedzialnych za remont krakowskiego dworca .
Tokens: 1 2_______ 3__ 4_____ 5_______ 6__ 7___ 8_________ 9_______________ 10 11____ 12__________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #294 from articles/00107376 from sent9

Text  : Pięknie to wszystko wygląda na pierwszy rzut oka .
Tokens: 1______ 2_ 3_______ 4______ 5_ 6_______ 7___ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #295 from articles/00107376 from sent10

Text  : Pachniało nowością .
Tokens: 1________ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #296 from articles/00107376 from sent11

Text  : Możecie mi wierzyć lub nie , ale przez chwilę poczuł em się jak na jednym z  niemieckich dworców .
Tokens: 1______ 2_ 3______ 4__ 5__ 6 7__ 8____ 9_____ 10____ 11 12_ 13_ 14 15____ 16 17_________ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #297 from articles/00107376 from sent12

Text  : Jakimkolwiek .
Tokens: 1___________ 2

Chunks:

(ChunkerEvaluator) Sentence #298 from articles/00107376 from sent13

Text  : Oni mają tak na każdym .
Tokens: 1__ 2___ 3__ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #299 from articles/00107376 from sent14

Text  : Czyste , jasne płyty na podłodze , kolorowe filary ,  srebrne ławeczki ,  ekrany LCD z  rozkładem jazdy aktualizowanym na bieżąco ,  błękitne tablice LED informujące o  tym ,  jaki pociąg stoi przy peronie .
Tokens: 1_____ 2 3____ 4____ 5_ 6_______ 7 8_______ 9_____ 10 11_____ 12______ 13 14____ 15_ 16 17_______ 18___ 19____________ 20 21_____ 22 23______ 24_____ 25_ 26_________ 27 28_ 29 30__ 31____ 32__ 33__ 34_____ 35

Chunks:
  TruePositive nam [15,15] = LCD
  TruePositive nam [25,25] = LED

(ChunkerEvaluator) Sentence #300 from articles/00107376 from sent15

Text  : Trochę tylko godzina odjazdu zlewa się z kierunkiem jazdy ,  ale to takie moje czepialstwo .
Tokens: 1_____ 2____ 3______ 4______ 5____ 6__ 7 8_________ 9____ 10 11_ 12 13___ 14__ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #301 from articles/00107376 from sent16

Text  : I może moim czepialstwem jest też , że nie jest napisane „  Airport ”  .
Tokens: 1 2___ 3___ 4___________ 5___ 6__ 7 8_ 9__ 10__ 11______ 12 13_____ 14 15

Chunks:

(ChunkerEvaluator) Sentence #302 from articles/00107376 from sent17

Text  : Albo chociaż „ Lotnisko ” .
Tokens: 1___ 2______ 3 4_______ 5 6

Chunks:
  FalsePositive nam [4,4] = Lotnisko

(ChunkerEvaluator) Sentence #303 from articles/00107376 from sent18

Text  : Naprawdę takie cuda techniki trudno spotkać nawet na innych remontowanych u  nas dworcach .
Tokens: 1_______ 2____ 3___ 4_______ 5_____ 6______ 7____ 8_ 9_____ 10___________ 11 12_ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #304 from articles/00107376 from sent19

Text  : Ba !
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #305 from articles/00107376 from sent20

Text  : Były nawet donice z kwiatami !
Tokens: 1___ 2____ 3_____ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #306 from articles/00107376 from sent21

Text  : W życiu nie był em tak szczęśliwym pasażerem !
Tokens: 1 2____ 3__ 4__ 5_ 6__ 7__________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #307 from articles/00107376 from sent22

Text  : I dobre kilka minut zajęło mi przejście wzdłuż całego peronu i  napawanie się tym widokiem .
Tokens: 1 2____ 3____ 4____ 5_____ 6_ 7________ 8_____ 9_____ 10____ 11 12_______ 13_ 14_ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #308 from articles/00107376 from sent23

Text  : Później przeszedł em z powrotem i z każdym krokiem powoli rzedła mi mina
Tokens: 1______ 2________ 3_ 4 5_______ 6 7 8_____ 9______ 10____ 11____ 12 13__

Chunks:

(ChunkerEvaluator) Sentence #309 from articles/00107376 from sent24

Text  : * Na dobry początek automat biletowy .
Tokens: 1 2_ 3____ 4_______ 5______ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #310 from articles/00107376 from sent25

Text  : Jedyny na dworcu .
Tokens: 1_____ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #311 from articles/00107376 from sent26

Text  : Sprzedający zresztą wyłącznie bilety na lotnisko .
Tokens: 1__________ 2______ 3________ 4_____ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #312 from articles/00107376 from sent27

Text  : I nieczynny .
Tokens: 1 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #313 from articles/00107376 from sent28

Text  : * Nowy peron to po części obudówka starego .
Tokens: 1 2___ 3____ 4_ 5_ 6_____ 7_______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #314 from articles/00107376 from sent29

Text  : I mimo że ładnie to wygląda , to są miejsca ,  z  których wygląda jeszcze stary peron .
Tokens: 1 2___ 3_ 4_____ 5_ 6______ 7 8_ 9_ 10_____ 11 12 13_____ 14_____ 15_____ 16___ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #315 from articles/00107376 from sent30

Text  : * Nowe nagłośnienie .
Tokens: 1 2___ 3___________ 4

Chunks:

(ChunkerEvaluator) Sentence #316 from articles/00107376 from sent31

Text  : Ładne .
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #317 from articles/00107376 from sent32

Text  : Trochę kościelne , ale najważniejsza jest przecież jakość .
Tokens: 1_____ 2________ 3 4__ 5____________ 6___ 7_______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #318 from articles/00107376 from sent33

Text  : Czerwona linka między głośnikiem a pomarańczowym filarem to kabel .
Tokens: 1_______ 2____ 3_____ 4_________ 5 6____________ 7______ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #319 from articles/00107376 from sent34

Text  : Jedno proste „ ciach ” nożyczkami kuchennymi i nie ma komunikatów z  tego głośnika .
Tokens: 1____ 2_____ 3 4____ 5 6_________ 7_________ 8 9__ 10 11_________ 12 13__ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #320 from articles/00107376 from sent35

Text  : Ten kabel był w zasięgu mojej wyciągniętej ręki , mierzącego 1  ,  8  m  człowieka .
Tokens: 1__ 2____ 3__ 4 5______ 6____ 7___________ 8___ 9 10________ 11 12 13 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #321 from articles/00107376 from sent36

Text  : Nie musiałem nawet stawać na palcach .
Tokens: 1__ 2_______ 3____ 4_____ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #322 from articles/00107376 from sent37

Text  : Jeden z robotników , który przechodził obok mnie , potwierdził nawet moją obawę ,  że faktycznie kabel bez problemu da się przeciąć ,  ale ale !
Tokens: 1____ 2 3_________ 4 5____ 6__________ 7___ 8___ 9 10_________ 11___ 12__ 13___ 14 15 16________ 17___ 18_ 19______ 20 21_ 22______ 23 24_ 25_ 26

Chunks:

(ChunkerEvaluator) Sentence #323 from articles/00107376 from sent38

Text  : Na filarze obok jest kamera , która od razu zarejestruje mój wybryk !
Tokens: 1_ 2______ 3___ 4___ 5_____ 6 7____ 8_ 9___ 10__________ 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #324 from articles/00107376 from sent39

Text  : Faktycznie .
Tokens: 1_________ 2

Chunks:

(ChunkerEvaluator) Sentence #325 from articles/00107376 from sent40

Text  : Do kamery doskoczy każdy nieznacznie tylko wyższy ode mnie .
Tokens: 1_ 2_____ 3_______ 4____ 5__________ 6____ 7_____ 8__ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #326 from articles/00107376 from sent41

Text  : Ale dlaczego ja tak pesymistycznie zakładam , że ktoś od razu będzie chciał to wszystko demolować ?
Tokens: 1__ 2_______ 3_ 4__ 5_____________ 6_______ 7 8_ 9___ 10 11__ 12____ 13____ 14 15______ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #327 from articles/00107376 from sent42

Text  : Bo zobaczył em kosz na śmieci , który jeszcze tydzień był czysty ,  był w  pełni foremny .
Tokens: 1_ 2_______ 3_ 4___ 5_ 6_____ 7 8____ 9______ 10_____ 11_ 12____ 13 14_ 15 16___ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #328 from articles/00107376 from sent43

Text  : Dziś jest troszkę sfatygowany .
Tokens: 1___ 2___ 3______ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #329 from articles/00107376 from sent44

Text  : * A propos koszy na śmieci .
Tokens: 1 2 3_____ 4____ 5_ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #330 from articles/00107376 from sent45

Text  : Nie wiem , kto odpowiada za czystość na peronie i  w  jaki sposób o  nią dba ,  ale jeżeli zabrudzanie peronu będzie postępowało w  takim tempie ,  to nim oddany zostanie ostatni peron ,  ten pierwszy będzie wyglądał tak ,  jak obecnie wygląda peron piąty .
Tokens: 1__ 2___ 3 4__ 5________ 6_ 7_______ 8_ 9______ 10 11 12__ 13____ 14 15_ 16_ 17 18_ 19____ 20_________ 21____ 22____ 23_________ 24 25___ 26____ 27 28 29_ 30____ 31______ 32_____ 33___ 34 35_ 36______ 37____ 38______ 39_ 40 41_ 42_____ 43_____ 44___ 45___ 46

Chunks:

(ChunkerEvaluator) Sentence #331 from articles/00107376 from sent46

Text  : * Rozkład jazdy widnieje na elektronicznych wyświetlaczach , na wszelki wypadek na peronie wisi też tradycyjny rozkład ,  zamontowany w  tradycyjny dla nas sposób .
Tokens: 1 2______ 3____ 4_______ 5_ 6______________ 7_____________ 8 9_ 10_____ 11_____ 12 13_____ 14__ 15_ 16________ 17_____ 18 19_________ 20 21________ 22_ 23_ 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #332 from articles/00107376 from sent47

Text  : * Strasznie spodobała mi się nowa szklana osłona peronu zbudowana między nim a  Galerią Krakowską (  zdjęcie 9  )  .
Tokens: 1 2________ 3________ 4_ 5__ 6___ 7______ 8_____ 9_____ 10_______ 11____ 12_ 13 14_____ 15_______ 16 17_____ 18 19 20

Chunks:
  TruePositive nam [14,15] = Galerią Krakowską

(ChunkerEvaluator) Sentence #333 from articles/00107376 from sent48

Text  : Fajny pomysł .
Tokens: 1____ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #334 from articles/00107376 from sent49

Text  : Tylko że już teraz te szyby z zewnątrz są w  niektórych miejscach tak brudne ,  jakby ktoś na nie zwymiotował .
Tokens: 1____ 2_ 3__ 4____ 5_ 6____ 7 8_______ 9_ 10 11________ 12_______ 13_ 14____ 15 16___ 17__ 18 19_ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #335 from articles/00107376 from sent50

Text  : A nie sądzę , żeby regularnie co tydzień ktoś je czyścił .
Tokens: 1 2__ 3____ 4 5___ 6_________ 7_ 8______ 9___ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #336 from articles/00107376 from sent51

Text  : I nie wiem , czy trzeba być jakimś przeogromnym pedantem i  estetą ,  żeby przeszkadzało to ,  że w  miejscu ,  w  którym stoi słup trakcyjny ,  nie ma szyby ,  tylko jest .  .  .  dziura (  zdjęcie 10 )  .
Tokens: 1 2__ 3___ 4 5__ 6_____ 7__ 8_____ 9___________ 10______ 11 12____ 13 14__ 15___________ 16 17 18 19 20_____ 21 22 23____ 24__ 25__ 26_______ 27 28_ 29 30___ 31 32___ 33__ 34 35 36 37____ 38 39_____ 40 41 42

Chunks:

(ChunkerEvaluator) Sentence #337 from articles/00107376 from sent52

Text  : Deszcz na peronie pierwszym będzie więc padał wybiórczo , tylko w  niektórych sektorach .
Tokens: 1_____ 2_ 3______ 4________ 5_____ 6___ 7____ 8________ 9 10___ 11 12________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #338 from articles/00107376 from sent53

Text  : * Chciał by m też zwrócić uwagę na mocowanie tabliczki numerami peronu i  sektorów .
Tokens: 1 2_____ 3_ 4 5__ 6______ 7____ 8_ 9________ 10_______ 11______ 12____ 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #339 from articles/00107376 from sent54

Text  : Wszystkie , na całym peronie , zawieszone są na srebrnych łańcuszkach .
Tokens: 1________ 2 3_ 4____ 5______ 6 7_________ 8_ 9_ 10_______ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #340 from articles/00107376 from sent55

Text  : Niemal takich , jakie dostaje się na Komunię .
Tokens: 1_____ 2_____ 3 4____ 5______ 6__ 7_ 8______ 9

Chunks:
  TruePositive nam [8,8] = Komunię

(ChunkerEvaluator) Sentence #341 from articles/00107376 from sent56

Text  : Pięknie to wygląda .
Tokens: 1______ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #342 from articles/00107376 from sent57

Text  : Naprawdę .
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #343 from articles/00107376 from sent58

Text  : Przy najmniejszym podmuchu wiatru tabliczki elegancko się bujają , a  przy większym wietrze ruszają się na tyle ,  że na przykład słów „  track ”  i  „  sector ”  nie ma szans przeczytać .
Tokens: 1___ 2___________ 3_______ 4_____ 5________ 6________ 7__ 8_____ 9 10 11__ 12______ 13_____ 14_____ 15_ 16 17__ 18 19 20 21______ 22__ 23 24___ 25 26 27 28____ 29 30_ 31 32___ 33________ 34

Chunks:

(ChunkerEvaluator) Sentence #344 from articles/00107376 from sent59

Text  : A na tabliczkę informującą o niebezpieczeństwie związanym z napięciem w  trakcji chyba zabrakło łańcuszka ,  bo jako jedyna zawisła troszeczkę krzywo .
Tokens: 1 2_ 3________ 4__________ 5 6_________________ 7________ 8 9________ 10 11_____ 12___ 13______ 14_______ 15 16 17__ 18____ 19_____ 20________ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #345 from articles/00107376 from sent60

Text  : Ale to nikomu nie chyba nie przeszkadza .
Tokens: 1__ 2_ 3_____ 4__ 5____ 6__ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #346 from articles/00107376 from sent61

Text  : * Jest jeszcze jedna tabliczka informacyjna na peronie .
Tokens: 1 2___ 3______ 4____ 5________ 6___________ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #347 from articles/00107376 from sent62

Text  : W zasadzie jedyna , jaka się na nim pojawia .
Tokens: 1 2_______ 3_____ 4 5___ 6__ 7_ 8__ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #348 from articles/00107376 from sent63

Text  : We Włoszech wszystkie drogi prowadzą do Rzymu , a u  nas wszystkie drogi prowadzą do centrum .
Tokens: 1_ 2_______ 3________ 4____ 5_______ 6_ 7____ 8 9 10 11_ 12_______ 13___ 14______ 15 16_____ 17

Chunks:
  TruePositive nam [2,2] = Włoszech
  TruePositive nam [7,7] = Rzymu

(ChunkerEvaluator) Sentence #349 from articles/00107376 from sent64

Text  : Potrzeba taksówki ?
Tokens: 1_______ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #350 from articles/00107376 from sent65

Text  : Zapraszamy do centrum .
Tokens: 1_________ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #351 from articles/00107376 from sent66

Text  : Toaleta ?
Tokens: 1______ 2

Chunks:

(ChunkerEvaluator) Sentence #352 from articles/00107376 from sent67

Text  : Do centrum .
Tokens: 1_ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #353 from articles/00107376 from sent68

Text  : Na lotnisko ?
Tokens: 1_ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #354 from articles/00107376 from sent69

Text  : Też do centrum .
Tokens: 1__ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #355 from articles/00107376 from sent70

Text  : A w centrum będzie informacja , że trzeba wrócić na peron pierwszy .
Tokens: 1 2 3______ 4_____ 5_________ 6 7_ 8_____ 9_____ 10 11___ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #356 from articles/00107376 from sent71

Text  : Ale OK !
Tokens: 1__ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #357 from articles/00107376 from sent72

Text  : Zawsze mieli śmy problemy z prawidłowym oznakowaniem , więc poradzili śmy sobie i  teraz .
Tokens: 1_____ 2____ 3__ 4_______ 5 6__________ 7___________ 8 9___ 10_______ 11_ 12___ 13 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #358 from articles/00107376 from sent73

Text  : Ale że po angielsku jest napisane „ Exi to Center ”  !  ?  !  ?
Tokens: 1__ 2_ 3_ 4________ 5___ 6_______ 7 8__ 9_ 10____ 11 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #359 from articles/00107376 from sent74

Text  : I to na każdej tabliczce !
Tokens: 1 2_ 3_ 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #360 from articles/00107376 from sent75

Text  : Jedna literka , a obciach większy , niż jakby ktoś się wyłożył na konstrukcji gramatycznej całego zdania !
Tokens: 1____ 2______ 3 4 5______ 6______ 7 8__ 9____ 10__ 11_ 12_____ 13 14_________ 15__________ 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #361 from articles/00107376 from sent76

Text  : To właśnie w tym tkwi nasz problem .
Tokens: 1_ 2______ 3 4__ 5___ 6___ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #362 from articles/00107376 from sent77

Text  : W szczegółach .
Tokens: 1 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #363 from articles/00107376 from sent78

Text  : Kilka takich niedociągnięć i cały wysiłek leży .
Tokens: 1____ 2_____ 3____________ 4 5___ 6______ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #364 from articles/00107376 from sent79

Text  : I te tabliczki tak sobie będą już wisieć .
Tokens: 1 2_ 3________ 4__ 5____ 6___ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #365 from articles/00107376 from sent80

Text  : I zawisną też pewnie na pozostałych peronach .
Tokens: 1 2______ 3__ 4_____ 5_ 6__________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #366 from articles/00107376 from sent81

Text  : A ktoś , kto będzie je wieszał i też to zauważy ,  pomyśli sobie pewnie ,  że to nie jemu płacą za to ,  żeby było poprawnie .
Tokens: 1 2___ 3 4__ 5_____ 6_ 7______ 8 9__ 10 11_____ 12 13_____ 14___ 15____ 16 17 18 19_ 20__ 21___ 22 23 24 25__ 26__ 27_______ 28

Chunks:

(ChunkerEvaluator) Sentence #367 from articles/00107376 from sent82

Text  : Panie i Panowie wykonawcy !
Tokens: 1____ 2 3______ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #368 from articles/00107376 from sent83

Text  : Mimo tych wszystkich drobnych niedociągnięć naprawdę jestem dumny z tego ,  co zrobili ście .
Tokens: 1___ 2___ 3_________ 4_______ 5____________ 6_______ 7_____ 8____ 9 10__ 11 12 13_____ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #369 from articles/00107376 from sent84

Text  : Naprawdę ten dworzec będzie wyglądał europejsko , naprawdę pobije na łeb na szyję warszawski centralny .
Tokens: 1_______ 2__ 3______ 4_____ 5_______ 6_________ 7 8_______ 9_____ 10 11_ 12 13___ 14________ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #370 from articles/00107376 from sent85

Text  : Tylko czy ktoś ( bardzo proszę ) może wyciągnąć troszkę wniosków z  tego ,  co tu napisał em ,  przy remoncie przynajmniej jednego z  kolejnych peronów ?
Tokens: 1____ 2__ 3___ 4 5_____ 6_____ 7 8___ 9________ 10_____ 11______ 12 13__ 14 15 16 17_____ 18 19 20__ 21______ 22__________ 23_____ 24 25_______ 26_____ 27

Chunks:

2016-10-27 14:59:12,908 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 15 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107377.xml
(ChunkerEvaluator) Sentence #371 from articles/00107377 from sent1

Text  : Proces dowódców powstania .
Tokens: 1_____ 2_______ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #372 from articles/00107377 from sent2

Text  : „ Haniebna inicjatywa ”
Tokens: 1 2_______ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #373 from articles/00107377 from sent3

Text  : - Pana inicjatywa przeprowadzenia procesu nad przywódcami Powstania Warszawskiego nie jest już manipulacją ,  jest faktem posługiwania się metodą procesów pokazowych rodem z  PRL -  pisze w  liście do prezydenta Stalowej Woli Andrzeja Szlęzaka ,  Lucjan Nadbereżny ,  radny miasta (  PiS )  .
Tokens: 1 2___ 3_________ 4______________ 5______ 6__ 7__________ 8________ 9____________ 10_ 11__ 12_ 13_________ 14 15__ 16____ 17__________ 18_ 19____ 20______ 21________ 22___ 23 24_ 25 26___ 27 28____ 29 30________ 31______ 32__ 33______ 34______ 35 36____ 37________ 38 39___ 40____ 41 42_ 43 44

Chunks:
  TruePositive nam [8,9] = Powstania Warszawskiego
  TruePositive nam [24,24] = PRL
  TruePositive nam [31,32] = Stalowej Woli
  TruePositive nam [33,34] = Andrzeja Szlęzaka
  TruePositive nam [36,37] = Lucjan Nadbereżny
  TruePositive nam [42,42] = PiS

(ChunkerEvaluator) Sentence #374 from articles/00107377 from sent4

Text  : Jako radny rady miejskiej w Stalowej Woli zwracam się do Pana o  natychmiastowe wycofanie się z  haniebnej inicjatywy przeprowadzenia pokazowego procesu sądowego przywódców Powstania Warszawskiego w  Stalowej Woli .
Tokens: 1___ 2____ 3___ 4________ 5 6_______ 7___ 8______ 9__ 10 11__ 12 13____________ 14_______ 15_ 16 17_______ 18________ 19_____________ 20________ 21_____ 22______ 23________ 24_______ 25___________ 26 27______ 28__ 29

Chunks:
  TruePositive nam [6,7] = Stalowej Woli
  TruePositive nam [24,25] = Powstania Warszawskiego
  TruePositive nam [27,28] = Stalowej Woli
  FalsePositive nam [11,11] = Pana

(ChunkerEvaluator) Sentence #375 from articles/00107377 from sent5

Text  : Zaproponowana przez pana formuła procesu przywódców Powstania Warszawskiego , w  której występuje Pan jako oskarżyciel przesądzający z  góry o  treści wyroku ,  jednoznacznie kojarzy się z  procesami pokazowymi czasów totalitarnych .
Tokens: 1____________ 2____ 3___ 4______ 5______ 6_________ 7________ 8____________ 9 10 11____ 12_______ 13_ 14__ 15_________ 16___________ 17 18__ 19 20____ 21____ 22 23___________ 24_____ 25_ 26 27_______ 28________ 29____ 30___________ 31

Chunks:
  TruePositive nam [7,8] = Powstania Warszawskiego
  FalsePositive nam [13,13] = Pan

(ChunkerEvaluator) Sentence #376 from articles/00107377 from sent6

Text  : Jednym z takich procesów pokazowych , był proces szesnastu w  Moskwie ,  w  którym został skazany dowódca Powstania Warszawskiego Leopold Okulicki .
Tokens: 1_____ 2 3_____ 4_______ 5_________ 6 7__ 8_____ 9________ 10 11_____ 12 13 14____ 15____ 16_____ 17_____ 18_______ 19___________ 20_____ 21______ 22

Chunks:
  TruePositive nam [11,11] = Moskwie
  TruePositive nam [18,19] = Powstania Warszawskiego
  TruePositive nam [20,21] = Leopold Okulicki

(ChunkerEvaluator) Sentence #377 from articles/00107377 from sent7

Text  : Jeżeli więc chce Pan organizować takie pokazowe procesy , najlepszym miejscem na ich przeprowadzenie będzie Moskwa ,  a  nie Stalowa Wola !
Tokens: 1_____ 2___ 3___ 4__ 5__________ 6____ 7_______ 8______ 9 10________ 11______ 12 13_ 14_____________ 15____ 16____ 17 18 19_ 20_____ 21__ 22

Chunks:
  TruePositive nam [16,16] = Moskwa
  FalsePositive nam [4,4] = Pan
  FalsePositive nam [20,22] = Stalowa Wola !
  FalseNegative nam [20,21] = Stalowa Wola

(ChunkerEvaluator) Sentence #378 from articles/00107377 from sent8

Text  : Zamiast dokonywać haniebnego sądu nad polskimi bohaterami , proponuję Panu przeprowadzenie procesu nad katem Powstania Warszawskiego i  Warszawy .
Tokens: 1______ 2________ 3_________ 4___ 5__ 6_______ 7_________ 8 9________ 10__ 11_____________ 12_____ 13_ 14___ 15_______ 16___________ 17 18______ 19

Chunks:
  TruePositive nam [15,16] = Powstania Warszawskiego
  TruePositive nam [18,18] = Warszawy
  FalsePositive nam [10,10] = Panu

(ChunkerEvaluator) Sentence #379 from articles/00107377 from sent9

Text  : Erich von dem Bach , przy milczącej zgodzie władz PRL ,  nigdy nie odpowiedział przed sądem za zbrodnie przeciwko ludności cywilnej Warszawy .
Tokens: 1____ 2__ 3__ 4___ 5 6___ 7________ 8______ 9____ 10_ 11 12___ 13_ 14__________ 15___ 16___ 17 18______ 19_______ 20______ 21______ 22______ 23

Chunks:
  TruePositive nam [10,10] = PRL
  TruePositive nam [22,22] = Warszawy
  FalsePositive nam [1,1] = Erich
  FalsePositive nam [4,4] = Bach
  FalseNegative nam [1,4] = Erich von dem Bach

(ChunkerEvaluator) Sentence #380 from articles/00107377 from sent10

Text  : Przed dwoma laty nakaz włączenia syren w godzinę W nazwał Pan manipulacją rodem z  PRL .
Tokens: 1____ 2____ 3___ 4____ 5________ 6____ 7 8______ 9 10____ 11_ 12_________ 13___ 14 15_ 16

Chunks:
  TruePositive nam [15,15] = PRL
  FalsePositive nam [11,11] = Pan
  FalseNegative nam [9,9] = W

(ChunkerEvaluator) Sentence #381 from articles/00107377 from sent11

Text  : Pana dzisiejsza inicjatywa przeprowadzenia procesu nad przywódcami Powstania Warszawskiego nie jest już manipulacją ,  jest faktem posługiwania się metodą procesów pokazowych rodem z  PRL .
Tokens: 1___ 2_________ 3_________ 4______________ 5______ 6__ 7__________ 8________ 9____________ 10_ 11__ 12_ 13_________ 14 15__ 16____ 17__________ 18_ 19____ 20______ 21________ 22___ 23 24_ 25

Chunks:
  TruePositive nam [8,9] = Powstania Warszawskiego
  TruePositive nam [24,24] = PRL

(ChunkerEvaluator) Sentence #382 from articles/00107377 from sent12

Text  : Fakt , jest pan magistrem historii , ale nie „  Panem Historii ”  .
Tokens: 1___ 2 3___ 4__ 5________ 6_______ 7 8__ 9__ 10 11___ 12______ 13 14

Chunks:
  FalsePositive nam [12,12] = Historii

(ChunkerEvaluator) Sentence #383 from articles/00107377 from sent13

Text  : Jest pan jednak przede wszystkim Prezydentem Miasta Stalowej Woli .
Tokens: 1___ 2__ 3_____ 4_____ 5________ 6__________ 7_____ 8_______ 9___ 10

Chunks:
  FalsePositive nam [6,9] = Prezydentem Miasta Stalowej Woli
  FalseNegative nam [8,9] = Stalowej Woli

(ChunkerEvaluator) Sentence #384 from articles/00107377 from sent14

Text  : Oczekuję więc od pana zaprzestania wykorzystywania Stalowej Woli do prywatnej wojny politycznej i  światopoglądowej .
Tokens: 1_______ 2___ 3_ 4___ 5___________ 6______________ 7_______ 8___ 9_ 10_______ 11___ 12_________ 13 14______________ 15

Chunks:
  TruePositive nam [7,8] = Stalowej Woli

(ChunkerEvaluator) Sentence #385 from articles/00107377 from sent15

Text  : Wzywamy pana do natychmiastowego wycofania się z tego pomysły ,  przynoszącego ujmę miastu wspaniałych patriotów -  Stalowej Woli .
Tokens: 1______ 2___ 3_ 4_______________ 5________ 6__ 7 8___ 9______ 10 11___________ 12__ 13____ 14_________ 15_______ 16 17______ 18__ 19

Chunks:
  TruePositive nam [17,18] = Stalowej Woli

(ChunkerEvaluator) Sentence #386 from articles/00107377 from sent16

Text  : Pana obowiązkiem , jako prezydenta miasta jest walka z codziennymi problemami mieszkańców ,  a  nie wywoływanie konfliktów historycznych .
Tokens: 1___ 2__________ 3 4___ 5_________ 6_____ 7___ 8____ 9 10_________ 11________ 12_________ 13 14 15_ 16_________ 17________ 18___________ 19

Chunks:

(ChunkerEvaluator) Sentence #387 from articles/00107377 from sent17

Text  : Zamiast wkraczać w rolę prokuratora „ rodem z PRL ”  proszę zając się sprawą obwodnicy Stalowej Woli ,  kwestią wylesienia pod nowe inwestycje czy dramatyczną sytuacją na lokalnym rynku pracy .
Tokens: 1______ 2_______ 3 4___ 5__________ 6 7____ 8 9__ 10 11____ 12___ 13_ 14____ 15_______ 16______ 17__ 18 19_____ 20________ 21_ 22__ 23________ 24_ 25_________ 26______ 27 28______ 29___ 30___ 31

Chunks:
  TruePositive nam [9,9] = PRL
  TruePositive nam [16,17] = Stalowej Woli

(ChunkerEvaluator) Sentence #388 from articles/00107377 from sent18

Text  : Jeżeli jako historyk chce Pan dokonać obiektywnej oceny przywódców Powstania Warszawskiego ,  a  nie politycznej szopki podczas pokazowego procesu ,  proszę przygotowany przez Pana materiał historyczny złożyć do pionu śledczego Instytutu Pamięci Narodowej w  celu wszczęcia postępowania w  tej sprawie .
Tokens: 1_____ 2___ 3_______ 4___ 5__ 6______ 7__________ 8____ 9_________ 10_______ 11___________ 12 13 14_ 15_________ 16____ 17_____ 18________ 19_____ 20 21____ 22__________ 23___ 24__ 25______ 26_________ 27____ 28 29___ 30_______ 31_______ 32_____ 33_______ 34 35__ 36_______ 37__________ 38 39_ 40_____ 41

Chunks:
  TruePositive nam [10,11] = Powstania Warszawskiego
  TruePositive nam [31,33] = Instytutu Pamięci Narodowej
  FalsePositive nam [5,5] = Pan
  FalsePositive nam [24,24] = Pana

(ChunkerEvaluator) Sentence #389 from articles/00107377 from sent19

Text  : Na sam koniec pragnę zauważyć , że cała sprawa ma również kontekst polityczny .
Tokens: 1_ 2__ 3_____ 4_____ 5_______ 6 7_ 8___ 9_____ 10 11_____ 12______ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #390 from articles/00107377 from sent20

Text  : Organizacja pokazowego procesu wraz z Nową Prawicą Janusza Korwin -  Mikke na kilka dni przed wyborami jest niedopuszczalnym włączeniem wizerunku miasta Stalowa Wola w  działania wyborcze .
Tokens: 1__________ 2_________ 3______ 4___ 5 6___ 7______ 8______ 9_____ 10 11___ 12 13___ 14_ 15___ 16______ 17__ 18______________ 19________ 20_______ 21____ 22_____ 23__ 24 25_______ 26______ 27

Chunks:
  TruePositive nam [22,23] = Stalowa Wola
  FalsePositive nam [6,7] = Nową Prawicą
  FalsePositive nam [8,11] = Janusza Korwin - Mikke
  FalseNegative nam [6,11] = Nową Prawicą Janusza Korwin - Mikke

2016-10-27 14:59:13,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 16 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107378.xml
(ChunkerEvaluator) Sentence #391 from articles/00107378 from sent1

Text  : Trójka Korony bez sukcesów na ME
Tokens: 1_____ 2_____ 3__ 4_______ 5_ 6_

Chunks:
  TruePositive nam [2,2] = Korony
  TruePositive nam [6,6] = ME

(ChunkerEvaluator) Sentence #392 from articles/00107378 from sent2

Text  : Najlepiej z trójki zawodników DEK Meble Cyclo Korony Kielce na mistrzostwach Europy MTB na Słowacji spisał się ten ,  na którego najmniej liczono -  Rafał Fijałkowski .
Tokens: 1________ 2 3_____ 4_________ 5__ 6____ 7____ 8_____ 9_____ 10 11___________ 12____ 13_ 14 15______ 16____ 17_ 18_ 19 20 21_____ 22______ 23_____ 24 25___ 26_________ 27

Chunks:
  TruePositive nam [15,15] = Słowacji
  TruePositive nam [25,26] = Rafał Fijałkowski
  FalsePositive nam [5,9] = DEK Meble Cyclo Korony Kielce
  FalsePositive nam [12,13] = Europy MTB
  FalseNegative nam [5,5] = DEK
  FalseNegative nam [6,9] = Meble Cyclo Korony Kielce
  FalseNegative nam [11,13] = mistrzostwach Europy MTB

(ChunkerEvaluator) Sentence #393 from articles/00107378 from sent3

Text  : Trójka Korony bez sukcesów na ME
Tokens: 1_____ 2_____ 3__ 4_______ 5_ 6_

Chunks:
  TruePositive nam [2,2] = Korony
  TruePositive nam [6,6] = ME

(ChunkerEvaluator) Sentence #394 from articles/00107378 from sent4

Text  : Najlepiej z trójki zawodników DEK Meble Cyclo Korony Kielce na mistrzostwach Europy MTB na Słowacji spisał się ten ,  na którego najmniej liczono -  Rafał Fijałkowski .
Tokens: 1________ 2 3_____ 4_________ 5__ 6____ 7____ 8_____ 9_____ 10 11___________ 12____ 13_ 14 15______ 16____ 17_ 18_ 19 20 21_____ 22______ 23_____ 24 25___ 26_________ 27

Chunks:
  TruePositive nam [15,15] = Słowacji
  TruePositive nam [25,26] = Rafał Fijałkowski
  FalsePositive nam [5,9] = DEK Meble Cyclo Korony Kielce
  FalsePositive nam [12,13] = Europy MTB
  FalseNegative nam [5,5] = DEK
  FalseNegative nam [6,9] = Meble Cyclo Korony Kielce
  FalseNegative nam [11,13] = mistrzostwach Europy MTB

(ChunkerEvaluator) Sentence #395 from articles/00107378 from sent5

Text  : I on był jednak daleko - w rywalizacji młodzieżowców w  Dohnanach zajął 46 .  lokatę ze stratą 9  .  45 min .  do najlepszego Włocha Gerharda Kerschbaumera .
Tokens: 1 2_ 3__ 4_____ 5_____ 6 7 8__________ 9____________ 10 11_______ 12___ 13 14 15____ 16 17____ 18 19 20 21_ 22 23 24_________ 25____ 26______ 27___________ 28

Chunks:
  TruePositive nam [11,11] = Dohnanach
  TruePositive nam [25,25] = Włocha
  TruePositive nam [26,27] = Gerharda Kerschbaumera

(ChunkerEvaluator) Sentence #396 from articles/00107378 from sent6

Text  : Dziesięć oczek niżej wśród kolarzy poniżej lat 23 Maciej Dombrowski .
Tokens: 1_______ 2____ 3____ 4____ 5______ 6______ 7__ 8_ 9_____ 10________ 11

Chunks:
  TruePositive nam [9,10] = Maciej Dombrowski

(ChunkerEvaluator) Sentence #397 from articles/00107378 from sent7

Text  : On do zwycięzcy stracił dwie rundy , ale na Słowacji startował tuż po zdjęciu gipsu z  prawej ręki (  pęknięta kość na treningu )  .
Tokens: 1_ 2_ 3________ 4______ 5___ 6____ 7 8__ 9_ 10______ 11_______ 12_ 13 14_____ 15___ 16 17____ 18__ 19 20______ 21__ 22 23______ 24 25

Chunks:
  TruePositive nam [10,10] = Słowacji

(ChunkerEvaluator) Sentence #398 from articles/00107378 from sent8

Text  : Rywalizująca wśród seniorek Katarzyna Solus - Miśkowicz nie ukończyła wyścigu .
Tokens: 1___________ 2____ 3_______ 4________ 5____ 6 7________ 8__ 9________ 10_____ 11

Chunks:
  TruePositive nam [4,7] = Katarzyna Solus - Miśkowicz

2016-10-27 14:59:13,100 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 17 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107379.xml
(ChunkerEvaluator) Sentence #399 from articles/00107379 from sent1

Text  : Ekstraklasa .
Tokens: 1__________ 2

Chunks:

(ChunkerEvaluator) Sentence #400 from articles/00107379 from sent2

Text  : Poważny problem Widzewa .
Tokens: 1______ 2______ 3______ 4

Chunks:
  TruePositive nam [3,3] = Widzewa

(ChunkerEvaluator) Sentence #401 from articles/00107379 from sent3

Text  : Czy jeszcze będą transfery ?
Tokens: 1__ 2______ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #402 from articles/00107379 from sent4

Text  : Brazylijczyk Dudu jest kontuzjowany , a to oznacza , że w  tej chwili w  kadrze drużyny z  al .  Piłsudskiego nie ma ani jednego nominalnego lewego obrońcy i  pomocnika gotowego do gry
Tokens: 1___________ 2___ 3___ 4___________ 5 6 7_ 8______ 9 10 11 12_ 13____ 14 15____ 16_____ 17 18 19 20__________ 21_ 22 23_ 24_____ 25_________ 26____ 27_____ 28 29_______ 30______ 31 32_

Chunks:
  FalsePositive nam [1,2] = Brazylijczyk Dudu
  FalsePositive nam [20,20] = Piłsudskiego
  FalseNegative nam [1,1] = Brazylijczyk
  FalseNegative nam [2,2] = Dudu
  FalseNegative nam [18,20] = al . Piłsudskiego

(ChunkerEvaluator) Sentence #403 from articles/00107379 from sent5

Text  : W poprzednim sezonie Dudu opuścił tylko jeden mecz .
Tokens: 1 2_________ 3______ 4___ 5______ 6____ 7____ 8___ 9

Chunks:
  FalseNegative nam [4,4] = Dudu

(ChunkerEvaluator) Sentence #404 from articles/00107379 from sent6

Text  : Z powodu nadmiaru żółtych kartek nie mógł zagrać w kwietniowym spotkaniu z  Legią Warszawa .
Tokens: 1 2_____ 3_______ 4______ 5_____ 6__ 7___ 8_____ 9 10_________ 11_______ 12 13___ 14______ 15

Chunks:
  TruePositive nam [13,14] = Legią Warszawa

(ChunkerEvaluator) Sentence #405 from articles/00107379 from sent7

Text  : Po lewej stronie obrony zastąpił go Wojciech Szymanek , nominalny stoper ,  ewentualnie defensywny pomocnik .
Tokens: 1_ 2____ 3______ 4_____ 5_______ 6_ 7_______ 8_______ 9 10_______ 11____ 12 13_________ 14________ 15______ 16

Chunks:
  TruePositive nam [7,8] = Wojciech Szymanek

(ChunkerEvaluator) Sentence #406 from articles/00107379 from sent8

Text  : W pozostałych 29 meczach sezonu Brazylijczyk grał od pierwszej do ostatniej minuty ,  był niezastąpiony .
Tokens: 1 2__________ 3_ 4______ 5_____ 6___________ 7___ 8_ 9________ 10 11_______ 12____ 13 14_ 15___________ 16

Chunks:
  TruePositive nam [6,6] = Brazylijczyk

(ChunkerEvaluator) Sentence #407 from articles/00107379 from sent9

Text  : Być może było by inaczej , gdyby Dudu miał z  kim rywalizować .
Tokens: 1__ 2___ 3___ 4_ 5______ 6 7____ 8___ 9___ 10 11_ 12_________ 13

Chunks:
  FalseNegative nam [8,8] = Dudu

(ChunkerEvaluator) Sentence #408 from articles/00107379 from sent10

Text  : W rundzie jesiennej ubiegłego sezonu w kadrze był jeszcze Tomasz Lisowski ,  ale on -  mimo że jest nominalnym obrońcą -  grał w  drugiej linii ,  przed Brazylijczykiem .
Tokens: 1 2______ 3________ 4________ 5_____ 6 7_____ 8__ 9______ 10____ 11______ 12 13_ 14 15 16__ 17 18__ 19________ 20_____ 21 22__ 23 24_____ 25___ 26 27___ 28_____________ 29

Chunks:
  TruePositive nam [10,11] = Tomasz Lisowski
  TruePositive nam [28,28] = Brazylijczykiem

(ChunkerEvaluator) Sentence #409 from articles/00107379 from sent11

Text  : W drużynie nie było bowiem lewonożnych pomocników ( z wyjątkiem Rafała Grzelaka ,  który nie nadawał się do gry )  i  Lisowski na spółkę z  Piotrem Grzelczakiem musieli łatać dziurę .
Tokens: 1 2_______ 3__ 4___ 5_____ 6__________ 7_________ 8 9 10_______ 11____ 12______ 13 14___ 15_ 16_____ 17_ 18 19_ 20 21 22______ 23 24____ 25 26_____ 27__________ 28_____ 29___ 30____ 31

Chunks:
  TruePositive nam [11,12] = Rafała Grzelaka
  TruePositive nam [22,22] = Lisowski
  TruePositive nam [26,27] = Piotrem Grzelczakiem

(ChunkerEvaluator) Sentence #410 from articles/00107379 from sent12

Text  : Zimą Lisowski został sprzedany do Korony Kielce , a nowy trener Czesław Michniewicz nie wyobrażał sobie ,  by Grzelczak miał biegać po skrzydle ,  i  przesunął go najpierw na ławkę ,  a  później do ataku .
Tokens: 1___ 2_______ 3_____ 4________ 5_ 6_____ 7_____ 8 9 10__ 11____ 12_____ 13_________ 14_ 15_______ 16___ 17 18 19_______ 20__ 21____ 22 23______ 24 25 26_______ 27 28______ 29 30___ 31 32 33_____ 34 35___ 36

Chunks:
  TruePositive nam [2,2] = Lisowski
  TruePositive nam [6,7] = Korony Kielce
  TruePositive nam [12,13] = Czesław Michniewicz
  FalseNegative nam [19,19] = Grzelczak

(ChunkerEvaluator) Sentence #411 from articles/00107379 from sent13

Text  : Dudu został po lewej stronie sam i tak jest również w  nowym sezonie .
Tokens: 1___ 2_____ 3_ 4____ 5______ 6__ 7 8__ 9___ 10_____ 11 12___ 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Dudu

(ChunkerEvaluator) Sentence #412 from articles/00107379 from sent14

Text  : Przed nim - w drugiej linii - trener Radosław Mroczkowski ustawia prawonożnego Krzysztofa Ostrowskiego .
Tokens: 1____ 2__ 3 4 5______ 6____ 7 8_____ 9_______ 10_________ 11_____ 12__________ 13________ 14__________ 15

Chunks:
  TruePositive nam [9,10] = Radosław Mroczkowski
  TruePositive nam [13,14] = Krzysztofa Ostrowskiego

(ChunkerEvaluator) Sentence #413 from articles/00107379 from sent15

Text  : Latem Widzew właściwie nie przeprowadzał transferów , do kadry trafił jedynie napastnik Princewell Okachi .
Tokens: 1____ 2_____ 3________ 4__ 5____________ 6_________ 7 8_ 9____ 10____ 11_____ 12_______ 13________ 14____ 15

Chunks:
  TruePositive nam [2,2] = Widzew
  TruePositive nam [13,14] = Princewell Okachi

(ChunkerEvaluator) Sentence #414 from articles/00107379 from sent16

Text  : Do zespołu nie dołączył więc żaden piłkarz na lewą stronę boiska ,  mimo że i  trener Mroczkowski ,  i  działacze mówili ,  że to priorytet .
Tokens: 1_ 2______ 3__ 4_______ 5___ 6____ 7______ 8_ 9___ 10____ 11____ 12 13__ 14 15 16____ 17_________ 18 19 20_______ 21____ 22 23 24 25_______ 26

Chunks:
  TruePositive nam [17,17] = Mroczkowski

(ChunkerEvaluator) Sentence #415 from articles/00107379 from sent17

Text  : Testowany był tylko Bośniak Slavko Marić , ale okazał się za słaby .
Tokens: 1________ 2__ 3____ 4______ 5_____ 6____ 7 8__ 9_____ 10_ 11 12___ 13

Chunks:
  FalsePositive nam [4,6] = Bośniak Slavko Marić
  FalseNegative nam [4,4] = Bośniak
  FalseNegative nam [5,6] = Slavko Marić

(ChunkerEvaluator) Sentence #416 from articles/00107379 from sent18

Text  : - Zarówno w przerwie zimowej , jak i letniej testowali śmy potencjalnych kandydatów na tę stronę ,  ale żaden nie przeszedł testów sportowych -  wyjaśnia Marcin Animucki ,  prezes Widzewa .
Tokens: 1 2______ 3 4_______ 5______ 6 7__ 8 9______ 10_______ 11_ 12___________ 13________ 14 15 16____ 17 18_ 19___ 20_ 21_______ 22____ 23________ 24 25______ 26____ 27______ 28 29____ 30_____ 31

Chunks:
  TruePositive nam [26,27] = Marcin Animucki
  TruePositive nam [30,30] = Widzewa

(ChunkerEvaluator) Sentence #417 from articles/00107379 from sent19

Text  : Dudu wyszedł oczywiście w pierwszym składzie na inaugurację sezonu z  Wisłą Kraków ,  a  także w  drugim meczu przeciwko Górnikowi Zabrze .
Tokens: 1___ 2______ 3_________ 4 5________ 6_______ 7_ 8__________ 9_____ 10 11___ 12____ 13 14 15___ 16 17____ 18___ 19_______ 20_______ 21____ 22

Chunks:
  TruePositive nam [11,12] = Wisłą Kraków
  TruePositive nam [20,21] = Górnikowi Zabrze
  FalseNegative nam [1,1] = Dudu

(ChunkerEvaluator) Sentence #418 from articles/00107379 from sent20

Text  : W 33 . min z powodu kontuzji musiał jednak zejść z  boiska .
Tokens: 1 2_ 3 4__ 5 6_____ 7_______ 8_____ 9_____ 10___ 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #419 from articles/00107379 from sent21

Text  : Po lewej stronie zastąpił go Łukasz Broź , który wcześniej biegał po prawym skrzydle .
Tokens: 1_ 2____ 3______ 4_______ 5_ 6_____ 7___ 8 9____ 10_______ 11____ 12 13____ 14______ 15

Chunks:
  TruePositive nam [6,7] = Łukasz Broź

(ChunkerEvaluator) Sentence #420 from articles/00107379 from sent22

Text  : W roli zmiennika Brazylijczyka kapitan Widzewa spisał się znakomicie ,  ale .  .  .  brakowało go po prawej stronie defensywy (  inny piłkarz na tę pozycję Souhail Ben Radhia dopiero wyleczył kontuzję )  .
Tokens: 1 2___ 3________ 4____________ 5______ 6______ 7_____ 8__ 9_________ 10 11_ 12 13 14 15_______ 16 17 18____ 19_____ 20_______ 21 22__ 23_____ 24 25 26_____ 27_____ 28_ 29____ 30_____ 31______ 32______ 33 34

Chunks:
  TruePositive nam [4,4] = Brazylijczyka
  TruePositive nam [6,6] = Widzewa
  TruePositive nam [27,29] = Souhail Ben Radhia

(ChunkerEvaluator) Sentence #421 from articles/00107379 from sent23

Text  : Z drugiej linii przesunięty został do niej Adrian Budka ,  jego z  kolei zastąpił wchodzący z  ławki Jurijs Żigajews .
Tokens: 1 2______ 3____ 4__________ 5_____ 6_ 7___ 8_____ 9____ 10 11__ 12 13___ 14______ 15_______ 16 17___ 18____ 19______ 20

Chunks:
  TruePositive nam [8,9] = Adrian Budka
  TruePositive nam [18,19] = Jurijs Żigajews

(ChunkerEvaluator) Sentence #422 from articles/00107379 from sent24

Text  : Tyle zmian przez jedno zejście Dudu .
Tokens: 1___ 2____ 3____ 4____ 5______ 6___ 7

Chunks:
  FalseNegative nam [6,6] = Dudu

(ChunkerEvaluator) Sentence #423 from articles/00107379 from sent25

Text  : W sobotę Brazylijczyk przeszedł badania .
Tokens: 1 2_____ 3___________ 4________ 5______ 6

Chunks:
  TruePositive nam [3,3] = Brazylijczyk

(ChunkerEvaluator) Sentence #424 from articles/00107379 from sent26

Text  : Wiadomo już , że naciągnął jeden z mięśni i czeka go przerwa w  treningach (  widzewiacy wznawiają je dzisiaj )  .
Tokens: 1______ 2__ 3 4_ 5________ 6____ 7 8_____ 9 10___ 11 12_____ 13 14________ 15 16________ 17_______ 18 19_____ 20 21

Chunks:

(ChunkerEvaluator) Sentence #425 from articles/00107379 from sent27

Text  : - Na razie będzie trenował indywidualnie .
Tokens: 1 2_ 3____ 4_____ 5_______ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #426 from articles/00107379 from sent28

Text  : Czy zdąży na mecz z Podbeskidziem Bielsko - Biała ,  tego na razie nie wiadomo -  mówi Michał Kulesza .
Tokens: 1__ 2____ 3_ 4___ 5 6____________ 7______ 8 9____ 10 11__ 12 13___ 14_ 15_____ 16 17__ 18____ 19_____ 20

Chunks:
  TruePositive nam [6,9] = Podbeskidziem Bielsko - Biała
  TruePositive nam [18,19] = Michał Kulesza

(ChunkerEvaluator) Sentence #427 from articles/00107379 from sent29

Text  : - Szanse na to są większe , bo to spotkanie dopiero w  niedzielę .
Tokens: 1 2_____ 3_ 4_ 5_ 6______ 7 8_ 9_ 10_______ 11_____ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #428 from articles/00107379 from sent30

Text  : Niczego jednak nie można przesądzić .
Tokens: 1______ 2_____ 3__ 4____ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #429 from articles/00107379 from sent31

Text  : Kontuzjowany Dudu to w Widzewie nowość , bo przecież w  ubiegłym sezonie Brazylijczyk był nie do zdarcia i  zmiennicy dla niego nie byli potrzebni .
Tokens: 1___________ 2___ 3_ 4 5_______ 6_____ 7 8_ 9_______ 10 11______ 12_____ 13__________ 14_ 15_ 16 17_____ 18 19_______ 20_ 21___ 22_ 23__ 24_______ 25

Chunks:
  TruePositive nam [5,5] = Widzewie
  TruePositive nam [13,13] = Brazylijczyk
  FalseNegative nam [2,2] = Dudu

(ChunkerEvaluator) Sentence #430 from articles/00107379 from sent32

Text  : Być może to uśpiło czujność działaczy , którzy nie szukali na gwałt lewonożnych graczy .
Tokens: 1__ 2___ 3_ 4_____ 5_______ 6________ 7 8_____ 9__ 10_____ 11 12___ 13_________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #431 from articles/00107379 from sent33

Text  : Animucki zapewnia jednak , że poszukiwania cały czas trwają .
Tokens: 1_______ 2_______ 3_____ 4 5_ 6___________ 7___ 8___ 9_____ 10

Chunks:
  FalseNegative nam [1,1] = Animucki

(ChunkerEvaluator) Sentence #432 from articles/00107379 from sent34

Text  : - Niewykluczone , że do zakończenia okresu transferowego [ do końca sierpnia -  przyp .  red .  ]  naszą drużynę wzmocni piłkarz na lewą stronę .
Tokens: 1 2____________ 3 4_ 5_ 6__________ 7_____ 8____________ 9 10 11___ 12______ 13 14___ 15 16_ 17 18 19___ 20_____ 21_____ 22_____ 23 24__ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #433 from articles/00107379 from sent35

Text  : Trudno jednak znaleźć na te pozycje graczy z odpowiednimi umiejętnościami ,  z  czym problem ma nie tylko Widzew ,  ale także inne drużyny -  tłumaczy .
Tokens: 1_____ 2_____ 3______ 4_ 5_ 6______ 7_____ 8 9___________ 10_____________ 11 12 13__ 14_____ 15 16_ 17___ 18____ 19 20_ 21___ 22__ 23_____ 24 25______ 26

Chunks:
  TruePositive nam [18,18] = Widzew

(ChunkerEvaluator) Sentence #434 from articles/00107379 from sent36

Text  : Na szczęście są i dobre wieści , jeśli chodzi o  defensywę drużyny z  al .  Piłsudskiego .
Tokens: 1_ 2________ 3_ 4 5____ 6_____ 7 8____ 9_____ 10 11_______ 12_____ 13 14 15 16__________ 17

Chunks:
  FalsePositive nam [14,16] = al . Piłsudskiego
  FalseNegative nam [16,16] = Piłsudskiego

(ChunkerEvaluator) Sentence #435 from articles/00107379 from sent37

Text  : W Bielsku - Białej do dyspozycji trenera Mroczkowskiego powinni być już Sebastian Madera i  Ugo Ukah ,  którzy wracają po kontuzjach .
Tokens: 1 2______ 3 4_____ 5_ 6_________ 7______ 8_____________ 9______ 10_ 11_ 12_______ 13____ 14 15_ 16__ 17 18____ 19_____ 20 21________ 22

Chunks:
  TruePositive nam [2,4] = Bielsku - Białej
  TruePositive nam [8,8] = Mroczkowskiego
  TruePositive nam [12,13] = Sebastian Madera
  TruePositive nam [15,16] = Ugo Ukah

(ChunkerEvaluator) Sentence #436 from articles/00107379 from sent38

Text  : Z Tunezji wrócił już także Ben Radhia , który w  okresie przygotowawczym odniósł uraz stawu skokowego i  leczył się w  ojczyźnie .
Tokens: 1 2______ 3_____ 4__ 5____ 6__ 7_____ 8 9____ 10 11_____ 12_____________ 13_____ 14__ 15___ 16_______ 17 18____ 19_ 20 21_______ 22

Chunks:
  TruePositive nam [2,2] = Tunezji
  TruePositive nam [6,7] = Ben Radhia

(ChunkerEvaluator) Sentence #437 from articles/00107379 from sent39

Text  : - Ben wznowił treningi i nadrabia zaległości .
Tokens: 1 2__ 3______ 4_______ 5 6_______ 7_________ 8

Chunks:
  TruePositive nam [2,2] = Ben

(ChunkerEvaluator) Sentence #438 from articles/00107379 from sent40

Text  : Nie wiem , czy będzie mógł zagrać już przeciwko Podbeskidziu .
Tokens: 1__ 2___ 3 4__ 5_____ 6___ 7_____ 8__ 9________ 10__________ 11

Chunks:
  FalseNegative nam [10,10] = Podbeskidziu

(ChunkerEvaluator) Sentence #439 from articles/00107379 from sent41

Text  : Być może trener weźmie go do meczowej kadry , ale o  tym już on sam zdecyduje -  mówi Kulesza .
Tokens: 1__ 2___ 3_____ 4_____ 5_ 6_ 7_______ 8____ 9 10_ 11 12_ 13_ 14 15_ 16_______ 17 18__ 19_____ 20

Chunks:
  TruePositive nam [19,19] = Kulesza

2016-10-27 14:59:13,333 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 18 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107380.xml
(ChunkerEvaluator) Sentence #440 from articles/00107380 from sent1

Text  : Górnicy wracają do zdrowia
Tokens: 1______ 2______ 3_ 4______

Chunks:

(ChunkerEvaluator) Sentence #441 from articles/00107380 from sent2

Text  : Górnicy ranni i poparzeni w wypadkach w kopalniach Pniówek i  Bielszowice wracają do zdrowia
Tokens: 1______ 2____ 3 4________ 5 6________ 7 8_________ 9______ 10 11_________ 12_____ 13 14_____

Chunks:
  TruePositive nam [9,9] = Pniówek
  TruePositive nam [11,11] = Bielszowice

(ChunkerEvaluator) Sentence #442 from articles/00107380 from sent3

Text  : GÓRNICTWO .
Tokens: 1________ 2

Chunks:

(ChunkerEvaluator) Sentence #443 from articles/00107380 from sent4

Text  : Po wypadkach w Bielszowicach i Pniówku
Tokens: 1_ 2________ 3 4____________ 5 6______

Chunks:
  TruePositive nam [4,4] = Bielszowicach
  TruePositive nam [6,6] = Pniówku

(ChunkerEvaluator) Sentence #444 from articles/00107380 from sent5

Text  : Górnikom już lepiej
Tokens: 1_______ 2__ 3_____

Chunks:

(ChunkerEvaluator) Sentence #445 from articles/00107380 from sent6

Text  : Czterej górnicy , którzy trafili do szpitala po sobotnim wstrząsie i  tąpnięciu w  rudzkiej kopalni Bielszowice ,  wracają do zdrowia .
Tokens: 1______ 2______ 3 4_____ 5______ 6_ 7_______ 8_ 9_______ 10_______ 11 12_______ 13 14______ 15_____ 16_________ 17 18_____ 19 20_____ 21

Chunks:
  FalseNegative nam [16,16] = Bielszowice

(ChunkerEvaluator) Sentence #446 from articles/00107380 from sent7

Text  : Niektórzy z nich mogą opuścić szpital już za kilka dni
Tokens: 1________ 2 3___ 4___ 5______ 6______ 7__ 8_ 9____ 10_

Chunks:

(ChunkerEvaluator) Sentence #447 from articles/00107380 from sent8

Text  : Piąty ranny w tym samym wypadku w ogóle nie zgodził się na pobyt w  szpitalu i  wrócił do domu .
Tokens: 1____ 2____ 3 4__ 5____ 6______ 7 8____ 9__ 10_____ 11_ 12 13___ 14 15______ 16 17____ 18 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #448 from articles/00107380 from sent9

Text  : Ranni górnicy z Bielszowic mają powierzchowne obrażenia głów i klatek piersiowych ,  połączone z  potłuczeniami na całym ciele .
Tokens: 1____ 2______ 3 4_________ 5___ 6____________ 7________ 8___ 9 10____ 11_________ 12 13_______ 14 15___________ 16 17___ 18___ 19

Chunks:
  TruePositive nam [4,4] = Bielszowic

(ChunkerEvaluator) Sentence #449 from articles/00107380 from sent10

Text  : Poprawia się też stan zdrowia 13 górników , poparzonych i  lżej rannych po piątkowym zapaleniu się metanu w  kopalni Pniówek w  Pawłowicach .
Tokens: 1_______ 2__ 3__ 4___ 5______ 6_ 7_______ 8 9__________ 10 11__ 12_____ 13 14_______ 15_______ 16_ 17____ 18 19_____ 20_____ 21 22_________ 23

Chunks:
  TruePositive nam [20,20] = Pniówek
  TruePositive nam [22,22] = Pawłowicach

(ChunkerEvaluator) Sentence #450 from articles/00107380 from sent11

Text  : Pięciu poparzonych przebywa w Centrum Leczenia Oparzeń w Siemianowicach Śląskich .
Tokens: 1_____ 2__________ 3_______ 4 5______ 6_______ 7______ 8 9_____________ 10______ 11

Chunks:
  TruePositive nam [5,7] = Centrum Leczenia Oparzeń
  TruePositive nam [9,10] = Siemianowicach Śląskich

(ChunkerEvaluator) Sentence #451 from articles/00107380 from sent12

Text  : Wszyscy są przytomni i nie gorączkują .
Tokens: 1______ 2_ 3________ 4 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #452 from articles/00107380 from sent13

Text  : W dobrym stanie jest ośmiu innych górników z Pniówka ,  którzy zostali przewiezieni do szpitala w  Jastrzębiu Zdroju .
Tokens: 1 2_____ 3_____ 4___ 5____ 6_____ 7_______ 8 9______ 10 11____ 12_____ 13__________ 14 15______ 16 17________ 18____ 19

Chunks:
  TruePositive nam [17,18] = Jastrzębiu Zdroju
  FalseNegative nam [9,9] = Pniówka

(ChunkerEvaluator) Sentence #453 from articles/00107380 from sent14

Text  : Pięciu z nich zdradzało objawy podtrucia tlenkiem węgla .
Tokens: 1_____ 2 3___ 4________ 5_____ 6________ 7_______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #454 from articles/00107380 from sent15

Text  : Ci pacjenci mogą wrócić do domów już w najbliższych dniach .
Tokens: 1_ 2_______ 3___ 4_____ 5_ 6____ 7__ 8 9___________ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #455 from articles/00107380 from sent16

Text  : Trzech pozostałych , którzy doznali oparzeń , spędzi w szpitalu jeszcze prawdopodobnie kilkanaście dni .
Tokens: 1_____ 2__________ 3 4_____ 5______ 6______ 7 8_____ 9 10______ 11_____ 12____________ 13_________ 14_ 15

Chunks:

(ChunkerEvaluator) Sentence #456 from articles/00107380 from sent17

Text  : czyt.ws dw
Tokens: 1______ 2_

Chunks:

2016-10-27 14:59:13,397 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 19 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107381.xml
(ChunkerEvaluator) Sentence #457 from articles/00107381 from sent1

Text  : Bar mleczny na Tumskiej zmienia menu : zaserwuje książki
Tokens: 1__ 2______ 3_ 4_______ 5______ 6___ 7 8________ 9______

Chunks:
  TruePositive nam [4,4] = Tumskiej

(ChunkerEvaluator) Sentence #458 from articles/00107381 from sent2

Text  : Ceniona na całym świecie sztuka z nurtu art brut ,  książki ,  których nie znajdziecie w  sieciowych księgarniach ,  warsztaty dla młodych ludzi ,  dyskusje -  to wszystko w  miejscu po barze mlecznym na rogu Tumskiej i  Kwiatka .
Tokens: 1______ 2_ 3____ 4______ 5_____ 6 7____ 8__ 9___ 10 11_____ 12 13_____ 14_ 15_________ 16 17________ 18__________ 19 20_______ 21_ 22_____ 23___ 24 25______ 26 27 28______ 29 30_____ 31 32___ 33______ 34 35__ 36______ 37 38_____ 39

Chunks:
  TruePositive nam [36,36] = Tumskiej
  TruePositive nam [38,38] = Kwiatka
  FalseNegative nam [8,9] = art brut

(ChunkerEvaluator) Sentence #459 from articles/00107381 from sent3

Text  : Będzie tam siedziba kawiarnio - księgarni i Stowarzyszenia Oto Ja .  Miejsce spotkań otwarte przez cały tydzień .
Tokens: 1_____ 2__ 3_______ 4________ 5 6________ 7 8_____________ 9__ 10 11 12_____ 13_____ 14_____ 15___ 16__ 17_____ 18

Chunks:
  TruePositive nam [8,10] = Stowarzyszenia Oto Ja
  FalsePositive nam [12,12] = Miejsce

(ChunkerEvaluator) Sentence #460 from articles/00107381 from sent4

Text  : Wiceprezydent Płocka Krzysztof Buczkowski niemal jednocześnie spotkał się z dwoma pomysłami na ożywienie tego miejsca .
Tokens: 1____________ 2_____ 3________ 4_________ 5_____ 6___________ 7______ 8__ 9 10___ 11_______ 12 13_______ 14__ 15_____ 16

Chunks:
  TruePositive nam [2,2] = Płocka
  TruePositive nam [3,4] = Krzysztof Buczkowski

(ChunkerEvaluator) Sentence #461 from articles/00107381 from sent5

Text  : Pierwszy , dotyczący powstania kawiarnio - księgarni prowadzonej przez jedną z  płockich organizacji pozarządowych ,  zrodził się w  dyskusji z  Kamilem Wyszkowskim ,  dyrektorem Programu Narodów Zjednoczonych ds .  Rozwoju (  UNDP )  .
Tokens: 1_______ 2 3________ 4________ 5________ 6 7________ 8__________ 9____ 10___ 11 12______ 13_________ 14___________ 15 16_____ 17_ 18 19______ 20 21_____ 22_________ 23 24________ 25______ 26_____ 27___________ 28 29 30_____ 31 32__ 33 34

Chunks:
  TruePositive nam [21,22] = Kamilem Wyszkowskim
  TruePositive nam [25,30] = Programu Narodów Zjednoczonych ds . Rozwoju
  TruePositive nam [32,32] = UNDP

(ChunkerEvaluator) Sentence #462 from articles/00107381 from sent6

Text  : Dyskusja dotyczyła aktualnych projektów prowadzonych przez tę agendę ONZ .
Tokens: 1_______ 2________ 3_________ 4________ 5___________ 6____ 7_ 8_____ 9__ 10

Chunks:
  TruePositive nam [9,9] = ONZ

(ChunkerEvaluator) Sentence #463 from articles/00107381 from sent7

Text  : Obaj doszli do wniosku , że skoro na płockim deptaku powoli zanika funkcja handlowa ,  a  dochodzi do ekspansji banków ,  to warto wprowadzić działalność ,  która wniesie zupełnie nową jakość .
Tokens: 1___ 2_____ 3_ 4______ 5 6_ 7____ 8_ 9______ 10_____ 11____ 12____ 13_____ 14______ 15 16 17______ 18 19_______ 20____ 21 22 23___ 24________ 25_________ 26 27___ 28_____ 29______ 30__ 31____ 32

Chunks:

(ChunkerEvaluator) Sentence #464 from articles/00107381 from sent8

Text  : - Realizacja tego pomysłu , niejako przy okazji , miała by pozytywnie wpłynąć na postawy obywatelskie mieszkańców .
Tokens: 1 2_________ 3___ 4______ 5 6______ 7___ 8_____ 9 10___ 11 12________ 13_____ 14 15_____ 16__________ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #465 from articles/00107381 from sent9

Text  : Ta nietypowa kawiarnia mogła by bowiem być także miejscem naturalnych konsultacji społecznych ,  najważniejszych dla Płocka kwestii -  mówi wiceprezydent Buczkowski .
Tokens: 1_ 2________ 3________ 4____ 5_ 6_____ 7__ 8____ 9_______ 10_________ 11_________ 12_________ 13 14_____________ 15_ 16____ 17_____ 18 19__ 20___________ 21________ 22

Chunks:
  TruePositive nam [16,16] = Płocka
  TruePositive nam [21,21] = Buczkowski

(ChunkerEvaluator) Sentence #466 from articles/00107381 from sent10

Text  : Dodaje : - Mniej więcej w tym samym czasie wpłynęła do ratusza prośba Stowarzyszenia „  Oto Ja ”  [  prowadzi galerię o  tej samej nazwie -  kolekcjonującą i  wystawiającą dzieła tworzone głównie przez osoby dotknięte chorobą psychiczną i  niepełnosprawne intelektualnie ]  o  pomoc w  znalezieniu lokalu m  .  in .  na galerię prac sztuki naiwnej czy prowadzenie otwartych warsztatów .
Tokens: 1_____ 2 3 4____ 5_____ 6 7__ 8____ 9_____ 10______ 11 12_____ 13____ 14____________ 15 16_ 17 18 19 20______ 21_____ 22 23_ 24___ 25____ 26 27____________ 28 29__________ 30____ 31______ 32_____ 33___ 34___ 35_______ 36_____ 37________ 38 39_____________ 40____________ 41 42 43___ 44 45_________ 46____ 47 48 49 50 51 52_____ 53__ 54____ 55_____ 56_ 57_________ 58_______ 59________ 60

Chunks:
  FalsePositive nam [13,17] = prośba Stowarzyszenia „ Oto Ja
  FalseNegative nam [14,18] = Stowarzyszenia „ Oto Ja ”

(ChunkerEvaluator) Sentence #467 from articles/00107381 from sent11

Text  : Stwierdził em , że idealnie było by doprowadzić do spotkania autorów obu pomysłów .
Tokens: 1_________ 2_ 3 4_ 5_______ 6___ 7_ 8__________ 9_ 10_______ 11_____ 12_ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #468 from articles/00107381 from sent12

Text  : Pusty od kilku lat lokal po barze wydaje się wręcz idealną lokalizacją ,  choć czeka go jeszcze wiele prac nie tylko remontowych ,  ale i  organizacyjno -  formalnych .
Tokens: 1____ 2_ 3____ 4__ 5____ 6_ 7____ 8_____ 9__ 10___ 11_____ 12_________ 13 14__ 15___ 16 17_____ 18___ 19__ 20_ 21___ 22_________ 23 24_ 25 26___________ 27 28________ 29

Chunks:

(ChunkerEvaluator) Sentence #469 from articles/00107381 from sent13

Text  : Kawiarnio - księgarnia pod egidą UNDP działa już w Lublinie .
Tokens: 1________ 2 3_________ 4__ 5____ 6___ 7_____ 8__ 9 10______ 11

Chunks:
  TruePositive nam [6,6] = UNDP
  TruePositive nam [10,10] = Lublinie
  FalsePositive nam [1,3] = Kawiarnio - księgarnia

(ChunkerEvaluator) Sentence #470 from articles/00107381 from sent14

Text  : Można tam kupić książkę , napić się herbaty , kawy ,  zjeść ciastko .
Tokens: 1____ 2__ 3____ 4______ 5 6____ 7__ 8______ 9 10__ 11 12___ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #471 from articles/00107381 from sent15

Text  : Ale też spotkać młodych poetów , obejrzeć wystawy debiutujących fotografów ,  podyskutować o  łamaniu praw człowieka ,  tolerancji ,  dialogu między kulturami ,  problemach młodych .
Tokens: 1__ 2__ 3______ 4______ 5_____ 6 7_______ 8______ 9____________ 10________ 11 12__________ 13 14_____ 15__ 16_______ 17 18________ 19 20_____ 21____ 22_______ 23 24________ 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #472 from articles/00107381 from sent16

Text  : Innymi słowy , chodzi o biznes , ale też cel społeczny .
Tokens: 1_____ 2____ 3 4_____ 5 6_____ 7 8__ 9__ 10_ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #473 from articles/00107381 from sent17

Text  : Płocką kawiarnio - księgarnię poprowadzą osoby ze Stowarzyszenia „ Oto Ja ”  ,  którzy do miejsca po dawnym barze mlecznym Pod Arkadami przeniosą się z  macierzystej siedziby na placu Narutowicza .
Tokens: 1_____ 2________ 3 4_________ 5_________ 6____ 7_ 8_____________ 9 10_ 11 12 13 14____ 15 16_____ 17 18____ 19___ 20______ 21_ 22______ 23_______ 24_ 25 26__________ 27______ 28 29___ 30_________ 31

Chunks:
  TruePositive nam [30,30] = Narutowicza
  FalsePositive nam [8,11] = Stowarzyszenia „ Oto Ja
  FalsePositive nam [22,22] = Arkadami
  FalseNegative nam [8,12] = Stowarzyszenia „ Oto Ja ”
  FalseNegative nam [21,22] = Pod Arkadami

(ChunkerEvaluator) Sentence #474 from articles/00107381 from sent18

Text  : - Wspaniale się złożyło , że propozycje UNDP i nasza zbiegły się niemal w  tym samym czasie -  nie ukrywa Iwona Markiewicz ze Stowarzyszenia „  Oto Ja ”  .
Tokens: 1 2________ 3__ 4______ 5 6_ 7_________ 8___ 9 10___ 11_____ 12_ 13____ 14 15_ 16___ 17____ 18 19_ 20____ 21___ 22________ 23 24____________ 25 26_ 27 28 29

Chunks:
  TruePositive nam [8,8] = UNDP
  FalsePositive nam [21,27] = Iwona Markiewicz ze Stowarzyszenia „ Oto Ja
  FalseNegative nam [21,22] = Iwona Markiewicz
  FalseNegative nam [24,28] = Stowarzyszenia „ Oto Ja ”

(ChunkerEvaluator) Sentence #475 from articles/00107381 from sent19

Text  : - Dzięki temu możemy odetchnąć z kilku powodów .
Tokens: 1 2_____ 3___ 4_____ 5________ 6 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #476 from articles/00107381 from sent20

Text  : Zyskamy znacznie bardziej funkcjonalną przestrzeń niż na placu Narutowicza .
Tokens: 1______ 2_______ 3_______ 4___________ 5_________ 6__ 7_ 8____ 9__________ 10

Chunks:
  TruePositive nam [9,9] = Narutowicza

(ChunkerEvaluator) Sentence #477 from articles/00107381 from sent21

Text  : Teraz , żeby dotrzeć do serca galerii , trzeba pokonać schody ,  długi korytarz i  wejść na piętro .
Tokens: 1____ 2 3___ 4______ 5_ 6____ 7______ 8 9_____ 10_____ 11____ 12 13___ 14______ 15 16___ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #478 from articles/00107381 from sent22

Text  : Tego nie będzie w naszej nowej siedzibie .
Tokens: 1___ 2__ 3_____ 4 5_____ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #479 from articles/00107381 from sent23

Text  : Będzie za to miejsce nawet na toaletę dla niepełnosprawnych ,  niezbędną ,  jeśli chodzi o  działalność naszej galerii .
Tokens: 1_____ 2_ 3_ 4______ 5____ 6_ 7______ 8__ 9________________ 10 11_______ 12 13___ 14____ 15 16_________ 17____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #480 from articles/00107381 from sent24

Text  : Kolejnym atutem jest prestiż obecności przy ul . Tumskiej .
Tokens: 1_______ 2_____ 3___ 4______ 5________ 6___ 7_ 8 9_______ 10

Chunks:
  TruePositive nam [9,9] = Tumskiej

(ChunkerEvaluator) Sentence #481 from articles/00107381 from sent25

Text  : Zdecydowanie łatwiej będzie nas znaleźć .
Tokens: 1___________ 2______ 3_____ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #482 from articles/00107381 from sent26

Text  : I razem z NovymKinem Przedwiośnie i Muzeum Mazowieckim stworzymy taki kulturalny fragment na reprezentacyjnej ulicy Płocka ,  która ostatnio kojarzy się głównie z  bankami .
Tokens: 1 2____ 3 4_________ 5___________ 6 7_____ 8__________ 9________ 10__ 11________ 12______ 13 14______________ 15___ 16____ 17 18___ 19______ 20_____ 21_ 22_____ 23 24_____ 25

Chunks:
  TruePositive nam [4,5] = NovymKinem Przedwiośnie
  TruePositive nam [7,8] = Muzeum Mazowieckim
  TruePositive nam [16,16] = Płocka

(ChunkerEvaluator) Sentence #483 from articles/00107381 from sent27

Text  : W naszej nowej siedzibie sporo będzie się działo .
Tokens: 1 2_____ 3____ 4________ 5____ 6_____ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #484 from articles/00107381 from sent28

Text  : Postawimy nie tylko na organizacje wystaw .
Tokens: 1________ 2__ 3____ 4_ 5__________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #485 from articles/00107381 from sent29

Text  : Ale też na rozmaite warsztaty z naciskiem na młodych ludzi ,  spotkania dyskusyjne ,  w  których udział będzie mógł wziąć każdy chętny .
Tokens: 1__ 2__ 3_ 4_______ 5________ 6 7________ 8_ 9______ 10___ 11 12_______ 13________ 14 15 16_____ 17____ 18____ 19__ 20___ 21___ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #486 from articles/00107381 from sent30

Text  : To ma być miejsce spotkań otwarte przez cały tydzień .
Tokens: 1_ 2_ 3__ 4______ 5______ 6______ 7____ 8___ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #487 from articles/00107381 from sent31

Text  : Jeśli chodzi o wybór książek , księgarnio - kawiarnia ma być nastawiona przede wszystkim na kulturę .
Tokens: 1____ 2_____ 3 4____ 5______ 6 7_________ 8 9________ 10 11_ 12________ 13____ 14_______ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #488 from articles/00107381 from sent32

Text  : Będzie można tam znaleźć periodyki , o które niełatwo w  sieciowych księgarniach .
Tokens: 1_____ 2____ 3__ 4______ 5________ 6 7 8____ 9_______ 10 11________ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #489 from articles/00107381 from sent33

Text  : Stowarzyszenie będzie również płaciło mniejszy czynsz niż dotychczas - obecnie płaci Towarzystwu Naukowemu Płockiemu 13 tys .  zł rocznie ,  przez co ledwo wiąże koniec z  końcem .
Tokens: 1_____________ 2_____ 3______ 4______ 5_______ 6_____ 7__ 8_________ 9 10_____ 11___ 12_________ 13_______ 14_______ 15 16_ 17 18 19_____ 20 21___ 22 23___ 24___ 25____ 26 27____ 28

Chunks:
  TruePositive nam [12,14] = Towarzystwu Naukowemu Płockiemu
  TruePositive nam [18,18] = zł

(ChunkerEvaluator) Sentence #490 from articles/00107381 from sent34

Text  : Pieniądze z prowadzenia kawiarnio - księgarni mają iść także na działalność galerii „  Oto Ja ”  .
Tokens: 1________ 2 3__________ 4________ 5 6________ 7___ 8__ 9____ 10 11_________ 12_____ 13 14_ 15 16 17

Chunks:
  TruePositive nam [14,15] = Oto Ja

(ChunkerEvaluator) Sentence #491 from articles/00107381 from sent35

Text  : Krzysztof Buczkowski wierzy , że uda się wypracować kompromis i  zaoferować mieszkańcom naprawdę wyjątkowe miejsce .
Tokens: 1________ 2_________ 3_____ 4 5_ 6__ 7__ 8_________ 9________ 10 11________ 12_________ 13______ 14_______ 15_____ 16

Chunks:
  TruePositive nam [1,2] = Krzysztof Buczkowski

(ChunkerEvaluator) Sentence #492 from articles/00107381 from sent36

Text  : Jeśli wszystko pójdzie dobrze z pracochłonnym remontem i znalezieniem pieniędzy na jego wykonanie ,  zostanie otwarte jeszcze w  tym roku .
Tokens: 1____ 2_______ 3______ 4_____ 5 6____________ 7_______ 8 9___________ 10_______ 11 12__ 13_______ 14 15______ 16_____ 17_____ 18 19_ 20__ 21

Chunks:

(ChunkerEvaluator) Sentence #493 from articles/00107381 from sent37

Text  : Miejsce kultowe .
Tokens: 1______ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #494 from articles/00107381 from sent38

Text  : Róg Tumskiej i Kwiatka
Tokens: 1__ 2_______ 3 4______

Chunks:
  TruePositive nam [4,4] = Kwiatka
  FalsePositive nam [1,2] = Róg Tumskiej
  FalseNegative nam [2,2] = Tumskiej

(ChunkerEvaluator) Sentence #495 from articles/00107381 from sent39

Text  : Jak wspomina Mirosław Łakomski , autor albumów o historii Płocka ,  przed II wojną światową była tam siedziba Baru Europejskiego Henryka Siedlińskiego -  mekka adwokatów ,  lekarzy i  ludzi biznesu .
Tokens: 1__ 2_______ 3_______ 4_______ 5 6____ 7______ 8 9_______ 10____ 11 12___ 13 14___ 15______ 16__ 17_ 18______ 19__ 20___________ 21_____ 22___________ 23 24___ 25_______ 26 27_____ 28 29___ 30_____ 31

Chunks:
  TruePositive nam [3,4] = Mirosław Łakomski
  TruePositive nam [10,10] = Płocka
  FalsePositive nam [19,22] = Baru Europejskiego Henryka Siedlińskiego
  FalseNegative nam [13,15] = II wojną światową
  FalseNegative nam [19,20] = Baru Europejskiego
  FalseNegative nam [21,22] = Henryka Siedlińskiego

(ChunkerEvaluator) Sentence #496 from articles/00107381 from sent40

Text  : Po wojnie przez jakiś czas działał sklep bławatny , potem bank .
Tokens: 1_ 2_____ 3____ 4____ 5___ 6______ 7____ 8_______ 9 10___ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #497 from articles/00107381 from sent41

Text  : Po rozbudowie i dodaniu pięter w kamienicy urządzono bar mleczny .
Tokens: 1_ 2_________ 3 4______ 5_____ 6 7________ 8________ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #498 from articles/00107381 from sent42

Text  : - Mleczny z nazwy funkcjonował do południa .
Tokens: 1 2______ 3 4____ 5___________ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #499 from articles/00107381 from sent43

Text  : Można było się posilić suchą bułką i popić gorącym mlekiem ,  można było zamówić zupę mleczną z  ryżem i  na przekąskę znów bułę -  wspomina Mirosław Łakomski .
Tokens: 1____ 2___ 3__ 4______ 5____ 6____ 7 8____ 9______ 10_____ 11 12___ 13__ 14_____ 15__ 16_____ 17 18___ 19 20 21_______ 22__ 23__ 24 25______ 26______ 27______ 28

Chunks:
  TruePositive nam [26,27] = Mirosław Łakomski

(ChunkerEvaluator) Sentence #500 from articles/00107381 from sent44

Text  : - Po południu lokal odwiedzali uczniowie mieszkający na stancjach .
Tokens: 1 2_ 3_______ 4____ 5_________ 6________ 7__________ 8_ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #501 from articles/00107381 from sent45

Text  : Najczęściej serwowali sobie pomidorową z ryżem , z nierozpuszczoną jeszcze łyżeczką śmietany lub zupę wiejską .
Tokens: 1__________ 2________ 3____ 4_________ 5 6____ 7 8 9______________ 10_____ 11______ 12______ 13_ 14__ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #502 from articles/00107381 from sent46

Text  : Coś pomiędzy grochówką i jarzynową , popularnie mówiło się o  niej „  śmieciówka ”  .
Tokens: 1__ 2_______ 3________ 4 5________ 6 7_________ 8_____ 9__ 10 11__ 12 13________ 14 15

Chunks:
  FalseNegative nam [13,13] = śmieciówka

(ChunkerEvaluator) Sentence #503 from articles/00107381 from sent47

Text  : Do tego dwie pajdy darmowego chleba , dla zapchania żołądka .
Tokens: 1_ 2___ 3___ 4____ 5________ 6_____ 7 8__ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #504 from articles/00107381 from sent48

Text  : W sobotę można było sobie pozwolić na drugie danie ,  też tanie ,  kaszę gryczaną ,  polaną jakimś sosem .
Tokens: 1 2_____ 3____ 4___ 5____ 6_______ 7_ 8_____ 9____ 10 11_ 12___ 13 14___ 15______ 16 17____ 18____ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #505 from articles/00107381 from sent49

Text  : Był jeszcze kiszony ogórek - ten po rozkrojeniu wylewał swoją kiszoną zawartość na talerz ,  mieszał się z  sosem i  mieli śmy zupę .
Tokens: 1__ 2______ 3______ 4_____ 5 6__ 7_ 8__________ 9______ 10___ 11_____ 12_______ 13 14____ 15 16_____ 17_ 18 19___ 20 21___ 22_ 23__ 24

Chunks:

(ChunkerEvaluator) Sentence #506 from articles/00107381 from sent50

Text  : A jak ktoś miło zagaił do pani Danusi , to dała więcej kartofli i  polała suto tłuszczem ze skwarkami .
Tokens: 1 2__ 3___ 4___ 5_____ 6_ 7___ 8_____ 9 10 11__ 12____ 13______ 14 15____ 16__ 17_______ 18 19_______ 20

Chunks:
  TruePositive nam [8,8] = Danusi

(ChunkerEvaluator) Sentence #507 from articles/00107381 from sent51

Text  : Łakomski dodaje , że bar w latach 90 . nieco stracił na jakości :  wystrój byle jaki ,  krzesła i  stoły pomalowane farbą olejną ,  kleiły się w  dotyku .
Tokens: 1_______ 2_____ 3 4_ 5__ 6 7_____ 8_ 9 10___ 11_____ 12 13_____ 14 15_____ 16__ 17__ 18 19_____ 20 21___ 22________ 23___ 24____ 25 26____ 27_ 28 29____ 30

Chunks:
  FalseNegative nam [1,1] = Łakomski

(ChunkerEvaluator) Sentence #508 from articles/00107381 from sent52

Text  : Według Łakomskiego , lokal „ zapuścili ” ludzie bezdomni ,  których Caritas zaopatrywał w  kartki żywnościowe .
Tokens: 1_____ 2__________ 3 4____ 5 6________ 7 8_____ 9_______ 10 11_____ 12_____ 13_________ 14 15____ 16_________ 17

Chunks:
  TruePositive nam [2,2] = Łakomskiego
  TruePositive nam [12,12] = Caritas

(ChunkerEvaluator) Sentence #509 from articles/00107381 from sent53

Text  : - W związku z tym niewielkie pomieszczenie gromadziło przedziwny melanż zapachów przepoconych ubrań i  przypalonej cebuli .
Tokens: 1 2 3______ 4 5__ 6_________ 7____________ 8_________ 9_________ 10____ 11______ 12__________ 13___ 14 15_________ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #510 from articles/00107381 from sent54

Text  : To nieco odwiodło bywalców deptaka od taniego jedzenia - mówi Łakomski ,  który o  historii rogu Tumskiej i  Kwiatka zamierza napisać w  swojej najnowszej książce „  Szkice płockie ”  .
Tokens: 1_ 2____ 3_______ 4_______ 5______ 6_ 7______ 8_______ 9 10__ 11______ 12 13___ 14 15______ 16__ 17______ 18 19_____ 20______ 21_____ 22 23____ 24________ 25_____ 26 27____ 28_____ 29 30

Chunks:
  TruePositive nam [17,17] = Tumskiej
  TruePositive nam [19,19] = Kwiatka
  FalseNegative nam [11,11] = Łakomski
  FalseNegative nam [27,28] = Szkice płockie

(ChunkerEvaluator) Sentence #511 from articles/00107381 from sent55

Text  : Jej premiera w grudniu .
Tokens: 1__ 2_______ 3 4______ 5

Chunks:

2016-10-27 14:59:13,737 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 20 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107382.xml
(ChunkerEvaluator) Sentence #512 from articles/00107382 from sent1

Text  : Groźnie wyglądający pożar w bloku na Południu
Tokens: 1______ 2__________ 3____ 4 5____ 6_ 7_______

Chunks:
  TruePositive nam [7,7] = Południu

(ChunkerEvaluator) Sentence #513 from articles/00107382 from sent2

Text  : Trzy jednostki straży pożarnej gasiły pożar , który wybuchł w  mieszkaniu na I  piętrze bloku przy ul .  Renesansowej we wtorek wczesnym popołudniem
Tokens: 1___ 2________ 3_____ 4_______ 5_____ 6____ 7 8____ 9______ 10 11________ 12 13 14_____ 15___ 16__ 17 18 19__________ 20 21____ 22______ 23_________

Chunks:
  FalseNegative nam [19,19] = Renesansowej

(ChunkerEvaluator) Sentence #514 from articles/00107382 from sent3

Text  : Strażacy wynieśli z mieszkania kobietę w wieku ok . 80 lat ,  która nie mogła się sama poruszać .
Tokens: 1_______ 2_______ 3 4_________ 5______ 6 7____ 8_ 9 10 11_ 12 13___ 14_ 15___ 16_ 17__ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #515 from articles/00107382 from sent4

Text  : Zajęła się nią ekipa pogotowia ratunkowego .
Tokens: 1_____ 2__ 3__ 4____ 5________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #516 from articles/00107382 from sent5

Text  : Mieszkanie jest bardzo zniszczone .
Tokens: 1_________ 2___ 3_____ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #517 from articles/00107382 from sent6

Text  : Ze wstępnych ustaleń wynika , że pożar rozpoczął się w  kuchni .
Tokens: 1_ 2________ 3______ 4_____ 5 6_ 7____ 8________ 9__ 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #518 from articles/00107382 from sent7

Text  : Jego przyczyny nie są jeszcze znane .
Tokens: 1___ 2________ 3__ 4_ 5______ 6____ 7

Chunks:

2016-10-27 14:59:13,765 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 21 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107383.xml
(ChunkerEvaluator) Sentence #519 from articles/00107383 from sent1

Text  : Michel Platini przyjedzie do Krakowa na losowanie
Tokens: 1_____ 2______ 3_________ 4_ 5______ 6_ 7________

Chunks:
  TruePositive nam [1,2] = Michel Platini
  TruePositive nam [5,5] = Krakowa

(ChunkerEvaluator) Sentence #520 from articles/00107383 from sent2

Text  : 13 października pod Wawelem odbędzie się losowanie bar barażowych przed przyszłorocznymi mistrzostwami Europy .
Tokens: 1_ 2___________ 3__ 4______ 5_______ 6__ 7________ 8__ 9_________ 10___ 11______________ 12___________ 13____ 14

Chunks:
  TruePositive nam [4,4] = Wawelem
  FalsePositive nam [13,13] = Europy
  FalseNegative nam [12,13] = mistrzostwami Europy

(ChunkerEvaluator) Sentence #521 from articles/00107383 from sent3

Text  : Gościem specjalnym ceremonii będzie trzykrotny zdobywca złotej piłki , a  obecnie prezydent UEFA .
Tokens: 1______ 2_________ 3________ 4_____ 5_________ 6_______ 7_____ 8____ 9 10 11_____ 12_______ 13__ 14

Chunks:
  TruePositive nam [13,13] = UEFA

(ChunkerEvaluator) Sentence #522 from articles/00107383 from sent4

Text  : Dwa dni przed uroczystością zakończą się eliminacje .
Tokens: 1__ 2__ 3____ 4____________ 5_______ 6__ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #523 from articles/00107383 from sent5

Text  : Do turnieju finałowego awansują zwycięzcy dziewięciu grup oraz najlepsza drużyna z  drugiego miejsca .
Tokens: 1_ 2_______ 3_________ 4_______ 5________ 6_________ 7___ 8___ 9________ 10_____ 11 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #524 from articles/00107383 from sent6

Text  : Pozostała ósemka wicemistrzów utworzy cztery pary barażowe .
Tokens: 1________ 2_____ 3___________ 4______ 5_____ 6___ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #525 from articles/00107383 from sent7

Text  : - To duże wyróżnienie dla Krakowa .
Tokens: 1 2_ 3___ 4__________ 5__ 6______ 7

Chunks:
  TruePositive nam [6,6] = Krakowa

(ChunkerEvaluator) Sentence #526 from articles/00107383 from sent8

Text  : W dotychczasowej historii Euro tego typu losowania zawsze odbywały się w  szwajcarskim Nyonie .
Tokens: 1 2_____________ 3_______ 4___ 5___ 6___ 7________ 8_____ 9_______ 10_ 11 12__________ 13____ 14

Chunks:
  TruePositive nam [4,4] = Euro
  FalseNegative nam [13,13] = Nyonie

(ChunkerEvaluator) Sentence #527 from articles/00107383 from sent9

Text  : W tym roku po raz pierwszy ceremonia odbędzie się poza siedzibą UEFA -  podkreśla na stronie krakow.pl Barbara Janik ,  doradca prezydenta Krakowa ds .  sportu .
Tokens: 1 2__ 3___ 4_ 5__ 6_______ 7________ 8_______ 9__ 10__ 11______ 12__ 13 14_______ 15 16_____ 17_______ 18_____ 19___ 20 21_____ 22________ 23_____ 24 25 26____ 27

Chunks:
  TruePositive nam [12,12] = UEFA
  TruePositive nam [17,17] = krakow.pl
  TruePositive nam [18,19] = Barbara Janik
  TruePositive nam [23,23] = Krakowa

(ChunkerEvaluator) Sentence #528 from articles/00107383 from sent10

Text  : Turniej finałowy potrwa od 8 czerwca do 1 lipca .
Tokens: 1______ 2_______ 3_____ 4_ 5 6______ 7_ 8 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #529 from articles/00107383 from sent11

Text  : Polska i Ukraina zagrają na nim automatycznie jako gospodarze .
Tokens: 1_____ 2 3______ 4______ 5_ 6__ 7____________ 8___ 9_________ 10

Chunks:
  TruePositive nam [1,1] = Polska
  TruePositive nam [3,3] = Ukraina

2016-10-27 14:59:13,811 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 22 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107384.xml
(ChunkerEvaluator) Sentence #530 from articles/00107384 from sent1

Text  : Nowa panorama stolicy : jak wysokie mogą być wieżowce ?
Tokens: 1___ 2_______ 3______ 4 5__ 6______ 7___ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #531 from articles/00107384 from sent2

Text  : Nie ma miejsca na drapacze chmur przy skrzyżowaniu Marszałkowskiej i  Al .  Jerozolimskich .
Tokens: 1__ 2_ 3______ 4_ 5_______ 6____ 7___ 8___________ 9______________ 10 11 12 13____________ 14

Chunks:
  TruePositive nam [9,9] = Marszałkowskiej
  TruePositive nam [11,13] = Al . Jerozolimskich

(ChunkerEvaluator) Sentence #532 from articles/00107384 from sent3

Text  : Za to nawet ponadstumetrowe budynki można by postawić w miejscu Dworca Centralnego remontowanego właśnie kosztem 50 mln zł .
Tokens: 1_ 2_ 3____ 4______________ 5______ 6____ 7_ 8_______ 9 10_____ 11____ 12_________ 13___________ 14_____ 15_____ 16 17_ 18 19

Chunks:
  TruePositive nam [11,12] = Dworca Centralnego
  TruePositive nam [18,18] = zł

(ChunkerEvaluator) Sentence #533 from articles/00107384 from sent4

Text  : Takie są wnioski Miejskiej Pracowni Planowania Przestrzennego i Strategii Rozwoju .
Tokens: 1____ 2_ 3______ 4________ 5_______ 6_________ 7_____________ 8 9________ 10_____ 11

Chunks:
  FalsePositive nam [4,7] = Miejskiej Pracowni Planowania Przestrzennego
  FalsePositive nam [9,10] = Strategii Rozwoju
  FalseNegative nam [4,10] = Miejskiej Pracowni Planowania Przestrzennego i Strategii Rozwoju

(ChunkerEvaluator) Sentence #534 from articles/00107384 from sent5

Text  : Ratusz zlecił jej przygotowanie raportu .
Tokens: 1_____ 2_____ 3__ 4____________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #535 from articles/00107384 from sent6

Text  : Chce wiedzieć , jak wysoko można budować w ścisłym centrum Warszawy .
Tokens: 1___ 2_______ 3 4__ 5_____ 6____ 7______ 8 9______ 10_____ 11______ 12

Chunks:
  TruePositive nam [11,11] = Warszawy

(ChunkerEvaluator) Sentence #536 from articles/00107384 from sent7

Text  : Planiści sprawdzili , jak wieżowce w rejonie skrzyżowania Marszałkowskiej i  Al .  Jerozolimskich wpisywały by się w  panoramę miasta .
Tokens: 1_______ 2_________ 3 4__ 5_______ 6 7______ 8___________ 9______________ 10 11 12 13____________ 14_______ 15 16_ 17 18______ 19____ 20

Chunks:
  TruePositive nam [9,9] = Marszałkowskiej
  TruePositive nam [11,13] = Al . Jerozolimskich

(ChunkerEvaluator) Sentence #537 from articles/00107384 from sent8

Text  : Niżej wokół ronda
Tokens: 1____ 2____ 3____

Chunks:

(ChunkerEvaluator) Sentence #538 from articles/00107384 from sent9

Text  : Pod uwagę wzięli m . in . narożnik , na którym dziś stoją pawilon Cepelii i  hotel Metropol .
Tokens: 1__ 2____ 3_____ 4 5 6_ 7 8_______ 9 10 11____ 12__ 13___ 14_____ 15_____ 16 17___ 18______ 19

Chunks:
  TruePositive nam [15,15] = Cepelii
  TruePositive nam [18,18] = Metropol

(ChunkerEvaluator) Sentence #539 from articles/00107384 from sent10

Text  : Ratusz dostał prośbę o warunki zabudowy dla aż 180 -  metrowego wieżowca w  tym miejscu .
Tokens: 1_____ 2_____ 3_____ 4 5______ 6_______ 7__ 8_ 9__ 10 11_______ 12______ 13 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #540 from articles/00107384 from sent11

Text  : Miejscy planiści uznali jednak , że nawet gdyby był trzy razy niższy ,  za bardzo dominował by nad otoczeniem .
Tokens: 1______ 2_______ 3_____ 4_____ 5 6_ 7____ 8____ 9__ 10__ 11__ 12____ 13 14 15____ 16_______ 17 18_ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #541 from articles/00107384 from sent12

Text  : Co gorsza - już przy 70 m wysokości wystawał by ponad dachy Starego Miasta obserwowanego z  mostu Gdańskiego .
Tokens: 1_ 2_____ 3 4__ 5___ 6_ 7 8________ 9_______ 10 11___ 12___ 13_____ 14____ 15___________ 16 17___ 18________ 19

Chunks:
  TruePositive nam [13,14] = Starego Miasta
  FalsePositive nam [18,18] = Gdańskiego
  FalseNegative nam [17,18] = mostu Gdańskiego

(ChunkerEvaluator) Sentence #542 from articles/00107384 from sent13

Text  : „ Powodowało by to nieodwracalną deformację sylwety Starówki wpisanej na listę UNESCO ”  -  napisali autorzy raportu ,  do którego dotarła „  Gazeta ”  .
Tokens: 1 2_________ 3_ 4_ 5____________ 6_________ 7______ 8_______ 9_______ 10 11___ 12____ 13 14 15______ 16_____ 17_____ 18 19 20_____ 21_____ 22 23____ 24 25

Chunks:
  TruePositive nam [8,8] = Starówki
  TruePositive nam [12,12] = UNESCO
  TruePositive nam [23,23] = Gazeta

(ChunkerEvaluator) Sentence #543 from articles/00107384 from sent14

Text  : Krystyna Gruszecka , która pracuje nad planem zagospodarowania okolic ul .  Poznańskiej ,  przyznaje ,  że w  miejscu Cepelii i  Metropolu rozważano wieżowiec dorównujący dawnemu hotelowi Forum z  drugiej strony Marszałkowskiej .
Tokens: 1_______ 2________ 3 4____ 5______ 6__ 7_____ 8_______________ 9_____ 10 11 12_________ 13 14_______ 15 16 17 18_____ 19_____ 20 21_______ 22_______ 23_______ 24_________ 25_____ 26______ 27___ 28 29_____ 30____ 31_____________ 32

Chunks:
  TruePositive nam [1,2] = Krystyna Gruszecka
  TruePositive nam [12,12] = Poznańskiej
  TruePositive nam [19,19] = Cepelii
  TruePositive nam [21,21] = Metropolu
  TruePositive nam [27,27] = Forum
  FalseNegative nam [31,31] = Marszałkowskiej

(ChunkerEvaluator) Sentence #544 from articles/00107384 from sent15

Text  : Ostatecznie ma być dopuszczona zabudowa do pięciu - sześciu kondygnacji ,  bo pod spodem są przejścia podziemne ,  tunel metra oraz plątanina rur i  kabli .
Tokens: 1__________ 2_ 3__ 4__________ 5_______ 6_ 7_____ 8 9______ 10_________ 11 12 13_ 14____ 15 16_______ 17_______ 18 19___ 20___ 21__ 22_______ 23_ 24 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #545 from articles/00107384 from sent16

Text  : A co z biurowcem Universalu stojącym za Rotundą ?
Tokens: 1 2_ 3 4________ 5_________ 6_______ 7_ 8______ 9

Chunks:
  TruePositive nam [5,5] = Universalu
  TruePositive nam [8,8] = Rotundą

(ChunkerEvaluator) Sentence #546 from articles/00107384 from sent17

Text  : Od dawna trwają przymiarki , by zastąpić go dużo wyższym budynkiem .
Tokens: 1_ 2____ 3_____ 4_________ 5 6_ 7_______ 8_ 9___ 10_____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #547 from articles/00107384 from sent18

Text  : - Wieżowiec jest tu wykluczony - orzekli jednak planiści z  ratusza .
Tokens: 1 2________ 3___ 4_ 5_________ 6 7______ 8_____ 9_______ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #548 from articles/00107384 from sent19

Text  : Przekonują , że w panoramie miasta wystawał by ponad staromiejski kościół Jezuitów oglądany z  mostu Gdańskiego ;  górował by też nad wieżą kościoła św .  Krzyża obserwowanego z  mostu Śląsko -  Dąbrowskiego .
Tokens: 1_________ 2 3_ 4 5________ 6_____ 7_______ 8_ 9____ 10__________ 11_____ 12______ 13______ 14 15___ 16________ 17 18_____ 19 20_ 21_ 22___ 23______ 24 25 26____ 27___________ 28 29___ 30____ 31 32__________ 33

Chunks:
  TruePositive nam [12,12] = Jezuitów
  TruePositive nam [30,32] = Śląsko - Dąbrowskiego
  FalsePositive nam [16,16] = Gdańskiego
  FalseNegative nam [15,16] = mostu Gdańskiego
  FalseNegative nam [24,26] = św . Krzyża

(ChunkerEvaluator) Sentence #549 from articles/00107384 from sent20

Text  : Dlatego ich zdaniem maksymalna wysokość budynku w miejscu Universalu może wynosić 80 m  .
Tokens: 1______ 2__ 3______ 4_________ 5_______ 6______ 7 8______ 9_________ 10__ 11_____ 12 13 14

Chunks:
  TruePositive nam [9,9] = Universalu

(ChunkerEvaluator) Sentence #550 from articles/00107384 from sent21

Text  : To mniej więcej tyle , ile mają punktowce Ściany Wschodniej .
Tokens: 1_ 2____ 3_____ 4___ 5 6__ 7___ 8________ 9_____ 10________ 11

Chunks:
  TruePositive nam [9,10] = Ściany Wschodniej

(ChunkerEvaluator) Sentence #551 from articles/00107384 from sent22

Text  : Planiści zwrócili też uwagę , że wieżowce zamiast Cepelii i  Universalu zanadto rozciągały by miejskie city oglądane z  północy ,  a  przez to straciło by ono wyrazistość .
Tokens: 1_______ 2_______ 3__ 4____ 5 6_ 7_______ 8______ 9______ 10 11________ 12_____ 13________ 14 15______ 16__ 17______ 18 19_____ 20 21 22___ 23 24______ 25 26_ 27_________ 28

Chunks:
  TruePositive nam [9,9] = Cepelii
  TruePositive nam [11,11] = Universalu

(ChunkerEvaluator) Sentence #552 from articles/00107384 from sent23

Text  : Wyżej na dworcu
Tokens: 1____ 2_ 3_____

Chunks:

(ChunkerEvaluator) Sentence #553 from articles/00107384 from sent24

Text  : Miejska pracownia wypowiedziała się krytycznie także o Lilium , drapaczu chmur zaprojektowanym przez słynną Zahę Hadid .
Tokens: 1______ 2________ 3____________ 4__ 5_________ 6____ 7 8_____ 9 10______ 11___ 12_____________ 13___ 14____ 15__ 16___ 17

Chunks:
  TruePositive nam [15,16] = Zahę Hadid
  FalseNegative nam [8,8] = Lilium

(ChunkerEvaluator) Sentence #554 from articles/00107384 from sent25

Text  : Miał on stanąć obok hotelu Marriott naprzeciwko Dworca Centralnego .
Tokens: 1___ 2_ 3_____ 4___ 5_____ 6_______ 7__________ 8_____ 9__________ 10

Chunks:
  TruePositive nam [6,6] = Marriott
  TruePositive nam [8,9] = Dworca Centralnego

(ChunkerEvaluator) Sentence #555 from articles/00107384 from sent26

Text  : Deweloper dostał już nawet wstępną zgodę ratusza , by ten budynek miał aż 260 m  ,  ale z  powodu kryzysu zawiesił przygotowania do inwestycji .
Tokens: 1________ 2_____ 3__ 4____ 5______ 6____ 7______ 8 9_ 10_ 11_____ 12__ 13 14_ 15 16 17_ 18 19____ 20_____ 21______ 22___________ 23 24________ 25

Chunks:
  FalsePositive nam [1,1] = Deweloper

(ChunkerEvaluator) Sentence #556 from articles/00107384 from sent27

Text  : Teraz planiści wytknęli , że jest zaprojektowany w oderwaniu od sąsiednich wież dawnego Elektrimu i  Marriotta (  Zaha Hadid wręcz się tym chwaliła )  .
Tokens: 1____ 2_______ 3_______ 4 5_ 6___ 7_____________ 8 9________ 10 11________ 12__ 13_____ 14_______ 15 16_______ 17 18__ 19___ 20___ 21_ 22_ 23______ 24 25

Chunks:
  TruePositive nam [14,14] = Elektrimu
  TruePositive nam [16,16] = Marriotta
  TruePositive nam [18,19] = Zaha Hadid

(ChunkerEvaluator) Sentence #557 from articles/00107384 from sent28

Text  : Zalecili też , by w pozwoleniu na budowę skrócić Lilium do 180 -  220 m  .
Tokens: 1_______ 2__ 3 4_ 5 6_________ 7_ 8_____ 9______ 10____ 11 12_ 13 14_ 15 16

Chunks:
  FalseNegative nam [10,10] = Lilium

(ChunkerEvaluator) Sentence #558 from articles/00107384 from sent29

Text  : W jednym wypadku autorzy opracowania zalecili jednak podwyższenie planowanych wieżowców .
Tokens: 1 2_____ 3______ 4______ 5__________ 6_______ 7_____ 8___________ 9__________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #559 from articles/00107384 from sent30

Text  : - Na zlecenie PKP zrobili śmy analizy , z których wynika ,  że mogły by powstać po obu stronach Dworca Centralnego ,  gdyby urządzić dla nich zaplecze parkingowe na działce po drugiej stronie al .  Jana Pawła II -  mówi architekt Mariusz Ścisło .
Tokens: 1 2_ 3_______ 4__ 5______ 6__ 7______ 8 9 10_____ 11____ 12 13 14___ 15 16_____ 17 18_ 19______ 20____ 21_________ 22 23___ 24______ 25_ 26__ 27______ 28________ 29 30_____ 31 32_____ 33_____ 34 35 36__ 37___ 38 39 40__ 41_______ 42_____ 43____ 44

Chunks:
  TruePositive nam [4,4] = PKP
  TruePositive nam [20,21] = Dworca Centralnego
  TruePositive nam [36,38] = Jana Pawła II
  TruePositive nam [42,43] = Mariusz Ścisło

(ChunkerEvaluator) Sentence #560 from articles/00107384 from sent31

Text  : - Początkowo narysowali śmy budynki wysokie na 90 - 100 m  ,  ale miejscy urzędnicy dopuszczają tu jeszcze wyższą zabudowę .
Tokens: 1 2_________ 3_________ 4__ 5______ 6______ 7_ 8_ 9 10_ 11 12 13_ 14_____ 15_______ 16_________ 17 18_____ 19____ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #561 from articles/00107384 from sent32

Text  : „ 90 - metrowe wieżowce były by dwukrotnie za niskie w  stosunku do otaczających dominant i  skali planowanych megawieżowców otoczenia Pałacu Kultury i  Nauki .
Tokens: 1 2_ 3 4______ 5_______ 6___ 7_ 8_________ 9_ 10____ 11 12______ 13 14__________ 15______ 16 17___ 18_________ 19___________ 20_______ 21____ 22_____ 23 24___ 25

Chunks:
  FalsePositive nam [21,22] = Pałacu Kultury
  FalsePositive nam [24,24] = Nauki
  FalseNegative nam [21,24] = Pałacu Kultury i Nauki

(ChunkerEvaluator) Sentence #562 from articles/00107384 from sent33

Text  : Wyższe budynki zneutralizowały by ponadto efekt dysharmonii generowany przez Złote Tarasy i  dominantę Skylight ”  -  napisali autorzy raportu .
Tokens: 1_____ 2______ 3______________ 4_ 5______ 6____ 7__________ 8_________ 9____ 10___ 11____ 12 13_______ 14______ 15 16 17______ 18_____ 19_____ 20

Chunks:
  TruePositive nam [10,11] = Złote Tarasy
  TruePositive nam [14,14] = Skylight

(ChunkerEvaluator) Sentence #563 from articles/00107384 from sent34

Text  : Ich zdaniem wieża od strony al . Jana Pawła II mogła by mieć 120 -  140 m  (  porównywalnie z  Marriottem )  ,  a  ta od strony ul .  Emilii Plater 180 -  220 m  .
Tokens: 1__ 2______ 3____ 4_ 5_____ 6_ 7 8___ 9____ 10 11___ 12 13__ 14_ 15 16_ 17 18 19___________ 20 21________ 22 23 24 25 26 27____ 28 29 30____ 31____ 32_ 33 34_ 35 36

Chunks:
  TruePositive nam [21,21] = Marriottem
  TruePositive nam [30,31] = Emilii Plater
  FalsePositive nam [8,9] = Jana Pawła
  FalseNegative nam [8,10] = Jana Pawła II

(ChunkerEvaluator) Sentence #564 from articles/00107384 from sent35

Text  : - Wspólnie z urzędem miasta ogłosimy międzynarodowy konkurs architektoniczny na zaprojektowanie tego kompleksu -  zapowiada Łukasz Kurpiewski ,  rzecznik PKP .
Tokens: 1 2_______ 3 4______ 5_____ 6_______ 7_____________ 8______ 9_______________ 10 11_____________ 12__ 13_______ 14 15_______ 16____ 17________ 18 19______ 20_ 21

Chunks:
  TruePositive nam [16,17] = Łukasz Kurpiewski
  TruePositive nam [20,20] = PKP

(ChunkerEvaluator) Sentence #565 from articles/00107384 from sent36

Text  : Z informacji „ Gazety ” wynika , że kolejarze zaczęli już ustalenia ze Stowarzyszeniem Architektów Polskich i  konkurs mógł by zostać rozpisany w  przyszłym roku ,  a  rozstrzygnięty w  2013 r  .
Tokens: 1 2_________ 3 4_____ 5 6_____ 7 8_ 9________ 10_____ 11_ 12_______ 13 14_____________ 15_________ 16______ 17 18_____ 19__ 20 21____ 22_______ 23 24_______ 25__ 26 27 28____________ 29 30__ 31 32

Chunks:
  TruePositive nam [14,16] = Stowarzyszeniem Architektów Polskich
  FalseNegative nam [4,4] = Gazety

(ChunkerEvaluator) Sentence #566 from articles/00107384 from sent37

Text  : Wciąż jednak nie zapadła decyzja , czy należy zachować starą halę dworca .
Tokens: 1____ 2_____ 3__ 4______ 5______ 6 7__ 8_____ 9_______ 10___ 11__ 12____ 13

Chunks:

2016-10-27 14:59:14,011 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 23 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107385.xml
(ChunkerEvaluator) Sentence #567 from articles/00107385 from sent1

Text  : W Łodzi jest tylko kilkunastu psychiatrów dziecięcych , chorych kilka tysięcy
Tokens: 1 2____ 3___ 4____ 5_________ 6__________ 7__________ 8 9______ 10___ 11_____

Chunks:
  TruePositive nam [2,2] = Łodzi

(ChunkerEvaluator) Sentence #568 from articles/00107385 from sent2

Text  : Niedługo w Łodzi może zabraknąć psychiatrów dziecięcych .
Tokens: 1_______ 2 3____ 4___ 5________ 6__________ 7__________ 8

Chunks:
  TruePositive nam [3,3] = Łodzi

(ChunkerEvaluator) Sentence #569 from articles/00107385 from sent3

Text  : Cierpią na tym pacjenci .
Tokens: 1______ 2_ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #570 from articles/00107385 from sent4

Text  : Najpierw nie mogą w terminie dostać się do poradni ,  a  gdy pogarsza się ich stan ,  lądują w  przepełnionym szpitalu .
Tokens: 1_______ 2__ 3___ 4 5_______ 6_____ 7__ 8_ 9______ 10 11 12_ 13______ 14_ 15_ 16__ 17 18____ 19 20___________ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #571 from articles/00107385 from sent5

Text  : ZDROWIE .
Tokens: 1______ 2

Chunks:

(ChunkerEvaluator) Sentence #572 from articles/00107385 from sent6

Text  : Brakuje specjalistów
Tokens: 1______ 2___________

Chunks:

(ChunkerEvaluator) Sentence #573 from articles/00107385 from sent7

Text  : Ginąca nadspecjalizacja
Tokens: 1_____ 2_______________

Chunks:

(ChunkerEvaluator) Sentence #574 from articles/00107385 from sent8

Text  : Niedługo w Łodzi może zabraknąć psychiatrów dziecięcych .
Tokens: 1_______ 2 3____ 4___ 5________ 6__________ 7__________ 8

Chunks:
  TruePositive nam [3,3] = Łodzi

(ChunkerEvaluator) Sentence #575 from articles/00107385 from sent9

Text  : Cierpią na tym pacjenci .
Tokens: 1______ 2_ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #576 from articles/00107385 from sent10

Text  : Najpierw nie mogą w terminie dostać się do poradni ,  a  gdy pogarsza się ich stan ,  trafiają do przepełnionego szpitala .
Tokens: 1_______ 2__ 3___ 4 5_______ 6_____ 7__ 8_ 9______ 10 11 12_ 13______ 14_ 15_ 16__ 17 18______ 19 20____________ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #577 from articles/00107385 from sent11

Text  : W jedynym w regionie oddziale psychiatrycznym dla dzieci brakuje miejsc dla pacjentów .
Tokens: 1 2______ 3 4_______ 5_______ 6______________ 7__ 8_____ 9______ 10____ 11_ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #578 from articles/00107385 from sent12

Text  : - Już jutro będziemy musieli dostawiać dla nich łóżka w  sali ,  w  której w  dzień odbywają się lekcje -  wylicza dr Renata Tokarz -  Czart ,  ordynator .
Tokens: 1 2__ 3____ 4_______ 5______ 6________ 7__ 8___ 9____ 10 11__ 12 13 14____ 15 16___ 17______ 18_ 19____ 20 21_____ 22 23____ 24____ 25 26___ 27 28_______ 29

Chunks:
  TruePositive nam [23,26] = Renata Tokarz - Czart

(ChunkerEvaluator) Sentence #579 from articles/00107385 from sent13

Text  : - Nie jestem w stanie przewidzieć , co zrobię kiedy pogotowie przywiezie mi jeszcze kilku chorych .
Tokens: 1 2__ 3_____ 4 5_____ 6__________ 7 8_ 9_____ 10___ 11_______ 12________ 13 14_____ 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #580 from articles/00107385 from sent14

Text  : A nie mogę przecież zostawić bez opieki małego pacjenta po próbie samobójczej .
Tokens: 1 2__ 3___ 4_______ 5_______ 6__ 7_____ 8_____ 9_______ 10 11____ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #581 from articles/00107385 from sent15

Text  : Jedynym wyjściem jest odesłanie go do szpitala w Warcie lub w  Warszawie .
Tokens: 1______ 2_______ 3___ 4________ 5_ 6_ 7_______ 8 9_____ 10_ 11 12_______ 13

Chunks:
  TruePositive nam [9,9] = Warcie
  TruePositive nam [12,12] = Warszawie

(ChunkerEvaluator) Sentence #582 from articles/00107385 from sent16

Text  : Ale kiedy mówię o tym rodzicom , błagają mnie na kolanach ,  by m  zostawiła dziecko w  swoim oddziale ,  nawet na materacu rozłożonym na podłodze .
Tokens: 1__ 2____ 3____ 4 5__ 6_______ 7 8______ 9___ 10 11______ 12 13 14 15_______ 16_____ 17 18___ 19______ 20 21___ 22 23______ 24________ 25 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #583 from articles/00107385 from sent17

Text  : Efekt : w oddziale zamkniętym przeznaczonym dla 17 chorych czasem jest ich nawet 25 .
Tokens: 1____ 2 3 4_______ 5_________ 6____________ 7__ 8_ 9______ 10____ 11__ 12_ 13___ 14 15

Chunks:

(ChunkerEvaluator) Sentence #584 from articles/00107385 from sent18

Text  : Skoro do szpitala przy ul . Aleksandrowskiej trafia tak wielu chorych ,  może należało by pomyśleć o  rozbudowie oddziału ?
Tokens: 1____ 2_ 3_______ 4___ 5_ 6 7_______________ 8_____ 9__ 10___ 11_____ 12 13__ 14______ 15 16______ 17 18________ 19______ 20

Chunks:
  TruePositive nam [7,7] = Aleksandrowskiej

(ChunkerEvaluator) Sentence #585 from articles/00107385 from sent19

Text  : - Można najwyżej pomarzyć - ucina dr Zbigniew Wawrzyniak ,  dyrektor ds .  medycznych .
Tokens: 1 2____ 3_______ 4_______ 5 6____ 7_ 8_______ 9_________ 10 11______ 12 13 14________ 15

Chunks:
  TruePositive nam [8,9] = Zbigniew Wawrzyniak

(ChunkerEvaluator) Sentence #586 from articles/00107385 from sent20

Text  : - Nawet gdyby było nas stać na rozbudowę placówki ,  to nie będzie miał kto pracować z  dziećmi .
Tokens: 1 2____ 3____ 4___ 5__ 6___ 7_ 8________ 9_______ 10 11 12_ 13____ 14__ 15_ 16______ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #587 from articles/00107385 from sent21

Text  : Od roku poszukujemy psychiatry dziecięcego .
Tokens: 1_ 2___ 3__________ 4_________ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #588 from articles/00107385 from sent22

Text  : Bezskutecznie .
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #589 from articles/00107385 from sent23

Text  : Jeśli szybko nie znajdziemy specjalisty , możemy mieć poważniejsze problemy .
Tokens: 1____ 2_____ 3__ 4_________ 5__________ 6 7_____ 8___ 9___________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #590 from articles/00107385 from sent24

Text  : Wszystko dlatego , że na szpitalnych etatach jest w sumie czterech specjalistów pedopsychiatrii (  psychiatrii dziecięcej )  .
Tokens: 1_______ 2______ 3 4_ 5_ 6__________ 7______ 8___ 9 10___ 11______ 12__________ 13_____________ 14 15_________ 16________ 17 18

Chunks:

(ChunkerEvaluator) Sentence #591 from articles/00107385 from sent25

Text  : Dwóch pracuje w przychodniach , jeden na oddziale dziennym ,  drugi w  zamkniętym .
Tokens: 1____ 2______ 3 4____________ 5 6____ 7_ 8_______ 9_______ 10 11___ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #592 from articles/00107385 from sent26

Text  : Jedna z tych osób jest w wieku przedemerytalnym .
Tokens: 1____ 2 3___ 4___ 5___ 6 7____ 8_______________ 9

Chunks:

(ChunkerEvaluator) Sentence #593 from articles/00107385 from sent27

Text  : - Nie wiem , co zrobię , kiedy odejdzie -  martwi się dyrektor .
Tokens: 1 2__ 3___ 4 5_ 6_____ 7 8____ 9_______ 10 11____ 12_ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #594 from articles/00107385 from sent28

Text  : W regionie jest tylko kilkunastu specjalistów tej dziedziny , wszyscy mają pracę .
Tokens: 1 2_______ 3___ 4____ 5_________ 6___________ 7__ 8________ 9 10_____ 11__ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #595 from articles/00107385 from sent29

Text  : Zaledwie kilka osób kształci się w tym kierunku .
Tokens: 1_______ 2____ 3___ 4_______ 5__ 6 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #596 from articles/00107385 from sent30

Text  : - To stanowczo za mało - mówi prof . Jolanta Jabłońska -  Rabe ,  wojewódzki konsultant ds .  psychiatrii .
Tokens: 1 2_ 3________ 4_ 5___ 6 7___ 8___ 9 10_____ 11_______ 12 13__ 14 15________ 16________ 17 18 19_________ 20

Chunks:
  TruePositive nam [10,13] = Jolanta Jabłońska - Rabe

(ChunkerEvaluator) Sentence #597 from articles/00107385 from sent31

Text  : - Wkrótce zabraknie tych lekarzy !
Tokens: 1 2______ 3________ 4___ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #598 from articles/00107385 from sent32

Text  : A chorych psychicznie dzieci jest przynajmniej kilka tysięcy .
Tokens: 1 2______ 3__________ 4_____ 5___ 6___________ 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #599 from articles/00107385 from sent33

Text  : Dlatego psychiatrów dziecięcych przydało by się nawet dziesięć razy więcej .
Tokens: 1______ 2__________ 3__________ 4_______ 5_ 6__ 7____ 8_______ 9___ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #600 from articles/00107385 from sent34

Text  : Dlaczego tylko nieliczni wybierają tę specjalność ?
Tokens: 1_______ 2____ 3________ 4________ 5_ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #601 from articles/00107385 from sent35

Text  : To nie jest intratna dziedzina medycyny .
Tokens: 1_ 2__ 3___ 4_______ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #602 from articles/00107385 from sent36

Text  : Wymaga ciężkiej pracy z dziećmi i ich nierzadko patologicznymi rodzinami .
Tokens: 1_____ 2_______ 3____ 4 5______ 6 7__ 8________ 9_____________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #603 from articles/00107385 from sent37

Text  : Jednak jeszcze bardziej mogą zniechęcać zasady szkolenia specjalistów .
Tokens: 1_____ 2______ 3_______ 4___ 5_________ 6_____ 7________ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #604 from articles/00107385 from sent38

Text  : Jeszcze niedawno po studiach można było robić specjalizację pierwszego stopnia z  pedopsychiatrii .
Tokens: 1______ 2_______ 3_ 4_______ 5____ 6___ 7____ 8____________ 9_________ 10_____ 11 12_____________ 13

Chunks:

(ChunkerEvaluator) Sentence #605 from articles/00107385 from sent39

Text  : Od dwóch lat jest to tzw . nadspecjalizacja .
Tokens: 1_ 2____ 3__ 4___ 5_ 6__ 7 8_______________ 9

Chunks:

(ChunkerEvaluator) Sentence #606 from articles/00107385 from sent40

Text  : Mogą ją wybierać tylko lekarze z pierwszym stopniem z psychiatrii .
Tokens: 1___ 2_ 3_______ 4____ 5______ 6 7________ 8_______ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #607 from articles/00107385 from sent41

Text  : Na jej zrobienie potrzeba trzech lat .
Tokens: 1_ 2__ 3________ 4_______ 5_____ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #608 from articles/00107385 from sent42

Text  : Aby zatem zostać pedopsychiatrą , trzeba się kształcić osiem lat po studiach .
Tokens: 1__ 2____ 3_____ 4_____________ 5 6_____ 7__ 8________ 9____ 10_ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #609 from articles/00107385 from sent43

Text  : - Nikt nie ma na to sił , chęci ,  ani motywacji finansowej -  wzdycha prof .  Jabłońska .
Tokens: 1 2___ 3__ 4_ 5_ 6_ 7__ 8 9____ 10 11_ 12_______ 13________ 14 15_____ 16__ 17 18_______ 19

Chunks:
  TruePositive nam [18,18] = Jabłońska
  FalsePositive nam [2,2] = Nikt

(ChunkerEvaluator) Sentence #610 from articles/00107385 from sent44

Text  : - Dlatego powstaje zaklęty krąg , w którym znaleźli się pacjenci .
Tokens: 1 2______ 3_______ 4______ 5___ 6 7 8_____ 9_______ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #611 from articles/00107385 from sent45

Text  : Nie mogą w terminie dostać się do poradni , ich stan się pogarsza i  trzeba ich zawieźć do szpitala .
Tokens: 1__ 2___ 3 4_______ 5_____ 6__ 7_ 8______ 9 10_ 11__ 12_ 13______ 14 15____ 16_ 17_____ 18 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #612 from articles/00107385 from sent46

Text  : Skoro zmalała dostępność do poradni , napór na szpital jest większy i  brakuje miejsc .
Tokens: 1____ 2______ 3_________ 4_ 5______ 6 7____ 8_ 9______ 10__ 11_____ 12 13_____ 14____ 15

Chunks:

2016-10-27 14:59:14,175 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 24 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107386.xml
(ChunkerEvaluator) Sentence #613 from articles/00107386 from sent1

Text  : Pora zebrać dokumenty do stypendium
Tokens: 1___ 2_____ 3________ 4_ 5_________

Chunks:

(ChunkerEvaluator) Sentence #614 from articles/00107386 from sent2

Text  : Uczniowie chcący dostawać stypendium szkolne , powinni już kompletować niezbędne dokumenty .
Tokens: 1________ 2_____ 3_______ 4_________ 5______ 6 7______ 8__ 9__________ 10_______ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #615 from articles/00107386 from sent3

Text  : Wnioski o wsparcie prezydenta Torunia będzie można składać od 1  do 15 września br .
Tokens: 1______ 2 3_______ 4_________ 5______ 6_____ 7____ 8______ 9_ 10 11 12 13______ 14 15

Chunks:
  TruePositive nam [5,5] = Torunia

(ChunkerEvaluator) Sentence #616 from articles/00107386 from sent4

Text  : Należy dołączyć do nich dokumenty potwierdzające dochód rodziny ucznia z  sierpnia br .  oraz jego zamieszkanie w  Toruniu (  np .  kopię dowodu osobistego rodzica )  .
Tokens: 1_____ 2_______ 3_ 4___ 5________ 6_____________ 7_____ 8______ 9_____ 10 11______ 12 13 14__ 15__ 16__________ 17 18_____ 19 20 21 22___ 23____ 24________ 25_____ 26 27

Chunks:
  TruePositive nam [18,18] = Toruniu

(ChunkerEvaluator) Sentence #617 from articles/00107386 from sent5

Text  : O wsparcie mogą ubiegać się uczniowie mieszkający w naszym mieście ,  znajdujący się w  trudnej sytuacji materialnej -  oznacza to ,  że miesięczny dochód na osobę w  rodzinie kandydata nie może być wyższy niż 351 zł .
Tokens: 1 2_______ 3___ 4______ 5__ 6________ 7__________ 8 9_____ 10_____ 11 12________ 13_ 14 15_____ 16______ 17_________ 18 19_____ 20 21 22 23________ 24____ 25 26___ 27 28______ 29_______ 30_ 31__ 32_ 33____ 34_ 35_ 36 37

Chunks:
  TruePositive nam [36,36] = zł

(ChunkerEvaluator) Sentence #618 from articles/00107386 from sent6

Text  : Stypendium przyznaje się jako refundację udokumentowanych wydatków na cele edukacyjne .
Tokens: 1_________ 2________ 3__ 4___ 5_________ 6_______________ 7_______ 8_ 9___ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #619 from articles/00107386 from sent7

Text  : Dokładne kwoty nie są jeszcze znane , ale wiadomo już ,  że zmieszczą się w  widełkach od 72 ,  80 zł do 182 zł miesięcznie .
Tokens: 1_______ 2____ 3__ 4_ 5______ 6____ 7 8__ 9______ 10_ 11 12 13_______ 14_ 15 16_______ 17 18 19 20 21 22 23_ 24 25_________ 26

Chunks:
  TruePositive nam [21,21] = zł
  TruePositive nam [24,24] = zł

(ChunkerEvaluator) Sentence #620 from articles/00107386 from sent8

Text  : Uczniowie z placówek prowadzonych przez naszą gminę składają wnioski w  szkole ,  pozostali w  wydziale edukacji Urzędu Miasta Torunia przy ul .  Wały gen .  Sikorskiego 10 .
Tokens: 1________ 2 3_______ 4___________ 5____ 6____ 7____ 8_______ 9______ 10 11____ 12 13_______ 14 15______ 16______ 17____ 18____ 19_____ 20__ 21 22 23__ 24_ 25 26_________ 27 28

Chunks:
  FalsePositive nam [17,19] = Urzędu Miasta Torunia
  FalsePositive nam [23,23] = Wały
  FalsePositive nam [26,26] = Sikorskiego
  FalseNegative nam [17,18] = Urzędu Miasta
  FalseNegative nam [19,19] = Torunia
  FalseNegative nam [23,27] = Wały gen . Sikorskiego 10

(ChunkerEvaluator) Sentence #621 from articles/00107386 from sent9

Text  : Wsparcie nie przysługuje m . in . dzieciom z zerówek i  osobom ,  które otrzymują inne stypendium ze środków publicznych ,  chyba że łączna kwota otrzymywanego wsparcia nie przekracza 1820 zł rocznie .
Tokens: 1_______ 2__ 3__________ 4 5 6_ 7 8_______ 9 10_____ 11 12____ 13 14___ 15_______ 16__ 17________ 18 19_____ 20_________ 21 22___ 23 24____ 25___ 26___________ 27______ 28_ 29________ 30__ 31 32_____ 33

Chunks:
  TruePositive nam [31,31] = zł

(ChunkerEvaluator) Sentence #622 from articles/00107386 from sent10

Text  : Więcej informacji można znaleźć na stronie www . torun.pl
Tokens: 1_____ 2_________ 3____ 4______ 5_ 6______ 7__ 8 9_______

Chunks:
  FalsePositive nam [9,9] = torun.pl
  FalseNegative nam [7,9] = www . torun.pl

2016-10-27 14:59:14,238 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 25 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107387.xml
(ChunkerEvaluator) Sentence #623 from articles/00107387 from sent1

Text  : Wzrost gospodarczy Niemiec w II kwartale wyniósł 2 , 8  proc .
Tokens: 1_____ 2__________ 3______ 4 5_ 6_______ 7______ 8 9 10 11__ 12

Chunks:
  TruePositive nam [3,3] = Niemiec

(ChunkerEvaluator) Sentence #624 from articles/00107387 from sent2

Text  : PKB Niemiec wzrósł w II kwartale 2011 r . o  2  ,  8  proc .  licząc rok do roku ,  bez uwzględniania czynników sezonowych ,  po wzroście w  I  kwartale o  5  ,  0  proc .  -  podał we wtorek w  komunikacie ,  wstępne wyliczenia ,  Federalny Urząd Statystyczny w  Wiesbaden .
Tokens: 1__ 2______ 3_____ 4 5_ 6_______ 7___ 8 9 10 11 12 13 14__ 15 16____ 17_ 18 19__ 20 21_ 22___________ 23_______ 24________ 25 26 27______ 28 29 30______ 31 32 33 34 35__ 36 37 38___ 39 40____ 41 42_________ 43 44_____ 45________ 46 47_______ 48___ 49__________ 50 51_______ 52

Chunks:
  TruePositive nam [1,1] = PKB
  TruePositive nam [2,2] = Niemiec
  TruePositive nam [47,49] = Federalny Urząd Statystyczny
  TruePositive nam [51,51] = Wiesbaden

(ChunkerEvaluator) Sentence #625 from articles/00107387 from sent3

Text  : Analitycy spodziewali się wzrostu PKB rok do roku o 3  ,  2  proc .
Tokens: 1________ 2__________ 3__ 4______ 5__ 6__ 7_ 8___ 9 10 11 12 13__ 14

Chunks:
  TruePositive nam [5,5] = PKB

(ChunkerEvaluator) Sentence #626 from articles/00107387 from sent4

Text  : W ujęciu kwartał do kwartału PKB Niemiec wzrósł w II kw .  o  0  ,  1  proc .  ,  po wzroście o  1  ,  3  proc .  w  I  kw .  po uwzględnieniu czynników sezonowych -  podał Urząd .
Tokens: 1 2_____ 3______ 4_ 5_______ 6__ 7______ 8_____ 9 10 11 12 13 14 15 16 17__ 18 19 20 21______ 22 23 24 25 26__ 27 28 29 30 31 32 33___________ 34_______ 35________ 36 37___ 38___ 39

Chunks:
  TruePositive nam [6,6] = PKB
  TruePositive nam [7,7] = Niemiec
  FalseNegative nam [38,38] = Urząd

(ChunkerEvaluator) Sentence #627 from articles/00107387 from sent5

Text  : Tu oczekiwano wzrostu o 0 , 5 proc .
Tokens: 1_ 2_________ 3______ 4 5 6 7 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #628 from articles/00107387 from sent6

Text  : Urząd statystyczny podał , że po uwzględnieniu czynników sezonowych PKB Niemiec wzrósł w  II kw .
Tokens: 1____ 2___________ 3____ 4 5_ 6_ 7____________ 8________ 9_________ 10_ 11_____ 12____ 13 14 15 16

Chunks:
  TruePositive nam [10,10] = PKB
  TruePositive nam [11,11] = Niemiec

(ChunkerEvaluator) Sentence #629 from articles/00107387 from sent7

Text  : 2011 r . o 2 , 7 proc . ,  po wzroście w  I  kw .  o  4  ,  7  proc .
Tokens: 1___ 2 3 4 5 6 7 8___ 9 10 11 12______ 13 14 15 16 17 18 19 20 21__ 22

Chunks:

(ChunkerEvaluator) Sentence #630 from articles/00107387 from sent8

Text  : Oczekiwano wzrostu o 3 , 1 proc . ( PAP )
Tokens: 1_________ 2______ 3 4 5 6 7___ 8 9 10_ 11

Chunks:
  TruePositive nam [10,10] = PAP

2016-10-27 14:59:14,289 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 26 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107388.xml
(ChunkerEvaluator) Sentence #631 from articles/00107388 from sent1

Text  : Po porannej burzy wylała Czechówka ZDJĘCIA
Tokens: 1_ 2_______ 3____ 4_____ 5________ 6______

Chunks:
  FalsePositive nam [6,6] = ZDJĘCIA
  FalseNegative nam [5,5] = Czechówka

(ChunkerEvaluator) Sentence #632 from articles/00107388 from sent2

Text  : Rzeka wystąpiła z brzegów przy al . Solidarności między al .  Sikorskiego a  al .  Warszawską .
Tokens: 1____ 2________ 3 4______ 5___ 6_ 7 8___________ 9_____ 10 11 12_________ 13 14 15 16________ 17

Chunks:
  FalsePositive nam [6,16] = al . Solidarności między al . Sikorskiego a al . Warszawską
  FalseNegative nam [8,8] = Solidarności
  FalseNegative nam [12,12] = Sikorskiego
  FalseNegative nam [16,16] = Warszawską

(ChunkerEvaluator) Sentence #633 from articles/00107388 from sent3

Text  : Po niezwykle ulewnej porannej burzy niewielka Czechówka wystąpiła z brzegów .
Tokens: 1_ 2________ 3______ 4_______ 5____ 6________ 7________ 8________ 9 10_____ 11

Chunks:
  FalseNegative nam [7,7] = Czechówka

(ChunkerEvaluator) Sentence #634 from articles/00107388 from sent4

Text  : Na szczęście nie zalała żadnych domów .
Tokens: 1_ 2________ 3__ 4_____ 5______ 6____ 7

Chunks:

2016-10-27 14:59:14,303 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 27 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107389.xml
(ChunkerEvaluator) Sentence #635 from articles/00107389 from sent1

Text  : Co dalej z rozbieraną kamienicą przy ul . Kopernika
Tokens: 1_ 2____ 3 4_________ 5________ 6___ 7_ 8 9________

Chunks:
  TruePositive nam [9,9] = Kopernika

(ChunkerEvaluator) Sentence #636 from articles/00107389 from sent2

Text  : Firma SOL - POL chce zbudować przy ul . Kopernika nowoczesny biurowiec w  miejscu XIX -  wiecznych zabudowań .
Tokens: 1____ 2__ 3 4__ 5___ 6_______ 7___ 8_ 9 10_______ 11________ 12_______ 13 14_____ 15_ 16 17_______ 18_______ 19

Chunks:
  TruePositive nam [2,4] = SOL - POL
  TruePositive nam [10,10] = Kopernika
  FalsePositive nam [15,18] = XIX - wiecznych zabudowań

(ChunkerEvaluator) Sentence #637 from articles/00107389 from sent3

Text  : - To była by ozdoba tej ulicy - zapewnia Andrzej Solecki ,  właściciel firmy .
Tokens: 1 2_ 3___ 4_ 5_____ 6__ 7____ 8 9_______ 10_____ 11_____ 12 13________ 14___ 15

Chunks:
  TruePositive nam [10,11] = Andrzej Solecki

(ChunkerEvaluator) Sentence #638 from articles/00107389 from sent4

Text  : Ale decyzją konserwatora zabytków we wtorek przed południem prace zostały wstrzymane .
Tokens: 1__ 2______ 3___________ 4_______ 5_ 6_____ 7____ 8________ 9____ 10_____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #639 from articles/00107389 from sent5

Text  : We wtorek rano robotnicy i koparka ruszyli do pracy przy ul .  Kopernika 36 .
Tokens: 1_ 2_____ 3___ 4________ 5 6______ 7______ 8_ 9____ 10__ 11 12 13_______ 14 15

Chunks:
  TruePositive nam [13,13] = Kopernika

(ChunkerEvaluator) Sentence #640 from articles/00107389 from sent6

Text  : Zdążyli rozebrać część kondygnacji w łączniku między kamienicą frontową a  stojącym w  głębi podwórza budynkiem .
Tokens: 1______ 2_______ 3____ 4__________ 5 6_______ 7_____ 8________ 9_______ 10 11______ 12 13___ 14______ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #641 from articles/00107389 from sent7

Text  : Prace przerwało pojawienie się delegacji Wojewódzkiego Urzędu Ochrony Zabytków oraz Inspektoratu Nadzoru Budowlanego .
Tokens: 1____ 2________ 3_________ 4__ 5________ 6____________ 7_____ 8______ 9_______ 10__ 11__________ 12_____ 13_________ 14

Chunks:
  TruePositive nam [6,9] = Wojewódzkiego Urzędu Ochrony Zabytków
  TruePositive nam [11,13] = Inspektoratu Nadzoru Budowlanego

(ChunkerEvaluator) Sentence #642 from articles/00107389 from sent8

Text  : O przerwanej rozbiórce „ Gazeta ” informowała we wczorajszym wydaniu .
Tokens: 1 2_________ 3________ 4 5_____ 6 7__________ 8_ 9__________ 10_____ 11

Chunks:
  TruePositive nam [5,5] = Gazeta

(ChunkerEvaluator) Sentence #643 from articles/00107389 from sent9

Text  : Przypomnijmy : interwencja zakończyła się formalnym wstrzymaniem prac przez konserwatora .
Tokens: 1___________ 2 3__________ 4_________ 5__ 6________ 7___________ 8___ 9____ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #644 from articles/00107389 from sent10

Text  : - Będziemy chcieli się zapoznać ze stanem tego , co pozostało po budynkach ,  i  z  archiwalną dokumentacją .
Tokens: 1 2_______ 3______ 4__ 5_______ 6_ 7_____ 8___ 9 10 11_______ 12 13_______ 14 15 16 17________ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #645 from articles/00107389 from sent11

Text  : Później zostanie podjęta decyzja , co dalej z inwestycją -  mówił Wojciech Szygendowski ,  wojewódzki konserwator zabytków .
Tokens: 1______ 2_______ 3______ 4______ 5 6_ 7____ 8 9_________ 10 11___ 12______ 13__________ 14 15________ 16_________ 17______ 18

Chunks:
  TruePositive nam [12,13] = Wojciech Szygendowski

(ChunkerEvaluator) Sentence #646 from articles/00107389 from sent12

Text  : Skąd zamieszanie ?
Tokens: 1___ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #647 from articles/00107389 from sent13

Text  : Magistrat wydał zgodę o pracach przy Kopernika 36 na podstawie opinii miejskiego konserwatora zabytków sprzed trzech lat .
Tokens: 1________ 2____ 3____ 4 5______ 6___ 7________ 8_ 9_ 10_______ 11____ 12________ 13__________ 14______ 15____ 16____ 17_ 18

Chunks:
  TruePositive nam [7,7] = Kopernika
  FalsePositive nam [1,1] = Magistrat

(ChunkerEvaluator) Sentence #648 from articles/00107389 from sent14

Text  : A wojewódzki konserwator nie zgadza się z tą opinią .
Tokens: 1 2_________ 3__________ 4__ 5_____ 6__ 7 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #649 from articles/00107389 from sent15

Text  : Bo kompleks , na miejscu którego SOL - POL planuje biurowce ,  został wybudowany pod koniec lat 80 .  XIX wieku .
Tokens: 1_ 2_______ 3 4_ 5______ 6______ 7__ 8 9__ 10_____ 11______ 12 13____ 14________ 15_ 16____ 17_ 18 19 20_ 21___ 22

Chunks:
  FalsePositive nam [7,7] = SOL
  FalsePositive nam [9,9] = POL
  FalseNegative nam [7,9] = SOL - POL

(ChunkerEvaluator) Sentence #650 from articles/00107389 from sent16

Text  : Mieściła się tam Fabryka Taśm Gumowych „ Emila Wicke ”  .
Tokens: 1_______ 2__ 3__ 4______ 5___ 6_______ 7 8____ 9____ 10 11

Chunks:
  FalsePositive nam [4,6] = Fabryka Taśm Gumowych
  FalsePositive nam [8,9] = Emila Wicke
  FalseNegative nam [4,10] = Fabryka Taśm Gumowych „ Emila Wicke ”

(ChunkerEvaluator) Sentence #651 from articles/00107389 from sent17

Text  : Obiekt został wpisany do ewidencji zabytków .
Tokens: 1_____ 2_____ 3______ 4_ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #652 from articles/00107389 from sent18

Text  : - Dla mnie to szokujące , że miejski konserwator wydaje opinię ,  a  wojewódzki ją podważa -  mówi Andrzej Solecki z  firmy SOL -  POL ,  dystrybutora sprzętu Sony .
Tokens: 1 2__ 3___ 4_ 5________ 6 7_ 8______ 9__________ 10____ 11____ 12 13 14________ 15 16_____ 17 18__ 19_____ 20_____ 21 22___ 23_ 24 25_ 26 27__________ 28_____ 29__ 30

Chunks:
  TruePositive nam [19,20] = Andrzej Solecki
  TruePositive nam [23,25] = SOL - POL
  TruePositive nam [29,29] = Sony

(ChunkerEvaluator) Sentence #653 from articles/00107389 from sent19

Text  : - Albo ten pierwszy powinien konsultować się z tym drugim ,  albo drugi powinien pierwszemu zaufać .
Tokens: 1 2___ 3__ 4_______ 5_______ 6__________ 7__ 8 9__ 10____ 11 12__ 13___ 14______ 15________ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #654 from articles/00107389 from sent20

Text  : My mamy pozwolenie i na rozbiórkę , i na budowę .
Tokens: 1_ 2___ 3_________ 4 5_ 6________ 7 8 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #655 from articles/00107389 from sent21

Text  : Solecki podkreśla , że budynki przy Kopernika były w bardzo złym stanie .
Tokens: 1______ 2________ 3 4_ 5______ 6___ 7________ 8___ 9 10____ 11__ 12____ 13

Chunks:
  TruePositive nam [1,1] = Solecki
  TruePositive nam [7,7] = Kopernika

(ChunkerEvaluator) Sentence #656 from articles/00107389 from sent22

Text  : Na ich miejscu chce postawić dwupiętrowy biurowiec z pomieszczeniami do wynajęcia (  podobno są już chętne firmy najemcy )  .
Tokens: 1_ 2__ 3______ 4___ 5_______ 6__________ 7________ 8 9______________ 10 11_______ 12 13_____ 14 15_ 16____ 17___ 18_____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #657 from articles/00107389 from sent23

Text  : Gmach w stanie deweloperskim miał stanąć już w listopadzie .
Tokens: 1____ 2 3_____ 4____________ 5___ 6_____ 7__ 8 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #658 from articles/00107389 from sent24

Text  : - Na razie zainwestował em około 100 tys . zł w  projekt i  prace rozbiórkowe ,  które już opłacił em -  mówi Solecki .
Tokens: 1 2_ 3____ 4___________ 5_ 6____ 7__ 8__ 9 10 11 12_____ 13 14___ 15_________ 16 17___ 18_ 19_____ 20 21 22__ 23_____ 24

Chunks:
  TruePositive nam [10,10] = zł
  TruePositive nam [23,23] = Solecki

(ChunkerEvaluator) Sentence #659 from articles/00107389 from sent25

Text  : - Nieplanowana przerwa może oznaczać , że inwestycja nie zostanie ukończona na czas ,  a  to dla mnie duże straty .
Tokens: 1 2___________ 3______ 4___ 5_______ 6 7_ 8_________ 9__ 10______ 11_______ 12 13__ 14 15 16 17_ 18__ 19__ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #660 from articles/00107389 from sent26

Text  : Na razie termin ewentualnego wznowienia prac to wielka niewiadoma .
Tokens: 1_ 2____ 3_____ 4___________ 5_________ 6___ 7_ 8_____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #661 from articles/00107389 from sent27

Text  : Po oficjalnym wstrzymaniu decyzja o dalszym losie inwestycji ma zapaść w  ciągu dwóch tygodni .
Tokens: 1_ 2_________ 3__________ 4______ 5 6______ 7____ 8_________ 9_ 10____ 11 12___ 13___ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #662 from articles/00107389 from sent28

Text  : Solecki został zaproszony na rozmowę do wojewódzkiego konserwatora zabytków .
Tokens: 1______ 2_____ 3_________ 4_ 5______ 6_ 7____________ 8___________ 9_______ 10

Chunks:
  TruePositive nam [1,1] = Solecki

(ChunkerEvaluator) Sentence #663 from articles/00107389 from sent29

Text  : Jest rozgoryczony .
Tokens: 1___ 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #664 from articles/00107389 from sent30

Text  : - Chcę zainwestować własne pieniądze w atrakcyjny obiekt , który ma stanąć na łódzkiej ulicy .
Tokens: 1 2___ 3___________ 4_____ 5________ 6 7_________ 8_____ 9 10___ 11 12____ 13 14______ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #665 from articles/00107389 from sent31

Text  : I co ?
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #666 from articles/00107389 from sent32

Text  : Same problemy - mówi .
Tokens: 1___ 2_______ 3 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #667 from articles/00107389 from sent33

Text  : - Inne miasta kwitną i stają się coraz piękniejsze .
Tokens: 1 2___ 3_____ 4_____ 5 6____ 7__ 8____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #668 from articles/00107389 from sent34

Text  : A Łódź stoi w miejscu i wcale mnie to nie dziwi .
Tokens: 1 2___ 3___ 4 5______ 6 7____ 8___ 9_ 10_ 11___ 12

Chunks:
  TruePositive nam [2,2] = Łódź

2016-10-27 14:59:14,446 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 28 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107390.xml
(ChunkerEvaluator) Sentence #669 from articles/00107390 from sent1

Text  : Plum Bum w Zachęcie
Tokens: 1___ 2__ 3 4_______

Chunks:
  TruePositive nam [1,2] = Plum Bum
  TruePositive nam [4,4] = Zachęcie

(ChunkerEvaluator) Sentence #670 from articles/00107390 from sent2

Text  : Zespoły Plum Bum , Malanka Orchestra i Port Mone wystąpią w  niedzielę w  Zachęcie .
Tokens: 1______ 2___ 3__ 4 5______ 6________ 7 8___ 9___ 10______ 11 12_______ 13 14______ 15

Chunks:
  TruePositive nam [2,3] = Plum Bum
  TruePositive nam [5,6] = Malanka Orchestra
  TruePositive nam [8,9] = Port Mone
  TruePositive nam [14,14] = Zachęcie

(ChunkerEvaluator) Sentence #671 from articles/00107390 from sent3

Text  : Z okazji finisażu wystawy „ Otwierając drzwi ?
Tokens: 1 2_____ 3_______ 4______ 5 6_________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #672 from articles/00107390 from sent4

Text  : Sztuka białoruska dzisiaj ” w niedzielę w Zachęcie odbędzie się koncert zespołów Plum Bum ,  Malanka Orchestra i  Port Mone .
Tokens: 1_____ 2_________ 3______ 4 5 6________ 7 8_______ 9_______ 10_ 11_____ 12______ 13__ 14_ 15 16_____ 17_______ 18 19__ 20__ 21

Chunks:
  TruePositive nam [8,8] = Zachęcie
  TruePositive nam [13,14] = Plum Bum
  TruePositive nam [16,17] = Malanka Orchestra
  TruePositive nam [19,20] = Port Mone

2016-10-27 14:59:14,463 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 29 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107391.xml
(ChunkerEvaluator) Sentence #673 from articles/00107391 from sent1

Text  : Cała prawda o walce z bezrobociem : Brak systemu ,  kasy ,  wszystkiego .  .  .
Tokens: 1___ 2_____ 3 4____ 5 6__________ 7 8___ 9______ 10 11__ 12 13_________ 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #674 from articles/00107391 from sent2

Text  : - Ośrodek pomocy społecznej nie ma pieniędzy , żeby wysyłać bezrobotnych na szkolenia ,  a  urząd pracy nie chce przyjmować osób z  wykształceniem podstawowym -  mówi Tomasz Godorowski ,  pracownik klubu pracy działającego przy ośrodku pomocy społecznej na warszawskiej Pradze
Tokens: 1 2______ 3_____ 4_________ 5__ 6_ 7________ 8 9___ 10_____ 11__________ 12 13_______ 14 15 16___ 17___ 18_ 19__ 20________ 21__ 22 23____________ 24_________ 25 26__ 27____ 28________ 29 30_______ 31___ 32___ 33__________ 34__ 35_____ 36____ 37________ 38 39__________ 40____

Chunks:
  TruePositive nam [27,28] = Tomasz Godorowski
  TruePositive nam [40,40] = Pradze

(ChunkerEvaluator) Sentence #675 from articles/00107391 from sent3

Text  : Anna Popiołek : Jaka jest rola klubu pracy w pomocy osobom bezrobotnym ?
Tokens: 1___ 2_______ 3 4___ 5___ 6___ 7____ 8____ 9 10____ 11____ 12_________ 13

Chunks:
  TruePositive nam [1,2] = Anna Popiołek

(ChunkerEvaluator) Sentence #676 from articles/00107391 from sent4

Text  : Tomasz Godorowski , pracownik klubu pracy działającego przy praskim ośrodku pomocy społecznej :  Przychodzą do nas ludzie ,  którym pomagamy uporać się z  ich osobistymi problemami ,  a  później pomagamy im w  znalezieniu pracy .
Tokens: 1_____ 2_________ 3 4________ 5____ 6____ 7___________ 8___ 9______ 10_____ 11____ 12________ 13 14________ 15 16_ 17____ 18 19____ 20______ 21____ 22_ 23 24_ 25________ 26________ 27 28 29_____ 30______ 31 32 33_________ 34___ 35

Chunks:
  TruePositive nam [1,2] = Tomasz Godorowski

(ChunkerEvaluator) Sentence #677 from articles/00107391 from sent5

Text  : Jak to wygląda w praktyce ?
Tokens: 1__ 2_ 3______ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #678 from articles/00107391 from sent6

Text  : Skąd bierzecie oferty ?
Tokens: 1___ 2________ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #679 from articles/00107391 from sent7

Text  : - Korzystamy z różnych źródeł , ale głównie są to oferty urzędu pracy .
Tokens: 1 2_________ 3 4______ 5_____ 6 7__ 8______ 9_ 10 11____ 12____ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #680 from articles/00107391 from sent8

Text  : My przekazujemy je bezrobotnym , ale po szczegóły oni sami muszą zgłaszać się do urzędu pracy .
Tokens: 1_ 2___________ 3_ 4__________ 5 6__ 7_ 8________ 9__ 10__ 11___ 12______ 13_ 14 15____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #681 from articles/00107391 from sent9

Text  : Współpracujecie z urzędem pracy ?
Tokens: 1______________ 2 3______ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #682 from articles/00107391 from sent10

Text  : - Nie , udostępniamy tylko ich oferty .
Tokens: 1 2__ 3 4___________ 5____ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #683 from articles/00107391 from sent11

Text  : Współpracy nie ma , bo jesteśmy oddzielnymi placówkami .
Tokens: 1_________ 2__ 3_ 4 5_ 6_______ 7__________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #684 from articles/00107391 from sent12

Text  : Oprócz tego mamy też własne małe pośrednictwo pracy .
Tokens: 1_____ 2___ 3___ 4__ 5_____ 6___ 7___________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #685 from articles/00107391 from sent13

Text  : Małe , bo ofert mamy niewiele .
Tokens: 1___ 2 3_ 4____ 5___ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #686 from articles/00107391 from sent14

Text  : Dzieje się tak dlatego , że pracodawcy niechętnie chcą podpisywać z  nami umowy .
Tokens: 1_____ 2__ 3__ 4______ 5 6_ 7_________ 8_________ 9___ 10________ 11 12__ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #687 from articles/00107391 from sent15

Text  : Nie wiem dlaczego .
Tokens: 1__ 2___ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #688 from articles/00107391 from sent16

Text  : Jakie to są oferty ?
Tokens: 1____ 2_ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #689 from articles/00107391 from sent17

Text  : - Głównie dla osób o niskich klasyfikacjach , bo tacy są w  głównej mierze nasi klienci .
Tokens: 1 2______ 3__ 4___ 5 6______ 7_____________ 8 9_ 10__ 11 12 13_____ 14____ 15__ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #690 from articles/00107391 from sent18

Text  : Przychodzą do nas ludzie z wykształceniem podstawowym , zawodowym ,  takim jak np .  szewc ,  czyli w  takich zawodach ,  które zostały wyparte z  rynku pracy .
Tokens: 1_________ 2_ 3__ 4_____ 5 6_____________ 7__________ 8 9________ 10 11___ 12_ 13 14 15___ 16 17___ 18 19____ 20______ 21 22___ 23_____ 24_____ 25 26___ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #691 from articles/00107391 from sent19

Text  : Przychodzą również kobiety po urlopach macierzyńskich , wychowawczych , które mają problemy z  powrotem na rynek pracy .
Tokens: 1_________ 2______ 3______ 4_ 5_______ 6_____________ 7 8____________ 9 10___ 11__ 12______ 13 14______ 15 16___ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #692 from articles/00107391 from sent20

Text  : Są też osoby , które pracowały kilka - kilkanaście lat temu ,  a  dziś mają podstawowe braki ,  na przykład nie umieją obsługiwać komputera .
Tokens: 1_ 2__ 3____ 4 5____ 6________ 7____ 8 9__________ 10_ 11__ 12 13 14__ 15__ 16________ 17___ 18 19 20______ 21_ 22____ 23________ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #693 from articles/00107391 from sent21

Text  : Najczęściej trafiają do nas osoby młode , wchodzące na rynek pracy ,  dla których nie ma ofert ,  oraz osoby starsze ,  które straciły pracę i  trudno im znaleźć nową z  uwagi na ich wiek .
Tokens: 1__________ 2_______ 3_ 4__ 5____ 6____ 7 8________ 9_ 10___ 11___ 12 13_ 14_____ 15_ 16 17___ 18 19__ 20___ 21_____ 22 23___ 24______ 25___ 26 27____ 28 29_____ 30__ 31 32___ 33 34_ 35__ 36

Chunks:

(ChunkerEvaluator) Sentence #694 from articles/00107391 from sent22

Text  : Czy do klubu przychodzą tylko te osoby , które korzystają z  pomocy społecznej ?
Tokens: 1__ 2_ 3____ 4_________ 5____ 6_ 7____ 8 9____ 10________ 11 12____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #695 from articles/00107391 from sent23

Text  : - Raczej tak , chociaż może przyjść do nas każdy .
Tokens: 1 2_____ 3__ 4 5______ 6___ 7______ 8_ 9__ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #696 from articles/00107391 from sent24

Text  : Z uwagi na lokalizację w 90 proc . są to osoby z  Pragi -  Południe ,  z  czego prawie wszyscy są skierowani tutaj przez pracownika socjalnego z  ośrodka .
Tokens: 1 2____ 3_ 4__________ 5 6_ 7___ 8 9_ 10 11___ 12 13___ 14 15______ 16 17 18___ 19____ 20_____ 21 22________ 23___ 24___ 25________ 26________ 27 28_____ 29

Chunks:
  TruePositive nam [13,15] = Pragi - Południe

(ChunkerEvaluator) Sentence #697 from articles/00107391 from sent25

Text  : Jest to warunek przyjmowania pomocy społecznej .
Tokens: 1___ 2_ 3______ 4___________ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #698 from articles/00107391 from sent26

Text  : Jeżeli osoba jest zdolna do pracy , to musi zgłosić się do naszego zespołu przeciwdziałania bezrobociu .
Tokens: 1_____ 2____ 3___ 4_____ 5_ 6____ 7 8_ 9___ 10_____ 11_ 12 13_____ 14_____ 15______________ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #699 from articles/00107391 from sent27

Text  : Mówię zespołu , bo pracują tutaj trzy osoby .
Tokens: 1____ 2______ 3 4_ 5______ 6____ 7___ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #700 from articles/00107391 from sent28

Text  : Ilu osobom udaje się znaleźć pracę ?
Tokens: 1__ 2_____ 3____ 4__ 5______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #701 from articles/00107391 from sent29

Text  : - Trudno powiedzieć , bo ludzie nagle znikają i nie pojawiają się tutaj więcej ,  przestają również pobierać pomoc ,  więc podejrzewamy ,  że im się udało .
Tokens: 1 2_____ 3_________ 4 5_ 6_____ 7____ 8______ 9 10_ 11_______ 12_ 13___ 14____ 15 16_______ 17_____ 18______ 19___ 20 21__ 22__________ 23 24 25 26_ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #702 from articles/00107391 from sent30

Text  : Prawie wszyscy , którzy się do nas zgłaszają , rzeczywiście szukają jakiejkolwiek pracy i  nie mają specjalnych wymagań .
Tokens: 1_____ 2______ 3 4_____ 5__ 6_ 7__ 8________ 9 10__________ 11_____ 12___________ 13___ 14 15_ 16__ 17_________ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #703 from articles/00107391 from sent31

Text  : Są też ludzie , którzy szukają pracy w szarej strefie ,  ale ci najczęściej po prostu do nas nie przychodzą .
Tokens: 1_ 2__ 3_____ 4 5_____ 6______ 7____ 8 9_____ 10_____ 11 12_ 13 14_________ 15 16____ 17 18_ 19_ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #704 from articles/00107391 from sent32

Text  : Jak wygląda w praktyce wasza pomoc w szukaniu pracy ?
Tokens: 1__ 2______ 3 4_______ 5____ 6____ 7 8_______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #705 from articles/00107391 from sent33

Text  : - Najpierw pracownik przeprowadza rozmowę z bezrobotnym , żeby dowiedzieć się ,  jakie dana osoba ma kwalifikacje i  czy potrzebne są szkolenia .
Tokens: 1 2_______ 3________ 4___________ 5______ 6 7__________ 8 9___ 10________ 11_ 12 13___ 14__ 15___ 16 17__________ 18 19_ 20_______ 21 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #706 from articles/00107391 from sent34

Text  : Obecnie w grę wchodzą wyłącznie szkolenia organizowane przez urząd pracy ,  bo ośrodek nie ma środków na samodzielne wysyłanie ludzi na kursy .
Tokens: 1______ 2 3__ 4______ 5________ 6________ 7___________ 8____ 9____ 10___ 11 12 13_____ 14_ 15 16_____ 17 18_________ 19_______ 20___ 21 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #707 from articles/00107391 from sent35

Text  : Czyli jeżeli chodzi o szkolenia , to współpraca z urzędem pracy jest ?
Tokens: 1____ 2_____ 3_____ 4 5________ 6 7_ 8_________ 9 10_____ 11___ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #708 from articles/00107391 from sent36

Text  : - W tym zakresie również współpracy brak .
Tokens: 1 2 3__ 4_______ 5______ 6_________ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #709 from articles/00107391 from sent37

Text  : Ale informujemy ludzi , którzy się do nas zgłaszają ,  że takie szkolenia są dostępne w  urzędzie .
Tokens: 1__ 2__________ 3____ 4 5_____ 6__ 7_ 8__ 9________ 10 11 12___ 13_______ 14 15______ 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #710 from articles/00107391 from sent38

Text  : Jako instytucja , która urzędowi pracy nie podlega , nie możemy nikogo zgłosić do udziału w  nich .
Tokens: 1___ 2_________ 3 4____ 5_______ 6____ 7__ 8______ 9 10_ 11____ 12____ 13_____ 14 15_____ 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #711 from articles/00107391 from sent39

Text  : Pomagamy wypełniać druki zgłoszeniowe , zachęcamy do zgłoszenia się do urzędu pracy ,  ale nie mamy wpływu na to ,  czy pracownik urzędu przyjmie daną osobę na szkolenie .
Tokens: 1_______ 2________ 3____ 4___________ 5 6________ 7_ 8_________ 9__ 10 11____ 12___ 13 14_ 15_ 16__ 17____ 18 19 20 21_ 22_______ 23____ 24______ 25__ 26___ 27 28_______ 29

Chunks:

(ChunkerEvaluator) Sentence #712 from articles/00107391 from sent40

Text  : Najczęściej urząd nie chce , bo nie przyjmuje osób z  wykształceniem podstawowym .
Tokens: 1__________ 2____ 3__ 4___ 5 6_ 7__ 8________ 9___ 10 11____________ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #713 from articles/00107391 from sent41

Text  : Chyba łatwiej było by , gdyby pomoc ludziom bezrobotnym była realizowana w  formie spójnego systemu ?
Tokens: 1____ 2______ 3___ 4_ 5 6____ 7____ 8______ 9__________ 10__ 11_________ 12 13____ 14______ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #714 from articles/00107391 from sent42

Text  : - To mogło by być trudne , ponieważ urząd pracy ma mało miejsc na takie szkolenia .
Tokens: 1 2_ 3____ 4_ 5__ 6_____ 7 8_______ 9____ 10___ 11 12__ 13____ 14 15___ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #715 from articles/00107391 from sent43

Text  : To mogło by zmniejszyć przepustowość .
Tokens: 1_ 2____ 3_ 4_________ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #716 from articles/00107391 from sent44

Text  : Ponadto potrzebne były by odgórne ustalenia o takiej współpracy ,  a  takich obecnie nie ma .
Tokens: 1______ 2________ 3___ 4_ 5______ 6________ 7 8_____ 9_________ 10 11 12____ 13_____ 14_ 15 16

Chunks:

(ChunkerEvaluator) Sentence #717 from articles/00107391 from sent45

Text  : W tym przypadku bezrobotni mogą liczyć tylko na zasiłki celowe od ośrodka na szkolenia .
Tokens: 1 2__ 3________ 4_________ 5___ 6_____ 7____ 8_ 9______ 10____ 11 12_____ 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #718 from articles/00107391 from sent46

Text  : Ale to tylko teoretyczne rozwiązanie , bo w praktyce środków na szkolenia nie ma .
Tokens: 1__ 2_ 3____ 4__________ 5__________ 6 7_ 8 9_______ 10_____ 11 12_______ 13_ 14 15

Chunks:

(ChunkerEvaluator) Sentence #719 from articles/00107391 from sent47

Text  : Jak można ulepszyć system pomocy społecznej ?
Tokens: 1__ 2____ 3_______ 4_____ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #720 from articles/00107391 from sent48

Text  : Co należało by zmienić , żeby waszej placówce łatwiej było funkcjonować ?
Tokens: 1_ 2_______ 3_ 4______ 5 6___ 7_____ 8_______ 9______ 10__ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #721 from articles/00107391 from sent49

Text  : - Najważniejszy postulat to zwiększenie środków na naszą działalność .
Tokens: 1 2____________ 3_______ 4_ 5__________ 6______ 7_ 8____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #722 from articles/00107391 from sent50

Text  : Nie mamy pieniędzy na pokrycie kosztów szkoleń dla bezrobotnych ,  które pomogły by im odnaleźć się na rynku pracy .
Tokens: 1__ 2___ 3________ 4_ 5_______ 6______ 7______ 8__ 9___________ 10 11___ 12_____ 13 14 15______ 16_ 17 18___ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #723 from articles/00107391 from sent51

Text  : Z drugiej strony urząd pracy nie chce brać na szkolenia ludzi z  wykształceniem podstawowym ,  czyli takich ,  którzy są naszymi klientami .
Tokens: 1 2______ 3_____ 4____ 5____ 6__ 7___ 8___ 9_ 10_______ 11___ 12 13____________ 14_________ 15 16___ 17____ 18 19____ 20 21_____ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #724 from articles/00107391 from sent52

Text  : Dla nas nie jest ważne to , jakie wykształcenie ma dana osoba ,  tylko to ,  czy dobrze rokuje .
Tokens: 1__ 2__ 3__ 4___ 5____ 6_ 7 8____ 9____________ 10 11__ 12___ 13 14___ 15 16 17_ 18____ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #725 from articles/00107391 from sent53

Text  : Czuję się wtedy bezradny , bo widzę osobę , której naprawdę zależy ,  ale ma wykształcenie podstawowe ,  więc urząd jej nie pomoże ,  a  ośrodek nie ma pieniędzy .
Tokens: 1____ 2__ 3____ 4_______ 5 6_ 7____ 8____ 9 10____ 11______ 12____ 13 14_ 15 16___________ 17________ 18 19__ 20___ 21_ 22_ 23____ 24 25 26_____ 27_ 28 29_______ 30

Chunks:

(ChunkerEvaluator) Sentence #726 from articles/00107391 from sent54

Text  : Bezrobotny nie ma oczywiście własnych środków na pokrycie kosztów szkolenia i  koło się zamyka .
Tokens: 1_________ 2__ 3_ 4_________ 5_______ 6______ 7_ 8_______ 9______ 10_______ 11 12__ 13_ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #727 from articles/00107391 from sent55

Text  : Pozostałe zmiany leżą już w gestii urzędu pracy .
Tokens: 1________ 2_____ 3___ 4__ 5 6_____ 7_____ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #728 from articles/00107391 from sent56

Text  : Chodzi o zwiększenie liczby miejsc na szkolenia i przyjmowanie na nie osób z  wykształceniem podstawowym .
Tokens: 1_____ 2 3__________ 4_____ 5_____ 6_ 7________ 8 9___________ 10 11_ 12__ 13 14____________ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #729 from articles/00107391 from sent57

Text  : Jak mieli śmy środki na kierowanie ludzi na kursy zawodowe ,  to te osoby później znajdowały pracę .
Tokens: 1__ 2____ 3__ 4_____ 5_ 6_________ 7____ 8_ 9____ 10______ 11 12 13 14___ 15_____ 16________ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #730 from articles/00107391 from sent58

Text  : Ale to się skończyło .
Tokens: 1__ 2_ 3__ 4________ 5

Chunks:

2016-10-27 14:59:14,733 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 30 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107392.xml
(ChunkerEvaluator) Sentence #731 from articles/00107392 from sent1

Text  : Nie wiem , jak się mierzy rozpacz
Tokens: 1__ 2___ 3 4__ 5__ 6_____ 7______

Chunks:

(ChunkerEvaluator) Sentence #732 from articles/00107392 from sent2

Text  : Nie wiem , jak się mierzy rozpacz .
Tokens: 1__ 2___ 3 4__ 5__ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #733 from articles/00107392 from sent3

Text  : Świat potępił atak 11 września , tak jak każde cywilizowane społeczeństwo potępia akt przemocy .
Tokens: 1____ 2______ 3___ 4_ 5_______ 6 7__ 8__ 9____ 10__________ 11___________ 12_____ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #734 from articles/00107392 from sent4

Text  : Jednak jak długo można współczuć ofierze ?
Tokens: 1_____ 2__ 3____ 4____ 5________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #735 from articles/00107392 from sent5

Text  : Miesiąc , dwa , rok ?
Tokens: 1______ 2 3__ 4 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #736 from articles/00107392 from sent6

Text  : Nowy Jork , zwany królową miast , bywał porównywany do pięknej ,  niedostępnej kobiety -  pożądanej przez wszystkich ,  nadzwyczajnej od święta ,  nie do wytrzymania na co dzień .
Tokens: 1___ 2___ 3 4____ 5______ 6____ 7 8____ 9__________ 10 11_____ 12 13__________ 14_____ 15 16_______ 17___ 18________ 19 20___________ 21 22____ 23 24_ 25 26_________ 27 28 29___ 30

Chunks:
  TruePositive nam [1,2] = Nowy Jork

(ChunkerEvaluator) Sentence #737 from articles/00107392 from sent7

Text  : Nowy Jork po 11 września 2001 r . to trochę tak jak piękna kobieta po zbiorowym gwałcie .
Tokens: 1___ 2___ 3_ 4_ 5_______ 6___ 7 8 9_ 10____ 11_ 12_ 13____ 14_____ 15 16_______ 17_____ 18

Chunks:
  TruePositive nam [1,2] = Nowy Jork

(ChunkerEvaluator) Sentence #738 from articles/00107392 from sent8

Text  : Im piękniejsza , tym bardziej niedostępna .
Tokens: 1_ 2__________ 3 4__ 5_______ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #739 from articles/00107392 from sent9

Text  : Im bardziej niedostępna , tym bardziej pożądana .
Tokens: 1_ 2_______ 3__________ 4 5__ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #740 from articles/00107392 from sent10

Text  : Niedostępność staje się mityczną wartością samą w sobie .
Tokens: 1____________ 2____ 3__ 4_______ 5________ 6___ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #741 from articles/00107392 from sent11

Text  : Kiedy zostaje brutalnie złamana , mit rozsypuje się na kawałki .
Tokens: 1____ 2______ 3________ 4______ 5 6__ 7________ 8__ 9_ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #742 from articles/00107392 from sent12

Text  : Po 11 września mit Nowego Jorku - wyniosłej królowej -  został w  jakimś sensie zbrukany .
Tokens: 1_ 2_ 3_______ 4__ 5_____ 6____ 7 8________ 9_______ 10 11____ 12 13____ 14____ 15______ 16

Chunks:
  TruePositive nam [5,6] = Nowego Jorku

(ChunkerEvaluator) Sentence #743 from articles/00107392 from sent13

Text  : Nowojorskie hotele , w których wcześniej rezerwowano pokoje z rocznym wyprzedzeniem ,  świeciły po ataku pustkami .
Tokens: 1__________ 2_____ 3 4 5______ 6________ 7__________ 8_____ 9 10_____ 11___________ 12 13______ 14 15___ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #744 from articles/00107392 from sent14

Text  : Restauracje , gdzie tylko najważniejsi mogli zarezerwować stolik , organizowały obiady za pół albo i  jedną trzecią ceny -  a  i  tak nie było chętnych .
Tokens: 1__________ 2 3____ 4____ 5___________ 6____ 7___________ 8_____ 9 10__________ 11____ 12 13_ 14__ 15 16___ 17_____ 18__ 19 20 21 22_ 23_ 24__ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #745 from articles/00107392 from sent15

Text  : Sztuki na Broadwayu , na które bilety już dawno wyprzedano ,  teraz były zdejmowane z  afisza .
Tokens: 1_____ 2_ 3________ 4 5_ 6____ 7_____ 8__ 9____ 10________ 11 12___ 13__ 14________ 15 16____ 17

Chunks:
  TruePositive nam [3,3] = Broadwayu

(ChunkerEvaluator) Sentence #746 from articles/00107392 from sent16

Text  : Nowy Jork zaczął kojarzyć się z nieszczęściem , złą karmą ,  stał się miastem zadżumionych .
Tokens: 1___ 2___ 3_____ 4_______ 5__ 6 7____________ 8 9__ 10___ 11 12__ 13_ 14_____ 15__________ 16

Chunks:
  TruePositive nam [1,2] = Nowy Jork

(ChunkerEvaluator) Sentence #747 from articles/00107392 from sent17

Text  : Ofiarą , której - owszem - współczujemy , ale na wszelki wypadek wolimy się trzymać z  daleka .
Tokens: 1_____ 2 3_____ 4 5_____ 6 7___________ 8 9__ 10 11_____ 12_____ 13____ 14_ 15_____ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #748 from articles/00107392 from sent18

Text  : A nuż spotka nas to samo .
Tokens: 1 2__ 3_____ 4__ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #749 from articles/00107392 from sent19

Text  : Może jednak coś w tym jest , że zgwałcono akurat tę ,  a  nie inną -  porządną ?  -  kobietę .
Tokens: 1___ 2_____ 3__ 4 5__ 6___ 7 8_ 9________ 10____ 11 12 13 14_ 15__ 16 17______ 18 19 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #750 from articles/00107392 from sent20

Text  : Po co nosiła krótkie spódnice , po co malowała paznokcie ,  dlaczego nie nosiła biustonosza ?
Tokens: 1_ 2_ 3_____ 4______ 5_______ 6 7_ 8_ 9_______ 10_______ 11 12______ 13_ 14____ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #751 from articles/00107392 from sent21

Text  : Może Nowy Jork - miasto nocnych klubów , barów ,  rozpustnych wystaw i  filmów ,  miasto wolne aż do przesady -  może samo prosiło się o  to nieszczęście ?
Tokens: 1___ 2___ 3___ 4 5_____ 6______ 7_____ 8 9____ 10 11_________ 12____ 13 14____ 15 16____ 17___ 18 19 20______ 21 22__ 23__ 24_____ 25_ 26 27 28__________ 29

Chunks:
  TruePositive nam [2,3] = Nowy Jork

(ChunkerEvaluator) Sentence #752 from articles/00107392 from sent22

Text  : W ustach ben Ladena Nowy Jork to miasto upadku moralnego ,  które należy zniszczyć albo wyleczyć .
Tokens: 1 2_____ 3__ 4_____ 5___ 6___ 7_ 8_____ 9_____ 10_______ 11 12___ 13____ 14_______ 15__ 16______ 17

Chunks:
  FalsePositive nam [4,6] = Ladena Nowy Jork
  FalseNegative nam [3,4] = ben Ladena
  FalseNegative nam [5,6] = Nowy Jork

(ChunkerEvaluator) Sentence #753 from articles/00107392 from sent23

Text  : Wysłannicy ben Ladena , kierując samoloty w wieże World Trade Center ,  wierzyli ,  że wymierzają sprawiedliwość -  walczyli o  lepszy moralnie świat .
Tokens: 1_________ 2__ 3_____ 4 5_______ 6_______ 7 8____ 9____ 10___ 11____ 12 13______ 14 15 16________ 17____________ 18 19______ 20 21____ 22______ 23___ 24

Chunks:
  TruePositive nam [9,11] = World Trade Center
  FalsePositive nam [3,3] = Ladena
  FalseNegative nam [2,3] = ben Ladena

(ChunkerEvaluator) Sentence #754 from articles/00107392 from sent24

Text  : Czekała ich nagroda .
Tokens: 1______ 2__ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #755 from articles/00107392 from sent25

Text  : Wierzyli , że w raju zostaną obdarowani pięknymi dziewicami .
Tokens: 1_______ 2 3_ 4 5___ 6______ 7_________ 8_______ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #756 from articles/00107392 from sent26

Text  : To już nie podwójna , tylko potrójna albo i poczwórna moralność .
Tokens: 1_ 2__ 3__ 4_______ 5 6____ 7_______ 8___ 9 10_______ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #757 from articles/00107392 from sent27

Text  : Patrzę na twarze 16 porywaczy na zdjęciach opublikowanych w środę 19 września 2001 r  .  w  „  New York Timesie ”  (  zdjęcia trzech pozostałych nie były wtedy dostępne )  .
Tokens: 1_____ 2_ 3_____ 4_ 5________ 6_ 7________ 8_____________ 9 10___ 11 12______ 13__ 14 15 16 17 18_ 19__ 20_____ 21 22 23_____ 24____ 25_________ 26_ 27__ 28___ 29______ 30 31

Chunks:
  TruePositive nam [18,20] = New York Timesie

(ChunkerEvaluator) Sentence #758 from articles/00107392 from sent28

Text  : Jak wynikało ze znalezionego później listu Mohammeda Atty , przywódcy spisku ,  porywacze wierzyli ,  że za swój czyn każdy otrzyma w  niebie 72 dziewice .
Tokens: 1__ 2_______ 3_ 4___________ 5______ 6____ 7________ 8___ 9 10_______ 11____ 12 13_______ 14______ 15 16 17 18__ 19__ 20___ 21_____ 22 23____ 24 25______ 26

Chunks:
  TruePositive nam [7,8] = Mohammeda Atty

(ChunkerEvaluator) Sentence #759 from articles/00107392 from sent29

Text  : Gwarantuje to Koran - kto straci życie ku chwale Allaha ,  dostaje w  niebie taką nagrodę .
Tokens: 1_________ 2_ 3____ 4 5__ 6_____ 7____ 8_ 9_____ 10____ 11 12_____ 13 14____ 15__ 16_____ 17

Chunks:
  TruePositive nam [3,3] = Koran
  TruePositive nam [10,10] = Allaha

(ChunkerEvaluator) Sentence #760 from articles/00107392 from sent30

Text  : Ci młodzi mężczyźni z misją walki z rozpustnym światem mieli być nagrodzeni rozpustą pod życzliwym okiem Allaha .
Tokens: 1_ 2_____ 3________ 4 5____ 6____ 7 8_________ 9______ 10___ 11_ 12________ 13______ 14_ 15_______ 16___ 17____ 18

Chunks:
  TruePositive nam [17,17] = Allaha

(ChunkerEvaluator) Sentence #761 from articles/00107392 from sent31

Text  : Bo to On decyduje , co jest grzechem , a  co nim nie jest .
Tokens: 1_ 2_ 3_ 4_______ 5 6_ 7___ 8_______ 9 10 11 12_ 13_ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #762 from articles/00107392 from sent32

Text  : Czy może być lepsza nagroda dla zakompleksionego , religijnego mężczyzny ,  na którego żadna kobieta w  wolnym kraju nie zwróciła by uwagi ?
Tokens: 1__ 2___ 3__ 4_____ 5______ 6__ 7_______________ 8 9__________ 10_______ 11 12 13_____ 14___ 15_____ 16 17____ 18___ 19_ 20______ 21 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #763 from articles/00107392 from sent33

Text  : Mężczyzny , który brzydzi się rozpustą , a zarazem o  niej marzy ?
Tokens: 1________ 2 3____ 4______ 5__ 6_______ 7 8 9______ 10 11__ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #764 from articles/00107392 from sent34

Text  : Pomnożyła m .
Tokens: 1________ 2 3

Chunks:

(ChunkerEvaluator) Sentence #765 from articles/00107392 from sent35

Text  : Ruszając do akcji 11 września , ci bogobojni młodzieńcy jechali na spotkanie ze 1368 dziewicami w  niebie .
Tokens: 1_______ 2_ 3____ 4_ 5_______ 6 7_ 8________ 9_________ 10_____ 11 12_______ 13 14__ 15________ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #766 from articles/00107392 from sent36

Text  : Piękna motywacja , dająca nadludzką siłę , jak z „  Baśni z  tysiąca i  jednej nocy ”  .
Tokens: 1_____ 2________ 3 4_____ 5________ 6___ 7 8__ 9 10 11___ 12 13_____ 14 15____ 16__ 17 18

Chunks:
  FalseNegative nam [11,16] = Baśni z tysiąca i jednej nocy

(ChunkerEvaluator) Sentence #767 from articles/00107392 from sent37

Text  : Współczesna wersja medalu za zasługi ?
Tokens: 1__________ 2_____ 3_____ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #768 from articles/00107392 from sent38

Text  : Ciekawe , kto to wymyślił ?
Tokens: 1______ 2 3__ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #769 from articles/00107392 from sent39

Text  : Jak w XXI wieku można w to wierzyć ?
Tokens: 1__ 2 3__ 4____ 5____ 6 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #770 from articles/00107392 from sent40

Text  : Interesujący przypadek dla psychiatry , socjologa , psychologa , historyka religii .
Tokens: 1___________ 2________ 3__ 4_________ 5 6________ 7 8_________ 9 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #771 from articles/00107392 from sent41

Text  : Poniżej tych zdjęć , na tej samie stronie „ New York Timesa ”  z  19 września ub .  r  .  krótki artykuł o  ojcu Atty ,  65 -  letnim emerytowanym prawniku .
Tokens: 1______ 2___ 3____ 4 5_ 6__ 7____ 8______ 9 10_ 11__ 12____ 13 14 15 16______ 17 18 19 20 21____ 22_____ 23 24__ 25__ 26 27 28 29____ 30__________ 31______ 32

Chunks:
  TruePositive nam [10,12] = New York Timesa
  FalseNegative nam [25,25] = Atty

(ChunkerEvaluator) Sentence #772 from articles/00107392 from sent42

Text  : Ojciec , również Mohammed , nie wierzył , że syn był zamieszany w  akcję terrorystyczną .
Tokens: 1_____ 2 3______ 4_______ 5 6__ 7______ 8 9_ 10_ 11_ 12________ 13 14___ 15____________ 16

Chunks:
  TruePositive nam [4,4] = Mohammed
  FalsePositive nam [1,1] = Ojciec

(ChunkerEvaluator) Sentence #773 from articles/00107392 from sent43

Text  : To przecież najłagodniejszy , najbardziej religijny człowiek na świecie ,  tak skromny ,  że koledzy nawet w  tych rozpustnych Niemczech ,  gdzie studiował ,  wstydzili się w  jego towarzystwie pić alkohol .
Tokens: 1_ 2_______ 3______________ 4 5__________ 6________ 7_______ 8_ 9______ 10 11_ 12_____ 13 14 15_____ 16___ 17 18__ 19_________ 20_______ 21 22___ 23_______ 24 25_______ 26_ 27 28__ 29__________ 30_ 31_____ 32

Chunks:
  TruePositive nam [20,20] = Niemczech

(ChunkerEvaluator) Sentence #774 from articles/00107392 from sent44

Text  : Jego syn nie mógł zorganizować takiego morderstwa , nawet gdyby chciał .
Tokens: 1___ 2__ 3__ 4___ 5___________ 6______ 7_________ 8 9____ 10___ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #775 from articles/00107392 from sent45

Text  : To raczej wywiad izraelski mógł by coś takiego wykonać -  twierdził ojciec .
Tokens: 1_ 2_____ 3_____ 4________ 5___ 6_ 7__ 8______ 9______ 10 11_______ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #776 from articles/00107392 from sent46

Text  : List pisany ręką młodego Atty o 72 dziewicach znaleziono parę dni później .
Tokens: 1___ 2_____ 3___ 4______ 5___ 6 7_ 8_________ 9_________ 10__ 11_ 12_____ 13

Chunks:
  FalseNegative nam [5,5] = Atty

(ChunkerEvaluator) Sentence #777 from articles/00107392 from sent47

Text  : Ciekawe , co powiedział by na to tata prawnik -  na zdjęciu w  ładnej koszuli w  kratę (  pewnie kupiona w  Niemczech )  ,  miła ,  inteligentna twarz ,  gęste siwe włosy .
Tokens: 1______ 2 3_ 4_________ 5_ 6_ 7_ 8___ 9______ 10 11 12_____ 13 14____ 15_____ 16 17___ 18 19____ 20_____ 21 22_______ 23 24 25__ 26 27__________ 28___ 29 30___ 31__ 32___ 33

Chunks:
  TruePositive nam [22,22] = Niemczech

(ChunkerEvaluator) Sentence #778 from articles/00107392 from sent48

Text  : Piszę to na szczycie góry w Kostaryce .
Tokens: 1____ 2_ 3_ 4_______ 5___ 6 7________ 8

Chunks:
  TruePositive nam [7,7] = Kostaryce

(ChunkerEvaluator) Sentence #779 from articles/00107392 from sent49

Text  : Jestem w środku dżungli .
Tokens: 1_____ 2 3_____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #780 from articles/00107392 from sent50

Text  : Patrzę na baśniową przyrodę , małpy zjadają owoce mango z  drzewa ,  które rośnie obok ganku .
Tokens: 1_____ 2_ 3_______ 4_______ 5 6____ 7______ 8____ 9____ 10 11____ 12 13___ 14____ 15__ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #781 from articles/00107392 from sent51

Text  : Do walizki spakowała m folder z wycinkami z „ New York Timesa ”  .
Tokens: 1_ 2______ 3________ 4 5_____ 6 7________ 8 9 10_ 11__ 12____ 13 14

Chunks:
  FalsePositive nam [10,13] = New York Timesa ”
  FalseNegative nam [10,12] = New York Timesa

(ChunkerEvaluator) Sentence #782 from articles/00107392 from sent52

Text  : Folder zatytułowała m „ 11 września ” .
Tokens: 1_____ 2___________ 3 4 5_ 6_______ 7 8

Chunks:
  FalseNegative nam [5,6] = 11 września

(ChunkerEvaluator) Sentence #783 from articles/00107392 from sent53

Text  : Jeszcze raz patrzę na twarze porywaczy .
Tokens: 1______ 2__ 3_____ 4_ 5_____ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #784 from articles/00107392 from sent54

Text  : Młodzi , niektórzy z wyższym wykształceniem , niezbyt urodziwi mężczyźni pozbawieni wyrazu .
Tokens: 1_____ 2 3________ 4 5______ 6_____________ 7 8______ 9_______ 10_______ 11________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #785 from articles/00107392 from sent55

Text  : Nic nie wskazywało , że przejdą do historii .
Tokens: 1__ 2__ 3_________ 4 5_ 6______ 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #786 from articles/00107392 from sent56

Text  : Kiedy dwa tygodnie po ataku felietonista „ NYT ” porównał ich czyn do zabójstwa księcia Ferdynanda w  Sarajewie ,  miała m  nadzieję ,  że się pomylił .
Tokens: 1____ 2__ 3_______ 4_ 5____ 6___________ 7 8__ 9 10______ 11_ 12__ 13 14_______ 15_____ 16________ 17 18_______ 19 20___ 21 22______ 23 24 25_ 26_____ 27

Chunks:
  TruePositive nam [8,8] = NYT
  TruePositive nam [16,16] = Ferdynanda
  TruePositive nam [18,18] = Sarajewie

(ChunkerEvaluator) Sentence #787 from articles/00107392 from sent57

Text  : Rok później boję się , że miał rację .
Tokens: 1__ 2______ 3___ 4__ 5 6_ 7___ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #788 from articles/00107392 from sent58

Text  : Ich atak zmienia bieg historii .
Tokens: 1__ 2___ 3______ 4___ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #789 from articles/00107392 from sent59

Text  : Ci mężczyźni w poszukiwaniu szczęścia absolutnego - wierząc , że walczą o  wyższą sprawiedliwość -  unieszczęśliwili tysiące innych .
Tokens: 1_ 2________ 3 4___________ 5________ 6__________ 7 8______ 9 10 11____ 12 13____ 14____________ 15 16______________ 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #790 from articles/00107392 from sent60

Text  : Jak istotnym elementem ich motywacji było marzenie o 72 dziewicach ?
Tokens: 1__ 2_______ 3________ 4__ 5________ 6___ 7_______ 8 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #791 from articles/00107392 from sent61

Text  : Czy w ich mniemaniu miały by one czuć się wybrankami ,  uszczęśliwionymi przez nich ,  bohaterów ,  czy miały być ofiarami ?
Tokens: 1__ 2 3__ 4________ 5____ 6_ 7__ 8___ 9__ 10________ 11 12______________ 13___ 14__ 15 16_______ 17 18_ 19___ 20_ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #792 from articles/00107392 from sent62

Text  : A może w ogóle takie myśli nie przychodziły im do głowy .
Tokens: 1 2___ 3 4____ 5____ 6____ 7__ 8___________ 9_ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #793 from articles/00107392 from sent63

Text  : Kobiety przecież nie mają znaczenia .
Tokens: 1______ 2_______ 3__ 4___ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #794 from articles/00107392 from sent64

Text  : Nie mają głosu , muszą przemilczeć wszystkie braki bohaterów z  nożykami w  rękawie .
Tokens: 1__ 2___ 3____ 4 5____ 6__________ 7________ 8____ 9________ 10 11______ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #795 from articles/00107392 from sent65

Text  : Świat potępił atak 11 września , tak jak każde cywilizowane społeczeństwo potępia akt przemocy .
Tokens: 1____ 2______ 3___ 4_ 5_______ 6 7__ 8__ 9____ 10__________ 11___________ 12_____ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #796 from articles/00107392 from sent66

Text  : Jednak jak długo można współczuć ofierze ?
Tokens: 1_____ 2__ 3____ 4____ 5________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #797 from articles/00107392 from sent67

Text  : Miesiąc , dwa , rok ?
Tokens: 1______ 2 3__ 4 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #798 from articles/00107392 from sent68

Text  : Jeżeli ofiara będzie cały czas rozdrapywać ranę , jeśli będzie obsesyjnie mówić o  swojej krzywdzie ,  jeżeli nie weźmie się w  garść -  cierpienie i  mówienie o  niej tracą na sile .
Tokens: 1_____ 2_____ 3_____ 4___ 5___ 6__________ 7___ 8 9____ 10____ 11________ 12___ 13 14____ 15_______ 16 17____ 18_ 19____ 20_ 21 22___ 23 24________ 25 26______ 27 28__ 29___ 30 31__ 32

Chunks:

(ChunkerEvaluator) Sentence #799 from articles/00107392 from sent69

Text  : Od sześciu lat zaczynam dzień od „ New York Timesa ”  .
Tokens: 1_ 2______ 3__ 4_______ 5____ 6_ 7 8__ 9___ 10____ 11 12

Chunks:
  FalsePositive nam [8,11] = New York Timesa ”
  FalseNegative nam [8,10] = New York Timesa

(ChunkerEvaluator) Sentence #800 from articles/00107392 from sent70

Text  : Gdy nie mam czasu , patrzę tylko na pierwszą stronę ,  resztę odkładam ,  okłamując się ,  że przeczytam później .
Tokens: 1__ 2__ 3__ 4____ 5 6_____ 7____ 8_ 9_______ 10____ 11 12____ 13______ 14 15_______ 16_ 17 18 19________ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #801 from articles/00107392 from sent71

Text  : Od 11 września codziennie czytała m wszystko , nawet dział sportowy .
Tokens: 1_ 2_ 3_______ 4_________ 5______ 6 7_______ 8 9____ 10___ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #802 from articles/00107392 from sent72

Text  : Co powiedział Bush , co powiedział Ashcroft [ prokurator generalny ]  ,  co na to Giuliani [  były burmistrz Nowego Jorku ]  ,  co to wąglik ,  jak z  tym walczyć .
Tokens: 1_ 2_________ 3___ 4 5_ 6_________ 7_______ 8 9_________ 10_______ 11 12 13 14 15 16______ 17 18__ 19_______ 20____ 21___ 22 23 24 25 26____ 27 28_ 29 30_ 31_____ 32

Chunks:
  TruePositive nam [3,3] = Bush
  TruePositive nam [16,16] = Giuliani
  TruePositive nam [20,21] = Nowego Jorku
  FalseNegative nam [7,7] = Ashcroft

(ChunkerEvaluator) Sentence #803 from articles/00107392 from sent73

Text  : Chciała m wszystko wiedzieć , zrozumieć .
Tokens: 1______ 2 3_______ 4_______ 5 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #804 from articles/00107392 from sent74

Text  : Boję się tego , czego nie rozumiem .
Tokens: 1___ 2__ 3___ 4 5____ 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #805 from articles/00107392 from sent75

Text  : Chyba 30 października - po wielkim nagłówku na pierwszej stronie :  „  Ashcroft ostrzega ,  że nastąpią następne ataki na USA .
Tokens: 1____ 2_ 3___________ 4 5_ 6______ 7_______ 8_ 9________ 10_____ 11 12 13______ 14______ 15 16 17______ 18______ 19___ 20 21_ 22

Chunks:
  TruePositive nam [21,21] = USA
  FalseNegative nam [13,13] = Ashcroft

(ChunkerEvaluator) Sentence #806 from articles/00107392 from sent76

Text  : Przytaczane są groźby niezbyt konkretne , ale z wiarygodnego źródła ”  -  przestała m  czytać gazety .
Tokens: 1__________ 2_ 3_____ 4______ 5________ 6 7__ 8 9___________ 10____ 11 12 13_______ 14 15____ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #807 from articles/00107392 from sent77

Text  : Ostrzeżenia , z którymi nie wiem , co robić ,  zamiast poczucia bezpieczeństwa przynoszą niepokój .
Tokens: 1__________ 2 3 4______ 5__ 6___ 7 8_ 9____ 10 11_____ 12______ 13____________ 14_______ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #808 from articles/00107392 from sent78

Text  : Kupiła m olbrzymią latarkę ( na wypadek wyłączenia elektryczności )  ,  trochę jedzenia w  puszkach ,  dostała m  od przyjaciół z  Polski zapas cipro (  lek na wąglika )  i  wiedziała m  ,  że już nic więcej nie mogę zrobić .
Tokens: 1_____ 2 3________ 4______ 5 6_ 7______ 8_________ 9_____________ 10 11 12____ 13______ 14 15______ 16 17_____ 18 19 20________ 21 22____ 23___ 24___ 25 26_ 27 28_____ 29 30 31_______ 32 33 34 35_ 36_ 37____ 38_ 39__ 40____ 41

Chunks:
  TruePositive nam [22,22] = Polski
  FalseNegative nam [24,24] = cipro

(ChunkerEvaluator) Sentence #809 from articles/00107392 from sent79

Text  : Od października do grudnia 2001 r . gazety nieczytane rzucała m  w  kąt pokoju .
Tokens: 1_ 2___________ 3_ 4______ 5___ 6 7 8_____ 9_________ 10_____ 11 12 13_ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #810 from articles/00107392 from sent80

Text  : Później było ich tyle , że musiała m zrobić selekcję ,  jeszcze później -  następną .
Tokens: 1______ 2___ 3__ 4___ 5 6_ 7______ 8 9_____ 10______ 11 12_____ 13_____ 14 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #811 from articles/00107392 from sent81

Text  : Dopiero po prawie roku zabieram dużą teczkę z wybranymi wycinkami na wakacje ,  gdzie mam czas „  odnaleźć nieprzeczytany czas (  świat )  ”  .
Tokens: 1______ 2_ 3_____ 4___ 5_______ 6___ 7_____ 8 9________ 10_______ 11 12_____ 13 14___ 15_ 16__ 17 18______ 19____________ 20__ 21 22___ 23 24 25

Chunks:

(ChunkerEvaluator) Sentence #812 from articles/00107392 from sent82

Text  : Stare numery „ NYT ” od września 2001 do lipca 2002 r  .
Tokens: 1____ 2_____ 3 4__ 5 6_ 7_______ 8___ 9_ 10___ 11__ 12 13

Chunks:
  TruePositive nam [4,4] = NYT

(ChunkerEvaluator) Sentence #813 from articles/00107392 from sent83

Text  : W każdym jest wzmianka o 11 września - jeśli nie bezpośrednia ,  to pośrednia .
Tokens: 1 2_____ 3___ 4_______ 5 6_ 7_______ 8 9____ 10_ 11__________ 12 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #814 from articles/00107392 from sent84

Text  : Nie wiem , jak się mierzy rozpacz .
Tokens: 1__ 2___ 3 4__ 5__ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #815 from articles/00107392 from sent85

Text  : Liczbą zmarłych , sierot , wdów , wdowców ?
Tokens: 1_____ 2_______ 3 4_____ 5 6___ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #816 from articles/00107392 from sent86

Text  : Łzami matek ?
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #817 from articles/00107392 from sent87

Text  : Nerwicami , depresją ?
Tokens: 1________ 2 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #818 from articles/00107392 from sent88

Text  : W ataku na WTC zginęło prawie trzy tysiące osób .
Tokens: 1 2____ 3_ 4__ 5______ 6_____ 7___ 8______ 9___ 10

Chunks:
  TruePositive nam [4,4] = WTC

(ChunkerEvaluator) Sentence #819 from articles/00107392 from sent89

Text  : Ostatnie zwłoki odnaleziono 7 czerwca 2002 r .
Tokens: 1_______ 2_____ 3__________ 4 5______ 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #820 from articles/00107392 from sent90

Text  : Po tonach żelastwa , gruzów i betonu , które usunięto z  tzw .  Ground Zero -  miejsca ,  gdzie stały wieże -  zostały dwa puste place i  przerażenie .
Tokens: 1_ 2_____ 3_______ 4 5_____ 6 7_____ 8 9____ 10______ 11 12_ 13 14____ 15__ 16 17_____ 18 19___ 20___ 21___ 22 23_____ 24_ 25___ 26___ 27 28_________ 29

Chunks:
  TruePositive nam [14,15] = Ground Zero

(ChunkerEvaluator) Sentence #821 from articles/00107392 from sent91

Text  : Rozpacz po 11 września opisana w numerach „ NYT ”  przerosła moje wyobrażenie .
Tokens: 1______ 2_ 3_ 4_______ 5______ 6 7_______ 8 9__ 10 11_______ 12__ 13_________ 14

Chunks:
  TruePositive nam [9,9] = NYT

(ChunkerEvaluator) Sentence #822 from articles/00107392 from sent92

Text  : Wśród wycinków magazyn „ NYT ” z 8 września 2001 r  .  poświęcony kobietom .
Tokens: 1____ 2_______ 3______ 4 5__ 6 7 8 9_______ 10__ 11 12 13________ 14______ 15

Chunks:
  TruePositive nam [5,5] = NYT

(ChunkerEvaluator) Sentence #823 from articles/00107392 from sent93

Text  : Nie przeczytała m go wtedy .
Tokens: 1__ 2__________ 3 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #824 from articles/00107392 from sent94

Text  : Prawie rok później przeglądam go w Kostaryce .
Tokens: 1_____ 2__ 3______ 4_________ 5_ 6 7________ 8

Chunks:
  TruePositive nam [7,7] = Kostaryce

(ChunkerEvaluator) Sentence #825 from articles/00107392 from sent95

Text  : Na drugiej stronie reklamy Ralpha Laurena - przezroczyste koronkowe sukienki ,  nowy krem Estée Lauder -  „  nowa moc światła ”  ;  Calvin Klein proponuje zieloną pościel i  kilkanaście stron zapowiadających imprezy kulturalne jesieni .
Tokens: 1_ 2______ 3______ 4______ 5_____ 6______ 7 8____________ 9________ 10______ 11 12__ 13__ 14___ 15____ 16 17 18__ 19_ 20_____ 21 22 23____ 24___ 25_______ 26_____ 27_____ 28 29_________ 30___ 31_____________ 32_____ 33________ 34_____ 35

Chunks:
  TruePositive nam [5,6] = Ralpha Laurena
  TruePositive nam [14,15] = Estée Lauder
  TruePositive nam [23,24] = Calvin Klein

(ChunkerEvaluator) Sentence #826 from articles/00107392 from sent96

Text  : Dział kultury w „ NYT ” ma najwięcej reklam ,  Nowy Jork to miasto kin ,  teatrów ,  muzeów ,  galerii .
Tokens: 1____ 2______ 3 4 5__ 6 7_ 8________ 9_____ 10 11__ 12__ 13 14____ 15_ 16 17_____ 18 19____ 20 21_____ 22

Chunks:
  TruePositive nam [5,5] = NYT
  TruePositive nam [11,12] = Nowy Jork

(ChunkerEvaluator) Sentence #827 from articles/00107392 from sent97

Text  : I ta zapowiedź nowego sezonu , o którym nikt nie będzie mówił .
Tokens: 1 2_ 3________ 4_____ 5_____ 6 7 8_____ 9___ 10_ 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #828 from articles/00107392 from sent98

Text  : Nagle znajduję artykuł z lipca 2002 r . relacjonujący pewne zdarzenie w  Pakistanie .
Tokens: 1____ 2_______ 3______ 4 5____ 6___ 7 8 9____________ 10___ 11_______ 12 13________ 14

Chunks:
  TruePositive nam [13,13] = Pakistanie

(ChunkerEvaluator) Sentence #829 from articles/00107392 from sent99

Text  : 22 czerwca 2002 r . w prowincji Pendżab dokonano zbiorowego gwałtu na młodej nauczycielce .
Tokens: 1_ 2______ 3___ 4 5 6 7________ 8______ 9_______ 10________ 11____ 12 13____ 14__________ 15

Chunks:
  FalseNegative nam [8,8] = Pendżab

(ChunkerEvaluator) Sentence #830 from articles/00107392 from sent100

Text  : Podobno w Pendżabie co sześć godzin gwałci się kobietę ,  co cztery dni dochodzi do gwałtu zbiorowego .
Tokens: 1______ 2 3________ 4_ 5____ 6_____ 7_____ 8__ 9______ 10 11 12____ 13_ 14______ 15 16____ 17________ 18

Chunks:
  FalseNegative nam [3,3] = Pendżabie

(ChunkerEvaluator) Sentence #831 from articles/00107392 from sent101

Text  : Ten różnił się od innych - dokonano go z wyroku sądu plemiennego ,  w  imię prawa ,  by ukarać brata tej kobiety ,  bo ośmielił się mieć romans z  kobietą z  plemienia o  lepszej krwi .
Tokens: 1__ 2_____ 3__ 4_ 5_____ 6 7_______ 8_ 9 10____ 11__ 12_________ 13 14 15__ 16___ 17 18 19____ 20___ 21_ 22_____ 23 24 25______ 26_ 27__ 28____ 29 30_____ 31 32_______ 33 34_____ 35__ 36

Chunks:

(ChunkerEvaluator) Sentence #832 from articles/00107392 from sent102

Text  : Wyznaczono czterech mężczyzn , w tym sędziego wydającego wyrok .
Tokens: 1_________ 2_______ 3_______ 4 5 6__ 7_______ 8_________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #833 from articles/00107392 from sent103

Text  : Po gwałcie kobietę zmuszono , by przemaszerowała nago przed 300 mieszkańcami osady .
Tokens: 1_ 2______ 3______ 4_______ 5 6_ 7______________ 8___ 9____ 10_ 11__________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #834 from articles/00107392 from sent104

Text  : Wśród płaczu i próśb dziewczyny , jej ojca i wuja ci czterej „  sprawiedliwi ”  ,  walcząc o  porządek i  moralność ,  zniszczyli i  jedno ,  i  drugie .
Tokens: 1____ 2_____ 3 4____ 5_________ 6 7__ 8___ 9 10__ 11 12_____ 13 14__________ 15 16 17_____ 18 19______ 20 21_______ 22 23________ 24 25___ 26 27 28____ 29

Chunks:

(ChunkerEvaluator) Sentence #835 from articles/00107392 from sent105

Text  : „ Gwałcili mnie godzinę - opowiedziała kobieta .
Tokens: 1 2_______ 3___ 4______ 5 6___________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #836 from articles/00107392 from sent106

Text  : - Potem wuj i ojciec zabrali mnie do domu ”  .
Tokens: 1 2____ 3__ 4 5_____ 6______ 7___ 8_ 9___ 10 11

Chunks:

(ChunkerEvaluator) Sentence #837 from articles/00107392 from sent107

Text  : „ Błagali śmy ich o litość w imię Boga -  powiedział jej ojciec -  ale mieli broń i  celowali w  nas ”  .
Tokens: 1 2______ 3__ 4__ 5 6_____ 7 8___ 9___ 10 11________ 12_ 13____ 14 15_ 16___ 17__ 18 19______ 20 21_ 22 23

Chunks:
  FalsePositive nam [9,9] = Boga

(ChunkerEvaluator) Sentence #838 from articles/00107392 from sent108

Text  : Inna ofiara gwałtu zbiorowego z tej samej prowincji popełniła na początku lipca samobójstwo .
Tokens: 1___ 2_____ 3_____ 4_________ 5 6__ 7____ 8________ 9________ 10 11______ 12___ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #839 from articles/00107392 from sent109

Text  : Nauczycielka ( nazwiska nie podano ) postanowiła walczyć .
Tokens: 1___________ 2 3_______ 4__ 5_____ 6 7__________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #840 from articles/00107392 from sent110

Text  : Udzieliła wywiadu telewizji przykryta czarnym welonem .
Tokens: 1________ 2______ 3________ 4________ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #841 from articles/00107392 from sent111

Text  : Na zdjęciu w „ NYT ” pokazano ją w objęciach Amiyi Inayatullah ,  minister ds .  kobiet .
Tokens: 1_ 2______ 3 4 5__ 6 7_______ 8_ 9 10_______ 11___ 12_________ 13 14______ 15 16 17____ 18

Chunks:
  TruePositive nam [5,5] = NYT
  TruePositive nam [11,12] = Amiyi Inayatullah
  FalsePositive nam [14,17] = minister ds . kobiet

(ChunkerEvaluator) Sentence #842 from articles/00107392 from sent112

Text  : Rząd skazał na śmierć gwałcicieli , którzy uciekli w góry ,  a  ich ofierze podarował czek na 8  ,  2  tys .  dol .
Tokens: 1___ 2_____ 3_ 4_____ 5__________ 6 7_____ 8______ 9 10__ 11 12 13_ 14_____ 15_______ 16__ 17 18 19 20 21_ 22 23_ 24

Chunks:
  FalsePositive nam [23,23] = dol

(ChunkerEvaluator) Sentence #843 from articles/00107392 from sent113

Text  : Dlaczego ten wycinek wsadziła m do teczki zatytułowanej „ 11 września ”  ?
Tokens: 1_______ 2__ 3______ 4_______ 5 6_ 7_____ 8____________ 9 10 11______ 12 13

Chunks:

(ChunkerEvaluator) Sentence #844 from articles/00107392 from sent114

Text  : Myślę o młodej kobiecie gwałconej w imieniu prawa i myślę o  kolegach Mohammeda Atty ,  którzy rok temu w  imieniu prawa przemycili nożyki do samolotów lecących do Los Angeles ,  San Francisco .
Tokens: 1____ 2 3_____ 4_______ 5________ 6 7______ 8____ 9 10___ 11 12______ 13_______ 14__ 15 16____ 17_ 18__ 19 20_____ 21___ 22________ 23____ 24 25_______ 26______ 27 28_ 29_____ 30 31_ 32_______ 33

Chunks:
  TruePositive nam [13,14] = Mohammeda Atty
  TruePositive nam [28,29] = Los Angeles
  TruePositive nam [31,32] = San Francisco

(ChunkerEvaluator) Sentence #845 from articles/00107392 from sent115

Text  : Może podświadomie wiedziała m , że jest coś wspólnego w  tych dwóch historiach .
Tokens: 1___ 2___________ 3________ 4 5 6_ 7___ 8__ 9________ 10 11__ 12___ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #846 from articles/00107392 from sent116

Text  : Siedzę na ganku domu w Kostaryce , na szczycie góry w  środku dżungli ,  na zupełnym odludziu .
Tokens: 1_____ 2_ 3____ 4___ 5 6________ 7 8_ 9_______ 10__ 11 12____ 13_____ 14 15 16______ 17______ 18

Chunks:
  TruePositive nam [6,6] = Kostaryce

(ChunkerEvaluator) Sentence #847 from articles/00107392 from sent117

Text  : Jestem w dżungli po raz pierwszy w życiu .
Tokens: 1_____ 2 3______ 4_ 5__ 6_______ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #848 from articles/00107392 from sent118

Text  : Nie znam nazw drzew , kwiatów , zwierząt .
Tokens: 1__ 2___ 3___ 4____ 5 6______ 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #849 from articles/00107392 from sent119

Text  : Jest tego za dużo .
Tokens: 1___ 2___ 3_ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #850 from articles/00107392 from sent120

Text  : Patrzę na drzewa .
Tokens: 1_____ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #851 from articles/00107392 from sent121

Text  : Na lewo - jakby lipa z kwiatami jak nasze fiołki ,  obok -  kasztan obsypany nasturcjami ,  na wprost -  topola z  kwiatami jak jaśmin .
Tokens: 1_ 2___ 3 4____ 5___ 6 7_______ 8__ 9____ 10____ 11 12__ 13 14_____ 15______ 16_________ 17 18 19____ 20 21____ 22 23______ 24_ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #852 from articles/00107392 from sent122

Text  : Skaczą po niej małpy .
Tokens: 1_____ 2_ 3___ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #853 from articles/00107392 from sent123

Text  : Czarne jak diabły , którymi straszono mnie w dzieciństwie .
Tokens: 1_____ 2__ 3_____ 4 5______ 6________ 7___ 8 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #854 from articles/00107392 from sent124

Text  : Świat , którego nie znam , próbuję zrozumieć , odwołując się do pojęć ,  które sobie przyswoiła m  jako dziecko w  kraju nad Wisłą .
Tokens: 1____ 2 3______ 4__ 5___ 6 7______ 8________ 9 10_______ 11_ 12 13___ 14 15___ 16___ 17________ 18 19__ 20_____ 21 22___ 23_ 24___ 25

Chunks:
  TruePositive nam [24,24] = Wisłą
  FalsePositive nam [1,1] = Świat

(ChunkerEvaluator) Sentence #855 from articles/00107392 from sent125

Text  : Wydarzenia 11 września w Nowym Jorku i 22 czerwca w  Pakistanie nie pasują mi do żadnego zabobonu i  obłędu ,  o  którym słyszała m  w  ojczyźnie .
Tokens: 1_________ 2_ 3_______ 4 5____ 6____ 7 8_ 9______ 10 11________ 12_ 13____ 14 15 16_____ 17______ 18 19____ 20 21 22____ 23______ 24 25 26_______ 27

Chunks:
  TruePositive nam [5,6] = Nowym Jorku
  TruePositive nam [11,11] = Pakistanie

(ChunkerEvaluator) Sentence #856 from articles/00107392 from sent126

Text  : Nawet czarne diabły , których tak się bała m ,  w  porównaniu z  demonami ,  które opanowały tych młodych mężczyzn ,  wydają się miłymi stworzeniami .
Tokens: 1____ 2_____ 3_____ 4 5______ 6__ 7__ 8___ 9 10 11 12________ 13 14______ 15 16___ 17_______ 18__ 19_____ 20______ 21 22____ 23_ 24____ 25__________ 26

Chunks:

(ChunkerEvaluator) Sentence #857 from articles/00107392 from sent127

Text  : Jak te małpki , które skaczą po drzewach - powoli i  ostrożnie -  żeby ich dzieci przyczepione do grzbietu nie ześlizgnęły się .
Tokens: 1__ 2_ 3_____ 4 5____ 6_____ 7_ 8_______ 9 10____ 11 12_______ 13 14__ 15_ 16____ 17__________ 18 19______ 20_ 21_________ 22_ 23

Chunks:

(ChunkerEvaluator) Sentence #858 from articles/00107392 from sent128

Text  : Wszystko , co ma odnośnik do kraju dzieciństwa , mogę zrozumieć .
Tokens: 1_______ 2 3_ 4_ 5_______ 6_ 7____ 8__________ 9 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #859 from articles/00107392 from sent129

Text  : Kiedy nie mogę znaleźć takiego odnośnika , boję się .
Tokens: 1____ 2__ 3___ 4______ 5______ 6________ 7 8___ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #860 from articles/00107392 from sent130

Text  : Patrzę na Pacyfik - jedyny dobrze mi znany element krajobrazu .
Tokens: 1_____ 2_ 3______ 4 5_____ 6_____ 7_ 8____ 9______ 10________ 11

Chunks:
  TruePositive nam [3,3] = Pacyfik

(ChunkerEvaluator) Sentence #861 from articles/00107392 from sent131

Text  : Po powrocie do Nowego Jorku znalazła m pod drzwiami 14 zostawionych dla mnie gazet .
Tokens: 1_ 2_______ 3_ 4_____ 5____ 6_______ 7 8__ 9_______ 10 11__________ 12_ 13__ 14___ 15

Chunks:
  TruePositive nam [4,5] = Nowego Jorku

(ChunkerEvaluator) Sentence #862 from articles/00107392 from sent132

Text  : Przerzucam je pospiesznie .
Tokens: 1_________ 2_ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #863 from articles/00107392 from sent133

Text  : O zagrożeniu nowymi atakami terrorystycznymi , o nerwicach po wrześniowym ataku ,  następne korporacje pękają jak bańki mydlane ,  oszustwa ,  giełda idzie w  dół Wzrok pada na reportaż o  palestyńskich mordercach -  samobójcach .
Tokens: 1 2_________ 3_____ 4______ 5_______________ 6 7 8________ 9_ 10_________ 11___ 12 13______ 14________ 15____ 16_ 17___ 18_____ 19 20______ 21 22____ 23___ 24 25_ 26___ 27__ 28 29______ 30 31___________ 32________ 33 34_________ 35

Chunks:
  FalsePositive nam [26,26] = Wzrok

(ChunkerEvaluator) Sentence #864 from articles/00107392 from sent134

Text  : Patrzę na zdjęcie rodziców Ismaila al Masawahi .
Tokens: 1_____ 2_ 3______ 4_______ 5______ 6_ 7_______ 8

Chunks:
  FalseNegative nam [5,7] = Ismaila al Masawahi

(ChunkerEvaluator) Sentence #865 from articles/00107392 from sent135

Text  : Ich syn zginął śmiercią bohatera - zabił siebie , zabijając innych .
Tokens: 1__ 2__ 3_____ 4_______ 5_______ 6 7____ 8_____ 9 10_______ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #866 from articles/00107392 from sent136

Text  : Są dumni i szczęśliwi .
Tokens: 1_ 2____ 3 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #867 from articles/00107392 from sent137

Text  : Zamiast nekrologu zamieścili w gazecie zawiadomienie o weselu : „  Wesele męczennika Ismaila z  czarnooką dziewicą odbyło się w  Wiecznym Raju ”  .
Tokens: 1______ 2________ 3_________ 4 5______ 6____________ 7 8_____ 9 10 11____ 12________ 13_____ 14 15_______ 16______ 17____ 18_ 19 20______ 21__ 22 23

Chunks:
  FalsePositive nam [20,21] = Wiecznym Raju
  FalseNegative nam [13,13] = Ismaila

(ChunkerEvaluator) Sentence #868 from articles/00107392 from sent138

Text  : Często w ten sposób zawiadamia się w prasie palestyńskiej o  śmierci zamachowca -  samobójcy .
Tokens: 1_____ 2 3__ 4_____ 5_________ 6__ 7 8_____ 9____________ 10 11_____ 12________ 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #869 from articles/00107392 from sent139

Text  : Potem czytam artykuł o nowej interpretacji Koranu .
Tokens: 1____ 2_____ 3______ 4 5____ 6____________ 7_____ 8

Chunks:
  TruePositive nam [7,7] = Koranu

(ChunkerEvaluator) Sentence #870 from articles/00107392 from sent140

Text  : W najstarszych jego wydaniach w urywku o dziewicach używano słowa „  hur ”  .
Tokens: 1 2___________ 3___ 4________ 5 6_____ 7 8_________ 9______ 10___ 11 12_ 13 14

Chunks:

(ChunkerEvaluator) Sentence #871 from articles/00107392 from sent141

Text  : W późniejszych wydaniach dodano dwie litery i powstało „ houri ”  .
Tokens: 1 2___________ 3________ 4_____ 5___ 6_____ 7 8_______ 9 10___ 11 12

Chunks:

(ChunkerEvaluator) Sentence #872 from articles/00107392 from sent142

Text  : „ Hur ” oznacza „ białe rodzynki ” ; „  houri ”  -  dziewice .
Tokens: 1 2__ 3 4______ 5 6____ 7_______ 8 9 10 11___ 12 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #873 from articles/00107392 from sent143

Text  : Autor nowej pracy naukowej Christopher Luxemburg , powołując się na starożytne słowniki aramejskie i  arabskie ,  twierdzi ,  że naprawdę chodziło właśnie o  „  białe rodzynki ”  -  symbol wiedzy tajemnej i  przysmak w  czasach ,  gdy powstawał Koran .
Tokens: 1____ 2____ 3____ 4_______ 5__________ 6________ 7 8________ 9__ 10 11________ 12______ 13________ 14 15______ 16 17______ 18 19 20______ 21______ 22_____ 23 24 25___ 26______ 27 28 29____ 30____ 31______ 32 33______ 34 35_____ 36 37_ 38_______ 39___ 40

Chunks:
  TruePositive nam [5,6] = Christopher Luxemburg
  TruePositive nam [39,39] = Koran

(ChunkerEvaluator) Sentence #874 from articles/00107392 from sent144

Text  : Coraz więcej naukowców zgadza się z nim .
Tokens: 1____ 2_____ 3________ 4_____ 5__ 6 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #875 from articles/00107392 from sent145

Text  : Naprawdę na każdego wojownika , który odda życie za Allaha ,  czekać więc miały nie 72 dziewice ,  tylko 72 białe rodzynki .
Tokens: 1_______ 2_ 3______ 4________ 5 6____ 7___ 8____ 9_ 10____ 11 12____ 13__ 14___ 15_ 16 17______ 18 19___ 20 21___ 22______ 23

Chunks:
  TruePositive nam [10,10] = Allaha

(ChunkerEvaluator) Sentence #876 from articles/00107392 from sent146

Text  : Ciekawe , czy błąd w zrozumieniu jednego słowa mógł by zmienić historię świata ?
Tokens: 1______ 2 3__ 4___ 5 6__________ 7______ 8____ 9___ 10 11_____ 12______ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #877 from articles/00107392 from sent147

Text  : Lipiec 2002 , Kostaryka
Tokens: 1_____ 2___ 3 4________

Chunks:
  TruePositive nam [4,4] = Kostaryka

2016-10-27 14:59:15,417 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 31 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107393.xml
(ChunkerEvaluator) Sentence #878 from articles/00107393 from sent1

Text  : W Intercity też tłumy na korytarzu .
Tokens: 1 2________ 3__ 4____ 5_ 6________ 7

Chunks:
  TruePositive nam [2,2] = Intercity

(ChunkerEvaluator) Sentence #879 from articles/00107393 from sent2

Text  : Nie weszli do TLK
Tokens: 1__ 2_____ 3_ 4__

Chunks:
  TruePositive nam [4,4] = TLK

(ChunkerEvaluator) Sentence #880 from articles/00107393 from sent3

Text  : Tłumy ludzi nie zmieściły się do pociągu TLK .
Tokens: 1____ 2____ 3__ 4________ 5__ 6_ 7______ 8__ 9

Chunks:
  TruePositive nam [8,8] = TLK

(ChunkerEvaluator) Sentence #881 from articles/00107393 from sent4

Text  : Stały więc na korytarzu Intercity - informowała z podróży pasażerka pociągu .
Tokens: 1____ 2___ 3_ 4________ 5________ 6 7__________ 8 9______ 10_______ 11_____ 12

Chunks:
  TruePositive nam [5,5] = Intercity

(ChunkerEvaluator) Sentence #882 from articles/00107393 from sent5

Text  : W Intercity z Warszawy do Krakowa o godz . 12 .  09 podróżowała masa ludzi ,  którzy 20 minut wcześniej nie zmieścili się do pociągu TLK .
Tokens: 1 2________ 3 4_______ 5_ 6______ 7 8___ 9 10 11 12 13_________ 14__ 15___ 16 17____ 18 19___ 20_______ 21_ 22_______ 23_ 24 25_____ 26_ 27

Chunks:
  TruePositive nam [2,2] = Intercity
  TruePositive nam [4,4] = Warszawy
  TruePositive nam [6,6] = Krakowa
  TruePositive nam [26,26] = TLK

(ChunkerEvaluator) Sentence #883 from articles/00107393 from sent6

Text  : Korytarze były więc totalnie zatłoczone .
Tokens: 1________ 2___ 3___ 4_______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #884 from articles/00107393 from sent7

Text  : Najpierw pan z obsługi przedzierając się przeszedł po przedziałach z  anonsem ,  że poczęstunek jest odwołany ,  co w  sumie nikogo nie zdziwiło bo wózkiem po korytarzu nie da się przejechać .
Tokens: 1_______ 2__ 3 4______ 5____________ 6__ 7________ 8_ 9___________ 10 11_____ 12 13 14_________ 15__ 16______ 17 18 19 20___ 21____ 22_ 23______ 24 25_____ 26 27_______ 28_ 29 30_ 31________ 32

Chunks:

(ChunkerEvaluator) Sentence #885 from articles/00107393 from sent8

Text  : Jakiś kwadrans potem pan pojawił się znowu .
Tokens: 1____ 2_______ 3____ 4__ 5______ 6__ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #886 from articles/00107393 from sent9

Text  : Miał karton na plecach i zaczął jednak rozdawać soczki .
Tokens: 1___ 2_____ 3_ 4______ 5 6_____ 7_____ 8_______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #887 from articles/00107393 from sent10

Text  : Przedzierały śmy się za nim i jego kolegą , żeby dotrzeć do toalety .
Tokens: 1___________ 2__ 3__ 4_ 5__ 6 7___ 8_____ 9 10__ 11_____ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #888 from articles/00107393 from sent11

Text  : Pot im spływał z twarzy , uprawiali przełaje skrzyżowane z  akrobatyką ,  ale brnęli .
Tokens: 1__ 2_ 3______ 4 5_____ 6 7________ 8_______ 9__________ 10 11________ 12 13_ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #889 from articles/00107393 from sent12

Text  : Pół godziny potem powtórzyli wyczyn rozdając ciasteczka .
Tokens: 1__ 2______ 3____ 4_________ 5_____ 6_______ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #890 from articles/00107393 from sent13

Text  : Naprawdę poświęcili się dla dobrego imienia spółki Intercity !
Tokens: 1_______ 2_________ 3__ 4__ 5______ 6______ 7_____ 8________ 9

Chunks:
  FalsePositive nam [8,9] = Intercity !
  FalseNegative nam [8,8] = Intercity

2016-10-27 14:59:15,464 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 32 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107394.xml
(ChunkerEvaluator) Sentence #891 from articles/00107394 from sent1

Text  : Wybory 2011 .
Tokens: 1_____ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #892 from articles/00107394 from sent2

Text  : Kolejni znani politycy lewicy przechodzą do Platformy
Tokens: 1______ 2____ 3_______ 4_____ 5_________ 6_ 7________

Chunks:
  TruePositive nam [7,7] = Platformy

(ChunkerEvaluator) Sentence #893 from articles/00107394 from sent3

Text  : Dariusz Rosati , Witold Gintowt - Dziewałtowski , Józef Pinior -  nowymi twarzami Platformy Obywatelskiej .
Tokens: 1______ 2_____ 3 4_____ 5______ 6 7____________ 8 9____ 10____ 11 12____ 13______ 14_______ 15___________ 16

Chunks:
  TruePositive nam [1,2] = Dariusz Rosati
  TruePositive nam [4,7] = Witold Gintowt - Dziewałtowski
  TruePositive nam [9,10] = Józef Pinior
  TruePositive nam [14,15] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #894 from articles/00107394 from sent4

Text  : Na godzinę przed konwencją SLD znani lewicowi politycy poparli partię Donalda Tuska .
Tokens: 1_ 2______ 3____ 4________ 5__ 6____ 7_______ 8_______ 9______ 10____ 11_____ 12___ 13

Chunks:
  TruePositive nam [5,5] = SLD
  TruePositive nam [11,12] = Donalda Tuska

(ChunkerEvaluator) Sentence #895 from articles/00107394 from sent5

Text  : - To jest początek współpracy w kwestiach społecznych - mówiła posłanka PO Małgorzata Kidawa -  Błońska ,  zaznaczając ,  że ostateczne decyzje czy wszyscy wymienieni politycy wystartują z  list Platformy jeszcze nie zapadły .
Tokens: 1 2_ 3___ 4_______ 5_________ 6 7________ 8__________ 9 10____ 11______ 12 13________ 14____ 15 16_____ 17 18_________ 19 20 21________ 22_____ 23_ 24_____ 25________ 26______ 27________ 28 29__ 30_______ 31_____ 32_ 33_____ 34

Chunks:
  TruePositive nam [12,12] = PO
  TruePositive nam [13,16] = Małgorzata Kidawa - Błońska
  TruePositive nam [30,30] = Platformy

(ChunkerEvaluator) Sentence #896 from articles/00107394 from sent6

Text  : Bartosz Arłukowicz przekonywał , że to Platforma a nie SLD przyciąga obecnie ludzi lewicy :  -  Stajemy przed państwem jako ludzie o  wrażliwości lewicowej ,  którzy postanowili realizować swoje umiejętności na wielkim pokładzie Platformy Obywatelskiej .
Tokens: 1______ 2_________ 3__________ 4 5_ 6_ 7________ 8 9__ 10_ 11_______ 12_____ 13___ 14____ 15 16 17_____ 18___ 19______ 20__ 21____ 22 23_________ 24_______ 25 26____ 27_________ 28________ 29___ 30__________ 31 32_____ 33_______ 34_______ 35___________ 36

Chunks:
  TruePositive nam [1,2] = Bartosz Arłukowicz
  TruePositive nam [7,7] = Platforma
  TruePositive nam [10,10] = SLD
  TruePositive nam [34,35] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #897 from articles/00107394 from sent7

Text  : ( . . . ) w jaki sposób można mówić o  wrażliwości społecznej ,  jeśli opuszczają takie środowiska jak Krytyka Polityczna ,  jeśli SLD opuszczają profesor Środa ,  Wanda Nowicka ?
Tokens: 1 2 3 4 5 6 7___ 8_____ 9____ 10___ 11 12_________ 13________ 14 15___ 16________ 17___ 18________ 19_ 20_____ 21________ 22 23___ 24_ 25________ 26______ 27___ 28 29___ 30_____ 31

Chunks:
  TruePositive nam [20,21] = Krytyka Polityczna
  TruePositive nam [24,24] = SLD
  TruePositive nam [27,27] = Środa
  TruePositive nam [29,30] = Wanda Nowicka

(ChunkerEvaluator) Sentence #898 from articles/00107394 from sent8

Text  : W jaki sposób można w sposób poważny mówić o wrażliwości ,  jeśli SLD opuszczają ludzie od zawsze związani z  lewicą jak Robert Biedroń .
Tokens: 1 2___ 3_____ 4____ 5 6_____ 7______ 8____ 9 10_________ 11 12___ 13_ 14________ 15____ 16 17____ 18______ 19 20____ 21_ 22____ 23_____ 24

Chunks:
  TruePositive nam [13,13] = SLD
  TruePositive nam [22,23] = Robert Biedroń

(ChunkerEvaluator) Sentence #899 from articles/00107394 from sent9

Text  : Poseł SLD Witold Gintowt - Dziewałtowski pytany czy , zamierza wstąpić do PO ,  zaprzeczył ,  ale przyznał jednocześnie ,  że „  odda się do dyspozycji "  Sojuszu .
Tokens: 1____ 2__ 3_____ 4______ 5 6____________ 7_____ 8__ 9 10______ 11_____ 12 13 14 15________ 16 17_ 18______ 19__________ 20 21 22 23__ 24_ 25 26________ 27 28_____ 29

Chunks:
  TruePositive nam [2,2] = SLD
  TruePositive nam [3,6] = Witold Gintowt - Dziewałtowski
  TruePositive nam [13,13] = PO
  FalseNegative nam [28,28] = Sojuszu

(ChunkerEvaluator) Sentence #900 from articles/00107394 from sent10

Text  : Posłanka PO Małgorzata Kidawa - Błońska tłumaczyła , że to jest początek współpracy w  kwestiach społecznych z  zaprezentowanymi kandydatami .
Tokens: 1_______ 2_ 3_________ 4_____ 5 6______ 7_________ 8 9_ 10 11__ 12______ 13________ 14 15_______ 16_________ 17 18______________ 19_________ 20

Chunks:
  TruePositive nam [2,2] = PO
  TruePositive nam [3,6] = Małgorzata Kidawa - Błońska

(ChunkerEvaluator) Sentence #901 from articles/00107394 from sent11

Text  : A ostateczne decyzje w sprawie startu na listach wszystkich z  tej grupy ,  jeszcze nie zapadły .
Tokens: 1 2_________ 3______ 4 5______ 6_____ 7_ 8______ 9_________ 10 11_ 12___ 13 14_____ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #902 from articles/00107394 from sent12

Text  : Ci którzy jeszcze nie startują z list PO , muszą przejść akceptację struktur lokalnych .
Tokens: 1_ 2_____ 3______ 4__ 5_______ 6 7___ 8_ 9 10___ 11_____ 12________ 13______ 14_______ 15

Chunks:
  TruePositive nam [8,8] = PO

(ChunkerEvaluator) Sentence #903 from articles/00107394 from sent13

Text  : W rządzeniu nie ma miejsca na improwizację
Tokens: 1 2________ 3__ 4_ 5______ 6_ 7___________

Chunks:

(ChunkerEvaluator) Sentence #904 from articles/00107394 from sent14

Text  : - W Sojuszu skończył się popyt na fachowców .
Tokens: 1 2 3______ 4_______ 5__ 6____ 7_ 8________ 9

Chunks:
  TruePositive nam [3,3] = Sojuszu

(ChunkerEvaluator) Sentence #905 from articles/00107394 from sent15

Text  : Nie musimy zmieniać naszych poglądów i idei , wprost przeciwnie ,  wydaje się ,  że nasze pomysły na lepszą i  sprawiedliwszą Polskę ,  na budowanie społeczeństwa obywatelskiego będzie łatwiej i  skuteczniej realizować w  ten sposób -  powiedział poseł Gintowt -  Dziewałtowski .
Tokens: 1__ 2_____ 3_______ 4______ 5_______ 6 7___ 8 9_____ 10________ 11 12____ 13_ 14 15 16___ 17_____ 18 19____ 20 21____________ 22____ 23 24 25_______ 26___________ 27____________ 28____ 29_____ 30 31_________ 32________ 33 34_ 35____ 36 37________ 38___ 39_____ 40 41___________ 42

Chunks:
  TruePositive nam [22,22] = Polskę
  TruePositive nam [39,41] = Gintowt - Dziewałtowski

(ChunkerEvaluator) Sentence #906 from articles/00107394 from sent16

Text  : - Wybierajmy ludzi odpowiedzialnych , kompetentnych i przewidywalnych .
Tokens: 1 2_________ 3____ 4_______________ 5 6____________ 7 8______________ 9

Chunks:

(ChunkerEvaluator) Sentence #907 from articles/00107394 from sent17

Text  : W rządzeniu nie ma miejsca na znachorstwo i improwizację -  mówił Dariusz Rosati .
Tokens: 1 2________ 3__ 4_ 5______ 6_ 7__________ 8 9___________ 10 11___ 12_____ 13____ 14

Chunks:
  TruePositive nam [12,13] = Dariusz Rosati

(ChunkerEvaluator) Sentence #908 from articles/00107394 from sent18

Text  : - Wybór , który mamy teraz w Polsce to wybór między polityką europejską ,  a  lunatyczną .
Tokens: 1 2____ 3 4____ 5___ 6____ 7 8_____ 9_ 10___ 11____ 12______ 13________ 14 15 16________ 17

Chunks:
  TruePositive nam [8,8] = Polsce

(ChunkerEvaluator) Sentence #909 from articles/00107394 from sent19

Text  : Czy za kilka tygodni będzie w Polsce rząd populistyczno -  antyeuropejski ,  czy rząd proeuropejski Platformy z  poparciem ludzi o  wrażliwości lewicowej -  mówi Józef Pionor ,  były europoseł i  działacz opozycyjny .
Tokens: 1__ 2_ 3____ 4______ 5_____ 6 7_____ 8___ 9____________ 10 11____________ 12 13_ 14__ 15___________ 16_______ 17 18_______ 19___ 20 21_________ 22_______ 23 24__ 25___ 26____ 27 28__ 29_______ 30 31______ 32________ 33

Chunks:
  TruePositive nam [7,7] = Polsce
  TruePositive nam [16,16] = Platformy
  TruePositive nam [25,26] = Józef Pionor

(ChunkerEvaluator) Sentence #910 from articles/00107394 from sent20

Text  : „ Platforma jest jedyną alternatywą dla rządów PiS - SLD ”
Tokens: 1 2________ 3___ 4_____ 5__________ 6__ 7_____ 8__ 9 10_ 11

Chunks:
  FalsePositive nam [8,10] = PiS - SLD
  FalseNegative nam [2,2] = Platforma
  FalseNegative nam [8,8] = PiS
  FalseNegative nam [10,10] = SLD

(ChunkerEvaluator) Sentence #911 from articles/00107394 from sent21

Text  : Na konferencji Platformy wystąpiła także Mariola Sokołowska , wiceprezydent Grudziądza i  Grzegorz Pisalski ,  sekretarz generalny Unii Pracy .
Tokens: 1_ 2__________ 3________ 4________ 5____ 6______ 7_________ 8 9____________ 10________ 11 12______ 13______ 14 15_______ 16_______ 17__ 18___ 19

Chunks:
  TruePositive nam [3,3] = Platformy
  TruePositive nam [6,7] = Mariola Sokołowska
  TruePositive nam [10,10] = Grudziądza
  TruePositive nam [12,13] = Grzegorz Pisalski
  TruePositive nam [17,18] = Unii Pracy

(ChunkerEvaluator) Sentence #912 from articles/00107394 from sent22

Text  : - Na listach SLD Grzegorza Napieralskiego nie ma miejsca dla ludzi o  lewicowych poglądach ,  którzy jednocześnie są fachowcami .
Tokens: 1 2_ 3______ 4__ 5________ 6_____________ 7__ 8_ 9______ 10_ 11___ 12 13________ 14_______ 15 16____ 17__________ 18 19________ 20

Chunks:
  TruePositive nam [4,4] = SLD
  TruePositive nam [5,6] = Grzegorza Napieralskiego

(ChunkerEvaluator) Sentence #913 from articles/00107394 from sent23

Text  : Dlatego , że Napieralski kieruje się jedną zasadą : na tych listach mają być osoby ,  które będą mu później posłuszne .
Tokens: 1______ 2 3_ 4__________ 5______ 6__ 7____ 8_____ 9 10 11__ 12_____ 13__ 14_ 15___ 16 17___ 18__ 19 20_____ 21_______ 22

Chunks:
  FalseNegative nam [4,4] = Napieralski

(ChunkerEvaluator) Sentence #914 from articles/00107394 from sent24

Text  : Jest to dla nas dramatyczne , takie tez jest dla wielu Polaków .
Tokens: 1___ 2_ 3__ 4__ 5__________ 6 7____ 8__ 9___ 10_ 11___ 12_____ 13

Chunks:
  TruePositive nam [12,12] = Polaków

(ChunkerEvaluator) Sentence #915 from articles/00107394 from sent25

Text  : Są dowody , że szykuje się nam koalicja SLD -  PiS .
Tokens: 1_ 2_____ 3 4_ 5______ 6__ 7__ 8_______ 9__ 10 11_ 12

Chunks:
  FalsePositive nam [9,11] = SLD - PiS
  FalseNegative nam [9,9] = SLD
  FalseNegative nam [11,11] = PiS

(ChunkerEvaluator) Sentence #916 from articles/00107394 from sent26

Text  : Platforma jest jedyną alternatywą .
Tokens: 1________ 2___ 3_____ 4__________ 5

Chunks:
  FalseNegative nam [1,1] = Platforma

(ChunkerEvaluator) Sentence #917 from articles/00107394 from sent27

Text  : Nikt nie zmienił swoich ideałów przechodząc do Platformy - podkreślał Pisalski .
Tokens: 1___ 2__ 3______ 4_____ 5______ 6__________ 7_ 8________ 9 10________ 11______ 12

Chunks:
  TruePositive nam [8,8] = Platformy
  FalseNegative nam [11,11] = Pisalski

(ChunkerEvaluator) Sentence #918 from articles/00107394 from sent28

Text  : SLD : Żadne zaskoczenie
Tokens: 1__ 2 3____ 4__________

Chunks:
  TruePositive nam [1,1] = SLD

(ChunkerEvaluator) Sentence #919 from articles/00107394 from sent29

Text  : - Dumna jestem z tego , że Platforma postawiła na kobiety ,  połowa „  jedynek ”  na listach w  okręgach to są kobiety .
Tokens: 1 2____ 3_____ 4 5___ 6 7_ 8________ 9________ 10 11_____ 12 13____ 14 15_____ 16 17 18_____ 19 20______ 21 22 23_____ 24

Chunks:
  TruePositive nam [8,8] = Platforma

(ChunkerEvaluator) Sentence #920 from articles/00107394 from sent30

Text  : Życzę im powodzenia - powiedziała Sokołowska , która od 20 lat jest samorządowcem z  ramienia lewicy .
Tokens: 1____ 2_ 3_________ 4 5__________ 6_________ 7 8____ 9_ 10 11_ 12__ 13___________ 14 15______ 16____ 17

Chunks:
  TruePositive nam [6,6] = Sokołowska

(ChunkerEvaluator) Sentence #921 from articles/00107394 from sent31

Text  : Na ripostę SLD do transferów nie trzeba było długo czekać .
Tokens: 1_ 2______ 3__ 4_ 5_________ 6__ 7_____ 8___ 9____ 10____ 11

Chunks:
  TruePositive nam [3,3] = SLD

(ChunkerEvaluator) Sentence #922 from articles/00107394 from sent32

Text  : - Jeżeli tylko to ma do zaproponowania Polakom PO to życzymy powodzenia .
Tokens: 1 2_____ 3____ 4_ 5_ 6_ 7_____________ 8______ 9_ 10 11_____ 12________ 13

Chunks:
  FalsePositive nam [8,9] = Polakom PO
  FalseNegative nam [8,8] = Polakom
  FalseNegative nam [9,9] = PO

(ChunkerEvaluator) Sentence #923 from articles/00107394 from sent33

Text  : Żadne zaskoczenie .
Tokens: 1____ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #924 from articles/00107394 from sent34

Text  : Czekamy na program PO .
Tokens: 1______ 2_ 3______ 4_ 5

Chunks:
  TruePositive nam [4,4] = PO

(ChunkerEvaluator) Sentence #925 from articles/00107394 from sent35

Text  : Nasz za chwile - napisał rzecznik SLD Tomasza Kality na Twitterze .
Tokens: 1___ 2_ 3_____ 4 5______ 6_______ 7__ 8______ 9_____ 10 11_______ 12

Chunks:
  TruePositive nam [7,7] = SLD
  TruePositive nam [8,9] = Tomasza Kality
  FalseNegative nam [11,11] = Twitterze

(ChunkerEvaluator) Sentence #926 from articles/00107394 from sent36

Text  : Po kilku minutach Kalita dopisał : Witold Gintowt - Dziewałtowski nie znalazł się na liście SLD .
Tokens: 1_ 2____ 3_______ 4_____ 5______ 6 7_____ 8______ 9 10___________ 11_ 12_____ 13_ 14 15____ 16_ 17

Chunks:
  TruePositive nam [4,4] = Kalita
  TruePositive nam [7,10] = Witold Gintowt - Dziewałtowski
  TruePositive nam [16,16] = SLD

(ChunkerEvaluator) Sentence #927 from articles/00107394 from sent37

Text  : Stad ta decyzja - czytamy .
Tokens: 1___ 2_ 3______ 4 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #928 from articles/00107394 from sent38

Text  : Rzeczywiście Witold Gintowt - Dziewałtowski , uznawany za jednego z  najbardziej merytorycznych posłów w  Sejmie ,  nie chciał przyjąć zaskakującej propozycji Sojuszu ,  by startować do Senatu ,  a  nie Sejmu .
Tokens: 1___________ 2_____ 3______ 4 5____________ 6 7_______ 8_ 9______ 10 11_________ 12____________ 13____ 14 15____ 16 17_ 18____ 19_____ 20__________ 21________ 22_____ 23 24 25_______ 26 27____ 28 29 30_ 31___ 32

Chunks:
  TruePositive nam [2,5] = Witold Gintowt - Dziewałtowski
  TruePositive nam [15,15] = Sejmie
  TruePositive nam [22,22] = Sojuszu
  TruePositive nam [27,27] = Senatu
  TruePositive nam [31,31] = Sejmu

(ChunkerEvaluator) Sentence #929 from articles/00107394 from sent39

Text  : Z lewicy przechodzą do PO
Tokens: 1 2_____ 3_________ 4_ 5_

Chunks:
  TruePositive nam [5,5] = PO

(ChunkerEvaluator) Sentence #930 from articles/00107394 from sent40

Text  : Wybory 2011 .
Tokens: 1_____ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #931 from articles/00107394 from sent41

Text  : Kolejni znani politycy lewicy przechodzą do Platformy
Tokens: 1______ 2____ 3_______ 4_____ 5_________ 6_ 7________

Chunks:
  TruePositive nam [7,7] = Platformy

(ChunkerEvaluator) Sentence #932 from articles/00107394 from sent42

Text  : Dariusz Rosati , Witold Gintowt - Dziewałtowski , Józef Pinior -  nowymi twarzami PO .
Tokens: 1______ 2_____ 3 4_____ 5______ 6 7____________ 8 9____ 10____ 11 12____ 13______ 14 15

Chunks:
  TruePositive nam [1,2] = Dariusz Rosati
  TruePositive nam [4,7] = Witold Gintowt - Dziewałtowski
  TruePositive nam [9,10] = Józef Pinior
  TruePositive nam [14,14] = PO

(ChunkerEvaluator) Sentence #933 from articles/00107394 from sent43

Text  : Na godzinę przed konwencją SLD lewicowi politycy wystąpili na konferencji PO
Tokens: 1_ 2______ 3____ 4________ 5__ 6_______ 7_______ 8________ 9_ 10_________ 11

Chunks:
  TruePositive nam [5,5] = SLD
  TruePositive nam [11,11] = PO

(ChunkerEvaluator) Sentence #934 from articles/00107394 from sent44

Text  : Dariusz Rosati , Witold Gintowt - Dziewałtowski , Józef Pinior -  nowymi twarzami Platformy Obywatelskiej .
Tokens: 1______ 2_____ 3 4_____ 5______ 6 7____________ 8 9____ 10____ 11 12____ 13______ 14_______ 15___________ 16

Chunks:
  TruePositive nam [1,2] = Dariusz Rosati
  TruePositive nam [9,10] = Józef Pinior
  TruePositive nam [14,15] = Platformy Obywatelskiej
  FalsePositive nam [4,7] = Witold Gintowt - Dziewałtowski
  FalseNegative nam [5,7] = Gintowt - Dziewałtowski

(ChunkerEvaluator) Sentence #935 from articles/00107394 from sent45

Text  : Na godzinę przed konwencją SLD znani lewicowi politycy wystąpili na konferencji Platformy .
Tokens: 1_ 2______ 3____ 4________ 5__ 6____ 7_______ 8_______ 9________ 10 11_________ 12_______ 13

Chunks:
  TruePositive nam [5,5] = SLD
  TruePositive nam [12,12] = Platformy

(ChunkerEvaluator) Sentence #936 from articles/00107394 from sent46

Text  : Bartosz Arłukowicz przekonywał , że to Platforma , a nie SLD ,  przyciąga obecnie ludzi lewicy .
Tokens: 1______ 2_________ 3__________ 4 5_ 6_ 7________ 8 9 10_ 11_ 12 13_______ 14_____ 15___ 16____ 17

Chunks:
  TruePositive nam [1,2] = Bartosz Arłukowicz
  TruePositive nam [7,7] = Platforma
  TruePositive nam [11,11] = SLD

(ChunkerEvaluator) Sentence #937 from articles/00107394 from sent47

Text  : - Stajemy przed państwem jako ludzie o wrażliwości lewicowej ,  którzy postanowili realizować swoje umiejętności na wielkim pokładzie Platformy Obywatelskiej .
Tokens: 1 2______ 3____ 4_______ 5___ 6_____ 7 8__________ 9________ 10 11____ 12_________ 13________ 14___ 15__________ 16 17_____ 18_______ 19_______ 20___________ 21

Chunks:
  TruePositive nam [19,20] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #938 from articles/00107394 from sent48

Text  : ( . . . ) w jaki sposób można mówić o  wrażliwości społecznej ,  jeśli opuszczają takie środowiska jak Krytyka Polityczna ,  jeśli SLD opuszczają profesor Środa ,  Wanda Nowicka ?
Tokens: 1 2 3 4 5 6 7___ 8_____ 9____ 10___ 11 12_________ 13________ 14 15___ 16________ 17___ 18________ 19_ 20_____ 21________ 22 23___ 24_ 25________ 26______ 27___ 28 29___ 30_____ 31

Chunks:
  TruePositive nam [20,21] = Krytyka Polityczna
  TruePositive nam [24,24] = SLD
  TruePositive nam [27,27] = Środa
  TruePositive nam [29,30] = Wanda Nowicka

(ChunkerEvaluator) Sentence #939 from articles/00107394 from sent49

Text  : W jaki sposób można w sposób poważny mówić o wrażliwości ,  jeśli SLD opuszczają ludzie od zawsze związani z  lewicą jak Robert Biedroń -  mówił Arłukowicz .
Tokens: 1 2___ 3_____ 4____ 5 6_____ 7______ 8____ 9 10_________ 11 12___ 13_ 14________ 15____ 16 17____ 18______ 19 20____ 21_ 22____ 23_____ 24 25___ 26________ 27

Chunks:
  TruePositive nam [13,13] = SLD
  TruePositive nam [22,23] = Robert Biedroń
  FalseNegative nam [26,26] = Arłukowicz

(ChunkerEvaluator) Sentence #940 from articles/00107394 from sent50

Text  : - W Sojuszu skończył się popyt na fachowców .
Tokens: 1 2 3______ 4_______ 5__ 6____ 7_ 8________ 9

Chunks:
  TruePositive nam [3,3] = Sojuszu

(ChunkerEvaluator) Sentence #941 from articles/00107394 from sent51

Text  : Nie musimy zmieniać naszych poglądów i idei , wprost przeciwnie ,  wydaje się ,  że nasze pomysły na lepszą i  sprawiedliwszą Polskę ,  na budowanie społeczeństwa obywatelskiego będzie łatwiej i  skuteczniej realizować w  ten sposób -  powiedział poseł Gintowt -  Dziewałtowski .
Tokens: 1__ 2_____ 3_______ 4______ 5_______ 6 7___ 8 9_____ 10________ 11 12____ 13_ 14 15 16___ 17_____ 18 19____ 20 21____________ 22____ 23 24 25_______ 26___________ 27____________ 28____ 29_____ 30 31_________ 32________ 33 34_ 35____ 36 37________ 38___ 39_____ 40 41___________ 42

Chunks:
  TruePositive nam [22,22] = Polskę
  TruePositive nam [39,41] = Gintowt - Dziewałtowski

(ChunkerEvaluator) Sentence #942 from articles/00107394 from sent52

Text  : Na konferencji wystąpiła także Mariola Sokołowska , wiceprezydent Grudziądza i  Grzegorz Pisalski ,  sekretarz generalny Unii Pracy .
Tokens: 1_ 2__________ 3________ 4____ 5______ 6_________ 7 8____________ 9_________ 10 11______ 12______ 13 14_______ 15_______ 16__ 17___ 18

Chunks:
  TruePositive nam [5,6] = Mariola Sokołowska
  TruePositive nam [9,9] = Grudziądza
  TruePositive nam [16,17] = Unii Pracy
  FalsePositive nam [11,12] = Grzegorz Pisalski
  FalseNegative nam [12,12] = Pisalski

(ChunkerEvaluator) Sentence #943 from articles/00107394 from sent53

Text  : - Na listach Grzegorza Napieralskiego nie ma miejsca dla ludzi o  lewicowych poglądach .
Tokens: 1 2_ 3______ 4________ 5_____________ 6__ 7_ 8______ 9__ 10___ 11 12________ 13_______ 14

Chunks:
  TruePositive nam [4,5] = Grzegorza Napieralskiego

(ChunkerEvaluator) Sentence #944 from articles/00107394 from sent54

Text  : Na jego listach są osoby , które będą mu posłuszne .
Tokens: 1_ 2___ 3______ 4_ 5____ 6 7____ 8___ 9_ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #945 from articles/00107394 from sent55

Text  : Platforma jest jedyną alternatywą dla rządów PiS - SLD .
Tokens: 1________ 2___ 3_____ 4__________ 5__ 6_____ 7__ 8 9__ 10

Chunks:
  FalsePositive nam [7,9] = PiS - SLD
  FalseNegative nam [1,1] = Platforma
  FalseNegative nam [7,7] = PiS
  FalseNegative nam [9,9] = SLD

(ChunkerEvaluator) Sentence #946 from articles/00107394 from sent56

Text  : Nikt nie zmienił swoich ideałów , przechodząc do Platformy -  mówił Pisalski .
Tokens: 1___ 2__ 3______ 4_____ 5______ 6 7__________ 8_ 9________ 10 11___ 12______ 13

Chunks:
  TruePositive nam [9,9] = Platformy
  FalseNegative nam [12,12] = Pisalski

(ChunkerEvaluator) Sentence #947 from articles/00107394 from sent57

Text  : " Jeżeli tylko to ma do zaproponowania Polakom PO ,  to życzymy powodzenia .
Tokens: 1 2_____ 3____ 4_ 5_ 6_ 7_____________ 8______ 9_ 10 11 12_____ 13________ 14

Chunks:
  TruePositive nam [8,8] = Polakom
  FalsePositive nam [9,9] = PO

(ChunkerEvaluator) Sentence #948 from articles/00107394 from sent58

Text  : Żadne zaskoczenie .
Tokens: 1____ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #949 from articles/00107394 from sent59

Text  : Czekamy na program PO .
Tokens: 1______ 2_ 3______ 4_ 5

Chunks:
  TruePositive nam [4,4] = PO

(ChunkerEvaluator) Sentence #950 from articles/00107394 from sent60

Text  : Nasz za chwile " - to komentarz rzecznika SLD Tomasza Kality na Twitterze .
Tokens: 1___ 2_ 3_____ 4 5 6_ 7________ 8________ 9__ 10_____ 11____ 12 13_______ 14

Chunks:
  TruePositive nam [9,9] = SLD
  TruePositive nam [10,11] = Tomasza Kality
  FalseNegative nam [13,13] = Twitterze

2016-10-27 14:59:15,744 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 33 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107395.xml
(ChunkerEvaluator) Sentence #951 from articles/00107395 from sent1

Text  : Rosja .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Rosja

(ChunkerEvaluator) Sentence #952 from articles/00107395 from sent2

Text  : Miedwiediew przyjął dymisję gubernator Petersburga
Tokens: 1__________ 2______ 3______ 4_________ 5__________

Chunks:
  TruePositive nam [5,5] = Petersburga
  FalseNegative nam [1,1] = Miedwiediew

(ChunkerEvaluator) Sentence #953 from articles/00107395 from sent3

Text  : # Miedwiediew przyjął dymisję gubernator Petersburga ; pełnienie tych obowiązków polecił Połtawczence
Tokens: 1 2__________ 3______ 4______ 5_________ 6__________ 7 8________ 9___ 10________ 11_____ 12__________

Chunks:
  TruePositive nam [6,6] = Petersburga
  FalseNegative nam [2,2] = Miedwiediew
  FalseNegative nam [12,12] = Połtawczence

(ChunkerEvaluator) Sentence #954 from articles/00107395 from sent4

Text  : #
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #955 from articles/00107395 from sent5

Text  : 22 . 08 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #956 from articles/00107395 from sent6

Text  : Moskwa ( PAP ) - Prezydent Rosji Dmitrij Miedwiediew przyjął w  poniedziałek dymisję gubernator Petersburga Walentiny Matwijenko .
Tokens: 1_____ 2 3__ 4 5 6________ 7____ 8______ 9__________ 10_____ 11 12__________ 13_____ 14________ 15_________ 16_______ 17________ 18

Chunks:
  TruePositive nam [1,1] = Moskwa
  TruePositive nam [3,3] = PAP
  TruePositive nam [8,9] = Dmitrij Miedwiediew
  FalsePositive nam [6,7] = Prezydent Rosji
  FalsePositive nam [15,17] = Petersburga Walentiny Matwijenko
  FalseNegative nam [7,7] = Rosji
  FalseNegative nam [15,15] = Petersburga
  FalseNegative nam [16,17] = Walentiny Matwijenko

(ChunkerEvaluator) Sentence #957 from articles/00107395 from sent7

Text  : Tymczasowe pełnienie tych obowiązków powierzył swojemu przedstawicielowi w Centralnym Okręgu Federalnym Grigorijowi Połtawczence .
Tokens: 1_________ 2________ 3___ 4_________ 5________ 6______ 7________________ 8 9_________ 10____ 11________ 12_________ 13__________ 14

Chunks:
  FalsePositive nam [9,13] = Centralnym Okręgu Federalnym Grigorijowi Połtawczence
  FalseNegative nam [9,11] = Centralnym Okręgu Federalnym
  FalseNegative nam [12,13] = Grigorijowi Połtawczence

(ChunkerEvaluator) Sentence #958 from articles/00107395 from sent8

Text  : Matwijenko wygrała niedzielne wybory uzupełniające do rad okręgów municypalnych Pietrowski i  Krasnieńkaja Rieczka w  Petersburgu ,  co otwiera jej drogę do Rady Federacji ,  gdzie czeka już na nią stanowisko przewodniczącej .
Tokens: 1_________ 2______ 3_________ 4_____ 5____________ 6_ 7__ 8______ 9____________ 10________ 11 12__________ 13_____ 14 15_________ 16 17 18_____ 19_ 20___ 21 22__ 23_______ 24 25___ 26___ 27_ 28 29_ 30________ 31_____________ 32

Chunks:
  TruePositive nam [10,10] = Pietrowski
  TruePositive nam [22,23] = Rady Federacji
  FalsePositive nam [12,15] = Krasnieńkaja Rieczka w Petersburgu
  FalseNegative nam [1,1] = Matwijenko
  FalseNegative nam [12,13] = Krasnieńkaja Rieczka
  FalseNegative nam [15,15] = Petersburgu

(ChunkerEvaluator) Sentence #959 from articles/00107395 from sent9

Text  : W tym pierwszym okręgu , na którego terytorium znajduje się Wojskowa Akademia Inżynierii Kosmicznej im .  Aleksandra Możajskiego ,  kandydująca z  ramienia rządzącej partii Jedna Rosja pani gubernator zdobyła 93 ,  7  proc .  głosów ,  a  w  Krasnieńkiej Rieczce -  94 ,  5  proc .
Tokens: 1 2__ 3________ 4_____ 5 6_ 7______ 8_________ 9_______ 10_ 11______ 12______ 13________ 14________ 15 16 17________ 18_________ 19 20_________ 21 22______ 23_______ 24____ 25___ 26___ 27__ 28________ 29_____ 30 31 32 33__ 34 35____ 36 37 38 39__________ 40_____ 41 42 43 44 45__ 46

Chunks:
  TruePositive nam [11,18] = Wojskowa Akademia Inżynierii Kosmicznej im . Aleksandra Możajskiego
  TruePositive nam [25,26] = Jedna Rosja
  TruePositive nam [39,40] = Krasnieńkiej Rieczce

(ChunkerEvaluator) Sentence #960 from articles/00107395 from sent10

Text  : Frekwencja wyborcza wyniosła - odpowiednio - 36 , 5 proc .  i  18 ,  3  proc .
Tokens: 1_________ 2_______ 3_______ 4 5__________ 6 7_ 8 9 10__ 11 12 13 14 15 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #961 from articles/00107395 from sent11

Text  : Matwijenko zdecydowała , że obejmie mandat w tym drugim okręgu .
Tokens: 1_________ 2__________ 3 4_ 5______ 6_____ 7 8__ 9_____ 10____ 11

Chunks:
  FalseNegative nam [1,1] = Matwijenko

(ChunkerEvaluator) Sentence #962 from articles/00107395 from sent12

Text  : Jednocześnie złożyła rezygnację z urzędu gubernatora .
Tokens: 1___________ 2______ 3_________ 4 5_____ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #963 from articles/00107395 from sent13

Text  : Zaznaczyła , że uczyniła to niezwłocznie , by umożliwić Kremlowi jak najszybsze wskazanie jej następcy .
Tokens: 1_________ 2 3_ 4_______ 5_ 6___________ 7 8_ 9________ 10______ 11_ 12________ 13_______ 14_ 15______ 16

Chunks:
  TruePositive nam [10,10] = Kremlowi

(ChunkerEvaluator) Sentence #964 from articles/00107395 from sent14

Text  : Na razie nie jest jasne , czy Połtawczenko to przyszły kandydat Miedwiediewa na to stanowisko .
Tokens: 1_ 2____ 3__ 4___ 5____ 6 7__ 8___________ 9_ 10______ 11______ 12__________ 13 14 15________ 16

Chunks:
  FalseNegative nam [8,8] = Połtawczenko
  FalseNegative nam [12,12] = Miedwiediewa

(ChunkerEvaluator) Sentence #965 from articles/00107395 from sent15

Text  : Oficjalnie prezydent powinien wskazać swojego faworyta spośród kilku kandydatur zaproponowanych przez Jedną Rosję .
Tokens: 1_________ 2________ 3_______ 4______ 5______ 6_______ 7______ 8____ 9_________ 10_____________ 11___ 12___ 13___ 14

Chunks:
  TruePositive nam [12,13] = Jedną Rosję

(ChunkerEvaluator) Sentence #966 from articles/00107395 from sent16

Text  : Dotychczas za najpoważniejszego kandydata na nowego gubernatora uchodził wicepremier Dmitrij Kozak .
Tokens: 1_________ 2_ 3________________ 4________ 5_ 6_____ 7__________ 8_______ 9__________ 10_____ 11___ 12

Chunks:
  TruePositive nam [10,11] = Dmitrij Kozak

(ChunkerEvaluator) Sentence #967 from articles/00107395 from sent17

Text  : Zdobycie mandatu deputowanej do parlamentu regionalnego , miejskiego lub rejonowego w  dowolnym z  83 regionów Federacji Rosyjskiej było dla Matwijenko warunkiem objęcia stanowiska przewodniczącej Rady Federacji .
Tokens: 1_______ 2______ 3__________ 4_ 5_________ 6___________ 7 8_________ 9__ 10________ 11 12______ 13 14 15______ 16_______ 17________ 18__ 19_ 20________ 21_______ 22_____ 23________ 24_____________ 25__ 26_______ 27

Chunks:
  TruePositive nam [16,17] = Federacji Rosyjskiej
  TruePositive nam [25,26] = Rady Federacji
  FalseNegative nam [20,20] = Matwijenko

(ChunkerEvaluator) Sentence #968 from articles/00107395 from sent18

Text  : W izbie wyższej parlamentu Rosji zasiadają bowiem osoby delegowane przez regionalne zgromadzenia ustawodawcze z  grona deputowanych różnych szczebli .
Tokens: 1 2____ 3______ 4_________ 5____ 6________ 7_____ 8____ 9_________ 10___ 11________ 12__________ 13__________ 14 15___ 16__________ 17_____ 18______ 19

Chunks:
  TruePositive nam [5,5] = Rosji

(ChunkerEvaluator) Sentence #969 from articles/00107395 from sent19

Text  : Kandydaturę Matwijenko na szefową senatu w imieniu przywódców rosyjskich regionów w  czerwcu zgłosił lider Baszkortostanu Rustam Chamitow .
Tokens: 1__________ 2_________ 3_ 4______ 5_____ 6 7______ 8_________ 9_________ 10______ 11 12_____ 13_____ 14___ 15____________ 16____ 17______ 18

Chunks:
  FalsePositive nam [15,17] = Baszkortostanu Rustam Chamitow
  FalseNegative nam [2,2] = Matwijenko
  FalseNegative nam [15,15] = Baszkortostanu
  FalseNegative nam [16,17] = Rustam Chamitow

(ChunkerEvaluator) Sentence #970 from articles/00107395 from sent20

Text  : Wszelako nieoficjalnie wiadomo , że prezydent Dmitrij Miedwiediew i premier Władimir Putin chcieli pozbyć się niepopularnej gubernator z  miasta nad Newą przed zbliżającymi się wyborami parlamentarnymi i  prezydenckimi .
Tokens: 1_______ 2____________ 3______ 4 5_ 6________ 7______ 8__________ 9 10_____ 11______ 12___ 13_____ 14____ 15_ 16___________ 17________ 18 19____ 20_ 21__ 22___ 23__________ 24_ 25______ 26_____________ 27 28___________ 29

Chunks:
  TruePositive nam [7,8] = Dmitrij Miedwiediew
  TruePositive nam [11,12] = Władimir Putin
  TruePositive nam [21,21] = Newą

(ChunkerEvaluator) Sentence #971 from articles/00107395 from sent21

Text  : Te pierwsze odbędą się w grudniu tego roku , a  drugie -  w  marcu 2012 roku .
Tokens: 1_ 2_______ 3_____ 4__ 5 6______ 7___ 8___ 9 10 11____ 12 13 14___ 15__ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #972 from articles/00107395 from sent22

Text  : Opozycja zarzuca Matwijenko nieudolność w zarządzaniu miastem i korupcję .
Tokens: 1_______ 2______ 3_________ 4__________ 5 6__________ 7______ 8 9_______ 10

Chunks:
  TruePositive nam [3,3] = Matwijenko

(ChunkerEvaluator) Sentence #973 from articles/00107395 from sent23

Text  : Oskarżenia wobec gubernator spowodowały spadek notowań Jednej Rosji w Petersburgu .
Tokens: 1_________ 2____ 3_________ 4__________ 5_____ 6______ 7_____ 8____ 9 10_________ 11

Chunks:
  TruePositive nam [10,10] = Petersburgu
  FalsePositive nam [8,8] = Rosji
  FalseNegative nam [7,8] = Jednej Rosji

(ChunkerEvaluator) Sentence #974 from articles/00107395 from sent24

Text  : Matwijenko zdecydowała , że mandat zdobędzie w Petersburgu , z  którego pochodzi i  w  którym wciąż ma wpływy .
Tokens: 1_________ 2__________ 3 4_ 5_____ 6________ 7 8__________ 9 10 11_____ 12______ 13 14 15____ 16___ 17 18____ 19

Chunks:
  TruePositive nam [8,8] = Petersburgu
  FalseNegative nam [1,1] = Matwijenko

(ChunkerEvaluator) Sentence #975 from articles/00107395 from sent25

Text  : Teoretycznie wybory lokalne w tym mieście powinny odbyć się 4  grudnia ,  razem z  wyborami do Dumy Państwowej ,  niższej izby rosyjskiego parlamentu .
Tokens: 1___________ 2_____ 3______ 4 5__ 6______ 7______ 8____ 9__ 10 11_____ 12 13___ 14 15______ 16 17__ 18________ 19 20_____ 21__ 22_________ 23________ 24

Chunks:
  TruePositive nam [17,18] = Dumy Państwowej

(ChunkerEvaluator) Sentence #976 from articles/00107395 from sent26

Text  : Niedzielne wybory miały jej umożliwić wcześniejsze przenosiny do Moskwy .
Tokens: 1_________ 2_____ 3____ 4__ 5________ 6___________ 7_________ 8_ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Moskwy

(ChunkerEvaluator) Sentence #977 from articles/00107395 from sent27

Text  : Opozycja wytykała gubernator , że o swoim starcie w wyborach w  okręgach Krasnieńkaja Rieczka i  Pietrowski oficjalnie poinformowała po upływie terminu zgłaszania kandydatur ,  co miało uniemożliwić jej oponentom wystawienie tam silnych kontrkandydatów .
Tokens: 1_______ 2_______ 3_________ 4 5_ 6 7____ 8______ 9 10______ 11 12______ 13__________ 14_____ 15 16________ 17________ 18___________ 19 20_____ 21_____ 22________ 23________ 24 25 26___ 27__________ 28_ 29_______ 30_________ 31_ 32_____ 33_____________ 34

Chunks:
  TruePositive nam [13,14] = Krasnieńkaja Rieczka
  TruePositive nam [16,16] = Pietrowski

(ChunkerEvaluator) Sentence #978 from articles/00107395 from sent28

Text  : Opozycjoniści - m . in . z liberalnej Solidarności ,  demokratycznej Partii Wolności Narodowej (  Parnas )  i  radykalnej Innej Rosji -  agitowali mieszkańców Pietrowskiego i  Krasnieńkiej Rieczki do głosowania przeciwko Matwijenko .
Tokens: 1____________ 2 3 4 5_ 6 7 8_________ 9___________ 10 11____________ 12____ 13______ 14_______ 15 16____ 17 18 19________ 20___ 21___ 22 23_______ 24_________ 25___________ 26 27__________ 28_____ 29 30________ 31_______ 32________ 33

Chunks:
  TruePositive nam [12,14] = Partii Wolności Narodowej
  TruePositive nam [16,16] = Parnas
  TruePositive nam [20,21] = Innej Rosji
  TruePositive nam [25,25] = Pietrowskiego
  TruePositive nam [27,28] = Krasnieńkiej Rieczki
  TruePositive nam [32,32] = Matwijenko
  FalsePositive nam [8,9] = liberalnej Solidarności
  FalseNegative nam [9,9] = Solidarności

(ChunkerEvaluator) Sentence #979 from articles/00107395 from sent29

Text  : Lider Partii Wolności Narodu Borys Niemcow dwukrotnie został nawet za to zatrzymany .
Tokens: 1____ 2_____ 3_______ 4_____ 5____ 6______ 7_________ 8_____ 9____ 10 11 12________ 13

Chunks:
  TruePositive nam [5,6] = Borys Niemcow
  FalsePositive nam [1,4] = Lider Partii Wolności Narodu
  FalseNegative nam [2,4] = Partii Wolności Narodu

(ChunkerEvaluator) Sentence #980 from articles/00107395 from sent30

Text  : Ostro skrytykowali też sam przebieg wyborów .
Tokens: 1____ 2___________ 3__ 4__ 5_______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #981 from articles/00107395 from sent31

Text  : Lider lewicowej Sprawiedliwej Rosji Siergiej Mironow określił niedzielne głosowanie jako "  farsę "  i  "  hańbę "  .
Tokens: 1____ 2________ 3____________ 4____ 5_______ 6______ 7_______ 8_________ 9_________ 10__ 11 12___ 13 14 15 16___ 17 18

Chunks:
  TruePositive nam [5,6] = Siergiej Mironow
  FalsePositive nam [4,4] = Rosji
  FalseNegative nam [3,4] = Sprawiedliwej Rosji

(ChunkerEvaluator) Sentence #982 from articles/00107395 from sent32

Text  : " Dwa okręgi municypalne rywalizowały , który z nich zapewni lepszy wynik Matwijenko .
Tokens: 1 2__ 3_____ 4__________ 5___________ 6 7____ 8 9___ 10_____ 11____ 12___ 13________ 14

Chunks:
  FalseNegative nam [13,13] = Matwijenko

(ChunkerEvaluator) Sentence #983 from articles/00107395 from sent33

Text  : Osoba , która ma taki stosunek do wyrażania woli przez wyborców ,  nie zasługuje na to ,  by stać na czele wyższej izby parlamentu "  -  oświadczył Mironow ,  który do maja sam pełnił tę funkcję .
Tokens: 1____ 2 3____ 4_ 5___ 6_______ 7_ 8________ 9___ 10___ 11______ 12 13_ 14_______ 15 16 17 18 19__ 20 21___ 22_____ 23__ 24________ 25 26 27________ 28_____ 29 30___ 31 32__ 33_ 34____ 35 36_____ 37

Chunks:
  FalseNegative nam [28,28] = Mironow

(ChunkerEvaluator) Sentence #984 from articles/00107395 from sent34

Text  : Z kolei szef frakcji parlamentarnej nacjonalistycznej Liberalno - Demokratycznej Partii Rosji (  LDPR )  Igor Lebiediew oznajmił ,  że "  w  żadnym cywilizowanym kraju wybory nie mogą zakończyć się prawie 100 -  procentowym rezultatem "  .
Tokens: 1 2____ 3___ 4______ 5_____________ 6________________ 7________ 8 9_____________ 10____ 11___ 12 13__ 14 15__ 16_______ 17______ 18 19 20 21 22____ 23___________ 24___ 25____ 26_ 27__ 28_______ 29_ 30____ 31_ 32 33_________ 34________ 35 36

Chunks:
  TruePositive nam [7,11] = Liberalno - Demokratycznej Partii Rosji
  TruePositive nam [15,16] = Igor Lebiediew
  FalseNegative nam [13,13] = LDPR

(ChunkerEvaluator) Sentence #985 from articles/00107395 from sent35

Text  : " Generalnie przypomniało to cyrk i komedię " - ocenił Lebiediew ,  syn lidera partii Władimira Żyrinowskiego .
Tokens: 1 2_________ 3___________ 4_ 5___ 6 7______ 8 9 10____ 11_______ 12 13_ 14____ 15____ 16_______ 17___________ 18

Chunks:
  TruePositive nam [16,17] = Władimira Żyrinowskiego
  FalseNegative nam [11,11] = Lebiediew

(ChunkerEvaluator) Sentence #986 from articles/00107395 from sent36

Text  : O licznych nieprawidłowościach podczas głosowania informowały media .
Tokens: 1 2_______ 3__________________ 4______ 5_________ 6__________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #987 from articles/00107395 from sent37

Text  : Wśród naruszeń wymieniały m . in . nielegalną agitację oraz przypadki niewpuszczenia dziennikarzy do lokali wyborczych i  niedopuszczenie obserwatorów do liczenia głosów .
Tokens: 1____ 2_______ 3_________ 4 5 6_ 7 8_________ 9_______ 10__ 11_______ 12____________ 13__________ 14 15____ 16________ 17 18_____________ 19__________ 20 21______ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #988 from articles/00107395 from sent38

Text  : Media przekazywały też , że na terenie lokali do głosowania dla wyborców czynne były bufety z  tanimi ciastkami ,  kanapkami i  daniami gorącymi ,  organizowano loterie i  konkursy z  nagrodami ,  a  także rozdawano bilety do cyrku i  teatru ,  jak również na wycieczki autobusowe i  koncerty .
Tokens: 1____ 2___________ 3__ 4 5_ 6_ 7______ 8_____ 9_ 10________ 11_ 12______ 13____ 14__ 15____ 16 17____ 18_______ 19 20_______ 21 22_____ 23______ 24 25__________ 26_____ 27 28______ 29 30_______ 31 32 33___ 34_______ 35____ 36 37___ 38 39____ 40 41_ 42_____ 43 44_______ 45________ 46 47______ 48

Chunks:

(ChunkerEvaluator) Sentence #989 from articles/00107395 from sent39

Text  : W niektórych obwodach głosującym proponowano bezpłatne konsultacje medyczne .
Tokens: 1 2_________ 3_______ 4_________ 5__________ 6________ 7__________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #990 from articles/00107395 from sent40

Text  : Pani gubernator oświadczyła , że nie widzi niczego złego w  takich praktykach ,  gdyż wybory powinny być świętem dla ludzi .
Tokens: 1___ 2_________ 3__________ 4 5_ 6__ 7____ 8______ 9____ 10 11____ 12________ 13 14__ 15____ 16_____ 17_ 18_____ 19_ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #991 from articles/00107395 from sent41

Text  : Same wybory uznała za uczciwe .
Tokens: 1___ 2_____ 3_____ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #992 from articles/00107395 from sent42

Text  : Matwijenko ma 62 lata .
Tokens: 1_________ 2_ 3_ 4___ 5

Chunks:
  FalseNegative nam [1,1] = Matwijenko

(ChunkerEvaluator) Sentence #993 from articles/00107395 from sent43

Text  : Na czele administracji Petersburga stoi od października 2003 roku .
Tokens: 1_ 2____ 3____________ 4__________ 5___ 6_ 7___________ 8___ 9___ 10

Chunks:
  TruePositive nam [4,4] = Petersburga

(ChunkerEvaluator) Sentence #994 from articles/00107395 from sent44

Text  : Wcześniej była wicepremierem Rosji , a następnie pełnomocnym przedstawicielem prezydenta w  Północno -  Zachodnim Okręgu Federalnym .
Tokens: 1________ 2___ 3____________ 4____ 5 6 7________ 8__________ 9_______________ 10________ 11 12______ 13 14_______ 15____ 16________ 17

Chunks:
  TruePositive nam [4,4] = Rosji
  TruePositive nam [12,16] = Północno - Zachodnim Okręgu Federalnym

(ChunkerEvaluator) Sentence #995 from articles/00107395 from sent45

Text  : W latach 1991 - 98 pracowała w MSZ Rosji .
Tokens: 1 2_____ 3___ 4 5_ 6________ 7 8__ 9____ 10

Chunks:
  FalsePositive nam [8,9] = MSZ Rosji
  FalseNegative nam [8,8] = MSZ
  FalseNegative nam [9,9] = Rosji

(ChunkerEvaluator) Sentence #996 from articles/00107395 from sent46

Text  : Była m . in . ambasadorem FR na Malcie i  w  Grecji .
Tokens: 1___ 2 3 4_ 5 6__________ 7_ 8_ 9_____ 10 11 12____ 13

Chunks:
  TruePositive nam [9,9] = Malcie
  TruePositive nam [12,12] = Grecji
  FalseNegative nam [7,7] = FR

(ChunkerEvaluator) Sentence #997 from articles/00107395 from sent47

Text  : W latach 1995 - 97 zasiadała w Kolegium MSZ .
Tokens: 1 2_____ 3___ 4 5_ 6________ 7 8_______ 9__ 10

Chunks:
  FalsePositive nam [8,9] = Kolegium MSZ
  FalseNegative nam [8,8] = Kolegium
  FalseNegative nam [9,9] = MSZ

(ChunkerEvaluator) Sentence #998 from articles/00107395 from sent48

Text  : Z Moskwy Jerzy Malczyk
Tokens: 1 2_____ 3____ 4______

Chunks:
  TruePositive nam [2,2] = Moskwy
  TruePositive nam [3,4] = Jerzy Malczyk

2016-10-27 14:59:15,993 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 34 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107396.xml
(ChunkerEvaluator) Sentence #999 from articles/00107396 from sent1

Text  : Gronkowiec w Szpitalu Miejskim w Dąbrowie Górniczej
Tokens: 1_________ 2 3_______ 4_______ 5 6_______ 7________

Chunks:
  TruePositive nam [3,4] = Szpitalu Miejskim
  TruePositive nam [6,7] = Dąbrowie Górniczej
  FalsePositive nam [1,1] = Gronkowiec

(ChunkerEvaluator) Sentence #1000 from articles/00107396 from sent2

Text  : Dwoje dzieci zarażonych gronkowcem trafiło pod koniec sierpnia na oddział pediatrii Szpitala Miejskiego w  Dąbrowie Górniczej .
Tokens: 1____ 2_____ 3_________ 4_________ 5______ 6__ 7_____ 8_______ 9_ 10_____ 11_______ 12______ 13________ 14 15______ 16_______ 17

Chunks:
  FalsePositive nam [12,16] = Szpitala Miejskiego w Dąbrowie Górniczej
  FalseNegative nam [12,13] = Szpitala Miejskiego
  FalseNegative nam [15,16] = Dąbrowie Górniczej

(ChunkerEvaluator) Sentence #1001 from articles/00107396 from sent3

Text  : Urodziły się na tym samym oddziale noworodków w dąbrowskim szpitalu .
Tokens: 1_______ 2__ 3_ 4__ 5____ 6_______ 7_________ 8 9_________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #1002 from articles/00107396 from sent4

Text  : W czwartek sprawą zajął się sanepid .
Tokens: 1 2_______ 3_____ 4____ 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1003 from articles/00107396 from sent5

Text  : DĄBROWA GÓRNICZA .
Tokens: 1______ 2_______ 3

Chunks:
  TruePositive nam [1,2] = DĄBROWA GÓRNICZA

(ChunkerEvaluator) Sentence #1004 from articles/00107396 from sent6

Text  : Gronkowiec w szpitalu
Tokens: 1_________ 2 3_______

Chunks:

(ChunkerEvaluator) Sentence #1005 from articles/00107396 from sent7

Text  : Podwójne krostki
Tokens: 1_______ 2______

Chunks:

(ChunkerEvaluator) Sentence #1006 from articles/00107396 from sent8

Text  : Dwoje dzieci zarażonych gronkowcem trafiło pod koniec sierpnia na oddział pediatrii Szpitala Miejskiego w  Dąbrowie Górniczej .
Tokens: 1____ 2_____ 3_________ 4_________ 5______ 6__ 7_____ 8_______ 9_ 10_____ 11_______ 12______ 13________ 14 15______ 16_______ 17

Chunks:
  FalsePositive nam [12,16] = Szpitala Miejskiego w Dąbrowie Górniczej
  FalseNegative nam [12,13] = Szpitala Miejskiego
  FalseNegative nam [15,16] = Dąbrowie Górniczej

(ChunkerEvaluator) Sentence #1007 from articles/00107396 from sent9

Text  : Urodziły się na tym samym oddziale noworodków w dąbrowskim szpitalu .
Tokens: 1_______ 2__ 3_ 4__ 5____ 6_______ 7_________ 8 9_________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #1008 from articles/00107396 from sent10

Text  : Wczoraj sprawą zajął się sanepid
Tokens: 1______ 2_____ 3____ 4__ 5______

Chunks:

(ChunkerEvaluator) Sentence #1009 from articles/00107396 from sent11

Text  : - Żona urodziła w sierpniu .
Tokens: 1 2___ 3_______ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #1010 from articles/00107396 from sent12

Text  : Kilka dni później zdrowe dziecko zostało wypisane do domu .
Tokens: 1____ 2__ 3______ 4_____ 5______ 6______ 7_______ 8_ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #1011 from articles/00107396 from sent13

Text  : Zauważyli śmy , że ma drobne krostki na głowie i  szyi .
Tokens: 1________ 2__ 3 4_ 5_ 6_____ 7______ 8_ 9_____ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #1012 from articles/00107396 from sent14

Text  : Pielęgniarka z przychodni mówiła , że to potówki .
Tokens: 1___________ 2 3_________ 4_____ 5 6_ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #1013 from articles/00107396 from sent15

Text  : Gdy zaczęły się powiększać , lekarz wysłał nas do szpitala .
Tokens: 1__ 2______ 3__ 4_________ 5 6_____ 7_____ 8__ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #1014 from articles/00107396 from sent16

Text  : Tam okazało się , że to zakażenie gronkowcem złocistym -  opowiadał nam wczoraj ojciec dziecka .
Tokens: 1__ 2______ 3__ 4 5_ 6_ 7________ 8_________ 9________ 10 11_______ 12_ 13_____ 14____ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #1015 from articles/00107396 from sent17

Text  : Prosił o zachowanie anonimowości , bo dziecko wciąż jest w  szpitalu .
Tokens: 1_____ 2 3_________ 4___________ 5 6_ 7______ 8____ 9___ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #1016 from articles/00107396 from sent18

Text  : Na miejscu okazało się , że to nie pierwszy taki przypadek .
Tokens: 1_ 2______ 3______ 4__ 5 6_ 7_ 8__ 9_______ 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #1017 from articles/00107396 from sent19

Text  : Kilka dni wcześniej z zakażeniem gronkowcem trafił do szpitala inny noworodek .
Tokens: 1____ 2__ 3________ 4 5_________ 6_________ 7_____ 8_ 9_______ 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #1018 from articles/00107396 from sent20

Text  : - Od lekarzy usłyszeli śmy , że gronkowcem dziecko zaraziło się pewnie od swojej matki -  opowiada ojciec .
Tokens: 1 2_ 3______ 4________ 5__ 6 7_ 8_________ 9______ 10______ 11_ 12____ 13 14____ 15___ 16 17______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #1019 from articles/00107396 from sent21

Text  : - Wątpię w taką zbieżność dwóch przypadków - powiedziała nam wczoraj Aleksandra Paliga ,  szefowa Powiatowej Stacji Sanitarno -  Epidemiologicznej w  Dąbrowie Górniczej .
Tokens: 1 2_____ 3 4___ 5________ 6____ 7_________ 8 9__________ 10_ 11_____ 12________ 13____ 14 15_____ 16________ 17____ 18_______ 19 20_______________ 21 22______ 23_______ 24

Chunks:
  TruePositive nam [12,13] = Aleksandra Paliga
  TruePositive nam [16,20] = Powiatowej Stacji Sanitarno - Epidemiologicznej
  TruePositive nam [22,23] = Dąbrowie Górniczej

(ChunkerEvaluator) Sentence #1020 from articles/00107396 from sent22

Text  : O zakażeniach w szpitalu stacja dowiedziała się dopiero wczoraj rano .
Tokens: 1 2__________ 3 4_______ 5_____ 6__________ 7__ 8______ 9______ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #1021 from articles/00107396 from sent23

Text  : - Wyniki dochodzenia powinny być znane w piątek rano ,  w  czwartek wysłali śmy do szpitala zespół ,  który ma rozwikłać tę sprawę -  tłumaczyła Paliga .
Tokens: 1 2_____ 3__________ 4______ 5__ 6____ 7 8_____ 9___ 10 11 12______ 13_____ 14_ 15 16______ 17____ 18 19___ 20 21_______ 22 23____ 24 25________ 26____ 27

Chunks:
  FalseNegative nam [26,26] = Paliga

(ChunkerEvaluator) Sentence #1022 from articles/00107396 from sent24

Text  : Gronkowcem można zarazić się m . in . od brudnej bielizny .
Tokens: 1_________ 2____ 3______ 4__ 5 6 7_ 8 9_ 10_____ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #1023 from articles/00107396 from sent25

Text  : Sanepid nie miał jednak podczas ostatniej kontroli większych zastrzeżeń do szpitalnej pralni .
Tokens: 1______ 2__ 3___ 4_____ 5______ 6________ 7_______ 8________ 9_________ 10 11________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #1024 from articles/00107396 from sent26

Text  : Dr Grażyna Szydłowska - Kafel , ordynator oddziału noworodków ze Szpitala Miejskiego ,  powiedziała ,  że konkretne informacji przekaże dopiero po dochodzeniu epidemiologicznym na oddziale .
Tokens: 1_ 2______ 3_________ 4 5____ 6 7________ 8_______ 9_________ 10 11______ 12________ 13 14_________ 15 16 17_______ 18________ 19______ 20_____ 21 22_________ 23_______________ 24 25______ 26

Chunks:
  TruePositive nam [2,5] = Grażyna Szydłowska - Kafel
  TruePositive nam [11,12] = Szpitala Miejskiego

(ChunkerEvaluator) Sentence #1025 from articles/00107396 from sent27

Text  : Nikt z dyrekcji szpitala nie znalazł wczoraj czasu na rozmowę z  nami .
Tokens: 1___ 2 3_______ 4_______ 5__ 6______ 7______ 8____ 9_ 10_____ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #1026 from articles/00107396 from sent28

Text  : czyt . ola dw
Tokens: 1___ 2 3__ 4_

Chunks:

(ChunkerEvaluator) Sentence #1027 from articles/00107396 from sent29

Text  : Gatunek Staphylococcus aureus , czyli gronkowiec złocisty , i Staphylococcus pyogenes ,  czyli gronkowiec ropny ,  są najczęstszą przyczyną zmian ropnych ,  występujących u  człowieka ,  tj .  :  czyraków i  trądziku ,  nieżytu dróg oddechowych i  moczowych ,  zapalenia ucha środkowego ,  płuc i  mózgu .
Tokens: 1______ 2_____________ 3_____ 4 5____ 6_________ 7_______ 8 9 10____________ 11______ 12 13___ 14________ 15___ 16 17 18_________ 19_______ 20___ 21_____ 22 23___________ 24 25_______ 26 27 28 29 30______ 31 32______ 33 34_____ 35__ 36_________ 37 38_______ 39 40_______ 41__ 42________ 43 44__ 45 46___ 47

Chunks:
  FalsePositive nam [1,3] = Gatunek Staphylococcus aureus

(ChunkerEvaluator) Sentence #1028 from articles/00107396 from sent30

Text  : Niektóry szczepy rozmnażają się w produktach spożywczych , np .  w  lodach ,  produkują jad bakteryjny ,  wywołujący objawy zatrucia pokarmowego .
Tokens: 1_______ 2______ 3_________ 4__ 5 6_________ 7__________ 8 9_ 10 11 12____ 13 14_______ 15_ 16________ 17 18________ 19____ 20______ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #1029 from articles/00107396 from sent31

Text  : Wiele szczepów gronkowca złocistego jest odpornych na antybiotyki .
Tokens: 1____ 2_______ 3________ 4_________ 5___ 6________ 7_ 8__________ 9

Chunks:

2016-10-27 14:59:16,117 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 35 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107397.xml
(ChunkerEvaluator) Sentence #1030 from articles/00107397 from sent1

Text  : Ministerstwo Spraw Zagranicznych potępiło & quot ; chuligański wybryk &  quot ;  w  gminie Puńsk
Tokens: 1___________ 2____ 3____________ 4_______ 5 6___ 7 8__________ 9_____ 10 11__ 12 13 14____ 15___

Chunks:
  TruePositive nam [1,3] = Ministerstwo Spraw Zagranicznych
  TruePositive nam [15,15] = Puńsk

(ChunkerEvaluator) Sentence #1031 from articles/00107397 from sent2

Text  : - Zamalowywanie napisów w języku mniejszości , czy na przykład zrywanie tabliczek z  dwujęzycznymi napisami ulic jest niedopuszczalnym aktem wandalizmu stanowiącym nie tylko pogwałcenie polskiego prawa ,  lecz również godzącym w  standardy ogólnie przyjęte w  państwach demokratycznych -  podkreślił w  komunikacie resort spraw zagranicznych .
Tokens: 1 2____________ 3______ 4 5_____ 6__________ 7 8__ 9_ 10______ 11______ 12_______ 13 14___________ 15______ 16__ 17__ 18______________ 19___ 20________ 21_________ 22_ 23___ 24_________ 25_______ 26___ 27 28__ 29_____ 30______ 31 32_______ 33_____ 34______ 35 36_______ 37_____________ 38 39________ 40 41_________ 42____ 43___ 44___________ 45

Chunks:

(ChunkerEvaluator) Sentence #1032 from articles/00107397 from sent3

Text  : - Właściwe władze podejmują działania zmierzające do wykrycia sprawców i  naprawy szkód -  zapewnił MSZ .
Tokens: 1 2_______ 3_____ 4________ 5________ 6__________ 7_ 8_______ 9_______ 10 11_____ 12___ 13 14______ 15_ 16

Chunks:
  TruePositive nam [15,15] = MSZ

(ChunkerEvaluator) Sentence #1033 from articles/00107397 from sent4

Text  : Jak zaznaczył resort , prawem mniejszości narodowych w Rzeczypospolitej Polskiej jest umieszczanie na terenach przez nie zamieszkanych dwujęzycznych napisów .
Tokens: 1__ 2________ 3_____ 4 5_____ 6__________ 7_________ 8 9_______________ 10______ 11__ 12__________ 13 14______ 15___ 16_ 17___________ 18___________ 19_____ 20

Chunks:
  TruePositive nam [9,10] = Rzeczypospolitej Polskiej

(ChunkerEvaluator) Sentence #1034 from articles/00107397 from sent5

Text  : Szacuje się , że w Polsce mieszka kilkanaście tysięcy Litwinów ,  z  czego większość w  powiecie sejneńskim w  województwie podlaskim .
Tokens: 1______ 2__ 3 4_ 5 6_____ 7______ 8__________ 9______ 10______ 11 12 13___ 14_______ 15 16______ 17________ 18 19__________ 20_______ 21

Chunks:
  TruePositive nam [6,6] = Polsce
  TruePositive nam [10,10] = Litwinów
  TruePositive nam [20,20] = podlaskim
  FalseNegative nam [17,17] = sejneńskim

(ChunkerEvaluator) Sentence #1035 from articles/00107397 from sent6

Text  : Największe skupiska Litwinów znajdują się w gminach Puńsk i Sejny .
Tokens: 1_________ 2_______ 3_______ 4_______ 5__ 6 7______ 8____ 9 10___ 11

Chunks:
  TruePositive nam [3,3] = Litwinów
  TruePositive nam [8,8] = Puńsk
  TruePositive nam [10,10] = Sejny

(ChunkerEvaluator) Sentence #1036 from articles/00107397 from sent7

Text  : Podczas spisu powszechnego ludności w 2002 roku do narodowości litewskiej przyznało się jednak tylko 5  ,  8  tys .  osób .
Tokens: 1______ 2____ 3___________ 4_______ 5 6___ 7___ 8_ 9__________ 10________ 11_______ 12_ 13____ 14___ 15 16 17 18_ 19 20__ 21

Chunks:

2016-10-27 14:59:16,162 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 36 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107398.xml
(ChunkerEvaluator) Sentence #1037 from articles/00107398 from sent1

Text  : PKW chce wyjaśnień od PO ws . konferencji & quot ;  Polska w  budowie &  quot ;
Tokens: 1__ 2___ 3________ 4_ 5_ 6_ 7 8__________ 9 10__ 11 12____ 13 14_____ 15 16__ 17

Chunks:
  TruePositive nam [5,5] = PO
  TruePositive nam [12,12] = Polska
  FalseNegative nam [1,1] = PKW

(ChunkerEvaluator) Sentence #1038 from articles/00107398 from sent2

Text  : # dochodzi wypowiedź R . Kalisza z konferencji prasowej #
Tokens: 1 2_______ 3________ 4 5 6______ 7 8__________ 9_______ 10

Chunks:
  TruePositive nam [4,6] = R . Kalisza

(ChunkerEvaluator) Sentence #1039 from articles/00107398 from sent3

Text  : 23 . 08 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #1040 from articles/00107398 from sent4

Text  : Warszawa ( PAP ) - PKW poprosiła komitet wyborczy PO o  wyjaśnienia w  sprawie konferencji prasowej "  Polska w  budowie "  z  początku sierpnia -  wynika z  pisma komisji wyborczej ,  do którego dotarła PAP .
Tokens: 1_______ 2 3__ 4 5 6__ 7________ 8______ 9_______ 10 11 12_________ 13 14_____ 15_________ 16______ 17 18____ 19 20_____ 21 22 23______ 24______ 25 26____ 27 28___ 29_____ 30_______ 31 32 33_____ 34_____ 35_ 36

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [10,10] = PO
  TruePositive nam [35,35] = PAP
  FalsePositive nam [18,18] = Polska
  FalseNegative nam [6,6] = PKW
  FalseNegative nam [18,20] = Polska w budowie

(ChunkerEvaluator) Sentence #1041 from articles/00107398 from sent5

Text  : PKW przekazała także materiały do prokuratury .
Tokens: 1__ 2_________ 3____ 4________ 5_ 6__________ 7

Chunks:
  FalseNegative nam [1,1] = PKW

(ChunkerEvaluator) Sentence #1042 from articles/00107398 from sent6

Text  : 5 sierpnia przed południem Platforma Obywatelska zorganizowała konferencję prasową ,  podczas której zaprezentowano m  .  in .  spoty telewizyjne .
Tokens: 1 2_______ 3____ 4________ 5________ 6__________ 7____________ 8__________ 9______ 10 11_____ 12____ 13____________ 14 15 16 17 18___ 19_________ 20

Chunks:
  TruePositive nam [5,6] = Platforma Obywatelska

(ChunkerEvaluator) Sentence #1043 from articles/00107398 from sent7

Text  : Została ona zorganizowana zanim Platforma złożyła w PKW wymagane zawiadomienie o  utworzeniu komitetu wyborczego .
Tokens: 1______ 2__ 3____________ 4____ 5________ 6______ 7 8__ 9_______ 10___________ 11 12________ 13______ 14________ 15

Chunks:
  TruePositive nam [5,5] = Platforma
  FalseNegative nam [8,8] = PKW

(ChunkerEvaluator) Sentence #1044 from articles/00107398 from sent8

Text  : Politycy PiS i SLD zwrócili się w tej sprawie do Państwowej Komisji Wyborczej .
Tokens: 1_______ 2__ 3 4__ 5_______ 6__ 7 8__ 9______ 10 11________ 12_____ 13_______ 14

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [4,4] = SLD
  TruePositive nam [11,13] = Państwowej Komisji Wyborczej

(ChunkerEvaluator) Sentence #1045 from articles/00107398 from sent9

Text  : " PKW ( . . . ) zwróciła się do pełnomocnika wyborczego Komitetu Wyborczego PO o  złożenie wyjaśnień ,  m  .  in .  kto był organizatorem tej konferencji i  jej charakteru ,  a  w  szczególności odniesienia się do kwestii prezentowanych spotów wyborczych oznaczonych informacją +  sfinansowane ze środków KW Platforma Obywatelska RP +  "  -  czytamy w  odpowiedzi Państwowej Komisji Wyborczej skierowanej do wiceszefa klubu Sojuszu Tomasza Kamińskiego .
Tokens: 1 2__ 3 4 5 6 7 8_______ 9__ 10 11__________ 12________ 13______ 14________ 15 16 17______ 18_______ 19 20 21 22 23 24_ 25_ 26___________ 27_ 28_________ 29 30_ 31________ 32 33 34 35___________ 36_________ 37_ 38 39_____ 40____________ 41____ 42________ 43_________ 44________ 45 46__________ 47 48_____ 49 50_______ 51_________ 52 53 54 55 56_____ 57 58________ 59________ 60_____ 61_______ 62_________ 63 64_______ 65___ 66_____ 67_____ 68_________ 69

Chunks:
  TruePositive nam [59,61] = Państwowej Komisji Wyborczej
  TruePositive nam [66,68] = Sojuszu Tomasza Kamińskiego
  FalsePositive nam [49,53] = KW Platforma Obywatelska RP +
  FalseNegative nam [2,2] = PKW
  FalseNegative nam [13,15] = Komitetu Wyborczego PO
  FalseNegative nam [49,49] = KW
  FalseNegative nam [50,52] = Platforma Obywatelska RP

(ChunkerEvaluator) Sentence #1046 from articles/00107398 from sent10

Text  : PKW poinformowała także , że " przekazała dostępne jej materiały w  powyższej sprawie Prokuraturze Rejonowej w  Warszawie do stosowanego wykorzystania "  .
Tokens: 1__ 2____________ 3____ 4 5_ 6 7_________ 8_______ 9__ 10_______ 11 12_______ 13_____ 14__________ 15_______ 16 17_______ 18 19_________ 20___________ 21 22

Chunks:
  TruePositive nam [14,15] = Prokuraturze Rejonowej
  TruePositive nam [17,17] = Warszawie
  FalseNegative nam [1,1] = PKW

(ChunkerEvaluator) Sentence #1047 from articles/00107398 from sent11

Text  : Zgodnie z art . 105 Kodeksu wyborczego , agitację wyborczą można prowadzić od dnia przyjęcia przez właściwy organ zawiadomienia o  utworzeniu komitetu wyborczego .
Tokens: 1______ 2 3__ 4 5__ 6______ 7_________ 8 9_______ 10______ 11___ 12_______ 13 14__ 15_______ 16___ 17______ 18___ 19___________ 20 21________ 22______ 23________ 24

Chunks:

(ChunkerEvaluator) Sentence #1048 from articles/00107398 from sent12

Text  : Poseł Ryszard Kalisz ( jedynka listy warszawskiej SLD do Sejmu )  przypomniał na wtorkowej konferencji prasowej ,  że decyzja prezydenta Bronisława Komorowskiego o  zarządzeniu wyborów parlamentarnych na 9  października ukazała się w  Monitorze Polskim 5  sierpnia ,  w  związku z  tym ,  dopiero od tego dnia PKW miała prawo przyjmować zawiadomienia o  utworzeniu komitetów wyborczych .
Tokens: 1____ 2______ 3_____ 4 5______ 6____ 7___________ 8__ 9_ 10___ 11 12_________ 13 14_______ 15_________ 16______ 17 18 19_____ 20________ 21________ 22___________ 23 24_________ 25_____ 26_____________ 27 28 29__________ 30_____ 31_ 32 33_______ 34_____ 35 36______ 37 38 39_____ 40 41_ 42 43_____ 44 45__ 46__ 47_ 48___ 49___ 50________ 51___________ 52 53________ 54_______ 55________ 56

Chunks:
  TruePositive nam [2,3] = Ryszard Kalisz
  TruePositive nam [8,8] = SLD
  TruePositive nam [10,10] = Sejmu
  TruePositive nam [21,22] = Bronisława Komorowskiego
  TruePositive nam [33,34] = Monitorze Polskim
  FalseNegative nam [47,47] = PKW

(ChunkerEvaluator) Sentence #1049 from articles/00107398 from sent13

Text  : 5 sierpnia zatem - według Kalisza - Krajowy Komitet Wyborczy Platformy Obywatelskiej ,  którego logo widnieje w  spotach "  Polska w  budowie "  ,  jeszcze nie istniał .
Tokens: 1 2_______ 3____ 4 5_____ 6______ 7 8______ 9______ 10______ 11_______ 12___________ 13 14_____ 15__ 16______ 17 18_____ 19 20____ 21 22_____ 23 24 25_____ 26_ 27_____ 28

Chunks:
  TruePositive nam [6,6] = Kalisza
  TruePositive nam [8,12] = Krajowy Komitet Wyborczy Platformy Obywatelskiej
  FalsePositive nam [20,20] = Polska
  FalseNegative nam [20,22] = Polska w budowie

(ChunkerEvaluator) Sentence #1050 from articles/00107398 from sent14

Text  : Zwrócił ponadto uwagę , że zgodnie z art . 129 Kodeksu wyborczego ,  "  zabrania się wydatkowania środków przez komitet wyborczy przed dniem przyjęcia przez właściwy organ wyborczy zawiadomienia o  utworzeniu komitetu .
Tokens: 1______ 2______ 3____ 4 5_ 6______ 7 8__ 9 10_ 11_____ 12________ 13 14 15______ 16_ 17__________ 18_____ 19___ 20_____ 21______ 22___ 23___ 24_______ 25___ 26______ 27___ 28______ 29___________ 30 31________ 32______ 33

Chunks:

(ChunkerEvaluator) Sentence #1051 from articles/00107398 from sent15

Text  : " Czyli jeżeli były billboardy , plakaty i było to (  spoty "  Polska w  budowie "  -  PAP )  puszczane jako Krajowy Komitet Wyborczy PO ,  to przecież za coś to musiało zostać wydrukowane i  przygotowane .
Tokens: 1 2____ 3_____ 4___ 5_________ 6 7______ 8 9___ 10 11 12___ 13 14____ 15 16_____ 17 18 19_ 20 21_______ 22__ 23_____ 24_____ 25______ 26 27 28 29______ 30 31_ 32 33_____ 34____ 35_________ 36 37__________ 38

Chunks:
  TruePositive nam [19,19] = PAP
  TruePositive nam [23,26] = Krajowy Komitet Wyborczy PO
  FalsePositive nam [14,14] = Polska
  FalseNegative nam [14,16] = Polska w budowie

(ChunkerEvaluator) Sentence #1052 from articles/00107398 from sent16

Text  : Krajowy Komitet Wyborczy jeszcze nie istniał , czyli siłą rzeczy nie mógł wydać żadnych pieniędzy "  -  uważa Kalisz .
Tokens: 1______ 2______ 3_______ 4______ 5__ 6______ 7 8____ 9___ 10____ 11_ 12__ 13___ 14_____ 15_______ 16 17 18___ 19____ 20

Chunks:
  TruePositive nam [1,3] = Krajowy Komitet Wyborczy
  TruePositive nam [19,19] = Kalisz

(ChunkerEvaluator) Sentence #1053 from articles/00107398 from sent17

Text  : W jego opinii , w PO nikt nie zna prawa .
Tokens: 1 2___ 3_____ 4 5 6_ 7___ 8__ 9__ 10___ 11

Chunks:
  TruePositive nam [6,6] = PO

(ChunkerEvaluator) Sentence #1054 from articles/00107398 from sent18

Text  : " To jest jak , z tą kastracją pedofilów ,  gdzie nikt nie miał pojęcia o  art .  30 konstytucji mówiącym o  godności przyrodzonej każdego człowieka .
Tokens: 1 2_ 3___ 4__ 5 6 7_ 8________ 9________ 10 11___ 12__ 13_ 14__ 15_____ 16 17_ 18 19 20_________ 21______ 22 23______ 24__________ 25_____ 26_______ 27

Chunks:

(ChunkerEvaluator) Sentence #1055 from articles/00107398 from sent19

Text  : To nieznajomość prawa , tam ( w PO - PAP )  się nikt nie znalazł ,  który by powiedział jakie są przepisy Kodeksu wyborczego "  -  mówił Kalisz .
Tokens: 1_ 2___________ 3____ 4 5__ 6 7 8_ 9 10_ 11 12_ 13__ 14_ 15_____ 16 17___ 18 19________ 20___ 21 22______ 23_____ 24________ 25 26 27___ 28____ 29

Chunks:
  TruePositive nam [8,8] = PO
  TruePositive nam [10,10] = PAP
  TruePositive nam [28,28] = Kalisz

(ChunkerEvaluator) Sentence #1056 from articles/00107398 from sent20

Text  : Zasugerował , że karą , jaką powinna , w związku z  falstartem swej kampanii ,  zapłacić PO ,  to przewidziana w  Kodeksie wyborczym 100 tys .  grzywny .
Tokens: 1__________ 2 3_ 4___ 5 6___ 7______ 8 9 10_____ 11 12________ 13__ 14______ 15 16______ 17 18 19 20__________ 21 22______ 23_______ 24_ 25_ 26 27_____ 28

Chunks:
  TruePositive nam [17,17] = PO
  FalsePositive nam [22,22] = Kodeksie

(ChunkerEvaluator) Sentence #1057 from articles/00107398 from sent21

Text  : Szef sztabu wyborczego PO Jacek Protasiewicz odpiera zarzuty PKW .
Tokens: 1___ 2_____ 3_________ 4_ 5____ 6___________ 7______ 8______ 9__ 10

Chunks:
  TruePositive nam [4,4] = PO
  TruePositive nam [5,6] = Jacek Protasiewicz
  FalseNegative nam [9,9] = PKW

(ChunkerEvaluator) Sentence #1058 from articles/00107398 from sent22

Text  : W rozmowie z PAP tłumaczył , że PKW w lipcu przyjęła stanowisko ,  z  którego wynika ,  że pomiędzy rozpisaniem wyborów ,  a  zarejestrowaniem komitetu wyborczego można prowadzić działania ,  które mają charakter agitacji wyborczej ,  o  ile koncentrują się one na propagowaniu własnego programu .
Tokens: 1 2_______ 3 4__ 5________ 6 7_ 8__ 9 10___ 11______ 12________ 13 14 15_____ 16____ 17 18 19______ 20_________ 21_____ 22 23 24______________ 25______ 26________ 27___ 28_______ 29_______ 30 31___ 32__ 33_______ 34______ 35_______ 36 37 38_ 39_________ 40_ 41_ 42 43__________ 44______ 45______ 46

Chunks:
  TruePositive nam [4,4] = PAP
  FalseNegative nam [8,8] = PKW

(ChunkerEvaluator) Sentence #1059 from articles/00107398 from sent23

Text  : Według niego spoty " Polska w budowie " w tamtym okresie nie zawierały żadnych elementów nawołujących do głosowania ,  ani nie przedsatwiały żadnego kandydata .
Tokens: 1_____ 2____ 3____ 4 5_____ 6 7______ 8 9 10____ 11_____ 12_ 13_______ 14_____ 15_______ 16__________ 17 18________ 19 20_ 21_ 22___________ 23_____ 24_______ 25

Chunks:
  FalsePositive nam [5,5] = Polska
  FalseNegative nam [5,7] = Polska w budowie

(ChunkerEvaluator) Sentence #1060 from articles/00107398 from sent24

Text  : Jak dodał " były jedynie relacją z realizacji zalożeń programowych PO w  mijającej kadencji "  .
Tokens: 1__ 2____ 3 4___ 5______ 6______ 7 8_________ 9______ 10__________ 11 12 13_______ 14______ 15 16

Chunks:
  TruePositive nam [11,11] = PO

(ChunkerEvaluator) Sentence #1061 from articles/00107398 from sent25

Text  : Protasiewicz wyjaśnił ponadto , że emisja spotów PO w telewizji nastąpiła dopiero w  dniu ,  w  którym komitet wyborczy PO został zarejestrowany (  w  poniedziałek 8  sierpnia )  .
Tokens: 1___________ 2_______ 3______ 4 5_ 6_____ 7_____ 8_ 9 10_______ 11_______ 12_____ 13 14__ 15 16 17____ 18_____ 19______ 20 21____ 22____________ 23 24 25__________ 26 27______ 28 29

Chunks:
  TruePositive nam [8,8] = PO
  TruePositive nam [20,20] = PO
  FalseNegative nam [1,1] = Protasiewicz

(ChunkerEvaluator) Sentence #1062 from articles/00107398 from sent26

Text  : " O godzinie 16 PKW podjęła uchwałę o rejestracji naszego komitetu ,  o  godz .  17 wydane zostały dokumenty ,  a  emisja nastąpiła w  bloku informacyjnym około 19 "  -  zaznaczył .
Tokens: 1 2 3_______ 4_ 5__ 6______ 7______ 8 9__________ 10_____ 11______ 12 13 14__ 15 16 17____ 18_____ 19_______ 20 21 22____ 23_______ 24 25___ 26___________ 27___ 28 29 30 31_______ 32

Chunks:
  FalseNegative nam [5,5] = PKW

(ChunkerEvaluator) Sentence #1063 from articles/00107398 from sent27

Text  : Agnieszka Szymańska
Tokens: 1________ 2________

Chunks:
  TruePositive nam [1,2] = Agnieszka Szymańska

2016-10-27 14:59:16,356 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 37 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107399.xml
(ChunkerEvaluator) Sentence #1064 from articles/00107399 from sent1

Text  : El .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #1065 from articles/00107399 from sent2

Text  : ME - 2012 - Szwedzi osłabieni brakiem czołowego obrońcy
Tokens: 1_ 2 3___ 4 5______ 6________ 7______ 8________ 9______

Chunks:
  TruePositive nam [5,5] = Szwedzi
  FalseNegative nam [1,3] = ME - 2012

(ChunkerEvaluator) Sentence #1066 from articles/00107399 from sent3

Text  : Doświadczony obrońca Olof Mellberg nie zagra w dwóch najbliższych meczach reprezentacji Szwecji w  eliminacjach Euro 2012 -  z  Węgrami i  San Marino .
Tokens: 1___________ 2______ 3___ 4_______ 5__ 6____ 7 8____ 9___________ 10_____ 11___________ 12_____ 13 14__________ 15__ 16__ 17 18 19_____ 20 21_ 22____ 23

Chunks:
  TruePositive nam [3,4] = Olof Mellberg
  TruePositive nam [12,12] = Szwecji
  TruePositive nam [19,19] = Węgrami
  TruePositive nam [21,22] = San Marino
  FalsePositive nam [15,15] = Euro
  FalseNegative nam [15,16] = Euro 2012

(ChunkerEvaluator) Sentence #1067 from articles/00107399 from sent4

Text  : Piłkarz wystepujący obecnie w Olympiakosie Pireus narzeka na problemy z  kolanem .
Tokens: 1______ 2__________ 3______ 4 5___________ 6_____ 7______ 8_ 9_______ 10 11_____ 12

Chunks:
  TruePositive nam [5,6] = Olympiakosie Pireus

(ChunkerEvaluator) Sentence #1068 from articles/00107399 from sent5

Text  : Niespełna 34 - letni defensor doznał urazu w niedzielnym sparingu z  Interem Mediolan .
Tokens: 1________ 2_ 3 4____ 5_______ 6_____ 7____ 8 9__________ 10______ 11 12_____ 13______ 14

Chunks:
  TruePositive nam [12,13] = Interem Mediolan

(ChunkerEvaluator) Sentence #1069 from articles/00107399 from sent6

Text  : W najbliższych spotkaniach reprezentacji zastąpi go Andreas Granqvist z Genoi .
Tokens: 1 2___________ 3__________ 4____________ 5______ 6_ 7______ 8________ 9 10___ 11

Chunks:
  FalseNegative nam [7,8] = Andreas Granqvist
  FalseNegative nam [10,10] = Genoi

(ChunkerEvaluator) Sentence #1070 from articles/00107399 from sent7

Text  : Po sześciu meczach kwalifikacji Euro 2012 , których finały odbędą się w  Polsce i  na Ukrainie ,  Szwedzi zajmują drugie miejsce z  dorobkiem 15 punktów .
Tokens: 1_ 2______ 3______ 4___________ 5___ 6___ 7 8______ 9_____ 10____ 11_ 12 13____ 14 15 16______ 17 18_____ 19_____ 20____ 21_____ 22 23_______ 24 25_____ 26

Chunks:
  TruePositive nam [13,13] = Polsce
  TruePositive nam [16,16] = Ukrainie
  TruePositive nam [18,18] = Szwedzi
  FalsePositive nam [5,5] = Euro
  FalseNegative nam [5,6] = Euro 2012

(ChunkerEvaluator) Sentence #1071 from articles/00107399 from sent8

Text  : Prowadzi Holandia - odniosła komplet zwycięstw ( 18 pkt )  .
Tokens: 1_______ 2_______ 3 4_______ 5______ 6________ 7 8_ 9__ 10 11

Chunks:
  TruePositive nam [2,2] = Holandia

(ChunkerEvaluator) Sentence #1072 from articles/00107399 from sent9

Text  : Reprezentacja " Trzech Koron " zagra z Węgrami 2 września w  Budapeszcie ,  a  z  San Marino cztery dni później w  Serravalle .
Tokens: 1____________ 2 3_____ 4____ 5 6____ 7 8______ 9 10______ 11 12_________ 13 14 15 16_ 17____ 18____ 19_ 20_____ 21 22________ 23

Chunks:
  TruePositive nam [3,4] = Trzech Koron
  TruePositive nam [8,8] = Węgrami
  TruePositive nam [12,12] = Budapeszcie
  TruePositive nam [16,17] = San Marino
  TruePositive nam [22,22] = Serravalle

2016-10-27 14:59:16,396 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 38 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107400.xml
(ChunkerEvaluator) Sentence #1073 from articles/00107400 from sent1

Text  : Andrzej Pągowski zaprojektował plakaty do nowego filmu Jerzego Hoffmana
Tokens: 1______ 2_______ 3____________ 4______ 5_ 6_____ 7____ 8______ 9_______

Chunks:
  TruePositive nam [1,2] = Andrzej Pągowski
  TruePositive nam [8,9] = Jerzego Hoffmana

(ChunkerEvaluator) Sentence #1074 from articles/00107400 from sent2

Text  : Znany artysta grafik Andrzej Pągowski zaprojektował plakaty do nowego filmu Jerzego Hoffmana &  quot ;  1920 Bitwa Warszawska &  quot ;  .
Tokens: 1____ 2______ 3_____ 4______ 5_______ 6____________ 7______ 8_ 9_____ 10___ 11_____ 12______ 13 14__ 15 16__ 17___ 18________ 19 20__ 21 22

Chunks:
  TruePositive nam [4,5] = Andrzej Pągowski
  TruePositive nam [11,12] = Jerzego Hoffmana
  FalsePositive nam [17,19] = Bitwa Warszawska &
  FalseNegative nam [16,18] = 1920 Bitwa Warszawska

(ChunkerEvaluator) Sentence #1075 from articles/00107400 from sent3

Text  : Obraz , zrealizowany w technologii 3D , trafi do polskich kin 30 września .
Tokens: 1____ 2 3___________ 4 5__________ 6_ 7 8____ 9_ 10______ 11_ 12 13______ 14

Chunks:
  FalseNegative nam [6,6] = 3D

(ChunkerEvaluator) Sentence #1076 from articles/00107400 from sent4

Text  : Pągowski jest autorem trzech plakatów anonsujących ten film .
Tokens: 1_______ 2___ 3______ 4_____ 5_______ 6___________ 7__ 8___ 9

Chunks:
  FalseNegative nam [1,1] = Pągowski

(ChunkerEvaluator) Sentence #1077 from articles/00107400 from sent5

Text  : Na dwóch przedstawił wizerunki Nataszy Urbańskiej i Borysa Szyca w  filmowych kostiumach .
Tokens: 1_ 2____ 3__________ 4________ 5______ 6_________ 7 8_____ 9____ 10 11_______ 12________ 13

Chunks:
  TruePositive nam [5,6] = Nataszy Urbańskiej
  TruePositive nam [8,9] = Borysa Szyca

(ChunkerEvaluator) Sentence #1078 from articles/00107400 from sent6

Text  : Aktorzy ci zagrali w " 1920 Bitwie Warszawskiej " głównych bohaterów .
Tokens: 1______ 2_ 3______ 4 5 6___ 7_____ 8___________ 9 10______ 11_______ 12

Chunks:
  FalsePositive nam [7,8] = Bitwie Warszawskiej
  FalseNegative nam [6,8] = 1920 Bitwie Warszawskiej

(ChunkerEvaluator) Sentence #1079 from articles/00107400 from sent7

Text  : Na plakacie trzecim publiczność zobaczy gwiazdę bolszewicką , przebitą lancą ułańską XV Pułku Ułanów z  biało -  czerwonym proporczykiem .
Tokens: 1_ 2_______ 3______ 4__________ 5______ 6______ 7__________ 8 9_______ 10___ 11_____ 12 13___ 14____ 15 16___ 17 18_______ 19___________ 20

Chunks:
  TruePositive nam [12,14] = XV Pułku Ułanów

(ChunkerEvaluator) Sentence #1080 from articles/00107400 from sent8

Text  : Wszystkie trzy są plakatami graficznymi , co stanowi nawiązanie do najpiękniejszych tradycji polskiego plakatu filmowego -  poinformowała PAP w  środę firma Big Bang PR ,  która reprezentuje dystrybutora nowego obrazu Hoffmana ,  firmę Forum Film .
Tokens: 1________ 2___ 3_ 4________ 5__________ 6 7_ 8______ 9_________ 10 11______________ 12______ 13_______ 14_____ 15_______ 16 17___________ 18_ 19 20___ 21___ 22_ 23__ 24 25 26___ 27__________ 28__________ 29____ 30____ 31______ 32 33___ 34___ 35__ 36

Chunks:
  TruePositive nam [18,18] = PAP
  TruePositive nam [22,24] = Big Bang PR
  TruePositive nam [31,31] = Hoffmana
  TruePositive nam [34,35] = Forum Film

(ChunkerEvaluator) Sentence #1081 from articles/00107400 from sent9

Text  : " To pierwsza polska produkcja od lat , w której zdecydowano się na użycie plakatów utrzymanych w  stylu ,  do jakiego przyzwyczajone są galerie czy muzea plakatu "  -  powiedział o  filmie Pągowski .
Tokens: 1 2_ 3_______ 4_____ 5________ 6_ 7__ 8 9 10____ 11_________ 12_ 13 14____ 15______ 16_________ 17 18___ 19 20 21_____ 22____________ 23 24_____ 25_ 26___ 27_____ 28 29 30________ 31 32____ 33______ 34

Chunks:
  FalseNegative nam [33,33] = Pągowski

(ChunkerEvaluator) Sentence #1082 from articles/00107400 from sent10

Text  : Jak wspominał , ideę plakatu graficznego udało się przeforsować dzięki pozytywnemu nastawieniu producenta ,  reżysera i  dystrybutora .
Tokens: 1__ 2________ 3 4___ 5______ 6__________ 7____ 8__ 9___________ 10____ 11_________ 12_________ 13________ 14 15______ 16 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #1083 from articles/00107400 from sent11

Text  : Pągowski za skandaliczne uważa to , że " polskie filmy po roku 1989 są pozbawione plakatów graficznych "  .
Tokens: 1_______ 2_ 3___________ 4____ 5_ 6 7_ 8 9______ 10___ 11 12__ 13__ 14 15________ 16______ 17_________ 18 19

Chunks:
  FalseNegative nam [1,1] = Pągowski

(ChunkerEvaluator) Sentence #1084 from articles/00107400 from sent12

Text  : Jego zdaniem , " dzisiejsze plakaty fotosowe nie mają +  drugiego życia +  i  są produktem jednorazowego użytku "  .
Tokens: 1___ 2______ 3 4 5_________ 6______ 7_______ 8__ 9___ 10 11______ 12___ 13 14 15 16_______ 17___________ 18____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #1085 from articles/00107400 from sent13

Text  : " Podczas podróży po świecie bywam pytany , czy po roku 1990 nie robi się już w  Polsce filmów ,  bo na wystawach polski plakat filmowy kończy się mniej więcej na tej dacie .
Tokens: 1 2______ 3______ 4_ 5______ 6____ 7_____ 8 9__ 10 11__ 12__ 13_ 14__ 15_ 16_ 17 18____ 19____ 20 21 22 23_______ 24____ 25____ 26_____ 27____ 28_ 29___ 30____ 31 32_ 33___ 34

Chunks:
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #1086 from articles/00107400 from sent14

Text  : A przecież po roku 1989 społeczeństwo bez problemu czytało między wierszami ,  rozumiało symbolikę .
Tokens: 1 2_______ 3_ 4___ 5___ 6____________ 7__ 8_______ 9______ 10____ 11_______ 12 13_______ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #1087 from articles/00107400 from sent15

Text  : Plakaty graficzne powinno się wydawać choćby w niewielkim nakładzie ,  aby mogły potem funkcjonować w  drugim obiegu kultury ,  nawet po wielu latach "  -  powiedział Pągowski .
Tokens: 1______ 2________ 3______ 4__ 5______ 6_____ 7 8_________ 9________ 10 11_ 12___ 13___ 14__________ 15 16____ 17____ 18_____ 19 20___ 21 22___ 23____ 24 25 26________ 27______ 28

Chunks:
  FalseNegative nam [27,27] = Pągowski

(ChunkerEvaluator) Sentence #1088 from articles/00107400 from sent16

Text  : Przyznał , że obecnie twórcom filmowych plakatów " ogromnie trudno jest +  mówić +  symbolami ,  bo zwykle słyszy się odpowiedź +  nikt tego nie kupi +  "  ,  a  grafik często poddany jest wielkim naciskom ze strony zamawiających .
Tokens: 1_______ 2 3_ 4______ 5______ 6________ 7_______ 8 9_______ 10____ 11__ 12 13___ 14 15_______ 16 17 18____ 19____ 20_ 21_______ 22 23__ 24__ 25_ 26__ 27 28 29 30 31____ 32____ 33_____ 34__ 35_____ 36______ 37 38____ 39___________ 40

Chunks:

(ChunkerEvaluator) Sentence #1089 from articles/00107400 from sent17

Text  : " Jest wielka grupa zdolnych ludzi , którzy z powodu takiej presji nie mogą tworzyć tak ,  jakby chcieli "  -  zwrócił uwagę Pągowski .
Tokens: 1 2___ 3_____ 4____ 5_______ 6____ 7 8_____ 9 10____ 11____ 12____ 13_ 14__ 15_____ 16_ 17 18___ 19_____ 20 21 22_____ 23___ 24______ 25

Chunks:
  FalseNegative nam [24,24] = Pągowski

(ChunkerEvaluator) Sentence #1090 from articles/00107400 from sent18

Text  : W przypadku filmu Hoffmana inspiracją dla Andrzeja Pągowskiego były polskie plakaty agitacyjne ,  polityczne z  1920 roku .
Tokens: 1 2________ 3____ 4_______ 5_________ 6__ 7_______ 8__________ 9___ 10_____ 11_____ 12________ 13 14________ 15 16__ 17__ 18

Chunks:
  TruePositive nam [4,4] = Hoffmana
  TruePositive nam [7,8] = Andrzeja Pągowskiego

(ChunkerEvaluator) Sentence #1091 from articles/00107400 from sent19

Text  : " Ówczesne projekty były bardzo dobre graficznie i świetnie skomponowane emocjonalnie .
Tokens: 1 2_______ 3_______ 4___ 5_____ 6____ 7_________ 8 9_______ 10__________ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #1092 from articles/00107400 from sent20

Text  : Wykorzystywano w nich połączenie mocnego koloru z przejmującym obrazem "  -  przypomniał grafik .
Tokens: 1_____________ 2 3___ 4_________ 5______ 6_____ 7 8___________ 9______ 10 11 12_________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #1093 from articles/00107400 from sent21

Text  : Główni bohaterowie " 1920 Bitwy Warszawskiej " to tancerka z  warszawskiego teatru kabaretowego ,  Ola (  Natasza Urbańska )  i  ułan o  imieniu Jan (  Borys Szyc )  .
Tokens: 1_____ 2__________ 3 4___ 5____ 6___________ 7 8_ 9_______ 10 11___________ 12____ 13__________ 14 15_ 16 17_____ 18______ 19 20 21__ 22 23_____ 24_ 25 26___ 27__ 28 29

Chunks:
  TruePositive nam [15,15] = Ola
  TruePositive nam [17,18] = Natasza Urbańska
  TruePositive nam [24,24] = Jan
  TruePositive nam [26,27] = Borys Szyc
  FalsePositive nam [5,6] = Bitwy Warszawskiej
  FalseNegative nam [4,6] = 1920 Bitwy Warszawskiej

(ChunkerEvaluator) Sentence #1094 from articles/00107400 from sent22

Text  : Łączy ich miłość i zaangażowanie w bitwę z bolszewikami .
Tokens: 1____ 2__ 3_____ 4 5____________ 6 7____ 8 9___________ 10

Chunks:
  FalseNegative nam [9,9] = bolszewikami

(ChunkerEvaluator) Sentence #1095 from articles/00107400 from sent23

Text  : W obsadzie filmu są też m . in . :  Daniel Olbrychski (  jako Józef Piłsudski )  ,  Bogusław Linda ,  Aleksander Domogarow ,  Wiktor Zborowski ,  Wojciech Pszoniak .
Tokens: 1 2_______ 3____ 4_ 5__ 6 7 8_ 9 10 11____ 12________ 13 14__ 15___ 16_______ 17 18 19______ 20___ 21 22________ 23_______ 24 25____ 26_______ 27 28______ 29______ 30

Chunks:
  TruePositive nam [11,12] = Daniel Olbrychski
  TruePositive nam [15,16] = Józef Piłsudski
  TruePositive nam [19,20] = Bogusław Linda
  TruePositive nam [22,23] = Aleksander Domogarow
  TruePositive nam [25,26] = Wiktor Zborowski
  TruePositive nam [28,29] = Wojciech Pszoniak

(ChunkerEvaluator) Sentence #1096 from articles/00107400 from sent24

Text  : Zdjęcia - autorstwa wybitnego operatora Sławomira Idziaka - realizowano m  .  in .  na terenie Twierdzy Modlin ,  w  Komarowie koło Węgrowa i  na poligonach pod Warszawą .
Tokens: 1______ 2 3________ 4________ 5________ 6________ 7______ 8 9__________ 10 11 12 13 14 15_____ 16______ 17____ 18 19 20_______ 21__ 22_____ 23 24 25________ 26_ 27______ 28

Chunks:
  TruePositive nam [6,7] = Sławomira Idziaka
  TruePositive nam [16,17] = Twierdzy Modlin
  TruePositive nam [20,20] = Komarowie
  TruePositive nam [22,22] = Węgrowa
  TruePositive nam [27,27] = Warszawą

(ChunkerEvaluator) Sentence #1097 from articles/00107400 from sent25

Text  : Scenariusz " Bitwy . . . " napisał Jerzy Hoffman razem z  Jarosławem Sokołem .
Tokens: 1_________ 2 3____ 4 5 6 7 8______ 9____ 10_____ 11___ 12 13________ 14_____ 15

Chunks:
  TruePositive nam [9,10] = Jerzy Hoffman
  TruePositive nam [13,14] = Jarosławem Sokołem
  FalsePositive nam [3,6] = Bitwy . . .
  FalseNegative nam [3,3] = Bitwy

(ChunkerEvaluator) Sentence #1098 from articles/00107400 from sent26

Text  : Scenografię przygotował Andrzej Haliński .
Tokens: 1__________ 2__________ 3______ 4_______ 5

Chunks:
  TruePositive nam [3,4] = Andrzej Haliński
  FalsePositive nam [1,1] = Scenografię

(ChunkerEvaluator) Sentence #1099 from articles/00107400 from sent27

Text  : Za kostiumy odpowiadali Magdalena Tesławska i Andrzej Szenajch , a  za charakteryzację -  Mira Wojtczak i  Liliana Gałązka .
Tokens: 1_ 2_______ 3__________ 4________ 5________ 6 7______ 8_______ 9 10 11 12_____________ 13 14__ 15______ 16 17_____ 18_____ 19

Chunks:
  TruePositive nam [4,5] = Magdalena Tesławska
  TruePositive nam [7,8] = Andrzej Szenajch
  TruePositive nam [14,15] = Mira Wojtczak
  TruePositive nam [17,18] = Liliana Gałązka

(ChunkerEvaluator) Sentence #1100 from articles/00107400 from sent28

Text  : " 1920 Bitwa Warszawska " jest pierwszą polską produkcją fabularną zrealizowaną w  technologii 3D .
Tokens: 1 2___ 3____ 4_________ 5 6___ 7_______ 8_____ 9________ 10_______ 11__________ 12 13_________ 14 15

Chunks:
  FalsePositive nam [3,4] = Bitwa Warszawska
  FalseNegative nam [2,4] = 1920 Bitwa Warszawska
  FalseNegative nam [14,14] = 3D

2016-10-27 14:59:16,588 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 39 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107401.xml
(ChunkerEvaluator) Sentence #1101 from articles/00107401 from sent1

Text  : Bez szufladkowania
Tokens: 1__ 2_____________

Chunks:

(ChunkerEvaluator) Sentence #1102 from articles/00107401 from sent2

Text  : Janusz Zaorski i Marek Nowowiejski - twórcy filmu „ Haker ”  -  gościli w  sobotę 14 września w  Cinema City Korona
Tokens: 1_____ 2______ 3 4____ 5__________ 6 7_____ 8____ 9 10___ 11 12 13_____ 14 15____ 16 17______ 18 19____ 20__ 21____

Chunks:
  TruePositive nam [1,2] = Janusz Zaorski
  TruePositive nam [4,5] = Marek Nowowiejski
  TruePositive nam [10,10] = Haker
  TruePositive nam [19,21] = Cinema City Korona
  FalsePositive nam [19,20] = Cinema City

(ChunkerEvaluator) Sentence #1103 from articles/00107401 from sent3

Text  : „ Haker ” Janusza Zaorskiego już w kinach
Tokens: 1 2____ 3 4______ 5_________ 6__ 7 8_____

Chunks:
  TruePositive nam [2,2] = Haker
  TruePositive nam [4,5] = Janusza Zaorskiego

(ChunkerEvaluator) Sentence #1104 from articles/00107401 from sent4

Text  : Bez szufladkowania
Tokens: 1__ 2_____________

Chunks:

(ChunkerEvaluator) Sentence #1105 from articles/00107401 from sent5

Text  : Żyjemy w XXI wieku , więc zastanawiali śmy się ,  jak to jest z  tym nastolatkami ,  co ich pasjonuje -  mówił Janusz Zaorski ,  reżyser filmu „  Haker ”  ,  na sobotniej konferencji prasowej we wrocławskim Cinema City Korona .
Tokens: 1_____ 2 3__ 4____ 5 6___ 7___________ 8__ 9__ 10 11_ 12 13__ 14 15_ 16__________ 17 18 19_ 20_______ 21 22___ 23____ 24_____ 25 26_____ 27___ 28 29___ 30 31 32 33_______ 34_________ 35______ 36 37_________ 38____ 39__ 40____ 41

Chunks:
  TruePositive nam [23,24] = Janusz Zaorski
  TruePositive nam [29,29] = Haker
  TruePositive nam [38,40] = Cinema City Korona

(ChunkerEvaluator) Sentence #1106 from articles/00107401 from sent6

Text  : „ Haker ” to młodzieżowa komedia , której bohaterami są :  młody komputerowiec i  inteligent Marcin (  Bartosz Obuchowicz ,  znany z  roli w  „  Stacji ”  Piotra Wereśniaka )  oraz „  Turbo ”  (  Piotr Miazga ,  debiutant bardzo podobny do Nicolasa Cage'a )  ,  jego przystojny kolega .
Tokens: 1 2____ 3 4_ 5__________ 6______ 7 8_____ 9_________ 10 11 12___ 13___________ 14 15________ 16____ 17 18_____ 19________ 20 21___ 22 23__ 24 25 26____ 27 28____ 29________ 30 31__ 32 33___ 34 35 36___ 37____ 38 39_______ 40____ 41_____ 42 43______ 44____ 45 46 47__ 48________ 49____ 50

Chunks:
  TruePositive nam [2,2] = Haker
  TruePositive nam [16,16] = Marcin
  TruePositive nam [18,19] = Bartosz Obuchowicz
  TruePositive nam [26,26] = Stacji
  TruePositive nam [28,29] = Piotra Wereśniaka
  TruePositive nam [33,33] = Turbo
  TruePositive nam [36,37] = Piotr Miazga
  TruePositive nam [43,44] = Nicolasa Cage'a

(ChunkerEvaluator) Sentence #1107 from articles/00107401 from sent7

Text  : Marcin zakochuje się w pięknej maturzystce ( Kasia Smutniak ,  z  zawodu modelka )  ,  Turbo pomaga mu ją zdobyć .
Tokens: 1_____ 2________ 3__ 4 5______ 6__________ 7 8____ 9_______ 10 11 12____ 13_____ 14 15 16___ 17____ 18 19 20____ 21

Chunks:
  TruePositive nam [1,1] = Marcin
  TruePositive nam [8,9] = Kasia Smutniak
  TruePositive nam [16,16] = Turbo

(ChunkerEvaluator) Sentence #1108 from articles/00107401 from sent8

Text  : Obaj wpadną w kłopoty po uszy . . .
Tokens: 1___ 2_____ 3 4______ 5_ 6___ 7 8 9

Chunks:

(ChunkerEvaluator) Sentence #1109 from articles/00107401 from sent9

Text  : - Żaden aktor nie chce być zaszufladkowany , być specjalistą od sitcomów .
Tokens: 1 2____ 3____ 4__ 5___ 6__ 7______________ 8 9__ 10_________ 11 12______ 13

Chunks:
  FalseNegative nam [12,12] = sitcomów

(ChunkerEvaluator) Sentence #1110 from articles/00107401 from sent10

Text  : U nas mogli pokazać się od innej strony - opowiadał Janusz Zaorski .
Tokens: 1 2__ 3____ 4______ 5__ 6_ 7____ 8_____ 9 10_______ 11____ 12_____ 13

Chunks:
  TruePositive nam [11,12] = Janusz Zaorski

(ChunkerEvaluator) Sentence #1111 from articles/00107401 from sent11

Text  : Rzeczywiście : Paweł Deląg zagrał geja , Bogusław Linda sparodiował samego siebie jako życiowego nieudacznika ,  palacza Tośka ,  który nie może przejść ulicą ,  bo wszyscy go biorą za Bogusława Lindę .
Tokens: 1___________ 2 3____ 4____ 5_____ 6___ 7 8_______ 9____ 10_________ 11____ 12____ 13__ 14_______ 15__________ 16 17_____ 18___ 19 20___ 21_ 22__ 23_____ 24___ 25 26 27_____ 28 29___ 30 31_______ 32___ 33

Chunks:
  TruePositive nam [3,4] = Paweł Deląg
  TruePositive nam [8,9] = Bogusław Linda
  TruePositive nam [18,18] = Tośka
  TruePositive nam [31,32] = Bogusława Lindę

(ChunkerEvaluator) Sentence #1112 from articles/00107401 from sent12

Text  : Nieustraszony Halski z „ Ekstradycji ” i inteligent z „  Dnia świra ”  (  w  którym zajmuje go m  .  in .  dylemat ,  jak gangsterzy myją zęby ,  bo nie widać na filmach ,  żeby je płukali )  ,  czyli Marek Kondrat ,  jest tu policjantem -  gangsterem .
Tokens: 1____________ 2_____ 3 4 5__________ 6 7 8_________ 9 10 11__ 12___ 13 14 15 16____ 17_____ 18 19 20 21 22 23_____ 24 25_ 26________ 27__ 28__ 29 30 31_ 32___ 33 34_____ 35 36__ 37 38_____ 39 40 41___ 42___ 43_____ 44 45__ 46 47_________ 48 49________ 50

Chunks:
  TruePositive nam [5,5] = Ekstradycji
  TruePositive nam [42,43] = Marek Kondrat
  FalsePositive nam [8,8] = inteligent
  FalsePositive nam [10,12] = „ Dnia świra
  FalseNegative nam [2,2] = Halski
  FalseNegative nam [11,12] = Dnia świra

(ChunkerEvaluator) Sentence #1113 from articles/00107401 from sent13

Text  : Tylko w dwóch scenach filmu twórcy dali „ próbkę tego ,  jak mówią między sobą prawdziwi hakerzy ”  .
Tokens: 1____ 2 3____ 4______ 5____ 6_____ 7___ 8 9_____ 10__ 11 12_ 13___ 14____ 15__ 16_______ 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #1114 from articles/00107401 from sent14

Text  : - Zależało nam na tym , żeby zrobić film również dla tych ,  którzy nie znają się na hakowaniu -  mówił Marek Nowakowski ,  producent filmu i  współautor scenariusza .
Tokens: 1 2_______ 3__ 4_ 5__ 6 7___ 8_____ 9___ 10_____ 11_ 12__ 13 14____ 15_ 16___ 17_ 18 19_______ 20 21___ 22___ 23________ 24 25_______ 26___ 27 28________ 29_________ 30

Chunks:
  TruePositive nam [22,23] = Marek Nowakowski

(ChunkerEvaluator) Sentence #1115 from articles/00107401 from sent15

Text  : - Sami hakujemy , nie dajemy instrukcji , jak to robić -  dorzucił Janusz Zaorski .
Tokens: 1 2___ 3_______ 4 5__ 6_____ 7_________ 8 9__ 10 11___ 12 13______ 14____ 15_____ 16

Chunks:
  TruePositive nam [14,15] = Janusz Zaorski

(ChunkerEvaluator) Sentence #1116 from articles/00107401 from sent16

Text  : Reżyser przyznał , że na planie filmowym pomagali mu dwaj prawdziwi hakerzy .
Tokens: 1______ 2_______ 3 4_ 5_ 6_____ 7_______ 8_______ 9_ 10__ 11_______ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #1117 from articles/00107401 from sent17

Text  : - Ich nazwiska jednak nigdzie nie występują - powiedział .
Tokens: 1 2__ 3_______ 4_____ 5______ 6__ 7________ 8 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #1118 from articles/00107401 from sent18

Text  : Jak radzili sobie z aktorskimi debiutantami ?
Tokens: 1__ 2______ 3____ 4 5_________ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #1119 from articles/00107401 from sent19

Text  : - Wcześniej wszystko było z nimi obgadane , jak mają grać .
Tokens: 1 2________ 3_______ 4___ 5 6___ 7_______ 8 9__ 10__ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #1120 from articles/00107401 from sent20

Text  : Po raz pierwszy poprosił em dziekana wydziału aktorskiego szkoły teatralnej w  Warszawie ,  który przed ujęciami robił z  nimi próby -  tłumaczył Janusz Zaorski .
Tokens: 1_ 2__ 3_______ 4_______ 5_ 6_______ 7_______ 8__________ 9_____ 10________ 11 12_______ 13 14___ 15___ 16______ 17___ 18 19__ 20___ 21 22_______ 23____ 24_____ 25

Chunks:
  TruePositive nam [12,12] = Warszawie
  TruePositive nam [23,24] = Janusz Zaorski

(ChunkerEvaluator) Sentence #1121 from articles/00107401 from sent21

Text  : Film można oglądać w kinach Helios i Cinema City Korona .
Tokens: 1___ 2____ 3______ 4 5_____ 6_____ 7 8_____ 9___ 10____ 11

Chunks:
  TruePositive nam [6,6] = Helios
  TruePositive nam [8,10] = Cinema City Korona

2016-10-27 14:59:16,712 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 40 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107402.xml
(ChunkerEvaluator) Sentence #1122 from articles/00107402 from sent1

Text  : Album ze zdjęciami Condoleezzy Rice w kwaterze Kaddafiego
Tokens: 1____ 2_ 3________ 4__________ 5___ 6 7_______ 8_________

Chunks:
  TruePositive nam [4,5] = Condoleezzy Rice
  FalseNegative nam [8,8] = Kaddafiego

(ChunkerEvaluator) Sentence #1123 from articles/00107402 from sent2

Text  : Powstańcy przeszukujący kwaterę Muammara Kaddafiego w Trypolisie dokonali zaskakującego odkrycia :  natknęli się na album z  fotografiami byłej szefowej dyplomacji USA Condoleezzy Rice ,  którą libijski dyktator nazwał cztery lata temu &  quot ;  kochaną afrykańską kobietą &  quot ;  .
Tokens: 1________ 2____________ 3______ 4_______ 5_________ 6 7_________ 8_______ 9____________ 10______ 11 12______ 13_ 14 15___ 16 17__________ 18___ 19______ 20________ 21_ 22_________ 23__ 24 25___ 26______ 27______ 28____ 29____ 30__ 31__ 32 33__ 34 35_____ 36________ 37_____ 38 39__ 40 41

Chunks:
  TruePositive nam [4,5] = Muammara Kaddafiego
  TruePositive nam [7,7] = Trypolisie
  TruePositive nam [21,21] = USA
  TruePositive nam [22,23] = Condoleezzy Rice

(ChunkerEvaluator) Sentence #1124 from articles/00107402 from sent3

Text  : O odkryciu poinformowała w czwartek agencja Associated Press .
Tokens: 1 2_______ 3____________ 4 5_______ 6______ 7_________ 8____ 9

Chunks:
  TruePositive nam [7,8] = Associated Press

(ChunkerEvaluator) Sentence #1125 from articles/00107402 from sent4

Text  : Przypomniała przy okazji , że entuzjastyczne komentarze Kaddafiego na temat Rice ,  sekretarz stanu w  administracji George'a W  .  Busha ,  nie raz budziły w  świecie zdziwienie .
Tokens: 1___________ 2___ 3_____ 4 5_ 6_____________ 7_________ 8_________ 9_ 10___ 11__ 12 13_______ 14___ 15 16___________ 17______ 18 19 20___ 21 22_ 23_ 24_____ 25 26_____ 27________ 28

Chunks:
  TruePositive nam [17,20] = George'a W . Busha
  FalseNegative nam [8,8] = Kaddafiego
  FalseNegative nam [11,11] = Rice

(ChunkerEvaluator) Sentence #1126 from articles/00107402 from sent5

Text  : W 2007 roku w wywiadzie dla telewizji Al - Dżazira libijski przywódca wręcz z  uwielbieniem wypowiadał się o  Rice .
Tokens: 1 2___ 3___ 4 5________ 6__ 7________ 8_ 9 10_____ 11______ 12_______ 13___ 14 15__________ 16________ 17_ 18 19__ 20

Chunks:
  TruePositive nam [8,10] = Al - Dżazira
  FalseNegative nam [19,19] = Rice

(ChunkerEvaluator) Sentence #1127 from articles/00107402 from sent6

Text  : - Popieram moją kochaną , czarną , afrykańską kobietę .
Tokens: 1 2_______ 3___ 4______ 5 6_____ 7 8_________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #1128 from articles/00107402 from sent7

Text  : Podziwiam ją i jestem bardzo dumny ze sposobu , w  jaki ona odchyla się i  wydaje polecenia arabskim przywódcom -  mówił Kaddafi .
Tokens: 1________ 2_ 3 4_____ 5_____ 6____ 7_ 8______ 9 10 11__ 12_ 13_____ 14_ 15 16____ 17_______ 18______ 19________ 20 21___ 22_____ 23

Chunks:
  FalseNegative nam [22,22] = Kaddafi

(ChunkerEvaluator) Sentence #1129 from articles/00107402 from sent8

Text  : - Bardzo ją kocham , podziwiam i jestem dumny ,  ponieważ jest czarną kobietą o  korzeniach afrykańskich -  mówił .
Tokens: 1 2_____ 3_ 4_____ 5 6________ 7 8_____ 9____ 10 11______ 12__ 13____ 14_____ 15 16________ 17__________ 18 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #1130 from articles/00107402 from sent9

Text  : Kilka razy użył zdrobniałej formy imienia Condoleezzy Rice : Leezza .
Tokens: 1____ 2___ 3___ 4__________ 5____ 6______ 7__________ 8___ 9 10____ 11

Chunks:
  TruePositive nam [7,8] = Condoleezzy Rice
  FalseNegative nam [10,10] = Leezza

(ChunkerEvaluator) Sentence #1131 from articles/00107402 from sent10

Text  : Rok później Kaddafi i Rice mieli okazję spotkać się osobiście :  szefowa amerykańskiej dyplomacji złożyła wówczas historyczną wizytę w  Libii ,  w  czasie której oświadczyła ,  że Stany Zjednoczone "  nie mają żadnych permanentnych wrogów "  .
Tokens: 1__ 2______ 3______ 4 5___ 6____ 7_____ 8______ 9__ 10_______ 11 12_____ 13___________ 14________ 15_____ 16_____ 17_________ 18____ 19 20___ 21 22 23____ 24____ 25_________ 26 27 28___ 29_________ 30 31_ 32__ 33_____ 34___________ 35____ 36 37

Chunks:
  TruePositive nam [5,5] = Rice
  TruePositive nam [20,20] = Libii
  TruePositive nam [28,29] = Stany Zjednoczone
  FalseNegative nam [3,3] = Kaddafi

(ChunkerEvaluator) Sentence #1132 from articles/00107402 from sent11

Text  : Libijski przywódca podjął sekretarz stanu tradycyjnym posiłkiem kończącym w okresie ramadanu dzień postu .
Tokens: 1_______ 2________ 3_____ 4________ 5____ 6__________ 7________ 8________ 9 10_____ 11______ 12___ 13___ 14

Chunks:
  FalseNegative nam [11,11] = ramadanu

(ChunkerEvaluator) Sentence #1133 from articles/00107402 from sent12

Text  : I kilka razy miał zwrócić się do swojego gościa per "  Leezza "  -  opowiadali współpracownicy sekretarz stanu .
Tokens: 1 2____ 3___ 4___ 5______ 6__ 7_ 8______ 9_____ 10_ 11 12____ 13 14 15________ 16_____________ 17_______ 18___ 19

Chunks:
  TruePositive nam [12,12] = Leezza

(ChunkerEvaluator) Sentence #1134 from articles/00107402 from sent13

Text  : Kaddafi podarował wówczas Condoleezzie Rice pierścionek z brylantem , lutnię ,  medalion z  własną podobizną i  ,  oczywiście ,  podpisany egzemplarz swej "  Zielonej książki "  .
Tokens: 1______ 2________ 3______ 4___________ 5___ 6__________ 7 8________ 9 10____ 11 12______ 13 14____ 15_______ 16 17 18________ 19 20_______ 21________ 22__ 23 24______ 25_____ 26 27

Chunks:
  TruePositive nam [24,25] = Zielonej książki
  FalseNegative nam [1,1] = Kaddafi
  FalseNegative nam [4,5] = Condoleezzie Rice

(ChunkerEvaluator) Sentence #1135 from articles/00107402 from sent14

Text  : Łącznie upominki warte były 212 tys . dolarów .
Tokens: 1______ 2_______ 3____ 4___ 5__ 6__ 7 8______ 9

Chunks:
  FalsePositive nam [8,8] = dolarów

(ChunkerEvaluator) Sentence #1136 from articles/00107402 from sent15

Text  : Rice nie mogła ich jednak zatrzymać , ponieważ zabraniają tego amerykańskie przepisy .
Tokens: 1___ 2__ 3____ 4__ 5_____ 6________ 7 8_______ 9_________ 10__ 11__________ 12______ 13

Chunks:
  FalseNegative nam [1,1] = Rice

(ChunkerEvaluator) Sentence #1137 from articles/00107402 from sent16

Text  : Podarunki , jakie przedstawiciele administracji USA otrzymują od zagranicznych przywódców ,  najczęściej kończą w  magazynie ,  a  niektóre po latach trafiają do prezydenckiej biblioteki -  informuje AP .
Tokens: 1________ 2 3____ 4______________ 5____________ 6__ 7________ 8_ 9____________ 10________ 11 12_________ 13____ 14 15_______ 16 17 18______ 19 20____ 21______ 22 23___________ 24________ 25 26_______ 27 28

Chunks:
  TruePositive nam [6,6] = USA
  TruePositive nam [27,27] = AP

(ChunkerEvaluator) Sentence #1138 from articles/00107402 from sent17

Text  : Libijscy powstańcy zdobyli kompleks koszarowy Bab al - Azizija ,  czyli dawną siedzibę Kaddafiego ,  we wtorek ,  ale nie znaleźli tam ani Kadafiego ,  ani jego rodziny .
Tokens: 1_______ 2________ 3______ 4_______ 5________ 6__ 7_ 8 9______ 10 11___ 12___ 13______ 14________ 15 16 17____ 18 19_ 20_ 21______ 22_ 23_ 24_______ 25 26_ 27__ 28_____ 29

Chunks:
  TruePositive nam [6,9] = Bab al - Azizija
  TruePositive nam [24,24] = Kadafiego
  FalseNegative nam [14,14] = Kaddafiego

2016-10-27 14:59:16,817 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 41 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107403.xml
(ChunkerEvaluator) Sentence #1139 from articles/00107403 from sent1

Text  : Tacy mili sąsiedzi .
Tokens: 1___ 2___ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #1140 from articles/00107403 from sent2

Text  : Włamali się i do sąsiadki
Tokens: 1______ 2__ 3 4_ 5_______

Chunks:

(ChunkerEvaluator) Sentence #1141 from articles/00107403 from sent3

Text  : Razem mieli 9 promili alkoholu w organizmie .
Tokens: 1____ 2____ 3 4______ 5_______ 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #1142 from articles/00107403 from sent4

Text  : Wychodzi po trzy promile na głowę .
Tokens: 1_______ 2_ 3___ 4______ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #1143 from articles/00107403 from sent5

Text  : Ostatnią noc spędzili w policyjnym areszcie , ale wcześniej zdążyli się włamać do cudzego mieszkania i  narobić szkód .
Tokens: 1_______ 2__ 3_______ 4 5_________ 6_______ 7 8__ 9________ 10_____ 11_ 12____ 13 14_____ 15________ 16 17_____ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #1144 from articles/00107403 from sent6

Text  : Wpadli bardzo szybko , bo ktoś powiadomił dyżurnego płockiej komendy ,  że do jednego z  mieszkań przy Grabówce ktoś wdarł się w  mało subtelny sposób .
Tokens: 1_____ 2_____ 3_____ 4 5_ 6___ 7_________ 8________ 9_______ 10_____ 11 12 13 14_____ 15 16______ 17__ 18______ 19__ 20___ 21_ 22 23__ 24______ 25____ 26

Chunks:
  TruePositive nam [18,18] = Grabówce

(ChunkerEvaluator) Sentence #1145 from articles/00107403 from sent7

Text  : Poleciało szkło z wybitego okna .
Tokens: 1________ 2____ 3 4_______ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #1146 from articles/00107403 from sent8

Text  : Lokatorów nie było w domu , więc trójka mocno nietrzeźwych mężczyzn bez problemów wpakowała się do środka .
Tokens: 1________ 2__ 3___ 4 5___ 6 7___ 8_____ 9____ 10__________ 11______ 12_ 13_______ 14_______ 15_ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #1147 from articles/00107403 from sent9

Text  : Policjanci nie zastali ich jednak na miejscu przestępstwa .
Tokens: 1_________ 2__ 3______ 4__ 5_____ 6_ 7______ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #1148 from articles/00107403 from sent10

Text  : - Patrol zaczął penetrować cały teren i odpowiadających opisowi zauważył na ulicy Spółdzielczej -  mówi rzecznik płockiej policji Piotr Jeleniewicz .
Tokens: 1 2_____ 3_____ 4_________ 5___ 6____ 7 8______________ 9______ 10______ 11 12___ 13___________ 14 15__ 16______ 17______ 18_____ 19___ 20_________ 21

Chunks:
  TruePositive nam [13,13] = Spółdzielczej
  TruePositive nam [19,20] = Piotr Jeleniewicz
  FalsePositive nam [2,2] = Patrol

(ChunkerEvaluator) Sentence #1149 from articles/00107403 from sent11

Text  : - Przewieźli śmy ich do komendy , tu zbadali śmy alkomatem ,  bo gołym okiem było widać ,  że są mocno „  zmęczeni ”  .
Tokens: 1 2_________ 3__ 4__ 5_ 6______ 7 8_ 9______ 10_ 11_______ 12 13 14___ 15___ 16__ 17___ 18 19 20 21___ 22 23______ 24 25

Chunks:

(ChunkerEvaluator) Sentence #1150 from articles/00107403 from sent12

Text  : Wyszło po 3 promile u każdego .
Tokens: 1_____ 2_ 3 4______ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1151 from articles/00107403 from sent13

Text  : Kolejna policyjna „ podwózka ” była już na dołek .
Tokens: 1______ 2________ 3 4_______ 5 6___ 7__ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #1152 from articles/00107403 from sent14

Text  : Zatrzymani mają od 25 do 28 lat i mają u  policjantów ugruntowaną sławę jako złodzieje .
Tokens: 1_________ 2___ 3_ 4_ 5_ 6_ 7__ 8 9___ 10 11_________ 12_________ 13___ 14__ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #1153 from articles/00107403 from sent15

Text  : - Trwa ustalanie , czy i co ukradli z mieszkania sąsiadki -  wyjaśnia Jeleniewicz .
Tokens: 1 2___ 3________ 4 5__ 6 7_ 8______ 9 10________ 11______ 12 13______ 14_________ 15

Chunks:
  FalseNegative nam [14,14] = Jeleniewicz

(ChunkerEvaluator) Sentence #1154 from articles/00107403 from sent16

Text  : - Jeśli potwierdzi się , że panowie są sprawcami kradzieży z  włamaniem ,  grozi im do 10 lat więzienia .
Tokens: 1 2____ 3_________ 4__ 5 6_ 7______ 8_ 9________ 10_______ 11 12_______ 13 14___ 15 16 17 18_ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #1155 from articles/00107403 from sent17

Text  : Włamali się i do sąsiadki
Tokens: 1______ 2__ 3 4_ 5_______

Chunks:

(ChunkerEvaluator) Sentence #1156 from articles/00107403 from sent18

Text  : Pijani w sztok mężczyźni włamali się przez okno do mieszkania sąsiadki
Tokens: 1_____ 2 3____ 4________ 5______ 6__ 7____ 8___ 9_ 10________ 11______

Chunks:

(ChunkerEvaluator) Sentence #1157 from articles/00107403 from sent19

Text  : Razem mieli 9 promili alkoholu w organizmie .
Tokens: 1____ 2____ 3 4______ 5_______ 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #1158 from articles/00107403 from sent20

Text  : Wychodzi po trzy promile na głowę .
Tokens: 1_______ 2_ 3___ 4______ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #1159 from articles/00107403 from sent21

Text  : Ostatnią noc spędzili w policyjnym areszcie , ale wcześniej zdążyli się włamać do cudzego mieszkania i  narobić szkód .
Tokens: 1_______ 2__ 3_______ 4 5_________ 6_______ 7 8__ 9________ 10_____ 11_ 12____ 13 14_____ 15________ 16 17_____ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #1160 from articles/00107403 from sent22

Text  : Wpadli bardzo szybko , bo ktoś powiadomił dyżurnego płockiej komendy ,  że do jednego z  mieszkań przy Grabówce ktoś wdarł się w  mało subtelny sposób .
Tokens: 1_____ 2_____ 3_____ 4 5_ 6___ 7_________ 8________ 9_______ 10_____ 11 12 13 14_____ 15 16______ 17__ 18______ 19__ 20___ 21_ 22 23__ 24______ 25____ 26

Chunks:
  TruePositive nam [18,18] = Grabówce

(ChunkerEvaluator) Sentence #1161 from articles/00107403 from sent23

Text  : Poleciało szkło z wybitego okna .
Tokens: 1________ 2____ 3 4_______ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #1162 from articles/00107403 from sent24

Text  : Lokatorów nie było w domu , więc trójka mocno nietrzeźwych mężczyzn bez problemów wpakowała się do środka .
Tokens: 1________ 2__ 3___ 4 5___ 6 7___ 8_____ 9____ 10__________ 11______ 12_ 13_______ 14_______ 15_ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #1163 from articles/00107403 from sent25

Text  : Policjanci nie zastali ich jednak na miejscu przestępstwa .
Tokens: 1_________ 2__ 3______ 4__ 5_____ 6_ 7______ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #1164 from articles/00107403 from sent26

Text  : - Patrol zaczął penetrować cały teren i odpowiadających opisowi zauważył na ulicy Spółdzielczej -  mówi rzecznik płockiej policji Piotr Jeleniewicz .
Tokens: 1 2_____ 3_____ 4_________ 5___ 6____ 7 8______________ 9______ 10______ 11 12___ 13___________ 14 15__ 16______ 17______ 18_____ 19___ 20_________ 21

Chunks:
  TruePositive nam [13,13] = Spółdzielczej
  TruePositive nam [19,20] = Piotr Jeleniewicz
  FalsePositive nam [2,2] = Patrol

(ChunkerEvaluator) Sentence #1165 from articles/00107403 from sent27

Text  : - Przewieźli śmy ich do komendy , tu zbadali śmy alkomatem ,  bo gołym okiem było widać ,  że są mocno „  zmęczeni ”  .
Tokens: 1 2_________ 3__ 4__ 5_ 6______ 7 8_ 9______ 10_ 11_______ 12 13 14___ 15___ 16__ 17___ 18 19 20 21___ 22 23______ 24 25

Chunks:

(ChunkerEvaluator) Sentence #1166 from articles/00107403 from sent28

Text  : Wyszło po 3 promile u każdego .
Tokens: 1_____ 2_ 3 4______ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1167 from articles/00107403 from sent29

Text  : Kolejna policyjna „ podwózka ” była już na dołek .
Tokens: 1______ 2________ 3 4_______ 5 6___ 7__ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #1168 from articles/00107403 from sent30

Text  : Zatrzymani mają od 25 do 28 lat i mają u  policjantów ugruntowaną sławę jako złodzieje .
Tokens: 1_________ 2___ 3_ 4_ 5_ 6_ 7__ 8 9___ 10 11_________ 12_________ 13___ 14__ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #1169 from articles/00107403 from sent31

Text  : - Trwa ustalanie , czy i co ukradli z mieszkania sąsiadki -  wyjaśnia Jeleniewicz .
Tokens: 1 2___ 3________ 4 5__ 6 7_ 8______ 9 10________ 11______ 12 13______ 14_________ 15

Chunks:
  FalseNegative nam [14,14] = Jeleniewicz

(ChunkerEvaluator) Sentence #1170 from articles/00107403 from sent32

Text  : - Jeśli potwierdzi się , że panowie są sprawcami kradzieży z  włamaniem ,  grozi im do 10 lat więzienia .
Tokens: 1 2____ 3_________ 4__ 5 6_ 7______ 8_ 9________ 10_______ 11 12_______ 13 14___ 15 16 17 18_ 19_______ 20

Chunks:

2016-10-27 14:59:16,947 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 42 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107404.xml
(ChunkerEvaluator) Sentence #1171 from articles/00107404 from sent1

Text  : Turyści okradani i oszukiwani w kantorach
Tokens: 1______ 2_______ 3 4_________ 5 6________

Chunks:

(ChunkerEvaluator) Sentence #1172 from articles/00107404 from sent2

Text  : Kradzieże kieszonkowe i oszustwa w kantorach to najczęściej zgłaszane przez turystów przestępstwa w  nowym punkcie policyjnym dla turystów przy ul .  Powiśle .
Tokens: 1________ 2__________ 3 4_______ 5 6________ 7_ 8__________ 9________ 10___ 11______ 12__________ 13 14___ 15_____ 16________ 17_ 18______ 19__ 20 21 22_____ 23

Chunks:
  TruePositive nam [22,22] = Powiśle

(ChunkerEvaluator) Sentence #1173 from articles/00107404 from sent3

Text  : Najwięcej zgłasza się Anglików .
Tokens: 1________ 2______ 3__ 4_______ 5

Chunks:
  TruePositive nam [4,4] = Anglików

(ChunkerEvaluator) Sentence #1174 from articles/00107404 from sent4

Text  : Po nich najczęściej ofiarami przestępstw w Krakowie padają Niemcy ,  Francuzi i  Koreańczycy .
Tokens: 1_ 2___ 3__________ 4_______ 5__________ 6 7_______ 8_____ 9_____ 10 11______ 12 13_________ 14

Chunks:
  TruePositive nam [7,7] = Krakowie
  TruePositive nam [9,9] = Niemcy
  TruePositive nam [11,11] = Francuzi
  TruePositive nam [13,13] = Koreańczycy

(ChunkerEvaluator) Sentence #1175 from articles/00107404 from sent5

Text  : - Dominują zgłoszenia o kradzieżach kieszonkowych .
Tokens: 1 2_______ 3_________ 4 5__________ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #1176 from articles/00107404 from sent6

Text  : Ginie wszystko - nie tylko pieniądze i dokumenty , ale często też cały bagaż -  mówi Anna Zbroja z  zespołu prasowego małopolskiej policji .
Tokens: 1____ 2_______ 3 4__ 5____ 6________ 7 8________ 9 10_ 11____ 12_ 13__ 14___ 15 16__ 17__ 18____ 19 20_____ 21_______ 22__________ 23_____ 24

Chunks:
  TruePositive nam [17,18] = Anna Zbroja

(ChunkerEvaluator) Sentence #1177 from articles/00107404 from sent7

Text  : Kolejne sprawy , z jakimi obcojęzyczni turyści przychodzą do punktu policyjnego przy ul .  Powiśle ,  to oszustwa w  kantorach .
Tokens: 1______ 2_____ 3 4 5_____ 6___________ 7______ 8_________ 9_ 10____ 11_________ 12__ 13 14 15_____ 16 17 18______ 19 20_______ 21

Chunks:
  TruePositive nam [15,15] = Powiśle

(ChunkerEvaluator) Sentence #1178 from articles/00107404 from sent8

Text  : - To na przykład sytuacje , kiedy obcokrajowcy dają się skusić atrakcyjnym kursom walut wywieszonym przed kantorem .
Tokens: 1 2_ 3_ 4_______ 5_______ 6 7____ 8___________ 9___ 10_ 11____ 12_________ 13____ 14___ 15_________ 16___ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #1179 from articles/00107404 from sent9

Text  : Potem okazuje się , że dostali mniej pieniędzy , niż zgodnie z  ogłoszeniem powinni otrzymać po wymianie -  tłumaczy Zbroja .
Tokens: 1____ 2______ 3__ 4 5_ 6______ 7____ 8________ 9 10_ 11_____ 12 13_________ 14_____ 15______ 16 17______ 18 19______ 20____ 21

Chunks:
  TruePositive nam [20,20] = Zbroja

(ChunkerEvaluator) Sentence #1180 from articles/00107404 from sent10

Text  : Oprócz cudzoziemców na Powiśle przychodzą też polscy turyści z innych miast Polski .
Tokens: 1_____ 2___________ 3_ 4______ 5_________ 6__ 7_____ 8______ 9 10____ 11___ 12____ 13

Chunks:
  TruePositive nam [4,4] = Powiśle
  TruePositive nam [12,12] = Polski

(ChunkerEvaluator) Sentence #1181 from articles/00107404 from sent11

Text  : Od trzech tygodni ( punkt otworzono na początku sierpnia )  zawiadomień o  przestępstwie przyjęto tam ponad 50 .
Tokens: 1_ 2_____ 3______ 4 5____ 6________ 7_ 8_______ 9_______ 10 11_________ 12 13___________ 14______ 15_ 16___ 17 18

Chunks:

(ChunkerEvaluator) Sentence #1182 from articles/00107404 from sent12

Text  : - Oprócz rutynowej pracy dyżurujący policjant udziela też turystom rad związanych np .  z  topografią miasta -  dodaje Zbroja .
Tokens: 1 2_____ 3________ 4____ 5_________ 6________ 7______ 8__ 9_______ 10_ 11________ 12 13 14 15________ 16____ 17 18____ 19____ 20

Chunks:
  TruePositive nam [19,19] = Zbroja

(ChunkerEvaluator) Sentence #1183 from articles/00107404 from sent13

Text  : Policyjny Punkt Obsługi Turystów ma funkcjonować do końca października .
Tokens: 1________ 2____ 3______ 4_______ 5_ 6___________ 7_ 8____ 9___________ 10

Chunks:
  FalsePositive nam [2,4] = Punkt Obsługi Turystów
  FalseNegative nam [1,4] = Policyjny Punkt Obsługi Turystów

(ChunkerEvaluator) Sentence #1184 from articles/00107404 from sent14

Text  : Jest projektem pilotażowym stworzonym na potrzeby krakowskiej części prezydencji Polski w  Unii Europejskiej .
Tokens: 1___ 2________ 3__________ 4_________ 5_ 6_______ 7__________ 8_____ 9__________ 10____ 11 12__ 13__________ 14

Chunks:
  TruePositive nam [10,10] = Polski
  TruePositive nam [12,13] = Unii Europejskiej

(ChunkerEvaluator) Sentence #1185 from articles/00107404 from sent15

Text  : Potem władze miasta zdecydują o jego losie .
Tokens: 1____ 2_____ 3_____ 4________ 5 6___ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #1186 from articles/00107404 from sent16

Text  : Dyżuruje tam jeden policjant kryminalny ( przeniesiony z posterunku przy Rynku Głównym )  ,  pomaga mu cywilny wolontariusz .
Tokens: 1_______ 2__ 3____ 4________ 5_________ 6 7___________ 8 9_________ 10__ 11___ 12_____ 13 14 15____ 16 17_____ 18__________ 19

Chunks:
  TruePositive nam [11,12] = Rynku Głównym

2016-10-27 14:59:17,022 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 43 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107405.xml
(ChunkerEvaluator) Sentence #1187 from articles/00107405 from sent1

Text  : Vuelta a Espana - Kittel wygrał 7 . etap ,  liderem Chavanel
Tokens: 1_____ 2 3_____ 4 5_____ 6_____ 7 8 9___ 10 11_____ 12______

Chunks:
  FalseNegative nam [1,3] = Vuelta a Espana
  FalseNegative nam [5,5] = Kittel
  FalseNegative nam [12,12] = Chavanel

(ChunkerEvaluator) Sentence #1188 from articles/00107405 from sent2

Text  : Niemiec Marcel Kittel z grupy Skil wygrał w piątek po finiszu z  grupy siódmy etap wyścigu Vuelta a  Espana ,  z  Almaden do Talavera de la Reina ,  długości 182 ,  9  km .
Tokens: 1______ 2_____ 3_____ 4 5____ 6___ 7_____ 8 9_____ 10 11_____ 12 13___ 14____ 15__ 16_____ 17____ 18 19____ 20 21 22_____ 23 24______ 25 26 27___ 28 29______ 30_ 31 32 33 34

Chunks:
  TruePositive nam [1,1] = Niemiec
  TruePositive nam [2,3] = Marcel Kittel
  TruePositive nam [6,6] = Skil
  TruePositive nam [22,22] = Almaden
  FalseNegative nam [17,19] = Vuelta a Espana
  FalseNegative nam [24,27] = Talavera de la Reina

(ChunkerEvaluator) Sentence #1189 from articles/00107405 from sent3

Text  : Liderem klasyfikacji generalnej pozostał Francuz Sylvain Chavanel z ekipy Quick Step .
Tokens: 1______ 2___________ 3_________ 4_______ 5______ 6______ 7_______ 8 9____ 10___ 11__ 12

Chunks:
  TruePositive nam [10,11] = Quick Step
  FalsePositive nam [5,7] = Francuz Sylvain Chavanel
  FalseNegative nam [5,5] = Francuz
  FalseNegative nam [6,7] = Sylvain Chavanel

(ChunkerEvaluator) Sentence #1190 from articles/00107405 from sent4

Text  : Kittel wygrał pierwszy etap w jednej z trzech największych imprez w  kalendarzu .
Tokens: 1_____ 2_____ 3_______ 4___ 5 6_____ 7 8_____ 9___________ 10____ 11 12________ 13

Chunks:
  FalseNegative nam [1,1] = Kittel

(ChunkerEvaluator) Sentence #1191 from articles/00107405 from sent5

Text  : Był najbardziej aktywnym sprinterem w tegorocznym Tour de Pologne ,  w  którym trzykrotnie mijał linię mety jako zwycięzca .
Tokens: 1__ 2__________ 3_______ 4_________ 5 6__________ 7___ 8_ 9______ 10 11 12____ 13_________ 14___ 15___ 16__ 17__ 18_______ 19

Chunks:
  FalsePositive nam [7,7] = Tour
  FalseNegative nam [7,9] = Tour de Pologne

(ChunkerEvaluator) Sentence #1192 from articles/00107405 from sent6

Text  : W piątek 23 - letni Niemiec , po 4 :  47 .  59 jazdy ,  wyprzedził Słowaka Petera Sagana (  Liquigas )  i  Hiszpana Oscara Freire (  Rabobank )  .
Tokens: 1 2_____ 3_ 4 5____ 6______ 7 8_ 9 10 11 12 13 14___ 15 16________ 17_____ 18____ 19____ 20 21______ 22 23 24______ 25____ 26____ 27 28______ 29 30

Chunks:
  TruePositive nam [6,6] = Niemiec
  FalsePositive nam [17,19] = Słowaka Petera Sagana
  FalsePositive nam [24,26] = Hiszpana Oscara Freire
  FalseNegative nam [17,17] = Słowaka
  FalseNegative nam [18,19] = Petera Sagana
  FalseNegative nam [21,21] = Liquigas
  FalseNegative nam [24,24] = Hiszpana
  FalseNegative nam [25,26] = Oscara Freire
  FalseNegative nam [28,28] = Rabobank

(ChunkerEvaluator) Sentence #1193 from articles/00107405 from sent7

Text  : Najwyżej sklasyfikowanym z Polaków w peletonie został na 29 .  pozycji Jarosław Marycz (  Saxo Bank )  ;  lider wyścigu Chavanel był 41 .
Tokens: 1_______ 2______________ 3 4______ 5 6________ 7_____ 8_ 9_ 10 11_____ 12______ 13____ 14 15__ 16__ 17 18 19___ 20_____ 21______ 22_ 23 24

Chunks:
  TruePositive nam [4,4] = Polaków
  TruePositive nam [12,13] = Jarosław Marycz
  TruePositive nam [15,16] = Saxo Bank
  TruePositive nam [21,21] = Chavanel

(ChunkerEvaluator) Sentence #1194 from articles/00107405 from sent8

Text  : Pozostali Polacy znaleźli się na odległych lokatach : 104 .  był Przemysław Niemiec (  Lampre -  ISD )  ,  118 .
Tokens: 1________ 2_____ 3_______ 4__ 5_ 6________ 7_______ 8 9__ 10 11_ 12________ 13_____ 14 15____ 16 17_ 18 19 20_ 21

Chunks:
  TruePositive nam [2,2] = Polacy
  TruePositive nam [12,13] = Przemysław Niemiec
  TruePositive nam [15,17] = Lampre - ISD

(ChunkerEvaluator) Sentence #1195 from articles/00107405 from sent9

Text  : Rafał Majka ( Saxo Bank ) , a 173 .
Tokens: 1____ 2____ 3 4___ 5___ 6 7 8 9__ 10

Chunks:
  TruePositive nam [1,2] = Rafał Majka
  TruePositive nam [4,5] = Saxo Bank

(ChunkerEvaluator) Sentence #1196 from articles/00107405 from sent10

Text  : Michał Gołaś ( Vacansoleil ) .
Tokens: 1_____ 2____ 3 4__________ 5 6

Chunks:
  TruePositive nam [1,2] = Michał Gołaś
  FalseNegative nam [4,4] = Vacansoleil

(ChunkerEvaluator) Sentence #1197 from articles/00107405 from sent11

Text  : Ten ostatni , potrącony przez Amerykanina Tylera Farrara , niefortunnie upadł w  końcówce i  był sprawcą większej kraksy ,  w  której ucierpieli oprócz niego także m  .  in .  Włosi Vincenzo Nibali i  Michele Scarponi ,  Hiszpan Joaquim Rodriguez i  Belg Juergen van den Broeck
Tokens: 1__ 2______ 3 4________ 5____ 6__________ 7_____ 8______ 9 10__________ 11___ 12 13______ 14 15_ 16_____ 17______ 18____ 19 20 21____ 22________ 23____ 24___ 25___ 26 27 28 29 30___ 31______ 32____ 33 34_____ 35______ 36 37_____ 38_____ 39_______ 40 41__ 42_____ 43_ 44_ 45____

Chunks:
  TruePositive nam [30,30] = Włosi
  TruePositive nam [31,32] = Vincenzo Nibali
  TruePositive nam [34,35] = Michele Scarponi
  FalsePositive nam [6,8] = Amerykanina Tylera Farrara
  FalsePositive nam [37,39] = Hiszpan Joaquim Rodriguez
  FalsePositive nam [41,45] = Belg Juergen van den Broeck
  FalseNegative nam [6,6] = Amerykanina
  FalseNegative nam [7,8] = Tylera Farrara
  FalseNegative nam [37,37] = Hiszpan
  FalseNegative nam [38,39] = Joaquim Rodriguez
  FalseNegative nam [41,41] = Belg
  FalseNegative nam [42,45] = Juergen van den Broeck

(ChunkerEvaluator) Sentence #1198 from articles/00107405 from sent12

Text  : Najbardziej z tego grona ucierpiał Farrar , który do końca pedałował tylko jedną nogą ,  bo mocno stłukł lewą kostkę .
Tokens: 1__________ 2 3___ 4____ 5________ 6_____ 7 8____ 9_ 10___ 11_______ 12___ 13___ 14__ 15 16 17___ 18____ 19__ 20____ 21

Chunks:
  FalseNegative nam [6,6] = Farrar

(ChunkerEvaluator) Sentence #1199 from articles/00107405 from sent13

Text  : Zespół Polaka nie ogłosił na razie w jakim stanie jest jego zawodnik .
Tokens: 1_____ 2_____ 3__ 4______ 5_ 6____ 7 8____ 9_____ 10__ 11__ 12______ 13

Chunks:
  TruePositive nam [2,2] = Polaka

(ChunkerEvaluator) Sentence #1200 from articles/00107405 from sent14

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #1201 from articles/00107405 from sent15

Text  : Marcel Kittel ( Niemcy / Skil ) 4 : 47 .  59 2  .
Tokens: 1_____ 2_____ 3 4_____ 5 6___ 7 8 9 10 11 12 13 14

Chunks:
  TruePositive nam [1,2] = Marcel Kittel
  TruePositive nam [4,4] = Niemcy
  TruePositive nam [6,6] = Skil

(ChunkerEvaluator) Sentence #1202 from articles/00107405 from sent16

Text  : Peter Sagan ( Słowacja / Liquigas ) 3 .
Tokens: 1____ 2____ 3 4_______ 5 6_______ 7 8 9

Chunks:
  TruePositive nam [1,2] = Peter Sagan
  TruePositive nam [4,4] = Słowacja
  FalseNegative nam [6,6] = Liquigas

(ChunkerEvaluator) Sentence #1203 from articles/00107405 from sent17

Text  : Oscar Freire ( Hiszpania / Rabobank ) 4 .
Tokens: 1____ 2_____ 3 4________ 5 6_______ 7 8 9

Chunks:
  TruePositive nam [1,2] = Oscar Freire
  FalsePositive nam [4,6] = Hiszpania / Rabobank
  FalseNegative nam [4,4] = Hiszpania
  FalseNegative nam [6,6] = Rabobank

(ChunkerEvaluator) Sentence #1204 from articles/00107405 from sent18

Text  : Daniele Bennati ( Włochy / Leopard ) 5 .
Tokens: 1______ 2______ 3 4_____ 5 6______ 7 8 9

Chunks:
  TruePositive nam [1,2] = Daniele Bennati
  TruePositive nam [4,4] = Włochy
  TruePositive nam [6,6] = Leopard

(ChunkerEvaluator) Sentence #1205 from articles/00107405 from sent19

Text  : Lloyd Mondory ( Francja / Ag2R ) 6 .
Tokens: 1____ 2______ 3 4______ 5 6___ 7 8 9

Chunks:
  TruePositive nam [1,2] = Lloyd Mondory
  TruePositive nam [4,4] = Francja
  TruePositive nam [6,6] = Ag2R

(ChunkerEvaluator) Sentence #1206 from articles/00107405 from sent20

Text  : Juan Jose Haedo ( Argentyna / Saxobank ) 7 .
Tokens: 1___ 2___ 3____ 4 5________ 6 7_______ 8 9 10

Chunks:
  TruePositive nam [1,3] = Juan Jose Haedo
  FalsePositive nam [5,7] = Argentyna / Saxobank
  FalseNegative nam [5,5] = Argentyna
  FalseNegative nam [7,7] = Saxobank

(ChunkerEvaluator) Sentence #1207 from articles/00107405 from sent21

Text  : Tom Veelers ( Holandia / Skil ) 8 .
Tokens: 1__ 2______ 3 4_______ 5 6___ 7 8 9

Chunks:
  TruePositive nam [1,2] = Tom Veelers
  TruePositive nam [4,4] = Holandia
  FalsePositive nam [6,6] = Skil
  FalseNegative nam [6,7] = Skil )

(ChunkerEvaluator) Sentence #1208 from articles/00107405 from sent22

Text  : Alessandro Petacchi ( Włochy / Lampre ) 9 .
Tokens: 1_________ 2_______ 3 4_____ 5 6_____ 7 8 9

Chunks:
  TruePositive nam [1,2] = Alessandro Petacchi
  TruePositive nam [4,4] = Włochy
  FalseNegative nam [6,6] = Lampre

(ChunkerEvaluator) Sentence #1209 from articles/00107405 from sent23

Text  : Enrico Gasparotto ( Włochy / Astana ) 10 .
Tokens: 1_____ 2_________ 3 4_____ 5 6_____ 7 8_ 9

Chunks:
  TruePositive nam [1,2] = Enrico Gasparotto
  TruePositive nam [4,4] = Włochy
  TruePositive nam [6,6] = Astana

(ChunkerEvaluator) Sentence #1210 from articles/00107405 from sent24

Text  : Leigh Howard ( Australia / HTC ) wszyscy ten sam czas .  .  .
Tokens: 1____ 2_____ 3 4________ 5 6__ 7 8______ 9__ 10_ 11__ 12 13 14

Chunks:
  TruePositive nam [1,2] = Leigh Howard
  FalsePositive nam [4,6] = Australia / HTC
  FalseNegative nam [4,4] = Australia
  FalseNegative nam [6,6] = HTC

(ChunkerEvaluator) Sentence #1211 from articles/00107405 from sent25

Text  : 29 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #1212 from articles/00107405 from sent26

Text  : Jarosław Marycz ( Polska / Saxo Bank ) 41 .
Tokens: 1_______ 2_____ 3 4_____ 5 6___ 7___ 8 9_ 10

Chunks:
  TruePositive nam [1,2] = Jarosław Marycz
  TruePositive nam [4,4] = Polska
  TruePositive nam [6,7] = Saxo Bank

(ChunkerEvaluator) Sentence #1213 from articles/00107405 from sent27

Text  : Sylvain Chavanel ( Francja / Quick Step ) 104 .
Tokens: 1______ 2_______ 3 4______ 5 6____ 7___ 8 9__ 10

Chunks:
  TruePositive nam [1,2] = Sylvain Chavanel
  TruePositive nam [4,4] = Francja
  FalsePositive nam [6,7] = Quick Step
  FalseNegative nam [7,7] = Step

(ChunkerEvaluator) Sentence #1214 from articles/00107405 from sent28

Text  : Przemysław Niemiec ( Polska / Lampre - ISD ) 118 .
Tokens: 1_________ 2______ 3 4_____ 5 6_____ 7 8__ 9 10_ 11

Chunks:
  TruePositive nam [1,2] = Przemysław Niemiec
  TruePositive nam [4,4] = Polska
  FalsePositive nam [6,8] = Lampre - ISD
  FalseNegative nam [6,6] = Lampre

(ChunkerEvaluator) Sentence #1215 from articles/00107405 from sent29

Text  : Rafał Majka ( Polska / Saxo Bank ) 173 .
Tokens: 1____ 2____ 3 4_____ 5 6___ 7___ 8 9__ 10

Chunks:
  TruePositive nam [1,2] = Rafał Majka
  TruePositive nam [4,4] = Polska
  TruePositive nam [6,7] = Saxo Bank

(ChunkerEvaluator) Sentence #1216 from articles/00107405 from sent30

Text  : Michał Gołaś ( Polska / Vacansoleil ) wszyscy ten sam czas
Tokens: 1_____ 2____ 3 4_____ 5 6__________ 7 8______ 9__ 10_ 11__

Chunks:
  TruePositive nam [1,2] = Michał Gołaś
  TruePositive nam [4,4] = Polska
  FalseNegative nam [6,6] = Vacansoleil

(ChunkerEvaluator) Sentence #1217 from articles/00107405 from sent31

Text  : klasyfikacja generalna ( po 7 z 21 etapów ) :
Tokens: 1___________ 2________ 3 4_ 5 6 7_ 8_____ 9 10

Chunks:

2016-10-27 14:59:17,139 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 44 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107406.xml
(ChunkerEvaluator) Sentence #1218 from articles/00107406 from sent1

Text  : Prawosławni święcili zioła i zboża
Tokens: 1__________ 2_______ 3____ 4 5____

Chunks:

(ChunkerEvaluator) Sentence #1219 from articles/00107406 from sent2

Text  : Prawosławni obchodzą w niedzielę święto Zaśnięcia Najświętszej Maryi Panny .
Tokens: 1__________ 2_______ 3 4________ 5_____ 6________ 7___________ 8____ 9____ 10

Chunks:
  TruePositive nam [6,9] = Zaśnięcia Najświętszej Maryi Panny

(ChunkerEvaluator) Sentence #1220 from articles/00107406 from sent3

Text  : W cerkwiach święci się tego dnia bukiety ze zbożami ,  ziołami i  kwiatami .
Tokens: 1 2________ 3_____ 4__ 5___ 6___ 7______ 8_ 9______ 10 11_____ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #1221 from articles/00107406 from sent4

Text  : To święto kończy cerkiewny rok liturgiczny .
Tokens: 1_ 2_____ 3_____ 4________ 5__ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #1222 from articles/00107406 from sent5

Text  : Zwierzchnik Cerkwi w Polsce metropolita Sawa przewodniczył z tej okazji liturgii w  parafii Zaśnięcia Bogorudzicy w  Bielsku Podlaskim ,  abp białostocko -  gdański Jakub w  białostockiej parafii w  Starosielcach oraz w  Mońkach .
Tokens: 1__________ 2_____ 3 4_____ 5__________ 6___ 7____________ 8 9__ 10____ 11______ 12 13_____ 14_______ 15_________ 16 17_____ 18_______ 19 20_ 21_________ 22 23_____ 24___ 25 26___________ 27_____ 28 29___________ 30__ 31 32_____ 33

Chunks:
  TruePositive nam [4,4] = Polsce
  TruePositive nam [6,6] = Sawa
  TruePositive nam [24,24] = Jakub
  TruePositive nam [32,32] = Mońkach
  FalsePositive nam [1,2] = Zwierzchnik Cerkwi
  FalsePositive nam [14,18] = Zaśnięcia Bogorudzicy w Bielsku Podlaskim
  FalseNegative nam [2,2] = Cerkwi
  FalseNegative nam [14,15] = Zaśnięcia Bogorudzicy
  FalseNegative nam [17,18] = Bielsku Podlaskim
  FalseNegative nam [29,29] = Starosielcach

(ChunkerEvaluator) Sentence #1223 from articles/00107406 from sent6

Text  : Święto Zaśnięcia Najświętszej Maryi Panny jest ostatnim z dwunastu najważniejszych świąt w  cerkiewnym kalendarzu liturgicznym .
Tokens: 1_____ 2________ 3___________ 4____ 5____ 6___ 7_______ 8 9_______ 10_____________ 11___ 12 13________ 14________ 15__________ 16

Chunks:
  TruePositive nam [2,5] = Zaśnięcia Najświętszej Maryi Panny

(ChunkerEvaluator) Sentence #1224 from articles/00107406 from sent7

Text  : Jest odpowiednikiem święta Wniebowzięcia Najświętszej Maryi Panny , zwanego też świętem Matki Boskiej Zielnej w  kościele katolickim .
Tokens: 1___ 2_____________ 3_____ 4____________ 5___________ 6____ 7____ 8 9______ 10_ 11_____ 12___ 13_____ 14_____ 15 16______ 17________ 18

Chunks:
  TruePositive nam [4,7] = Wniebowzięcia Najświętszej Maryi Panny
  TruePositive nam [12,14] = Matki Boskiej Zielnej

(ChunkerEvaluator) Sentence #1225 from articles/00107406 from sent8

Text  : W świątyniach , zgodnie z tradycją święci się bukiety z  tegorocznych zbóż ,  ziół i  kwiatów .
Tokens: 1 2__________ 3 4______ 5 6_______ 7_____ 8__ 9______ 10 11__________ 12__ 13 14__ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #1226 from articles/00107406 from sent9

Text  : Według tradycji ludowej , poświęcone ziarna zbóż służą do pierwszych zasiewów w  następnym roku ,  ma to zapewniać urodzaj .
Tokens: 1_____ 2_______ 3______ 4 5_________ 6_____ 7___ 8____ 9_ 10________ 11______ 12 13_______ 14__ 15 16 17 18_______ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #1227 from articles/00107406 from sent10

Text  : Wiązanki kwiatów wkładane są później pod głowy najbliższym zmarłym .
Tokens: 1_______ 2______ 3_______ 4_ 5______ 6__ 7____ 8__________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #1228 from articles/00107406 from sent11

Text  : Święto Zaśnięcia Najświętszej Maryi Panny ( lub Bogurodzicy ) ustanowione zostało w  IV wieku i  -  według kalendarza gregoriańskiego -  przypada zawsze 28 sierpnia .
Tokens: 1_____ 2________ 3___________ 4____ 5____ 6 7__ 8__________ 9 10_________ 11_____ 12 13 14___ 15 16 17____ 18________ 19_____________ 20 21______ 22____ 23 24______ 25

Chunks:
  FalsePositive nam [2,5] = Zaśnięcia Najświętszej Maryi Panny
  FalsePositive nam [8,8] = Bogurodzicy
  FalseNegative nam [2,9] = Zaśnięcia Najświętszej Maryi Panny ( lub Bogurodzicy )

(ChunkerEvaluator) Sentence #1229 from articles/00107406 from sent12

Text  : Poprzedzone jest dwutygodniowym postem .
Tokens: 1__________ 2___ 3_____________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #1230 from articles/00107406 from sent13

Text  : Hierarchowie Cerkwi szacują , że w Polsce jest około 550 -  600 tys .  prawosławnych .
Tokens: 1___________ 2_____ 3______ 4 5_ 6 7_____ 8___ 9____ 10_ 11 12_ 13_ 14 15___________ 16

Chunks:
  TruePositive nam [7,7] = Polsce
  FalseNegative nam [2,2] = Cerkwi

(ChunkerEvaluator) Sentence #1231 from articles/00107406 from sent14

Text  : Największe ich skupiska są w województwie podlaskim .
Tokens: 1_________ 2__ 3_______ 4_ 5 6___________ 7________ 8

Chunks:
  TruePositive nam [7,7] = podlaskim

(ChunkerEvaluator) Sentence #1232 from articles/00107406 from sent15

Text  : Około dziesięciu parafii prawosławnych w tym regionie jest pod wezwaniem Zaśnięcia Najświętszej Maryi Panny ,  m  .  in .  w  Bielsku Podlaskim ,  Zabłudowie ,  Czyżach ,  Kleszczelach i  Boćkach .
Tokens: 1____ 2_________ 3______ 4____________ 5 6__ 7_______ 8___ 9__ 10_______ 11_______ 12__________ 13___ 14___ 15 16 17 18 19 20 21_____ 22_______ 23 24________ 25 26_____ 27 28__________ 29 30_____ 31

Chunks:
  TruePositive nam [11,14] = Zaśnięcia Najświętszej Maryi Panny
  TruePositive nam [21,22] = Bielsku Podlaskim
  TruePositive nam [24,24] = Zabłudowie
  TruePositive nam [26,26] = Czyżach
  TruePositive nam [28,28] = Kleszczelach
  TruePositive nam [30,30] = Boćkach

(ChunkerEvaluator) Sentence #1233 from articles/00107406 from sent16

Text  : " Zaśnięciem " wierni nazywają śmierć Matki Boskiej , bo według tradycji ,  we śnie oddała ona duszę Bogu .
Tokens: 1 2_________ 3 4_____ 5_______ 6_____ 7____ 8______ 9 10 11____ 12______ 13 14 15__ 16____ 17_ 18___ 19__ 20

Chunks:
  TruePositive nam [7,8] = Matki Boskiej
  TruePositive nam [19,19] = Bogu

2016-10-27 14:59:17,216 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 45 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107407.xml
(ChunkerEvaluator) Sentence #1234 from articles/00107407 from sent1

Text  : Dzieci ranne , bo nie jechały w fotelikach
Tokens: 1_____ 2____ 3 4_ 5__ 6______ 7 8_________

Chunks:

(ChunkerEvaluator) Sentence #1235 from articles/00107407 from sent2

Text  : Czworo dzieci przewożonych w samochodzie bez fotelików zostało rannych w  wypadku w  Grajewie .
Tokens: 1_____ 2_____ 3___________ 4 5__________ 6__ 7________ 8______ 9______ 10 11_____ 12 13______ 14

Chunks:
  TruePositive nam [13,13] = Grajewie

(ChunkerEvaluator) Sentence #1236 from articles/00107407 from sent3

Text  : Samochód prowadzony przez ich matkę uderzył w słup oświetleniowy ,  kobieta prawdopodobnie zasnęła za kierownicą .
Tokens: 1_______ 2_________ 3____ 4__ 5____ 6______ 7 8___ 9____________ 10 11_____ 12____________ 13_____ 14 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #1237 from articles/00107407 from sent4

Text  : Do wypadku doszło w nocy z niedzieli na poniedziałek .
Tokens: 1_ 2______ 3_____ 4 5___ 6 7________ 8_ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #1238 from articles/00107407 from sent5

Text  : Jak poinformował Jacek Dobrzyński z zespołu prasowego podlaskiej policji ,  volkswagen golf z  przyczepką zjechał z  jezdni i  uderzył w  słup .
Tokens: 1__ 2___________ 3____ 4_________ 5 6______ 7________ 8_________ 9______ 10 11________ 12__ 13 14________ 15_____ 16 17____ 18 19_____ 20 21__ 22

Chunks:
  TruePositive nam [3,4] = Jacek Dobrzyński
  FalseNegative nam [11,11] = volkswagen
  FalseNegative nam [12,12] = golf

(ChunkerEvaluator) Sentence #1239 from articles/00107407 from sent6

Text  : Kobiecie za kierownicą i jej mężowi , który jechał jako pasażer ,  nic się nie stało ,  bo byli przypięci pasami .
Tokens: 1_______ 2_ 3_________ 4 5__ 6_____ 7 8____ 9_____ 10__ 11_____ 12 13_ 14_ 15_ 16___ 17 18 19__ 20_______ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #1240 from articles/00107407 from sent7

Text  : Czwórka ich dzieci w wieku od 5 do 11 lat doznała obrażeń i  trafiła do szpitala .
Tokens: 1______ 2__ 3_____ 4 5____ 6_ 7 8_ 9_ 10_ 11_____ 12_____ 13 14_____ 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #1241 from articles/00107407 from sent8

Text  : Jak podkreślił Dobrzyński , dzieci nie były przewożone w specjalnych fotelikach ,  nie były też zapięte pasami .
Tokens: 1__ 2_________ 3_________ 4 5_____ 6__ 7___ 8_________ 9 10_________ 11________ 12 13_ 14__ 15_ 16_____ 17____ 18

Chunks:
  TruePositive nam [3,3] = Dobrzyński

(ChunkerEvaluator) Sentence #1242 from articles/00107407 from sent9

Text  : Ponadto - było ich za dużo , bowiem na tylnym siedzeniu mogą podróżować trzy osoby .
Tokens: 1______ 2 3___ 4__ 5_ 6___ 7 8_____ 9_ 10____ 11_______ 12__ 13________ 14__ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #1243 from articles/00107407 from sent10

Text  : Według obecnych przepisów ruchu drogowego , dzieci do lat 12 ,  które mają mniej niż 150 cm wzrostu ,  muszą być przewożone w  samochodach w  specjalnych urządzeniach :  fotelikach i  na siedziskach .
Tokens: 1_____ 2_______ 3________ 4____ 5________ 6 7_____ 8_ 9__ 10 11 12___ 13__ 14___ 15_ 16_ 17 18_____ 19 20___ 21_ 22________ 23 24_________ 25 26_________ 27__________ 28 29________ 30 31 32_________ 33

Chunks:

2016-10-27 14:59:17,270 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 46 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107408.xml
(ChunkerEvaluator) Sentence #1244 from articles/00107408 from sent1

Text  : Nasi juniorzy w Holsted na dziesiątkę
Tokens: 1___ 2_______ 3 4______ 5_ 6_________

Chunks:
  FalseNegative nam [4,4] = Holsted

(ChunkerEvaluator) Sentence #1245 from articles/00107408 from sent2

Text  : Miejsca tuż za podium wczoraj w Danii i dobre pozycje wyjściowe do ataku na medale to dorobek lubuskich wychowanków po dwóch turniejach o  młodzieżowe mistrzostwo świata .
Tokens: 1______ 2__ 3_ 4_____ 5______ 6 7____ 8 9____ 10_____ 11_______ 12 13___ 14 15____ 16 17_____ 18_______ 19_________ 20 21___ 22________ 23 24_________ 25_________ 26____ 27

Chunks:
  TruePositive nam [7,7] = Danii

(ChunkerEvaluator) Sentence #1246 from articles/00107408 from sent3

Text  : ŻUŻEL
Tokens: 1____

Chunks:
  FalsePositive nam [1,1] = ŻUŻEL

(ChunkerEvaluator) Sentence #1247 from articles/00107408 from sent4

Text  : Na drugi z czterech finałów najlepsi juniorzy świata tym razem wybrali się do Holsted w  Danii (  pozostałe dwie imprezy odbędą się w  październiku w  Czechach i  Polsce )  .
Tokens: 1_ 2____ 3 4_______ 5______ 6_______ 7_______ 8_____ 9__ 10___ 11_____ 12_ 13 14_____ 15 16___ 17 18_______ 19__ 20_____ 21____ 22_ 23 24__________ 25 26______ 27 28____ 29 30

Chunks:
  TruePositive nam [16,16] = Danii
  TruePositive nam [26,26] = Czechach
  TruePositive nam [28,28] = Polsce
  FalseNegative nam [14,14] = Holsted

(ChunkerEvaluator) Sentence #1248 from articles/00107408 from sent5

Text  : W najlepszej sytuacji byli Australijczyk Darcy Ward , Polak Maciej Janowski i  Szwed Dennis Andersson ,  którzy na inaugurację w  Anglii wywalczyli po 14 pkt .
Tokens: 1 2_________ 3_______ 4___ 5____________ 6____ 7___ 8 9____ 10____ 11______ 12 13___ 14____ 15_______ 16 17____ 18 19_________ 20 21____ 22________ 23 24 25_ 26

Chunks:
  TruePositive nam [9,9] = Polak
  TruePositive nam [10,11] = Maciej Janowski
  TruePositive nam [21,21] = Anglii
  FalsePositive nam [5,7] = Australijczyk Darcy Ward
  FalsePositive nam [13,15] = Szwed Dennis Andersson
  FalseNegative nam [5,5] = Australijczyk
  FalseNegative nam [6,7] = Darcy Ward
  FalseNegative nam [13,13] = Szwed
  FalseNegative nam [14,15] = Dennis Andersson

(ChunkerEvaluator) Sentence #1249 from articles/00107408 from sent6

Text  : Pierwszy z wymienionych w sobotę zaliczył świetny występ w dorosłym Grand Prix -  w  Toruniu ,  startując z  tzw .  dziką kartą był na podium ,  w  finale zajął trzecią pozycję .
Tokens: 1_______ 2 3___________ 4 5_____ 6_______ 7______ 8_____ 9 10______ 11___ 12__ 13 14 15_____ 16 17_______ 18 19_ 20 21___ 22___ 23_ 24 25____ 26 27 28____ 29___ 30_____ 31_____ 32

Chunks:
  TruePositive nam [11,12] = Grand Prix
  TruePositive nam [15,15] = Toruniu

(ChunkerEvaluator) Sentence #1250 from articles/00107408 from sent7

Text  : Wygrał Andreas Jonsson , w naszym kraju żużlowiec Falubazu Zielona Góra .
Tokens: 1_____ 2______ 3______ 4 5 6_____ 7____ 8________ 9_______ 10_____ 11__ 12

Chunks:
  TruePositive nam [2,3] = Andreas Jonsson
  FalsePositive nam [10,11] = Zielona Góra
  FalseNegative nam [9,11] = Falubazu Zielona Góra

(ChunkerEvaluator) Sentence #1251 from articles/00107408 from sent8

Text  : W półfinale zakończyli zmagania lider klasyfikacji GP Greg Hancock (  Falubaz )  i  Tomasz Gollob ze Stali Gorzów ,  który w  17 .  wyścigu zaliczył bardzo groźny upadek ,  na szczęście bez poważnych konsekwencji -  na ostatnim wirażu wjechał w  niego Rosjanin Artiom Łaguta .
Tokens: 1 2________ 3_________ 4_______ 5____ 6___________ 7_ 8___ 9______ 10 11_____ 12 13 14____ 15____ 16 17___ 18____ 19 20___ 21 22 23 24_____ 25______ 26____ 27____ 28____ 29 30 31_______ 32_ 33_______ 34__________ 35 36 37______ 38____ 39_____ 40 41___ 42______ 43____ 44____ 45

Chunks:
  TruePositive nam [14,15] = Tomasz Gollob
  TruePositive nam [17,18] = Stali Gorzów
  FalsePositive nam [7,9] = GP Greg Hancock
  FalsePositive nam [42,44] = Rosjanin Artiom Łaguta
  FalseNegative nam [7,7] = GP
  FalseNegative nam [8,9] = Greg Hancock
  FalseNegative nam [11,11] = Falubaz
  FalseNegative nam [42,42] = Rosjanin
  FalseNegative nam [43,44] = Artiom Łaguta

(ChunkerEvaluator) Sentence #1252 from articles/00107408 from sent9

Text  : Z Danii też przede wszystkim czekali śmy na wieści o  lubuskich zawodnikach ,  naszych wychowankach .
Tokens: 1 2____ 3__ 4_____ 5________ 6______ 7__ 8_ 9_____ 10 11_______ 12_________ 13 14_____ 15__________ 16

Chunks:
  TruePositive nam [2,2] = Danii

(ChunkerEvaluator) Sentence #1253 from articles/00107408 from sent10

Text  : Patryk Dudek z Falubazu miał na koncie 9 pkt ,  a  Bartek Zmarzlik ze Stali -  3  pkt .
Tokens: 1_____ 2____ 3 4_______ 5___ 6_ 7_____ 8 9__ 10 11 12____ 13______ 14 15___ 16 17 18_ 19

Chunks:
  TruePositive nam [1,2] = Patryk Dudek
  TruePositive nam [4,4] = Falubazu
  TruePositive nam [12,13] = Bartek Zmarzlik
  TruePositive nam [15,15] = Stali

(ChunkerEvaluator) Sentence #1254 from articles/00107408 from sent11

Text  : Zielonogórzanin miał w Holsted nawet szansę na zwycięstwo !
Tokens: 1______________ 2___ 3 4______ 5____ 6_____ 7_ 8_________ 9

Chunks:
  FalseNegative nam [1,1] = Zielonogórzanin
  FalseNegative nam [4,4] = Holsted

(ChunkerEvaluator) Sentence #1255 from articles/00107408 from sent12

Text  : Gdyby nie zawalony ostatni start , w którym przegrał m  .  in .  z  Janowskim i  Wardem .
Tokens: 1____ 2__ 3_______ 4______ 5____ 6 7 8_____ 9_______ 10 11 12 13 14 15_______ 16 17____ 18

Chunks:
  TruePositive nam [15,15] = Janowskim
  TruePositive nam [17,17] = Wardem

(ChunkerEvaluator) Sentence #1256 from articles/00107408 from sent13

Text  : Ale i tak jest zupełnie przyzwoicie .
Tokens: 1__ 2 3__ 4___ 5_______ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #1257 from articles/00107408 from sent14

Text  : Podobnie możemy ocenić start 16 - latka z Gorzowa .
Tokens: 1_______ 2_____ 3_____ 4____ 5_ 6 7____ 8 9______ 10

Chunks:
  TruePositive nam [9,9] = Gorzowa

(ChunkerEvaluator) Sentence #1258 from articles/00107408 from sent15

Text  : Najmłodszy uczestnik finału tym razem wygrywał już wyścigi i tak jak Dudkowi zabrakło mu zaledwie punktu do barażu o  podium .
Tokens: 1_________ 2________ 3_____ 4__ 5____ 6_______ 7__ 8______ 9 10_ 11_ 12_____ 13______ 14 15______ 16____ 17 18____ 19 20____ 21

Chunks:
  TruePositive nam [12,12] = Dudkowi

(ChunkerEvaluator) Sentence #1259 from articles/00107408 from sent16

Text  : Deszcz , wypadki , kontrowersyjne wykluczenia Zawody ciągnęły się jak flaki z  olejem ,  trwały grubo ponad trzy godziny .
Tokens: 1_____ 2 3______ 4 5_____________ 6__________ 7_____ 8_______ 9__ 10_ 11___ 12 13____ 14 15____ 16___ 17___ 18__ 19_____ 20

Chunks:
  FalsePositive nam [7,7] = Zawody

(ChunkerEvaluator) Sentence #1260 from articles/00107408 from sent17

Text  : A samodzielnego lidera ogólnej klasyfikacji zabrał Janowski .
Tokens: 1 2____________ 3_____ 4______ 5___________ 6_____ 7_______ 8

Chunks:
  TruePositive nam [7,7] = Janowski

(ChunkerEvaluator) Sentence #1261 from articles/00107408 from sent18

Text  : Wrocławianin jest najbliżej tego , aby uniemożliwić Wardowi historyczne zdobycie juniorskiego złota trzy razy z  rzędu .
Tokens: 1___________ 2___ 3________ 4___ 5 6__ 7___________ 8______ 9__________ 10______ 11__________ 12___ 13__ 14__ 15 16___ 17

Chunks:
  FalseNegative nam [8,8] = Wardowi

(ChunkerEvaluator) Sentence #1262 from articles/00107408 from sent19

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #1263 from articles/00107408 from sent20

Text  : Maciej Janowski ( Polska ) 12 ( 2 , 3  ,  2  ,  2  ,  3  )  ,  2  .
Tokens: 1_____ 2_______ 3 4_____ 5 6_ 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Maciej Janowski
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #1264 from articles/00107408 from sent21

Text  : Martin Vaculik ( Słowacja ) 11 + 3 ( 2  ,  2  ,  3  ,  3  ,  1  )  ,  3  .
Tokens: 1_____ 2______ 3 4_______ 5 6_ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Chunks:
  TruePositive nam [1,2] = Martin Vaculik
  TruePositive nam [4,4] = Słowacja

(ChunkerEvaluator) Sentence #1265 from articles/00107408 from sent22

Text  : Dennis Andersson ( Szwecja ) 11 + 2 ( 3  ,  1  ,  2  ,  2  ,  3  )  ,  4  .
Tokens: 1_____ 2________ 3 4______ 5 6_ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Chunks:
  TruePositive nam [1,2] = Dennis Andersson
  TruePositive nam [4,4] = Szwecja

(ChunkerEvaluator) Sentence #1266 from articles/00107408 from sent23

Text  : Patryk Dudek ( Polska ) 10 ( 3 , 2  ,  3  ,  2  ,  0  )  ,  5  .
Tokens: 1_____ 2____ 3 4_____ 5 6_ 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Patryk Dudek
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #1267 from articles/00107408 from sent24

Text  : Bartosz Zmarzlik ( Polska ) 10 ( 3 , 1  ,  1  ,  3  ,  2  )  ,  6  .
Tokens: 1______ 2_______ 3 4_____ 5 6_ 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Bartosz Zmarzlik
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #1268 from articles/00107408 from sent25

Text  : Przemysław Pawlicki ( Polska ) 9 ( 3 , 3  ,  1  ,  0  ,  2  )  ,  7  .
Tokens: 1_________ 2_______ 3 4_____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Przemysław Pawlicki
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #1269 from articles/00107408 from sent26

Text  : Darcy Ward ( Australia ) 9 ( w , 3  ,  2  ,  3  ,  1  )  ,  8  .
Tokens: 1____ 2___ 3 4________ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Darcy Ward
  TruePositive nam [4,4] = Australia

(ChunkerEvaluator) Sentence #1270 from articles/00107408 from sent27

Text  : Michael Jepsen Jensen ( Dania ) 9 ( w ,  2  ,  3  ,  1  ,  3  )  ,  9  .
Tokens: 1______ 2_____ 3_____ 4 5____ 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Chunks:
  TruePositive nam [1,3] = Michael Jepsen Jensen
  TruePositive nam [5,5] = Dania

(ChunkerEvaluator) Sentence #1271 from articles/00107408 from sent28

Text  : Simon Gustafsson ( Szwecja ) 8 ( 2 , 3  ,  0  ,  1  ,  2  )  ,  10 .
Tokens: 1____ 2_________ 3 4______ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Simon Gustafsson
  TruePositive nam [4,4] = Szwecja

(ChunkerEvaluator) Sentence #1272 from articles/00107408 from sent29

Text  : Aleksandr Loktajew ( Ukraina ) 8 ( 2 , 2  ,  1  ,  1  ,  2  )  ,  11 .
Tokens: 1________ 2_______ 3 4______ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Aleksandr Loktajew
  TruePositive nam [4,4] = Ukraina

(ChunkerEvaluator) Sentence #1273 from articles/00107408 from sent30

Text  : Oskar Fajfer ( Polska ) 6 ( 1 , 0  ,  2  ,  0  ,  3  )  ,  12 .
Tokens: 1____ 2_____ 3 4_____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Oskar Fajfer
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #1274 from articles/00107408 from sent31

Text  : Mikkel Michelsen ( Dania ) 4 ( 1 , 3  ,  )  ,  13 .
Tokens: 1_____ 2________ 3 4____ 5 6 7 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [1,2] = Mikkel Michelsen
  TruePositive nam [4,4] = Dania

(ChunkerEvaluator) Sentence #1275 from articles/00107408 from sent32

Text  : Wadim Tarasienko ( Rosja ) 4 ( 1 , w  ,  1  ,  2  ,  0  )  ,  14 .
Tokens: 1____ 2_________ 3 4____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Wadim Tarasienko
  TruePositive nam [4,4] = Rosja

(ChunkerEvaluator) Sentence #1276 from articles/00107408 from sent33

Text  : Mikkel B Jensen ( Dania ) 3 ( 3 ,  0  )  ,  15 .
Tokens: 1_____ 2 3_____ 4 5____ 6 7 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [5,5] = Dania
  FalsePositive nam [2,3] = B Jensen
  FalseNegative nam [1,3] = Mikkel B Jensen

(ChunkerEvaluator) Sentence #1277 from articles/00107408 from sent34

Text  : Joe Haines ( Anglia ) 2 ( 1 , 0  ,  0  ,  0  ,  1  )  ,  16 .
Tokens: 1__ 2_____ 3 4_____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Joe Haines
  TruePositive nam [4,4] = Anglia

(ChunkerEvaluator) Sentence #1278 from articles/00107408 from sent35

Text  : Rene Bach ( Dania ) 2 ( 0 , 1  ,  0  ,  0  ,  1  )  ,  17 .
Tokens: 1___ 2___ 3 4____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Rene Bach
  TruePositive nam [4,4] = Dania

(ChunkerEvaluator) Sentence #1279 from articles/00107408 from sent36

Text  : Dino Kovacić ( Chorwacja ) 1 ( 0 , 0  ,  0  ,  1  ,  0  )  ,  18 .
Tokens: 1___ 2______ 3 4________ 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

Chunks:
  TruePositive nam [1,2] = Dino Kovacić
  TruePositive nam [4,4] = Chorwacja

(ChunkerEvaluator) Sentence #1280 from articles/00107408 from sent37

Text  : Piotr Pawlicki ( Polska ) 0 ( u , -  ,  -  ,  -  ,  -  )  .
Tokens: 1____ 2_______ 3 4_____ 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Chunks:
  TruePositive nam [1,2] = Piotr Pawlicki
  TruePositive nam [4,4] = Polska

2016-10-27 14:59:17,446 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 47 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107409.xml
(ChunkerEvaluator) Sentence #1281 from articles/00107409 from sent1

Text  : Dla szkoleniowca Piasta trenerska robota to jak jazda rollercoasterem
Tokens: 1__ 2___________ 3_____ 4________ 5_____ 6_ 7__ 8____ 9______________

Chunks:
  TruePositive nam [3,3] = Piasta
  FalseNegative nam [9,9] = rollercoasterem

(ChunkerEvaluator) Sentence #1282 from articles/00107409 from sent2

Text  : Kariera Marcina Brosza , 38 - letniego szkoleniowca Piasta ,  przypomina jazdę kolejką w  wesołym miasteczku .
Tokens: 1______ 2______ 3_____ 4 5_ 6 7_______ 8___________ 9_____ 10 11________ 12___ 13_____ 14 15_____ 16________ 17

Chunks:
  TruePositive nam [2,3] = Marcina Brosza
  TruePositive nam [9,9] = Piasta

(ChunkerEvaluator) Sentence #1283 from articles/00107409 from sent3

Text  : Marcin Brosz
Tokens: 1_____ 2____

Chunks:
  TruePositive nam [1,2] = Marcin Brosz

(ChunkerEvaluator) Sentence #1284 from articles/00107409 from sent4

Text  : Do góry i w dół
Tokens: 1_ 2___ 3 4 5__

Chunks:

(ChunkerEvaluator) Sentence #1285 from articles/00107409 from sent5

Text  : Kariera Marcina Brosza , 38 - letniego szkoleniowca Piasta Gliwice ,  przypomina jazdę kolejką w  wesołym miasteczku .
Tokens: 1______ 2______ 3_____ 4 5_ 6 7_______ 8___________ 9_____ 10_____ 11 12________ 13___ 14_____ 15 16_____ 17________ 18

Chunks:
  TruePositive nam [2,3] = Marcina Brosza
  TruePositive nam [9,10] = Piasta Gliwice

(ChunkerEvaluator) Sentence #1286 from articles/00107409 from sent6

Text  : Kilka lat temu obwołano go trenerskim odkryciem .
Tokens: 1____ 2__ 3___ 4_______ 5_ 6_________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #1287 from articles/00107409 from sent7

Text  : W 2007 roku trafił do Podbeskidzia jako specjalista od awansów -  najpierw z  Polonią Bytom -  do ówczesnej II ligi ,  a  następnie z  Koszarawą Żywiec do III ligi .
Tokens: 1 2___ 3___ 4_____ 5_ 6___________ 7___ 8__________ 9_ 10_____ 11 12______ 13 14_____ 15___ 16 17 18_______ 19 20__ 21 22 23_______ 24 25_______ 26____ 27 28_ 29__ 30

Chunks:
  TruePositive nam [14,15] = Polonią Bytom
  TruePositive nam [25,26] = Koszarawą Żywiec
  FalseNegative nam [6,6] = Podbeskidzia

(ChunkerEvaluator) Sentence #1288 from articles/00107409 from sent8

Text  : Gdyby nie sześć ujemnych punktów na starcie za udział klubu w  korupcji ,  w  pierwszym roku pracy w  Bielsku -  Białej (  2007 /  2008 )  bez problemu awansował by do ekstraklasy .
Tokens: 1____ 2__ 3____ 4_______ 5______ 6_ 7______ 8_ 9_____ 10___ 11 12______ 13 14 15_______ 16__ 17___ 18 19_____ 20 21____ 22 23__ 24 25__ 26 27_ 28______ 29_______ 30 31 32_________ 33

Chunks:
  TruePositive nam [19,21] = Bielsku - Białej

(ChunkerEvaluator) Sentence #1289 from articles/00107409 from sent9

Text  : W następnym sezonie szansę na awans przekreślił bezbramkowy remis w  ostatnim meczu sezonu u  siebie ze Zniczem Pruszków .
Tokens: 1 2________ 3______ 4_____ 5_ 6____ 7__________ 8__________ 9____ 10 11______ 12___ 13____ 14 15____ 16 17_____ 18______ 19

Chunks:
  TruePositive nam [17,18] = Zniczem Pruszków

(ChunkerEvaluator) Sentence #1290 from articles/00107409 from sent10

Text  : Do szczęścia zabrakło dwóch punktów .
Tokens: 1_ 2________ 3_______ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #1291 from articles/00107409 from sent11

Text  : Jesienną rundę kolejnego sezonu miał fatalną , przed trzema ostatnimi meczami w  2009 roku zarząd klubu go urlopował .
Tokens: 1_______ 2____ 3________ 4_____ 5___ 6______ 7 8____ 9_____ 10_______ 11_____ 12 13__ 14__ 15____ 16___ 17 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #1292 from articles/00107409 from sent12

Text  : W grudniu 2009 dostał propozycję z Wodzisławia , gdzie miał ratować Odrę przed spadkiem z  ekstraklasy .
Tokens: 1 2______ 3___ 4_____ 5_________ 6 7__________ 8 9____ 10__ 11_____ 12__ 13___ 14______ 15 16_________ 17

Chunks:
  TruePositive nam [7,7] = Wodzisławia
  TruePositive nam [12,12] = Odrę

(ChunkerEvaluator) Sentence #1293 from articles/00107409 from sent13

Text  : Do utrzymania zabrakło dwóch punktów .
Tokens: 1_ 2_________ 3_______ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #1294 from articles/00107409 from sent14

Text  : W Gliwicach , gdzie znalazł się w 2010 roku ,  po udanej rundzie jesiennej jego Piast zmarnował szansę na awans wiosną ,  wygrywając dwa (  nie licząc walkowera )  z  17 spotkań .
Tokens: 1 2________ 3 4____ 5______ 6__ 7 8___ 9___ 10 11 12____ 13_____ 14_______ 15__ 16___ 17_______ 18____ 19 20___ 21____ 22 23________ 24_ 25 26_ 27____ 28_______ 29 30 31 32_____ 33

Chunks:
  TruePositive nam [2,2] = Gliwicach
  TruePositive nam [16,16] = Piast

(ChunkerEvaluator) Sentence #1295 from articles/00107409 from sent15

Text  : Pomimo miażdżącej krytyki trener został na kolejny sezon .
Tokens: 1_____ 2_________ 3______ 4_____ 5_____ 6_ 7______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #1296 from articles/00107409 from sent16

Text  : Klub opuściło natomiast kilkunastu doświadczonych graczy .
Tokens: 1___ 2_______ 3________ 4_________ 5_____________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #1297 from articles/00107409 from sent17

Text  : Piast buduje nowy zespół , oparty na graczach znacznie tańszych niż poprzednicy .
Tokens: 1____ 2_____ 3___ 4_____ 5 6_____ 7_ 8_______ 9_______ 10______ 11_ 12_________ 13

Chunks:
  TruePositive nam [1,1] = Piast

(ChunkerEvaluator) Sentence #1298 from articles/00107409 from sent18

Text  : Zespół Brosza po 6 kolejkach jest liderem rozgrywek I ligi .
Tokens: 1_____ 2_____ 3_ 4 5________ 6___ 7______ 8________ 9 10__ 11

Chunks:
  TruePositive nam [2,2] = Brosza

2016-10-27 14:59:17,524 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 48 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107410.xml
(ChunkerEvaluator) Sentence #1299 from articles/00107410 from sent1

Text  : Zagra Septeto Nacional
Tokens: 1____ 2______ 3_______

Chunks:
  TruePositive nam [2,3] = Septeto Nacional

(ChunkerEvaluator) Sentence #1300 from articles/00107410 from sent2

Text  : Ten założony w 1927 roku zespół kubański , uznawany za najstarszy działający w  tym kraju ,  wystąpi na jedynym koncercie w  Polsce 19 września w  Ostrowie Wielkopolskim .
Tokens: 1__ 2_______ 3 4___ 5___ 6_____ 7_______ 8 9_______ 10 11________ 12________ 13 14_ 15___ 16 17_____ 18 19_____ 20_______ 21 22____ 23 24______ 25 26______ 27___________ 28

Chunks:
  TruePositive nam [22,22] = Polsce
  TruePositive nam [26,27] = Ostrowie Wielkopolskim

(ChunkerEvaluator) Sentence #1301 from articles/00107410 from sent3

Text  : Grupa powstała z inicjatywy nieżyjącego już Ignacio Pineiry , człowieka określanego mianem ojca muzyki son .
Tokens: 1____ 2_______ 3 4_________ 5__________ 6__ 7______ 8______ 9 10_______ 11_________ 12____ 13__ 14____ 15_ 16

Chunks:
  TruePositive nam [7,8] = Ignacio Pineiry
  FalseNegative nam [15,15] = son

(ChunkerEvaluator) Sentence #1302 from articles/00107410 from sent4

Text  : Za sprawą popularnego filmu „ Buena Vista Social Club ”  estetyka ta przeżyła ostatnio renesans popularności .
Tokens: 1_ 2_____ 3__________ 4____ 5 6____ 7____ 8_____ 9___ 10 11______ 12 13______ 14______ 15______ 16__________ 17

Chunks:
  TruePositive nam [6,9] = Buena Vista Social Club

(ChunkerEvaluator) Sentence #1303 from articles/00107410 from sent5

Text  : Kompozycje podobnie jak nowatorskie brzmienie zespołu Pineiry ( jako pierwszy wprowadził do muzyki son trąbkę )  inspirowały licznych twórców nie tylko tanecznych fraz .
Tokens: 1_________ 2_______ 3__ 4__________ 5________ 6______ 7______ 8 9___ 10______ 11________ 12 13____ 14_ 15____ 16 17_________ 18______ 19_____ 20_ 21___ 22________ 23__ 24

Chunks:
  FalseNegative nam [7,7] = Pineiry
  FalseNegative nam [14,14] = son

(ChunkerEvaluator) Sentence #1304 from articles/00107410 from sent6

Text  : To właśnie muzyka Pineiry zainspirowała George'a Gershwina do skomponowania słynnej „  Uwertury kubańskiej ”  ,  w  której jeden z  tematów to cytat z  dorobku Septeto Nacional .
Tokens: 1_ 2______ 3_____ 4______ 5____________ 6_______ 7________ 8_ 9____________ 10_____ 11 12______ 13________ 14 15 16 17____ 18___ 19 20_____ 21 22___ 23 24_____ 25_____ 26______ 27

Chunks:
  TruePositive nam [4,4] = Pineiry
  TruePositive nam [6,7] = George'a Gershwina
  TruePositive nam [25,26] = Septeto Nacional
  FalseNegative nam [12,13] = Uwertury kubańskiej

(ChunkerEvaluator) Sentence #1305 from articles/00107410 from sent7

Text  : W 75 - letniej historii grupy zespół kilkakrotnie zmieniał skład i  zawieszał działalność ,  m  .  in .  za czasów rewolucji ,  a  także z  oczywistych powodów -  odchodzili jego członkowie (  Pineiro zmarł w  1969 roku )  .
Tokens: 1 2_ 3 4______ 5_______ 6____ 7_____ 8___________ 9_______ 10___ 11 12_______ 13_________ 14 15 16 17 18 19 20____ 21_______ 22 23 24___ 25 26_________ 27_____ 28 29________ 30__ 31________ 32 33_____ 34___ 35 36__ 37__ 38 39

Chunks:
  FalseNegative nam [33,33] = Pineiro

(ChunkerEvaluator) Sentence #1306 from articles/00107410 from sent8

Text  : Obecnie grupę tworzą trzy generacje muzyków , na jej czele stoi śpiewający gitarzysta Ignacio Esteben „  Richard ”  Ayme Castro .
Tokens: 1______ 2____ 3_____ 4___ 5________ 6______ 7 8_ 9__ 10___ 11__ 12________ 13________ 14_____ 15_____ 16 17_____ 18 19__ 20____ 21

Chunks:
  FalsePositive nam [14,20] = Ignacio Esteben „ Richard ” Ayme Castro
  FalseNegative nam [14,15] = Ignacio Esteben
  FalseNegative nam [17,17] = Richard
  FalseNegative nam [19,20] = Ayme Castro

2016-10-27 14:59:17,578 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 49 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107411.xml
(ChunkerEvaluator) Sentence #1307 from articles/00107411 from sent1

Text  : Seria remisów Lecha Poznań
Tokens: 1____ 2______ 3____ 4_____

Chunks:
  TruePositive nam [3,4] = Lecha Poznań

(ChunkerEvaluator) Sentence #1308 from articles/00107411 from sent2

Text  : „ Kolejorz ” zremisował trzy kolejne mecze ligowe .
Tokens: 1 2_______ 3 4_________ 5___ 6______ 7____ 8_____ 9

Chunks:
  FalseNegative nam [2,2] = Kolejorz

(ChunkerEvaluator) Sentence #1309 from articles/00107411 from sent3

Text  : Rekord klubowy to pięć spotkań .
Tokens: 1_____ 2______ 3_ 4___ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #1310 from articles/00107411 from sent4

Text  : kor - AK
Tokens: 1__ 2 3_

Chunks:
  FalsePositive nam [3,3] = AK

(ChunkerEvaluator) Sentence #1311 from articles/00107411 from sent5

Text  : Remisy piłkarzy Lecha Poznań
Tokens: 1_____ 2_______ 3____ 4_____

Chunks:
  TruePositive nam [3,4] = Lecha Poznań

(ChunkerEvaluator) Sentence #1312 from articles/00107411 from sent6

Text  : Same kompromisy
Tokens: 1___ 2_________

Chunks:

(ChunkerEvaluator) Sentence #1313 from articles/00107411 from sent7

Text  : Do Lecha Poznań coraz bardziej zaczynają pasować remisy .
Tokens: 1_ 2____ 3_____ 4____ 5_______ 6________ 7______ 8_____ 9

Chunks:
  TruePositive nam [2,3] = Lecha Poznań

(ChunkerEvaluator) Sentence #1314 from articles/00107411 from sent8

Text  : Po trzech kolejnych spotkaniach bez rozstrzygnięcia „ Kolejorz ” jest już bliski wyrównania rekordu klubowego
Tokens: 1_ 2_____ 3________ 4__________ 5__ 6______________ 7 8_______ 9 10__ 11_ 12____ 13________ 14_____ 15_______

Chunks:
  FalseNegative nam [8,8] = Kolejorz

(ChunkerEvaluator) Sentence #1315 from articles/00107411 from sent9

Text  : Ten rekord to pięć spotkań zremisowanych z rzędu .
Tokens: 1__ 2_____ 3_ 4___ 5______ 6____________ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #1316 from articles/00107411 from sent10

Text  : Taka sytuacja zdarzała się Lechowi dwukrotnie .
Tokens: 1___ 2_______ 3_______ 4__ 5______ 6_________ 7

Chunks:
  TruePositive nam [5,5] = Lechowi

(ChunkerEvaluator) Sentence #1317 from articles/00107411 from sent11

Text  : W 1973 r . - począwszy od ostatniego meczu sezonu 1972 /  73 z  Górnikiem Zabrze (  0  :  0  )  ,  aż po bezbramkowy remis z  Gwardią w  Warszawie we wrześniu -  lechici notowali same remisy .
Tokens: 1 2___ 3 4 5 6________ 7_ 8_________ 9____ 10____ 11__ 12 13 14 15_______ 16____ 17 18 19 20 21 22 23 24 25_________ 26___ 27 28_____ 29 30_______ 31 32______ 33 34_____ 35______ 36__ 37____ 38

Chunks:
  TruePositive nam [15,16] = Górnikiem Zabrze
  TruePositive nam [28,28] = Gwardią
  TruePositive nam [30,30] = Warszawie

(ChunkerEvaluator) Sentence #1318 from articles/00107411 from sent12

Text  : Podobnie było jesienią 1984 r . , gdy „ Kolejorz ”  remisował kolejno z  :  Radomiakiem (  1  :  1  )  ,  Lechią Gdańsk (  1  :  1  )  ,  Widzewem Łódź (  0  :  0  )  ,  GKS Katowice (  0  :  0  )  i  Motorem Lublin (  1  :  1  )  .
Tokens: 1_______ 2___ 3_______ 4___ 5 6 7 8__ 9 10______ 11 12_______ 13_____ 14 15 16_________ 17 18 19 20 21 22 23____ 24____ 25 26 27 28 29 30 31______ 32__ 33 34 35 36 37 38 39_ 40______ 41 42 43 44 45 46 47_____ 48____ 49 50 51 52 53 54

Chunks:
  TruePositive nam [23,24] = Lechią Gdańsk
  TruePositive nam [31,32] = Widzewem Łódź
  TruePositive nam [39,40] = GKS Katowice
  TruePositive nam [47,48] = Motorem Lublin
  FalseNegative nam [10,10] = Kolejorz
  FalseNegative nam [16,16] = Radomiakiem

(ChunkerEvaluator) Sentence #1319 from articles/00107411 from sent13

Text  : Ponadto w marcu 1978 r . ( od 1 :  1  ze Stalą Mielec po 0  :  0  z  Legią Warszawa )  ,  w  kwietniu i  maju 1996 r  .  (  od 2  :  2  z  Górnikiem Zabrze po 0  :  0  z  Olimpią -  Lechią Gdańsk )  oraz od końca rundy jesiennej 1996 r  .  do początku rundy wiosennej 1997 r  .  (  od 1  :  1  z  GKS Bełchatów po 0  :  0  z  Ruchem w  Chorzowie )  lechici remisowali cztery kolejne spotkania .
Tokens: 1______ 2 3____ 4___ 5 6 7 8_ 9 10 11 12 13___ 14____ 15 16 17 18 19 20___ 21______ 22 23 24 25______ 26 27__ 28__ 29 30 31 32 33 34 35 36 37_______ 38____ 39 40 41 42 43 44_____ 45 46____ 47____ 48 49__ 50 51___ 52___ 53_______ 54__ 55 56 57 58______ 59___ 60_______ 61__ 62 63 64 65 66 67 68 69 70_ 71_______ 72 73 74 75 76 77____ 78 79_______ 80 81_____ 82________ 83____ 84_____ 85_______ 86

Chunks:
  TruePositive nam [20,21] = Legią Warszawa
  TruePositive nam [37,38] = Górnikiem Zabrze
  TruePositive nam [44,47] = Olimpią - Lechią Gdańsk
  TruePositive nam [70,71] = GKS Bełchatów
  FalsePositive nam [14,14] = Mielec
  FalsePositive nam [77,79] = Ruchem w Chorzowie
  FalseNegative nam [13,14] = Stalą Mielec
  FalseNegative nam [77,77] = Ruchem
  FalseNegative nam [79,79] = Chorzowie
  FalseNegative nam [81,81] = lechici

(ChunkerEvaluator) Sentence #1320 from articles/00107411 from sent14

Text  : W październiku 1971 r . , gdy Lech zdobywał awans do ekstraklasy ,  także zremisował w  II lidze cztery kolejne mecze i  to wszystkie bezbramkowo !  -  z  Górnikiem Wałbrzych ,  Śląskiem Wrocław ,  Starem Starachowice i  Motorem Lublin .
Tokens: 1 2___________ 3___ 4 5 6 7__ 8___ 9_______ 10___ 11 12_________ 13 14___ 15________ 16 17 18___ 19____ 20_____ 21___ 22 23 24_______ 25_________ 26 27 28 29_______ 30_______ 31 32______ 33_____ 34 35____ 36__________ 37 38_____ 39____ 40

Chunks:
  TruePositive nam [8,8] = Lech
  TruePositive nam [29,30] = Górnikiem Wałbrzych
  TruePositive nam [32,33] = Śląskiem Wrocław
  TruePositive nam [35,36] = Starem Starachowice
  TruePositive nam [38,39] = Motorem Lublin

(ChunkerEvaluator) Sentence #1321 from articles/00107411 from sent15

Text  : Sytuacja podobna do obecnej ( trzy kolejne remisy ) miała miejsce dotąd :  wiosną 1964 r  .
Tokens: 1_______ 2______ 3_ 4______ 5 6___ 7______ 8_____ 9 10___ 11_____ 12___ 13 14____ 15__ 16 17

Chunks:

(ChunkerEvaluator) Sentence #1322 from articles/00107411 from sent16

Text  : ( II liga ) , wiosną 1989 r . (  i  to dwukrotnie )  ,  wiosną 1993 r  .  ,  wiosną 1996 r  .  i  po raz ostatni -  wiosną 1997 r  .
Tokens: 1 2_ 3___ 4 5 6_____ 7___ 8 9 10 11 12 13________ 14 15 16____ 17__ 18 19 20 21____ 22__ 23 24 25 26 27_ 28_____ 29 30____ 31__ 32 33

Chunks:

(ChunkerEvaluator) Sentence #1323 from articles/00107411 from sent17

Text  : Do rekordu klubowego brakuje zatem jeszcze dwóch remisów .
Tokens: 1_ 2______ 3________ 4______ 5____ 6______ 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #1324 from articles/00107411 from sent18

Text  : Po najbliższym meczu może zostać jednak wyrównany inny rekord -  kolejnych remisów bramkowych .
Tokens: 1_ 2__________ 3____ 4___ 5_____ 6_____ 7________ 8___ 9_____ 10 11_______ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #1325 from articles/00107411 from sent19

Text  : Wśród wymienionych wyżej serii zdarzały się bowiem remisy bezbramkowe .
Tokens: 1____ 2___________ 3____ 4____ 5_______ 6__ 7_____ 8_____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #1326 from articles/00107411 from sent20

Text  : Tym razem w dwóch ostatnich spotkaniach Lech za każdym razem strzelał gole -  w  zremisowanym 2  :  2  meczu w  Poznaniu z  Wisłą Płock ,  jak i  ostatnio w  spotkaniu z  Widzewem w  Łodzi ,  zakończonym także wynikiem 2  :  2  .
Tokens: 1__ 2____ 3 4____ 5________ 6__________ 7___ 8_ 9_____ 10___ 11______ 12__ 13 14 15__________ 16 17 18 19___ 20 21______ 22 23___ 24___ 25 26_ 27 28______ 29 30_______ 31 32______ 33 34___ 35 36_________ 37___ 38______ 39 40 41 42

Chunks:
  TruePositive nam [7,7] = Lech
  TruePositive nam [21,21] = Poznaniu
  TruePositive nam [23,24] = Wisłą Płock
  TruePositive nam [32,32] = Widzewem
  TruePositive nam [34,34] = Łodzi

(ChunkerEvaluator) Sentence #1327 from articles/00107411 from sent21

Text  : Seria trzech bramkowych remisów zdarzyła się dotąd dwukrotnie .
Tokens: 1____ 2_____ 3_________ 4______ 5_______ 6__ 7____ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #1328 from articles/00107411 from sent22

Text  : Na przełomie 1996 i 1997 r . , podczas serii ,  o  której wspomnieli śmy ,  tylko ostatni remis w  Chorzowie nie przyniósł obu rywalom gola .
Tokens: 1_ 2________ 3___ 4 5___ 6 7 8 9______ 10___ 11 12 13____ 14________ 15_ 16 17___ 18_____ 19___ 20 21_______ 22_ 23_______ 24_ 25_____ 26__ 27

Chunks:
  TruePositive nam [21,21] = Chorzowie

(ChunkerEvaluator) Sentence #1329 from articles/00107411 from sent23

Text  : Krótko potem , wiosną 1997 r . trzy kolejne spotkania „  Kolejorza ”  zakończyły się remisami 1  :  1  -  z  Amicą Wronki (  u  siebie )  ,  Legią Warszawa (  na wyjeździe )  i  Rakowem Częstochowa (  u  siebie )  .
Tokens: 1_____ 2____ 3 4_____ 5___ 6 7 8___ 9______ 10_______ 11 12_______ 13 14________ 15_ 16______ 17 18 19 20 21 22___ 23____ 24 25 26____ 27 28 29___ 30______ 31 32 33_______ 34 35 36_____ 37_________ 38 39 40____ 41 42

Chunks:
  TruePositive nam [22,23] = Amicą Wronki
  TruePositive nam [29,30] = Legią Warszawa
  TruePositive nam [36,37] = Rakowem Częstochowa
  FalseNegative nam [12,12] = Kolejorza

(ChunkerEvaluator) Sentence #1330 from articles/00107411 from sent24

Text  : Dawniej jednak remisy były wynikami zdecydowanie bardziej korzystnymi niż obecnie .
Tokens: 1______ 2_____ 3_____ 4___ 5_______ 6___________ 7_______ 8__________ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #1331 from articles/00107411 from sent25

Text  : Dziś mozolnie gromadzona seria trzech remisów dała Lechowi tyle punktów ,  ile miał po kwadransie pierwszego meczu z  KSZO Ostrowiec .
Tokens: 1___ 2_______ 3_________ 4____ 5_____ 6______ 7___ 8______ 9___ 10_____ 11 12_ 13__ 14 15________ 16________ 17___ 18 19__ 20_______ 21

Chunks:
  TruePositive nam [8,8] = Lechowi
  TruePositive nam [19,20] = KSZO Ostrowiec

2016-10-27 14:59:17,719 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 50 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107412.xml
(ChunkerEvaluator) Sentence #1332 from articles/00107412 from sent1

Text  : Kandydat na prezydenta Siemianowic Zenon Kaczmarzyk
Tokens: 1_______ 2_ 3_________ 4__________ 5____ 6_________

Chunks:
  TruePositive nam [4,4] = Siemianowic
  TruePositive nam [5,6] = Zenon Kaczmarzyk

(ChunkerEvaluator) Sentence #1333 from articles/00107412 from sent2

Text  : do gazety na wtorek ! ! !
Tokens: 1_ 2_____ 3_ 4_____ 5 6 7

Chunks:

(ChunkerEvaluator) Sentence #1334 from articles/00107412 from sent3

Text  : Kandydat na prezydenta Siemianowic
Tokens: 1_______ 2_ 3_________ 4__________

Chunks:
  TruePositive nam [4,4] = Siemianowic

(ChunkerEvaluator) Sentence #1335 from articles/00107412 from sent4

Text  : Zenon Kaczmarzyk , prezes Siemianowickiego Stowarzyszenia Kupców , jest kandydatem SLD na prezydenta Siemianowic .
Tokens: 1____ 2_________ 3 4_____ 5_______________ 6_____________ 7_____ 8 9___ 10________ 11_ 12 13________ 14_________ 15

Chunks:
  TruePositive nam [1,2] = Zenon Kaczmarzyk
  TruePositive nam [5,7] = Siemianowickiego Stowarzyszenia Kupców
  TruePositive nam [11,11] = SLD
  TruePositive nam [14,14] = Siemianowic

(ChunkerEvaluator) Sentence #1336 from articles/00107412 from sent5

Text  : Został wyłoniony z trzech kandydatów w wewnątrzpartyjnych prawyborach .
Tokens: 1_____ 2________ 3 4_____ 5_________ 6 7_________________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #1337 from articles/00107412 from sent6

Text  : W ratuszu zasiadał już przez dziewięć lat , był wiceprezydentem w  latach 1982 -  1991 ,  potem zajął się działalnością gospodarczą .
Tokens: 1 2______ 3_______ 4__ 5____ 6_______ 7__ 8 9__ 10_____________ 11 12____ 13__ 14 15__ 16 17___ 18___ 19_ 20___________ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #1338 from articles/00107412 from sent7

Text  : Teraz prowadzi m . in . trzy sklepy i zarządza kamienicami .
Tokens: 1____ 2_______ 3 4 5_ 6 7___ 8_____ 9 10______ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #1339 from articles/00107412 from sent8

Text  : Ukończył Akademię Górniczo - Hutniczą i podyplomowo Wydział Prawa i  Administracji na Uniwersytecie Śląskim .
Tokens: 1_______ 2_______ 3_______ 4 5_______ 6 7__________ 8______ 9____ 10 11___________ 12 13___________ 14_____ 15

Chunks:
  TruePositive nam [2,5] = Akademię Górniczo - Hutniczą
  TruePositive nam [8,11] = Wydział Prawa i Administracji
  TruePositive nam [13,14] = Uniwersytecie Śląskim

(ChunkerEvaluator) Sentence #1340 from articles/00107412 from sent9

Text  : Pracował m . in . w Hucie Jedność .
Tokens: 1_______ 2 3 4_ 5 6 7____ 8______ 9

Chunks:
  TruePositive nam [7,8] = Hucie Jedność

(ChunkerEvaluator) Sentence #1341 from articles/00107412 from sent10

Text  : Pochodzi z Mokrej koło Częstochowy , ale od 36 lat mieszka w  Siemianowicach .
Tokens: 1_______ 2 3_____ 4___ 5__________ 6 7__ 8_ 9_ 10_ 11_____ 12 13____________ 14

Chunks:
  TruePositive nam [3,3] = Mokrej
  TruePositive nam [5,5] = Częstochowy
  TruePositive nam [13,13] = Siemianowicach

(ChunkerEvaluator) Sentence #1342 from articles/00107412 from sent11

Text  : Od 20 lat jest społecznym prezesem Polskiego Komitetu Pomocy Społecznej w  swoim mieście ,  stara się o  wybudowanie domu dla osób samotnych i  biednych .
Tokens: 1_ 2_ 3__ 4___ 5_________ 6_______ 7________ 8_______ 9_____ 10________ 11 12___ 13_____ 14 15___ 16_ 17 18_________ 19__ 20_ 21__ 22_______ 23 24______ 25

Chunks:
  TruePositive nam [7,10] = Polskiego Komitetu Pomocy Społecznej

2016-10-27 14:59:17,765 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 51 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107413.xml
(ChunkerEvaluator) Sentence #1343 from articles/00107413 from sent1

Text  : Zobacz , co dzieje się na Dolnym Śląsku w ten weekend
Tokens: 1_____ 2 3_ 4_____ 5__ 6_ 7_____ 8_____ 9 10_ 11_____

Chunks:
  TruePositive nam [7,8] = Dolnym Śląsku

(ChunkerEvaluator) Sentence #1344 from articles/00107413 from sent2

Text  : Mnóstwo imprez organizowanych w najbliższych dniach wiąże się z dożynkami ,  ale są także święta ziemniaków ,  grzybów i  miodu .
Tokens: 1______ 2_____ 3_____________ 4 5___________ 6_____ 7____ 8__ 9 10_______ 11 12_ 13 14___ 15____ 16________ 17 18_____ 19 20___ 21

Chunks:
  FalseNegative nam [10,10] = dożynkami

(ChunkerEvaluator) Sentence #1345 from articles/00107413 from sent3

Text  : Niech żyją plony !
Tokens: 1____ 2___ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #1346 from articles/00107413 from sent4

Text  : Bogatynia
Tokens: 1________

Chunks:
  TruePositive nam [1,1] = Bogatynia

(ChunkerEvaluator) Sentence #1347 from articles/00107413 from sent5

Text  : Boguszów - Gorce
Tokens: 1_______ 2 3____

Chunks:
  TruePositive nam [1,3] = Boguszów - Gorce

(ChunkerEvaluator) Sentence #1348 from articles/00107413 from sent6

Text  : Gryfów Śląski
Tokens: 1_____ 2_____

Chunks:
  TruePositive nam [1,2] = Gryfów Śląski

(ChunkerEvaluator) Sentence #1349 from articles/00107413 from sent7

Text  : Jenkowice ( gm . Oleśnica )
Tokens: 1________ 2 3_ 4 5_______ 6

Chunks:
  TruePositive nam [5,5] = Oleśnica
  FalseNegative nam [1,1] = Jenkowice

(ChunkerEvaluator) Sentence #1350 from articles/00107413 from sent8

Text  : Jawor
Tokens: 1____

Chunks:
  FalseNegative nam [1,1] = Jawor

(ChunkerEvaluator) Sentence #1351 from articles/00107413 from sent9

Text  : Jaworzyna Śląska
Tokens: 1________ 2_____

Chunks:
  TruePositive nam [1,2] = Jaworzyna Śląska

(ChunkerEvaluator) Sentence #1352 from articles/00107413 from sent10

Text  : Jelenia Góra
Tokens: 1______ 2___

Chunks:
  TruePositive nam [1,2] = Jelenia Góra

(ChunkerEvaluator) Sentence #1353 from articles/00107413 from sent11

Text  : Kaczorów ( gm . Bolków )
Tokens: 1_______ 2 3_ 4 5_____ 6

Chunks:
  TruePositive nam [5,5] = Bolków
  FalseNegative nam [1,1] = Kaczorów

(ChunkerEvaluator) Sentence #1354 from articles/00107413 from sent12

Text  : Kąty Wrocławskie
Tokens: 1___ 2__________

Chunks:
  TruePositive nam [1,2] = Kąty Wrocławskie

(ChunkerEvaluator) Sentence #1355 from articles/00107413 from sent13

Text  : Kondratowice
Tokens: 1___________

Chunks:
  FalseNegative nam [1,1] = Kondratowice

(ChunkerEvaluator) Sentence #1356 from articles/00107413 from sent14

Text  : Kotla
Tokens: 1____

Chunks:
  FalseNegative nam [1,1] = Kotla

(ChunkerEvaluator) Sentence #1357 from articles/00107413 from sent15

Text  : Lwówek Śląski
Tokens: 1_____ 2_____

Chunks:
  FalsePositive nam [2,2] = Śląski
  FalseNegative nam [1,2] = Lwówek Śląski

(ChunkerEvaluator) Sentence #1358 from articles/00107413 from sent16

Text  : Marcinowice
Tokens: 1__________

Chunks:
  TruePositive nam [1,1] = Marcinowice

(ChunkerEvaluator) Sentence #1359 from articles/00107413 from sent17

Text  : Nowy Kościół ( gm . Świerzawa )
Tokens: 1___ 2______ 3 4_ 5 6________ 7

Chunks:
  TruePositive nam [1,2] = Nowy Kościół
  TruePositive nam [6,6] = Świerzawa

(ChunkerEvaluator) Sentence #1360 from articles/00107413 from sent18

Text  : Piechowice
Tokens: 1_________

Chunks:
  FalseNegative nam [1,1] = Piechowice

(ChunkerEvaluator) Sentence #1361 from articles/00107413 from sent19

Text  : Srebrna Góra ( gm . Stoszowice )
Tokens: 1______ 2___ 3 4_ 5 6_________ 7

Chunks:
  TruePositive nam [1,2] = Srebrna Góra
  FalsePositive nam [4,6] = gm . Stoszowice
  FalseNegative nam [6,6] = Stoszowice

(ChunkerEvaluator) Sentence #1362 from articles/00107413 from sent20

Text  : Szklarska Poręba
Tokens: 1________ 2_____

Chunks:
  TruePositive nam [1,2] = Szklarska Poręba

(ChunkerEvaluator) Sentence #1363 from articles/00107413 from sent21

Text  : Wałbrzych
Tokens: 1________

Chunks:
  FalseNegative nam [1,1] = Wałbrzych

(ChunkerEvaluator) Sentence #1364 from articles/00107413 from sent22

Text  : Spotkanie z Piękną Heleną - w sobotę od godz .  15 .  05 do 15 .  55 na stacji Wałbrzych Główny będzie można podziwiać Piękną Helenę ,  czyli Pm36 -  2  -  zabytkowy parowóz pospieszny polskiej konstrukcji z  wolsztyńskiej parowozowni .
Tokens: 1________ 2 3_____ 4_____ 5 6 7_____ 8_ 9___ 10 11 12 13 14 15 16 17 18 19____ 20_______ 21____ 22____ 23___ 24_______ 25____ 26____ 27 28___ 29__ 30 31 32 33_______ 34_____ 35________ 36______ 37_________ 38 39___________ 40_________ 41

Chunks:
  TruePositive nam [3,4] = Piękną Heleną
  TruePositive nam [20,21] = Wałbrzych Główny
  TruePositive nam [25,26] = Piękną Helenę

(ChunkerEvaluator) Sentence #1365 from articles/00107413 from sent23

Text  : Piękna Helena poprowadzi pociąg turystyczny „ Kilof ” z Poznania po najatrakcyjniejszych miejscach na Dolnym Śląsku ,  a  przede wszystkim przejedzie piękną krajobrazowo i  bogatą w  zabytki linią kolejową Kłodzko -  Wałbrzych .
Tokens: 1_____ 2_____ 3_________ 4_____ 5__________ 6 7____ 8 9 10______ 11 12__________________ 13_______ 14 15____ 16____ 17 18 19____ 20_______ 21________ 22____ 23__________ 24 25____ 26 27_____ 28___ 29______ 30_____ 31 32_______ 33

Chunks:
  TruePositive nam [7,7] = Kilof
  TruePositive nam [10,10] = Poznania
  TruePositive nam [15,16] = Dolnym Śląsku
  TruePositive nam [30,30] = Kłodzko
  TruePositive nam [32,32] = Wałbrzych
  FalsePositive nam [2,2] = Helena
  FalseNegative nam [1,2] = Piękna Helena

(ChunkerEvaluator) Sentence #1366 from articles/00107413 from sent24

Text  : Na stacji Wałbrzych Główny odbędzie się huczne powitanie pociągu .
Tokens: 1_ 2_____ 3________ 4_____ 5_______ 6__ 7_____ 8________ 9______ 10

Chunks:
  TruePositive nam [3,4] = Wałbrzych Główny

(ChunkerEvaluator) Sentence #1367 from articles/00107413 from sent25

Text  : Wioska ( gm . Niechlów )
Tokens: 1_____ 2 3_ 4 5_______ 6

Chunks:
  TruePositive nam [5,5] = Niechlów
  FalseNegative nam [1,1] = Wioska

(ChunkerEvaluator) Sentence #1368 from articles/00107413 from sent26

Text  : Wrocław
Tokens: 1______

Chunks:
  TruePositive nam [1,1] = Wrocław

(ChunkerEvaluator) Sentence #1369 from articles/00107413 from sent27

Text  : Zgorzelec
Tokens: 1________

Chunks:
  TruePositive nam [1,1] = Zgorzelec

2016-10-27 14:59:17,818 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 52 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107414.xml
(ChunkerEvaluator) Sentence #1370 from articles/00107414 from sent1

Text  : Przyjaciele Yossariana na Zamku
Tokens: 1__________ 2_________ 3_ 4____

Chunks:
  FalsePositive nam [4,4] = Zamku
  FalseNegative nam [2,2] = Yossariana

(ChunkerEvaluator) Sentence #1371 from articles/00107414 from sent2

Text  : Koncerty , wystawy , pokazy - wszystko ku pamięci Krzysztofa Jasika „  Yossariana ”  .
Tokens: 1_______ 2 3______ 4 5_____ 6 7_______ 8_ 9______ 10________ 11____ 12 13________ 14 15

Chunks:
  TruePositive nam [10,11] = Krzysztofa Jasika
  FalseNegative nam [13,13] = Yossariana

(ChunkerEvaluator) Sentence #1372 from articles/00107414 from sent3

Text  : Motocyklista zginął w wypadku .
Tokens: 1___________ 2_____ 3 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #1373 from articles/00107414 from sent4

Text  : Zderzenie spowodował nietrzeźwy kierowca .
Tokens: 1________ 2_________ 3_________ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #1374 from articles/00107414 from sent5

Text  : Na dużym dziedzińcu Zamku Książąt Pomorskich usłyszymy Beatę Andrzejewską ,  która z  piosenką „  Poleż ze mną ”  zdobyła w  2007 r  .
Tokens: 1_ 2____ 3_________ 4____ 5______ 6_________ 7________ 8____ 9___________ 10 11___ 12 13______ 14 15___ 16 17_ 18 19_____ 20 21__ 22 23

Chunks:
  TruePositive nam [4,6] = Zamku Książąt Pomorskich
  TruePositive nam [8,9] = Beatę Andrzejewską
  FalseNegative nam [15,17] = Poleż ze mną

(ChunkerEvaluator) Sentence #1375 from articles/00107414 from sent6

Text  : Grand Prix Festiwalu Gramy .
Tokens: 1____ 2___ 3________ 4____ 5

Chunks:
  FalsePositive nam [1,4] = Grand Prix Festiwalu Gramy
  FalseNegative nam [1,2] = Grand Prix
  FalseNegative nam [3,4] = Festiwalu Gramy

(ChunkerEvaluator) Sentence #1376 from articles/00107414 from sent7

Text  : Zaprezentuje się także Joanna Prykowska ze swoim nowym projektem Joanna &  The Forests .
Tokens: 1___________ 2__ 3____ 4_____ 5________ 6_ 7____ 8____ 9________ 10____ 11 12_ 13_____ 14

Chunks:
  TruePositive nam [4,5] = Joanna Prykowska
  TruePositive nam [10,13] = Joanna & The Forests

(ChunkerEvaluator) Sentence #1377 from articles/00107414 from sent8

Text  : Na małym dziedzińcu policja oraz WORD przygotują symulatory wypadków .
Tokens: 1_ 2____ 3_________ 4______ 5___ 6___ 7_________ 8_________ 9_______ 10

Chunks:
  TruePositive nam [6,6] = WORD

(ChunkerEvaluator) Sentence #1378 from articles/00107414 from sent9

Text  : Przyjaciele Yossariana swoje motocykle zaprezentują na Trasie Zamkowej .
Tokens: 1__________ 2_________ 3____ 4________ 5___________ 6_ 7_____ 8_______ 9

Chunks:
  TruePositive nam [7,8] = Trasie Zamkowej
  FalseNegative nam [2,2] = Yossariana

(ChunkerEvaluator) Sentence #1379 from articles/00107414 from sent10

Text  : Na specjalnej wystawie będzie można obejrzeć i kupić fotografie Krzysztofa Jasika .
Tokens: 1_ 2_________ 3_______ 4_____ 5____ 6_______ 7 8____ 9_________ 10________ 11____ 12

Chunks:
  TruePositive nam [10,11] = Krzysztofa Jasika

(ChunkerEvaluator) Sentence #1380 from articles/00107414 from sent11

Text  : Zamek , sobota , godz . 18 . 30 .
Tokens: 1____ 2 3_____ 4 5___ 6 7_ 8 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #1381 from articles/00107414 from sent12

Text  : Bilet - cegiełka 15 zł .
Tokens: 1____ 2 3_______ 4_ 5_ 6

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #1382 from articles/00107414 from sent13

Text  : Dzieci pod opieką dorosłych - wstęp wolny
Tokens: 1_____ 2__ 3_____ 4________ 5 6____ 7____

Chunks:

2016-10-27 14:59:17,857 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 53 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107415.xml
(ChunkerEvaluator) Sentence #1383 from articles/00107415 from sent1

Text  : Komitet Wyborczy Prawica ( Sejm , okręg Krosno - Przemyśl )
Tokens: 1______ 2_______ 3______ 4 5___ 6 7____ 8_____ 9 10______ 11

Chunks:
  TruePositive nam [1,3] = Komitet Wyborczy Prawica
  TruePositive nam [5,5] = Sejm
  TruePositive nam [8,8] = Krosno
  TruePositive nam [10,10] = Przemyśl

(ChunkerEvaluator) Sentence #1384 from articles/00107415 from sent2

Text  : 1 Winter Wojciech - Przeworsk , członek partii Prawica Marka Jurka
Tokens: 1 2_____ 3_______ 4 5________ 6 7______ 8_____ 9______ 10___ 11___

Chunks:
  FalsePositive nam [2,5] = Winter Wojciech - Przeworsk
  FalsePositive nam [9,11] = Prawica Marka Jurka
  FalseNegative nam [2,3] = Winter Wojciech
  FalseNegative nam [5,5] = Przeworsk
  FalseNegative nam [9,9] = Prawica
  FalseNegative nam [10,11] = Marka Jurka

(ChunkerEvaluator) Sentence #1385 from articles/00107415 from sent3

Text  : 2 Stańko Piotr Tadeusz - Brzozów , nie należy do partii politycznej
Tokens: 1 2_____ 3____ 4______ 5 6______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  TruePositive nam [6,6] = Brzozów
  FalsePositive nam [2,2] = Stańko
  FalsePositive nam [3,4] = Piotr Tadeusz
  FalseNegative nam [2,4] = Stańko Piotr Tadeusz

(ChunkerEvaluator) Sentence #1386 from articles/00107415 from sent4

Text  : 3 Siara Maria Jadwiga - Radymno , nie należy do partii politycznej
Tokens: 1 2____ 3____ 4______ 5 6______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  FalsePositive nam [2,2] = Siara
  FalsePositive nam [3,6] = Maria Jadwiga - Radymno
  FalseNegative nam [2,4] = Siara Maria Jadwiga
  FalseNegative nam [6,6] = Radymno

(ChunkerEvaluator) Sentence #1387 from articles/00107415 from sent5

Text  : 4 Morawski Wiesław Stanisław - Przemyśl , nie należy do partii politycznej
Tokens: 1 2_______ 3______ 4________ 5 6_______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  FalsePositive nam [2,6] = Morawski Wiesław Stanisław - Przemyśl
  FalseNegative nam [2,4] = Morawski Wiesław Stanisław
  FalseNegative nam [6,6] = Przemyśl

(ChunkerEvaluator) Sentence #1388 from articles/00107415 from sent6

Text  : 5 Widaj Kazimierz Jerzy - Przemyśl , nie należy do partii politycznej
Tokens: 1 2____ 3________ 4____ 5 6_______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  TruePositive nam [6,6] = Przemyśl
  FalsePositive nam [3,4] = Kazimierz Jerzy
  FalseNegative nam [2,4] = Widaj Kazimierz Jerzy

(ChunkerEvaluator) Sentence #1389 from articles/00107415 from sent7

Text  : 6 Fac Zbigniew Antoni - Żurawica , członek partii Prawica Rzeczypospolitej
Tokens: 1 2__ 3_______ 4_____ 5 6_______ 7 8______ 9_____ 10_____ 11______________

Chunks:
  TruePositive nam [10,11] = Prawica Rzeczypospolitej
  FalsePositive nam [3,6] = Zbigniew Antoni - Żurawica
  FalseNegative nam [2,4] = Fac Zbigniew Antoni
  FalseNegative nam [6,6] = Żurawica

(ChunkerEvaluator) Sentence #1390 from articles/00107415 from sent8

Text  : 7 Strączek Ewa Maria - Gorliczyna , nie należy do partii politycznej
Tokens: 1 2_______ 3__ 4____ 5 6_________ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  FalsePositive nam [3,6] = Ewa Maria - Gorliczyna
  FalseNegative nam [2,4] = Strączek Ewa Maria
  FalseNegative nam [6,6] = Gorliczyna

(ChunkerEvaluator) Sentence #1391 from articles/00107415 from sent9

Text  : 8 Suwała Monika - Głębokie , nie należy do partii politycznej
Tokens: 1 2_____ 3_____ 4 5_______ 6 7__ 8_____ 9_ 10____ 11_________

Chunks:
  FalsePositive nam [3,5] = Monika - Głębokie
  FalseNegative nam [2,3] = Suwała Monika
  FalseNegative nam [5,5] = Głębokie

(ChunkerEvaluator) Sentence #1392 from articles/00107415 from sent10

Text  : 9 Szczepanik Paweł Mateusz - Krosno , członek partii Prawica Rzeczypospolitej
Tokens: 1 2_________ 3____ 4______ 5 6_____ 7 8______ 9_____ 10_____ 11______________

Chunks:
  TruePositive nam [10,11] = Prawica Rzeczypospolitej
  FalsePositive nam [2,6] = Szczepanik Paweł Mateusz - Krosno
  FalseNegative nam [2,4] = Szczepanik Paweł Mateusz
  FalseNegative nam [6,7] = Krosno ,

(ChunkerEvaluator) Sentence #1393 from articles/00107415 from sent11

Text  : 10 Biliński Mieczysław - Jarosław , członek partii Organizacja Narodu Polskiego -  Liga Polska
Tokens: 1_ 2_______ 3_________ 4 5_______ 6 7______ 8_____ 9__________ 10____ 11_______ 12 13__ 14____

Chunks:
  TruePositive nam [2,3] = Biliński Mieczysław
  TruePositive nam [5,5] = Jarosław
  TruePositive nam [9,14] = Organizacja Narodu Polskiego - Liga Polska

(ChunkerEvaluator) Sentence #1394 from articles/00107415 from sent12

Text  : 11 Haliniak Janina Paula - Dąbków , członek partii Prawica Marka Jurka
Tokens: 1_ 2_______ 3_____ 4____ 5 6_____ 7 8______ 9_____ 10_____ 11___ 12___

Chunks:
  FalsePositive nam [3,6] = Janina Paula - Dąbków
  FalsePositive nam [10,12] = Prawica Marka Jurka
  FalseNegative nam [2,4] = Haliniak Janina Paula
  FalseNegative nam [6,6] = Dąbków
  FalseNegative nam [10,10] = Prawica
  FalseNegative nam [11,12] = Marka Jurka

(ChunkerEvaluator) Sentence #1395 from articles/00107415 from sent13

Text  : 12 Paczkowski Waldemar Ryszard - Przemyśl , nie należy do partii politycznej
Tokens: 1_ 2_________ 3_______ 4______ 5 6_______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  FalsePositive nam [3,6] = Waldemar Ryszard - Przemyśl
  FalseNegative nam [2,4] = Paczkowski Waldemar Ryszard
  FalseNegative nam [6,6] = Przemyśl

(ChunkerEvaluator) Sentence #1396 from articles/00107415 from sent14

Text  : 13 Sowińska - Skiba Anna Maria - Iwonicz , nie należy do partii politycznej
Tokens: 1_ 2_______ 3 4____ 5___ 6____ 7 8______ 9 10_ 11____ 12 13____ 14_________

Chunks:
  TruePositive nam [8,8] = Iwonicz
  FalsePositive nam [2,4] = Sowińska - Skiba
  FalsePositive nam [5,6] = Anna Maria
  FalseNegative nam [2,6] = Sowińska - Skiba Anna Maria

(ChunkerEvaluator) Sentence #1397 from articles/00107415 from sent15

Text  : 14 Staniszewski Stanisław - Jarosław , nie należy do partii politycznej
Tokens: 1_ 2___________ 3________ 4 5_______ 6 7__ 8_____ 9_ 10____ 11_________

Chunks:
  TruePositive nam [2,3] = Staniszewski Stanisław
  TruePositive nam [5,5] = Jarosław

(ChunkerEvaluator) Sentence #1398 from articles/00107415 from sent16

Text  : 15 Kwaśniak Czesława - Zarzecze , nie należy do partii politycznej
Tokens: 1_ 2_______ 3_______ 4 5_______ 6 7__ 8_____ 9_ 10____ 11_________

Chunks:
  TruePositive nam [5,5] = Zarzecze
  FalsePositive nam [3,3] = Czesława
  FalseNegative nam [2,3] = Kwaśniak Czesława

(ChunkerEvaluator) Sentence #1399 from articles/00107415 from sent17

Text  : 16 Rokitowska - Cisek Ewa Bożena - Maćkowice , nie należy do partii politycznej
Tokens: 1_ 2_________ 3 4____ 5__ 6_____ 7 8________ 9 10_ 11____ 12 13____ 14_________

Chunks:
  FalsePositive nam [2,8] = Rokitowska - Cisek Ewa Bożena - Maćkowice
  FalseNegative nam [2,6] = Rokitowska - Cisek Ewa Bożena
  FalseNegative nam [8,8] = Maćkowice

(ChunkerEvaluator) Sentence #1400 from articles/00107415 from sent18

Text  : 17 Góra Mariusz Bogusław - Przemyśl , nie należy do partii politycznej
Tokens: 1_ 2___ 3______ 4_______ 5 6_______ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  TruePositive nam [2,4] = Góra Mariusz Bogusław
  TruePositive nam [6,6] = Przemyśl

(ChunkerEvaluator) Sentence #1401 from articles/00107415 from sent19

Text  : 18 Filar - Zyz Urszula Katarzyna - Kańczuga , nie należy do partii politycznej
Tokens: 1_ 2____ 3 4__ 5______ 6________ 7 8_______ 9 10_ 11____ 12 13____ 14_________

Chunks:
  TruePositive nam [2,6] = Filar - Zyz Urszula Katarzyna
  TruePositive nam [8,8] = Kańczuga

(ChunkerEvaluator) Sentence #1402 from articles/00107415 from sent20

Text  : 19 Bielka Maria - Przeworsk , nie należy do partii politycznej
Tokens: 1_ 2_____ 3____ 4 5________ 6 7__ 8_____ 9_ 10____ 11_________

Chunks:
  FalsePositive nam [3,3] = Maria
  FalseNegative nam [2,3] = Bielka Maria
  FalseNegative nam [5,5] = Przeworsk

(ChunkerEvaluator) Sentence #1403 from articles/00107415 from sent21

Text  : 20 Bierzyński Maciej - Jarosław , nie należy do partii politycznej
Tokens: 1_ 2_________ 3_____ 4 5_______ 6 7__ 8_____ 9_ 10____ 11_________

Chunks:
  TruePositive nam [5,5] = Jarosław
  FalsePositive nam [3,3] = Maciej
  FalseNegative nam [2,3] = Bierzyński Maciej

(ChunkerEvaluator) Sentence #1404 from articles/00107415 from sent22

Text  : 21 Ząbroń Elżbieta Anna - Przeworsk , nie należy do partii politycznej
Tokens: 1_ 2_____ 3_______ 4___ 5 6________ 7 8__ 9_____ 10 11____ 12_________

Chunks:
  FalsePositive nam [3,4] = Elżbieta Anna
  FalseNegative nam [2,4] = Ząbroń Elżbieta Anna
  FalseNegative nam [6,6] = Przeworsk

(ChunkerEvaluator) Sentence #1405 from articles/00107415 from sent23

Text  : 22 Wasieczko Dariusz Leszek - Siewierz , członek partii Unia Polityki Realnej
Tokens: 1_ 2________ 3______ 4_____ 5 6_______ 7 8______ 9_____ 10__ 11______ 12_____

Chunks:
  TruePositive nam [10,12] = Unia Polityki Realnej
  FalsePositive nam [3,6] = Dariusz Leszek - Siewierz
  FalseNegative nam [2,4] = Wasieczko Dariusz Leszek
  FalseNegative nam [6,6] = Siewierz

2016-10-27 14:59:17,929 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 54 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107416.xml
(ChunkerEvaluator) Sentence #1406 from articles/00107416 from sent1

Text  : Jak fotografowali śmy twarze portalu
Tokens: 1__ 2____________ 3__ 4_____ 5______

Chunks:

(ChunkerEvaluator) Sentence #1407 from articles/00107416 from sent2

Text  : Blisko stu czytelników wzięło udział w konkursie na twarz promującą krakow .  gazeta .  pl .  Szukali śmy trzech osób ,  które wystąpią w  kampanii reklamującej krakowski portal „  Gazety ”  .
Tokens: 1_____ 2__ 3__________ 4_____ 5_____ 6 7________ 8_ 9____ 10_______ 11____ 12 13____ 14 15 16 17_____ 18_ 19____ 20__ 21 22___ 23______ 24 25______ 26__________ 27_______ 28____ 29 30____ 31 32

Chunks:
  TruePositive nam [30,30] = Gazety
  FalsePositive nam [13,17] = gazeta . pl . Szukali
  FalseNegative nam [11,15] = krakow . gazeta . pl

(ChunkerEvaluator) Sentence #1408 from articles/00107416 from sent3

Text  : Zostały nimi trzy kobiety : Karolina Ciurka - Baster ,  Karolina Stożek oraz Anna Gasentzer .
Tokens: 1______ 2___ 3___ 4______ 5 6_______ 7_____ 8 9_____ 10 11______ 12____ 13__ 14__ 15_______ 16

Chunks:
  TruePositive nam [6,9] = Karolina Ciurka - Baster
  TruePositive nam [11,12] = Karolina Stożek
  TruePositive nam [14,15] = Anna Gasentzer

(ChunkerEvaluator) Sentence #1409 from articles/00107416 from sent4

Text  : Zgłosiło się do nas prawie 100 osób - w różnym wieku ,  z  różnymi pasjami i  pomysłami na życie .
Tokens: 1_______ 2__ 3_ 4__ 5_____ 6__ 7___ 8 9 10____ 11___ 12 13 14_____ 15_____ 16 17_______ 18 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #1410 from articles/00107416 from sent5

Text  : Wysyłali ście nam swoje zdjęcia w pracy , magicznym dla was miejscu w  Krakowie ,  z  ulubionym zwierzakiem ,  na spacerze ,  z  jakimś charakterystycznym gadżetem .
Tokens: 1_______ 2___ 3__ 4____ 5______ 6 7____ 8 9________ 10_ 11_ 12_____ 13 14______ 15 16 17_______ 18_________ 19 20 21______ 22 23 24____ 25________________ 26______ 27

Chunks:
  TruePositive nam [14,14] = Krakowie

(ChunkerEvaluator) Sentence #1411 from articles/00107416 from sent6

Text  : Pokazali ście nam trochę , jak żyjecie i co was określa każdego dnia .
Tokens: 1_______ 2___ 3__ 4_____ 5 6__ 7______ 8 9_ 10_ 11_____ 12_____ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #1412 from articles/00107416 from sent7

Text  : Tym razem to dziewczyny były górą i pod względem liczby zgłoszeń zdecydowanie zdeklasowały brzydszą płeć .
Tokens: 1__ 2____ 3_ 4_________ 5___ 6___ 7 8__ 9_______ 10____ 11______ 12__________ 13__________ 14______ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #1413 from articles/00107416 from sent8

Text  : Ich więc zdjęcia w większości pojawiały się w serwisie internetowym oraz w  papierowym wydaniu „  Gazety ”  przez cały lipiec .
Tokens: 1__ 2___ 3______ 4 5_________ 6________ 7__ 8 9_______ 10__________ 11__ 12 13________ 14_____ 15 16____ 17 18___ 19__ 20____ 21

Chunks:
  TruePositive nam [16,16] = Gazety

(ChunkerEvaluator) Sentence #1414 from articles/00107416 from sent9

Text  : Czytelnicy oddawali głosy na te , które szczególnie przypadły im do gustu i  którą chcieli by obejrzeć w  kampanii promującej nasz portal .
Tokens: 1_________ 2_______ 3____ 4_ 5_ 6 7____ 8__________ 9________ 10 11 12___ 13 14___ 15_____ 16 17______ 18 19______ 20________ 21__ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #1415 from articles/00107416 from sent10

Text  : Od samego początku w głosowaniu internautów prowadziła zdecydowanie Anna Gasentzer ,  w  czołówce była też Karolina Stożek .
Tokens: 1_ 2_____ 3_______ 4 5_________ 6__________ 7_________ 8___________ 9___ 10_______ 11 12 13______ 14__ 15_ 16______ 17____ 18

Chunks:
  TruePositive nam [9,10] = Anna Gasentzer
  TruePositive nam [16,17] = Karolina Stożek

(ChunkerEvaluator) Sentence #1416 from articles/00107416 from sent11

Text  : W ostatnich dniach głosowania do dwóch liderek dołączyła Karolina Ciurka -  Baster .
Tokens: 1 2________ 3_____ 4_________ 5_ 6____ 7______ 8________ 9_______ 10____ 11 12____ 13

Chunks:
  TruePositive nam [9,12] = Karolina Ciurka - Baster

(ChunkerEvaluator) Sentence #1417 from articles/00107416 from sent12

Text  : I tak wyklarowała nam się finałowa trójka naszych twarzy .
Tokens: 1 2__ 3__________ 4__ 5__ 6_______ 7_____ 8______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #1418 from articles/00107416 from sent13

Text  : krakow.gazeta.pl
Tokens: 1_______________

Chunks:
  TruePositive nam [1,1] = krakow.gazeta.pl

2016-10-27 14:59:17,995 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 55 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107417.xml
(ChunkerEvaluator) Sentence #1419 from articles/00107417 from sent1

Text  : TVP nie chce emitować reklamy „ Gazety Polskiej Codziennie ”  .
Tokens: 1__ 2__ 3___ 4_______ 5______ 6 7_____ 8_______ 9_________ 10 11

Chunks:
  TruePositive nam [1,1] = TVP
  TruePositive nam [7,9] = Gazety Polskiej Codziennie

(ChunkerEvaluator) Sentence #1420 from articles/00107417 from sent2

Text  : Wydawcy : To cenzura !
Tokens: 1______ 2 3_ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #1421 from articles/00107417 from sent3

Text  : - To skandaliczna cenzura , drastyczne ograniczenie wolności słowa -  oburzyli się wydawcy „  Gazety Polskiej Codziennie ”  ,  gdy TVP odmówiła emisji spotu reklamującego nowy dziennik Telewizja tłumaczy ,  że reklamówka zawierała treści o  charakterze agitacji wyborczej ,  więc jej emisja w  zwykłym paśmie reklamowym była by niezgodna z  prawem .
Tokens: 1 2_ 3___________ 4______ 5 6_________ 7___________ 8_______ 9____ 10 11______ 12_ 13_____ 14 15____ 16______ 17________ 18 19 20_ 21_ 22______ 23____ 24___ 25___________ 26__ 27______ 28_______ 29______ 30 31 32________ 33_______ 34____ 35 36_________ 37______ 38_______ 39 40__ 41_ 42____ 43 44_____ 45____ 46________ 47__ 48 49_______ 50 51____ 52

Chunks:
  TruePositive nam [15,17] = Gazety Polskiej Codziennie
  TruePositive nam [21,21] = TVP
  FalsePositive nam [28,28] = Telewizja

(ChunkerEvaluator) Sentence #1422 from articles/00107417 from sent4

Text  : Wydawcy dziennika zapowiedzieli , że sprawę zgłoszą do prokuratury .
Tokens: 1______ 2________ 3____________ 4 5_ 6_____ 7______ 8_ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #1423 from articles/00107417 from sent5

Text  : - Doszło do skandalicznego działania cenzury w telewizji publicznej .
Tokens: 1 2_____ 3_ 4_____________ 5________ 6______ 7 8________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #1424 from articles/00107417 from sent6

Text  : Nie pozwolono na emisję spotów reklamujących nowy dziennik , których głównym motywem było hasło "  Stop cenzurze "  -  napisali wydawcy i  redaktorzy „  Gazety Polskiej Codziennie ”  w  oficjalnym oświadczeniu .
Tokens: 1__ 2________ 3_ 4_____ 5_____ 6____________ 7___ 8_______ 9 10_____ 11_____ 12_____ 13__ 14___ 15 16__ 17______ 18 19 20______ 21_____ 22 23________ 24 25____ 26______ 27________ 28 29 30________ 31__________ 32

Chunks:
  TruePositive nam [16,17] = Stop cenzurze
  TruePositive nam [25,27] = Gazety Polskiej Codziennie

(ChunkerEvaluator) Sentence #1425 from articles/00107417 from sent7

Text  : Ogłosili że powiadomią prokuraturę o „ drastycznym i bezprawnym ograniczania wolności słowa ”  ,  jakiego dopuściło się TVP .
Tokens: 1_______ 2_ 3_________ 4__________ 5 6 7__________ 8 9_________ 10__________ 11______ 12___ 13 14 15_____ 16_______ 17_ 18_ 19

Chunks:
  TruePositive nam [18,18] = TVP

(ChunkerEvaluator) Sentence #1426 from articles/00107417 from sent8

Text  : - Zamierzamy zwrócić się do polskich i międzynarodowych organizacji ,  broniących praw człowieka .  -  zapowiedzieli .
Tokens: 1 2_________ 3______ 4__ 5_ 6_______ 7 8_______________ 9__________ 10 11________ 12__ 13_______ 14 15 16___________ 17

Chunks:

(ChunkerEvaluator) Sentence #1427 from articles/00107417 from sent9

Text  : Oświadczenie podpisali w imieniu redakcji dziennika i Zarządu Forum S  .  A  .  naczelny gazety ,  Tomasz Sakiewicz i  Katarzyna Hejke .
Tokens: 1___________ 2________ 3 4______ 5_______ 6________ 7 8______ 9____ 10 11 12 13 14______ 15____ 16 17____ 18_______ 19 20_______ 21___ 22

Chunks:
  TruePositive nam [17,18] = Tomasz Sakiewicz
  TruePositive nam [20,21] = Katarzyna Hejke
  FalsePositive nam [8,12] = Zarządu Forum S . A
  FalseNegative nam [8,13] = Zarządu Forum S . A .

(ChunkerEvaluator) Sentence #1428 from articles/00107417 from sent10

Text  : W TVP poinformowano , że decyzja dotycząca odmowy emisji spotu zapadła po jego ocenie prawnej .
Tokens: 1 2__ 3____________ 4 5_ 6______ 7________ 8_____ 9_____ 10___ 11_____ 12 13__ 14____ 15_____ 16

Chunks:
  TruePositive nam [2,2] = TVP

(ChunkerEvaluator) Sentence #1429 from articles/00107417 from sent11

Text  : Reklama zawierała treści o charakterze agitacji wyborczej , a -  zgodnie z  przepisami Kodeksu Wyborczego i  regulacjami wewnętrznymi TVP -  emisja takich spotów powinna odbywać się wyłącznie w  płatnych blokach wyborczych i  jedynie na zlecenie zarejestrowanych komitetów wyborczych .  -  oświadczyła stacja .
Tokens: 1______ 2________ 3_____ 4 5__________ 6_______ 7________ 8 9 10 11_____ 12 13________ 14_____ 15________ 16 17_________ 18__________ 19_ 20 21____ 22____ 23____ 24_____ 25_____ 26_ 27_______ 28 29______ 30_____ 31________ 32 33_____ 34 35______ 36______________ 37_______ 38________ 39 40 41_________ 42____ 43

Chunks:
  TruePositive nam [14,15] = Kodeksu Wyborczego
  TruePositive nam [19,19] = TVP

(ChunkerEvaluator) Sentence #1430 from articles/00107417 from sent12

Text  : Drugi spot " Gazety Polskiej Codziennie " został dopuszczony do emisji w  TVP warunkowo ,  jednak telewizja zastrzegła sobie prawo do jej wstrzymania w  przypadku zgłoszenia zastrzeżeń ze strony Krajowej Rady Radiofonii i  Telewizji lub innych organów .
Tokens: 1____ 2___ 3 4_____ 5_______ 6_________ 7 8_____ 9__________ 10 11____ 12 13_ 14_______ 15 16____ 17_______ 18________ 19___ 20___ 21 22_ 23_________ 24 25_______ 26________ 27________ 28 29____ 30______ 31__ 32________ 33 34_______ 35_ 36____ 37_____ 38

Chunks:
  TruePositive nam [4,6] = Gazety Polskiej Codziennie
  TruePositive nam [13,13] = TVP
  TruePositive nam [30,34] = Krajowej Rady Radiofonii i Telewizji

(ChunkerEvaluator) Sentence #1431 from articles/00107417 from sent13

Text  : Spoty gazety nie pojawią się także w TVN , jednak -  jak powiedział rzecznik TVN Karol Smoląg -  spowodowane jest to tym ,  że czas reklamowy ,  w  którym miały by być one emitowane ,  stacja już sprzedała .
Tokens: 1____ 2_____ 3__ 4______ 5__ 6____ 7 8__ 9 10____ 11 12_ 13________ 14______ 15_ 16___ 17____ 18 19_________ 20__ 21 22_ 23 24 25__ 26_______ 27 28 29____ 30___ 31 32_ 33_ 34_______ 35 36____ 37_ 38_______ 39

Chunks:
  TruePositive nam [8,8] = TVN
  TruePositive nam [15,15] = TVN
  TruePositive nam [16,17] = Karol Smoląg

(ChunkerEvaluator) Sentence #1432 from articles/00107417 from sent14

Text  : Tomasz Sakiewicz twierdzi , że nada je Polsat - mają być od środy emitowane przed "  Wydarzeniami "  .
Tokens: 1_____ 2________ 3_______ 4 5_ 6___ 7_ 8_____ 9 10__ 11_ 12 13___ 14_______ 15___ 16 17__________ 18 19

Chunks:
  TruePositive nam [1,2] = Tomasz Sakiewicz
  TruePositive nam [8,8] = Polsat
  TruePositive nam [17,17] = Wydarzeniami

(ChunkerEvaluator) Sentence #1433 from articles/00107417 from sent15

Text  : Rzecznik stacji nie potrafił potwierdzić tej informacji .
Tokens: 1_______ 2_____ 3__ 4_______ 5__________ 6__ 7_________ 8

Chunks:

2016-10-27 14:59:18,138 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 56 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107418.xml
(ChunkerEvaluator) Sentence #1434 from articles/00107418 from sent1

Text  : PKO BP otworzył prawie 230 . 000 rachunków typu dla małych firm
Tokens: 1__ 2_ 3_______ 4_____ 5__ 6 7__ 8________ 9___ 10_ 11____ 12__

Chunks:
  TruePositive nam [1,2] = PKO BP

(ChunkerEvaluator) Sentence #1435 from articles/00107418 from sent2

Text  : FINANSE - BANKI - PKOBP
Tokens: 1______ 2 3____ 4 5____

Chunks:
  TruePositive nam [1,5] = FINANSE - BANKI - PKOBP

(ChunkerEvaluator) Sentence #1436 from articles/00107418 from sent3

Text  : PKO BP otworzył prawie 230 . 000 rachunków typu dla małych firm
Tokens: 1__ 2_ 3_______ 4_____ 5__ 6 7__ 8________ 9___ 10_ 11____ 12__

Chunks:
  TruePositive nam [1,2] = PKO BP

(ChunkerEvaluator) Sentence #1437 from articles/00107418 from sent4

Text  : FINANSE - BANKI - PKOBP
Tokens: 1______ 2 3____ 4 5____

Chunks:
  TruePositive nam [1,5] = FINANSE - BANKI - PKOBP

(ChunkerEvaluator) Sentence #1438 from articles/00107418 from sent5

Text  : 18 . 9 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #1439 from articles/00107418 from sent6

Text  : Kraków ( PAP ) - Bank PKO BP SA do końca lipca tego roku otworzył prawie 230 .  000 rachunków typu "  Partner "  dla małych i  średnich przedsiębiorstw (  MSP )  -  poinformowali przedstawiciele banku podczas środowej konferencji prasowej .
Tokens: 1_____ 2 3__ 4 5 6___ 7__ 8_ 9_ 10 11___ 12___ 13__ 14__ 15______ 16____ 17_ 18 19_ 20_______ 21__ 22 23_____ 24 25_ 26____ 27 28______ 29_____________ 30 31_ 32 33 34___________ 35_____________ 36___ 37_____ 38______ 39_________ 40______ 41

Chunks:
  TruePositive nam [1,1] = Kraków
  TruePositive nam [3,3] = PAP
  TruePositive nam [7,9] = PKO BP SA
  TruePositive nam [23,23] = Partner
  TruePositive nam [31,31] = MSP

(ChunkerEvaluator) Sentence #1440 from articles/00107418 from sent7

Text  : " Specjalna oferta PKO BP dla małych i średnich przedsiębiorstw pod nazwą Partner funkcjonuje od listopada 1999 roku .
Tokens: 1 2________ 3_____ 4__ 5_ 6__ 7_____ 8 9_______ 10_____________ 11_ 12___ 13_____ 14_________ 15 16_______ 17__ 18__ 19

Chunks:
  TruePositive nam [4,5] = PKO BP
  TruePositive nam [13,13] = Partner

(ChunkerEvaluator) Sentence #1441 from articles/00107418 from sent8

Text  : Do końca lipca tego roku bank otworzył prawie 230 .  000 rachunków tego typu "  -  powiedziała Irena Folta ,  dyrektor oddziału regionalnego PKO BP SA w  Krakowie .
Tokens: 1_ 2____ 3____ 4___ 5___ 6___ 7_______ 8_____ 9__ 10 11_ 12_______ 13__ 14__ 15 16 17_________ 18___ 19___ 20 21______ 22______ 23__________ 24_ 25 26 27 28______ 29

Chunks:
  TruePositive nam [18,19] = Irena Folta
  TruePositive nam [24,26] = PKO BP SA
  TruePositive nam [28,28] = Krakowie

(ChunkerEvaluator) Sentence #1442 from articles/00107418 from sent9

Text  : Według niej segment bankowości skierowanej do klientów instytucjonalnych ma bardzo duże znaczenie w  strategii banku ,  który obsługuje około 25 proc .  małych firm funkcjonujących na rynku .
Tokens: 1_____ 2___ 3______ 4_________ 5__________ 6_ 7_______ 8________________ 9_ 10____ 11__ 12_______ 13 14_______ 15___ 16 17___ 18_______ 19___ 20 21__ 22 23____ 24__ 25_____________ 26 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #1443 from articles/00107418 from sent10

Text  : PKO BP angażuje się także w kompleksową obsługę finansów jednostek samorządu terytorialnego oraz organizację emisji obligacji komunalnych miast i  gmin .
Tokens: 1__ 2_ 3_______ 4__ 5____ 6 7__________ 8______ 9_______ 10_______ 11_______ 12____________ 13__ 14_________ 15____ 16_______ 17_________ 18___ 19 20__ 21

Chunks:
  TruePositive nam [1,2] = PKO BP

(ChunkerEvaluator) Sentence #1444 from articles/00107418 from sent11

Text  : " 100 zorganizowanych do tej pory emisji obligacji na rynku ,  świadczy o  tym ,  że zaangażowanie banku w  tę dziedzinę jest ogromne "  -  powiedziała Folta .
Tokens: 1 2__ 3______________ 4_ 5__ 6___ 7_____ 8________ 9_ 10___ 11 12______ 13 14_ 15 16 17___________ 18___ 19 20 21_______ 22__ 23_____ 24 25 26_________ 27___ 28

Chunks:
  FalseNegative nam [27,27] = Folta

(ChunkerEvaluator) Sentence #1445 from articles/00107418 from sent12

Text  : Według przedstawionych danych na koniec lipca PKO BP miał 29 ,  1  proc .  udział w  rynku depozytów w  Polsce oraz 19 ,  7  proc .  udział w  rynku kredytów dla klientów indywidualnych .
Tokens: 1_____ 2______________ 3_____ 4_ 5_____ 6____ 7__ 8_ 9___ 10 11 12 13__ 14 15____ 16 17___ 18_______ 19 20____ 21__ 22 23 24 25__ 26 27____ 28 29___ 30______ 31_ 32______ 33____________ 34

Chunks:
  TruePositive nam [7,8] = PKO BP
  TruePositive nam [20,20] = Polsce

(ChunkerEvaluator) Sentence #1446 from articles/00107418 from sent13

Text  : Jego klienci dysponowali ponad 3 , 8 mln kart bankowych .
Tokens: 1___ 2______ 3__________ 4____ 5 6 7 8__ 9___ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #1447 from articles/00107418 from sent14

Text  : Zysk netto PKO BP w pierwszej połowie 2002 roku wyniósł 720 ,  9  mln zł .
Tokens: 1___ 2____ 3__ 4_ 5 6________ 7______ 8___ 9___ 10_____ 11_ 12 13 14_ 15 16

Chunks:
  TruePositive nam [3,4] = PKO BP
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #1448 from articles/00107418 from sent15

Text  : ( PAP )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:18,216 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 57 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107419.xml
(ChunkerEvaluator) Sentence #1449 from articles/00107419 from sent1

Text  : Książki Czary tuż za progiem
Tokens: 1______ 2____ 3__ 4_ 5______

Chunks:
  FalsePositive nam [2,2] = Czary

(ChunkerEvaluator) Sentence #1450 from articles/00107419 from sent2

Text  : Rodzeństwa , Kendra i Seth , są wściekli : wakacje muszą spędzić u  dziadka na wsi .
Tokens: 1_________ 2 3_____ 4 5___ 6 7_ 8_______ 9 10_____ 11___ 12_____ 13 14_____ 15 16_ 17

Chunks:
  FalsePositive nam [3,5] = Kendra i Seth
  FalseNegative nam [3,3] = Kendra
  FalseNegative nam [5,5] = Seth

(ChunkerEvaluator) Sentence #1451 from articles/00107419 from sent3

Text  : Och , co za nudy ich czekają , tym bardziej że dziadek stale im czegoś zabrania .
Tokens: 1__ 2 3_ 4_ 5___ 6__ 7______ 8 9__ 10______ 11 12_____ 13___ 14 15____ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #1452 from articles/00107419 from sent4

Text  : Spotka ich jednak wielka niespodzianka : dziadek okaże się strażnikiem krainy czarodziejskich istot .  .  .
Tokens: 1_____ 2__ 3_____ 4_____ 5____________ 6 7______ 8____ 9__ 10_________ 11____ 12_____________ 13___ 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #1453 from articles/00107419 from sent5

Text  : Fenomenalna książka dla dzieci .
Tokens: 1__________ 2______ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #1454 from articles/00107419 from sent6

Text  : I cóż za wyobraźnia autora !
Tokens: 1 2__ 3_ 4_________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #1455 from articles/00107419 from sent7

Text  : Brandon Muil Baśniobór W . A . B .
Tokens: 1______ 2___ 3________ 4 5 6 7 8 9

Chunks:
  FalsePositive nam [1,8] = Brandon Muil Baśniobór W . A . B
  FalseNegative nam [1,2] = Brandon Muil
  FalseNegative nam [3,3] = Baśniobór
  FalseNegative nam [4,9] = W . A . B .

2016-10-27 14:59:18,240 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 58 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107420.xml
(ChunkerEvaluator) Sentence #1456 from articles/00107420 from sent1

Text  : Gdzie te chłopy ?
Tokens: 1____ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #1457 from articles/00107420 from sent2

Text  : 11 lat temu męska drużyna SKT Szczecin biła się o  medale silnie obsadzonych drużynowych Mistrzostw Polski .
Tokens: 1_ 2__ 3___ 4____ 5______ 6__ 7_______ 8___ 9__ 10 11____ 12____ 13_________ 14_________ 15________ 16____ 17

Chunks:
  TruePositive nam [6,7] = SKT Szczecin
  TruePositive nam [15,16] = Mistrzostw Polski

(ChunkerEvaluator) Sentence #1458 from articles/00107420 from sent3

Text  : W tym roku brąz w drużynówce zdobyły panie z Mastersu .
Tokens: 1 2__ 3___ 4___ 5 6_________ 7______ 8____ 9 10______ 11

Chunks:
  FalseNegative nam [10,10] = Mastersu

(ChunkerEvaluator) Sentence #1459 from articles/00107420 from sent4

Text  : - Na kolejną silną ekipę męską w najbliższych latach nie mamy co liczyć -  uważa Sergiej Sobolew ,  wychowawca Marcina Matkowskiego .
Tokens: 1 2_ 3______ 4____ 5____ 6____ 7 8___________ 9_____ 10_ 11__ 12 13____ 14 15___ 16_____ 17_____ 18 19________ 20_____ 21__________ 22

Chunks:
  TruePositive nam [16,17] = Sergiej Sobolew
  TruePositive nam [20,21] = Marcina Matkowskiego

(ChunkerEvaluator) Sentence #1460 from articles/00107420 from sent5

Text  : Sobolew przed laty przyjechał do Szczecina , by pracować z  Matkowskim ,  teraz medal w  żeńskich mistrzostwach zdobyła ekipa od lat z  nim związana .
Tokens: 1______ 2____ 3___ 4_________ 5_ 6________ 7 8_ 9_______ 10 11________ 12 13___ 14___ 15 16______ 17___________ 18_____ 19___ 20 21_ 22 23_ 24______ 25

Chunks:
  TruePositive nam [6,6] = Szczecina
  TruePositive nam [11,11] = Matkowskim
  FalseNegative nam [1,1] = Sobolew
  FalseNegative nam [17,17] = mistrzostwach

(ChunkerEvaluator) Sentence #1461 from articles/00107420 from sent6

Text  : Magdalena Kiszczyńska , Natalia Kołat , Adriana Rosik , Barbara Maciocha i  wypożyczona z  Returnu Radom Weronika Domagała zdobyły brązowe medale .
Tokens: 1________ 2__________ 3 4______ 5____ 6 7______ 8____ 9 10_____ 11______ 12 13_________ 14 15_____ 16___ 17______ 18______ 19_____ 20_____ 21____ 22

Chunks:
  TruePositive nam [1,2] = Magdalena Kiszczyńska
  TruePositive nam [4,5] = Natalia Kołat
  TruePositive nam [7,8] = Adriana Rosik
  TruePositive nam [10,11] = Barbara Maciocha
  FalsePositive nam [15,18] = Returnu Radom Weronika Domagała
  FalseNegative nam [15,16] = Returnu Radom
  FalseNegative nam [17,18] = Weronika Domagała

(ChunkerEvaluator) Sentence #1462 from articles/00107420 from sent7

Text  : Wyprzedziły je tylko dwie ekipy z Poznania .
Tokens: 1__________ 2_ 3____ 4___ 5____ 6 7_______ 8

Chunks:
  TruePositive nam [7,7] = Poznania

(ChunkerEvaluator) Sentence #1463 from articles/00107420 from sent8

Text  : Mariusz Rabenda : Skąd ten sukces ?
Tokens: 1______ 2______ 3 4___ 5__ 6_____ 7

Chunks:
  TruePositive nam [1,2] = Mariusz Rabenda

(ChunkerEvaluator) Sentence #1464 from articles/00107420 from sent9

Text  : Sergiej Sobolew : Wszystkie te dziewczyny - poza Domagałą -  pracowały na to przez lata .
Tokens: 1______ 2______ 3 4________ 5_ 6_________ 7 8___ 9_______ 10 11_______ 12 13 14___ 15__ 16

Chunks:
  TruePositive nam [1,2] = Sergiej Sobolew
  TruePositive nam [9,9] = Domagałą

(ChunkerEvaluator) Sentence #1465 from articles/00107420 from sent10

Text  : Magda Kiszczyńska to już doświadczona tenisistka , sporo grająca w  turniejach rangi ITF .
Tokens: 1____ 2__________ 3_ 4__ 5___________ 6_________ 7 8____ 9______ 10 11________ 12___ 13_ 14

Chunks:
  TruePositive nam [1,2] = Magda Kiszczyńska
  TruePositive nam [13,13] = ITF

(ChunkerEvaluator) Sentence #1466 from articles/00107420 from sent11

Text  : Natalia po dwóch latach przerwy spowodowanej chorobą i studiami wróciła do gry i  szybko osiągnęła niezły poziom .
Tokens: 1______ 2_ 3____ 4_____ 5______ 6___________ 7______ 8 9_______ 10_____ 11 12_ 13 14____ 15_______ 16____ 17____ 18

Chunks:
  FalsePositive nam [1,1] = Natalia

(ChunkerEvaluator) Sentence #1467 from articles/00107420 from sent12

Text  : Basia Maciocha studiowała w Stanach Zjednoczonych , tenisa nie porzuciła .
Tokens: 1____ 2_______ 3_________ 4 5______ 6____________ 7 8_____ 9__ 10_______ 11

Chunks:
  TruePositive nam [1,2] = Basia Maciocha
  TruePositive nam [5,6] = Stanach Zjednoczonych

(ChunkerEvaluator) Sentence #1468 from articles/00107420 from sent13

Text  : Na nich oparta była nasza drużyna , i to nie po raz pierwszy .
Tokens: 1_ 2___ 3_____ 4___ 5____ 6______ 7 8 9_ 10_ 11 12_ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #1469 from articles/00107420 from sent14

Text  : W 2004 roku z tą trójką zdobyli śmy brązowy medal klubowych Mistrzostw Europy juniorek .
Tokens: 1 2___ 3___ 4 5_ 6_____ 7______ 8__ 9______ 10___ 11_______ 12________ 13____ 14______ 15

Chunks:
  TruePositive nam [12,13] = Mistrzostw Europy

(ChunkerEvaluator) Sentence #1470 from articles/00107420 from sent15

Text  : Teraz już takiej imprezy nie ma , ale za to jest kolejny brąz -  tym razem w  seniorkach ,  w  kraju .
Tokens: 1____ 2__ 3_____ 4______ 5__ 6_ 7 8__ 9_ 10 11__ 12_____ 13__ 14 15_ 16___ 17 18________ 19 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #1471 from articles/00107420 from sent16

Text  : Mistrzostwa , czy to indywidualne , czy drużynowe , często mają dość słabą obsadę .
Tokens: 1__________ 2 3__ 4_ 5___________ 6 7__ 8________ 9 10____ 11__ 12__ 13___ 14____ 15

Chunks:
  FalseNegative nam [1,1] = Mistrzostwa

(ChunkerEvaluator) Sentence #1472 from articles/00107420 from sent17

Text  : Jak było tym razem ?
Tokens: 1__ 2___ 3__ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #1473 from articles/00107420 from sent18

Text  : - W meczu , który zapewnił nam awans do półfinału ,  wyeliminowali śmy Merę Warszawa ,  w  której składzie grały Marta Domachowska i  Karolina Kosińska .
Tokens: 1 2 3____ 4 5____ 6_______ 7__ 8____ 9_ 10_______ 11 12___________ 13_ 14__ 15______ 16 17 18____ 19______ 20___ 21___ 22_________ 23 24______ 25______ 26

Chunks:
  TruePositive nam [14,15] = Merę Warszawa
  TruePositive nam [21,22] = Marta Domachowska
  TruePositive nam [24,25] = Karolina Kosińska

(ChunkerEvaluator) Sentence #1474 from articles/00107420 from sent19

Text  : Mistrzostwo Polski zdobył zespół Grunwaldu Poznań z Magdą Linette ,  Kasią Piter i  Paulą Kanią .
Tokens: 1__________ 2_____ 3_____ 4_____ 5________ 6_____ 7 8____ 9______ 10 11___ 12___ 13 14___ 15___ 16

Chunks:
  TruePositive nam [5,6] = Grunwaldu Poznań
  TruePositive nam [8,9] = Magdą Linette
  TruePositive nam [11,12] = Kasią Piter
  TruePositive nam [14,15] = Paulą Kanią
  FalsePositive nam [2,2] = Polski
  FalseNegative nam [1,2] = Mistrzostwo Polski

(ChunkerEvaluator) Sentence #1475 from articles/00107420 from sent20

Text  : Te nazwiska świadczą o tym , że obsada była mocna ,  a  nasze zwycięstwo nad Merą to był spory sukces .
Tokens: 1_ 2_______ 3_______ 4 5__ 6 7_ 8_____ 9___ 10___ 11 12 13___ 14________ 15_ 16__ 17 18_ 19___ 20____ 21

Chunks:
  TruePositive nam [16,16] = Merą

(ChunkerEvaluator) Sentence #1476 from articles/00107420 from sent21

Text  : Potem w bezpośrednim meczu o brąz nasze dziewczyny pewnie wygrały 5  :  1  z  Radością Warszawa .
Tokens: 1____ 2 3___________ 4____ 5 6___ 7____ 8_________ 9_____ 10_____ 11 12 13 14 15______ 16______ 17

Chunks:
  FalsePositive nam [16,16] = Warszawa
  FalseNegative nam [15,16] = Radością Warszawa

(ChunkerEvaluator) Sentence #1477 from articles/00107420 from sent22

Text  : Dwie najlepsze rakiety w drużynie Mastersu , czyli Kiszczyńska i  Kołat ,  już kilka lat temu były nazywane nadziejami szczecińskiego tenisa żeńskiego .
Tokens: 1___ 2________ 3______ 4 5_______ 6_______ 7 8____ 9__________ 10 11___ 12 13_ 14___ 15_ 16__ 17__ 18______ 19________ 20____________ 21____ 22_______ 23

Chunks:
  TruePositive nam [11,11] = Kołat
  FalseNegative nam [6,6] = Mastersu
  FalseNegative nam [9,9] = Kiszczyńska

(ChunkerEvaluator) Sentence #1478 from articles/00107420 from sent23

Text  : Tymczasem nie mogą przebić się wyżej niż trzecia - czwarta setka rankingu WTA .
Tokens: 1________ 2__ 3___ 4______ 5__ 6____ 7__ 8______ 9 10_____ 11___ 12______ 13_ 14

Chunks:
  FalseNegative nam [13,13] = WTA

(ChunkerEvaluator) Sentence #1479 from articles/00107420 from sent24

Text  : - Madzia prawidłowo rozwijała się do czasu , kiedy postanowiła wyjechać ze Szczecina do Sopotu .
Tokens: 1 2_____ 3_________ 4________ 5__ 6_ 7____ 8 9____ 10_________ 11______ 12 13_______ 14 15____ 16

Chunks:
  TruePositive nam [2,2] = Madzia
  TruePositive nam [13,13] = Szczecina
  TruePositive nam [15,15] = Sopotu

(ChunkerEvaluator) Sentence #1480 from articles/00107420 from sent25

Text  : Miał to być kolejny dobry krok w jej karierze ,  a  efekt był taki ,  że zatrzymała się .
Tokens: 1___ 2_ 3__ 4______ 5____ 6___ 7 8__ 9_______ 10 11 12___ 13_ 14__ 15 16 17________ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #1481 from articles/00107420 from sent26

Text  : Ten wyjazd to był błąd .
Tokens: 1__ 2_____ 3_ 4__ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #1482 from articles/00107420 from sent27

Text  : Nie wiem , czy zostając zrobiła by większe postępy ,  ale wiem na pewno ,  że wyjazd nic dobrego nie sprawił ,  a  wręcz odwrotnie .
Tokens: 1__ 2___ 3 4__ 5_______ 6______ 7_ 8______ 9______ 10 11_ 12__ 13 14___ 15 16 17____ 18_ 19_____ 20_ 21_____ 22 23 24___ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #1483 from articles/00107420 from sent28

Text  : Natomiast rozwój Natalii zatrzymała choroba i dwuletnia przerwa w treningach .
Tokens: 1________ 2_____ 3______ 4_________ 5______ 6 7________ 8______ 9 10________ 11

Chunks:
  TruePositive nam [3,3] = Natalii

(ChunkerEvaluator) Sentence #1484 from articles/00107420 from sent29

Text  : Ważne , że teraz wróciła i tenis znów jej sprawia radość .
Tokens: 1____ 2 3_ 4____ 5______ 6 7____ 8___ 9__ 10_____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #1485 from articles/00107420 from sent30

Text  : Niedawno startowała w Uniwersjadzie , gdzie w deblu , grając w  parze z  Olgą Brózdą ,  była o  krok od medalu .
Tokens: 1_______ 2_________ 3 4____________ 5 6____ 7 8____ 9 10____ 11 12___ 13 14__ 15____ 16 17__ 18 19__ 20 21____ 22

Chunks:
  TruePositive nam [4,4] = Uniwersjadzie
  TruePositive nam [14,15] = Olgą Brózdą

(ChunkerEvaluator) Sentence #1486 from articles/00107420 from sent31

Text  : Teraz wybiera się na Akademickie Mistrzostwa Europy , nie bez szans medalowych .
Tokens: 1____ 2______ 3__ 4_ 5__________ 6__________ 7_____ 8 9__ 10_ 11___ 12________ 13

Chunks:
  TruePositive nam [5,7] = Akademickie Mistrzostwa Europy

(ChunkerEvaluator) Sentence #1487 from articles/00107420 from sent32

Text  : Czy ta ekipa ma następczynie w Szczecinie ?
Tokens: 1__ 2_ 3____ 4_ 5___________ 6 7_________ 8

Chunks:
  TruePositive nam [7,7] = Szczecinie

(ChunkerEvaluator) Sentence #1488 from articles/00107420 from sent33

Text  : - Niestety na razie nie .
Tokens: 1 2_______ 3_ 4____ 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #1489 from articles/00107420 from sent34

Text  : A w rywalizacji mężczyzn ?
Tokens: 1 2 3__________ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #1490 from articles/00107420 from sent35

Text  : - Jeszcze długo będziemy czekali na medal drużynowy i sukcesy ,  które notowała ekipa z  Marcinem Matkowskim ,  Tomkiem Bednarkiem ,  Łukaszem Senczyszynem .
Tokens: 1 2______ 3____ 4_______ 5______ 6_ 7____ 8________ 9 10_____ 11 12___ 13______ 14___ 15 16______ 17________ 18 19_____ 20________ 21 22______ 23__________ 24

Chunks:
  TruePositive nam [16,17] = Marcinem Matkowskim
  TruePositive nam [19,20] = Tomkiem Bednarkiem
  TruePositive nam [22,23] = Łukaszem Senczyszynem

(ChunkerEvaluator) Sentence #1491 from articles/00107420 from sent36

Text  : Pamiętajmy , że nasze drużynowe mistrzostwa były wówczas na tyle mocne ,  że w  drużynie SKT Szczecin grał Robert Linstedt ze Szwecji ,  obecnie jeden z  czołowych deblistów świata .
Tokens: 1_________ 2 3_ 4____ 5________ 6__________ 7___ 8______ 9_ 10__ 11___ 12 13 14 15______ 16_ 17______ 18__ 19____ 20______ 21 22_____ 23 24_____ 25___ 26 27_______ 28_______ 29____ 30

Chunks:
  TruePositive nam [16,17] = SKT Szczecin
  TruePositive nam [19,20] = Robert Linstedt
  TruePositive nam [22,22] = Szwecji

(ChunkerEvaluator) Sentence #1492 from articles/00107420 from sent37

Text  : Jak nie ma szans na drużynę , to choć niech będą sukcesy pojedynczych graczy .  .  .
Tokens: 1__ 2__ 3_ 4____ 5_ 6______ 7 8_ 9___ 10___ 11__ 12_____ 13__________ 14____ 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #1493 from articles/00107420 from sent38

Text  : - Został nam tylko Arek Kocyła , z którym zresztą też kiedyś pracował em .
Tokens: 1 2_____ 3__ 4____ 5___ 6_____ 7 8 9_____ 10_____ 11_ 12____ 13______ 14 15

Chunks:
  TruePositive nam [5,6] = Arek Kocyła

(ChunkerEvaluator) Sentence #1494 from articles/00107420 from sent39

Text  : Rafał Gozdur rok temu pojechał do Trójmiasta i podobnie jak Madzia Kiszczyńska ,  nic na tym nie zyskał .
Tokens: 1____ 2_____ 3__ 4___ 5_______ 6_ 7_________ 8 9_______ 10_ 11____ 12_________ 13 14_ 15 16_ 17_ 18____ 19

Chunks:
  TruePositive nam [1,2] = Rafał Gozdur
  TruePositive nam [7,7] = Trójmiasta
  TruePositive nam [11,12] = Madzia Kiszczyńska

(ChunkerEvaluator) Sentence #1495 from articles/00107420 from sent40

Text  : Doszło do tego , że Rafał zupełnie przestał grać .
Tokens: 1_____ 2_ 3___ 4 5_ 6____ 7_______ 8_______ 9___ 10

Chunks:
  TruePositive nam [6,6] = Rafał

(ChunkerEvaluator) Sentence #1496 from articles/00107420 from sent41

Text  : Z tego co wiem , dostał się na Pomorską Akademię Medyczną i  rozstaje się z  tenisem na dobre .
Tokens: 1 2___ 3_ 4___ 5 6_____ 7__ 8_ 9_______ 10______ 11______ 12 13______ 14_ 15 16_____ 17 18___ 19

Chunks:
  TruePositive nam [9,11] = Pomorską Akademię Medyczną

(ChunkerEvaluator) Sentence #1497 from articles/00107420 from sent42

Text  : Arek niestety w Szczecinie nie bardzo ma z kim grać na treningach ,  bo w  jego wieku brak równorzędnych partnerów .
Tokens: 1___ 2_______ 3 4_________ 5__ 6_____ 7_ 8 9__ 10__ 11 12________ 13 14 15 16__ 17___ 18__ 19___________ 20_______ 21

Chunks:
  TruePositive nam [1,1] = Arek
  TruePositive nam [4,4] = Szczecinie

(ChunkerEvaluator) Sentence #1498 from articles/00107420 from sent43

Text  : Ponadto w jego wieku Marcin Matkowski był już wicemistrzem Polski seniorów i  plasował się w  setce juniorskiego rankingu ITF .
Tokens: 1______ 2 3___ 4____ 5_____ 6________ 7__ 8__ 9___________ 10____ 11______ 12 13______ 14_ 15 16___ 17__________ 18______ 19_ 20

Chunks:
  TruePositive nam [5,6] = Marcin Matkowski
  TruePositive nam [10,10] = Polski
  TruePositive nam [19,19] = ITF

(ChunkerEvaluator) Sentence #1499 from articles/00107420 from sent44

Text  : Miał też brąz drużynowych Mistrzostw Świata juniorów .
Tokens: 1___ 2__ 3___ 4__________ 5_________ 6_____ 7_______ 8

Chunks:
  TruePositive nam [5,6] = Mistrzostw Świata

(ChunkerEvaluator) Sentence #1500 from articles/00107420 from sent45

Text  : Arek takich sukcesów nie ma , ale to bardzo zdolny i  pracowity chłopak .
Tokens: 1___ 2_____ 3_______ 4__ 5_ 6 7__ 8_ 9_____ 10____ 11 12_______ 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Arek

(ChunkerEvaluator) Sentence #1501 from articles/00107420 from sent46

Text  : Jakie są powody tego , że tak niewielu tenisistów ze Szczecina przebija się do czołówki krajowej w  rywalizacji seniorów ?
Tokens: 1____ 2_ 3_____ 4___ 5 6_ 7__ 8_______ 9_________ 10 11_______ 12______ 13_ 14 15______ 16______ 17 18_________ 19______ 20

Chunks:
  TruePositive nam [11,11] = Szczecina

(ChunkerEvaluator) Sentence #1502 from articles/00107420 from sent47

Text  : - To nie jest tylko problem szczeciński , ale wręcz ogólnopolski .
Tokens: 1 2_ 3__ 4___ 5____ 6______ 7__________ 8 9__ 10___ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #1503 from articles/00107420 from sent48

Text  : Spójrzmy na listę ATP , ilu tam jest Polaków ?
Tokens: 1_______ 2_ 3____ 4__ 5 6__ 7__ 8___ 9______ 10

Chunks:
  TruePositive nam [4,4] = ATP
  TruePositive nam [9,9] = Polaków

(ChunkerEvaluator) Sentence #1504 from articles/00107420 from sent49

Text  : Kilkunastu , a tych , którzy coś wygrywają raptem kilku .
Tokens: 1_________ 2 3 4___ 5 6_____ 7__ 8________ 9_____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #1505 from articles/00107420 from sent50

Text  : Obserwując to , co się dzieje w Szczecinie , mogę powiedzieć tylko tyle ,  że jest dużo więcej dzieciaków ,  które trenują w  szkółkach tenisowych ,  ale coraz mniej młodych ludzi chce grać zawodowo w  tenisa .
Tokens: 1_________ 2_ 3 4_ 5__ 6_____ 7 8_________ 9 10__ 11________ 12___ 13__ 14 15 16__ 17__ 18____ 19________ 20 21___ 22_____ 23 24_______ 25________ 26 27_ 28___ 29___ 30_____ 31___ 32__ 33__ 34______ 35 36____ 37

Chunks:
  TruePositive nam [8,8] = Szczecinie

(ChunkerEvaluator) Sentence #1506 from articles/00107420 from sent51

Text  : Kiedyś młodym ludziom bardziej zależało .
Tokens: 1_____ 2_____ 3______ 4_______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #1507 from articles/00107420 from sent52

Text  : Ciężko pracowali , by odnieść sukces .
Tokens: 1_____ 2________ 3 4_ 5______ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #1508 from articles/00107420 from sent53

Text  : Teraz generalnie ludziom lepiej się żyje .
Tokens: 1____ 2_________ 3______ 4_____ 5__ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #1509 from articles/00107420 from sent54

Text  : Młodzi wiele dostają na tacy - od rodziców - toteż nie chce im się pracować .
Tokens: 1_____ 2____ 3______ 4_ 5___ 6 7_ 8_______ 9 10___ 11_ 12__ 13 14_ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #1510 from articles/00107420 from sent55

Text  : A bez ciężkiej pracy i motywacji nie będzie sukcesów w  tenisie .
Tokens: 1 2__ 3_______ 4____ 5 6________ 7__ 8_____ 9_______ 10 11_____ 12

Chunks:

2016-10-27 14:59:18,480 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 59 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107421.xml
(ChunkerEvaluator) Sentence #1511 from articles/00107421 from sent1

Text  : Prawie 41 litrów wody na m kw . spadło w  Toruniu !
Tokens: 1_____ 2_ 3_____ 4___ 5_ 6 7_ 8 9_____ 10 11_____ 12

Chunks:
  TruePositive nam [11,11] = Toruniu

(ChunkerEvaluator) Sentence #1512 from articles/00107421 from sent2

Text  : Takiej nawałanicy jak wczoraj wieczorem dawno nie było w naszym mieście .
Tokens: 1_____ 2_________ 3__ 4______ 5________ 6____ 7__ 8___ 9 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #1513 from articles/00107421 from sent3

Text  : Jak tłumaczy Rafał Maszewski z Zakładu Klimatologii UMK znacznie więcej deszczu spadło nad wschodnią częścia Torunia :  -  Nad wschodnią częścią miasta przeszedł tzw .  rdzeń opadowy w  którym zanotowano tzw .  opady nawalne (  chwilowe natężenie wynosiło 152 litry na godzinę )  .
Tokens: 1__ 2_______ 3____ 4________ 5 6______ 7___________ 8__ 9_______ 10____ 11_____ 12____ 13_ 14_______ 15_____ 16_____ 17 18 19_ 20_______ 21_____ 22____ 23_______ 24_ 25 26___ 27_____ 28 29____ 30________ 31_ 32 33___ 34_____ 35 36______ 37_______ 38______ 39_ 40___ 41 42_____ 43 44

Chunks:
  TruePositive nam [3,4] = Rafał Maszewski
  TruePositive nam [6,8] = Zakładu Klimatologii UMK
  TruePositive nam [16,16] = Torunia

(ChunkerEvaluator) Sentence #1514 from articles/00107421 from sent4

Text  : Suma opadów wyniosła w tej części miasta 40 , 8  litra na m  kw .
Tokens: 1___ 2_____ 3_______ 4 5__ 6_____ 7_____ 8_ 9 10 11___ 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #1515 from articles/00107421 from sent5

Text  : Słabsze opady atmosferyczne zanotowano w zachodniej części Torunia , gdzie suma opadów wyniosła 23 litry na m  kw .
Tokens: 1______ 2____ 3____________ 4_________ 5 6_________ 7_____ 8______ 9 10___ 11__ 12____ 13______ 14 15___ 16 17 18 19

Chunks:
  TruePositive nam [8,8] = Torunia

2016-10-27 14:59:18,512 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 60 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107422.xml
(ChunkerEvaluator) Sentence #1516 from articles/00107422 from sent1

Text  : 109 lotów wykonał w wakacje śmigłowiec LPR z bazy k  .  Koszalina
Tokens: 1__ 2____ 3______ 4 5______ 6_________ 7__ 8 9___ 10 11 12_______

Chunks:
  TruePositive nam [7,7] = LPR
  TruePositive nam [12,12] = Koszalina

(ChunkerEvaluator) Sentence #1517 from articles/00107422 from sent2

Text  : 109 lotów wykonał w podczas wakacji śmigłowiec Lotniczego Pogotowia Ratunkowego stacjonujący w  sezonowej bazie w  Zegrzu Pomorskim k  .  Koszalina (  Zachodniopomorskie )  -  poinformowała we wtorek PAP rzeczniczka LPR Justyna Sochacka .
Tokens: 1__ 2____ 3______ 4 5______ 6______ 7_________ 8_________ 9________ 10_________ 11__________ 12 13_______ 14___ 15 16____ 17_______ 18 19 20_______ 21 22________________ 23 24 25___________ 26 27____ 28_ 29_________ 30_ 31_____ 32______ 33

Chunks:
  TruePositive nam [8,10] = Lotniczego Pogotowia Ratunkowego
  TruePositive nam [22,22] = Zachodniopomorskie
  TruePositive nam [28,28] = PAP
  TruePositive nam [30,30] = LPR
  TruePositive nam [31,32] = Justyna Sochacka
  FalsePositive nam [16,20] = Zegrzu Pomorskim k . Koszalina
  FalseNegative nam [16,17] = Zegrzu Pomorskim
  FalseNegative nam [20,20] = Koszalina

(ChunkerEvaluator) Sentence #1518 from articles/00107422 from sent3

Text  : Ok . 40 lotów helikopter odbył do ofiar wypadków komunikacyjnych .
Tokens: 1_ 2 3_ 4____ 5_________ 6____ 7_ 8____ 9_______ 10_____________ 11

Chunks:

(ChunkerEvaluator) Sentence #1519 from articles/00107422 from sent4

Text  : Pozostałe wezwania dotyczyły głównie nagłych zachorowań , m . in .  udarów i  zawałów .
Tokens: 1________ 2_______ 3________ 4______ 5______ 6_________ 7 8 9 10 11 12____ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #1520 from articles/00107422 from sent5

Text  : Wśród pacjentów LPR były również osoby z urazami po upadku z  wysokości ,  ze złamaniami i  oparzeniami .
Tokens: 1____ 2________ 3__ 4___ 5______ 6____ 7 8______ 9_ 10____ 11 12_______ 13 14 15________ 16 17_________ 18

Chunks:
  TruePositive nam [3,3] = LPR

(ChunkerEvaluator) Sentence #1521 from articles/00107422 from sent6

Text  : Rzeczniczka LPR podkreśliła , że " wzmożony ruch turystyczny na wybrzeżu skutkuje licznymi wypadkami i  zachorowaniami ,  w  związku z  tym obecność śmigłowca ratunkowego latem na tym terenie jest bardzo wskazana "  .
Tokens: 1__________ 2__ 3__________ 4 5_ 6 7_______ 8___ 9__________ 10 11______ 12______ 13______ 14_______ 15 16____________ 17 18 19_____ 20 21_ 22______ 23_______ 24_________ 25___ 26 27_ 28_____ 29__ 30____ 31______ 32 33

Chunks:
  TruePositive nam [2,2] = LPR

(ChunkerEvaluator) Sentence #1522 from articles/00107422 from sent7

Text  : " Jest on wsparciem dla stałych baz w Szczecinie i  Gdańsku "  -  dodała .
Tokens: 1 2___ 3_ 4________ 5__ 6______ 7__ 8 9_________ 10 11_____ 12 13 14____ 15

Chunks:
  TruePositive nam [9,9] = Szczecinie
  TruePositive nam [11,11] = Gdańsku

(ChunkerEvaluator) Sentence #1523 from articles/00107422 from sent8

Text  : Baza w Zegrzu Pomorskim funkcjonowała przez 75 dni , od 23 czerwca do 5  września .
Tokens: 1___ 2 3_____ 4________ 5____________ 6____ 7_ 8__ 9 10 11 12_____ 13 14 15______ 16

Chunks:
  TruePositive nam [3,4] = Zegrzu Pomorskim

(ChunkerEvaluator) Sentence #1524 from articles/00107422 from sent9

Text  : Była jedyną sezonową placówką LPR .
Tokens: 1___ 2_____ 3_______ 4_______ 5__ 6

Chunks:
  TruePositive nam [5,5] = LPR

(ChunkerEvaluator) Sentence #1525 from articles/00107422 from sent10

Text  : Śmigłowiec z trzyosobową załogą w składzie : pilot , lekarz ,  ratownik medyczny pełnił dyżury od godz .  7  do 20 .
Tokens: 1_________ 2 3__________ 4_____ 5 6_______ 7 8____ 9 10____ 11 12______ 13______ 14____ 15____ 16 17__ 18 19 20 21 22

Chunks:

(ChunkerEvaluator) Sentence #1526 from articles/00107422 from sent11

Text  : Dyrektor LPR Robert Gałązkowski powiedział PAP , że " teraz ,  kiedy Lotnicze Pogotowie Ratunkowe dysponuje 23 śmigłowcami Eurocopter EC 135 jest niemal pewne ,  że w  przyszłym roku nie będzie problemu z  uruchomieniem bazy sezonowej w  Zegrzu Pomorskim .  "
Tokens: 1_______ 2__ 3_____ 4__________ 5_________ 6__ 7 8_ 9 10___ 11 12___ 13______ 14_______ 15_______ 16_______ 17 18_________ 19________ 20 21_ 22__ 23____ 24___ 25 26 27 28_______ 29__ 30_ 31____ 32______ 33 34___________ 35__ 36_______ 37 38____ 39_______ 40 41

Chunks:
  TruePositive nam [2,2] = LPR
  TruePositive nam [3,4] = Robert Gałązkowski
  TruePositive nam [6,6] = PAP
  TruePositive nam [13,15] = Lotnicze Pogotowie Ratunkowe
  TruePositive nam [38,39] = Zegrzu Pomorskim
  FalseNegative nam [19,21] = Eurocopter EC 135

(ChunkerEvaluator) Sentence #1527 from articles/00107422 from sent12

Text  : Powiat koszaliński , do którego należy dawne wojskowe lotnisko w  Zegrzu Pomorskim chciał by utworzenia tym miejscu stałej bazy Lotniczego Pogotowia Ratunkowego .
Tokens: 1_____ 2__________ 3 4_ 5______ 6_____ 7____ 8_______ 9_______ 10 11____ 12_______ 13____ 14 15________ 16_ 17_____ 18____ 19__ 20________ 21_______ 22_________ 23

Chunks:
  TruePositive nam [11,12] = Zegrzu Pomorskim
  TruePositive nam [20,22] = Lotniczego Pogotowia Ratunkowego
  FalseNegative nam [2,2] = koszaliński

(ChunkerEvaluator) Sentence #1528 from articles/00107422 from sent13

Text  : Rzecznik starostwa powiatowego w Koszalinie Jerzy Banasiak powiedział PAP ,  że już w  tym roku czynione były takie starania w  Ministerstwie Zdrowia .
Tokens: 1_______ 2________ 3__________ 4 5_________ 6____ 7_______ 8_________ 9__ 10 11 12_ 13 14_ 15__ 16______ 17__ 18___ 19______ 20 21___________ 22_____ 23

Chunks:
  TruePositive nam [5,5] = Koszalinie
  TruePositive nam [6,7] = Jerzy Banasiak
  TruePositive nam [9,9] = PAP
  TruePositive nam [21,22] = Ministerstwie Zdrowia

(ChunkerEvaluator) Sentence #1529 from articles/00107422 from sent14

Text  : " Decyzja była negatywna .
Tokens: 1 2______ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #1530 from articles/00107422 from sent15

Text  : Będziemy ponawiać wniosek o ulokowanie stałej bazy w przyszłym roku "  -  dodał Banasiak .
Tokens: 1_______ 2_______ 3______ 4 5_________ 6_____ 7___ 8 9________ 10__ 11 12 13___ 14______ 15

Chunks:
  TruePositive nam [14,14] = Banasiak

(ChunkerEvaluator) Sentence #1531 from articles/00107422 from sent16

Text  : Sezonową bazę LPR w Zegrzu Pomorskim uruchomiono po raz pierwszy w  2003 r  .
Tokens: 1_______ 2___ 3__ 4 5_____ 6________ 7__________ 8_ 9__ 10______ 11 12__ 13 14

Chunks:
  TruePositive nam [3,3] = LPR
  TruePositive nam [5,6] = Zegrzu Pomorskim

(ChunkerEvaluator) Sentence #1532 from articles/00107422 from sent17

Text  : Funkcjonowała ona w starych budynkach lotniska przez 6 lat .
Tokens: 1____________ 2__ 3 4______ 5________ 6_______ 7____ 8 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #1533 from articles/00107422 from sent18

Text  : W 2009 i 2010 r . bazy nie było ze względu na brak wolnego śmigłowca .
Tokens: 1 2___ 3 4___ 5 6 7___ 8__ 9___ 10 11_____ 12 13__ 14_____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #1534 from articles/00107422 from sent19

Text  : W 2011 r . w Zegrzu Pomorskim bazę ulokowano w  nowoczesnych kontenerach .
Tokens: 1 2___ 3 4 5 6_____ 7________ 8___ 9________ 10 11__________ 12_________ 13

Chunks:
  TruePositive nam [6,7] = Zegrzu Pomorskim

(ChunkerEvaluator) Sentence #1535 from articles/00107422 from sent20

Text  : Koszt jest utworzenia wyniósł 420 tys . zł .
Tokens: 1____ 2___ 3_________ 4______ 5__ 6__ 7 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #1536 from articles/00107422 from sent21

Text  : Pieniądze wyłożyły samorządy z koszalińskiej części województwa zachodniopomorskiego , Urząd Marszałkowski w  Szczecinie oraz samorządy ze słupskiej części woj .  pomorskiego .
Tokens: 1________ 2_______ 3________ 4 5____________ 6_____ 7__________ 8___________________ 9 10___ 11___________ 12 13________ 14__ 15_______ 16 17_______ 18____ 19_ 20 21_________ 22

Chunks:
  FalsePositive nam [10,13] = Urząd Marszałkowski w Szczecinie
  FalseNegative nam [8,8] = zachodniopomorskiego
  FalseNegative nam [10,11] = Urząd Marszałkowski
  FalseNegative nam [13,13] = Szczecinie

(ChunkerEvaluator) Sentence #1537 from articles/00107422 from sent22

Text  : Kontenery - jak powiedział PAP Banasiak - zostaną na lotnisku .
Tokens: 1________ 2 3__ 4_________ 5__ 6_______ 7 8______ 9_ 10______ 11

Chunks:
  TruePositive nam [5,5] = PAP
  TruePositive nam [6,6] = Banasiak

(ChunkerEvaluator) Sentence #1538 from articles/00107422 from sent23

Text  : Będą odpowiednio zabezpieczone , tak by bazę można było uruchomić w  przyszłym roku .
Tokens: 1___ 2__________ 3____________ 4 5__ 6_ 7___ 8____ 9___ 10_______ 11 12_______ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #1539 from articles/00107422 from sent24

Text  : Lotnicze Pogotowie Ratunkowe , jako samodzielny publiczny zakład opieki zdrowotnej utworzono w  marcu 2000 r  .  na bazie zlikwidowanego Centralnego Zespołu Lotnictwa Sanitarnego ,  który funkcjonował od 1958 r  .
Tokens: 1_______ 2________ 3________ 4 5___ 6__________ 7________ 8_____ 9_____ 10________ 11_______ 12 13___ 14__ 15 16 17 18___ 19____________ 20_________ 21_____ 22_______ 23_________ 24 25___ 26__________ 27 28__ 29 30

Chunks:
  TruePositive nam [1,3] = Lotnicze Pogotowie Ratunkowe
  TruePositive nam [20,23] = Centralnego Zespołu Lotnictwa Sanitarnego
  FalsePositive nam [2,3] = Pogotowie Ratunkowe

(ChunkerEvaluator) Sentence #1540 from articles/00107422 from sent25

Text  : Śmigłowce Lotniczego Pogotowia Ratunkowego stacjonują w 17 stałych bazach i  jednej sezonowej .
Tokens: 1________ 2_________ 3________ 4__________ 5_________ 6 7_ 8______ 9_____ 10 11____ 12_______ 13

Chunks:
  TruePositive nam [2,4] = Lotniczego Pogotowia Ratunkowego

(ChunkerEvaluator) Sentence #1541 from articles/00107422 from sent26

Text  : Flota Lotniczego Pogotowia Ratunkowego to 23 śmigłowce Eurocopter EC 135 oraz dwa samoloty Piaggio P  .
Tokens: 1____ 2_________ 3________ 4__________ 5_ 6_ 7________ 8_________ 9_ 10_ 11__ 12_ 13______ 14_____ 15 16

Chunks:
  TruePositive nam [2,4] = Lotniczego Pogotowia Ratunkowego
  TruePositive nam [8,10] = Eurocopter EC 135
  TruePositive nam [14,15] = Piaggio P

(ChunkerEvaluator) Sentence #1542 from articles/00107422 from sent27

Text  : 180 Avanti .
Tokens: 1__ 2_____ 3

Chunks:
  FalseNegative nam [1,2] = 180 Avanti

2016-10-27 14:59:18,643 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 61 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107423.xml
(ChunkerEvaluator) Sentence #1543 from articles/00107423 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #1544 from articles/00107423 from sent2

Text  : Kolejne rodziny zostaną wykwaterowane z Karbia
Tokens: 1______ 2______ 3______ 4____________ 5 6_____

Chunks:
  FalseNegative nam [6,6] = Karbia

(ChunkerEvaluator) Sentence #1545 from articles/00107423 from sent3

Text  : Powiatowy inspektor nadzoru budowlanego w Bytomiu ( Śląskie ) przygotował na wrzesień plan wykwaterowania rodzin z  siedmiu budynków z  Karbia -  dzielnicy dotkniętej szkodami górniczymi .
Tokens: 1________ 2________ 3______ 4__________ 5 6______ 7 8______ 9 10_________ 11 12______ 13__ 14____________ 15____ 16 17_____ 18______ 19 20____ 21 22_______ 23________ 24______ 25________ 26

Chunks:
  TruePositive nam [6,6] = Bytomiu
  TruePositive nam [8,8] = Śląskie
  FalseNegative nam [20,20] = Karbia

(ChunkerEvaluator) Sentence #1546 from articles/00107423 from sent4

Text  : Z powodu szkód górniczych w budynkach dochodzi do pękania i  przesunięcia ścian ,  a  także usterek w  przewodach kominowych .
Tokens: 1 2_____ 3____ 4_________ 5 6________ 7_______ 8_ 9______ 10 11__________ 12___ 13 14 15___ 16_____ 17 18________ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #1547 from articles/00107423 from sent5

Text  : Do tej pory mieszkania musiały opuścić 222 osoby z kamienic przy ulicy Pocztowej i  Technicznej .
Tokens: 1_ 2__ 3___ 4_________ 5______ 6______ 7__ 8____ 9 10______ 11__ 12___ 13_______ 14 15_________ 16

Chunks:
  FalsePositive nam [13,15] = Pocztowej i Technicznej
  FalseNegative nam [13,13] = Pocztowej
  FalseNegative nam [15,15] = Technicznej

(ChunkerEvaluator) Sentence #1548 from articles/00107423 from sent6

Text  : W środę dołączy do nich 19 osób z kolejnej kamienicy przy ul .  Technicznej -  wytypowanej do wysiedlenia przez powiatowego inspektora nadzoru budowlanego w  Bytomiu .
Tokens: 1 2____ 3______ 4_ 5___ 6_ 7___ 8 9_______ 10_______ 11__ 12 13 14_________ 15 16_________ 17 18_________ 19___ 20_________ 21________ 22_____ 23_________ 24 25_____ 26

Chunks:
  TruePositive nam [14,14] = Technicznej
  TruePositive nam [25,25] = Bytomiu

(ChunkerEvaluator) Sentence #1549 from articles/00107423 from sent7

Text  : " W przypadku tego wysiedlenia niedrożne są nie tylko przewody kominowe ,  pojawiły się także uszkodzenia w  piwnicy .
Tokens: 1 2 3________ 4___ 5__________ 6________ 7_ 8__ 9____ 10______ 11______ 12 13______ 14_ 15___ 16_________ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #1550 from articles/00107423 from sent8

Text  : Doszło do przemieszczenia i rozwarstwienia ścian " - powiedziała PAP powiatowy inspektor nadzoru budowlanego Elżbieta Kwiecińska .
Tokens: 1_____ 2_ 3______________ 4 5_____________ 6____ 7 8 9__________ 10_ 11_______ 12_______ 13_____ 14_________ 15______ 16________ 17

Chunks:
  TruePositive nam [10,10] = PAP
  TruePositive nam [15,16] = Elżbieta Kwiecińska

(ChunkerEvaluator) Sentence #1551 from articles/00107423 from sent9

Text  : Dodała , że kolejne uszkodzenia w konstrukcji budynków mogą się ujawniać jeszcze przez co najmniej rok .
Tokens: 1_____ 2 3_ 4______ 5__________ 6 7__________ 8_______ 9___ 10_ 11______ 12_____ 13___ 14 15______ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #1552 from articles/00107423 from sent10

Text  : Do wykwaterowania pozostało jeszcze 408 mieszkańców Karbia .
Tokens: 1_ 2_____________ 3________ 4______ 5__ 6__________ 7_____ 8

Chunks:
  FalseNegative nam [7,7] = Karbia

(ChunkerEvaluator) Sentence #1553 from articles/00107423 from sent11

Text  : Jak poinformowała rzeczniczka Urzędu Miasta w Bytomiu Katarzyna Krzemińska -  Kruczek ,  należy jak najszybciej znaleźć rodzinom nowe mieszkania ,  ponieważ "  przewody kominowe nie zostaną dopuszczone do eksploatacji ,  co wyklucza ogrzewanie mieszkań w  nadchodzącym sezonie grzewczym "  .
Tokens: 1__ 2____________ 3__________ 4_____ 5_____ 6 7______ 8________ 9_________ 10 11_____ 12 13____ 14_ 15_________ 16_____ 17______ 18__ 19________ 20 21______ 22 23______ 24______ 25_ 26_____ 27_________ 28 29__________ 30 31 32______ 33________ 34______ 35 36__________ 37_____ 38_______ 39 40

Chunks:
  TruePositive nam [8,11] = Katarzyna Krzemińska - Kruczek
  FalsePositive nam [3,7] = rzeczniczka Urzędu Miasta w Bytomiu
  FalseNegative nam [4,5] = Urzędu Miasta
  FalseNegative nam [7,7] = Bytomiu

(ChunkerEvaluator) Sentence #1554 from articles/00107423 from sent12

Text  : Wstępnie Kwiecińska wytypowała do wysiedlenia w tym miesiącu kolejnych sześć budynków .
Tokens: 1_______ 2_________ 3_________ 4_ 5__________ 6 7__ 8_______ 9________ 10___ 11______ 12

Chunks:
  TruePositive nam [2,2] = Kwiecińska

(ChunkerEvaluator) Sentence #1555 from articles/00107423 from sent13

Text  : " Mamy taki wyprzedzający plan , ponieważ chcemy , żeby mieszkańcy pozostałych budynków spokojnie mogli się przygotować do wyprowadzki "  -  wyjaśniła .
Tokens: 1 2___ 3___ 4____________ 5___ 6 7_______ 8_____ 9 10__ 11________ 12_________ 13______ 14_______ 15___ 16_ 17_________ 18 19_________ 20 21 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #1556 from articles/00107423 from sent14

Text  : Kiedy kilka tygodni temu zauważono pierwsze pęknięcia w ścianach ,  rodziny ,  które musiały opuścić swoje mieszkania ,  były przewożone do hoteli znajdujących się na terenie miasta .
Tokens: 1____ 2____ 3______ 4___ 5________ 6_______ 7________ 8 9_______ 10 11_____ 12 13___ 14_____ 15_____ 16___ 17________ 18 19__ 20________ 21 22____ 23__________ 24_ 25 26_____ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #1557 from articles/00107423 from sent15

Text  : Obecnie dzięki zakończonym pomyślnie rozmowom między samorządem a Kompanią Węglową ,  wysiedlonym rodzinom zwraca się koszty wynajmu mieszkania lub przekazuje 200 zł miesięcznie każdemu ,  kto znajdzie schronienie u  rodziny lub powinowatych .
Tokens: 1______ 2_____ 3__________ 4________ 5_______ 6_____ 7_________ 8 9_______ 10_____ 11 12_________ 13______ 14____ 15_ 16____ 17_____ 18________ 19_ 20________ 21_ 22 23_________ 24_____ 25 26_ 27______ 28_________ 29 30_____ 31_ 32__________ 33

Chunks:
  TruePositive nam [9,10] = Kompanią Węglową
  TruePositive nam [22,22] = zł

(ChunkerEvaluator) Sentence #1558 from articles/00107423 from sent16

Text  : Rozpoczęły się także prace nad ostatecznym kształtem porozumienia pomiędzy samorządem a  Kompanią Węglową ,  do której należy kopalnia Bobrek -  Centrum wydobywająca węgiel pod Karbiem .
Tokens: 1_________ 2__ 3____ 4____ 5__ 6__________ 7________ 8___________ 9_______ 10________ 11 12______ 13_____ 14 15 16____ 17____ 18______ 19____ 20 21_____ 22__________ 23____ 24_ 25_____ 26

Chunks:
  TruePositive nam [12,13] = Kompanią Węglową
  TruePositive nam [19,21] = Bobrek - Centrum
  FalseNegative nam [25,25] = Karbiem

(ChunkerEvaluator) Sentence #1559 from articles/00107423 from sent17

Text  : Porozumienie dotyczyć będzie m . in . odszkodowania , budowy nowych mieszkań oraz rewitalizacji obszaru ,  na którym znajdują się uszkodzone budynki .
Tokens: 1___________ 2_______ 3_____ 4 5 6_ 7 8____________ 9 10____ 11____ 12______ 13__ 14___________ 15_____ 16 17 18____ 19______ 20_ 21________ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #1560 from articles/00107423 from sent18

Text  : Rzecznik Kompanii Zbigniew Madej podkreślił , że Kompania współpracuje z  miastem .
Tokens: 1_______ 2_______ 3_______ 4____ 5_________ 6 7_ 8_______ 9___________ 10 11_____ 12

Chunks:
  TruePositive nam [2,2] = Kompanii
  TruePositive nam [3,4] = Zbigniew Madej
  TruePositive nam [8,8] = Kompania

(ChunkerEvaluator) Sentence #1561 from articles/00107423 from sent19

Text  : " My nadal podtrzymujemy propozycję wykupu tego terenu i oczywiście przedstawimy gminie wycenę szkód "  -  powiedział Madej .
Tokens: 1 2_ 3____ 4____________ 5_________ 6_____ 7___ 8_____ 9 10________ 11__________ 12____ 13____ 14___ 15 16 17________ 18___ 19

Chunks:
  TruePositive nam [18,18] = Madej

(ChunkerEvaluator) Sentence #1562 from articles/00107423 from sent20

Text  : Jak powiedziała Krzemińska - Kruczek , miasto chce , żeby wysokość odszkodowania została ustalona w  oparciu o  wskaźnik kosztu odtworzenia 1  m  kw .  powierzchni użytkowej ustalonego dla województwa śląskiego .
Tokens: 1__ 2__________ 3_________ 4 5______ 6 7_____ 8___ 9 10__ 11______ 12___________ 13_____ 14______ 15 16_____ 17 18______ 19____ 20_________ 21 22 23 24 25_________ 26_______ 27________ 28_ 29_________ 30_______ 31

Chunks:
  TruePositive nam [3,5] = Krzemińska - Kruczek
  TruePositive nam [30,30] = śląskiego

(ChunkerEvaluator) Sentence #1563 from articles/00107423 from sent21

Text  : Jest on ustalany urzędowo i wynosi obecnie 3369 zł .
Tokens: 1___ 2_ 3_______ 4_______ 5 6_____ 7______ 8___ 9_ 10

Chunks:
  FalsePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #1564 from articles/00107423 from sent22

Text  : Nowe mieszkania - jak proponuje miasto - mogły by zostać wybudowane na działce w  dzielnicy Szombierki .
Tokens: 1___ 2_________ 3 4__ 5________ 6_____ 7 8____ 9_ 10____ 11________ 12 13_____ 14 15_______ 16________ 17

Chunks:
  TruePositive nam [16,16] = Szombierki

(ChunkerEvaluator) Sentence #1565 from articles/00107423 from sent23

Text  : W lipcu nadzór górniczy orzekł , że szkody nie wynikają z  bieżącej eksploatacji węgla .
Tokens: 1 2____ 3_____ 4_______ 5_____ 6 7_ 8_____ 9__ 10______ 11 12______ 13__________ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #1566 from articles/00107423 from sent24

Text  : Pojawiły się opinie , że mają one związek z ponad stuletnim wydobyciem .
Tokens: 1_______ 2__ 3_____ 4 5_ 6___ 7__ 8______ 9 10___ 11_______ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #1567 from articles/00107423 from sent25

Text  : Bytomski samorząd zapowiedział , że konieczna będzie ponowna analiza .
Tokens: 1_______ 2_______ 3___________ 4 5_ 6________ 7_____ 8______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #1568 from articles/00107423 from sent26

Text  : 31 sierpnia zapadła decyzja , że w najbliższym czasie zostanie powołany zespół ds .  okresowej oceny eksploatacji górniczej pod Bytomiem .
Tokens: 1_ 2_______ 3______ 4______ 5 6_ 7 8__________ 9_____ 10______ 11______ 12____ 13 14 15_______ 16___ 17__________ 18_______ 19_ 20______ 21

Chunks:
  TruePositive nam [20,20] = Bytomiem

(ChunkerEvaluator) Sentence #1569 from articles/00107423 from sent27

Text  : Jak poinformowała PAP rzeczniczka Wyższego Urzędu Górniczego Jolanta Talarczyk ,  zespół powstanie najpóźniej pod koniec września .
Tokens: 1__ 2____________ 3__ 4__________ 5_______ 6_____ 7_________ 8______ 9________ 10 11____ 12_______ 13________ 14_ 15____ 16______ 17

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,7] = Wyższego Urzędu Górniczego
  TruePositive nam [8,9] = Jolanta Talarczyk

2016-10-27 14:59:18,792 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 62 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107424.xml
(ChunkerEvaluator) Sentence #1570 from articles/00107424 from sent1

Text  : Polonia - Legia , czyli bilety na derby w sprzedaży
Tokens: 1______ 2 3____ 4 5____ 6_____ 7_ 8____ 9 10_______

Chunks:
  TruePositive nam [3,3] = Legia
  FalseNegative nam [1,1] = Polonia
  FalseNegative nam [8,8] = derby

(ChunkerEvaluator) Sentence #1571 from articles/00107424 from sent2

Text  : Od poniedziałku w internecie , a od środy w kasach można kupować bilety na derby Warszawy Polonia -  Legia ,  które 18 września odbędą się na stadionie przy Konwiktorskiej .
Tokens: 1_ 2___________ 3 4_________ 5 6 7_ 8____ 9 10____ 11___ 12_____ 13____ 14 15___ 16______ 17_____ 18 19___ 20 21___ 22 23______ 24____ 25_ 26 27_______ 28__ 29____________ 30

Chunks:
  TruePositive nam [29,29] = Konwiktorskiej
  FalsePositive nam [4,4] = internecie
  FalsePositive nam [16,19] = Warszawy Polonia - Legia
  FalseNegative nam [15,15] = derby
  FalseNegative nam [16,17] = Warszawy Polonia
  FalseNegative nam [19,19] = Legia

(ChunkerEvaluator) Sentence #1572 from articles/00107424 from sent3

Text  : Mecz będzie mogło obejrzeć 6 , 8 tys . widzów ,  w  tym 350 kibiców gości .
Tokens: 1___ 2_____ 3____ 4_______ 5 6 7 8__ 9 10____ 11 12 13_ 14_ 15_____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #1573 from articles/00107424 from sent4

Text  : To prawdopodobnie ostatnie derby , których gospodarzem jest Polonia na kameralnym obiekcie na Nowym Mieście .
Tokens: 1_ 2_____________ 3_______ 4____ 5 6______ 7__________ 8___ 9______ 10 11________ 12______ 13 14___ 15_____ 16

Chunks:
  TruePositive nam [9,9] = Polonia
  TruePositive nam [14,15] = Nowym Mieście
  FalseNegative nam [4,4] = derby

(ChunkerEvaluator) Sentence #1574 from articles/00107424 from sent5

Text  : Właściciel i prezes „ Czarnych Koszul ” Józef Wojciechowski chciał by najważniejsze spotkania sezonu -  z  Legią ,  Lechem ,  Wisłą ,  a  ewentualnie w  przyszłości pucharowe -  rozgrywać na Stadionie Narodowym .
Tokens: 1_________ 2 3_____ 4 5_______ 6_____ 7 8____ 9____________ 10____ 11 12___________ 13_______ 14____ 15 16 17___ 18 19____ 20 21___ 22 23 24_________ 25 26_________ 27_______ 28 29_______ 30 31_______ 32_______ 33

Chunks:
  TruePositive nam [5,6] = Czarnych Koszul
  TruePositive nam [8,9] = Józef Wojciechowski
  TruePositive nam [17,17] = Legią
  TruePositive nam [19,19] = Lechem
  TruePositive nam [21,21] = Wisłą
  TruePositive nam [31,32] = Stadionie Narodowym

(ChunkerEvaluator) Sentence #1575 from articles/00107424 from sent6

Text  : W tej rundzie było to niemożliwe - Stadion Narodowy oddany zostanie do użytku w  listopadzie .
Tokens: 1 2__ 3______ 4___ 5_ 6_________ 7 8______ 9_______ 10____ 11______ 12 13____ 14 15_________ 16

Chunks:
  TruePositive nam [8,9] = Stadion Narodowy

(ChunkerEvaluator) Sentence #1576 from articles/00107424 from sent7

Text  : Dlatego i w rundzie wiosennej wątpliwe , by Polonia grała na arenie Euro 2012 .
Tokens: 1______ 2 3 4______ 5________ 6_______ 7 8_ 9______ 10___ 11 12____ 13__ 14__ 15

Chunks:
  TruePositive nam [9,9] = Polonia
  FalsePositive nam [13,13] = Euro
  FalseNegative nam [13,14] = Euro 2012

(ChunkerEvaluator) Sentence #1577 from articles/00107424 from sent8

Text  : W Warszawie w pierwszej połowie przyszłego roku czekają ją bowiem spotkania z  mało atrakcyjnymi rywalami .
Tokens: 1 2________ 3 4________ 5______ 6_________ 7___ 8______ 9_ 10____ 11_______ 12 13__ 14__________ 15______ 16

Chunks:
  TruePositive nam [2,2] = Warszawie

(ChunkerEvaluator) Sentence #1578 from articles/00107424 from sent9

Text  : Tegoroczne derby odbędą się przy niewielkim audytorium .
Tokens: 1_________ 2____ 3_____ 4__ 5___ 6_________ 7_________ 8

Chunks:
  FalseNegative nam [2,2] = derby

(ChunkerEvaluator) Sentence #1579 from articles/00107424 from sent10

Text  : - Polonia jak na każdy mecz ligowy przygotowała 6800 miejsc dla kibiców ,  w  tym 350 miejsc dla kibiców drużyny gości -  mówi rzecznik prasowy „  Czarnych Koszul ”  Jakub Krupa .
Tokens: 1 2______ 3__ 4_ 5____ 6___ 7_____ 8___________ 9___ 10____ 11_ 12_____ 13 14 15_ 16_ 17____ 18_ 19_____ 20_____ 21___ 22 23__ 24______ 25_____ 26 27______ 28____ 29 30___ 31___ 32

Chunks:
  TruePositive nam [27,28] = Czarnych Koszul
  TruePositive nam [30,31] = Jakub Krupa
  FalseNegative nam [2,2] = Polonia

(ChunkerEvaluator) Sentence #1580 from articles/00107424 from sent11

Text  : Ale trudno spodziewać się , żeby stadion przy Konwiktorskiej wypełnił się do ostatniego miejsca .
Tokens: 1__ 2_____ 3_________ 4__ 5 6___ 7______ 8___ 9_____________ 10______ 11_ 12 13________ 14_____ 15

Chunks:
  TruePositive nam [9,9] = Konwiktorskiej

(ChunkerEvaluator) Sentence #1581 from articles/00107424 from sent12

Text  : W tym sezonie znacznie zmalała frekwencja na tym obiekcie ,  nawet na mecz z  Wisłą Kraków przyszło zaledwie cztery tysiące widzów .
Tokens: 1 2__ 3______ 4_______ 5______ 6_________ 7_ 8__ 9_______ 10 11___ 12 13__ 14 15___ 16____ 17______ 18______ 19____ 20_____ 21____ 22

Chunks:
  TruePositive nam [15,16] = Wisłą Kraków

(ChunkerEvaluator) Sentence #1582 from articles/00107424 from sent13

Text  : Dzieje się tak z kilku powodów - podwyżek cen biletów ,  trudności z  wyrobieniem kart kibica ,  wakacyjnej pory dotychczas rozgrywanych meczów i  zaniechania akcji marketingowej .
Tokens: 1_____ 2__ 3__ 4 5____ 6______ 7 8_______ 9__ 10_____ 11 12_______ 13 14_________ 15__ 16____ 17 18________ 19__ 20________ 21__________ 22____ 23 24_________ 25___ 26___________ 27

Chunks:

(ChunkerEvaluator) Sentence #1583 from articles/00107424 from sent14

Text  : Jeśli więc przy nieco bardziej sprzyjających okolicznościach dla Polonii (  transfer Smolarka i  Sobiecha )  też nie zgromadziły kompletu ,  trudno się spodziewać pełnego stadionu za półtora tygodnia .
Tokens: 1____ 2___ 3___ 4____ 5_______ 6____________ 7______________ 8__ 9______ 10 11______ 12______ 13 14______ 15 16_ 17_ 18_________ 19______ 20 21____ 22_ 23________ 24_____ 25______ 26 27_____ 28______ 29

Chunks:
  TruePositive nam [9,9] = Polonii
  TruePositive nam [12,12] = Smolarka
  FalseNegative nam [14,14] = Sobiecha

(ChunkerEvaluator) Sentence #1584 from articles/00107424 from sent15

Text  : Od poniedziałku ruszyła sprzedaż biletów na warszawskie derby , na razie w  internecie ,  w  środę zaczyna się dystrybucja biletów w  kasach stadionu .
Tokens: 1_ 2___________ 3______ 4_______ 5______ 6_ 7__________ 8____ 9 10 11___ 12 13________ 14 15 16___ 17_____ 18_ 19_________ 20_____ 21 22____ 23______ 24

Chunks:
  FalsePositive nam [13,13] = internecie
  FalseNegative nam [8,8] = derby

(ChunkerEvaluator) Sentence #1585 from articles/00107424 from sent16

Text  : Można też w nich wyrobić karty kibica Polonii .
Tokens: 1____ 2__ 3 4___ 5______ 6____ 7_____ 8______ 9

Chunks:
  TruePositive nam [8,8] = Polonii

(ChunkerEvaluator) Sentence #1586 from articles/00107424 from sent17

Text  : Klub z Konwiktorskiej nie chciał zdradzić liczby dotychczas wydanych kart kibica ,  trudno więc oszacować ,  ile można spodziewać się widzów na derbach .
Tokens: 1___ 2 3_____________ 4__ 5_____ 6_______ 7_____ 8_________ 9_______ 10__ 11____ 12 13____ 14__ 15_______ 16 17_ 18___ 19________ 20_ 21____ 22 23_____ 24

Chunks:
  TruePositive nam [3,3] = Konwiktorskiej
  FalseNegative nam [23,23] = derbach

(ChunkerEvaluator) Sentence #1587 from articles/00107424 from sent18

Text  : Dla fanów gości przewidziane są tylko miejsca w niewielkim ,  mogącym pomieścić 350 widzów sektorze gości .
Tokens: 1__ 2____ 3____ 4___________ 5_ 6____ 7______ 8 9_________ 10 11_____ 12_______ 13_ 14____ 15______ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #1588 from articles/00107424 from sent19

Text  : Taką pulę biletów dla kibiców Legii Polonia przekazała na Łazienkowską .
Tokens: 1___ 2___ 3______ 4__ 5______ 6____ 7______ 8_________ 9_ 10__________ 11

Chunks:
  TruePositive nam [6,7] = Legii Polonia
  TruePositive nam [10,10] = Łazienkowską

(ChunkerEvaluator) Sentence #1589 from articles/00107424 from sent20

Text  : - Mimo zgłoszonego przez klub z Łazienkowskiej większego zapotrzebowania na wejściówki nasz stadion nie jest w  stanie przyjąć grupy przekraczającej tę liczbę -  tłumaczy Krupa .
Tokens: 1 2___ 3__________ 4____ 5___ 6 7_____________ 8________ 9______________ 10 11________ 12__ 13_____ 14_ 15__ 16 17____ 18_____ 19___ 20_____________ 21 22____ 23 24______ 25___ 26

Chunks:
  TruePositive nam [25,25] = Krupa
  FalseNegative nam [7,7] = Łazienkowskiej

(ChunkerEvaluator) Sentence #1590 from articles/00107424 from sent21

Text  : Na mecz nie może też wejść osoba posiadająca karty kibica Legii .
Tokens: 1_ 2___ 3__ 4___ 5__ 6____ 7____ 8__________ 9____ 10____ 11___ 12

Chunks:
  TruePositive nam [11,11] = Legii

(ChunkerEvaluator) Sentence #1591 from articles/00107424 from sent22

Text  : - Założenia Ekstraklasy i systemu identyfikacji kibiców są takie ,  że kibice drużyny gości siedzą tylko i  wyłącznie na sektorze dla nich przeznaczonym .
Tokens: 1 2________ 3__________ 4 5______ 6____________ 7______ 8_ 9____ 10 11 12____ 13_____ 14___ 15____ 16___ 17 18_______ 19 20______ 21_ 22__ 23___________ 24

Chunks:
  FalseNegative nam [3,3] = Ekstraklasy

(ChunkerEvaluator) Sentence #1592 from articles/00107424 from sent23

Text  : Nawet jeśli otworzyli by śmy możliwość wchodzenia na stadion przy Konwiktorskiej ,  kibicom mającym inne karty kibica -  a  tak docelowo ma być w  przyszłości po pełnym wdrożeniu systemu i  ustanowieniu tzw .  sektorów neutralnych -  to podczas spotkania z  Legią kibice tej drużyny i  tak byli by pozbawieni tej możliwości -  mówi rzecznik Polonii .
Tokens: 1____ 2____ 3________ 4_ 5__ 6________ 7_________ 8_ 9______ 10__ 11____________ 12 13_____ 14_____ 15__ 16___ 17____ 18 19 20_ 21______ 22 23_ 24 25_________ 26 27____ 28_______ 29_____ 30 31__________ 32_ 33 34______ 35_________ 36 37 38_____ 39_______ 40 41___ 42____ 43_ 44_____ 45 46_ 47__ 48 49________ 50_ 51________ 52 53__ 54______ 55_____ 56

Chunks:
  TruePositive nam [11,11] = Konwiktorskiej
  TruePositive nam [41,41] = Legią
  TruePositive nam [55,55] = Polonii

2016-10-27 14:59:18,937 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 63 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107425.xml
(ChunkerEvaluator) Sentence #1593 from articles/00107425 from sent1

Text  : Komentarz .
Tokens: 1________ 2

Chunks:

(ChunkerEvaluator) Sentence #1594 from articles/00107425 from sent2

Text  : Czy pociągi będą jeździć punktualnie ?
Tokens: 1__ 2______ 3___ 4______ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #1595 from articles/00107425 from sent3

Text  : Komentarz , a właściwie Postscriptum dla tych , którzy artykułów o  kolei nie czytają .
Tokens: 1________ 2 3 4________ 5___________ 6__ 7___ 8 9_____ 10_______ 11 12___ 13_ 14_____ 15

Chunks:
  FalsePositive nam [5,5] = Postscriptum

(ChunkerEvaluator) Sentence #1596 from articles/00107425 from sent4

Text  : O spóźniających się pociągach tej czy innej kolejowej spółki pisali śmy już wielokrotnie
Tokens: 1 2____________ 3__ 4________ 5__ 6__ 7____ 8________ 9_____ 10____ 11_ 12_ 13__________

Chunks:

(ChunkerEvaluator) Sentence #1597 from articles/00107425 from sent5

Text  : Zwykle przyczyną są „ problemy techniczne ” , nigdy nikt nie jest winien ,  ale zawsze przewoźnicy przepraszają .
Tokens: 1_____ 2________ 3_ 4 5_______ 6_________ 7 8 9____ 10__ 11_ 12__ 13____ 14 15_ 16____ 17_________ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #1598 from articles/00107425 from sent6

Text  : Pasażerowie powoli tracą cierpliwość .
Tokens: 1__________ 2_____ 3____ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #1599 from articles/00107425 from sent7

Text  : Niektórzy przesiadają się do samochodów , mówią , że pewniejsze .
Tokens: 1________ 2__________ 3__ 4_ 5_________ 6 7____ 8 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #1600 from articles/00107425 from sent8

Text  : Znam nawet jedną dorosłą osobę , która nigdy pociągiem nie jechała .
Tokens: 1___ 2____ 3____ 4______ 5____ 6 7____ 8____ 9________ 10_ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #1601 from articles/00107425 from sent9

Text  : Kolejarze zapewniają , że jak trasa do Warszawy zostanie zmodernizowana ,  pociągi będą jeździły szybciej ,  ale czy będą punktualne ?
Tokens: 1________ 2_________ 3 4_ 5__ 6____ 7_ 8_______ 9_______ 10____________ 11 12_____ 13__ 14______ 15______ 16 17_ 18_ 19__ 20________ 21

Chunks:
  TruePositive nam [8,8] = Warszawy

(ChunkerEvaluator) Sentence #1602 from articles/00107425 from sent10

Text  : Bo jeśli nie , to może szkoda wydawać pieniędzy .
Tokens: 1_ 2____ 3__ 4 5_ 6___ 7_____ 8______ 9________ 10

Chunks:

2016-10-27 14:59:18,971 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 64 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107426.xml
(ChunkerEvaluator) Sentence #1603 from articles/00107426 from sent1

Text  : Wydarzenia sportowe w skrócie , środa 7 września , 22 .  00
Tokens: 1_________ 2_______ 3 4______ 5 6____ 7 8_______ 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #1604 from articles/00107426 from sent2

Text  : Przekazujemy skrót wiadomości sportowych :
Tokens: 1___________ 2____ 3_________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #1605 from articles/00107426 from sent3

Text  : Medaliści igrzysk olimpijskich i mistrzostw świata w hokeju na lodzie znajdują się na liście ofiar katatrofy lotniczej ,  do której doszło w  Rosji .
Tokens: 1________ 2______ 3___________ 4 5_________ 6_____ 7 8_____ 9_ 10____ 11______ 12_ 13 14____ 15___ 16_______ 17_______ 18 19 20____ 21____ 22 23___ 24

Chunks:
  TruePositive nam [23,23] = Rosji
  FalseNegative nam [2,3] = igrzysk olimpijskich
  FalseNegative nam [5,6] = mistrzostw świata

(ChunkerEvaluator) Sentence #1606 from articles/00107426 from sent4

Text  : Na pokładzie samolotu znajdowała się drużyna Lokomotiwu Jarosław , trzykrotnego mistrza kraju .
Tokens: 1_ 2________ 3_______ 4_________ 5__ 6______ 7_________ 8_______ 9 10__________ 11_____ 12___ 13

Chunks:
  FalsePositive nam [8,8] = Jarosław
  FalseNegative nam [7,8] = Lokomotiwu Jarosław

(ChunkerEvaluator) Sentence #1607 from articles/00107426 from sent5

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1608 from articles/00107426 from sent6

Text  : Piłkarze Holandii są pewni awansu do przyszłorocznych mistrzostw Europy w  Polsce i  na Ukrainie .
Tokens: 1_______ 2_______ 3_ 4____ 5_____ 6_ 7_______________ 8_________ 9_____ 10 11____ 12 13 14______ 15

Chunks:
  TruePositive nam [2,2] = Holandii
  TruePositive nam [11,11] = Polsce
  TruePositive nam [14,14] = Ukrainie
  FalsePositive nam [9,9] = Europy
  FalseNegative nam [8,9] = mistrzostw Europy

(ChunkerEvaluator) Sentence #1609 from articles/00107426 from sent7

Text  : Według wyliczeń UEFA nawet jeśli w grupie E wyprzedzą ich Szwedzi ,  to obecny dorobek 24 punktów da promocję Pomarańczowym z  grona ekip ,  które zajmą drugie miejsca .
Tokens: 1_____ 2_______ 3___ 4____ 5____ 6 7_____ 8 9________ 10_ 11_____ 12 13 14____ 15_____ 16 17_____ 18 19______ 20___________ 21 22___ 23__ 24 25___ 26___ 27____ 28_____ 29

Chunks:
  TruePositive nam [3,3] = UEFA
  TruePositive nam [11,11] = Szwedzi
  FalseNegative nam [8,8] = E
  FalseNegative nam [20,20] = Pomarańczowym

(ChunkerEvaluator) Sentence #1610 from articles/00107426 from sent8

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1611 from articles/00107426 from sent9

Text  : Tomasz Majewski halowym rekordem Polski 21 , 38 zajął czwarte miejsce w  pchnięciu kulą w  mityngu Diamentowej Ligi na dworcu kolejowym w  Zurychu .
Tokens: 1_____ 2_______ 3______ 4_______ 5_____ 6_ 7 8_ 9____ 10_____ 11_____ 12 13_______ 14__ 15 16_____ 17_________ 18__ 19 20____ 21_______ 22 23_____ 24

Chunks:
  TruePositive nam [1,2] = Tomasz Majewski
  TruePositive nam [5,5] = Polski
  TruePositive nam [23,23] = Zurychu
  FalsePositive nam [17,18] = Diamentowej Ligi
  FalseNegative nam [16,18] = mityngu Diamentowej Ligi

(ChunkerEvaluator) Sentence #1612 from articles/00107426 from sent10

Text  : Zwyciężył Kanadyjczyk Dylan Armstrong - 21 , 63 , a  piąty był mistrz świata z  Daegu Niemiec David Storl -  21 ,  23 .
Tokens: 1________ 2__________ 3____ 4________ 5 6_ 7 8_ 9 10 11___ 12_ 13____ 14____ 15 16___ 17_____ 18___ 19___ 20 21 22 23 24

Chunks:
  TruePositive nam [2,2] = Kanadyjczyk
  TruePositive nam [3,4] = Dylan Armstrong
  FalsePositive nam [16,17] = Daegu Niemiec
  FalsePositive nam [18,18] = David
  FalseNegative nam [16,16] = Daegu
  FalseNegative nam [17,17] = Niemiec
  FalseNegative nam [18,19] = David Storl

(ChunkerEvaluator) Sentence #1613 from articles/00107426 from sent11

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1614 from articles/00107426 from sent12

Text  : Bez Patryka Małeckiego przystąpi do wyjazdowego meczu piłkarskiej ekstraklasy z  Lechem Poznań krakowska Wisła .
Tokens: 1__ 2______ 3_________ 4________ 5_ 6__________ 7____ 8__________ 9__________ 10 11____ 12____ 13_______ 14___ 15

Chunks:
  TruePositive nam [2,3] = Patryka Małeckiego
  TruePositive nam [11,12] = Lechem Poznań
  TruePositive nam [14,14] = Wisła

(ChunkerEvaluator) Sentence #1615 from articles/00107426 from sent13

Text  : Zawodnik " Białej Gwiazdy " został przez władze klubu zawieszony na tydzień za swoje niefortunne wypowiedzi .
Tokens: 1_______ 2 3_____ 4______ 5 6_____ 7____ 8_____ 9____ 10________ 11 12_____ 13 14___ 15_________ 16________ 17

Chunks:
  TruePositive nam [3,4] = Białej Gwiazdy

(ChunkerEvaluator) Sentence #1616 from articles/00107426 from sent14

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1617 from articles/00107426 from sent15

Text  : Brytyjczyk Christopher Froome z grupy Sky wygrał w środę 17 .  etap wyścigu kolarskiego Vuelta a  Espana ,  którego trasa prowadziła z  Faustino V  do Pena Cabarga i  liczyła 212 ,  5  km .
Tokens: 1_________ 2__________ 3_____ 4 5____ 6__ 7_____ 8 9____ 10 11 12__ 13_____ 14_________ 15____ 16 17____ 18 19_____ 20___ 21________ 22 23______ 24 25 26__ 27_____ 28 29_____ 30_ 31 32 33 34

Chunks:
  TruePositive nam [1,1] = Brytyjczyk
  TruePositive nam [2,3] = Christopher Froome
  TruePositive nam [6,6] = Sky
  TruePositive nam [23,24] = Faustino V
  TruePositive nam [26,27] = Pena Cabarga
  FalsePositive nam [15,15] = Vuelta
  FalseNegative nam [15,17] = Vuelta a Espana

(ChunkerEvaluator) Sentence #1618 from articles/00107426 from sent16

Text  : Liderem pozostał Hiszpan Juan Jose Cobo ( Geox - TMC )  ,  który w  środę był drugi .
Tokens: 1______ 2_______ 3______ 4___ 5___ 6___ 7 8___ 9 10_ 11 12 13___ 14 15___ 16_ 17___ 18

Chunks:
  TruePositive nam [3,3] = Hiszpan
  TruePositive nam [4,6] = Juan Jose Cobo
  TruePositive nam [8,10] = Geox - TMC

(ChunkerEvaluator) Sentence #1619 from articles/00107426 from sent17

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1620 from articles/00107426 from sent18

Text  : Minister sportu i turystyki Adam Giersz zapowiedział przeanalizowanie kwestii zwolnienia koszykarzy Asseco Prokom Gdynia z  pierwszego etapu rozgrywek Tauron Basket Ligi .
Tokens: 1_______ 2_____ 3 4________ 5___ 6_____ 7___________ 8_______________ 9______ 10________ 11________ 12____ 13____ 14____ 15 16________ 17___ 18_______ 19____ 20____ 21__ 22

Chunks:
  TruePositive nam [5,6] = Adam Giersz
  TruePositive nam [12,14] = Asseco Prokom Gdynia
  TruePositive nam [19,21] = Tauron Basket Ligi

(ChunkerEvaluator) Sentence #1621 from articles/00107426 from sent19

Text  : " Ta sprawa budzi nasze wątpliwości " - oznajmił .
Tokens: 1 2_ 3_____ 4____ 5____ 6__________ 7 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #1622 from articles/00107426 from sent20

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1623 from articles/00107426 from sent21

Text  : Trener piłkarskiej reprezentacji Austrii Dietmar Constantini nie otrzyma propozycji przedłużenia kontraktu ,  który upływa z  końcem 2011 roku -  poinformował prezes Austriackiego Związku Piłki Nożnej Leo Windtner .
Tokens: 1_____ 2__________ 3____________ 4______ 5______ 6__________ 7__ 8______ 9_________ 10__________ 11_______ 12 13___ 14____ 15 16____ 17__ 18__ 19 20__________ 21____ 22___________ 23_____ 24___ 25____ 26_ 27______ 28

Chunks:
  TruePositive nam [4,4] = Austrii
  TruePositive nam [22,25] = Austriackiego Związku Piłki Nożnej
  TruePositive nam [26,27] = Leo Windtner
  FalsePositive nam [5,5] = Dietmar
  FalseNegative nam [5,6] = Dietmar Constantini

(ChunkerEvaluator) Sentence #1624 from articles/00107426 from sent22

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1625 from articles/00107426 from sent23

Text  : Na Stadionie Olimpijskim w Kijowie , na którym rozegrany będzie mecz finałowy Euro 2012 ,  rozpoczęło się w  środę układanie murawy -  podało biuro prasowe głównej piłkarskiej areny Ukrainy .
Tokens: 1_ 2________ 3__________ 4 5______ 6 7_ 8_____ 9________ 10____ 11__ 12______ 13__ 14__ 15 16________ 17_ 18 19___ 20_______ 21____ 22 23____ 24___ 25_____ 26_____ 27_________ 28___ 29_____ 30

Chunks:
  TruePositive nam [2,3] = Stadionie Olimpijskim
  TruePositive nam [5,5] = Kijowie
  TruePositive nam [29,29] = Ukrainy
  FalsePositive nam [13,13] = Euro
  FalseNegative nam [13,14] = Euro 2012

(ChunkerEvaluator) Sentence #1626 from articles/00107426 from sent24

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1627 from articles/00107426 from sent25

Text  : Komitety Olimpijskie Australii i Rosji podpisały porozumienie , na bazie którego oba kraje będą wspierać się w  przygotowaniach do zbliżających się igrzysk olimpijskich w  Londynie i  zimowych w  Soczi .
Tokens: 1_______ 2__________ 3________ 4 5____ 6________ 7___________ 8 9_ 10___ 11_____ 12_ 13___ 14__ 15______ 16_ 17 18_____________ 19 20__________ 21_ 22_____ 23__________ 24 25______ 26 27______ 28 29___ 30

Chunks:
  TruePositive nam [25,25] = Londynie
  TruePositive nam [29,29] = Soczi
  FalsePositive nam [2,3] = Olimpijskie Australii
  FalsePositive nam [5,5] = Rosji
  FalseNegative nam [1,5] = Komitety Olimpijskie Australii i Rosji

(ChunkerEvaluator) Sentence #1628 from articles/00107426 from sent26

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1629 from articles/00107426 from sent27

Text  : Trzykrotny żużlowy mistrz świata Nicki Pedersen z dnia na dzień przestał startować w  brytyjskiej lidze po tym ,  jak otrzymał wiadomość ,  że nie reprezentuje już barw Peterborough Panthers .
Tokens: 1_________ 2______ 3_____ 4_____ 5____ 6_______ 7 8___ 9_ 10___ 11______ 12_______ 13 14_________ 15___ 16 17_ 18 19_ 20______ 21_______ 22 23 24_ 25__________ 26_ 27__ 28__________ 29______ 30

Chunks:
  TruePositive nam [5,6] = Nicki Pedersen
  TruePositive nam [28,29] = Peterborough Panthers

(ChunkerEvaluator) Sentence #1630 from articles/00107426 from sent28

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1631 from articles/00107426 from sent29

Text  : Zaplanowane na środę pierwsze konkurencje mistrzostw świata kajakarzy górskich w  Bratysławie zostały odwołane z  powodu niekorzystnych warunków atmosferycznych .
Tokens: 1__________ 2_ 3____ 4_______ 5__________ 6_________ 7_____ 8________ 9_______ 10 11_________ 12_____ 13______ 14 15____ 16____________ 17______ 18_____________ 19

Chunks:
  TruePositive nam [11,11] = Bratysławie
  FalseNegative nam [6,7] = mistrzostw świata

(ChunkerEvaluator) Sentence #1632 from articles/00107426 from sent30

Text  : Zawody są pierwszą z dwóch kwalifikacji do igrzysk olimpijskich w  Londynie .
Tokens: 1_____ 2_ 3_______ 4 5____ 6___________ 7_ 8______ 9___________ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Londynie
  FalseNegative nam [8,9] = igrzysk olimpijskich

(ChunkerEvaluator) Sentence #1633 from articles/00107426 from sent31

Text  : W Iranie zostanie w przyszłym roku wybudowany nowoczesny tor wyścigowy ,  na którym będzie można rozgrywać nawet wyścigi Formuły 1  -  poinformowała agencja Mehr .
Tokens: 1 2_____ 3_______ 4 5________ 6___ 7_________ 8_________ 9__ 10_______ 11 12 13____ 14____ 15___ 16_______ 17___ 18_____ 19_____ 20 21 22___________ 23_____ 24__ 25

Chunks:
  TruePositive nam [2,2] = Iranie
  FalsePositive nam [19,19] = Formuły
  FalseNegative nam [19,20] = Formuły 1
  FalseNegative nam [24,24] = Mehr

(ChunkerEvaluator) Sentence #1634 from articles/00107426 from sent32

Text  : Inwestycja ma zostać zakończona w pierwszym kwartale 2012 roku .
Tokens: 1_________ 2_ 3_____ 4_________ 5 6________ 7_______ 8___ 9___ 10

Chunks:

2016-10-27 14:59:19,123 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 65 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107427.xml
(ChunkerEvaluator) Sentence #1635 from articles/00107427 from sent1

Text  : Budynek Ośrodka Grotowskiego w Brzezince wyremontowany
Tokens: 1______ 2______ 3___________ 4 5________ 6____________

Chunks:
  TruePositive nam [2,3] = Ośrodka Grotowskiego
  TruePositive nam [5,5] = Brzezince

(ChunkerEvaluator) Sentence #1636 from articles/00107427 from sent2

Text  : Przejęty ponad trzydzieści lat temu przez Jerzego Grotowskiego budynek w  Brzezince koło Oleśnicy znów będzie tętnił teatrem i  życiem .
Tokens: 1_______ 2____ 3__________ 4__ 5___ 6____ 7______ 8___________ 9______ 10 11_______ 12__ 13______ 14__ 15____ 16____ 17_____ 18 19____ 20

Chunks:
  TruePositive nam [7,8] = Jerzego Grotowskiego
  TruePositive nam [11,11] = Brzezince
  TruePositive nam [13,13] = Oleśnicy

(ChunkerEvaluator) Sentence #1637 from articles/00107427 from sent3

Text  : Zakończył się w nim trwający prawie dwa lata remont
Tokens: 1________ 2__ 3 4__ 5_______ 6_____ 7__ 8___ 9_____

Chunks:

(ChunkerEvaluator) Sentence #1638 from articles/00107427 from sent4

Text  : Brzezinka .
Tokens: 1________ 2

Chunks:
  TruePositive nam [1,1] = Brzezinka

(ChunkerEvaluator) Sentence #1639 from articles/00107427 from sent5

Text  : Remont w budynku Ośrodka Grotowskiego zakończony
Tokens: 1_____ 2 3______ 4______ 5___________ 6_________

Chunks:
  TruePositive nam [4,5] = Ośrodka Grotowskiego

(ChunkerEvaluator) Sentence #1640 from articles/00107427 from sent6

Text  : Teatralnie w lesie
Tokens: 1_________ 2 3____

Chunks:

(ChunkerEvaluator) Sentence #1641 from articles/00107427 from sent7

Text  : Po prawie dwóch latach remontu budynek Ośrodka Grotowskiego w Brzezince koło Oleśnicy znów będzie tętnić życiem i  teatrem .
Tokens: 1_ 2_____ 3____ 4_____ 5______ 6______ 7______ 8___________ 9 10_______ 11__ 12______ 13__ 14____ 15____ 16____ 17 18_____ 19

Chunks:
  TruePositive nam [7,8] = Ośrodka Grotowskiego
  TruePositive nam [10,10] = Brzezince
  TruePositive nam [12,12] = Oleśnicy

(ChunkerEvaluator) Sentence #1642 from articles/00107427 from sent8

Text  : Dziś rozpoczynają się tam warsztaty , a w przyszłym tygodniu międzynarodowa konferencja
Tokens: 1___ 2___________ 3__ 4__ 5________ 6 7 8 9________ 10______ 11____________ 12_________

Chunks:

(ChunkerEvaluator) Sentence #1643 from articles/00107427 from sent9

Text  : Budynek , do którego z głównej drogi można dojechać jedynie wąską ,  leśną ścieżką ,  Jerzy Grotowski przejął w  1971 roku .
Tokens: 1______ 2 3_ 4______ 5 6______ 7____ 8____ 9_______ 10_____ 11___ 12 13___ 14_____ 15 16___ 17_______ 18_____ 19 20__ 21__ 22

Chunks:
  TruePositive nam [16,17] = Jerzy Grotowski

(ChunkerEvaluator) Sentence #1644 from articles/00107427 from sent10

Text  : Wcześniej była tam owczarnia i stary młyn .
Tokens: 1________ 2___ 3__ 4________ 5 6____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #1645 from articles/00107427 from sent11

Text  : Grotowski w miejscu oddalonym od Wrocławia o niewiele ponad czterdzieści kilometrów przepracował cały parateatralny okres swej twórczości ,  do przełomu lat siedemdziesiątych i  osiemdziesiątych .
Tokens: 1________ 2 3______ 4________ 5_ 6________ 7 8_______ 9____ 10__________ 11________ 12__________ 13__ 14___________ 15___ 16__ 17________ 18 19 20______ 21_ 22_______________ 23 24______________ 25

Chunks:
  TruePositive nam [1,1] = Grotowski
  TruePositive nam [6,6] = Wrocławia

(ChunkerEvaluator) Sentence #1646 from articles/00107427 from sent12

Text  : Przez dwadzieścia lat , od momentu wyjazdu Grotowskiego do Pontedery we Włoszech w  1982 roku ,  w  ukrytym w  lesie molochu z  cegły niewiele się działo .
Tokens: 1____ 2__________ 3__ 4 5_ 6______ 7______ 8___________ 9_ 10_______ 11 12______ 13 14__ 15__ 16 17 18_____ 19 20___ 21_____ 22 23___ 24______ 25_ 26____ 27

Chunks:
  TruePositive nam [8,8] = Grotowskiego
  TruePositive nam [12,12] = Włoszech
  FalseNegative nam [10,10] = Pontedery

(ChunkerEvaluator) Sentence #1647 from articles/00107427 from sent13

Text  : - Był tu Lech Raczek ze swoją grupą , Akademia Sztuk Wizualnych z  Poznania ,  ale niezbyt często i  tylko w  okresie letnim -  wspomina Stanisław Krotoski ,  dyrektor Ośrodka Grotowskiego .
Tokens: 1 2__ 3_ 4___ 5_____ 6_ 7____ 8____ 9 10______ 11___ 12________ 13 14______ 15 16_ 17_____ 18____ 19 20___ 21 22_____ 23____ 24 25______ 26_______ 27______ 28 29______ 30_____ 31__________ 32

Chunks:
  TruePositive nam [4,5] = Lech Raczek
  TruePositive nam [26,27] = Stanisław Krotoski
  TruePositive nam [30,31] = Ośrodka Grotowskiego
  FalsePositive nam [10,14] = Akademia Sztuk Wizualnych z Poznania
  FalseNegative nam [10,12] = Akademia Sztuk Wizualnych
  FalseNegative nam [14,14] = Poznania

(ChunkerEvaluator) Sentence #1648 from articles/00107427 from sent14

Text  : Dopiero podczas remontu rozpoczętego w zeszłym roku do budynku podłączono prąd i  wodę oraz założono olejowe ogrzewanie .
Tokens: 1______ 2______ 3______ 4___________ 5 6______ 7___ 8_ 9______ 10________ 11__ 12 13__ 14__ 15______ 16_____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #1649 from articles/00107427 from sent15

Text  : Wszystko pod okiem wydelegowanego do pracy tam pracownika ośrodka -  Jarosława Freta .
Tokens: 1_______ 2__ 3____ 4_____________ 5_ 6____ 7__ 8_________ 9______ 10 11_______ 12___ 13

Chunks:
  TruePositive nam [11,12] = Jarosława Freta

(ChunkerEvaluator) Sentence #1650 from articles/00107427 from sent16

Text  : - Teraz budynek jest gotowy do pracy przez cały rok .
Tokens: 1 2____ 3______ 4___ 5_____ 6_ 7____ 8____ 9___ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #1651 from articles/00107427 from sent17

Text  : To nowe , żywe centrum kultury - cieszy się Krotoski .
Tokens: 1_ 2___ 3 4___ 5______ 6______ 7 8_____ 9__ 10______ 11

Chunks:
  FalseNegative nam [10,10] = Krotoski

(ChunkerEvaluator) Sentence #1652 from articles/00107427 from sent18

Text  : Obiekt mierzy około 900 mkw . powierzchni użytkowej .
Tokens: 1_____ 2_____ 3____ 4__ 5__ 6 7__________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #1653 from articles/00107427 from sent19

Text  : Ma m . in . dużą salę teatralną , kuchnię ,  jadalnię ,  pomieszczenia sanitarne ,  a  na piętrze sześć pokoi przeznaczonych na noclegi dla gości .
Tokens: 1_ 2 3 4_ 5 6___ 7___ 8________ 9 10_____ 11 12______ 13 14___________ 15_______ 16 17 18 19_____ 20___ 21___ 22____________ 23 24_____ 25_ 26___ 27

Chunks:

(ChunkerEvaluator) Sentence #1654 from articles/00107427 from sent20

Text  : Do ich dyspozycji jest także niewielki budynek dawnego młyna ,  który teraz będzie miejscem odosobnienia i  medytacji .
Tokens: 1_ 2__ 3_________ 4___ 5____ 6________ 7______ 8______ 9____ 10 11___ 12___ 13____ 14______ 15__________ 16 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #1655 from articles/00107427 from sent21

Text  : To jeszcze nie wszystko .
Tokens: 1_ 2______ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #1656 from articles/00107427 from sent22

Text  : Ośrodek Grotowskiego posiada także w Brzezince 10 ha ziemi ,  a  na niej kawałek lasu i  pół stawu .
Tokens: 1______ 2___________ 3______ 4____ 5 6________ 7_ 8_ 9____ 10 11 12 13__ 14_____ 15__ 16 17_ 18___ 19

Chunks:
  TruePositive nam [6,6] = Brzezince
  FalsePositive nam [2,2] = Grotowskiego
  FalseNegative nam [1,2] = Ośrodek Grotowskiego

(ChunkerEvaluator) Sentence #1657 from articles/00107427 from sent23

Text  : Remont kosztował w sumie 550 tys . złotych - pierwszy etap w  zeszłym roku pochłonął 200 tys .  ,  a  tegoroczne prace -  350 tys .  zł .
Tokens: 1_____ 2________ 3 4____ 5__ 6__ 7 8______ 9 10______ 11__ 12 13_____ 14__ 15_______ 16_ 17_ 18 19 20 21________ 22___ 23 24_ 25_ 26 27 28

Chunks:
  TruePositive nam [8,8] = złotych
  TruePositive nam [27,27] = zł

(ChunkerEvaluator) Sentence #1658 from articles/00107427 from sent24

Text  : Całą sumę wyłożył Samorząd Miasta Wrocławia .
Tokens: 1___ 2___ 3______ 4_______ 5_____ 6________ 7

Chunks:
  TruePositive nam [4,6] = Samorząd Miasta Wrocławia

(ChunkerEvaluator) Sentence #1659 from articles/00107427 from sent25

Text  : - To unikalne miejsce , a co więcej wyremontowane za naprawdę niewielkie pieniądze -  mówi wiceprezydent Wrocławia Andrzej Łoś .
Tokens: 1 2_ 3_______ 4______ 5 6 7_ 8_____ 9____________ 10 11______ 12________ 13_______ 14 15__ 16___________ 17_______ 18_____ 19_ 20

Chunks:
  TruePositive nam [17,17] = Wrocławia
  TruePositive nam [18,19] = Andrzej Łoś

(ChunkerEvaluator) Sentence #1660 from articles/00107427 from sent26

Text  : Jednorazowo w brzezińskim ośrodku może pracować i mieszkać około 22 osób .
Tokens: 1__________ 2 3__________ 4______ 5___ 6_______ 7 8_______ 9____ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #1661 from articles/00107427 from sent27

Text  : Już dziś rozpoczynają się tam warsztaty prowadzone przez grupę Milon Mela z  Indii .
Tokens: 1__ 2___ 3___________ 4__ 5__ 6________ 7_________ 8____ 9____ 10___ 11__ 12 13___ 14

Chunks:
  TruePositive nam [13,13] = Indii
  FalsePositive nam [11,11] = Mela
  FalseNegative nam [10,11] = Milon Mela

(ChunkerEvaluator) Sentence #1662 from articles/00107427 from sent28

Text  : Część konferencji „ Parateatr ( 1969 - 1978 ) i  Teatr Źródeł (  1976 -  1982 )  ”  ,  która rozpocznie się w  najbliższy czwartek ,  także przeniesie się z  Ośrodka Grotowskiego we wrocławskim Rynku do leśnego zacisza .
Tokens: 1____ 2__________ 3 4________ 5 6___ 7 8___ 9 10 11___ 12____ 13 14__ 15 16__ 17 18 19 20___ 21________ 22_ 23 24________ 25______ 26 27___ 28________ 29_ 30 31_____ 32__________ 33 34_________ 35___ 36 37_____ 38_____ 39

Chunks:
  TruePositive nam [31,32] = Ośrodka Grotowskiego
  TruePositive nam [35,35] = Rynku
  FalsePositive nam [11,12] = Teatr Źródeł
  FalseNegative nam [4,17] = Parateatr ( 1969 - 1978 ) i Teatr Źródeł ( 1976 - 1982 )

(ChunkerEvaluator) Sentence #1663 from articles/00107427 from sent29

Text  : Z dotarciem do Brzezinki nie będzie problemu , gości przewiozą autokary .
Tokens: 1 2________ 3_ 4________ 5__ 6_____ 7_______ 8 9____ 10_______ 11______ 12

Chunks:
  TruePositive nam [4,4] = Brzezinki

(ChunkerEvaluator) Sentence #1664 from articles/00107427 from sent30

Text  : - Wynajęcie autokaru na tej trasie kosztuje średnio 200 zł -  mówi dyrektor Krotoski .
Tokens: 1 2________ 3_______ 4_ 5__ 6_____ 7_______ 8______ 9__ 10 11 12__ 13______ 14______ 15

Chunks:
  TruePositive nam [10,10] = zł
  FalseNegative nam [14,14] = Krotoski

2016-10-27 14:59:19,261 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 66 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107428.xml
(ChunkerEvaluator) Sentence #1665 from articles/00107428 from sent1

Text  : Wchodzić , czy nie wchodzić ?
Tokens: 1_______ 2 3__ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #1666 from articles/00107428 from sent2

Text  : Słodko - gorzki smak euro
Tokens: 1_____ 2 3_____ 4___ 5___

Chunks:
  TruePositive nam [5,5] = euro

(ChunkerEvaluator) Sentence #1667 from articles/00107428 from sent3

Text  : Gdy mniejsza , rozwijająca się gospodarka wchodzi do strefy euro ,  to zyskuje tańszy dostęp do kredytu .
Tokens: 1__ 2_______ 3 4__________ 5__ 6_________ 7______ 8_ 9_____ 10__ 11 12 13_____ 14____ 15____ 16 17_____ 18

Chunks:
  FalsePositive nam [10,10] = euro
  FalseNegative nam [9,10] = strefy euro

(ChunkerEvaluator) Sentence #1668 from articles/00107428 from sent4

Text  : Ale niskie stopy to nie bezwzględna korzyść - ostrzegali uczestnicy debaty o  wzlotach i  upadkach europejskich tygrysów
Tokens: 1__ 2_____ 3____ 4_ 5__ 6__________ 7______ 8 9_________ 10________ 11____ 12 13______ 14 15______ 16__________ 17______

Chunks:

(ChunkerEvaluator) Sentence #1669 from articles/00107428 from sent5

Text  : - Gdzie nie ma rzeczywistej konwergencji , czyli bardzo wyrównanego poziomu gospodarczego między strefą euro a  krajem aspirującym do wejścia do niej ,  nie ma co spieszyć się z  przyjmowaniem wspólnej waluty -  przekonywał Mateusz Morawiecki ,  prezes Banku Zachodniego WBK podczas krynickiego panelu o  wzlotach i  upadkach europejskich tygrysów .
Tokens: 1 2____ 3__ 4_ 5___________ 6___________ 7 8____ 9_____ 10_________ 11_____ 12___________ 13____ 14____ 15__ 16 17____ 18_________ 19 20_____ 21 22__ 23 24_ 25 26 27______ 28_ 29 30___________ 31______ 32____ 33 34_________ 35_____ 36________ 37 38____ 39___ 40_________ 41_ 42_____ 43_________ 44____ 45 46______ 47 48______ 49__________ 50______ 51

Chunks:
  TruePositive nam [35,36] = Mateusz Morawiecki
  TruePositive nam [39,41] = Banku Zachodniego WBK
  FalsePositive nam [15,15] = euro
  FalseNegative nam [14,15] = strefą euro

(ChunkerEvaluator) Sentence #1670 from articles/00107428 from sent6

Text  : Jego zdaniem ofiarami takiego niedopasowania jest Estonia , Irlandia ,  a  także Bułgaria ,  która wprawdzie w  Eurolandzie nie jest ,  ale kurs waluty ma na sztywno związany z  euro .
Tokens: 1___ 2______ 3_______ 4______ 5_____________ 6___ 7______ 8 9_______ 10 11 12___ 13______ 14 15___ 16_______ 17 18_________ 19_ 20__ 21 22_ 23__ 24____ 25 26 27_____ 28______ 29 30__ 31

Chunks:
  TruePositive nam [7,7] = Estonia
  TruePositive nam [9,9] = Irlandia
  TruePositive nam [13,13] = Bułgaria
  TruePositive nam [30,30] = euro
  FalseNegative nam [18,18] = Eurolandzie

(ChunkerEvaluator) Sentence #1671 from articles/00107428 from sent7

Text  : - To nie jest tak , że małe rozwijające się państwo po prostu korzysta w  strefie euro z  niższych stóp niż wymagała by kondycja tego kraju .
Tokens: 1 2_ 3__ 4___ 5__ 6 7_ 8___ 9__________ 10_ 11_____ 12 13____ 14______ 15 16_____ 17__ 18 19______ 20__ 21_ 22______ 23 24______ 25__ 26___ 27

Chunks:
  FalsePositive nam [17,17] = euro
  FalseNegative nam [16,17] = strefie euro

(ChunkerEvaluator) Sentence #1672 from articles/00107428 from sent8

Text  : Ono musi sobie z takimi stopami radzić - mówił Jim O'Leary ,  doradca w  irlandzkim Ministerstwie Finansów .
Tokens: 1__ 2___ 3____ 4 5_____ 6______ 7_____ 8 9____ 10_ 11_____ 12 13_____ 14 15________ 16___________ 17______ 18

Chunks:
  TruePositive nam [10,11] = Jim O'Leary
  TruePositive nam [16,17] = Ministerstwie Finansów

(ChunkerEvaluator) Sentence #1673 from articles/00107428 from sent9

Text  : Dyskusja dotyczyła niewielkich państw , które kryzys poturbował dotkliwie -  głównie Estonii i  Irlandii .
Tokens: 1_______ 2________ 3__________ 4_____ 5 6____ 7_____ 8_________ 9________ 10 11_____ 12_____ 13 14______ 15

Chunks:
  TruePositive nam [12,12] = Estonii
  TruePositive nam [14,14] = Irlandii

(ChunkerEvaluator) Sentence #1674 from articles/00107428 from sent10

Text  : Przed kryzysem państwa te rozwijały się bardzo szybko , m  .  in .  za sprawą taniego kredytu .
Tokens: 1____ 2_______ 3______ 4_ 5________ 6__ 7_____ 8_____ 9 10 11 12 13 14 15____ 16_____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #1675 from articles/00107428 from sent11

Text  : Niskie stopy procentowe w strefie euro doprowadziły do przegrzania koniunktury .
Tokens: 1_____ 2____ 3_________ 4 5______ 6___ 7___________ 8_ 9__________ 10_________ 11

Chunks:
  FalsePositive nam [6,6] = euro
  FalseNegative nam [5,6] = strefie euro

(ChunkerEvaluator) Sentence #1676 from articles/00107428 from sent12

Text  : - Przez 20 lat rozwijali śmy się dzięki euro .
Tokens: 1 2____ 3_ 4__ 5________ 6__ 7__ 8_____ 9___ 10

Chunks:
  TruePositive nam [9,9] = euro

(ChunkerEvaluator) Sentence #1677 from articles/00107428 from sent13

Text  : Trzy duże szwedzkie banki prowadziły bardzo agresywną politykę w Estonii -  mówiła Marje Josing ,  dyrektor Estońskiego Instytutu Badań Rynkowych .
Tokens: 1___ 2___ 3________ 4____ 5_________ 6_____ 7________ 8_______ 9 10_____ 11 12____ 13___ 14____ 15 16______ 17_________ 18_______ 19___ 20_______ 21

Chunks:
  TruePositive nam [10,10] = Estonii
  TruePositive nam [13,14] = Marje Josing
  TruePositive nam [17,20] = Estońskiego Instytutu Badań Rynkowych

(ChunkerEvaluator) Sentence #1678 from articles/00107428 from sent14

Text  : Eksperci zwracali uwagę , że korzyści , które dostaje się wraz ze wspólną walutą ,  wymagają wyrzeczeń .
Tokens: 1_______ 2_______ 3____ 4 5_ 6_______ 7 8____ 9______ 10_ 11__ 12 13_____ 14____ 15 16______ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #1679 from articles/00107428 from sent15

Text  : Trzeba prowadzić odpowiedzialną politykę fiskalną , redukować deficyt i dług publiczny .
Tokens: 1_____ 2________ 3_____________ 4_______ 5_______ 6 7________ 8______ 9 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #1680 from articles/00107428 from sent16

Text  : - Tyle tylko , że w małych gospodarkach , otwartych ,  dużo eksportujących to przełożenie fiskalne jest ograniczone -  ubolewał O'Leary .
Tokens: 1 2___ 3____ 4 5_ 6 7_____ 8___________ 9 10_______ 11 12__ 13____________ 14 15_________ 16______ 17__ 18_________ 19 20______ 21_____ 22

Chunks:
  TruePositive nam [21,21] = O'Leary

(ChunkerEvaluator) Sentence #1681 from articles/00107428 from sent17

Text  : Gdy przyszedł kryzys , do starych problemów małych państw doszły nowe -  załamanie eksportu ,  recesja .
Tokens: 1__ 2________ 3_____ 4 5_ 6______ 7________ 8_____ 9_____ 10____ 11__ 12 13_______ 14______ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #1682 from articles/00107428 from sent18

Text  : Polska mogła ratować wzrost PKB tym , że złoty gwałtownie osłabł i  eksport ,  choć mniejszy ,  wciąż zapewniał solidne zyski przedsiębiorstwom .
Tokens: 1_____ 2____ 3______ 4_____ 5__ 6__ 7 8_ 9____ 10________ 11____ 12 13_____ 14 15__ 16______ 17 18___ 19_______ 20_____ 21___ 22_______________ 23

Chunks:
  TruePositive nam [1,1] = Polska
  TruePositive nam [5,5] = PKB
  FalsePositive nam [9,9] = złoty

(ChunkerEvaluator) Sentence #1683 from articles/00107428 from sent19

Text  : W małych państwach , gdzie eksport stanowi znaczną część gospodarki (  nawet 70 proc .  PKB )  ,  skutki były znacznie gorsze .
Tokens: 1 2_____ 3________ 4 5____ 6______ 7______ 8______ 9____ 10________ 11 12___ 13 14__ 15 16_ 17 18 19____ 20__ 21______ 22____ 23

Chunks:
  TruePositive nam [16,16] = PKB

(ChunkerEvaluator) Sentence #1684 from articles/00107428 from sent20

Text  : - Były firmy , które w ciągu kilku tygodni traciły wszystkie swoje zamówienia -  relacjonowała Josing .
Tokens: 1 2___ 3____ 4 5____ 6 7____ 8____ 9______ 10_____ 11_______ 12___ 13________ 14 15___________ 16____ 17

Chunks:
  FalseNegative nam [16,16] = Josing

(ChunkerEvaluator) Sentence #1685 from articles/00107428 from sent21

Text  : - Jeśli nie da się przeprowadzić dewaluacji swojej waluty -  kraje euro takiej możliwości nie miały -  to trzeba przeprowadzić dewaluację wewnętrzną ,  czyli obniżyć płace .
Tokens: 1 2____ 3__ 4_ 5__ 6____________ 7_________ 8_____ 9_____ 10 11___ 12__ 13____ 14________ 15_ 16___ 17 18 19____ 20___________ 21________ 22________ 23 24___ 25_____ 26___ 27

Chunks:
  TruePositive nam [12,12] = euro

(ChunkerEvaluator) Sentence #1686 from articles/00107428 from sent22

Text  : To trudne , ale w Estonii udało się .
Tokens: 1_ 2_____ 3 4__ 5 6______ 7____ 8__ 9

Chunks:
  TruePositive nam [6,6] = Estonii

(ChunkerEvaluator) Sentence #1687 from articles/00107428 from sent23

Text  : Jeśli nie ma ani dewaluacji , ani obniżki płac ,  to kraj utrwala swoją niską konkurencyjność i  ciężko mu wyjść z  kryzysu -  podkreślał Mateusz Morawiecki .
Tokens: 1____ 2__ 3_ 4__ 5_________ 6 7__ 8______ 9___ 10 11 12__ 13_____ 14___ 15___ 16_____________ 17 18____ 19 20___ 21 22_____ 23 24________ 25_____ 26________ 27

Chunks:
  TruePositive nam [25,26] = Mateusz Morawiecki

(ChunkerEvaluator) Sentence #1688 from articles/00107428 from sent24

Text  : W Estońskim Instytucie Badań Rynkowych płace obniżone zostały o 20 proc .
Tokens: 1 2________ 3_________ 4____ 5________ 6____ 7_______ 8______ 9 10 11__ 12

Chunks:
  TruePositive nam [2,5] = Estońskim Instytucie Badań Rynkowych

(ChunkerEvaluator) Sentence #1689 from articles/00107428 from sent25

Text  : - Rząd podjął decyzję o wielkich oszczędnościach .
Tokens: 1 2___ 3_____ 4______ 5 6_______ 7______________ 8

Chunks:
  FalseNegative nam [2,2] = Rząd

(ChunkerEvaluator) Sentence #1690 from articles/00107428 from sent26

Text  : U nas nie było pomysłów , by strajkować .
Tokens: 1 2__ 3__ 4___ 5_______ 6 7_ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #1691 from articles/00107428 from sent27

Text  : Wiemy , że aby przetrwać , musimy być elastyczni ,  poświęcić musi się każdy -  mówiła Marje Josing .
Tokens: 1____ 2 3_ 4__ 5________ 6 7_____ 8__ 9_________ 10 11_______ 12__ 13_ 14___ 15 16____ 17___ 18____ 19

Chunks:
  TruePositive nam [17,18] = Marje Josing

(ChunkerEvaluator) Sentence #1692 from articles/00107428 from sent28

Text  : Dziś gospodarka Estonii znów szybko rośnie , ale Estończycy wiedzą ,  że to nie nagroda dana na zawsze .
Tokens: 1___ 2_________ 3______ 4___ 5_____ 6_____ 7 8__ 9_________ 10____ 11 12 13 14_ 15_____ 16__ 17 18____ 19

Chunks:
  TruePositive nam [3,3] = Estonii
  TruePositive nam [9,9] = Estończycy

(ChunkerEvaluator) Sentence #1693 from articles/00107428 from sent29

Text  : - Eksport rośnie już po 60 - 70 proc .  ,  ale cały czas patrzymy na to ,  co dzieje się na zewnątrz kraju ,  zwłaszcza w  Szwecji i  Finlandii .
Tokens: 1 2______ 3_____ 4__ 5_ 6_ 7 8_ 9___ 10 11 12_ 13__ 14__ 15______ 16 17 18 19 20____ 21_ 22 23______ 24___ 25 26_______ 27 28_____ 29 30_______ 31

Chunks:
  TruePositive nam [28,28] = Szwecji
  TruePositive nam [30,30] = Finlandii
  FalsePositive nam [2,2] = Eksport

(ChunkerEvaluator) Sentence #1694 from articles/00107428 from sent30

Text  : Zdajemy sobie sprawę , że jak znów coś zacznie się chwiać w  tych państwach ,  to nasi producenci utracą kontrakty -  dodała ekspertka z  Tallina .
Tokens: 1______ 2____ 3_____ 4 5_ 6__ 7___ 8__ 9______ 10_ 11____ 12 13__ 14_______ 15 16 17__ 18________ 19____ 20_______ 21 22____ 23_______ 24 25_____ 26

Chunks:
  TruePositive nam [25,25] = Tallina

2016-10-27 14:59:19,428 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 67 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107429.xml
(ChunkerEvaluator) Sentence #1695 from articles/00107429 from sent1

Text  : Dotacje pomagają spełniać marzenia
Tokens: 1______ 2_______ 3_______ 4_______

Chunks:

(ChunkerEvaluator) Sentence #1696 from articles/00107429 from sent2

Text  : - Pieniądze unijne nie mogą być celem samym w sobie .
Tokens: 1 2________ 3_____ 4__ 5___ 6__ 7____ 8____ 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #1697 from articles/00107429 from sent3

Text  : Realizacja projektu to nawet nie połowa sukcesu - mówi Agnieszka Żurakowska ,  która przy wsparciu środków unijnych wybudowała hotel Dębowe Wzgórze w  Pokrzywnej
Tokens: 1_________ 2_______ 3_ 4____ 5__ 6_____ 7______ 8 9___ 10_______ 11________ 12 13___ 14__ 15______ 16_____ 17______ 18________ 19___ 20____ 21_____ 22 23________

Chunks:
  TruePositive nam [10,11] = Agnieszka Żurakowska
  TruePositive nam [20,21] = Dębowe Wzgórze
  FalseNegative nam [23,23] = Pokrzywnej

(ChunkerEvaluator) Sentence #1698 from articles/00107429 from sent4

Text  : Pani Agnieszka realizuje projekt swojego życia , czyli hotel Dębowe Wzgórze w  Pokrzywnej .
Tokens: 1___ 2________ 3________ 4______ 5______ 6____ 7 8____ 9____ 10____ 11_____ 12 13________ 14

Chunks:
  TruePositive nam [2,2] = Agnieszka
  TruePositive nam [10,11] = Dębowe Wzgórze
  FalseNegative nam [13,13] = Pokrzywnej

(ChunkerEvaluator) Sentence #1699 from articles/00107429 from sent5

Text  : W 2002 roku kupiła razem z mężem obiekt od Nadleśnictwa Prudnik .
Tokens: 1 2___ 3___ 4_____ 5____ 6 7____ 8_____ 9_ 10__________ 11_____ 12

Chunks:
  TruePositive nam [10,11] = Nadleśnictwa Prudnik

(ChunkerEvaluator) Sentence #1700 from articles/00107429 from sent6

Text  : Rozpoczęła się jego rozbudowa .
Tokens: 1_________ 2__ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #1701 from articles/00107429 from sent7

Text  : - W trakcie musieli śmy przerwać .
Tokens: 1 2 3______ 4______ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #1702 from articles/00107429 from sent8

Text  : Czekali śmy na lepsze czasy - opowiada pani Agnieszka .
Tokens: 1______ 2__ 3_ 4_____ 5____ 6 7_______ 8___ 9________ 10

Chunks:
  TruePositive nam [9,9] = Agnieszka

(ChunkerEvaluator) Sentence #1703 from articles/00107429 from sent9

Text  : Do realizacji pomysłu wróciła , gdy pojawiła się szansa pozyskania pieniędzy z  Regionalnego Programu Operacyjnego Województwa Opolskiego ,  finansowanego z  budżetu Unii Europejskiej na lata 2007 -  2013 .
Tokens: 1_ 2_________ 3______ 4______ 5 6__ 7_______ 8__ 9_____ 10________ 11_______ 12 13__________ 14______ 15__________ 16_________ 17________ 18 19___________ 20 21_____ 22__ 23__________ 24 25__ 26__ 27 28__ 29

Chunks:
  TruePositive nam [13,17] = Regionalnego Programu Operacyjnego Województwa Opolskiego
  TruePositive nam [22,23] = Unii Europejskiej

(ChunkerEvaluator) Sentence #1704 from articles/00107429 from sent10

Text  : - Okazało się , że moje marzenie wpisało się idealnie w  cel ,  strategię RPO ,  która zakładała m  .  in .  rozwój turystyki .
Tokens: 1 2______ 3__ 4 5_ 6___ 7_______ 8______ 9__ 10______ 11 12_ 13 14_______ 15_ 16 17___ 18_______ 19 20 21 22 23____ 24_______ 25

Chunks:
  TruePositive nam [15,15] = RPO

(ChunkerEvaluator) Sentence #1705 from articles/00107429 from sent11

Text  : Otworzyła się szansa na pozyskanie pieniędzy , więc po nie sięgnęła m  -  mówi Żurakowska .
Tokens: 1________ 2__ 3_____ 4_ 5_________ 6________ 7 8___ 9_ 10_ 11______ 12 13 14__ 15________ 16

Chunks:
  FalseNegative nam [15,15] = Żurakowska

(ChunkerEvaluator) Sentence #1706 from articles/00107429 from sent12

Text  : Hotel już stoi , od ponad roku przyjmuje gości ,  ale projekt wciąż jest kontynuowany .
Tokens: 1____ 2__ 3___ 4 5_ 6____ 7___ 8________ 9____ 10 11_ 12_____ 13___ 14__ 15__________ 16

Chunks:

(ChunkerEvaluator) Sentence #1707 from articles/00107429 from sent13

Text  : Dębowe Wzgórze jest miejscem wesel , komunii , spotkań artystycznych ,  bazą dla turystów .
Tokens: 1_____ 2______ 3___ 4_______ 5____ 6 7______ 8 9______ 10___________ 11 12__ 13_ 14______ 15

Chunks:
  TruePositive nam [1,2] = Dębowe Wzgórze
  FalseNegative nam [5,5] = wesel
  FalseNegative nam [7,7] = komunii

(ChunkerEvaluator) Sentence #1708 from articles/00107429 from sent14

Text  : Teraz z perspektywy tego ponad roku pani Agnieszka zdaje sobie sprawę z  sukcesu ,  jaki osiągnęła i  wyzwań ,  jakie tak naprawdę dopiero przed nią .
Tokens: 1____ 2 3__________ 4___ 5____ 6___ 7___ 8________ 9____ 10___ 11____ 12 13_____ 14 15__ 16_______ 17 18____ 19 20___ 21_ 22______ 23_____ 24___ 25_ 26

Chunks:
  TruePositive nam [8,8] = Agnieszka

(ChunkerEvaluator) Sentence #1709 from articles/00107429 from sent15

Text  : - Posiadanie hotelu to duża frajda , ale . .  .
Tokens: 1 2_________ 3_____ 4_ 5___ 6_____ 7 8__ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #1710 from articles/00107429 from sent16

Text  : Muszę teraz myśleć , jak zapełnić go gośćmi .
Tokens: 1____ 2____ 3_____ 4 5__ 6_______ 7_ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #1711 from articles/00107429 from sent17

Text  : Gdy przystępowali śmy do budowy hotelu , ciągle mówiło się o  braku bazy turystycznej na Opolszczyźnie .
Tokens: 1__ 2____________ 3__ 4_ 5_____ 6_____ 7 8_____ 9_____ 10_ 11 12___ 13__ 14__________ 15 16___________ 17

Chunks:
  TruePositive nam [16,16] = Opolszczyźnie

(ChunkerEvaluator) Sentence #1712 from articles/00107429 from sent18

Text  : Taka była prawda .
Tokens: 1___ 2___ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #1713 from articles/00107429 from sent19

Text  : Teraz jednak , gdy spotykam się z ludźmi z branży ,  okazuje się ,  że w  ostatnim czasie powstało dużo nowych miejsc .
Tokens: 1____ 2_____ 3 4__ 5_______ 6__ 7 8_____ 9 10____ 11 12_____ 13_ 14 15 16 17______ 18____ 19______ 20__ 21____ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #1714 from articles/00107429 from sent20

Text  : Część dzięki wsparciu środków unijnych .
Tokens: 1____ 2_____ 3_______ 4______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #1715 from articles/00107429 from sent21

Text  : I to dobrze .
Tokens: 1 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #1716 from articles/00107429 from sent22

Text  : Ale teraz trzeba zabiegać o to , by ten interes się utrzymał ,  a  czasy są ciężkie .
Tokens: 1__ 2____ 3_____ 4_______ 5 6_ 7 8_ 9__ 10_____ 11_ 12______ 13 14 15___ 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #1717 from articles/00107429 from sent23

Text  : I to nie jest tylko moja opinia , bo jestem krótko w  branży ,  by wydawać takie osądy .
Tokens: 1 2_ 3__ 4___ 5____ 6___ 7_____ 8 9_ 10____ 11____ 12 13____ 14 15 16_____ 17___ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #1718 from articles/00107429 from sent24

Text  : Tak twierdzą ludzie , którzy działają na rynku turystycznym od lat i  mają po kilka obiektów .
Tokens: 1__ 2_______ 3_____ 4 5_____ 6_______ 7_ 8____ 9___________ 10 11_ 12 13__ 14 15___ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #1719 from articles/00107429 from sent25

Text  : Te wakacje ich zdaniem były fatalne , a czeka nas trudna zima -  mówi pani Agnieszka .
Tokens: 1_ 2______ 3__ 4______ 5___ 6______ 7 8 9____ 10_ 11____ 12__ 13 14__ 15__ 16_______ 17

Chunks:
  TruePositive nam [16,16] = Agnieszka

(ChunkerEvaluator) Sentence #1720 from articles/00107429 from sent26

Text  : Nie ukrywa , że obiekt utrzymuje się teraz dzięki organizacji dużych imprez ,  m  .  in .  wesel ,  posiada do tego zaplecze ,  odpowiednią salę ,  atrakcyjne położenie .
Tokens: 1__ 2_____ 3 4_ 5_____ 6________ 7__ 8____ 9_____ 10_________ 11____ 12____ 13 14 15 16 17 18___ 19 20_____ 21 22__ 23______ 24 25_________ 26__ 27 28________ 29_______ 30

Chunks:
  FalseNegative nam [18,18] = wesel

(ChunkerEvaluator) Sentence #1721 from articles/00107429 from sent27

Text  : Pani Agnieszka w walce o klientelę stawia na spa .
Tokens: 1___ 2________ 3 4____ 5 6________ 7_____ 8_ 9__ 10

Chunks:
  TruePositive nam [2,2] = Agnieszka

(ChunkerEvaluator) Sentence #1722 from articles/00107429 from sent28

Text  : W hotelu działa już bajlandia dla dzieci .
Tokens: 1 2_____ 3_____ 4__ 5________ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #1723 from articles/00107429 from sent29

Text  : - W pewien sposób ma to się uzupełniać , coś dla dzieci ,  coś dla mam .
Tokens: 1 2 3_____ 4_____ 5_ 6_ 7__ 8_________ 9 10_ 11_ 12____ 13 14_ 15_ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #1724 from articles/00107429 from sent30

Text  : Liczę , że spa spowoduje , że w walce o  klientki będziemy mieli kolejny argument -  ma nadzieję pani Agnieszka .
Tokens: 1____ 2 3_ 4__ 5________ 6 7_ 8 9____ 10 11______ 12______ 13___ 14_____ 15______ 16 17 18______ 19__ 20_______ 21

Chunks:
  TruePositive nam [20,20] = Agnieszka

(ChunkerEvaluator) Sentence #1725 from articles/00107429 from sent31

Text  : Twierdzi , że uzyskanie dotacji to tak naprawdę dopiero połowa sukcesu .
Tokens: 1_______ 2 3_ 4________ 5______ 6_ 7__ 8_______ 9______ 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #1726 from articles/00107429 from sent32

Text  : Teraz chodzi o to , by projekt sprawdził się ,  wypalił ,  spełnił założony cel ,  którym jest hotel tętniący życiem .
Tokens: 1____ 2_____ 3 4_ 5 6_ 7______ 8________ 9__ 10 11_____ 12 13_____ 14______ 15_ 16 17____ 18__ 19___ 20______ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #1727 from articles/00107429 from sent33

Text  : By przyjeżdżali goście , by dobrze się czuli , by ludzie mieli pracę ,  bo w  projekcie założono zatrudnienie ośmiu osób .
Tokens: 1_ 2___________ 3_____ 4 5_ 6_____ 7__ 8____ 9 10 11____ 12___ 13___ 14 15 16 17_______ 18______ 19__________ 20___ 21__ 22

Chunks:

(ChunkerEvaluator) Sentence #1728 from articles/00107429 from sent34

Text  : - Nie chcę , by to źle zabrzmiało , ale z  doświadczenia ,  jakie mam ,  mogę powiedzieć ,  że dotacje nie są dla ludzi biednych .
Tokens: 1 2__ 3___ 4 5_ 6_ 7__ 8_________ 9 10_ 11 12___________ 13 14___ 15_ 16 17__ 18________ 19 20 21_____ 22_ 23 24_ 25___ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #1729 from articles/00107429 from sent35

Text  : Jeśli nie masz własnych pieniędzy , które chcesz zainwestować i  podeprzeć się środkami unijnymi ,  to raczej odradzam ryzyko .
Tokens: 1____ 2__ 3___ 4_______ 5________ 6 7____ 8_____ 9___________ 10 11_______ 12_ 13______ 14______ 15 16 17____ 18______ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #1730 from articles/00107429 from sent36

Text  : Spłacanie kredytów i pożyczek jest ciężkie .
Tokens: 1________ 2_______ 3 4_______ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1731 from articles/00107429 from sent37

Text  : Trudno też wymyślić projekt przynoszący od razu krociowe zyski .
Tokens: 1_____ 2__ 3_______ 4______ 5__________ 6_ 7___ 8_______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #1732 from articles/00107429 from sent38

Text  : Na dodatek , jak to bywa przy dużych inwestycjach ,  pojawia się szereg problemów ,  o  których wcześniej człowiek nie miał pojęcia -  zaznacza pani Agnieszka .
Tokens: 1_ 2______ 3 4__ 5_ 6___ 7___ 8_____ 9___________ 10 11_____ 12_ 13____ 14_______ 15 16 17_____ 18_______ 19______ 20_ 21__ 22_____ 23 24______ 25__ 26_______ 27

Chunks:
  TruePositive nam [26,26] = Agnieszka

(ChunkerEvaluator) Sentence #1733 from articles/00107429 from sent39

Text  : W przypadku Dębowego Wzgórza kłopotem było podłączenie telefonu stacjonarnego .
Tokens: 1 2________ 3_______ 4______ 5_______ 6___ 7__________ 8_______ 9____________ 10

Chunks:
  TruePositive nam [3,4] = Dębowego Wzgórza

(ChunkerEvaluator) Sentence #1734 from articles/00107429 from sent40

Text  : Okazało się też , że linia energetyczna nie wytrzymuje ,  gdy włączone jest jacuzzi .
Tokens: 1______ 2__ 3__ 4 5_ 6____ 7___________ 8__ 9_________ 10 11_ 12______ 13__ 14_____ 15

Chunks:
  FalseNegative nam [14,14] = jacuzzi

(ChunkerEvaluator) Sentence #1735 from articles/00107429 from sent41

Text  : - Kolejne kłopoty pociągają za sobą najczęściej koszty .
Tokens: 1 2______ 3______ 4________ 5_ 6___ 7__________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #1736 from articles/00107429 from sent42

Text  : Dlatego sądzę , że do kosztu projektu pierwotnego dobrze doliczyć sobie około 30 proc .  nieprzewidzianych wydatków -  mówi pani Agnieszka .
Tokens: 1______ 2____ 3 4_ 5_ 6_____ 7_______ 8__________ 9_____ 10______ 11___ 12___ 13 14__ 15 16_______________ 17______ 18 19__ 20__ 21_______ 22

Chunks:
  TruePositive nam [21,21] = Agnieszka

(ChunkerEvaluator) Sentence #1737 from articles/00107429 from sent43

Text  : - Dlatego wahającym się i nieprzekonanym nie polecam starania się o  dotacje .
Tokens: 1 2______ 3________ 4__ 5 6_____________ 7__ 8______ 9_______ 10_ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #1738 from articles/00107429 from sent44

Text  : Bo nie można zawrócić w połowie drogi .
Tokens: 1_ 2__ 3____ 4_______ 5 6______ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #1739 from articles/00107429 from sent45

Text  : Dotacje są dla ludzi zdeterminowanych .
Tokens: 1______ 2_ 3__ 4____ 5_______________ 6

Chunks:

(ChunkerEvaluator) Sentence #1740 from articles/00107429 from sent46

Text  : Jeśli się uda , to satysfakcja będzie ogromna - mówi pani Agnieszka .
Tokens: 1____ 2__ 3__ 4 5_ 6__________ 7_____ 8______ 9 10__ 11__ 12_______ 13

Chunks:
  TruePositive nam [12,12] = Agnieszka

(ChunkerEvaluator) Sentence #1741 from articles/00107429 from sent47

Text  : Projekt hotelu Dębowe Wzgórze uzyskał dotację z Regionalnego Programu Operacyjnego Województwa Opolskiego na lata 2007 -  2013 na działanie 1  .  4  .  1  .
Tokens: 1______ 2_____ 3_____ 4______ 5______ 6______ 7 8___________ 9_______ 10__________ 11_________ 12________ 13 14__ 15__ 16 17__ 18 19_______ 20 21 22 23 24 25

Chunks:
  TruePositive nam [3,4] = Dębowe Wzgórze
  TruePositive nam [8,12] = Regionalnego Programu Operacyjnego Województwa Opolskiego

(ChunkerEvaluator) Sentence #1742 from articles/00107429 from sent48

Text  : Wsparcie usług turystycznych i rekreacyjno - sportowych przez przedsiębiorstwa .
Tokens: 1_______ 2____ 3____________ 4 5__________ 6 7_________ 8____ 9_______________ 10

Chunks:

(ChunkerEvaluator) Sentence #1743 from articles/00107429 from sent49

Text  : Nabór odbył się w kwietniu 2008 roku .
Tokens: 1____ 2____ 3__ 4 5_______ 6___ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #1744 from articles/00107429 from sent50

Text  : Tytuł projektu : „ Budowa nowoczesnego hotelu z restauracją i  zakup sprzętu ”  ,  wartość projektu :  3  ,  281 mln zł ,  dofinansowanie :  1  ,  3  mln zł .
Tokens: 1____ 2_______ 3 4 5_____ 6___________ 7_____ 8 9__________ 10 11___ 12_____ 13 14 15_____ 16______ 17 18 19 20_ 21_ 22 23 24____________ 25 26 27 28 29_ 30 31

Chunks:
  TruePositive nam [22,22] = zł
  TruePositive nam [30,30] = zł
  FalseNegative nam [5,12] = Budowa nowoczesnego hotelu z restauracją i zakup sprzętu

2016-10-27 14:59:19,685 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 68 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107430.xml
(ChunkerEvaluator) Sentence #1745 from articles/00107430 from sent1

Text  : Płock elektryzuje informacja o odejściu biskupa Piotra Libery
Tokens: 1____ 2__________ 3_________ 4 5_______ 6______ 7_____ 8_____

Chunks:
  TruePositive nam [1,1] = Płock
  TruePositive nam [7,8] = Piotra Libery

(ChunkerEvaluator) Sentence #1746 from articles/00107430 from sent2

Text  : Miał by się on przenieść w rodzinne strony , do Katowic ,  gdzie objął by funkcję tamtejszego metropolity
Tokens: 1___ 2_ 3__ 4_ 5________ 6 7_______ 8_____ 9 10 11_____ 12 13___ 14___ 15 16_____ 17_________ 18_________

Chunks:
  TruePositive nam [11,11] = Katowic

(ChunkerEvaluator) Sentence #1747 from articles/00107430 from sent3

Text  : Polska Agencja Prasowa - powołując się na źródła kościelne -  podała ,  że dotychczasowy biskup płocki Piotr Libera ma być nominowany metropolitą katowickim .
Tokens: 1_____ 2______ 3______ 4 5________ 6__ 7_ 8_____ 9________ 10 11____ 12 13 14___________ 15____ 16____ 17___ 18____ 19 20_ 21________ 22_________ 23________ 24

Chunks:
  TruePositive nam [1,3] = Polska Agencja Prasowa
  TruePositive nam [17,18] = Piotr Libera

(ChunkerEvaluator) Sentence #1748 from articles/00107430 from sent4

Text  : Zastąpił by arcybiskupa Damiana Zimonia , który w 2009 r  .  osiągnął wiek emerytalny (  75 lat )  .
Tokens: 1_______ 2_ 3__________ 4______ 5______ 6 7____ 8 9___ 10 11 12______ 13__ 14________ 15 16 17_ 18 19

Chunks:
  TruePositive nam [4,5] = Damiana Zimonia

(ChunkerEvaluator) Sentence #1749 from articles/00107430 from sent5

Text  : Wtedy Benedykt XVI poprosił go , by jednak pozostał przez dwa lata na swoim stanowisku .
Tokens: 1____ 2_______ 3__ 4_______ 5_ 6 7_ 8_____ 9_______ 10___ 11_ 12__ 13 14___ 15________ 16

Chunks:
  TruePositive nam [2,3] = Benedykt XVI

(ChunkerEvaluator) Sentence #1750 from articles/00107430 from sent6

Text  : Niewykluczone , że nowego metropolitę katowickiego poznamy jeszcze w tym miesiącu .
Tokens: 1____________ 2 3_ 4_____ 5__________ 6___________ 7______ 8______ 9 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #1751 from articles/00107430 from sent7

Text  : Podobnie jak np . następcę metropolity lubelskiego arcybiskupa Józefa Życińskiego ,  zmarłego w  lutym br .
Tokens: 1_______ 2__ 3_ 4 5_______ 6__________ 7__________ 8__________ 9_____ 10_________ 11 12______ 13 14___ 15 16

Chunks:
  TruePositive nam [9,10] = Józefa Życińskiego

(ChunkerEvaluator) Sentence #1752 from articles/00107430 from sent8

Text  : Nowych biskupa dla każdej z tych diecezji papież wskaże z  terno .
Tokens: 1_____ 2______ 3__ 4_____ 5 6___ 7_______ 8_____ 9_____ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #1753 from articles/00107430 from sent9

Text  : Czyli wybierze jednego z trzech kandydatów , których przedstawi nuncjusz apostolski arcybiskup Celestino Migliore .
Tokens: 1____ 2_______ 3______ 4 5_____ 6_________ 7 8______ 9_________ 10______ 11________ 12________ 13_______ 14______ 15

Chunks:
  TruePositive nam [13,14] = Celestino Migliore

(ChunkerEvaluator) Sentence #1754 from articles/00107430 from sent10

Text  : Terno jest ustalane po konsultacjach z polskimi hierarchami Kościoła katolickiego .
Tokens: 1____ 2___ 3_______ 4_ 5____________ 6 7_______ 8__________ 9_______ 10__________ 11

Chunks:
  TruePositive nam [9,9] = Kościoła

(ChunkerEvaluator) Sentence #1755 from articles/00107430 from sent11

Text  : Do tej pory w gronie kandydatów na metropolitę katowickiego najczęściej wymieniany był biskup tarnowski Wiktor Skworc .
Tokens: 1_ 2__ 3___ 4 5_____ 6_________ 7_ 8__________ 9___________ 10_________ 11________ 12_ 13____ 14_______ 15____ 16____ 17

Chunks:
  TruePositive nam [15,16] = Wiktor Skworc

(ChunkerEvaluator) Sentence #1756 from articles/00107430 from sent12

Text  : - Słyszał em o przymierzaniu biskupa Libery na stanowisko metropolity katowickiego .
Tokens: 1 2______ 3_ 4 5____________ 6______ 7_____ 8_ 9_________ 10_________ 11__________ 12

Chunks:
  TruePositive nam [7,7] = Libery

(ChunkerEvaluator) Sentence #1757 from articles/00107430 from sent13

Text  : Trudno mi się jednak odnieść do tego , nie mam wiedzy na ten temat -  mówi „  Gazecie ”  ks .  prałat Józef Trela z  Nuncjatury Apostolskiej w  Warszawie .
Tokens: 1_____ 2_ 3__ 4_____ 5______ 6_ 7___ 8 9__ 10_ 11____ 12 13_ 14___ 15 16__ 17 18_____ 19 20 21 22____ 23___ 24___ 25 26________ 27__________ 28 29_______ 30

Chunks:
  TruePositive nam [18,18] = Gazecie
  TruePositive nam [23,24] = Józef Trela
  TruePositive nam [26,27] = Nuncjatury Apostolskiej
  TruePositive nam [29,29] = Warszawie

(ChunkerEvaluator) Sentence #1758 from articles/00107430 from sent14

Text  : - Owszem , arcybiskup Damian Zimoń osiągnął już wiek emerytalny ,  a  biskup Libera pochodzi z  Katowic .
Tokens: 1 2_____ 3 4_________ 5_____ 6____ 7_______ 8__ 9___ 10________ 11 12 13____ 14____ 15______ 16 17_____ 18

Chunks:
  TruePositive nam [5,6] = Damian Zimoń
  TruePositive nam [14,14] = Libera
  TruePositive nam [17,17] = Katowic

(ChunkerEvaluator) Sentence #1759 from articles/00107430 from sent15

Text  : Niby jedno z drugim się łączy , ale oczywiście to nie może przesądzać całej sprawy .
Tokens: 1___ 2____ 3 4_____ 5__ 6____ 7 8__ 9_________ 10 11_ 12__ 13________ 14___ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #1760 from articles/00107430 from sent16

Text  : Kiedy zapadnie decyzja ?
Tokens: 1____ 2_______ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #1761 from articles/00107430 from sent17

Text  : Cóż , nie znamy dnia ani godziny .
Tokens: 1__ 2 3__ 4____ 5___ 6__ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #1762 from articles/00107430 from sent18

Text  : Choć w sumie godzinę znamy , decyzję usłyszymy w samo południe .
Tokens: 1___ 2 3____ 4______ 5____ 6 7______ 8________ 9 10__ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #1763 from articles/00107430 from sent19

Text  : Ale póki co nic nie jest przesądzone .
Tokens: 1__ 2___ 3_ 4__ 5__ 6___ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #1764 from articles/00107430 from sent20

Text  : Trzeba cierpliwie czekać .
Tokens: 1_____ 2_________ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #1765 from articles/00107430 from sent21

Text  : Z Katowicami Biskup Libera jest mocno związany .
Tokens: 1 2_________ 3_____ 4_____ 5___ 6____ 7_______ 8

Chunks:
  FalsePositive nam [3,4] = Biskup Libera
  FalseNegative nam [2,2] = Katowicami
  FalseNegative nam [4,4] = Libera

(ChunkerEvaluator) Sentence #1766 from articles/00107430 from sent22

Text  : Przyszedł tam na świat w 1951 r . , był wikariuszem w  tamtejszym Wyższym Śląskim Seminarium Duchownym (  1986 -  89 )  ,  gdzie jednocześnie prowadził lektorat języka łacińskiego i  wykładał patrologię (  nauka o  ojcach Kościoła )  .
Tokens: 1________ 2__ 3_ 4____ 5 6___ 7 8 9 10_ 11_________ 12 13________ 14_____ 15_____ 16________ 17_______ 18 19__ 20 21 22 23 24___ 25__________ 26_______ 27______ 28____ 29_________ 30 31______ 32________ 33 34___ 35 36____ 37______ 38 39

Chunks:
  TruePositive nam [14,17] = Wyższym Śląskim Seminarium Duchownym
  TruePositive nam [37,37] = Kościoła

(ChunkerEvaluator) Sentence #1767 from articles/00107430 from sent23

Text  : Był też biskupem pomocniczym katowickim - święcenia biskupie przyjął z  rąk Jana Pawła II w  1997 r  .  w  Bazylice św .  Piotra w  Rzymie .
Tokens: 1__ 2__ 3_______ 4__________ 5_________ 6 7________ 8_______ 9______ 10 11_ 12__ 13___ 14 15 16__ 17 18 19 20______ 21 22 23____ 24 25____ 26

Chunks:
  TruePositive nam [12,14] = Jana Pawła II
  TruePositive nam [25,25] = Rzymie
  FalsePositive nam [20,20] = Bazylice
  FalsePositive nam [23,23] = Piotra
  FalseNegative nam [20,23] = Bazylice św . Piotra

(ChunkerEvaluator) Sentence #1768 from articles/00107430 from sent24

Text  : Biskupem płockim został mianowany w 2007 r .
Tokens: 1_______ 2______ 3_____ 4________ 5 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #1769 from articles/00107430 from sent25

Text  : - Od początku dał się poznać jako osoba , której leżą na sercu nasze działania -  przyznaje Danuta Janicka ,  prezes Akcji Katolickiej Diecezji Płockiej .
Tokens: 1 2_ 3_______ 4__ 5__ 6_____ 7___ 8____ 9 10____ 11__ 12 13___ 14___ 15_______ 16 17_______ 18____ 19_____ 20 21____ 22___ 23_________ 24______ 25______ 26

Chunks:
  TruePositive nam [18,19] = Danuta Janicka
  FalsePositive nam [21,25] = prezes Akcji Katolickiej Diecezji Płockiej
  FalseNegative nam [22,25] = Akcji Katolickiej Diecezji Płockiej

(ChunkerEvaluator) Sentence #1770 from articles/00107430 from sent26

Text  : - Ktoś powie : nic w tym dziwnego , przecież jesteśmy stowarzyszeniem katolików świeckich działającym w  oparciu o  struktury Kościoła i  w  ścisłej współpracy z  hierarchią kościelną .
Tokens: 1 2___ 3____ 4 5__ 6 7__ 8_______ 9 10______ 11______ 12_____________ 13_______ 14_______ 15_________ 16 17_____ 18 19_______ 20______ 21 22 23_____ 24________ 25 26________ 27_______ 28

Chunks:
  TruePositive nam [20,20] = Kościoła
  FalsePositive nam [2,2] = Ktoś

(ChunkerEvaluator) Sentence #1771 from articles/00107430 from sent27

Text  : Ale zważając na mnóstwo obowiązków biskupa Piotra , trzeba bardzo docenić jego aktywną obecność choćby w  naszych sympozjach naukowych czy organizowanej przez nas pielgrzymce do Słupna .
Tokens: 1__ 2_______ 3_ 4______ 5_________ 6______ 7_____ 8 9_____ 10____ 11_____ 12__ 13_____ 14______ 15____ 16 17_____ 18________ 19_______ 20_ 21___________ 22___ 23_ 24_________ 25 26____ 27

Chunks:
  TruePositive nam [7,7] = Piotra
  TruePositive nam [26,26] = Słupna
  FalseNegative nam [24,24] = pielgrzymce

(ChunkerEvaluator) Sentence #1772 from articles/00107430 from sent28

Text  : Poza tym to niezwykle uśmiechnięty i ciepły człowiek .
Tokens: 1___ 2__ 3_ 4________ 5___________ 6 7_____ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #1773 from articles/00107430 from sent29

Text  : Gdyby odszedł z Płocka , bardzo by go nam brakowało .
Tokens: 1____ 2______ 3 4_____ 5 6_____ 7_ 8_ 9__ 10_______ 11

Chunks:
  TruePositive nam [4,4] = Płocka

(ChunkerEvaluator) Sentence #1774 from articles/00107430 from sent30

Text  : Aktywność biskupa w diecezji płockiej przejawiła się też w kilku nowatorskich decyzjach .
Tokens: 1________ 2______ 3 4_______ 5_______ 6_________ 7__ 8__ 9 10___ 11__________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #1775 from articles/00107430 from sent31

Text  : Wśród nich było zainicjowanie nocy konfesjonałów , nominacja świeckiej kobiety na stanowisko rzecznika kurii czy nieprzebieranie w  słowach podczas kazań -  jak podczas tegorocznych obchodów w  80 .  rocznicę objawień Faustyny Kowalskiej :  „  Ilu mieszkańców Płocka wie ,  że w  ich mieście jest Sanktuarium Bożego Miłosierdzia ?
Tokens: 1____ 2___ 3___ 4____________ 5___ 6____________ 7 8________ 9________ 10_____ 11 12________ 13_______ 14___ 15_ 16_____________ 17 18_____ 19_____ 20___ 21 22_ 23_____ 24__________ 25______ 26 27 28 29______ 30______ 31______ 32________ 33 34 35_ 36_________ 37____ 38_ 39 40 41 42_ 43_____ 44__ 45_________ 46____ 47__________ 48

Chunks:
  TruePositive nam [31,32] = Faustyny Kowalskiej
  TruePositive nam [37,37] = Płocka
  TruePositive nam [45,47] = Sanktuarium Bożego Miłosierdzia

(ChunkerEvaluator) Sentence #1776 from articles/00107430 from sent32

Text  : Ilu potrafi wskazać , gdzie się ono znajduje ?
Tokens: 1__ 2______ 3______ 4 5____ 6__ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #1777 from articles/00107430 from sent33

Text  : Kiedy do wielu płocczan przyjeżdżają krewni czy znajomi i chcą nawiedzić sanktuarium ,  spotykają się ze zdziwieniem i  zakłopotaniem gospodarzy .
Tokens: 1____ 2_ 3____ 4_______ 5___________ 6_____ 7__ 8______ 9 10__ 11_______ 12_________ 13 14_______ 15_ 16 17_________ 18 19___________ 20________ 21

Chunks:
  FalseNegative nam [4,4] = płocczan

(ChunkerEvaluator) Sentence #1778 from articles/00107430 from sent34

Text  : to smutne , że mamy wiedzę o wielu miejscach na ziemi ,  a  nie znamy tego ”  .
Tokens: 1_ 2_____ 3 4_ 5___ 6_____ 7 8____ 9________ 10 11___ 12 13 14_ 15___ 16__ 17 18

Chunks:

(ChunkerEvaluator) Sentence #1779 from articles/00107430 from sent35

Text  : Niektórzy księża w diecezji płockiej żartują , że aktywność biskupa Libery ma źródła w  jego pasji biegania .
Tokens: 1________ 2_____ 3 4_______ 5_______ 6______ 7 8_ 9________ 10_____ 11____ 12 13____ 14 15__ 16___ 17______ 18

Chunks:
  TruePositive nam [11,11] = Libery

(ChunkerEvaluator) Sentence #1780 from articles/00107430 from sent36

Text  : Biskup mówił „ Gazecie ” , że biega dwa razy w  tygodniu ,  najlepiej w  towarzystwie swoich psów ,  i  tak od 20 lat .
Tokens: 1_____ 2____ 3 4______ 5 6 7_ 8____ 9__ 10__ 11 12______ 13 14_______ 15 16__________ 17____ 18__ 19 20 21_ 22 23 24_ 25

Chunks:
  TruePositive nam [4,4] = Gazecie
  FalsePositive nam [1,1] = Biskup

(ChunkerEvaluator) Sentence #1781 from articles/00107430 from sent37

Text  : - Bieg jest dla mnie udanym połączeniem wiary i sportu .
Tokens: 1 2___ 3___ 4__ 5___ 6_____ 7__________ 8____ 9 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #1782 from articles/00107430 from sent38

Text  : Dbam o zdrowie i jednocześnie sprawy duchowe .
Tokens: 1___ 2 3______ 4 5___________ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #1783 from articles/00107430 from sent39

Text  : Biegając , zazwyczaj się modlę , na przykład odmawiam różaniec .
Tokens: 1_______ 2 3________ 4__ 5____ 6 7_ 8_______ 9_______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #1784 from articles/00107430 from sent40

Text  : Choć muszę przyznać , że zdarza mi się w myślach układać porządek dnia lub treść kazania ”  .
Tokens: 1___ 2____ 3_______ 4 5_ 6_____ 7_ 8__ 9 10_____ 11_____ 12______ 13__ 14_ 15___ 16_____ 17 18

Chunks:

(ChunkerEvaluator) Sentence #1785 from articles/00107430 from sent41

Text  : Biskup Libera uczestniczył wczoraj w uroczystościach odpustowych w Sanktuarium Matki Bożej -  Pani Mazowsza i  Kujaw w  Skępem .
Tokens: 1_____ 2_____ 3___________ 4______ 5 6______________ 7__________ 8 9__________ 10___ 11___ 12 13__ 14______ 15 16___ 17 18____ 19

Chunks:
  FalsePositive nam [1,2] = Biskup Libera
  FalsePositive nam [9,14] = Sanktuarium Matki Bożej - Pani Mazowsza
  FalsePositive nam [16,16] = Kujaw
  FalseNegative nam [2,2] = Libera
  FalseNegative nam [9,16] = Sanktuarium Matki Bożej - Pani Mazowsza i Kujaw
  FalseNegative nam [18,18] = Skępem

(ChunkerEvaluator) Sentence #1786 from articles/00107430 from sent42

Text  : Nie chciał komentować doniesień o swoich ewentualnych przenosinach .
Tokens: 1__ 2_____ 3_________ 4________ 5 6_____ 7___________ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #1787 from articles/00107430 from sent43

Text  : Podobnie jak ks . Artur Stopka , rzecznik Archidiecezji Katowickiej .
Tokens: 1_______ 2__ 3_ 4 5____ 6_____ 7 8_______ 9____________ 10_________ 11

Chunks:
  TruePositive nam [5,6] = Artur Stopka
  TruePositive nam [9,10] = Archidiecezji Katowickiej

(ChunkerEvaluator) Sentence #1788 from articles/00107430 from sent44

Text  : rafal . kowalski @ plock . agora . pl
Tokens: 1____ 2 3_______ 4 5____ 6 7____ 8 9_

Chunks:
  FalsePositive nam [3,9] = kowalski @ plock . agora . pl
  FalseNegative nam [1,9] = rafal . kowalski @ plock . agora . pl

2016-10-27 14:59:19,909 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 69 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107431.xml
(ChunkerEvaluator) Sentence #1789 from articles/00107431 from sent1

Text  : MŚ w pięcioboju nowoczesnym - dwie Polki w finale
Tokens: 1_ 2 3_________ 4__________ 5 6___ 7____ 8 9_____

Chunks:
  TruePositive nam [7,7] = Polki
  FalseNegative nam [1,1] = MŚ

(ChunkerEvaluator) Sentence #1790 from articles/00107431 from sent2

Text  : Tylko dwie reprezentantki Polski awansowały do sobotniego finału mistrzostw świata w  pięcioboju nowoczesnym w  Moskwie .
Tokens: 1____ 2___ 3_____________ 4_____ 5_________ 6_ 7_________ 8_____ 9_________ 10____ 11 12________ 13_________ 14 15_____ 16

Chunks:
  TruePositive nam [4,4] = Polski
  TruePositive nam [15,15] = Moskwie
  FalseNegative nam [9,10] = mistrzostw świata

(ChunkerEvaluator) Sentence #1791 from articles/00107431 from sent3

Text  : O medale walczyć będą Sylwia Gawlikowska i Katarzyna Wójcik .
Tokens: 1 2_____ 3______ 4___ 5_____ 6__________ 7 8________ 9_____ 10

Chunks:
  TruePositive nam [5,6] = Sylwia Gawlikowska
  TruePositive nam [8,9] = Katarzyna Wójcik

(ChunkerEvaluator) Sentence #1792 from articles/00107431 from sent4

Text  : Odpadły - Joanna Gomolińska i Aleksandra Skarzyńska .
Tokens: 1______ 2 3_____ 4_________ 5 6_________ 7_________ 8

Chunks:
  TruePositive nam [3,4] = Joanna Gomolińska
  TruePositive nam [6,7] = Aleksandra Skarzyńska

(ChunkerEvaluator) Sentence #1793 from articles/00107431 from sent5

Text  : Najbardziej utytułowana w ekipie biało - czerwonych 28 - letnia Gawlikowska (  Stowarzyszenie Pięciobój Polski Legia Warszawa )  ,  która przed rokiem w  chińskim Chengdu ,  jeszcze pod panieńskim nazwiskiem Czwojdzińska ,  wywalczyła wraz z  Remigiuszem Golisem złoty medal w  sztafetach mieszanych ,  w  czwartek w  swojej grupie eliminacyjnej B  zajęła szóste miejsce -  4152 pkt .
Tokens: 1__________ 2__________ 3 4_____ 5____ 6 7_________ 8_ 9 10____ 11_________ 12 13____________ 14_______ 15____ 16___ 17______ 18 19 20___ 21___ 22____ 23 24______ 25_____ 26 27_____ 28_ 29________ 30________ 31__________ 32 33________ 34__ 35 36_________ 37_____ 38___ 39___ 40 41________ 42________ 43 44 45______ 46 47____ 48____ 49___________ 50 51____ 52____ 53_____ 54 55__ 56_ 57

Chunks:
  TruePositive nam [25,25] = Chengdu
  TruePositive nam [36,37] = Remigiuszem Golisem
  FalsePositive nam [13,15] = Stowarzyszenie Pięciobój Polski
  FalsePositive nam [16,17] = Legia Warszawa
  FalsePositive nam [38,38] = złoty
  FalseNegative nam [11,11] = Gawlikowska
  FalseNegative nam [13,17] = Stowarzyszenie Pięciobój Polski Legia Warszawa
  FalseNegative nam [31,31] = Czwojdzińska

(ChunkerEvaluator) Sentence #1794 from articles/00107431 from sent6

Text  : Startująca w tym samym półfinale Gomolińska ( UKS Żoliborz Warszawa )  była 20 -  4052 .
Tokens: 1_________ 2 3__ 4____ 5________ 6_________ 7 8__ 9_______ 10______ 11 12__ 13 14 15__ 16

Chunks:
  FalsePositive nam [9,10] = Żoliborz Warszawa
  FalseNegative nam [6,6] = Gomolińska
  FalseNegative nam [8,10] = UKS Żoliborz Warszawa

(ChunkerEvaluator) Sentence #1795 from articles/00107431 from sent7

Text  : Zwyciężyła Białorusinka Anastasija Prokopienko - 4184 pkt .
Tokens: 1_________ 2___________ 3_________ 4__________ 5 6___ 7__ 8

Chunks:
  FalsePositive nam [2,4] = Białorusinka Anastasija Prokopienko
  FalseNegative nam [2,2] = Białorusinka
  FalseNegative nam [3,4] = Anastasija Prokopienko

(ChunkerEvaluator) Sentence #1796 from articles/00107431 from sent8

Text  : W grupie A najlepszą była Węgierka Leila Gyenesei - 4128 .
Tokens: 1 2_____ 3 4________ 5___ 6_______ 7____ 8_______ 9 10__ 11

Chunks:
  FalsePositive nam [6,8] = Węgierka Leila Gyenesei
  FalseNegative nam [6,6] = Węgierka
  FalseNegative nam [7,8] = Leila Gyenesei

(ChunkerEvaluator) Sentence #1797 from articles/00107431 from sent9

Text  : Wójcik ( SPP Legia ) dzięki świetnej postawie w kombinacji (  strzelanie i  bieg )  uplasowała się na 16 .  miejscu -  4088 ,  a  Skarzyńska (  UKS G  -  8  Bielany Warszawa )  była dopiero 21 .
Tokens: 1_____ 2 3__ 4____ 5 6_____ 7_______ 8_______ 9 10________ 11 12________ 13 14__ 15 16________ 17_ 18 19 20 21_____ 22 23__ 24 25 26________ 27 28_ 29 30 31 32_____ 33______ 34 35__ 36_____ 37 38

Chunks:
  TruePositive nam [1,1] = Wójcik
  TruePositive nam [3,4] = SPP Legia
  TruePositive nam [28,33] = UKS G - 8 Bielany Warszawa
  FalseNegative nam [26,26] = Skarzyńska

(ChunkerEvaluator) Sentence #1798 from articles/00107431 from sent10

Text  : - 3984 pkt .
Tokens: 1 2___ 3__ 4

Chunks:

2016-10-27 14:59:19,959 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 70 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107432.xml
(ChunkerEvaluator) Sentence #1799 from articles/00107432 from sent1

Text  : Weekend wioślarski w Poznaniu
Tokens: 1______ 2_________ 3 4_______

Chunks:
  TruePositive nam [4,4] = Poznaniu

(ChunkerEvaluator) Sentence #1800 from articles/00107432 from sent2

Text  : 7 września serią treningów rozpoczęły się Światowe Regaty Wioślarskie Masters 2011 .
Tokens: 1 2_______ 3____ 4________ 5_________ 6__ 7_______ 8_____ 9__________ 10_____ 11__ 12

Chunks:
  TruePositive nam [7,11] = Światowe Regaty Wioślarskie Masters 2011

(ChunkerEvaluator) Sentence #1801 from articles/00107432 from sent3

Text  : Zawody odbywają się na torze Malta w Poznaniu i potrwają do niedzieli ,  zatem na fanów wioślarstwa czeka weekend znakomitej rywalizacji sportowców z  całego świata .
Tokens: 1_____ 2_______ 3__ 4_ 5____ 6____ 7 8_______ 9 10______ 11 12_______ 13 14___ 15 16___ 17_________ 18___ 19_____ 20________ 21_________ 22________ 23 24____ 25____ 26

Chunks:
  TruePositive nam [6,6] = Malta
  TruePositive nam [8,8] = Poznaniu

(ChunkerEvaluator) Sentence #1802 from articles/00107432 from sent4

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1803 from articles/00107432 from sent5

Text  : 7 września serią treningów rozpoczęły się Światowe Regaty Wioślarskie Masters 2011 .
Tokens: 1 2_______ 3____ 4________ 5_________ 6__ 7_______ 8_____ 9__________ 10_____ 11__ 12

Chunks:
  TruePositive nam [7,11] = Światowe Regaty Wioślarskie Masters 2011

(ChunkerEvaluator) Sentence #1804 from articles/00107432 from sent6

Text  : Zawody odbywają się na torze Malta w Poznaniu i potrwają do niedzieli ,  zatem na fanów wioślarstwa czeka weekend znakomitej rywalizacji sportowców z  całego świata .
Tokens: 1_____ 2_______ 3__ 4_ 5____ 6____ 7 8_______ 9 10______ 11 12_______ 13 14___ 15 16___ 17_________ 18___ 19_____ 20________ 21_________ 22________ 23 24____ 25____ 26

Chunks:
  TruePositive nam [6,6] = Malta
  TruePositive nam [8,8] = Poznaniu

(ChunkerEvaluator) Sentence #1805 from articles/00107432 from sent7

Text  : Bądźmy tam razem i kibicujmy naszym wioślarzom !
Tokens: 1_____ 2__ 3____ 4 5________ 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #1806 from articles/00107432 from sent8

Text  : Światowe Regaty Wioślarskie Masters 2011 to prestiżowa międzynarodowa impreza sportowa ,  która ściągnęła do Poznania zawodowców i  amatorów tego sportu z  całego świata .
Tokens: 1_______ 2_____ 3__________ 4______ 5___ 6_ 7_________ 8_____________ 9______ 10______ 11 12___ 13_______ 14 15______ 16________ 17 18______ 19__ 20____ 21 22____ 23____ 24

Chunks:
  TruePositive nam [1,5] = Światowe Regaty Wioślarskie Masters 2011
  FalseNegative nam [15,15] = Poznania

(ChunkerEvaluator) Sentence #1807 from articles/00107432 from sent9

Text  : W najbliższy weekend , tj . 9 – 11 września ,  wszyscy uczestnicy rywalizować będą na torze regatowym Malta –  jednym z  piękniejszych tego typu obiektów na świecie .
Tokens: 1 2_________ 3______ 4 5_ 6 7 8 9_ 10______ 11 12_____ 13________ 14_________ 15__ 16 17___ 18_______ 19___ 20 21____ 22 23___________ 24__ 25__ 26______ 27 28_____ 29

Chunks:
  TruePositive nam [19,19] = Malta

(ChunkerEvaluator) Sentence #1808 from articles/00107432 from sent10

Text  : Wstęp na imprezę jest wolny .
Tokens: 1____ 2_ 3______ 4___ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #1809 from articles/00107432 from sent11

Text  : Pierwszy dzień regat , tj . 7 września był dniem treningów .
Tokens: 1_______ 2____ 3____ 4 5_ 6 7 8_______ 9__ 10___ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #1810 from articles/00107432 from sent12

Text  : Sportowcy wypróbowywali sprzęt i sprawdzali tory , by od czwartku rozpocząć zawody .
Tokens: 1________ 2____________ 3_____ 4 5_________ 6___ 7 8_ 9_ 10______ 11_______ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #1811 from articles/00107432 from sent13

Text  : W czwartek wieczorem , podczas Ceremonii Otwarcia , na widzów czekało wiele atrakcji i  wrażeń –  w  programie znalazł się niezwykły teatr ognia oraz spektakularne show kilkudziesięciu artystów .
Tokens: 1 2_______ 3________ 4 5______ 6________ 7_______ 8 9_ 10____ 11_____ 12___ 13______ 14 15____ 16 17 18_______ 19_____ 20_ 21_______ 22___ 23___ 24__ 25___________ 26__ 27_____________ 28______ 29

Chunks:
  TruePositive nam [6,7] = Ceremonii Otwarcia

(ChunkerEvaluator) Sentence #1812 from articles/00107432 from sent14

Text  : Całość zakończył przepiękny pokaz sztucznych ogni .
Tokens: 1_____ 2________ 3_________ 4____ 5_________ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #1813 from articles/00107432 from sent15

Text  : W zawodach bierze udział 2 . 500 zawodników z 37 krajów ,  w  tym 102 z  Polski .
Tokens: 1 2_______ 3_____ 4_____ 5 6 7__ 8_________ 9 10 11____ 12 13 14_ 15_ 16 17____ 18

Chunks:
  TruePositive nam [17,17] = Polski

(ChunkerEvaluator) Sentence #1814 from articles/00107432 from sent16

Text  : Impreza ma bardzo otwarty charakter .
Tokens: 1______ 2_ 3_____ 4______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #1815 from articles/00107432 from sent17

Text  : W każdej chwili chętni sportowcy i amatorzy mogą spróbować swoich możliwości .
Tokens: 1 2_____ 3_____ 4_____ 5________ 6 7_______ 8___ 9________ 10____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #1816 from articles/00107432 from sent18

Text  : Na stronie internetowej zawodów stale pojawiają się nowe ogłoszenia osób ,  które chcą dołączyć do jakiejś osady i  z  nią wystartować w  zawodach .
Tokens: 1_ 2______ 3___________ 4______ 5____ 6________ 7__ 8___ 9_________ 10__ 11 12___ 13__ 14______ 15 16_____ 17___ 18 19 20_ 21_________ 22 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #1817 from articles/00107432 from sent19

Text  : W poznańskich regatach biorą udział prawdziwi pasjonaci wioślarstwa , zarówno zawodowcy jak i  amatorzy z  całego świata .
Tokens: 1 2__________ 3_______ 4____ 5_____ 6________ 7________ 8__________ 9 10_____ 11_______ 12_ 13 14______ 15 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #1818 from articles/00107432 from sent20

Text  : Pełną poświęceń drogę z Tokio do Polski pokonała Mosako Koto :  „  Mój mąż startuje w  zawodach od wielu lat .
Tokens: 1____ 2________ 3____ 4 5____ 6_ 7_____ 8_______ 9_____ 10__ 11 12 13_ 14_ 15______ 16 17______ 18 19___ 20_ 21

Chunks:
  TruePositive nam [5,5] = Tokio
  TruePositive nam [7,7] = Polski
  TruePositive nam [9,10] = Mosako Koto

(ChunkerEvaluator) Sentence #1819 from articles/00107432 from sent21

Text  : Był Lider of Olympic Games .
Tokens: 1__ 2____ 3_ 4______ 5____ 6

Chunks:
  TruePositive nam [4,5] = Olympic Games
  FalsePositive nam [2,2] = Lider

(ChunkerEvaluator) Sentence #1820 from articles/00107432 from sent22

Text  : Wszędzie z nim jeżdżę .
Tokens: 1_______ 2 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #1821 from articles/00107432 from sent23

Text  : Do Poznania jechali śmy 24 godziny , przez pół Europy ”  .
Tokens: 1_ 2_______ 3______ 4__ 5_ 6______ 7 8____ 9__ 10____ 11 12

Chunks:
  TruePositive nam [2,2] = Poznania
  TruePositive nam [10,10] = Europy

(ChunkerEvaluator) Sentence #1822 from articles/00107432 from sent24

Text  : W ten weekend na Malcie można spotkać ludzi z całego świata –  mastersów z  Japonii ,  Brazylii ,  Chile ,  Australii ,  USA .
Tokens: 1 2__ 3______ 4_ 5_____ 6____ 7______ 8____ 9 10____ 11____ 12 13_______ 14 15_____ 16 17______ 18 19___ 20 21_______ 22 23_ 24

Chunks:
  TruePositive nam [5,5] = Malcie
  TruePositive nam [15,15] = Japonii
  TruePositive nam [17,17] = Brazylii
  TruePositive nam [19,19] = Chile
  TruePositive nam [21,21] = Australii
  TruePositive nam [23,23] = USA

(ChunkerEvaluator) Sentence #1823 from articles/00107432 from sent25

Text  : Średnia wieku uczestników jest dość wysoka - aby wziąć udział w  zawodach trzeba mieć ukończone 27 lat .
Tokens: 1______ 2____ 3__________ 4___ 5___ 6_____ 7 8__ 9____ 10____ 11 12______ 13____ 14__ 15_______ 16 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #1824 from articles/00107432 from sent26

Text  : Nie ma natomiast górnej granicy wieku - najstarszy zawodnik ma 92 lata !  !
Tokens: 1__ 2_ 3________ 4_____ 5______ 6____ 7 8_________ 9_______ 10 11 12__ 13 14

Chunks:

(ChunkerEvaluator) Sentence #1825 from articles/00107432 from sent27

Text  : Jeden z uczestników , członek FISA , Szwajcar Charles Eugster powiedział :  „  Sam jestem mastersem ,  mam trójkę dzieci i  nie mogę się doczekać ,  kiedy mój syn ukończy 27 lat ,  by śmy mogli razem pływać ”  .
Tokens: 1____ 2 3__________ 4 5______ 6___ 7 8_______ 9______ 10_____ 11________ 12 13 14_ 15____ 16_______ 17 18_ 19____ 20____ 21 22_ 23__ 24_ 25______ 26 27___ 28_ 29_ 30_____ 31 32_ 33 34 35_ 36___ 37___ 38____ 39 40

Chunks:
  FalsePositive nam [8,10] = Szwajcar Charles Eugster
  FalseNegative nam [6,6] = FISA
  FalseNegative nam [8,8] = Szwajcar
  FalseNegative nam [9,10] = Charles Eugster

(ChunkerEvaluator) Sentence #1826 from articles/00107432 from sent28

Text  : O tym , że wioślarstwo dobrze wpływa na zdrowie mówi Izabela Głowacka ,  rzecznik prasowy zawodów :  „  Wioślarstwo jest sportem ,  który można uprawiać do późnej starości ,  ponieważ nie obciąża stawów .
Tokens: 1 2__ 3 4_ 5__________ 6_____ 7_____ 8_ 9______ 10__ 11_____ 12______ 13 14______ 15_____ 16_____ 17 18 19_________ 20__ 21_____ 22 23___ 24___ 25______ 26 27____ 28______ 29 30______ 31_ 32_____ 33____ 34

Chunks:
  TruePositive nam [11,12] = Izabela Głowacka

(ChunkerEvaluator) Sentence #1827 from articles/00107432 from sent29

Text  : Poza tym sport poprawia nastrój : powoduje wydzielanie dopaminy zwanej hormonem szczęścia .
Tokens: 1___ 2__ 3____ 4_______ 5______ 6 7_______ 8__________ 9_______ 10____ 11______ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #1828 from articles/00107432 from sent30

Text  : To dlatego wszyscy na torze Malta są radości , energiczni ,  uśmiechnięci .  ”
Tokens: 1_ 2______ 3______ 4_ 5____ 6____ 7_ 8______ 9 10________ 11 12__________ 13 14

Chunks:
  TruePositive nam [6,6] = Malta

(ChunkerEvaluator) Sentence #1829 from articles/00107432 from sent31

Text  : Najbliższy weekend zapowiada się bardzo interesująco .
Tokens: 1_________ 2______ 3________ 4__ 5_____ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #1830 from articles/00107432 from sent32

Text  : Sportowcy będą rywalizować na 8 torach w wyścigach na 1  .  000 metrów .
Tokens: 1________ 2___ 3__________ 4_ 5 6_____ 7 8________ 9_ 10 11 12_ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #1831 from articles/00107432 from sent33

Text  : Zawody odbywają się w kilku kategoriach wiekowych , w osadach (  po dwóch lub więcej zawodników )  lub drużynach mieszanych (  tzw .  mikstach )  .
Tokens: 1_____ 2_______ 3__ 4 5____ 6__________ 7________ 8 9 10_____ 11 12 13___ 14_ 15____ 16________ 17 18_ 19_______ 20________ 21 22_ 23 24______ 25 26

Chunks:

(ChunkerEvaluator) Sentence #1832 from articles/00107432 from sent34

Text  : Każdy bieg trwa 3 minuty i zwycięzca jest tylko jeden (  nie ma drugiego i  trzeciego miejsca )  .
Tokens: 1____ 2___ 3___ 4 5_____ 6 7________ 8___ 9____ 10___ 11 12_ 13 14______ 15 16_______ 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #1833 from articles/00107432 from sent35

Text  : Dla zdobywców pierwszej lokaty przygotowano ponad tysiąc żelaznych medali .
Tokens: 1__ 2________ 3________ 4_____ 5___________ 6____ 7_____ 8________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #1834 from articles/00107432 from sent36

Text  : Są one wyrazem podziwu i uznania dla żelaznej woli ,  pasji i  uporu tych ,  którzy biorą udział w  zawodach .
Tokens: 1_ 2__ 3______ 4______ 5 6______ 7__ 8_______ 9___ 10 11___ 12 13___ 14__ 15 16____ 17___ 18____ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #1835 from articles/00107432 from sent37

Text  : Szczegółowy program imprezy można znaleźć na stronie organizatora : www.2011fisamasters.poznan.pl .
Tokens: 1__________ 2______ 3______ 4____ 5______ 6_ 7______ 8___________ 9 10___________________________ 11

Chunks:
  TruePositive nam [10,10] = www.2011fisamasters.poznan.pl

(ChunkerEvaluator) Sentence #1836 from articles/00107432 from sent38

Text  : * * *
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #1837 from articles/00107432 from sent39

Text  : Poznań to miasto z tysiącletnią tradycją , gdzie z sukcesem realizowane są nawet najbardziej ambitne projekty .
Tokens: 1_____ 2_ 3_____ 4 5___________ 6_______ 7 8____ 9 10______ 11_________ 12 13___ 14_________ 15_____ 16______ 17

Chunks:
  FalseNegative nam [1,1] = Poznań

(ChunkerEvaluator) Sentence #1838 from articles/00107432 from sent40

Text  : To miejsce oferujące idealne warunki na spełnienie zawodowych ambicji ,  przy bogatej ofercie spędzania wolnego czasu .
Tokens: 1_ 2______ 3________ 4______ 5______ 6_ 7_________ 8_________ 9______ 10 11__ 12_____ 13_____ 14_______ 15_____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #1839 from articles/00107432 from sent41

Text  : City of Work and City of Play .
Tokens: 1___ 2_ 3___ 4__ 5___ 6_ 7___ 8

Chunks:

2016-10-27 14:59:20,146 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 71 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107433.xml
(ChunkerEvaluator) Sentence #1840 from articles/00107433 from sent1

Text  : T - Mobile Ekstraklasa .
Tokens: 1 2 3_____ 4__________ 5

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa

(ChunkerEvaluator) Sentence #1841 from articles/00107433 from sent2

Text  : Michał Probierz po meczu ŁKS z Cracovią : - To zwycięstwo dedykuję .  .  .
Tokens: 1_____ 2_______ 3_ 4____ 5__ 6 7_______ 8 9 10 11________ 12______ 13 14 15

Chunks:
  TruePositive nam [1,2] = Michał Probierz
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [7,7] = Cracovią

(ChunkerEvaluator) Sentence #1842 from articles/00107433 from sent3

Text  : Mecz stał na słabym poziomie , ale piękno mnie nie interesowało .
Tokens: 1___ 2___ 3_ 4_____ 5_______ 6 7__ 8_____ 9___ 10_ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #1843 from articles/00107433 from sent4

Text  : Chcieli śmy przede wszystkim odbić się od dna - powiedział trener
Tokens: 1______ 2__ 3_____ 4________ 5____ 6__ 7_ 8__ 9 10________ 11____

Chunks:

(ChunkerEvaluator) Sentence #1844 from articles/00107433 from sent5

Text  : Michał Probierz zwycięstwo nad Cracovią zadedykował choremu ojcu .
Tokens: 1_____ 2_______ 3_________ 4__ 5_______ 6__________ 7______ 8___ 9

Chunks:
  TruePositive nam [1,2] = Michał Probierz
  TruePositive nam [5,5] = Cracovią

(ChunkerEvaluator) Sentence #1845 from articles/00107433 from sent6

Text  : - Wczoraj obchodził urodziny - wyjaśnił .
Tokens: 1 2______ 3________ 4_______ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #1846 from articles/00107433 from sent7

Text  : W meczu ostatnich drużyn ekstraklasy łodzianie wygrali 1 : 0  .
Tokens: 1 2____ 3________ 4_____ 5__________ 6________ 7______ 8 9 10 11

Chunks:
  FalseNegative nam [6,6] = łodzianie

(ChunkerEvaluator) Sentence #1847 from articles/00107433 from sent8

Text  : - Na tak pięknym stadionie nie można grać źle .
Tokens: 1 2_ 3__ 4______ 5________ 6__ 7____ 8___ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #1848 from articles/00107433 from sent9

Text  : Nastawiał em chłopaków na to , że będzie to bardzo ciężki mecz .
Tokens: 1________ 2_ 3________ 4_ 5_ 6 7_ 8_____ 9_ 10____ 11____ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #1849 from articles/00107433 from sent10

Text  : Do 60 . minuty kontrolowali śmy przebieg gry , ale potem Cracovia zaczęła stwarzać sytuacje i  można powiedzieć ,  że wygrali śmy szczęśliwie .
Tokens: 1_ 2_ 3 4_____ 5___________ 6__ 7_______ 8__ 9 10_ 11___ 12______ 13_____ 14______ 15______ 16 17___ 18________ 19 20 21_____ 22_ 23_________ 24

Chunks:
  TruePositive nam [12,12] = Cracovia

(ChunkerEvaluator) Sentence #1850 from articles/00107433 from sent11

Text  : Chłopcy bardzo przeżywali to , że do tej pory niewiele im wychodziło .
Tokens: 1______ 2_____ 3_________ 4_ 5 6_ 7_ 8__ 9___ 10______ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #1851 from articles/00107433 from sent12

Text  : Dlatego jestem zadowolony , że na boisku zostawili zdrowie -  mówił Probierz .
Tokens: 1______ 2_____ 3_________ 4 5_ 6_ 7_____ 8________ 9______ 10 11___ 12______ 13

Chunks:
  TruePositive nam [12,12] = Probierz

(ChunkerEvaluator) Sentence #1852 from articles/00107433 from sent13

Text  : - Mecz stał na słabym poziomie , ale piękno mnie nie interesowało .
Tokens: 1 2___ 3___ 4_ 5_____ 6_______ 7 8__ 9_____ 10__ 11_ 12__________ 13

Chunks:
  FalsePositive nam [2,2] = Mecz

(ChunkerEvaluator) Sentence #1853 from articles/00107433 from sent14

Text  : Chcieli śmy przede wszystkim odbić się od dna .
Tokens: 1______ 2__ 3_____ 4________ 5____ 6__ 7_ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #1854 from articles/00107433 from sent15

Text  : Nie obyło się bez problemów , ale gdyby ich w  ŁKS-ie nie było ,  to ja nie został by m  trenerem tego klubu -  dodał .
Tokens: 1__ 2____ 3__ 4__ 5________ 6 7__ 8____ 9__ 10 11____ 12_ 13__ 14 15 16 17_ 18____ 19 20 21______ 22__ 23___ 24 25___ 26

Chunks:
  TruePositive nam [11,11] = ŁKS-ie

2016-10-27 14:59:20,205 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 72 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107434.xml
(ChunkerEvaluator) Sentence #1855 from articles/00107434 from sent1

Text  : Najbardziej prokobieca partia na Pomorzu to PiS
Tokens: 1__________ 2_________ 3_____ 4_ 5______ 6_ 7__

Chunks:
  TruePositive nam [5,5] = Pomorzu
  TruePositive nam [7,7] = PiS

(ChunkerEvaluator) Sentence #1856 from articles/00107434 from sent2

Text  : Walczące głośno o parytety PO i SLD obsadziły na pierwszych miejscach list samych mężczyzn
Tokens: 1_______ 2_____ 3 4_______ 5_ 6 7__ 8________ 9_ 10________ 11_______ 12__ 13____ 14______

Chunks:
  TruePositive nam [5,5] = PO
  TruePositive nam [7,7] = SLD

(ChunkerEvaluator) Sentence #1857 from articles/00107434 from sent3

Text  : Wybory parlamentarne 9 października sa pierwszymi , które odbywają się według ustawy o  parytecie płci gwarantującej kobietom co najmniej 35 procent miejsc na listach wyborczych do Sejmu .
Tokens: 1_____ 2____________ 3 4___________ 5_ 6_________ 7 8____ 9_______ 10_ 11____ 12____ 13 14_______ 15__ 16___________ 17______ 18 19______ 20 21_____ 22____ 23 24_____ 25________ 26 27___ 28

Chunks:
  TruePositive nam [27,27] = Sejmu

(ChunkerEvaluator) Sentence #1858 from articles/00107434 from sent4

Text  : Ideą wprowadzenia przepisów było dążenie do równouprawnienia w świecie polityki .
Tokens: 1___ 2___________ 3________ 4___ 5______ 6_ 7_______________ 8 9______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #1859 from articles/00107434 from sent5

Text  : W Sejmie obecnej kadencji nieco ponad 20 procent posłów to kobiety .
Tokens: 1 2_____ 3______ 4_______ 5____ 6____ 7_ 8______ 9_____ 10 11_____ 12

Chunks:
  TruePositive nam [2,2] = Sejmie

(ChunkerEvaluator) Sentence #1860 from articles/00107434 from sent6

Text  : W tej dziedzinie blado wypadamy na tle krajów o ugruntowanej demokracji .
Tokens: 1 2__ 3_________ 4____ 5_______ 6_ 7__ 8_____ 9 10__________ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #1861 from articles/00107434 from sent7

Text  : Przykładowo w Finlandii 40 procent parlamentarzystów to kobiety .
Tokens: 1__________ 2 3________ 4_ 5______ 6________________ 7_ 8______ 9

Chunks:
  TruePositive nam [3,3] = Finlandii

(ChunkerEvaluator) Sentence #1862 from articles/00107434 from sent8

Text  : Päivi Laine , radca minister ambasady Finlandii , goszcząca podczas wakacji w  sopockiej Euroredakcji „  Gazety Wyborczej Trójmiasto ”  tłumaczyła co z  tego wynika :  -  Myślę ,  że głos kobiet jest bardziej słyszalny i  podejmowane są nieco inne decyzje .
Tokens: 1____ 2____ 3 4____ 5_______ 6_______ 7________ 8 9________ 10_____ 11_____ 12 13_______ 14__________ 15 16____ 17_______ 18________ 19 20________ 21 22 23__ 24____ 25 26 27___ 28 29 30__ 31____ 32__ 33______ 34_______ 35 36_________ 37 38___ 39__ 40_____ 41

Chunks:
  TruePositive nam [7,7] = Finlandii
  TruePositive nam [16,18] = Gazety Wyborczej Trójmiasto
  FalsePositive nam [2,2] = Laine
  FalseNegative nam [1,2] = Päivi Laine
  FalseNegative nam [14,14] = Euroredakcji

(ChunkerEvaluator) Sentence #1863 from articles/00107434 from sent9

Text  : Mamy bardzo dobrą sieć żłobków , co jest podstawą do tego ,  żeby kobiety mające dzieci mogły pracować .
Tokens: 1___ 2_____ 3____ 4___ 5______ 6 7_ 8___ 9_______ 10 11__ 12 13__ 14_____ 15____ 16____ 17___ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #1864 from articles/00107434 from sent10

Text  : Urlop macierzyński trwa u nas 9 miesięcy , pierwsze 3  są pełnopłatne ,  a  pozostałe płatne w  70 procentach -  mówiła .
Tokens: 1____ 2___________ 3___ 4 5__ 6 7_______ 8 9_______ 10 11 12_________ 13 14 15_______ 16____ 17 18 19________ 20 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #1865 from articles/00107434 from sent11

Text  : Aby ocenić pozycję kobiet sprawdźmy pomorskie listy kandydatów .
Tokens: 1__ 2_____ 3______ 4_____ 5________ 6________ 7____ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #1866 from articles/00107434 from sent12

Text  : Wśród 27 kandydatów do Senatu ( tu parytet nie obowiązuje )  są 3  kobiety -  to daje 11 procent .
Tokens: 1____ 2_ 3_________ 4_ 5_____ 6 7_ 8______ 9__ 10________ 11 12 13 14_____ 15 16 17__ 18 19_____ 20

Chunks:
  TruePositive nam [5,5] = Senatu

(ChunkerEvaluator) Sentence #1867 from articles/00107434 from sent13

Text  : Obecnie mamy pięciu senatorów z Pomorza i jedną panią senator .
Tokens: 1______ 2___ 3_____ 4________ 5 6______ 7 8____ 9____ 10_____ 11

Chunks:
  TruePositive nam [6,6] = Pomorza

(ChunkerEvaluator) Sentence #1868 from articles/00107434 from sent14

Text  : Sukcesem kobiet było by , aby po wyborach przypadł im choć jeden mandat .
Tokens: 1_______ 2_____ 3___ 4_ 5 6__ 7_ 8_______ 9_______ 10 11__ 12___ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #1869 from articles/00107434 from sent15

Text  : Na listach sejmowych , jak każe ustawa , kobiety zajmują ponad 35 procent miejsc .
Tokens: 1_ 2______ 3________ 4 5__ 6___ 7_____ 8 9______ 10_____ 11___ 12 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #1870 from articles/00107434 from sent16

Text  : Tu istotne jest , jakie dostały miejsca , bo praktyka wskazuje ,  że do Sejmu wchodzą kandydaci z  najwyższych pozycji .
Tokens: 1_ 2______ 3___ 4 5____ 6______ 7______ 8 9_ 10______ 11______ 12 13 14 15___ 16_____ 17_______ 18 19_________ 20_____ 21

Chunks:
  TruePositive nam [15,15] = Sejmu

(ChunkerEvaluator) Sentence #1871 from articles/00107434 from sent17

Text  : Najpewniejsza jest oczywiście lokata pierwsza .
Tokens: 1____________ 2___ 3_________ 4_____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #1872 from articles/00107434 from sent18

Text  : Na 15 jedynkach są cztery kobiety ( a więc 26 procent )  .
Tokens: 1_ 2_ 3________ 4_ 5_____ 6______ 7 8 9___ 10 11_____ 12 13

Chunks:

(ChunkerEvaluator) Sentence #1873 from articles/00107434 from sent19

Text  : Na Pomorzu najbardziej równościowym ugrupowaniem okazało się Prawo i Sprawiedliwość ,  które o  prawa kobiet nie upomina się najgłośniej :  Anna Fotyga stanęła na czele listy w  okręgu gdańskim ,  a  Jolanta Szczypińska w  gdyńsko -  słupskim .
Tokens: 1_ 2______ 3__________ 4___________ 5___________ 6______ 7__ 8____ 9 10____________ 11 12___ 13 14___ 15____ 16_ 17_____ 18_ 19_________ 20 21__ 22____ 23_____ 24 25___ 26___ 27 28____ 29______ 30 31 32_____ 33_________ 34 35_____ 36 37______ 38

Chunks:
  TruePositive nam [2,2] = Pomorzu
  TruePositive nam [8,10] = Prawo i Sprawiedliwość
  TruePositive nam [21,22] = Anna Fotyga
  TruePositive nam [32,33] = Jolanta Szczypińska

(ChunkerEvaluator) Sentence #1874 from articles/00107434 from sent20

Text  : Po jednej kobiecie na czele listy wystawiły PJN ( Elżbieta Jakubiak ,  Gdynia -  Słupsk )  i  PSL (  Stanisława Bujanowicz ,  także Gdynia -  Słupsk )  .
Tokens: 1_ 2_____ 3_______ 4_ 5____ 6____ 7________ 8__ 9 10______ 11______ 12 13____ 14 15____ 16 17 18_ 19 20________ 21________ 22 23___ 24____ 25 26____ 27 28

Chunks:
  TruePositive nam [8,8] = PJN
  TruePositive nam [10,11] = Elżbieta Jakubiak
  TruePositive nam [18,18] = PSL
  TruePositive nam [20,21] = Stanisława Bujanowicz
  FalsePositive nam [13,15] = Gdynia - Słupsk
  FalsePositive nam [24,26] = Gdynia - Słupsk
  FalseNegative nam [13,13] = Gdynia
  FalseNegative nam [15,15] = Słupsk
  FalseNegative nam [24,24] = Gdynia
  FalseNegative nam [26,26] = Słupsk

(ChunkerEvaluator) Sentence #1875 from articles/00107434 from sent21

Text  : Z tej grupy niemal pewne są mandaty dla Szczypińskiej i  Fotygi .
Tokens: 1 2__ 3____ 4_____ 5____ 6_ 7______ 8__ 9____________ 10 11____ 12

Chunks:
  TruePositive nam [9,9] = Szczypińskiej
  FalseNegative nam [11,11] = Fotygi

(ChunkerEvaluator) Sentence #1876 from articles/00107434 from sent22

Text  : Na czele list PO i SLD znajdują się wyłącznie mężczyźni .
Tokens: 1_ 2____ 3___ 4_ 5 6__ 7_______ 8__ 9________ 10_______ 11

Chunks:
  TruePositive nam [4,4] = PO
  TruePositive nam [6,6] = SLD

(ChunkerEvaluator) Sentence #1877 from articles/00107434 from sent23

Text  : Sprawdźmy miejsca drugie na listach .
Tokens: 1________ 2______ 3_____ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #1878 from articles/00107434 from sent24

Text  : Tu mamy już sześć kobiet ( 40 procent ) ,  ale realne szanse na wejście do Sejmu ma Dorota Gardias z  SLD ,  startująca z  okręgu gdyńsko -  słupskiego .
Tokens: 1_ 2___ 3__ 4____ 5_____ 6 7_ 8______ 9 10 11_ 12____ 13____ 14 15_____ 16 17___ 18 19____ 20_____ 21 22_ 23 24________ 25 26____ 27_____ 28 29________ 30

Chunks:
  TruePositive nam [17,17] = Sejmu
  TruePositive nam [19,20] = Dorota Gardias
  TruePositive nam [22,22] = SLD

(ChunkerEvaluator) Sentence #1879 from articles/00107434 from sent25

Text  : A oto pozycja trzecia na listach .
Tokens: 1 2__ 3______ 4______ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1880 from articles/00107434 from sent26

Text  : Obsadziło ją 12 mężczyzn i trzy kobiety ( 20 procent )  ,  ale za to wszystkie pewnie wejdą do Sejmu :  Katarzyna Hall i  Krystyna Kłosin z  PO oraz Dorota Arciszewska -  Mielewczyk z  PiS .
Tokens: 1________ 2_ 3_ 4_______ 5 6___ 7______ 8 9_ 10_____ 11 12 13_ 14 15 16_______ 17____ 18___ 19 20___ 21 22_______ 23__ 24 25______ 26____ 27 28 29__ 30____ 31_________ 32 33________ 34 35_ 36

Chunks:
  TruePositive nam [20,20] = Sejmu
  TruePositive nam [22,23] = Katarzyna Hall
  TruePositive nam [25,26] = Krystyna Kłosin
  TruePositive nam [28,28] = PO
  TruePositive nam [30,33] = Dorota Arciszewska - Mielewczyk
  TruePositive nam [35,35] = PiS

(ChunkerEvaluator) Sentence #1881 from articles/00107434 from sent27

Text  : Dalsze pozycje warto analizować jedynie w przypadku dwóch partii zdobywających na Pomorzu najwięcej mandatów -  PO i  PiS .
Tokens: 1_____ 2______ 3____ 4_________ 5______ 6 7________ 8____ 9_____ 10___________ 11 12_____ 13_______ 14______ 15 16 17 18_ 19

Chunks:
  TruePositive nam [12,12] = Pomorzu
  TruePositive nam [16,16] = PO
  TruePositive nam [18,18] = PiS

(ChunkerEvaluator) Sentence #1882 from articles/00107434 from sent28

Text  : W okręgu gdańskim z czwartego miejsca list swoich partii startują Agnieszka Pomaska (  PO )  i  Aleksandra Jankowska (  PiS )  ,  a  na siódmym PO wystawia Iwonę Guzowską .
Tokens: 1 2_____ 3_______ 4 5________ 6______ 7___ 8_____ 9_____ 10______ 11_______ 12_____ 13 14 15 16 17________ 18_______ 19 20_ 21 22 23 24 25_____ 26 27______ 28___ 29______ 30

Chunks:
  TruePositive nam [11,12] = Agnieszka Pomaska
  TruePositive nam [14,14] = PO
  TruePositive nam [17,18] = Aleksandra Jankowska
  TruePositive nam [20,20] = PiS
  TruePositive nam [26,26] = PO
  TruePositive nam [28,29] = Iwonę Guzowską

(ChunkerEvaluator) Sentence #1883 from articles/00107434 from sent29

Text  : Te kandydatki zapewne zdobędą dwa , a może i trzy mandaty .
Tokens: 1_ 2_________ 3______ 4______ 5__ 6 7 8___ 9 10__ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #1884 from articles/00107434 from sent30

Text  : Spore szanse , aby dostać się na Wiejską , ma również Teresa Hoppe kandydująca z  piątego miejsca listy PO w  okręgu gdyńsko -  słupskim .
Tokens: 1____ 2_____ 3 4__ 5_____ 6__ 7_ 8______ 9 10 11_____ 12____ 13___ 14_________ 15 16_____ 17_____ 18___ 19 20 21____ 22_____ 23 24______ 25

Chunks:
  TruePositive nam [8,8] = Wiejską
  TruePositive nam [12,13] = Teresa Hoppe
  FalsePositive nam [22,24] = gdyńsko - słupskim
  FalseNegative nam [19,19] = PO

(ChunkerEvaluator) Sentence #1885 from articles/00107434 from sent31

Text  : Z szacunków widać , że po wyborach poselski mandat z  Pomorza może otrzymać od siedmiu do dziewięciu kobiet (  27 do 35 procent )  .
Tokens: 1 2________ 3____ 4 5_ 6_ 7_______ 8_______ 9_____ 10 11_____ 12__ 13______ 14 15_____ 16 17________ 18____ 19 20 21 22 23_____ 24 25

Chunks:
  TruePositive nam [11,11] = Pomorza

(ChunkerEvaluator) Sentence #1886 from articles/00107434 from sent32

Text  : Cztery lata temu na Pomorzu na 26 mandatów wybrali śmy pięć pań (  19 procent )  .
Tokens: 1_____ 2___ 3___ 4_ 5______ 6_ 7_ 8_______ 9______ 10_ 11__ 12_ 13 14 15_____ 16 17

Chunks:
  TruePositive nam [5,5] = Pomorzu

(ChunkerEvaluator) Sentence #1887 from articles/00107434 from sent33

Text  : - Najlepiej by było , gdyby połowę składu parlamentu stanowiły kobiety -  mówi Dorota Warakomska ,  rzeczniczka Kongresu Kobiet .
Tokens: 1 2________ 3_ 4___ 5 6____ 7_____ 8_____ 9_________ 10_______ 11_____ 12 13__ 14____ 15________ 16 17_________ 18______ 19____ 20

Chunks:
  TruePositive nam [14,15] = Dorota Warakomska
  TruePositive nam [18,19] = Kongresu Kobiet

(ChunkerEvaluator) Sentence #1888 from articles/00107434 from sent34

Text  : - Ale jeśli liczba mandatów dla kobiet na Pomorzu zwiększy się z  pięciu do siedmiu ,  a  może nawet do dziewięciu ,  to oczywiście będzie wspaniale .
Tokens: 1 2__ 3____ 4_____ 5_______ 6__ 7_____ 8_ 9______ 10______ 11_ 12 13____ 14 15_____ 16 17 18__ 19___ 20 21________ 22 23 24________ 25____ 26_______ 27

Chunks:
  TruePositive nam [9,9] = Pomorzu

(ChunkerEvaluator) Sentence #1889 from articles/00107434 from sent35

Text  : Otrzymamy też dowód , że ustawa o parytecie dobrze działa .
Tokens: 1________ 2__ 3____ 4 5_ 6_____ 7 8________ 9_____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #1890 from articles/00107434 from sent36

Text  : Zmienia się sposób myślenia zarówno kobiet , które chcą kandydować ,  jak i  liderów partyjnych .
Tokens: 1______ 2__ 3_____ 4_______ 5______ 6_____ 7 8____ 9___ 10________ 11 12_ 13 14_____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #1891 from articles/00107434 from sent37

Text  : Miejmy nadzieję , że również wyborcy chętniej zagłosują na kobiety .
Tokens: 1_____ 2_______ 3 4_ 5______ 6______ 7_______ 8________ 9_ 10_____ 11

Chunks:

2016-10-27 14:59:20,400 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 73 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107435.xml
(ChunkerEvaluator) Sentence #1892 from articles/00107435 from sent1

Text  : GUS : największy wpływ na CPI miały opłaty mieszkaniowe
Tokens: 1__ 2 3_________ 4____ 5_ 6__ 7____ 8_____ 9___________

Chunks:
  TruePositive nam [1,1] = GUS
  FalseNegative nam [6,6] = CPI

(ChunkerEvaluator) Sentence #1893 from articles/00107435 from sent2

Text  : Największy wpływ na wzrost inflacji o 4 , 3 proc .  rdr miał wzrost opłat mieszkaniowych ,  cen żywności i  transportu -  podał we wtorek GUS .
Tokens: 1_________ 2____ 3_ 4_____ 5_______ 6 7 8 9 10__ 11 12_ 13__ 14____ 15___ 16____________ 17 18_ 19______ 20 21________ 22 23___ 24 25____ 26_ 27

Chunks:
  TruePositive nam [26,26] = GUS

(ChunkerEvaluator) Sentence #1894 from articles/00107435 from sent3

Text  : Inflacja w sierpniu wzrosła o 4 , 3 proc .  rdr vs konsensus 4  ,  1  proc .  i  4  ,  1  proc .  w  VII .
Tokens: 1_______ 2 3_______ 4______ 5 6 7 8 9___ 10 11_ 12 13_______ 14 15 16 17__ 18 19 20 21 22 23__ 24 25 26_ 27

Chunks:

(ChunkerEvaluator) Sentence #1895 from articles/00107435 from sent4

Text  : " Wzrost cen towarów i usług konsumpcyjnych w sierpniu br .  ,  w  porównaniu z  analogicznym miesiącem ub .  roku ,  wyniósł 4  ,  3  proc .  i  znajdował się powyżej górnej granicy odchyleń od celu inflacyjnego określonego przez Radę Polityki Pieniężnej (  2  ,  5  proc .  )  .
Tokens: 1 2_____ 3__ 4______ 5 6____ 7_____________ 8 9_______ 10 11 12 13 14________ 15 16__________ 17_______ 18 19 20__ 21 22_____ 23 24 25 26__ 27 28 29_______ 30_ 31_____ 32____ 33_____ 34______ 35 36__ 37__________ 38_________ 39___ 40__ 41______ 42________ 43 44 45 46 47__ 48 49 50

Chunks:
  TruePositive nam [40,42] = Radę Polityki Pieniężnej

(ChunkerEvaluator) Sentence #1896 from articles/00107435 from sent5

Text  : Największy wpływ na ukształtowanie się wskaźnika cen towarów i usług konsumpcyjnych na tym poziomie miały podwyżki opłat związanych z  mieszkaniem (  o  5  ,  8  proc .  )  ,  wzrost cen żywności (  o  4  ,  5  proc .  )  oraz w  zakresie transportu (  o  7  ,  9  proc .  )  ,  które podniosły ten wskaźnik odpowiednio o  1  ,  50 pkt proc .  ,  0  ,  97 pkt proc .  i  0  ,  73 pkt proc .
Tokens: 1_________ 2____ 3_ 4_____________ 5__ 6________ 7__ 8______ 9 10___ 11____________ 12 13_ 14______ 15___ 16______ 17___ 18________ 19 20_________ 21 22 23 24 25 26__ 27 28 29 30____ 31_ 32______ 33 34 35 36 37 38__ 39 40 41__ 42 43______ 44________ 45 46 47 48 49 50__ 51 52 53 54___ 55_______ 56_ 57______ 58_________ 59 60 61 62 63_ 64__ 65 66 67 68 69 70_ 71__ 72 73 74 75 76 77_ 78__ 79

Chunks:

(ChunkerEvaluator) Sentence #1897 from articles/00107435 from sent6

Text  : Spadek cen odzieży i obuwia ( o 0 , 9  proc .  )  obniżył wskaźnik w  tym okresie o  0  ,  04 pkt proc .  "  -  napisał GUS w  komunikacie .
Tokens: 1_____ 2__ 3______ 4 5_____ 6 7 8 9 10 11__ 12 13 14_____ 15______ 16 17_ 18_____ 19 20 21 22 23_ 24__ 25 26 27 28_____ 29_ 30 31_________ 32

Chunks:
  TruePositive nam [29,29] = GUS

(ChunkerEvaluator) Sentence #1898 from articles/00107435 from sent7

Text  : Ceny w relacji miesiąc do miesiąca pozostały bez zmian .
Tokens: 1___ 2 3______ 4______ 5_ 6_______ 7________ 8__ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #1899 from articles/00107435 from sent8

Text  : " Największy wpływ na wskaźnik cen towarów i usług konsumpcyjnych ogółem miały w  tym okresie niższe ceny żywności (  o  1  ,  6  proc .  )  ,  a  także odzieży i  obuwia (  o  2  ,  8  proc .  )  ,  które obniżyły wskaźnik odpowiednio o  0  ,  35 pkt proc .  i  0  ,  14 pkt proc .
Tokens: 1 2_________ 3____ 4_ 5_______ 6__ 7______ 8 9____ 10____________ 11____ 12___ 13 14_ 15_____ 16____ 17__ 18______ 19 20 21 22 23 24__ 25 26 27 28 29___ 30_____ 31 32____ 33 34 35 36 37 38__ 39 40 41 42___ 43______ 44______ 45_________ 46 47 48 49 50_ 51__ 52 53 54 55 56 57_ 58__ 59

Chunks:

(ChunkerEvaluator) Sentence #1900 from articles/00107435 from sent9

Text  : Wyższe ceny w zakresie łączności ( o 4 , 8  proc .  )  ,  towarów i  usług związanych mieszkaniem (  o  0  ,  4  proc .  )  ,  a  także transportem (  o  0  ,  9  proc .  )  ,  podniosły ten wskaźnik odpowiednio o  0  ,  20 pkt proc .  ,  0  ,  11 pkt proc .  i  0  ,  09 pkt proc .  "  -  podał GUS .
Tokens: 1_____ 2___ 3 4_______ 5________ 6 7 8 9 10 11__ 12 13 14 15_____ 16 17___ 18________ 19_________ 20 21 22 23 24 25__ 26 27 28 29 30___ 31_________ 32 33 34 35 36 37__ 38 39 40 41_______ 42_ 43______ 44_________ 45 46 47 48 49_ 50__ 51 52 53 54 55 56_ 57__ 58 59 60 61 62 63_ 64__ 65 66 67 68___ 69_ 70

Chunks:
  TruePositive nam [69,69] = GUS

2016-10-27 14:59:20,500 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 74 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107436.xml
(ChunkerEvaluator) Sentence #1901 from articles/00107436 from sent1

Text  : T - Mobile Ekstraklasa .
Tokens: 1 2 3_____ 4__________ 5

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa

(ChunkerEvaluator) Sentence #1902 from articles/00107436 from sent2

Text  : Chorzów współwłaścicielem Ruchu
Tokens: 1______ 2________________ 3____

Chunks:
  TruePositive nam [3,3] = Ruchu
  FalseNegative nam [1,1] = Chorzów

(ChunkerEvaluator) Sentence #1903 from articles/00107436 from sent3

Text  : Samorząd Chorzowa kupił formalnie w czwartek 384 615 akcji miejscowego piłkarskiego Ruchu za 500 tysięcy zł .
Tokens: 1_______ 2_______ 3____ 4________ 5 6_______ 7__ 8__ 9____ 10_________ 11__________ 12___ 13 14_ 15_____ 16 17

Chunks:
  TruePositive nam [12,12] = Ruchu
  TruePositive nam [16,16] = zł
  FalsePositive nam [2,2] = Chorzowa
  FalseNegative nam [1,2] = Samorząd Chorzowa

(ChunkerEvaluator) Sentence #1904 from articles/00107436 from sent4

Text  : Wcześniej zgodę na transakcję wyrazili radni .
Tokens: 1________ 2____ 3_ 4_________ 5_______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #1905 from articles/00107436 from sent5

Text  : Negocjowana jest jeszcze dwumilionowa pożyczka miasta dla klubu .
Tokens: 1__________ 2___ 3______ 4___________ 5_______ 6_____ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #1906 from articles/00107436 from sent6

Text  : - To początek współpracy .
Tokens: 1 2_ 3_______ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #1907 from articles/00107436 from sent7

Text  : Umowa na pewno podnosi wiarygodność klubu i powinna zachęcić potencjalnych sponsorów do wsparcia Ruchu -  powiedział po uroczystym podpisaniu umowy prezydent Chorzowa Andrzej Kotala .
Tokens: 1____ 2_ 3____ 4______ 5___________ 6____ 7 8______ 9_______ 10___________ 11_______ 12 13______ 14___ 15 16________ 17 18________ 19________ 20___ 21_______ 22______ 23_____ 24____ 25

Chunks:
  TruePositive nam [14,14] = Ruchu
  TruePositive nam [22,22] = Chorzowa
  TruePositive nam [23,24] = Andrzej Kotala

(ChunkerEvaluator) Sentence #1908 from articles/00107436 from sent8

Text  : Miasto posiada 2 , 3 procent akcji Ruchu .
Tokens: 1_____ 2______ 3 4 5 6______ 7____ 8____ 9

Chunks:
  TruePositive nam [8,8] = Ruchu

(ChunkerEvaluator) Sentence #1909 from articles/00107436 from sent9

Text  : Przypomniał , że samorząd utrzymuje stadion piłkarski kosztem ok .  miliona złotych rocznie .
Tokens: 1__________ 2 3_ 4_______ 5________ 6______ 7________ 8______ 9_ 10 11_____ 12_____ 13_____ 14

Chunks:
  TruePositive nam [12,12] = złotych

(ChunkerEvaluator) Sentence #1910 from articles/00107436 from sent10

Text  : Ten stadion jest zresztą problemem klubu i Chorzowa , bowiem w  przyszłym sezonie Ruch może mieć kłopot z  uzyskaniem ekstraklasowej licencji z  racji przede wszystkim braku dachu nad większością trybun .
Tokens: 1__ 2______ 3___ 4______ 5________ 6____ 7 8_______ 9 10____ 11 12_______ 13_____ 14__ 15__ 16__ 17____ 18 19________ 20____________ 21______ 22 23___ 24____ 25_______ 26___ 27___ 28_ 29_________ 30____ 31

Chunks:
  TruePositive nam [8,8] = Chorzowa
  TruePositive nam [14,14] = Ruch

(ChunkerEvaluator) Sentence #1911 from articles/00107436 from sent11

Text  : Tymczasem przesuwa się w czasie oddanie do użytku po modernizacji pobliskiego Stadionu Śląskiego ,  a  przetarg na przebudowę trybun obiektu Ruchu nie jest z  przyczyn formalnych rozstrzygnięty .
Tokens: 1________ 2_______ 3__ 4 5_____ 6______ 7_ 8_____ 9_ 10__________ 11_________ 12______ 13_______ 14 15 16______ 17 18________ 19____ 20_____ 21___ 22_ 23__ 24 25______ 26________ 27____________ 28

Chunks:
  TruePositive nam [12,13] = Stadionu Śląskiego
  TruePositive nam [21,21] = Ruchu

(ChunkerEvaluator) Sentence #1912 from articles/00107436 from sent12

Text  : - Będziemy musieli znaleźć jakieś rozwiązanie problemu zadaszenia części widowni -  zadeklarował wiceprezes klubu Miłosz Stawecki .
Tokens: 1 2_______ 3______ 4______ 5_____ 6__________ 7_______ 8_________ 9_____ 10_____ 11 12__________ 13________ 14___ 15____ 16______ 17

Chunks:
  TruePositive nam [15,16] = Miłosz Stawecki

(ChunkerEvaluator) Sentence #1913 from articles/00107436 from sent13

Text  : Sprawa pożyczki dla Ruchu , którą klub ma spłacić do końca roku ,  powinna się rozstrzygnąć we wrześniu .
Tokens: 1_____ 2_______ 3__ 4____ 5 6____ 7___ 8_ 9______ 10 11___ 12__ 13 14_____ 15_ 16__________ 17 18______ 19

Chunks:
  TruePositive nam [4,4] = Ruchu

(ChunkerEvaluator) Sentence #1914 from articles/00107436 from sent14

Text  : - Te pieniądze są potrzebne na bieżące funkcjowanie .
Tokens: 1 2_ 3________ 4_ 5________ 6_ 7______ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #1915 from articles/00107436 from sent15

Text  : Kolejnym krokiem jest pozyskanie sponsora generalnego .
Tokens: 1_______ 2______ 3___ 4_________ 5_______ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #1916 from articles/00107436 from sent16

Text  : Prowadzimy w tej materii negocjacje .
Tokens: 1_________ 2 3__ 4______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #1917 from articles/00107436 from sent17

Text  : Nie sprzedawali śmy latem zawodników , chcemy budować silny zespół .
Tokens: 1__ 2__________ 3__ 4____ 5_________ 6 7_____ 8______ 9____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #1918 from articles/00107436 from sent18

Text  : Niezależnie szukamy też wsparcia zagranicą .
Tokens: 1__________ 2______ 3__ 4_______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #1919 from articles/00107436 from sent19

Text  : Nie może być tak , że wiodącym sponsorem jest główny udziałowiec klubu ,  czyli Dariusz Smagorowicz -  dodał Stawecki .
Tokens: 1__ 2___ 3__ 4__ 5 6_ 7_______ 8________ 9___ 10____ 11_________ 12___ 13 14___ 15_____ 16_________ 17 18___ 19______ 20

Chunks:
  TruePositive nam [15,16] = Dariusz Smagorowicz
  FalseNegative nam [19,19] = Stawecki

2016-10-27 14:59:20,579 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 75 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107437.xml
(ChunkerEvaluator) Sentence #1920 from articles/00107437 from sent1

Text  : A nad Okszą zabrzmi blues
Tokens: 1 2__ 3____ 4______ 5____

Chunks:
  TruePositive nam [3,3] = Okszą

(ChunkerEvaluator) Sentence #1921 from articles/00107437 from sent2

Text  : W kłobuckim MOK już po raz XVI wystartuje Blues Festiwal nad Okszą .
Tokens: 1 2________ 3__ 4__ 5_ 6__ 7__ 8_________ 9____ 10______ 11_ 12___ 13

Chunks:
  TruePositive nam [3,3] = MOK
  FalsePositive nam [9,10] = Blues Festiwal
  FalsePositive nam [12,12] = Okszą
  FalseNegative nam [9,12] = Blues Festiwal nad Okszą

(ChunkerEvaluator) Sentence #1922 from articles/00107437 from sent3

Text  : Impreza - w sobotę - początek godz . 18 .
Tokens: 1______ 2 3 4_____ 5 6_______ 7___ 8 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #1923 from articles/00107437 from sent4

Text  : Miłośnicy tego gatunku muzyki nie powinni być rozczarowani .
Tokens: 1________ 2___ 3______ 4_____ 5__ 6______ 7__ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #1924 from articles/00107437 from sent5

Text  : Kierownik festiwalu - Ryszard Kadziak , związany na co dzień z  grupą Murphy Blues .
Tokens: 1________ 2________ 3 4______ 5______ 6 7_______ 8_ 9_ 10___ 11 12___ 13____ 14___ 15

Chunks:
  TruePositive nam [4,5] = Ryszard Kadziak
  TruePositive nam [13,14] = Murphy Blues

(ChunkerEvaluator) Sentence #1925 from articles/00107437 from sent6

Text  : Do Kłobucka zaprosił : Kłusem z Bluesem , Why Ducky ,  Old Wave ,  Haster Band i  SKL Blues .
Tokens: 1_ 2_______ 3_______ 4 5_____ 6 7______ 8 9__ 10___ 11 12_ 13__ 14 15____ 16__ 17 18_ 19___ 20

Chunks:
  TruePositive nam [2,2] = Kłobucka
  TruePositive nam [9,10] = Why Ducky
  TruePositive nam [15,16] = Haster Band
  TruePositive nam [18,19] = SKL Blues
  FalsePositive nam [5,5] = Kłusem
  FalsePositive nam [7,7] = Bluesem
  FalseNegative nam [5,7] = Kłusem z Bluesem
  FalseNegative nam [12,13] = Old Wave

(ChunkerEvaluator) Sentence #1926 from articles/00107437 from sent7

Text  : - Niestety , niski budżet , jaki mamy na organizację tego festiwalu nie pozwolił nam na zaproszenie jakiś mega gwiazd -  mówi Ryszrad Kadziak .
Tokens: 1 2_______ 3 4____ 5_____ 6 7___ 8___ 9_ 10_________ 11__ 12_______ 13_ 14______ 15_ 16 17_________ 18___ 19__ 20____ 21 22__ 23_____ 24_____ 25

Chunks:
  TruePositive nam [23,24] = Ryszrad Kadziak

(ChunkerEvaluator) Sentence #1927 from articles/00107437 from sent8

Text  : - Grupy , które zaprezentują się w sobotę na scenie MOK-u ,  będą starały się zapewnić słuchaczom jak najwięcej pozytywnych wrażeń .
Tokens: 1 2____ 3 4____ 5___________ 6__ 7 8_____ 9_ 10____ 11___ 12 13__ 14_____ 15_ 16______ 17________ 18_ 19_______ 20_________ 21____ 22

Chunks:
  TruePositive nam [11,11] = MOK-u

(ChunkerEvaluator) Sentence #1928 from articles/00107437 from sent9

Text  : Grają Why Ducky i Kłusem z bluesem .
Tokens: 1____ 2__ 3____ 4 5_____ 6 7______ 8

Chunks:
  TruePositive nam [2,3] = Why Ducky
  FalsePositive nam [5,5] = Kłusem
  FalseNegative nam [5,7] = Kłusem z bluesem

(ChunkerEvaluator) Sentence #1929 from articles/00107437 from sent10

Text  : Ppotrafiące podczas swoich koncertów stworzyć rewelacyjny klimat .
Tokens: 1__________ 2______ 3_____ 4________ 5_______ 6__________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #1930 from articles/00107437 from sent11

Text  : Solidną dawkę bluesa zapewni też Old wave .
Tokens: 1______ 2____ 3_____ 4______ 5__ 6__ 7___ 8

Chunks:
  FalseNegative nam [6,7] = Old wave

(ChunkerEvaluator) Sentence #1931 from articles/00107437 from sent12

Text  : Grali u nas przed rokiem , ich występ bardzo się podobał ,  zatem zaprosili śmy ich po raz kolejny .
Tokens: 1____ 2 3__ 4____ 5_____ 6 7__ 8_____ 9_____ 10_ 11_____ 12 13___ 14_______ 15_ 16_ 17 18_ 19_____ 20

Chunks:

2016-10-27 14:59:20,627 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 76 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107438.xml
(ChunkerEvaluator) Sentence #1932 from articles/00107438 from sent1

Text  : Ekstraliga żużlowa - rewanżowe derby lubuskie w niedzielę
Tokens: 1_________ 2______ 3 4________ 5____ 6_______ 7 8________

Chunks:
  FalseNegative nam [5,5] = derby

(ChunkerEvaluator) Sentence #1933 from articles/00107438 from sent2

Text  : W niedzielę w Zielonej Górze odbędzie się rewanżowe spotkanie półfinału Speedway Ekstraligi między Stelmetem Falubazem Zielona Góra a  Caelum Stalą Gorzów .
Tokens: 1 2________ 3 4_______ 5____ 6_______ 7__ 8________ 9________ 10_______ 11______ 12________ 13____ 14_______ 15_______ 16_____ 17__ 18 19____ 20___ 21____ 22

Chunks:
  TruePositive nam [4,5] = Zielonej Górze
  TruePositive nam [11,12] = Speedway Ekstraligi
  TruePositive nam [19,21] = Caelum Stalą Gorzów
  FalsePositive nam [16,17] = Zielona Góra
  FalseNegative nam [14,17] = Stelmetem Falubazem Zielona Góra

(ChunkerEvaluator) Sentence #1934 from articles/00107438 from sent3

Text  : Obie drużyny zapowiadają zaciętą walkę o awans do finału .
Tokens: 1___ 2______ 3__________ 4______ 5____ 6 7____ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #1935 from articles/00107438 from sent4

Text  : Pierwszy mecz półfinałowy na stadionie im . Edwarda Jancarza w  Gorzowie gospodarze wygrali 27 :  19 .
Tokens: 1_______ 2___ 3__________ 4_ 5________ 6_ 7 8______ 9_______ 10 11______ 12________ 13_____ 14 15 16 17

Chunks:
  TruePositive nam [8,9] = Edwarda Jancarza
  TruePositive nam [11,11] = Gorzowie

(ChunkerEvaluator) Sentence #1936 from articles/00107438 from sent5

Text  : Spotkanie przerwano po ósmym biegu z powodu burzy .
Tokens: 1________ 2________ 3_ 4____ 5____ 6 7_____ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #1937 from articles/00107438 from sent6

Text  : " Trzeba już nie myśleć o pierwszym meczu , tylko nastawić się ,  że to będzie decydujące spotkanie .
Tokens: 1 2_____ 3__ 4__ 5_____ 6 7________ 8____ 9 10___ 11______ 12_ 13 14 15 16____ 17________ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #1938 from articles/00107438 from sent7

Text  : Nasi zawodnicy są w formie " - powiedział PAP w  piątek trener Caelum Stali Czesław Czernicki .
Tokens: 1___ 2________ 3_ 4 5_____ 6 7 8_________ 9__ 10 11____ 12____ 13____ 14___ 15_____ 16_______ 17

Chunks:
  TruePositive nam [9,9] = PAP
  TruePositive nam [15,16] = Czesław Czernicki
  FalseNegative nam [13,14] = Caelum Stali

(ChunkerEvaluator) Sentence #1939 from articles/00107438 from sent8

Text  : " Jedziemy u siebie , będzie komplet kibiców , ogromny doping .
Tokens: 1 2_______ 3 4_____ 5 6_____ 7______ 8______ 9 10_____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #1940 from articles/00107438 from sent9

Text  : Zapowiada się wielki mecz .
Tokens: 1________ 2__ 3_____ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #1941 from articles/00107438 from sent10

Text  : Będziemy walczyć , mamy duże szanse " - zaznaczył z  kolei trener zielonogórzan Marek Cieślak .
Tokens: 1_______ 2______ 3 4___ 5___ 6_____ 7 8 9________ 10 11___ 12____ 13___________ 14___ 15_____ 16

Chunks:
  TruePositive nam [14,15] = Marek Cieślak
  FalseNegative nam [13,13] = zielonogórzan

(ChunkerEvaluator) Sentence #1942 from articles/00107438 from sent11

Text  : Niedzielne derby to spotkanie podwyższonego ryzyka .
Tokens: 1_________ 2____ 3_ 4________ 5____________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #1943 from articles/00107438 from sent12

Text  : Policja będzie zabezpieczać drogi dojazdowe do zielonogórskiego stadionu , parkingi wokół stadionu i  jego okolice .
Tokens: 1______ 2_____ 3___________ 4____ 5________ 6_ 7_______________ 8_______ 9 10______ 11___ 12______ 13 14__ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #1944 from articles/00107438 from sent13

Text  : Do dyspozycji kibiców z Gorzowa zostanie oddany parking na pętli autobusowej przy ul .  Wrocławskiej .
Tokens: 1_ 2_________ 3______ 4 5______ 6_______ 7_____ 8______ 9_ 10___ 11_________ 12__ 13 14 15__________ 16

Chunks:
  TruePositive nam [5,5] = Gorzowa
  TruePositive nam [15,15] = Wrocławskiej

(ChunkerEvaluator) Sentence #1945 from articles/00107438 from sent14

Text  : Policja i zielonogórski klub apelują , by mieszkańcy miasta przyszli na mecz pieszo lub przyjechali miejskimi autobusami .
Tokens: 1______ 2 3____________ 4___ 5______ 6 7_ 8_________ 9_____ 10______ 11 12__ 13____ 14_ 15_________ 16_______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #1946 from articles/00107438 from sent15

Text  : Awizowane składy :
Tokens: 1________ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #1947 from articles/00107438 from sent16

Text  : Falubaz Zielona Góra : Greg Hancock , Grzegorz Zengota ,  Andreas Jonsson ,  Jonas Davidsson ,  Piotr Protasiewicz ,  Patryk Dudek .
Tokens: 1______ 2______ 3___ 4 5___ 6______ 7 8_______ 9______ 10 11_____ 12_____ 13 14___ 15_______ 16 17___ 18__________ 19 20____ 21___ 22

Chunks:
  TruePositive nam [5,6] = Greg Hancock
  TruePositive nam [8,9] = Grzegorz Zengota
  TruePositive nam [11,12] = Andreas Jonsson
  TruePositive nam [14,15] = Jonas Davidsson
  TruePositive nam [17,18] = Piotr Protasiewicz
  TruePositive nam [20,21] = Patryk Dudek
  FalsePositive nam [2,3] = Zielona Góra
  FalseNegative nam [1,3] = Falubaz Zielona Góra

(ChunkerEvaluator) Sentence #1948 from articles/00107438 from sent17

Text  : Stal Gorzów : Tomasz Gollob , Hans Andersen , Matej Zagar ,  Niels Kristian Iversen ,  Nicki Pedersen ,  Łukasz Cyran .
Tokens: 1___ 2_____ 3 4_____ 5_____ 6 7___ 8_______ 9 10___ 11___ 12 13___ 14______ 15_____ 16 17___ 18______ 19 20____ 21___ 22

Chunks:
  TruePositive nam [1,2] = Stal Gorzów
  TruePositive nam [4,5] = Tomasz Gollob
  TruePositive nam [7,8] = Hans Andersen
  TruePositive nam [10,11] = Matej Zagar
  TruePositive nam [13,15] = Niels Kristian Iversen
  TruePositive nam [17,18] = Nicki Pedersen
  TruePositive nam [20,21] = Łukasz Cyran

2016-10-27 14:59:20,701 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 77 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107439.xml
(ChunkerEvaluator) Sentence #1949 from articles/00107439 from sent1

Text  : Historia zabytku
Tokens: 1_______ 2______

Chunks:

(ChunkerEvaluator) Sentence #1950 from articles/00107439 from sent2

Text  : Niezbyt efektowny budynek przyszłego sklepu przylega do zabytkowego dwukondygnacyjnego dworku Kuźniczki ,  pokrytego mansardowym dachem .
Tokens: 1______ 2________ 3______ 4_________ 5_____ 6_______ 7_ 8__________ 9_________________ 10____ 11_______ 12 13_______ 14_________ 15____ 16

Chunks:
  FalseNegative nam [11,11] = Kuźniczki

(ChunkerEvaluator) Sentence #1951 from articles/00107439 from sent3

Text  : Budynek został wzniesiony w XVIII stuleciu przez gdańskiego ławnika Gotfryda Schmidta .
Tokens: 1______ 2_____ 3_________ 4 5____ 6_______ 7____ 8_________ 9______ 10______ 11______ 12

Chunks:
  TruePositive nam [10,11] = Gotfryda Schmidta

(ChunkerEvaluator) Sentence #1952 from articles/00107439 from sent4

Text  : Według Jerzego Sampa , popularyzatora wiedzy o dawnym Gdańsku ,  jego zasługą było urządzenie opodal wspaniałego parku .
Tokens: 1_____ 2______ 3____ 4 5_____________ 6_____ 7 8_____ 9______ 10 11__ 12_____ 13__ 14________ 15____ 16_________ 17___ 18

Chunks:
  TruePositive nam [2,3] = Jerzego Sampa
  TruePositive nam [9,9] = Gdańsku

(ChunkerEvaluator) Sentence #1953 from articles/00107439 from sent5

Text  : Wtedy dwór , park i stojąca w pobliżu altana były całością ,  jednym z  najpiękniejszych parków w  Gdańsku .
Tokens: 1____ 2___ 3 4___ 5 6______ 7 8______ 9_____ 10__ 11______ 12 13____ 14 15______________ 16____ 17 18_____ 19

Chunks:
  TruePositive nam [18,18] = Gdańsku

2016-10-27 14:59:20,721 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 78 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107440.xml
(ChunkerEvaluator) Sentence #1954 from articles/00107440 from sent1

Text  : Koncert Pueri Cantores Plocenses
Tokens: 1______ 2____ 3_______ 4________

Chunks:
  TruePositive nam [2,4] = Pueri Cantores Plocenses

(ChunkerEvaluator) Sentence #1955 from articles/00107440 from sent2

Text  : W piątek 27 września o godz . 19 w płockiej katedrze z  nowym repertuarem wystąpi Pueri Cantores Plocenses .
Tokens: 1 2_____ 3_ 4_______ 5 6___ 7 8_ 9 10______ 11______ 12 13___ 14_________ 15_____ 16___ 17______ 18_______ 19

Chunks:
  TruePositive nam [16,18] = Pueri Cantores Plocenses

(ChunkerEvaluator) Sentence #1956 from articles/00107440 from sent3

Text  : Słowiki
Tokens: 1______

Chunks:
  FalsePositive nam [1,1] = Słowiki

(ChunkerEvaluator) Sentence #1957 from articles/00107440 from sent4

Text  : W piątek 27 września o godz . 19 w płockiej katedrze z  nowym repertuarem wystąpi Pueri Cantores Plocenses pod dyrekcją Anny Bramskiej .
Tokens: 1 2_____ 3_ 4_______ 5 6___ 7 8_ 9 10______ 11______ 12 13___ 14_________ 15_____ 16___ 17______ 18_______ 19_ 20______ 21__ 22_______ 23

Chunks:
  TruePositive nam [16,18] = Pueri Cantores Plocenses
  TruePositive nam [21,22] = Anny Bramskiej

(ChunkerEvaluator) Sentence #1958 from articles/00107440 from sent5

Text  : Na saksofonie gościnnie zagra Krzysztof Kralka .
Tokens: 1_ 2_________ 3________ 4____ 5________ 6_____ 7

Chunks:
  TruePositive nam [5,6] = Krzysztof Kralka

(ChunkerEvaluator) Sentence #1959 from articles/00107440 from sent6

Text  : Przy organach zasiądzie Wiktor Bramski .
Tokens: 1___ 2_______ 3________ 4_____ 5______ 6

Chunks:
  TruePositive nam [4,5] = Wiktor Bramski

(ChunkerEvaluator) Sentence #1960 from articles/00107440 from sent7

Text  : W programie - utwory J . S . Bacha ,  D  .  Scarlattiego ,  F  .  Durante ,  S  .  Prokofiewa .
Tokens: 1 2________ 3 4_____ 5 6 7 8 9____ 10 11 12 13__________ 14 15 16 17_____ 18 19 20 21________ 22

Chunks:
  TruePositive nam [5,9] = J . S . Bacha
  TruePositive nam [11,13] = D . Scarlattiego
  FalsePositive nam [15,21] = F . Durante , S . Prokofiewa
  FalseNegative nam [15,17] = F . Durante
  FalseNegative nam [19,21] = S . Prokofiewa

(ChunkerEvaluator) Sentence #1961 from articles/00107440 from sent8

Text  : 80 chłopców zaśpiewa po rosyjsku , niemiecku , włosku i  oczywiście po polsku .
Tokens: 1_ 2_______ 3_______ 4_ 5_______ 6 7________ 8 9_____ 10 11________ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #1962 from articles/00107440 from sent9

Text  : W koncercie wystąpią najmłodsi chórzyści z zeszłorocznego naboru i najstarsi ,  ci którzy przeszli już mutację ,  czyli pełny skład .
Tokens: 1 2________ 3_______ 4________ 5________ 6 7_____________ 8_____ 9 10_______ 11 12 13____ 14______ 15_ 16_____ 17 18___ 19___ 20___ 21

Chunks:

2016-10-27 14:59:20,758 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 79 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107441.xml
(ChunkerEvaluator) Sentence #1963 from articles/00107441 from sent1

Text  : Oceniamy piłkarzy Lechii Gdańsk po meczu z Koroną Kielce
Tokens: 1_______ 2_______ 3_____ 4_____ 5_ 6____ 7 8_____ 9_____

Chunks:
  TruePositive nam [3,4] = Lechii Gdańsk
  TruePositive nam [8,9] = Koroną Kielce

(ChunkerEvaluator) Sentence #1964 from articles/00107441 from sent2

Text  : W spotkaniu 7 . kolejki T - Mobile Ekstraklasy Lechia Gdańsk uległa na wyjeździe Koronie Kielce 0  :  1  .
Tokens: 1 2________ 3 4 5______ 6 7 8_____ 9__________ 10____ 11____ 12____ 13 14_______ 15_____ 16____ 17 18 19 20

Chunks:
  TruePositive nam [15,16] = Koronie Kielce
  FalsePositive nam [6,11] = T - Mobile Ekstraklasy Lechia Gdańsk
  FalseNegative nam [6,9] = T - Mobile Ekstraklasy
  FalseNegative nam [10,11] = Lechia Gdańsk

(ChunkerEvaluator) Sentence #1965 from articles/00107441 from sent3

Text  : Który z piłkarzy wypadł korzystnie , a który zawiódł najbardziej ?
Tokens: 1____ 2 3_______ 4_____ 5_________ 6 7 8____ 9______ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #1966 from articles/00107441 from sent4

Text  : Mateusz Łuczak , Marcin Pietrowski i Tomasz Dawidowski grali zbyt krótko ,  by ich oceniać .
Tokens: 1______ 2_____ 3 4_____ 5_________ 6 7_____ 8_________ 9____ 10__ 11____ 12 13 14_ 15_____ 16

Chunks:
  TruePositive nam [1,2] = Mateusz Łuczak
  TruePositive nam [4,5] = Marcin Pietrowski
  TruePositive nam [7,8] = Tomasz Dawidowski

2016-10-27 14:59:20,776 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 80 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107442.xml
(ChunkerEvaluator) Sentence #1967 from articles/00107442 from sent1

Text  : Travolta bez mercedesa
Tokens: 1_______ 2__ 3________

Chunks:
  FalseNegative nam [1,1] = Travolta
  FalseNegative nam [3,3] = mercedesa

(ChunkerEvaluator) Sentence #1968 from articles/00107442 from sent2

Text  : John Travolta , słynny amerykański aktor stracił luksusowe auto
Tokens: 1___ 2_______ 3 4_____ 5__________ 6____ 7______ 8________ 9___

Chunks:
  TruePositive nam [1,2] = John Travolta

(ChunkerEvaluator) Sentence #1969 from articles/00107442 from sent3

Text  : W kalifornijskim mieście Santa Monica skradziono mu w niedzielę sportowego mercedesa 280 -  SL z  1970 roku .
Tokens: 1 2_____________ 3______ 4____ 5_____ 6_________ 7_ 8 9________ 10________ 11_______ 12_ 13 14 15 16__ 17__ 18

Chunks:
  TruePositive nam [4,5] = Santa Monica
  FalseNegative nam [11,14] = mercedesa 280 - SL

(ChunkerEvaluator) Sentence #1970 from articles/00107442 from sent4

Text  : Kradzieży dokonano w 10 minut .
Tokens: 1________ 2_______ 3 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #1971 from articles/00107442 from sent5

Text  : Aktor zaparkował przy jezdni , by zajrzeć do salonu Jaguara .
Tokens: 1____ 2_________ 3___ 4_____ 5 6_ 7______ 8_ 9_____ 10_____ 11

Chunks:
  TruePositive nam [10,10] = Jaguara

(ChunkerEvaluator) Sentence #1972 from articles/00107442 from sent6

Text  : Gdy wrócił , auta już nie było .
Tokens: 1__ 2_____ 3 4___ 5__ 6__ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #1973 from articles/00107442 from sent7

Text  : Nie wiadomo , czy złodzieje śledzili Travoltę , czy też przypadkowo natrafili na niego .
Tokens: 1__ 2______ 3 4__ 5________ 6_______ 7_______ 8 9__ 10_ 11_________ 12_______ 13 14___ 15

Chunks:
  TruePositive nam [7,7] = Travoltę

(ChunkerEvaluator) Sentence #1974 from articles/00107442 from sent8

Text  : Wiadomo , że w chwili kradzieży aktor miał przy sobie kluczyki od samochodu .
Tokens: 1______ 2 3_ 4 5_____ 6________ 7____ 8___ 9___ 10___ 11______ 12 13_______ 14

Chunks:

2016-10-27 14:59:20,803 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 81 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107443.xml
(ChunkerEvaluator) Sentence #1975 from articles/00107443 from sent1

Text  : & quot ; Dziennik Gazeta Prawna & quot ; :  Dlaczego Polki rodzą dzieci na Wyspach
Tokens: 1 2___ 3 4_______ 5_____ 6_____ 7 8___ 9 10 11______ 12___ 13___ 14____ 15 16_____

Chunks:
  FalsePositive nam [4,4] = Dziennik
  FalsePositive nam [5,8] = Gazeta Prawna & quot
  FalsePositive nam [11,12] = Dlaczego Polki
  FalseNegative nam [4,6] = Dziennik Gazeta Prawna
  FalseNegative nam [12,12] = Polki
  FalseNegative nam [16,16] = Wyspach

(ChunkerEvaluator) Sentence #1976 from articles/00107443 from sent2

Text  : To policzek wymierzony naszej polityce demograficznej - Polki urodziły w  Wielkiej Brytanii w  2010 roku prawie 20 tys .  dzieci .
Tokens: 1_ 2_______ 3_________ 4_____ 5_______ 6_____________ 7 8____ 9_______ 10 11______ 12______ 13 14__ 15__ 16____ 17 18_ 19 20____ 21

Chunks:
  TruePositive nam [8,8] = Polki
  TruePositive nam [11,12] = Wielkiej Brytanii

(ChunkerEvaluator) Sentence #1977 from articles/00107443 from sent3

Text  : Na każdą z nich przypada ich więc dwukrotnie więcej niż w  kraju -  stwierdza &  quot ;  Dziennik Gazeta Prawna &  quot ;  .
Tokens: 1_ 2____ 3 4___ 5_______ 6__ 7___ 8_________ 9_____ 10_ 11 12___ 13 14_______ 15 16__ 17 18______ 19____ 20____ 21 22__ 23 24

Chunks:
  FalsePositive nam [18,18] = Dziennik
  FalsePositive nam [19,21] = Gazeta Prawna &
  FalseNegative nam [18,20] = Dziennik Gazeta Prawna

(ChunkerEvaluator) Sentence #1978 from articles/00107443 from sent4

Text  : Te dane potwierdza też wskaźnik dzietności , dla Polek w  kraju wynoszący niespełna 1  ,  4  .
Tokens: 1_ 2___ 3_________ 4__ 5_______ 6_________ 7 8__ 9____ 10 11___ 12_______ 13_______ 14 15 16 17

Chunks:
  TruePositive nam [9,9] = Polek

(ChunkerEvaluator) Sentence #1979 from articles/00107443 from sent5

Text  : A w Wielkiej Brytanii waha się w okolicach 2 ,  5  -  wyliczyła demograf prof .  Krystyna Iglicka .
Tokens: 1 2 3_______ 4_______ 5___ 6__ 7 8________ 9 10 11 12 13_______ 14______ 15__ 16 17______ 18_____ 19

Chunks:
  TruePositive nam [3,4] = Wielkiej Brytanii
  TruePositive nam [17,18] = Krystyna Iglicka

(ChunkerEvaluator) Sentence #1980 from articles/00107443 from sent6

Text  : Gdyby śmy te wskaźniki osiągali w Polsce , rodziło by się nad Wisłą 700 tys .  dzieci rocznie .
Tokens: 1____ 2__ 3_ 4________ 5_______ 6 7_____ 8 9______ 10 11_ 12_ 13___ 14_ 15_ 16 17____ 18_____ 19

Chunks:
  TruePositive nam [7,7] = Polsce
  TruePositive nam [13,13] = Wisłą

(ChunkerEvaluator) Sentence #1981 from articles/00107443 from sent7

Text  : Wtedy nie zastanawiali by śmy się , jak uniknąć wyludniania oraz jak poradzić sobie z  gwałtownie starzejącym się społeczeństwem -  ocenia dziennik .
Tokens: 1____ 2__ 3___________ 4_ 5__ 6__ 7 8__ 9______ 10_________ 11__ 12_ 13______ 14___ 15 16________ 17_________ 18_ 19____________ 20 21____ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #1982 from articles/00107443 from sent8

Text  : Prof . Iglicka komentując doniesienia brytyjskich mediów , iż Polki rodzą na Wyspach najwięcej dzieci ze wszystkich mniejszości ,  mówi :  "  te dane świadczą o  tym ,  że Polki chcą mieć więcej dzieci ,  ale skutecznie do ich posiadania zniechęca je polityka państwa "  .
Tokens: 1___ 2 3______ 4_________ 5__________ 6__________ 7_____ 8 9_ 10___ 11___ 12 13_____ 14_______ 15____ 16 17________ 18_________ 19 20__ 21 22 23 24__ 25______ 26 27_ 28 29 30___ 31__ 32__ 33____ 34____ 35 36_ 37________ 38 39_ 40________ 41_______ 42 43______ 44_____ 45 46

Chunks:
  TruePositive nam [10,10] = Polki
  TruePositive nam [30,30] = Polki
  FalseNegative nam [3,3] = Iglicka
  FalseNegative nam [13,13] = Wyspach

(ChunkerEvaluator) Sentence #1983 from articles/00107443 from sent9

Text  : " To nie jest kraj dla młodych ludzi , to nie jest kraj dla rodzin "  -  podkreśla .
Tokens: 1 2_ 3__ 4___ 5___ 6__ 7______ 8____ 9 10 11_ 12__ 13__ 14_ 15____ 16 17 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #1984 from articles/00107443 from sent10

Text  : Demograf tłumaczy fenomen decyzji o posiadaniu potomstwa na Wyspach poczuciem bezpieczeństwa .
Tokens: 1_______ 2_______ 3______ 4______ 5 6_________ 7________ 8_ 9______ 10_______ 11____________ 12

Chunks:
  FalsePositive nam [1,1] = Demograf
  FalseNegative nam [9,9] = Wyspach

(ChunkerEvaluator) Sentence #1985 from articles/00107443 from sent11

Text  : " Państwo jest przyjazne rodzinie , nie tylko w sferze materialnej ,  lecz także każdej innej ,  dostępności do placówek opiekuńczych czy opodatkowania "  -  wylicza .
Tokens: 1 2______ 3___ 4________ 5_______ 6 7__ 8____ 9 10____ 11_________ 12 13__ 14___ 15____ 16___ 17 18_________ 19 20______ 21__________ 22_ 23___________ 24 25 26_____ 27

Chunks:

2016-10-27 14:59:20,874 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 82 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107444.xml
(ChunkerEvaluator) Sentence #1986 from articles/00107444 from sent1

Text  : Trolejbus zderzył się z samochodem .
Tokens: 1________ 2______ 3__ 4 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #1987 from articles/00107444 from sent2

Text  : Korki w szczycie
Tokens: 1____ 2 3_______

Chunks:

(ChunkerEvaluator) Sentence #1988 from articles/00107444 from sent3

Text  : Przed godziną 14 doszło do wypadku na skrzyżowaniu alei Kraśnickiej i  ul .  Bohaterów Monte Cassino .
Tokens: 1____ 2______ 3_ 4_____ 5_ 6______ 7_ 8___________ 9___ 10_________ 11 12 13 14_______ 15___ 16_____ 17

Chunks:
  TruePositive nam [10,10] = Kraśnickiej
  TruePositive nam [14,16] = Bohaterów Monte Cassino

(ChunkerEvaluator) Sentence #1989 from articles/00107444 from sent4

Text  : Zderzyły się trolejbus i samochód osobowy .
Tokens: 1_______ 2__ 3________ 4 5_______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #1990 from articles/00107444 from sent5

Text  : Do szpitala trafiły trzy ranne osoby .
Tokens: 1_ 2_______ 3______ 4___ 5____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #1991 from articles/00107444 from sent6

Text  : Policja ostrzegała , że na skrzyżowaniu są utrudnienia w ruchu .
Tokens: 1______ 2_________ 3 4_ 5_ 6___________ 7_ 8__________ 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #1992 from articles/00107444 from sent7

Text  : Po niecałych trzech godzinach przywrócono normalny ruch .
Tokens: 1_ 2________ 3_____ 4________ 5__________ 6_______ 7___ 8

Chunks:

2016-10-27 14:59:20,894 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 83 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107445.xml
(ChunkerEvaluator) Sentence #1993 from articles/00107445 from sent1

Text  : Targi zajęć pozalekcyjnych w Goleniowie
Tokens: 1____ 2____ 3_____________ 4 5_________

Chunks:
  TruePositive nam [5,5] = Goleniowie

(ChunkerEvaluator) Sentence #1994 from articles/00107445 from sent2

Text  : Ofertę zaprezentują m . in . pracownie kreatywne , szkoły tańca ,  szkółki sportowe ,  szkoły językowe .
Tokens: 1_____ 2___________ 3 4 5_ 6 7________ 8________ 9 10____ 11___ 12 13_____ 14______ 15 16____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #1995 from articles/00107445 from sent3

Text  : Będzie można pościgać się na Segwayach i spróbować sił na symulatorze wyścigów Formuły 1  .
Tokens: 1_____ 2____ 3_______ 4__ 5_ 6________ 7 8________ 9__ 10 11_________ 12______ 13_____ 14 15

Chunks:
  FalsePositive nam [13,13] = Formuły
  FalseNegative nam [6,6] = Segwayach
  FalseNegative nam [13,14] = Formuły 1

(ChunkerEvaluator) Sentence #1996 from articles/00107445 from sent4

Text  : Galeria Mini Park w Goleniowie , sobota - niedziela ,  godz .  11 -  19 .
Tokens: 1______ 2___ 3___ 4 5_________ 6 7_____ 8 9________ 10 11__ 12 13 14 15 16

Chunks:
  TruePositive nam [5,5] = Goleniowie
  FalsePositive nam [1,3] = Galeria Mini Park
  FalseNegative nam [2,3] = Mini Park

2016-10-27 14:59:20,912 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 84 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107446.xml
(ChunkerEvaluator) Sentence #1997 from articles/00107446 from sent1

Text  : Na Wall Street mocno w dół , inwestorzy obawiają się globalnej recesji
Tokens: 1_ 2___ 3_____ 4____ 5 6__ 7 8_________ 9_______ 10_ 11_______ 12_____

Chunks:
  TruePositive nam [2,3] = Wall Street

(ChunkerEvaluator) Sentence #1998 from articles/00107446 from sent2

Text  : Czwartkowa sesja na Wall Street przyniosła mocne , kilkuprocentowe spadki głównych indeksów ,  w  ślad za ostrą przeceną na giełdach w  Europie i  na rynku surowców .
Tokens: 1_________ 2____ 3_ 4___ 5_____ 6_________ 7____ 8 9______________ 10____ 11______ 12______ 13 14 15__ 16 17___ 18______ 19 20______ 21 22_____ 23 24 25___ 26______ 27

Chunks:
  TruePositive nam [4,5] = Wall Street
  TruePositive nam [22,22] = Europie

(ChunkerEvaluator) Sentence #1999 from articles/00107446 from sent3

Text  : Inwestorzy coraz mocniej obawiają się , że globalna gospodarka wejdzie w  fazę recesji ,  gdyż do problemów USA i  Europy mogą wkrótce dołączyć również kłopoty Chin .
Tokens: 1_________ 2____ 3______ 4_______ 5__ 6 7_ 8_______ 9_________ 10_____ 11 12__ 13_____ 14 15__ 16 17_______ 18_ 19 20____ 21__ 22_____ 23______ 24_____ 25_____ 26__ 27

Chunks:
  TruePositive nam [18,18] = USA
  TruePositive nam [20,20] = Europy
  TruePositive nam [26,26] = Chin

(ChunkerEvaluator) Sentence #2000 from articles/00107446 from sent4

Text  : Inwestorzy na całym świecie uciekają od bardziej ryzykownych aktywów .
Tokens: 1_________ 2_ 3____ 4______ 5_______ 6_ 7_______ 8__________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #2001 from articles/00107446 from sent5

Text  : W efekcie mocna przecena dotknęła giełdy ; spadły też ceny surowców i  metali ,  a  dolar wzrósł do najwyższego poziomu wobec innych głównych walut od siedmiu miesięcy .
Tokens: 1 2______ 3____ 4_______ 5_______ 6_____ 7 8_____ 9__ 10__ 11______ 12 13____ 14 15 16___ 17____ 18 19_________ 20_____ 21___ 22____ 23______ 24___ 25 26_____ 27______ 28

Chunks:
  FalsePositive nam [16,16] = dolar

(ChunkerEvaluator) Sentence #2002 from articles/00107446 from sent6

Text  : Cena złota , uważanego tradycyjnie za bezpieczną przystań , spadła w  czwartek o  ponad 3  proc .
Tokens: 1___ 2____ 3 4________ 5__________ 6_ 7_________ 8_______ 9 10____ 11 12______ 13 14___ 15 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #2003 from articles/00107446 from sent7

Text  : Na zamknięciu Dow Jones Industrial spadł o 3 , 51 proc .  do 10 .  733 ,  83 pkt .
Tokens: 1_ 2_________ 3__ 4____ 5_________ 6____ 7 8 9 10 11__ 12 13 14 15 16_ 17 18 19_ 20

Chunks:
  TruePositive nam [3,5] = Dow Jones Industrial

(ChunkerEvaluator) Sentence #2004 from articles/00107446 from sent8

Text  : Nasdaq Comp . stracił 3 , 25 proc . i  wyniósł 2  .  455 ,  67 pkt .
Tokens: 1_____ 2___ 3 4______ 5 6 7_ 8___ 9 10 11_____ 12 13 14_ 15 16 17_ 18

Chunks:
  FalseNegative nam [1,2] = Nasdaq Comp

(ChunkerEvaluator) Sentence #2005 from articles/00107446 from sent9

Text  : Indeks S 500 stracił 3 , 19 proc . i  wyniósł na koniec dnia 1  .  129 ,  56 pkt .
Tokens: 1_____ 2 3__ 4______ 5 6 7_ 8___ 9 10 11_____ 12 13____ 14__ 15 16 17_ 18 19 20_ 21

Chunks:
  FalsePositive nam [1,3] = Indeks S 500

(ChunkerEvaluator) Sentence #2006 from articles/00107446 from sent10

Text  : Wskaźnik PMI w Chinach w sierpniu spadł do 49 ,  4  pkt z  49 ,  9  pkt zanotowanych w  lipcu .
Tokens: 1_______ 2__ 3 4______ 5 6_______ 7____ 8_ 9_ 10 11 12_ 13 14 15 16 17_ 18__________ 19 20___ 21

Chunks:
  TruePositive nam [2,2] = PMI
  TruePositive nam [4,4] = Chinach

(ChunkerEvaluator) Sentence #2007 from articles/00107446 from sent11

Text  : Jest to już trzeci z rzędu spadek PMI w Chinach mdm .
Tokens: 1___ 2_ 3__ 4_____ 5 6____ 7_____ 8__ 9 10_____ 11_ 12

Chunks:
  TruePositive nam [8,8] = PMI
  TruePositive nam [10,10] = Chinach

(ChunkerEvaluator) Sentence #2008 from articles/00107446 from sent12

Text  : Spadł również europejski wskaźnik PMI .
Tokens: 1____ 2______ 3_________ 4_______ 5__ 6

Chunks:
  TruePositive nam [5,5] = PMI

(ChunkerEvaluator) Sentence #2009 from articles/00107446 from sent13

Text  : Jak wynika z czwartkowych danych PMI composite w strefie euro wyniósł we wrześniu 2011 r  .  49 ,  2  pkt wobec 50 ,  7  pkt w  sierpniu .
Tokens: 1__ 2_____ 3 4___________ 5_____ 6__ 7________ 8 9______ 10__ 11_____ 12 13______ 14__ 15 16 17 18 19 20_ 21___ 22 23 24 25_ 26 27______ 28

Chunks:
  TruePositive nam [6,6] = PMI
  FalsePositive nam [10,10] = euro
  FalseNegative nam [9,10] = strefie euro

(ChunkerEvaluator) Sentence #2010 from articles/00107446 from sent14

Text  : Analitycy szacowali wartość indeksu na 49 , 8 pkt .
Tokens: 1________ 2________ 3______ 4______ 5_ 6_ 7 8 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #2011 from articles/00107446 from sent15

Text  : Dyrektor zarządzająca Międzynarodowego Funduszu Walutowego Christine Lagarde oceniła w czwartek ,  że ryzyko pogorszenia się sytuacji w  gospodarce światowej jest wysokie i  potrzebna jest współpraca pomiędzy rządami ,  aby rozwiązać obecne problemy .
Tokens: 1_______ 2___________ 3_______________ 4_______ 5_________ 6________ 7______ 8______ 9 10______ 11 12 13____ 14_________ 15_ 16______ 17 18________ 19_______ 20__ 21_____ 22 23_______ 24__ 25________ 26______ 27_____ 28 29_ 30_______ 31____ 32______ 33

Chunks:
  FalsePositive nam [3,7] = Międzynarodowego Funduszu Walutowego Christine Lagarde
  FalseNegative nam [3,5] = Międzynarodowego Funduszu Walutowego
  FalseNegative nam [6,7] = Christine Lagarde

(ChunkerEvaluator) Sentence #2012 from articles/00107446 from sent16

Text  : " Wzrost gospodarczy uległ spowolnieniu , ryzyko pogorszenia się sytuacji jest wysokie .
Tokens: 1 2_____ 3__________ 4____ 5___________ 6 7_____ 8__________ 9__ 10______ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #2013 from articles/00107446 from sent17

Text  : Jesteśmy wspólnie w tej samej sytuacji i będziemy w stanie razem znaleźć rozwiązanie "  -  powiedziała Lagarde w  Bloomberg TV .
Tokens: 1_______ 2_______ 3 4__ 5____ 6_______ 7 8_______ 9 10____ 11___ 12_____ 13_________ 14 15 16_________ 17_____ 18 19_______ 20 21

Chunks:
  TruePositive nam [19,20] = Bloomberg TV
  FalseNegative nam [17,17] = Lagarde

(ChunkerEvaluator) Sentence #2014 from articles/00107446 from sent18

Text  : Kiepskie perspektywy ma przed sobą także gospodarka amerykańska , w  każdym razie tak ocenia sytuację Fed .
Tokens: 1_______ 2__________ 3_ 4____ 5___ 6____ 7_________ 8__________ 9 10 11____ 12___ 13_ 14____ 15______ 16_ 17

Chunks:
  FalseNegative nam [16,16] = Fed

(ChunkerEvaluator) Sentence #2015 from articles/00107446 from sent19

Text  : W środę po zakończeniu posiedzenia Fed stwierdził w komunikacie ,  że w  Stanach Zjednoczonych istnieje znaczne ryzyko dalszego pogorszenia się perspektywy gospodarczej .
Tokens: 1 2____ 3_ 4__________ 5__________ 6__ 7_________ 8 9__________ 10 11 12 13_____ 14___________ 15______ 16_____ 17____ 18______ 19_________ 20_ 21_________ 22__________ 23

Chunks:
  TruePositive nam [13,14] = Stanach Zjednoczonych
  FalseNegative nam [6,6] = Fed

(ChunkerEvaluator) Sentence #2016 from articles/00107446 from sent20

Text  : Fed zamierza do czerwca 2012 roku sprzedać obligacje o terminie zapadalności 3  lat lub mniejszym ,  warte 400 mld dolarów ,  i  zainwestować zyski w  obligacje o  terminie zapadalności od 6  lat do 30 lat .
Tokens: 1__ 2_______ 3_ 4______ 5___ 6___ 7_______ 8________ 9 10______ 11__________ 12 13_ 14_ 15_______ 16 17___ 18_ 19_ 20_____ 21 22 23__________ 24___ 25 26_______ 27 28______ 29__________ 30 31 32_ 33 34 35_ 36

Chunks:
  TruePositive nam [20,20] = dolarów

(ChunkerEvaluator) Sentence #2017 from articles/00107446 from sent21

Text  : Celem tego działania jest " wywarcie presji na spadek długoterminowych stóp procentach oraz stworzenie bardziej akomodacyjnych warunków finansowych "  -  napisano w  oświadczeniu Fed .
Tokens: 1____ 2___ 3________ 4___ 5 6_______ 7_____ 8_ 9_____ 10______________ 11__ 12________ 13__ 14________ 15______ 16____________ 17______ 18_________ 19 20 21______ 22 23__________ 24_ 25

Chunks:
  FalseNegative nam [24,24] = Fed

(ChunkerEvaluator) Sentence #2018 from articles/00107446 from sent22

Text  : " Nie ma wątpliwości , że ryzyko recesji w gospodarce światowej wzrosło "  -  powiedział Jeavon Lolay ,  kierujący działem badań nad gospodarką światową w  Lloyds Banking Group .
Tokens: 1 2__ 3_ 4__________ 5 6_ 7_____ 8______ 9 10________ 11_______ 12_____ 13 14 15________ 16____ 17___ 18 19_______ 20_____ 21___ 22_ 23________ 24______ 25 26____ 27_____ 28___ 29

Chunks:
  TruePositive nam [16,17] = Jeavon Lolay
  TruePositive nam [26,28] = Lloyds Banking Group

(ChunkerEvaluator) Sentence #2019 from articles/00107446 from sent23

Text  : Jak wynika z wrześniowego raportu z posiedzenia Banku Anglii (  BoE )  ,  członkowie Komitetu ds .  polityki monetarnej BOE dyskutowali nad pobudzeniem gospodarki ,  m  .  in .  poprzez skup dodatkowych obligacji z  rynku .
Tokens: 1__ 2_____ 3 4___________ 5______ 6 7__________ 8____ 9_____ 10 11_ 12 13 14________ 15______ 16 17 18______ 19________ 20_ 21_________ 22_ 23_________ 24________ 25 26 27 28 29 30_____ 31__ 32_________ 33_______ 34 35___ 36

Chunks:
  TruePositive nam [8,9] = Banku Anglii
  TruePositive nam [20,20] = BOE
  FalseNegative nam [11,11] = BoE
  FalseNegative nam [15,19] = Komitetu ds . polityki monetarnej

(ChunkerEvaluator) Sentence #2020 from articles/00107446 from sent24

Text  : Prezydent USA Barack Obama wezwał przywódców europejskich , by podjęli "  energiczne i  zdecydowane "  działania na rzecz przezwyciężenia kryzysu zadłużeniowego strefy euro -  oświadczył rzecznik Białego Domu Jay Carney .
Tokens: 1________ 2__ 3_____ 4____ 5_____ 6_________ 7___________ 8 9_ 10_____ 11 12________ 13 14_________ 15 16_______ 17 18___ 19_____________ 20_____ 21____________ 22____ 23__ 24 25________ 26______ 27_____ 28__ 29_ 30____ 31

Chunks:
  TruePositive nam [2,2] = USA
  TruePositive nam [3,4] = Barack Obama
  FalsePositive nam [23,23] = euro
  FalsePositive nam [27,30] = Białego Domu Jay Carney
  FalseNegative nam [22,23] = strefy euro
  FalseNegative nam [27,28] = Białego Domu
  FalseNegative nam [29,30] = Jay Carney

(ChunkerEvaluator) Sentence #2021 from articles/00107446 from sent25

Text  : Z kolei sekretarz skarbu USA Timothy Geithner ocenił , że politycy europejscy podejmą radykalne środki zaradcze wobec kryzysu zadłużenia w  strefie euro .
Tokens: 1 2____ 3________ 4_____ 5__ 6______ 7_______ 8_____ 9 10 11______ 12________ 13_____ 14_______ 15____ 16______ 17___ 18_____ 19________ 20 21_____ 22__ 23

Chunks:
  TruePositive nam [5,5] = USA
  TruePositive nam [6,7] = Timothy Geithner
  FalsePositive nam [22,22] = euro
  FalseNegative nam [21,22] = strefie euro

(ChunkerEvaluator) Sentence #2022 from articles/00107446 from sent26

Text  : " Politycy będą działać z większą mocą w nadchodzących tygodniach i  miesiącach ,  jest to jednak trudne wyzwanie ,  ponieważ sprowadza się do pomocy finansowej "  -  powiedział Geithner na seminarium w  Waszyngtonie .
Tokens: 1 2_______ 3___ 4______ 5 6______ 7___ 8 9____________ 10________ 11 12________ 13 14__ 15 16____ 17____ 18______ 19 20______ 21_______ 22_ 23 24____ 25________ 26 27 28________ 29______ 30 31________ 32 33__________ 34

Chunks:
  TruePositive nam [33,33] = Waszyngtonie
  FalseNegative nam [29,29] = Geithner

(ChunkerEvaluator) Sentence #2023 from articles/00107446 from sent27

Text  : " Pomoc finansowa jest koniecznym warunkiem nie jest jednak warunkiem wystarczającym .
Tokens: 1 2____ 3________ 4___ 5_________ 6________ 7__ 8___ 9_____ 10_______ 11____________ 12

Chunks:

(ChunkerEvaluator) Sentence #2024 from articles/00107446 from sent28

Text  : Potrzebne są reformy , realizowane przez polityków , które dały by inwestorom impuls do pozostania na rynku "  -  dodał .
Tokens: 1________ 2_ 3______ 4 5__________ 6____ 7________ 8 9____ 10__ 11 12________ 13____ 14 15________ 16 17___ 18 19 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #2025 from articles/00107446 from sent29

Text  : Amerykański indeks wyprzedzający koniunktury wzrósł w sierpniu o 0 ,  3  proc .  -  podała Conference Board .
Tokens: 1__________ 2_____ 3____________ 4__________ 5_____ 6 7_______ 8 9 10 11 12__ 13 14 15____ 16________ 17___ 18

Chunks:
  TruePositive nam [16,17] = Conference Board

(ChunkerEvaluator) Sentence #2026 from articles/00107446 from sent30

Text  : Analitycy spodziewali się wzrostu tego wskaźnika o 0 , 1  proc .
Tokens: 1________ 2__________ 3__ 4______ 5___ 6________ 7 8 9 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #2027 from articles/00107446 from sent31

Text  : W lipcu indeks wzrósł o 0 , 6 proc .  po korekcie .
Tokens: 1 2____ 3_____ 4_____ 5 6 7 8 9___ 10 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #2028 from articles/00107446 from sent32

Text  : Liczba bezrobotnych kontynuujących pobieranie zasiłku spadła o 28 tys .  i  wyniosła 3  ,  727 mln w  tygodniu ,  który skończył się 10 września .
Tokens: 1_____ 2___________ 3_____________ 4_________ 5______ 6_____ 7 8_ 9__ 10 11 12______ 13 14 15_ 16_ 17 18______ 19 20___ 21______ 22_ 23 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #2029 from articles/00107446 from sent33

Text  : Analitycy spodziewali się 3 , 722 mln osób .
Tokens: 1________ 2__________ 3__ 4 5 6__ 7__ 8___ 9

Chunks:

2016-10-27 14:59:21,114 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 85 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107447.xml
(ChunkerEvaluator) Sentence #2030 from articles/00107447 from sent1

Text  : Spalarnie nie dadzą rady odpadowej dyrektywie
Tokens: 1________ 2__ 3____ 4___ 5________ 6_________

Chunks:

(ChunkerEvaluator) Sentence #2031 from articles/00107447 from sent2

Text  : Nawet funkcjonowanie w Polsce dwunastu spalarni już w roku 2014 nie mogło by sprawić ,  że spełnimy unijne normy wobec odpadów .
Tokens: 1____ 2_____________ 3 4_____ 5_______ 6_______ 7__ 8 9___ 10__ 11_ 12___ 13 14_____ 15 16 17______ 18____ 19___ 20___ 21_____ 22

Chunks:
  TruePositive nam [4,4] = Polsce

(ChunkerEvaluator) Sentence #2032 from articles/00107447 from sent3

Text  : Wydamy pieniądze i nadal będziemy mieli szansę na karę z  UE .
Tokens: 1_____ 2________ 3 4____ 5_______ 6____ 7_____ 8_ 9___ 10 11 12

Chunks:
  TruePositive nam [11,11] = UE

(ChunkerEvaluator) Sentence #2033 from articles/00107447 from sent4

Text  : Ze sporządzonej przez dr hab . inż . Andrzeja Jedrczaka na zamówienie Ministerstwa Środowiska analizy dotyczącej ilości wytwarzanych oraz zagospodarowanych odpadów ulegających biodegradacji wynika ,  że w  stosunku do roku 1995 -  bazowego dla wyliczeń -  ilość składowanej frakcji bioodpadów komunalnych nie spadła o  25 proc .  ,  ale .  .  .  wzrosła .
Tokens: 1_ 2___________ 3____ 4_ 5__ 6 7__ 8 9_______ 10_______ 11 12________ 13__________ 14________ 15_____ 16________ 17____ 18__________ 19__ 20_______________ 21_____ 22_________ 23___________ 24____ 25 26 27 28______ 29 30__ 31__ 32 33______ 34_ 35______ 36 37___ 38_________ 39_____ 40________ 41_________ 42_ 43____ 44 45 46__ 47 48 49_ 50 51 52 53_____ 54

Chunks:
  TruePositive nam [9,10] = Andrzeja Jedrczaka
  TruePositive nam [13,14] = Ministerstwa Środowiska

(ChunkerEvaluator) Sentence #2034 from articles/00107447 from sent5

Text  : W przygotowanym raporcie czytamy , że dla potrzeb określenia postępów w  gospodarowaniu odpadami ulegającymi biodegradacji przyjęto ,  że w  roku 1995 ,  jako roku odniesienia ,  zostało wytworzonych 4  ,  38 mln ton tych odpadów ,  przy czym na mieszkańca miasta przypadało 155 kg zaś na mieszkańca wsi -  47 kg .
Tokens: 1 2____________ 3_______ 4______ 5 6_ 7__ 8______ 9_________ 10______ 11 12____________ 13______ 14_________ 15___________ 16______ 17 18 19 20__ 21__ 22 23__ 24__ 25_________ 26 27_____ 28__________ 29 30 31 32_ 33_ 34__ 35_____ 36 37__ 38__ 39 40________ 41____ 42________ 43_ 44 45_ 46 47________ 48_ 49 50 51 52

Chunks:

(ChunkerEvaluator) Sentence #2035 from articles/00107447 from sent6

Text  : Z kolei masa odpadów ulegających biodegradacji stanowiła 44 proc .  masy odpadów komunalnych wytworzonych w  1995 roku .
Tokens: 1 2____ 3___ 4______ 5__________ 6____________ 7________ 8_ 9___ 10 11__ 12_____ 13_________ 14__________ 15 16__ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #2036 from articles/00107447 from sent7

Text  : Następnie w roku 2000 w kraju wytworzono 4 , 69 mln ton odpadów komunalnych ulegających biodegradacji ,  a  cztery lata później już 5  ,  52 mln ton .
Tokens: 1________ 2 3___ 4___ 5 6____ 7_________ 8 9 10 11_ 12_ 13_____ 14_________ 15_________ 16___________ 17 18 19____ 20__ 21_____ 22_ 23 24 25 26_ 27_ 28

Chunks:

(ChunkerEvaluator) Sentence #2037 from articles/00107447 from sent8

Text  : Stanowiły one odpowiednio 40 , 7 i 46 , 8  proc .  masy wytworzonych odpadów komunalnych .
Tokens: 1________ 2__ 3__________ 4_ 5 6 7 8_ 9 10 11__ 12 13__ 14__________ 15_____ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #2038 from articles/00107447 from sent9

Text  : Czytaj też : Ministerstwo zaprzecza , że Unia nalicza kary
Tokens: 1_____ 2__ 3 4___________ 5________ 6 7_ 8___ 9______ 10__

Chunks:
  FalseNegative nam [4,4] = Ministerstwo
  FalseNegative nam [8,8] = Unia

(ChunkerEvaluator) Sentence #2039 from articles/00107447 from sent10

Text  : Liczba ta wzrosła jeszcze w 2008 roku , w którym masę wytworzonych komunalnych odpadów ulegających biodegradacji oszacowano na poziomie 6  ,  61 mln ton ,  a  ich udział w  odpadach komunalnych na poziomie 54 ,  7  proc .  .
Tokens: 1_____ 2_ 3______ 4______ 5 6___ 7___ 8 9 10____ 11__ 12__________ 13_________ 14_____ 15_________ 16___________ 17________ 18 19______ 20 21 22 23_ 24_ 25 26 27_ 28____ 29 30______ 31_________ 32 33______ 34 35 36 37__ 38 39

Chunks:

(ChunkerEvaluator) Sentence #2040 from articles/00107447 from sent11

Text  : Zwiększenie , a nie zmniejszenie frakcji składowanych bioodpadów komunalnych przewiduje także prognoza w  zakresie gospodarki przygotowana w  2010 roku na zamówienie ministerstwa przez dr inż .  Ryszarda Szpadta .
Tokens: 1__________ 2 3 4__ 5___________ 6______ 7___________ 8_________ 9__________ 10________ 11___ 12______ 13 14______ 15________ 16__________ 17 18__ 19__ 20 21________ 22__________ 23___ 24 25_ 26 27______ 28_____ 29

Chunks:
  TruePositive nam [27,28] = Ryszarda Szpadta

(ChunkerEvaluator) Sentence #2041 from articles/00107447 from sent12

Text  : Pokazuje ona duże rozbieżności w tym , co zaplanowano ,  a  tym co może zostać osiągnięte .
Tokens: 1_______ 2__ 3___ 4___________ 5 6__ 7 8_ 9__________ 10 11 12_ 13 14__ 15____ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #2042 from articles/00107447 from sent13

Text  : Zgodnie z nią w 2013 r . ilość składowanych odpadów komunalnych ulegających biodegradacji nie powinna przekraczać 2  ,  19 mln ton ,  a  przewidywana ilość odpadów komunalnych ulegających biodegradacji ,  która powinna zostać poddana odzyskowi lub unieszkodliwianiu (  poza składowaniem )  ,  wyniesie ok .  3  ,  5  mln ton .
Tokens: 1______ 2 3__ 4 5___ 6 7 8____ 9___________ 10_____ 11_________ 12_________ 13___________ 14_ 15_____ 16_________ 17 18 19 20_ 21_ 22 23 24__________ 25___ 26_____ 27_________ 28_________ 29___________ 30 31___ 32_____ 33____ 34_____ 35_______ 36_ 37_______________ 38 39__ 40__________ 41 42 43______ 44 45 46 47 48 49_ 50_ 51

Chunks:

(ChunkerEvaluator) Sentence #2043 from articles/00107447 from sent14

Text  : Docelowo natomiast w 2020 r . ilość składowanych odpadów komunalnych ulegających biodegradacji nie powinna przekraczać 1  ,  53 mln ton ,  a  szacuje się ,  że w  2018 r  .  trzeba będzie przekształcić biologicznie lub termicznie co najmniej 3  ,  6  mln ton odpadów .
Tokens: 1_______ 2________ 3 4___ 5 6 7____ 8___________ 9______ 10_________ 11_________ 12___________ 13_ 14_____ 15_________ 16 17 18 19_ 20_ 21 22 23_____ 24_ 25 26 27 28__ 29 30 31____ 32____ 33___________ 34__________ 35_ 36________ 37 38______ 39 40 41 42_ 43_ 44_____ 45

Chunks:

(ChunkerEvaluator) Sentence #2044 from articles/00107447 from sent15

Text  : Co to wszystko w praktyce może oznaczać ?
Tokens: 1_ 2_ 3_______ 4 5_______ 6___ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2045 from articles/00107447 from sent16

Text  : - W Polsce mamy ok 11 mln ton odpadów komunalnych do składowania z  czego frakcja bioodpadów według wyżej wymienionych ekspertów to ok 55 %  -  60 %  .
Tokens: 1 2 3_____ 4___ 5_ 6_ 7__ 8__ 9______ 10_________ 11 12_________ 13 14___ 15_____ 16________ 17____ 18___ 19__________ 20_______ 21 22 23 24 25 26 27 28

Chunks:
  TruePositive nam [3,3] = Polsce

(ChunkerEvaluator) Sentence #2046 from articles/00107447 from sent17

Text  : Daje to ok . 6 mln frakcji bioodpadów komunalnych do zagospodarowania w  inny sposób niż składowanie -  mówi Tomasz Wollny ze Stowarzyszenia Technologii Ekologicznych Silesia z  Opola .
Tokens: 1___ 2_ 3_ 4 5 6__ 7______ 8_________ 9__________ 10 11______________ 12 13__ 14____ 15_ 16_________ 17 18__ 19____ 20____ 21 22____________ 23_________ 24___________ 25_____ 26 27___ 28

Chunks:
  FalsePositive nam [19,27] = Tomasz Wollny ze Stowarzyszenia Technologii Ekologicznych Silesia z Opola
  FalseNegative nam [19,20] = Tomasz Wollny
  FalseNegative nam [22,25] = Stowarzyszenia Technologii Ekologicznych Silesia
  FalseNegative nam [27,27] = Opola

(ChunkerEvaluator) Sentence #2047 from articles/00107447 from sent18

Text  : .
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #2048 from articles/00107447 from sent19

Text  : I trzeba te śmieci zagospodarować , bo jak dotychczas nie płacimy żadnych kar za niespełnienie unijnych norm ,  nie dlatego ,  że udało nam się je spełnić ,  ale tylko dlatego ,  że polski rząd nie przesłał jeszcze do Komisji Europejskiej danych dotyczących masy odpadów komunalnych ulegających biodegradacji skierowanych do składowania w  2010 r  .  wraz z  osiągniętym poziomem redukcji tych odpadów .
Tokens: 1 2_____ 3_ 4_____ 5_____________ 6 7_ 8__ 9_________ 10_ 11_____ 12_____ 13_ 14 15___________ 16______ 17__ 18 19_ 20_____ 21 22 23___ 24_ 25_ 26 27_____ 28 29_ 30___ 31_____ 32 33 34____ 35__ 36_ 37______ 38_____ 39 40_____ 41__________ 42____ 43_________ 44__ 45_____ 46_________ 47_________ 48___________ 49__________ 50 51_________ 52 53__ 54 55 56__ 57 58_________ 59______ 60______ 61__ 62_____ 63

Chunks:
  TruePositive nam [40,41] = Komisji Europejskiej

(ChunkerEvaluator) Sentence #2049 from articles/00107447 from sent20

Text  : Dane te mają trafić do Brukseli do końca w 2011 roku .
Tokens: 1___ 2_ 3___ 4_____ 5_ 6_______ 7_ 8____ 9 10__ 11__ 12

Chunks:
  TruePositive nam [6,6] = Brukseli

(ChunkerEvaluator) Sentence #2050 from articles/00107447 from sent21

Text  : Co więcej - z prognoz ekspertów - wynika , że nie mamy szans na spełnienie wymogów dyrektywy Rady 1999 /  31 /  WE z  26 kwietnia 1999 r  .  w  sprawie składowania odpadów nie tylko za 2010 r  .
Tokens: 1_ 2_____ 3 4 5______ 6________ 7 8_____ 9 10 11_ 12__ 13___ 14 15________ 16_____ 17_______ 18__ 19__ 20 21 22 23 24 25 26______ 27__ 28 29 30 31_____ 32_________ 33_____ 34_ 35___ 36 37__ 38 39

Chunks:
  FalsePositive nam [23,23] = WE
  FalseNegative nam [18,18] = Rady

(ChunkerEvaluator) Sentence #2051 from articles/00107447 from sent22

Text  : Ale także później .
Tokens: 1__ 2____ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #2052 from articles/00107447 from sent23

Text  : Do 2013 r . mamy sprawić , żeby składowanych było nie więcej niż 50 proc .  komunalnych odpadów ulegających biodegradacji ,  w  odniesieniu do masy tych odpadów wytworzonych w  1995 r  .  (  do 2020 ilość tego typu odpadów kierowanych na składowiska musi zostać zmniejszona do 35 proc .  )  .
Tokens: 1_ 2___ 3 4 5___ 6______ 7 8___ 9___________ 10__ 11_ 12____ 13_ 14 15__ 16 17_________ 18_____ 19_________ 20___________ 21 22 23_________ 24 25__ 26__ 27_____ 28__________ 29 30__ 31 32 33 34 35__ 36___ 37__ 38__ 39_____ 40_________ 41 42_________ 43__ 44____ 45_________ 46 47 48__ 49 50 51

Chunks:

(ChunkerEvaluator) Sentence #2053 from articles/00107447 from sent24

Text  : Czytaj też : Ustawa odpadowa kartą przetargową w sprawie kar
Tokens: 1_____ 2__ 3 4_____ 5_______ 6____ 7__________ 8 9______ 10_

Chunks:

(ChunkerEvaluator) Sentence #2054 from articles/00107447 from sent25

Text  : Co zatem z ewentualnymi sankcjami finansowymi ze strony Unii Europejskiej za te ostępstwa ?
Tokens: 1_ 2____ 3 4___________ 5________ 6__________ 7_ 8_____ 9___ 10__________ 11 12 13_______ 14

Chunks:
  TruePositive nam [9,10] = Unii Europejskiej

(ChunkerEvaluator) Sentence #2055 from articles/00107447 from sent26

Text  : Jak podkreśla Tomasz Wollny w historii Unii Europejskiej w sprawie odpadów tylko do dwóch krajów -  Francji i  Portugalii Komisja Europejska skierowała tzw .  "  uzasadnioną opinię "  ,  w  której wskazywano na konkretne naruszenie i  wyliczano ,  jaka może być wysokość opłat .
Tokens: 1__ 2________ 3_____ 4_____ 5 6_______ 7___ 8___________ 9 10_____ 11_____ 12___ 13 14___ 15____ 16 17_____ 18 19________ 20_____ 21________ 22________ 23_ 24 25 26_________ 27____ 28 29 30 31____ 32________ 33 34_______ 35________ 36 37_______ 38 39__ 40__ 41_ 42______ 43___ 44

Chunks:
  TruePositive nam [3,4] = Tomasz Wollny
  TruePositive nam [7,8] = Unii Europejskiej
  TruePositive nam [17,17] = Francji
  TruePositive nam [19,19] = Portugalii
  TruePositive nam [20,21] = Komisja Europejska

(ChunkerEvaluator) Sentence #2056 from articles/00107447 from sent27

Text  : - Kraje te po wprowadzeniu zmian w przepisach uniknęły tych kar .
Tokens: 1 2____ 3_ 4_ 5___________ 6____ 7 8_________ 9_______ 10__ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #2057 from articles/00107447 from sent28

Text  : Do Ministerstwa Środowiska nie wpłynęła " uzasadniona opinia " w  tej sprawie ,  więc sprawy nie ma .
Tokens: 1_ 2___________ 3_________ 4__ 5_______ 6 7__________ 8_____ 9 10 11_ 12_____ 13 14__ 15____ 16_ 17 18

Chunks:
  TruePositive nam [2,3] = Ministerstwa Środowiska

(ChunkerEvaluator) Sentence #2058 from articles/00107447 from sent29

Text  : Niewykluczone jednak , że problem wróci w roku 2014 ,  ale to już inna historia -  mówi Tomasz Wollny .
Tokens: 1____________ 2_____ 3 4_ 5______ 6____ 7 8___ 9___ 10 11_ 12 13_ 14__ 15______ 16 17__ 18____ 19____ 20

Chunks:
  TruePositive nam [18,19] = Tomasz Wollny

(ChunkerEvaluator) Sentence #2059 from articles/00107447 from sent30

Text  : - Przy okazji chciał em też zaznaczyć , że lekarstwem na nasze bolączki nie są spalarnie -  dodaje .
Tokens: 1 2___ 3_____ 4_____ 5_ 6__ 7________ 8 9_ 10________ 11 12___ 13______ 14_ 15 16_______ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #2060 from articles/00107447 from sent31

Text  : A to dlaczego ?
Tokens: 1 2_ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #2061 from articles/00107447 from sent32

Text  : Czytaj też : Musimy palić , a nie sortować
Tokens: 1_____ 2__ 3 4_____ 5____ 6 7 8__ 9_______

Chunks:

(ChunkerEvaluator) Sentence #2062 from articles/00107447 from sent33

Text  : - Nawet gdyby powstało 12 spalarni to one mogły by spalić w  sumie około 2  ,  5  mln ton odpadów komunalnych z  czego około 1  ,  4  było by frakcją bioodpadów .
Tokens: 1 2____ 3____ 4_______ 5_ 6_______ 7_ 8__ 9____ 10 11____ 12 13___ 14___ 15 16 17 18_ 19_ 20_____ 21_________ 22 23___ 24___ 25 26 27 28__ 29 30_____ 31________ 32

Chunks:

(ChunkerEvaluator) Sentence #2063 from articles/00107447 from sent34

Text  : To zdecydowanie za mało jak na nasze potrzeby .
Tokens: 1_ 2___________ 3_ 4___ 5__ 6_ 7____ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #2064 from articles/00107447 from sent35

Text  : Skoro bowiem za 3 lata mamy już mieć zredukowane bioodpady o  50 proc .  -  czyli połowę z  4  ,  38 mln ,  a  mamy przecież ok .  6  mln ton -  wydamy pieniądze i  nadal będziemy mieli szansę na karę unijną w  roku 2014 ,  taka jest prawda -  stwierdza Wollny .
Tokens: 1____ 2_____ 3_ 4 5___ 6___ 7__ 8___ 9__________ 10_______ 11 12 13__ 14 15 16___ 17____ 18 19 20 21 22_ 23 24 25__ 26______ 27 28 29 30_ 31_ 32 33____ 34_______ 35 36___ 37______ 38___ 39____ 40 41__ 42____ 43 44__ 45__ 46 47__ 48__ 49____ 50 51_______ 52____ 53

Chunks:
  FalseNegative nam [52,52] = Wollny

2016-10-27 14:59:21,406 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 86 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107448.xml
(ChunkerEvaluator) Sentence #2065 from articles/00107448 from sent1

Text  : Wspieraj ekologię - przyłącz się do Projektu puste.com.pl
Tokens: 1_______ 2_______ 3 4_______ 5__ 6_ 7_______ 8___________

Chunks:
  FalsePositive nam [8,8] = puste.com.pl
  FalseNegative nam [7,8] = Projektu puste.com.pl

(ChunkerEvaluator) Sentence #2066 from articles/00107448 from sent2

Text  : Zespół Szkół nr 26 przystąpił do kolejnej , już II edycji zbiórki pustych tonerów ,  tuszy i  kartridży do drukarek laserowych i  atramentowych
Tokens: 1_____ 2____ 3_ 4_ 5_________ 6_ 7_______ 8 9__ 10 11____ 12_____ 13_____ 14_____ 15 16___ 17 18_______ 19 20______ 21________ 22 23___________

Chunks:
  FalsePositive nam [1,2] = Zespół Szkół
  FalseNegative nam [1,4] = Zespół Szkół nr 26

(ChunkerEvaluator) Sentence #2067 from articles/00107448 from sent3

Text  : Hasło akcji to : „ Nie wyrzucaj jak leci pustych kartridży i  tonerów do śmieci ”  .
Tokens: 1____ 2____ 3_ 4 5 6__ 7_______ 8__ 9___ 10_____ 11_______ 12 13_____ 14 15____ 16 17

Chunks:
  FalseNegative nam [6,15] = Nie wyrzucaj jak leci pustych kartridży i tonerów do śmieci

(ChunkerEvaluator) Sentence #2068 from articles/00107448 from sent4

Text  : Jeśli je posiadasz , to skontaktuj się ze szkołą i  przekaż je .
Tokens: 1____ 2_ 3________ 4 5_ 6_________ 7__ 8_ 9_____ 10 11_____ 12 13

Chunks:

(ChunkerEvaluator) Sentence #2069 from articles/00107448 from sent5

Text  : Dzięki temu ZS nr 26 otrzyma za nie punkty ,  które będzie mogła wymienić na nagrody takie jak np .  sprzęt komputerowy ,  sportowy oraz przydatne materiały dydaktyczne .
Tokens: 1_____ 2___ 3_ 4_ 5_ 6______ 7_ 8__ 9_____ 10 11___ 12____ 13___ 14______ 15 16_____ 17___ 18_ 19 20 21____ 22_________ 23 24______ 25__ 26_______ 27_______ 28_________ 29

Chunks:
  FalsePositive nam [3,3] = ZS
  FalseNegative nam [3,5] = ZS nr 26

(ChunkerEvaluator) Sentence #2070 from articles/00107448 from sent6

Text  : Dodatkowym atutem Projektu puste.com.pl jest wspieranie ekologii - sadzone będą bowiem drzewa .
Tokens: 1_________ 2_____ 3_______ 4___________ 5___ 6_________ 7_______ 8 9______ 10__ 11____ 12____ 13

Chunks:
  FalseNegative nam [3,4] = Projektu puste.com.pl

(ChunkerEvaluator) Sentence #2071 from articles/00107448 from sent7

Text  : Celem Projektu jest kształtowanie postawy proekologicznej dzieci oraz budzenie w  nich odpowiedzialności za otaczające środowisko naturalne .
Tokens: 1____ 2_______ 3___ 4____________ 5______ 6______________ 7_____ 8___ 9_______ 10 11__ 12_______________ 13 14________ 15________ 16_______ 17

Chunks:
  FalseNegative nam [2,2] = Projektu

2016-10-27 14:59:21,443 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 87 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107449.xml
(ChunkerEvaluator) Sentence #2072 from articles/00107449 from sent1

Text  : PSL jest bardziej reformatorski niż PO
Tokens: 1__ 2___ 3_______ 4____________ 5__ 6_

Chunks:
  TruePositive nam [1,1] = PSL
  TruePositive nam [6,6] = PO

(ChunkerEvaluator) Sentence #2073 from articles/00107449 from sent2

Text  : Program pod przyszłą koalicję jest już zrobiony .
Tokens: 1______ 2__ 3_______ 4_______ 5___ 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2074 from articles/00107449 from sent3

Text  : Eksperci PO i PSL pracowali nad nim , by można było zacząć go realizować od razu po zaprzysiężeniu rządu -  mówi Stanisław Żelichowski *  ,  szef klubu PSL
Tokens: 1_______ 2_ 3 4__ 5________ 6__ 7__ 8 9_ 10___ 11__ 12____ 13 14________ 15 16__ 17 18____________ 19___ 20 21__ 22_______ 23_________ 24 25 26__ 27___ 28_

Chunks:
  TruePositive nam [2,2] = PO
  TruePositive nam [4,4] = PSL
  TruePositive nam [22,23] = Stanisław Żelichowski
  TruePositive nam [28,28] = PSL

(ChunkerEvaluator) Sentence #2075 from articles/00107449 from sent4

Text  : Krystyna Naszkowska : Koalicja PO - PSL to były dobre cztery lata dla ludowców ?
Tokens: 1_______ 2_________ 3 4_______ 5_ 6 7__ 8_ 9___ 10___ 11____ 12__ 13_ 14______ 15

Chunks:
  TruePositive nam [1,2] = Krystyna Naszkowska
  FalsePositive nam [4,7] = Koalicja PO - PSL
  FalseNegative nam [5,5] = PO
  FalseNegative nam [7,7] = PSL

(ChunkerEvaluator) Sentence #2076 from articles/00107449 from sent5

Text  : Byli śmy więc trochę mało wyraziści .
Tokens: 1___ 2__ 3___ 4_____ 5___ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #2077 from articles/00107449 from sent6

Text  : Obawiali śmy się , że to się odbije na następnych wyborach ,  że elektorat o  nas zapomni .
Tokens: 1_______ 2__ 3__ 4 5_ 6_ 7__ 8_____ 9_ 10________ 11______ 12 13 14_______ 15 16_ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #2078 from articles/00107449 from sent7

Text  : Ale postawili śmy na koncyliacyjność , na rolę rozjemcy między wszystkimi stronami politycznymi .
Tokens: 1__ 2________ 3__ 4_ 5______________ 6 7_ 8___ 9_______ 10____ 11________ 12______ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #2079 from articles/00107449 from sent8

Text  : I to się chyba opłaciło .
Tokens: 1 2_ 3__ 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2080 from articles/00107449 from sent9

Text  : Tu , w tym moim pokoiku sejmowym , rozegrało się wiele spraw ,  wiele problemów zostało wyjaśnionych .
Tokens: 1_ 2 3 4__ 5___ 6______ 7_______ 8 9________ 10_ 11___ 12___ 13 14___ 15_______ 16_____ 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #2081 from articles/00107449 from sent10

Text  : To jakie wyniki wyborów pan przewiduje ?
Tokens: 1_ 2____ 3_____ 4______ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #2082 from articles/00107449 from sent11

Text  : - PiS robi wszystko , by nie wygrać tych wyborów .
Tokens: 1 2__ 3___ 4_______ 5 6_ 7__ 8_____ 9___ 10_____ 11

Chunks:
  TruePositive nam [2,2] = PiS

(ChunkerEvaluator) Sentence #2083 from articles/00107449 from sent12

Text  : Jeśli prezes Kaczyński mówi , że w jego przyszłym rządzie ministrami będą tak kontrowersyjni politycy jak Anna Fotyga ,  Antoni Macierewicz i  Zbigniew Ziobro ,  to znaczy ,  że chce zniechęcić do swojej partii niezdecydowanych wyborców .
Tokens: 1____ 2_____ 3________ 4___ 5 6_ 7 8___ 9________ 10_____ 11________ 12__ 13_ 14____________ 15______ 16_ 17__ 18____ 19 20____ 21_________ 22 23______ 24____ 25 26 27____ 28 29 30__ 31________ 32 33____ 34____ 35______________ 36______ 37

Chunks:
  TruePositive nam [3,3] = Kaczyński
  TruePositive nam [17,18] = Anna Fotyga
  TruePositive nam [20,21] = Antoni Macierewicz
  TruePositive nam [23,24] = Zbigniew Ziobro

(ChunkerEvaluator) Sentence #2084 from articles/00107449 from sent13

Text  : Nie chce wygrać .
Tokens: 1__ 2___ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #2085 from articles/00107449 from sent14

Text  : Ale sondaże pokazują , że PiS cały czas rośnie poparcie .
Tokens: 1__ 2______ 3_______ 4 5_ 6__ 7___ 8___ 9_____ 10______ 11

Chunks:
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #2086 from articles/00107449 from sent15

Text  : - Ach , te nasze sondaże . . .
Tokens: 1 2__ 3 4_ 5____ 6______ 7 8 9

Chunks:

(ChunkerEvaluator) Sentence #2087 from articles/00107449 from sent16

Text  : W Niemczech , jeśli dwa tygodnie przed wyborami robi się sondaż ,  to właściwie można by nie robić już wyborów -  wyniki się pokrywają .
Tokens: 1 2________ 3 4____ 5__ 6_______ 7____ 8_______ 9___ 10_ 11____ 12 13 14_______ 15___ 16 17_ 18___ 19_ 20_____ 21 22____ 23_ 24_______ 25

Chunks:
  TruePositive nam [2,2] = Niemczech

(ChunkerEvaluator) Sentence #2088 from articles/00107449 from sent17

Text  : A u nas nawet ludzie pytani po oddaniu głosów ,  po wyjściu z  obwodowej komisji wyborczej ,  nie zawsze mówią prawdę ,  jak głosowali .
Tokens: 1 2 3__ 4____ 5_____ 6_____ 7_ 8______ 9_____ 10 11 12_____ 13 14_______ 15_____ 16_______ 17 18_ 19____ 20___ 21____ 22 23_ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #2089 from articles/00107449 from sent18

Text  : Na ile procent więc liczy PSL ?
Tokens: 1_ 2__ 3______ 4___ 5____ 6__ 7

Chunks:
  TruePositive nam [6,6] = PSL

(ChunkerEvaluator) Sentence #2090 from articles/00107449 from sent19

Text  : - Od początku naszych przemian , od 1989 r .  ,  jest taka prawidłowość ,  że PSL w  wyborach parlamentarnych dostaje ok .  75 proc tego ,  co miał w  samorządowych .
Tokens: 1 2_ 3_______ 4______ 5_______ 6 7_ 8___ 9 10 11 12__ 13__ 14__________ 15 16 17_ 18 19______ 20_____________ 21_____ 22 23 24 25__ 26__ 27 28 29__ 30 31___________ 32

Chunks:
  TruePositive nam [17,17] = PSL

(ChunkerEvaluator) Sentence #2091 from articles/00107449 from sent20

Text  : W ostatnich wyborach samorządowych zdobyli śmy 16 proc . ,  sądzę więc ,  że teraz powinni śmy dostać ok .  12 proc .  ,  czyli będziemy mieli ok .  50 mandatów w  Sejmie .
Tokens: 1 2________ 3_______ 4____________ 5______ 6__ 7_ 8___ 9 10 11___ 12__ 13 14 15___ 16_____ 17_ 18____ 19 20 21 22__ 23 24 25___ 26______ 27___ 28 29 30 31______ 32 33____ 34

Chunks:
  TruePositive nam [33,33] = Sejmie

(ChunkerEvaluator) Sentence #2092 from articles/00107449 from sent21

Text  : To o 10 więcej niż mamy obecnie .
Tokens: 1_ 2 3_ 4_____ 5__ 6___ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #2093 from articles/00107449 from sent22

Text  : Platforma będzie miała 32 - 34 proc . , a  PiS 28 proc .
Tokens: 1________ 2_____ 3____ 4_ 5 6_ 7___ 8 9 10 11_ 12 13__ 14

Chunks:
  TruePositive nam [11,11] = PiS
  FalseNegative nam [1,1] = Platforma

(ChunkerEvaluator) Sentence #2094 from articles/00107449 from sent23

Text  : Daje pan ok . 4 proc . różnicy między PO a  PiS .
Tokens: 1___ 2__ 3_ 4 5 6___ 7 8______ 9_____ 10 11 12_ 13

Chunks:
  TruePositive nam [10,10] = PO
  TruePositive nam [12,12] = PiS

(ChunkerEvaluator) Sentence #2095 from articles/00107449 from sent24

Text  : Co to oznacza dla PSL , który spodziewa się dla siebie znacznie lepszego wyniku niż w  2007 r  .  ,  kiedy mieli ście ok .  7  proc .  ?
Tokens: 1_ 2_ 3______ 4__ 5__ 6 7____ 8________ 9__ 10_ 11____ 12______ 13______ 14____ 15_ 16 17__ 18 19 20 21___ 22___ 23__ 24 25 26 27__ 28 29

Chunks:
  TruePositive nam [5,5] = PSL

(ChunkerEvaluator) Sentence #2096 from articles/00107449 from sent25

Text  : Teraz mogli by ście tworzyć koalicję zarówno z PO ,  jak i  z  PiS-em .
Tokens: 1____ 2____ 3_ 4___ 5______ 6_______ 7______ 8 9_ 10 11_ 12 13 14____ 15

Chunks:
  TruePositive nam [9,9] = PO
  TruePositive nam [14,14] = PiS-em

(ChunkerEvaluator) Sentence #2097 from articles/00107449 from sent26

Text  : - Nam już PiS proponował koalicję , kiedy premierem był Jarosław Kaczyński .
Tokens: 1 2__ 3__ 4__ 5_________ 6_______ 7 8____ 9________ 10_ 11______ 12_______ 13

Chunks:
  TruePositive nam [4,4] = PiS
  TruePositive nam [11,12] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #2098 from articles/00107449 from sent27

Text  : Odmówili śmy , kiedy przyjrzeli śmy się , na czym polega wizja państwa w  wersji PiS-u .
Tokens: 1_______ 2__ 3 4____ 5_________ 6__ 7__ 8 9_ 10__ 11____ 12___ 13_____ 14 15____ 16___ 17

Chunks:
  TruePositive nam [16,16] = PiS-u

(ChunkerEvaluator) Sentence #2099 from articles/00107449 from sent28

Text  : Politycy tej partii chcieli państwa silnego siłą CBA i prokuratorów ,  a  my siłą obywateli i  samorządów .
Tokens: 1_______ 2__ 3_____ 4______ 5______ 6______ 7___ 8__ 9 10__________ 11 12 13 14__ 15_______ 16 17________ 18

Chunks:
  FalseNegative nam [8,8] = CBA

(ChunkerEvaluator) Sentence #2100 from articles/00107449 from sent29

Text  : I od tamtej pory nic się nie zmieniło - oni nadal mają tę sama wizję ,  a  my nadal trzymamy się swojej .
Tokens: 1 2_ 3_____ 4___ 5__ 6__ 7__ 8_______ 9 10_ 11___ 12__ 13 14__ 15___ 16 17 18 19___ 20______ 21_ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #2101 from articles/00107449 from sent30

Text  : To dlaczego poseł PSL Eugeniusz Kłopotek nie wyklucza koalicji z  PiS-em ?
Tokens: 1_ 2_______ 3____ 4__ 5________ 6_______ 7__ 8_______ 9_______ 10 11____ 12

Chunks:
  TruePositive nam [4,4] = PSL
  TruePositive nam [5,6] = Eugeniusz Kłopotek
  TruePositive nam [11,11] = PiS-em

(ChunkerEvaluator) Sentence #2102 from articles/00107449 from sent31

Text  : - On jest z Torunia , a tam ludzie są zdominowani przez Radio Maryja .
Tokens: 1 2_ 3___ 4 5______ 6 7 8__ 9_____ 10 11_________ 12___ 13___ 14____ 15

Chunks:
  TruePositive nam [5,5] = Torunia
  TruePositive nam [13,14] = Radio Maryja

(ChunkerEvaluator) Sentence #2103 from articles/00107449 from sent32

Text  : Czasem poseł mówi to , co chce usłyszeć miejscowy elektorat .
Tokens: 1_____ 2____ 3___ 4_ 5 6_ 7___ 8_______ 9________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2104 from articles/00107449 from sent33

Text  : To nie jest zdanie PSL .
Tokens: 1_ 2__ 3___ 4_____ 5__ 6

Chunks:
  TruePositive nam [5,5] = PSL

(ChunkerEvaluator) Sentence #2105 from articles/00107449 from sent34

Text  : Ale takiej koalicji nie wykluczyła też pani marszałek Kierzkowska .
Tokens: 1__ 2_____ 3_______ 4__ 5_________ 6__ 7___ 8________ 9__________ 10

Chunks:
  TruePositive nam [9,9] = Kierzkowska

(ChunkerEvaluator) Sentence #2106 from articles/00107449 from sent35

Text  : To może w PSL jest jakaś grupa , która widzi przyszłą koalicję z  PiS-em ?
Tokens: 1_ 2___ 3 4__ 5___ 6____ 7____ 8 9____ 10___ 11______ 12______ 13 14____ 15

Chunks:
  TruePositive nam [4,4] = PSL
  TruePositive nam [14,14] = PiS-em

(ChunkerEvaluator) Sentence #2107 from articles/00107449 from sent36

Text  : - Miałem w klubie kilka osób , chyba cztery ,  o  takich propisowskich ciągotach .
Tokens: 1 2_____ 3 4_____ 5____ 6___ 7 8____ 9_____ 10 11 12____ 13___________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #2108 from articles/00107449 from sent37

Text  : Ale po słowach Adama Hofmana , o tych chłopach ,  co to przyjechali do Warszawy i  zbaranieli ,  to nie mam już ani jednego .
Tokens: 1__ 2_ 3______ 4____ 5______ 6 7 8___ 9_______ 10 11 12 13_________ 14 15______ 16 17________ 18 19 20_ 21_ 22_ 23_ 24_____ 25

Chunks:
  TruePositive nam [4,5] = Adama Hofmana
  TruePositive nam [15,15] = Warszawy

(ChunkerEvaluator) Sentence #2109 from articles/00107449 from sent38

Text  : Politycy potrafią chować do kieszeni urazy , kiedy trafia się szansa na rządzenie .
Tokens: 1_______ 2_______ 3_____ 4_ 5_______ 6____ 7 8____ 9_____ 10_ 11____ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #2110 from articles/00107449 from sent39

Text  : - Chcę tylko powiedzieć , że w mojej ocenie nie ma w  PSL sił ,  które dążyły by do koalicji z  PiS-em .  My mamy z  tą partią rachunki z  przeszłości ,  kiedy PiS próbował rozsadzić nas od środka .
Tokens: 1 2___ 3____ 4_________ 5 6_ 7 8____ 9_____ 10_ 11 12 13_ 14_ 15 16___ 17____ 18 19 20______ 21 22____ 23 24 25__ 26 27 28____ 29______ 30 31_________ 32 33___ 34_ 35______ 36_______ 37_ 38 39____ 40

Chunks:
  TruePositive nam [13,13] = PSL
  TruePositive nam [22,22] = PiS-em
  TruePositive nam [34,34] = PiS
  FalsePositive nam [24,24] = My

(ChunkerEvaluator) Sentence #2111 from articles/00107449 from sent40

Text  : Przekabacili wtedy kilku naszych czołowych działaczy - ówczesnego prezesa Janusza Wojciechowskiego ,  Zbigniewa Kuźmiuka ,  Zdzisława Podkańskiego -  i  chcieli założyć partię podporządkowaną PiS-owi pod nazwą Zgoda .
Tokens: 1___________ 2____ 3____ 4______ 5________ 6________ 7 8_________ 9______ 10_____ 11______________ 12 13_______ 14______ 15 16_______ 17__________ 18 19 20_____ 21_____ 22____ 23_____________ 24_____ 25_ 26___ 27___ 28

Chunks:
  TruePositive nam [10,11] = Janusza Wojciechowskiego
  TruePositive nam [13,14] = Zbigniewa Kuźmiuka
  TruePositive nam [16,17] = Zdzisława Podkańskiego
  TruePositive nam [24,24] = PiS-owi
  TruePositive nam [27,27] = Zgoda

(ChunkerEvaluator) Sentence #2112 from articles/00107449 from sent41

Text  : Na szczęście zdołali śmy się temu oprzeć i grupa Wojciechowskiego odeszła z  PSL .
Tokens: 1_ 2________ 3______ 4__ 5__ 6___ 7_____ 8 9____ 10______________ 11_____ 12 13_ 14

Chunks:
  TruePositive nam [10,10] = Wojciechowskiego
  TruePositive nam [13,13] = PSL

(ChunkerEvaluator) Sentence #2113 from articles/00107449 from sent42

Text  : Ale pamiętamy .
Tokens: 1__ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #2114 from articles/00107449 from sent43

Text  : Jak pan rozumie słowa Donalda Tuska , że jeśli PO nie wygra tych wyborów ,  to przechodzi do opozycji ?
Tokens: 1__ 2__ 3______ 4____ 5______ 6____ 7 8_ 9____ 10 11_ 12___ 13__ 14_____ 15 16 17________ 18 19______ 20

Chunks:
  TruePositive nam [5,6] = Donalda Tuska
  TruePositive nam [10,10] = PO

(ChunkerEvaluator) Sentence #2115 from articles/00107449 from sent44

Text  : Że nie będzie tworzył rządu , nawet gdyby było to możliwe .
Tokens: 1_ 2__ 3_____ 4______ 5____ 6 7____ 8____ 9___ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2116 from articles/00107449 from sent45

Text  : Co wtedy zrobi PSL ?
Tokens: 1_ 2____ 3____ 4__ 5

Chunks:
  TruePositive nam [4,4] = PSL

(ChunkerEvaluator) Sentence #2117 from articles/00107449 from sent46

Text  : - Nic , bo to nie wchodzi w rachubę .
Tokens: 1 2__ 3 4_ 5_ 6__ 7______ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #2118 from articles/00107449 from sent47

Text  : Tusk powiedział to , by zmobilizować swój elektorat .
Tokens: 1___ 2_________ 3_ 4 5_ 6___________ 7___ 8________ 9

Chunks:
  TruePositive nam [1,1] = Tusk

(ChunkerEvaluator) Sentence #2119 from articles/00107449 from sent48

Text  : Tylko po to .
Tokens: 1____ 2_ 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #2120 from articles/00107449 from sent49

Text  : A jednak nie można wykluczyć , że PO przegra ,  i  to PiS będzie chciał stworzyć koalicję .
Tokens: 1 2_____ 3__ 4____ 5________ 6 7_ 8_ 9______ 10 11 12 13_ 14____ 15____ 16______ 17______ 18

Chunks:
  TruePositive nam [8,8] = PO
  TruePositive nam [13,13] = PiS

(ChunkerEvaluator) Sentence #2121 from articles/00107449 from sent50

Text  : PSL , partia władzy - jak mówi o was Janusz Palikot -  odmówi ?
Tokens: 1__ 2 3_____ 4_____ 5 6__ 7___ 8 9__ 10____ 11_____ 12 13____ 14

Chunks:
  TruePositive nam [1,1] = PSL
  TruePositive nam [10,11] = Janusz Palikot

(ChunkerEvaluator) Sentence #2122 from articles/00107449 from sent51

Text  : - To jest opinia Palikota .
Tokens: 1 2_ 3___ 4_____ 5_______ 6

Chunks:
  FalseNegative nam [5,5] = Palikota

(ChunkerEvaluator) Sentence #2123 from articles/00107449 from sent52

Text  : My , decydując się na profil partii centrowej , zdawali śmy sobie sprawę ,  że taka partia ma małe pole do działania ,  bo centrum w  Polsce jest maleńkie .
Tokens: 1_ 2 3________ 4__ 5_ 6_____ 7_____ 8________ 9 10_____ 11_ 12___ 13____ 14 15 16__ 17____ 18 19__ 20__ 21 22_______ 23 24 25_____ 26 27____ 28__ 29______ 30

Chunks:
  TruePositive nam [27,27] = Polsce

(ChunkerEvaluator) Sentence #2124 from articles/00107449 from sent53

Text  : Ale za to możemy współpracować z prawą i z lewą stroną .
Tokens: 1__ 2_ 3_ 4_____ 5____________ 6 7____ 8 9 10__ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #2125 from articles/00107449 from sent54

Text  : Z tym że nie sądzę , by doszło do współpracy ze stroną pisowską .
Tokens: 1 2__ 3_ 4__ 5____ 6 7_ 8_____ 9_ 10________ 11 12____ 13______ 14

Chunks:
  FalseNegative nam [13,13] = pisowską

(ChunkerEvaluator) Sentence #2126 from articles/00107449 from sent55

Text  : A współpraca z SLD jest możliwa ?
Tokens: 1 2_________ 3 4__ 5___ 6______ 7

Chunks:
  TruePositive nam [4,4] = SLD

(ChunkerEvaluator) Sentence #2127 from articles/00107449 from sent56

Text  : - To my na początku tego rządu , kiedy prezydentem był Lech Kaczyński i  razem z  PO nie mieli śmy większości w  Sejmie ,  by odrzucać weto prezydenta ,  zasugerowali śmy ,  by poszerzyć koalicję o  SLD .
Tokens: 1 2_ 3_ 4_ 5_______ 6___ 7____ 8 9____ 10_________ 11_ 12__ 13_______ 14 15___ 16 17 18_ 19___ 20_ 21________ 22 23____ 24 25 26______ 27__ 28________ 29 30__________ 31_ 32 33 34_______ 35______ 36 37_ 38

Chunks:
  TruePositive nam [12,13] = Lech Kaczyński
  TruePositive nam [17,17] = PO
  TruePositive nam [23,23] = Sejmie
  TruePositive nam [37,37] = SLD

(ChunkerEvaluator) Sentence #2128 from articles/00107449 from sent57

Text  : Wówczas Platforma odpowiedziała , że jej frakcja konserwatywna tego nie zaakceptuje .
Tokens: 1______ 2________ 3____________ 4 5_ 6__ 7______ 8____________ 9___ 10_ 11_________ 12

Chunks:
  TruePositive nam [2,2] = Platforma

(ChunkerEvaluator) Sentence #2129 from articles/00107449 from sent58

Text  : Myślę , że tu się niewiele zmieniło - ta frakcja nie zgodzi się na taką trójkoalicję .
Tokens: 1____ 2 3_ 4_ 5__ 6_______ 7_______ 8 9_ 10_____ 11_ 12____ 13_ 14 15__ 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #2130 from articles/00107449 from sent59

Text  : Ale ja pytam , czy dla PSL taki układ jest do zaakceptowania ?
Tokens: 1__ 2_ 3____ 4 5__ 6__ 7__ 8___ 9____ 10__ 11 12____________ 13

Chunks:
  TruePositive nam [7,7] = PSL

(ChunkerEvaluator) Sentence #2131 from articles/00107449 from sent60

Text  : - Nie rwiemy się do tego , ale nie będziemy mieli problemu z  akceptacją .
Tokens: 1 2__ 3_____ 4__ 5_ 6___ 7 8__ 9__ 10______ 11___ 12______ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #2132 from articles/00107449 from sent61

Text  : Czekają nas ciężkie czasy i trzeba przez nie kraj przeprowadzić .
Tokens: 1______ 2__ 3______ 4____ 5 6_____ 7____ 8__ 9___ 10___________ 11

Chunks:

(ChunkerEvaluator) Sentence #2133 from articles/00107449 from sent62

Text  : Taki rząd był by dobry na ciężkie czasy .
Tokens: 1___ 2___ 3__ 4_ 5____ 6_ 7______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #2134 from articles/00107449 from sent63

Text  : Mimo iż przewodniczący Grzegorz Napieralski tyle obiecuje wyborcom ?
Tokens: 1___ 2_ 3_____________ 4_______ 5__________ 6___ 7_______ 8_______ 9

Chunks:
  TruePositive nam [4,5] = Grzegorz Napieralski

(ChunkerEvaluator) Sentence #2135 from articles/00107449 from sent64

Text  : - Wiele wskazuje na to , że Napieralski przegra wybory w  Szczecinie z  Bartoszem Arłukowiczem ,  będzie więc chciał wejść do rządu ,  by przykryć tę swoją porażkę .
Tokens: 1 2____ 3_______ 4_ 5_ 6 7_ 8__________ 9______ 10____ 11 12________ 13 14_______ 15__________ 16 17____ 18__ 19____ 20___ 21 22___ 23 24 25______ 26 27___ 28_____ 29

Chunks:
  TruePositive nam [12,12] = Szczecinie
  TruePositive nam [14,15] = Bartoszem Arłukowiczem
  FalseNegative nam [8,8] = Napieralski

(ChunkerEvaluator) Sentence #2136 from articles/00107449 from sent65

Text  : SLD jest wygłodniały władzy .
Tokens: 1__ 2___ 3__________ 4_____ 5

Chunks:
  TruePositive nam [1,1] = SLD

(ChunkerEvaluator) Sentence #2137 from articles/00107449 from sent66

Text  : Myślę , że weszli by do rządu na każdych warunkach .
Tokens: 1____ 2 3_ 4_____ 5_ 6_ 7____ 8_ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2138 from articles/00107449 from sent67

Text  : To porozmawiajmy o tych ciężkich czasach , które nas czekają .
Tokens: 1_ 2____________ 3 4___ 5_______ 6______ 7 8____ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #2139 from articles/00107449 from sent68

Text  : Z czym będzie się musiał zmierzyć nowy rząd ?
Tokens: 1 2___ 3_____ 4__ 5_____ 6_______ 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #2140 from articles/00107449 from sent69

Text  : - Najważniejsze będzie zrównoważenie finansów .
Tokens: 1 2____________ 3_____ 4____________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2141 from articles/00107449 from sent70

Text  : Przy globalnych zakłóceniach na rynkach i spodziewanych mniejszych niż w  tym czteroleciu wpływach z  prywatyzacji to jest naprawdę duże wyzwanie dla rządu .
Tokens: 1___ 2_________ 3___________ 4_ 5______ 6 7____________ 8_________ 9__ 10 11_ 12_________ 13______ 14 15__________ 16 17__ 18______ 19__ 20______ 21_ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #2142 from articles/00107449 from sent71

Text  : Polska potrzebuje , by PKB rósł w tempie rocznym 6  -  7  proc .
Tokens: 1_____ 2_________ 3 4_ 5__ 6___ 7 8_____ 9______ 10 11 12 13__ 14

Chunks:
  TruePositive nam [1,1] = Polska
  TruePositive nam [5,5] = PKB

(ChunkerEvaluator) Sentence #2143 from articles/00107449 from sent72

Text  : Rząd musi zrobić wszystko , by taki wskaźnik osiągnąć .
Tokens: 1___ 2___ 3_____ 4_______ 5 6_ 7___ 8_______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #2144 from articles/00107449 from sent73

Text  : A drugi ważny problem to nasza demografia .
Tokens: 1 2____ 3____ 4______ 5_ 6____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #2145 from articles/00107449 from sent74

Text  : Społeczeństwo się starzeje , coraz więcej spada na barki młodych ludzi ,  którzy muszą utrzymać rosnącą rzeszę emerytów .
Tokens: 1____________ 2__ 3_______ 4 5____ 6_____ 7____ 8_ 9____ 10_____ 11___ 12 13____ 14___ 15______ 16_____ 17____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #2146 from articles/00107449 from sent75

Text  : Trzeba przyznać , że partie tyle już naobiecywały w kampanii wyborczej ,  że gdyby przyszły rząd miał tego wszystkiego dotrzymać ,  to nie zdoła osiągnąć wzrostu PKB o  6  proc .
Tokens: 1_____ 2_______ 3 4_ 5_____ 6___ 7__ 8___________ 9 10______ 11_______ 12 13 14___ 15______ 16__ 17__ 18__ 19_________ 20_______ 21 22 23_ 24___ 25______ 26_____ 27_ 28 29 30__ 31

Chunks:
  TruePositive nam [27,27] = PKB

(ChunkerEvaluator) Sentence #2147 from articles/00107449 from sent76

Text  : Na tym tle PSL się wyróżnia - mało obiecujemy ,  staramy się twardo stąpać po ziemi .
Tokens: 1_ 2__ 3__ 4__ 5__ 6_______ 7 8___ 9_________ 10 11_____ 12_ 13____ 14____ 15 16___ 17

Chunks:
  TruePositive nam [4,4] = PSL

(ChunkerEvaluator) Sentence #2148 from articles/00107449 from sent77

Text  : To prawda , że mało obiecujecie , ale ten rząd przy waszym poparciu podnosi płacę minimalną ponad poziom zagwarantowany ustawowo .
Tokens: 1_ 2_____ 3 4_ 5___ 6__________ 7 8__ 9__ 10__ 11__ 12____ 13______ 14_____ 15___ 16_______ 17___ 18____ 19____________ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #2149 from articles/00107449 from sent78

Text  : Dla przedsiębiorców to czysty przedwyborczy populizm .
Tokens: 1__ 2______________ 3_ 4_____ 5____________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #2150 from articles/00107449 from sent79

Text  : - Uważam , że udało nam się osiągnąć w tej sprawie kompromis .
Tokens: 1 2_____ 3 4_ 5____ 6__ 7__ 8_______ 9 10_ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #2151 from articles/00107449 from sent80

Text  : Przedsiębiorcy narzekają , że płaca minimalna rośnie za bardzo ,  a  związkowcy ,  że za mało .
Tokens: 1_____________ 2________ 3 4_ 5____ 6________ 7_____ 8_ 9_____ 10 11 12________ 13 14 15 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #2152 from articles/00107449 from sent81

Text  : Jedni i drudzy są niezadowoleni - to znaczy , że to nie jest populizm .
Tokens: 1____ 2 3_____ 4_ 5____________ 6 7_ 8_____ 9 10 11 12_ 13__ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #2153 from articles/00107449 from sent82

Text  : Wasz spot wyborczy brzmi mniej więcej tak : nie jesteśmy tacy ,  jak o  nas myślicie .
Tokens: 1___ 2___ 3_______ 4____ 5____ 6_____ 7__ 8 9__ 10______ 11__ 12 13_ 14 15_ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #2154 from articles/00107449 from sent83

Text  : Co my - nieludowcy - myślimy o PSL ?
Tokens: 1_ 2_ 3 4_________ 5 6______ 7 8__ 9

Chunks:
  TruePositive nam [8,8] = PSL

(ChunkerEvaluator) Sentence #2155 from articles/00107449 from sent84

Text  : - My wszędzie podkreślamy , że jesteśmy partią ogólnonarodową .
Tokens: 1 2_ 3_______ 4__________ 5 6_ 7_______ 8_____ 9_____________ 10

Chunks:

(ChunkerEvaluator) Sentence #2156 from articles/00107449 from sent85

Text  : Mamy to zapisane w statucie , coraz więcej ludzi w  miastach chce na nas głosować ,  ale wy widzicie nas jako partię wiejską .
Tokens: 1___ 2_ 3_______ 4 5_______ 6 7____ 8_____ 9____ 10 11______ 12__ 13 14_ 15______ 16 17_ 18 19______ 20_ 21__ 22____ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #2157 from articles/00107449 from sent86

Text  : Ten stereotyp ciągle pokutuje .
Tokens: 1__ 2________ 3_____ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #2158 from articles/00107449 from sent87

Text  : A ja myślała m , że ten spot ma powiedzieć ,  że fałszywy jest obraz PSL jako partii władzy .
Tokens: 1 2_ 3______ 4 5 6_ 7__ 8___ 9_ 10________ 11 12 13______ 14__ 15___ 16_ 17__ 18____ 19____ 20

Chunks:
  TruePositive nam [16,16] = PSL

(ChunkerEvaluator) Sentence #2159 from articles/00107449 from sent88

Text  : Takiej , która nie idzie do rządu , by reformować kraj ,  tylko jest hamulcowym każdego rządu ,  zainteresowanym wyłącznie zdobyciem jak największej liczby posad dla swoich ludzi .
Tokens: 1_____ 2 3____ 4__ 5____ 6_ 7____ 8 9_ 10________ 11__ 12 13___ 14__ 15________ 16_____ 17___ 18 19_____________ 20_______ 21_______ 22_ 23_________ 24____ 25___ 26_ 27____ 28___ 29

Chunks:

(ChunkerEvaluator) Sentence #2160 from articles/00107449 from sent89

Text  : - To niesprawiedliwa ocena .
Tokens: 1 2_ 3______________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #2161 from articles/00107449 from sent90

Text  : Partie przed wyborami za dużo obiecują i potem , kiedy trzeba się wytłumaczyć z  tych niespełnionych obietnic ,  to się znajduje hamulcowego .
Tokens: 1_____ 2____ 3_______ 4_ 5___ 6_______ 7 8____ 9 10___ 11____ 12_ 13_________ 14 15__ 16____________ 17______ 18 19 20_ 21______ 22_________ 23

Chunks:

(ChunkerEvaluator) Sentence #2162 from articles/00107449 from sent91

Text  : Pamiętam wypowiedź prof . Stanisława Gomułki .
Tokens: 1_______ 2________ 3___ 4 5_________ 6______ 7

Chunks:
  TruePositive nam [5,6] = Stanisława Gomułki

(ChunkerEvaluator) Sentence #2163 from articles/00107449 from sent92

Text  : Kiedy odszedł z tego rządu , powiedział publicznie , że PSL jest bardziej reformatorski niż PO .
Tokens: 1____ 2______ 3 4___ 5____ 6 7_________ 8_________ 9 10 11_ 12__ 13______ 14___________ 15_ 16 17

Chunks:
  TruePositive nam [11,11] = PSL
  TruePositive nam [16,16] = PO

(ChunkerEvaluator) Sentence #2164 from articles/00107449 from sent93

Text  : A co do stołków , to każda partia , kiedy zdobywa władzę ,  obsadza stanowiska swoimi ludźmi .
Tokens: 1 2_ 3_ 4______ 5 6_ 7____ 8_____ 9 10___ 11_____ 12____ 13 14_____ 15________ 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #2165 from articles/00107449 from sent94

Text  : My tu się absolutnie nie wyróżniamy - dostajemy tyle stanowisk ,  ile nam się z  podziału głosów należy .
Tokens: 1_ 2_ 3__ 4_________ 5__ 6_________ 7 8________ 9___ 10_______ 11 12_ 13_ 14_ 15 16______ 17____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #2166 from articles/00107449 from sent95

Text  : To nie my , tylko prezes Jarosław Kaczyński po zdobyciu władzy wprowadził ponad 6  tys .  swoich ludzi do administracji .
Tokens: 1_ 2__ 3_ 4 5____ 6_____ 7_______ 8________ 9_ 10______ 11____ 12________ 13___ 14 15_ 16 17____ 18___ 19 20___________ 21

Chunks:
  TruePositive nam [7,8] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #2167 from articles/00107449 from sent96

Text  : I co ?
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #2168 from articles/00107449 from sent97

Text  : Ktoś o tym pamięta ?
Tokens: 1___ 2 3__ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #2169 from articles/00107449 from sent98

Text  : Nie , mediom łatwiej jest nas atakować .
Tokens: 1__ 2 3_____ 4______ 5___ 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2170 from articles/00107449 from sent99

Text  : Do tego się przyzwyczaiły , bo mamy taki wizerunek .
Tokens: 1_ 2___ 3__ 4____________ 5 6_ 7___ 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #2171 from articles/00107449 from sent100

Text  : O innych partiach się nie mówi , bo trzeba by atak uzasadnić .
Tokens: 1 2_____ 3_______ 4__ 5__ 6___ 7 8_ 9_____ 10 11__ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #2172 from articles/00107449 from sent101

Text  : Tak pan wytłumaczy również to , co dzieje się w  telewizji publicznej ?
Tokens: 1__ 2__ 3_________ 4______ 5_ 6 7_ 8_____ 9__ 10 11_______ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #2173 from articles/00107449 from sent102

Text  : Przy nowym podziale władzy PO dostała program pierwszy , SLD drugi ,  a  wy -  TVP Info .
Tokens: 1___ 2____ 3_______ 4_____ 5_ 6______ 7______ 8_______ 9 10_ 11___ 12 13 14 15 16_ 17__ 18

Chunks:
  TruePositive nam [5,5] = PO
  TruePositive nam [10,10] = SLD
  TruePositive nam [16,17] = TVP Info

(ChunkerEvaluator) Sentence #2174 from articles/00107449 from sent103

Text  : I w TVP Info jest zielono , Pawlak z ministrem Sawickim jest non stop .
Tokens: 1 2 3__ 4___ 5___ 6______ 7 8_____ 9 10_______ 11______ 12__ 13_ 14__ 15

Chunks:
  TruePositive nam [3,4] = TVP Info
  TruePositive nam [8,8] = Pawlak
  TruePositive nam [11,11] = Sawickim

(ChunkerEvaluator) Sentence #2175 from articles/00107449 from sent104

Text  : To o was się mówi , że zawłaszczyli ście swój kanał telewizyjny całkowicie ,  bez odrobiny przyzwoitości .
Tokens: 1_ 2 3__ 4__ 5___ 6 7_ 8___________ 9___ 10__ 11___ 12_________ 13________ 14 15_ 16______ 17___________ 18

Chunks:

(ChunkerEvaluator) Sentence #2176 from articles/00107449 from sent105

Text  : - Ja tam nie bywam .
Tokens: 1 2_ 3__ 4__ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #2177 from articles/00107449 from sent106

Text  : Rozumiem , że jak są jakieś dożynki czy święta ludowe ,  a  akurat tego dnia nic ciekawego się nie dzieje ,  to telewizja może to pokazać .
Tokens: 1_______ 2 3_ 4__ 5_ 6_____ 7______ 8__ 9_____ 10____ 11 12 13____ 14__ 15__ 16_ 17_______ 18_ 19_ 20____ 21 22 23_______ 24__ 25 26_____ 27

Chunks:
  FalseNegative nam [7,7] = dożynki

(ChunkerEvaluator) Sentence #2178 from articles/00107449 from sent107

Text  : Coś kiepsko się pan tłumaczy .
Tokens: 1__ 2______ 3__ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2179 from articles/00107449 from sent108

Text  : Przecież są zarządzenia odgórne .
Tokens: 1_______ 2_ 3__________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #2180 from articles/00107449 from sent109

Text  : - Nie wiem , z prezesem telewizji się nie spotykam .
Tokens: 1 2__ 3___ 4 5 6_______ 7________ 8__ 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #2181 from articles/00107449 from sent110

Text  : To nie są pytania do mnie .
Tokens: 1_ 2__ 3_ 4______ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #2182 from articles/00107449 from sent111

Text  : Jeśli wejdziecie do nowego rządu , to będziecie bardziej reformatorscy niż w  tym ?
Tokens: 1____ 2_________ 3_ 4_____ 5____ 6 7_ 8________ 9_______ 10___________ 11_ 12 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #2183 from articles/00107449 from sent112

Text  : - Kiedy powstawała ta koalicja , mieli śmy bardzo mało czasu na to ,  by ustalić zasady ,  ułożyć wspólny program .
Tokens: 1 2____ 3_________ 4_ 5_______ 6 7____ 8__ 9_____ 10__ 11___ 12 13 14 15 16_____ 17____ 18 19____ 20_____ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #2184 from articles/00107449 from sent113

Text  : Trzeba było szybko się dogadać i zacząć działać .
Tokens: 1_____ 2___ 3_____ 4__ 5______ 6 7_____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2185 from articles/00107449 from sent114

Text  : Podpisali śmy półtorastronicowe porozumienie , licząc na dobrą wolę Tuska i  Pawlaka ,  na to ,  że będą chcieli się dogadywać .
Tokens: 1________ 2__ 3________________ 4___________ 5 6_____ 7_ 8____ 9___ 10___ 11 12_____ 13 14 15 16 17 18__ 19_____ 20_ 21_______ 22

Chunks:
  TruePositive nam [10,10] = Tuska
  TruePositive nam [12,12] = Pawlaka

(ChunkerEvaluator) Sentence #2186 from articles/00107449 from sent115

Text  : W blisko 80 proc . spraw się zgadzali śmy i  na tym ten rząd się skoncentrował .
Tokens: 1 2_____ 3_ 4___ 5 6____ 7__ 8_______ 9__ 10 11 12_ 13_ 14__ 15_ 16___________ 17

Chunks:

(ChunkerEvaluator) Sentence #2187 from articles/00107449 from sent116

Text  : Tak ustalili śmy .
Tokens: 1__ 2_______ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #2188 from articles/00107449 from sent117

Text  : Aby uniknąć kłótni , które mogły by rozsadzić rząd ,  nie ruszali śmy spraw spornych .
Tokens: 1__ 2______ 3_____ 4 5____ 6____ 7_ 8________ 9___ 10 11_ 12_____ 13_ 14___ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #2189 from articles/00107449 from sent118

Text  : Uznali śmy , że Polsce potrzebne są te cztery lata spokoju .
Tokens: 1_____ 2__ 3 4_ 5_____ 6________ 7_ 8_ 9_____ 10__ 11_____ 12

Chunks:
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #2190 from articles/00107449 from sent119

Text  : I walki między nami praktycznie nie było .
Tokens: 1 2____ 3_____ 4___ 5__________ 6__ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #2191 from articles/00107449 from sent120

Text  : Doświadczenie z tych lat jest takie , że w obszarach ,  w  których się dogadali śmy ,  byli śmy lojalni aż do bólu .
Tokens: 1____________ 2 3___ 4__ 5___ 6____ 7 8_ 9 10_______ 11 12 13_____ 14_ 15______ 16_ 17 18__ 19_ 20_____ 21 22 23__ 24

Chunks:

(ChunkerEvaluator) Sentence #2192 from articles/00107449 from sent121

Text  : Jeśli teraz będziemy tworzyć rząd , sytuacja jest inna ,  nie ma takiego pośpiechu .
Tokens: 1____ 2____ 3_______ 4______ 5___ 6 7_______ 8___ 9___ 10 11_ 12 13_____ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #2193 from articles/00107449 from sent122

Text  : I w zależności od tego , jaki będzie układ sił po wyborach ,  trzeba będzie ustalić priorytety dla państwa .
Tokens: 1 2 3_________ 4_ 5___ 6 7___ 8_____ 9____ 10_ 11 12______ 13 14____ 15____ 16_____ 17________ 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #2194 from articles/00107449 from sent123

Text  : Jest już zrobiony ramowy program pod przyszłą koalicję , eksperci z  obu stron -  PO i  PSL -  pracowali nad nim ,  by można było zacząć go realizować od razu po zaprzysiężeniu rządu .
Tokens: 1___ 2__ 3_______ 4_____ 5______ 6__ 7_______ 8_______ 9 10______ 11 12_ 13___ 14 15 16 17_ 18 19_______ 20_ 21_ 22 23 24___ 25__ 26____ 27 28________ 29 30__ 31 32____________ 33___ 34

Chunks:
  TruePositive nam [15,15] = PO
  TruePositive nam [17,17] = PSL

(ChunkerEvaluator) Sentence #2195 from articles/00107449 from sent124

Text  : Na przykład ?
Tokens: 1_ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #2196 from articles/00107449 from sent125

Text  : - Jest przygotowywana reforma centrum , bo uznali śmy ,  że trzeba poprawić przepływ informacji między resortami .
Tokens: 1 2___ 3_____________ 4______ 5______ 6 7_ 8_____ 9__ 10 11 12____ 13______ 14______ 15________ 16____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #2197 from articles/00107449 from sent126

Text  : Słaby jest system sądowniczy .
Tokens: 1____ 2___ 3_____ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #2198 from articles/00107449 from sent127

Text  : Procesy trwają stanowczo zbyt długo ; to objaw słabości państwa .
Tokens: 1______ 2_____ 3________ 4___ 5____ 6 7_ 8____ 9_______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #2199 from articles/00107449 from sent128

Text  : Trzeba zredukować przywileje emerytalne nie tylko służb mundurowych , ale też prokuratorów ,  sędziów .
Tokens: 1_____ 2_________ 3_________ 4_________ 5__ 6____ 7____ 8__________ 9 10_ 11_ 12__________ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #2200 from articles/00107449 from sent129

Text  : Poprzecie głęboką reformę finansów publicznych ?
Tokens: 1________ 2______ 3______ 4_______ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #2201 from articles/00107449 from sent130

Text  : - Na pewno .
Tokens: 1 2_ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #2202 from articles/00107449 from sent131

Text  : Bez tego się dłużej nie da .
Tokens: 1__ 2___ 3__ 4_____ 5__ 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #2203 from articles/00107449 from sent132

Text  : Nie da się dalej rządzić za pomocą takich ruchów jak przesunięcie 20 mld zł z  jednej kupki na drugą .
Tokens: 1__ 2_ 3__ 4____ 5______ 6_ 7_____ 8_____ 9_____ 10_ 11__________ 12 13_ 14 15 16____ 17___ 18 19___ 20

Chunks:
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #2204 from articles/00107449 from sent133

Text  : Konieczne jest powołanie centrum strategicznego , które będzie patrzyło na 20 lat do przodu .
Tokens: 1________ 2___ 3________ 4______ 5_____________ 6 7____ 8_____ 9_______ 10 11 12_ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #2205 from articles/00107449 from sent134

Text  : Teraz robi to Michał Boni z grupą studentów .
Tokens: 1____ 2___ 3_ 4_____ 5___ 6 7____ 8________ 9

Chunks:
  TruePositive nam [4,5] = Michał Boni

(ChunkerEvaluator) Sentence #2206 from articles/00107449 from sent135

Text  : To naprawdę nie wystarcza , by państwo było sprawne .
Tokens: 1_ 2_______ 3__ 4________ 5 6_ 7______ 8___ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #2207 from articles/00107449 from sent136

Text  : W innych unijnych krajach są takie ośrodki , które opracowują strategie w  długiej perspektywie .
Tokens: 1 2_____ 3_______ 4______ 5_ 6____ 7______ 8 9____ 10________ 11_______ 12 13_____ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #2208 from articles/00107449 from sent137

Text  : A służba zdrowia powinna być prywatna czy publiczna ?
Tokens: 1 2_____ 3______ 4______ 5__ 6_______ 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #2209 from articles/00107449 from sent138

Text  : - Chcemy różnych form własności w służbie zdrowia .
Tokens: 1 2_____ 3______ 4___ 5________ 6 7______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2210 from articles/00107449 from sent139

Text  : Niech one ze sobą konkurują .
Tokens: 1____ 2__ 3_ 4___ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #2211 from articles/00107449 from sent140

Text  : Może wreszcie zobaczymy efekty .
Tokens: 1___ 2_______ 3________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #2212 from articles/00107449 from sent141

Text  : Bo suma pieniędzy , jaką ten rząd wpompował w służbę zdrowia ,  jest imponująca .
Tokens: 1_ 2___ 3________ 4 5___ 6__ 7___ 8________ 9 10____ 11_____ 12 13__ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #2213 from articles/00107449 from sent142

Text  : Ale pacjenci nadal narzekają .
Tokens: 1__ 2_______ 3____ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2214 from articles/00107449 from sent143

Text  : Jestem realistą - mamy ogromne zaszłości , tego się szybko nie nadgoni .
Tokens: 1_____ 2_______ 3 4___ 5______ 6________ 7 8___ 9__ 10____ 11_ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #2215 from articles/00107449 from sent144

Text  : Gdzie nam np . do krajów skandynawskich , a tam też pacjenci narzekają na służbę zdrowia .
Tokens: 1____ 2__ 3_ 4 5_ 6_____ 7_____________ 8 9 10_ 11_ 12______ 13_______ 14 15____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #2216 from articles/00107449 from sent145

Text  : Chciał by pan , by Rostowski był ministrem finansów w  nowym rządzie ?
Tokens: 1_____ 2_ 3__ 4 5_ 6________ 7__ 8________ 9_______ 10 11___ 12_____ 13

Chunks:
  TruePositive nam [6,6] = Rostowski

(ChunkerEvaluator) Sentence #2217 from articles/00107449 from sent146

Text  : - O tym zdecyduje premier .
Tokens: 1 2 3__ 4________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #2218 from articles/00107449 from sent147

Text  : Nie chcę się w to mieszać .
Tokens: 1__ 2___ 3__ 4 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #2219 from articles/00107449 from sent148

Text  : Pawlak powinien być nadal wicepremierem i ministrem gospodarki ?
Tokens: 1_____ 2_______ 3__ 4____ 5____________ 6 7________ 8_________ 9

Chunks:
  TruePositive nam [1,1] = Pawlak

(ChunkerEvaluator) Sentence #2220 from articles/00107449 from sent149

Text  : - Jest dobrym ministrem , więc nadal powinien nim być .
Tokens: 1 2___ 3_____ 4________ 5 6___ 7____ 8_______ 9__ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #2221 from articles/00107449 from sent150

Text  : A Jolanta Fedak ?
Tokens: 1 2______ 3____ 4

Chunks:
  TruePositive nam [2,3] = Jolanta Fedak

(ChunkerEvaluator) Sentence #2222 from articles/00107449 from sent151

Text  : - Jest dobrym ministrem .
Tokens: 1 2___ 3_____ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2223 from articles/00107449 from sent152

Text  : Myśmy o resort pracy nie walczyli , tylko proporcjonalnie do liczby głosów oddanych na PSL dostali śmy stanowiska w  rządzie .
Tokens: 1____ 2 3_____ 4____ 5__ 6_______ 7 8____ 9______________ 10 11____ 12____ 13______ 14 15_ 16_____ 17_ 18________ 19 20_____ 21

Chunks:
  TruePositive nam [15,15] = PSL

(ChunkerEvaluator) Sentence #2224 from articles/00107449 from sent153

Text  : Dostali śmy rolnictwo , bo niezależnie , kto by rządził ,  to wieś i  tak zawsze uważa ,  że my za rolnictwo odpowiadamy .
Tokens: 1______ 2__ 3________ 4 5_ 6__________ 7 8__ 9_ 10_____ 11 12 13__ 14 15_ 16____ 17___ 18 19 20 21 22_______ 23_________ 24

Chunks:

(ChunkerEvaluator) Sentence #2225 from articles/00107449 from sent154

Text  : Dostali śmy gospodarkę , bo Pawlak się na tym zna .
Tokens: 1______ 2__ 3_________ 4 5_ 6_____ 7__ 8_ 9__ 10_ 11

Chunks:
  TruePositive nam [6,6] = Pawlak

(ChunkerEvaluator) Sentence #2226 from articles/00107449 from sent155

Text  : I tyle .
Tokens: 1 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #2227 from articles/00107449 from sent156

Text  : No to teraz , jeśli otrzymacie więcej głosów , powinni ście otrzymać więcej resortów .
Tokens: 1_ 2_ 3____ 4 5____ 6_________ 7_____ 8_____ 9 10_____ 11__ 12______ 13____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #2228 from articles/00107449 from sent157

Text  : Na czym wam zależy ?
Tokens: 1_ 2___ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #2229 from articles/00107449 from sent158

Text  : - Wydaje się , że resort ochrony środowiska jest dość naturalny .
Tokens: 1 2_____ 3__ 4 5_ 6_____ 7______ 8_________ 9___ 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #2230 from articles/00107449 from sent159

Text  : Jesteśmy silni w samorządach , więc mogli by śmy otrzymać stanowiska w  tych ministerstwach ,  które współpracują ściśle z  samorządami ,  np .  Rozwoju Regionalnego .
Tokens: 1_______ 2____ 3 4__________ 5 6___ 7____ 8_ 9__ 10______ 11________ 12 13__ 14____________ 15 16___ 17__________ 18____ 19 20_________ 21 22 23 24_____ 25__________ 26

Chunks:
  TruePositive nam [24,25] = Rozwoju Regionalnego

(ChunkerEvaluator) Sentence #2231 from articles/00107449 from sent160

Text  : A kogo z obecnej ekipy nie widzi pan w przyszłym rządzie ?
Tokens: 1 2___ 3 4______ 5____ 6__ 7____ 8__ 9 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2232 from articles/00107449 from sent161

Text  : - W taki kanał mnie pani nie wpuści .
Tokens: 1 2 3___ 4____ 5___ 6___ 7__ 8_____ 9

Chunks:

2016-10-27 14:59:22,082 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 88 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107450.xml
(ChunkerEvaluator) Sentence #2233 from articles/00107450 from sent1

Text  : Sensacja : Aleksander Kwaśniewski chwali Artura Balazsa
Tokens: 1_______ 2 3_________ 4__________ 5_____ 6_____ 7______

Chunks:
  TruePositive nam [3,4] = Aleksander Kwaśniewski
  TruePositive nam [6,7] = Artura Balazsa
  FalsePositive nam [1,1] = Sensacja

(ChunkerEvaluator) Sentence #2234 from articles/00107450 from sent2

Text  : Poruszenie w sztabie wyborczym SLD .
Tokens: 1_________ 2 3______ 4________ 5__ 6

Chunks:
  TruePositive nam [5,5] = SLD

(ChunkerEvaluator) Sentence #2235 from articles/00107450 from sent3

Text  : Artura Balazsa , którego popiera PiS , poparł także Aleksander Kwaśniewski .
Tokens: 1_____ 2______ 3 4______ 5______ 6__ 7 8_____ 9____ 10________ 11_________ 12

Chunks:
  TruePositive nam [1,2] = Artura Balazsa
  TruePositive nam [6,6] = PiS
  TruePositive nam [10,11] = Aleksander Kwaśniewski

(ChunkerEvaluator) Sentence #2236 from articles/00107450 from sent4

Text  : Tak przynajmniej wynika ze spotu wyborczego , który pojawił się w  internecie i  TVP Szczecin
Tokens: 1__ 2___________ 3_____ 4_ 5____ 6_________ 7 8____ 9______ 10_ 11 12________ 13 14_ 15______

Chunks:
  TruePositive nam [14,15] = TVP Szczecin
  FalsePositive nam [12,12] = internecie

(ChunkerEvaluator) Sentence #2237 from articles/00107450 from sent5

Text  : Oprócz Kwaśniewskiego w reklamówce o Balazsu wypowiada się przewodniczący Parlamentu Europejskiego Jerzy Buzek (  PO )  oraz minister rolnictwa Marek Sawicki (  PSL )  .
Tokens: 1_____ 2_____________ 3 4_________ 5 6______ 7________ 8__ 9_____________ 10________ 11___________ 12___ 13___ 14 15 16 17__ 18______ 19_______ 20___ 21_____ 22 23_ 24 25

Chunks:
  TruePositive nam [2,2] = Kwaśniewskiego
  TruePositive nam [6,6] = Balazsu
  TruePositive nam [10,11] = Parlamentu Europejskiego
  TruePositive nam [12,13] = Jerzy Buzek
  TruePositive nam [15,15] = PO
  TruePositive nam [20,21] = Marek Sawicki
  TruePositive nam [23,23] = PSL

(ChunkerEvaluator) Sentence #2238 from articles/00107450 from sent6

Text  : Spot zaczyna się od wypowiedzi Aleksandra Kwaśniewskiego , który o  Balazsu mówi tak :  „  Artura Balazsa poznał em w  roku 89 przy okrągłym stole .
Tokens: 1___ 2______ 3__ 4_ 5_________ 6_________ 7_____________ 8 9____ 10 11_____ 12__ 13_ 14 15 16____ 17_____ 18____ 19 20 21__ 22 23__ 24______ 25___ 26

Chunks:
  TruePositive nam [6,7] = Aleksandra Kwaśniewskiego
  TruePositive nam [11,11] = Balazsu
  TruePositive nam [16,17] = Artura Balazsa
  FalseNegative nam [24,25] = okrągłym stole

(ChunkerEvaluator) Sentence #2239 from articles/00107450 from sent7

Text  : Polubił em go ” .
Tokens: 1______ 2_ 3_ 4 5

Chunks:

(ChunkerEvaluator) Sentence #2240 from articles/00107450 from sent8

Text  : Później Kwaśniewski mówi : „ Nigdy nie miałem wątpliwości ,  że w  przypadku Artura Balazsa mamy do czynienia z  osobą uczciwą ”  .
Tokens: 1______ 2__________ 3___ 4 5 6____ 7__ 8_____ 9__________ 10 11 12 13_______ 14____ 15_____ 16__ 17 18_______ 19 20___ 21_____ 22 23

Chunks:
  TruePositive nam [2,2] = Kwaśniewski
  TruePositive nam [14,15] = Artura Balazsa

(ChunkerEvaluator) Sentence #2241 from articles/00107450 from sent9

Text  : Artur Balazs o mandat senatora ubiega się jako kandydat niezależny ,  popiera go PiS .
Tokens: 1____ 2_____ 3 4_____ 5_______ 6_____ 7__ 8___ 9_______ 10________ 11 12_____ 13 14_ 15

Chunks:
  TruePositive nam [1,2] = Artur Balazs
  TruePositive nam [14,14] = PiS

(ChunkerEvaluator) Sentence #2242 from articles/00107450 from sent10

Text  : Skąd to poruszenie w sztabie wyborczym SLD ?
Tokens: 1___ 2_ 3_________ 4 5______ 6________ 7__ 8

Chunks:
  TruePositive nam [7,7] = SLD

(ChunkerEvaluator) Sentence #2243 from articles/00107450 from sent11

Text  : Bo z tego samego okręgu - świnoujsko - stargardzkiego w  imieniu SLD o  mandat senatora ubiega się Jacek Piechota ,  były minister gospodarki w  rządzie Leszka Millera i  Marka Belki .
Tokens: 1_ 2 3___ 4_____ 5_____ 6 7_________ 8 9_____________ 10 11_____ 12_ 13 14____ 15______ 16____ 17_ 18___ 19______ 20 21__ 22______ 23________ 24 25_____ 26____ 27_____ 28 29___ 30___ 31

Chunks:
  TruePositive nam [12,12] = SLD
  TruePositive nam [18,19] = Jacek Piechota
  TruePositive nam [26,27] = Leszka Millera
  TruePositive nam [29,30] = Marka Belki

(ChunkerEvaluator) Sentence #2244 from articles/00107450 from sent12

Text  : Co na to najbardziej zainteresowany ?
Tokens: 1_ 2_ 3_ 4__________ 5_____________ 6

Chunks:

(ChunkerEvaluator) Sentence #2245 from articles/00107450 from sent13

Text  : Czy dotknął go udział Kwaśniewskiego w spocie Balazsa ?
Tokens: 1__ 2______ 3_ 4_____ 5_____________ 6 7_____ 8______ 9

Chunks:
  TruePositive nam [5,5] = Kwaśniewskiego
  TruePositive nam [8,8] = Balazsa

(ChunkerEvaluator) Sentence #2246 from articles/00107450 from sent14

Text  : - W tym spocie zostały wykorzystane archiwalne wypowiedzi Aleksandra Kwaśniewskiego .
Tokens: 1 2 3__ 4_____ 5______ 6___________ 7_________ 8_________ 9_________ 10____________ 11

Chunks:
  TruePositive nam [9,10] = Aleksandra Kwaśniewskiego

(ChunkerEvaluator) Sentence #2247 from articles/00107450 from sent15

Text  : Mogły paść w filmie realizowanym z okazji rocznicy Okrągłego Stołu ,  ale nie są związane ze startem Balazsa na senatora -  odpowiada Jacek Piechota .
Tokens: 1____ 2___ 3 4_____ 5___________ 6 7_____ 8_______ 9________ 10___ 11 12_ 13_ 14 15______ 16 17_____ 18_____ 19 20______ 21 22_______ 23___ 24______ 25

Chunks:
  TruePositive nam [9,10] = Okrągłego Stołu
  TruePositive nam [18,18] = Balazsa
  TruePositive nam [23,24] = Jacek Piechota

(ChunkerEvaluator) Sentence #2248 from articles/00107450 from sent16

Text  : - Powiem tak : ja by m do takiej metody nie sięgnął .
Tokens: 1 2_____ 3__ 4 5_ 6_ 7 8_ 9_____ 10____ 11_ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #2249 from articles/00107450 from sent17

Text  : Jacek Piechota zaznaczył , że w swojej kampanii wyborczej nie zabiegał o  udział Aleksandra Kwaśniewskiego .
Tokens: 1____ 2_______ 3________ 4 5_ 6 7_____ 8_______ 9________ 10_ 11______ 12 13____ 14________ 15____________ 16

Chunks:
  TruePositive nam [1,2] = Jacek Piechota
  TruePositive nam [14,15] = Aleksandra Kwaśniewskiego

(ChunkerEvaluator) Sentence #2250 from articles/00107450 from sent18

Text  : - Przecież to oczywiste , że jego opinia o mnie jest pozytywna -  mówi .
Tokens: 1 2_______ 3_ 4________ 5 6_ 7___ 8_____ 9 10__ 11__ 12_______ 13 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #2251 from articles/00107450 from sent19

Text  : Misję wyjaśnienia historii powstania spotu reklamowego Artura Balazsa otrzymał Stanisław Wziątek ,  szef sztabu krajowego SLD .
Tokens: 1____ 2__________ 3_______ 4________ 5____ 6__________ 7_____ 8______ 9_______ 10_______ 11_____ 12 13__ 14____ 15_______ 16_ 17

Chunks:
  TruePositive nam [7,8] = Artura Balazsa
  TruePositive nam [10,11] = Stanisław Wziątek
  TruePositive nam [16,16] = SLD

(ChunkerEvaluator) Sentence #2252 from articles/00107450 from sent20

Text  : Ma się skontaktować z Kwaśniewskim i wyjaśnić , czy wie o  tym ,  że promuje byłego ministra rolnictwa i  czy wyraził na to zgodę .
Tokens: 1_ 2__ 3___________ 4 5___________ 6 7_______ 8 9__ 10_ 11 12_ 13 14 15_____ 16____ 17______ 18_______ 19 20_ 21_____ 22 23 24___ 25

Chunks:
  TruePositive nam [5,5] = Kwaśniewskim

(ChunkerEvaluator) Sentence #2253 from articles/00107450 from sent21

Text  : - Czy myśli pani , że wizerunek Aleksandra Kwaśniewskiego wykorzystał by m  bez jego wiedzy i  zgody -  odpowiada Artur Balazs .
Tokens: 1 2__ 3____ 4___ 5 6_ 7________ 8_________ 9_____________ 10_________ 11 12 13_ 14__ 15____ 16 17___ 18 19_______ 20___ 21____ 22

Chunks:
  TruePositive nam [8,9] = Aleksandra Kwaśniewskiego
  TruePositive nam [20,21] = Artur Balazs

(ChunkerEvaluator) Sentence #2254 from articles/00107450 from sent22

Text  : - Jestem zbyt poważnym politykiem .
Tokens: 1 2_____ 3___ 4_______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #2255 from articles/00107450 from sent23

Text  : Jacek Piechota doskonale wiedział o tym , że Aleksander Kwaśniewski chce mnie poprzeć .
Tokens: 1____ 2_______ 3________ 4_______ 5 6__ 7 8_ 9_________ 10_________ 11__ 12__ 13_____ 14

Chunks:
  TruePositive nam [1,2] = Jacek Piechota
  TruePositive nam [9,10] = Aleksander Kwaśniewski

(ChunkerEvaluator) Sentence #2256 from articles/00107450 from sent24

Text  : Piechota podkreśla , że w związku ze spotem Balazsa teraz problem ,  na kogo głosować ,  będą mieli wyborcy PiS .
Tokens: 1_______ 2________ 3 4_ 5 6______ 7_ 8_____ 9______ 10___ 11_____ 12 13 14__ 15______ 16 17__ 18___ 19_____ 20_ 21

Chunks:
  TruePositive nam [1,1] = Piechota
  TruePositive nam [9,9] = Balazsa
  TruePositive nam [20,20] = PiS

(ChunkerEvaluator) Sentence #2257 from articles/00107450 from sent25

Text  : Czy ten spot odstraszy elektorat PiS ?
Tokens: 1__ 2__ 3___ 4________ 5________ 6__ 7

Chunks:
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #2258 from articles/00107450 from sent26

Text  : Joachim Brudziński , lider zachodniopomorskiego PiS odpowiada : - To pan kandydat Piechota powinien martwić się o  swoją sytuację wyborczą .
Tokens: 1______ 2_________ 3 4____ 5___________________ 6__ 7________ 8 9 10 11_ 12______ 13______ 14______ 15_____ 16_ 17 18___ 19______ 20______ 21

Chunks:
  TruePositive nam [1,2] = Joachim Brudziński
  TruePositive nam [6,6] = PiS
  TruePositive nam [13,13] = Piechota

(ChunkerEvaluator) Sentence #2259 from articles/00107450 from sent27

Text  : Należy tylko pogratulować Arturowi Balazsowi , że buduje tak szeroką koalicję .
Tokens: 1_____ 2____ 3___________ 4_______ 5________ 6 7_ 8_____ 9__ 10_____ 11______ 12

Chunks:
  TruePositive nam [4,5] = Arturowi Balazsowi

(ChunkerEvaluator) Sentence #2260 from articles/00107450 from sent28

Text  : Nie jest naszym kandydatem .
Tokens: 1__ 2___ 3_____ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #2261 from articles/00107450 from sent29

Text  : My go tylko popieramy .
Tokens: 1_ 2_ 3____ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2262 from articles/00107450 from sent30

Text  : Brudziński zaznaczył , że z poparcia Balazsa PiS się nie wycofa i  on sam swoich wyborców będzie namawiał do głosowania na tego kandydata .
Tokens: 1_________ 2________ 3 4_ 5 6_______ 7______ 8__ 9__ 10_ 11____ 12 13 14_ 15____ 16______ 17____ 18______ 19 20________ 21 22__ 23_______ 24

Chunks:
  TruePositive nam [7,7] = Balazsa
  TruePositive nam [8,8] = PiS
  FalseNegative nam [1,1] = Brudziński

(ChunkerEvaluator) Sentence #2263 from articles/00107450 from sent31

Text  : To nie pierwsza iskra zapalna między Piechotą a Balazsem .
Tokens: 1_ 2__ 3_______ 4____ 5______ 6_____ 7_______ 8 9_______ 10

Chunks:
  TruePositive nam [7,7] = Piechotą
  TruePositive nam [9,9] = Balazsem

(ChunkerEvaluator) Sentence #2264 from articles/00107450 from sent32

Text  : Były lider SKL wyraźnie podbiera Piechocie elektorat .
Tokens: 1___ 2____ 3__ 4_______ 5_______ 6________ 7________ 8

Chunks:
  TruePositive nam [6,6] = Piechocie
  FalseNegative nam [3,3] = SKL

(ChunkerEvaluator) Sentence #2265 from articles/00107450 from sent33

Text  : Kilka dni temu to rolnika Balazsa , a nie byłego szefa resortu gospodarki poparła Izba Rzemieślnicza Małej i  Średniej Przedsiębiorczości .
Tokens: 1____ 2__ 3___ 4_ 5______ 6______ 7 8 9__ 10____ 11___ 12_____ 13________ 14_____ 15__ 16___________ 17___ 18 19______ 20________________ 21

Chunks:
  TruePositive nam [6,6] = Balazsa
  FalsePositive nam [15,17] = Izba Rzemieślnicza Małej
  FalsePositive nam [19,20] = Średniej Przedsiębiorczości
  FalseNegative nam [15,20] = Izba Rzemieślnicza Małej i Średniej Przedsiębiorczości

(ChunkerEvaluator) Sentence #2266 from articles/00107450 from sent34

Text  : Piechota do prezesa Izby wysłał list otwarty , w którym informuje ,  że zaskoczył go fakt ,  że organizacja przedsiębiorców opowiada się po jednej politycznej stronie .
Tokens: 1_______ 2_ 3______ 4___ 5_____ 6___ 7______ 8 9 10____ 11_______ 12 13 14_______ 15 16__ 17 18 19_________ 20_____________ 21______ 22_ 23 24____ 25_________ 26_____ 27

Chunks:
  TruePositive nam [4,4] = Izby

(ChunkerEvaluator) Sentence #2267 from articles/00107450 from sent35

Text  : Podkreśla , że to on przez wiele lat angażował się w  umacnianie samorządu przedsiębiorców .
Tokens: 1________ 2 3_ 4_ 5_ 6____ 7____ 8__ 9________ 10_ 11 12________ 13_______ 14_____________ 15

Chunks:

2016-10-27 14:59:22,237 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 89 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107451.xml
(ChunkerEvaluator) Sentence #2268 from articles/00107451 from sent1

Text  : 100 mln zł na inwestycje .
Tokens: 1__ 2__ 3_ 4_ 5_________ 6

Chunks:
  TruePositive nam [3,3] = zł

(ChunkerEvaluator) Sentence #2269 from articles/00107451 from sent2

Text  : W tym kładka na Wiśle
Tokens: 1 2__ 3_____ 4_ 5____

Chunks:
  TruePositive nam [5,5] = Wiśle

(ChunkerEvaluator) Sentence #2270 from articles/00107451 from sent3

Text  : Władze województwa małopolskiego przekazały dodatkowe pieniądze na lokalne inwestycje .
Tokens: 1_____ 2__________ 3____________ 4_________ 5________ 6________ 7_ 8______ 9_________ 10

Chunks:
  TruePositive nam [3,3] = małopolskiego

(ChunkerEvaluator) Sentence #2271 from articles/00107451 from sent4

Text  : Dzięki osłabieniu kursu złotówki w stosunku do euro udało się wygospodarować dodatkowo 100 mln zł ,  które zostaną przeznaczone na realizację 58 nowych projektów .
Tokens: 1_____ 2_________ 3____ 4_______ 5 6_______ 7_ 8___ 9____ 10_ 11____________ 12_______ 13_ 14_ 15 16 17___ 18_____ 19__________ 20 21________ 22 23____ 24_______ 25

Chunks:
  TruePositive nam [8,8] = euro
  TruePositive nam [15,15] = zł
  FalseNegative nam [4,4] = złotówki

(ChunkerEvaluator) Sentence #2272 from articles/00107451 from sent5

Text  : Wśród nich znajdą się m . in . nowe szlaki turystyczne i  budowy dróg powiatowych w  kilkunastu małopolskich gminach .
Tokens: 1____ 2___ 3_____ 4__ 5 6 7_ 8 9___ 10____ 11_________ 12 13____ 14__ 15_________ 16 17________ 18__________ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #2273 from articles/00107451 from sent6

Text  : Część pieniędzy trafi także do Krakowa .
Tokens: 1____ 2________ 3____ 4____ 5_ 6______ 7

Chunks:
  TruePositive nam [6,6] = Krakowa

(ChunkerEvaluator) Sentence #2274 from articles/00107451 from sent7

Text  : Województwo przekazało 15 mln zł na budowę kolejnej kładki pieszo -  rowerowej na Wiśle ,  która ma powstać w  rejonie ul .  Wietora i  Ludwinowskiej .
Tokens: 1__________ 2_________ 3_ 4__ 5_ 6_ 7_____ 8_______ 9_____ 10____ 11 12_______ 13 14___ 15 16___ 17 18_____ 19 20_____ 21 22 23_____ 24 25___________ 26

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [14,14] = Wiśle
  TruePositive nam [23,23] = Wietora
  TruePositive nam [25,25] = Ludwinowskiej
  FalsePositive nam [1,1] = Województwo

2016-10-27 14:59:22,268 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 90 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107452.xml
(ChunkerEvaluator) Sentence #2275 from articles/00107452 from sent1

Text  : Janusz Palikot o Ewie Kopacz : To odważna kobieta
Tokens: 1_____ 2______ 3 4___ 5_____ 6 7_ 8______ 9______

Chunks:
  FalsePositive nam [1,5] = Janusz Palikot o Ewie Kopacz
  FalseNegative nam [1,2] = Janusz Palikot
  FalseNegative nam [4,5] = Ewie Kopacz

(ChunkerEvaluator) Sentence #2276 from articles/00107452 from sent2

Text  : Żadna kobieta w Platformie nie ma tak mocnej pozycji jak ona -  tak o  minister zdrowia Ewie Kopacz w  książce „  Kulisy Platformy ”  pisze Janusz Palikot ,  były poseł PO ,  obecnie lider Ruchu Poparcia Palikota .
Tokens: 1____ 2______ 3 4_________ 5__ 6_ 7__ 8_____ 9______ 10_ 11_ 12 13_ 14 15______ 16_____ 17__ 18____ 19 20_____ 21 22____ 23_______ 24 25___ 26____ 27_____ 28 29__ 30___ 31 32 33_____ 34___ 35___ 36______ 37______ 38

Chunks:
  TruePositive nam [4,4] = Platformie
  TruePositive nam [17,18] = Ewie Kopacz
  TruePositive nam [22,23] = Kulisy Platformy
  TruePositive nam [26,27] = Janusz Palikot
  TruePositive nam [31,31] = PO
  TruePositive nam [35,37] = Ruchu Poparcia Palikota

(ChunkerEvaluator) Sentence #2277 from articles/00107452 from sent3

Text  : Cytujemy tu fragment o radomskiej posłance
Tokens: 1_______ 2_ 3_______ 4 5_________ 6_______

Chunks:

(ChunkerEvaluator) Sentence #2278 from articles/00107452 from sent4

Text  : „ To chyba kobieta , która potrafi pokazać pazur ?
Tokens: 1 2_ 3____ 4______ 5 6____ 7______ 8______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #2279 from articles/00107452 from sent5

Text  : Tak , stanowcza , charakterna , czasem histeryczna kobita .
Tokens: 1__ 2 3________ 4 5__________ 6 7_____ 8__________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #2280 from articles/00107452 from sent6

Text  : Czuła , że może sobie pozwolić na więcej w stosunku do Tuska ,  i  z  tego korzystała .
Tokens: 1____ 2 3_ 4___ 5____ 6_______ 7_ 8_____ 9 10______ 11 12___ 13 14 15 16__ 17________ 18

Chunks:
  TruePositive nam [12,12] = Tuska

(ChunkerEvaluator) Sentence #2281 from articles/00107452 from sent7

Text  : Nieraz był em świadkiem , jak wpadała w furię .
Tokens: 1_____ 2__ 3_ 4________ 5 6__ 7______ 8 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #2282 from articles/00107452 from sent8

Text  : I jeśli widział em Donalda naprawdę wyprowadzonego z równowagi ,  to właśnie przez nią .
Tokens: 1 2____ 3______ 4_ 5______ 6_______ 7_____________ 8 9________ 10 11 12_____ 13___ 14_ 15

Chunks:
  TruePositive nam [5,5] = Donalda

(ChunkerEvaluator) Sentence #2283 from articles/00107452 from sent9

Text  : Ale wszystko uchodziło jej na sucho .
Tokens: 1__ 2_______ 3________ 4__ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #2284 from articles/00107452 from sent10

Text  : Bo też Ewa Kopacz jest strasznie lojalna wobec premiera .
Tokens: 1_ 2__ 3__ 4_____ 5___ 6________ 7______ 8____ 9_______ 10

Chunks:
  TruePositive nam [3,4] = Ewa Kopacz

(ChunkerEvaluator) Sentence #2285 from articles/00107452 from sent11

Text  : Z jakiego powodu popadała w te histerie ?
Tokens: 1 2______ 3_____ 4_______ 5 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2286 from articles/00107452 from sent12

Text  : Stawiała na ostrzu noża sprawy związane z Ministerstwem Zdrowia lub partią .
Tokens: 1_______ 2_ 3_____ 4___ 5_____ 6_______ 7 8____________ 9______ 10_ 11____ 12

Chunks:
  TruePositive nam [8,9] = Ministerstwem Zdrowia

(ChunkerEvaluator) Sentence #2287 from articles/00107452 from sent13

Text  : Scena , której ja był em świadkiem , dotyczyła prezesa Narodowego Funduszu Zdrowia .
Tokens: 1____ 2 3_____ 4_ 5__ 6_ 7________ 8 9________ 10_____ 11________ 12______ 13_____ 14

Chunks:
  TruePositive nam [11,13] = Narodowego Funduszu Zdrowia

(ChunkerEvaluator) Sentence #2288 from articles/00107452 from sent14

Text  : W pewnym momencie media coraz wyraźniej oczekiwały jego dymisji i  do takiej decyzji skłaniał się sam Tusk .
Tokens: 1 2_____ 3_______ 4____ 5____ 6________ 7_________ 8___ 9______ 10 11 12____ 13_____ 14______ 15_ 16_ 17__ 18

Chunks:
  TruePositive nam [17,17] = Tusk

(ChunkerEvaluator) Sentence #2289 from articles/00107452 from sent15

Text  : Ale Kopacz go bezwzględnie broniła .
Tokens: 1__ 2_____ 3_ 4___________ 5______ 6

Chunks:
  TruePositive nam [2,2] = Kopacz

(ChunkerEvaluator) Sentence #2290 from articles/00107452 from sent16

Text  : „ Tak ? !
Tokens: 1 2__ 3 4

Chunks:

(ChunkerEvaluator) Sentence #2291 from articles/00107452 from sent17

Text  : W takim razie ja też odchodzę .
Tokens: 1 2____ 3____ 4_ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #2292 from articles/00107452 from sent18

Text  : To mnie możesz już też odwoływać ! ” - wrzeszczała i  wychodziła ,  trzaskając drzwiami .
Tokens: 1_ 2___ 3_____ 4__ 5__ 6________ 7 8 9 10_________ 11 12________ 13 14________ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #2293 from articles/00107452 from sent19

Text  : Jak Tusk reagował na takie sceny ?
Tokens: 1__ 2___ 3_______ 4_ 5____ 6____ 7

Chunks:
  TruePositive nam [2,2] = Tusk

(ChunkerEvaluator) Sentence #2294 from articles/00107452 from sent20

Text  : Nieraz wściekał się na dobre i groził : „ Dobrze ,  to będziesz odwołana .
Tokens: 1_____ 2_______ 3__ 4_ 5____ 6 7_____ 8 9 10____ 11 12 13______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #2295 from articles/00107452 from sent21

Text  : Grzesiek , szukaj następnego ministra .
Tokens: 1_______ 2 3_____ 4_________ 5_______ 6

Chunks:
  TruePositive nam [1,1] = Grzesiek

(ChunkerEvaluator) Sentence #2296 from articles/00107452 from sent22

Text  : Dosyć tego ! ” - odgrażał się .
Tokens: 1____ 2___ 3 4 5 6_______ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #2297 from articles/00107452 from sent23

Text  : Ale to trwało godzinę .
Tokens: 1__ 2_ 3_____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #2298 from articles/00107452 from sent24

Text  : A następnego dnia spotykał się z nią na kawie i  było po sprawie .
Tokens: 1 2_________ 3___ 4_______ 5__ 6 7__ 8_ 9____ 10 11__ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #2299 from articles/00107452 from sent25

Text  : Żadna kobieta w Platformie nie ma tak mocnej pozycji jak ona .
Tokens: 1____ 2______ 3 4_________ 5__ 6_ 7__ 8_____ 9______ 10_ 11_ 12

Chunks:
  TruePositive nam [4,4] = Platformie

(ChunkerEvaluator) Sentence #2300 from articles/00107452 from sent26

Text  : Z tego względu pojawiły się nawet plotki o romansie Donalda z  Ewą .
Tokens: 1 2___ 3______ 4_______ 5__ 6____ 7_____ 8 9_______ 10_____ 11 12_ 13

Chunks:
  TruePositive nam [10,10] = Donalda
  TruePositive nam [12,12] = Ewą

(ChunkerEvaluator) Sentence #2301 from articles/00107452 from sent27

Text  : Ale nic na to nie wskazuje .
Tokens: 1__ 2__ 3_ 4_ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #2302 from articles/00107452 from sent28

Text  : Ona swego czasu bardzo go wsparła w czasie choroby jego siostry i  matki .
Tokens: 1__ 2____ 3____ 4_____ 5_ 6______ 7 8_____ 9______ 10__ 11_____ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2303 from articles/00107452 from sent29

Text  : To obcowanie w sytuacji na granicy umierania niesamowicie łączy ludzi .
Tokens: 1_ 2________ 3 4_______ 5_ 6______ 7________ 8___________ 9____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #2304 from articles/00107452 from sent30

Text  : Od tego czasu Kopacz ma taryfę ulgową .
Tokens: 1_ 2___ 3____ 4_____ 5_ 6_____ 7_____ 8

Chunks:
  TruePositive nam [4,4] = Kopacz

(ChunkerEvaluator) Sentence #2305 from articles/00107452 from sent31

Text  : I wszyscy to milcząco przyjmują .
Tokens: 1 2______ 3_ 4_______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #2306 from articles/00107452 from sent32

Text  : Ale chyba taką postawą nie zaskarbia sobie względów koleżanek i  kolegów ?
Tokens: 1__ 2____ 3___ 4______ 5__ 6________ 7____ 8_______ 9________ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2307 from articles/00107452 from sent33

Text  : Ja akurat ją lubię za ten charakterek .
Tokens: 1_ 2_____ 3_ 4____ 5_ 6__ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #2308 from articles/00107452 from sent34

Text  : To odważna mimo wszystko kobieta .
Tokens: 1_ 2______ 3___ 4_______ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #2309 from articles/00107452 from sent35

Text  : A siłę charakteru ostatecznie pokazała , jadąc do Smoleńska i  pracując osobiście przy identyfikacji ofiar .
Tokens: 1 2___ 3_________ 4__________ 5_______ 6 7____ 8_ 9________ 10 11______ 12_______ 13__ 14___________ 15___ 16

Chunks:
  TruePositive nam [9,9] = Smoleńska

(ChunkerEvaluator) Sentence #2310 from articles/00107452 from sent36

Text  : Ona sama zresztą bardzo lubiła moja żonę Monikę , odwiedzała nas nieraz w  Lublinie .
Tokens: 1__ 2___ 3______ 4_____ 5_____ 6___ 7___ 8_____ 9 10________ 11_ 12____ 13 14______ 15

Chunks:
  TruePositive nam [8,8] = Monikę
  TruePositive nam [14,14] = Lublinie

(ChunkerEvaluator) Sentence #2311 from articles/00107452 from sent37

Text  : W partii nie znosi Schetyny , z wzajemnością .
Tokens: 1 2_____ 3__ 4____ 5_______ 6 7 8___________ 9

Chunks:
  TruePositive nam [5,5] = Schetyny

(ChunkerEvaluator) Sentence #2312 from articles/00107452 from sent38

Text  : Nie mogła mu wybaczyć , że wraz z Andrzejem Halickim pozbawili ją funkcji szefowej mazowieckiej PO .
Tokens: 1__ 2____ 3_ 4_______ 5 6_ 7___ 8 9________ 10______ 11_______ 12 13_____ 14______ 15__________ 16 17

Chunks:
  TruePositive nam [9,10] = Andrzejem Halickim
  TruePositive nam [16,16] = PO

(ChunkerEvaluator) Sentence #2313 from articles/00107452 from sent39

Text  : Nie lubiła też wyraźnie , jak już mówił em ,  Joanny Muchy ,  traktując ją jako zagrożenie dla siebie .
Tokens: 1__ 2_____ 3__ 4_______ 5 6__ 7__ 8____ 9_ 10 11____ 12___ 13 14_______ 15 16__ 17________ 18_ 19____ 20

Chunks:
  TruePositive nam [11,12] = Joanny Muchy

(ChunkerEvaluator) Sentence #2314 from articles/00107452 from sent40

Text  : Robiła jej czarny PR ” .
Tokens: 1_____ 2__ 3_____ 4_ 5 6

Chunks:
  FalseNegative nam [4,4] = PR

2016-10-27 14:59:22,407 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 91 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107453.xml
(ChunkerEvaluator) Sentence #2315 from articles/00107453 from sent1

Text  : Madonna uznana najlepszą artystką
Tokens: 1______ 2_____ 3________ 4_______

Chunks:
  FalseNegative nam [1,1] = Madonna

(ChunkerEvaluator) Sentence #2316 from articles/00107453 from sent2

Text  : Madonna uznana najlepszą artystką
Tokens: 1______ 2_____ 3________ 4_______

Chunks:
  FalseNegative nam [1,1] = Madonna

(ChunkerEvaluator) Sentence #2317 from articles/00107453 from sent3

Text  : 28 . 9 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #2318 from articles/00107453 from sent4

Text  : Londyn - Madonna została uznana na najwybitniejszą artystkę w dziejach muzyki rozrywkowej w  rankingu telewizji muzycznej VH1 -  podała w  piątek rozgłośnia BBC .
Tokens: 1_____ 2 3______ 4______ 5_____ 6_ 7______________ 8_______ 9 10______ 11____ 12_________ 13 14______ 15_______ 16_______ 17_ 18 19____ 20 21____ 22________ 23_ 24

Chunks:
  TruePositive nam [1,1] = Londyn
  TruePositive nam [3,3] = Madonna
  TruePositive nam [17,17] = VH1
  TruePositive nam [23,23] = BBC

(ChunkerEvaluator) Sentence #2319 from articles/00107453 from sent5

Text  : Łącznie w głosowaniu na najlepszą artystkę - kobietę w historii muzyki wzięło udział 750 tysięcy osób .
Tokens: 1______ 2 3_________ 4_ 5________ 6_______ 7 8______ 9 10______ 11____ 12____ 13____ 14_ 15_____ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #2320 from articles/00107453 from sent6

Text  : Madonna zdobyła 17 procent głosów .
Tokens: 1______ 2______ 3_ 4______ 5_____ 6

Chunks:
  FalseNegative nam [1,1] = Madonna

(ChunkerEvaluator) Sentence #2321 from articles/00107453 from sent7

Text  : " Ta artystka to obecnie ikona ( przemysłu rozrywkowego )  .
Tokens: 1 2_ 3_______ 4_ 5______ 6____ 7 8________ 9___________ 10 11

Chunks:

(ChunkerEvaluator) Sentence #2322 from articles/00107453 from sent8

Text  : Wielu naszych widzów zna ją od początku jej kariery "  -  skomentowała wyniki rzeczniczka VH1 ,  Sally Habbershaw .
Tokens: 1____ 2______ 3_____ 4__ 5_ 6_ 7_______ 8__ 9______ 10 11 12__________ 13____ 14_________ 15_ 16 17___ 18________ 19

Chunks:
  TruePositive nam [15,15] = VH1
  TruePositive nam [17,18] = Sally Habbershaw

(ChunkerEvaluator) Sentence #2323 from articles/00107453 from sent9

Text  : Kolejne miejsca zajęły : Kylie Minogue , Celine Dion ,  Whitney Houston .
Tokens: 1______ 2______ 3_____ 4 5____ 6______ 7 8_____ 9___ 10 11_____ 12_____ 13

Chunks:
  TruePositive nam [5,6] = Kylie Minogue
  TruePositive nam [8,9] = Celine Dion
  TruePositive nam [11,12] = Whitney Houston

(ChunkerEvaluator) Sentence #2324 from articles/00107453 from sent10

Text  : Na piątym i szóstym miejscu sklasyfikowano dwie kobiece legendy show -  biznesu :  Arethę Franklin oraz Tinę Turner .
Tokens: 1_ 2_____ 3 4______ 5______ 6_____________ 7___ 8______ 9______ 10__ 11 12_____ 13 14____ 15______ 16__ 17__ 18____ 19

Chunks:
  TruePositive nam [14,15] = Arethę Franklin
  TruePositive nam [17,18] = Tinę Turner

(ChunkerEvaluator) Sentence #2325 from articles/00107453 from sent11

Text  : Tuż za nimi znalazła się Mariah Carey ; widzom VH1 widać nie przeszkadza pasmo niepowodzeń artystycznych ,  jakie ostatnio ją prześladuję .
Tokens: 1__ 2_ 3___ 4_______ 5__ 6_____ 7____ 8 9_____ 10_ 11___ 12_ 13_________ 14___ 15_________ 16___________ 17 18___ 19______ 20 21_________ 22

Chunks:
  TruePositive nam [6,7] = Mariah Carey
  TruePositive nam [10,10] = VH1

(ChunkerEvaluator) Sentence #2326 from articles/00107453 from sent12

Text  : Dopiero dziewiąte miejsce zajęła Britney Spears .
Tokens: 1______ 2________ 3______ 4_____ 5______ 6_____ 7

Chunks:
  TruePositive nam [5,6] = Britney Spears

(ChunkerEvaluator) Sentence #2327 from articles/00107453 from sent13

Text  : Została ona wyprzedzona jeszcze przez Janet Jackson .
Tokens: 1______ 2__ 3__________ 4______ 5____ 6____ 7______ 8

Chunks:
  TruePositive nam [6,7] = Janet Jackson

(ChunkerEvaluator) Sentence #2328 from articles/00107453 from sent14

Text  : " Dziesiątkę " zamyka Kate Bush . ( PAP )
Tokens: 1 2_________ 3 4_____ 5___ 6___ 7 8 9__ 10

Chunks:
  TruePositive nam [5,6] = Kate Bush
  TruePositive nam [9,9] = PAP

(ChunkerEvaluator) Sentence #2329 from articles/00107453 from sent15

Text  : ( PAP )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:22,459 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 92 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107454.xml
(ChunkerEvaluator) Sentence #2330 from articles/00107454 from sent1

Text  : Poznaj prawdziwych działkowców .
Tokens: 1_____ 2__________ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #2331 from articles/00107454 from sent2

Text  : Nie szefów związku
Tokens: 1__ 2_____ 3______

Chunks:

(ChunkerEvaluator) Sentence #2332 from articles/00107454 from sent3

Text  : Trybunał Konstytucyjny zakwestionował 24 z 50 przepisów ustawy o rodzinnych ogrodach działkowych .
Tokens: 1_______ 2____________ 3_____________ 4_ 5 6_ 7________ 8_____ 9 10________ 11______ 12_________ 13

Chunks:
  TruePositive nam [1,2] = Trybunał Konstytucyjny

(ChunkerEvaluator) Sentence #2333 from articles/00107454 from sent4

Text  : Orzeczenie zachwiało twierdzami działkowców , a my sprawdzamy , kto się kryje za oflagowanymi bramami ogródków .
Tokens: 1_________ 2________ 3_________ 4__________ 5 6 7_ 8_________ 9 10_ 11_ 12___ 13 14__________ 15_____ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #2334 from articles/00107454 from sent5

Text  : - Jak kto nabierze rozumu i ciałka , kota dostaje na dźwięk słowa „  działka ”  -  pisali śmy kilka miesięcy temu w  fotoreportażu z  ogródków działkowych przy ul .  Waszyngtona ,  znajdujących się na niezwykle atrakcyjnym dla deweloperów terenie między Saską Kępą a  Grochowem .
Tokens: 1 2__ 3__ 4_______ 5_____ 6 7_____ 8 9___ 10_____ 11 12____ 13___ 14 15_____ 16 17 18____ 19_ 20___ 21______ 22__ 23 24___________ 25 26______ 27_________ 28__ 29 30 31_________ 32 33__________ 34_ 35 36_______ 37_________ 38_ 39_________ 40_____ 41____ 42___ 43__ 44 45_______ 46

Chunks:
  TruePositive nam [31,31] = Waszyngtona
  TruePositive nam [42,43] = Saską Kępą
  TruePositive nam [45,45] = Grochowem

(ChunkerEvaluator) Sentence #2335 from articles/00107454 from sent6

Text  : Swoje działki mają tu setki mieszkańców okolicznych bloków , często emeryci .
Tokens: 1____ 2______ 3___ 4_ 5____ 6__________ 7__________ 8_____ 9 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2336 from articles/00107454 from sent7

Text  : - Rodzinny Ogród Działkowy im . Waszyngtona został założony w1939 r  .
Tokens: 1 2_______ 3____ 4________ 5_ 6 7__________ 8_____ 9_______ 10___ 11 12

Chunks:
  FalsePositive nam [3,7] = Ogród Działkowy im . Waszyngtona
  FalseNegative nam [2,7] = Rodzinny Ogród Działkowy im . Waszyngtona

(ChunkerEvaluator) Sentence #2337 from articles/00107454 from sent8

Text  : Zajmuje 22 hektary .
Tokens: 1______ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #2338 from articles/00107454 from sent9

Text  : Zawsze otwarty dla spacerowiczów , którzy tu mogą odpocząć od zgiełku miasta -  podkreśla Barbara Frydrychiewicz ,  prezes zarządu .
Tokens: 1_____ 2______ 3__ 4____________ 5 6_____ 7_ 8___ 9_______ 10 11_____ 12____ 13 14_______ 15_____ 16____________ 17 18____ 19_____ 20

Chunks:
  TruePositive nam [15,16] = Barbara Frydrychiewicz

(ChunkerEvaluator) Sentence #2339 from articles/00107454 from sent10

Text  : - W świetlicy odbywają się dożynki i rodzinne imprezy działkowiczów -  dodaje .
Tokens: 1 2 3________ 4_______ 5__ 6______ 7 8_______ 9______ 10___________ 11 12____ 13

Chunks:
  FalseNegative nam [6,6] = dożynki

(ChunkerEvaluator) Sentence #2340 from articles/00107454 from sent11

Text  : Zapraszamy do oglądania zdjęć .
Tokens: 1_________ 2_ 3________ 4____ 5

Chunks:

2016-10-27 14:59:22,506 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 93 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107455.xml
(ChunkerEvaluator) Sentence #2341 from articles/00107455 from sent1

Text  : Debata o debatach po krakowsku
Tokens: 1_____ 2 3_______ 4_ 5________

Chunks:

(ChunkerEvaluator) Sentence #2342 from articles/00107455 from sent2

Text  : PO i PiS nie dogadały się w sprawie debat ,  które mieli odbywać między sobą krakowscy kandydaci tych partii do Sejmu .
Tokens: 1_ 2 3__ 4__ 5_______ 6__ 7 8______ 9____ 10 11___ 12___ 13_____ 14____ 15__ 16_______ 17_______ 18__ 19____ 20 21___ 22

Chunks:
  TruePositive nam [3,3] = PiS
  TruePositive nam [21,21] = Sejmu
  FalseNegative nam [1,1] = PO

(ChunkerEvaluator) Sentence #2343 from articles/00107455 from sent3

Text  : Planowali dyskusje m . in . o edukacji , bezpieczeństwie ,  inwestycjach -  zamiast tego obrzucają się obelgami .
Tokens: 1________ 2_______ 3 4 5_ 6 7 8_______ 9 10_____________ 11 12__________ 13 14_____ 15__ 16_______ 17_ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #2344 from articles/00107455 from sent4

Text  : Założenia były optymistyczne .
Tokens: 1________ 2___ 3____________ 4

Chunks:

(ChunkerEvaluator) Sentence #2345 from articles/00107455 from sent5

Text  : Najpierw PiS wezwał PO do debaty ( poszczególni kandydaci zapowiedzieli ,  o  czym chcą rozmawiać ,  wskazali też wymarzonych przez siebie partnerów do dyskusji )  .
Tokens: 1_______ 2__ 3_____ 4_ 5_ 6_____ 7 8___________ 9________ 10___________ 11 12 13__ 14__ 15_______ 16 17______ 18_ 19_________ 20___ 21____ 22_______ 23 24______ 25 26

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [4,4] = PO

(ChunkerEvaluator) Sentence #2346 from articles/00107455 from sent6

Text  : Reakcja sztabu Platformy przyszła szybko - zgadzamy się !
Tokens: 1______ 2_____ 3________ 4_______ 5_____ 6 7_______ 8__ 9

Chunks:
  TruePositive nam [3,3] = Platformy

(ChunkerEvaluator) Sentence #2347 from articles/00107455 from sent7

Text  : Potem rozpoczęły się jednak problemy .
Tokens: 1____ 2_________ 3__ 4_____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2348 from articles/00107455 from sent8

Text  : - Pomimo wcześniejszych ustaleń przedstawiciele Prawa i Sprawiedliwości nie pojawili się na debacie na temat kultury ,  mediów i  edukacji ,  która miała mieć miejsce w  klubie „  Pod Gruszką ”  .
Tokens: 1 2_____ 3_____________ 4______ 5______________ 6____ 7 8______________ 9__ 10______ 11_ 12 13_____ 14 15___ 16_____ 17 18____ 19 20______ 21 22___ 23___ 24__ 25_____ 26 27____ 28 29_ 30_____ 31 32

Chunks:
  TruePositive nam [6,8] = Prawa i Sprawiedliwości
  FalsePositive nam [30,30] = Gruszką
  FalseNegative nam [29,30] = Pod Gruszką

(ChunkerEvaluator) Sentence #2349 from articles/00107455 from sent9

Text  : Zjawili się natomiast kandydaci PO - Jerzy Fedorowicz i Małgorzata Jantos .
Tokens: 1______ 2__ 3________ 4________ 5_ 6 7____ 8_________ 9 10________ 11____ 12

Chunks:
  TruePositive nam [5,5] = PO
  TruePositive nam [7,8] = Jerzy Fedorowicz
  TruePositive nam [10,11] = Małgorzata Jantos

(ChunkerEvaluator) Sentence #2350 from articles/00107455 from sent10

Text  : Nie doczekali się rozmówców .
Tokens: 1__ 2________ 3__ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2351 from articles/00107455 from sent11

Text  : Na debatę przybył także senator Janusz Sepioł , który wyzwał do debaty kandydującą do Senatu Zuzannę Kurtykę -  obwieścił przed paroma dniami sztab Platformy .
Tokens: 1_ 2_____ 3______ 4____ 5______ 6_____ 7_____ 8 9____ 10____ 11 12____ 13_________ 14 15____ 16_____ 17_____ 18 19_______ 20___ 21____ 22____ 23___ 24_______ 25

Chunks:
  TruePositive nam [6,7] = Janusz Sepioł
  TruePositive nam [24,24] = Platformy
  FalsePositive nam [15,17] = Senatu Zuzannę Kurtykę
  FalseNegative nam [15,15] = Senatu
  FalseNegative nam [16,17] = Zuzannę Kurtykę

(ChunkerEvaluator) Sentence #2352 from articles/00107455 from sent12

Text  : Teraz PiS ostro kontratakuje .
Tokens: 1____ 2__ 3____ 4___________ 5

Chunks:
  TruePositive nam [2,2] = PiS

(ChunkerEvaluator) Sentence #2353 from articles/00107455 from sent13

Text  : - Platforma po prostu stchórzyła przed nami .
Tokens: 1 2________ 3_ 4_____ 5_________ 6____ 7___ 8

Chunks:
  FalseNegative nam [2,2] = Platforma

(ChunkerEvaluator) Sentence #2354 from articles/00107455 from sent14

Text  : Próbowali śmy ustalić z nimi szczegóły debat , kto będzie je prowadził ,  ile będą trwały i  wspólnie zaprosić media .
Tokens: 1________ 2__ 3______ 4 5___ 6________ 7____ 8 9__ 10____ 11 12_______ 13 14_ 15__ 16____ 17 18______ 19______ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #2355 from articles/00107455 from sent15

Text  : Ale nie odbierali naszych telefonów - tłumaczy Józef Pilch ,  szef sztabu PiS .
Tokens: 1__ 2__ 3________ 4______ 5________ 6 7_______ 8____ 9____ 10 11__ 12____ 13_ 14

Chunks:
  TruePositive nam [8,9] = Józef Pilch
  TruePositive nam [13,13] = PiS

(ChunkerEvaluator) Sentence #2356 from articles/00107455 from sent16

Text  : Według szefa sztabu PO Witolda Latuska „ fakty są zupełnie inne ”  .
Tokens: 1_____ 2____ 3_____ 4_ 5______ 6______ 7 8____ 9_ 10______ 11__ 12 13

Chunks:
  TruePositive nam [4,4] = PO
  TruePositive nam [5,6] = Witolda Latuska

(ChunkerEvaluator) Sentence #2357 from articles/00107455 from sent17

Text  : - Poziom tej dyskusji jest żenujący .
Tokens: 1 2_____ 3__ 4_______ 5___ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #2358 from articles/00107455 from sent18

Text  : PiS wciąż przekłada termin pierwszej debaty .
Tokens: 1__ 2____ 3________ 4_____ 5________ 6_____ 7

Chunks:
  TruePositive nam [1,1] = PiS

(ChunkerEvaluator) Sentence #2359 from articles/00107455 from sent19

Text  : To jakaś dziwna gra - dodaje Latusek .
Tokens: 1_ 2____ 3_____ 4__ 5 6_____ 7______ 8

Chunks:
  TruePositive nam [7,7] = Latusek

(ChunkerEvaluator) Sentence #2360 from articles/00107455 from sent20

Text  : Jak przyznają politycy , do tej pory doszło tylko do jednej konfrontacji między PO i  PiS -  była to zorganizowana przez „  Gazetę Wyborczą ”  debata liderów list Ireneusza Rasia i  Andrzeja Dudy .
Tokens: 1__ 2________ 3_______ 4 5_ 6__ 7___ 8_____ 9____ 10 11____ 12__________ 13____ 14 15 16_ 17 18__ 19 20___________ 21___ 22 23____ 24______ 25 26____ 27_____ 28__ 29_______ 30___ 31 32______ 33__ 34

Chunks:
  TruePositive nam [14,14] = PO
  TruePositive nam [16,16] = PiS
  TruePositive nam [23,24] = Gazetę Wyborczą
  TruePositive nam [29,30] = Ireneusza Rasia
  TruePositive nam [32,33] = Andrzeja Dudy

2016-10-27 14:59:22,592 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 94 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107456.xml
(ChunkerEvaluator) Sentence #2361 from articles/00107456 from sent1

Text  : USA .
Tokens: 1__ 2

Chunks:
  TruePositive nam [1,1] = USA

(ChunkerEvaluator) Sentence #2362 from articles/00107456 from sent2

Text  : Twitter kopalnią wiedzy dla socjologów
Tokens: 1______ 2_______ 3_____ 4__ 5_________

Chunks:
  FalseNegative nam [1,1] = Twitter

(ChunkerEvaluator) Sentence #2363 from articles/00107456 from sent3

Text  : Wbrew obiegowej opinii większość ludzi nie nienawidzi poranków - wynika z  badania opublikowanego w  czwartek w  prestiżowym czasopiśmie naukowym &  quot ;  Science &  quot ;  .
Tokens: 1____ 2________ 3_____ 4________ 5____ 6__ 7_________ 8_______ 9 10____ 11 12_____ 13____________ 14 15______ 16 17_________ 18_________ 19______ 20 21__ 22 23_____ 24 25__ 26 27

Chunks:
  FalseNegative nam [23,23] = Science

(ChunkerEvaluator) Sentence #2364 from articles/00107456 from sent4

Text  : Serwis Twitter okazuje się dla socjologów nieocenionym źródłem informacji o  ludzkich zachowaniach .
Tokens: 1_____ 2______ 3______ 4__ 5__ 6_________ 7___________ 8______ 9_________ 10 11______ 12__________ 13

Chunks:
  FalseNegative nam [2,2] = Twitter

(ChunkerEvaluator) Sentence #2365 from articles/00107456 from sent5

Text  : Twitter to serwis w formie mikrobloga , który umożliwia porozumiewanie się za pomocą wiadomości nie dłuższych niż 140 znaków .
Tokens: 1______ 2_ 3_____ 4 5_____ 6_________ 7 8____ 9________ 10____________ 11_ 12 13____ 14________ 15_ 16_______ 17_ 18_ 19____ 20

Chunks:
  FalseNegative nam [1,1] = Twitter

(ChunkerEvaluator) Sentence #2366 from articles/00107456 from sent6

Text  : Zdaniem socjologów z Cornell University , portal daje niespotykaną dotąd szansę na studiowanie ludzkich zachowań ,  a  uzyskane wyniki są bardziej wiarygodne ,  bo bazują na zróżnicowanej i  licznej grupie użytkowników .
Tokens: 1______ 2_________ 3 4______ 5_________ 6 7_____ 8___ 9___________ 10___ 11____ 12 13_________ 14______ 15______ 16 17 18______ 19____ 20 21______ 22________ 23 24 25____ 26 27___________ 28 29_____ 30____ 31__________ 32

Chunks:
  TruePositive nam [4,5] = Cornell University

(ChunkerEvaluator) Sentence #2367 from articles/00107456 from sent7

Text  : Grupa socjologów postanowiła wykorzystać Twittera jako miernik nastrojów na świecie .
Tokens: 1____ 2_________ 3__________ 4__________ 5_______ 6___ 7______ 8________ 9_ 10_____ 11

Chunks:
  FalseNegative nam [5,5] = Twittera

(ChunkerEvaluator) Sentence #2368 from articles/00107456 from sent8

Text  : W tym celu przeanalizowali 509 milionów wiadomości ( tzw .  tweetów )  od 2  ,  4  mln użytkowników z  84 krajów ,  opublikowanych między lutym 2008 roku a  styczniem 2010 roku .
Tokens: 1 2__ 3___ 4______________ 5__ 6_______ 7_________ 8 9__ 10 11_____ 12 13 14 15 16 17_ 18__________ 19 20 21____ 22 23____________ 24____ 25___ 26__ 27__ 28 29_______ 30__ 31__ 32

Chunks:

(ChunkerEvaluator) Sentence #2369 from articles/00107456 from sent9

Text  : Pod uwagę brane były osoby z nie mniej niż 25 i  nie więcej niż 400 tweetami na koncie .
Tokens: 1__ 2____ 3____ 4___ 5____ 6 7__ 8____ 9__ 10 11 12_ 13____ 14_ 15_ 16______ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #2370 from articles/00107456 from sent10

Text  : Z badania wynika na przykład , że to wcale nie poranki są najmniej lubianą porą dnia .
Tokens: 1 2______ 3_____ 4_ 5_______ 6 7_ 8_ 9____ 10_ 11_____ 12 13______ 14_____ 15__ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #2371 from articles/00107456 from sent11

Text  : Zdaniem badaczy , ludzie są wtedy w dobrym nastroju ,  jednak posępnieją w  ciągu dnia ,  a  lepszy humor powraca stopniowo i  osiąga najwyższy poziom wieczorem ,  tuż przed pójściem spać .
Tokens: 1______ 2______ 3 4_____ 5_ 6____ 7 8_____ 9_______ 10 11____ 12________ 13 14___ 15__ 16 17 18____ 19___ 20_____ 21_______ 22 23____ 24_______ 25____ 26_______ 27 28_ 29___ 30______ 31__ 32

Chunks:

(ChunkerEvaluator) Sentence #2372 from articles/00107456 from sent12

Text  : Wahania nastroju w ciągu dnia nie mają związku z przebywaniem w  pracy ,  bo dało się je zaobserwować także w  weekendy ;  ten sam wzorzec powtarzał się u  badanych z  Indii ,  Afryki ,  Australii czy Wielkiej Brytanii ,  Kanady i  USA .
Tokens: 1______ 2_______ 3 4____ 5___ 6__ 7___ 8______ 9 10__________ 11 12___ 13 14 15__ 16_ 17 18__________ 19___ 20 21______ 22 23_ 24_ 25_____ 26_______ 27_ 28 29______ 30 31___ 32 33____ 34 35_______ 36_ 37______ 38______ 39 40____ 41 42_ 43

Chunks:
  TruePositive nam [31,31] = Indii
  TruePositive nam [33,33] = Afryki
  TruePositive nam [35,35] = Australii
  TruePositive nam [37,38] = Wielkiej Brytanii
  TruePositive nam [40,40] = Kanady
  TruePositive nam [42,42] = USA

(ChunkerEvaluator) Sentence #2373 from articles/00107456 from sent13

Text  : Poza tym bardziej zadowoleni z życia jesteśmy między grudniem a  końcem czerwca ,  gdy na północnej półkuli Ziemi dzień się stopniowo wydłuża .
Tokens: 1___ 2__ 3_______ 4_________ 5 6____ 7_______ 8_____ 9_______ 10 11____ 12_____ 13 14_ 15 16_______ 17_____ 18___ 19___ 20_ 21_______ 22_____ 23

Chunks:
  TruePositive nam [18,18] = Ziemi

(ChunkerEvaluator) Sentence #2374 from articles/00107456 from sent14

Text  : Co ciekawe - zauważyli naukowcy - obniżkę nastroju u użytkowników Twittera potrafiła wywołać wiadomość ,  że coś złego lub nieprzyjemnego przydarzyło się innej osobie ,  nawet jeśli była im zupełnie obca .
Tokens: 1_ 2______ 3 4________ 5_______ 6 7______ 8_______ 9 10__________ 11______ 12_______ 13_____ 14_______ 15 16 17_ 18___ 19_ 20____________ 21_________ 22_ 23___ 24____ 25 26___ 27___ 28__ 29 30______ 31__ 32

Chunks:
  FalseNegative nam [11,11] = Twittera

(ChunkerEvaluator) Sentence #2375 from articles/00107456 from sent15

Text  : W podobnym doświadczeniu , którego wyniki również ukazały się w  "  Science "  ,  naukowcy z  Uniwersytetu w  Vermont .
Tokens: 1 2_______ 3____________ 4 5______ 6_____ 7______ 8______ 9__ 10 11 12_____ 13 14 15______ 16 17__________ 18 19_____ 20

Chunks:
  FalsePositive nam [17,19] = Uniwersytetu w Vermont
  FalseNegative nam [12,12] = Science
  FalseNegative nam [17,17] = Uniwersytetu
  FalseNegative nam [19,19] = Vermont

(ChunkerEvaluator) Sentence #2376 from articles/00107456 from sent16

Text  : Przez ostatni rok ( do września tego roku ) ustalili ,  które wydarzenia budziły najbardziej pozytywne i  najbardziej negatywne emocje .
Tokens: 1____ 2______ 3__ 4 5_ 6_______ 7___ 8___ 9 10______ 11 12___ 13________ 14_____ 15_________ 16_______ 17 18_________ 19_______ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #2377 from articles/00107456 from sent17

Text  : I tak najsmutniejszym momentem była dla użytkowników Twittera śmierć Osamy bin Ladena ,  następnie marcowe trzęsienie ziemi w  Japonii ,  zamieszki w  Londynie ,  10 .  rocznica zamachów 11 września oraz śmierć piosenkarki Amy Winehouse .
Tokens: 1 2__ 3______________ 4_______ 5___ 6__ 7___________ 8_______ 9_____ 10___ 11_ 12____ 13 14_______ 15_____ 16________ 17___ 18 19_____ 20 21_______ 22 23______ 24 25 26 27______ 28______ 29 30______ 31__ 32____ 33_________ 34_ 35_______ 36

Chunks:
  TruePositive nam [19,19] = Japonii
  TruePositive nam [23,23] = Londynie
  TruePositive nam [34,35] = Amy Winehouse
  FalsePositive nam [12,12] = Ladena
  FalseNegative nam [8,8] = Twittera
  FalseNegative nam [10,12] = Osamy bin Ladena

(ChunkerEvaluator) Sentence #2378 from articles/00107456 from sent18

Text  : Radosny nastrój panował w okolicy świąt Bożego Narodzenia i Nowego Roku ,  następnie w  Walentynki ,  w  amerykańskie Święto Dziękczynienia i  na Wielkanoc .
Tokens: 1______ 2______ 3______ 4 5______ 6____ 7_____ 8_________ 9 10____ 11__ 12 13_______ 14 15________ 16 17 18__________ 19____ 20____________ 21 22 23_______ 24

Chunks:
  TruePositive nam [7,8] = Bożego Narodzenia
  TruePositive nam [10,11] = Nowego Roku
  TruePositive nam [15,15] = Walentynki
  TruePositive nam [19,20] = Święto Dziękczynienia
  TruePositive nam [23,23] = Wielkanoc

(ChunkerEvaluator) Sentence #2379 from articles/00107456 from sent19

Text  : Ślub brytyjskiego następcy tronu , księcia Williama , i Kate Middleton również wywołał pozytywne emocje ,  porównywalne do tych z  okazji Wielkanocy i  Dnia Ojca .
Tokens: 1___ 2___________ 3_______ 4____ 5 6______ 7_______ 8 9 10__ 11_______ 12_____ 13_____ 14_______ 15____ 16 17__________ 18 19__ 20 21____ 22________ 23 24__ 25__ 26

Chunks:
  TruePositive nam [7,7] = Williama
  TruePositive nam [10,11] = Kate Middleton
  TruePositive nam [22,22] = Wielkanocy
  TruePositive nam [24,25] = Dnia Ojca
  FalseNegative nam [1,1] = Ślub

2016-10-27 14:59:22,725 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 95 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107457.xml
(ChunkerEvaluator) Sentence #2380 from articles/00107457 from sent1

Text  : Platforma pozwie PiS za słowa o niepełnosprawnych
Tokens: 1________ 2_____ 3__ 4_ 5____ 6 7________________

Chunks:
  TruePositive nam [3,3] = PiS
  FalseNegative nam [1,1] = Platforma

(ChunkerEvaluator) Sentence #2381 from articles/00107457 from sent2

Text  : Platforma Obywatelska pozwie Jarosława Kaczyńskiego za stwierdzenie , że za jej rządów co ósmy niepełnosprawny stracił pracę .
Tokens: 1________ 2__________ 3_____ 4________ 5___________ 6_ 7___________ 8 9_ 10 11_ 12____ 13 14__ 15_____________ 16_____ 17___ 18

Chunks:
  TruePositive nam [1,2] = Platforma Obywatelska
  TruePositive nam [4,5] = Jarosława Kaczyńskiego

(ChunkerEvaluator) Sentence #2382 from articles/00107457 from sent3

Text  : - Nie możemy być bierni , gdy mówi się nieprawdę -  tłumaczy Grzegorz Schetyna ,  marszałek Sejmu .
Tokens: 1 2__ 3_____ 4__ 5_____ 6 7__ 8___ 9__ 10_______ 11 12______ 13______ 14______ 15 16_______ 17___ 18

Chunks:
  TruePositive nam [13,14] = Grzegorz Schetyna
  TruePositive nam [17,17] = Sejmu

(ChunkerEvaluator) Sentence #2383 from articles/00107457 from sent4

Text  : Platforma pozwie PiS za słowa o niepełnosprawnych
Tokens: 1________ 2_____ 3__ 4_ 5____ 6 7________________

Chunks:
  TruePositive nam [3,3] = PiS
  FalseNegative nam [1,1] = Platforma

(ChunkerEvaluator) Sentence #2384 from articles/00107457 from sent5

Text  : Platforma Obywatelska pozwie Jarosława Kaczyńskiego za stwierdzenie , że za jej rządów co ósmy niepełnosprawny stracił pracę .
Tokens: 1________ 2__________ 3_____ 4________ 5___________ 6_ 7___________ 8 9_ 10 11_ 12____ 13 14__ 15_____________ 16_____ 17___ 18

Chunks:
  TruePositive nam [1,2] = Platforma Obywatelska
  TruePositive nam [4,5] = Jarosława Kaczyńskiego

(ChunkerEvaluator) Sentence #2385 from articles/00107457 from sent6

Text  : - Nie możemy być bierni , gdy mówi się nieprawdę -  tłumaczy Grzegorz Schetyna ,  marszałek Sejmu .
Tokens: 1 2__ 3_____ 4__ 5_____ 6 7__ 8___ 9__ 10_______ 11 12______ 13______ 14______ 15 16_______ 17___ 18

Chunks:
  TruePositive nam [13,14] = Grzegorz Schetyna
  TruePositive nam [17,17] = Sejmu

(ChunkerEvaluator) Sentence #2386 from articles/00107457 from sent7

Text  : Jarosław Kaczyński zarzucił w piątek obecnemu rządowi , że z  powodu podjętych przez ostatnie cztery lata decyzji coraz mniej niepełnosprawnych może pracować .
Tokens: 1_______ 2________ 3_______ 4 5_____ 6_______ 7______ 8 9_ 10 11____ 12_______ 13___ 14______ 15____ 16__ 17_____ 18___ 19___ 20_______________ 21__ 22______ 23

Chunks:
  TruePositive nam [1,2] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #2387 from articles/00107457 from sent8

Text  : - Działania tego rządu doprowadziły do tego , że co ósmy pracujący niepełnosprawny utracił pracę .
Tokens: 1 2________ 3___ 4____ 5___________ 6_ 7___ 8 9_ 10 11__ 12_______ 13_____________ 14_____ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #2388 from articles/00107457 from sent9

Text  : To musi być zmienione .
Tokens: 1_ 2___ 3__ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2389 from articles/00107457 from sent10

Text  : My chcemy stworzyć w sferze publicznej różnego rodzaju dodatkowe możliwości ,  zachęcające do zatrudnienia niepełnosprawnych -  mówił prezes PiS .
Tokens: 1_ 2_____ 3_______ 4 5_____ 6_________ 7______ 8______ 9________ 10________ 11 12_________ 13 14__________ 15_______________ 16 17___ 18____ 19_ 20

Chunks:
  TruePositive nam [19,19] = PiS

(ChunkerEvaluator) Sentence #2390 from articles/00107457 from sent11

Text  : W niedzielę te informacje prostowali politycy PO .
Tokens: 1 2________ 3_ 4_________ 5_________ 6_______ 7_ 8

Chunks:
  TruePositive nam [7,7] = PO

(ChunkerEvaluator) Sentence #2391 from articles/00107457 from sent12

Text  : - Dane , które przekazał Jarosław Kaczyński są zmanipulowane -  mówi Jarosław Duda ,  rządowy pełnomocnik ds .  osób niepełnosprawnych .
Tokens: 1 2___ 3 4____ 5________ 6_______ 7________ 8_ 9____________ 10 11__ 12______ 13__ 14 15_____ 16_________ 17 18 19__ 20_______________ 21

Chunks:
  TruePositive nam [6,7] = Jarosław Kaczyński
  TruePositive nam [12,13] = Jarosław Duda

(ChunkerEvaluator) Sentence #2392 from articles/00107457 from sent13

Text  : - W ciągu ostatnich czterech lat zatrudnienie wśród niepełnosprawnych nie tylko nie malało ,  ale wręcz rosło .  -  stwierdził .
Tokens: 1 2 3____ 4________ 5_______ 6__ 7___________ 8____ 9________________ 10_ 11___ 12_ 13____ 14 15_ 16___ 17___ 18 19 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #2393 from articles/00107457 from sent14

Text  : Według danych , które przedstawiła PO , powołując się na statystyki Państwowego Funduszu Rehabilitacji Osób Niepełnosprawnych w  2007 roku pracowało 308 tys .  osób z  niepełnosprawnościami ,  a  w  2011 roku -  329 tys .
Tokens: 1_____ 2_____ 3 4____ 5___________ 6_ 7 8________ 9__ 10 11________ 12_________ 13______ 14___________ 15__ 16_______________ 17 18__ 19__ 20_______ 21_ 22_ 23 24__ 25 26___________________ 27 28 29 30__ 31__ 32 33_ 34_ 35

Chunks:
  TruePositive nam [6,6] = PO
  TruePositive nam [12,16] = Państwowego Funduszu Rehabilitacji Osób Niepełnosprawnych

(ChunkerEvaluator) Sentence #2394 from articles/00107457 from sent15

Text  : Sławomir Piechota , przewodniczący sejmowej komisji polityki społecznej i rodziny ,  odniósł się również do słów prezesa PiS o  tym ,  że powinno się zwiększyć możliwości studiowania przez osoby niepełnosprawne na uczelniach sportowych .
Tokens: 1_______ 2_______ 3 4_____________ 5_______ 6______ 7_______ 8_________ 9 10_____ 11 12_____ 13_ 14_____ 15 16__ 17_____ 18_ 19 20_ 21 22 23_____ 24_ 25_______ 26________ 27_________ 28___ 29___ 30_____________ 31 32________ 33________ 34

Chunks:
  TruePositive nam [1,2] = Sławomir Piechota
  TruePositive nam [18,18] = PiS

(ChunkerEvaluator) Sentence #2395 from articles/00107457 from sent16

Text  : - Takie osoby nie tylko dzisiaj studiują , ale również wykładają ,  jak choćby prof .  Tomasz Tasiemski ,  który w  Poznaniu kieruje katedrą aktywnej rehabilitacji na Akademii Wychowania Fizycznego -  mówił Piechota .
Tokens: 1 2____ 3____ 4__ 5____ 6______ 7_______ 8 9__ 10_____ 11_______ 12 13_ 14____ 15__ 16 17____ 18_______ 19 20___ 21 22______ 23_____ 24_____ 25______ 26___________ 27 28______ 29________ 30________ 31 32___ 33______ 34

Chunks:
  TruePositive nam [17,18] = Tomasz Tasiemski
  TruePositive nam [22,22] = Poznaniu
  TruePositive nam [28,30] = Akademii Wychowania Fizycznego
  TruePositive nam [33,33] = Piechota

(ChunkerEvaluator) Sentence #2396 from articles/00107457 from sent17

Text  : Platforma zapowiada złożenie pozwu w trybie wyborczym w poniedziałek
Tokens: 1________ 2________ 3_______ 4____ 5 6_____ 7________ 8 9___________

Chunks:
  FalseNegative nam [1,1] = Platforma

2016-10-27 14:59:22,867 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 96 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107458.xml
(ChunkerEvaluator) Sentence #2397 from articles/00107458 from sent1

Text  : Po tragedii na sandomierskiej skarpie .
Tokens: 1_ 2_______ 3_ 4_____________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #2398 from articles/00107458 from sent2

Text  : 21 - latkowi grozi dożywocie
Tokens: 1_ 2 3______ 4____ 5________

Chunks:

(ChunkerEvaluator) Sentence #2399 from articles/00107458 from sent3

Text  : Dożywocie grozi młodemu mężczyźnie , sprawcy głośnej tragedii na sandomierskiej skarpie .
Tokens: 1________ 2____ 3______ 4_________ 5 6______ 7______ 8_______ 9_ 10____________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2400 from articles/00107458 from sent4

Text  : 21 - latek jest ojcem niespełna rocznego dziecka .
Tokens: 1_ 2 3____ 4___ 5____ 6________ 7_______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2401 from articles/00107458 from sent5

Text  : Biegli stwierdzili , że w chwili zbrodni działał pod wpływem bardzo silnych emocji .
Tokens: 1_____ 2__________ 3 4_ 5 6_____ 7______ 8______ 9__ 10_____ 11____ 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #2402 from articles/00107458 from sent6

Text  : Emocje były zabójcze
Tokens: 1_____ 2___ 3_______

Chunks:

(ChunkerEvaluator) Sentence #2403 from articles/00107458 from sent7

Text  : Dożywocie grozi młodemu mężczyźnie , sprawcy głośnej tragedii na sandomierskiej skarpie .
Tokens: 1________ 2____ 3______ 4_________ 5 6______ 7______ 8_______ 9_ 10____________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #2404 from articles/00107458 from sent8

Text  : 21 - latek jest ojcem niespełna rocznego dziecka .
Tokens: 1_ 2 3____ 4___ 5____ 6________ 7_______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2405 from articles/00107458 from sent9

Text  : Biegli stwierdzili , że w chwili zbrodni działał pod wpływem bardzo silnych emocji
Tokens: 1_____ 2__________ 3 4_ 5 6_____ 7______ 8______ 9__ 10_____ 11____ 12_____ 13____

Chunks:

(ChunkerEvaluator) Sentence #2406 from articles/00107458 from sent10

Text  : - Mężczyzna został oskarżony o zabójstwo oraz dwukrotne usiłowanie zabójstwa -  informuje Sławomir Mielniczuk ,  rzecznik kieleckiej prokuratury .
Tokens: 1 2________ 3_____ 4________ 5 6________ 7___ 8________ 9_________ 10_______ 11 12_______ 13______ 14________ 15 16______ 17________ 18_________ 19

Chunks:
  TruePositive nam [13,14] = Sławomir Mielniczuk
  FalsePositive nam [2,2] = Mężczyzna

(ChunkerEvaluator) Sentence #2407 from articles/00107458 from sent11

Text  : Był 14 maja tego roku , gdy na sandomierskiej skarpie bawiła się trójka młodych ludzi :  18 -  letni Krystian ,  17 -  letnia Sylwia i  jej koleżanka Paulina .
Tokens: 1__ 2_ 3___ 4___ 5___ 6 7__ 8_ 9_____________ 10_____ 11____ 12_ 13____ 14_____ 15___ 16 17 18 19___ 20______ 21 22 23 24____ 25____ 26 27_ 28_______ 29_____ 30

Chunks:
  TruePositive nam [20,20] = Krystian
  TruePositive nam [25,25] = Sylwia
  TruePositive nam [29,29] = Paulina

(ChunkerEvaluator) Sentence #2408 from articles/00107458 from sent12

Text  : Nagle przyszedł tam 21 - letni Michał .
Tokens: 1____ 2________ 3__ 4_ 5 6____ 7_____ 8

Chunks:
  TruePositive nam [7,7] = Michał

(ChunkerEvaluator) Sentence #2409 from articles/00107458 from sent13

Text  : Z Sylwią byli parą od drugiej klasy gimnazjum , mieli dziecko ,  ale od jakiegoś czasu nie układało im się najlepiej .
Tokens: 1 2_____ 3___ 4___ 5_ 6______ 7____ 8________ 9 10___ 11_____ 12 13_ 14 15______ 16___ 17_ 18______ 19 20_ 21_______ 22

Chunks:
  FalseNegative nam [2,2] = Sylwią

(ChunkerEvaluator) Sentence #2410 from articles/00107458 from sent14

Text  : Ich znajomi opowiadali nam , że jeszcze do niedawna to Michał zajmował się wychowywaniem dziecka ,  pomagali mu jego rodzice .
Tokens: 1__ 2______ 3_________ 4__ 5 6_ 7______ 8_ 9_______ 10 11____ 12______ 13_ 14___________ 15_____ 16 17______ 18 19__ 20_____ 21

Chunks:
  TruePositive nam [11,11] = Michał

(ChunkerEvaluator) Sentence #2411 from articles/00107458 from sent15

Text  : Wynajęli nawet dla niego i Sylwii mieszkanie w Sandomierzu .
Tokens: 1_______ 2____ 3__ 4____ 5 6_____ 7_________ 8 9__________ 10

Chunks:
  TruePositive nam [6,6] = Sylwii
  TruePositive nam [9,9] = Sandomierzu

(ChunkerEvaluator) Sentence #2412 from articles/00107458 from sent16

Text  : Dziewczyna jednak się wyprowadziła , zabierając dziecko .
Tokens: 1_________ 2_____ 3__ 4___________ 5 6_________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #2413 from articles/00107458 from sent17

Text  : Podobno chciała być z Krystianem , ale Michał nie dopuszczał takiego rozwiązania .
Tokens: 1______ 2______ 3__ 4 5_________ 6 7__ 8_____ 9__ 10________ 11_____ 12_________ 13

Chunks:
  TruePositive nam [5,5] = Krystianem
  TruePositive nam [8,8] = Michał

(ChunkerEvaluator) Sentence #2414 from articles/00107458 from sent18

Text  : - Mówił , że jak nie będzie z nim ,  to nie będzie z  nikim -  opowiadała nam przyjaciółka Sylwii .
Tokens: 1 2____ 3 4_ 5__ 6__ 7_____ 8 9__ 10 11 12_ 13____ 14 15___ 16 17________ 18_ 19__________ 20____ 21

Chunks:
  TruePositive nam [20,20] = Sylwii

(ChunkerEvaluator) Sentence #2415 from articles/00107458 from sent19

Text  : Śledczy nie ujawniają jednak szczegółów ani motywu zbrodni .
Tokens: 1______ 2__ 3________ 4_____ 5_________ 6__ 7_____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2416 from articles/00107458 from sent20

Text  : - Sprawa jest natury bardzo delikatnej .
Tokens: 1 2_____ 3___ 4_____ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #2417 from articles/00107458 from sent21

Text  : Mogę tylko powiedzieć , że motywem działania były ogromne problemy osobiste oskarżonego .
Tokens: 1___ 2____ 3_________ 4 5_ 6______ 7________ 8___ 9______ 10______ 11______ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #2418 from articles/00107458 from sent22

Text  : Te niepowodzenia mnożyły się i piętrzyły emocje , które w  nim narastały -  mówi Małgorzata Sowińska -  Lalek ,  szefowa sandomierskiej prokuratury .
Tokens: 1_ 2____________ 3______ 4__ 5 6________ 7_____ 8 9____ 10 11_ 12_______ 13 14__ 15________ 16______ 17 18___ 19 20_____ 21____________ 22_________ 23

Chunks:
  TruePositive nam [15,18] = Małgorzata Sowińska - Lalek

(ChunkerEvaluator) Sentence #2419 from articles/00107458 from sent23

Text  : Doprowadziły do tego , że 14 maja na skarpie Michał wyjął nóż i  zadał nim co najmniej osiem ciosów Krystianowi ,  kilkakrotnie ranił też obie dziewczyny .
Tokens: 1___________ 2_ 3___ 4 5_ 6_ 7___ 8_ 9______ 10____ 11___ 12_ 13 14___ 15_ 16 17______ 18___ 19____ 20_________ 21 22__________ 23___ 24_ 25__ 26________ 27

Chunks:
  TruePositive nam [10,10] = Michał
  TruePositive nam [20,20] = Krystianowi

(ChunkerEvaluator) Sentence #2420 from articles/00107458 from sent24

Text  : Krystian nie przeżył , nastolatki w ciężkim stanie trafiły do szpitala .
Tokens: 1_______ 2__ 3______ 4 5_________ 6 7______ 8_____ 9______ 10 11______ 12

Chunks:
  TruePositive nam [1,1] = Krystian

(ChunkerEvaluator) Sentence #2421 from articles/00107458 from sent25

Text  : Zaraz po zdarzeniu pojawiła się wersja , że uszły z  życiem tylko dlatego ,  że leżąc na ziemi ,  udawały martwe .
Tokens: 1____ 2_ 3________ 4_______ 5__ 6_____ 7 8_ 9____ 10 11____ 12___ 13_____ 14 15 16___ 17 18___ 19 20_____ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #2422 from articles/00107458 from sent26

Text  : Michał uciekł ze skarpy , próbował się zabić .
Tokens: 1_____ 2_____ 3_ 4_____ 5 6_______ 7__ 8____ 9

Chunks:
  TruePositive nam [1,1] = Michał

(ChunkerEvaluator) Sentence #2423 from articles/00107458 from sent27

Text  : Gdy do karetki zabierano Paulinę i Sylwię , przypadkowy przechodzień znalazł go na przystanku przy ul .  Żwirki i  Wigury .
Tokens: 1__ 2_ 3______ 4________ 5______ 6 7_____ 8 9__________ 10__________ 11_____ 12 13 14________ 15__ 16 17 18____ 19 20____ 21

Chunks:
  TruePositive nam [5,5] = Paulinę
  TruePositive nam [7,7] = Sylwię
  FalsePositive nam [18,18] = Żwirki
  FalsePositive nam [20,20] = Wigury
  FalseNegative nam [18,20] = Żwirki i Wigury

(ChunkerEvaluator) Sentence #2424 from articles/00107458 from sent28

Text  : Był pocięty nożem .
Tokens: 1__ 2______ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #2425 from articles/00107458 from sent29

Text  : 21 - letni grafik komputerowy przyznał się do winy .
Tokens: 1_ 2 3____ 4_____ 5__________ 6_______ 7__ 8_ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #2426 from articles/00107458 from sent30

Text  : - I do tego , że uderzał nożem , i  do tego ,  że chciał zabić -  mówi prokurator Sowińska -  Lalek .
Tokens: 1 2 3_ 4___ 5 6_ 7______ 8____ 9 10 11 12__ 13 14 15____ 16___ 17 18__ 19________ 20______ 21 22___ 23

Chunks:
  TruePositive nam [20,22] = Sowińska - Lalek

(ChunkerEvaluator) Sentence #2427 from articles/00107458 from sent31

Text  : Zaraz po tragedii Michał trafił na obserwację psychiatryczną krakowskiego aresztu śledczego na Montelupich .
Tokens: 1____ 2_ 3_______ 4_____ 5_____ 6_ 7_________ 8_____________ 9___________ 10_____ 11_______ 12 13_________ 14

Chunks:
  TruePositive nam [4,4] = Michał
  TruePositive nam [13,13] = Montelupich

(ChunkerEvaluator) Sentence #2428 from articles/00107458 from sent32

Text  : Biegli stwierdzili , że był poczytalny .
Tokens: 1_____ 2__________ 3 4_ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #2429 from articles/00107458 from sent33

Text  : - Zaznaczyli natomiast , że oskarżony działał pod wpływem silnych emocji i  wzburzenia .
Tokens: 1 2_________ 3________ 4 5_ 6________ 7______ 8__ 9______ 10_____ 11____ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #2430 from articles/00107458 from sent34

Text  : Rolą sądu jest natomiast ocenić , czy były one usprawiedliwione okolicznościami -  mówi szefowa sandomierskiej prokuratury .
Tokens: 1___ 2___ 3___ 4________ 5_____ 6 7__ 8___ 9__ 10______________ 11_____________ 12 13__ 14_____ 15____________ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #2431 from articles/00107458 from sent35

Text  : Jeśli sąd przyjął by , że tak było , Michał mógł by liczyć na łagodniejszą karę .
Tokens: 1____ 2__ 3______ 4_ 5 6_ 7__ 8___ 9 10____ 11__ 12 13____ 14 15__________ 16__ 17

Chunks:
  TruePositive nam [10,10] = Michał

(ChunkerEvaluator) Sentence #2432 from articles/00107458 from sent36

Text  : Teraz grozi mu dożywocie .
Tokens: 1____ 2____ 3_ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2433 from articles/00107458 from sent37

Text  : Proces toczył się będzie przed Sądem Okręgowym w Kielcach .
Tokens: 1_____ 2_____ 3__ 4_____ 5____ 6____ 7________ 8 9_______ 10

Chunks:
  FalsePositive nam [6,9] = Sądem Okręgowym w Kielcach
  FalseNegative nam [6,7] = Sądem Okręgowym
  FalseNegative nam [9,9] = Kielcach

2016-10-27 14:59:23,021 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 97 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107459.xml
(ChunkerEvaluator) Sentence #2434 from articles/00107459 from sent1

Text  : Białoruś wypuszcza i bije
Tokens: 1_______ 2________ 3 4___

Chunks:
  TruePositive nam [1,1] = Białoruś

(ChunkerEvaluator) Sentence #2435 from articles/00107459 from sent2

Text  : Prezydent Aleksander Łukaszenka ułaskawił kolejnego więźnia politycznego - wolność odzyskał były kandydat opozycji na prezydenta Dzmitryj Us .  W  tym samym czasie nieznani sprawcy pobili kilku opozycjonistów ,  w  tym uczestnika szczytu Partnerstwa Wschodniego w  Warszawie
Tokens: 1________ 2_________ 3_________ 4________ 5________ 6______ 7___________ 8 9______ 10______ 11__ 12______ 13______ 14 15________ 16______ 17 18 19 20_ 21___ 22____ 23______ 24_____ 25____ 26___ 27____________ 28 29 30_ 31________ 32_____ 33_________ 34_________ 35 36_______

Chunks:
  TruePositive nam [2,3] = Aleksander Łukaszenka
  TruePositive nam [16,17] = Dzmitryj Us
  TruePositive nam [33,34] = Partnerstwa Wschodniego
  TruePositive nam [36,36] = Warszawie
  FalsePositive nam [1,1] = Prezydent

(ChunkerEvaluator) Sentence #2436 from articles/00107459 from sent3

Text  : „ Aleksander Łukaszenka , kierując się względami humanitarnymi , ułaskawił jeszcze jednego skazanego za udział w  ulicznych zamieszkach 19 grudnia 2010 r  .  ”  -  taką lakoniczną informację podała w  niedzielę rządowa agencja Biełta .
Tokens: 1 2_________ 3_________ 4 5_______ 6__ 7________ 8____________ 9 10_______ 11_____ 12_____ 13_______ 14 15____ 16 17_______ 18_________ 19 20_____ 21__ 22 23 24 25 26__ 27________ 28________ 29____ 30 31_______ 32_____ 33_____ 34____ 35

Chunks:
  TruePositive nam [2,3] = Aleksander Łukaszenka
  FalseNegative nam [34,34] = Biełta

(ChunkerEvaluator) Sentence #2437 from articles/00107459 from sent4

Text  : - Zwolniono mnie w sobotę wieczorem .
Tokens: 1 2________ 3___ 4 5_____ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #2438 from articles/00107459 from sent5

Text  : Był em akurat w więziennym szpitalu , kiedy wezwano mnie i  dano do podpisania rozporządzenie szefa departamentu wykonania wyroków MSW o  tym ,  że zwalnia się mnie na podstawie decyzji Łukaszenki -  mówi Us .  Jest pierwszym z  kandydatów opozycji na prezydenta ,  który został skazany na więzienie bez zawieszenia (  na 5  ,  5  roku )  i  który wyszedł na wolność .
Tokens: 1__ 2_ 3_____ 4 5_________ 6_______ 7 8____ 9______ 10__ 11 12__ 13 14________ 15____________ 16___ 17__________ 18_______ 19_____ 20_ 21 22_ 23 24 25_____ 26_ 27__ 28 29_______ 30_____ 31________ 32 33__ 34 35 36__ 37_______ 38 39________ 40______ 41 42________ 43 44___ 45____ 46_____ 47 48_______ 49_ 50_________ 51 52 53 54 55 56__ 57 58 59___ 60_____ 61 62_____ 63

Chunks:
  TruePositive nam [20,20] = MSW
  TruePositive nam [31,31] = Łukaszenki
  TruePositive nam [34,34] = Us

(ChunkerEvaluator) Sentence #2439 from articles/00107459 from sent6

Text  : Za kratkami pozostali jeszcze Andrej Sannikau ( 5 lat )  i  Mikoła Statkiewicz (  6  lat )  .
Tokens: 1_ 2_______ 3________ 4______ 5_____ 6_______ 7 8 9__ 10 11 12____ 13_________ 14 15 16_ 17 18

Chunks:
  TruePositive nam [5,6] = Andrej Sannikau
  TruePositive nam [12,13] = Mikoła Statkiewicz

(ChunkerEvaluator) Sentence #2440 from articles/00107459 from sent7

Text  : Us podkreśla , ze nie prosił Łukaszenki o łaskę i  nie podpisywał żadnych zobowiązań np .  do współpracy z  KGB .
Tokens: 1_ 2________ 3 4_ 5__ 6_____ 7_________ 8 9____ 10 11_ 12________ 13_____ 14________ 15 16 17 18________ 19 20_ 21

Chunks:
  TruePositive nam [1,1] = Us
  TruePositive nam [7,7] = Łukaszenki
  TruePositive nam [20,20] = KGB

(ChunkerEvaluator) Sentence #2441 from articles/00107459 from sent8

Text  : Podobnie jak inni opozycyjni kandydaci na prezydenta został oskarżony o  zorganizowanie antypaństwowych zamieszek w  wieczór wyborczy 19 grudnia 2010 r  .
Tokens: 1_______ 2__ 3___ 4_________ 5________ 6_ 7_________ 8_____ 9________ 10 11____________ 12_____________ 13_______ 14 15_____ 16______ 17 18_____ 19__ 20 21

Chunks:

(ChunkerEvaluator) Sentence #2442 from articles/00107459 from sent9

Text  : Tysiące Białorusinów wyszło wtedy na ulice Mińska , by zaprotestować przeciwko sfałszowaniu przez władze wyników wyborów ,  które według oficjalnych danych Łukaszenka wygrał z  prawie 80 -  proc .  poparciem .
Tokens: 1______ 2___________ 3_____ 4____ 5_ 6____ 7_____ 8 9_ 10___________ 11_______ 12__________ 13___ 14____ 15_____ 16_____ 17 18___ 19____ 20_________ 21____ 22________ 23____ 24 25____ 26 27 28__ 29 30_______ 31

Chunks:
  TruePositive nam [2,2] = Białorusinów
  TruePositive nam [7,7] = Mińska
  TruePositive nam [22,22] = Łukaszenka

(ChunkerEvaluator) Sentence #2443 from articles/00107459 from sent10

Text  : Białoruskie służby specjalne brutalnie spacyfikowały protesty , aresztując ponad 800 osób (  w  tym siedmiu kandydatów na prezydenta )  skazanych potem na kary od grzywny po 6  ,  5  roku więzienia .
Tokens: 1__________ 2_____ 3________ 4________ 5____________ 6_______ 7 8_________ 9____ 10_ 11__ 12 13 14_ 15_____ 16________ 17 18________ 19 20_______ 21___ 22 23__ 24 25_____ 26 27 28 29 30__ 31_______ 32

Chunks:

(ChunkerEvaluator) Sentence #2444 from articles/00107459 from sent11

Text  : Us jest przekonany , że wyszedł na wolność „ z  powodu presji na reżim Łukaszenki ze strony UE i  USA ,  a  także groźby wprowadzenia politycznych i  ekonomicznych sankcji ”  .
Tokens: 1_ 2___ 3_________ 4 5_ 6______ 7_ 8______ 9 10 11____ 12____ 13 14___ 15________ 16 17____ 18 19 20_ 21 22 23___ 24____ 25__________ 26__________ 27 28___________ 29_____ 30 31

Chunks:
  TruePositive nam [15,15] = Łukaszenki
  TruePositive nam [18,18] = UE
  TruePositive nam [20,20] = USA
  FalseNegative nam [1,1] = Us

(ChunkerEvaluator) Sentence #2445 from articles/00107459 from sent12

Text  : W sytuacji , gdy białoruska gospodarka jest w głębokim kryzysie ,  inflacja sięgnęła już 60 proc .  ,  rubel białoruski gwałtownie traci na wartości ,  a  firmom brakuje waluty ,  Mińsk szuka zbliżenia z  Zachodem ,  by starać się o  nowe kredyty ratunkowe .
Tokens: 1 2_______ 3 4__ 5_________ 6_________ 7___ 8 9_______ 10______ 11 12______ 13______ 14_ 15 16__ 17 18 19___ 20________ 21________ 22___ 23 24______ 25 26 27____ 28_____ 29____ 30 31___ 32___ 33_______ 34 35______ 36 37 38____ 39_ 40 41__ 42_____ 43_______ 44

Chunks:
  TruePositive nam [31,31] = Mińsk
  TruePositive nam [35,35] = Zachodem
  FalseNegative nam [19,19] = rubel

(ChunkerEvaluator) Sentence #2446 from articles/00107459 from sent13

Text  : Bez uwolnienia więźniów politycznych nie jest to możliwe .
Tokens: 1__ 2_________ 3_______ 4___________ 5__ 6___ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2447 from articles/00107459 from sent14

Text  : Dlatego Us uważa , że wkrótce wyjdą na wolność ostatni polityczni -  oprócz Sannikaua i  Statkiewicza to jeszcze sześć innych osób .
Tokens: 1______ 2_ 3____ 4 5_ 6______ 7____ 8_ 9______ 10_____ 11________ 12 13____ 14_______ 15 16__________ 17 18_____ 19___ 20____ 21__ 22

Chunks:
  TruePositive nam [2,2] = Us
  TruePositive nam [14,14] = Sannikaua
  FalseNegative nam [16,16] = Statkiewicza

(ChunkerEvaluator) Sentence #2448 from articles/00107459 from sent15

Text  : Równolegle władze nasilają szykany wobec innych opozycjonistów .
Tokens: 1_________ 2_____ 3_______ 4______ 5____ 6_____ 7_____________ 8

Chunks:

(ChunkerEvaluator) Sentence #2449 from articles/00107459 from sent16

Text  : Szef Zjednoczonej Partii Obywatelskiej Anatol Labiedźka , który był w  składzie delegacji białoruskiej opozycji na warszawski szczyt Partnerstwa Wschodniego ,  został w  Mińsku napadnięty przez nieznanych sprawców .
Tokens: 1___ 2___________ 3_____ 4____________ 5_____ 6________ 7 8____ 9__ 10 11______ 12_______ 13__________ 14______ 15 16________ 17____ 18_________ 19_________ 20 21____ 22 23____ 24________ 25___ 26________ 27______ 28

Chunks:
  TruePositive nam [2,4] = Zjednoczonej Partii Obywatelskiej
  TruePositive nam [5,6] = Anatol Labiedźka
  TruePositive nam [18,19] = Partnerstwa Wschodniego
  TruePositive nam [23,23] = Mińsku

(ChunkerEvaluator) Sentence #2450 from articles/00107459 from sent17

Text  : - Kiedy podjechał em pod dom , próbowali zatrzymać mnie ludzie w  cywilu .
Tokens: 1 2____ 3________ 4_ 5__ 6__ 7 8________ 9________ 10__ 11____ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #2451 from articles/00107459 from sent18

Text  : Kilkakrotnie uderzyli , ale w mojej obronie stanęli sąsiedzi ,  którzy zablokowali drogę -  opowiadał dziennikarzom Labiedźka .
Tokens: 1___________ 2_______ 3 4__ 5 6____ 7______ 8______ 9_______ 10 11____ 12_________ 13___ 14 15_______ 16___________ 17_______ 18

Chunks:
  FalseNegative nam [17,17] = Labiedźka

(ChunkerEvaluator) Sentence #2452 from articles/00107459 from sent19

Text  : Później na miejscu zdarzenia zjawiła się milicja , która zatrzymała opozycjonistę .
Tokens: 1______ 2_ 3______ 4________ 5______ 6__ 7______ 8 9____ 10________ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #2453 from articles/00107459 from sent20

Text  : Po dwóch godzinach został zwolniony , ale funkcjonariusze zapowiedzieli mu ,  że w  najbliższym czasie będzie przesłuchany w  sprawie swych wyjazdów za granicę .
Tokens: 1_ 2____ 3________ 4_____ 5________ 6 7__ 8______________ 9____________ 10 11 12 13 14_________ 15____ 16____ 17__________ 18 19_____ 20___ 21______ 22 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #2454 from articles/00107459 from sent21

Text  : Podobną historię przeżyli w sobotę w nocy na autostradzie do Mińska jeden z  liderów opozycyjnej partii Sprawiedliwy Świat Walery Uchnalou i  politolog Wacłau Areszka ,  którzy wracali z  Warszawy przez Wilno .
Tokens: 1______ 2_______ 3_______ 4 5_____ 6 7___ 8_ 9___________ 10 11____ 12___ 13 14_____ 15_________ 16____ 17__________ 18___ 19____ 20______ 21 22_______ 23____ 24_____ 25 26____ 27_____ 28 29______ 30___ 31___ 32

Chunks:
  TruePositive nam [11,11] = Mińska
  TruePositive nam [17,18] = Sprawiedliwy Świat
  TruePositive nam [19,20] = Walery Uchnalou
  TruePositive nam [29,29] = Warszawy
  TruePositive nam [31,31] = Wilno
  FalsePositive nam [22,24] = politolog Wacłau Areszka
  FalseNegative nam [23,24] = Wacłau Areszka

(ChunkerEvaluator) Sentence #2455 from articles/00107459 from sent22

Text  : Kiedy ich samochód zatrzymali milicjanci , napadli na nich nieznani sprawcy w  kominiarkach .
Tokens: 1____ 2__ 3_______ 4_________ 5_________ 6 7______ 8_ 9___ 10______ 11_____ 12 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #2456 from articles/00107459 from sent23

Text  : - Spętali nam ręce i nogi drutem , zaciągnęli do lasu i  kopali .
Tokens: 1 2______ 3__ 4___ 5 6___ 7_____ 8 9_________ 10 11__ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #2457 from articles/00107459 from sent24

Text  : Później porzucili - opisuje Uchnalou .
Tokens: 1______ 2________ 3 4______ 5_______ 6

Chunks:
  FalseNegative nam [5,5] = Uchnalou

(ChunkerEvaluator) Sentence #2458 from articles/00107459 from sent25

Text  : Z auta zniknęły komputery i inne nośniki informacji .
Tokens: 1 2___ 3_______ 4________ 5 6___ 7______ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #2459 from articles/00107459 from sent26

Text  : Uchnalou , który niedawno wrócił z Warszawy , jest pewien ,  że za napadem stoi jedna z  białoruskich służb specjalnych .
Tokens: 1_______ 2 3____ 4_______ 5_____ 6 7_______ 8 9___ 10____ 11 12 13 14_____ 15__ 16___ 17 18__________ 19___ 20_________ 21

Chunks:
  TruePositive nam [7,7] = Warszawy
  FalseNegative nam [1,1] = Uchnalou

(ChunkerEvaluator) Sentence #2460 from articles/00107459 from sent27

Text  : Inny uczestnik szczytu w Warszawie Uładzimir Niaklajeu w poniedziałek musi zaś stawić się na milicji ,  gdzie zapewne będzie musiał tłumaczyć się ze swego wyjazdu do Polski .
Tokens: 1___ 2________ 3______ 4 5________ 6________ 7________ 8 9___________ 10__ 11_ 12____ 13_ 14 15_____ 16 17___ 18_____ 19____ 20____ 21_______ 22_ 23 24___ 25_____ 26 27____ 28

Chunks:
  TruePositive nam [27,27] = Polski
  FalsePositive nam [5,7] = Warszawie Uładzimir Niaklajeu
  FalseNegative nam [5,5] = Warszawie
  FalseNegative nam [6,7] = Uładzimir Niaklajeu

(ChunkerEvaluator) Sentence #2461 from articles/00107459 from sent28

Text  : Białoruskie MSW próbowało nie dopuścić do tego , by wziął udział w  szczycie Partnerstwa ,  które Mińsk zbojkotował .
Tokens: 1__________ 2__ 3________ 4__ 5_______ 6_ 7___ 8 9_ 10___ 11____ 12 13______ 14_________ 15 16___ 17___ 18_________ 19

Chunks:
  TruePositive nam [2,2] = MSW
  TruePositive nam [14,14] = Partnerstwa
  TruePositive nam [17,17] = Mińsk

(ChunkerEvaluator) Sentence #2462 from articles/00107459 from sent29

Text  : Niaklajeu ma zakaz opuszczania kraju po tym , jak został skazany na 2  ,  5  roku więzienia w  zawieszeniu za rzekome nawoływanie do antypaństwowych zamieszek 19 grudnia .
Tokens: 1________ 2_ 3____ 4__________ 5____ 6_ 7__ 8 9__ 10____ 11_____ 12 13 14 15 16__ 17_______ 18 19_________ 20 21_____ 22_________ 23 24_____________ 25_______ 26 27_____ 28

Chunks:
  FalseNegative nam [1,1] = Niaklajeu

(ChunkerEvaluator) Sentence #2463 from articles/00107459 from sent30

Text  : Na wielką manifestację opozycji wtedy nie dotarł , bo został napadnięty i  brutalnie pobity przez nieznanych sprawców .
Tokens: 1_ 2_____ 3___________ 4_______ 5____ 6__ 7_____ 8 9_ 10____ 11________ 12 13_______ 14____ 15___ 16________ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #2464 from articles/00107459 from sent31

Text  : - Władzę chcą zademonstrować swoją siłę .
Tokens: 1 2_____ 3___ 4_____________ 5____ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #2465 from articles/00107459 from sent32

Text  : W najbliższym czasie Białoruś czeka fala ataków nieznanych sprawców ,  którzy będą wykorzystywani do zastraszenia społeczeństwa -  uważa Niaklajeu .
Tokens: 1 2__________ 3_____ 4_______ 5____ 6___ 7_____ 8_________ 9_______ 10 11____ 12__ 13____________ 14 15__________ 16___________ 17 18___ 19_______ 20

Chunks:
  TruePositive nam [4,4] = Białoruś
  FalseNegative nam [19,19] = Niaklajeu

(ChunkerEvaluator) Sentence #2466 from articles/00107459 from sent33

Text  : - Trzeba pamiętać , że mamy do czynienia z represyjnym ,  policyjnym reżimem .
Tokens: 1 2_____ 3_______ 4 5_ 6___ 7_ 8________ 9 10_________ 11 12________ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #2467 from articles/00107459 from sent34

Text  : Takie zachowanie ma we krwi - podkreśla politolog Aleksander Kłaskouski .
Tokens: 1____ 2_________ 3_ 4_ 5___ 6 7________ 8________ 9_________ 10________ 11

Chunks:
  TruePositive nam [9,10] = Aleksander Kłaskouski

2016-10-27 14:59:23,243 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 98 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107460.xml
(ChunkerEvaluator) Sentence #2468 from articles/00107460 from sent1

Text  : Pijany syn kandydata na prezydenta Gdyni
Tokens: 1_____ 2__ 3________ 4_ 5_________ 6____

Chunks:
  TruePositive nam [6,6] = Gdyni

(ChunkerEvaluator) Sentence #2469 from articles/00107460 from sent2

Text  : Pijany syn Jarosława Duszewskiego , kandydata na prezydenta Gdyni z  ramienia SLD ,  trafił do izby wytrzeźwień .
Tokens: 1_____ 2__ 3________ 4___________ 5 6________ 7_ 8_________ 9____ 10 11______ 12_ 13 14____ 15 16__ 17_________ 18

Chunks:
  TruePositive nam [3,4] = Jarosława Duszewskiego
  TruePositive nam [9,9] = Gdyni
  TruePositive nam [12,12] = SLD

(ChunkerEvaluator) Sentence #2470 from articles/00107460 from sent3

Text  : Jego ojciec uważa , że syn był trzeźwy .
Tokens: 1___ 2_____ 3____ 4 5_ 6__ 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2471 from articles/00107460 from sent4

Text  : Wspomina o politycznej prowokacji .
Tokens: 1_______ 2 3__________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #2472 from articles/00107460 from sent5

Text  : Dowiedzieli śmy się , że w piątek o godz .  21 .  45 zadzwonił na policję właściciel restauracji Shanghai ,  mieszczącej się w  centrum Gdyni .
Tokens: 1__________ 2__ 3__ 4 5_ 6 7_____ 8 9___ 10 11 12 13 14_______ 15 16_____ 17________ 18_________ 19______ 20 21_________ 22_ 23 24_____ 25___ 26

Chunks:
  TruePositive nam [25,25] = Gdyni
  FalseNegative nam [19,19] = Shanghai

(ChunkerEvaluator) Sentence #2473 from articles/00107460 from sent6

Text  : Powiadomił , że młody mężczyzna wybił szybę w jego lokalu .
Tokens: 1_________ 2 3_ 4____ 5________ 6____ 7____ 8 9___ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #2474 from articles/00107460 from sent7

Text  : Policjanci byli na miejscu po 10 minutach .
Tokens: 1_________ 2___ 3_ 4______ 5_ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2475 from articles/00107460 from sent8

Text  : Zatrzymali 17 - letniego chłopaka .
Tokens: 1_________ 2_ 3 4_______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2476 from articles/00107460 from sent9

Text  : Badanie w izbie wytrzeźwień wykazało , że ma w wydychanym powietrzu ponad 1  ,  6  promila alkoholu .
Tokens: 1______ 2 3____ 4__________ 5_______ 6 7_ 8_ 9 10________ 11_______ 12___ 13 14 15 16_____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #2477 from articles/00107460 from sent10

Text  : - Właściciel stwierdził , że świadkiem zdarzenia jest barmanka -  mówi nasz informator .
Tokens: 1 2_________ 3_________ 4 5_ 6________ 7________ 8___ 9_______ 10 11__ 12__ 13________ 14

Chunks:
  FalsePositive nam [2,2] = Właściciel

(ChunkerEvaluator) Sentence #2478 from articles/00107460 from sent11

Text  : - A on sam gonił pijanego mężczyznę , złapał go na ulicy i  czekał na policję .
Tokens: 1 2 3_ 4__ 5____ 6_______ 7________ 8 9_____ 10 11 12___ 13 14____ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #2479 from articles/00107460 from sent12

Text  : Policjanci odnotowali też , że kiedy przyjechali na miejsce ,  zatrzymany miał siniaki na twarzy -  wargi górnej i  w  okolicy lewego oka .
Tokens: 1_________ 2_________ 3__ 4 5_ 6____ 7__________ 8_ 9______ 10 11________ 12__ 13_____ 14 15____ 16 17___ 18____ 19 20 21_____ 22____ 23_ 24

Chunks:

(ChunkerEvaluator) Sentence #2480 from articles/00107460 from sent13

Text  : „ Gazeta ” ustaliła , że nastolatek był tak pijany ,  że nie był w  stanie zrozumieć swoich praw i  podpisać protokołu zatrzymania .
Tokens: 1 2_____ 3 4_______ 5 6_ 7_________ 8__ 9__ 10____ 11 12 13_ 14_ 15 16____ 17_______ 18____ 19__ 20 21______ 22_______ 23_________ 24

Chunks:
  TruePositive nam [2,2] = Gazeta

(ChunkerEvaluator) Sentence #2481 from articles/00107460 from sent14

Text  : Bełkotał i ledwo trzymał się na nogach .
Tokens: 1_______ 2 3____ 4______ 5__ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #2482 from articles/00107460 from sent15

Text  : Policjanci zawieźli go do izby wytrzeźwień w Gdyni Redłowie .
Tokens: 1_________ 2_______ 3_ 4_ 5___ 6__________ 7 8____ 9_______ 10

Chunks:
  FalsePositive nam [8,9] = Gdyni Redłowie
  FalseNegative nam [8,8] = Gdyni
  FalseNegative nam [9,9] = Redłowie

(ChunkerEvaluator) Sentence #2483 from articles/00107460 from sent16

Text  : Lekarz stwierdził , że nie ma żadnych przeciwwskazań , aby spędził tam noc .
Tokens: 1_____ 2_________ 3 4_ 5__ 6_ 7______ 8_____________ 9 10_ 11_____ 12_ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #2484 from articles/00107460 from sent17

Text  : O godz . 22 . 25 do restauracji Shanghai przyjechali funkcjonariusze pionu dochodzeniowo -  śledczego .
Tokens: 1 2___ 3 4_ 5 6_ 7_ 8__________ 9_______ 10_________ 11_____________ 12___ 13___________ 14 15_______ 16

Chunks:
  FalseNegative nam [9,9] = Shanghai

(ChunkerEvaluator) Sentence #2485 from articles/00107460 from sent18

Text  : - Na miejscu był Jarosław Duszewski , radny i kandydat SLD na prezydenta Gdyni .
Tokens: 1 2_ 3______ 4__ 5_______ 6________ 7 8____ 9 10______ 11_ 12 13________ 14___ 15

Chunks:
  TruePositive nam [5,6] = Jarosław Duszewski
  TruePositive nam [11,11] = SLD
  TruePositive nam [14,14] = Gdyni

(ChunkerEvaluator) Sentence #2486 from articles/00107460 from sent19

Text  : To jego syn był sprawcą zamieszania - tłumaczy informator .
Tokens: 1_ 2___ 3__ 4__ 5______ 6__________ 7 8_______ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #2487 from articles/00107460 from sent20

Text  : - Jednocześnie właściciel lokalu powiedział policjantom , że nie chce ,  aby sprawą zajmowała się policja .
Tokens: 1 2___________ 3_________ 4_____ 5_________ 6__________ 7 8_ 9__ 10__ 11 12_ 13____ 14_______ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #2488 from articles/00107460 from sent21

Text  : Stwierdził , że Duszewski dogadał się z nim .
Tokens: 1_________ 2 3_ 4________ 5______ 6__ 7 8__ 9

Chunks:
  FalseNegative nam [4,4] = Duszewski

(ChunkerEvaluator) Sentence #2489 from articles/00107460 from sent22

Text  : Gdyby zdecydował się mówić , sprawą zajęła by się prokuratura ,  bo podejrzany miał skończone 17 lat .
Tokens: 1____ 2_________ 3__ 4____ 5 6_____ 7_____ 8_ 9__ 10_________ 11 12 13________ 14__ 15_______ 16 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #2490 from articles/00107460 from sent23

Text  : - Gdyńscy policjanci zatrzymali i zawieźli do izby wytrzeźwień 17 -  letniego Macieja D  .  -  potwierdziła nam w  niedzielę Danuta Wołk -  Karaczewska ,  rzecznik prasowy KMP w  Gdyni .
Tokens: 1 2______ 3_________ 4_________ 5 6_______ 7_ 8___ 9__________ 10 11 12______ 13_____ 14 15 16 17__________ 18_ 19 20_______ 21____ 22__ 23 24_________ 25 26______ 27_____ 28_ 29 30___ 31

Chunks:
  TruePositive nam [13,15] = Macieja D .
  TruePositive nam [21,24] = Danuta Wołk - Karaczewska
  TruePositive nam [30,30] = Gdyni
  FalseNegative nam [28,28] = KMP

(ChunkerEvaluator) Sentence #2491 from articles/00107460 from sent24

Text  : - O przyjęciu do izby wytrzeźwień decyduje lekarz , a  nie policja .
Tokens: 1 2 3________ 4_ 5___ 6__________ 7_______ 8_____ 9 10 11_ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #2492 from articles/00107460 from sent25

Text  : Z uwagi na to , że uszkodzenie mienia jest przestępstwem ściganym na wniosek osoby pokrzywdzonej ,  a  właściciel odmówił złożenia takiego pisma ,  policja odstąpiła od swoich czynności .
Tokens: 1 2____ 3_ 4_ 5 6_ 7__________ 8_____ 9___ 10___________ 11______ 12 13_____ 14___ 15___________ 16 17 18________ 19_____ 20______ 21_____ 22___ 23 24_____ 25_______ 26 27____ 28_______ 29

Chunks:

(ChunkerEvaluator) Sentence #2493 from articles/00107460 from sent26

Text  : Jak się dowiedzieli śmy , ok . godz . 23 .  15 nastolatek został odebrany z  izby wytrzeźwień przez matkę .
Tokens: 1__ 2__ 3__________ 4__ 5 6_ 7 8___ 9 10 11 12 13________ 14____ 15______ 16 17__ 18_________ 19___ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #2494 from articles/00107460 from sent27

Text  : Właściciel gdyńskiej restauracji Shanghai nie znalazł w niedzielę czasu na rozmowę z  „  Gazetą ”  .
Tokens: 1_________ 2________ 3__________ 4_______ 5__ 6______ 7 8________ 9____ 10 11_____ 12 13 14____ 15 16

Chunks:
  TruePositive nam [14,14] = Gazetą
  FalseNegative nam [4,4] = Shanghai

(ChunkerEvaluator) Sentence #2495 from articles/00107460 from sent28

Text  : Jarosław Duszewski wyda w poniedziałek w tej sprawie specjalne oświadczenie .
Tokens: 1_______ 2________ 3___ 4 5___________ 6 7__ 8______ 9________ 10__________ 11

Chunks:
  TruePositive nam [1,2] = Jarosław Duszewski

(ChunkerEvaluator) Sentence #2496 from articles/00107460 from sent29

Text  : Twierdzi też , że jego syn był trzeźwy feralnej nocy ,  a  skatowali go właściciele chińskiej restauracji .
Tokens: 1_______ 2__ 3 4_ 5___ 6__ 7__ 8______ 9_______ 10__ 11 12 13_______ 14 15_________ 16_______ 17_________ 18

Chunks:

2016-10-27 14:59:23,378 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 99 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107461.xml
(ChunkerEvaluator) Sentence #2497 from articles/00107461 from sent1

Text  : Premier o śmierci kibica : to był tragiczny , ale typowy wypadek
Tokens: 1______ 2 3______ 4_____ 5 6_ 7__ 8________ 9 10_ 11____ 12_____

Chunks:

(ChunkerEvaluator) Sentence #2498 from articles/00107461 from sent2

Text  : Premier Donald Tusk , komentując śmiertelne potrącenie w Zielonej Górze kibica przez nieoznakowany radiowóz ,  powiedział ,  że to był dramatyczny ,  tragiczny w  skutkach ,  ale typowy wypadek .
Tokens: 1______ 2_____ 3___ 4 5_________ 6_________ 7_________ 8 9_______ 10___ 11____ 12___ 13___________ 14______ 15 16________ 17 18 19 20_ 21_________ 22 23_______ 24 25______ 26 27_ 28____ 29_____ 30

Chunks:
  TruePositive nam [2,3] = Donald Tusk
  TruePositive nam [9,10] = Zielonej Górze

(ChunkerEvaluator) Sentence #2499 from articles/00107461 from sent3

Text  : To , co działo potem , nie może znaleźć żadnego usprawiedliwienia -  dodał .
Tokens: 1_ 2 3_ 4_____ 5____ 6 7__ 8___ 9______ 10_____ 11_______________ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2500 from articles/00107461 from sent4

Text  : Szef rządu w poniedziałek po południu spotkał się m .  in .  z  komendantem głównym policji Andrzejem Matejukiem .
Tokens: 1___ 2____ 3 4___________ 5_ 6_______ 7______ 8__ 9 10 11 12 13 14_________ 15_____ 16_____ 17_______ 18________ 19

Chunks:
  TruePositive nam [17,18] = Andrzejem Matejukiem

(ChunkerEvaluator) Sentence #2501 from articles/00107461 from sent5

Text  : " Policja użyła środków przymusu adekwatnie do potrzeby " -  powiedział Tusk na briefingu po tym spotkaniu .
Tokens: 1 2______ 3____ 4______ 5_______ 6_________ 7_ 8_______ 9 10 11________ 12__ 13 14_______ 15 16_ 17_______ 18

Chunks:
  TruePositive nam [12,12] = Tusk

(ChunkerEvaluator) Sentence #2502 from articles/00107461 from sent6

Text  : Dodał , że policjanci nie mieli żadnych szans na uniknięcie potrącenia pieszego .
Tokens: 1____ 2 3_ 4_________ 5__ 6____ 7______ 8____ 9_ 10________ 11________ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #2503 from articles/00107461 from sent7

Text  : Mężczyzna wszedł na jezdnię w miejscu nieoznakowanym , zza innego samochodu jadącego lewym pasem .
Tokens: 1________ 2_____ 3_ 4______ 5 6______ 7_____________ 8 9__ 10____ 11_______ 12______ 13___ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #2504 from articles/00107461 from sent8

Text  : Jak zaznaczył , z informacji , które dostał od komendanta głównego policji ,  wynika ,  że policjanci wracali ze służby ;  jechali z  prędkością około 40 km /  h  .
Tokens: 1__ 2________ 3 4 5_________ 6 7____ 8_____ 9_ 10________ 11______ 12_____ 13 14____ 15 16 17________ 18_____ 19 20____ 21 22_____ 23 24________ 25___ 26 27 28 29 30

Chunks:

(ChunkerEvaluator) Sentence #2505 from articles/00107461 from sent9

Text  : Premier złożył kondolencje i wyrazy współczucia rodzinie tragicznie zmarłego mężczyzny .
Tokens: 1______ 2_____ 3__________ 4 5_____ 6__________ 7_______ 8_________ 9_______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2506 from articles/00107461 from sent10

Text  : Mówił , że oprócz tragicznego wypadku drogowego w Zielonej Górze doszło także do brutalnego ataku na policjantów ,  którzy pełnili służbę .
Tokens: 1____ 2 3_ 4_____ 5__________ 6______ 7________ 8 9_______ 10___ 11____ 12___ 13 14________ 15___ 16 17_________ 18 19____ 20_____ 21____ 22

Chunks:
  TruePositive nam [9,10] = Zielonej Górze

(ChunkerEvaluator) Sentence #2507 from articles/00107461 from sent11

Text  : " Chcę bardzo wyraźnie podkreślić , że tragiczna śmierć w  wypadku samochodowym nie może być pretekstem ani powodem ,  ani wytłumaczeniem dla zamieszek ulicznych ,  które przeradzają się w  brutalny atak na policję ,  a  także na mienie publiczne "  -  oświadczył .
Tokens: 1 2___ 3_____ 4_______ 5_________ 6 7_ 8________ 9_____ 10 11_____ 12__________ 13_ 14__ 15_ 16________ 17_ 18_____ 19 20_ 21____________ 22_ 23_______ 24_______ 25 26___ 27_________ 28_ 29 30______ 31__ 32 33_____ 34 35 36___ 37 38____ 39_______ 40 41 42________ 43

Chunks:

(ChunkerEvaluator) Sentence #2508 from articles/00107461 from sent12

Text  : Tusk poinformował , że poszkodowanych zostało 16 policjantów i dwie policjantki .
Tokens: 1___ 2___________ 3 4_ 5_____________ 6______ 7_ 8__________ 9 10__ 11_________ 12

Chunks:
  TruePositive nam [1,1] = Tusk

(ChunkerEvaluator) Sentence #2509 from articles/00107461 from sent13

Text  : " Trzech funkcjonariuszy jest dość poważnie zranionych .
Tokens: 1 2_____ 3______________ 4___ 5___ 6_______ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #2510 from articles/00107461 from sent14

Text  : Mamy dwie policjantki z uszkodzeniami ciała , głównie głowy .
Tokens: 1___ 2___ 3__________ 4 5____________ 6____ 7 8______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #2511 from articles/00107461 from sent15

Text  : Jedna policjantka była kopana przez chuliganów , druga otrzymała cios w  głowę prawdopodobnie kostką brukową "  -  powiedział .
Tokens: 1____ 2__________ 3___ 4_____ 5____ 6_________ 7 8____ 9________ 10__ 11 12___ 13____________ 14____ 15_____ 16 17 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #2512 from articles/00107461 from sent16

Text  : Podkreślił , że obie kobiety mają niespełna 30 lat ,  w  policji służą kilka lat .
Tokens: 1_________ 2 3_ 4___ 5______ 6___ 7________ 8_ 9__ 10 11 12_____ 13___ 14___ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #2513 from articles/00107461 from sent17

Text  : " One , a także policjant , który prowadził samochód w  tym tragicznym momencie ,  to są wyróżniający się funkcjonariusze ,  policjant jest jednym z  najlepszych w  województwie lubuskim ,  wyróżnia się też w  skali kraju "  -  mówił Tusk .
Tokens: 1 2__ 3 4 5____ 6________ 7 8____ 9________ 10______ 11 12_ 13________ 14______ 15 16 17 18__________ 19_ 20_____________ 21 22_______ 23__ 24____ 25 26_________ 27 28__________ 29______ 30 31______ 32_ 33_ 34 35___ 36___ 37 38 39___ 40__ 41

Chunks:
  TruePositive nam [29,29] = lubuskim
  TruePositive nam [40,40] = Tusk

(ChunkerEvaluator) Sentence #2514 from articles/00107461 from sent18

Text  : Zaznaczył , że kierowca natychmiast podjął akcję ratunkową .
Tokens: 1________ 2 3_ 4_______ 5__________ 6_____ 7____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #2515 from articles/00107461 from sent19

Text  : Tusk poinformował , że funkcjonariusze , którzy odnieśli poważniejsze obrażenia ,  są pod dobrą opieką w  Zielonej Górze i  Świebodzinie .
Tokens: 1___ 2___________ 3 4_ 5______________ 6 7_____ 8_______ 9___________ 10_______ 11 12 13_ 14___ 15____ 16 17______ 18___ 19 20__________ 21

Chunks:
  TruePositive nam [1,1] = Tusk
  TruePositive nam [17,18] = Zielonej Górze
  TruePositive nam [20,20] = Świebodzinie

(ChunkerEvaluator) Sentence #2516 from articles/00107461 from sent20

Text  : " Oprócz rannych i poszkodowanych policjantów i policjantek , mamy także kilkanaście radiowozów zniszczonych ,  jeden całkowicie ,  została zdewastowana stacja benzynowa ,  salon samochodowy ,  także przystanki komunikacji miejskiej "  -  wyliczał Tusk .
Tokens: 1 2_____ 3______ 4 5_____________ 6__________ 7 8__________ 9 10__ 11___ 12_________ 13________ 14__________ 15 16___ 17________ 18 19_____ 20__________ 21____ 22_______ 23 24___ 25_________ 26 27___ 28________ 29_________ 30_______ 31 32 33______ 34__ 35

Chunks:
  TruePositive nam [34,34] = Tusk

(ChunkerEvaluator) Sentence #2517 from articles/00107461 from sent21

Text  : W ocenie premiera jednym z powodów agresji wobec policjantów są nieodpowiedzialne słowa niektórych polityków .
Tokens: 1 2_____ 3_______ 4_____ 5 6______ 7______ 8____ 9__________ 10 11_______________ 12___ 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #2518 from articles/00107461 from sent22

Text  : " Jestem przekonany , że jednym z powodów , dla którego tak często zdarza się -  w  poczuciu bezkarności -  napadanie na policjantów ,  agresja ,  przemoc wobec policjantów na służbie (  .  .  .  )  ,  są także nieodpowiedzialne słowa niektórych polityków ,  którzy w  ostatnich miesiącach i  tygodniach zwykłych bandytów ;  tych ,  którzy napadają ,  biją ,  kopią i  policjantów ,  i  innych obywateli ,  nazywają czasami patriotami ,  czasami bojownikami o  wolność słowa .
Tokens: 1 2_____ 3_________ 4 5_ 6_____ 7 8______ 9 10_ 11_____ 12_ 13____ 14____ 15_ 16 17 18______ 19_________ 20 21_______ 22 23_________ 24 25_____ 26 27_____ 28___ 29_________ 30 31_____ 32 33 34 35 36 37 38 39___ 40_______________ 41___ 42________ 43_______ 44 45____ 46 47_______ 48________ 49 50________ 51______ 52______ 53 54__ 55 56____ 57______ 58 59__ 60 61___ 62 63_________ 64 65 66____ 67_______ 68 69______ 70_____ 71________ 72 73_____ 74_________ 75 76_____ 77___ 78

Chunks:

(ChunkerEvaluator) Sentence #2519 from articles/00107461 from sent23

Text  : I mamy dzisiaj m . in . tego efekty "  -  powiedział Tusk .
Tokens: 1 2___ 3______ 4 5 6_ 7 8___ 9_____ 10 11 12________ 13__ 14

Chunks:
  TruePositive nam [13,13] = Tusk

(ChunkerEvaluator) Sentence #2520 from articles/00107461 from sent24

Text  : Podkreślił , że żadnej tragedii nie można wykorzystywać do polityki .
Tokens: 1_________ 2 3_ 4_____ 5_______ 6__ 7____ 8____________ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #2521 from articles/00107461 from sent25

Text  : " Natomiast sytuacja , która była następstwem tego wypadku -  a  więc napaść na policjantów -  to jest wyraźny dowód na to ,  że niektórzy w  Polsce czują się rozzuchwaleni .
Tokens: 1 2________ 3_______ 4 5____ 6___ 7__________ 8___ 9______ 10 11 12__ 13____ 14 15_________ 16 17 18__ 19_____ 20___ 21 22 23 24 25_______ 26 27____ 28___ 29_ 30___________ 31

Chunks:
  TruePositive nam [27,27] = Polsce

(ChunkerEvaluator) Sentence #2522 from articles/00107461 from sent26

Text  : Uważają napaść na funkcjonariusza państwowego za coś naturalnego " -  ocenił szef rządu .
Tokens: 1______ 2_____ 3_ 4______________ 5__________ 6_ 7__ 8__________ 9 10 11____ 12__ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2523 from articles/00107461 from sent27

Text  : Premier zaapelował , by " ważyć słowa " .
Tokens: 1______ 2_________ 3 4_ 5 6____ 7____ 8 9

Chunks:

(ChunkerEvaluator) Sentence #2524 from articles/00107461 from sent28

Text  : Jak podkreślił , każdy odpowiedzialny Polak , a szczególnie politycy ,  w  sytuacji ,  kiedy mamy do czynienia z  przemocą fizyczną ,  z  agresją ,  z  aktami bandytyzmu ,  nie powinien mieć żadnej wątpliwości ,  czy staje po stronie obywateli i  państwa polskiego ,  czy po stronie bandytów i  chuliganów "  .
Tokens: 1__ 2_________ 3 4____ 5_____________ 6____ 7 8 9__________ 10______ 11 12 13______ 14 15___ 16__ 17 18_______ 19 20______ 21______ 22 23 24_____ 25 26 27____ 28________ 29 30_ 31______ 32__ 33____ 34_________ 35 36_ 37___ 38 39_____ 40_______ 41 42_____ 43_______ 44 45_ 46 47_____ 48______ 49 50________ 51 52

Chunks:
  TruePositive nam [6,6] = Polak

(ChunkerEvaluator) Sentence #2525 from articles/00107461 from sent29

Text  : Mówiąc o wydarzeniach w Zielonej Górze Tusk ocenił , że policja użyła środków przymusu adekwatnie do potrzeby .
Tokens: 1_____ 2 3___________ 4 5_______ 6____ 7___ 8_____ 9 10 11_____ 12___ 13_____ 14______ 15________ 16 17______ 18

Chunks:
  TruePositive nam [5,6] = Zielonej Górze
  TruePositive nam [7,7] = Tusk

(ChunkerEvaluator) Sentence #2526 from articles/00107461 from sent30

Text  : " Żadne , nawet najbardziej dramatyczne zdarzenie nie będzie traktowane jako usprawiedliwienie dla tych ,  którzy atakują policjantów na służbie "  -  podkreślił .
Tokens: 1 2____ 3 4____ 5__________ 6__________ 7________ 8__ 9_____ 10________ 11__ 12_______________ 13_ 14__ 15 16____ 17_____ 18_________ 19 20_____ 21 22 23________ 24

Chunks:

(ChunkerEvaluator) Sentence #2527 from articles/00107461 from sent31

Text  : Dodał , że " ktoś , kto kopie 28 -  letnią policjantkę w  głowę ,  jest bandytą "  .
Tokens: 1____ 2 3_ 4 5___ 6 7__ 8____ 9_ 10 11____ 12_________ 13 14___ 15 16__ 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #2528 from articles/00107461 from sent32

Text  : Powiedział też , że zachowania środowisk kibicowskich są monitorowane .
Tokens: 1_________ 2__ 3 4_ 5_________ 6________ 7___________ 8_ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #2529 from articles/00107461 from sent33

Text  : " Nic nie wskazuje na to , aby miało dojść do jakichś kolejnych zajść "  -  ocenił szef rządu .
Tokens: 1 2__ 3__ 4_______ 5_ 6_ 7 8__ 9____ 10___ 11 12_____ 13_______ 14___ 15 16 17____ 18__ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #2530 from articles/00107461 from sent34

Text  : Jak poinformował , straty w sprzęcie policyjnym wyceniono na ok .  130 tys .  zł .
Tokens: 1__ 2___________ 3 4_____ 5 6_______ 7_________ 8________ 9_ 10 11 12_ 13_ 14 15 16

Chunks:
  TruePositive nam [15,15] = zł

2016-10-27 14:59:23,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 100 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107462.xml
(ChunkerEvaluator) Sentence #2531 from articles/00107462 from sent1

Text  : Dodatkowe 100 zł w listopadzie i grudniu do świadczeń pielęgnacyjnych
Tokens: 1________ 2__ 3_ 4 5__________ 6 7______ 8_ 9________ 10_____________

Chunks:
  TruePositive nam [3,3] = zł

(ChunkerEvaluator) Sentence #2532 from articles/00107462 from sent2

Text  : # dochodzi m . in . wypowiedź premiera po posiedzeniu RM i  szczegóły #
Tokens: 1 2_______ 3 4 5_ 6 7________ 8_______ 9_ 10_________ 11 12 13_______ 14

Chunks:
  TruePositive nam [11,11] = RM

(ChunkerEvaluator) Sentence #2533 from articles/00107462 from sent3

Text  : 04 . 10 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #2534 from articles/00107462 from sent4

Text  : Warszawa ( PAP ) - Dodatkowe 100 zł miesięcznie w  listopadzie i  w  grudniu otrzymają osoby pobierające świadczenie pielęgnacyjne -  przewiduje rozporządzenie Rady Ministrów ,  o  którym podało we wtorek Centrum Informacyjne Rządu .
Tokens: 1_______ 2 3__ 4 5 6________ 7__ 8_ 9__________ 10 11_________ 12 13 14_____ 15_______ 16___ 17_________ 18_________ 19___________ 20 21________ 22____________ 23__ 24_______ 25 26 27____ 28____ 29 30____ 31_____ 32__________ 33___ 34

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [8,8] = zł
  TruePositive nam [23,24] = Rady Ministrów
  TruePositive nam [31,33] = Centrum Informacyjne Rządu
  FalsePositive nam [6,6] = Dodatkowe

(ChunkerEvaluator) Sentence #2535 from articles/00107462 from sent5

Text  : " Jest to początek zmian jeżeli chodzi o rodziny ,  które w  pewnym sensie zawodowo ,  bo na pełny etat opiekują się bliskimi osobami ,  z  reguły dziećmi ,  których niepełnosprawność nakazuje całodobową opiekę "  -  powiedział premier Donald Tusk po wtorkowym posiedzeniu Rady Ministrów .
Tokens: 1 2___ 3_ 4_______ 5____ 6_____ 7_____ 8 9______ 10 11___ 12 13____ 14____ 15______ 16 17 18 19___ 20__ 21______ 22_ 23______ 24_____ 25 26 27____ 28_____ 29 30_____ 31_______________ 32______ 33________ 34____ 35 36 37________ 38_____ 39____ 40__ 41 42_______ 43_________ 44__ 45_______ 46

Chunks:
  TruePositive nam [39,40] = Donald Tusk
  TruePositive nam [44,45] = Rady Ministrów

(ChunkerEvaluator) Sentence #2536 from articles/00107462 from sent6

Text  : Podwyższenia kwoty zasiłku domagały się rodziny niepełnosprawnych dzieci .
Tokens: 1___________ 2____ 3______ 4_______ 5__ 6______ 7________________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #2537 from articles/00107462 from sent7

Text  : W poprzednich latach organizowano protesty pod Kancelarią Prezesa Rady Ministrów .
Tokens: 1 2__________ 3_____ 4___________ 5_______ 6__ 7_________ 8______ 9___ 10_______ 11

Chunks:
  TruePositive nam [7,10] = Kancelarią Prezesa Rady Ministrów

(ChunkerEvaluator) Sentence #2538 from articles/00107462 from sent8

Text  : W ostatnich tygodniach doszło do spotkań premiera z rodzinami niepełnosprawnych dzieci .
Tokens: 1 2________ 3_________ 4_____ 5_ 6______ 7_______ 8 9________ 10_______________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #2539 from articles/00107462 from sent9

Text  : Jak podkreślali po spotkaniu uzyskali zapewnienie , że otrzymają podwyżkę świadczenia .
Tokens: 1__ 2__________ 3_ 4________ 5_______ 6__________ 7 8_ 9________ 10______ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #2540 from articles/00107462 from sent10

Text  : Zgodnie z rozporządzeniem - jak podaje CIR - pomoc ta przysługiwać będzie matce lub ojcu (  bądź innym osobom )  ,  na których spoczywa obowiązek alimentacyjny .
Tokens: 1______ 2 3______________ 4 5__ 6_____ 7__ 8 9____ 10 11__________ 12____ 13___ 14_ 15__ 16 17__ 18___ 19____ 20 21 22 23_____ 24______ 25_______ 26___________ 27

Chunks:
  FalseNegative nam [7,7] = CIR

(ChunkerEvaluator) Sentence #2541 from articles/00107462 from sent11

Text  : Świadczenie pielęgnacyjne przysługuje również faktycznemu opiekunowi dziecka niepełnosprawnego , który z  powodu znacznego stopnia niepełnosprawności dziecka musi zrezygnować z  pracy .
Tokens: 1__________ 2____________ 3__________ 4______ 5__________ 6_________ 7______ 8________________ 9 10___ 11 12____ 13_______ 14_____ 15________________ 16_____ 17__ 18_________ 19 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #2542 from articles/00107462 from sent12

Text  : Zgodnie z rozporządzeniem pomoc będzie wypłacana w terminie wypłaty świadczenia pielęgnacyjnego w  listopadzie i  grudniu 2011 roku .
Tokens: 1______ 2 3______________ 4____ 5_____ 6________ 7 8_______ 9______ 10_________ 11_____________ 12 13_________ 14 15_____ 16__ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #2543 from articles/00107462 from sent13

Text  : Będzie ją wypłacał wójt , burmistrz lub prezydent miasta .
Tokens: 1_____ 2_ 3_______ 4___ 5 6________ 7__ 8________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #2544 from articles/00107462 from sent14

Text  : Osoba upoważniona do pobierania świadczenia musi złożyć do tych organów wniosek o  przyznanie pomocy .
Tokens: 1____ 2__________ 3_ 4_________ 5__________ 6___ 7_____ 8_ 9___ 10_____ 11_____ 12 13________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #2545 from articles/00107462 from sent15

Text  : Powinien być on złożony do 31 października .
Tokens: 1_______ 2__ 3_ 4______ 5_ 6_ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #2546 from articles/00107462 from sent16

Text  : Osoby , którym świadczenie pielęgnacyjne przyznano po 31 października ,  będą mieć wydłużony termin na złożenie wniosku o  7  dni ,  licząc od dnia przyznania świadczenia .
Tokens: 1____ 2 3_____ 4__________ 5____________ 6________ 7_ 8_ 9___________ 10 11__ 12__ 13_______ 14____ 15 16______ 17_____ 18 19 20_ 21 22____ 23 24__ 25________ 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #2547 from articles/00107462 from sent17

Text  : Rozporządzenie wchodzi w życie z dniem ogłoszenia .
Tokens: 1_____________ 2______ 3 4____ 5 6____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #2548 from articles/00107462 from sent18

Text  : Obecnie świadczenie pielęgnacyjne wynosi 520 zł .
Tokens: 1______ 2__________ 3____________ 4_____ 5__ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #2549 from articles/00107462 from sent19

Text  : Na dodatkową pomoc dla osób pobierających te świadczenia przeznaczono ok .  34 mln zł z  budżetu państwa na 2011 r  .  (  PAP )
Tokens: 1_ 2________ 3____ 4__ 5___ 6____________ 7_ 8__________ 9___________ 10 11 12 13_ 14 15 16_____ 17_____ 18 19__ 20 21 22 23_ 24

Chunks:
  TruePositive nam [14,14] = zł
  TruePositive nam [23,23] = PAP

2016-10-27 14:59:23,701 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 101 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107463.xml
(ChunkerEvaluator) Sentence #2550 from articles/00107463 from sent1

Text  : Porwali i zostawili nago .
Tokens: 1______ 2 3________ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #2551 from articles/00107463 from sent2

Text  : Aresztowani na dwa miesiące
Tokens: 1__________ 2_ 3__ 4_______

Chunks:

(ChunkerEvaluator) Sentence #2552 from articles/00107463 from sent3

Text  : Sąd aresztował na dwa miesiące trzech mężczyzn , którzy wywieźli do lasu i  pobili 27 -  letniego Szymona G  .
Tokens: 1__ 2_________ 3_ 4__ 5_______ 6_____ 7_______ 8 9_____ 10______ 11 12__ 13 14____ 15 16 17______ 18_____ 19 20

Chunks:
  FalsePositive nam [18,19] = Szymona G
  FalseNegative nam [18,20] = Szymona G .

(ChunkerEvaluator) Sentence #2553 from articles/00107463 from sent4

Text  : W zeznaniach tłumaczyli , że źle traktował siostrę jednego z  nich
Tokens: 1 2_________ 3_________ 4 5_ 6__ 7________ 8______ 9______ 10 11__

Chunks:

(ChunkerEvaluator) Sentence #2554 from articles/00107463 from sent5

Text  : Szymon G . w niedzielę późnym wieczorem chciał odwiedzić swoja byłą konkubinę ,  która mieszaka przy ul .  Kilińskiego .
Tokens: 1_____ 2 3 4 5________ 6_____ 7________ 8_____ 9________ 10___ 11__ 12_______ 13 14___ 15______ 16__ 17 18 19_________ 20

Chunks:
  TruePositive nam [1,3] = Szymon G .
  TruePositive nam [19,19] = Kilińskiego

(ChunkerEvaluator) Sentence #2555 from articles/00107463 from sent6

Text  : Mężczyzna jest także ojcem jej dziecka .
Tokens: 1________ 2___ 3____ 4____ 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #2556 from articles/00107463 from sent7

Text  : Kobieta nie chciała go widzieć , rozstali się tydzień wcześniej .
Tokens: 1______ 2__ 3______ 4_ 5______ 6 7_______ 8__ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2557 from articles/00107463 from sent8

Text  : Jak zeznał jej brat , Szymon G . bił ją ,  dręczył i  nachodził .
Tokens: 1__ 2_____ 3__ 4___ 5 6_____ 7 8 9__ 10 11 12_____ 13 14_______ 15

Chunks:
  TruePositive nam [6,8] = Szymon G .

(ChunkerEvaluator) Sentence #2558 from articles/00107463 from sent9

Text  : Szymon G . wyszedł z bramy i zamówił taksówkę .
Tokens: 1_____ 2 3 4______ 5 6____ 7 8______ 9_______ 10

Chunks:
  TruePositive nam [1,3] = Szymon G .

(ChunkerEvaluator) Sentence #2559 from articles/00107463 from sent10

Text  : Zanim przyjechała w bramę wpadł brat jego byłej konkubiny ,  19 -  letni Stefan T  .  w  towarzystwie dwóch kumpli .
Tokens: 1____ 2__________ 3 4____ 5____ 6___ 7___ 8____ 9________ 10 11 12 13___ 14____ 15 16 17 18__________ 19___ 20____ 21

Chunks:
  TruePositive nam [14,16] = Stefan T .

(ChunkerEvaluator) Sentence #2560 from articles/00107463 from sent11

Text  : G . dostał pięścią w twarz , później jeszcze raz „  z  główki ”  .
Tokens: 1 2 3_____ 4______ 5 6____ 7 8______ 9______ 10_ 11 12 13____ 14 15

Chunks:
  FalseNegative nam [1,2] = G .

(ChunkerEvaluator) Sentence #2561 from articles/00107463 from sent12

Text  : Mężczyźni zapakowali go do seata i wywieźli do Lasu Łagiewnickiego .
Tokens: 1________ 2_________ 3_ 4_ 5____ 6 7_______ 8_ 9___ 10____________ 11

Chunks:
  TruePositive nam [9,10] = Lasu Łagiewnickiego
  FalseNegative nam [5,5] = seata

(ChunkerEvaluator) Sentence #2562 from articles/00107463 from sent13

Text  : Tam rozebrali do naga , bili i kopali .
Tokens: 1__ 2________ 3_ 4___ 5 6___ 7 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #2563 from articles/00107463 from sent14

Text  : - Później kazali ofierze wstać i biec przed samochodem przez trzysta metrów .
Tokens: 1 2______ 3_____ 4______ 5____ 6 7___ 8____ 9_________ 10___ 11_____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #2564 from articles/00107463 from sent15

Text  : Następnie ponownie wrzucili mężczyznę do bagażnika .
Tokens: 1________ 2_______ 3_______ 4________ 5_ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #2565 from articles/00107463 from sent16

Text  : Szymon G . słyszał , jak mówili , że zabiją go i  zakopią .
Tokens: 1_____ 2 3 4______ 5 6__ 7_____ 8 9_ 10____ 11 12 13_____ 14

Chunks:
  TruePositive nam [1,3] = Szymon G .

(ChunkerEvaluator) Sentence #2566 from articles/00107463 from sent17

Text  : Żartowali , że brakuje im tylko szpadla - powiedział „  Gazecie ”  Krzysztof Kopania ,  rzecznik łódzkiej prokuratury .
Tokens: 1________ 2 3_ 4______ 5_ 6____ 7______ 8 9_________ 10 11_____ 12 13_______ 14_____ 15 16______ 17______ 18_________ 19

Chunks:
  TruePositive nam [11,11] = Gazecie
  TruePositive nam [13,14] = Krzysztof Kopania

(ChunkerEvaluator) Sentence #2567 from articles/00107463 from sent18

Text  : Pobity i nagi mężczyzna został wyrzucony z samochodu .
Tokens: 1_____ 2 3___ 4________ 5_____ 6________ 7 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #2568 from articles/00107463 from sent19

Text  : Oprawcy zostawili mu „ na drogę ” dwie butelki wody mineralnej .
Tokens: 1______ 2________ 3_ 4 5_ 6____ 7 8___ 9______ 10__ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #2569 from articles/00107463 from sent20

Text  : Seat odjechał , a Szymon G . błąkał się po lesie .
Tokens: 1___ 2_______ 3 4 5_____ 6 7 8_____ 9__ 10 11___ 12

Chunks:
  TruePositive nam [1,1] = Seat
  TruePositive nam [5,7] = Szymon G .

(ChunkerEvaluator) Sentence #2570 from articles/00107463 from sent21

Text  : W końcu trafił na przypadkowych ludzi , którzy pozwolili mu zadzwonić i  wezwać taksówkę .
Tokens: 1 2____ 3_____ 4_ 5____________ 6____ 7 8_____ 9________ 10 11_______ 12 13____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #2571 from articles/00107463 from sent22

Text  : Gdy samochód przyjechał na miejsce kierowca zobaczył zakrwawionego i nagiego mężczyznę .
Tokens: 1__ 2_______ 3_________ 4_ 5______ 6_______ 7_______ 8____________ 9 10_____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #2572 from articles/00107463 from sent23

Text  : Nawet się nie zatrzymał .
Tokens: 1____ 2__ 3__ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #2573 from articles/00107463 from sent24

Text  : Szymon G . , nadal nagi , wsiadł więc do autobusu linii 66 .
Tokens: 1_____ 2 3 4 5____ 6___ 7 8_____ 9___ 10 11______ 12___ 13 14

Chunks:
  TruePositive nam [1,3] = Szymon G .

(ChunkerEvaluator) Sentence #2574 from articles/00107463 from sent25

Text  : Kierowca na jego widok wezwał straż miejską .
Tokens: 1_______ 2_ 3___ 4____ 5_____ 6____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #2575 from articles/00107463 from sent26

Text  : Było około 23 . 30 .
Tokens: 1___ 2____ 3_ 4 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #2576 from articles/00107463 from sent27

Text  : Patrol podjechał na krańcówkę przy rondzie Powstańców 1863 r .
Tokens: 1_____ 2________ 3_ 4________ 5___ 6______ 7_________ 8___ 9 10

Chunks:
  FalsePositive nam [1,1] = Patrol
  FalsePositive nam [7,7] = Powstańców
  FalseNegative nam [7,10] = Powstańców 1863 r .

(ChunkerEvaluator) Sentence #2577 from articles/00107463 from sent28

Text  : Szymon G . wyjaśnił strażnikom jak znalazł się nagi w  autobusie .
Tokens: 1_____ 2 3 4_______ 5_________ 6__ 7______ 8__ 9___ 10 11_______ 12

Chunks:
  TruePositive nam [1,3] = Szymon G .

(ChunkerEvaluator) Sentence #2578 from articles/00107463 from sent29

Text  : Mężczyzna wraz ze strażnikami wrócił na ul . Kilińskiego .
Tokens: 1________ 2___ 3_ 4__________ 5_____ 6_ 7_ 8 9__________ 10

Chunks:
  TruePositive nam [9,9] = Kilińskiego

(ChunkerEvaluator) Sentence #2579 from articles/00107463 from sent30

Text  : Rozpoznał seata , którym wywieziono go do lasu .
Tokens: 1________ 2____ 3 4_____ 5_________ 6_ 7_ 8___ 9

Chunks:
  FalseNegative nam [2,2] = seata

(ChunkerEvaluator) Sentence #2580 from articles/00107463 from sent31

Text  : 27 - latek został przewieziony na komisariat przy al .  Kościuszki .
Tokens: 1_ 2 3____ 4_____ 5___________ 6_ 7_________ 8___ 9_ 10 11________ 12

Chunks:
  FalseNegative nam [11,11] = Kościuszki

(ChunkerEvaluator) Sentence #2581 from articles/00107463 from sent32

Text  : Policjanci jeszcze w poniedziałek zatrzymali trzech mężczyzn którzy wywieźli go do lasu .
Tokens: 1_________ 2______ 3 4___________ 5_________ 6_____ 7_______ 8_____ 9_______ 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #2582 from articles/00107463 from sent33

Text  : We wtorek zostali przesłuchani przez prokuraturę .
Tokens: 1_ 2_____ 3______ 4___________ 5____ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #2583 from articles/00107463 from sent34

Text  : - Usłyszeli zarzuty pozbawienia wolności ze szczególnym udręczeniem .
Tokens: 1 2________ 3______ 4__________ 5_______ 6_ 7__________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #2584 from articles/00107463 from sent35

Text  : Grozi im do 15 lat więzienia .
Tokens: 1____ 2_ 3_ 4_ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #2585 from articles/00107463 from sent36

Text  : Z uwagi na zagrożenie wysoką karą i obawę matactwa prokuratura skierowała do sądu wniosek o  areszt -  powiedział Kopania .
Tokens: 1 2____ 3_ 4_________ 5_____ 6___ 7 8____ 9_______ 10_________ 11________ 12 13__ 14_____ 15 16____ 17 18________ 19_____ 20

Chunks:
  FalseNegative nam [19,19] = Kopania

(ChunkerEvaluator) Sentence #2586 from articles/00107463 from sent37

Text  : W środę sąd przychylił się do wniosku prokuratury .
Tokens: 1 2____ 3__ 4_________ 5__ 6_ 7______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #2587 from articles/00107463 from sent38

Text  : Dwóch spośród zatrzymanych przyznało się do winy .
Tokens: 1____ 2______ 3___________ 4________ 5__ 6_ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #2588 from articles/00107463 from sent39

Text  : - W czasie przesłuchania mówili , że chcieli zmusić Szymona G  .  by zostawił w  spokoju swoją byłą konkubinę -  dodał Kopania .
Tokens: 1 2 3_____ 4____________ 5_____ 6 7_ 8______ 9_____ 10_____ 11 12 13 14______ 15 16_____ 17___ 18__ 19_______ 20 21___ 22_____ 23

Chunks:
  TruePositive nam [10,12] = Szymona G .
  FalseNegative nam [22,22] = Kopania

2016-10-27 14:59:23,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 102 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107464.xml
(ChunkerEvaluator) Sentence #2589 from articles/00107464 from sent1

Text  : Rada Bezpieczeństwa ONZ nie potępia przemocy w Syrii
Tokens: 1___ 2_____________ 3__ 4__ 5______ 6_______ 7 8____

Chunks:
  TruePositive nam [8,8] = Syrii
  FalsePositive nam [3,3] = ONZ

(ChunkerEvaluator) Sentence #2590 from articles/00107464 from sent2

Text  : Przedłożony przez kraje Unii Europejskiej projekt rezolucji w tej sprawie zawetowały bowiem we wtorek wieczorem Rosja i  Chiny .
Tokens: 1__________ 2____ 3____ 4___ 5___________ 6______ 7________ 8 9__ 10_____ 11________ 12____ 13 14____ 15_______ 16___ 17 18___ 19

Chunks:
  TruePositive nam [4,5] = Unii Europejskiej
  TruePositive nam [16,16] = Rosja
  TruePositive nam [18,18] = Chiny

(ChunkerEvaluator) Sentence #2591 from articles/00107464 from sent3

Text  : Weto Rosji i Chin doprowadziło do ostrego sporu między członkami Rady Bezpieczeństwa ONZ .
Tokens: 1___ 2____ 3 4___ 5___________ 6_ 7______ 8____ 9_____ 10_______ 11__ 12____________ 13_ 14

Chunks:
  TruePositive nam [2,2] = Rosji
  TruePositive nam [4,4] = Chin
  FalsePositive nam [13,13] = ONZ

(ChunkerEvaluator) Sentence #2592 from articles/00107464 from sent4

Text  : " Stany Zjednoczone są wściekłe z powodu odrzucenia projektu rezolucji "  -  oświadczyła ambasador przy ONZ ,  Susan Rice .
Tokens: 1 2____ 3__________ 4_ 5_______ 6 7_____ 8_________ 9_______ 10_______ 11 12 13_________ 14_______ 15__ 16_ 17 18___ 19__ 20

Chunks:
  TruePositive nam [2,3] = Stany Zjednoczone
  TruePositive nam [16,16] = ONZ
  TruePositive nam [18,19] = Susan Rice

(ChunkerEvaluator) Sentence #2593 from articles/00107464 from sent5

Text  : " Weto nas nie zatrzyma .
Tokens: 1 2___ 3__ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #2594 from articles/00107464 from sent6

Text  : Prezydent Syrii Baszar el - Asad stracił już wszelką legitymację do sprawowania władzy "  -  powiedział przedstawiciel Francji ,  Gerard Araud .
Tokens: 1________ 2____ 3_____ 4_ 5 6___ 7______ 8__ 9______ 10_________ 11 12_________ 13____ 14 15 16________ 17____________ 18_____ 19 20____ 21___ 22

Chunks:
  TruePositive nam [18,18] = Francji
  TruePositive nam [20,21] = Gerard Araud
  FalsePositive nam [2,6] = Syrii Baszar el - Asad
  FalseNegative nam [2,2] = Syrii
  FalseNegative nam [3,6] = Baszar el - Asad

(ChunkerEvaluator) Sentence #2595 from articles/00107464 from sent7

Text  : Rozczarowany odrzuceniem projektu rezolucji był także ambasador Wielkiej Brytanii przy ONZ ,  Mark Lyall .
Tokens: 1___________ 2__________ 3_______ 4________ 5__ 6____ 7________ 8_______ 9_______ 10__ 11_ 12 13__ 14___ 15

Chunks:
  TruePositive nam [8,9] = Wielkiej Brytanii
  TruePositive nam [11,11] = ONZ
  TruePositive nam [13,14] = Mark Lyall

(ChunkerEvaluator) Sentence #2596 from articles/00107464 from sent8

Text  : Ambasador Rosji Witalij Czurkin ostro skrytykował dokument , który -  jego zdaniem -  powstał w  atmosferze konfrontacji .
Tokens: 1________ 2____ 3______ 4______ 5____ 6__________ 7_______ 8 9____ 10 11__ 12_____ 13 14_____ 15 16________ 17__________ 18

Chunks:
  TruePositive nam [2,2] = Rosji
  TruePositive nam [3,4] = Witalij Czurkin

(ChunkerEvaluator) Sentence #2597 from articles/00107464 from sent9

Text  : " Jedyną drogą jest dialog , a nie sankcje "  -  powiedział Czurkin .
Tokens: 1 2_____ 3____ 4___ 5_____ 6 7 8__ 9______ 10 11 12________ 13_____ 14

Chunks:
  FalseNegative nam [13,13] = Czurkin

(ChunkerEvaluator) Sentence #2598 from articles/00107464 from sent10

Text  : " Społeczność międzynarodowa powinna skupić się na pomocy dla Syrii ,  ale też nie powinna mieszać się w  jej wewnętrzne sprawy "  -  przekonywał przedstawiciel Chin .
Tokens: 1 2__________ 3_____________ 4______ 5_____ 6__ 7_ 8_____ 9__ 10___ 11 12_ 13_ 14_ 15_____ 16_____ 17_ 18 19_ 20________ 21____ 22 23 24_________ 25____________ 26__ 27

Chunks:
  TruePositive nam [10,10] = Syrii
  TruePositive nam [26,26] = Chin

(ChunkerEvaluator) Sentence #2599 from articles/00107464 from sent11

Text  : Rosyjskie władze odrzucają wszelką krytykę władz w Damaszku , mimo krwawych represji reżimu prezydenta el -  Asada wobec opozycji .
Tokens: 1________ 2_____ 3________ 4______ 5______ 6____ 7 8_______ 9 10__ 11______ 12______ 13____ 14________ 15 16 17___ 18___ 19______ 20

Chunks:
  TruePositive nam [8,8] = Damaszku
  FalseNegative nam [15,17] = el - Asada

(ChunkerEvaluator) Sentence #2600 from articles/00107464 from sent12

Text  : Syria jest jednak bardzo ważnym sojusznikiem Rosji w świecie arabskim .
Tokens: 1____ 2___ 3_____ 4_____ 5_____ 6___________ 7____ 8 9______ 10______ 11

Chunks:
  TruePositive nam [1,1] = Syria
  TruePositive nam [7,7] = Rosji

(ChunkerEvaluator) Sentence #2601 from articles/00107464 from sent13

Text  : Ma też w tym kraju swoją bazę wojskową .
Tokens: 1_ 2__ 3 4__ 5____ 6____ 7___ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #2602 from articles/00107464 from sent14

Text  : Rosja , podobnie jak Chiny , jest jednym z głównych dostawców broni dla armii syryjskiej .
Tokens: 1____ 2 3_______ 4__ 5____ 6 7___ 8_____ 9 10______ 11_______ 12___ 13_ 14___ 15________ 16

Chunks:
  TruePositive nam [1,1] = Rosja
  TruePositive nam [5,5] = Chiny

(ChunkerEvaluator) Sentence #2603 from articles/00107464 from sent15

Text  : Chiny są natomiast odbiorcą syryjskiej ropy naftowej .
Tokens: 1____ 2_ 3________ 4_______ 5_________ 6___ 7_______ 8

Chunks:
  TruePositive nam [1,1] = Chiny

(ChunkerEvaluator) Sentence #2604 from articles/00107464 from sent16

Text  : Powściągliwych wobec potępienia władz Syrii było również kilka innych członków Rady Bezpieczeństwa ONZ .
Tokens: 1_____________ 2____ 3_________ 4____ 5____ 6___ 7______ 8____ 9_____ 10______ 11__ 12____________ 13_ 14

Chunks:
  TruePositive nam [5,5] = Syrii
  FalsePositive nam [13,13] = ONZ

(ChunkerEvaluator) Sentence #2605 from articles/00107464 from sent17

Text  : Od głosu powstrzymały się Brazylia , RPA , Indie i  Liban .
Tokens: 1_ 2____ 3___________ 4__ 5_______ 6 7__ 8 9____ 10 11___ 12

Chunks:
  TruePositive nam [5,5] = Brazylia
  TruePositive nam [7,7] = RPA
  TruePositive nam [9,9] = Indie
  TruePositive nam [11,11] = Liban

(ChunkerEvaluator) Sentence #2606 from articles/00107464 from sent18

Text  : W trwających od marca represjach wobec zwolenników opozycji zginęło w  Syrii ,  według tamtejszych obrońców praw człowieka ,  blisko 3  tysiące ludzi .
Tokens: 1 2_________ 3_ 4____ 5_________ 6____ 7__________ 8_______ 9______ 10 11___ 12 13____ 14_________ 15______ 16__ 17_______ 18 19____ 20 21_____ 22___ 23

Chunks:
  TruePositive nam [11,11] = Syrii

2016-10-27 14:59:23,929 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 103 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107465.xml
(ChunkerEvaluator) Sentence #2607 from articles/00107465 from sent1

Text  : Cegielski odrodzi się na gazie ?
Tokens: 1________ 2______ 3__ 4_ 5____ 6

Chunks:
  TruePositive nam [1,1] = Cegielski

(ChunkerEvaluator) Sentence #2608 from articles/00107465 from sent2

Text  : Po latach życia z produkcji silników okrętowych , HCP stawia na elektrociepłownie na gaz .
Tokens: 1_ 2_____ 3____ 4 5________ 6_______ 7_________ 8 9__ 10____ 11 12_______________ 13 14_ 15

Chunks:
  TruePositive nam [9,9] = HCP

(ChunkerEvaluator) Sentence #2609 from articles/00107465 from sent3

Text  : Firmie udało się zdobyć pierwsze zamówienie na tego typu inwestycję .
Tokens: 1_____ 2____ 3__ 4_____ 5_______ 6_________ 7_ 8___ 9___ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #2610 from articles/00107465 from sent4

Text  : Zarobi 19 mln zł .
Tokens: 1_____ 2_ 3__ 4_ 5

Chunks:
  TruePositive nam [4,4] = zł

(ChunkerEvaluator) Sentence #2611 from articles/00107465 from sent5

Text  : Zakłady Cegielskiego miały w swojej historii co najmniej kilka produktów ,  z  których utrzymywały się przez całe lata .
Tokens: 1______ 2___________ 3____ 4 5_____ 6_______ 7_ 8_______ 9____ 10_______ 11 12 13_____ 14_________ 15_ 16___ 17__ 18__ 19

Chunks:
  FalsePositive nam [2,2] = Cegielskiego
  FalseNegative nam [1,2] = Zakłady Cegielskiego

(ChunkerEvaluator) Sentence #2612 from articles/00107465 from sent6

Text  : Jeszcze w XIX wieku były to lokomobile , potem parowozy ,  a  w  drugiej połowie XX w  .  silniki okrętowe .
Tokens: 1______ 2 3__ 4____ 5___ 6_ 7_________ 8 9____ 10______ 11 12 13 14_____ 15_____ 16 17 18 19_____ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #2613 from articles/00107465 from sent7

Text  : Te ostatnie w nowym stuleciu nie wytrzymały jednak konkurencji z  producentami z  Azji ,  którzy zdominowali światowy przemysł stoczniowy .
Tokens: 1_ 2_______ 3 4____ 5_______ 6__ 7_________ 8_____ 9__________ 10 11__________ 12 13__ 14 15____ 16_________ 17______ 18______ 19________ 20

Chunks:
  TruePositive nam [13,13] = Azji

(ChunkerEvaluator) Sentence #2614 from articles/00107465 from sent8

Text  : Cegielski mocno i boleśnie odczuł zmiany na rynku .
Tokens: 1________ 2____ 3 4_______ 5_____ 6_____ 7_ 8____ 9

Chunks:
  TruePositive nam [1,1] = Cegielski

(ChunkerEvaluator) Sentence #2615 from articles/00107465 from sent9

Text  : Wraz z malejącą liczbą zamówień , o połowę skurczyła się załoga .
Tokens: 1___ 2 3_______ 4_____ 5_______ 6 7 8_____ 9________ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #2616 from articles/00107465 from sent10

Text  : Z 1 , 5 tys . pracowników głównej spółki silnikowej pozostało ledwie 700 .
Tokens: 1 2 3 4 5__ 6 7__________ 8______ 9_____ 10________ 11_______ 12____ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #2617 from articles/00107465 from sent11

Text  : Firma gorączkowo szuka więc miejsca dla siebie w nowej branży -  energetycznej .
Tokens: 1____ 2_________ 3____ 4___ 5______ 6__ 7_____ 8 9____ 10____ 11 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #2618 from articles/00107465 from sent12

Text  : I być może właśnie nadchodzi moment zwrotny , bo spółka HCP wreszcie zdobyła pierwszy kontrakt na budowę elektrociepłowni na gaz dla jednego z  deweloperów z  Łęczycy .
Tokens: 1 2__ 3___ 4______ 5________ 6_____ 7______ 8 9_ 10____ 11_ 12______ 13_____ 14______ 15______ 16 17____ 18______________ 19 20_ 21_ 22_____ 23 24_________ 25 26_____ 27

Chunks:
  TruePositive nam [11,11] = HCP
  TruePositive nam [26,26] = Łęczycy

(ChunkerEvaluator) Sentence #2619 from articles/00107465 from sent13

Text  : Kosztem 19 mln zł wybuduje blok kogeneracyjny ( a więc wytwarzający energię cieplną i  prąd )  o  mocy 4  ,  5  megawatów .
Tokens: 1______ 2_ 3__ 4_ 5_______ 6___ 7____________ 8 9 10__ 11__________ 12_____ 13_____ 14 15__ 16 17 18__ 19 20 21 22_______ 23

Chunks:
  TruePositive nam [4,4] = zł

(ChunkerEvaluator) Sentence #2620 from articles/00107465 from sent14

Text  : Na tym nie koniec .
Tokens: 1_ 2__ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #2621 from articles/00107465 from sent15

Text  : - Dopinamy zamówienia na trzy kolejne elektrociepłownie w Polsce o  jeszcze większych mocach -  16 ,  25 i  40 megawatów dla prywatnych inwestorów ,  którzy wchodzą w  miejskie sieci ciepłownicze -  informuje Jarosław Lazurko ,  prezes HCP .
Tokens: 1 2_______ 3_________ 4_ 5___ 6______ 7________________ 8 9_____ 10 11_____ 12_______ 13____ 14 15 16 17 18 19 20_______ 21_ 22________ 23________ 24 25____ 26_____ 27 28______ 29___ 30__________ 31 32_______ 33______ 34_____ 35 36____ 37_ 38

Chunks:
  TruePositive nam [9,9] = Polsce
  TruePositive nam [33,34] = Jarosław Lazurko
  FalsePositive nam [36,37] = prezes HCP
  FalseNegative nam [37,37] = HCP

(ChunkerEvaluator) Sentence #2622 from articles/00107465 from sent16

Text  : - Na 80 proc . będziemy dostawcą tych instalacji -  dodaje .
Tokens: 1 2_ 3_ 4___ 5 6_______ 7_______ 8___ 9_________ 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #2623 from articles/00107465 from sent17

Text  : Na razie Cegielski wykorzystuje w swoich instalacjach obce silniki ,  ale firma pracuje już nad projektem własnego silnika gazowego .
Tokens: 1_ 2____ 3________ 4___________ 5 6_____ 7___________ 8___ 9______ 10 11_ 12___ 13_____ 14_ 15_ 16_______ 17______ 18_____ 19______ 20

Chunks:
  TruePositive nam [3,3] = Cegielski

(ChunkerEvaluator) Sentence #2624 from articles/00107465 from sent18

Text  : - Energetyka oparta na gazie będzie z czasem zastępować energetykę opartą na ropie i  tu widzimy swoją szansę .
Tokens: 1 2_________ 3_____ 4_ 5____ 6_____ 7 8_____ 9_________ 10________ 11____ 12 13___ 14 15 16_____ 17___ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #2625 from articles/00107465 from sent19

Text  : Wchodzimy na ten rynek , oferując warunki jakich inni nie mogą zaoferować ,  np .  15 -  letnią gwarancję działania naszych bloków kogeneracyjnych -  mówi Lazurko .
Tokens: 1________ 2_ 3__ 4____ 5 6_______ 7______ 8_____ 9___ 10_ 11__ 12________ 13 14 15 16 17 18____ 19_______ 20_______ 21_____ 22____ 23_____________ 24 25__ 26_____ 27

Chunks:
  FalseNegative nam [26,26] = Lazurko

(ChunkerEvaluator) Sentence #2626 from articles/00107465 from sent20

Text  : Dobrych wiadomości z Ceglorza jest więcej .
Tokens: 1______ 2_________ 3 4_______ 5___ 6_____ 7

Chunks:
  FalseNegative nam [4,4] = Ceglorza

(ChunkerEvaluator) Sentence #2627 from articles/00107465 from sent21

Text  : Firma zdobyła kontrakt na budowę kolejnej biogazowni , a na dodatek wkrótce zacznie stawiać pierwsze kroki w  energetyce wiatrowej .
Tokens: 1____ 2______ 3_______ 4_ 5_____ 6_______ 7_________ 8 9 10 11_____ 12_____ 13_____ 14_____ 15______ 16___ 17 18________ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #2628 from articles/00107465 from sent22

Text  : We współpracy z azjatyckim partnerem , którego prezes HCP nie chce jeszcze ujawnić ,  zamierza postawić pod Wrześnią cztery turbiny o  mocy 2  ,  5  MW każda .
Tokens: 1_ 2_________ 3 4_________ 5________ 6 7______ 8_____ 9__ 10_ 11__ 12_____ 13_____ 14 15______ 16______ 17_ 18______ 19____ 20_____ 21 22__ 23 24 25 26 27___ 28

Chunks:
  TruePositive nam [9,9] = HCP
  TruePositive nam [18,18] = Wrześnią

(ChunkerEvaluator) Sentence #2629 from articles/00107465 from sent23

Text  : Jeszcze innym dużym projektem , który Cegielski zamierza zrealizować ,  będzie budowa spalarni odpadów w  Koninie .
Tokens: 1______ 2____ 3____ 4________ 5 6____ 7________ 8_______ 9__________ 10 11____ 12____ 13______ 14_____ 15 16_____ 17

Chunks:
  TruePositive nam [7,7] = Cegielski
  TruePositive nam [16,16] = Koninie

(ChunkerEvaluator) Sentence #2630 from articles/00107465 from sent24

Text  : Poznańska firma stanęła na czele międzynarodowego konsorcjum , które jeszcze w  tym roku powalczy w  przetargu o  zamówienie warte ponad 300 mln zł .
Tokens: 1________ 2____ 3______ 4_ 5____ 6_______________ 7_________ 8 9____ 10_____ 11 12_ 13__ 14______ 15 16_______ 17 18________ 19___ 20___ 21_ 22_ 23 24

Chunks:
  TruePositive nam [23,23] = zł

(ChunkerEvaluator) Sentence #2631 from articles/00107465 from sent25

Text  : Spalarnia będzie także wytwarzać energię elektryczną i cieplną .
Tokens: 1________ 2_____ 3____ 4________ 5______ 6__________ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #2632 from articles/00107465 from sent26

Text  : - Dzięki tym wszystkim projektom powiększamy swoje kompetencje i zdobywamy nowe referencje .
Tokens: 1 2_____ 3__ 4________ 5________ 6__________ 7____ 8__________ 9 10_______ 11__ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #2633 from articles/00107465 from sent27

Text  : Cegielski w swojej historii co kilkadziesiąt lat zmieniał swój profil produkcji .
Tokens: 1________ 2 3_____ 4_______ 5_ 6____________ 7__ 8_______ 9___ 10____ 11_______ 12

Chunks:
  TruePositive nam [1,1] = Cegielski

(ChunkerEvaluator) Sentence #2634 from articles/00107465 from sent28

Text  : Teraz przyszedł czas na energetykę , ale zanim będziemy mogli powiedzieć o  odbiciu ,  musimy najpierw wyrobić sobie w  tej branży markę -  mówi Lazurko .
Tokens: 1____ 2________ 3___ 4_ 5_________ 6 7__ 8____ 9_______ 10___ 11________ 12 13_____ 14 15____ 16______ 17_____ 18___ 19 20_ 21____ 22___ 23 24__ 25_____ 26

Chunks:
  FalseNegative nam [25,25] = Lazurko

2016-10-27 14:59:24,070 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 104 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107466.xml
(ChunkerEvaluator) Sentence #2635 from articles/00107466 from sent1

Text  : PGNiG Superliga : Zwycięstwo nafciarzy
Tokens: 1____ 2________ 3 4_________ 5________

Chunks:
  TruePositive nam [1,2] = PGNiG Superliga

(ChunkerEvaluator) Sentence #2636 from articles/00107466 from sent2

Text  : W rozegranym awansem meczu 6 . kolejki PGNiG Superligi szczypiorniści Orlen Wisły Płock wygrali z  beniaminkiem NMC Powen Zabrze 32 :  26 (  16 :  12 )  .
Tokens: 1 2_________ 3______ 4____ 5 6 7______ 8____ 9________ 10____________ 11___ 12___ 13___ 14_____ 15 16__________ 17_ 18___ 19____ 20 21 22 23 24 25 26 27 28

Chunks:
  TruePositive nam [8,9] = PGNiG Superligi
  TruePositive nam [17,19] = NMC Powen Zabrze
  FalsePositive nam [13,13] = Płock
  FalseNegative nam [11,13] = Orlen Wisły Płock

(ChunkerEvaluator) Sentence #2637 from articles/00107466 from sent3

Text  : Najwięcej bramek dla nafciarzy zdobyli Michał Kubisztal ( 8 )  i  Nikola Eklemovic (  5  )  .
Tokens: 1________ 2_____ 3__ 4________ 5______ 6_____ 7________ 8 9 10 11 12____ 13_______ 14 15 16 17

Chunks:
  TruePositive nam [6,7] = Michał Kubisztal
  TruePositive nam [12,13] = Nikola Eklemovic
  FalseNegative nam [4,4] = nafciarzy

(ChunkerEvaluator) Sentence #2638 from articles/00107466 from sent4

Text  : A w drużynie gości - Łukasz Stodtko , który zaliczył 9  trafień .
Tokens: 1 2 3_______ 4____ 5 6_____ 7______ 8 9____ 10______ 11 12_____ 13

Chunks:
  TruePositive nam [6,7] = Łukasz Stodtko

(ChunkerEvaluator) Sentence #2639 from articles/00107466 from sent5

Text  : Nie był to łatwy mecz dla mistrzów Polski , którzy wystąpili w  mocno osłabionym składzie .
Tokens: 1__ 2__ 3_ 4____ 5___ 6__ 7_______ 8_____ 9 10____ 11_______ 12 13___ 14________ 15______ 16

Chunks:
  TruePositive nam [8,8] = Polski

(ChunkerEvaluator) Sentence #2640 from articles/00107466 from sent6

Text  : Z powodu problemów zdrowotnych nie mogli zagrać : Luka Dobelsek ,  Vukasin Rajkovic ,  Adam Twardo ,  Michał Zołoteńko i  Kamil Syprzak .
Tokens: 1 2_____ 3________ 4__________ 5__ 6____ 7_____ 8 9___ 10______ 11 12_____ 13______ 14 15__ 16____ 17 18____ 19_______ 20 21___ 22_____ 23

Chunks:
  TruePositive nam [9,10] = Luka Dobelsek
  TruePositive nam [12,13] = Vukasin Rajkovic
  TruePositive nam [15,16] = Adam Twardo
  TruePositive nam [18,19] = Michał Zołoteńko
  TruePositive nam [21,22] = Kamil Syprzak

(ChunkerEvaluator) Sentence #2641 from articles/00107466 from sent7

Text  : Na początku drugiej połowy płocczanie musieli sobie radzić również bez praworozgrywającego Bostjana Kavasa ,  który dostał czerwoną kartkę w  przerwie meczu .
Tokens: 1_ 2_______ 3______ 4_____ 5_________ 6______ 7____ 8_____ 9______ 10_ 11_________________ 12______ 13____ 14 15___ 16____ 17______ 18____ 19 20______ 21___ 22

Chunks:
  TruePositive nam [12,13] = Bostjana Kavasa
  FalseNegative nam [5,5] = płocczanie

(ChunkerEvaluator) Sentence #2642 from articles/00107466 from sent8

Text  : W grze nafciarzy raziła też nieskuteczność , co spowodowało ,  że na 6  minut przed końcem goście przegrywali tylko 26 :  28 .
Tokens: 1 2___ 3________ 4_____ 5__ 6_____________ 7 8_ 9__________ 10 11 12 13 14___ 15___ 16____ 17____ 18_________ 19___ 20 21 22 23

Chunks:
  FalseNegative nam [3,3] = nafciarzy

(ChunkerEvaluator) Sentence #2643 from articles/00107466 from sent9

Text  : W końcówce zwycięstwo Orlen Wiśle zapewnił Nikola Eklemovic , który zdobył 3  bramki .
Tokens: 1 2_______ 3_________ 4____ 5____ 6_______ 7_____ 8________ 9 10___ 11____ 12 13____ 14

Chunks:
  TruePositive nam [4,5] = Orlen Wiśle
  TruePositive nam [7,8] = Nikola Eklemovic

2016-10-27 14:59:24,118 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 105 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107467.xml
(ChunkerEvaluator) Sentence #2644 from articles/00107467 from sent1

Text  : Mazowieckie .
Tokens: 1__________ 2

Chunks:
  FalseNegative nam [1,1] = Mazowieckie

(ChunkerEvaluator) Sentence #2645 from articles/00107467 from sent2

Text  : Zablokowana droga krajowa nr 50 ; zderzenie trzech tirów
Tokens: 1__________ 2____ 3______ 4_ 5_ 6 7________ 8_____ 9____

Chunks:
  FalseNegative nam [2,5] = droga krajowa nr 50

(ChunkerEvaluator) Sentence #2646 from articles/00107467 from sent3

Text  : Całkowicie zablokowana jest droga krajowa nr 50 w Górze Kalwarii (  Mazowieckie )  ,  gdzie w  czwartek doszło do wypadku drogowego ;  przy stacji benzynowej na ul .  Grójeckiej zderzyły się trzy TIR-y -  poinformowała PAP stołeczna policja .
Tokens: 1_________ 2__________ 3___ 4____ 5______ 6_ 7_ 8 9____ 10______ 11 12_________ 13 14 15___ 16 17______ 18____ 19 20_____ 21_______ 22 23__ 24____ 25________ 26 27 28 29________ 30______ 31_ 32__ 33___ 34 35___________ 36_ 37_______ 38_____ 39

Chunks:
  TruePositive nam [9,10] = Górze Kalwarii
  TruePositive nam [12,12] = Mazowieckie
  TruePositive nam [29,29] = Grójeckiej
  TruePositive nam [36,36] = PAP
  FalsePositive nam [33,33] = TIR-y
  FalseNegative nam [4,7] = droga krajowa nr 50

(ChunkerEvaluator) Sentence #2647 from articles/00107467 from sent4

Text  : Do zderzenia samochodów doszło , gdy na dwa stojące TIR-y na litewskich i  łotewskich numerach rejestracyjnych najechał TIR z  Rosji .
Tokens: 1_ 2________ 3_________ 4_____ 5 6__ 7_ 8__ 9______ 10___ 11 12________ 13 14________ 15______ 16_____________ 17______ 18_ 19 20___ 21

Chunks:
  TruePositive nam [20,20] = Rosji
  FalsePositive nam [10,10] = TIR-y
  FalsePositive nam [18,18] = TIR

(ChunkerEvaluator) Sentence #2648 from articles/00107467 from sent5

Text  : " Kierowca TIR-a na rosyjskich numerach został zakleszczony w kabinie .
Tokens: 1 2_______ 3____ 4_ 5_________ 6_______ 7_____ 8___________ 9 10_____ 11

Chunks:
  FalsePositive nam [3,3] = TIR-a

(ChunkerEvaluator) Sentence #2649 from articles/00107467 from sent6

Text  : W tej chwili strażacy wycinają elementy karoserii , aby pomóc mężczyźnie "  -  poinformowała PAP Anna Kędzierzawska z  zespołu prasowego Komendy Stołecznej Policji .
Tokens: 1 2__ 3_____ 4_______ 5_______ 6_______ 7________ 8 9__ 10___ 11________ 12 13 14___________ 15_ 16__ 17___________ 18 19_____ 20_______ 21_____ 22________ 23_____ 24

Chunks:
  TruePositive nam [15,15] = PAP
  TruePositive nam [16,17] = Anna Kędzierzawska
  TruePositive nam [21,23] = Komendy Stołecznej Policji

(ChunkerEvaluator) Sentence #2650 from articles/00107467 from sent7

Text  : Utrudnienia w ruchu drogowym na tej jednej z głównych tras tranzytowych Wschód -  Zachód mogą potrwać kilka godzin .
Tokens: 1__________ 2 3____ 4_______ 5_ 6__ 7_____ 8 9_______ 10__ 11__________ 12____ 13 14____ 15__ 16_____ 17___ 18____ 19

Chunks:
  FalsePositive nam [12,14] = Wschód - Zachód

(ChunkerEvaluator) Sentence #2651 from articles/00107467 from sent8

Text  : Bezpośrednie przyczyny wypadku na razie nie są znane .
Tokens: 1___________ 2________ 3______ 4_ 5____ 6__ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #2652 from articles/00107467 from sent9

Text  : Policja zabezpieczyła miejsce wypadku .
Tokens: 1______ 2____________ 3______ 4______ 5

Chunks:

2016-10-27 14:59:24,162 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 106 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107468.xml
(ChunkerEvaluator) Sentence #2653 from articles/00107468 from sent1

Text  : Kalisz , Palikot , Kaczyński , Tusk . . .
Tokens: 1_____ 2 3______ 4 5________ 6 7___ 8 9 10

Chunks:
  TruePositive nam [3,3] = Palikot
  TruePositive nam [5,5] = Kaczyński
  FalsePositive nam [7,9] = Tusk . .
  FalseNegative nam [1,1] = Kalisz
  FalseNegative nam [7,7] = Tusk

(ChunkerEvaluator) Sentence #2654 from articles/00107468 from sent2

Text  : Z jakim politykiem Polacy wybrali by się na piwo ?
Tokens: 1 2____ 3_________ 4_____ 5______ 6_ 7__ 8_ 9___ 10

Chunks:
  TruePositive nam [4,4] = Polacy

(ChunkerEvaluator) Sentence #2655 from articles/00107468 from sent3

Text  : Piwosze stanowią 90 proc . dorosłych Polaków .
Tokens: 1______ 2_______ 3_ 4___ 5 6________ 7______ 8

Chunks:
  TruePositive nam [7,7] = Polaków

(ChunkerEvaluator) Sentence #2656 from articles/00107468 from sent4

Text  : Wielu z nich już niedługo ruszy do urn wyborczych .
Tokens: 1____ 2 3___ 4__ 5_______ 6____ 7_ 8__ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #2657 from articles/00107468 from sent5

Text  : Grupa Żywiec postanowiła zapytać ich w badaniu Barometr Piwoszy ,  z  którym z  polityków najchętniej raczyli by się tym trunkiem .
Tokens: 1____ 2_____ 3__________ 4______ 5__ 6 7______ 8_______ 9______ 10 11 12____ 13 14_______ 15_________ 16_____ 17 18_ 19_ 20______ 21

Chunks:
  TruePositive nam [1,2] = Grupa Żywiec
  TruePositive nam [8,9] = Barometr Piwoszy

(ChunkerEvaluator) Sentence #2658 from articles/00107468 from sent6

Text  : Przy kuflu piwa najchętniej zasiądziemy z Januszem Palikotem ( 13 %  )  .
Tokens: 1___ 2____ 3___ 4__________ 5__________ 6 7_______ 8________ 9 10 11 12 13

Chunks:
  TruePositive nam [7,8] = Januszem Palikotem

(ChunkerEvaluator) Sentence #2659 from articles/00107468 from sent7

Text  : Tylko o włos przegrywa z nim Premier Donald Tusk (  12 %  )  .
Tokens: 1____ 2 3___ 4________ 5 6__ 7______ 8_____ 9___ 10 11 12 13 14

Chunks:
  FalsePositive nam [7,9] = Premier Donald Tusk
  FalseNegative nam [8,9] = Donald Tusk

(ChunkerEvaluator) Sentence #2660 from articles/00107468 from sent8

Text  : Siedmiu na stu piwoszy chętnie spędzi tak czas z Grzegorzem Napieralskim .
Tokens: 1______ 2_ 3__ 4______ 5______ 6_____ 7__ 8___ 9 10________ 11__________ 12

Chunks:
  TruePositive nam [10,11] = Grzegorzem Napieralskim

(ChunkerEvaluator) Sentence #2661 from articles/00107468 from sent9

Text  : Lider opozycji - Jarosław Kaczyński może liczyć na towarzystwo co dwudziestego amatora piwa .
Tokens: 1____ 2_______ 3 4_______ 5________ 6___ 7_____ 8_ 9__________ 10 11__________ 12_____ 13__ 14

Chunks:
  TruePositive nam [4,5] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #2662 from articles/00107468 from sent10

Text  : Kampania wyborcza w pełni .
Tokens: 1_______ 2_______ 3 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #2663 from articles/00107468 from sent11

Text  : Politycy wszelkimi sposobami starają się wkupić w łaski dorosłych Polaków i  pokazać swoją „  ludzką ”  ,  mniej formalną twarz .
Tokens: 1_______ 2________ 3________ 4______ 5__ 6_____ 7 8____ 9________ 10_____ 11 12_____ 13___ 14 15____ 16 17 18___ 19______ 20___ 21

Chunks:
  TruePositive nam [10,10] = Polaków

(ChunkerEvaluator) Sentence #2664 from articles/00107468 from sent12

Text  : Najlepszym testem dla skuteczności ich działań jest najnowsze badanie -  Barometr Piwoszy ,  które powstało na zlecenie Grupy Żywiec .
Tokens: 1_________ 2_____ 3__ 4___________ 5__ 6______ 7___ 8________ 9______ 10 11______ 12_____ 13 14___ 15______ 16 17______ 18___ 19____ 20

Chunks:
  TruePositive nam [11,12] = Barometr Piwoszy
  TruePositive nam [18,19] = Grupy Żywiec

(ChunkerEvaluator) Sentence #2665 from articles/00107468 from sent13

Text  : Zapytano w nim , z którym politykiem Polacy wybrali by się najchętniej na piwo .
Tokens: 1_______ 2 3__ 4 5 6_____ 7_________ 8_____ 9______ 10 11_ 12_________ 13 14__ 15

Chunks:
  TruePositive nam [8,8] = Polacy

(ChunkerEvaluator) Sentence #2666 from articles/00107468 from sent14

Text  : Biorąc pod uwagę , że proponując komuś wyjście na piwo ,  przeważnie mamy na myśli szczerą rozmowę w  przyjaznej ,  niezobowiązującej atmosferze -  test ten powinien dać politykom wiele do myślenia .
Tokens: 1_____ 2__ 3____ 4 5_ 6_________ 7____ 8______ 9_ 10__ 11 12________ 13__ 14 15___ 16_____ 17_____ 18 19________ 20 21_______________ 22________ 23 24__ 25_ 26______ 27_ 28_______ 29___ 30 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #2667 from articles/00107468 from sent15

Text  : Szczególnie , że jak wynika z badań po bursztynowy trunek sięga 90 %  ich potencjalnych wyborców .
Tokens: 1__________ 2 3_ 4__ 5_____ 6 7____ 8_ 9__________ 10____ 11___ 12 13 14_ 15___________ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #2668 from articles/00107468 from sent16

Text  : Największą sympatią piwoszy cieszy się Janusz Palikot .
Tokens: 1_________ 2_______ 3______ 4_____ 5__ 6_____ 7______ 8

Chunks:
  TruePositive nam [6,7] = Janusz Palikot

(ChunkerEvaluator) Sentence #2669 from articles/00107468 from sent17

Text  : Z tym politykiem na pogawędkę przy kuflu piwa wybrało by się 13 %  pytanych .
Tokens: 1 2__ 3_________ 4_ 5________ 6___ 7____ 8___ 9______ 10 11_ 12 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #2670 from articles/00107468 from sent18

Text  : Jednak co ciekawe budzi on zdecydowanie mniejsze zainteresowanie płci pięknej .
Tokens: 1_____ 2_ 3______ 4____ 5_ 6___________ 7_______ 8______________ 9___ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #2671 from articles/00107468 from sent19

Text  : Tylko co dziesiąta kobieta zdecydowała by się właśnie na jego towarzystwo .
Tokens: 1____ 2_ 3________ 4______ 5__________ 6_ 7__ 8______ 9_ 10__ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #2672 from articles/00107468 from sent20

Text  : Kontrowersyjny polityk jest za to najlepszym kompanem dla osób w  wieku 18 -  24 lat -  przy piwie chętnie spędzi z  nim czas aż 21 %  z  najmłodszej grupy potencjalnych wyborców .
Tokens: 1_____________ 2______ 3___ 4_ 5_ 6_________ 7_______ 8__ 9___ 10 11___ 12 13 14 15_ 16 17__ 18___ 19_____ 20____ 21 22_ 23__ 24 25 26 27 28_________ 29___ 30___________ 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #2673 from articles/00107468 from sent21

Text  : Znacznie mniej łaskawe są dla niego osoby powyżej 65 roku życia -  z  kuflem zasiadło by z  nim tylko czterech na stu seniorów .
Tokens: 1_______ 2____ 3______ 4_ 5__ 6____ 7____ 8______ 9_ 10__ 11___ 12 13 14____ 15______ 16 17 18_ 19___ 20______ 21 22_ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #2674 from articles/00107468 from sent22

Text  : Janusz Palikot jest najchętniej wybieranym politykiem przez robotników i prywatnych przedsiębiorców .
Tokens: 1_____ 2______ 3___ 4__________ 5_________ 6_________ 7____ 8_________ 9 10________ 11_____________ 12

Chunks:
  TruePositive nam [1,2] = Janusz Palikot

(ChunkerEvaluator) Sentence #2675 from articles/00107468 from sent23

Text  : Wśród każdej z tych jakże odmiennych grup zawodowych na piwo zaprosił by go prawie co piąty pytany (  19 %  )  .
Tokens: 1____ 2_____ 3 4___ 5____ 6_________ 7___ 8_________ 9_ 10__ 11______ 12 13 14____ 15 16___ 17____ 18 19 20 21 22

Chunks:

(ChunkerEvaluator) Sentence #2676 from articles/00107468 from sent24

Text  : Co ciekawe jest on także atrakcyjnym kompanem dla osób bezrobotnych (  18 %  )  .
Tokens: 1_ 2______ 3___ 4_ 5____ 6__________ 7_______ 8__ 9___ 10__________ 11 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #2677 from articles/00107468 from sent25

Text  : Donald Tusk z Januszem Palikotem w walce o sympatię piwoszy przegrał tylko o  włos (  12 %  Polaków chętnie wybrało by sie z  nim na zimne chmielowe )  .
Tokens: 1_____ 2___ 3 4_______ 5________ 6 7____ 8 9_______ 10_____ 11______ 12___ 13 14__ 15 16 17 18_____ 19_____ 20_____ 21 22_ 23 24_ 25 26___ 27_______ 28 29

Chunks:
  TruePositive nam [1,2] = Donald Tusk
  TruePositive nam [4,5] = Januszem Palikotem
  TruePositive nam [18,18] = Polaków

(ChunkerEvaluator) Sentence #2678 from articles/00107468 from sent26

Text  : Premier w odróżnieniu od swojego byłego kolegi partyjnego cieszy się względami ponad podziałami płciowymi .
Tokens: 1______ 2 3__________ 4_ 5______ 6_____ 7_____ 8_________ 9_____ 10_ 11_______ 12___ 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #2679 from articles/00107468 from sent27

Text  : Najchętniej wybierają go piwosze w wieku 35 - 44 lat (  15 %  )  oraz specjaliści i  osoby na kierowniczych stanowiskach (  16 %  )  .
Tokens: 1__________ 2________ 3_ 4______ 5 6____ 7_ 8 9_ 10_ 11 12 13 14 15__ 16_________ 17 18___ 19 20___________ 21__________ 22 23 24 25 26

Chunks:

(ChunkerEvaluator) Sentence #2680 from articles/00107468 from sent28

Text  : Najmniej atrakcyjnym towarzyszem , lider Platformy Obywatelskiej , wydaje się rolnikom i  gospodyniom domowym .
Tokens: 1_______ 2__________ 3__________ 4 5____ 6________ 7____________ 8 9_____ 10_ 11______ 12 13_________ 14_____ 15

Chunks:
  TruePositive nam [6,7] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #2681 from articles/00107468 from sent29

Text  : Wśród każdej z tych grup , na piwo poszło by z  nim jedynie po 7  %  pytanych .
Tokens: 1____ 2_____ 3 4___ 5___ 6 7_ 8___ 9_____ 10 11 12_ 13_____ 14 15 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #2682 from articles/00107468 from sent30

Text  : Kolejny na podium - Grzegorz Napieralski ( 7 % )  jest bezsprzecznym ulubieńcem pań .
Tokens: 1______ 2_ 3_____ 4 5_______ 6__________ 7 8 9 10 11__ 12___________ 13________ 14_ 15

Chunks:
  TruePositive nam [5,6] = Grzegorz Napieralski

(ChunkerEvaluator) Sentence #2683 from articles/00107468 from sent31

Text  : Z przystojnym liderem lewicy chętnie umówi się już prawie co dziesiąta piwoszka (  9  %  )  .
Tokens: 1 2__________ 3______ 4_____ 5______ 6____ 7__ 8__ 9_____ 10 11_______ 12______ 13 14 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #2684 from articles/00107468 from sent32

Text  : Szef SLD zjednał sobie względy także 13 % gospodyń domowych ,  11 %  uczniów i  studentów oraz co dziesiątego rolnika i  robotnika .
Tokens: 1___ 2__ 3______ 4____ 5______ 6____ 7_ 8 9_______ 10______ 11 12 13 14_____ 15 16_______ 17__ 18 19_________ 20_____ 21 22_______ 23

Chunks:
  TruePositive nam [2,2] = SLD

(ChunkerEvaluator) Sentence #2685 from articles/00107468 from sent33

Text  : Najmniejszą sympatią darzą go natomiast prywatni przedsiębiorcy .
Tokens: 1__________ 2_______ 3____ 4_ 5________ 6_______ 7_____________ 8

Chunks:

(ChunkerEvaluator) Sentence #2686 from articles/00107468 from sent34

Text  : Na piwo zaprosił by go jedynie co pięćdziesiąty .
Tokens: 1_ 2___ 3_______ 4_ 5_ 6______ 7_ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #2687 from articles/00107468 from sent35

Text  : Na czwartym i piątym miejscu uplasowali się odpowiednio Ryszard Kalisz (  SLD )  i  Prezydent RP Bronisław Komorowski .
Tokens: 1_ 2_______ 3 4_____ 5______ 6_________ 7__ 8__________ 9______ 10____ 11 12_ 13 14 15_______ 16 17_______ 18________ 19

Chunks:
  TruePositive nam [9,10] = Ryszard Kalisz
  TruePositive nam [12,12] = SLD
  TruePositive nam [17,18] = Bronisław Komorowski
  FalsePositive nam [15,16] = Prezydent RP

(ChunkerEvaluator) Sentence #2688 from articles/00107468 from sent36

Text  : Przedstawiciel lewicy osiągnął wynik przekraczający 6 % , a urzędująca Głowa Państwa -  nieznacznie niższy .
Tokens: 1_____________ 2_____ 3_______ 4____ 5_____________ 6 7 8 9 10________ 11___ 12_____ 13 14_________ 15____ 16

Chunks:
  FalsePositive nam [11,12] = Głowa Państwa

(ChunkerEvaluator) Sentence #2689 from articles/00107468 from sent37

Text  : Ryszard Kalisz budzi sympatię piwoszy obojga płci , Prezydenta wolą natomiast piwoszki (  8  %  )  .
Tokens: 1______ 2_____ 3____ 4_______ 5______ 6_____ 7___ 8 9_________ 10__ 11_______ 12______ 13 14 15 16 17

Chunks:
  TruePositive nam [1,2] = Ryszard Kalisz
  FalsePositive nam [9,9] = Prezydenta

(ChunkerEvaluator) Sentence #2690 from articles/00107468 from sent38

Text  : Łączy ich jednak nie tylko zbliżony wynik w badaniu .
Tokens: 1____ 2__ 3_____ 4__ 5____ 6_______ 7____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #2691 from articles/00107468 from sent39

Text  : Politycy ci są także ulubieńcami emerytów i rencistów .
Tokens: 1_______ 2_ 3_ 4____ 5__________ 6_______ 7 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #2692 from articles/00107468 from sent40

Text  : Z przedstawicielem lewicy na piwo umówi się co dziesiąty ,  a  Prezydent może liczyć na zaproszenie od jedenastu na stu pytanych Barometru Piwoszy .
Tokens: 1 2_______________ 3_____ 4_ 5___ 6____ 7__ 8_ 9________ 10 11 12_______ 13__ 14____ 15 16_________ 17 18_______ 19 20_ 21______ 22_______ 23_____ 24

Chunks:
  TruePositive nam [22,23] = Barometru Piwoszy
  FalsePositive nam [12,12] = Prezydent

(ChunkerEvaluator) Sentence #2693 from articles/00107468 from sent41

Text  : Obaj panowie nie cieszą się jednak popularnością wśród najmłodszych respondentów badania Grupy Żywiec .
Tokens: 1___ 2______ 3__ 4_____ 5__ 6_____ 7____________ 8____ 9___________ 10__________ 11_____ 12___ 13____ 14

Chunks:
  TruePositive nam [12,13] = Grupy Żywiec

(ChunkerEvaluator) Sentence #2694 from articles/00107468 from sent42

Text  : Zarówno z Bronisławem Komorowskim , jak i Ryszardem Kaliszem na piwo chętnie wybierze się zaledwie 3  %  pytanych w  wieku 18 -  24 lat .
Tokens: 1______ 2 3__________ 4__________ 5 6__ 7 8________ 9_______ 10 11__ 12_____ 13______ 14_ 15______ 16 17 18______ 19 20___ 21 22 23 24_ 25

Chunks:
  TruePositive nam [3,4] = Bronisławem Komorowskim
  TruePositive nam [8,9] = Ryszardem Kaliszem

(ChunkerEvaluator) Sentence #2695 from articles/00107468 from sent43

Text  : Różni ich natomiast wykształcenie sympatyków .
Tokens: 1____ 2__ 3________ 4____________ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #2696 from articles/00107468 from sent44

Text  : Prezydenta wolą osoby po szkole podstawowej i zawodowej ( w  każdej z  tych grup wybiera go 8  %  pytanych )  .
Tokens: 1_________ 2___ 3____ 4_ 5_____ 6__________ 7 8________ 9 10 11____ 12 13__ 14__ 15_____ 16 17 18 19______ 20 21

Chunks:

(ChunkerEvaluator) Sentence #2697 from articles/00107468 from sent45

Text  : Na piwo z przedstawicielem SLD chętnie natomiast wybierze się 11 %  piwoszy legitymujących się licencjatem i  wyższym wykształceniem .
Tokens: 1_ 2___ 3 4_______________ 5__ 6______ 7________ 8_______ 9__ 10 11 12_____ 13____________ 14_ 15_________ 16 17_____ 18____________ 19

Chunks:
  TruePositive nam [5,5] = SLD

(ChunkerEvaluator) Sentence #2698 from articles/00107468 from sent46

Text  : Szef największej partii opozycyjnej - Jarosław Kaczyński może zasiąść przy piwie z  co dwudziestym pytanym piwoszem i  piwoszką .
Tokens: 1___ 2__________ 3_____ 4__________ 5 6_______ 7________ 8___ 9______ 10__ 11___ 12 13 14_________ 15_____ 16______ 17 18______ 19

Chunks:
  TruePositive nam [6,7] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #2699 from articles/00107468 from sent47

Text  : Jednak ma małe szanse na to , że kuflem stuknie się z  kimś z  młodego pokolenia .
Tokens: 1_____ 2_ 3___ 4_____ 5_ 6_ 7 8_ 9_____ 10_____ 11_ 12 13__ 14 15_____ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #2700 from articles/00107468 from sent48

Text  : Wśród grupy wiekowej 18 - 24 lat - z Barometru Piwoszy Grupy Żywiec wynika ,  ze na piwo nie zaprosi go nawet promil pytanych .
Tokens: 1____ 2____ 3_______ 4_ 5 6_ 7__ 8 9 10_______ 11_____ 12___ 13____ 14____ 15 16 17 18__ 19_ 20_____ 21 22___ 23____ 24______ 25

Chunks:
  FalsePositive nam [10,13] = Barometru Piwoszy Grupy Żywiec
  FalseNegative nam [10,11] = Barometru Piwoszy
  FalseNegative nam [12,13] = Grupy Żywiec

(ChunkerEvaluator) Sentence #2701 from articles/00107468 from sent49

Text  : Podobnie jak nie zdecyduje się na to choćby jeden na stu studentów i  uczniów .
Tokens: 1_______ 2__ 3__ 4________ 5__ 6_ 7_ 8_____ 9____ 10 11_ 12_______ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #2702 from articles/00107468 from sent50

Text  : Lider PiS może natomiast liczyć na towarzystwo rolników ( 9  %  )  ,  bezrobotnych oraz seniorów (  po 7  %  )  .
Tokens: 1____ 2__ 3___ 4________ 5_____ 6_ 7__________ 8_______ 9 10 11 12 13 14__________ 15__ 16______ 17 18 19 20 21 22

Chunks:
  TruePositive nam [2,2] = PiS

(ChunkerEvaluator) Sentence #2703 from articles/00107468 from sent51

Text  : Znajdujące się na liście panie , znalazły się na końcu Barometru Piwoszy -  wyniki wszystkich oscylowały wokół jednego promila .
Tokens: 1_________ 2__ 3_ 4_____ 5____ 6 7_______ 8__ 9_ 10___ 11_______ 12_____ 13 14____ 15________ 16________ 17___ 18_____ 19_____ 20

Chunks:
  TruePositive nam [11,12] = Barometru Piwoszy

(ChunkerEvaluator) Sentence #2704 from articles/00107468 from sent52

Text  : Wprawdzie z Joanną Muchą ( PO ) , uważaną za jedną z  najatrakcyjniejszych posłanek ,  na piwo umówiło by się 2  %  panów ,  ale piwoszki nie były by już tak skłonne do zaproszeń .
Tokens: 1________ 2 3_____ 4____ 5 6_ 7 8 9______ 10 11___ 12 13__________________ 14______ 15 16 17__ 18_____ 19 20_ 21 22 23___ 24 25_ 26______ 27_ 28__ 29 30_ 31_ 32_____ 33 34_______ 35

Chunks:
  TruePositive nam [3,4] = Joanną Muchą
  TruePositive nam [6,6] = PO

(ChunkerEvaluator) Sentence #2705 from articles/00107468 from sent53

Text  : Natomiast była Minister Pracy Anna Kalata oraz Joanna Senyszyn (  SLD )  uzyskały po 1  %  .
Tokens: 1________ 2___ 3_______ 4____ 5___ 6_____ 7___ 8_____ 9_______ 10 11_ 12 13______ 14 15 16 17

Chunks:
  TruePositive nam [5,6] = Anna Kalata
  TruePositive nam [8,9] = Joanna Senyszyn
  TruePositive nam [11,11] = SLD
  FalsePositive nam [3,4] = Minister Pracy

(ChunkerEvaluator) Sentence #2706 from articles/00107468 from sent54

Text  : Na uwagę zasługuje także liczna , 28 % rzesza pytanych ,  którzy nie mieli by ochoty umówić się na piwo z  żadnym z  polityków .
Tokens: 1_ 2____ 3________ 4____ 5_____ 6 7_ 8 9_____ 10______ 11 12____ 13_ 14___ 15 16____ 17____ 18_ 19 20__ 21 22____ 23 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #2707 from articles/00107468 from sent55

Text  : Dla tej grupy polityka i miło spędzony czas przy bursztynowym trunku -  wcale nie idą w  parze .
Tokens: 1__ 2__ 3____ 4_______ 5 6___ 7_______ 8___ 9___ 10__________ 11____ 12 13___ 14_ 15_ 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #2708 from articles/00107468 from sent56

Text  : - Warto bacznie przyjrzeć się wynikom Barometru Piwoszy , które choć żartobliwe ,  mówią wiele o  gustach i  preferencjach politycznych Polaków .
Tokens: 1 2____ 3______ 4________ 5__ 6______ 7________ 8______ 9 10___ 11__ 12________ 13 14___ 15___ 16 17_____ 18 19___________ 20__________ 21_____ 22

Chunks:
  TruePositive nam [7,8] = Barometru Piwoszy
  TruePositive nam [21,21] = Polaków

(ChunkerEvaluator) Sentence #2709 from articles/00107468 from sent57

Text  : Zapytani przez nas piwosze już niedługo ruszą do urn ,  a  ich sympatie ,  bądź antypatie będą mieć zasadniczy wpływ na to ,  kto zdobędzie mandat .
Tokens: 1_______ 2____ 3__ 4______ 5__ 6_______ 7____ 8_ 9__ 10 11 12_ 13______ 14 15__ 16_______ 17__ 18__ 19________ 20___ 21 22 23 24_ 25_______ 26____ 27

Chunks:

(ChunkerEvaluator) Sentence #2710 from articles/00107468 from sent58

Text  : Nie można bagatelizować znaczenia tej grupy - w końcu piwo pije aż 90 proc .  dorosłych Polaków -  mówi Sebastian Tołwiński z  Grupy Żywiec .
Tokens: 1__ 2____ 3____________ 4________ 5__ 6____ 7 8 9____ 10__ 11__ 12 13 14__ 15 16_______ 17_____ 18 19__ 20_______ 21_______ 22 23___ 24____ 25

Chunks:
  TruePositive nam [17,17] = Polaków
  TruePositive nam [20,21] = Sebastian Tołwiński
  TruePositive nam [23,24] = Grupy Żywiec

(ChunkerEvaluator) Sentence #2711 from articles/00107468 from sent59

Text  : źródło : Grupa Żywiec ?
Tokens: 1_____ 2 3____ 4_____ 5

Chunks:
  TruePositive nam [3,4] = Grupa Żywiec

2016-10-27 14:59:24,521 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 107 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107469.xml
(ChunkerEvaluator) Sentence #2712 from articles/00107469 from sent1

Text  : Druga kolejka UNBA : Mistrzowie ligi bez składu i formy
Tokens: 1____ 2______ 3___ 4 5_________ 6___ 7__ 8_____ 9 10___

Chunks:
  FalseNegative nam [3,3] = UNBA

(ChunkerEvaluator) Sentence #2713 from articles/00107469 from sent2

Text  : Ciężkie chwile przeżywają Lekarze .
Tokens: 1______ 2_____ 3_________ 4______ 5

Chunks:
  TruePositive nam [4,4] = Lekarze

(ChunkerEvaluator) Sentence #2714 from articles/00107469 from sent3

Text  : W pierwszej kolejce ulegli bardzo wysoko Dental Clubowi .
Tokens: 1 2________ 3______ 4_____ 5_____ 6_____ 7_____ 8______ 9

Chunks:
  TruePositive nam [7,8] = Dental Clubowi

(ChunkerEvaluator) Sentence #2715 from articles/00107469 from sent4

Text  : W drugiej musieli uznać wyższość TC Team .
Tokens: 1 2______ 3______ 4____ 5_______ 6_ 7___ 8

Chunks:
  TruePositive nam [6,7] = TC Team

(ChunkerEvaluator) Sentence #2716 from articles/00107469 from sent5

Text  : Być może sam fakt dwóch przegranych meczów to jeszcze nie tragedia .
Tokens: 1__ 2___ 3__ 4___ 5____ 6__________ 7_____ 8_ 9______ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #2717 from articles/00107469 from sent6

Text  : Warto jednak zwrócić uwagę , że coś takiego jak „  forma ”  nie pojawia się z  minuty na minutę ,  a  po Lekarzach widać ,  że gdzieś ją zgubili .
Tokens: 1____ 2_____ 3______ 4____ 5 6_ 7__ 8______ 9__ 10 11___ 12 13_ 14_____ 15_ 16 17____ 18 19____ 20 21 22 23_______ 24___ 25 26 27____ 28 29_____ 30

Chunks:
  TruePositive nam [23,23] = Lekarzach

(ChunkerEvaluator) Sentence #2718 from articles/00107469 from sent7

Text  : Wystarczy powiedzieć , że w obu meczach zagrali na porażająco niskiej skuteczności nie przekraczającej 30 proc .  w  rzutach z  gry .
Tokens: 1________ 2_________ 3 4_ 5 6__ 7______ 8______ 9_ 10________ 11_____ 12__________ 13_ 14_____________ 15 16__ 17 18 19_____ 20 21_ 22

Chunks:

(ChunkerEvaluator) Sentence #2719 from articles/00107469 from sent8

Text  : Do tego w sposób znaczący przegrali walkę na tablicach zbierając średnio ponad 13 piłek mniej od rywali !
Tokens: 1_ 2___ 3 4_____ 5_______ 6________ 7____ 8_ 9________ 10_______ 11_____ 12___ 13 14___ 15___ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #2720 from articles/00107469 from sent9

Text  : Przy takiej „ kombinacji ” o sukces zawsze jest niezwykle ciężko .
Tokens: 1___ 2_____ 3 4_________ 5 6 7_____ 8_____ 9___ 10_______ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #2721 from articles/00107469 from sent10

Text  : Prawdopodobnie wszytko zmieni pojawienie się na jednym meczu obu ich liderów ,  Piotrka Gietki i  Tomka Borkowskiego ,  którzy w  poprzednim sezonie tak sprawnie poprowadzili ten zespół do mistrzostwa .
Tokens: 1_____________ 2______ 3_____ 4_________ 5__ 6_ 7_____ 8____ 9__ 10_ 11_____ 12 13_____ 14____ 15 16___ 17__________ 18 19____ 20 21________ 22_____ 23_ 24______ 25__________ 26_ 27____ 28 29_________ 30

Chunks:
  TruePositive nam [13,14] = Piotrka Gietki
  TruePositive nam [16,17] = Tomka Borkowskiego

(ChunkerEvaluator) Sentence #2722 from articles/00107469 from sent11

Text  : Być może nastąpi to już za tydzień w kolejnym ważnym dla Lekarzy meczu z  Unimedem .
Tokens: 1__ 2___ 3______ 4_ 5__ 6_ 7______ 8 9_______ 10____ 11_ 12_____ 13___ 14 15______ 16

Chunks:
  FalseNegative nam [12,12] = Lekarzy
  FalseNegative nam [15,15] = Unimedem

(ChunkerEvaluator) Sentence #2723 from articles/00107469 from sent12

Text  : Niestety , tylko „ być może ” .
Tokens: 1_______ 2 3____ 4 5__ 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #2724 from articles/00107469 from sent13

Text  : Czekamy na OBP
Tokens: 1______ 2_ 3__

Chunks:
  FalseNegative nam [3,3] = OBP

(ChunkerEvaluator) Sentence #2725 from articles/00107469 from sent14

Text  : OBP Incentive & Sport Travel na początku sezonu nie mają szczęścia .
Tokens: 1__ 2________ 3 4____ 5_____ 6_ 7_______ 8_____ 9__ 10__ 11_______ 12

Chunks:
  TruePositive nam [1,5] = OBP Incentive & Sport Travel

(ChunkerEvaluator) Sentence #2726 from articles/00107469 from sent15

Text  : Bynajmniej nie chodzi o to , że są bez formy lub trafiali do tej pory na wymagających przeciwników i  w  kompromitującym stylu przegrali mecze .
Tokens: 1_________ 2__ 3_____ 4 5_ 6 7_ 8_ 9__ 10___ 11_ 12______ 13 14_ 15__ 16 17__________ 18__________ 19 20 21_____________ 22___ 23_______ 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #2727 from articles/00107469 from sent16

Text  : Drugi weekend rozgrywek za nami , a oni zwyczajnie nie mieli okazji wykazać się na parkiecie .
Tokens: 1____ 2______ 3________ 4_ 5___ 6 7 8__ 9_________ 10_ 11___ 12____ 13_____ 14_ 15 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #2728 from articles/00107469 from sent17

Text  : W pierwszej kolejce mecz z ich udziałem został przełożony na prośbę SMS ,  w  związku z  poważnymi brakami kadrowymi tej drużyny .
Tokens: 1 2________ 3______ 4___ 5 6__ 7_______ 8_____ 9_________ 10 11____ 12_ 13 14 15_____ 16 17_______ 18_____ 19_______ 20_ 21_____ 22

Chunks:
  TruePositive nam [12,12] = SMS

(ChunkerEvaluator) Sentence #2729 from articles/00107469 from sent18

Text  : Tydzień później to sami OBP wnieśli o przełożenie spotkania z  podobnego powodu .
Tokens: 1______ 2______ 3_ 4___ 5__ 6______ 7 8__________ 9________ 10 11_______ 12____ 13

Chunks:
  FalseNegative nam [5,5] = OBP

(ChunkerEvaluator) Sentence #2730 from articles/00107469 from sent19

Text  : W drugiej kolejce do skutku nie doszedł jeszcze jeden mecz .
Tokens: 1 2______ 3______ 4_ 5_____ 6__ 7______ 8______ 9____ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #2731 from articles/00107469 from sent20

Text  : Panowie z Polibudy 2013 reprezentowali stolicę na mistrzostwach Polski w  koszykówce ulicznej 3  na 3  ,  więc mecz z  Dental Club'em został przesunięty na kolejny weekend .
Tokens: 1______ 2 3_______ 4___ 5_____________ 6______ 7_ 8____________ 9_____ 10 11________ 12______ 13 14 15 16 17__ 18__ 19 20____ 21_____ 22____ 23_________ 24 25_____ 26_____ 27

Chunks:
  TruePositive nam [9,9] = Polski
  TruePositive nam [20,21] = Dental Club'em
  FalsePositive nam [3,3] = Polibudy
  FalseNegative nam [3,4] = Polibudy 2013

(ChunkerEvaluator) Sentence #2732 from articles/00107469 from sent21

Text  : A propos , chłopaki zostali wicemistrzami za co z pewnością należą im się gratulacje .
Tokens: 1 2_____ 3 4_______ 5______ 6____________ 7_ 8_ 9 10_______ 11____ 12 13_ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #2733 from articles/00107469 from sent22

Text  : W związku z przełożonymi meczami w pierwszej lidze w miniony weekend rozegrali śmy cztery spotkania .
Tokens: 1 2______ 3 4___________ 5______ 6 7________ 8____ 9 10_____ 11_____ 12_______ 13_ 14____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #2734 from articles/00107469 from sent23

Text  : Panowie z Unimedu po raz drugi w tym sezonie zagrali bardzo dobre zawody i  pokazali miejsce w  szeregu ambitnym chłopakom z  Noli .
Tokens: 1______ 2 3______ 4_ 5__ 6____ 7 8__ 9______ 10_____ 11____ 12___ 13____ 14 15______ 16_____ 17 18_____ 19______ 20_______ 21 22__ 23

Chunks:
  FalseNegative nam [3,3] = Unimedu
  FalseNegative nam [22,22] = Noli

(ChunkerEvaluator) Sentence #2735 from articles/00107469 from sent24

Text  : W szeregach zwycięzców na szczególne uznanie zasłużyli Paweł Pobuta (  20 pkt ,  3  zb ,  1  bl ,  5  prz )  i  Rafał Lisiewicz (  10 pkt ,  11 zb ,  1  bl )  .
Tokens: 1 2________ 3_________ 4_ 5_________ 6______ 7________ 8____ 9_____ 10 11 12_ 13 14 15 16 17 18 19 20 21_ 22 23 24___ 25_______ 26 27 28_ 29 30 31 32 33 34 35 36

Chunks:
  TruePositive nam [8,9] = Paweł Pobuta
  TruePositive nam [24,25] = Rafał Lisiewicz

(ChunkerEvaluator) Sentence #2736 from articles/00107469 from sent25

Text  : Kolejne wyrównane , ale i niestety kolejne przegrane zawody mają za sobą pierwszoligowi debiutanci z  Art Promotion Group .
Tokens: 1______ 2________ 3 4__ 5 6_______ 7______ 8________ 9_____ 10__ 11 12__ 13____________ 14________ 15 16_ 17_______ 18___ 19

Chunks:
  TruePositive nam [16,18] = Art Promotion Group

(ChunkerEvaluator) Sentence #2737 from articles/00107469 from sent26

Text  : Przed tygodniem musieli uznać wyższość TNT .
Tokens: 1____ 2________ 3______ 4____ 5_______ 6__ 7

Chunks:
  TruePositive nam [6,6] = TNT

(ChunkerEvaluator) Sentence #2738 from articles/00107469 from sent27

Text  : Fakt , walczyli długo i poddali się dopiero w drugiej dogrywce ,  jednak mimo wszystko przegrali .
Tokens: 1___ 2 3_______ 4____ 5 6______ 7__ 8______ 9 10_____ 11______ 12 13____ 14__ 15______ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #2739 from articles/00107469 from sent28

Text  : Tym razem upadek zanotowali nieco szybciej .
Tokens: 1__ 2____ 3_____ 4_________ 5____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #2740 from articles/00107469 from sent29

Text  : Choć w starciu z NWW dość długo się trzymali ,  to w  ostatnich minutach nie wytrzymali tempa gry .
Tokens: 1___ 2 3______ 4 5__ 6___ 7____ 8__ 9_______ 10 11 12 13_______ 14______ 15_ 16________ 17___ 18_ 19

Chunks:
  TruePositive nam [5,5] = NWW

(ChunkerEvaluator) Sentence #2741 from articles/00107469 from sent30

Text  : Ich koncentracja w obronie spadła , a NWW błyskawicznie wykorzystali nadarzającą się okazję .
Tokens: 1__ 2___________ 3 4______ 5_____ 6 7 8__ 9____________ 10__________ 11_________ 12_ 13____ 14

Chunks:
  TruePositive nam [8,8] = NWW

(ChunkerEvaluator) Sentence #2742 from articles/00107469 from sent31

Text  : Na minutę przed końcem meczu wyszli na 9 - punktowe prowadzenie i  było po sprawie .
Tokens: 1_ 2_____ 3____ 4_____ 5____ 6_____ 7_ 8 9 10______ 11_________ 12 13__ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #2743 from articles/00107469 from sent32

Text  : W niedzielne popołudnie z pewnością najbardziej interesująco zapowiadało się spotkanie pierwszej z  trzecią drużyną poprzedniej edycji .
Tokens: 1 2_________ 3_________ 4 5________ 6__________ 7___________ 8__________ 9__ 10_______ 11_______ 12 13_____ 14_____ 15_________ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #2744 from articles/00107469 from sent33

Text  : Zarówno Lekarze , jak i TC Team w poprzedniej kolejce zeszli z  boiska jako pokonani ,  więc należało się spodziewać ciekawego meczu .
Tokens: 1______ 2______ 3 4__ 5 6_ 7___ 8 9__________ 10_____ 11____ 12 13____ 14__ 15______ 16 17__ 18______ 19_ 20________ 21_______ 22___ 23

Chunks:
  TruePositive nam [2,2] = Lekarze
  TruePositive nam [6,7] = TC Team

(ChunkerEvaluator) Sentence #2745 from articles/00107469 from sent34

Text  : Od szybkiego 4 : 0 starcie rozpoczęli Lekarze , jednak na reakcję przeciwników nie musieli długo czekać .
Tokens: 1_ 2________ 3 4 5 6______ 7_________ 8______ 9 10____ 11 12_____ 13__________ 14_ 15_____ 16___ 17____ 18

Chunks:
  TruePositive nam [8,8] = Lekarze

(ChunkerEvaluator) Sentence #2746 from articles/00107469 from sent35

Text  : Trzeba przyznać , że była bardzo „ rzeczowa ” .
Tokens: 1_____ 2_______ 3 4_ 5___ 6_____ 7 8_______ 9 10

Chunks:

(ChunkerEvaluator) Sentence #2747 from articles/00107469 from sent36

Text  : Na przestrzeni siedmiu minut TC Team zdobyli aż 19 punktów tracąc jednocześnie ledwie 2  i  wyszli na 13 -  punktowe prowadzenie (  19 :  6  )  !
Tokens: 1_ 2__________ 3______ 4____ 5_ 6___ 7______ 8_ 9_ 10_____ 11____ 12__________ 13____ 14 15 16____ 17 18 19 20______ 21_________ 22 23 24 25 26 27

Chunks:
  TruePositive nam [5,6] = TC Team

(ChunkerEvaluator) Sentence #2748 from articles/00107469 from sent37

Text  : W końcówce pierwszej kwarty Lekarze wzmocnili nieco obronę .
Tokens: 1 2_______ 3________ 4_____ 5______ 6________ 7____ 8_____ 9

Chunks:
  TruePositive nam [5,5] = Lekarze

(ChunkerEvaluator) Sentence #2749 from articles/00107469 from sent38

Text  : Dzięki temu udało im się choć trochę zmniejszyć dystans do uciekających przeciwników .
Tokens: 1_____ 2___ 3____ 4_ 5__ 6___ 7_____ 8_________ 9______ 10 11__________ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #2750 from articles/00107469 from sent39

Text  : Druga odsłona była w zasadzie „ repetą ” z pierwszej .
Tokens: 1____ 2______ 3___ 4 5_______ 6 7_____ 8 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2751 from articles/00107469 from sent40

Text  : Lekarze ponownie zanotowali dobry początek .
Tokens: 1______ 2_______ 3_________ 4____ 5_______ 6

Chunks:
  FalseNegative nam [1,1] = Lekarze

(ChunkerEvaluator) Sentence #2752 from articles/00107469 from sent41

Text  : Niestety po raz kolejny nie byli w stanie pójść za ciosem ,  a  TC Team wykorzystali sytuację powiększając swój stan posiadania (  29 :  14 )  .
Tokens: 1_______ 2_ 3__ 4______ 5__ 6___ 7 8_____ 9____ 10 11____ 12 13 14 15__ 16__________ 17______ 18__________ 19__ 20__ 21________ 22 23 24 25 26 27

Chunks:
  TruePositive nam [14,15] = TC Team

(ChunkerEvaluator) Sentence #2753 from articles/00107469 from sent42

Text  : Różnica między pierwszą , a drugą kwartą była taka ,  że reakcja Lekarzy na niekorzystny obrót spraw nastąpiła zdecydowanie szybciej i  była bardziej skuteczna .
Tokens: 1______ 2_____ 3_______ 4 5 6____ 7_____ 8___ 9___ 10 11 12_____ 13_____ 14 15__________ 16___ 17___ 18_______ 19__________ 20______ 21 22__ 23______ 24_______ 25

Chunks:
  TruePositive nam [13,13] = Lekarzy

(ChunkerEvaluator) Sentence #2754 from articles/00107469 from sent43

Text  : Kolegów poderwał do walki oczywiście Piotrek Gietka ( 21 pkt ,  8  zb ,  4  prz ,  3  as )  .
Tokens: 1______ 2_______ 3_ 4____ 5_________ 6______ 7_____ 8 9_ 10_ 11 12 13 14 15 16_ 17 18 19 20 21

Chunks:
  TruePositive nam [6,7] = Piotrek Gietka

(ChunkerEvaluator) Sentence #2755 from articles/00107469 from sent44

Text  : Dzięki jego dobrej grze Lekarze zanotowali „ run ” 13 :  3  i  na przerwę między połowami schodzili tracąc do przeciwników „  tylko ”  (  po momentami wręcz fatalnej grze to chyba właściwe określenie )  5  punktów (  32 :  27 )  .
Tokens: 1_____ 2___ 3_____ 4___ 5______ 6_________ 7 8__ 9 10 11 12 13 14 15_____ 16____ 17______ 18_______ 19____ 20 21__________ 22 23___ 24 25 26 27_______ 28___ 29______ 30__ 31 32___ 33______ 34________ 35 36 37_____ 38 39 40 41 42 43

Chunks:
  TruePositive nam [5,5] = Lekarze

(ChunkerEvaluator) Sentence #2756 from articles/00107469 from sent45

Text  : Zmiana stron przyniosła kolejny zwrot akcji .
Tokens: 1_____ 2____ 3_________ 4______ 5____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #2757 from articles/00107469 from sent46

Text  : Zmobilizowani TC Team po raz kolejny tego dnia zaskoczyli mistrzów ligi .
Tokens: 1____________ 2_ 3___ 4_ 5__ 6______ 7___ 8___ 9_________ 10______ 11__ 12

Chunks:
  FalsePositive nam [3,3] = Team
  FalseNegative nam [2,3] = TC Team

(ChunkerEvaluator) Sentence #2758 from articles/00107469 from sent47

Text  : Od razu przeszli do ostrego szturmu na kosz rywali swe starania popierając skuteczną obroną .
Tokens: 1_ 2___ 3_______ 4_ 5______ 6______ 7_ 8___ 9_____ 10_ 11______ 12________ 13_______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #2759 from articles/00107469 from sent48

Text  : Na cztery minuty przed końcem tej części meczu prowadzili już 15 punktami (  44 :  29 )  i  właśnie wtedy .  .  .  ponownie coś się zacięło .
Tokens: 1_ 2_____ 3_____ 4____ 5_____ 6__ 7_____ 8____ 9_________ 10_ 11 12______ 13 14 15 16 17 18 19_____ 20___ 21 22 23 24______ 25_ 26_ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #2760 from articles/00107469 from sent49

Text  : Koniec trzeciej i cała czwarta kwarta były w ich wykonaniu -  delikatnie mówiąc -  przeciętne .
Tokens: 1_____ 2_______ 3 4___ 5______ 6_____ 7___ 8 9__ 10_______ 11 12________ 13____ 14 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #2761 from articles/00107469 from sent50

Text  : Robili proste błędy , nie trafiali z naprawdę dogodnych pozycji .
Tokens: 1_____ 2_____ 3____ 4 5__ 6_______ 7 8_______ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #2762 from articles/00107469 from sent51

Text  : W tym czasie Lekarze systematycznie robili swoje .
Tokens: 1 2__ 3_____ 4______ 5_____________ 6_____ 7____ 8

Chunks:
  TruePositive nam [4,4] = Lekarze

(ChunkerEvaluator) Sentence #2763 from articles/00107469 from sent52

Text  : Kolejne trafienia Piotrka Gietki i wspierającego go w ataku Dominika Żdżarskiego (  7  pkt ,  5  zb )  zrobiły swoje .
Tokens: 1______ 2________ 3______ 4_____ 5 6____________ 7_ 8 9____ 10______ 11_________ 12 13 14_ 15 16 17 18 19_____ 20___ 21

Chunks:
  TruePositive nam [3,4] = Piotrka Gietki
  TruePositive nam [10,11] = Dominika Żdżarskiego

(ChunkerEvaluator) Sentence #2764 from articles/00107469 from sent53

Text  : Po dwóch „ trójkach ” autorstwa Gietki ( na marginesie jedynych celnych po uprzednim zepsuciu dziesięciu rzutów !  )  dystans między drużynami stopniał do 4  „  oczek ”  (  53 :  49 )  .
Tokens: 1_ 2____ 3 4_______ 5 6________ 7_____ 8 9_ 10________ 11______ 12_____ 13 14_______ 15______ 16________ 17____ 18 19 20_____ 21____ 22_______ 23______ 24 25 26 27___ 28 29 30 31 32 33 34

Chunks:
  TruePositive nam [7,7] = Gietki

(ChunkerEvaluator) Sentence #2765 from articles/00107469 from sent54

Text  : Niestety w końcówce meczu szczęście odwróciło się od mistrzowskiej ekipy .
Tokens: 1_______ 2 3_______ 4____ 5________ 6________ 7__ 8_ 9____________ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #2766 from articles/00107469 from sent55

Text  : Dopisało natomiast rywalom .
Tokens: 1_______ 2________ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #2767 from articles/00107469 from sent56

Text  : TC Team zdobyli 3 cenne punkty , które dały im zwycięstwo w  prestiżowym spotkaniu .
Tokens: 1_ 2___ 3______ 4 5____ 6_____ 7 8____ 9___ 10 11________ 12 13_________ 14_______ 15

Chunks:
  FalseNegative nam [1,2] = TC Team

(ChunkerEvaluator) Sentence #2768 from articles/00107469 from sent57

Text  : Trudny początek Ostapów
Tokens: 1_____ 2_______ 3______

Chunks:
  TruePositive nam [3,3] = Ostapów

(ChunkerEvaluator) Sentence #2769 from articles/00107469 from sent58

Text  : Ostap Rusztowania nie mają łatwego początku sezonu .
Tokens: 1____ 2__________ 3__ 4___ 5______ 6_______ 7_____ 8

Chunks:
  TruePositive nam [1,2] = Ostap Rusztowania

(ChunkerEvaluator) Sentence #2770 from articles/00107469 from sent59

Text  : W pierwszej kolejce musieli się zmierzyć z CMP Centrum Medyczne ,  czyli ze spadkowiczami z  pierwszej ligi .
Tokens: 1 2________ 3______ 4______ 5__ 6_______ 7 8__ 9______ 10______ 11 12___ 13 14___________ 15 16_______ 17__ 18

Chunks:
  TruePositive nam [8,10] = CMP Centrum Medyczne

(ChunkerEvaluator) Sentence #2771 from articles/00107469 from sent60

Text  : W kolejny weekend na ich drodze stanęli Kumple Fryzjera ,  liderzy grupy B  z  poprzedniego sezonu .
Tokens: 1 2______ 3______ 4_ 5__ 6_____ 7______ 8_____ 9_______ 10 11_____ 12___ 13 14 15__________ 16____ 17

Chunks:
  TruePositive nam [8,9] = Kumple Fryzjera
  FalsePositive nam [13,13] = B

(ChunkerEvaluator) Sentence #2772 from articles/00107469 from sent61

Text  : Niestety oba sprawdziany swoich umiejętności Ostapy „ oblali ” .
Tokens: 1_______ 2__ 3__________ 4_____ 5___________ 6_____ 7 8_____ 9 10

Chunks:
  FalseNegative nam [6,6] = Ostapy

(ChunkerEvaluator) Sentence #2773 from articles/00107469 from sent62

Text  : O ile w pierwszym spotkaniu dysponowali z grubsza pełnym składem i  właściwie tylko własnej niefrasobliwości zawdzięczają porażkę ,  to w  drugim ich podstawowym problemem okazały się braki kadrowe ,  a  zwłaszcza nieobecność podkoszowego Kamila Stachowskiego .
Tokens: 1 2__ 3 4________ 5________ 6__________ 7 8______ 9_____ 10_____ 11 12_______ 13___ 14_____ 15______________ 16__________ 17_____ 18 19 20 21____ 22_ 23_________ 24_______ 25_____ 26_ 27___ 28_____ 29 30 31_______ 32_________ 33__________ 34____ 35___________ 36

Chunks:
  TruePositive nam [34,35] = Kamila Stachowskiego

(ChunkerEvaluator) Sentence #2774 from articles/00107469 from sent63

Text  : Ostapy przegrali walkę na tablicach dorzucając do tego również słabą dyspozycję zawodników obwodowych .
Tokens: 1_____ 2________ 3____ 4_ 5________ 6_________ 7_ 8___ 9______ 10___ 11________ 12________ 13________ 14

Chunks:
  TruePositive nam [1,1] = Ostapy

(ChunkerEvaluator) Sentence #2775 from articles/00107469 from sent64

Text  : W kolejnych tygodniach terminarz nadal nie będzie ich „ rozpieszczał ”  .
Tokens: 1 2________ 3_________ 4________ 5____ 6__ 7_____ 8__ 9 10__________ 11 12

Chunks:

(ChunkerEvaluator) Sentence #2776 from articles/00107469 from sent65

Text  : W trzeciej kolejce przyjdzie im się zmierzyć z nieobliczalnym beniaminkiem Grupa Neoart ,  którzy już w  pierwszym swoim meczu pokusili się o  sensację i  zepsuli początek sezonu Warka Team .
Tokens: 1 2_______ 3______ 4________ 5_ 6__ 7_______ 8 9_____________ 10__________ 11___ 12____ 13 14____ 15_ 16 17_______ 18___ 19___ 20______ 21_ 22 23______ 24 25_____ 26______ 27____ 28___ 29__ 30

Chunks:
  TruePositive nam [11,12] = Grupa Neoart
  TruePositive nam [28,29] = Warka Team

(ChunkerEvaluator) Sentence #2777 from articles/00107469 from sent66

Text  : Na wzmiankę z pewnością zasługuje wyczyn innego drugoligowego debiutanta ,  którym są Iniemamocni .
Tokens: 1_ 2_______ 3 4________ 5________ 6_____ 7_____ 8____________ 9_________ 10 11____ 12 13_________ 14

Chunks:
  FalseNegative nam [13,13] = Iniemamocni

(ChunkerEvaluator) Sentence #2778 from articles/00107469 from sent67

Text  : No , może debiutant to za dużo powiedziane .
Tokens: 1_ 2 3___ 4________ 5_ 6_ 7___ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #2779 from articles/00107469 from sent68

Text  : Iniemamocni już kiedyś gościli w drugiej lidze .
Tokens: 1__________ 2__ 3_____ 4______ 5 6______ 7____ 8

Chunks:
  FalseNegative nam [1,1] = Iniemamocni

(ChunkerEvaluator) Sentence #2780 from articles/00107469 from sent69

Text  : Było to jakieś półtora roku temu .
Tokens: 1___ 2_ 3_____ 4______ 5___ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #2781 from articles/00107469 from sent70

Text  : Trzeba jednak przyznać , że od tamtej pory sporo się u  nich pozmieniało i  to -  wszystko na to wskazuje -  na lepsze .
Tokens: 1_____ 2_____ 3_______ 4 5_ 6_ 7_____ 8___ 9____ 10_ 11 12__ 13_________ 14 15 16 17______ 18 19 20______ 21 22 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #2782 from articles/00107469 from sent71

Text  : Poprzednia przygoda z drugą liga była dla nich dosyć bolesna .
Tokens: 1_________ 2_______ 3 4____ 5___ 6___ 7__ 8___ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #2783 from articles/00107469 from sent72

Text  : Przegrali wtedy dziesięć z jedenastu spotkań i gładko spadli do trzeciej ligi .
Tokens: 1________ 2____ 3_______ 4 5________ 6______ 7 8_____ 9_____ 10 11______ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #2784 from articles/00107469 from sent73

Text  : Tym razem jest nadzieja , że historia się nie powtórzy .
Tokens: 1__ 2____ 3___ 4_______ 5 6_ 7_______ 8__ 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #2785 from articles/00107469 from sent74

Text  : Dowodem niech będzie fakt , że już w drugiej kolejce postarali się o  małą sensację pokonując doświadczonych zawodników Sahela .
Tokens: 1______ 2____ 3_____ 4___ 5 6_ 7__ 8 9______ 10_____ 11_______ 12_ 13 14__ 15______ 16_______ 17____________ 18________ 19____ 20

Chunks:
  FalseNegative nam [19,19] = Sahela

(ChunkerEvaluator) Sentence #2786 from articles/00107469 from sent75

Text  : Sahel grali osłabieni brakiem kilku podstawowych zawodników , ale mimo wszystko za zwycięstwo Iniemamocnym należą się wyrazy uznania .
Tokens: 1____ 2____ 3________ 4______ 5____ 6___________ 7_________ 8 9__ 10__ 11______ 12 13________ 14__________ 15____ 16_ 17____ 18_____ 19

Chunks:
  FalseNegative nam [1,1] = Sahel
  FalseNegative nam [14,14] = Iniemamocnym

(ChunkerEvaluator) Sentence #2787 from articles/00107469 from sent76

Text  : Grupa Neoart powoli wyrastają nam na jedną z większych niespodzianek tego sezonu .
Tokens: 1____ 2_____ 3_____ 4________ 5__ 6_ 7____ 8 9________ 10___________ 11__ 12____ 13

Chunks:
  TruePositive nam [1,2] = Grupa Neoart

(ChunkerEvaluator) Sentence #2788 from articles/00107469 from sent77

Text  : Przede wszystkim dysponują niezwykle ciekawym i „ energicznym ” obwodem ,  który w  dwóch dotychczasowych spotkaniach naprawdę zdrowo namieszał w  defensywie przeciwników .
Tokens: 1_____ 2________ 3________ 4________ 5_______ 6 7 8__________ 9 10_____ 11 12___ 13 14___ 15_____________ 16_________ 17______ 18____ 19_______ 20 21________ 22__________ 23

Chunks:

(ChunkerEvaluator) Sentence #2789 from articles/00107469 from sent78

Text  : W ostatnią niedzielę przed zawodnikami Grupa NeoArt stało naprawdę trudne zadanie .
Tokens: 1 2_______ 3________ 4____ 5__________ 6____ 7_____ 8____ 9_______ 10____ 11_____ 12

Chunks:
  TruePositive nam [6,7] = Grupa NeoArt

(ChunkerEvaluator) Sentence #2790 from articles/00107469 from sent79

Text  : Przyszło im się zmierzyć z CMP Centrum Medyczne , drużyną z  -  jak to się mówi -  aspiracjami .
Tokens: 1_______ 2_ 3__ 4_______ 5 6__ 7______ 8_______ 9 10_____ 11 12 13_ 14 15_ 16__ 17 18_________ 19

Chunks:
  TruePositive nam [6,8] = CMP Centrum Medyczne

(ChunkerEvaluator) Sentence #2791 from articles/00107469 from sent80

Text  : Spotkanie naprawdę mogło się podobać .
Tokens: 1________ 2_______ 3____ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #2792 from articles/00107469 from sent81

Text  : Drużyny postawiły na szybką i zdecydowaną grę w ataku .
Tokens: 1______ 2________ 3_ 4_____ 5 6__________ 7__ 8 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #2793 from articles/00107469 from sent82

Text  : Cała pierwsza połowa to pojedynek najlepszych strzelców z obu stron .
Tokens: 1___ 2_______ 3_____ 4_ 5________ 6__________ 7________ 8 9__ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #2794 from articles/00107469 from sent83

Text  : W szeregach CMP prym wiódł Piotr Paprocki ( 26 pkt ,  1  zb ,  1  prz ,  6  as )  ,  w  Grupa NeoArt kolejnymi trafieniami popisywał się Grzesiek Popis (  24 pkt ,  1  bl ,  1  prz ,  1  as )  .
Tokens: 1 2________ 3__ 4___ 5____ 6____ 7_______ 8 9_ 10_ 11 12 13 14 15 16_ 17 18 19 20 21 22 23___ 24____ 25_______ 26_________ 27_______ 28_ 29______ 30___ 31 32 33_ 34 35 36 37 38 39_ 40 41 42 43 44

Chunks:
  TruePositive nam [3,3] = CMP
  TruePositive nam [6,7] = Piotr Paprocki
  TruePositive nam [29,30] = Grzesiek Popis
  FalseNegative nam [23,24] = Grupa NeoArt

(ChunkerEvaluator) Sentence #2795 from articles/00107469 from sent84

Text  : Na przestrzeni dwudziestu minut obaj panowie zdobyli po 15 punktów ,  ale więcej powodów do radości miał Paprocki ,  którego CMP na przerwę między połowami schodzili z  6  -  punktową zaliczką (  36 :  30 )  .
Tokens: 1_ 2__________ 3_________ 4____ 5___ 6______ 7______ 8_ 9_ 10_____ 11 12_ 13____ 14_____ 15 16_____ 17__ 18______ 19 20_____ 21_ 22 23_____ 24____ 25______ 26_______ 27 28 29 30______ 31______ 32 33 34 35 36 37

Chunks:
  TruePositive nam [18,18] = Paprocki
  TruePositive nam [21,21] = CMP

(ChunkerEvaluator) Sentence #2796 from articles/00107469 from sent85

Text  : Po zmianie stron obaj liderzy nie zwolnili tempa .
Tokens: 1_ 2______ 3____ 4___ 5______ 6__ 7_______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #2797 from articles/00107469 from sent86

Text  : Mało tego , każdy z nich otrzymał wsparcie swoich kolegów ,  więc widowisko nabrało rumieńców .
Tokens: 1___ 2___ 3 4____ 5 6___ 7_______ 8_______ 9_____ 10_____ 11 12__ 13_______ 14_____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #2798 from articles/00107469 from sent87

Text  : W CMP z dobrej strony pokazał się Tomek Przedlacki (  20 pkt ,  6  zb ,  1  bl ,  1  as )  .
Tokens: 1 2__ 3 4_____ 5_____ 6______ 7__ 8____ 9_________ 10 11 12_ 13 14 15 16 17 18 19 20 21 22 23

Chunks:
  TruePositive nam [2,2] = CMP
  TruePositive nam [8,9] = Tomek Przedlacki

(ChunkerEvaluator) Sentence #2799 from articles/00107469 from sent88

Text  : Okazało się , że chłopak potrafi nie tylko nieźle bronić (  co pokazał już w  poprzednich sezonach grając dla SGGW )  ,  ale odpowiednio obsłużony przez partnerów również nieźle spisuje się w  ataku .
Tokens: 1______ 2__ 3 4_ 5______ 6______ 7__ 8____ 9_____ 10____ 11 12 13_____ 14_ 15 16_________ 17______ 18____ 19_ 20__ 21 22 23_ 24_________ 25_______ 26___ 27_______ 28_____ 29____ 30_____ 31_ 32 33___ 34

Chunks:
  TruePositive nam [20,20] = SGGW

(ChunkerEvaluator) Sentence #2800 from articles/00107469 from sent89

Text  : W porównaniu z pierwszym meczem sezonu , który zakończył z  3  -  punktowym dorobkiem będąc w  ataku jedynie statystą widać spory progres .
Tokens: 1 2_________ 3 4________ 5_____ 6_____ 7 8____ 9________ 10 11 12 13_______ 14_______ 15___ 16 17___ 18_____ 19______ 20___ 21___ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #2801 from articles/00107469 from sent90

Text  : W Grupa Neoart do pomocy Grześkowi Popisowi ruszył Bartosz Grudziński (  18 pkt ,  5  zb ,  1  prz ,  4  as )  .
Tokens: 1 2____ 3_____ 4_ 5_____ 6________ 7_______ 8_____ 9______ 10________ 11 12 13_ 14 15 16 17 18 19_ 20 21 22 23 24

Chunks:
  TruePositive nam [2,3] = Grupa Neoart
  TruePositive nam [6,7] = Grześkowi Popisowi
  TruePositive nam [9,10] = Bartosz Grudziński

(ChunkerEvaluator) Sentence #2802 from articles/00107469 from sent91

Text  : Pod koniec trzeciej kwarty wydawało się , że CMP zaczynają kontrolować wydarzenia na parkiecie .
Tokens: 1__ 2_____ 3_______ 4_____ 5_______ 6__ 7 8_ 9__ 10_______ 11_________ 12________ 13 14_______ 15

Chunks:
  TruePositive nam [9,9] = CMP

(ChunkerEvaluator) Sentence #2803 from articles/00107469 from sent92

Text  : Kolejne udane akcje pozwoliły im wyjść na 12 - punktowe prowadzenie (  55 :  43 )  i  w  miarę spokojnie patrzeć w  przyszłość .
Tokens: 1______ 2____ 3____ 4________ 5_ 6____ 7_ 8_ 9 10______ 11_________ 12 13 14 15 16 17 18 19___ 20_______ 21_____ 22 23________ 24

Chunks:

(ChunkerEvaluator) Sentence #2804 from articles/00107469 from sent93

Text  : Chłoaki z Neoart-u pokazali jednak , że w meczach z  ich udziałem o  żadnym spokoju nie może być mowy .
Tokens: 1______ 2 3_______ 4_______ 5_____ 6 7_ 8 9______ 10 11_ 12______ 13 14____ 15_____ 16_ 17__ 18_ 19__ 20

Chunks:
  TruePositive nam [3,3] = Neoart-u

(ChunkerEvaluator) Sentence #2805 from articles/00107469 from sent94

Text  : W kolejnych minutach trzykrotnie trafili zza łuku , a po celnych osobistych Grzegorza Popisa do prowadzących CMP tracili już tylko 3  punkty (  54 :  57 )  .
Tokens: 1 2________ 3_______ 4__________ 5______ 6__ 7___ 8 9 10 11_____ 12________ 13_______ 14____ 15 16__________ 17_ 18_____ 19_ 20___ 21 22____ 23 24 25 26 27 28

Chunks:
  TruePositive nam [13,14] = Grzegorza Popisa
  TruePositive nam [17,17] = CMP

(ChunkerEvaluator) Sentence #2806 from articles/00107469 from sent95

Text  : Rywale potrafili jednak wziąć się w garść .
Tokens: 1_____ 2________ 3_____ 4____ 5__ 6 7____ 8

Chunks:
  FalsePositive nam [1,1] = Rywale

(ChunkerEvaluator) Sentence #2807 from articles/00107469 from sent96

Text  : Przez dłuższą chwilę na placu trwała wymiana ciosów .
Tokens: 1____ 2______ 3_____ 4_ 5____ 6_____ 7______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #2808 from articles/00107469 from sent97

Text  : Grupa Neoart zbliżyli się do rywali nawet na 2 „  oczka ”  (  60 :  62 )  .
Tokens: 1____ 2_____ 3_______ 4__ 5_ 6_____ 7____ 8_ 9 10 11___ 12 13 14 15 16 17 18

Chunks:
  TruePositive nam [1,2] = Grupa Neoart

(ChunkerEvaluator) Sentence #2809 from articles/00107469 from sent98

Text  : Na szczęście dla CMP w ostatnich dwóch minutach meczu udało im się wreszcie wybronić kilka akcji .
Tokens: 1_ 2________ 3__ 4__ 5 6________ 7____ 8_______ 9____ 10___ 11 12_ 13______ 14______ 15___ 16___ 17

Chunks:
  TruePositive nam [4,4] = CMP

(ChunkerEvaluator) Sentence #2810 from articles/00107469 from sent99

Text  : Jednocześnie sami nadal całkiem dobrze radzili sobie z defensywą przeciwników .
Tokens: 1___________ 2___ 3____ 4______ 5_____ 6______ 7____ 8 9________ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #2811 from articles/00107469 from sent100

Text  : Rzutem na taśmę dali radę wywalczyć upragnione zwycięstwo .
Tokens: 1_____ 2_ 3____ 4___ 5___ 6________ 7_________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #2812 from articles/00107469 from sent101

Text  : Wyrównana grupa B
Tokens: 1________ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #2813 from articles/00107469 from sent102

Text  : W drugiej kolejce trzecioligowcy byli naprawdę zawzięci .
Tokens: 1 2______ 3______ 4_____________ 5___ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2814 from articles/00107469 from sent103

Text  : W grupie A zacięte zawody rozegrali Dream Team i Piwo Wino Wódka Spać ,  choć trzeba uczciwie powiedzieć ,  że ostatnie dziesięć minut w  wykonaniu obu zespołów było nieco żenujące .
Tokens: 1 2_____ 3 4______ 5_____ 6________ 7____ 8___ 9 10__ 11__ 12___ 13__ 14 15__ 16____ 17______ 18________ 19 20 21______ 22______ 23___ 24 25_______ 26_ 27______ 28__ 29___ 30______ 31

Chunks:
  TruePositive nam [7,8] = Dream Team
  TruePositive nam [10,13] = Piwo Wino Wódka Spać

(ChunkerEvaluator) Sentence #2815 from articles/00107469 from sent104

Text  : Pierwsze trzy kwarty stały pod znakiem regularnej wymiany ciosów .
Tokens: 1_______ 2___ 3_____ 4____ 5__ 6______ 7_________ 8______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #2816 from articles/00107469 from sent105

Text  : Po początkowych sukcesach Piwo Wino . . . , którzy prowadzili w  pewnym momencie 9  punktami (  17 :  8  )  do głosu doszli ich rywale .
Tokens: 1_ 2___________ 3________ 4___ 5___ 6 7 8 9 10____ 11________ 12 13____ 14______ 15 16______ 17 18 19 20 21 22 23___ 24____ 25_ 26____ 27

Chunks:
  TruePositive nam [4,8] = Piwo Wino . . .

(ChunkerEvaluator) Sentence #2817 from articles/00107469 from sent106

Text  : Dość sprawnie odrobili większość strat .
Tokens: 1___ 2_______ 3_______ 4________ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #2818 from articles/00107469 from sent107

Text  : Dream Team nie doprowadzili co prawda do remisu , ale cały czas trzymali się bardzo blisko .
Tokens: 1____ 2___ 3__ 4___________ 5_ 6_____ 7_ 8_____ 9 10_ 11__ 12__ 13______ 14_ 15____ 16____ 17

Chunks:
  TruePositive nam [1,2] = Dream Team

(ChunkerEvaluator) Sentence #2819 from articles/00107469 from sent108

Text  : Remis mieli śmy dopiero na finiszu trzeciej kwarty ( 36 :  36 )  .
Tokens: 1____ 2____ 3__ 4______ 5_ 6______ 7_______ 8_____ 9 10 11 12 13 14

Chunks:

(ChunkerEvaluator) Sentence #2820 from articles/00107469 from sent109

Text  : Niestety w tym momencie obraz gry uległ pogorszeniu .
Tokens: 1_______ 2 3__ 4_______ 5____ 6__ 7____ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #2821 from articles/00107469 from sent110

Text  : Obie strony wybitnie nie radziły sobie z trafianiem do kosza nawet z  wydawało by się bardzo dogodnych pozycji .
Tokens: 1___ 2_____ 3_______ 4__ 5______ 6____ 7 8_________ 9_ 10___ 11___ 12 13______ 14 15_ 16____ 17_______ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #2822 from articles/00107469 from sent111

Text  : Piwo Wino . . . dorzucili do tego jeszcze istny koncert niefrasobliwości z  linii rzutów wolnych (  w  czwartej kwarcie spudłowali 6  z  7  takich rzutów )  .
Tokens: 1___ 2___ 3 4 5 6________ 7_ 8___ 9______ 10___ 11_____ 12______________ 13 14___ 15____ 16_____ 17 18 19______ 20_____ 21________ 22 23 24 25____ 26____ 27 28

Chunks:
  FalsePositive nam [1,4] = Piwo Wino . .
  FalseNegative nam [1,5] = Piwo Wino . . .

(ChunkerEvaluator) Sentence #2823 from articles/00107469 from sent112

Text  : Szczególnie „ aktywny ” na tym polu był skądinąd dobrze prezentujący się w  całym spotkaniu Krzysztof Wielgus (  21 pkt ,  6  zb ,  2  prz ,  3  as )  .
Tokens: 1__________ 2 3______ 4 5_ 6__ 7___ 8__ 9_______ 10____ 11__________ 12_ 13 14___ 15_______ 16_______ 17_____ 18 19 20_ 21 22 23 24 25 26_ 27 28 29 30 31

Chunks:
  TruePositive nam [16,17] = Krzysztof Wielgus

(ChunkerEvaluator) Sentence #2824 from articles/00107469 from sent113

Text  : Mimo wszystko i tak Piwo Wino . . . trafiali do kosza częściej od rywali i  na koniec to oni cieszyli się z  odniesionego zwycięstwa .
Tokens: 1___ 2_______ 3 4__ 5___ 6___ 7 8 9 10______ 11 12___ 13______ 14 15____ 16 17 18____ 19 20_ 21______ 22_ 23 24__________ 25________ 26

Chunks:
  FalsePositive nam [5,8] = Piwo Wino . .
  FalseNegative nam [5,9] = Piwo Wino . . .

(ChunkerEvaluator) Sentence #2825 from articles/00107469 from sent114

Text  : Jeżeli chodzi o wyrównane spotkania , to w minioną sobotę brylowały w  tym względzie drużyny zestawione w  grupie B  .
Tokens: 1_____ 2_____ 3 4________ 5________ 6 7_ 8 9______ 10____ 11_______ 12 13_ 14_______ 15_____ 16________ 17 18____ 19 20

Chunks:
  FalsePositive nam [19,19] = B

(ChunkerEvaluator) Sentence #2826 from articles/00107469 from sent115

Text  : Aż w trzech z rozegranych czterech spotkań zwycięzcę poznali śmy w  ostatnich sekundach .
Tokens: 1_ 2 3_____ 4 5__________ 6_______ 7______ 8________ 9______ 10_ 11 12_______ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #2827 from articles/00107469 from sent116

Text  : Zaczęli Gealic Thirteen , którzy po twardym boju pokonali 20 w  Plecy .
Tokens: 1______ 2_____ 3_______ 4 5_____ 6_ 7______ 8___ 9_______ 10 11 12___ 13

Chunks:
  TruePositive nam [2,3] = Gealic Thirteen
  FalseNegative nam [10,12] = 20 w Plecy

(ChunkerEvaluator) Sentence #2828 from articles/00107469 from sent117

Text  : Kluczowa dla losów meczu była akcja Adama Franko ( 19 pkt ,  4  zb ,  1  bl )  .
Tokens: 1_______ 2__ 3____ 4____ 5___ 6____ 7____ 8_____ 9 10 11_ 12 13 14 15 16 17 18 19

Chunks:
  TruePositive nam [7,8] = Adama Franko

(ChunkerEvaluator) Sentence #2829 from articles/00107469 from sent118

Text  : Co ciekawe były to jedyne punkty Gealic Thirteen w czwartej kwarcie ,  którzy w  ostatniej odsłonie roztrwonili 13 -  punktowe prowadzenie .
Tokens: 1_ 2______ 3___ 4_ 5_____ 6_____ 7_____ 8_______ 9 10______ 11_____ 12 13____ 14 15_______ 16______ 17_________ 18 19 20______ 21_________ 22

Chunks:
  TruePositive nam [7,8] = Gealic Thirteen

(ChunkerEvaluator) Sentence #2830 from articles/00107469 from sent119

Text  : Celny rzut wspomnianego zawodnika dał jego drużynie minimalne prowadzenie (  37 :  36 )  i  dość szczęśliwe zwycięstwo .
Tokens: 1____ 2___ 3___________ 4________ 5__ 6___ 7_______ 8________ 9__________ 10 11 12 13 14 15 16__ 17________ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #2831 from articles/00107469 from sent120

Text  : Kolejny mecz w którym zmierzyli się ze sobą Starzy oraz Jelenie w  terenie był w  sumie popisem nieporadności z  obu stron .
Tokens: 1______ 2___ 3 4_____ 5________ 6__ 7_ 8___ 9_____ 10__ 11_____ 12 13_____ 14_ 15 16___ 17_____ 18___________ 19 20_ 21___ 22

Chunks:
  TruePositive nam [9,9] = Starzy
  TruePositive nam [11,11] = Jelenie

(ChunkerEvaluator) Sentence #2832 from articles/00107469 from sent121

Text  : Jelenie nie byli w stanie w przepisowy sposób bronić (  w  całym meczu faulowali aż 24 razy )  .
Tokens: 1______ 2__ 3___ 4 5_____ 6 7_________ 8_____ 9_____ 10 11 12___ 13___ 14_______ 15 16 17__ 18 19

Chunks:
  FalseNegative nam [1,1] = Jelenie

(ChunkerEvaluator) Sentence #2833 from articles/00107469 from sent122

Text  : Starzy nie potrafili wykorzystać kolejnych okazji do zdobywania łatwych punktów i  seryjnie pudłowali osobiste .
Tokens: 1_____ 2__ 3________ 4__________ 5________ 6_____ 7_ 8_________ 9______ 10_____ 11 12______ 13_______ 14______ 15

Chunks:
  FalseNegative nam [1,1] = Starzy

(ChunkerEvaluator) Sentence #2834 from articles/00107469 from sent123

Text  : Ta specyficzna mieszanka „ umiejętności ” dała w efekcie wyrównane zawody ,  w  których w  połowie ostatniej odsłony bliżsi sukcesu byli Jelenie .
Tokens: 1_ 2__________ 3________ 4 5___________ 6 7___ 8 9______ 10_______ 11____ 12 13 14_____ 15 16_____ 17_______ 18_____ 19____ 20_____ 21__ 22_____ 23

Chunks:
  TruePositive nam [22,22] = Jelenie

(ChunkerEvaluator) Sentence #2835 from articles/00107469 from sent124

Text  : Po trójce Karola Grzegorka ( 11 pkt , 1 prz ,  1  as )  prowadzili 5  punktami (  32 :  27 )  .
Tokens: 1_ 2_____ 3_____ 4________ 5 6_ 7__ 8 9 10_ 11 12 13 14 15________ 16 17______ 18 19 20 21 22 23

Chunks:
  TruePositive nam [3,4] = Karola Grzegorka

(ChunkerEvaluator) Sentence #2836 from articles/00107469 from sent125

Text  : Na ich nieszczęście w tym momencie zdarzył się cud .
Tokens: 1_ 2__ 3___________ 4 5__ 6_______ 7______ 8__ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #2837 from articles/00107469 from sent126

Text  : Starym zaczęły „ wchodzić ” osobiste .
Tokens: 1_____ 2______ 3 4_______ 5 6_______ 7

Chunks:
  FalseNegative nam [1,1] = Starym

(ChunkerEvaluator) Sentence #2838 from articles/00107469 from sent127

Text  : No może nie do końca , bo na przestrzeni ostatnich pięciu minut trafili 4  z  8  rzutów .
Tokens: 1_ 2___ 3__ 4_ 5____ 6 7_ 8_ 9__________ 10_______ 11____ 12___ 13_____ 14 15 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #2839 from articles/00107469 from sent128

Text  : Mimo wszystko można to uznać za spory progres ( wcześniej trafili ledwie 8  z  26 rzutów !  )  .
Tokens: 1___ 2_______ 3____ 4_ 5____ 6_ 7____ 8______ 9 10_______ 11_____ 12____ 13 14 15 16____ 17 18 19

Chunks:

(ChunkerEvaluator) Sentence #2840 from articles/00107469 from sent129

Text  : Zakrawa na żart , że to właśnie dzięki temu elementowi wyszli na prowadzenie i  wygrali zawody .
Tokens: 1______ 2_ 3___ 4 5_ 6_ 7______ 8_____ 9___ 10________ 11____ 12 13_________ 14 15_____ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #2841 from articles/00107469 from sent130

Text  : W porównaniu z dwoma omówionymi spotkaniami zdecydowanie bardziej ofensywny styl gry zaprezentowali Nie Obrażaj Się i  ButyXL.pl .  W  pierwszych dwóch kwartach stroną przeważającą byli ci drudzy .
Tokens: 1 2_________ 3 4____ 5_________ 6__________ 7___________ 8_______ 9________ 10__ 11_ 12____________ 13_ 14_____ 15_ 16 17_______ 18 19 20________ 21___ 22______ 23____ 24__________ 25__ 26 27____ 28

Chunks:
  TruePositive nam [17,17] = ButyXL.pl
  FalsePositive nam [14,15] = Obrażaj Się
  FalseNegative nam [13,15] = Nie Obrażaj Się

(ChunkerEvaluator) Sentence #2842 from articles/00107469 from sent131

Text  : ButyXL.pl prowadzili w pewnym momencie już 11 punktami ( 23 :  12 )  .
Tokens: 1________ 2_________ 3 4_____ 5_______ 6__ 7_ 8_______ 9 10 11 12 13 14

Chunks:
  TruePositive nam [1,1] = ButyXL.pl

(ChunkerEvaluator) Sentence #2843 from articles/00107469 from sent132

Text  : Na przerwę między połowami schodzili z 10 - punktową zaliczką (  27 :  17 )  .
Tokens: 1_ 2______ 3_____ 4_______ 5________ 6 7_ 8 9_______ 10______ 11 12 13 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #2844 from articles/00107469 from sent133

Text  : Zmiana stron sporo zmieniła również w obrazie gry .
Tokens: 1_____ 2____ 3____ 4_______ 5______ 6 7______ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #2845 from articles/00107469 from sent134

Text  : Zawodnicy ButyXL.pl wyszli na plac mniej skoncentrowani , a zdecydowane ataki rywali trochę ich zaskoczyły .
Tokens: 1________ 2________ 3_____ 4_ 5___ 6____ 7_____________ 8 9 10_________ 11___ 12____ 13____ 14_ 15________ 16

Chunks:
  TruePositive nam [2,2] = ButyXL.pl

(ChunkerEvaluator) Sentence #2846 from articles/00107469 from sent135

Text  : Nie Obrażaj Się dość sprawnie odrobili cześć strat z pierwszej połowy (  24 :  31 )  ,  ale najważniejsze zostawili jednak na ostatnią kwartę .
Tokens: 1__ 2______ 3__ 4___ 5_______ 6_______ 7____ 8____ 9 10_______ 11____ 12 13 14 15 16 17 18_ 19___________ 20_______ 21____ 22 23______ 24____ 25

Chunks:
  FalsePositive nam [2,3] = Obrażaj Się
  FalseNegative nam [1,3] = Nie Obrażaj Się

(ChunkerEvaluator) Sentence #2847 from articles/00107469 from sent136

Text  : Jej początek wybitnie im się nie udał .
Tokens: 1__ 2_______ 3_______ 4_ 5__ 6__ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #2848 from articles/00107469 from sent137

Text  : ButyXL.pl zagrali skutecznie w ataku i ponownie odskoczyli na znaczną odległość (  45 :  32 )  .
Tokens: 1________ 2______ 3_________ 4 5____ 6 7_______ 8_________ 9_ 10_____ 11_______ 12 13 14 15 16 17

Chunks:
  TruePositive nam [1,1] = ButyXL.pl

(ChunkerEvaluator) Sentence #2849 from articles/00107469 from sent138

Text  : Nie Obraża Się wciąż wierzyli jednak w zwycięstwo .
Tokens: 1__ 2_____ 3__ 4____ 5_______ 6_____ 7 8_________ 9

Chunks:
  FalsePositive nam [2,3] = Obraża Się
  FalseNegative nam [1,3] = Nie Obraża Się

(ChunkerEvaluator) Sentence #2850 from articles/00107469 from sent139

Text  : Już chwilę później zdobyli 9 punktów z rzędu zbliżając się do rywali na 4  punkty (  41 :  45 )  .
Tokens: 1__ 2_____ 3______ 4______ 5 6______ 7 8____ 9________ 10_ 11 12____ 13 14 15____ 16 17 18 19 20 21

Chunks:

(ChunkerEvaluator) Sentence #2851 from articles/00107469 from sent140

Text  : Kiedy zawodnicy ButyXL.pl zaczęli się „ odgryzać ” ich rywale pokazali ,  że stać ich na jeszcze więcej i  zmniejszyli dystans do 3  „  oczek ”  (  48 :  51 )  .
Tokens: 1____ 2________ 3________ 4______ 5__ 6 7_______ 8 9__ 10____ 11______ 12 13 14__ 15_ 16 17_____ 18____ 19 20_________ 21_____ 22 23 24 25___ 26 27 28 29 30 31 32

Chunks:
  TruePositive nam [3,3] = ButyXL.pl

(ChunkerEvaluator) Sentence #2852 from articles/00107469 from sent141

Text  : W ostatnich kilkudziesięciu sekundach mieli nawet szansę na objęcie prowadzenia ,  ale tu dała o  sobie znać „  zaraza ”  ,  jaką rozprzestrzenili chyba po całej hali przy ul .  Koncertowej Starzy .
Tokens: 1 2________ 3______________ 4________ 5____ 6____ 7_____ 8_ 9______ 10_________ 11 12_ 13 14__ 15 16___ 17__ 18 19____ 20 21 22__ 23______________ 24___ 25 26___ 27__ 28__ 29 30 31_________ 32____ 33

Chunks:
  TruePositive nam [31,32] = Koncertowej Starzy

(ChunkerEvaluator) Sentence #2853 from articles/00107469 from sent142

Text  : Nie Obrażaj Się aż trzykrotnie stawali na linii rzutów wolnych .
Tokens: 1__ 2______ 3__ 4_ 5__________ 6______ 7_ 8____ 9_____ 10_____ 11

Chunks:
  FalsePositive nam [2,3] = Obrażaj Się
  FalseNegative nam [1,3] = Nie Obrażaj Się

(ChunkerEvaluator) Sentence #2854 from articles/00107469 from sent143

Text  : Z sześciu rzutów trafili do kosza tylko raz i niestety musieli pogodzić się z  porażką .
Tokens: 1 2______ 3_____ 4______ 5_ 6____ 7____ 8__ 9 10______ 11_____ 12______ 13_ 14 15_____ 16

Chunks:

2016-10-27 14:59:25,227 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 108 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107470.xml
(ChunkerEvaluator) Sentence #2855 from articles/00107470 from sent1

Text  : Nowy format Radia Plus
Tokens: 1___ 2_____ 3____ 4___

Chunks:
  TruePositive nam [3,4] = Radia Plus

(ChunkerEvaluator) Sentence #2856 from articles/00107470 from sent2

Text  : Rano więcej informacji , inna muzyka i docelowa grupa słuchaczy .
Tokens: 1___ 2_____ 3_________ 4 5___ 6_____ 7 8_______ 9____ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #2857 from articles/00107470 from sent3

Text  : Opolska rozgłośnia Radia Plus zmienia format .
Tokens: 1______ 2_________ 3____ 4___ 5______ 6_____ 7

Chunks:
  TruePositive nam [3,4] = Radia Plus

(ChunkerEvaluator) Sentence #2858 from articles/00107470 from sent4

Text  : Zmiany dotyczą nie tylko rozgłośni opolskiej , lecz wszystkich 23 w  całym kraju .
Tokens: 1_____ 2______ 3__ 4____ 5________ 6________ 7 8___ 9_________ 10 11 12___ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2859 from articles/00107470 from sent5

Text  : Radio chce dzięki nim docierać do osób między 18 .  a  35 .  rokiem życia .
Tokens: 1____ 2___ 3_____ 4__ 5_______ 6_ 7___ 8_____ 9_ 10 11 12 13 14____ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #2860 from articles/00107470 from sent6

Text  : Modyfikacji uległa szczególnie ramówka porannej części .
Tokens: 1__________ 2_____ 3__________ 4______ 5_______ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #2861 from articles/00107470 from sent7

Text  : Między 6 a 9 o pełnych godzinach oraz dwadzieścia minut przed i  po pełnej godzinie podawane są informacje .
Tokens: 1_____ 2 3 4 5 6______ 7________ 8___ 9__________ 10___ 11___ 12 13 14____ 15______ 16______ 17 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #2862 from articles/00107470 from sent8

Text  : Wiadomości zarówno z wydarzeń na świecie , jak i kraju oraz regionu .
Tokens: 1_________ 2______ 3 4_______ 5_ 6______ 7 8__ 9 10___ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #2863 from articles/00107470 from sent9

Text  : Pojawiają się także informacje drogowe i o pogodzie .
Tokens: 1________ 2__ 3____ 4_________ 5______ 6 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #2864 from articles/00107470 from sent10

Text  : - Od poniedziałku do piątku na antenie ogólnokrajowej poranne rozmowy po godz .  8  prowadzi znany m  .  in .  z  TVN Tomasz Sekielski -  opowiada Dawid Rajwa ,  zastępca redaktora naczelnego opolskiej rozgłośni .
Tokens: 1 2_ 3___________ 4_ 5_____ 6_ 7______ 8_____________ 9______ 10_____ 11 12__ 13 14 15______ 16___ 17 18 19 20 21 22_ 23____ 24_______ 25 26______ 27___ 28___ 29 30______ 31_______ 32________ 33_______ 34_______ 35

Chunks:
  TruePositive nam [22,22] = TVN
  TruePositive nam [23,24] = Tomasz Sekielski
  TruePositive nam [27,28] = Dawid Rajwa

(ChunkerEvaluator) Sentence #2865 from articles/00107470 from sent11

Text  : - Jeżeli chodzi o innych dziennikarzy , to prowadzone były rozmowy z  Katarzyną Kolendą -  Zaleską .
Tokens: 1 2_____ 3_____ 4 5_____ 6___________ 7 8_ 9_________ 10__ 11_____ 12 13_______ 14_____ 15 16_____ 17

Chunks:
  TruePositive nam [13,16] = Katarzyną Kolendą - Zaleską

(ChunkerEvaluator) Sentence #2866 from articles/00107470 from sent12

Text  : Na chwilę obecną ich wyniki nie są znane .
Tokens: 1_ 2_____ 3_____ 4__ 5_____ 6__ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #2867 from articles/00107470 from sent13

Text  : Zmieni się także format muzyczny rozgłośni .
Tokens: 1_____ 2__ 3____ 4_____ 5_______ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #2868 from articles/00107470 from sent14

Text  : Radio postanowiło emitować głównie największe przeboje - zarówno te będące na topie ,  jak i  nieco starsze .
Tokens: 1____ 2__________ 3_______ 4______ 5_________ 6_______ 7 8______ 9_ 10____ 11 12___ 13 14_ 15 16___ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #2869 from articles/00107470 from sent15

Text  : Mimo tych zmian radio nadal jako priorytet stawia sobie za cel przekazywanie wartości katolickich .
Tokens: 1___ 2___ 3____ 4____ 5____ 6___ 7________ 8_____ 9____ 10 11_ 12___________ 13______ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #2870 from articles/00107470 from sent16

Text  : Rano prezentowane są fragmenty ewangelii oraz nauczanie papieża , a  w  każdą niedzielę o  godz .  8  .  30 można posłuchać mszy świętej .
Tokens: 1___ 2___________ 3_ 4________ 5________ 6___ 7________ 8______ 9 10 11 12___ 13_______ 14 15__ 16 17 18 19 20___ 21_______ 22__ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #2871 from articles/00107470 from sent17

Text  : Nowości programowe w Opolu poprzedziły dwie duże inwestycje : instalacja nowego systemu antenowego oraz mocniejszego nadajnika .
Tokens: 1______ 2_________ 3 4____ 5__________ 6___ 7___ 8_________ 9 10________ 11____ 12_____ 13________ 14__ 15__________ 16_______ 17

Chunks:
  TruePositive nam [4,4] = Opolu

(ChunkerEvaluator) Sentence #2872 from articles/00107470 from sent18

Text  : Dzięki temu opolską rozgłośnię słychać w Gliwicach , Wrocławiu czy Częstochowie .
Tokens: 1_____ 2___ 3______ 4_________ 5______ 6 7________ 8 9________ 10_ 11__________ 12

Chunks:
  TruePositive nam [7,7] = Gliwicach
  TruePositive nam [9,9] = Wrocławiu
  TruePositive nam [11,11] = Częstochowie

2016-10-27 14:59:25,303 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 109 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107471.xml
(ChunkerEvaluator) Sentence #2873 from articles/00107471 from sent1

Text  : Kraków .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Kraków

(ChunkerEvaluator) Sentence #2874 from articles/00107471 from sent2

Text  : Gowin przed Rasiem , obu wyprzedził Duda z PiS
Tokens: 1____ 2____ 3_____ 4 5__ 6_________ 7___ 8 9__

Chunks:
  TruePositive nam [7,7] = Duda
  TruePositive nam [9,9] = PiS
  FalseNegative nam [1,1] = Gowin
  FalseNegative nam [3,3] = Rasiem

(ChunkerEvaluator) Sentence #2875 from articles/00107471 from sent3

Text  : W okręgu krakowskim trzeci na liście PO Jarosław Gowin zdobył więcej głosów niż lider tej listy i  szef małopolskiej PO Ireneusz Raś .
Tokens: 1 2_____ 3_________ 4_____ 5_ 6_____ 7_ 8_______ 9____ 10____ 11____ 12____ 13_ 14___ 15_ 16___ 17 18__ 19__________ 20 21______ 22_ 23

Chunks:
  TruePositive nam [7,7] = PO
  TruePositive nam [8,9] = Jarosław Gowin
  TruePositive nam [20,20] = PO
  TruePositive nam [21,22] = Ireneusz Raś

(ChunkerEvaluator) Sentence #2876 from articles/00107471 from sent4

Text  : Obu wyprzedził jednak pierwszy na liście PiS Andrzej Duda .
Tokens: 1__ 2_________ 3_____ 4_______ 5_ 6_____ 7__ 8______ 9___ 10

Chunks:
  TruePositive nam [7,7] = PiS
  TruePositive nam [8,9] = Andrzej Duda

(ChunkerEvaluator) Sentence #2877 from articles/00107471 from sent5

Text  : Według danych PKW z blisko 93 proc . obwodów Duda dostał 77 tys .  875 głosów -  ponad 16 proc .  wszystkich oddanych na listę PiS .
Tokens: 1_____ 2_____ 3__ 4 5_____ 6_ 7___ 8 9______ 10__ 11____ 12 13_ 14 15_ 16____ 17 18___ 19 20__ 21 22________ 23______ 24 25___ 26_ 27

Chunks:
  TruePositive nam [3,3] = PKW
  TruePositive nam [10,10] = Duda
  TruePositive nam [26,26] = PiS

(ChunkerEvaluator) Sentence #2878 from articles/00107471 from sent6

Text  : Lider listy PO Ireneusz Raś w obwodach tych uzyskał 30 tys .  693 głosów .
Tokens: 1____ 2____ 3_ 4_______ 5__ 6 7_______ 8___ 9______ 10 11_ 12 13_ 14____ 15

Chunks:
  TruePositive nam [3,3] = PO
  TruePositive nam [4,5] = Ireneusz Raś

(ChunkerEvaluator) Sentence #2879 from articles/00107471 from sent7

Text  : Wyprzedził go trzeci na liście Jarosław Gowin z wynikiem 59 tys .  754 głosy .
Tokens: 1_________ 2_ 3_____ 4_ 5_____ 6_______ 7____ 8 9_______ 10 11_ 12 13_ 14___ 15

Chunks:
  TruePositive nam [6,7] = Jarosław Gowin

(ChunkerEvaluator) Sentence #2880 from articles/00107471 from sent8

Text  : Dane te ulegną jeszcze zmianie po przeliczeniu głosów oddanych we wszystkich obwodach .
Tokens: 1___ 2_ 3_____ 4______ 5______ 6_ 7___________ 8_____ 9_______ 10 11________ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #2881 from articles/00107471 from sent9

Text  : Cztery lata temu wybory w okręgu krakowskim wygrała Platforma Obywatelska -  47 ,  35 proc .
Tokens: 1_____ 2___ 3___ 4_____ 5 6_____ 7_________ 8______ 9________ 10_________ 11 12 13 14 15__ 16

Chunks:
  TruePositive nam [9,10] = Platforma Obywatelska

(ChunkerEvaluator) Sentence #2882 from articles/00107471 from sent10

Text  : PiS uzyskał wówczas 34 , 43 proc . głosów .
Tokens: 1__ 2______ 3______ 4_ 5 6_ 7___ 8 9_____ 10

Chunks:
  TruePositive nam [1,1] = PiS

(ChunkerEvaluator) Sentence #2883 from articles/00107471 from sent11

Text  : Jarosław Gowin , który został wówczas liderem listy PO po odejściu z  polityki Jana Rokity ,  otrzymał wtedy aż 160 tys .  465 głosów .
Tokens: 1_______ 2____ 3 4____ 5_____ 6______ 7______ 8____ 9_ 10 11______ 12 13______ 14__ 15____ 16 17______ 18___ 19 20_ 21_ 22 23_ 24____ 25

Chunks:
  TruePositive nam [1,2] = Jarosław Gowin
  TruePositive nam [9,9] = PO
  TruePositive nam [14,15] = Jana Rokity

(ChunkerEvaluator) Sentence #2884 from articles/00107471 from sent12

Text  : Ireneusz Raś uzyskał wówczas 15 808 głosów , co oznacza ,  że w  tych wyborach podwoił swój wynik .
Tokens: 1_______ 2__ 3______ 4______ 5_ 6__ 7_____ 8 9_ 10_____ 11 12 13 14__ 15______ 16_____ 17__ 18___ 19

Chunks:
  TruePositive nam [1,2] = Ireneusz Raś

(ChunkerEvaluator) Sentence #2885 from articles/00107471 from sent13

Text  : W 2007 r . nie do pokonania okazał się w  Krakowie -  podobnie jak teraz Duda -  lider listy PiS Zbigniew Ziobro z  wynikiem 164 tys .  681 głosów .
Tokens: 1 2___ 3 4 5__ 6_ 7________ 8_____ 9__ 10 11______ 12 13______ 14_ 15___ 16__ 17 18___ 19___ 20_ 21______ 22____ 23 24______ 25_ 26_ 27 28_ 29____ 30

Chunks:
  TruePositive nam [11,11] = Krakowie
  TruePositive nam [16,16] = Duda
  TruePositive nam [20,20] = PiS
  TruePositive nam [21,22] = Zbigniew Ziobro

(ChunkerEvaluator) Sentence #2886 from articles/00107471 from sent14

Text  : Lider listy SLD rzecznik partii Tomasz Kalita otrzymał w niedzielnych wyborach 78 870 głosów .
Tokens: 1____ 2____ 3__ 4_______ 5_____ 6_____ 7_____ 8_______ 9 10__________ 11______ 12 13_ 14____ 15

Chunks:
  TruePositive nam [3,3] = SLD
  TruePositive nam [6,7] = Tomasz Kalita

2016-10-27 14:59:25,373 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 110 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107472.xml
(ChunkerEvaluator) Sentence #2887 from articles/00107472 from sent1

Text  : Thomas Sargent i Christopher Sims laureatami Nobla z ekonomii
Tokens: 1_____ 2______ 3 4__________ 5___ 6_________ 7____ 8 9_______

Chunks:
  TruePositive nam [1,2] = Thomas Sargent
  FalsePositive nam [4,7] = Christopher Sims laureatami Nobla
  FalseNegative nam [4,5] = Christopher Sims
  FalseNegative nam [7,7] = Nobla

(ChunkerEvaluator) Sentence #2888 from articles/00107472 from sent2

Text  : Amerykanie Thomas Sargent i Christopher Sims zostali w poniedziałek laureatami nagrody Nobla w  dziedzinie ekonomii .
Tokens: 1_________ 2_____ 3______ 4 5__________ 6___ 7______ 8 9___________ 10________ 11_____ 12___ 13 14________ 15______ 16

Chunks:
  TruePositive nam [2,3] = Thomas Sargent
  TruePositive nam [5,6] = Christopher Sims
  TruePositive nam [12,12] = Nobla
  FalseNegative nam [1,1] = Amerykanie

(ChunkerEvaluator) Sentence #2889 from articles/00107472 from sent3

Text  : Uhonorowano ich za badania nad zależnościami pomiędzy polityką gospodarczą a  wskaźnikami makroekonomicznymi .
Tokens: 1__________ 2__ 3_ 4______ 5__ 6____________ 7_______ 8_______ 9__________ 10 11_________ 12________________ 13

Chunks:

(ChunkerEvaluator) Sentence #2890 from articles/00107472 from sent4

Text  : Komitet noblowski w uzasadnieniu stwierdził , że laureaci stworzyli modele ,  pozwalające szacować skutki działań politycznych na gospodarkę oraz wpływ wskaźników makroekonomicznych na decyzje polityczne .
Tokens: 1______ 2________ 3 4___________ 5_________ 6 7_ 8_______ 9________ 10____ 11 12_________ 13______ 14____ 15_____ 16__________ 17 18________ 19__ 20___ 21________ 22________________ 23 24_____ 25________ 26

Chunks:

(ChunkerEvaluator) Sentence #2891 from articles/00107472 from sent5

Text  : W sytuacji , gdy np . bank centralny zmienia stopy procentowe ,  a  potem następuje zmiana inflacji ,  modele pozwalają odpowiedzieć na pytanie ,  czy zmiana inflacji była efektem zmiany stóp ,  czy też bank przewidywał zmianę inflacji i  dlatego zmienił stopy procentowe .
Tokens: 1 2_______ 3 4__ 5_ 6 7___ 8________ 9______ 10___ 11________ 12 13 14___ 15_______ 16____ 17______ 18 19____ 20_______ 21__________ 22 23_____ 24 25_ 26____ 27______ 28__ 29_____ 30____ 31__ 32 33_ 34_ 35__ 36_________ 37____ 38______ 39 40_____ 41_____ 42___ 43________ 44

Chunks:

(ChunkerEvaluator) Sentence #2892 from articles/00107472 from sent6

Text  : Metody opracowane przez laureatów pozwalają powiązać zmiany makroekonomiczne ze zmianami polityki gospodarczej .
Tokens: 1_____ 2_________ 3____ 4________ 5________ 6_______ 7_____ 8_______________ 9_ 10______ 11______ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #2893 from articles/00107472 from sent7

Text  : Są one wysoce użyteczne dla badań makroekonomicznych , ale również np .  dla banków centralnych -  podkreślił w  uzasadnieniu werdyktu komitet noblowski .  (  PAP )
Tokens: 1_ 2__ 3_____ 4________ 5__ 6____ 7_________________ 8 9__ 10_____ 11 12 13_ 14____ 15_________ 16 17________ 18 19__________ 20______ 21_____ 22_______ 23 24 25_ 26

Chunks:
  TruePositive nam [25,25] = PAP

2016-10-27 14:59:25,418 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 111 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107473.xml
(ChunkerEvaluator) Sentence #2894 from articles/00107473 from sent1

Text  : Citi Handlowy - konsekwentny wzrost na polu faktoringu
Tokens: 1___ 2_______ 3 4___________ 5_____ 6_ 7___ 8_________

Chunks:
  TruePositive nam [1,2] = Citi Handlowy

(ChunkerEvaluator) Sentence #2895 from articles/00107473 from sent2

Text  : Citi Handlowy konsekwentnie podąża ścieżką wzrostu na polu faktoringu .
Tokens: 1___ 2_______ 3____________ 4_____ 5______ 6______ 7_ 8___ 9_________ 10

Chunks:
  TruePositive nam [1,2] = Citi Handlowy

(ChunkerEvaluator) Sentence #2896 from articles/00107473 from sent3

Text  : Do sukcesów pierwszego i drugiego kwartału dołączył kolejny , trzeci kwartał ,  z  wypracowaną na koniec września wartością wykupionych wierzytelności na poziomie ponad 4  miliardów złotych ,  a  dokładnie 4  117 806 909 zł .
Tokens: 1_ 2_______ 3_________ 4 5_______ 6_______ 7_______ 8______ 9 10____ 11_____ 12 13 14_________ 15 16____ 17______ 18_______ 19_________ 20____________ 21 22______ 23___ 24 25_______ 26_____ 27 28 29_______ 30 31_ 32_ 33_ 34 35

Chunks:
  TruePositive nam [26,26] = złotych
  TruePositive nam [34,34] = zł

(ChunkerEvaluator) Sentence #2897 from articles/00107473 from sent4

Text  : Oznacza to wzrost wobec rezultatów z analogicznego okresu roku ubiegłego o  211 ,  7  %  .
Tokens: 1______ 2_ 3_____ 4____ 5_________ 6 7____________ 8_____ 9___ 10_______ 11 12_ 13 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #2898 from articles/00107473 from sent5

Text  : - Oferta faktoringowa Citi Handlowy odnosi sukcesy , co widać w  liczbach -  odnotowali śmy ponad 200 %  wzrost rok do roku .
Tokens: 1 2_____ 3___________ 4___ 5_______ 6_____ 7______ 8 9_ 10___ 11 12______ 13 14________ 15_ 16___ 17_ 18 19____ 20_ 21 22__ 23

Chunks:
  TruePositive nam [4,5] = Citi Handlowy

(ChunkerEvaluator) Sentence #2899 from articles/00107473 from sent6

Text  : To wynika z naszej strategii - przede wszystkim staramy się być innowacyjni w  podejściu do produktu i  dopasowywać go jak najlepiej do potrzeb klientów .
Tokens: 1_ 2_____ 3 4_____ 5________ 6 7_____ 8________ 9______ 10_ 11_ 12_________ 13 14_______ 15 16______ 17 18_________ 19 20_ 21_______ 22 23_____ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #2900 from articles/00107473 from sent7

Text  : Faktoring ze swoją prostotą i elastycznością świetnie się tutaj sprawdza .
Tokens: 1________ 2_ 3____ 4_______ 5 6_____________ 7_______ 8__ 9____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #2901 from articles/00107473 from sent8

Text  : Przy tym nie zapominamy o jakości i potrzebach naszych klientów -  teraz szybciej rozliczamy wpływy od dłużników ,  uruchomili śmy też nowy kanał komunikacji –  infolinię InfoTrade -  mówi Magdalena Laskowska ,  dyrektor departamentu finansowania handlu w  Citi Handlowy .
Tokens: 1___ 2__ 3__ 4_________ 5 6______ 7 8_________ 9______ 10______ 11 12___ 13______ 14________ 15____ 16 17_______ 18 19________ 20_ 21_ 22__ 23___ 24_________ 25 26_______ 27_______ 28 29__ 30_______ 31_______ 32 33______ 34__________ 35__________ 36____ 37 38__ 39______ 40

Chunks:
  TruePositive nam [30,31] = Magdalena Laskowska
  TruePositive nam [38,39] = Citi Handlowy
  FalseNegative nam [27,27] = InfoTrade

(ChunkerEvaluator) Sentence #2902 from articles/00107473 from sent9

Text  : - Szczególnym powodzeniem cieszy się Faktoring Odwrócony – od wprowadzenia produktu w  czwartym kwartale 2010 roku podpisali śmy już 50 umów .
Tokens: 1 2__________ 3__________ 4_____ 5__ 6________ 7________ 8 9_ 10__________ 11______ 12 13______ 14______ 15__ 16__ 17_______ 18_ 19_ 20 21__ 22

Chunks:
  TruePositive nam [6,7] = Faktoring Odwrócony

(ChunkerEvaluator) Sentence #2903 from articles/00107473 from sent10

Text  : A to tylko jeden z przykładów naszych rozwiązań – w  ofercie Citi Handlowego klienci znajdą faktoring samorządowy ,  faktoring niepełny ,  najpopularniejszy wśród MSP ,  faktoring pełny atrakcyjny dla korporacji i  dużych firm ,  aż po szeroki wachlarz usług niestandardowych .  –  dodaje Paweł Pszczółkowski ,  Specjalista ds .  Produktów Finansowania Handlu w  Citi Handlowy .
Tokens: 1 2_ 3____ 4____ 5 6_________ 7______ 8________ 9 10 11_____ 12__ 13________ 14_____ 15____ 16_______ 17_________ 18 19_______ 20______ 21 22_______________ 23___ 24_ 25 26_______ 27___ 28________ 29_ 30________ 31 32____ 33__ 34 35 36 37_____ 38______ 39___ 40______________ 41 42 43____ 44___ 45___________ 46 47_________ 48 49 50_______ 51__________ 52____ 53 54__ 55______ 56

Chunks:
  TruePositive nam [12,13] = Citi Handlowego
  TruePositive nam [24,24] = MSP
  TruePositive nam [44,45] = Paweł Pszczółkowski
  TruePositive nam [54,55] = Citi Handlowy
  FalsePositive nam [47,52] = Specjalista ds . Produktów Finansowania Handlu

(ChunkerEvaluator) Sentence #2904 from articles/00107473 from sent11

Text  : W ramach Faktoringu Odwróconego Citi Handlowy spłaca wierzytelności wobec dostawców na podstawie faktur ,  których płatnikiem jest kupujący i  na rachunek wskazany przez kupującego .
Tokens: 1 2_____ 3_________ 4__________ 5___ 6_______ 7_____ 8_____________ 9____ 10_______ 11 12_______ 13____ 14 15_____ 16________ 17__ 18______ 19 20 21______ 22______ 23___ 24________ 25

Chunks:
  FalsePositive nam [3,6] = Faktoringu Odwróconego Citi Handlowy
  FalseNegative nam [3,4] = Faktoringu Odwróconego
  FalseNegative nam [5,6] = Citi Handlowy

(ChunkerEvaluator) Sentence #2905 from articles/00107473 from sent12

Text  : Spłata dokonywana jest również na jego wniosek .
Tokens: 1_____ 2_________ 3___ 4______ 5_ 6___ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #2906 from articles/00107473 from sent13

Text  : W banku dostępnych jest kilka opcji Faktoringu Odwróconego , w  zależności od potrzeb kupującego :
Tokens: 1 2____ 3_________ 4___ 5____ 6____ 7_________ 8__________ 9 10 11________ 12 13_____ 14________ 15

Chunks:
  TruePositive nam [7,8] = Faktoringu Odwróconego

(ChunkerEvaluator) Sentence #2907 from articles/00107473 from sent14

Text  : nabycie wierzytelności przez Citi Handlowy może odbyć się przed terminem płatności lub w  terminie płatności faktury ;  spłata wierzytelności przez kupującego może odbyć się w  terminie płatności faktury lub w  odroczonym terminie ,  ustalonym pomiędzy Citi Handlowy ,  a  kupującym .
Tokens: 1______ 2_____________ 3____ 4___ 5_______ 6___ 7____ 8__ 9____ 10______ 11_______ 12_ 13 14______ 15_______ 16_____ 17 18____ 19____________ 20___ 21________ 22__ 23___ 24_ 25 26______ 27_______ 28_____ 29_ 30 31________ 32______ 33 34_______ 35______ 36__ 37______ 38 39 40_______ 41

Chunks:
  TruePositive nam [4,5] = Citi Handlowy
  TruePositive nam [36,37] = Citi Handlowy

2016-10-27 14:59:25,515 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 112 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107474.xml
(ChunkerEvaluator) Sentence #2908 from articles/00107474 from sent1

Text  : Francja .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Francja

(ChunkerEvaluator) Sentence #2909 from articles/00107474 from sent2

Text  : Prasa o wyborczym & quot ; cudzie antyklerykała Palikota &  quot ;
Tokens: 1____ 2 3________ 4 5___ 6 7_____ 8____________ 9_______ 10 11__ 12

Chunks:
  FalseNegative nam [9,9] = Palikota

(ChunkerEvaluator) Sentence #2910 from articles/00107474 from sent3

Text  : Francuskie dzienniki poświęcają we wtorek wiele miejsca niespodziewanemu sukcesowi Ruchu Palikota ,  określanego przez nie jako &  quot ;  antyklerykalny &  quot ;  .
Tokens: 1_________ 2________ 3_________ 4_ 5_____ 6____ 7______ 8_______________ 9________ 10___ 11______ 12 13_________ 14___ 15_ 16__ 17 18__ 19 20____________ 21 22__ 23 24

Chunks:
  TruePositive nam [10,11] = Ruchu Palikota

(ChunkerEvaluator) Sentence #2911 from articles/00107474 from sent4

Text  : Według gazet , niedzielne wybory pokazują , że Polska stała się normalnym państwem .
Tokens: 1_____ 2____ 3 4_________ 5_____ 6_______ 7 8_ 9_____ 10___ 11_ 12_______ 13______ 14

Chunks:
  TruePositive nam [9,9] = Polska

(ChunkerEvaluator) Sentence #2912 from articles/00107474 from sent5

Text  : " Antyklerykał Palikot czyni cuda w wyborach parlamentarnych " -  tytułuje swój wtorkowy artykuł lewicowy dziennik "  Liberation "  .
Tokens: 1 2___________ 3______ 4____ 5___ 6 7_______ 8______________ 9 10 11______ 12__ 13______ 14_____ 15______ 16______ 17 18________ 19 20

Chunks:
  TruePositive nam [18,18] = Liberation
  FalsePositive nam [2,3] = Antyklerykał Palikot
  FalseNegative nam [3,3] = Palikot

(ChunkerEvaluator) Sentence #2913 from articles/00107474 from sent6

Text  : Gazeta tylko zdawkowo wspomina o sukcesie PO , rozwodząc się nad postacią Janusza Palikota ,  nieznanego do tej pory zupełnie we Francji .
Tokens: 1_____ 2____ 3_______ 4_______ 5 6_______ 7_ 8 9________ 10_ 11_ 12______ 13_____ 14______ 15 16________ 17 18_ 19__ 20______ 21 22_____ 23

Chunks:
  TruePositive nam [7,7] = PO
  TruePositive nam [13,14] = Janusza Palikota
  TruePositive nam [22,22] = Francji

(ChunkerEvaluator) Sentence #2914 from articles/00107474 from sent7

Text  : " Z okrzykiem wojennym + Stop hipokryzji ! + ,  antyklerykał Janusz Palikot skłonił do głosowania na siebie w  ubiegłą niedzielę prawie 1  ,  3  mln Polaków ,  którzy jak on marzą o  prawdziwym państwie laickim "  -  twierdzi "  Liberation "  .
Tokens: 1 2 3________ 4_______ 5 6___ 7_________ 8 9 10 11__________ 12____ 13_____ 14_____ 15 16________ 17 18____ 19 20_____ 21_______ 22____ 23 24 25 26_ 27_____ 28 29____ 30_ 31 32___ 33 34________ 35______ 36_____ 37 38 39______ 40 41________ 42 43

Chunks:
  TruePositive nam [12,13] = Janusz Palikot
  TruePositive nam [27,27] = Polaków
  FalsePositive nam [6,9] = Stop hipokryzji ! +
  FalseNegative nam [41,41] = Liberation

(ChunkerEvaluator) Sentence #2915 from articles/00107474 from sent8

Text  : Według gazety , Ruch Palikota chce Polski " bez lekcji religii w  szkołach państwowych ,  bez wszechobecności Kościoła w  życiu publicznym "  .
Tokens: 1_____ 2_____ 3 4___ 5_______ 6___ 7_____ 8 9__ 10____ 11_____ 12 13______ 14_________ 15 16_ 17_____________ 18______ 19 20___ 21________ 22 23

Chunks:
  TruePositive nam [4,5] = Ruch Palikota
  TruePositive nam [7,7] = Polski
  TruePositive nam [18,18] = Kościoła

(ChunkerEvaluator) Sentence #2916 from articles/00107474 from sent9

Text  : Prasa przypomina , że partia ta głosi hasła legalizacji aborcji ,  prawnego uznania związków homoseksualnych i  zniesienia zakazu handlu tzw .  miękkimi narkotykami .
Tokens: 1____ 2_________ 3 4_ 5_____ 6_ 7____ 8____ 9__________ 10_____ 11 12______ 13_____ 14______ 15_____________ 16 17________ 18____ 19____ 20_ 21 22______ 23_________ 24

Chunks:

(ChunkerEvaluator) Sentence #2917 from articles/00107474 from sent10

Text  : Główny dziennik francuskiej lewicy przedstawia Palikota jako " filozofa z  wykształcenia ,  bogatego biznesmena ,  znanego z  prowokacyjnych zachowań "  ,  jak np .  "  przyniesienia do studia telewizyjnego głowy świni czy plastikowego penisa "  .
Tokens: 1_____ 2_______ 3__________ 4_____ 5__________ 6_______ 7___ 8 9_______ 10 11___________ 12 13______ 14________ 15 16_____ 17 18____________ 19______ 20 21 22_ 23 24 25 26___________ 27 28____ 29___________ 30___ 31___ 32_ 33__________ 34____ 35 36

Chunks:
  FalseNegative nam [6,6] = Palikota

(ChunkerEvaluator) Sentence #2918 from articles/00107474 from sent11

Text  : " Liberation " odnotowuje przy tym , że jednym z  doradców Palikota jest Piotr Tymochowicz ,  który wcześniej współtworzył wizerunek medialny Andrzeja Leppera .
Tokens: 1 2_________ 3 4_________ 5___ 6__ 7 8_ 9_____ 10 11______ 12______ 13__ 14___ 15_________ 16 17___ 18_______ 19__________ 20_______ 21______ 22______ 23_____ 24

Chunks:
  TruePositive nam [14,15] = Piotr Tymochowicz
  TruePositive nam [22,23] = Andrzeja Leppera
  FalseNegative nam [2,2] = Liberation
  FalseNegative nam [12,12] = Palikota

(ChunkerEvaluator) Sentence #2919 from articles/00107474 from sent12

Text  : Z kolei centroprawicowy dziennik " Le Figaro " pisze :  "  Spodziewano się konserwatysty Jarosława Kaczyńskiego .
Tokens: 1 2____ 3______________ 4_______ 5 6_ 7_____ 8 9____ 10 11 12_________ 13_ 14___________ 15_______ 16__________ 17

Chunks:
  TruePositive nam [6,7] = Le Figaro
  TruePositive nam [15,16] = Jarosława Kaczyńskiego

(ChunkerEvaluator) Sentence #2920 from articles/00107474 from sent13

Text  : To ostatecznie wolnomyśliciel Janusz Palikot sprawił niespodziankę " .
Tokens: 1_ 2__________ 3_____________ 4_____ 5______ 6______ 7____________ 8 9

Chunks:
  TruePositive nam [4,5] = Janusz Palikot

(ChunkerEvaluator) Sentence #2921 from articles/00107474 from sent14

Text  : W przekonaniu gazety , sukces antyklerykalnej formacji pokazał , jak bardzo polskie społeczeństwo zmieniło się pod względem obyczajowym .
Tokens: 1 2__________ 3_____ 4 5_____ 6______________ 7_______ 8______ 9 10_ 11____ 12_____ 13___________ 14______ 15_ 16_ 17______ 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #2922 from articles/00107474 from sent15

Text  : " Naruszając tabu i rzucając wyzwanie Kościołowi , ten bardzo bogaty biznesmen ,  nietypowy populista wywołał wstrząs ,  którego siłę można zmierzyć w  Krakowie .
Tokens: 1 2_________ 3___ 4 5_______ 6_______ 7_________ 8 9__ 10____ 11____ 12_______ 13 14_______ 15_______ 16_____ 17_____ 18 19_____ 20__ 21___ 22______ 23 24______ 25

Chunks:
  TruePositive nam [7,7] = Kościołowi
  TruePositive nam [24,24] = Krakowie

(ChunkerEvaluator) Sentence #2923 from articles/00107474 from sent16

Text  : Wbrew wszelkim oczekiwaniom , domena Jana Pawła II , bastion polskiej burżuazji ,  otworzyła drzwi do parlamentu transseksualistce Annie Grodzkiej ,  stojącej na czele tamtejszej listy Ruchu Palikota "  -  pisze "  Le Figaro "  .
Tokens: 1____ 2_______ 3___________ 4 5_____ 6___ 7____ 8_ 9 10_____ 11______ 12_______ 13 14_______ 15___ 16 17________ 18_______________ 19___ 20_______ 21 22______ 23 24___ 25________ 26___ 27___ 28______ 29 30 31___ 32 33 34____ 35 36

Chunks:
  TruePositive nam [6,8] = Jana Pawła II
  TruePositive nam [19,20] = Annie Grodzkiej
  TruePositive nam [27,28] = Ruchu Palikota
  TruePositive nam [33,34] = Le Figaro

(ChunkerEvaluator) Sentence #2924 from articles/00107474 from sent17

Text  : Według gazety , wyborczy triumf PO i dobry wynik Palikota "  uwypuklają ,  że alternatywa proponowana przez Jarosława Kaczyńskiego stała się anachroniczna "  .
Tokens: 1_____ 2_____ 3 4_______ 5_____ 6_ 7 8____ 9____ 10______ 11 12________ 13 14 15_________ 16_________ 17___ 18_______ 19__________ 20___ 21_ 22___________ 23 24

Chunks:
  TruePositive nam [6,6] = PO
  TruePositive nam [18,19] = Jarosława Kaczyńskiego
  FalseNegative nam [10,10] = Palikota

(ChunkerEvaluator) Sentence #2925 from articles/00107474 from sent18

Text  : Komentując zwycięstwo PO " Le Figaro " dodaje , że ponad 20 lat po upadku komunizmu Polska ,  "  potężne państwo Nowej Europy definitywnie zakończyło okres przejściowy "  i  "  stała się w  pewnym sensie krajem normalnym "  .
Tokens: 1_________ 2_________ 3_ 4 5_ 6_____ 7 8_____ 9 10 11___ 12 13_ 14 15____ 16_______ 17____ 18 19 20_____ 21_____ 22___ 23____ 24__________ 25________ 26___ 27_________ 28 29 30 31___ 32_ 33 34____ 35____ 36____ 37_______ 38 39

Chunks:
  TruePositive nam [5,6] = Le Figaro
  TruePositive nam [17,17] = Polska
  TruePositive nam [22,23] = Nowej Europy
  FalseNegative nam [3,3] = PO

(ChunkerEvaluator) Sentence #2926 from articles/00107474 from sent19

Text  : Ruch Palikota jest też głównym bohaterem artykułu o polskich wyborach w  katolickim dzienniku "  La Croix "  zatytułowanym "  Antyklerykalna partia toruje sobie drogę w  Polsce "  .
Tokens: 1___ 2_______ 3___ 4__ 5______ 6________ 7_______ 8 9_______ 10______ 11 12________ 13_______ 14 15 16___ 17 18___________ 19 20____________ 21____ 22____ 23___ 24___ 25 26____ 27 28

Chunks:
  TruePositive nam [1,2] = Ruch Palikota
  TruePositive nam [15,16] = La Croix
  TruePositive nam [26,26] = Polsce

(ChunkerEvaluator) Sentence #2927 from articles/00107474 from sent20

Text  : Gazeta wybija na pierwszy plan , że lider tej partii chciał by zdjąć krzyże zawieszone w  polskich szkołach i  instytucjach publicznych .
Tokens: 1_____ 2_____ 3_ 4_______ 5___ 6 7_ 8____ 9__ 10____ 11____ 12 13___ 14____ 15________ 16 17______ 18______ 19 20__________ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #2928 from articles/00107474 from sent21

Text  : Według " La Croix " , antyklerykalna partia będzie mogła teraz "  mieszać szyki rządowi "  ,  który dotychczas "  traktował ją z  pogardą jako +  partię kabaretową +  "  .
Tokens: 1_____ 2 3_ 4____ 5 6 7_____________ 8_____ 9_____ 10___ 11___ 12 13_____ 14___ 15_____ 16 17 18___ 19________ 20 21_______ 22 23 24_____ 25__ 26 27____ 28________ 29 30 31

Chunks:
  TruePositive nam [3,4] = La Croix

(ChunkerEvaluator) Sentence #2929 from articles/00107474 from sent22

Text  : Ale , zdaniem gazety , nie należy tłumaczyć sukcesu Palikota jedynie jego otwarcie antyklerykalnym nastawieniem .
Tokens: 1__ 2 3______ 4_____ 5 6__ 7_____ 8________ 9______ 10______ 11_____ 12__ 13______ 14_____________ 15__________ 16

Chunks:
  FalseNegative nam [10,10] = Palikota

(ChunkerEvaluator) Sentence #2930 from articles/00107474 from sent23

Text  : " Mimo bardzo liberalnych gospodarczo idei , opowiedzenie się Palikota za obroną mniejszości i  jego zajadła awersja do braci Kaczyńskich uwiodła wyborców zawiedzionych SLD "  -  dodaje katolicki dziennik .
Tokens: 1 2___ 3_____ 4__________ 5__________ 6___ 7 8___________ 9__ 10______ 11 12____ 13_________ 14 15__ 16_____ 17_____ 18 19___ 20_________ 21_____ 22______ 23___________ 24_ 25 26 27____ 28_______ 29______ 30

Chunks:
  TruePositive nam [20,20] = Kaczyńskich
  TruePositive nam [24,24] = SLD
  FalseNegative nam [10,10] = Palikota

(ChunkerEvaluator) Sentence #2931 from articles/00107474 from sent24

Text  : Z Paryża Szymon Łucyk
Tokens: 1 2_____ 3_____ 4____

Chunks:
  TruePositive nam [3,4] = Szymon Łucyk
  FalseNegative nam [2,2] = Paryża

2016-10-27 14:59:25,672 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 113 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107475.xml
(ChunkerEvaluator) Sentence #2932 from articles/00107475 from sent1

Text  : Z sądu .
Tokens: 1 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #2933 from articles/00107475 from sent2

Text  : Ukarani za zatrzymywanie pociągów
Tokens: 1______ 2_ 3____________ 4_______

Chunks:

(ChunkerEvaluator) Sentence #2934 from articles/00107475 from sent3

Text  : Na karę 1 , 5 roku więzienia z warunkowym zawieszeniem skazał dziś łódzki sąd okręgowy dwóch mieszkańców stolicy ,  oskarżonych o  dywersję informatyczną .
Tokens: 1_ 2___ 3 4 5 6___ 7________ 8 9_________ 10__________ 11____ 12__ 13____ 14_ 15______ 16___ 17_________ 18_____ 19 20_________ 21 22______ 23___________ 24

Chunks:

(ChunkerEvaluator) Sentence #2935 from articles/00107475 from sent4

Text  : Skierniewicka prokuratura ustaliła , że przy pomocy nadajnika radiowego zatrzymywali pociągi na trasie Warszawa -  Łódź
Tokens: 1____________ 2__________ 3_______ 4 5_ 6___ 7_____ 8________ 9________ 10__________ 11_____ 12 13____ 14______ 15 16__

Chunks:
  FalsePositive nam [14,16] = Warszawa - Łódź
  FalseNegative nam [14,14] = Warszawa
  FalseNegative nam [16,16] = Łódź

(ChunkerEvaluator) Sentence #2936 from articles/00107475 from sent5

Text  : Na ławie oskarżonych w tej sprawie zasiedli 34 - letni Marcin Sz .  ,  który był maszynistą warszawskiego metra ,  29 -  letni Adam G  .  i  34 -  letni informatyk Michał Rz .  Całej trójce zarzucono użycie bez zezwolenia radiowego urządzenia nadawczo -  odbiorczego i  tzw .  dywersję informatyczną .
Tokens: 1_ 2____ 3__________ 4 5__ 6______ 7_______ 8_ 9 10___ 11____ 12 13 14 15___ 16_ 17________ 18___________ 19___ 20 21 22 23___ 24__ 25 26 27 28 29 30___ 31________ 32____ 33 34 35___ 36____ 37_______ 38____ 39_ 40________ 41_______ 42________ 43______ 44 45_________ 46 47_ 48 49______ 50___________ 51

Chunks:
  TruePositive nam [24,26] = Adam G .
  FalsePositive nam [11,12] = Marcin Sz
  FalsePositive nam [32,33] = Michał Rz
  FalseNegative nam [11,13] = Marcin Sz .
  FalseNegative nam [32,34] = Michał Rz .

(ChunkerEvaluator) Sentence #2937 from articles/00107475 from sent6

Text  : Groziło im za to do 8 lat więzienia .
Tokens: 1______ 2_ 3_ 4_ 5_ 6 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #2938 from articles/00107475 from sent7

Text  : Ich proces toczył się za zamkniętymi drzwiami , bo sąd uznał ,  że w  wyjaśnieniach oskarżonych ,  zeznaniach świadków czy opinii biegłego mogą być ujawnione tajemnice funkcjonowania systemów informatycznych kolei .
Tokens: 1__ 2_____ 3_____ 4__ 5_ 6__________ 7_______ 8 9_ 10_ 11___ 12 13 14 15___________ 16_________ 17 18________ 19______ 20_ 21____ 22______ 23__ 24_ 25_______ 26_______ 27____________ 28______ 29_____________ 30___ 31

Chunks:

(ChunkerEvaluator) Sentence #2939 from articles/00107475 from sent8

Text  : - A to może zaszkodzić ważnym interesom państwa i PKP -  uzasadniał sędzia Sławomir Wlazło .
Tokens: 1 2 3_ 4___ 5_________ 6_____ 7________ 8______ 9 10_ 11 12________ 13____ 14______ 15____ 16

Chunks:
  TruePositive nam [10,10] = PKP
  TruePositive nam [14,15] = Sławomir Wlazło

(ChunkerEvaluator) Sentence #2940 from articles/00107475 from sent9

Text  : Już podczas śledztwa Adam G . i Michał Rz .  zadeklarowali ,  że chcą się dobrowolnie poddać karze .
Tokens: 1__ 2______ 3_______ 4___ 5 6 7 8_____ 9_ 10 11___________ 12 13 14__ 15_ 16_________ 17____ 18___ 19

Chunks:
  TruePositive nam [4,6] = Adam G .
  TruePositive nam [8,9] = Michał Rz

(ChunkerEvaluator) Sentence #2941 from articles/00107475 from sent10

Text  : - Na zaproponowane przez nich kary zgodził się prokurator ,  a  pokrzywdzony swoją zgodę uzależnił od naprawienia szkody -  mówił wczoraj sędzia Wlazło .
Tokens: 1 2_ 3____________ 4____ 5___ 6___ 7______ 8__ 9_________ 10 11 12__________ 13___ 14___ 15_______ 16 17_________ 18____ 19 20___ 21_____ 22____ 23____ 24

Chunks:
  FalseNegative nam [23,23] = Wlazło

(ChunkerEvaluator) Sentence #2942 from articles/00107475 from sent11

Text  : Wyrok był zgodny z zawartą ugodą : dla Michała Rz .  półtora roku więzienia z  warunkowym zawieszeniem na 4  lata i  1800 zł grzywny ,  dla Adama G  .  -  półtora roku więzienia z  zawieszeniem na 3  lata i  800 zł grzywny .
Tokens: 1____ 2__ 3_____ 4 5______ 6____ 7 8__ 9______ 10 11 12_____ 13__ 14_______ 15 16________ 17__________ 18 19 20__ 21 22__ 23 24_____ 25 26_ 27___ 28 29 30 31_____ 32__ 33_______ 34 35__________ 36 37 38__ 39 40_ 41 42_____ 43

Chunks:
  TruePositive nam [23,23] = zł
  TruePositive nam [27,29] = Adama G .
  TruePositive nam [41,41] = zł
  FalsePositive nam [9,10] = Michała Rz
  FalseNegative nam [9,11] = Michała Rz .

(ChunkerEvaluator) Sentence #2943 from articles/00107475 from sent12

Text  : Obaj mają też oddać PKP ponad 2 , 8 tys .  zł .
Tokens: 1___ 2___ 3__ 4____ 5__ 6____ 7 8 9 10_ 11 12 13

Chunks:
  TruePositive nam [5,5] = PKP
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #2944 from articles/00107475 from sent13

Text  : Ponieważ Michał Rz . był w tej sprawie tymczasowo aresztowany ,  sąd zaliczył mu czas za kratkami na poczet grzywny .
Tokens: 1_______ 2_____ 3_ 4 5__ 6 7__ 8______ 9_________ 10_________ 11 12_ 13______ 14 15__ 16 17______ 18 19____ 20_____ 21

Chunks:
  FalsePositive nam [2,3] = Michał Rz
  FalseNegative nam [2,4] = Michał Rz .

(ChunkerEvaluator) Sentence #2945 from articles/00107475 from sent14

Text  : Sprawę Marcina Sz . , który nie chciał się poddać karze ,  wyłączono do odrębnego postępowania .
Tokens: 1_____ 2______ 3_ 4 5 6____ 7__ 8_____ 9__ 10____ 11___ 12 13_______ 14 15_______ 16__________ 17

Chunks:
  FalsePositive nam [2,3] = Marcina Sz
  FalseNegative nam [2,4] = Marcina Sz .

(ChunkerEvaluator) Sentence #2946 from articles/00107475 from sent15

Text  : Jak ustaliła prokuratura , oskarżeni poznali się na internetowym forum dla krótkofalowców i  przez rok testowali swoje umiejętności ,  zatrzymując pociągi .
Tokens: 1__ 2_______ 3__________ 4 5________ 6______ 7__ 8_ 9___________ 10___ 11_ 12____________ 13 14___ 15_ 16_______ 17___ 18__________ 19 20_________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #2947 from articles/00107475 from sent16

Text  : Przyjeżdżali na działkę rodziców Michała Rz . w okolicach stacji PKP Skierniewice -  Rawka .
Tokens: 1___________ 2_ 3______ 4_______ 5______ 6_ 7 8 9________ 10____ 11_ 12__________ 13 14___ 15

Chunks:
  FalsePositive nam [5,6] = Michała Rz
  FalsePositive nam [11,14] = PKP Skierniewice - Rawka
  FalseNegative nam [5,7] = Michała Rz .
  FalseNegative nam [11,11] = PKP
  FalseNegative nam [12,14] = Skierniewice - Rawka

(ChunkerEvaluator) Sentence #2948 from articles/00107475 from sent17

Text  : - Mieli przy sobie radiotelefony .
Tokens: 1 2____ 3___ 4____ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #2949 from articles/00107475 from sent18

Text  : Podpinając się pod antenę zamontowaną na domu , nadawali specjalne sygnały radio -  stop -  mówił Krzysztof Kopania ,  rzecznik łódzkiej Prokuratury Okręgowej .
Tokens: 1_________ 2__ 3__ 4_____ 5__________ 6_ 7___ 8 9_______ 10_______ 11_____ 12___ 13 14__ 15 16___ 17_______ 18_____ 19 20______ 21______ 22_________ 23_______ 24

Chunks:
  TruePositive nam [17,18] = Krzysztof Kopania
  TruePositive nam [22,23] = Prokuratury Okręgowej

(ChunkerEvaluator) Sentence #2950 from articles/00107475 from sent19

Text  : Urządzenia do wysyłania i odbierania sygnałów radio - stop znajdują się w  kabinach maszynistów i  w  nastawniach u  dyżurnego ruchu .
Tokens: 1_________ 2_ 3________ 4 5_________ 6_______ 7____ 8 9___ 10______ 11_ 12 13______ 14_________ 15 16 17_________ 18 19_______ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #2951 from articles/00107475 from sent20

Text  : W przypadku zagrożenia na szlaku kolejowym zdejmuje się plombę z  tego urządzenia i  uruchamia .
Tokens: 1 2________ 3_________ 4_ 5_____ 6________ 7_______ 8__ 9_____ 10 11__ 12________ 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #2952 from articles/00107475 from sent21

Text  : Sygnał przekazany z nastawni dociera drogą radiową do pociągu i  automatycznie zatrzymuje skład .
Tokens: 1_____ 2_________ 3 4_______ 5______ 6____ 7______ 8_ 9______ 10 11___________ 12________ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2953 from articles/00107475 from sent22

Text  : - Oskarżeni wysyłali mylne komunikaty do nastawni kolejowych i sygnały do urządzeń zainstalowanych w  pociągach .
Tokens: 1 2________ 3_______ 4____ 5_________ 6_ 7_______ 8_________ 9 10_____ 11 12______ 13_____________ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #2954 from articles/00107475 from sent23

Text  : W ten sposób zatrzymywali pociągi w okolicach Skierniewic - mówił prokurator .
Tokens: 1 2__ 3_____ 4___________ 5______ 6 7________ 8__________ 9 10___ 11________ 12

Chunks:
  TruePositive nam [8,8] = Skierniewic

(ChunkerEvaluator) Sentence #2955 from articles/00107475 from sent24

Text  : - Sygnał z radiotelefonu mógł wstrzymać ruch pociągów w obrębie 5  kilometrów .
Tokens: 1 2_____ 3 4____________ 5___ 6________ 7___ 8_______ 9 10_____ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #2956 from articles/00107475 from sent25

Text  : Jak ustalono , tylko jednego dnia wysłali specjalny sygnał stop 59 razy .
Tokens: 1__ 2_______ 3 4____ 5______ 6___ 7______ 8________ 9_____ 10__ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #2957 from articles/00107475 from sent26

Text  : Zatrzymywali zarówno pociągi osobowe jak i towarowe .
Tokens: 1___________ 2______ 3______ 4______ 5__ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #2958 from articles/00107475 from sent27

Text  : W śledztwie okazało się , że w ubiegłym roku zatrzymywali składy także w  okolicach Warszawy i  Pruszkowa .
Tokens: 1 2________ 3______ 4__ 5 6_ 7 8_______ 9___ 10__________ 11____ 12___ 13 14_______ 15______ 16 17_______ 18

Chunks:
  TruePositive nam [15,15] = Warszawy
  TruePositive nam [17,17] = Pruszkowa

(ChunkerEvaluator) Sentence #2959 from articles/00107475 from sent28

Text  : Według prokuratury , z wyjaśnień oskarżonych wynika , że zatrzymywali pociągi ,  aby sprawdzić swoje umiejętności i  urządzenia ,  którymi dysponowali .
Tokens: 1_____ 2__________ 3 4 5________ 6__________ 7_____ 8 9_ 10__________ 11_____ 12 13_ 14_______ 15___ 16__________ 17 18________ 19 20_____ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #2960 from articles/00107475 from sent29

Text  : Jeden z oskarżonych umieszczał nawet na serwisie YouTube filmy z  zatrzymywania pociągów .
Tokens: 1____ 2 3__________ 4_________ 5____ 6_ 7_______ 8______ 9____ 10 11___________ 12______ 13

Chunks:
  TruePositive nam [8,8] = YouTube

2016-10-27 14:59:25,830 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 114 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107476.xml
(ChunkerEvaluator) Sentence #2961 from articles/00107476 from sent1

Text  : Największy teleskop świata powstanie na pustyni Atakama
Tokens: 1_________ 2_______ 3_____ 4________ 5_ 6______ 7______

Chunks:
  FalseNegative nam [7,7] = Atakama

(ChunkerEvaluator) Sentence #2962 from articles/00107476 from sent2

Text  : Europejskie Obserwatorium Południowe ( ESO ) zawarło w czwartek z  rządem Chile umowę ,  dzięki której uzyskało nieodpłatnie do swej dyspozycji 189 kilometrów kw .  terenu na pustyni Atakama ,  gdzie zbuduje największy teleskop astronomiczny świata .
Tokens: 1__________ 2____________ 3_________ 4 5__ 6 7______ 8 9_______ 10 11____ 12___ 13___ 14 15____ 16____ 17______ 18__________ 19 20__ 21________ 22_ 23________ 24 25 26____ 27 28_____ 29_____ 30 31___ 32_____ 33________ 34______ 35___________ 36____ 37

Chunks:
  TruePositive nam [1,3] = Europejskie Obserwatorium Południowe
  TruePositive nam [5,5] = ESO
  TruePositive nam [12,12] = Chile
  FalseNegative nam [29,29] = Atakama

(ChunkerEvaluator) Sentence #2963 from articles/00107476 from sent3

Text  : Umowę podpisali w Santiago chilijski minister spraw zagranicznych Alfredo Moreno i  dyrektor generalny ESO ,  Tim de Zeeuw .
Tokens: 1____ 2________ 3 4_______ 5________ 6_______ 7____ 8____________ 9______ 10____ 11 12______ 13_______ 14_ 15 16_ 17 18___ 19

Chunks:
  TruePositive nam [4,4] = Santiago
  TruePositive nam [9,10] = Alfredo Moreno
  TruePositive nam [14,14] = ESO
  TruePositive nam [16,18] = Tim de Zeeuw
  FalsePositive nam [6,8] = minister spraw zagranicznych

(ChunkerEvaluator) Sentence #2964 from articles/00107476 from sent4

Text  : Pozwoli ona na zrealizowanie projektu budowy Europejskiego Ekstremalnie Dużego Teleskopu (  E  -  ELT )  o  średnicy zwierciadła głównego 42 m  .
Tokens: 1______ 2__ 3_ 4____________ 5_______ 6_____ 7____________ 8___________ 9_____ 10_______ 11 12 13 14_ 15 16 17______ 18_________ 19______ 20 21 22

Chunks:
  TruePositive nam [7,10] = Europejskiego Ekstremalnie Dużego Teleskopu
  TruePositive nam [12,14] = E - ELT

(ChunkerEvaluator) Sentence #2965 from articles/00107476 from sent5

Text  : W umowie tej Chile przekazuje Europejskiemu Obserwatorium Południowemu 189 kilometrów kwadratowych terenu w  rejonie Cerro Amazones ,  na którym stanie teleskop ,  oraz -  na 50 lat -  362 kilometry kwadratowe sąsiednich terenów w  celu stworzenia dla E  -  ELT ochrony przed wpływami zakłóceń świetlnych .
Tokens: 1 2_____ 3__ 4____ 5_________ 6____________ 7____________ 8___________ 9__ 10________ 11__________ 12____ 13 14_____ 15___ 16______ 17 18 19____ 20____ 21______ 22 23__ 24 25 26 27_ 28 29_ 30_______ 31________ 32________ 33_____ 34 35__ 36________ 37_ 38 39 40_ 41_____ 42___ 43______ 44______ 45________ 46

Chunks:
  TruePositive nam [4,4] = Chile
  TruePositive nam [6,8] = Europejskiemu Obserwatorium Południowemu
  TruePositive nam [15,16] = Cerro Amazones
  TruePositive nam [38,40] = E - ELT

(ChunkerEvaluator) Sentence #2966 from articles/00107476 from sent6

Text  : Główna siedziba ESO mieści się w niemieckiej miejscowości Garching niedaleko Monachium ,  a  większość jego urządzeń obserwacyjnych została umiejscowiona na pustyni Atakama .
Tokens: 1_____ 2_______ 3__ 4_____ 5__ 6 7__________ 8___________ 9_______ 10_______ 11_______ 12 13 14_______ 15__ 16______ 17____________ 18_____ 19___________ 20 21_____ 22_____ 23

Chunks:
  TruePositive nam [3,3] = ESO
  TruePositive nam [9,9] = Garching
  TruePositive nam [11,11] = Monachium
  FalseNegative nam [22,22] = Atakama

(ChunkerEvaluator) Sentence #2967 from articles/00107476 from sent7

Text  : Chile , jak podkreślił na uroczystości podpisania umowy szef dyplomacji chilijskiej ,  "  ma najczystsze niebo na naszej planecie i  dlatego tu właśnie są usytuowane najważniejsze obserwatoria astronomiczne świata .
Tokens: 1____ 2 3__ 4_________ 5_ 6___________ 7_________ 8____ 9___ 10________ 11_________ 12 13 14 15_________ 16___ 17 18____ 19______ 20 21_____ 22 23_____ 24 25________ 26___________ 27__________ 28___________ 29____ 30

Chunks:
  TruePositive nam [1,1] = Chile

(ChunkerEvaluator) Sentence #2968 from articles/00107476 from sent8

Text  : To jest część naszego bogactwa i zarazem naszego wkładu w  rozwój ludzkości "  .
Tokens: 1_ 2___ 3____ 4______ 5_______ 6 7______ 8______ 9_____ 10 11____ 12_______ 13 14

Chunks:

2016-10-27 14:59:25,889 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 115 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107477.xml
(ChunkerEvaluator) Sentence #2969 from articles/00107477 from sent1

Text  : O jedno rondo za daleko .
Tokens: 1 2____ 3____ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #2970 from articles/00107477 from sent2

Text  : Niezłe recenzje & quot ; Bab & quot ; Koterskiego ,  ale .  .  .
Tokens: 1_____ 2_______ 3 4___ 5 6__ 7 8___ 9 10_________ 11 12_ 13 14 15

Chunks:
  TruePositive nam [10,10] = Koterskiego
  FalsePositive nam [6,7] = Bab &
  FalseNegative nam [6,6] = Bab

(ChunkerEvaluator) Sentence #2971 from articles/00107477 from sent3

Text  : Dwóch facetów , samochód , noc , polskie drogi i  te baby .
Tokens: 1____ 2______ 3 4_______ 5 6__ 7 8______ 9____ 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #2972 from articles/00107477 from sent4

Text  : Dzisiaj do kin wchodzi najnowszy film Marka Koterskiego .
Tokens: 1______ 2_ 3__ 4______ 5________ 6___ 7____ 8__________ 9

Chunks:
  TruePositive nam [7,8] = Marka Koterskiego

(ChunkerEvaluator) Sentence #2973 from articles/00107477 from sent5

Text  : Jeszcze przed premierą budził sporo emocji .
Tokens: 1______ 2____ 3_______ 4_____ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #2974 from articles/00107477 from sent6

Text  : Zapowiadano , że to „ Seksmisja ” naszych czasów .
Tokens: 1__________ 2 3_ 4_ 5 6________ 7 8______ 9_____ 10

Chunks:
  FalseNegative nam [6,6] = Seksmisja

(ChunkerEvaluator) Sentence #2975 from articles/00107477 from sent7

Text  : Czy faktycznie ?
Tokens: 1__ 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #2976 from articles/00107477 from sent8

Text  : Film jest niezły , ale padł ofiarą pomysłu , na jakim został oparty -  piszą krytycy .
Tokens: 1___ 2___ 3_____ 4 5__ 6___ 7_____ 8______ 9 10 11___ 12____ 13____ 14 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #2977 from articles/00107477 from sent9

Text  : Robert Więckiewicz ( Pucio ) i Adam Woronowicz ( Miauczyński )  siedzą w  samochodzie .
Tokens: 1_____ 2__________ 3 4____ 5 6 7___ 8_________ 9 10_________ 11 12____ 13 14_________ 15

Chunks:
  TruePositive nam [1,2] = Robert Więckiewicz
  TruePositive nam [7,8] = Adam Woronowicz
  FalseNegative nam [4,4] = Pucio
  FalseNegative nam [10,10] = Miauczyński

(ChunkerEvaluator) Sentence #2978 from articles/00107477 from sent10

Text  : Jadą , gadają , narzekają na baby : a to ,  że nigdy nie potrafią znaleźć kluczy w  torebce ;  a  to ,  że traktują mężczyzn przedmiotowo ;  a  to ,  że wciąż im mało ,  choć mają znacznie więcej przywilejów od facetów .
Tokens: 1___ 2 3_____ 4 5________ 6_ 7___ 8 9 10 11 12 13___ 14_ 15______ 16_____ 17____ 18 19_____ 20 21 22 23 24 25______ 26______ 27__________ 28 29 30 31 32 33___ 34 35__ 36 37__ 38__ 39______ 40____ 41_________ 42 43_____ 44

Chunks:

(ChunkerEvaluator) Sentence #2979 from articles/00107477 from sent11

Text  : I wreszcie : gdy wrzucają lewy kierunkowskaz w samochodzie ,  zawsze muszą skręcić w  prawo .
Tokens: 1 2_______ 3 4__ 5_______ 6___ 7____________ 8 9__________ 10 11____ 12___ 13_____ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #2980 from articles/00107477 from sent12

Text  : Satyra na kobiety ?
Tokens: 1_____ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #2981 from articles/00107477 from sent13

Text  : To raczej faceci są śmieszni
Tokens: 1_ 2_____ 3_____ 4_ 5_______

Chunks:

(ChunkerEvaluator) Sentence #2982 from articles/00107477 from sent14

Text  : Mnóstwo tutaj charakterystycznych dla niego powtórzeń , przejęzyczeń , poprzekręcanych końcówek .
Tokens: 1______ 2____ 3__________________ 4__ 5____ 6________ 7 8___________ 9 10_____________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #2983 from articles/00107477 from sent15

Text  : Ale nie jest tak , że uderza w kobiety .
Tokens: 1__ 2__ 3___ 4__ 5 6_ 7_____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #2984 from articles/00107477 from sent16

Text  : Wręcz przeciwnie : w ostatecznym rozrachunku „ to Pucio i  Miauczyński okazują się groteskowi ”  ,  a  im bardziej „  próbują prześcigać się w  pomstowaniu na >  >  baby <  <  ,  tym bardziej obnażają samych siebie ”  .
Tokens: 1____ 2_________ 3 4 5__________ 6__________ 7 8_ 9____ 10 11_________ 12_____ 13_ 14________ 15 16 17 18 19______ 20 21_____ 22________ 23_ 24 25_________ 26 27 28 29__ 30 31 32 33_ 34______ 35______ 36____ 37____ 38 39

Chunks:
  FalseNegative nam [9,9] = Pucio
  FalseNegative nam [11,11] = Miauczyński

(ChunkerEvaluator) Sentence #2985 from articles/00107477 from sent17

Text  : Mówiło się Bareją , mówi się Koterskim
Tokens: 1_____ 2__ 3_____ 4 5___ 6__ 7________

Chunks:
  TruePositive nam [3,3] = Bareją
  FalseNegative nam [7,7] = Koterskim

(ChunkerEvaluator) Sentence #2986 from articles/00107477 from sent18

Text  : „ Mówiło się Bareją , > > Seksmisją < <  i  >  >  Vabankiem <  <  Machulskiego ,  mówi się Koterskim .
Tokens: 1 2_____ 3__ 4_____ 5 6 7 8________ 9 10 11 12 13 14_______ 15 16 17__________ 18 19__ 20_ 21_______ 22

Chunks:
  TruePositive nam [4,4] = Bareją
  TruePositive nam [17,17] = Machulskiego
  FalseNegative nam [8,8] = Seksmisją
  FalseNegative nam [14,14] = Vabankiem
  FalseNegative nam [21,21] = Koterskim

(ChunkerEvaluator) Sentence #2987 from articles/00107477 from sent19

Text  : Z najnowszego filmu > > Baby są jakieś inne <  <  też na pewno wejdzie do polszczyzny szereg tekstów ”  -  zauważa .
Tokens: 1 2__________ 3____ 4 5 6___ 7_ 8_____ 9___ 10 11 12_ 13 14___ 15_____ 16 17_________ 18____ 19_____ 20 21 22_____ 23

Chunks:
  FalseNegative nam [6,9] = Baby są jakieś inne

(ChunkerEvaluator) Sentence #2988 from articles/00107477 from sent20

Text  : „ Kobiety , na pozór istoty irracjonalne , dobrze wiedzą ,  czego chcą -  pełnej władzy nad mężczyznami .
Tokens: 1 2______ 3 4_ 5____ 6_____ 7___________ 8 9_____ 10____ 11 12___ 13__ 14 15____ 16____ 17_ 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #2989 from articles/00107477 from sent21

Text  : Im zaś już tylko się wydaje , że jeszcze coś od nich zależy ”  -  ocenia .
Tokens: 1_ 2__ 3__ 4____ 5__ 6_____ 7 8_ 9______ 10_ 11 12__ 13____ 14 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #2990 from articles/00107477 from sent22

Text  : " Powtórzenia i zapętlenia , w kółko to samo "
Tokens: 1 2__________ 3 4_________ 5 6 7____ 8_ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #2991 from articles/00107477 from sent23

Text  : Jacek Szczerba nazywa rzecz bardziej po imieniu .
Tokens: 1____ 2_______ 3_____ 4____ 5_______ 6_ 7______ 8

Chunks:
  TruePositive nam [1,2] = Jacek Szczerba

(ChunkerEvaluator) Sentence #2992 from articles/00107477 from sent24

Text  : Jego zdaniem „ Baby . . . ” padły ofiarą własnego pomysłu .
Tokens: 1___ 2______ 3 4___ 5 6 7 8 9____ 10____ 11______ 12_____ 13

Chunks:
  TruePositive nam [4,7] = Baby . . .

(ChunkerEvaluator) Sentence #2993 from articles/00107477 from sent25

Text  : Dwaj faceci monologujący bez przerwy w jednym miejscu ( epizody dziejące się poza samochodem można policzyć na palcach jednej ręki )  bardziej nadały by się do teatru niż do kina ,  z  kolei historia tego ostatniego pamięta wiele przypadków ,  gdy reżyserzy próbowali się na swój sposób zmierzyć z  kobietami .
Tokens: 1___ 2_____ 3___________ 4__ 5______ 6 7_____ 8______ 9 10_____ 11______ 12_ 13__ 14________ 15___ 16______ 17 18_____ 19____ 20__ 21 22______ 23____ 24 25_ 26 27____ 28_ 29 30__ 31 32 33___ 34______ 35__ 36________ 37_____ 38___ 39________ 40 41_ 42_______ 43_______ 44_ 45 46__ 47____ 48______ 49 50_______ 51

Chunks:

(ChunkerEvaluator) Sentence #2994 from articles/00107477 from sent26

Text  : Czy Koterski wnosi tutaj coś nowego ?
Tokens: 1__ 2_______ 3____ 4____ 5__ 6_____ 7

Chunks:
  FalseNegative nam [2,2] = Koterski

2016-10-27 14:59:26,008 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 116 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107478.xml
(ChunkerEvaluator) Sentence #2995 from articles/00107478 from sent1

Text  : Podwyżka podatku od oleju napędowego na drogi i koleje ?
Tokens: 1_______ 2______ 3_ 4____ 5_________ 6_ 7____ 8 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #2996 from articles/00107478 from sent2

Text  : Pieniądze z podwyżki podatków od oleju napędowego zostaną przekazane na budowę dróg i  kolei czy też trafią do budżetu państwa ?
Tokens: 1________ 2 3_______ 4_______ 5_ 6____ 7_________ 8______ 9_________ 10 11____ 12__ 13 14___ 15_ 16_ 17____ 18 19_____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #2997 from articles/00107478 from sent3

Text  : Jak podzielić podatek od diesla
Tokens: 1__ 2________ 3______ 4_ 5_____

Chunks:

(ChunkerEvaluator) Sentence #2998 from articles/00107478 from sent4

Text  : Pieniądze z podwyżki podatków od oleju napędowego pójdą na budowę dróg i  kolei ?
Tokens: 1________ 2 3_______ 4_______ 5_ 6____ 7_________ 8____ 9_ 10____ 11__ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #2999 from articles/00107478 from sent5

Text  : Czy może zasilą budżet państwa ?
Tokens: 1__ 2___ 3_____ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #3000 from articles/00107478 from sent6

Text  : Od stycznia o 16 gr wzrosną podatki doliczane do ceny netto (  bez VAT )  litra oleju napędowego .
Tokens: 1_ 2_______ 3 4_ 5_ 6______ 7______ 8________ 9_ 10__ 11___ 12 13_ 14_ 15 16___ 17___ 18________ 19

Chunks:
  TruePositive nam [14,14] = VAT
  FalseNegative nam [5,5] = gr

(ChunkerEvaluator) Sentence #3001 from articles/00107478 from sent7

Text  : W Polsce do ceny paliwa dolicza się podatek akcyzowy oraz opłatę paliwową .
Tokens: 1 2_____ 3_ 4___ 5_____ 6______ 7__ 8______ 9_______ 10__ 11____ 12______ 13

Chunks:
  TruePositive nam [2,2] = Polsce

(ChunkerEvaluator) Sentence #3002 from articles/00107478 from sent8

Text  : Który z nich wzrośnie ?
Tokens: 1____ 2 3___ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3003 from articles/00107478 from sent9

Text  : Nie wiadomo .
Tokens: 1__ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #3004 from articles/00107478 from sent10

Text  : Ministerstwo Infrastruktury chce , by podnieść tylko stawkę opłaty paliwowej od litra oleju napędowego -  z  24 gr do 40 gr .  Taką propozycję resort przedstawił w  projekcie nowelizacji ustaw :  o  autostradach płatnych oraz o  Funduszu Kolejowym .
Tokens: 1___________ 2_____________ 3___ 4 5_ 6_______ 7____ 8_____ 9_____ 10_______ 11 12___ 13___ 14________ 15 16 17 18 19 20 21 22 23__ 24________ 25____ 26_________ 27 28_______ 29_________ 30___ 31 32 33__________ 34______ 35__ 36 37______ 38_______ 39

Chunks:
  TruePositive nam [1,2] = Ministerstwo Infrastruktury
  TruePositive nam [37,38] = Funduszu Kolejowym
  FalseNegative nam [18,18] = gr
  FalseNegative nam [21,21] = gr

(ChunkerEvaluator) Sentence #3005 from articles/00107478 from sent11

Text  : Skorzystały by na tym inwestycje drogowe i kolejowe , bo 80 proc .  wpływów z  opłaty paliwowej idzie na konto Krajowego Funduszu Drogowego ,  a  20 proc .
Tokens: 1__________ 2_ 3_ 4__ 5_________ 6______ 7 8_______ 9 10 11 12__ 13 14_____ 15 16____ 17_______ 18___ 19 20___ 21_______ 22______ 23_______ 24 25 26 27__ 28

Chunks:
  TruePositive nam [21,23] = Krajowego Funduszu Drogowego

(ChunkerEvaluator) Sentence #3006 from articles/00107478 from sent12

Text  : - Funduszu Kolejowego .
Tokens: 1 2_______ 3_________ 4

Chunks:
  TruePositive nam [2,3] = Funduszu Kolejowego

(ChunkerEvaluator) Sentence #3007 from articles/00107478 from sent13

Text  : Jeśli rząd przyjmie propozycję Ministerstwa Infrastruktury , od przyszłego roku KFD zbierze dodatkowo ponad 1  ,  2  mld zł (  starczy na 30 -  40 km drogi ekspresowej )  ,  a  Fundusz Kolejowy -  354 mln zł .
Tokens: 1____ 2___ 3_______ 4_________ 5___________ 6_____________ 7 8_ 9_________ 10__ 11_ 12_____ 13_______ 14___ 15 16 17 18_ 19 20 21_____ 22 23 24 25 26 27___ 28_________ 29 30 31 32_____ 33______ 34 35_ 36_ 37 38

Chunks:
  TruePositive nam [5,6] = Ministerstwa Infrastruktury
  TruePositive nam [11,11] = KFD
  TruePositive nam [19,19] = zł
  TruePositive nam [32,33] = Fundusz Kolejowy
  TruePositive nam [37,37] = zł

(ChunkerEvaluator) Sentence #3008 from articles/00107478 from sent14

Text  : Będzie też można zrezygnować z ratunkowego programu finansowania kolei kosztem dróg -  proponuje resort infrastruktury .
Tokens: 1_____ 2__ 3____ 4__________ 5 6__________ 7_______ 8___________ 9____ 10_____ 11__ 12 13_______ 14____ 15____________ 16

Chunks:

(ChunkerEvaluator) Sentence #3009 from articles/00107478 from sent15

Text  : Zgodnie z nowelizacją przepisów sprzed dwóch lat do 2015 r  .  samorządy mają dostawać na zakup taboru dodatkowe100 mln zł rocznie z  części wpływów z  opłaty paliwowej (  przeznaczonej pierwotnie na drogi )  .
Tokens: 1______ 2 3__________ 4________ 5_____ 6____ 7__ 8_ 9___ 10 11 12_______ 13__ 14______ 15 16___ 17____ 18__________ 19_ 20 21_____ 22 23____ 24_____ 25 26____ 27_______ 28 29___________ 30________ 31 32___ 33 34

Chunks:
  TruePositive nam [20,20] = zł

(ChunkerEvaluator) Sentence #3010 from articles/00107478 from sent16

Text  : Jednak Ministerstwo Finansów może zdecydować , by całą podwyżkę podatku zawrzeć w  podwyżce stawki akcyzy od oleju napędowego .
Tokens: 1_____ 2___________ 3_______ 4___ 5_________ 6 7_ 8___ 9_______ 10_____ 11_____ 12 13______ 14____ 15____ 16 17___ 18________ 19

Chunks:
  TruePositive nam [2,3] = Ministerstwo Finansów

(ChunkerEvaluator) Sentence #3011 from articles/00107478 from sent17

Text  : Wtedy budżet dostanie ekstra ok . 1 , 6 mld zł do podziału na różne cele .
Tokens: 1____ 2_____ 3_______ 4_____ 5_ 6 7 8 9 10_ 11 12 13______ 14 15___ 16__ 17

Chunks:
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #3012 from articles/00107478 from sent18

Text  : Resort ministra Jacka Rostowskiego nie ujawnia , co myśli o  propozycji resortu Cezarego Grabarczyka .
Tokens: 1_____ 2_______ 3____ 4___________ 5__ 6______ 7 8_ 9____ 10 11________ 12_____ 13______ 14_________ 15

Chunks:
  TruePositive nam [3,4] = Jacka Rostowskiego
  TruePositive nam [13,14] = Cezarego Grabarczyka

(ChunkerEvaluator) Sentence #3013 from articles/00107478 from sent19

Text  : - Przed doręczeniem odpowiedzi Ministerstwu Infrastruktury nie będziemy informowali mediów o  podjętych ustaleniach -  odparła rzeczniczka Ministerstwa Finansów Małgorzata Brzoza .
Tokens: 1 2____ 3__________ 4_________ 5___________ 6_____________ 7__ 8_______ 9__________ 10____ 11 12_______ 13_________ 14 15_____ 16_________ 17__________ 18______ 19________ 20____ 21

Chunks:
  TruePositive nam [5,6] = Ministerstwu Infrastruktury
  TruePositive nam [17,18] = Ministerstwa Finansów
  TruePositive nam [19,20] = Małgorzata Brzoza

(ChunkerEvaluator) Sentence #3014 from articles/00107478 from sent20

Text  : Dodała , że jej resort dostał propozycję resortu infrastruktury 11 października i  ma 14 dni na jej zaopiniowanie .
Tokens: 1_____ 2 3_ 4__ 5_____ 6_____ 7_________ 8______ 9_____________ 10 11__________ 12 13 14 15_ 16 17_ 18___________ 19

Chunks:

(ChunkerEvaluator) Sentence #3015 from articles/00107478 from sent21

Text  : Fiskus nie ujawnia też , jakie stawki akcyzy od paliw chce wprowadzić w  przyszłym roku .
Tokens: 1_____ 2__ 3______ 4__ 5 6____ 7_____ 8_____ 9_ 10___ 11__ 12________ 13 14_______ 15__ 16

Chunks:
  FalsePositive nam [1,1] = Fiskus

(ChunkerEvaluator) Sentence #3016 from articles/00107478 from sent22

Text  : - Trwają prace w tym zakresie .
Tokens: 1 2_____ 3____ 4 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #3017 from articles/00107478 from sent23

Text  : Informacje o przyjętych rozwiązaniach zostaną przekazane jak tylko będzie to możliwe -  poinformowało nas biuro prasowe resortu finansów .
Tokens: 1_________ 2 3_________ 4____________ 5______ 6_________ 7__ 8____ 9_____ 10 11_____ 12 13___________ 14_ 15___ 16_____ 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3018 from articles/00107478 from sent24

Text  : Propozycja Grabarczyka to jego „ ostatnia wola ” na fotelu ministra infrastruktury ,  bo w  piątek Grabarczyk sugerował ,  że nie zajmie tego stanowiska w  nowym rządzie ,  który ma powstać do 22 listopada .
Tokens: 1_________ 2__________ 3_ 4___ 5 6_______ 7___ 8 9_ 10____ 11______ 12____________ 13 14 15 16____ 17________ 18_______ 19 20 21_ 22____ 23__ 24________ 25 26___ 27_____ 28 29___ 30 31_____ 32 33 34_______ 35

Chunks:
  TruePositive nam [2,2] = Grabarczyka
  TruePositive nam [17,17] = Grabarczyk

(ChunkerEvaluator) Sentence #3019 from articles/00107478 from sent25

Text  : - Spory o pieniądze między ministrami finansów i infrastruktury to nic nowego .
Tokens: 1 2____ 3 4________ 5_____ 6_________ 7_______ 8 9_____________ 10 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #3020 from articles/00107478 from sent26

Text  : Ta sytuacja będzie jednak sprawdzianem dla premiera , który w  kampanii wyborczej mówił ,  że priorytetem dla nowego rządu będą koleje .
Tokens: 1_ 2_______ 3_____ 4_____ 5___________ 6__ 7_______ 8 9____ 10 11______ 12_______ 13___ 14 15 16_________ 17_ 18____ 19___ 20__ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #3021 from articles/00107478 from sent27

Text  : Nie było by też problemów z wykorzystaniem dodatkowych pieniędzy na inwestycje drogowe .
Tokens: 1__ 2___ 3_ 4__ 5________ 6 7_____________ 8__________ 9________ 10 11________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #3022 from articles/00107478 from sent28

Text  : Osobiście popieram propozycję ministra Grabarczyka - powiedział nam Adrian Furgalski ,  ekspert firmy doradczej TOR .
Tokens: 1________ 2_______ 3_________ 4_______ 5__________ 6 7_________ 8__ 9_____ 10_______ 11 12_____ 13___ 14_______ 15_ 16

Chunks:
  TruePositive nam [5,5] = Grabarczyka
  TruePositive nam [9,10] = Adrian Furgalski
  TruePositive nam [15,15] = TOR

2016-10-27 14:59:26,239 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 117 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107479.xml
(ChunkerEvaluator) Sentence #3023 from articles/00107479 from sent1

Text  : Warszawa .
Tokens: 1_______ 2

Chunks:
  TruePositive nam [1,1] = Warszawa

(ChunkerEvaluator) Sentence #3024 from articles/00107479 from sent2

Text  : Kilkaset osób w marszu & quot ; oburzonych & quot ;
Tokens: 1_______ 2___ 3 4_____ 5 6___ 7 8_________ 9 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #3025 from articles/00107479 from sent3

Text  : Kilkaset osób wyszło w sobotę na ulice Warszawy w marszu &  quot ;  oburzonych &  quot ;  ,  zorganizowanym przez &  quot ;  Porozumienie 15 października &  quot ;  .
Tokens: 1_______ 2___ 3_____ 4 5_____ 6_ 7____ 8_______ 9 10____ 11 12__ 13 14________ 15 16__ 17 18 19____________ 20___ 21 22__ 23 24__________ 25 26__________ 27 28__ 29 30

Chunks:
  TruePositive nam [8,8] = Warszawy
  FalsePositive nam [24,24] = Porozumienie
  FalseNegative nam [24,26] = Porozumienie 15 października

(ChunkerEvaluator) Sentence #3026 from articles/00107479 from sent4

Text  : Wśród nich także politycy , m . in . Wanda Nowicka oraz Ryszard Kalisz .
Tokens: 1____ 2___ 3____ 4_______ 5 6 7 8_ 9 10___ 11_____ 12__ 13_____ 14____ 15

Chunks:
  TruePositive nam [10,11] = Wanda Nowicka
  TruePositive nam [13,14] = Ryszard Kalisz

(ChunkerEvaluator) Sentence #3027 from articles/00107479 from sent5

Text  : Podobne manifestacje " oburzonych " z powodu sytuacji w ich krajach obywateli odbywają się tego dnia w  kilkuset miastach na świecie .
Tokens: 1______ 2___________ 3 4_________ 5 6 7_____ 8_______ 9 10_ 11_____ 12_______ 13______ 14_ 15__ 16__ 17 18______ 19______ 20 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #3028 from articles/00107479 from sent6

Text  : Protesty nawiązują do ruchu " oburzonych " , który narodził się przed pięcioma miesiącami w  Hiszpanii .
Tokens: 1_______ 2________ 3_ 4____ 5 6_________ 7 8 9____ 10______ 11_ 12___ 13______ 14________ 15 16_______ 17

Chunks:
  TruePositive nam [16,16] = Hiszpanii

(ChunkerEvaluator) Sentence #3029 from articles/00107479 from sent7

Text  : Marsz wyruszył sprzed bramy Uniwersytetu Warszawskiego .
Tokens: 1____ 2_______ 3_____ 4____ 5___________ 6____________ 7

Chunks:
  TruePositive nam [5,6] = Uniwersytetu Warszawskiego

(ChunkerEvaluator) Sentence #3030 from articles/00107479 from sent8

Text  : Jego uczestnicy mają przejść trasą obok Ministerstwa Finansów , Narodowego Banku Polskiego ,  biura Komisji Europejskiej ,  Giełdy Papierów Wartościowych przed kancelarię premiera .
Tokens: 1___ 2_________ 3___ 4______ 5____ 6___ 7___________ 8_______ 9 10________ 11___ 12_______ 13 14___ 15_____ 16__________ 17 18____ 19______ 20___________ 21___ 22________ 23______ 24

Chunks:
  TruePositive nam [7,8] = Ministerstwa Finansów
  TruePositive nam [10,12] = Narodowego Banku Polskiego
  TruePositive nam [15,16] = Komisji Europejskiej
  TruePositive nam [18,20] = Giełdy Papierów Wartościowych
  FalsePositive nam [23,23] = premiera

(ChunkerEvaluator) Sentence #3031 from articles/00107479 from sent9

Text  : Manifestanci - głównie młodzi ludzie - niosą transparenty z hasłami :  "  Ignoruj media ,  dowiaduj się sam "  ,  Chcemy mieszkań ,  nie kredytów "  ,  Nie tańcz ,  jak ci zagrają "  ,  "  Hiszpanio jesteśmy z  wami "  ,  "  Stop tyranii rynku "  ,  "  Nikt się nie spodziewał polskiej rewolucji "  oraz "  Stop eksperymentom na społeczeństwie .
Tokens: 1___________ 2 3______ 4_____ 5_____ 6 7____ 8___________ 9 10_____ 11 12 13_____ 14___ 15 16______ 17_ 18_ 19 20 21____ 22______ 23 24_ 25______ 26 27 28_ 29___ 30 31_ 32 33_____ 34 35 36 37_______ 38______ 39 40__ 41 42 43 44__ 45_____ 46___ 47 48 49 50__ 51_ 52_ 53________ 54______ 55_______ 56 57__ 58 59__ 60___________ 61 62____________ 63

Chunks:
  TruePositive nam [37,37] = Hiszpanio
  FalsePositive nam [50,50] = Nikt

(ChunkerEvaluator) Sentence #3032 from articles/00107479 from sent10

Text  : Szczepienia - ukryte fakty " .
Tokens: 1__________ 2 3_____ 4____ 5 6

Chunks:

(ChunkerEvaluator) Sentence #3033 from articles/00107479 from sent11

Text  : " Jestem tutaj , bo boję się o swoją przyszłość .
Tokens: 1 2_____ 3____ 4 5_ 6___ 7__ 8 9____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #3034 from articles/00107479 from sent12

Text  : Wiem , że bardzo trudno jest dostać się na studia ,  na które chciał by m  pójść .
Tokens: 1___ 2 3_ 4_____ 5_____ 6___ 7_____ 8__ 9_ 10____ 11 12 13___ 14____ 15 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #3035 from articles/00107479 from sent13

Text  : Bardzo trudno - nawet jeśli skończę dobrą uczelnie - będzie mi też zdobyć pracę "  -  mówił dziennikarzom jeden z  uczestników Maciej Tyburski .
Tokens: 1_____ 2_____ 3 4____ 5____ 6______ 7____ 8_______ 9 10____ 11 12_ 13____ 14___ 15 16 17___ 18___________ 19___ 20 21_________ 22____ 23______ 24

Chunks:
  TruePositive nam [22,23] = Maciej Tyburski

(ChunkerEvaluator) Sentence #3036 from articles/00107479 from sent14

Text  : Jak dodał , marsz " ma zwrócić uwagę społeczeństwa na problemy m  .  in .  młodych ludzi ,  i  rozpocząć debatę "  .
Tokens: 1__ 2____ 3 4____ 5 6_ 7______ 8____ 9____________ 10 11______ 12 13 14 15 16_____ 17___ 18 19 20_______ 21____ 22 23

Chunks:

(ChunkerEvaluator) Sentence #3037 from articles/00107479 from sent15

Text  : " Chcemy poprawy sytuacji , ulepszenia naszej demokracji " -  dodał .
Tokens: 1 2_____ 3______ 4_______ 5 6_________ 7_____ 8_________ 9 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #3038 from articles/00107479 from sent16

Text  : Do młodych ludzi dołączyli też politycy , m . in .  Wanda Nowicka z  Ruchu Palikota oraz Ryszard Kalisz z  SLD .
Tokens: 1_ 2______ 3____ 4________ 5__ 6_______ 7 8 9 10 11 12___ 13_____ 14 15___ 16______ 17__ 18_____ 19____ 20 21_ 22

Chunks:
  TruePositive nam [12,13] = Wanda Nowicka
  TruePositive nam [15,16] = Ruchu Palikota
  TruePositive nam [18,19] = Ryszard Kalisz
  TruePositive nam [21,21] = SLD

(ChunkerEvaluator) Sentence #3039 from articles/00107479 from sent17

Text  : Są też przedstawiciele " Ruchu lokatorów mieszkań komunalnych " .
Tokens: 1_ 2__ 3______________ 4 5____ 6________ 7_______ 8__________ 9 10

Chunks:
  FalsePositive nam [5,8] = Ruchu lokatorów mieszkań komunalnych

(ChunkerEvaluator) Sentence #3040 from articles/00107479 from sent18

Text  : Nowicka zachęcała do marszu już w sobotę rano .
Tokens: 1______ 2________ 3_ 4_____ 5__ 6 7_____ 8___ 9

Chunks:
  FalseNegative nam [1,1] = Nowicka

(ChunkerEvaluator) Sentence #3041 from articles/00107479 from sent19

Text  : " Większość polityków mówi , że trzeba przeprowadzić reformy finansów publicznych i  jest to bardzo ważna kwestia .
Tokens: 1 2________ 3________ 4___ 5 6_ 7_____ 8____________ 9______ 10______ 11_________ 12 13__ 14 15____ 16___ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #3042 from articles/00107479 from sent20

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #3043 from articles/00107479 from sent21

Text  : Reformując finanse nie możemy zapomnieć o ludziach , o tym co się dzieje .
Tokens: 1_________ 2______ 3__ 4_____ 5________ 6 7_______ 8 9 10_ 11 12_ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #3044 from articles/00107479 from sent22

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #3045 from articles/00107479 from sent23

Text  : Musimy się zastanowić , co zrobić z ludźmi 50 +  ,  z  młodymi ,  którzy nie mogą znaleźć pracy ,  a  jak im się udaje ,  to wyłącznie na tzw .  umowach śmieciowych "  -  mówiła dziennikarzom .
Tokens: 1_____ 2__ 3_________ 4 5_ 6_____ 7 8_____ 9_ 10 11 12 13_____ 14 15____ 16_ 17__ 18_____ 19___ 20 21 22_ 23 24_ 25___ 26 27 28_______ 29 30_ 31 32_____ 33_________ 34 35 36____ 37___________ 38

Chunks:

(ChunkerEvaluator) Sentence #3046 from articles/00107479 from sent24

Text  : W marszu uczestniczy także trzech Hiszpanów , którzy - jak mówili organizatorzy -  okupowali plac Puerto del Sol w  Madrycie .
Tokens: 1 2_____ 3__________ 4____ 5_____ 6________ 7 8_____ 9 10_ 11____ 12___________ 13 14_______ 15__ 16____ 17_ 18_ 19 20______ 21

Chunks:
  TruePositive nam [6,6] = Hiszpanów
  TruePositive nam [20,20] = Madrycie
  FalsePositive nam [16,16] = Puerto
  FalsePositive nam [18,18] = Sol
  FalseNegative nam [16,18] = Puerto del Sol

(ChunkerEvaluator) Sentence #3047 from articles/00107479 from sent25

Text  : Cudzoziemcy tuż przed rozpoczęciem manifestacji odczytali specjalny list i podkreślili ,  że najważniejsze "  jest rozbudzenie społecznej świadomości ,  wyzwolenie się ze strachu przed tym ,  co jest ,  oraz pozyskanie siły ,  by walczyć z  niesprawiedliwością i  nadużyciami "  .
Tokens: 1__________ 2__ 3____ 4___________ 5___________ 6________ 7________ 8___ 9 10_________ 11 12 13___________ 14 15__ 16_________ 17________ 18_________ 19 20________ 21_ 22 23_____ 24___ 25_ 26 27 28__ 29 30__ 31________ 32__ 33 34 35_____ 36 37_________________ 38 39_________ 40 41

Chunks:

(ChunkerEvaluator) Sentence #3048 from articles/00107479 from sent26

Text  : " Bunty w krajach arabskich , zmiana systemu politycznego na Islandii ,  gdzie teraz rządzą zgromadzenia i  napisana została nowa konstytucja ,  sytuacja w  Hiszpanii i  Grecji ,  to co dzieje się w  Brukseli ,  to pierwsze kroki możliwej zmiany ,  do której przybliżamy się ,  wspólnie o  nią walcząc "  -  mówili .
Tokens: 1 2____ 3 4______ 5________ 6 7_____ 8______ 9___________ 10 11______ 12 13___ 14___ 15____ 16__________ 17 18______ 19_____ 20__ 21_________ 22 23______ 24 25_______ 26 27____ 28 29 30 31____ 32_ 33 34______ 35 36 37______ 38___ 39______ 40____ 41 42 43____ 44_________ 45_ 46 47______ 48 49_ 50_____ 51 52 53____ 54

Chunks:
  TruePositive nam [11,11] = Islandii
  TruePositive nam [25,25] = Hiszpanii
  TruePositive nam [27,27] = Grecji
  TruePositive nam [34,34] = Brukseli

(ChunkerEvaluator) Sentence #3049 from articles/00107479 from sent27

Text  : Podobne demonstracje pod hasłem " Zjednoczeni dla globalnej zmiany "  odbywają się w  sobotę w  ponad 950 miastach w  82 krajach ,  m  .  in .  w  Madrycie ,  Brukseli ,  Nowym Jorku ,  Hongkongu ,  Tokio ,  Sydney .
Tokens: 1______ 2___________ 3__ 4_____ 5 6__________ 7__ 8________ 9_____ 10 11______ 12_ 13 14____ 15 16___ 17_ 18______ 19 20 21_____ 22 23 24 25 26 27 28______ 29 30______ 31 32___ 33___ 34 35_______ 36 37___ 38 39____ 40

Chunks:
  TruePositive nam [28,28] = Madrycie
  TruePositive nam [30,30] = Brukseli
  TruePositive nam [32,33] = Nowym Jorku
  TruePositive nam [35,35] = Hongkongu
  TruePositive nam [37,37] = Tokio
  TruePositive nam [39,39] = Sydney

(ChunkerEvaluator) Sentence #3050 from articles/00107479 from sent28

Text  : Ruch " oburzonych " narodził się przed pięcioma miesiącami w  Hiszpanii ,  jest tam nazywany "  Ruchem 15 maja "  .
Tokens: 1___ 2 3_________ 4 5_______ 6__ 7____ 8_______ 9_________ 10 11_______ 12 13__ 14_ 15______ 16 17____ 18 19__ 20 21

Chunks:
  TruePositive nam [11,11] = Hiszpanii
  FalsePositive nam [17,17] = Ruchem
  FalseNegative nam [17,19] = Ruchem 15 maja

(ChunkerEvaluator) Sentence #3051 from articles/00107479 from sent29

Text  : Tego dnia Hiszpanie rozpoczęli w Madrycie okupację placu Puerto del Sol w  proteście przeciwko skutkom kryzysu gospodarczego ,  rekordowemu bezrobociu ,  korupcji wśród polityków .
Tokens: 1___ 2___ 3________ 4_________ 5 6_______ 7_______ 8____ 9_____ 10_ 11_ 12 13_______ 14_______ 15_____ 16_____ 17___________ 18 19_________ 20________ 21 22______ 23___ 24_______ 25

Chunks:
  TruePositive nam [3,3] = Hiszpanie
  TruePositive nam [6,6] = Madrycie
  TruePositive nam [9,11] = Puerto del Sol

(ChunkerEvaluator) Sentence #3052 from articles/00107479 from sent30

Text  : Ruch skupia głównie ludzi młodych , studentów , ale również emerytów ,  bezrobotnych i  niezadowolonych z  warunków pracy .
Tokens: 1___ 2_____ 3______ 4____ 5______ 6 7________ 8 9__ 10_____ 11______ 12 13__________ 14 15_____________ 16 17______ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #3053 from articles/00107479 from sent31

Text  : " Porozumienie 15 października " powstało z inicjatywy uczniów Wielokulturowego Liceum Humanistycznego w  Warszawie jako znak solidarności z  ruchem "  oburzonych "  w  Hiszpanii ,  a  także by przedstawić własne postulaty polskim władzom .
Tokens: 1 2___________ 3_ 4___________ 5 6_______ 7 8_________ 9______ 10______________ 11____ 12_____________ 13 14_______ 15__ 16__ 17__________ 18 19____ 20 21________ 22 23 24_______ 25 26 27___ 28 29_________ 30____ 31_______ 32_____ 33_____ 34

Chunks:
  TruePositive nam [10,12] = Wielokulturowego Liceum Humanistycznego
  TruePositive nam [14,14] = Warszawie
  TruePositive nam [24,24] = Hiszpanii
  FalseNegative nam [2,4] = Porozumienie 15 października

(ChunkerEvaluator) Sentence #3054 from articles/00107479 from sent32

Text  : Do udziału w marszu zachęcało m . in . środowisko "  Krytyki politycznej "  .
Tokens: 1_ 2______ 3 4_____ 5________ 6 7 8_ 9 10________ 11 12_____ 13_________ 14 15

Chunks:
  FalseNegative nam [12,13] = Krytyki politycznej

(ChunkerEvaluator) Sentence #3055 from articles/00107479 from sent33

Text  : " Zbyt długo im wierzyli śmy , że chcą zmieniać rzeczywistość .
Tokens: 1 2___ 3____ 4_ 5_______ 6__ 7 8_ 9___ 10______ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #3056 from articles/00107479 from sent34

Text  : Teraz jesteśmy oburzeni .
Tokens: 1____ 2_______ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #3057 from articles/00107479 from sent35

Text  : Bo wiemy , że każde rządy nie słuchają głosu społeczeństwa ,  że działają na naszą niekorzyść .
Tokens: 1_ 2____ 3 4_ 5____ 6____ 7__ 8_______ 9____ 10___________ 11 12 13______ 14 15___ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #3058 from articles/00107479 from sent36

Text  : Jesteśmy oburzeni kłamstwami i ignorancją płynącą z parlamentu .
Tokens: 1_______ 2_______ 3_________ 4 5_________ 6______ 7 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #3059 from articles/00107479 from sent37

Text  : Jesteśmy oburzeni obecną sytuacją w Polsce " - napisano na stronie "  Porozumienia 15 października "  .  (  PAP )
Tokens: 1_______ 2_______ 3_____ 4_______ 5 6_____ 7 8 9_______ 10 11_____ 12 13__________ 14 15__________ 16 17 18 19_ 20

Chunks:
  TruePositive nam [6,6] = Polsce
  TruePositive nam [19,19] = PAP
  FalseNegative nam [13,15] = Porozumienia 15 października

2016-10-27 14:59:26,451 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 118 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107480.xml
(ChunkerEvaluator) Sentence #3060 from articles/00107480 from sent1

Text  : Co ma mowa ciała do Twojej kariery ?
Tokens: 1_ 2_ 3___ 4____ 5_ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #3061 from articles/00107480 from sent2

Text  : Jak napisać CV i list motywacyjny , co nieco o  języku ciała i  możliwość wygrania bezpłatnych studiów podyplomowych -  tak zapowiada się opolska edycja Ogólnopolskiego Tygodnia Karier
Tokens: 1__ 2______ 3_ 4 5___ 6__________ 7 8_ 9____ 10 11____ 12___ 13 14_______ 15______ 16_________ 17_____ 18___________ 19 20_ 21_______ 22_ 23_____ 24____ 25_____________ 26______ 27____

Chunks:
  TruePositive nam [25,27] = Ogólnopolskiego Tygodnia Karier
  FalsePositive nam [3,3] = CV

(ChunkerEvaluator) Sentence #3062 from articles/00107480 from sent3

Text  : W Opolu przygotowaniami zajmuje się m . in . Łukasz Borecki z  Uniwersytetu Opolskiego .
Tokens: 1 2____ 3______________ 4______ 5__ 6 7 8_ 9 10____ 11_____ 12 13__________ 14________ 15

Chunks:
  TruePositive nam [2,2] = Opolu
  TruePositive nam [10,11] = Łukasz Borecki
  TruePositive nam [13,14] = Uniwersytetu Opolskiego

(ChunkerEvaluator) Sentence #3063 from articles/00107480 from sent4

Text  : Impreza potrwa od poniedziałku do piątku .
Tokens: 1______ 2_____ 3_ 4___________ 5_ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3064 from articles/00107480 from sent5

Text  : Beata Łabutin : Podobno można się u was nauczyć ,  jak osiągnąć sukces .
Tokens: 1____ 2______ 3 4______ 5____ 6__ 7 8__ 9______ 10 11_ 12______ 13____ 14

Chunks:
  TruePositive nam [1,2] = Beata Łabutin

(ChunkerEvaluator) Sentence #3065 from articles/00107480 from sent6

Text  : Łukasz Borecki z Akademickiego Centrum Karier na UO : Na pewno można będzie dowiedzieć się ,  w  jaki sposób pomóc sobie samemu w  zrobieniu kariery zawodowej .
Tokens: 1_____ 2______ 3 4____________ 5______ 6_____ 7_ 8_ 9 10 11___ 12___ 13____ 14________ 15_ 16 17 18__ 19____ 20___ 21___ 22____ 23 24_______ 25_____ 26_______ 27

Chunks:
  TruePositive nam [1,2] = Łukasz Borecki
  TruePositive nam [4,6] = Akademickiego Centrum Karier
  TruePositive nam [8,8] = UO

(ChunkerEvaluator) Sentence #3066 from articles/00107480 from sent7

Text  : I nie będzie to czysta teoria .
Tokens: 1 2__ 3_____ 4_ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3067 from articles/00107480 from sent8

Text  : To znaczy ?
Tokens: 1_ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #3068 from articles/00107480 from sent9

Text  : - W poniedziałek w sali na Ostrówku odbędzie się spotkanie z  sześcioma młodymi ludźmi ,  absolwentami opolskich uczelni ,  którym tu ,  na Opolszczyźnie ,  udało się odnieść sukces zawodowy ,  którzy żyją ze swojej pasji .
Tokens: 1 2 3___________ 4 5___ 6_ 7_______ 8_______ 9__ 10_______ 11 12_______ 13_____ 14____ 15 16__________ 17_______ 18_____ 19 20____ 21 22 23 24___________ 25 26___ 27_ 28_____ 29____ 30______ 31 32____ 33__ 34 35____ 36___ 37

Chunks:
  TruePositive nam [7,7] = Ostrówku
  TruePositive nam [24,24] = Opolszczyźnie

(ChunkerEvaluator) Sentence #3069 from articles/00107480 from sent10

Text  : Zapraszając ich , chcemy pokazać , że nasi absolwenci wcale nie muszą być bez szans na rynku pracy .
Tokens: 1__________ 2__ 3 4_____ 5______ 6 7_ 8___ 9_________ 10___ 11_ 12___ 13_ 14_ 15___ 16 17___ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #3070 from articles/00107480 from sent11

Text  : Goście opowiedzą , jak doszli do miejsca swoim życiu zawodowym ,  w  którym obecnie się znajdują .
Tokens: 1_____ 2________ 3 4__ 5_____ 6_ 7______ 8____ 9____ 10_______ 11 12 13____ 14_____ 15_ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #3071 from articles/00107480 from sent12

Text  : Można też będzie zadawać im pytania .
Tokens: 1____ 2__ 3_____ 4______ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #3072 from articles/00107480 from sent13

Text  : Żeby osiągnąć zawodowy sukces , trzeba najpierw w ogóle znaleźć pracę .
Tokens: 1___ 2_______ 3_______ 4_____ 5 6_____ 7_______ 8 9____ 10_____ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #3073 from articles/00107480 from sent14

Text  : A na rozmowie kwalifikacyjnej łatwo przepaść z błahych powodów
Tokens: 1 2_ 3_______ 4______________ 5____ 6_______ 7 8______ 9______

Chunks:

(ChunkerEvaluator) Sentence #3074 from articles/00107480 from sent15

Text  : - To prawda .
Tokens: 1 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #3075 from articles/00107480 from sent16

Text  : Dlatego w ramach warsztatów , jakie przygotowali śmy , będzie się można nauczyć tego wszystkiego ,  co pomoże pomyślnie przebrnąć przez rozmowę kwalifikacyjną .
Tokens: 1______ 2 3_____ 4_________ 5 6____ 7___________ 8__ 9 10____ 11_ 12___ 13_____ 14__ 15_________ 16 17 18____ 19_______ 20_______ 21___ 22_____ 23____________ 24

Chunks:

(ChunkerEvaluator) Sentence #3076 from articles/00107480 from sent17

Text  : Będzie nawet co nieco na temat mowy ciała , na temat rzeczy zupełnie podstawowych ,  jak choćby zachowanie się podczas rozmowy kwalifikacyjnej .
Tokens: 1_____ 2____ 3_ 4____ 5_ 6____ 7___ 8____ 9 10 11___ 12____ 13______ 14__________ 15 16_ 17____ 18________ 19_ 20_____ 21_____ 22_____________ 23

Chunks:

(ChunkerEvaluator) Sentence #3077 from articles/00107480 from sent18

Text  : Bo czasem wystarczy niewłaściwy strój , by zaprzepaścić swoją szansę .
Tokens: 1_ 2_____ 3________ 4__________ 5____ 6 7_ 8___________ 9____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #3078 from articles/00107480 from sent19

Text  : Na warsztatach będzie też mowa o tym , jakiego rodzaju selekcję stosują pracodawcy .
Tokens: 1_ 2__________ 3_____ 4__ 5___ 6 7__ 8 9______ 10_____ 11______ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #3079 from articles/00107480 from sent20

Text  : Czyli jakich haków podczas rozmowy kwalifikacyjnej unikać ?
Tokens: 1____ 2_____ 3____ 4______ 5______ 6______________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #3080 from articles/00107480 from sent21

Text  : - To też , ale przede wszystkim , jakie swoje atuty i  w  jaki sposób wykorzystywać ,  jak dopasować je do oferty firmy .
Tokens: 1 2_ 3__ 4 5__ 6_____ 7________ 8 9____ 10___ 11___ 12 13 14__ 15____ 16___________ 17 18_ 19_______ 20 21 22____ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #3081 from articles/00107480 from sent22

Text  : Taka kuchnia rekrutacji .
Tokens: 1___ 2______ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #3082 from articles/00107480 from sent23

Text  : Będzie też mowa o technikach negocjacji , o tym ,  jak radzić sobie ze stresem ,  jak uczyć się twórczego myślenia ,  jak przygotować prezentację multimedialną ,  jak zdobyć pieniądze na swoją firmę ,  jak przedstawia się opolski rynek pracy ,  gdy chodzi o  różne branże .
Tokens: 1_____ 2__ 3___ 4 5_________ 6_________ 7 8 9__ 10 11_ 12____ 13___ 14 15_____ 16 17_ 18___ 19_ 20_______ 21______ 22 23_ 24_________ 25_________ 26___________ 27 28_ 29____ 30_______ 31 32___ 33___ 34 35_ 36_________ 37_ 38_____ 39___ 40___ 41 42_ 43____ 44 45___ 46____ 47

Chunks:

(ChunkerEvaluator) Sentence #3083 from articles/00107480 from sent24

Text  : Już wiadomo , że chętnych do udziału w warsztatach jest więcej ,  niż możecie przyjąć .
Tokens: 1__ 2______ 3 4_ 5_______ 6_ 7______ 8 9__________ 10__ 11____ 12 13_ 14_____ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #3084 from articles/00107480 from sent25

Text  : Odejdą z kwitkiem ?
Tokens: 1_____ 2 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #3085 from articles/00107480 from sent26

Text  : - Ależ nie .
Tokens: 1 2___ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #3086 from articles/00107480 from sent27

Text  : Dla tych , którzy nie załapią się na nie w  ramach OTK ,  zorganizujemy warsztaty w  późniejszym terminie .
Tokens: 1__ 2___ 3 4_____ 5__ 6______ 7__ 8_ 9__ 10 11____ 12_ 13 14___________ 15_______ 16 17_________ 18______ 19

Chunks:
  FalseNegative nam [12,12] = OTK

(ChunkerEvaluator) Sentence #3087 from articles/00107480 from sent28

Text  : Wszyscy chętni będą mieli szansę wziąć udział w tych ,  które ich interesują .
Tokens: 1______ 2_____ 3___ 4____ 5_____ 6____ 7_____ 8 9___ 10 11___ 12_ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #3088 from articles/00107480 from sent29

Text  : A co ma wspólnego gra uliczna z szukaniem pracy ?
Tokens: 1 2_ 3_ 4________ 5__ 6______ 7 8________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #3089 from articles/00107480 from sent30

Text  : Przygotowali ście dla uczestników grę , którą nazwali ście „  Twister ”  .
Tokens: 1___________ 2___ 3__ 4__________ 5__ 6 7____ 8______ 9___ 10 11_____ 12 13

Chunks:
  FalseNegative nam [11,11] = Twister

(ChunkerEvaluator) Sentence #3090 from articles/00107480 from sent31

Text  : - To takie miejskie podchody , odszukiwanie miejsc , w  których pozostawimy pytania dotyczące m  .  in .  opolskiego rynku pracy .
Tokens: 1 2_ 3____ 4_______ 5_______ 6 7___________ 8_____ 9 10 11_____ 12_________ 13_____ 14_______ 15 16 17 18 19________ 20___ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #3091 from articles/00107480 from sent32

Text  : Zespół , który najszybciej pokona trasę i udzieli największej liczby poprawnych odpowiedzi ,  otrzyma nagrodę -  bezpłatne studia podyplomowe .
Tokens: 1_____ 2 3____ 4__________ 5_____ 6____ 7 8______ 9__________ 10____ 11________ 12________ 13 14_____ 15_____ 16 17_______ 18____ 19_________ 20

Chunks:

2016-10-27 14:59:26,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 119 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107481.xml
(ChunkerEvaluator) Sentence #3092 from articles/00107481 from sent1

Text  : T - Mobile Ekstraklasa - Ruch - Legia 0 :  1
Tokens: 1 2 3_____ 4__________ 5 6___ 7 8____ 9 10 11

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa
  TruePositive nam [6,6] = Ruch
  TruePositive nam [8,8] = Legia

(ChunkerEvaluator) Sentence #3093 from articles/00107481 from sent2

Text  : Ruch Chorzów - Legia Warszawa 0 : 1 ( 0  :  1  )
Tokens: 1___ 2______ 3 4____ 5_______ 6 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [1,2] = Ruch Chorzów
  TruePositive nam [4,5] = Legia Warszawa

(ChunkerEvaluator) Sentence #3094 from articles/00107481 from sent3

Text  : Bramki : 0 : 1 Danijel Ljuboja ( 45 +  2  -  głową )  .
Tokens: 1_____ 2 3 4 5 6______ 7______ 8 9_ 10 11 12 13___ 14 15

Chunks:
  TruePositive nam [6,7] = Danijel Ljuboja
  FalsePositive nam [1,1] = Bramki

(ChunkerEvaluator) Sentence #3095 from articles/00107481 from sent4

Text  : Żółta kartka - Ruch Chorzów : Igor Lewczuk , Marek Szyndrowski ,  Paweł Lisowski ,  Paweł Abbott .
Tokens: 1____ 2_____ 3 4___ 5______ 6 7___ 8______ 9 10___ 11_________ 12 13___ 14______ 15 16___ 17____ 18

Chunks:
  TruePositive nam [4,5] = Ruch Chorzów
  TruePositive nam [7,8] = Igor Lewczuk
  TruePositive nam [10,11] = Marek Szyndrowski
  TruePositive nam [13,14] = Paweł Lisowski
  TruePositive nam [16,17] = Paweł Abbott

(ChunkerEvaluator) Sentence #3096 from articles/00107481 from sent5

Text  : Legia Warszawa : Ariel Borysiuk , Janusz Gol .
Tokens: 1____ 2_______ 3 4____ 5_______ 6 7_____ 8__ 9

Chunks:
  TruePositive nam [1,2] = Legia Warszawa
  TruePositive nam [4,5] = Ariel Borysiuk
  TruePositive nam [7,8] = Janusz Gol

(ChunkerEvaluator) Sentence #3097 from articles/00107481 from sent6

Text  : Sędzia : Daniel Stefański ( Bydgoszcz ) .
Tokens: 1_____ 2 3_____ 4________ 5 6________ 7 8

Chunks:
  TruePositive nam [3,4] = Daniel Stefański
  TruePositive nam [6,6] = Bydgoszcz
  FalsePositive nam [1,1] = Sędzia

(ChunkerEvaluator) Sentence #3098 from articles/00107481 from sent7

Text  : Widzów 8 500 .
Tokens: 1_____ 2 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #3099 from articles/00107481 from sent8

Text  : Ruch Chorzów : Michal Peskovic - Igor Lewczuk , Rafał Grodzicki ,  Piotr Stawarczyk ,  Marek Szyndrowski -  Wojciech Grzyb (  66 .
Tokens: 1___ 2______ 3 4_____ 5_______ 6 7___ 8______ 9 10___ 11_______ 12 13___ 14________ 15 16___ 17_________ 18 19______ 20___ 21 22 23

Chunks:
  TruePositive nam [1,2] = Ruch Chorzów
  TruePositive nam [4,5] = Michal Peskovic
  TruePositive nam [7,8] = Igor Lewczuk
  TruePositive nam [10,11] = Rafał Grodzicki
  TruePositive nam [13,14] = Piotr Stawarczyk
  TruePositive nam [16,17] = Marek Szyndrowski
  TruePositive nam [19,20] = Wojciech Grzyb

(ChunkerEvaluator) Sentence #3100 from articles/00107481 from sent9

Text  : Jakub Smektała ) , Marcin Malinowski , Paweł Lisowski (  79 .
Tokens: 1____ 2_______ 3 4 5_____ 6_________ 7 8____ 9_______ 10 11 12

Chunks:
  TruePositive nam [1,2] = Jakub Smektała
  TruePositive nam [5,6] = Marcin Malinowski
  TruePositive nam [8,9] = Paweł Lisowski

(ChunkerEvaluator) Sentence #3101 from articles/00107481 from sent10

Text  : Rafał Grzelak ) , Marek Zieńczuk - Maciej Jankowski (  71 .
Tokens: 1____ 2______ 3 4 5____ 6_______ 7 8_____ 9________ 10 11 12

Chunks:
  TruePositive nam [1,2] = Rafał Grzelak
  TruePositive nam [5,6] = Marek Zieńczuk
  TruePositive nam [8,9] = Maciej Jankowski

(ChunkerEvaluator) Sentence #3102 from articles/00107481 from sent11

Text  : Paweł Abbott ) , Arkadiusz Piech .
Tokens: 1____ 2_____ 3 4 5________ 6____ 7

Chunks:
  TruePositive nam [1,2] = Paweł Abbott
  TruePositive nam [5,6] = Arkadiusz Piech

(ChunkerEvaluator) Sentence #3103 from articles/00107481 from sent12

Text  : Legia Warszawa : Dusan Kuciak - Artur Jędrzejczyk , Michał Żewłakow ,  Marcin Komorowski ,  Jakub Wawrzyniak -  Michał Żyro (  66 .
Tokens: 1____ 2_______ 3 4____ 5_____ 6 7____ 8__________ 9 10____ 11______ 12 13____ 14________ 15 16___ 17________ 18 19____ 20__ 21 22 23

Chunks:
  TruePositive nam [1,2] = Legia Warszawa
  TruePositive nam [4,5] = Dusan Kuciak
  TruePositive nam [7,8] = Artur Jędrzejczyk
  TruePositive nam [10,11] = Michał Żewłakow
  TruePositive nam [13,14] = Marcin Komorowski
  TruePositive nam [16,17] = Jakub Wawrzyniak
  TruePositive nam [19,20] = Michał Żyro

(ChunkerEvaluator) Sentence #3104 from articles/00107481 from sent13

Text  : Janusz Gol ) , Ivica Vrdoljak , Ariel Borysiuk ,  Maciej Rybus (  90 .
Tokens: 1_____ 2__ 3 4 5____ 6_______ 7 8____ 9_______ 10 11____ 12___ 13 14 15

Chunks:
  TruePositive nam [1,2] = Janusz Gol
  TruePositive nam [5,6] = Ivica Vrdoljak
  TruePositive nam [8,9] = Ariel Borysiuk
  TruePositive nam [11,12] = Maciej Rybus

(ChunkerEvaluator) Sentence #3105 from articles/00107481 from sent14

Text  : Michał Kucharczyk ) - Miroslav Radovic ( 84 .
Tokens: 1_____ 2_________ 3 4 5_______ 6______ 7 8_ 9

Chunks:
  TruePositive nam [1,2] = Michał Kucharczyk
  TruePositive nam [5,6] = Miroslav Radovic

(ChunkerEvaluator) Sentence #3106 from articles/00107481 from sent15

Text  : Manu ) , Danijel Ljuboja .
Tokens: 1___ 2 3 4______ 5______ 6

Chunks:
  TruePositive nam [4,5] = Danijel Ljuboja
  FalseNegative nam [1,1] = Manu

(ChunkerEvaluator) Sentence #3107 from articles/00107481 from sent16

Text  : " Wyposzczeni " podczas przerwy w rozgrywkach ekstraklasy kibice zapewne wiele sobie obiecywali po niedzielnym spotkaniu .
Tokens: 1 2__________ 3 4______ 5______ 6 7__________ 8__________ 9_____ 10_____ 11___ 12___ 13________ 14 15_________ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #3108 from articles/00107481 from sent17

Text  : Tymczasem w pierwszej połowie na boisku tak niewiele się działo ,  że do rangi "  wydarzenia "  urosło zderzenie się głowami Arkadiusza Piecha z  Jakubem Wawrzyniakiem .
Tokens: 1________ 2 3________ 4______ 5_ 6_____ 7__ 8_______ 9__ 10____ 11 12 13 14___ 15 16________ 17 18____ 19_______ 20_ 21_____ 22________ 23____ 24 25_____ 26___________ 27

Chunks:
  TruePositive nam [22,23] = Arkadiusza Piecha
  TruePositive nam [25,26] = Jakubem Wawrzyniakiem

(ChunkerEvaluator) Sentence #3109 from articles/00107481 from sent18

Text  : Legioniści mieli problem z wypracowaniem sobie podbramkowych sytuacji , czekający na szybką kontrę chorzowianie też niczego nie "  zwojowali "  .
Tokens: 1_________ 2____ 3______ 4 5____________ 6____ 7____________ 8_______ 9 10_______ 11 12____ 13____ 14__________ 15_ 16_____ 17_ 18 19_______ 20 21

Chunks:
  FalseNegative nam [1,1] = Legioniści
  FalseNegative nam [14,14] = chorzowianie

(ChunkerEvaluator) Sentence #3110 from articles/00107481 from sent19

Text  : Zanosiło się na bezbramkowy remis do przerwy , kiedy w  doliczonym czasie dośrodkowanie Michała Żyro w  polu karnym Ruchu wykorzystał Daniejel Ljuboja .
Tokens: 1_______ 2__ 3_ 4__________ 5____ 6_ 7______ 8 9____ 10 11________ 12____ 13___________ 14_____ 15__ 16 17__ 18____ 19___ 20_________ 21______ 22_____ 23

Chunks:
  TruePositive nam [14,15] = Michała Żyro
  TruePositive nam [19,19] = Ruchu
  TruePositive nam [21,22] = Daniejel Ljuboja

(ChunkerEvaluator) Sentence #3111 from articles/00107481 from sent20

Text  : Goście nie pozwolili rywalom na jakiś szturm po przerwie .
Tokens: 1_____ 2__ 3________ 4______ 5_ 6____ 7_____ 8_ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #3112 from articles/00107481 from sent21

Text  : Nie bronili wyniku , a po kwadransie Ariel Borysiuk mógł podwyższyć wynik .
Tokens: 1__ 2______ 3_____ 4 5 6_ 7_________ 8____ 9_______ 10__ 11________ 12___ 13

Chunks:
  TruePositive nam [8,9] = Ariel Borysiuk

(ChunkerEvaluator) Sentence #3113 from articles/00107481 from sent22

Text  : Po jego płaskim uderzeniu zza pola karnego piłka odbiła się od słupka .
Tokens: 1_ 2___ 3______ 4________ 5__ 6___ 7______ 8____ 9_____ 10_ 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #3114 from articles/00107481 from sent23

Text  : Najlepszą do wyrównania miał 10 minut przed końcem Arkadiusz Piech .
Tokens: 1________ 2_ 3_________ 4___ 5_ 6____ 7____ 8_____ 9________ 10___ 11

Chunks:
  TruePositive nam [9,10] = Arkadiusz Piech

(ChunkerEvaluator) Sentence #3115 from articles/00107481 from sent24

Text  : Po prostopadłym podaniu Pawła Abbotta miał przed sobą tylko bramkarza Legii .
Tokens: 1_ 2___________ 3______ 4____ 5______ 6___ 7____ 8___ 9____ 10_______ 11___ 12

Chunks:
  TruePositive nam [4,5] = Pawła Abbotta
  TruePositive nam [11,11] = Legii

(ChunkerEvaluator) Sentence #3116 from articles/00107481 from sent25

Text  : Duszan Kuciak nie dał się zaskoczyć .
Tokens: 1_____ 2_____ 3__ 4__ 5__ 6________ 7

Chunks:
  FalseNegative nam [1,2] = Duszan Kuciak

(ChunkerEvaluator) Sentence #3117 from articles/00107481 from sent26

Text  : W odpowiedzi swoje drugie trafienie w meczu mógł zaliczyć Ljuboja ,  po jego strzale piłkę z  linii bramkowej wybił Rafał Grzelak .
Tokens: 1 2_________ 3____ 4_____ 5________ 6 7____ 8___ 9_______ 10_____ 11 12 13__ 14_____ 15___ 16 17___ 18_______ 19___ 20___ 21_____ 22

Chunks:
  TruePositive nam [20,21] = Rafał Grzelak
  FalseNegative nam [10,10] = Ljuboja

(ChunkerEvaluator) Sentence #3118 from articles/00107481 from sent27

Text  : Atak rozpaczy gospodarzy w doliczonym czasie przyniósł tylko dwa rzuty rożne .
Tokens: 1___ 2_______ 3_________ 4 5_________ 6_____ 7________ 8____ 9__ 10___ 11___ 12

Chunks:

2016-10-27 14:59:26,708 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 120 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107483.xml
(ChunkerEvaluator) Sentence #3119 from articles/00107483 from sent1

Text  : Jak lekceważą nas politycy ?
Tokens: 1__ 2________ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3120 from articles/00107483 from sent2

Text  : Lakonicznym podejściem
Tokens: 1__________ 2_________

Chunks:

(ChunkerEvaluator) Sentence #3121 from articles/00107483 from sent3

Text  : Radni sejmiku , dyrektorzy i urzędnicy od marszałka swoje oświadczenia majątkowe wypełniają niechlujnie ,  więc roi się w  nich od błędów i  niedopatrzeń .
Tokens: 1____ 2______ 3 4_________ 5 6________ 7_ 8________ 9____ 10__________ 11_______ 12________ 13_________ 14 15__ 16_ 17_ 18 19__ 20 21____ 22 23__________ 24

Chunks:

(ChunkerEvaluator) Sentence #3122 from articles/00107483 from sent4

Text  : Urząd usprawiedliwia to . . . lakonicznym podejściem
Tokens: 1____ 2_____________ 3_ 4 5 6 7__________ 8_________

Chunks:

(ChunkerEvaluator) Sentence #3123 from articles/00107483 from sent5

Text  : Fundacja Batorego , która zajmuje się nieprawidłowościami w życiu publicznym ,  od dawna zwraca uwagę ,  że politycy nie przykładają się do wypełniania oświadczeń majątkowych .
Tokens: 1_______ 2_______ 3 4____ 5______ 6__ 7__________________ 8 9____ 10________ 11 12 13___ 14____ 15___ 16 17 18______ 19_ 20_________ 21_ 22 23_________ 24________ 25_________ 26

Chunks:
  TruePositive nam [1,2] = Fundacja Batorego

(ChunkerEvaluator) Sentence #3124 from articles/00107483 from sent6

Text  : - Tymczasem ten , kto stanowi prawo lub wydaje decyzje w  ważnych sprawach ,  musi w  przejrzysty sposób informować o  swoich dochodach .
Tokens: 1 2________ 3__ 4 5__ 6______ 7____ 8__ 9_____ 10_____ 11 12_____ 13______ 14 15__ 16 17_________ 18____ 19________ 20 21____ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #3125 from articles/00107483 from sent7

Text  : Z drugiej strony rzetelnie wypełnione oświadczenia mogą czasem uchronić przed oskarżeniami o  nieuczciwe bogacenie się -  apeluje fundacja .
Tokens: 1 2______ 3_____ 4________ 5_________ 6___________ 7___ 8_____ 9_______ 10___ 11__________ 12 13________ 14_______ 15_ 16 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3126 from articles/00107483 from sent8

Text  : Urząd marszałkowski ujawnił właśnie obszerną analizę oświadczeń 33 radnych sejmiku województwa i  ponad stu innych osób :  samego marszałka ,  członków zarządu województwa ,  dyrektorów w  urzędzie oraz szefów samorządowych szpitali ,  teatrów i  innych .
Tokens: 1____ 2____________ 3______ 4______ 5_______ 6______ 7_________ 8_ 9______ 10_____ 11_________ 12 13___ 14_ 15____ 16__ 17 18____ 19_______ 20 21______ 22_____ 23_________ 24 25________ 26 27______ 28__ 29____ 30___________ 31______ 32 33_____ 34 35____ 36

Chunks:

(ChunkerEvaluator) Sentence #3127 from articles/00107483 from sent9

Text  : Oświadczenia za ubiegły rok roją się od błędów , niedopatrzeń ,  a  czasem kuriozalnych wręcz pomyłek .
Tokens: 1___________ 2_ 3______ 4__ 5___ 6__ 7_ 8_____ 9 10__________ 11 12 13____ 14__________ 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #3128 from articles/00107483 from sent10

Text  : Tomasz Pękalski ( PO ) , członek zarządu województwa ,  który do władz regionu przeszedł wprost z  posady szefa lubelskiego NFZ nie zająknął się ani słowem ,  ile zarobił w  Funduszu (  ponad 154 tysiące złotych )  ,  ani też o  podobnych dochodach swojej żony -  lekarki .
Tokens: 1_____ 2_______ 3 4_ 5 6 7______ 8______ 9__________ 10 11___ 12 13___ 14_____ 15_______ 16____ 17 18____ 19___ 20_________ 21_ 22_ 23______ 24_ 25_ 26____ 27 28_ 29_____ 30 31______ 32 33___ 34_ 35_____ 36_____ 37 38 39_ 40_ 41 42_______ 43_______ 44____ 45__ 46 47_____ 48

Chunks:
  TruePositive nam [1,2] = Tomasz Pękalski
  TruePositive nam [4,4] = PO
  TruePositive nam [31,31] = Funduszu
  FalsePositive nam [36,36] = złotych
  FalseNegative nam [21,21] = NFZ

(ChunkerEvaluator) Sentence #3129 from articles/00107483 from sent11

Text  : Musiał złożyć poprawione oświadczenie .
Tokens: 1_____ 2_____ 3_________ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #3130 from articles/00107483 from sent12

Text  : Dyrektor Muzeum Lubelskiego Zygmunt Nasalski w ogóle nie podał ,  gdzie pracuje i  jaką pełni funkcję .
Tokens: 1_______ 2_____ 3__________ 4______ 5_______ 6 7____ 8__ 9____ 10 11___ 12_____ 13 14__ 15___ 16_____ 17

Chunks:
  TruePositive nam [4,5] = Zygmunt Nasalski
  FalsePositive nam [1,3] = Dyrektor Muzeum Lubelskiego
  FalseNegative nam [2,3] = Muzeum Lubelskiego

(ChunkerEvaluator) Sentence #3131 from articles/00107483 from sent13

Text  : Bez tego trudno w ogóle uznać , że powinien wypełniać oświadczenie .
Tokens: 1__ 2___ 3_____ 4 5____ 6____ 7 8_ 9_______ 10_______ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #3132 from articles/00107483 from sent14

Text  : Sześciu wyższym urzędnikom dochody pomyliły się z przychodami .
Tokens: 1______ 2______ 3_________ 4______ 5_______ 6__ 7 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #3133 from articles/00107483 from sent15

Text  : Aż 73 decydentów nie określiło ( albo zrobiło to nieprecyzyjnie )  co należy do ich majątku ,  a  co do wspólnego z  małżonkiem .
Tokens: 1_ 2_ 3_________ 4__ 5________ 6 7___ 8______ 9_ 10____________ 11 12 13____ 14 15_ 16_____ 17 18 19 20 21_______ 22 23________ 24

Chunks:

(ChunkerEvaluator) Sentence #3134 from articles/00107483 from sent16

Text  : 55 w ogóle nie wyjawiło dochodów współmałżonków .
Tokens: 1_ 2 3____ 4__ 5_______ 6_______ 7_____________ 8

Chunks:

(ChunkerEvaluator) Sentence #3135 from articles/00107483 from sent17

Text  : W tej grupie znalazła się obecna zastępczyni prezydenta Lublina Monika Lipińska (  wcześniej kierowała Regionalnym Ośrodkiem Polityki Społecznej ,  jej mąż Artur był wiceprezesem LPEC )  oraz prezes PKS Wschód Teresa Królikowska .
Tokens: 1 2__ 3_____ 4_______ 5__ 6_____ 7__________ 8_________ 9______ 10____ 11______ 12 13_______ 14_______ 15_________ 16_______ 17______ 18________ 19 20_ 21_ 22___ 23_ 24__________ 25__ 26 27__ 28____ 29_ 30____ 31____ 32_________ 33

Chunks:
  TruePositive nam [9,9] = Lublina
  TruePositive nam [10,11] = Monika Lipińska
  TruePositive nam [15,18] = Regionalnym Ośrodkiem Polityki Społecznej
  TruePositive nam [22,22] = Artur
  TruePositive nam [29,30] = PKS Wschód
  TruePositive nam [31,32] = Teresa Królikowska
  FalseNegative nam [25,25] = LPEC

(ChunkerEvaluator) Sentence #3136 from articles/00107483 from sent18

Text  : Dyrektorom często myliły się adresy ich mieszkań oraz domów ,  albo w  ogóle uznawali je za niepotrzebne .
Tokens: 1_________ 2_____ 3_____ 4__ 5_____ 6__ 7_______ 8___ 9____ 10 11__ 12 13___ 14______ 15 16 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #3137 from articles/00107483 from sent19

Text  : „ Nieprawidłowości , które wystąpiły w złożonych oświadczeniach są niewielkie i  jak należy sądzić są wynikiem zbyt lakonicznego podejścia do wypełniania ich przez osoby zobowiązane do składania ”  -  czytamy w  analizie przygotowanej przez prawników urzędu
Tokens: 1 2_______________ 3 4____ 5________ 6 7________ 8_____________ 9_ 10________ 11 12_ 13____ 14____ 15 16______ 17__ 18__________ 19_______ 20 21_________ 22_ 23___ 24___ 25_________ 26 27_______ 28 29 30_____ 31 32______ 33___________ 34___ 35_______ 36____

Chunks:

(ChunkerEvaluator) Sentence #3138 from articles/00107483 from sent20

Text  : Co należy rozumieć jako lakoniczne podejście ?
Tokens: 1_ 2_____ 3_______ 4___ 5_________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #3139 from articles/00107483 from sent21

Text  : Dyrektorzy mają za mało czasu na wypełnianie oświadczeń ?
Tokens: 1_________ 2___ 3_ 4___ 5____ 6_ 7__________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #3140 from articles/00107483 from sent22

Text  : Nudzi ich to ?
Tokens: 1____ 2__ 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #3141 from articles/00107483 from sent23

Text  : A może zwyczajnie sprawę lekceważą ?
Tokens: 1 2___ 3_________ 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #3142 from articles/00107483 from sent24

Text  : Rzeczniczka marszałka Beata Górka wyjaśnia : - Chodzi o brak wystarczającej staranności .
Tokens: 1__________ 2________ 3____ 4____ 5_______ 6 7 8_____ 9 10__ 11____________ 12_________ 13

Chunks:
  TruePositive nam [3,4] = Beata Górka

(ChunkerEvaluator) Sentence #3143 from articles/00107483 from sent25

Text  : Trudno się tu doszukać czegoś innego .
Tokens: 1_____ 2__ 3_ 4_______ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3144 from articles/00107483 from sent26

Text  : Wpadek nie ustrzegli się też wojewódzcy radni .
Tokens: 1_____ 2__ 3________ 4__ 5__ 6_________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #3145 from articles/00107483 from sent27

Text  : 25 miało problemy z podaniem , co należy do ich osobistego majątku .
Tokens: 1_ 2____ 3_______ 4 5_______ 6 7_ 8_____ 9_ 10_ 11________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #3146 from articles/00107483 from sent28

Text  : To m . in . lubelski kurator oświaty Krzysztof Babisz (  PO )  ,  dyrektor wydziału oświaty ratusza Ewa Dumkiewicz -  Sprawka (  PiS )  czy właściciel stoku w  Chrzanowie Piotr Rzetelski (  PSL )  .
Tokens: 1_ 2 3 4_ 5 6_______ 7______ 8______ 9________ 10____ 11 12 13 14 15______ 16______ 17_____ 18_____ 19_ 20________ 21 22_____ 23 24_ 25 26_ 27________ 28___ 29 30________ 31___ 32_______ 33 34_ 35 36

Chunks:
  TruePositive nam [9,10] = Krzysztof Babisz
  TruePositive nam [12,12] = PO
  TruePositive nam [19,22] = Ewa Dumkiewicz - Sprawka
  TruePositive nam [24,24] = PiS
  TruePositive nam [30,30] = Chrzanowie
  TruePositive nam [31,32] = Piotr Rzetelski
  TruePositive nam [34,34] = PSL

(ChunkerEvaluator) Sentence #3147 from articles/00107483 from sent29

Text  : Radny PiS Andrzej Olborski podał wprawdzie swoje dochody , tyle że za jeden miesiąc .
Tokens: 1____ 2__ 3______ 4_______ 5____ 6________ 7____ 8______ 9 10__ 11 12 13___ 14_____ 15

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [3,4] = Andrzej Olborski

(ChunkerEvaluator) Sentence #3148 from articles/00107483 from sent30

Text  : Trochę lepsza była radczyni Platformy , bizneswoman Bożena Lisowska .
Tokens: 1_____ 2_____ 3___ 4_______ 5________ 6 7__________ 8_____ 9_______ 10

Chunks:
  TruePositive nam [5,5] = Platformy
  TruePositive nam [8,9] = Bożena Lisowska

(ChunkerEvaluator) Sentence #3149 from articles/00107483 from sent31

Text  : Wyłuszczyła swoje dochody za cztery miesiące .
Tokens: 1__________ 2____ 3______ 4_ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #3150 from articles/00107483 from sent32

Text  : Pięcioro radnych podało wprawdzie , że ma zaciągnięte kredyty .
Tokens: 1_______ 2______ 3_____ 4________ 5 6_ 7_ 8__________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #3151 from articles/00107483 from sent33

Text  : Ale gdzie wzięli pożyczki , po co dokładnie i w  jakiej wysokości -  o  tym już nie napisali .
Tokens: 1__ 2____ 3_____ 4_______ 5 6_ 7_ 8________ 9 10 11____ 12_______ 13 14 15_ 16_ 17_ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3152 from articles/00107483 from sent34

Text  : Przewodniczący sejmiku poprosił radnych o wyjaśnienie nieprawidłowości w oświadczeniach .
Tokens: 1_____________ 2______ 3_______ 4______ 5 6__________ 7_______________ 8 9_____________ 10

Chunks:

(ChunkerEvaluator) Sentence #3153 from articles/00107483 from sent35

Text  : Podwładni marszałka już się z wszystkiego wytłumaczyli .
Tokens: 1________ 2________ 3__ 4__ 5 6__________ 7___________ 8

Chunks:

2016-10-27 14:59:26,877 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 121 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107484.xml
(ChunkerEvaluator) Sentence #3154 from articles/00107484 from sent1

Text  : Ile dostaje od państwa polski Kościół ?
Tokens: 1__ 2______ 3_ 4______ 5_____ 6______ 7

Chunks:
  TruePositive nam [6,6] = Kościół

(ChunkerEvaluator) Sentence #3155 from articles/00107484 from sent2

Text  : Miliardy złotych .
Tokens: 1_______ 2______ 3

Chunks:
  TruePositive nam [2,2] = złotych

(ChunkerEvaluator) Sentence #3156 from articles/00107484 from sent3

Text  : I chce więcej
Tokens: 1 2___ 3_____

Chunks:

(ChunkerEvaluator) Sentence #3157 from articles/00107484 from sent4

Text  : Janusz Palikot zdobył 10 proc . głosów Polaków m .  in .  hasłem „  opodatkować Kościół ”  .
Tokens: 1_____ 2______ 3_____ 4_ 5___ 6 7_____ 8______ 9 10 11 12 13____ 14 15_________ 16_____ 17 18

Chunks:
  TruePositive nam [1,2] = Janusz Palikot
  TruePositive nam [8,8] = Polaków
  TruePositive nam [16,16] = Kościół

(ChunkerEvaluator) Sentence #3158 from articles/00107484 from sent5

Text  : Kościół odpowiedział : przecież płacimy .
Tokens: 1______ 2___________ 3 4_______ 5______ 6

Chunks:
  TruePositive nam [1,1] = Kościół

(ChunkerEvaluator) Sentence #3159 from articles/00107484 from sent6

Text  : I zaproponował , by - w zamian za likwidację Funduszu Kościelnego -  można było odpisać od podatku 1  proc .  na jego rzecz .
Tokens: 1 2___________ 3 4_ 5 6 7_____ 8_ 9_________ 10______ 11_________ 12 13___ 14__ 15_____ 16 17_____ 18 19__ 20 21 22__ 23___ 24

Chunks:
  TruePositive nam [10,11] = Funduszu Kościelnego

(ChunkerEvaluator) Sentence #3160 from articles/00107484 from sent7

Text  : Tyle , że na takiej zamianie państwo traci .
Tokens: 1___ 2 3_ 4_ 5_____ 6_______ 7______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #3161 from articles/00107484 from sent8

Text  : A Kościół i tak zarabia nieźle .
Tokens: 1 2______ 3 4__ 5______ 6_____ 7

Chunks:
  TruePositive nam [2,2] = Kościół

(ChunkerEvaluator) Sentence #3162 from articles/00107484 from sent9

Text  : Portal money.pl wyliczył , ile pieniędzy dostaje od państwa ,  czyli od podatników .
Tokens: 1_____ 2_______ 3_______ 4 5__ 6________ 7______ 8_ 9______ 10 11___ 12 13________ 14

Chunks:
  TruePositive nam [2,2] = money.pl

(ChunkerEvaluator) Sentence #3163 from articles/00107484 from sent10

Text  : Dotacje z budżetu : 1 , 63 mld zł na katechetów ,  szkoły .  .  .
Tokens: 1______ 2 3______ 4 5 6 7_ 8__ 9_ 10 11________ 12 13____ 14 15 16

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #3164 from articles/00107484 from sent11

Text  : Polski proboszcz zarabia średnio 6 tys . złotych miesięcznie
Tokens: 1_____ 2________ 3______ 4______ 5 6__ 7 8______ 9__________

Chunks:
  TruePositive nam [8,8] = złotych

(ChunkerEvaluator) Sentence #3165 from articles/00107484 from sent12

Text  : Formalnie do Kościoła rzymskokatolickiego należy 33 , 7 mln Polaków ,  czyli prawie 90 proc .  społeczeństwa .
Tokens: 1________ 2_ 3_______ 4__________________ 5_____ 6_ 7 8 9__ 10_____ 11 12___ 13____ 14 15__ 16 17___________ 18

Chunks:
  TruePositive nam [10,10] = Polaków
  FalseNegative nam [3,3] = Kościoła

(ChunkerEvaluator) Sentence #3166 from articles/00107484 from sent13

Text  : Według Instytutu Statystyki Kościoła Katolickiego w mszach świętych regularnie uczestniczy około 40 proc .  wiernych -  13 ,  8  mln Polaków .
Tokens: 1_____ 2________ 3_________ 4_______ 5___________ 6 7_____ 8_______ 9_________ 10_________ 11___ 12 13__ 14 15______ 16 17 18 19 20_ 21_____ 22

Chunks:
  TruePositive nam [2,5] = Instytutu Statystyki Kościoła Katolickiego
  TruePositive nam [21,21] = Polaków

(ChunkerEvaluator) Sentence #3167 from articles/00107484 from sent14

Text  : W ciągu roku 30 tys . księży oraz wikariuszy zbiera od wiernych „  na tacę ”  ponad 1  ,  22 mld zł .
Tokens: 1 2____ 3___ 4_ 5__ 6 7_____ 8___ 9_________ 10____ 11 12______ 13 14 15__ 16 17___ 18 19 20 21_ 22 23

Chunks:
  TruePositive nam [22,22] = zł

(ChunkerEvaluator) Sentence #3168 from articles/00107484 from sent15

Text  : Każda parafia płaci od zebranych datków ryczałtowy podatek , a  ok .  30 proc .  pieniędzy proboszczowie przekazują przełożonym .
Tokens: 1____ 2______ 3____ 4_ 5________ 6_____ 7_________ 8______ 9 10 11 12 13 14__ 15 16_______ 17___________ 18________ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #3169 from articles/00107484 from sent16

Text  : Ale „ taca ” to niejedyne dochody księży .
Tokens: 1__ 2 3___ 4 5_ 6________ 7______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #3170 from articles/00107484 from sent17

Text  : Kapłani Kościoła katolickiego zarabiają na ofiarach na msze święte w  określonej intencji ,  na opłatach za chrzty ,  zapowiedzi ,  śluby ,  pogrzeby ,  a  także za święcenia przedmiotów i  miejsc ,  np .  budynków .
Tokens: 1______ 2_______ 3___________ 4________ 5_ 6_______ 7_ 8___ 9_____ 10 11________ 12______ 13 14 15______ 16 17____ 18 19________ 20 21___ 22 23______ 24 25 26___ 27 28_______ 29_________ 30 31____ 32 33 34 35______ 36

Chunks:
  FalseNegative nam [2,2] = Kościoła

(ChunkerEvaluator) Sentence #3171 from articles/00107484 from sent18

Text  : Ile kosztuje ślub w Kościele katolickim ?
Tokens: 1__ 2_______ 3___ 4 5_______ 6_________ 7

Chunks:
  FalseNegative nam [5,5] = Kościele

(ChunkerEvaluator) Sentence #3172 from articles/00107484 from sent19

Text  : Może być bardzo tani - ok . 50 zł ,  może być bardzo drogi -  aż 2  tys .  zł .
Tokens: 1___ 2__ 3_____ 4___ 5 6_ 7 8_ 9_ 10 11__ 12_ 13____ 14___ 15 16 17 18_ 19 20 21

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [20,20] = zł

(ChunkerEvaluator) Sentence #3173 from articles/00107484 from sent20

Text  : Jeszcze droższe potrafią być pogrzeby , których cena waha się od skromnych 50 aż do 5  tys .  złotych .
Tokens: 1______ 2______ 3_______ 4__ 5_______ 6 7______ 8___ 9___ 10_ 11 12_______ 13 14 15 16 17_ 18 19_____ 20

Chunks:
  TruePositive nam [19,19] = złotych

(ChunkerEvaluator) Sentence #3174 from articles/00107484 from sent21

Text  : Jak te liczby przekładają się na dochody samych księży ?
Tokens: 1__ 2_ 3_____ 4__________ 5__ 6_ 7______ 8_____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #3175 from articles/00107484 from sent22

Text  : Według cytowanych przez Money.pl szacunkowych danych Sedlak oraz Fundacji FOR polski proboszcz zarabia średnio 6  tys .  zł ,  a  wikariusz -  ponad 2  ,  2  tys .  zł miesięcznie .
Tokens: 1_____ 2_________ 3____ 4_______ 5___________ 6_____ 7_____ 8___ 9_______ 10_ 11____ 12_______ 13_____ 14_____ 15 16_ 17 18 19 20 21_______ 22 23___ 24 25 26 27_ 28 29 30_________ 31

Chunks:
  TruePositive nam [4,4] = Money.pl
  TruePositive nam [7,7] = Sedlak
  TruePositive nam [9,10] = Fundacji FOR
  TruePositive nam [18,18] = zł
  TruePositive nam [29,29] = zł

(ChunkerEvaluator) Sentence #3176 from articles/00107484 from sent23

Text  : Unia szczodrze wspiera kościoły i związki wyznaniowe
Tokens: 1___ 2________ 3______ 4_______ 5 6______ 7_________

Chunks:
  FalseNegative nam [1,1] = Unia

(ChunkerEvaluator) Sentence #3177 from articles/00107484 from sent24

Text  : W chwili wejścia Polski do Unii Europejskiej przed działającymi w  Polsce kościołami i  związkami wyznaniowymi otworzyła się unijna żyła złota .
Tokens: 1 2_____ 3______ 4_____ 5_ 6___ 7___________ 8____ 9___________ 10 11____ 12________ 13 14_______ 15__________ 16_______ 17_ 18____ 19__ 20___ 21

Chunks:
  TruePositive nam [4,4] = Polski
  TruePositive nam [6,7] = Unii Europejskiej
  TruePositive nam [11,11] = Polsce

(ChunkerEvaluator) Sentence #3178 from articles/00107484 from sent25

Text  : W ramach programu operacyjnego Kapitał Ludzki oraz w ramach programów regionalnych UE wsparła realizowane przez organizacje religijne inwestycje o  wartości ponad miliarda zł .
Tokens: 1 2_____ 3_______ 4___________ 5______ 6_____ 7___ 8 9_____ 10_______ 11__________ 12 13_____ 14_________ 15___ 16_________ 17_______ 18________ 19 20______ 21___ 22______ 23 24

Chunks:
  TruePositive nam [5,6] = Kapitał Ludzki
  TruePositive nam [12,12] = UE
  TruePositive nam [23,23] = zł

(ChunkerEvaluator) Sentence #3179 from articles/00107484 from sent26

Text  : Bruksela dołożyła do nich 750 mln , z czego 700 mln złotych dostał Kościół katolicki .
Tokens: 1_______ 2_______ 3_ 4___ 5__ 6__ 7 8 9____ 10_ 11_ 12_____ 13____ 14_____ 15_______ 16

Chunks:
  TruePositive nam [1,1] = Bruksela
  TruePositive nam [12,12] = złotych
  TruePositive nam [14,14] = Kościół

(ChunkerEvaluator) Sentence #3180 from articles/00107484 from sent27

Text  : Na co idą unijne pieniądze ?
Tokens: 1_ 2_ 3__ 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #3181 from articles/00107484 from sent28

Text  : Na pożyteczne cele - „ remonty , renowacje , przebudowy i  modernizacje kościołów i  innych obiektów sakralnych ”  -  pisze Money.pl .  A  także na dopłaty do uprawianej ziemi będącej własnością Kościoła .
Tokens: 1_ 2_________ 3___ 4 5 6______ 7 8________ 9 10________ 11 12__________ 13_______ 14 15____ 16______ 17________ 18 19 20___ 21______ 22 23 24___ 25 26_____ 27 28________ 29___ 30_____ 31________ 32______ 33

Chunks:
  TruePositive nam [21,21] = Money.pl
  TruePositive nam [32,32] = Kościoła

(ChunkerEvaluator) Sentence #3182 from articles/00107484 from sent29

Text  : Podatki , a raczej ulgi i zwolnienia . . .
Tokens: 1______ 2 3 4_____ 5___ 6 7_________ 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #3183 from articles/00107484 from sent30

Text  : Księża płacą kwartalny podatek zryczałtowany - od 384 do 1374 zł .
Tokens: 1_____ 2____ 3________ 4______ 5____________ 6 7_ 8__ 9_ 10__ 11 12

Chunks:
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #3184 from articles/00107484 from sent31

Text  : Nie muszą go płacić zakonnicy , biskupi , arcybiskupi i  kardynałowie .
Tokens: 1__ 2____ 3_ 4_____ 5________ 6 7______ 8 9__________ 10 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #3185 from articles/00107484 from sent32

Text  : Księża mogą od tego podatku odliczyć kwotę dobrowolnego ubezpieczenia zdrowotnego .
Tokens: 1_____ 2___ 3_ 4___ 5______ 6_______ 7____ 8___________ 9____________ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #3186 from articles/00107484 from sent33

Text  : Rocznie suma tego zryczałtowanego podatku , jaką polskie państwo otrzymuje od księży ,  to 63 mln zł .
Tokens: 1______ 2___ 3___ 4______________ 5______ 6 7___ 8______ 9______ 10_______ 11 12____ 13 14 15 16_ 17 18

Chunks:
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #3187 from articles/00107484 from sent34

Text  : Jak wyliczyło Money.pl , gdyby księża tak , jak zwykli obywatele ,  płacili podatek według stawek PIT ,  dochody skarbu państwa wzrosły by do 233 mln zł .
Tokens: 1__ 2________ 3_______ 4 5____ 6_____ 7__ 8 9__ 10____ 11_______ 12 13_____ 14_____ 15____ 16____ 17_ 18 19_____ 20____ 21_____ 22_____ 23 24 25_ 26_ 27 28

Chunks:
  TruePositive nam [3,3] = Money.pl
  TruePositive nam [17,17] = PIT
  TruePositive nam [27,27] = zł

(ChunkerEvaluator) Sentence #3188 from articles/00107484 from sent35

Text  : „ Państwo ( . . . ) de facto funduje Kościołowi ulgę podatkową w  wysokości 170 mln zł .  rocznie ”  -  podsumowuje Money.pl .
Tokens: 1 2______ 3 4 5 6 7 8_ 9____ 10_____ 11________ 12__ 13_______ 14 15_______ 16_ 17_ 18 19 20_____ 21 22 23_________ 24______ 25

Chunks:
  TruePositive nam [11,11] = Kościołowi
  TruePositive nam [24,24] = Money.pl
  FalsePositive nam [18,18] = zł
  FalseNegative nam [18,19] = zł .

(ChunkerEvaluator) Sentence #3189 from articles/00107484 from sent36

Text  : Kolejne pole oszczędności , z którego korzysta Kościół , to wspomniane składki zdrowotne i  emerytury .
Tokens: 1______ 2___ 3___________ 4 5 6______ 7_______ 8______ 9 10 11________ 12_____ 13_______ 14 15_______ 16

Chunks:
  TruePositive nam [8,8] = Kościół

(ChunkerEvaluator) Sentence #3190 from articles/00107484 from sent37

Text  : Na ZUS księża płacą sami .
Tokens: 1_ 2__ 3_____ 4____ 5___ 6

Chunks:
  TruePositive nam [2,2] = ZUS

(ChunkerEvaluator) Sentence #3191 from articles/00107484 from sent38

Text  : Za to 40 proc . duchownych opłacających dobrowolną składkę zdrowotną w  NFZ korzysta z  całkowitego lub częściowego dofinansowania na ten cel z  Funduszu Kościelnego .
Tokens: 1_ 2_ 3_ 4___ 5 6_________ 7___________ 8_________ 9______ 10_______ 11 12_ 13______ 14 15_________ 16_ 17_________ 18____________ 19 20_ 21_ 22 23______ 24_________ 25

Chunks:
  TruePositive nam [12,12] = NFZ
  TruePositive nam [23,24] = Funduszu Kościelnego

(ChunkerEvaluator) Sentence #3192 from articles/00107484 from sent39

Text  : Wyasygnowana z budżetu państwa na obsługę Funduszu kwota sięgnie w  tym roku 94 mln zł -  na składki oraz remonty kościołów i  zakonów .
Tokens: 1___________ 2 3______ 4______ 5_ 6______ 7_______ 8____ 9______ 10 11_ 12__ 13 14_ 15 16 17 18_____ 19__ 20_____ 21_______ 22 23_____ 24

Chunks:
  TruePositive nam [15,15] = zł
  FalseNegative nam [7,7] = Funduszu

(ChunkerEvaluator) Sentence #3193 from articles/00107484 from sent40

Text  : „ Gdyby każdy z 30 tys . księży samodzielnie płacił składkę do NFZ i  ZUS ,  państwo oszczędziło by 224 mln zł ”  -  wyliczyli analitycy Money.pl .
Tokens: 1 2____ 3____ 4 5_ 6__ 7 8_____ 9___________ 10____ 11_____ 12 13_ 14 15_ 16 17_____ 18_________ 19 20_ 21_ 22 23 24 25_______ 26_______ 27______ 28

Chunks:
  TruePositive nam [13,13] = NFZ
  TruePositive nam [15,15] = ZUS
  TruePositive nam [22,22] = zł
  TruePositive nam [27,27] = Money.pl

(ChunkerEvaluator) Sentence #3194 from articles/00107484 from sent41

Text  : 2 mld zł ulg dla Kościoła ?
Tokens: 1 2__ 3_ 4__ 5__ 6_______ 7

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [6,6] = Kościoła

(ChunkerEvaluator) Sentence #3195 from articles/00107484 from sent42

Text  : Plus hojna Komisja Majątkowa
Tokens: 1___ 2____ 3______ 4________

Chunks:
  TruePositive nam [3,4] = Komisja Majątkowa

(ChunkerEvaluator) Sentence #3196 from articles/00107484 from sent43

Text  : Zarejestrowane w Polsce kościoły , a raczej reprezentujące je w  kwestiach finansowych osoby prawne ,  są zwolnione z  podatków lokalnych ,  podatków od nieruchomości ,  czynności cywilnoprawnych ,  spadków i  darowizn .
Tokens: 1_____________ 2 3_____ 4_______ 5 6 7_____ 8_____________ 9_ 10 11_______ 12_________ 13___ 14____ 15 16 17_______ 18 19______ 20_______ 21 22______ 23 24___________ 25 26_______ 27_____________ 28 29_____ 30 31______ 32

Chunks:
  TruePositive nam [3,3] = Polsce

(ChunkerEvaluator) Sentence #3197 from articles/00107484 from sent44

Text  : Księża są też zwolnieni są z opłat celnych .
Tokens: 1_____ 2_ 3__ 4________ 5_ 6 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #3198 from articles/00107484 from sent45

Text  : Na wszelkich tych zwolnieniach „ państwo traci rocznie około 1  ,  5  mld zł ”  -  pisze Money.pl .  W  połączeniu z  ulgami podatkowymi daje to łącznie kolejne prawie 2  mld zł ,  które zostają w  Kościele ,  zamiast w  budżecie państwa .
Tokens: 1_ 2________ 3___ 4___________ 5 6______ 7____ 8______ 9____ 10 11 12 13_ 14 15 16 17___ 18______ 19 20 21________ 22 23____ 24_________ 25__ 26 27_____ 28_____ 29____ 30 31_ 32 33 34___ 35_____ 36 37______ 38 39_____ 40 41______ 42_____ 43

Chunks:
  TruePositive nam [14,14] = zł
  TruePositive nam [18,18] = Money.pl
  TruePositive nam [32,32] = zł
  TruePositive nam [37,37] = Kościele

(ChunkerEvaluator) Sentence #3199 from articles/00107484 from sent46

Text  : To jednak nie koniec .
Tokens: 1_ 2_____ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #3200 from articles/00107484 from sent47

Text  : Kościół potrafił też skutecznie zadbać o swoją dawną własność ,  naruszoną przez władzę PRL .
Tokens: 1______ 2_______ 3__ 4_________ 5_____ 6 7____ 8____ 9_______ 10 11_______ 12___ 13____ 14_ 15

Chunks:
  TruePositive nam [14,14] = PRL
  FalseNegative nam [1,1] = Kościół

(ChunkerEvaluator) Sentence #3201 from articles/00107484 from sent48

Text  : W ciągu ostatnich 20 lat Komisja Majątkowa przekazała Kościołowi majątek o  wartości około 5  mld .  zł .
Tokens: 1 2____ 3________ 4_ 5__ 6______ 7________ 8_________ 9_________ 10_____ 11 12______ 13___ 14 15_ 16 17 18

Chunks:
  TruePositive nam [6,7] = Komisja Majątkowa
  TruePositive nam [9,9] = Kościołowi
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #3202 from articles/00107484 from sent49

Text  : Do tego doszły rekompensaty i odszkodowania - 143 , 5  mln zł .
Tokens: 1_ 2___ 3_____ 4___________ 5 6____________ 7 8__ 9 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #3203 from articles/00107484 from sent50

Text  : A jeszcze wcześniej , po 1989 r . , jako zadośćuczynienie za prześladowania w  latach 40 .  i  50 .  organizacje religijne otrzymały nieruchomości o  powierzchni ponad 150 tys .  ha .
Tokens: 1 2______ 3________ 4 5_ 6___ 7 8 9 10__ 11______________ 12 13____________ 14 15____ 16 17 18 19 20 21_________ 22_______ 23_______ 24___________ 25 26_________ 27___ 28_ 29_ 30 31 32

Chunks:

(ChunkerEvaluator) Sentence #3204 from articles/00107484 from sent51

Text  : Kościół proponuje państwu , żeby płaciło mu jeszcze więcej ?
Tokens: 1______ 2________ 3______ 4 5___ 6______ 7_ 8______ 9_____ 10

Chunks:
  FalseNegative nam [1,1] = Kościół

(ChunkerEvaluator) Sentence #3205 from articles/00107484 from sent52

Text  : Co na to politycy największych partii w kraju ?
Tokens: 1_ 2_ 3_ 4_______ 5___________ 6_____ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #3206 from articles/00107484 from sent53

Text  : PO najchętniej nie zmieniała by w obecnym prawie regulującym działalność kościołów w  Polsce nic .
Tokens: 1_ 2__________ 3__ 4________ 5_ 6 7______ 8_____ 9__________ 10_________ 11_______ 12 13____ 14_ 15

Chunks:
  TruePositive nam [13,13] = Polsce
  FalseNegative nam [1,1] = PO

(ChunkerEvaluator) Sentence #3207 from articles/00107484 from sent54

Text  : PiS jest za propozycją Episkopatu .
Tokens: 1__ 2___ 3_ 4_________ 5_________ 6

Chunks:
  TruePositive nam [1,1] = PiS
  TruePositive nam [5,5] = Episkopatu

(ChunkerEvaluator) Sentence #3208 from articles/00107484 from sent55

Text  : Jakie to będzie mieć skutki dla budżetu państwa ?
Tokens: 1____ 2_ 3_____ 4___ 5_____ 6__ 7______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #3209 from articles/00107484 from sent56

Text  : Money.pl policzyło : gdyby tylko połowa Polaków regularnie uczęszczających na msze święte zdecydowała się w  tym roku skorzystać z  proponowanej możliwości odpisania 1  proc .  podatku właśnie na Kościół katolicki ,  do kościelnej kasy zamiast 94 mln zł z  Funduszu Kościelnego mogło by wpłynąć dwa ,  a  w  najkorzystniejszym wariancie trzy razy więcej
Tokens: 1_______ 2________ 3 4____ 5____ 6_____ 7______ 8_________ 9______________ 10 11__ 12____ 13_________ 14_ 15 16_ 17__ 18________ 19 20__________ 21________ 22_______ 23 24__ 25 26_____ 27_____ 28 29_____ 30_______ 31 32 33________ 34__ 35_____ 36 37_ 38 39 40______ 41_________ 42___ 43 44_____ 45_ 46 47 48 49________________ 50_______ 51__ 52__ 53____

Chunks:
  TruePositive nam [1,1] = Money.pl
  TruePositive nam [7,7] = Polaków
  TruePositive nam [29,29] = Kościół
  TruePositive nam [38,38] = zł
  TruePositive nam [40,41] = Funduszu Kościelnego

(ChunkerEvaluator) Sentence #3210 from articles/00107484 from sent57

Text  : „ Gazeta Wyborcza ” idzie jeszcze dalej i podkreśla ,  że biskupi najprawdopodobniej nie chcą robić konkurencji organizacjom pożytku publicznego ,  na rzecz których podatnicy mogą odpisywać 1  proc .
Tokens: 1 2_____ 3_______ 4 5____ 6______ 7____ 8 9________ 10 11 12_____ 13________________ 14_ 15__ 16___ 17_________ 18__________ 19_____ 20_________ 21 22 23___ 24_____ 25_______ 26__ 27_______ 28 29__ 30

Chunks:
  TruePositive nam [2,3] = Gazeta Wyborcza

(ChunkerEvaluator) Sentence #3211 from articles/00107484 from sent58

Text  : Episkopat chce , by do dyspozycji obywateli był kolejny 1  proc .
Tokens: 1________ 2___ 3 4_ 5_ 6_________ 7________ 8__ 9______ 10 11__ 12

Chunks:
  TruePositive nam [1,1] = Episkopat

(ChunkerEvaluator) Sentence #3212 from articles/00107484 from sent59

Text  : A to oznacza , że państwo płaciło by na kościoły jeszcze więcej ,  niż płaci dziś .
Tokens: 1 2_ 3______ 4 5_ 6______ 7______ 8_ 9_ 10______ 11_____ 12____ 13 14_ 15___ 16__ 17

Chunks:

2016-10-27 14:59:27,168 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 122 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107485.xml
(ChunkerEvaluator) Sentence #3213 from articles/00107485 from sent1

Text  : Mamy jedną z najlepszych informacji turystycznych w kraju
Tokens: 1___ 2____ 3 4__________ 5_________ 6____________ 7 8____

Chunks:

(ChunkerEvaluator) Sentence #3214 from articles/00107485 from sent2

Text  : Miejska Informacja Turystyczna w Opolu zajęła trzecie miejsce w ogólnopolskim konkursie .
Tokens: 1______ 2_________ 3__________ 4 5____ 6_____ 7______ 8______ 9 10___________ 11_______ 12

Chunks:
  TruePositive nam [5,5] = Opolu
  FalsePositive nam [2,3] = Informacja Turystyczna
  FalseNegative nam [1,3] = Miejska Informacja Turystyczna

(ChunkerEvaluator) Sentence #3215 from articles/00107485 from sent3

Text  : Startowała w gronie najlepszych czterogwiazdkowych informacji
Tokens: 1_________ 2 3_____ 4__________ 5_________________ 6_________

Chunks:

(ChunkerEvaluator) Sentence #3216 from articles/00107485 from sent4

Text  : Nagrody wręczano dzisiaj na targach turystycznych w Poznaniu .
Tokens: 1______ 2_______ 3______ 4_ 5______ 6____________ 7 8_______ 9

Chunks:
  TruePositive nam [8,8] = Poznaniu

(ChunkerEvaluator) Sentence #3217 from articles/00107485 from sent5

Text  : Konkurs zorganizowała Polska Organizacja Turystyczna .
Tokens: 1______ 2____________ 3_____ 4__________ 5__________ 6

Chunks:
  TruePositive nam [3,5] = Polska Organizacja Turystyczna

(ChunkerEvaluator) Sentence #3218 from articles/00107485 from sent6

Text  : Opole startowało w gronie najlepszych informacji turystycznych .
Tokens: 1____ 2_________ 3 4_____ 5__________ 6_________ 7____________ 8

Chunks:
  TruePositive nam [1,1] = Opole

(ChunkerEvaluator) Sentence #3219 from articles/00107485 from sent7

Text  : - Wcześniej otrzymali śmy już certyfikat organizacji turystycznych nadający naszej informacji cztery gwiazdki ,  czy najwyższą ocenę .
Tokens: 1 2________ 3________ 4__ 5__ 6_________ 7__________ 8____________ 9_______ 10____ 11________ 12____ 13______ 14 15_ 16_______ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #3220 from articles/00107485 from sent8

Text  : Brane pod uwagę przy tym jest wiele aspektów , jak dostępność ,  jakość obsługi czy znajomość języków .
Tokens: 1____ 2__ 3____ 4___ 5__ 6___ 7____ 8_______ 9 10_ 11________ 12 13____ 14_____ 15_ 16_______ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #3221 from articles/00107485 from sent9

Text  : Dzięki wysokiej ocenie znaleźli śmy się w gronie najlepszych takich informacji w  kraju i  z  nimi rywalizowali śmy -  mówi Maciej Wujec ,  naczelnik wydziału gospodarki i  promocji miasta w  opolskim ratuszu .
Tokens: 1_____ 2_______ 3_____ 4_______ 5__ 6__ 7 8_____ 9__________ 10____ 11________ 12 13___ 14 15 16__ 17__________ 18_ 19 20__ 21____ 22___ 23 24_______ 25______ 26________ 27 28______ 29____ 30 31______ 32_____ 33

Chunks:
  TruePositive nam [21,22] = Maciej Wujec

(ChunkerEvaluator) Sentence #3222 from articles/00107485 from sent10

Text  : Podczas ogłaszanych dzisiaj wyników okazało się , że zajęli śmy trzecie miejsce .
Tokens: 1______ 2__________ 3______ 4______ 5______ 6__ 7 8_ 9_____ 10_ 11_____ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #3223 from articles/00107485 from sent11

Text  : Wyprzedziły nas tylko informacje z Kielc i Krakowa .
Tokens: 1__________ 2__ 3____ 4_________ 5 6____ 7 8______ 9

Chunks:
  TruePositive nam [6,6] = Kielc
  TruePositive nam [8,8] = Krakowa

(ChunkerEvaluator) Sentence #3224 from articles/00107485 from sent12

Text  : - To bardzo prestiżowe wyróżnienie , ale również mobilizacja ,  by nadal utrzymywać tak wysoki poziom -  przyznaje naczelnik .
Tokens: 1 2_ 3_____ 4_________ 5__________ 6 7__ 8______ 9__________ 10 11 12___ 13________ 14_ 15____ 16____ 17 18_______ 19_______ 20

Chunks:

2016-10-27 14:59:27,217 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 123 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107486.xml
(ChunkerEvaluator) Sentence #3225 from articles/00107486 from sent1

Text  : Nielegalne stragany zalały Targową .
Tokens: 1_________ 2_______ 3_____ 4______ 5

Chunks:
  TruePositive nam [4,4] = Targową

(ChunkerEvaluator) Sentence #3226 from articles/00107486 from sent2

Text  : Nie da się przejść
Tokens: 1__ 2_ 3__ 4______

Chunks:

(ChunkerEvaluator) Sentence #3227 from articles/00107486 from sent3

Text  : Zamknięta ul . Targowa to raj dla nielegalnych handlarzy ,  którzy błyskawicznie opanowali szlak wyznaczony przez środek dawnego skrzyżowania .
Tokens: 1________ 2_ 3 4______ 5_ 6__ 7__ 8___________ 9________ 10 11____ 12___________ 13_______ 14___ 15________ 16___ 17____ 18_____ 19__________ 20

Chunks:
  TruePositive nam [4,4] = Targowa

(ChunkerEvaluator) Sentence #3228 from articles/00107486 from sent4

Text  : Ich stragany zwęziły go o połowę .
Tokens: 1__ 2_______ 3______ 4_ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3229 from articles/00107486 from sent5

Text  : Różnojęzyczna grupa żyjąca z handlu ulicznego to chyba jedyna ,  która cieszy się z  zamieszania i  zmian towarzyszących zamknięciu sporej części niezwykle ruchliwego skrzyżowania .
Tokens: 1____________ 2____ 3_____ 4 5_____ 6________ 7_ 8____ 9_____ 10 11___ 12____ 13_ 14 15_________ 16 17___ 18____________ 19________ 20____ 21____ 22_______ 23________ 24__________ 25

Chunks:

(ChunkerEvaluator) Sentence #3230 from articles/00107486 from sent6

Text  : Służy im też zwarta ludzka rzeka płynąca szlakiem komunikacyjnym w  poprzek dawnego skrzyżowania z  jednej strony ograniczonego zielonym płotem ,  a  z  drugiej betonowymi barierami .
Tokens: 1____ 2_ 3__ 4_____ 5_____ 6____ 7______ 8_______ 9_____________ 10 11_____ 12_____ 13__________ 14 15____ 16____ 17___________ 18______ 19____ 20 21 22 23_____ 24________ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #3231 from articles/00107486 from sent7

Text  : Dla handlowca to wymarzona sytuacja , bo tłum ewentualnych klientów nie rozbija się już na wiele ścieżek -  w  kierunku poczty i  do przejścia podziemnego ,  lecz idzie prosto „  w  sidła ”  zastawione na szlaku .
Tokens: 1__ 2________ 3_ 4________ 5_______ 6 7_ 8___ 9___________ 10______ 11_ 12_____ 13_ 14_ 15 16___ 17_____ 18 19 20______ 21____ 22 23 24_______ 25_________ 26 27__ 28___ 29____ 30 31 32___ 33 34________ 35 36____ 37

Chunks:

(ChunkerEvaluator) Sentence #3232 from articles/00107486 from sent8

Text  : Handlarze czują się tu swobodnie - zielony płot wygradzający budowę służy im za witrynę ekspozycyjną -  zwieszają się na nim girlandy apaszek i  szalików .
Tokens: 1________ 2____ 3__ 4_ 5________ 6 7______ 8___ 9___________ 10____ 11___ 12 13 14_____ 15__________ 16 17_______ 18_ 19 20_ 21______ 22_____ 23 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #3233 from articles/00107486 from sent9

Text  : Obok wózek na kółkach najeżony damskimi nogami z plastiku -  to z  kolei ekspozycja mobilnego straganu z  rajstopami i  rajtuzami .
Tokens: 1___ 2____ 3_ 4______ 5_______ 6_______ 7_____ 8 9_______ 10 11 12 13___ 14________ 15_______ 16______ 17 18________ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #3234 from articles/00107486 from sent10

Text  : Stół z ceratą rozłożyła kobieta sprzedająca słodycze .
Tokens: 1___ 2 3_____ 4________ 5______ 6__________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #3235 from articles/00107486 from sent11

Text  : Po drugiej stronie betonowe bariery przydały się do wyeksponowania asortymentu różnokolorowych sznurówek ,  filcowych wkładek do obuwia ,  skarpetek ,  torebek itp .
Tokens: 1_ 2______ 3______ 4_______ 5______ 6_______ 7__ 8_ 9_____________ 10_________ 11_____________ 12_______ 13 14_______ 15_____ 16 17____ 18 19_______ 20 21_____ 22_ 23

Chunks:

(ChunkerEvaluator) Sentence #3236 from articles/00107486 from sent12

Text  : „ Wyprz .
Tokens: 1 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #3237 from articles/00107486 from sent13

Text  : Lakier do paznokci 1 zł ” - zachęca ręcznie malowana tektura na sąsiednim stoisku .
Tokens: 1_____ 2_ 3_______ 4 5_ 6 7 8______ 9______ 10______ 11_____ 12 13_______ 14_____ 15

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #3238 from articles/00107486 from sent14

Text  : Ta improwizowana aleja handlowa ciągnie się aż po tradycyjne miejsce nielegalnego handlu obok przystanków autobusowych przy Dworcu Wileńskim .
Tokens: 1_ 2____________ 3____ 4_______ 5______ 6__ 7_ 8_ 9_________ 10_____ 11__________ 12____ 13__ 14_________ 15__________ 16__ 17____ 18_______ 19

Chunks:
  TruePositive nam [17,18] = Dworcu Wileńskim

(ChunkerEvaluator) Sentence #3239 from articles/00107486 from sent15

Text  : Handluje tu mieszane towarzystwo - Polacy i obcokrajowcy , którzy kiedyś masowo handlowali na bazarze przy dworcu PKS Stadion .
Tokens: 1_______ 2_ 3_______ 4__________ 5 6_____ 7 8___________ 9 10____ 11____ 12____ 13________ 14 15_____ 16__ 17____ 18_ 19_____ 20

Chunks:
  TruePositive nam [6,6] = Polacy
  FalsePositive nam [18,19] = PKS Stadion
  FalseNegative nam [18,18] = PKS
  FalseNegative nam [19,19] = Stadion

(ChunkerEvaluator) Sentence #3240 from articles/00107486 from sent16

Text  : Targowisko zwane „ Bułgarowem ” po likwidacji tego bazaru przeniosło się na chodnik obok przystanków komunikacji przy Dworcu Wileńskim .
Tokens: 1_________ 2____ 3 4_________ 5 6_ 7_________ 8___ 9_____ 10________ 11_ 12 13_____ 14__ 15_________ 16_________ 17__ 18____ 19_______ 20

Chunks:
  TruePositive nam [18,19] = Dworcu Wileńskim
  FalseNegative nam [4,4] = Bułgarowem

(ChunkerEvaluator) Sentence #3241 from articles/00107486 from sent17

Text  : Każdego popołudnia stoły i ceraty blokują chodnik .
Tokens: 1______ 2_________ 3____ 4 5_____ 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #3242 from articles/00107486 from sent18

Text  : Władze miasta są bezradne , a od poniedziałku uciążliwość tego handlu znacznie wzrosła .
Tokens: 1_____ 2_____ 3_ 4_______ 5 6 7_ 8___________ 9__________ 10__ 11____ 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #3243 from articles/00107486 from sent19

Text  : Mobilne stragany w przejściu między cerkwią a Dworcem zwężają o  połowę i  tak niewygodne przejście .
Tokens: 1______ 2_______ 3 4________ 5_____ 6______ 7 8______ 9______ 10 11____ 12 13_ 14________ 15_______ 16

Chunks:
  TruePositive nam [8,8] = Dworcem

(ChunkerEvaluator) Sentence #3244 from articles/00107486 from sent20

Text  : Ludzie - zwłaszcza popołudniową porą - tłoczą się niemiłosiernie .
Tokens: 1_____ 2 3________ 4___________ 5___ 6 7_____ 8__ 9_____________ 10

Chunks:

(ChunkerEvaluator) Sentence #3245 from articles/00107486 from sent21

Text  : A gdzie jest straż miejska ?
Tokens: 1 2____ 3___ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #3246 from articles/00107486 from sent22

Text  : W środę nie zauważyli śmy tam ani jednego funkcjonariusza .
Tokens: 1 2____ 3__ 4________ 5__ 6__ 7__ 8______ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #3247 from articles/00107486 from sent23

Text  : - Nasze patrole tam są - twierdzi jednak Monika Niżniak ,  rzeczniczka straży .
Tokens: 1 2____ 3______ 4__ 5_ 6 7_______ 8_____ 9_____ 10_____ 11 12_________ 13____ 14

Chunks:
  TruePositive nam [9,10] = Monika Niżniak

(ChunkerEvaluator) Sentence #3248 from articles/00107486 from sent24

Text  : To słaby argument , bo stoiska handlarzy umajone girlandami z  szali wyglądały tak ,  jakby od kilku godzin działały bez przeszkód .
Tokens: 1_ 2____ 3_______ 4 5_ 6______ 7________ 8______ 9_________ 10 11___ 12_______ 13_ 14 15___ 16 17___ 18____ 19______ 20_ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #3249 from articles/00107486 from sent25

Text  : Pani rzecznik argumentuje też , że od początku roku w  okolicy Dworca Wileńskiego nałożono już 1  ,  2  tys .  mandatów i  „  zabezpieczono ”  -  czyli wywieziono do miejskiego magazynu -  około 200 stoisk .
Tokens: 1___ 2_______ 3__________ 4__ 5 6_ 7_ 8_______ 9___ 10 11_____ 12____ 13_________ 14______ 15_ 16 17 18 19_ 20 21______ 22 23 24___________ 25 26 27___ 28________ 29 30________ 31______ 32 33___ 34_ 35____ 36

Chunks:
  TruePositive nam [12,13] = Dworca Wileńskiego

(ChunkerEvaluator) Sentence #3250 from articles/00107486 from sent26

Text  : Po południu handlujący wokół zamkniętego skrzyżowania zniknęli , kiedy pojawiła się tam straż miejska .
Tokens: 1_ 2_______ 3_________ 4____ 5__________ 6___________ 7_______ 8 9____ 10______ 11_ 12_ 13___ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #3251 from articles/00107486 from sent27

Text  : Monika Niżniak poinformowała , że zapadła decyzja o bliskiej współpracy z  policją .
Tokens: 1_____ 2______ 3____________ 4 5_ 6______ 7______ 8 9_______ 10________ 11 12_____ 13

Chunks:
  TruePositive nam [1,2] = Monika Niżniak

(ChunkerEvaluator) Sentence #3252 from articles/00107486 from sent28

Text  : - Obie służby będą starać się nie dopuścić nawet do próby rozkładania towaru -  zapowiedziała .
Tokens: 1 2___ 3_____ 4___ 5_____ 6__ 7__ 8_______ 9____ 10 11___ 12_________ 13____ 14 15___________ 16

Chunks:

2016-10-27 14:59:27,350 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 124 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107487.xml
(ChunkerEvaluator) Sentence #3253 from articles/00107487 from sent1

Text  : Teleskop : do wiosny decyzja w sprawie Szczecina
Tokens: 1_______ 2 3_ 4_____ 5______ 6 7______ 8________

Chunks:
  TruePositive nam [8,8] = Szczecina
  FalseNegative nam [1,1] = Teleskop

(ChunkerEvaluator) Sentence #3254 from articles/00107487 from sent2

Text  : - Do wiosny 2012 roku musimy zdecydować , czy zainwestujemy w  Szczecinie -  powiedział „  Gazecie ”  Reiner Maas ,  prezes i  właściciel firmy Teleskop ,  która chce na Skolwinie zatrudnić tysiąc osób .
Tokens: 1 2_ 3_____ 4___ 5___ 6_____ 7_________ 8 9__ 10___________ 11 12________ 13 14________ 15 16_____ 17 18____ 19__ 20 21____ 22 23________ 24___ 25______ 26 27___ 28__ 29 30_______ 31_______ 32____ 33__ 34

Chunks:
  TruePositive nam [12,12] = Szczecinie
  TruePositive nam [16,16] = Gazecie
  TruePositive nam [18,19] = Reiner Maas
  TruePositive nam [25,25] = Teleskop
  FalseNegative nam [30,30] = Skolwinie

(ChunkerEvaluator) Sentence #3255 from articles/00107487 from sent3

Text  : Maas zapewnia , że Szczecin to najlepsze miejsce , ale będzie musiał zmienić decyzję ,  jeśli procedury związane z  kupnem działki nad Odrą będą się przeciągać .
Tokens: 1___ 2_______ 3 4_ 5_______ 6_ 7________ 8______ 9 10_ 11____ 12____ 13_____ 14_____ 15 16___ 17_______ 18______ 19 20____ 21_____ 22_ 23__ 24__ 25_ 26________ 27

Chunks:
  TruePositive nam [5,5] = Szczecin
  TruePositive nam [23,23] = Odrą
  FalseNegative nam [1,1] = Maas

(ChunkerEvaluator) Sentence #3256 from articles/00107487 from sent4

Text  : - Wciąż czekamy na kluczowe dla tej inwestycji geologiczne dane dotyczące działki -  mówił „  Gazecie ”  Maas ,  który w  środę gościł szczecińskich dziennikarzy w  swojej firmie w  Kostrzynie nad Odrą .
Tokens: 1 2____ 3______ 4_ 5_______ 6__ 7__ 8_________ 9__________ 10__ 11_______ 12_____ 13 14___ 15 16_____ 17 18__ 19 20___ 21 22___ 23____ 24___________ 25__________ 26 27____ 28____ 29 30________ 31_ 32__ 33

Chunks:
  TruePositive nam [16,16] = Gazecie
  FalsePositive nam [30,30] = Kostrzynie
  FalsePositive nam [32,32] = Odrą
  FalseNegative nam [18,18] = Maas
  FalseNegative nam [30,32] = Kostrzynie nad Odrą

(ChunkerEvaluator) Sentence #3257 from articles/00107487 from sent5

Text  : Teleskop chce zbudować w Szczecinie fabrykę , która będzie wytwarzać potężne dźwigi do budowy na morzu farm wiatrowych .
Tokens: 1_______ 2___ 3_______ 4 5_________ 6______ 7 8____ 9_____ 10_______ 11_____ 12____ 13 14____ 15 16___ 17__ 18________ 19

Chunks:
  TruePositive nam [5,5] = Szczecinie
  FalseNegative nam [1,1] = Teleskop

(ChunkerEvaluator) Sentence #3258 from articles/00107487 from sent6

Text  : Latem w tej sprawie został podpisany list intencyjny z władzami Szczecina i  marszałkiem województwa .
Tokens: 1____ 2 3__ 4______ 5_____ 6________ 7___ 8_________ 9 10______ 11_______ 12 13_________ 14_________ 15

Chunks:
  TruePositive nam [11,11] = Szczecina

(ChunkerEvaluator) Sentence #3259 from articles/00107487 from sent7

Text  : - Znaleźli śmy też inne firmy , które wraz z  nami chciały by zainwestować w  Szczecinie -  powiedział nam Maas .
Tokens: 1 2_______ 3__ 4__ 5___ 6____ 7 8____ 9___ 10 11__ 12_____ 13 14__________ 15 16________ 17 18________ 19_ 20__ 21

Chunks:
  TruePositive nam [16,16] = Szczecinie
  FalseNegative nam [20,20] = Maas

(ChunkerEvaluator) Sentence #3260 from articles/00107487 from sent8

Text  : - Skala inwestycji ?
Tokens: 1 2____ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #3261 from articles/00107487 from sent9

Text  : Około 20 mln euro .
Tokens: 1____ 2_ 3__ 4___ 5

Chunks:
  TruePositive nam [4,4] = euro

(ChunkerEvaluator) Sentence #3262 from articles/00107487 from sent10

Text  : W Kostrzynie Teleskop zatrudnia 620 osób .
Tokens: 1 2_________ 3_______ 4________ 5__ 6___ 7

Chunks:
  FalsePositive nam [2,3] = Kostrzynie Teleskop
  FalseNegative nam [2,2] = Kostrzynie
  FalseNegative nam [3,3] = Teleskop

(ChunkerEvaluator) Sentence #3263 from articles/00107487 from sent11

Text  : W kilku halach powstają m . in . elementy dźwigów (  jednym z  odbiorców jest Liebherr ,  budująca dźwigi samochodowe )  i  podzespoły wykorzystywane w  autach Forda ,  Volkswagena i  Mercedesa .
Tokens: 1 2____ 3_____ 4_______ 5 6 7_ 8 9_______ 10_____ 11 12____ 13 14_______ 15__ 16______ 17 18______ 19____ 20_________ 21 22 23________ 24____________ 25 26____ 27___ 28 29_________ 30 31_______ 32

Chunks:
  TruePositive nam [27,27] = Forda
  TruePositive nam [29,29] = Volkswagena
  TruePositive nam [31,31] = Mercedesa
  FalseNegative nam [16,16] = Liebherr

(ChunkerEvaluator) Sentence #3264 from articles/00107487 from sent12

Text  : Część produkcji odbywa się też w Szczecinie , gdzie Teleskop wydzierżawił fragment jednej z  hal na terenie upadłej stoczni .
Tokens: 1____ 2________ 3_____ 4__ 5__ 6 7_________ 8 9____ 10______ 11__________ 12______ 13____ 14 15_ 16 17_____ 18_____ 19_____ 20

Chunks:
  TruePositive nam [7,7] = Szczecinie
  TruePositive nam [10,10] = Teleskop

(ChunkerEvaluator) Sentence #3265 from articles/00107487 from sent13

Text  : Pracę znalazło 80 osób .
Tokens: 1____ 2_______ 3_ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #3266 from articles/00107487 from sent14

Text  : - Nie chcemy bardziej inwestować na terenie stoczni , bo nie zamierzamy wykładać milionów euro na terenie ,  który możemy tylko dzierżawić -  wyjaśniał „  Gazecie ”  Maas .
Tokens: 1 2__ 3_____ 4_______ 5_________ 6_ 7______ 8______ 9 10 11_ 12________ 13______ 14______ 15__ 16 17_____ 18 19___ 20____ 21___ 22________ 23 24_______ 25 26_____ 27 28__ 29

Chunks:
  TruePositive nam [15,15] = euro
  TruePositive nam [26,26] = Gazecie
  FalseNegative nam [28,28] = Maas

(ChunkerEvaluator) Sentence #3267 from articles/00107487 from sent15

Text  : Teleskopowi zależy na zainwestowaniu w Szczecinie m . in .  z  powodu dostępu do rzeki ,  co umożliwia transport potężnych dźwigów drogą morską .
Tokens: 1__________ 2_____ 3_ 4_____________ 5 6_________ 7 8 9_ 10 11 12____ 13_____ 14 15___ 16 17 18_______ 19_______ 20_______ 21_____ 22___ 23____ 24

Chunks:
  TruePositive nam [6,6] = Szczecinie
  FalseNegative nam [1,1] = Teleskopowi

(ChunkerEvaluator) Sentence #3268 from articles/00107487 from sent16

Text  : Więcej o firmie Teleskop i jej produkcji - w piątkowej „  Gazecie ”
Tokens: 1_____ 2 3_____ 4_______ 5 6__ 7________ 8 9 10_______ 11 12_____ 13

Chunks:
  TruePositive nam [4,4] = Teleskop
  TruePositive nam [12,12] = Gazecie

2016-10-27 14:59:27,439 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 125 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107488.xml
(ChunkerEvaluator) Sentence #3269 from articles/00107488 from sent1

Text  : Oprócz meczu polskiej kadry możemy mieć benefis Dudka
Tokens: 1_____ 2____ 3_______ 4____ 5_____ 6___ 7______ 8____

Chunks:
  TruePositive nam [8,8] = Dudka

(ChunkerEvaluator) Sentence #3270 from articles/00107488 from sent2

Text  : Władzom miasta , Dolnośląskiego Związku Piłki Nożnej oraz firmy SMG spodobał się pomysł ”  Gazety ”  ,  by okazji meczu Polska -  Włochy podziękować wybitnemu bramkarzowi Jerzemu Dudkowi za lata gry w  reprezentacji Polski .
Tokens: 1______ 2_____ 3 4_____________ 5______ 6____ 7_____ 8___ 9____ 10_ 11______ 12_ 13____ 14 15____ 16 17 18 19____ 20___ 21____ 22 23____ 24_________ 25_______ 26_________ 27_____ 28_____ 29 30__ 31_ 32 33___________ 34____ 35

Chunks:
  TruePositive nam [4,7] = Dolnośląskiego Związku Piłki Nożnej
  TruePositive nam [10,10] = SMG
  TruePositive nam [15,15] = Gazety
  TruePositive nam [21,21] = Polska
  TruePositive nam [23,23] = Włochy
  TruePositive nam [27,28] = Jerzemu Dudkowi
  TruePositive nam [34,34] = Polski

(ChunkerEvaluator) Sentence #3271 from articles/00107488 from sent3

Text  : - Na pewno zaangażujmy się w organizację tego przedsięwzięcia -  deklaruje wiceprezydent Wrocławia Michał Janicki .
Tokens: 1 2_ 3____ 4__________ 5__ 6 7__________ 8___ 9______________ 10 11_______ 12___________ 13_______ 14____ 15_____ 16

Chunks:
  TruePositive nam [13,13] = Wrocławia
  TruePositive nam [14,15] = Michał Janicki

(ChunkerEvaluator) Sentence #3272 from articles/00107488 from sent4

Text  : 11 listopada oprócz meczu kadry możemy mieć kolejne wielkie wydarzenie sportowe Wrocław chce pożegnać Dudka
Tokens: 1_ 2________ 3_____ 4____ 5____ 6_____ 7___ 8______ 9______ 10________ 11______ 12_____ 13__ 14______ 15___

Chunks:
  TruePositive nam [12,12] = Wrocław
  TruePositive nam [15,15] = Dudka

(ChunkerEvaluator) Sentence #3273 from articles/00107488 from sent5

Text  : Mecz Polska - Włochy odbędzie się na stadionie na wrocławskich Maślicach 11 listopada i  będzie prawdziwym piłkarskim otwarciem obiektu budowanego na Euro 2012 .
Tokens: 1___ 2_____ 3 4_____ 5_______ 6__ 7_ 8________ 9_ 10__________ 11_______ 12 13_______ 14 15____ 16________ 17________ 18_______ 19_____ 20________ 21 22__ 23__ 24

Chunks:
  TruePositive nam [4,4] = Włochy
  TruePositive nam [11,11] = Maślicach
  TruePositive nam [22,23] = Euro 2012
  FalsePositive nam [1,2] = Mecz Polska
  FalseNegative nam [2,2] = Polska

(ChunkerEvaluator) Sentence #3274 from articles/00107488 from sent6

Text  : Dla Wrocławia to wielkie sportowe wydarzenie , ale można uczynić je jeszcze bardziej podniosłym .
Tokens: 1__ 2________ 3_ 4______ 5_______ 6_________ 7 8__ 9____ 10_____ 11 12_____ 13______ 14________ 15

Chunks:
  TruePositive nam [2,2] = Wrocławia

(ChunkerEvaluator) Sentence #3275 from articles/00107488 from sent7

Text  : Dudek ostatnie spotkanie w reprezentacji ma już za sobą .
Tokens: 1____ 2_______ 3________ 4 5____________ 6_ 7__ 8_ 9___ 10

Chunks:
  FalseNegative nam [1,1] = Dudek

(ChunkerEvaluator) Sentence #3276 from articles/00107488 from sent8

Text  : Rozegrał w niej 59 spotkań , a z drużyną narodową zagrał na mistrzostwach świata w  Korei i  Japonii w  2002 roku .
Tokens: 1_______ 2 3___ 4_ 5______ 6 7 8 9______ 10______ 11____ 12 13___________ 14____ 15 16___ 17 18_____ 19 20__ 21__ 22

Chunks:
  TruePositive nam [16,16] = Korei
  TruePositive nam [18,18] = Japonii

(ChunkerEvaluator) Sentence #3277 from articles/00107488 from sent9

Text  : Poza tym jest on na razie najlepszym polskim piłkarzem XXI wieku ,  a  swojej karierze grał m  .  in .  w  Feyenoordzie Rotterdam ,  FC Liverpool i  w  Realu Madryt .
Tokens: 1___ 2__ 3___ 4_ 5_ 6____ 7_________ 8______ 9________ 10_ 11___ 12 13 14____ 15______ 16__ 17 18 19 20 21 22__________ 23_______ 24 25 26_______ 27 28 29___ 30____ 31

Chunks:
  TruePositive nam [22,23] = Feyenoordzie Rotterdam
  TruePositive nam [25,26] = FC Liverpool
  TruePositive nam [29,30] = Realu Madryt

(ChunkerEvaluator) Sentence #3278 from articles/00107488 from sent10

Text  : Z Liverpoolem Dudek jako trzeci w historii Polak wygrał prestiżową Ligę Mistrzów ,  a  podczas ostatniego meczu w  Realu jak legendę żegnali go m  .  in .  trener Jose Mourinho czy portugalski piłkarz Cristiano Ronaldo .
Tokens: 1 2__________ 3____ 4___ 5_____ 6 7_______ 8____ 9_____ 10________ 11__ 12______ 13 14 15_____ 16________ 17___ 18 19___ 20_ 21_____ 22_____ 23 24 25 26 27 28____ 29__ 30______ 31_ 32_________ 33_____ 34_______ 35_____ 36

Chunks:
  TruePositive nam [3,3] = Dudek
  TruePositive nam [8,8] = Polak
  TruePositive nam [11,12] = Ligę Mistrzów
  TruePositive nam [19,19] = Realu
  TruePositive nam [29,30] = Jose Mourinho
  FalsePositive nam [35,35] = Ronaldo
  FalseNegative nam [2,2] = Liverpoolem
  FalseNegative nam [34,35] = Cristiano Ronaldo

(ChunkerEvaluator) Sentence #3279 from articles/00107488 from sent11

Text  : Nasz pomysł , by pożegnanie Dudka z reprezentacją urządzić właśnie na nowym stadionie we Wrocławiu ,  przypadł do gustu władzom miasta ,  które zadeklarowały ,  że poprą tę inicjatywę .
Tokens: 1___ 2_____ 3 4_ 5_________ 6____ 7 8____________ 9_______ 10_____ 11 12___ 13_______ 14 15_______ 16 17______ 18 19___ 20_____ 21____ 22 23___ 24___________ 25 26 27___ 28 29________ 30

Chunks:
  TruePositive nam [6,6] = Dudka
  TruePositive nam [15,15] = Wrocławiu

(ChunkerEvaluator) Sentence #3280 from articles/00107488 from sent12

Text  : - Chętnie zaangażujemy się w to , by godnie podziękować Jerzemu Dudkowi za grę w  reprezentacji Polski .
Tokens: 1 2______ 3___________ 4__ 5 6_ 7 8_ 9_____ 10_________ 11_____ 12_____ 13 14_ 15 16___________ 17____ 18

Chunks:
  TruePositive nam [11,12] = Jerzemu Dudkowi
  TruePositive nam [17,17] = Polski

(ChunkerEvaluator) Sentence #3281 from articles/00107488 from sent13

Text  : Było by świetnie , gdyby udało się to zrobić właśnie przy okazji otwarcia stadionu we Wrocławiu .
Tokens: 1___ 2_ 3_______ 4 5____ 6____ 7__ 8_ 9_____ 10_____ 11__ 12____ 13______ 14______ 15 16_______ 17

Chunks:
  TruePositive nam [16,16] = Wrocławiu

(ChunkerEvaluator) Sentence #3282 from articles/00107488 from sent14

Text  : Przecież nasz bramkarz to grał na największych piłkarskich arenach świata ,  a  jego pożegnanie było by wielką sprawą także dla naszego nowego obiektu -  powiedział Michał Janicki .
Tokens: 1_______ 2___ 3_______ 4_ 5___ 6_ 7___________ 8__________ 9______ 10____ 11 12 13__ 14________ 15__ 16 17____ 18____ 19___ 20_ 21_____ 22____ 23_____ 24 25________ 26____ 27_____ 28

Chunks:
  TruePositive nam [26,27] = Michał Janicki

(ChunkerEvaluator) Sentence #3283 from articles/00107488 from sent15

Text  : Wiceprezydent Wrocławia obiecał , że władze miasta będą o pożegnaniu Dudka rozmawiać z  prezesem Polskiego Związku Piłki Nożnej Grzegorzem Latą .
Tokens: 1____________ 2________ 3______ 4 5_ 6_____ 7_____ 8___ 9 10________ 11___ 12_______ 13 14______ 15_______ 16_____ 17___ 18____ 19________ 20__ 21

Chunks:
  TruePositive nam [2,2] = Wrocławia
  TruePositive nam [11,11] = Dudka
  TruePositive nam [15,18] = Polskiego Związku Piłki Nożnej
  TruePositive nam [19,20] = Grzegorzem Latą

(ChunkerEvaluator) Sentence #3284 from articles/00107488 from sent16

Text  : To bowiem właśnie PZPN formalnie jest organizatorem spotkania naszej reprezentacji z  Włochami i  tylko on może piłkarzowi taką uroczystość zaproponować .
Tokens: 1_ 2_____ 3______ 4___ 5________ 6___ 7____________ 8________ 9_____ 10___________ 11 12______ 13 14___ 15 16__ 17________ 18__ 19_________ 20__________ 21

Chunks:
  TruePositive nam [4,4] = PZPN
  TruePositive nam [12,12] = Włochami

(ChunkerEvaluator) Sentence #3285 from articles/00107488 from sent17

Text  : Do tego , by związek się na to zdecydował ,  swoich z  kolegów z  Warszawy będą zachęcać także przedstawiciele Dolnośląskiego Związku Piłki Nożnej .
Tokens: 1_ 2___ 3 4_ 5______ 6__ 7_ 8_ 9_________ 10 11____ 12 13_____ 14 15______ 16__ 17______ 18___ 19_____________ 20____________ 21_____ 22___ 23____ 24

Chunks:
  TruePositive nam [15,15] = Warszawy
  TruePositive nam [20,23] = Dolnośląskiego Związku Piłki Nożnej

(ChunkerEvaluator) Sentence #3286 from articles/00107488 from sent18

Text  : - Inicjatywa ” Gazety ” jest bardzo dobra , bo Jurkowi niewątpliwie należy się podziękowanie za to ,  co zrobił dla kadry i  całej polskiej piłki .
Tokens: 1 2_________ 3 4_____ 5 6___ 7_____ 8____ 9 10 11_____ 12__________ 13____ 14_ 15___________ 16 17 18 19 20____ 21_ 22___ 23 24___ 25______ 26___ 27

Chunks:
  TruePositive nam [4,4] = Gazety
  TruePositive nam [11,11] = Jurkowi

(ChunkerEvaluator) Sentence #3287 from articles/00107488 from sent19

Text  : Będziemy lobbować , by taka uroczystość odbyła się właśnie we Wrocławiu -  zapowiada prezes DZPN Andrzej Padewski .
Tokens: 1_______ 2_______ 3 4_ 5___ 6__________ 7_____ 8__ 9______ 10 11_______ 12 13_______ 14____ 15__ 16_____ 17______ 18

Chunks:
  TruePositive nam [11,11] = Wrocławiu
  TruePositive nam [16,17] = Andrzej Padewski
  FalseNegative nam [15,15] = DZPN

(ChunkerEvaluator) Sentence #3288 from articles/00107488 from sent20

Text  : Na organizację ewentualnej uroczystości pożegnania wybitego polskiego bramkarza gotowy jest także operator wrocławskiego obiektu firma SMG :  -  Uważam ,  że dzięki temu mogli by śmy uhonorować Jerzego Dudka i  uświetnić piłkarskie święto ,  jakie szykuje się na nowym stadionie .
Tokens: 1_ 2__________ 3__________ 4___________ 5_________ 6_______ 7________ 8________ 9_____ 10__ 11___ 12______ 13___________ 14_____ 15___ 16_ 17 18 19____ 20 21 22____ 23__ 24___ 25 26_ 27________ 28_____ 29___ 30 31_______ 32________ 33____ 34 35___ 36_____ 37_ 38 39___ 40_______ 41

Chunks:
  TruePositive nam [16,16] = SMG
  TruePositive nam [28,29] = Jerzego Dudka

(ChunkerEvaluator) Sentence #3289 from articles/00107488 from sent21

Text  : Gdyby rzeczywiście do niego doszło , to dołożymy wszelkich starań ,  żeby sam mecz i  pożegnanie wypadło jak najlepiej -  zapewnia dyrektor SMG Zbigniew Borkowski .
Tokens: 1____ 2___________ 3_ 4____ 5_____ 6 7_ 8_______ 9________ 10____ 11 12__ 13_ 14__ 15 16________ 17_____ 18_ 19_______ 20 21______ 22______ 23_ 24______ 25_______ 26

Chunks:
  TruePositive nam [23,23] = SMG
  TruePositive nam [24,25] = Zbigniew Borkowski

(ChunkerEvaluator) Sentence #3290 from articles/00107488 from sent22

Text  : Z samym Jerzym Dudkiem nie udało nam się wczoraj skontaktować .
Tokens: 1 2____ 3_____ 4______ 5__ 6____ 7__ 8__ 9______ 10__________ 11

Chunks:
  TruePositive nam [3,4] = Jerzym Dudkiem

(ChunkerEvaluator) Sentence #3291 from articles/00107488 from sent23

Text  : Wiadomo , że piłkarz w sobotę zagra w Genewie w  charytatywnym meczu z  okazji Europejskiego Dnia Dawstwa Organów i  Transplantacji .
Tokens: 1______ 2 3_ 4______ 5 6_____ 7____ 8 9______ 10 11___________ 12___ 13 14____ 15___________ 16__ 17_____ 18_____ 19 20____________ 21

Chunks:
  TruePositive nam [9,9] = Genewie
  FalsePositive nam [15,18] = Europejskiego Dnia Dawstwa Organów
  FalsePositive nam [20,20] = Transplantacji
  FalseNegative nam [15,20] = Europejskiego Dnia Dawstwa Organów i Transplantacji

(ChunkerEvaluator) Sentence #3292 from articles/00107488 from sent24

Text  : Dudka zaproszono go tam jako gwiazdę europejskiego futbolu , a  wraz z  Polakiem na boisku wystąpią m  .  in .  Francuzi Zinedine Zidane ,  Eric Cantona i  Patrick Vieira ,  a  także Włosi Roberto Baggio ,  Paolo Maldini ,  Fabio Cannavaro i  Alessandro Nesta .
Tokens: 1____ 2_________ 3_ 4__ 5___ 6______ 7____________ 8______ 9 10 11__ 12 13______ 14 15____ 16______ 17 18 19 20 21______ 22______ 23____ 24 25__ 26_____ 27 28_____ 29____ 30 31 32___ 33___ 34_____ 35____ 36 37___ 38_____ 39 40___ 41_______ 42 43________ 44___ 45

Chunks:
  TruePositive nam [13,13] = Polakiem
  TruePositive nam [21,21] = Francuzi
  TruePositive nam [22,23] = Zinedine Zidane
  TruePositive nam [25,26] = Eric Cantona
  TruePositive nam [28,29] = Patrick Vieira
  TruePositive nam [33,33] = Włosi
  TruePositive nam [34,35] = Roberto Baggio
  TruePositive nam [37,38] = Paolo Maldini
  TruePositive nam [40,41] = Fabio Cannavaro
  TruePositive nam [43,44] = Alessandro Nesta
  FalseNegative nam [1,1] = Dudka

2016-10-27 14:59:27,606 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 126 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107489.xml
(ChunkerEvaluator) Sentence #3293 from articles/00107489 from sent1

Text  : Rosyjski twist : Gagarin Brothers grają w PRLu
Tokens: 1_______ 2____ 3 4______ 5_______ 6____ 7 8___

Chunks:
  TruePositive nam [4,5] = Gagarin Brothers
  FalseNegative nam [8,8] = PRLu

(ChunkerEvaluator) Sentence #3294 from articles/00107489 from sent2

Text  : Po kilku sekundach szef radzieckiego programu kosmicznego prof . Siergiej Korolow powiedział :  „  Pełna gotowość !  ”  .
Tokens: 1_ 2____ 3________ 4___ 5___________ 6_______ 7__________ 8___ 9 10______ 11_____ 12________ 13 14 15___ 16______ 17 18 19

Chunks:
  TruePositive nam [10,11] = Siergiej Korolow

(ChunkerEvaluator) Sentence #3295 from articles/00107489 from sent3

Text  : A Gagarin westchnął : „ Nu , pojechali ! ”  .
Tokens: 1 2______ 3________ 4 5 6_ 7 8________ 9 10 11

Chunks:
  TruePositive nam [2,2] = Gagarin

(ChunkerEvaluator) Sentence #3296 from articles/00107489 from sent4

Text  : Dla niektórych to tylko westchnięcie , dla innych początek muzycznej przygody .
Tokens: 1__ 2_________ 3_ 4____ 5___________ 6 7__ 8_____ 9_______ 10_______ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #3297 from articles/00107489 from sent5

Text  : Bo jeśli wierzyć historii , to właśnie te słowa radzieckiego kosmonauty zainspirowały grupę młodych ludzi by założyć zespół .
Tokens: 1_ 2____ 3______ 4_______ 5 6_ 7______ 8_ 9____ 10__________ 11________ 12___________ 13___ 14_____ 15___ 16 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #3298 from articles/00107489 from sent6

Text  : Zespół , który wykorzystując klasyczne taneczne i rozrywkowe brzmienia -  od twistu ,  przez jazz ,  polkę ,  rockabilly -  gra muzykę przyszłości .
Tokens: 1_____ 2 3____ 4____________ 5________ 6_______ 7 8_________ 9________ 10 11 12____ 13 14___ 15__ 16 17___ 18 19________ 20 21_ 22____ 23_________ 24

Chunks:

(ChunkerEvaluator) Sentence #3299 from articles/00107489 from sent7

Text  : W środę ta rosyjska grupa zagra w PRLu , wystąpią też Elvis in Hell oraz DJ Loco .
Tokens: 1 2____ 3_ 4_______ 5____ 6____ 7 8___ 9 10______ 11_ 12___ 13 14__ 15__ 16 17__ 18

Chunks:
  TruePositive nam [16,17] = DJ Loco
  FalsePositive nam [12,12] = Elvis
  FalseNegative nam [8,8] = PRLu
  FalseNegative nam [12,14] = Elvis in Hell

2016-10-27 14:59:27,640 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 127 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107490.xml
(ChunkerEvaluator) Sentence #3300 from articles/00107490 from sent1

Text  : Wojciech Kwaśniak nowym wiceszefem KNF
Tokens: 1_______ 2_______ 3____ 4_________ 5__

Chunks:
  TruePositive nam [1,2] = Wojciech Kwaśniak
  TruePositive nam [5,5] = KNF

(ChunkerEvaluator) Sentence #3301 from articles/00107490 from sent2

Text  : W czasie swojej pierwszej konferencji prasowej nowy szef KNF Andrzej Jakubiak zaprezentował swojego zastępcę Wojciecha Kwaśniaka .
Tokens: 1 2_____ 3_____ 4________ 5__________ 6_______ 7___ 8___ 9__ 10_____ 11______ 12___________ 13_____ 14______ 15_______ 16_______ 17

Chunks:
  TruePositive nam [9,9] = KNF
  TruePositive nam [10,11] = Andrzej Jakubiak
  TruePositive nam [15,16] = Wojciecha Kwaśniaka

(ChunkerEvaluator) Sentence #3302 from articles/00107490 from sent3

Text  : Kwaśniak był do tej pory doradcą prezesa NBP , a  wcześniej Generalnym Inspektorem Nadzoru Bankowego .
Tokens: 1_______ 2__ 3_ 4__ 5___ 6______ 7______ 8__ 9 10 11_______ 12________ 13_________ 14_____ 15_______ 16

Chunks:
  TruePositive nam [8,8] = NBP
  FalsePositive nam [12,15] = Generalnym Inspektorem Nadzoru Bankowego
  FalseNegative nam [1,1] = Kwaśniak

(ChunkerEvaluator) Sentence #3303 from articles/00107490 from sent4

Text  : Wtedy inspektorat był połączony z NBP .
Tokens: 1____ 2__________ 3__ 4________ 5 6__ 7

Chunks:
  TruePositive nam [6,6] = NBP

(ChunkerEvaluator) Sentence #3304 from articles/00107490 from sent5

Text  : To właśnie tutaj Kwaśniak poznał Andrzeja Jakubiaka , który objął niedawno stanowisko szefa KNF-u .
Tokens: 1_ 2______ 3____ 4_______ 5_____ 6_______ 7________ 8 9____ 10___ 11______ 12________ 13___ 14___ 15

Chunks:
  TruePositive nam [4,4] = Kwaśniak
  TruePositive nam [6,7] = Andrzeja Jakubiaka
  TruePositive nam [14,14] = KNF-u

(ChunkerEvaluator) Sentence #3305 from articles/00107490 from sent6

Text  : Kwaśniak będzie zajmował się głównie nadzorem nad bankami .
Tokens: 1_______ 2_____ 3_______ 4__ 5______ 6_______ 7__ 8______ 9

Chunks:
  FalseNegative nam [1,1] = Kwaśniak

(ChunkerEvaluator) Sentence #3306 from articles/00107490 from sent7

Text  : Jakubiak powołał też drugiego zastępcę - Lesława Gajka , który już zasiada w  KNF .
Tokens: 1_______ 2______ 3__ 4_______ 5_______ 6 7______ 8____ 9 10___ 11_ 12_____ 13 14_ 15

Chunks:
  TruePositive nam [1,1] = Jakubiak
  TruePositive nam [7,8] = Lesława Gajka
  TruePositive nam [14,14] = KNF

(ChunkerEvaluator) Sentence #3307 from articles/00107490 from sent8

Text  : Ma on zająć się nadzorem ubezpieczeniowym .
Tokens: 1_ 2_ 3____ 4__ 5_______ 6_______________ 7

Chunks:

2016-10-27 14:59:27,669 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 128 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107491.xml
(ChunkerEvaluator) Sentence #3308 from articles/00107491 from sent1

Text  : T - Mobile Ekstraklasa - 11 . kolejka
Tokens: 1 2 3_____ 4__________ 5 6_ 7 8______

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa

(ChunkerEvaluator) Sentence #3309 from articles/00107491 from sent2

Text  : Wyniki meczów 11 . kolejki ekstraklasy piłkarskiej : 2011-10-21 :
Tokens: 1_____ 2_____ 3_ 4 5______ 6__________ 7__________ 8 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #3310 from articles/00107491 from sent3

Text  : Górnik Zabrze - Ruch Chorzów 1 : 2 ( 1  :  0  )  Bramki :  1  :  0  Prejuce Nakoulma (  14 -  karny )  ,  1  :  1  Marek Szyndrowski (  60 )  ,  1  :  2  Arkadiusz Piech (  78 )  .
Tokens: 1_____ 2_____ 3 4___ 5______ 6 7 8 9 10 11 12 13 14____ 15 16 17 18 19_____ 20______ 21 22 23 24___ 25 26 27 28 29 30___ 31_________ 32 33 34 35 36 37 38 39_______ 40___ 41 42 43 44

Chunks:
  TruePositive nam [1,2] = Górnik Zabrze
  TruePositive nam [4,5] = Ruch Chorzów
  TruePositive nam [30,31] = Marek Szyndrowski
  TruePositive nam [39,40] = Arkadiusz Piech
  FalsePositive nam [14,14] = Bramki
  FalseNegative nam [19,20] = Prejuce Nakoulma

(ChunkerEvaluator) Sentence #3311 from articles/00107491 from sent4

Text  : Żółta kartka - Górnik Zabrze : Michael Bemben , Arkadiusz Milik ,  Adam Danch .
Tokens: 1____ 2_____ 3 4_____ 5_____ 6 7______ 8_____ 9 10_______ 11___ 12 13__ 14___ 15

Chunks:
  TruePositive nam [4,5] = Górnik Zabrze
  TruePositive nam [7,8] = Michael Bemben
  TruePositive nam [10,11] = Arkadiusz Milik
  TruePositive nam [13,14] = Adam Danch

(ChunkerEvaluator) Sentence #3312 from articles/00107491 from sent5

Text  : Ruch Chorzów : Marek Zieńczuk .
Tokens: 1___ 2______ 3 4____ 5_______ 6

Chunks:
  TruePositive nam [1,2] = Ruch Chorzów
  TruePositive nam [4,5] = Marek Zieńczuk

(ChunkerEvaluator) Sentence #3313 from articles/00107491 from sent6

Text  : Sędzia : Tomasz Musiał ( Kraków ) .
Tokens: 1_____ 2 3_____ 4_____ 5 6_____ 7 8

Chunks:
  TruePositive nam [3,4] = Tomasz Musiał
  TruePositive nam [6,6] = Kraków
  FalsePositive nam [1,1] = Sędzia

(ChunkerEvaluator) Sentence #3314 from articles/00107491 from sent7

Text  : Widzów 3 000 .
Tokens: 1_____ 2 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #3315 from articles/00107491 from sent8

Text  : KGHM Zagłębie Lubin - Korona Kielce 3 : 1 (  1  :  0  )  Bramki :  1  :  0  Costa Nhamoinesu (  37 )  ,  2  :  0  Darvydas Sernas (  54 )  ,  3  :  0  Arkadiusz Woźniak (  60 )  ,  3  :  1  Paweł Kaczmarek (  84 )  .
Tokens: 1___ 2_______ 3____ 4 5_____ 6_____ 7 8 9 10 11 12 13 14 15____ 16 17 18 19 20___ 21________ 22 23 24 25 26 27 28 29______ 30____ 31 32 33 34 35 36 37 38_______ 39_____ 40 41 42 43 44 45 46 47___ 48_______ 49 50 51 52

Chunks:
  TruePositive nam [5,6] = Korona Kielce
  TruePositive nam [38,39] = Arkadiusz Woźniak
  TruePositive nam [47,48] = Paweł Kaczmarek
  FalsePositive nam [2,3] = Zagłębie Lubin
  FalsePositive nam [15,15] = Bramki
  FalseNegative nam [1,3] = KGHM Zagłębie Lubin
  FalseNegative nam [20,21] = Costa Nhamoinesu
  FalseNegative nam [29,30] = Darvydas Sernas

(ChunkerEvaluator) Sentence #3316 from articles/00107491 from sent9

Text  : Żółta kartka - KGHM Zagłębie Lubin : Csaba Horvath ,  Patryk Rachwał ,  Błażej Telichowski .
Tokens: 1____ 2_____ 3 4___ 5_______ 6____ 7 8____ 9______ 10 11____ 12_____ 13 14____ 15_________ 16

Chunks:
  TruePositive nam [4,6] = KGHM Zagłębie Lubin
  TruePositive nam [8,9] = Csaba Horvath
  TruePositive nam [11,12] = Patryk Rachwał
  TruePositive nam [14,15] = Błażej Telichowski

(ChunkerEvaluator) Sentence #3317 from articles/00107491 from sent10

Text  : Korona Kielce : Piotr Malarczyk , Michał Zieliński , Hernani .
Tokens: 1_____ 2_____ 3 4____ 5________ 6 7_____ 8________ 9 10_____ 11

Chunks:
  TruePositive nam [1,2] = Korona Kielce
  TruePositive nam [4,5] = Piotr Malarczyk
  TruePositive nam [7,8] = Michał Zieliński
  FalseNegative nam [10,10] = Hernani

(ChunkerEvaluator) Sentence #3318 from articles/00107491 from sent11

Text  : Czerwona kartka za drugą żółtą - Korona Kielce : Hernani (  92 )  .
Tokens: 1_______ 2_____ 3_ 4____ 5____ 6 7_____ 8_____ 9 10_____ 11 12 13 14

Chunks:
  TruePositive nam [7,8] = Korona Kielce
  FalseNegative nam [10,10] = Hernani

(ChunkerEvaluator) Sentence #3319 from articles/00107491 from sent12

Text  : Sędzia : Daniel Stefański ( Bydgoszcz ) .
Tokens: 1_____ 2 3_____ 4________ 5 6________ 7 8

Chunks:
  TruePositive nam [3,4] = Daniel Stefański
  TruePositive nam [6,6] = Bydgoszcz
  FalsePositive nam [1,1] = Sędzia

(ChunkerEvaluator) Sentence #3320 from articles/00107491 from sent13

Text  : Widzów 4 615 .
Tokens: 1_____ 2 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #3321 from articles/00107491 from sent14

Text  : 2011-10-22 :
Tokens: 1_________ 2

Chunks:

(ChunkerEvaluator) Sentence #3322 from articles/00107491 from sent15

Text  : Lechia Gdańsk - Lech Poznań 0 : 0
Tokens: 1_____ 2_____ 3 4___ 5_____ 6 7 8

Chunks:
  TruePositive nam [1,2] = Lechia Gdańsk
  TruePositive nam [4,5] = Lech Poznań

(ChunkerEvaluator) Sentence #3323 from articles/00107491 from sent16

Text  : Żółta kartka - Lechia Gdańsk : Rafał Janicki , Abdou Traore ,  Tomasz Dawidowski .
Tokens: 1____ 2_____ 3 4_____ 5_____ 6 7____ 8______ 9 10___ 11____ 12 13____ 14________ 15

Chunks:
  TruePositive nam [4,5] = Lechia Gdańsk
  TruePositive nam [7,8] = Rafał Janicki
  TruePositive nam [10,11] = Abdou Traore
  TruePositive nam [13,14] = Tomasz Dawidowski

(ChunkerEvaluator) Sentence #3324 from articles/00107491 from sent17

Text  : Lech Poznań : Dimitrije Injac .
Tokens: 1___ 2_____ 3 4________ 5____ 6

Chunks:
  TruePositive nam [1,2] = Lech Poznań
  TruePositive nam [4,5] = Dimitrije Injac

(ChunkerEvaluator) Sentence #3325 from articles/00107491 from sent18

Text  : Czerwona kartka za drugą żółtą - Lech Poznań : Dimitrije Injac (  88 )  .
Tokens: 1_______ 2_____ 3_ 4____ 5____ 6 7___ 8_____ 9 10_______ 11___ 12 13 14 15

Chunks:
  TruePositive nam [7,8] = Lech Poznań
  TruePositive nam [10,11] = Dimitrije Injac

(ChunkerEvaluator) Sentence #3326 from articles/00107491 from sent19

Text  : Sędzia : Sebastian Jarzębak ( Bytom ) .
Tokens: 1_____ 2 3________ 4_______ 5 6____ 7 8

Chunks:
  TruePositive nam [3,4] = Sebastian Jarzębak
  TruePositive nam [6,6] = Bytom

(ChunkerEvaluator) Sentence #3327 from articles/00107491 from sent20

Text  : Widzów 24 997 .
Tokens: 1_____ 2_ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #3328 from articles/00107491 from sent21

Text  : Śląsk Wrocław - Podbeskidzie Bielsko - Biała 1 : 0  (  1  :  0  )  Bramki :  1  :  0  Piotr Celeban (  22 )  .
Tokens: 1____ 2______ 3 4___________ 5______ 6 7____ 8 9 10 11 12 13 14 15 16____ 17 18 19 20 21___ 22_____ 23 24 25 26

Chunks:
  TruePositive nam [1,2] = Śląsk Wrocław
  TruePositive nam [21,22] = Piotr Celeban
  FalsePositive nam [5,5] = Bielsko
  FalsePositive nam [7,7] = Biała
  FalsePositive nam [16,16] = Bramki
  FalseNegative nam [4,7] = Podbeskidzie Bielsko - Biała

(ChunkerEvaluator) Sentence #3329 from articles/00107491 from sent22

Text  : Żółta kartka - Śląsk Wrocław : Rok Elsner .
Tokens: 1____ 2_____ 3 4____ 5______ 6 7__ 8_____ 9

Chunks:
  TruePositive nam [4,5] = Śląsk Wrocław
  TruePositive nam [7,8] = Rok Elsner

(ChunkerEvaluator) Sentence #3330 from articles/00107491 from sent23

Text  : Podbeskidzie Bielsko - Biała : Krzysztof Król , Bartłomiej Konieczny .
Tokens: 1___________ 2______ 3 4____ 5 6________ 7___ 8 9_________ 10_______ 11

Chunks:
  TruePositive nam [6,7] = Krzysztof Król
  TruePositive nam [9,10] = Bartłomiej Konieczny
  FalsePositive nam [2,4] = Bielsko - Biała
  FalseNegative nam [1,4] = Podbeskidzie Bielsko - Biała

(ChunkerEvaluator) Sentence #3331 from articles/00107491 from sent24

Text  : Sędzia : Dawid Piasecki ( Słupsk ) .
Tokens: 1_____ 2 3____ 4_______ 5 6_____ 7 8

Chunks:
  TruePositive nam [3,4] = Dawid Piasecki
  TruePositive nam [6,6] = Słupsk

(ChunkerEvaluator) Sentence #3332 from articles/00107491 from sent25

Text  : Widzów 7 000 .
Tokens: 1_____ 2 3__ 4

Chunks:

2016-10-27 14:59:27,751 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 129 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107492.xml
(ChunkerEvaluator) Sentence #3333 from articles/00107492 from sent1

Text  : Plusliga .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Plusliga

(ChunkerEvaluator) Sentence #3334 from articles/00107492 from sent2

Text  : Michał Bąkiewicz w koszulce Pawła Zatorskiego
Tokens: 1_____ 2________ 3 4_______ 5____ 6__________

Chunks:
  TruePositive nam [1,2] = Michał Bąkiewicz
  TruePositive nam [5,6] = Pawła Zatorskiego

(ChunkerEvaluator) Sentence #3335 from articles/00107492 from sent3

Text  : W spotkaniu PGE Skry z AZS Politechniką Warszawa niespodziewanie jako libero wystąpił Bąkiewicz .
Tokens: 1 2________ 3__ 4___ 5 6__ 7___________ 8_______ 9______________ 10__ 11____ 12______ 13_______ 14

Chunks:
  TruePositive nam [6,8] = AZS Politechniką Warszawa
  TruePositive nam [13,13] = Bąkiewicz
  FalsePositive nam [4,4] = Skry
  FalseNegative nam [3,4] = PGE Skry

(ChunkerEvaluator) Sentence #3336 from articles/00107492 from sent4

Text  : Bąkiewicz od trzech miesięcy leczy kontuzję pleców .
Tokens: 1________ 2_ 3_____ 4_______ 5____ 6_______ 7_____ 8

Chunks:
  FalseNegative nam [1,1] = Bąkiewicz

(ChunkerEvaluator) Sentence #3337 from articles/00107492 from sent5

Text  : Kilkanaście dni temu wznowił treningi , ale jeszcze bez skakania .
Tokens: 1__________ 2__ 3___ 4______ 5_______ 6 7__ 8______ 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #3338 from articles/00107492 from sent6

Text  : Normalnie zacznie ćwiczyć dopiero w listopadzie , a w lidze miał zagrać po przerwie na Puchar Świata .
Tokens: 1________ 2______ 3______ 4______ 5 6__________ 7 8 9 10___ 11__ 12____ 13 14______ 15 16____ 17____ 18

Chunks:
  TruePositive nam [16,17] = Puchar Świata

(ChunkerEvaluator) Sentence #3339 from articles/00107492 from sent7

Text  : Dlatego nie pojechał z zespołem na mecz Ligi Mistrzów z  Budvanską Rivijerą Budva .
Tokens: 1______ 2__ 3_______ 4 5_______ 6_ 7___ 8___ 9_______ 10 11_______ 12______ 13___ 14

Chunks:
  TruePositive nam [8,9] = Ligi Mistrzów
  TruePositive nam [11,13] = Budvanską Rivijerą Budva

(ChunkerEvaluator) Sentence #3340 from articles/00107492 from sent8

Text  : Bełchatowianie wrócili do Polski w piątek wieczorem i zostali w  stolicy aż do niedzielnego meczu ligowego .
Tokens: 1_____________ 2______ 3_ 4_____ 5 6_____ 7________ 8 9______ 10 11_____ 12 13 14__________ 15___ 16______ 17

Chunks:
  TruePositive nam [4,4] = Polski
  FalseNegative nam [1,1] = Bełchatowianie

(ChunkerEvaluator) Sentence #3341 from articles/00107492 from sent9

Text  : Bąkiewicz dojechał do kolegów w piątek .
Tokens: 1________ 2_______ 3_ 4______ 5 6_____ 7

Chunks:
  FalseNegative nam [1,1] = Bąkiewicz

(ChunkerEvaluator) Sentence #3342 from articles/00107492 from sent10

Text  : - Żeby z nami potrenować - opowiada Jacek Nawrocki .
Tokens: 1 2___ 3 4___ 5_________ 6 7_______ 8____ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Jacek Nawrocki

(ChunkerEvaluator) Sentence #3343 from articles/00107492 from sent11

Text  : Okazało się jednak , że musi zagrać przeciwko AZS Politechnice .
Tokens: 1______ 2__ 3_____ 4 5_ 6___ 7_____ 8________ 9__ 10__________ 11

Chunks:
  TruePositive nam [9,10] = AZS Politechnice

(ChunkerEvaluator) Sentence #3344 from articles/00107492 from sent12

Text  : - W niedzielę rano Paweł Zatorski zgłosił , że jest chory .
Tokens: 1 2 3________ 4___ 5____ 6_______ 7______ 8 9_ 10__ 11___ 12

Chunks:
  TruePositive nam [5,6] = Paweł Zatorski

(ChunkerEvaluator) Sentence #3345 from articles/00107492 from sent13

Text  : To prawdopodobnie zatrucie albo jakaś grypa jelitowa .
Tokens: 1_ 2_____________ 3_______ 4___ 5____ 6____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #3346 from articles/00107492 from sent14

Text  : Od razu wysłali śmy go do Bełchatowa - opowiada trener .
Tokens: 1_ 2___ 3______ 4__ 5_ 6_ 7_________ 8 9_______ 10____ 11

Chunks:
  TruePositive nam [7,7] = Bełchatowa

(ChunkerEvaluator) Sentence #3347 from articles/00107492 from sent15

Text  : W składzie PGE Skry jest Robert Milczarek , który może grać jako libero .
Tokens: 1 2_______ 3__ 4___ 5___ 6_____ 7________ 8 9____ 10__ 11__ 12__ 13____ 14

Chunks:
  TruePositive nam [3,4] = PGE Skry
  TruePositive nam [6,7] = Robert Milczarek

(ChunkerEvaluator) Sentence #3348 from articles/00107492 from sent16

Text  : Ale bez niego Nawrockiemu zostało by tylko dwóch przyjmujących -  Bartosz Kurek i  Michał Winiarski .
Tokens: 1__ 2__ 3____ 4__________ 5______ 6_ 7____ 8____ 9____________ 10 11_____ 12___ 13 14____ 15_______ 16

Chunks:
  TruePositive nam [4,4] = Nawrockiemu
  TruePositive nam [11,12] = Bartosz Kurek
  TruePositive nam [14,15] = Michał Winiarski

(ChunkerEvaluator) Sentence #3349 from articles/00107492 from sent17

Text  : Podjęto więc decyzję o występie Bąkiewicza .
Tokens: 1______ 2___ 3______ 4 5_______ 6_________ 7

Chunks:
  FalseNegative nam [6,6] = Bąkiewicza

(ChunkerEvaluator) Sentence #3350 from articles/00107492 from sent18

Text  : - To było tak zaskakujące , że Michał musiał zagrać w  koszulce Zatorskiego ,  bo swojej nie miał -  podkreśla trener PGE Skry .
Tokens: 1 2_ 3___ 4__ 5__________ 6 7_ 8_____ 9_____ 10____ 11 12______ 13_________ 14 15 16____ 17_ 18__ 19 20_______ 21____ 22_ 23__ 24

Chunks:
  TruePositive nam [8,8] = Michał
  TruePositive nam [13,13] = Zatorskiego
  TruePositive nam [22,23] = PGE Skry

(ChunkerEvaluator) Sentence #3351 from articles/00107492 from sent19

Text  : I komplementuje swojego zawodnika : - Spisał się bardzo dobrze ,  nie można mieć do niego żadnych zastrzeżeń .
Tokens: 1 2____________ 3______ 4________ 5 6 7_____ 8__ 9_____ 10____ 11 12_ 13___ 14__ 15 16___ 17_____ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #3352 from articles/00107492 from sent20

Text  : Bąkiewicz 16 razy przyjmował zagrywkę z 44 - proc .  skutecznością .
Tokens: 1________ 2_ 3___ 4_________ 5_______ 6 7_ 8 9___ 10 11___________ 12

Chunks:
  FalseNegative nam [1,1] = Bąkiewicz

2016-10-27 14:59:27,825 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 130 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107493.xml
(ChunkerEvaluator) Sentence #3353 from articles/00107493 from sent1

Text  : Pompa ciepła mroźną zimą
Tokens: 1____ 2_____ 3_____ 4___

Chunks:

(ChunkerEvaluator) Sentence #3354 from articles/00107493 from sent2

Text  : Sprawność większości pomp ciepła zależy od tego , jak zimno jest na dworze .
Tokens: 1________ 2_________ 3___ 4_____ 5_____ 6_ 7___ 8 9__ 10___ 11__ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #3355 from articles/00107493 from sent3

Text  : Jednak nie należy obawiać się , że w mroźne dni możemy zostać bez ogrzewania .
Tokens: 1_____ 2__ 3_____ 4______ 5__ 6 7_ 8 9_____ 10_ 11____ 12____ 13_ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #3356 from articles/00107493 from sent4

Text  : Pompa ciepła to urządzenie , którego działanie można porównać do pracy lodówki -  odbiera ciepło z  jednego (  dolnego )  źródła ,  by je przekazać do drugiego (  górnego )  .
Tokens: 1____ 2_____ 3_ 4_________ 5 6______ 7________ 8____ 9_______ 10 11___ 12_____ 13 14_____ 15____ 16 17_____ 18 19_____ 20 21____ 22 23 24 25_______ 26 27______ 28 29_____ 30 31

Chunks:

(ChunkerEvaluator) Sentence #3357 from articles/00107493 from sent5

Text  : Nasz dom ogrzewa górne źródło ( na przykład wodne ogrzewanie podłogowe lub grzejniki )  ciepłem pobieranym przez pompę z  dolnego źródła ,  którym jest najczęściej grunt ,  woda lub powietrze .
Tokens: 1___ 2__ 3______ 4____ 5_____ 6 7_ 8_______ 9____ 10________ 11_______ 12_ 13_______ 14 15_____ 16________ 17___ 18___ 19 20_____ 21____ 22 23____ 24__ 25_________ 26___ 27 28__ 29_ 30_______ 31

Chunks:

(ChunkerEvaluator) Sentence #3358 from articles/00107493 from sent6

Text  : Żaden odpowiedzialny fachowiec nie dobierze pompy ciepła bez poznania warunków ,  w  jakich będzie ona funkcjonować .
Tokens: 1____ 2_____________ 3________ 4__ 5_______ 6____ 7_____ 8__ 9_______ 10______ 11 12 13____ 14____ 15_ 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #3359 from articles/00107493 from sent7

Text  : Zanim podejmie decyzję , powinien wiedzieć między innymi : jakie są w  okolicy możliwości poboru energii cieplnej ze środowiska (  powietrza ,  wody ,  gruntu )  ,  w  którym znajduje się dom ,  jakie jest zapotrzebowanie na ciepło i  czy pompa będzie jedynym źródłem ogrzewania zapewniającym odpowiednią temperaturę w  domu .
Tokens: 1____ 2_______ 3______ 4 5_______ 6_______ 7_____ 8_____ 9 10___ 11 12 13_____ 14________ 15____ 16_____ 17______ 18 19________ 20 21_______ 22 23__ 24 25____ 26 27 28 29____ 30______ 31_ 32_ 33 34___ 35__ 36_____________ 37 38____ 39 40_ 41___ 42____ 43_____ 44_____ 45________ 46___________ 47_________ 48_________ 49 50__ 51

Chunks:

(ChunkerEvaluator) Sentence #3360 from articles/00107493 from sent8

Text  : Dopiero po analizie tych informacji może wybrać pompę ciepła optymalną pod kątem opłacalności inwestycji i  późniejszych kosztów eksploatacyjnych .
Tokens: 1______ 2_ 3_______ 4___ 5_________ 6___ 7_____ 8____ 9_____ 10_______ 11_ 12___ 13__________ 14________ 15 16__________ 17_____ 18______________ 19

Chunks:

(ChunkerEvaluator) Sentence #3361 from articles/00107493 from sent9

Text  : Efektywność działania pompy ciepła
Tokens: 1__________ 2________ 3____ 4_____

Chunks:

(ChunkerEvaluator) Sentence #3362 from articles/00107493 from sent10

Text  : Do oceny sprawności pompy ciepła wykorzystuje się współczynnik COP .
Tokens: 1_ 2____ 3_________ 4____ 5_____ 6___________ 7__ 8___________ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #3363 from articles/00107493 from sent11

Text  : Jego wartość określa , ile energii cieplnej przekaże pompa do budynku w  stosunku do energii pobranej z  sieci elektrycznej .
Tokens: 1___ 2______ 3______ 4 5__ 6______ 7_______ 8_______ 9____ 10 11_____ 12 13______ 14 15_____ 16______ 17 18___ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #3364 from articles/00107493 from sent12

Text  : Wartość COP ulega znacznym wahaniom ze względu na zmienne warunki pracy pompy i  zależy od różnicy pomiędzy temperaturą dolnego i  górnego źródła ciepła .
Tokens: 1______ 2__ 3____ 4_______ 5_______ 6_ 7______ 8_ 9______ 10_____ 11___ 12___ 13 14____ 15 16_____ 17______ 18_________ 19_____ 20 21_____ 22____ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #3365 from articles/00107493 from sent13

Text  : Im jest ona większa , tym mniejsza sprawność pompy .
Tokens: 1_ 2___ 3__ 4______ 5 6__ 7_______ 8________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #3366 from articles/00107493 from sent14

Text  : Jej moc spada także wraz z obniżaniem się temperatury dolnego źródła ,  którym jest najczęściej powietrze ,  woda lub grunt .
Tokens: 1__ 2__ 3____ 4____ 5___ 6 7_________ 8__ 9__________ 10_____ 11____ 12 13____ 14__ 15_________ 16_______ 17 18__ 19_ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #3367 from articles/00107493 from sent15

Text  : Przykładowo , jeden z producentów podaje , że jego pompa ma moc około 10 kW i  sprawność COP równą 4  ,  5  przy temperaturze dolnego źródła +  5  °  C  i  temperaturze górnego +  35 °  C  .
Tokens: 1__________ 2 3____ 4 5__________ 6_____ 7 8_ 9___ 10___ 11 12_ 13___ 14 15 16 17_______ 18_ 19___ 20 21 22 23__ 24__________ 25_____ 26____ 27 28 29 30 31 32__________ 33_____ 34 35 36 37 38

Chunks:

(ChunkerEvaluator) Sentence #3368 from articles/00107493 from sent16

Text  : Oznacza to , że z każdej dostarczonej kilowatogodziny energii elektrycznej możemy uzyskać 4  ,  5  kWh energii cieplnej .
Tokens: 1______ 2_ 3 4_ 5 6_____ 7___________ 8______________ 9______ 10__________ 11____ 12_____ 13 14 15 16_ 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3369 from articles/00107493 from sent17

Text  : Natomiast przy temperaturze odpowiednio dolnego i górnego źródła - 10 °  C  i  +  50 °  C  jej moc wyniesie około 5  ,  8  kW ,  a  COP spadnie poniżej 3  .
Tokens: 1________ 2___ 3___________ 4__________ 5______ 6 7______ 8_____ 9 10 11 12 13 14 15 16 17 18_ 19_ 20______ 21___ 22 23 24 25 26 27 28_ 29_____ 30_____ 31 32

Chunks:

(ChunkerEvaluator) Sentence #3370 from articles/00107493 from sent18

Text  : Innym ważnym parametrem mającym wpływ na efektywność pracy pompy ,  jest temperatura górnego źródła ciepła .
Tokens: 1____ 2_____ 3_________ 4______ 5____ 6_ 7__________ 8____ 9____ 10 11__ 12_________ 13_____ 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #3371 from articles/00107493 from sent19

Text  : Jeśli jest ona zbyt wysoka , skutkuje to spadkiem opłacalności stosowania pompy .
Tokens: 1____ 2___ 3__ 4___ 5_____ 6 7_______ 8_ 9_______ 10__________ 11________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #3372 from articles/00107493 from sent20

Text  : Energia z gruntu
Tokens: 1______ 2 3_____

Chunks:

(ChunkerEvaluator) Sentence #3373 from articles/00107493 from sent21

Text  : Możemy ją wykorzystać poprzez wykonanie kolektora poziomego lub pionowego .
Tokens: 1_____ 2_ 3__________ 4______ 5________ 6________ 7________ 8__ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #3374 from articles/00107493 from sent22

Text  : Kolektor poziomy układa się poniżej strefy przemarzania , czyli na głębokości 1  ,  2  -  1  ,  8  m  .
Tokens: 1_______ 2______ 3_____ 4__ 5______ 6_____ 7___________ 8 9____ 10 11________ 12 13 14 15 16 17 18 19 20

Chunks:

(ChunkerEvaluator) Sentence #3375 from articles/00107493 from sent23

Text  : Narażony jest zatem na duże wahania temperatury w ciągu roku .
Tokens: 1_______ 2___ 3____ 4_ 5___ 6______ 7__________ 8 9____ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #3376 from articles/00107493 from sent24

Text  : Na początku sezonu grzewczego , gdy grunt jest rozgrzany ,  temperatura dolnego źródła może sięgać nawet +  15 °  C  .
Tokens: 1_ 2_______ 3_____ 4_________ 5 6__ 7____ 8___ 9________ 10 11_________ 12_____ 13____ 14__ 15____ 16___ 17 18 19 20 21

Chunks:

(ChunkerEvaluator) Sentence #3377 from articles/00107493 from sent25

Text  : Wtedy pompa ciepła pracuje znakomicie .
Tokens: 1____ 2____ 3_____ 4______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #3378 from articles/00107493 from sent26

Text  : Na przykład jej sprawność COP może sięgać około 5 (  przy temperaturze zasilania górnego źródła na poziomie 35 °  C  )  .
Tokens: 1_ 2_______ 3__ 4________ 5__ 6___ 7_____ 8____ 9 10 11__ 12__________ 13_______ 14_____ 15____ 16 17______ 18 19 20 21 22

Chunks:

(ChunkerEvaluator) Sentence #3379 from articles/00107493 from sent27

Text  : Jednak już pod koniec sezonu grzewczego - zwłaszcza gdy powierzchnia kolektora była zrobiona bez żadnego zapasu -  temperatura dolnego źródła może spaść nawet poniżej -  10 °  C  i  wtedy COP pompy będzie wahało się w  okolicach 2  lub nawet mniej .
Tokens: 1_____ 2__ 3__ 4_____ 5_____ 6_________ 7 8________ 9__ 10__________ 11_______ 12__ 13______ 14_ 15_____ 16____ 17 18_________ 19_____ 20____ 21__ 22___ 23___ 24_____ 25 26 27 28 29 30___ 31_ 32___ 33____ 34____ 35_ 36 37_______ 38 39_ 40___ 41___ 42

Chunks:

(ChunkerEvaluator) Sentence #3380 from articles/00107493 from sent28

Text  : A jeśli jeszcze do tego zima jest mroźna , to może wystąpić zmrożenie gruntu ,  co spowoduje awaryjne wyłączenie się pompy ciepła .
Tokens: 1 2____ 3______ 4_ 5___ 6___ 7___ 8_____ 9 10 11__ 12______ 13_______ 14____ 15 16 17_______ 18______ 19________ 20_ 21___ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #3381 from articles/00107493 from sent29

Text  : Poza tym taki grunt będzie znacznie dłużej się regenerował .
Tokens: 1___ 2__ 3___ 4____ 5_____ 6_______ 7_____ 8__ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #3382 from articles/00107493 from sent30

Text  : Jak zatem widać , kolektor poziomy charakteryzuje się dużą zmiennością mocy oraz sprawności pompy ciepła ,  dlatego decydując się na niego ,  należy go znacznie przewymiarować .
Tokens: 1__ 2____ 3____ 4 5_______ 6______ 7_____________ 8__ 9___ 10_________ 11__ 12__ 13________ 14___ 15____ 16 17_____ 18_______ 19_ 20 21___ 22 23____ 24 25______ 26____________ 27

Chunks:

(ChunkerEvaluator) Sentence #3383 from articles/00107493 from sent31

Text  : Poza tym nie jest wymagana duża powierzchnia działki .
Tokens: 1___ 2__ 3__ 4___ 5_______ 6___ 7___________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #3384 from articles/00107493 from sent32

Text  : Jedyna wada tego rozwiązania to większe koszty wykonania niż kolektora poziomego .
Tokens: 1_____ 2___ 3___ 4__________ 5_ 6______ 7_____ 8________ 9__ 10_______ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #3385 from articles/00107493 from sent33

Text  : Pompa ciepła zasilana kolektorem pionowym ma zatem stałą moc i  wysoką sprawność przez cały sezon grzewczy -  wartość współczynnika COP przekracza nieco 4  .
Tokens: 1____ 2_____ 3_______ 4_________ 5_______ 6_ 7____ 8____ 9__ 10 11____ 12_______ 13___ 14__ 15___ 16______ 17 18_____ 19___________ 20_ 21________ 22___ 23 24

Chunks:

(ChunkerEvaluator) Sentence #3386 from articles/00107493 from sent34

Text  : Energia z wód gruntowych
Tokens: 1______ 2 3__ 4_________

Chunks:

(ChunkerEvaluator) Sentence #3387 from articles/00107493 from sent35

Text  : To jeden z najefektywniejszych sposobów odbioru odnawialnej energii cieplnej .
Tokens: 1_ 2____ 3 4__________________ 5_______ 6______ 7__________ 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #3388 from articles/00107493 from sent36

Text  : Wody gruntowe mają bowiem wysoką temperaturę niezależnie od pory roku .
Tokens: 1___ 2_______ 3___ 4_____ 5_____ 6__________ 7__________ 8_ 9___ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #3389 from articles/00107493 from sent37

Text  : W zależności od regionu kraju waha się ona od +  8  do +  12 °  C  .
Tokens: 1 2_________ 3_ 4______ 5____ 6___ 7__ 8__ 9_ 10 11 12 13 14 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #3390 from articles/00107493 from sent38

Text  : Woda jest bezpośrednio przepompowywana przez wymiennik w pompie ciepła ,  zatem nie ma strat temperatury na ściankach rur ułożonych w  gruncie ,  jak ma to miejsce na przykład przy kolektorach poziomych .
Tokens: 1___ 2___ 3___________ 4______________ 5____ 6________ 7 8_____ 9_____ 10 11___ 12_ 13 14___ 15_________ 16 17_______ 18_ 19_______ 20 21_____ 22 23_ 24 25 26_____ 27 28______ 29__ 30_________ 31_______ 32

Chunks:

(ChunkerEvaluator) Sentence #3391 from articles/00107493 from sent39

Text  : Dzięki temu COP pompy ciepła może dochodzić nawet do 5  .
Tokens: 1_____ 2___ 3__ 4____ 5_____ 6___ 7________ 8____ 9_ 10 11

Chunks:

(ChunkerEvaluator) Sentence #3392 from articles/00107493 from sent40

Text  : Aby pobierać energię z wody gruntowej , zazwyczaj wierci się dwie studnie .
Tokens: 1__ 2_______ 3______ 4 5___ 6________ 7 8________ 9_____ 10_ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #3393 from articles/00107493 from sent41

Text  : Z pierwszej czerpie się wodę , a do drugiej zrzuca się ją ochłodzoną o  kilka stopni .
Tokens: 1 2________ 3______ 4__ 5___ 6 7 8_ 9______ 10____ 11_ 12 13________ 14 15___ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #3394 from articles/00107493 from sent42

Text  : Studnie powinny znajdować się w odległości co najmniej 20 m  od siebie oraz sięgać tej samej warstwy wodonośnej .
Tokens: 1______ 2______ 3________ 4__ 5 6_________ 7_ 8_______ 9_ 10 11 12____ 13__ 14____ 15_ 16___ 17_____ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #3395 from articles/00107493 from sent43

Text  : To rozwiązanie ma niestety szereg ograniczeń , związanych z dostępnością wody oraz stałością jej parametrów chemicznych .
Tokens: 1_ 2__________ 3_ 4_______ 5_____ 6_________ 7 8_________ 9 10__________ 11__ 12__ 13_______ 14_ 15________ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #3396 from articles/00107493 from sent44

Text  : Jeżeli pokłady wody znajdują się głęboko ( poniżej 30 m  )  ,  koszt energii elektrycznej związanej z  pracą pompy obiegowej obniża sprawność całego układu ,  a  i  koszt wykonania samej studni będzie znaczący .
Tokens: 1_____ 2______ 3___ 4_______ 5__ 6______ 7 8______ 9_ 10 11 12 13___ 14_____ 15__________ 16_______ 17 18___ 19___ 20_______ 21____ 22_______ 23____ 24____ 25 26 27 28___ 29_______ 30___ 31____ 32____ 33______ 34

Chunks:

(ChunkerEvaluator) Sentence #3397 from articles/00107493 from sent45

Text  : Kolejny problem to zmienność składu chemicznego wody .
Tokens: 1______ 2______ 3_ 4________ 5_____ 6__________ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #3398 from articles/00107493 from sent46

Text  : Często zdarza się , że po pewnym czasie wzrasta w  niej ponad dopuszczalną wielkość zawartość żelaza ,  wapnia i  innych minerałów .
Tokens: 1_____ 2_____ 3__ 4 5_ 6_ 7_____ 8_____ 9______ 10 11__ 12___ 13__________ 14______ 15_______ 16____ 17 18____ 19 20____ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #3399 from articles/00107493 from sent47

Text  : Powoduje to zatkanie studni zrzutowej oraz wymiennika w pompie ciepła ,  a  przez to unieruchomienie urządzenia .
Tokens: 1_______ 2_ 3_______ 4_____ 5________ 6___ 7_________ 8 9_____ 10____ 11 12 13___ 14 15_____________ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #3400 from articles/00107493 from sent48

Text  : Dlatego choć wody gruntowe mogą być najtańszym źródłem ciepła ,  są też najbardziej ryzykowną inwestycją .
Tokens: 1______ 2___ 3___ 4_______ 5___ 6__ 7_________ 8______ 9_____ 10 11 12_ 13_________ 14_______ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #3401 from articles/00107493 from sent49

Text  : Energia z powietrza
Tokens: 1______ 2 3________

Chunks:

(ChunkerEvaluator) Sentence #3402 from articles/00107493 from sent50

Text  : To źródło energii wciąż jest niedoceniane , mimo że należy do najtańszych (  nie wymaga żadnych prac ziemnych )  .
Tokens: 1_ 2_____ 3______ 4____ 5___ 6___________ 7 8___ 9_ 10____ 11 12_________ 13 14_ 15____ 16_____ 17__ 18______ 19 20

Chunks:

(ChunkerEvaluator) Sentence #3403 from articles/00107493 from sent51

Text  : Obawy inwestorów wynikają z tego , że wraz ze spadkiem temperatury zewnętrznej spadają moc i  sprawność pompy ciepła .
Tokens: 1____ 2_________ 3_______ 4 5___ 6 7_ 8___ 9_ 10______ 11_________ 12_________ 13_____ 14_ 15 16_______ 17___ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #3404 from articles/00107493 from sent52

Text  : To niewątpliwie bardzo niekorzystne zjawisko .
Tokens: 1_ 2___________ 3_____ 4___________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #3405 from articles/00107493 from sent53

Text  : Im niższa temperatura powietrza zewnętrznego , tym więcej mocy potrzebujemy do ogrzania domu ,  a  pompa ma wtedy mniejszą wydajność .
Tokens: 1_ 2_____ 3__________ 4________ 5___________ 6 7__ 8_____ 9___ 10__________ 11 12______ 13__ 14 15 16___ 17 18___ 19______ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #3406 from articles/00107493 from sent54

Text  : Nie jest to jednak cecha dyskwalifikująca to rozwiązanie .
Tokens: 1__ 2___ 3_ 4_____ 5____ 6_______________ 7_ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #3407 from articles/00107493 from sent55

Text  : Producenci podają moc swoich urządzeń dla temperatury zewnętrznej 7 °  C  (  jest to moc nominalna )  .
Tokens: 1_________ 2_____ 3__ 4_____ 5_______ 6__ 7__________ 8__________ 9 10 11 12 13__ 14 15_ 16_______ 17 18

Chunks:

(ChunkerEvaluator) Sentence #3408 from articles/00107493 from sent56

Text  : W tych warunkach mają one sprawność nawet ponad 4 ,  5  .
Tokens: 1 2___ 3________ 4___ 5__ 6________ 7____ 8____ 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #3409 from articles/00107493 from sent57

Text  : Nowoczesne urządzenia tego typu pracują nawet do temperatury - 20 °  C  .
Tokens: 1_________ 2_________ 3___ 4___ 5______ 6____ 7_ 8__________ 9 10 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #3410 from articles/00107493 from sent58

Text  : Oczywiście ich sprawność jest wtedy niewielka - bliska 1 -  i  ich moc wyniesie jedynie 25 %  mocy nominalnej .
Tokens: 1_________ 2__ 3________ 4___ 5____ 6________ 7 8_____ 9 10 11 12_ 13_ 14______ 15_____ 16 17 18__ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #3411 from articles/00107493 from sent59

Text  : Ale już przy temperaturze zewnętrznej na poziomie - 10 °  C  pompa będzie działała z  COP wahającym się w  okolicach 2  i  pracowała z  połową swojej mocy nominalnej .
Tokens: 1__ 2__ 3___ 4___________ 5__________ 6_ 7_______ 8 9_ 10 11 12___ 13____ 14______ 15 16_ 17_______ 18_ 19 20_______ 21 22 23_______ 24 25____ 26____ 27__ 28________ 29

Chunks:

(ChunkerEvaluator) Sentence #3412 from articles/00107493 from sent60

Text  : Przy typowej temperaturze sezonu zimowego , która oscyluje w okolicach 0  °  C  ,  pompa ciepła będzie już dawała około trzy razy więcej energii niż pobiera z  sieci elektrycznej ,  a  jej moc będzie jedynie kilkanaście procent mniejsza od wymaganej .
Tokens: 1___ 2______ 3___________ 4_____ 5_______ 6 7____ 8_______ 9 10_______ 11 12 13 14 15___ 16____ 17____ 18_ 19____ 20___ 21__ 22__ 23____ 24_____ 25_ 26_____ 27 28___ 29__________ 30 31 32_ 33_ 34____ 35_____ 36_________ 37_____ 38______ 39 40_______ 41

Chunks:

(ChunkerEvaluator) Sentence #3413 from articles/00107493 from sent61

Text  : Z tych względów tego typu pompy ciepła muszą być zawsze stosowane z  dodatkowym źródłem ciepła .
Tokens: 1 2___ 3_______ 4___ 5___ 6____ 7_____ 8____ 9__ 10____ 11_______ 12 13________ 14_____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #3414 from articles/00107493 from sent62

Text  : Najczęściej jest to po prostu grzałka elektryczna .
Tokens: 1__________ 2___ 3_ 4_ 5_____ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #3415 from articles/00107493 from sent63

Text  : Pompa powietrzna a inne pompy ciepła
Tokens: 1____ 2_________ 3 4___ 5____ 6_____

Chunks:

(ChunkerEvaluator) Sentence #3416 from articles/00107493 from sent64

Text  : Załóżmy , że dom znajduje się w województwie mazowieckim i  ma powierzchnię około 150 m2 .
Tokens: 1______ 2 3_ 4__ 5_______ 6__ 7 8___________ 9__________ 10 11 12__________ 13___ 14_ 15 16

Chunks:
  TruePositive nam [9,9] = mazowieckim

(ChunkerEvaluator) Sentence #3417 from articles/00107493 from sent65

Text  : Jego ściany zewnętrzne i podłoga na gruncie zostały ocieplone 20 -  centymetrową warstwą styropianu ,  a  dach -  30 -  centymetrową warstwą wełny mineralnej .
Tokens: 1___ 2_____ 3_________ 4 5______ 6_ 7______ 8______ 9________ 10 11 12__________ 13_____ 14________ 15 16 17__ 18 19 20 21__________ 22_____ 23___ 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #3418 from articles/00107493 from sent66

Text  : Zamontowane w nim okna mają współczynnik przenikania ciepła U =  1  ,  1  W  /  (  m2K )  .
Tokens: 1__________ 2 3__ 4___ 5___ 6___________ 7__________ 8_____ 9 10 11 12 13 14 15 16 17_ 18 19

Chunks:

(ChunkerEvaluator) Sentence #3419 from articles/00107493 from sent67

Text  : Zastosowano w nim ogrzewanie podłogowe zasilane wodą o temperaturze 35 °  C  i  wentylację mechaniczną z  odzyskiem ciepła .
Tokens: 1__________ 2 3__ 4_________ 5________ 6_______ 7___ 8 9___________ 10 11 12 13 14________ 15_________ 16 17_______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #3420 from articles/00107493 from sent68

Text  : Zapotrzebowanie domu na ciepło do ogrzewania oraz przygotowania ciepłej wody wynosi 6  ,  5  kW .
Tokens: 1______________ 2___ 3_ 4_____ 5_ 6_________ 7___ 8____________ 9______ 10__ 11____ 12 13 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #3421 from articles/00107493 from sent69

Text  : Postanowiono go ogrzewać powietrzną pompą ciepła .
Tokens: 1___________ 2_ 3_______ 4_________ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3422 from articles/00107493 from sent70

Text  : Trzeba jednak wziąć pod uwagę , że tak mroźnych dni jest zwykle niewiele .
Tokens: 1_____ 2_____ 3____ 4__ 5____ 6 7_ 8__ 9_______ 10_ 11__ 12____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #3423 from articles/00107493 from sent71

Text  : Zgodnie z 30 - letnimi średnimi pomiarami temperatury , w  centrum Polski podczas zimy godzin z  mrozem większym niż -  15 °  C  jest ledwie kilkadziesiąt ,  a  z  -  10 °  C  -  kilkaset .
Tokens: 1______ 2 3_ 4 5______ 6_______ 7________ 8__________ 9 10 11_____ 12____ 13_____ 14__ 15____ 16 17____ 18______ 19_ 20 21 22 23 24__ 25____ 26___________ 27 28 29 30 31 32 33 34 35______ 36

Chunks:
  TruePositive nam [12,12] = Polski

(ChunkerEvaluator) Sentence #3424 from articles/00107493 from sent72

Text  : x Pompa powietrzna jest najtańsza spośród wszystkich pomp ciepła .
Tokens: 1 2____ 3_________ 4___ 5________ 6______ 7_________ 8___ 9_____ 10

Chunks:
  FalsePositive nam [2,2] = Pompa

(ChunkerEvaluator) Sentence #3425 from articles/00107493 from sent73

Text  : Opłacalność jej zakupu zależy od miejsca , w którym ma być zamontowana .
Tokens: 1__________ 2__ 3_____ 4_____ 5_ 6______ 7 8 9_____ 10 11_ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #3426 from articles/00107493 from sent74

Text  : xW najzimniejszych regionach Polski , czyli na północnym wschodzie i  południu ,  lepiej sprawdzają się urządzenia czerpiące energię z  gruntu lub wody .
Tokens: 1_ 2______________ 3________ 4_____ 5 6____ 7_ 8________ 9________ 10 11______ 12 13____ 14________ 15_ 16________ 17_______ 18_____ 19 20____ 21_ 22__ 23

Chunks:
  TruePositive nam [4,4] = Polski

(ChunkerEvaluator) Sentence #3427 from articles/00107493 from sent75

Text  : xJeśli mieszkamy nad morzem , w centrum lub na zachodzie kraju ,  zakup pompy czerpiącej energię z  powietrza zewnętrznego bardziej się opłaca .
Tokens: 1_____ 2________ 3__ 4_____ 5 6 7______ 8__ 9_ 10_______ 11___ 12 13___ 14___ 15________ 16_____ 17 18_______ 19__________ 20______ 21_ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #3428 from articles/00107493 from sent76

Text  : z 1 Rury kolektora poziomego układa się równolegle do siebie lub w  spiralach na głębokości 1  ,  2  -  1  ,  8  m  pod powierzchnią terenu
Tokens: 1 2 3___ 4________ 5________ 6_____ 7__ 8_________ 9_ 10____ 11_ 12 13_______ 14 15________ 16 17 18 19 20 21 22 23 24_ 25__________ 26____

Chunks:

(ChunkerEvaluator) Sentence #3429 from articles/00107493 from sent77

Text  : Wykonanie pionowych odwiertów wymaga użycia specjalistycznego sprzętu , co znacznie podnosi koszty tego rozwiązania
Tokens: 1________ 2________ 3________ 4_____ 5_____ 6________________ 7______ 8 9_ 10______ 11_____ 12____ 13__ 14_________

Chunks:

2016-10-27 14:59:28,311 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 131 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107494.xml
(ChunkerEvaluator) Sentence #3430 from articles/00107494 from sent1

Text  : Premier League .
Tokens: 1______ 2_____ 3

Chunks:
  FalseNegative nam [1,2] = Premier League

(ChunkerEvaluator) Sentence #3431 from articles/00107494 from sent2

Text  : Właściciel Fulham krytykuje Marka Hughesa
Tokens: 1_________ 2_____ 3________ 4____ 5______

Chunks:
  TruePositive nam [4,5] = Marka Hughesa
  FalseNegative nam [2,2] = Fulham

(ChunkerEvaluator) Sentence #3432 from articles/00107494 from sent3

Text  : Właściciel rywala Wisły Kraków w fazie grupowej piłkarskiej Ligi Europejskiej Fulham Londyn Egipcjanin Mohamed Al Fayed skrytykował byłego trenera zespołu Walijczyka Marka Hughesa .
Tokens: 1_________ 2_____ 3____ 4_____ 5 6____ 7_______ 8__________ 9___ 10__________ 11____ 12____ 13________ 14_____ 15 16___ 17_________ 18____ 19_____ 20_____ 21________ 22___ 23_____ 24

Chunks:
  TruePositive nam [3,4] = Wisły Kraków
  TruePositive nam [14,16] = Mohamed Al Fayed
  FalsePositive nam [9,13] = Ligi Europejskiej Fulham Londyn Egipcjanin
  FalsePositive nam [21,23] = Walijczyka Marka Hughesa
  FalseNegative nam [9,10] = Ligi Europejskiej
  FalseNegative nam [11,12] = Fulham Londyn
  FalseNegative nam [13,13] = Egipcjanin
  FalseNegative nam [21,21] = Walijczyka
  FalseNegative nam [22,23] = Marka Hughesa

(ChunkerEvaluator) Sentence #3433 from articles/00107494 from sent4

Text  : - Uratował em go , a teraz on nas obraża -  powiedział .
Tokens: 1 2_______ 3_ 4_ 5 6 7____ 8_ 9__ 10____ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #3434 from articles/00107494 from sent5

Text  : 47 - letni Hughes , który pracował w Fulham przez 11 miesięcy (  do czerwca )  ,  zarzucił działaczom brak ambicji ,  co przesądziło o  jego rezygnacji z  funkcji trenera .
Tokens: 1_ 2 3____ 4_____ 5 6____ 7_______ 8 9_____ 10___ 11 12______ 13 14 15_____ 16 17 18______ 19________ 20__ 21_____ 22 23 24_________ 25 26__ 27________ 28 29_____ 30_____ 31

Chunks:
  FalseNegative nam [4,4] = Hughes
  FalseNegative nam [9,9] = Fulham

(ChunkerEvaluator) Sentence #3435 from articles/00107494 from sent6

Text  : Jego zdaniem oficjeli zadowalało zaledwie utrzymanie w lidze , podczas gdy jego aspiracje były zdecydowanie większe .
Tokens: 1___ 2______ 3_______ 4_________ 5_______ 6_________ 7 8____ 9 10_____ 11_ 12__ 13_______ 14__ 15__________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #3436 from articles/00107494 from sent7

Text  : Komentarz Walijczyka zdenerwował Al Fayeda , który jest właścicielem londyńskiej ekipy od 14 lat i  zainwestował w  nią sporo pieniędzy .
Tokens: 1________ 2_________ 3__________ 4_ 5_____ 6 7____ 8___ 9___________ 10_________ 11___ 12 13 14_ 15 16__________ 17 18_ 19___ 20_______ 21

Chunks:
  TruePositive nam [2,2] = Walijczyka
  TruePositive nam [4,5] = Al Fayeda

(ChunkerEvaluator) Sentence #3437 from articles/00107494 from sent8

Text  : Na oficjalnej stronie klubu skrytykował on byłego szkoleniowca , oskarżając go o  brak szacunku oraz odwagi ,  aby pozostać na stanowisku i  poprowadzić zespół do sukcesów .
Tokens: 1_ 2_________ 3______ 4____ 5__________ 6_ 7_____ 8___________ 9 10________ 11 12 13__ 14______ 15__ 16____ 17 18_ 19______ 20 21________ 22 23_________ 24____ 25 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #3438 from articles/00107494 from sent9

Text  : - Mark Hughes jest dziwnym człowiekiem .
Tokens: 1 2___ 3_____ 4___ 5______ 6__________ 7

Chunks:
  TruePositive nam [2,3] = Mark Hughes

(ChunkerEvaluator) Sentence #3439 from articles/00107494 from sent10

Text  : Kiedy został zwolniony z Manchesteru City ( w grudniu 2009 )  i  powoli popadał w  zapomnienie ,  ja go uratował em zatrudniając w  Fulham (  czerwiec 2010 )  .
Tokens: 1____ 2_____ 3________ 4 5__________ 6___ 7 8 9______ 10__ 11 12 13____ 14_____ 15 16_________ 17 18 19 20______ 21 22__________ 23 24____ 25 26______ 27__ 28 29

Chunks:
  TruePositive nam [5,6] = Manchesteru City
  FalseNegative nam [24,24] = Fulham

(ChunkerEvaluator) Sentence #3440 from articles/00107494 from sent11

Text  : Dostał ode mnie pełne poparcie , zarówno finansowe , jak i  moralne ,  nawet wtedy kiedy wyniki były złe .
Tokens: 1_____ 2__ 3___ 4____ 5_______ 6 7______ 8________ 9 10_ 11 12_____ 13 14___ 15___ 16___ 17____ 18__ 19_ 20

Chunks:

(ChunkerEvaluator) Sentence #3441 from articles/00107494 from sent12

Text  : A teraz on oskarża nas o brak ambicji i obraża klub oraz piłkarzy ,  którzy zajęli w  poprzednim sezonie ósme miejsce w  lidze i  zakwalifikowali się do rozgrywek Ligi Europejskiej .
Tokens: 1 2____ 3_ 4______ 5__ 6 7___ 8______ 9 10____ 11__ 12__ 13______ 14 15____ 16____ 17 18________ 19_____ 20__ 21_____ 22 23___ 24 25_____________ 26_ 27 28_______ 29__ 30__________ 31

Chunks:
  TruePositive nam [29,30] = Ligi Europejskiej

(ChunkerEvaluator) Sentence #3442 from articles/00107494 from sent13

Text  : To brak szacunku i kompletna bzdura .
Tokens: 1_ 2___ 3_______ 4 5________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3443 from articles/00107494 from sent14

Text  : To nie nam , a jemu zabrakło ambicji i odwagi -  odpowiedział na zarzuty Hughesa Al Fayed .
Tokens: 1_ 2__ 3__ 4 5 6___ 7_______ 8______ 9 10____ 11 12__________ 13 14_____ 15_____ 16 17___ 18

Chunks:
  FalsePositive nam [15,17] = Hughesa Al Fayed
  FalseNegative nam [15,15] = Hughesa
  FalseNegative nam [16,17] = Al Fayed

(ChunkerEvaluator) Sentence #3444 from articles/00107494 from sent15

Text  : Egipcjanin zapewnił również , że klub chce się rozwijać ;  poczyniono już ku temu odpowiednie kroki .
Tokens: 1_________ 2_______ 3______ 4 5_ 6___ 7___ 8__ 9_______ 10 11________ 12_ 13 14__ 15_________ 16___ 17

Chunks:
  TruePositive nam [1,1] = Egipcjanin

(ChunkerEvaluator) Sentence #3445 from articles/00107494 from sent16

Text  : Zatrudniono nowego , ambitnego trenera - Holendra Martina Jola oraz zaplanowano modernizację jednej z  trybun stadionu ,  aby mógł pomieścić więcej fanów .
Tokens: 1__________ 2_____ 3 4________ 5______ 6 7_______ 8______ 9___ 10__ 11_________ 12__________ 13____ 14 15____ 16______ 17 18_ 19__ 20_______ 21____ 22___ 23

Chunks:
  FalsePositive nam [7,9] = Holendra Martina Jola
  FalseNegative nam [7,7] = Holendra
  FalseNegative nam [8,9] = Martina Jola

(ChunkerEvaluator) Sentence #3446 from articles/00107494 from sent17

Text  : Fulham z dorobkiem siedmiu punktów zajmuje obecnie 17 . miejsce w  tabeli angielskiej ekstraklasy ,  tuż nad strefą spadkową .
Tokens: 1_____ 2 3________ 4______ 5______ 6______ 7______ 8_ 9 10_____ 11 12____ 13_________ 14_________ 15 16_ 17_ 18____ 19______ 20

Chunks:
  FalseNegative nam [1,1] = Fulham

(ChunkerEvaluator) Sentence #3447 from articles/00107494 from sent18

Text  : Londyńczycy są rywalem Wisły w rozgrywkach Ligi Europejskiej .
Tokens: 1__________ 2_ 3______ 4____ 5 6__________ 7___ 8___________ 9

Chunks:
  TruePositive nam [1,1] = Londyńczycy
  TruePositive nam [4,4] = Wisły
  TruePositive nam [7,8] = Ligi Europejskiej

(ChunkerEvaluator) Sentence #3448 from articles/00107494 from sent19

Text  : W pierwszym meczu obu ekip , rozegranym w ubiegłym tygodniu w  Krakowie ,  „  Biała Gwiazda ”  wygrała 1  :  0  po bramce Izraelczyka Davida Bitona .
Tokens: 1 2________ 3____ 4__ 5___ 6 7_________ 8 9_______ 10______ 11 12______ 13 14 15___ 16_____ 17 18_____ 19 20 21 22 23____ 24_________ 25____ 26____ 27

Chunks:
  TruePositive nam [12,12] = Krakowie
  TruePositive nam [15,16] = Biała Gwiazda
  FalsePositive nam [24,26] = Izraelczyka Davida Bitona
  FalseNegative nam [24,24] = Izraelczyka
  FalseNegative nam [25,26] = Davida Bitona

(ChunkerEvaluator) Sentence #3449 from articles/00107494 from sent20

Text  : Rewanż 3 listopada w Londynie .
Tokens: 1_____ 2 3________ 4 5_______ 6

Chunks:
  TruePositive nam [5,5] = Londynie

2016-10-27 14:59:28,418 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 132 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107495.xml
(ChunkerEvaluator) Sentence #3450 from articles/00107495 from sent1

Text  : Damski bokser
Tokens: 1_____ 2_____

Chunks:

(ChunkerEvaluator) Sentence #3451 from articles/00107495 from sent2

Text  : Pojęcie damski bokser funkcjonuje w świadomości pozostających w wolnym stanie obywateli jako określenie mężczyzny ,  który oszałamia kobietę prawym prostym ,  podczas gdy ona jest przekonana ,  że to jazda figurowa na lodzie .
Tokens: 1______ 2_____ 3_____ 4__________ 5 6__________ 7____________ 8 9_____ 10____ 11_______ 12__ 13________ 14_______ 15 16___ 17_______ 18_____ 19____ 20_____ 21 22_____ 23_ 24_ 25__ 26________ 27 28 29 30___ 31______ 32 33____ 34

Chunks:

(ChunkerEvaluator) Sentence #3452 from articles/00107495 from sent3

Text  : Co innego żonaci .
Tokens: 1_ 2_____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #3453 from articles/00107495 from sent4

Text  : Według żonatych , takich na przykład jak ja , damskim bokserem jest nikt inny tylko żona ,  przykładowo najlepsza z  żon ,  która mnie wychodzącego właśnie z  kąpieli i  przekonanego ,  że gramy debla w  tenisa ,  nokautuje sierpowym :
Tokens: 1_____ 2_______ 3 4_____ 5_ 6_______ 7__ 8_ 9 10_____ 11______ 12__ 13__ 14__ 15___ 16__ 17 18_________ 19_______ 20 21_ 22 23___ 24__ 25__________ 26_____ 27 28_____ 29 30__________ 31 32 33___ 34___ 35 36____ 37 38_______ 39_______ 40

Chunks:

(ChunkerEvaluator) Sentence #3454 from articles/00107495 from sent5

Text  : - Bo ty nigdy nie odkładasz rzeczy na miejsce i  w  ogóle zawsze zostawiasz mokrą podłogę w  łazience .
Tokens: 1 2_ 3_ 4____ 5__ 6________ 7_____ 8_ 9______ 10 11 12___ 13____ 14________ 15___ 16_____ 17 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3455 from articles/00107495 from sent6

Text  : Poza tym ciągle nie naprawił eś kontaktu i jeszcze się nie zdarzyło ,  żeby ś  zapytał ,  czy nie jestem zmęczona !
Tokens: 1___ 2__ 3_____ 4__ 5_______ 6_ 7_______ 8 9______ 10_ 11_ 12______ 13 14__ 15 16_____ 17 18_ 19_ 20____ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #3456 from articles/00107495 from sent7

Text  : - Ale przecież wczoraj odłożył em te cholerne rzeczy !
Tokens: 1 2__ 3_______ 4______ 5______ 6_ 7_ 8_______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #3457 from articles/00107495 from sent8

Text  : - Wczoraj się nie liczy , bo ty nigdy nie odkładasz i  zawsze robię to ja .
Tokens: 1 2______ 3__ 4__ 5____ 6 7_ 8_ 9____ 10_ 11_______ 12 13____ 14___ 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #3458 from articles/00107495 from sent9

Text  : - Ale wczoraj . . .
Tokens: 1 2__ 3______ 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #3459 from articles/00107495 from sent10

Text  : - A trzy tygodnie temu w środę o siedemnastej ?
Tokens: 1 2 3___ 4_______ 5___ 6 7____ 8 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #3460 from articles/00107495 from sent11

Text  : Odłożył eś śrubokręt ?
Tokens: 1______ 2_ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #3461 from articles/00107495 from sent12

Text  : Ten czerwony !
Tokens: 1__ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #3462 from articles/00107495 from sent13

Text  : - Nie pamiętam .
Tokens: 1 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #3463 from articles/00107495 from sent14

Text  : - No właśnie , ty nigdy nie pamiętasz !
Tokens: 1 2_ 3______ 4 5_ 6____ 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #3464 from articles/00107495 from sent15

Text  : - Ale nie brał em czerwonego .
Tokens: 1 2__ 3__ 4___ 5_ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #3465 from articles/00107495 from sent16

Text  : - Ciągle bierzesz czerwony !
Tokens: 1 2_____ 3_______ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3466 from articles/00107495 from sent17

Text  : - Mam jeszcze niebieski , a ten czerwony pożyczył em Roszkowi miesiąc temu ,  więc nie mogł em .  .  .
Tokens: 1 2__ 3______ 4________ 5 6 7__ 8_______ 9_______ 10 11______ 12_____ 13__ 14 15__ 16_ 17__ 18 19 20 21

Chunks:
  FalseNegative nam [11,11] = Roszkowi

(ChunkerEvaluator) Sentence #3467 from articles/00107495 from sent18

Text  : - Tak !
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #3468 from articles/00107495 from sent19

Text  : Jeszcze się nie zdarzyło , żeby ś powiedział mi ,  że coś komuś pożyczasz !
Tokens: 1______ 2__ 3__ 4_______ 5 6___ 7 8_________ 9_ 10 11 12_ 13___ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #3469 from articles/00107495 from sent20

Text  : Trzy lata małżeństwa zajęło mi zrozumienie , że właściwie już po pierwszym ciosie jestem liczony i  każda próba podniesienia się do walki to oczywista porażka .
Tokens: 1___ 2___ 3_________ 4_____ 5_ 6__________ 7 8_ 9________ 10_ 11 12_______ 13____ 14____ 15_____ 16 17___ 18___ 19__________ 20_ 21 22___ 23 24_______ 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #3470 from articles/00107495 from sent21

Text  : Jeden wieczór z Kazikiem wyjaśnił mi , dlaczego tak się dzieje .
Tokens: 1____ 2______ 3 4_______ 5_______ 6_ 7 8_______ 9__ 10_ 11____ 12

Chunks:
  TruePositive nam [4,4] = Kazikiem

(ChunkerEvaluator) Sentence #3471 from articles/00107495 from sent22

Text  : Przyznał em , że nie za bardzo , choć rozmowa wydała mi się znajoma -  jakby m  słyszał najlepszą z  żon .
Tokens: 1_______ 2_ 3 4_ 5__ 6_ 7_____ 8 9___ 10_____ 11____ 12 13_ 14_____ 15 16___ 17 18_____ 19_______ 20 21_ 22

Chunks:

(ChunkerEvaluator) Sentence #3472 from articles/00107495 from sent23

Text  : - Stary - powiedział Kazik z westchnieniem , odkładając magazyn z  blondyną na okładce -  rzecz jest tylko w  tych słowach .
Tokens: 1 2____ 3 4_________ 5____ 6 7____________ 8 9_________ 10_____ 11 12______ 13 14_____ 15 16___ 17__ 18___ 19 20__ 21_____ 22

Chunks:
  TruePositive nam [5,5] = Kazik
  FalsePositive nam [2,2] = Stary

(ChunkerEvaluator) Sentence #3473 from articles/00107495 from sent24

Text  : One są jak karabiny .
Tokens: 1__ 2_ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3474 from articles/00107495 from sent25

Text  : Niczego nieświadomy oglądasz telewizję , a twoja żona przychodzi i  cię z  nich rozstrzeliwuje ,  a  jak chcesz oddać z  własnego kałasza ,  to mówi :  „  Jestem przeciwko używaniu broni palnej !  ”  .
Tokens: 1______ 2__________ 3_______ 4________ 5 6 7____ 8___ 9_________ 10 11_ 12 13__ 14____________ 15 16 17_ 18____ 19___ 20 21______ 22_____ 23 24 25__ 26 27 28____ 29_______ 30______ 31___ 32____ 33 34 35

Chunks:

(ChunkerEvaluator) Sentence #3475 from articles/00107495 from sent26

Text  : Nareszcie zrozumiał em .
Tokens: 1________ 2________ 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #3476 from articles/00107495 from sent27

Text  : Najlepsza z żon krążyła po kuchni w znakomitym nastroju .
Tokens: 1________ 2 3__ 4______ 5_ 6_____ 7 8_________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #3477 from articles/00107495 from sent28

Text  : Rumiany biszkopt chłodził się na stole .
Tokens: 1______ 2_______ 3_______ 4__ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #3478 from articles/00107495 from sent29

Text  : - Co , znowu biszkopt ? - zapytał em od progu .
Tokens: 1 2_ 3 4____ 5_______ 6 7 8______ 9_ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #3479 from articles/00107495 from sent30

Text  : - Dlaczego ty zawsze robisz tylko biszkopty ?
Tokens: 1 2_______ 3_ 4_____ 5_____ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #3480 from articles/00107495 from sent31

Text  : - Kochany - powiedziała zaskoczona - przecież chciał eś .
Tokens: 1 2______ 3 4__________ 5_________ 6 7_______ 8_____ 9_ 10

Chunks:
  FalsePositive nam [2,2] = Kochany

(ChunkerEvaluator) Sentence #3481 from articles/00107495 from sent32

Text  : - Tak , bo ty nigdy nie robisz nic innego ,  to co miałem chcieć ?
Tokens: 1 2__ 3 4_ 5_ 6____ 7__ 8_____ 9__ 10____ 11 12 13 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #3482 from articles/00107495 from sent33

Text  : - Ale ja zawsze . . .
Tokens: 1 2__ 3_ 4_____ 5 6 7

Chunks:

(ChunkerEvaluator) Sentence #3483 from articles/00107495 from sent34

Text  : - Och , jeszcze się nie zdarzyło , żeby ś  mi przyznała rację bez jakiegoś ale .
Tokens: 1 2__ 3 4______ 5__ 6__ 7_______ 8 9___ 10 11 12_______ 13___ 14_ 15______ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #3484 from articles/00107495 from sent35

Text  : No , zdarzyło się ?
Tokens: 1_ 2 3_______ 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #3485 from articles/00107495 from sent36

Text  : Może w zeszłym roku , co ?
Tokens: 1___ 2 3______ 4___ 5 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #3486 from articles/00107495 from sent37

Text  : Zawsze tylko „ ale , ale , ale ” .  .  .
Tokens: 1_____ 2____ 3 4__ 5 6__ 7 8__ 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #3487 from articles/00107495 from sent38

Text  : Nigdy : „ Tak , masz rację ” .
Tokens: 1____ 2 3 4__ 5 6___ 7____ 8 9

Chunks:

(ChunkerEvaluator) Sentence #3488 from articles/00107495 from sent39

Text  : I nie mów : „ zawsze ” , dobrze ?  -  powiedział em ,  gdy żona zaczęła otwierać usta .
Tokens: 1 2__ 3__ 4 5 6_____ 7 8 9_____ 10 11 12________ 13 14 15_ 16__ 17_____ 18______ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #3489 from articles/00107495 from sent40

Text  : - Przecież widzę , że chciała ś powiedzieć „ zawsze ”  .
Tokens: 1 2_______ 3____ 4 5_ 6______ 7 8_________ 9 10____ 11 12

Chunks:

(ChunkerEvaluator) Sentence #3490 from articles/00107495 from sent41

Text  : A ja nie mówię o zawsze , tylko o biszkopcie ,  że go zawsze robisz .
Tokens: 1 2_ 3__ 4____ 5 6_____ 7 8____ 9 10________ 11 12 13 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #3491 from articles/00107495 from sent42

Text  : W tamtej chwili żałował em , że ktoś nie kręci w  naszym domu jakiejś dokumentalnej telenoweli -  to był by mój życiowy sukces :  scena ,  w  której najlepsza z  żon zamarła z  otwartymi ustami ,  które chciały powiedzieć „  zawsze ”  .
Tokens: 1 2_____ 3_____ 4______ 5_ 6 7_ 8___ 9__ 10___ 11 12____ 13__ 14_____ 15___________ 16________ 17 18 19_ 20 21_ 22_____ 23____ 24 25___ 26 27 28____ 29_______ 30 31_ 32_____ 33 34_______ 35____ 36 37___ 38_____ 39________ 40 41____ 42 43

Chunks:

(ChunkerEvaluator) Sentence #3492 from articles/00107495 from sent43

Text  : Zjadł em biszkopta , którego uwielbiam i jako zwycięzca w  nagrodę przyznał em sobie godzinę muzyki arabskiej na full ,  której ona nie znosi .
Tokens: 1____ 2_ 3________ 4 5______ 6________ 7 8___ 9________ 10 11_____ 12______ 13 14___ 15_____ 16____ 17_______ 18 19__ 20 21____ 22_ 23_ 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #3493 from articles/00107495 from sent44

Text  : I kiedy pławił em się tak w boskich dźwiękach ,  najlepsza z  żon przyszła z  kartką białą jak pokojowa flaga .
Tokens: 1 2____ 3_____ 4_ 5__ 6__ 7 8______ 9________ 10 11_______ 12 13_ 14______ 15 16____ 17___ 18_ 19______ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #3494 from articles/00107495 from sent45

Text  : - OK - powiedziała .
Tokens: 1 2_ 3 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #3495 from articles/00107495 from sent46

Text  : - To umówmy się , że jak robimy kłótnię twoje jest „  zawsze ”  i  „  jeszcze się nie zdarzyło ”  ,  a  moje „  nigdy ”  i  „  ciągle ”  .
Tokens: 1 2_ 3_____ 4__ 5 6_ 7__ 8_____ 9______ 10___ 11__ 12 13____ 14 15 16 17_____ 18_ 19_ 20______ 21 22 23 24__ 25 26___ 27 28 29 30____ 31 32

Chunks:

(ChunkerEvaluator) Sentence #3496 from articles/00107495 from sent47

Text  : - Bo ty zawsze mówisz „ nigdy ” - zaczął em próbnie .
Tokens: 1 2_ 3_ 4_____ 5_____ 6 7____ 8 9 10____ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #3497 from articles/00107495 from sent48

Text  : - Nigdy nie mówię „ zawsze ” - odparła .
Tokens: 1 2____ 3__ 4____ 5 6_____ 7 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #3498 from articles/00107495 from sent49

Text  : - Ciągle - powiedział em .
Tokens: 1 2_____ 3 4_________ 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #3499 from articles/00107495 from sent50

Text  : - Jeszcze się nie zdarzyło - odparła .
Tokens: 1 2______ 3__ 4__ 5_______ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #3500 from articles/00107495 from sent51

Text  : - OK , działa .
Tokens: 1 2_ 3 4_____ 5

Chunks:

2016-10-27 14:59:28,610 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 133 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107496.xml
(ChunkerEvaluator) Sentence #3501 from articles/00107496 from sent1

Text  : Student informatyki z AZS trafił do reprezentacji
Tokens: 1______ 2__________ 3 4__ 5_____ 6_ 7____________

Chunks:
  TruePositive nam [4,4] = AZS

(ChunkerEvaluator) Sentence #3502 from articles/00107496 from sent2

Text  : W 2009 roku na miejscu statystyka w drużynie siatkarzy Indykpolu AZS Pawła Janickiego zastąpił Kamil Sołoducha .
Tokens: 1 2___ 3___ 4_ 5______ 6_________ 7 8_______ 9________ 10_______ 11_ 12___ 13________ 14______ 15___ 16_______ 17

Chunks:
  TruePositive nam [15,16] = Kamil Sołoducha
  FalsePositive nam [11,13] = AZS Pawła Janickiego
  FalseNegative nam [10,11] = Indykpolu AZS
  FalseNegative nam [12,13] = Pawła Janickiego

(ChunkerEvaluator) Sentence #3503 from articles/00107496 from sent3

Text  : Dla studenta informatyki miała to być przygoda ze sportem
Tokens: 1__ 2_______ 3__________ 4____ 5_ 6__ 7_______ 8_ 9______

Chunks:

(ChunkerEvaluator) Sentence #3504 from articles/00107496 from sent4

Text  : Okazuje się jednak , że przed statystykiem mieszkającym w Olsztynku otwiera się droga do kariery .
Tokens: 1______ 2__ 3_____ 4 5_ 6____ 7___________ 8___________ 9 10_______ 11_____ 12_ 13___ 14 15_____ 16

Chunks:
  TruePositive nam [10,10] = Olsztynku

(ChunkerEvaluator) Sentence #3505 from articles/00107496 from sent5

Text  : 22 - letni Kamil Sołoducha będzie bowiem pracował nie tylko z  zespołem Indykpolu występującym w  ekstraklasie ,  ale również z  reprezentacją Polski .
Tokens: 1_ 2 3____ 4____ 5________ 6_____ 7_____ 8_______ 9__ 10___ 11 12______ 13_______ 14__________ 15 16__________ 17 18_ 19_____ 20 21___________ 22____ 23

Chunks:
  TruePositive nam [4,5] = Kamil Sołoducha
  TruePositive nam [22,22] = Polski
  FalseNegative nam [13,13] = Indykpolu

(ChunkerEvaluator) Sentence #3506 from articles/00107496 from sent6

Text  : Już pod koniec ubiegłego sezonu PlusLigi statystyk otrzymał zaproszenie od trenera drużyny narodowej Andrei Anastasiego na zgrupowanie kadry w  Spale .
Tokens: 1__ 2__ 3_____ 4________ 5_____ 6_______ 7________ 8_______ 9__________ 10 11_____ 12_____ 13_______ 14____ 15_________ 16 17_________ 18___ 19 20___ 21

Chunks:
  TruePositive nam [14,15] = Andrei Anastasiego
  TruePositive nam [20,20] = Spale
  FalseNegative nam [6,6] = PlusLigi

(ChunkerEvaluator) Sentence #3507 from articles/00107496 from sent7

Text  : Co więcej , miał także okazję popracować podczas międzynarodowego memoriału Huberta Wagnera .
Tokens: 1_ 2_____ 3 4___ 5____ 6_____ 7_________ 8______ 9_______________ 10_______ 11_____ 12_____ 13

Chunks:
  TruePositive nam [11,12] = Huberta Wagnera

(ChunkerEvaluator) Sentence #3508 from articles/00107496 from sent8

Text  : - Mogł em zobaczyć , jak wyglądają treningi reprezentacji Polski na sali oraz jak pracują Michał Gogol i  Oskar Kaczmarczyk [  statystycy reprezentacji -  red .  ]  .
Tokens: 1 2___ 3_ 4_______ 5 6__ 7________ 8_______ 9____________ 10____ 11 12__ 13__ 14_ 15_____ 16____ 17___ 18 19___ 20_________ 21 22________ 23___________ 24 25_ 26 27 28

Chunks:
  TruePositive nam [10,10] = Polski
  TruePositive nam [16,17] = Michał Gogol
  TruePositive nam [19,20] = Oskar Kaczmarczyk

(ChunkerEvaluator) Sentence #3509 from articles/00107496 from sent9

Text  : Jestem pod dużym wrażeniem metod działania , jakimi dysponują szkoleniowiec Anastasi oraz moi koledzy po fachu -  mówi Kamil Sołoducha .
Tokens: 1_____ 2__ 3____ 4________ 5____ 6________ 7 8_____ 9________ 10___________ 11______ 12__ 13_ 14_____ 15 16___ 17 18__ 19___ 20_______ 21

Chunks:
  TruePositive nam [19,20] = Kamil Sołoducha
  FalseNegative nam [11,11] = Anastasi

(ChunkerEvaluator) Sentence #3510 from articles/00107496 from sent10

Text  : Statystyk Indykpolu AZS wypadł bardzo dobrze , współpracując z biało -  czerwonymi .
Tokens: 1________ 2________ 3__ 4_____ 5_____ 6_____ 7 8____________ 9 10___ 11 12________ 13

Chunks:
  FalsePositive nam [1,3] = Statystyk Indykpolu AZS
  FalseNegative nam [2,3] = Indykpolu AZS

(ChunkerEvaluator) Sentence #3511 from articles/00107496 from sent11

Text  : W efekcie trener Polaków zdecydował się zabrać Kamila także na Puchar Świata .
Tokens: 1 2______ 3_____ 4______ 5_________ 6__ 7_____ 8_____ 9____ 10 11____ 12____ 13

Chunks:
  TruePositive nam [4,4] = Polaków
  TruePositive nam [8,8] = Kamila
  TruePositive nam [11,12] = Puchar Świata

(ChunkerEvaluator) Sentence #3512 from articles/00107496 from sent12

Text  : Przypomnijmy , że impreza ta w dniach 20 listopada -  4  grudnia rozgrywana będzie w  kilku japońskich miastach .
Tokens: 1___________ 2 3_ 4______ 5_ 6 7_____ 8_ 9________ 10 11 12_____ 13________ 14____ 15 16___ 17________ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #3513 from articles/00107496 from sent13

Text  : A jest o co walczyć , ponieważ trzy najlepsze zespoły zapewnią sobie udział w  przyszłorocznych Igrzyskach Olimpijskich w  Londynie .
Tokens: 1 2___ 3 4_ 5______ 6 7_______ 8___ 9________ 10_____ 11______ 12___ 13____ 14 15______________ 16________ 17__________ 18 19______ 20

Chunks:
  TruePositive nam [16,17] = Igrzyskach Olimpijskich
  TruePositive nam [19,19] = Londynie

(ChunkerEvaluator) Sentence #3514 from articles/00107496 from sent14

Text  : - Niewątpliwie może to być duży krok w mojej karierze ,  o  ile zostanie dobrze wykorzystany ,  a  ja wyciągnę odpowiednie wnioski -  podkreśla Sołoducha .
Tokens: 1 2___________ 3___ 4_ 5__ 6___ 7___ 8 9____ 10______ 11 12 13_ 14______ 15____ 16__________ 17 18 19 20______ 21_________ 22_____ 23 24_______ 25_______ 26

Chunks:
  FalseNegative nam [25,25] = Sołoducha

(ChunkerEvaluator) Sentence #3515 from articles/00107496 from sent15

Text  : - Dzięki współpracy z najlepszymi można się wiele nauczyć i  przełożyć to na swój klub .
Tokens: 1 2_____ 3_________ 4 5__________ 6____ 7__ 8____ 9______ 10 11_______ 12 13 14__ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #3516 from articles/00107496 from sent16

Text  : Kamil Sołoducha przyznaje też , że nigdy nie przypuszczał ,  iż w  zawodzie statystyka można zajść tak daleko .
Tokens: 1____ 2________ 3________ 4__ 5 6_ 7____ 8__ 9___________ 10 11 12 13______ 14________ 15___ 16___ 17_ 18____ 19

Chunks:
  TruePositive nam [1,2] = Kamil Sołoducha

(ChunkerEvaluator) Sentence #3517 from articles/00107496 from sent17

Text  : - Zawsze staram się wykonywać swoje obowiązki najlepiej i najprecyzyjniej ,  jak potrafię -  zaznacza Sołoducha .
Tokens: 1 2_____ 3_____ 4__ 5________ 6____ 7________ 8________ 9 10_____________ 11 12_ 13______ 14 15______ 16_______ 17

Chunks:
  FalseNegative nam [16,16] = Sołoducha

(ChunkerEvaluator) Sentence #3518 from articles/00107496 from sent18

Text  : - Rozpoczynając swoją pracę w Olsztynie , traktował em to bardziej jak przygodę i  robienie tego ,  co naprawdę bardzo lubię .
Tokens: 1 2____________ 3____ 4____ 5 6________ 7 8________ 9_ 10 11______ 12_ 13______ 14 15______ 16__ 17 18 19______ 20____ 21___ 22

Chunks:
  TruePositive nam [6,6] = Olsztynie

(ChunkerEvaluator) Sentence #3519 from articles/00107496 from sent19

Text  : Niewykluczone , że Sołoducha całkowicie poświęci się siatkówce .
Tokens: 1____________ 2 3_ 4________ 5_________ 6_______ 7__ 8________ 9

Chunks:
  FalseNegative nam [4,4] = Sołoducha

(ChunkerEvaluator) Sentence #3520 from articles/00107496 from sent20

Text  : Jednym z jego marzeń jest zdobycie kwalifikacji trenerskich i współpraca z  siatkarzami .
Tokens: 1_____ 2 3___ 4_____ 5___ 6_______ 7___________ 8__________ 9 10________ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #3521 from articles/00107496 from sent21

Text  : - Jeżeli miał by m poświęcić się siatkówce przez dłuższy okres życia ,  to tylko jako statystyk i  szkoleniowiec w  jednym -  dodaje .
Tokens: 1 2_____ 3___ 4_ 5 6________ 7__ 8________ 9____ 10_____ 11___ 12___ 13 14 15___ 16__ 17_______ 18 19___________ 20 21____ 22 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #3522 from articles/00107496 from sent22

Text  : - Na tę chwilę nie jest to jednak coś ,  co chciał by m  robić w  perspektywie dłuższej niż najbliższe parę lat .
Tokens: 1 2_ 3_ 4_____ 5__ 6___ 7_ 8_____ 9__ 10 11 12____ 13 14 15___ 16 17__________ 18______ 19_ 20________ 21__ 22_ 23

Chunks:

2016-10-27 14:59:28,723 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 134 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107497.xml
(ChunkerEvaluator) Sentence #3523 from articles/00107497 from sent1

Text  : Zmiana czasu .
Tokens: 1_____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #3524 from articles/00107497 from sent2

Text  : Pociągi staną na godzinę .
Tokens: 1______ 2____ 3_ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #3525 from articles/00107497 from sent3

Text  : Sprawdź , jakie
Tokens: 1______ 2 3____

Chunks:

(ChunkerEvaluator) Sentence #3526 from articles/00107497 from sent4

Text  : W nocy z soboty na niedzielę zmienimy czas na zimowy ,  czyli z  godz .  3  na 2  .
Tokens: 1 2___ 3 4_____ 5_ 6________ 7_______ 8___ 9_ 10____ 11 12___ 13 14__ 15 16 17 18 19

Chunks:

(ChunkerEvaluator) Sentence #3527 from articles/00107497 from sent5

Text  : Pociągi spółki PKP Intercity o 3 . zatrzymają się na najbliższej stacji na godzinę .
Tokens: 1______ 2_____ 3__ 4________ 5 6 7 8_________ 9__ 10 11_________ 12____ 13 14_____ 15

Chunks:
  FalsePositive nam [3,7] = PKP Intercity o 3 .
  FalseNegative nam [3,4] = PKP Intercity

(ChunkerEvaluator) Sentence #3528 from articles/00107497 from sent6

Text  : Pociągi PKP Intercity kursujące w nocy z 29 na 30 października :
Tokens: 1______ 2__ 3________ 4________ 5 6___ 7 8_ 9_ 10 11__________ 12

Chunks:
  TruePositive nam [2,3] = PKP Intercity

(ChunkerEvaluator) Sentence #3529 from articles/00107497 from sent7

Text  : * Warszawa Wsch . - Jelenia Góra - Warszawa Wsch .
Tokens: 1 2_______ 3___ 4 5 6______ 7___ 8 9_______ 10__ 11

Chunks:
  FalsePositive nam [2,7] = Warszawa Wsch . - Jelenia Góra
  FalsePositive nam [9,10] = Warszawa Wsch
  FalseNegative nam [2,4] = Warszawa Wsch .
  FalseNegative nam [6,7] = Jelenia Góra
  FalseNegative nam [9,11] = Warszawa Wsch .

(ChunkerEvaluator) Sentence #3530 from articles/00107497 from sent8

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3531 from articles/00107497 from sent9

Text  : * Gdynia Gł . - Wrocław Gł . - Gdynia Gł .
Tokens: 1 2_____ 3_ 4 5 6______ 7_ 8 9 10____ 11 12

Chunks:
  FalsePositive nam [2,11] = Gdynia Gł . - Wrocław Gł . - Gdynia Gł
  FalseNegative nam [2,4] = Gdynia Gł .
  FalseNegative nam [6,8] = Wrocław Gł .
  FalseNegative nam [10,12] = Gdynia Gł .

(ChunkerEvaluator) Sentence #3532 from articles/00107497 from sent10

Text  : ( TLK _
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3533 from articles/00107497 from sent11

Text  : * Przemyśl Gł . - Szczecin Gł . - Przemyśl Gł .
Tokens: 1 2_______ 3_ 4 5 6_______ 7_ 8 9 10______ 11 12

Chunks:
  FalsePositive nam [2,11] = Przemyśl Gł . - Szczecin Gł . - Przemyśl Gł
  FalseNegative nam [2,4] = Przemyśl Gł .
  FalseNegative nam [6,8] = Szczecin Gł .
  FalseNegative nam [10,12] = Przemyśl Gł .

(ChunkerEvaluator) Sentence #3534 from articles/00107497 from sent12

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3535 from articles/00107497 from sent13

Text  : * Kraków Gł .
Tokens: 1 2_____ 3_ 4

Chunks:
  FalsePositive nam [2,3] = Kraków Gł
  FalseNegative nam [2,4] = Kraków Gł .

(ChunkerEvaluator) Sentence #3536 from articles/00107497 from sent14

Text  : - Świnoujście - Kraków Gł .
Tokens: 1 2__________ 3 4_____ 5_ 6

Chunks:
  TruePositive nam [2,2] = Świnoujście
  FalsePositive nam [4,5] = Kraków Gł
  FalseNegative nam [4,6] = Kraków Gł .

(ChunkerEvaluator) Sentence #3537 from articles/00107497 from sent15

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3538 from articles/00107497 from sent16

Text  : * Warszawa Wsch .
Tokens: 1 2_______ 3___ 4

Chunks:
  FalsePositive nam [2,3] = Warszawa Wsch
  FalseNegative nam [2,4] = Warszawa Wsch .

(ChunkerEvaluator) Sentence #3539 from articles/00107497 from sent17

Text  : - Szczecin Gł . / Świnoujście - Warszawa Wsch .
Tokens: 1 2_______ 3_ 4 5 6__________ 7 8_______ 9___ 10

Chunks:
  FalsePositive nam [2,6] = Szczecin Gł . / Świnoujście
  FalsePositive nam [8,9] = Warszawa Wsch
  FalseNegative nam [2,4] = Szczecin Gł .
  FalseNegative nam [6,6] = Świnoujście
  FalseNegative nam [8,10] = Warszawa Wsch .

(ChunkerEvaluator) Sentence #3540 from articles/00107497 from sent18

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3541 from articles/00107497 from sent19

Text  : * Kraków Płaszów - Kołobrzeg - Kraków Płaszów ( TLK )
Tokens: 1 2_____ 3______ 4 5________ 6 7_____ 8______ 9 10_ 11

Chunks:
  TruePositive nam [2,3] = Kraków Płaszów
  TruePositive nam [5,5] = Kołobrzeg
  TruePositive nam [7,8] = Kraków Płaszów
  TruePositive nam [10,10] = TLK

(ChunkerEvaluator) Sentence #3542 from articles/00107497 from sent20

Text  : * Bielsko Biała - Gdynia Gł .
Tokens: 1 2______ 3____ 4 5_____ 6_ 7

Chunks:
  FalsePositive nam [2,6] = Bielsko Biała - Gdynia Gł
  FalseNegative nam [2,3] = Bielsko Biała
  FalseNegative nam [5,7] = Gdynia Gł .

(ChunkerEvaluator) Sentence #3543 from articles/00107497 from sent21

Text  : - Bielsko Biała ( TLK )
Tokens: 1 2______ 3____ 4 5__ 6

Chunks:
  TruePositive nam [2,3] = Bielsko Biała
  TruePositive nam [5,5] = TLK

(ChunkerEvaluator) Sentence #3544 from articles/00107497 from sent22

Text  : * Krynica / Zakopane - Gdynia Gł .
Tokens: 1 2______ 3 4_______ 5 6_____ 7_ 8

Chunks:
  TruePositive nam [2,4] = Krynica / Zakopane
  FalsePositive nam [6,7] = Gdynia Gł
  FalseNegative nam [6,8] = Gdynia Gł .

(ChunkerEvaluator) Sentence #3545 from articles/00107497 from sent23

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3546 from articles/00107497 from sent24

Text  : * Gdynia Gł .
Tokens: 1 2_____ 3_ 4

Chunks:
  FalsePositive nam [2,3] = Gdynia Gł
  FalseNegative nam [2,4] = Gdynia Gł .

(ChunkerEvaluator) Sentence #3547 from articles/00107497 from sent25

Text  : - Kraków / Zakopane ( TLK )
Tokens: 1 2_____ 3 4_______ 5 6__ 7

Chunks:
  TruePositive nam [6,6] = TLK
  FalsePositive nam [2,2] = Kraków
  FalsePositive nam [4,4] = Zakopane
  FalseNegative nam [2,4] = Kraków / Zakopane

(ChunkerEvaluator) Sentence #3548 from articles/00107497 from sent26

Text  : * Przemyśl Gł .
Tokens: 1 2_______ 3_ 4

Chunks:
  FalsePositive nam [2,3] = Przemyśl Gł
  FalseNegative nam [2,4] = Przemyśl Gł .

(ChunkerEvaluator) Sentence #3549 from articles/00107497 from sent27

Text  : - Wrocław Gł .
Tokens: 1 2______ 3_ 4

Chunks:
  FalsePositive nam [2,3] = Wrocław Gł
  FalseNegative nam [2,4] = Wrocław Gł .

(ChunkerEvaluator) Sentence #3550 from articles/00107497 from sent28

Text  : - Przemyśl Gł .
Tokens: 1 2_______ 3_ 4

Chunks:
  FalsePositive nam [2,3] = Przemyśl Gł
  FalseNegative nam [2,4] = Przemyśl Gł .

(ChunkerEvaluator) Sentence #3551 from articles/00107497 from sent29

Text  : ( TLK )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = TLK

(ChunkerEvaluator) Sentence #3552 from articles/00107497 from sent30

Text  : * Kijów - Warszawa Zach . ( międzynarodowy pociąg )
Tokens: 1 2____ 3 4_______ 5___ 6 7 8_____________ 9_____ 10

Chunks:
  TruePositive nam [2,2] = Kijów
  TruePositive nam [4,6] = Warszawa Zach .

(ChunkerEvaluator) Sentence #3553 from articles/00107497 from sent31

Text  : * Mińsk - Warszawa Zach . ( międzynarodowy pociąg )
Tokens: 1 2____ 3 4_______ 5___ 6 7 8_____________ 9_____ 10

Chunks:
  FalsePositive nam [2,6] = Mińsk - Warszawa Zach .
  FalseNegative nam [2,2] = Mińsk
  FalseNegative nam [4,6] = Warszawa Zach .

(ChunkerEvaluator) Sentence #3554 from articles/00107497 from sent32

Text  : * Lwów - Wrocław Gł . ( międzynarodowy pociąg )
Tokens: 1 2___ 3 4______ 5_ 6 7 8_____________ 9_____ 10

Chunks:
  FalsePositive nam [2,5] = Lwów - Wrocław Gł
  FalseNegative nam [2,2] = Lwów
  FalseNegative nam [4,6] = Wrocław Gł .

(ChunkerEvaluator) Sentence #3555 from articles/00107497 from sent33

Text  : * Berlin - Kijów - Berlin ( międzynarodowy pociąg )
Tokens: 1 2_____ 3 4____ 5 6_____ 7 8_____________ 9_____ 10

Chunks:
  TruePositive nam [2,2] = Berlin
  TruePositive nam [4,4] = Kijów
  TruePositive nam [6,6] = Berlin

(ChunkerEvaluator) Sentence #3556 from articles/00107497 from sent34

Text  : * Berlin - Saratów ( międzynarodowy pociąg )
Tokens: 1 2_____ 3 4______ 5 6_____________ 7_____ 8

Chunks:
  FalsePositive nam [2,4] = Berlin - Saratów
  FalseNegative nam [2,2] = Berlin
  FalseNegative nam [4,4] = Saratów

2016-10-27 14:59:28,785 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 135 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107498.xml
(ChunkerEvaluator) Sentence #3557 from articles/00107498 from sent1

Text  : PKB USA wzrósł w III kwartale o 2 , 5  proc .  w  ujęciu zanualizowanym kdk
Tokens: 1__ 2__ 3_____ 4 5__ 6_______ 7 8 9 10 11__ 12 13 14____ 15____________ 16_

Chunks:
  TruePositive nam [2,2] = USA
  FalsePositive nam [1,1] = PKB

(ChunkerEvaluator) Sentence #3558 from articles/00107498 from sent2

Text  : Produkt Krajowy Brutto USA wzrósł w III kwartale 2011 roku o  2  ,  5  proc .  w  ujęciu zanualizowanym kwartał do kwartału -  podał w  czwartek Departament Handlu USA w  pierwszym wyliczeniu .
Tokens: 1______ 2______ 3_____ 4__ 5_____ 6 7__ 8_______ 9___ 10__ 11 12 13 14 15__ 16 17 18____ 19____________ 20_____ 21 22______ 23 24___ 25 26______ 27_________ 28____ 29_ 30 31_______ 32________ 33

Chunks:
  TruePositive nam [27,29] = Departament Handlu USA
  FalsePositive nam [2,4] = Krajowy Brutto USA
  FalseNegative nam [4,4] = USA

(ChunkerEvaluator) Sentence #3559 from articles/00107498 from sent3

Text  : Analitycy spodziewali się wzrostu PKB właśnie o 2 , 5  proc .
Tokens: 1________ 2__________ 3__ 4______ 5__ 6______ 7 8 9 10 11__ 12

Chunks:
  FalsePositive nam [5,5] = PKB

(ChunkerEvaluator) Sentence #3560 from articles/00107498 from sent4

Text  : W II kwartale 2011 roku PKB w Stanach Zjednoczonych wzrósł o  1  ,  3  proc .  w  ujęciu zanualizowanym kwartał do kwartału .
Tokens: 1 2_ 3_______ 4___ 5___ 6__ 7 8______ 9____________ 10____ 11 12 13 14 15__ 16 17 18____ 19____________ 20_____ 21 22______ 23

Chunks:
  TruePositive nam [8,9] = Stanach Zjednoczonych
  FalsePositive nam [6,6] = PKB

2016-10-27 14:59:28,810 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 136 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107499.xml
(ChunkerEvaluator) Sentence #3561 from articles/00107499 from sent1

Text  : Słabe wyniki finansowe Thomson Multimedia
Tokens: 1____ 2_____ 3________ 4______ 5_________

Chunks:
  TruePositive nam [4,5] = Thomson Multimedia

(ChunkerEvaluator) Sentence #3562 from articles/00107499 from sent2

Text  : Koncern Thomson Multimedia podał we wtorek dużo gorsze niż oczekiwano wyniki finansowe za III kwartał tego roku .
Tokens: 1______ 2______ 3_________ 4____ 5_ 6_____ 7___ 8_____ 9__ 10________ 11____ 12_______ 13 14_ 15_____ 16__ 17__ 18

Chunks:
  TruePositive nam [2,3] = Thomson Multimedia

(ChunkerEvaluator) Sentence #3563 from articles/00107499 from sent3

Text  : Prezes odszedł , zyski spadły
Tokens: 1_____ 2______ 3 4____ 5_____

Chunks:

(ChunkerEvaluator) Sentence #3564 from articles/00107499 from sent4

Text  : Koncern Thomson Multimedia podał we wtorek dużo gorsze niż oczekiwano wyniki finansowe za III kwartał tego roku .
Tokens: 1______ 2______ 3_________ 4____ 5_ 6_____ 7___ 8_____ 9__ 10________ 11____ 12_______ 13 14_ 15_____ 16__ 17__ 18

Chunks:
  TruePositive nam [2,3] = Thomson Multimedia

(ChunkerEvaluator) Sentence #3565 from articles/00107499 from sent5

Text  : Sprzedaż wyniosła w tym czasie 2 , 33 mld euro -  o  2  ,  1  proc .  mniej niż przed rokiem .
Tokens: 1_______ 2_______ 3 4__ 5_____ 6 7 8_ 9__ 10__ 11 12 13 14 15 16__ 17 18___ 19_ 20___ 21____ 22

Chunks:
  TruePositive nam [10,10] = euro

(ChunkerEvaluator) Sentence #3566 from articles/00107499 from sent6

Text  : W ten sposób firma nie osiągnęła zakładanych przychodów w wysokości 2  ,  4  -  2  ,  7  mld euro .
Tokens: 1 2__ 3_____ 4____ 5__ 6________ 7__________ 8_________ 9 10_______ 11 12 13 14 15 16 17 18_ 19__ 20

Chunks:
  TruePositive nam [19,19] = euro

(ChunkerEvaluator) Sentence #3567 from articles/00107499 from sent7

Text  : Najgorsze wyniki osiągnął segment produktów użytkowych ( spadek o 13 ,  8  proc .  )  .
Tokens: 1________ 2_____ 3_______ 4______ 5________ 6_________ 7 8_____ 9 10 11 12 13__ 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #3568 from articles/00107499 from sent8

Text  : O ponad 11 proc . spadły też przychody z patentów i  licencji .
Tokens: 1 2____ 3_ 4___ 5 6_____ 7__ 8________ 9 10______ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #3569 from articles/00107499 from sent9

Text  : Dotychczas dobre wyniki Thomsona były powodem podkupienia przez France Telecom prezesa tej spółki Thierry'ego Bretona .
Tokens: 1_________ 2____ 3_____ 4_______ 5___ 6______ 7__________ 8____ 9_____ 10_____ 11_____ 12_ 13____ 14_________ 15_____ 16

Chunks:
  TruePositive nam [4,4] = Thomsona
  TruePositive nam [9,10] = France Telecom
  TruePositive nam [14,15] = Thierry'ego Bretona

(ChunkerEvaluator) Sentence #3570 from articles/00107499 from sent10

Text  : W efekcie słabszych wyników akcje Thomsona spadły o 10 proc .
Tokens: 1 2______ 3________ 4______ 5____ 6_______ 7_____ 8 9_ 10__ 11

Chunks:
  TruePositive nam [6,6] = Thomsona

2016-10-27 14:59:28,855 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 137 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107500.xml
(ChunkerEvaluator) Sentence #3571 from articles/00107500 from sent1

Text  : Akademia Rainbow Tours
Tokens: 1_______ 2______ 3____

Chunks:
  TruePositive nam [1,3] = Akademia Rainbow Tours

(ChunkerEvaluator) Sentence #3572 from articles/00107500 from sent2

Text  : Akademia Rainbow Tours działa od trzech lat .
Tokens: 1_______ 2______ 3____ 4_____ 5_ 6_____ 7__ 8

Chunks:
  TruePositive nam [1,3] = Akademia Rainbow Tours

(ChunkerEvaluator) Sentence #3573 from articles/00107500 from sent3

Text  : - Realizację tego projektu powierzyli śmy naszym pilotom i rezydentom z  wieloletnim doświadczeniem -  mówi Tomasz Czapla ,  wiceprezes zarządu Rainbow Tours
Tokens: 1 2_________ 3___ 4_______ 5_________ 6__ 7_____ 8______ 9 10________ 11 12_________ 13____________ 14 15__ 16____ 17____ 18 19________ 20_____ 21_____ 22___

Chunks:
  TruePositive nam [16,17] = Tomasz Czapla
  TruePositive nam [21,22] = Rainbow Tours

(ChunkerEvaluator) Sentence #3574 from articles/00107500 from sent4

Text  : - Mamy dwa cele : kształcenie nowej kadry i wyławianie najlepszych absolwentów ,  którzy będą mogli dołączyć do naszego zespołu ,  oraz doszkalanie obecnych pracowników .
Tokens: 1 2___ 3__ 4___ 5 6__________ 7____ 8____ 9 10________ 11_________ 12_________ 13 14____ 15__ 16___ 17______ 18 19_____ 20_____ 21 22__ 23_________ 24______ 25_________ 26

Chunks:

(ChunkerEvaluator) Sentence #3575 from articles/00107500 from sent5

Text  : Akademia oferuje kursy pilotów wycieczek przygotowujące do egzaminu państwowego ,  rezydentów oraz animatorów czasu wolnego .
Tokens: 1_______ 2______ 3____ 4______ 5________ 6_____________ 7_ 8_______ 9__________ 10 11________ 12__ 13________ 14___ 15_____ 16

Chunks:
  FalseNegative nam [1,1] = Akademia

(ChunkerEvaluator) Sentence #3576 from articles/00107500 from sent6

Text  : - Tegoroczny sezon szkoleniowy rozpoczęli śmy 22 października od kursu pilotów w  Warszawie i  Łodzi -  mówi Radosław Szafranowicz -  Małozięć ,  koordynator szkoleń .
Tokens: 1 2_________ 3____ 4__________ 5_________ 6__ 7_ 8___________ 9_ 10___ 11_____ 12 13_______ 14 15___ 16 17__ 18______ 19__________ 20 21______ 22 23_________ 24_____ 25

Chunks:
  TruePositive nam [13,13] = Warszawie
  TruePositive nam [15,15] = Łodzi
  TruePositive nam [18,21] = Radosław Szafranowicz - Małozięć

(ChunkerEvaluator) Sentence #3577 from articles/00107500 from sent7

Text  : - Od listopada rusza akademia rezydentów i animatorów .
Tokens: 1 2_ 3________ 4____ 5_______ 6_________ 7 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #3578 from articles/00107500 from sent8

Text  : Zajęcia będą się odbywać w największych miastach Polski , m  .  in .  w  Warszawie ,  Krakowie ,  Katowicach ,  Poznaniu ,  Gdańsku ,  Łodzi ,  Wrocławiu i  Szczecinie .
Tokens: 1______ 2___ 3__ 4______ 5 6___________ 7_______ 8_____ 9 10 11 12 13 14 15_______ 16 17______ 18 19________ 20 21______ 22 23_____ 24 25___ 26 27_______ 28 29________ 30

Chunks:
  TruePositive nam [8,8] = Polski
  TruePositive nam [15,15] = Warszawie
  TruePositive nam [17,17] = Krakowie
  TruePositive nam [19,19] = Katowicach
  TruePositive nam [21,21] = Poznaniu
  TruePositive nam [23,23] = Gdańsku
  TruePositive nam [25,25] = Łodzi
  TruePositive nam [27,27] = Wrocławiu
  TruePositive nam [29,29] = Szczecinie

(ChunkerEvaluator) Sentence #3579 from articles/00107500 from sent9

Text  : Najlepsi absolwenci będą mogli pojechać na wycieczkę jako drugi pilot ,  na staż w  charakterze rezydenta lub na dodatkowe bezpłatne szkolenie dla animatorów .
Tokens: 1_______ 2_________ 3___ 4____ 5_______ 6_ 7________ 8___ 9____ 10___ 11 12 13__ 14 15_________ 16_______ 17_ 18 19_______ 20_______ 21_______ 22_ 23________ 24

Chunks:

2016-10-27 14:59:28,907 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 138 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107501.xml
(ChunkerEvaluator) Sentence #3580 from articles/00107501 from sent1

Text  : Pomarańczowy Kult w Rzeszowie - koncert w klubie Live
Tokens: 1___________ 2___ 3 4________ 5 6______ 7 8_____ 9___

Chunks:
  FalsePositive nam [1,4] = Pomarańczowy Kult w Rzeszowie
  FalseNegative nam [2,2] = Kult
  FalseNegative nam [4,4] = Rzeszowie
  FalseNegative nam [9,9] = Live

(ChunkerEvaluator) Sentence #3581 from articles/00107501 from sent2

Text  : Cykliczna jesienna trasa Kultu tradycyjnie nie ominie Rzeszowa .
Tokens: 1________ 2_______ 3____ 4____ 5__________ 6__ 7_____ 8_______ 9

Chunks:
  TruePositive nam [4,4] = Kultu
  TruePositive nam [8,8] = Rzeszowa

(ChunkerEvaluator) Sentence #3582 from articles/00107501 from sent3

Text  : Koncerty Kazika i jego kompanii mają nad Wisłokiem wielką rzeszę zwolenników .
Tokens: 1_______ 2_____ 3 4___ 5_______ 6___ 7__ 8________ 9_____ 10____ 11_________ 12

Chunks:
  TruePositive nam [2,2] = Kazika
  TruePositive nam [8,8] = Wisłokiem

(ChunkerEvaluator) Sentence #3583 from articles/00107501 from sent4

Text  : Tegoroczny pomarańczowy koncert zespołu w klubie Live już w niedzielę .
Tokens: 1_________ 2___________ 3______ 4______ 5 6_____ 7___ 8__ 9 10_______ 11

Chunks:
  TruePositive nam [7,7] = Live

(ChunkerEvaluator) Sentence #3584 from articles/00107501 from sent5

Text  : Wspomniany pomarańczowy kolor trasy znaczą plakaty tej barwy , które o  tej porze roku zdobią polskie miasta ,  w  tym oczywiście Rzeszów .
Tokens: 1_________ 2___________ 3____ 4____ 5_____ 6______ 7__ 8____ 9 10___ 11 12_ 13___ 14__ 15____ 16_____ 17____ 18 19 20_ 21________ 22_____ 23

Chunks:
  TruePositive nam [22,22] = Rzeszów

(ChunkerEvaluator) Sentence #3585 from articles/00107501 from sent6

Text  : Starym zwyczajem , jeszcze tym z czasów klubu Akademia ,  również tym razem chóralnie zostaną odśpiewane monumentalne ,  kultowe songi ,  takie jak m  .  in .  „  Celina ”  ,  „  Baranek ”  ,  „  Parada wspomnień ”  ,  „  Wódka ”  ,  „  Kocham Cię ,  a  miłością swoją ”  ,  „  Dziewczyna o  perłowych włosach ”  ,  „  Pasażer ”  oraz utwory z  ostatniej płyty „  Hurra !  ”  .
Tokens: 1_____ 2________ 3 4______ 5__ 6 7_____ 8____ 9_______ 10 11_____ 12_ 13___ 14_______ 15_____ 16________ 17__________ 18 19_____ 20___ 21 22___ 23_ 24 25 26 27 28 29____ 30 31 32 33_____ 34 35 36 37____ 38_______ 39 40 41 42___ 43 44 45 46____ 47_ 48 49 50______ 51___ 52 53 54 55________ 56 57_______ 58_____ 59 60 61 62_____ 63 64__ 65____ 66 67_______ 68___ 69 70___ 71 72 73

Chunks:
  TruePositive nam [9,9] = Akademia
  TruePositive nam [29,29] = Celina
  TruePositive nam [33,33] = Baranek
  TruePositive nam [42,42] = Wódka
  TruePositive nam [62,62] = Pasażer
  FalseNegative nam [37,38] = Parada wspomnień
  FalseNegative nam [46,51] = Kocham Cię , a miłością swoją
  FalseNegative nam [55,58] = Dziewczyna o perłowych włosach
  FalseNegative nam [70,71] = Hurra !

(ChunkerEvaluator) Sentence #3586 from articles/00107501 from sent7

Text  : Jeśli wybieramy się na ten koncert , musimy pamiętać ,  że to nie tylko sama muzyka .
Tokens: 1____ 2________ 3__ 4_ 5__ 6______ 7 8_____ 9_______ 10 11 12 13_ 14___ 15__ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #3587 from articles/00107501 from sent8

Text  : Prawie trzygodzinny występ Kultu to również współgrające z tonacją utworów i  ich tekstami światło ,  które w  połączeniu z  dziewięcioosobową ekipą muzyków na scenie tworzy wydarzenie na kształt spektaklu .
Tokens: 1_____ 2___________ 3_____ 4____ 5_ 6______ 7___________ 8 9______ 10_____ 11 12_ 13______ 14_____ 15 16___ 17 18________ 19 20_______________ 21___ 22_____ 23 24____ 25____ 26________ 27 28_____ 29_______ 30

Chunks:
  TruePositive nam [4,4] = Kultu

(ChunkerEvaluator) Sentence #3588 from articles/00107501 from sent9

Text  : Niedziela ( 30 października ) , klub Live .
Tokens: 1________ 2 3_ 4___________ 5 6 7___ 8___ 9

Chunks:
  FalsePositive nam [1,1] = Niedziela
  FalseNegative nam [8,8] = Live

(ChunkerEvaluator) Sentence #3589 from articles/00107501 from sent10

Text  : Bilety w cenie 57 zł .
Tokens: 1_____ 2 3____ 4_ 5_ 6

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #3590 from articles/00107501 from sent11

Text  : Początek o godz . 19 .
Tokens: 1_______ 2 3___ 4 5_ 6

Chunks:

2016-10-27 14:59:28,968 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 139 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107502.xml
(ChunkerEvaluator) Sentence #3591 from articles/00107502 from sent1

Text  : Zmiany w dziedziczeniu tronu
Tokens: 1_____ 2 3____________ 4____

Chunks:

(ChunkerEvaluator) Sentence #3592 from articles/00107502 from sent2

Text  : Królowa Elżbieta II tylko dlatego rządzi Wielką Brytanią , że nie było męskiego dziedzica .
Tokens: 1______ 2_______ 3_ 4____ 5______ 6_____ 7_____ 8_______ 9 10 11_ 12__ 13______ 14_______ 15

Chunks:
  TruePositive nam [2,3] = Elżbieta II
  TruePositive nam [7,8] = Wielką Brytanią

(ChunkerEvaluator) Sentence #3593 from articles/00107502 from sent3

Text  : Dotychczas prawo do tronu mieli przede wszystkim mężczyźni .
Tokens: 1_________ 2____ 3_ 4____ 5____ 6_____ 7________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #3594 from articles/00107502 from sent4

Text  : Teraz sytuacja się zmieniła .
Tokens: 1____ 2_______ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3595 from articles/00107502 from sent5

Text  : Kolejka do tronu ustalona została według wieku , a nie według płci .
Tokens: 1______ 2_ 3____ 4_______ 5______ 6_____ 7____ 8 9 10_ 11____ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #3596 from articles/00107502 from sent6

Text  : Przez 300 lat w brytyjskim królestwie obowiązywał zapis o primogeniturze ,  czyli pierwszeństwie do tronu męskich potomków władcy :  Najstarszy syn królowej Elżbiety ,  książę Karol ,  był i  jest pierwszy w  kolejce do dziedziczenie ,  potem jego męscy potomkowie (  William i  Harry )  ,  następnie jego młodsi bracia (  Andrzej i  Edward )  ,  a  dopiero potem córka królowej Elżbiety ,  księżniczka Anna ,  pomimo iż była od nich starsza .
Tokens: 1____ 2__ 3__ 4 5_________ 6_________ 7__________ 8____ 9 10____________ 11 12___ 13____________ 14 15___ 16_____ 17______ 18____ 19 20________ 21_ 22______ 23______ 24 25____ 26___ 27 28_ 29 30__ 31______ 32 33_____ 34 35___________ 36 37___ 38__ 39___ 40________ 41 42_____ 43 44___ 45 46 47_______ 48__ 49____ 50____ 51 52_____ 53 54____ 55 56 57 58_____ 59___ 60___ 61______ 62______ 63 64_________ 65__ 66 67____ 68 69__ 70 71__ 72_____ 73

Chunks:
  TruePositive nam [23,23] = Elżbiety
  TruePositive nam [26,26] = Karol
  TruePositive nam [42,42] = William
  TruePositive nam [44,44] = Harry
  TruePositive nam [52,52] = Andrzej
  TruePositive nam [54,54] = Edward
  TruePositive nam [62,62] = Elżbiety
  TruePositive nam [65,65] = Anna

(ChunkerEvaluator) Sentence #3597 from articles/00107502 from sent7

Text  : Zajmował ona 10 miejscu w kolejce do tronu .
Tokens: 1_______ 2__ 3_ 4______ 5 6______ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #3598 from articles/00107502 from sent8

Text  : Dzięki zmianie prawa znajdzie się na miejscu czwartym , a  za nią będą jej dzieci .
Tokens: 1_____ 2______ 3____ 4_______ 5__ 6_ 7______ 8_______ 9 10 11 12_ 13__ 14_ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #3599 from articles/00107502 from sent9

Text  : Książęta Andrzej i Edward przesuną się na dalsze miejsca .
Tokens: 1_______ 2______ 3 4_____ 5_______ 6__ 7_ 8_____ 9______ 10

Chunks:
  TruePositive nam [2,2] = Andrzej
  TruePositive nam [4,4] = Edward

(ChunkerEvaluator) Sentence #3600 from articles/00107502 from sent10

Text  : Pierwszy w dalszym ciągu będzie książę Karol jako najstarsze dziecko królowej Elżbiety II ,  potem jego synowie .
Tokens: 1_______ 2 3______ 4____ 5_____ 6_____ 7____ 8___ 9_________ 10_____ 11______ 12______ 13 14 15___ 16__ 17_____ 18

Chunks:
  TruePositive nam [7,7] = Karol
  TruePositive nam [12,13] = Elżbiety II

(ChunkerEvaluator) Sentence #3601 from articles/00107502 from sent11

Text  : Jeżeli jednak w brytyjskiej rodzinie królewskiej księciu Williamowi pierwsza urodzi się dziewczynka ,  a  później chłopiec ,  to ona będzie dziedziczyła brytyjski tron ,  a  nie jej młodszy brat .
Tokens: 1_____ 2_____ 3 4__________ 5_______ 6__________ 7______ 8_________ 9_______ 10____ 11_ 12_________ 13 14 15_____ 16______ 17 18 19_ 20____ 21__________ 22_______ 23__ 24 25 26_ 27_ 28_____ 29__ 30

Chunks:
  TruePositive nam [8,8] = Williamowi

(ChunkerEvaluator) Sentence #3602 from articles/00107502 from sent12

Text  : Feministki mają powody do zadowolenia .
Tokens: 1_________ 2___ 3_____ 4_ 5__________ 6

Chunks:

2016-10-27 14:59:29,036 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 140 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107503.xml
(ChunkerEvaluator) Sentence #3603 from articles/00107503 from sent1

Text  : Muzyka w polskim iTunes
Tokens: 1_____ 2 3______ 4_____

Chunks:
  FalseNegative nam [4,4] = iTunes

(ChunkerEvaluator) Sentence #3604 from articles/00107503 from sent2

Text  : Muzyka w polskim iTunes
Tokens: 1_____ 2 3______ 4_____

Chunks:
  FalseNegative nam [4,4] = iTunes

(ChunkerEvaluator) Sentence #3605 from articles/00107503 from sent3

Text  : iTunes wszedł do Polski , ale interfejs w znacznej mierze pozostał anglojęzyczny .
Tokens: 1_____ 2_____ 3_ 4_____ 5 6__ 7________ 8 9_______ 10____ 11______ 12___________ 13

Chunks:
  TruePositive nam [4,4] = Polski
  FalseNegative nam [1,1] = iTunes

(ChunkerEvaluator) Sentence #3606 from articles/00107503 from sent4

Text  : Aby znaleźć i kupić wybrany utwór lub album wystarczy uruchomić klienta iTunes zainstalowanego w  komputerze i  zalogować się na wcześniej utworzone konto .
Tokens: 1__ 2______ 3 4____ 5______ 6____ 7__ 8____ 9________ 10_______ 11_____ 12____ 13_____________ 14 15________ 16 17_______ 18_ 19 20_______ 21_______ 22___ 23

Chunks:
  FalseNegative nam [12,12] = iTunes

(ChunkerEvaluator) Sentence #3607 from articles/00107503 from sent5

Text  : Aby znaleźć i kupić wybrany utwór lub album wystarczy uruchomić klienta iTunes zainstalowanego w  komputerze i  zalogować się na wcześniej utworzone konto .
Tokens: 1__ 2______ 3 4____ 5______ 6____ 7__ 8____ 9________ 10_______ 11_____ 12____ 13_____________ 14 15________ 16 17_______ 18_ 19 20_______ 21_______ 22___ 23

Chunks:
  FalseNegative nam [12,12] = iTunes

(ChunkerEvaluator) Sentence #3608 from articles/00107503 from sent6

Text  : Pokaże się główny ekran iTunes , składający się z trzech części :  bocznego menu ,  największej części promocyjnej i  górnej belki .
Tokens: 1_____ 2__ 3_____ 4____ 5_____ 6 7_________ 8__ 9 10____ 11____ 12 13______ 14__ 15 16_________ 17____ 18_________ 19 20____ 21___ 22

Chunks:
  FalseNegative nam [5,5] = iTunes

(ChunkerEvaluator) Sentence #3609 from articles/00107503 from sent7

Text  : W górnym prawym rogu znajduje się okienko z adnotacją "  Przeszukaj sklep "  .
Tokens: 1 2_____ 3_____ 4___ 5_______ 6__ 7______ 8 9________ 10 11________ 12___ 13 14

Chunks:

(ChunkerEvaluator) Sentence #3610 from articles/00107503 from sent8

Text  : Wystarczy w polu wpisać tytuł płyty , nazwę artysty lub gatunek muzyczny .
Tokens: 1________ 2 3___ 4_____ 5____ 6____ 7 8____ 9______ 10_ 11_____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #3611 from articles/00107503 from sent9

Text  : W środkowym oknie wyświetlą się wyniki wyszukiwania .
Tokens: 1 2________ 3____ 4________ 5__ 6_____ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #3612 from articles/00107503 from sent10

Text  : Wśród nich , być może , różni wykonawcy , albumy oraz pojedyncze utwory .
Tokens: 1____ 2___ 3 4__ 5___ 6 7____ 8________ 9 10____ 11__ 12________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #3613 from articles/00107503 from sent11

Text  : Jeśli jest ich za dużo , albo na pierwszym planie wyświetliły się nie utwory muzyczne ,  a  aplikacje na iPhone'a ,  można skorzystać z  filtra ,  który znajduje się z  lewej strony .
Tokens: 1____ 2___ 3__ 4_ 5___ 6 7___ 8_ 9________ 10____ 11_________ 12_ 13_ 14____ 15______ 16 17 18_______ 19 20______ 21 22___ 23________ 24 25____ 26 27___ 28______ 29_ 30 31___ 32____ 33

Chunks:
  TruePositive nam [20,20] = iPhone'a

(ChunkerEvaluator) Sentence #3614 from articles/00107503 from sent12

Text  : Z przedstawionej listy należy wybrać tę pozycję , która nas interesuje i  kliknąć "  BUY "  .
Tokens: 1 2_____________ 3____ 4_____ 5_____ 6_ 7______ 8 9____ 10_ 11________ 12 13_____ 14 15_ 16 17

Chunks:
  FalsePositive nam [15,15] = BUY

(ChunkerEvaluator) Sentence #3615 from articles/00107503 from sent13

Text  : Na przycisku powinna tez znajdować się cena w walucie euro .
Tokens: 1_ 2________ 3______ 4__ 5________ 6__ 7___ 8 9______ 10__ 11

Chunks:
  TruePositive nam [10,10] = euro

(ChunkerEvaluator) Sentence #3616 from articles/00107503 from sent14

Text  : Być może iTunes wszedł oficjalnie do Polski , a jego biblioteki zapełniły rodzime utwory ,  ale interfejs w  znacznej mierze pozostał anglojęzyczny .
Tokens: 1__ 2___ 3_____ 4_____ 5_________ 6_ 7_____ 8 9 10__ 11________ 12_______ 13_____ 14____ 15 16_ 17_______ 18 19______ 20____ 21______ 22___________ 23

Chunks:
  TruePositive nam [7,7] = Polski
  FalseNegative nam [3,3] = iTunes

(ChunkerEvaluator) Sentence #3617 from articles/00107503 from sent15

Text  : Klikając na strzałkę z prawej strony przycisku , pojawia się rozwijane menu z  opcjami :  "  Gift This Album "  ,  "  Add to Wish List "  ,  "  Tell a  Friend "  ,  "  Copy Link "  ,  "  Share On Facebook "  i  "  Share On Twitter "  .
Tokens: 1_______ 2_ 3_______ 4 5_____ 6_____ 7________ 8 9______ 10_ 11_______ 12__ 13 14_____ 15 16 17__ 18__ 19___ 20 21 22 23_ 24 25__ 26__ 27 28 29 30__ 31 32____ 33 34 35 36__ 37__ 38 39 40 41___ 42 43______ 44 45 46 47___ 48 49_____ 50 51

Chunks:
  FalsePositive nam [17,19] = Gift This Album
  FalsePositive nam [23,26] = Add to Wish List
  FalsePositive nam [30,32] = Tell a Friend
  FalsePositive nam [36,37] = Copy Link
  FalsePositive nam [41,43] = Share On Facebook
  FalsePositive nam [47,49] = Share On Twitter

(ChunkerEvaluator) Sentence #3618 from articles/00107503 from sent16

Text  : Po kliknięciu przycisku " BUY " może się pojawić okno z  prośbą o  powtórne zalogowanie .
Tokens: 1_ 2_________ 3________ 4 5__ 6 7___ 8__ 9______ 10__ 11 12____ 13 14______ 15_________ 16

Chunks:
  FalsePositive nam [5,5] = BUY

(ChunkerEvaluator) Sentence #3619 from articles/00107503 from sent17

Text  : To jedna z barier , która miała zminimalizować ryzyko dokonania dużego zakupu przez osoby nieautoryzowane ,  jak na przykład dzieci użytkownika .
Tokens: 1_ 2____ 3 4_____ 5 6____ 7____ 8_____________ 9_____ 10_______ 11____ 12____ 13___ 14___ 15_____________ 16 17_ 18 19______ 20____ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #3620 from articles/00107503 from sent18

Text  : Należy wpisać login i hasło .
Tokens: 1_____ 2_____ 3____ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #3621 from articles/00107503 from sent19

Text  : Kiedy zalogujemy się do części zakupowej , pojawi się kolejna ramka ,  która zapyta czy naprawdę chcemy kupić ten album albo utwór .
Tokens: 1____ 2_________ 3__ 4_ 5_____ 6________ 7 8_____ 9__ 10_____ 11___ 12 13___ 14____ 15_ 16______ 17____ 18___ 19_ 20___ 21__ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #3622 from articles/00107503 from sent20

Text  : Na tym etapie możemy jeszcze wycofać się z transakcji ,  klikając "  Cancel "  .
Tokens: 1_ 2__ 3_____ 4_____ 5______ 6______ 7__ 8 9_________ 10 11______ 12 13____ 14 15

Chunks:

(ChunkerEvaluator) Sentence #3623 from articles/00107503 from sent21

Text  : Jeśli natomiast rzeczywiście chcemy dokonać zakupu , należy potwierdzić naciskając na "  Buy "  .
Tokens: 1____ 2________ 3___________ 4_____ 5______ 6_____ 7 8_____ 9__________ 10________ 11 12 13_ 14 15

Chunks:

(ChunkerEvaluator) Sentence #3624 from articles/00107503 from sent22

Text  : Zakupione albumy i piosenki powinny wyświetlać się teraz w naszych "  Bibliotekach "  w  lewej górnej ćwiartce strony głównego ekranu .
Tokens: 1________ 2_____ 3 4_______ 5______ 6_________ 7__ 8____ 9 10_____ 11 12__________ 13 14 15___ 16____ 17______ 18____ 19______ 20____ 21

Chunks:
  FalsePositive nam [12,12] = Bibliotekach

2016-10-27 14:59:29,149 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 141 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107504.xml
(ChunkerEvaluator) Sentence #3625 from articles/00107504 from sent1

Text  : T - Mobile Ekstraklasa - PGE - KGHM 2 :  1
Tokens: 1 2 3_____ 4__________ 5 6__ 7 8___ 9 10 11

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa
  TruePositive nam [6,6] = PGE
  TruePositive nam [8,8] = KGHM

(ChunkerEvaluator) Sentence #3626 from articles/00107504 from sent2

Text  : Po meczu powiedzieli :
Tokens: 1_ 2____ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #3627 from articles/00107504 from sent3

Text  : Trener KGHM Zagłębie Lubin Jan Urban : " Rozegrali śmy słaby mecz ,  ale gra się tak ,  jak przeciwnik pozwala .
Tokens: 1_____ 2___ 3_______ 4____ 5__ 6____ 7 8 9________ 10_ 11___ 12__ 13 14_ 15_ 16_ 17_ 18 19_ 20________ 21_____ 22

Chunks:
  TruePositive nam [2,4] = KGHM Zagłębie Lubin
  TruePositive nam [5,6] = Jan Urban

(ChunkerEvaluator) Sentence #3628 from articles/00107504 from sent4

Text  : Dzisiaj GKS nie pozwolił nam na zbyt wiele .
Tokens: 1______ 2__ 3__ 4_______ 5__ 6_ 7___ 8____ 9

Chunks:
  TruePositive nam [2,2] = GKS

(ChunkerEvaluator) Sentence #3629 from articles/00107504 from sent5

Text  : Grali agresywnie w obronie , przez co nie mieli śmy okazji do zdobycia bramki i  chociaż jednego punktu .
Tokens: 1____ 2_________ 3 4______ 5 6____ 7_ 8__ 9____ 10_ 11____ 12 13______ 14____ 15 16_____ 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #3630 from articles/00107504 from sent6

Text  : Musimy więc ich szukać w kolejnych spotkaniach " .
Tokens: 1_____ 2___ 3__ 4_____ 5 6________ 7__________ 8 9

Chunks:

(ChunkerEvaluator) Sentence #3631 from articles/00107504 from sent7

Text  : Szkoleniowiec PGE GKS Bełchatów Kamil Kiereś : " Wprowadzenie na boisko Pawła Buzały i  Tomasza Nowaka to miał być nasz plan B  .  Obaj mieli jednak wejść do gry nieco później .
Tokens: 1____________ 2__ 3__ 4________ 5____ 6_____ 7 8 9___________ 10 11____ 12___ 13____ 14 15_____ 16____ 17 18__ 19_ 20__ 21__ 22 23 24__ 25___ 26____ 27___ 28 29_ 30___ 31_____ 32

Chunks:
  TruePositive nam [5,6] = Kamil Kiereś
  TruePositive nam [12,13] = Pawła Buzały
  TruePositive nam [15,16] = Tomasza Nowaka
  FalsePositive nam [2,2] = PGE
  FalsePositive nam [3,4] = GKS Bełchatów
  FalseNegative nam [2,4] = PGE GKS Bełchatów

(ChunkerEvaluator) Sentence #3632 from articles/00107504 from sent8

Text  : W przerwie zdecydowali śmy się jednak postawić wszystko na jedną kartę i  dlatego zagrali od początku drugiej połowy .
Tokens: 1 2_______ 3__________ 4__ 5__ 6_____ 7_______ 8_______ 9_ 10___ 11___ 12 13_____ 14_____ 15 16______ 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #3633 from articles/00107504 from sent9

Text  : To się opłaciło .
Tokens: 1_ 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #3634 from articles/00107504 from sent10

Text  : Cieszymy się bardzo z tego zwycięstwa , ale myślimy już o  tym ,  by kolejne odnieść w  Kielcach "  .
Tokens: 1_______ 2__ 3_____ 4 5___ 6_________ 7 8__ 9______ 10_ 11 12_ 13 14 15_____ 16_____ 17 18______ 19 20

Chunks:
  TruePositive nam [18,18] = Kielcach

2016-10-27 14:59:29,193 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 142 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107505.xml
(ChunkerEvaluator) Sentence #3635 from articles/00107505 from sent1

Text  : Książki z VAT-em - kto na tym stracił ?
Tokens: 1______ 2 3_____ 4 5__ 6_ 7__ 8______ 9

Chunks:
  TruePositive nam [3,3] = VAT-em

(ChunkerEvaluator) Sentence #3636 from articles/00107505 from sent2

Text  : Nastroje na rynku księgarskim przed rozpoczynającymi się za kilka dni Targami Książki nie są najlepsze .
Tokens: 1_______ 2_ 3____ 4__________ 5____ 6_______________ 7__ 8_ 9____ 10_ 11_____ 12_____ 13_ 14 15_______ 16

Chunks:
  TruePositive nam [11,12] = Targami Książki

(ChunkerEvaluator) Sentence #3637 from articles/00107505 from sent3

Text  : Nic dziwnego , bo poziom czytelnictwa spada nieprzerwanie , a  w  tym roku branża boryka się jeszcze z  wprowadzonym podatkiem VAT na książki ,  który wpłynął na ceny bardziej niż się spodziewano .
Tokens: 1__ 2_______ 3 4_ 5_____ 6___________ 7____ 8____________ 9 10 11 12_ 13__ 14____ 15____ 16_ 17_____ 18 19__________ 20_______ 21_ 22 23_____ 24 25___ 26_____ 27 28__ 29______ 30_ 31_ 32_________ 33

Chunks:
  TruePositive nam [21,21] = VAT

(ChunkerEvaluator) Sentence #3638 from articles/00107505 from sent4

Text  : Co roku słyszymy raporty , o tym jak Polacy czytają książki .
Tokens: 1_ 2___ 3_______ 4______ 5 6 7__ 8__ 9_____ 10_____ 11_____ 12

Chunks:
  TruePositive nam [9,9] = Polacy

(ChunkerEvaluator) Sentence #3639 from articles/00107505 from sent5

Text  : A raczej jak nie czytają , bo taki wniosek płynie z  danych Biblioteki Narodowej ,  która regularnie bada poziom czytelnictwa w  kraju .
Tokens: 1 2_____ 3__ 4__ 5______ 6 7_ 8___ 9______ 10____ 11 12____ 13________ 14_______ 15 16___ 17________ 18__ 19____ 20__________ 21 22___ 23

Chunks:
  TruePositive nam [13,14] = Biblioteki Narodowej

(ChunkerEvaluator) Sentence #3640 from articles/00107505 from sent6

Text  : Dane za rok 2010 są fatalne .
Tokens: 1___ 2_ 3__ 4___ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #3641 from articles/00107505 from sent7

Text  : „ Aż 56 proc .
Tokens: 1 2_ 3_ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #3642 from articles/00107505 from sent8

Text  : Polaków nie zagląda do żadnych książek , nawet kucharskich czy słowników .
Tokens: 1______ 2__ 3______ 4_ 5______ 6______ 7 8____ 9__________ 10_ 11_______ 12

Chunks:
  FalseNegative nam [1,1] = Polaków

(ChunkerEvaluator) Sentence #3643 from articles/00107505 from sent9

Text  : 46 proc . nie czyta choćby krótszych tekstów , artykułów lub opowiadań .
Tokens: 1_ 2___ 3 4__ 5____ 6_____ 7________ 8______ 9 10_______ 11_ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #3644 from articles/00107505 from sent10

Text  : Książek nie czytają nawet najlepiej wykształceni ” - podaje Biblioteka .
Tokens: 1______ 2__ 3______ 4____ 5________ 6___________ 7 8 9_____ 10________ 11

Chunks:
  TruePositive nam [10,10] = Biblioteka

(ChunkerEvaluator) Sentence #3645 from articles/00107505 from sent11

Text  : Nie jest zatem zaskakujące , że przed rozpoczynającymi się w  tym tygodniu krakowskimi Targami Książki w  branży księgarskiej trudno o  optymizm .
Tokens: 1__ 2___ 3____ 4__________ 5 6_ 7____ 8_______________ 9__ 10 11_ 12______ 13_________ 14_____ 15_____ 16 17____ 18__________ 19____ 20 21______ 22

Chunks:
  TruePositive nam [14,15] = Targami Książki

(ChunkerEvaluator) Sentence #3646 from articles/00107505 from sent12

Text  : Poziom czytelnictwa drukowanego papieru systematycznie spada , a w tym roku zaczął na dodatek obowiązywać pięcioprocentowy podatek VAT ,  który doprowadził do wzrostu cen książek .
Tokens: 1_____ 2___________ 3__________ 4______ 5_____________ 6____ 7 8 9 10_ 11__ 12____ 13 14_____ 15_________ 16______________ 17_____ 18_ 19 20___ 21_________ 22 23_____ 24_ 25_____ 26

Chunks:
  TruePositive nam [18,18] = VAT

(ChunkerEvaluator) Sentence #3647 from articles/00107505 from sent13

Text  : O ile ?
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #3648 from articles/00107505 from sent14

Text  : Tego dokładnie nie wie nikt , ale szacunki ekspertów mówią ,  że więcej niż tylko o  stawkę podatku .
Tokens: 1___ 2________ 3__ 4__ 5___ 6 7__ 8_______ 9________ 10___ 11 12 13____ 14_ 15___ 16 17____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #3649 from articles/00107505 from sent15

Text  : Najbardziej zdenerwowani są mniejsi księgarze , którzy o przesadny wzrost cen książek oskarżają wydawców .
Tokens: 1__________ 2___________ 3_ 4______ 5________ 6 7_____ 8 9________ 10____ 11_ 12_____ 13_______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #3650 from articles/00107505 from sent16

Text  : - W przypadku cen książek trudno jest jednoznacznie ocenić ,  o  ile faktycznie wzrosła ich cena .
Tokens: 1 2 3________ 4__ 5______ 6_____ 7___ 8____________ 9_____ 10 11 12_ 13________ 14_____ 15_ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #3651 from articles/00107505 from sent17

Text  : Za każdym razem , kiedy ukazuje się nowy czy wznawiany tytuł ,  cena dla niego ustalana jest indywidualnie -  zaznacza Henryk Tokarz ,  prezes Izby Księgarstwa Polskiego .
Tokens: 1_ 2_____ 3____ 4 5____ 6______ 7__ 8___ 9__ 10_______ 11___ 12 13__ 14_ 15___ 16______ 17__ 18___________ 19 20______ 21____ 22____ 23 24____ 25__ 26_________ 27_______ 28

Chunks:
  TruePositive nam [21,22] = Henryk Tokarz
  TruePositive nam [25,27] = Izby Księgarstwa Polskiego

(ChunkerEvaluator) Sentence #3652 from articles/00107505 from sent18

Text  : - Znacznie łatwiej porównywać ceny podręczników szkolnych w kolejnych latach .
Tokens: 1 2_______ 3______ 4_________ 5___ 6___________ 7________ 8 9________ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #3653 from articles/00107505 from sent19

Text  : Ocenia się jednak , że książki podrożały o blisko 15 -  20 proc .  ,  a  więc o  wiele więcej niż wynosi na nie stawka podatku .
Tokens: 1_____ 2__ 3_____ 4 5_ 6______ 7________ 8 9_____ 10 11 12 13__ 14 15 16 17__ 18 19___ 20____ 21_ 22____ 23 24_ 25____ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #3654 from articles/00107505 from sent20

Text  : Nie wykluczamy , że wydawcy wykorzystali wprowadzenie podatku na książki jako szansę na dodatkowe podniesienie ceny .
Tokens: 1__ 2_________ 3 4_ 5______ 6___________ 7___________ 8______ 9_ 10_____ 11__ 12____ 13 14_______ 15__________ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #3655 from articles/00107505 from sent21

Text  : Każde zawirowania związane z ceną książek są potencjalnie okazją do dodatkowego zarobku dla wydawców -  uważa Tokarz .
Tokens: 1____ 2__________ 3_______ 4 5___ 6______ 7_ 8___________ 9_____ 10 11_________ 12_____ 13_ 14______ 15 16___ 17____ 18

Chunks:
  TruePositive nam [17,17] = Tokarz

(ChunkerEvaluator) Sentence #3656 from articles/00107505 from sent22

Text  : Zdaniem właścicieli księgarń rynek psuje też rozdrobnione środowisko dystrybutorów ,  które nie ma szans na skuteczną rywalizację z  wielkimi sieciami sprzedaży .
Tokens: 1______ 2__________ 3_______ 4____ 5____ 6__ 7___________ 8_________ 9____________ 10 11___ 12_ 13 14___ 15 16_______ 17_________ 18 19______ 20______ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #3657 from articles/00107505 from sent23

Text  : Tradycyjny rynek książki cały czas się kurczy .
Tokens: 1_________ 2____ 3______ 4___ 5___ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #3658 from articles/00107505 from sent24

Text  : Już dziś w internecie można kupić niemal dowolny tytuł .
Tokens: 1__ 2___ 3 4_________ 5____ 6____ 7_____ 8______ 9____ 10

Chunks:
  FalsePositive nam [4,4] = internecie

(ChunkerEvaluator) Sentence #3659 from articles/00107505 from sent25

Text  : I to zarówno w księgarniach internetowych , jak i w  serwisach aukcyjnych .
Tokens: 1 2_ 3______ 4 5___________ 6____________ 7 8__ 9 10 11_______ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #3660 from articles/00107505 from sent26

Text  : Dlatego najbardziej na spadku czytelnictwa ucierpiały niewielkie tradycyjne księgarnie ,  które dodatkowo tracą na rzecz większych sieci .
Tokens: 1______ 2__________ 3_ 4_____ 5___________ 6_________ 7_________ 8_________ 9_________ 10 11___ 12_______ 13___ 14 15___ 16_______ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #3661 from articles/00107505 from sent27

Text  : - Wielkie sieci mogą negocjować u wydawców rabaty , o  jakich niewielkim księgarniom się nie śniło .
Tokens: 1 2______ 3____ 4___ 5_________ 6 7_______ 8_____ 9 10 11____ 12________ 13_________ 14_ 15_ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #3662 from articles/00107505 from sent28

Text  : Do tego sieci zarabiają na opłatach za wystawianie swoich książek w  odpowiednich miejscach .
Tokens: 1_ 2___ 3____ 4________ 5_ 6_______ 7_ 8__________ 9_____ 10_____ 11 12__________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #3663 from articles/00107505 from sent29

Text  : To jak półkowe w hipermarketach , gdzie producenci żywności i  innych produktów opłacają miejsce ,  w  którym stanie ich produkt -  przypomina Tokarz .
Tokens: 1_ 2__ 3______ 4 5_____________ 6 7____ 8_________ 9_______ 10 11____ 12_______ 13______ 14_____ 15 16 17____ 18____ 19_ 20_____ 21 22________ 23____ 24

Chunks:
  TruePositive nam [23,23] = Tokarz

(ChunkerEvaluator) Sentence #3664 from articles/00107505 from sent30

Text  : - Duży może więcej i doskonale wiedzą o tym księgarze w  krajach bogatszych niż Polska .
Tokens: 1 2___ 3___ 4_____ 5 6________ 7_____ 8 9__ 10_______ 11 12_____ 13________ 14_ 15____ 16

Chunks:
  TruePositive nam [15,15] = Polska

(ChunkerEvaluator) Sentence #3665 from articles/00107505 from sent31

Text  : Nawet w liberalnej Wielkiej Brytanii ok . 95 proc .  księgarzy jest zrzeszonych ,  dzięki czemu mają mocne argumenty w  negocjacjach z  wydawnictwami .
Tokens: 1____ 2 3_________ 4_______ 5_______ 6_ 7 8_ 9___ 10 11_______ 12__ 13_________ 14 15____ 16___ 17__ 18___ 19_______ 20 21__________ 22 23___________ 24

Chunks:
  TruePositive nam [4,5] = Wielkiej Brytanii

(ChunkerEvaluator) Sentence #3666 from articles/00107505 from sent32

Text  : W Polsce nie widział em jeszcze podobnej solidarności wśród przedstawicieli jakiejkolwiek gałęzi gospodarki .
Tokens: 1 2_____ 3__ 4______ 5_ 6______ 7_______ 8___________ 9____ 10_____________ 11___________ 12____ 13________ 14

Chunks:
  TruePositive nam [2,2] = Polsce

(ChunkerEvaluator) Sentence #3667 from articles/00107505 from sent33

Text  : Jednak konsolidacja księgarń jest nieuchronna .
Tokens: 1_____ 2___________ 3_______ 4___ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #3668 from articles/00107505 from sent34

Text  : Dystrybutorzy donoszą o spadkach obrotów , które wahają się od kilku do nawet kilkudziesięciu procent .
Tokens: 1____________ 2______ 3 4_______ 5______ 6 7____ 8_____ 9__ 10 11___ 12 13___ 14_____________ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #3669 from articles/00107505 from sent35

Text  : Na spadek obrotów narzekają jednak także wydawcy .
Tokens: 1_ 2_____ 3______ 4________ 5_____ 6____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #3670 from articles/00107505 from sent36

Text  : - My również zanotowali śmy nieznaczny , kilkuprocentowy spadek sprzedaży w  stosunku do analogicznego okresu w  ubiegłym roku -  ocenia Henryk Woźniakowski ,  prezes wydawnictwa Znak .
Tokens: 1 2_ 3______ 4_________ 5__ 6_________ 7 8______________ 9_____ 10_______ 11 12______ 13 14___________ 15____ 16 17______ 18__ 19 20____ 21____ 22__________ 23 24____ 25_________ 26__ 27

Chunks:
  TruePositive nam [21,22] = Henryk Woźniakowski
  TruePositive nam [26,26] = Znak

(ChunkerEvaluator) Sentence #3671 from articles/00107505 from sent37

Text  : - Niestety , coraz mniej ludzi w ogóle czyta książki .
Tokens: 1 2_______ 3 4____ 5____ 6____ 7 8____ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #3672 from articles/00107505 from sent38

Text  : Do ogólnego kryzysu czytelnictwa doszedł jeszcze kryzys finansowy .
Tokens: 1_ 2_______ 3______ 4___________ 5______ 6______ 7_____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #3673 from articles/00107505 from sent39

Text  : Książki nie są artykułem pierwszej potrzeby , więc wiele osób w  ramach oszczędności rezygnuje właśnie z  nich .
Tokens: 1______ 2__ 3_ 4________ 5________ 6_______ 7 8___ 9____ 10__ 11 12____ 13__________ 14_______ 15_____ 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #3674 from articles/00107505 from sent40

Text  : Według prezesa Woźniakowskiego spadek sprzedaży książek wiąże się też z  samą atmosferą w  branży .
Tokens: 1_____ 2______ 3______________ 4_____ 5________ 6______ 7____ 8__ 9__ 10 11__ 12_______ 13 14____ 15

Chunks:
  TruePositive nam [3,3] = Woźniakowskiego

(ChunkerEvaluator) Sentence #3675 from articles/00107505 from sent41

Text  : - Pewne jest to , że rynek księgarski ucierpiał .
Tokens: 1 2____ 3___ 4_ 5 6_ 7____ 8_________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #3676 from articles/00107505 from sent42

Text  : Można się natomiast spierać , czy to efekt wprowadzenia podatku VAT na książki ,  czy też medialnego szumu ,  który temu towarzyszył .
Tokens: 1____ 2__ 3________ 4______ 5 6__ 7_ 8____ 9___________ 10_____ 11_ 12 13_____ 14 15_ 16_ 17________ 18___ 19 20___ 21__ 22_________ 23

Chunks:
  TruePositive nam [11,11] = VAT

(ChunkerEvaluator) Sentence #3677 from articles/00107505 from sent43

Text  : Wielu publicystów straszyło czytelników , że książki staną się dla nich niedostępne i  znaczna część społeczeństwa w  to uwierzyła -  wieszczy szef Znaku .
Tokens: 1____ 2__________ 3________ 4__________ 5 6_ 7______ 8____ 9__ 10_ 11__ 12_________ 13 14_____ 15___ 16___________ 17 18 19_______ 20 21______ 22__ 23___ 24

Chunks:
  TruePositive nam [23,23] = Znaku

2016-10-27 14:59:29,395 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 143 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107506.xml
(ChunkerEvaluator) Sentence #3678 from articles/00107506 from sent1

Text  : Syria .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Syria

(ChunkerEvaluator) Sentence #3679 from articles/00107506 from sent2

Text  : Liga Arabska przedstawiła plan zakończenia konfliktu
Tokens: 1___ 2______ 3___________ 4___ 5__________ 6________

Chunks:
  TruePositive nam [1,2] = Liga Arabska

(ChunkerEvaluator) Sentence #3680 from articles/00107506 from sent3

Text  : Liga Arabska przedstawiła w niedzielę władzom syryjskim plan zakończenia trwających od siedmiu miesięcy aktów przemocy i  brutalnych rozpraw z  opozycją a  prezydent Syrii Baszar el -  Asad zapowiedział ,  że będzie współpracował z  opozycją domagająca się demokratycznych reform .
Tokens: 1___ 2______ 3___________ 4 5________ 6______ 7________ 8___ 9__________ 10________ 11 12_____ 13______ 14___ 15______ 16 17________ 18_____ 19 20______ 21 22_______ 23___ 24____ 25 26 27__ 28__________ 29 30 31____ 32___________ 33 34______ 35________ 36_ 37_____________ 38____ 39

Chunks:
  TruePositive nam [1,2] = Liga Arabska
  FalsePositive nam [23,27] = Syrii Baszar el - Asad
  FalseNegative nam [23,23] = Syrii
  FalseNegative nam [24,27] = Baszar el - Asad

(ChunkerEvaluator) Sentence #3681 from articles/00107506 from sent4

Text  : " Będziemy współpracować ze wszystkimi siłami politycznymi , zarówno z  tymi ,  które istniały przed kryzysem jak i  tymi ,  które powstały w  okresie jego trwania "  -  powiedział w  niedzielę Asad w  wywiadzie dla rosyjskiej telewizji .
Tokens: 1 2_______ 3____________ 4_ 5_________ 6_____ 7___________ 8 9______ 10 11__ 12 13___ 14______ 15___ 16______ 17_ 18 19__ 20 21___ 22______ 23 24_____ 25__ 26_____ 27 28 29________ 30 31_______ 32__ 33 34_______ 35_ 36________ 37_______ 38

Chunks:
  FalseNegative nam [32,32] = Asad

(ChunkerEvaluator) Sentence #3682 from articles/00107506 from sent5

Text  : Plan , który przewiduje m . in . rozpoczęcie rozmów w  Kairze między władzami syryjskimi i  opozycją ,  komitet Ligi Arabskiej wręczył w  Katarze ministrowi spraw zagranicznych Syrii Walidowi el -  Muallimowi i  doradcy prezydenta Asada ds .  politycznuch Butainowi Szabanowi .
Tokens: 1___ 2 3____ 4_________ 5 6 7_ 8 9__________ 10____ 11 12____ 13____ 14______ 15________ 16 17______ 18 19_____ 20__ 21_______ 22_____ 23 24_____ 25________ 26___ 27___________ 28___ 29______ 30 31 32________ 33 34_____ 35________ 36___ 37 38 39__________ 40_______ 41_______ 42

Chunks:
  TruePositive nam [12,12] = Kairze
  TruePositive nam [20,21] = Ligi Arabskiej
  TruePositive nam [24,24] = Katarze
  TruePositive nam [40,41] = Butainowi Szabanowi
  FalsePositive nam [28,32] = Syrii Walidowi el - Muallimowi
  FalseNegative nam [28,28] = Syrii
  FalseNegative nam [29,32] = Walidowi el - Muallimowi
  FalseNegative nam [36,36] = Asada

(ChunkerEvaluator) Sentence #3683 from articles/00107506 from sent6

Text  : Komitet oczekuje odpowiedzi władz w Damaszku do poniedziałku .
Tokens: 1______ 2_______ 3_________ 4____ 5 6_______ 7_ 8___________ 9

Chunks:
  TruePositive nam [6,6] = Damaszku

(ChunkerEvaluator) Sentence #3684 from articles/00107506 from sent7

Text  : Arabscy ministrowie poinformowali władze w Damaszku o swoim " głębokim niezadowoleniu z  powodu zabijania syryjskich cywilów "  .
Tokens: 1______ 2__________ 3____________ 4_____ 5 6_______ 7 8____ 9 10______ 11____________ 12 13____ 14_______ 15________ 16_____ 17 18

Chunks:
  TruePositive nam [6,6] = Damaszku

(ChunkerEvaluator) Sentence #3685 from articles/00107506 from sent8

Text  : Wyrazili także nadzieję , że syryjskie władze " podejmą kroki ,  aby chronić ludność cywilną "  -  głosi oświadczenie organizacji .
Tokens: 1_______ 2____ 3_______ 4 5_ 6________ 7_____ 8 9______ 10___ 11 12_ 13_____ 14_____ 15_____ 16 17 18___ 19__________ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #3686 from articles/00107506 from sent9

Text  : Według szacunków ONZ , od początku antyreżimowych protestów w marcu tego roku zginęło w  Syrii ponad trzy tysiące ludzi .
Tokens: 1_____ 2________ 3__ 4 5_ 6_______ 7_____________ 8________ 9 10___ 11__ 12__ 13_____ 14 15___ 16___ 17__ 18_____ 19___ 20

Chunks:
  TruePositive nam [3,3] = ONZ
  TruePositive nam [15,15] = Syrii

(ChunkerEvaluator) Sentence #3687 from articles/00107506 from sent10

Text  : Opozycja twierdzi , że tylko w ciągu ostatnich 3 dni zginęło 61 cywilow i  30 żołnierzy .
Tokens: 1_______ 2_______ 3 4_ 5____ 6 7____ 8________ 9 10_ 11_____ 12 13_____ 14 15 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #3688 from articles/00107506 from sent11

Text  : Przedstawiciele syryjskiej opozycji zaapelowali o wprowadzenie strefy zakazu lotów nad Syrią analogicznej do wprowadzonej w  marcu br .  nad Libią ,  w  obawie przed prowadzeniem przez reżim ataków z  powietrza .
Tokens: 1______________ 2_________ 3_______ 4__________ 5 6___________ 7_____ 8_____ 9____ 10_ 11___ 12__________ 13 14__________ 15 16___ 17 18 19_ 20___ 21 22 23____ 24___ 25__________ 26___ 27___ 28____ 29 30_______ 31

Chunks:
  TruePositive nam [11,11] = Syrią
  TruePositive nam [20,20] = Libią

(ChunkerEvaluator) Sentence #3689 from articles/00107506 from sent12

Text  : Zdaniem opozycji , oferty Asada podjęcia dialogu nie są poważne a  w  ostatnich tygodniach władze nasiliły masowe aresztowania ,  tortury i  zabójstwa przywódców protetstów .
Tokens: 1______ 2_______ 3 4_____ 5____ 6_______ 7______ 8__ 9_ 10_____ 11 12 13_______ 14________ 15____ 16______ 17____ 18__________ 19 20_____ 21 22_______ 23________ 24________ 25

Chunks:
  FalseNegative nam [5,5] = Asada

(ChunkerEvaluator) Sentence #3690 from articles/00107506 from sent13

Text  : W wywiadzie dla brytyjskiego " Sunday Telegraph " , Asad ostrzegł ,  że kraje zachodnie ryzykują wywołanie "  trzęsienia ziemi "  ,  jeśli spróbują interweniować w  Syrii .  (  PAP )
Tokens: 1 2________ 3__ 4___________ 5 6_____ 7________ 8 9 10__ 11______ 12 13 14___ 15_______ 16______ 17_______ 18 19________ 20___ 21 22 23___ 24______ 25___________ 26 27___ 28 29 30_ 31

Chunks:
  TruePositive nam [6,7] = Sunday Telegraph
  TruePositive nam [27,27] = Syrii
  TruePositive nam [30,30] = PAP
  FalseNegative nam [10,10] = Asad

2016-10-27 14:59:29,487 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 144 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107507.xml
(ChunkerEvaluator) Sentence #3691 from articles/00107507 from sent1

Text  : Pogoda na środę : Nadal ciepło i bez deszczu
Tokens: 1_____ 2_ 3____ 4 5____ 6_____ 7 8__ 9______

Chunks:

(ChunkerEvaluator) Sentence #3692 from articles/00107507 from sent2

Text  : Nadal ciepło i bez deszczu - tak ma wyglądać środa w  Bydgoszczy
Tokens: 1____ 2_____ 3 4__ 5______ 6 7__ 8_ 9_______ 10___ 11 12________

Chunks:
  TruePositive nam [12,12] = Bydgoszczy

(ChunkerEvaluator) Sentence #3693 from articles/00107507 from sent3

Text  : Temperatura nawet wczesnym rankiem ma wynieść ok . 7 stopni Celsjusza .
Tokens: 1__________ 2____ 3_______ 4______ 5_ 6______ 7_ 8 9 10____ 11_______ 12

Chunks:
  FalsePositive nam [11,11] = Celsjusza

(ChunkerEvaluator) Sentence #3694 from articles/00107507 from sent4

Text  : W ciągu dnia ma wzrosnąć nawet do 12 kresek .
Tokens: 1 2____ 3___ 4_ 5_______ 6____ 7_ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #3695 from articles/00107507 from sent5

Text  : Nadal będzie sucho , na dodatek nie musimy obawiać się mgły .
Tokens: 1____ 2_____ 3____ 4 5_ 6______ 7__ 8_____ 9______ 10_ 11__ 12

Chunks:

2016-10-27 14:59:29,505 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 145 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107508.xml
(ChunkerEvaluator) Sentence #3696 from articles/00107508 from sent1

Text  : Młodzi adepci boksu walczyli w Chełmie
Tokens: 1_____ 2_____ 3____ 4_______ 5 6______

Chunks:
  TruePositive nam [6,6] = Chełmie

(ChunkerEvaluator) Sentence #3697 from articles/00107508 from sent2

Text  : BOKS .
Tokens: 1___ 2

Chunks:
  FalsePositive nam [1,1] = BOKS

(ChunkerEvaluator) Sentence #3698 from articles/00107508 from sent3

Text  : Pięciu reprezentantów regionu radomskiego z powodzeniem wystartowało w Międzywojewódzkich Mistrzostwach Młodzików .
Tokens: 1_____ 2_____________ 3______ 4__________ 5 6__________ 7___________ 8 9_________________ 10___________ 11_______ 12

Chunks:
  TruePositive nam [9,11] = Międzywojewódzkich Mistrzostwach Młodzików

(ChunkerEvaluator) Sentence #3699 from articles/00107508 from sent4

Text  : Zawody odbyły się w Chełmie .
Tokens: 1_____ 2_____ 3__ 4 5______ 6

Chunks:
  TruePositive nam [5,5] = Chełmie

(ChunkerEvaluator) Sentence #3700 from articles/00107508 from sent5

Text  : Gdy w Radomiu rozgrywany był II Memoriał Kazimierza Paździora ,  to w  Chełmie młodzi zawodnicy z  naszego regionu także wylewali pot ,  aby osiągnąć jak najlepszy wynik .
Tokens: 1__ 2 3______ 4_________ 5__ 6_ 7_______ 8_________ 9________ 10 11 12 13_____ 14____ 15_______ 16 17_____ 18_____ 19___ 20______ 21_ 22 23_ 24______ 25_ 26_______ 27___ 28

Chunks:
  TruePositive nam [3,3] = Radomiu
  TruePositive nam [13,13] = Chełmie
  FalsePositive nam [7,9] = Memoriał Kazimierza Paździora
  FalseNegative nam [6,9] = II Memoriał Kazimierza Paździora

(ChunkerEvaluator) Sentence #3701 from articles/00107508 from sent6

Text  : W tej imprezie wystartowały reprezentacje z trzech okręgów .
Tokens: 1 2__ 3_______ 4___________ 5____________ 6 7_____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #3702 from articles/00107508 from sent7

Text  : Oprócz warszawsko - mazowieckiego , pod którego szyldami występowali radomianie ,  zaprezentowali się także młodzi pięściarze (  rocznik 1994 )  z  okręgów podlaskiego i  lubelskiego .
Tokens: 1_____ 2_________ 3 4____________ 5 6__ 7______ 8_______ 9__________ 10________ 11 12____________ 13_ 14___ 15____ 16________ 17 18_____ 19__ 20 21 22_____ 23_________ 24 25_________ 26

Chunks:
  FalseNegative nam [2,4] = warszawsko - mazowieckiego
  FalseNegative nam [10,10] = radomianie

(ChunkerEvaluator) Sentence #3703 from articles/00107508 from sent8

Text  : - Wywalczyli śmy pięć medali .
Tokens: 1 2_________ 3__ 4___ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #3704 from articles/00107508 from sent9

Text  : Trzy brązowe , jeden srebrny i jeden złoty - poinformował „  Gazetę ”  Sławomir Żeromiński ,  opiekun drużyny .
Tokens: 1___ 2______ 3 4____ 5______ 6 7____ 8____ 9 10__________ 11 12____ 13 14______ 15________ 16 17_____ 18_____ 19

Chunks:
  TruePositive nam [12,12] = Gazetę
  TruePositive nam [14,15] = Sławomir Żeromiński

(ChunkerEvaluator) Sentence #3705 from articles/00107508 from sent10

Text  : W kategorii wagowej 56 kg na najniższym stopniu podium stanął Mikołaj Guza z  Broni Radom .
Tokens: 1 2________ 3______ 4_ 5_ 6_ 7_________ 8______ 9_____ 10____ 11_____ 12__ 13 14___ 15___ 16

Chunks:
  TruePositive nam [11,12] = Mikołaj Guza
  TruePositive nam [14,15] = Broni Radom

(ChunkerEvaluator) Sentence #3706 from articles/00107508 from sent11

Text  : Także trzecie lokaty przypadły Aleksandrowi Celejewskiemu i Patrykowi Banachowi (  obaj Radomiak )  .
Tokens: 1____ 2______ 3_____ 4________ 5___________ 6____________ 7 8________ 9________ 10 11__ 12______ 13 14

Chunks:
  TruePositive nam [5,6] = Aleksandrowi Celejewskiemu
  TruePositive nam [8,9] = Patrykowi Banachowi
  FalseNegative nam [12,12] = Radomiak

(ChunkerEvaluator) Sentence #3707 from articles/00107508 from sent12

Text  : Pierwszy startował w wadze 72 kg , zaś Banach w  kategorii o  4  kg cięższej .
Tokens: 1_______ 2________ 3 4____ 5_ 6_ 7 8__ 9_____ 10 11_______ 12 13 14 15______ 16

Chunks:
  TruePositive nam [9,9] = Banach

(ChunkerEvaluator) Sentence #3708 from articles/00107508 from sent13

Text  : Wicemistrzem MMM został natomiast w kat . 45 , 5  kg Kacper Tworzewski (  Radomiak )  ,  za to równych sobie nie miał reprezentant Polonii Iłża Grzegorz Banaszkiewicz .
Tokens: 1___________ 2__ 3_____ 4________ 5 6__ 7 8_ 9 10 11 12____ 13________ 14 15______ 16 17 18 19 20_____ 21___ 22_ 23__ 24__________ 25_____ 26__ 27______ 28___________ 29

Chunks:
  TruePositive nam [2,2] = MMM
  TruePositive nam [12,13] = Kacper Tworzewski
  TruePositive nam [25,26] = Polonii Iłża
  TruePositive nam [27,28] = Grzegorz Banaszkiewicz
  FalseNegative nam [15,15] = Radomiak

(ChunkerEvaluator) Sentence #3709 from articles/00107508 from sent14

Text  : W pierwszej walce pięściarz występujący w wadze 76 kg pokonał w  pierwszej rundzie przez rsc .
Tokens: 1 2________ 3____ 4________ 5__________ 6 7____ 8_ 9_ 10_____ 11 12_______ 13_____ 14___ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #3710 from articles/00107508 from sent15

Text  : Bartłomieja Szczęsnego ( Garda Otwock ) .
Tokens: 1__________ 2_________ 3 4____ 5_____ 6 7

Chunks:
  TruePositive nam [1,2] = Bartłomieja Szczęsnego
  TruePositive nam [4,5] = Garda Otwock

(ChunkerEvaluator) Sentence #3711 from articles/00107508 from sent16

Text  : W finale zaś Banaszkiewicz nie dał szans Ernestowi Suwatowi z  Nokautu Warszawa .
Tokens: 1 2_____ 3__ 4____________ 5__ 6__ 7____ 8________ 9_______ 10 11_____ 12______ 13

Chunks:
  TruePositive nam [4,4] = Banaszkiewicz
  TruePositive nam [8,9] = Ernestowi Suwatowi
  TruePositive nam [11,12] = Nokautu Warszawa

(ChunkerEvaluator) Sentence #3712 from articles/00107508 from sent17

Text  : - Przy tej okazji chciał by m podziękować działaczom Broni Radom ,  którzy podczas organizacji niedzielnego Memoriału Kazimierza Paździora nie zapomnieli o  młodych zawodnikach Radomiaka .
Tokens: 1 2___ 3__ 4_____ 5_____ 6_ 7 8__________ 9_________ 10___ 11___ 12 13____ 14_____ 15_________ 16__________ 17_______ 18________ 19_______ 20_ 21________ 22 23_____ 24_________ 25_______ 26

Chunks:
  TruePositive nam [10,11] = Broni Radom
  TruePositive nam [17,19] = Memoriału Kazimierza Paździora
  FalseNegative nam [25,25] = Radomiaka

(ChunkerEvaluator) Sentence #3713 from articles/00107508 from sent18

Text  : To dzięki nim pięściarze naszego klubu mogli wreszcie tu ,  na miejscu ,  zaprezentować się radomskiej publiczności w  walkach pokazowych .
Tokens: 1_ 2_____ 3__ 4_________ 5______ 6____ 7____ 8_______ 9_ 10 11 12_____ 13 14___________ 15_ 16________ 17__________ 18 19_____ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #3714 from articles/00107508 from sent19

Text  : Dla nich to bardzo dużo znaczy , a ich występy oglądali i  oklaskiwali nie tylko rodzice ,  ale również koledzy czy nauczyciele uczący ich w  szkołach -  oznajmił Żeromiński .
Tokens: 1__ 2___ 3_ 4_____ 5___ 6_____ 7 8 9__ 10_____ 11______ 12 13_________ 14_ 15___ 16_____ 17 18_ 19_____ 20_____ 21_ 22_________ 23____ 24_ 25 26______ 27 28______ 29________ 30

Chunks:
  FalseNegative nam [29,29] = Żeromiński

2016-10-27 14:59:29,593 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 146 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107509.xml
(ChunkerEvaluator) Sentence #3715 from articles/00107509 from sent1

Text  : Czeka na internet od tepsy już rok .
Tokens: 1____ 2_ 3_______ 4_ 5____ 6__ 7__ 8

Chunks:
  FalsePositive nam [3,3] = internet
  FalseNegative nam [5,5] = tepsy

(ChunkerEvaluator) Sentence #3716 from articles/00107509 from sent2

Text  : A miało być 30 dni
Tokens: 1 2____ 3__ 4_ 5__

Chunks:

(ChunkerEvaluator) Sentence #3717 from articles/00107509 from sent3

Text  : Ile czasu potrzebuje Telekomunikacja Polska na przeniesienie dostępu do internetu z  ulicy Bernardyńskiej na Krakowskie Przedmieście ?
Tokens: 1__ 2____ 3_________ 4______________ 5_____ 6_ 7____________ 8______ 9_ 10_______ 11 12___ 13____________ 14 15________ 16__________ 17

Chunks:
  TruePositive nam [4,5] = Telekomunikacja Polska
  TruePositive nam [13,13] = Bernardyńskiej
  TruePositive nam [15,16] = Krakowskie Przedmieście
  FalsePositive nam [10,10] = internetu

(ChunkerEvaluator) Sentence #3718 from articles/00107509 from sent4

Text  : W przypadku firmy naszego czytelnika ta operacja trwa już rok .
Tokens: 1 2________ 3____ 4______ 5_________ 6_ 7_______ 8___ 9__ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #3719 from articles/00107509 from sent5

Text  : A internetu wciąż nie ma , za to „ tepsa ”  każe sobie płacić abonament za kolejne miesiące .
Tokens: 1 2________ 3____ 4__ 5_ 6 7_ 8_ 9 10___ 11 12__ 13___ 14____ 15_______ 16 17_____ 18______ 19

Chunks:
  FalsePositive nam [2,2] = internetu
  FalseNegative nam [10,10] = tepsa

(ChunkerEvaluator) Sentence #3720 from articles/00107509 from sent6

Text  : Czeka na internet już rok
Tokens: 1____ 2_ 3_______ 4__ 5__

Chunks:
  FalsePositive nam [3,3] = internet

(ChunkerEvaluator) Sentence #3721 from articles/00107509 from sent7

Text  : Ile czasu potrzebuje Telekomunikacja Polska na przeniesienie dostępu do internetu z  ulicy Bernardyńskiej na Krakowskie Przedmieście ?
Tokens: 1__ 2____ 3_________ 4______________ 5_____ 6_ 7____________ 8______ 9_ 10_______ 11 12___ 13____________ 14 15________ 16__________ 17

Chunks:
  TruePositive nam [4,5] = Telekomunikacja Polska
  TruePositive nam [13,13] = Bernardyńskiej
  TruePositive nam [15,16] = Krakowskie Przedmieście
  FalsePositive nam [10,10] = internetu

(ChunkerEvaluator) Sentence #3722 from articles/00107509 from sent8

Text  : W przypadku firmy naszego czytelnika ta operacja trwa już rok .
Tokens: 1 2________ 3____ 4______ 5_________ 6_ 7_______ 8___ 9__ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #3723 from articles/00107509 from sent9

Text  : A internetu wciąż nie ma , za to „ tepsa ”  każe sobie płacić abonament za kolejne miesiące
Tokens: 1 2________ 3____ 4__ 5_ 6 7_ 8_ 9 10___ 11 12__ 13___ 14____ 15_______ 16 17_____ 18______

Chunks:
  FalsePositive nam [2,2] = internetu
  FalseNegative nam [10,10] = tepsa

(ChunkerEvaluator) Sentence #3724 from articles/00107509 from sent10

Text  : Pan Dariusz zwrócił się do „ Gazety ” , bo nie zależy mu już na umowie z  Telekomunikacją Polską .
Tokens: 1__ 2______ 3______ 4__ 5_ 6 7_____ 8 9 10 11_ 12____ 13 14_ 15 16____ 17 18_____________ 19____ 20

Chunks:
  TruePositive nam [2,2] = Dariusz
  TruePositive nam [7,7] = Gazety
  TruePositive nam [18,19] = Telekomunikacją Polską

(ChunkerEvaluator) Sentence #3725 from articles/00107509 from sent11

Text  : Jak mówi , chciał by swoim przykładem przestrzec innych .
Tokens: 1__ 2___ 3 4_____ 5_ 6____ 7_________ 8_________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #3726 from articles/00107509 from sent12

Text  : Jest właścicielem firmy oraz sieci sklepów .
Tokens: 1___ 2___________ 3____ 4___ 5____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #3727 from articles/00107509 from sent13

Text  : - Właśnie mija pierwsza rocznica , od dnia gdy zlikwidowali śmy nasz sklep przy ul .  Bernardyńskiej .
Tokens: 1 2______ 3___ 4_______ 5_______ 6 7_ 8___ 9__ 10__________ 11_ 12__ 13___ 14__ 15 16 17____________ 18

Chunks:
  TruePositive nam [17,17] = Bernardyńskiej

(ChunkerEvaluator) Sentence #3728 from articles/00107509 from sent14

Text  : Mieli śmy tam podłączony internet - neostradę oferowaną przez TP .
Tokens: 1____ 2__ 3__ 4_________ 5_______ 6 7________ 8________ 9____ 10 11

Chunks:
  TruePositive nam [10,10] = TP
  FalsePositive nam [5,5] = internet
  FalseNegative nam [7,7] = neostradę

(ChunkerEvaluator) Sentence #3729 from articles/00107509 from sent15

Text  : Nie chciał em zrywać umowy , bo groziła mi wysoka kara .
Tokens: 1__ 2_____ 3_ 4_____ 5____ 6 7_ 8______ 9_ 10____ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #3730 from articles/00107509 from sent16

Text  : Postanowił em , że przeniosę usługę internetu do nowego sklepu przy Krakowskim Przedmieściu .
Tokens: 1_________ 2_ 3 4_ 5________ 6_____ 7________ 8_ 9_____ 10____ 11__ 12________ 13__________ 14

Chunks:
  TruePositive nam [12,13] = Krakowskim Przedmieściu
  FalsePositive nam [7,7] = internetu

(ChunkerEvaluator) Sentence #3731 from articles/00107509 from sent17

Text  : Centrum miasta , raptem kilkaset metrów od naszej starej lokalizacji .
Tokens: 1______ 2_____ 3 4_____ 5_______ 6_____ 7_ 8_____ 9_____ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #3732 from articles/00107509 from sent18

Text  : W TP S . A . złożył em odpowiedni wniosek w  październiku ubiegłego roku -  opowiada .
Tokens: 1 2_ 3 4 5 6 7_____ 8_ 9_________ 10_____ 11 12__________ 13_______ 14__ 15 16______ 17

Chunks:
  TruePositive nam [2,6] = TP S . A .

(ChunkerEvaluator) Sentence #3733 from articles/00107509 from sent19

Text  : Dostęp do sieci pomaga panu Dariuszowi zarządzać przedsiębiorstwem .
Tokens: 1_____ 2_ 3____ 4_____ 5___ 6_________ 7________ 8________________ 9

Chunks:
  TruePositive nam [6,6] = Dariuszowi

(ChunkerEvaluator) Sentence #3734 from articles/00107509 from sent20

Text  : Każdy sklep musi być podłączony do internetu , aby sprzedawcy mogli na bieżąco sprawdzać zamówienia i  stan magazynów .
Tokens: 1____ 2____ 3___ 4__ 5_________ 6_ 7________ 8 9__ 10________ 11___ 12 13_____ 14_______ 15________ 16 17__ 18_______ 19

Chunks:
  FalsePositive nam [7,7] = internetu

(ChunkerEvaluator) Sentence #3735 from articles/00107509 from sent21

Text  : W sklepach są też kamery monitoringu .
Tokens: 1 2_______ 3_ 4__ 5_____ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #3736 from articles/00107509 from sent22

Text  : Przez internet obraz z kamer przesyłany jest na komputer pana Dariusza .
Tokens: 1____ 2_______ 3____ 4 5____ 6_________ 7___ 8_ 9_______ 10__ 11______ 12

Chunks:
  TruePositive nam [11,11] = Dariusza
  FalsePositive nam [2,2] = internet

(ChunkerEvaluator) Sentence #3737 from articles/00107509 from sent23

Text  : Tyle , że internetu w sklepie przy Krakowskim Przedmieściu wciąż nie ma .
Tokens: 1___ 2 3_ 4________ 5 6______ 7___ 8_________ 9___________ 10___ 11_ 12 13

Chunks:
  TruePositive nam [8,9] = Krakowskim Przedmieściu
  FalsePositive nam [4,4] = internetu

(ChunkerEvaluator) Sentence #3738 from articles/00107509 from sent24

Text  : - Nie widzę , co się dzieje w sklepie .
Tokens: 1 2__ 3____ 4 5_ 6__ 7_____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #3739 from articles/00107509 from sent25

Text  : Ekspedientki nie mogą sprawdzić , czy towar zamówiony przez klienta jest dostępny .
Tokens: 1___________ 2__ 3___ 4________ 5 6__ 7____ 8________ 9____ 10_____ 11__ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #3740 from articles/00107509 from sent26

Text  : Jeśli w sklepie mam internet , bank daje mi 70 procent zniżki na prowizje od transakcji .
Tokens: 1____ 2 3______ 4__ 5_______ 6 7___ 8___ 9_ 10 11_____ 12____ 13 14______ 15 16________ 17

Chunks:
  FalsePositive nam [5,5] = internet

(ChunkerEvaluator) Sentence #3741 from articles/00107509 from sent27

Text  : To kilkaset złotych oszczędności miesięcznie .
Tokens: 1_ 2_______ 3______ 4___________ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #3742 from articles/00107509 from sent28

Text  : Nie licząc oszczędności czasu - tłumaczy .
Tokens: 1__ 2_____ 3___________ 4____ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #3743 from articles/00107509 from sent29

Text  : Od października pan Dariusz chodził do biura obsługi i ponaglał Telekomunikację .
Tokens: 1_ 2___________ 3__ 4______ 5______ 6_ 7____ 8______ 9 10______ 11_____________ 12

Chunks:
  TruePositive nam [4,4] = Dariusz
  TruePositive nam [11,11] = Telekomunikację

(ChunkerEvaluator) Sentence #3744 from articles/00107509 from sent30

Text  : Dzwonił też na jej infolinię .
Tokens: 1______ 2__ 3_ 4__ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #3745 from articles/00107509 from sent31

Text  : I nic .
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #3746 from articles/00107509 from sent32

Text  : „ Tepsa ” wciąż naliczała mu abonament .
Tokens: 1 2____ 3 4____ 5________ 6_ 7________ 8

Chunks:
  FalseNegative nam [2,2] = Tepsa

(ChunkerEvaluator) Sentence #3747 from articles/00107509 from sent33

Text  : Ponad 40 złotych co miesiąc .
Tokens: 1____ 2_ 3______ 4_ 5______ 6

Chunks:
  TruePositive nam [3,3] = złotych

(ChunkerEvaluator) Sentence #3748 from articles/00107509 from sent34

Text  : - W lipcu napisał em oficjalną skargę .
Tokens: 1 2 3____ 4______ 5_ 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #3749 from articles/00107509 from sent35

Text  : Zwrócono mi pieniądze z abonamentu i obiecano , że sprawa będzie załatwiona na dniach .
Tokens: 1_______ 2_ 3________ 4 5_________ 6 7_______ 8 9_ 10____ 11____ 12________ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #3750 from articles/00107509 from sent36

Text  : Tak się ucieszył em , że skorzystał em z promocji i  zmienił em umowę ,  na szybszy internet .
Tokens: 1__ 2__ 3_______ 4_ 5 6_ 7_________ 8_ 9 10______ 11 12_____ 13 14___ 15 16 17_____ 18______ 19

Chunks:
  FalsePositive nam [18,18] = internet

(ChunkerEvaluator) Sentence #3751 from articles/00107509 from sent37

Text  : Nieznacznie droższy .
Tokens: 1__________ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #3752 from articles/00107509 from sent38

Text  : W końcu miałem mieć przecież dostęp do sieci w sklepie -  relacjonuje .
Tokens: 1 2____ 3_____ 4___ 5_______ 6_____ 7_ 8____ 9 10_____ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #3753 from articles/00107509 from sent39

Text  : Tepsie musiał odtąd płacić po 52 zł miesięcznie .
Tokens: 1_____ 2_____ 3____ 4_____ 5_ 6_ 7_ 8__________ 9

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #3754 from articles/00107509 from sent40

Text  : Tyle , że internetu dalej nie było .
Tokens: 1___ 2 3_ 4________ 5____ 6__ 7___ 8

Chunks:
  FalsePositive nam [4,4] = internetu

(ChunkerEvaluator) Sentence #3755 from articles/00107509 from sent41

Text  : Wpadł na pomysł , że to wina komputera , ale jego wątpliwości rozwiali informatycy .
Tokens: 1____ 2_ 3_____ 4 5_ 6_ 7___ 8________ 9 10_ 11__ 12_________ 13______ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #3756 from articles/00107509 from sent42

Text  : Stwierdzili , że do sklepu na Krakowskim Przedmieściu po prostu nie dociera sygnał z  TP S  .  A  .
Tokens: 1__________ 2 3_ 4_ 5_____ 6_ 7_________ 8___________ 9_ 10____ 11_ 12_____ 13____ 14 15 16 17 18 19

Chunks:
  TruePositive nam [7,8] = Krakowskim Przedmieściu
  TruePositive nam [15,19] = TP S . A .

(ChunkerEvaluator) Sentence #3757 from articles/00107509 from sent43

Text  : Firma chwali się , że przeniesienie internetu trwa u niej 30 dni .
Tokens: 1____ 2_____ 3__ 4 5_ 6____________ 7________ 8___ 9 10__ 11 12_ 13

Chunks:
  FalsePositive nam [7,7] = internetu

(ChunkerEvaluator) Sentence #3758 from articles/00107509 from sent44

Text  : Dlaczego w przypadku pana Dariusza zajmuje to rok ? -  zapytali śmy w  TP .
Tokens: 1_______ 2 3________ 4___ 5_______ 6______ 7_ 8__ 9 10 11______ 12_ 13 14 15

Chunks:
  TruePositive nam [5,5] = Dariusza
  TruePositive nam [14,14] = TP

(ChunkerEvaluator) Sentence #3759 from articles/00107509 from sent45

Text  : „ Przeniesienie usługi neostrada tp nie zaskutkowało w nowym miejscu ”  -  odpisała nam Izabella Szum ,  szefowa Biura Prasowego Grupy TP w  Krakowie .
Tokens: 1 2____________ 3_____ 4________ 5_ 6__ 7___________ 8 9____ 10_____ 11 12 13______ 14_ 15______ 16__ 17 18_____ 19___ 20_______ 21___ 22 23 24______ 25

Chunks:
  TruePositive nam [15,16] = Izabella Szum
  TruePositive nam [19,22] = Biura Prasowego Grupy TP
  TruePositive nam [24,24] = Krakowie
  FalseNegative nam [4,5] = neostrada tp

(ChunkerEvaluator) Sentence #3760 from articles/00107509 from sent46

Text  : A poza tym , pan Dariusz umowy nie wypowiedział ,  dlatego naliczany jest mu abonament .
Tokens: 1 2___ 3__ 4 5__ 6______ 7____ 8__ 9___________ 10 11_____ 12_______ 13__ 14 15_______ 16

Chunks:
  TruePositive nam [6,6] = Dariusz

(ChunkerEvaluator) Sentence #3761 from articles/00107509 from sent47

Text  : - Nie od TP S . A . zależy w  tym przypadku opóźnienie .
Tokens: 1 2__ 3_ 4_ 5 6 7 8 9_____ 10 11_ 12_______ 13________ 14

Chunks:
  TruePositive nam [4,8] = TP S . A .

(ChunkerEvaluator) Sentence #3762 from articles/00107509 from sent48

Text  : Przeniesienie usługi wymaga uzyskania zgody właściciela budynku [ przy Krakowskim Przedmieściu -  przyp .  red .  ]  na poprowadzenie przyłącza .
Tokens: 1____________ 2_____ 3_____ 4________ 5____ 6__________ 7______ 8 9___ 10________ 11__________ 12 13___ 14 15_ 16 17 18 19___________ 20_______ 21

Chunks:
  TruePositive nam [10,11] = Krakowskim Przedmieściu

(ChunkerEvaluator) Sentence #3763 from articles/00107509 from sent49

Text  : A takiej nie uzyskali śmy - poinformował Izabella Szum .
Tokens: 1 2_____ 3__ 4_______ 5__ 6 7___________ 8_______ 9___ 10

Chunks:
  TruePositive nam [8,9] = Izabella Szum

(ChunkerEvaluator) Sentence #3764 from articles/00107509 from sent50

Text  : - To ciekawe .
Tokens: 1 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #3765 from articles/00107509 from sent51

Text  : Widzę , że Telekomunikacja znalazła kolejną przeszkodę .
Tokens: 1____ 2 3_ 4______________ 5_______ 6______ 7_________ 8

Chunks:
  TruePositive nam [4,4] = Telekomunikacja

(ChunkerEvaluator) Sentence #3766 from articles/00107509 from sent52

Text  : Nie prosił em o żadne nowe przyłącze , skoro w  tym budynku już jest linia telefoniczna do wykorzystania .
Tokens: 1__ 2_____ 3_ 4 5____ 6___ 7________ 8 9____ 10 11_ 12_____ 13_ 14__ 15___ 16__________ 17 18___________ 19

Chunks:

(ChunkerEvaluator) Sentence #3767 from articles/00107509 from sent53

Text  : Wystarczyło sprawdzić - irytuje się pan Dariusz .
Tokens: 1__________ 2________ 3 4______ 5__ 6__ 7______ 8

Chunks:
  TruePositive nam [7,7] = Dariusz

(ChunkerEvaluator) Sentence #3768 from articles/00107509 from sent54

Text  : - Dla mnie to już koniec współpracy z tą firmą -  dodaje ,
Tokens: 1 2__ 3___ 4_ 5__ 6_____ 7_________ 8 9_ 10___ 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #3769 from articles/00107509 from sent55

Text  : Izabella Szum zapewniła nas , że „ zleciła ponowny wywiad techniczny ”  .
Tokens: 1_______ 2___ 3________ 4__ 5 6_ 7 8______ 9______ 10____ 11________ 12 13

Chunks:
  TruePositive nam [1,2] = Izabella Szum

(ChunkerEvaluator) Sentence #3770 from articles/00107509 from sent56

Text  : Co takiego ma wyjaśnić , nie sprecyzowała .
Tokens: 1_ 2______ 3_ 4_______ 5 6__ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #3771 from articles/00107509 from sent57

Text  : PODPIS
Tokens: 1_____

Chunks:
  FalsePositive nam [1,1] = PODPIS

(ChunkerEvaluator) Sentence #3772 from articles/00107509 from sent58

Text  : Pan Dariusz : - Postanowił em , że przeniosę usługę internetu do nowego sklepu przy Krakowskim Przedmieściu .
Tokens: 1__ 2______ 3 4 5_________ 6_ 7 8_ 9________ 10____ 11_______ 12 13____ 14____ 15__ 16________ 17__________ 18

Chunks:
  TruePositive nam [2,2] = Dariusz
  TruePositive nam [16,17] = Krakowskim Przedmieściu
  FalsePositive nam [11,11] = internetu

(ChunkerEvaluator) Sentence #3773 from articles/00107509 from sent59

Text  : To raptem kilkaset metrów od naszej starej lokalizacji
Tokens: 1_ 2_____ 3_______ 4_____ 5_ 6_____ 7_____ 8__________

Chunks:

2016-10-27 14:59:29,870 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 147 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107510.xml
(ChunkerEvaluator) Sentence #3774 from articles/00107510 from sent1

Text  : Dorota Zawadzka - Superniania - przyjedzie do Łodzi
Tokens: 1_____ 2_______ 3 4__________ 5 6_________ 7_ 8____

Chunks:
  TruePositive nam [1,2] = Dorota Zawadzka
  TruePositive nam [8,8] = Łodzi
  FalseNegative nam [4,4] = Superniania

(ChunkerEvaluator) Sentence #3775 from articles/00107510 from sent2

Text  : Dorota Zawadzka będzie w niedzielę , 6 listopada gościem drogerii Rossmann w  Manufakturze .
Tokens: 1_____ 2_______ 3_____ 4 5________ 6 7 8________ 9______ 10______ 11______ 12 13__________ 14

Chunks:
  TruePositive nam [1,2] = Dorota Zawadzka
  TruePositive nam [13,13] = Manufakturze
  FalseNegative nam [11,11] = Rossmann

(ChunkerEvaluator) Sentence #3776 from articles/00107510 from sent3

Text  : Atrakcje na weekend przygotowały też inne centra handlowe - Galeria Łódzka organizuje targi nowości motoryzacyjnych ,  IKEA warsztaty teatralne dla dzieci ,  a  w  Pasażu Łódzkim można poskakać na trampolinie
Tokens: 1_______ 2_ 3______ 4___________ 5__ 6___ 7_____ 8_______ 9 10_____ 11____ 12________ 13___ 14_____ 15_____________ 16 17__ 18_______ 19_______ 20_ 21____ 22 23 24 25____ 26_____ 27___ 28______ 29 30_________

Chunks:
  TruePositive nam [10,11] = Galeria Łódzka
  TruePositive nam [17,17] = IKEA
  TruePositive nam [25,26] = Pasażu Łódzkim

(ChunkerEvaluator) Sentence #3777 from articles/00107510 from sent4

Text  : Superniania pojawi się w Rossmannie o godz . 16 .
Tokens: 1__________ 2_____ 3__ 4 5_________ 6 7___ 8 9_ 10

Chunks:
  FalseNegative nam [1,1] = Superniania
  FalseNegative nam [5,5] = Rossmannie

(ChunkerEvaluator) Sentence #3778 from articles/00107510 from sent5

Text  : Opowie o kampanii edukacyjnej „ Suchanoc .
Tokens: 1_____ 2 3_______ 4__________ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #3779 from articles/00107510 from sent6

Text  : Śpijcie spokojnie ” , której jest ambasadorką , a potem przeczyta maluchom fragment bajki „  Najtek i  przyjaciele ”  .
Tokens: 1______ 2________ 3 4 5_____ 6___ 7__________ 8 9 10___ 11_______ 12______ 13______ 14___ 15 16____ 17 18_________ 19 20

Chunks:
  FalseNegative nam [16,18] = Najtek i przyjaciele

(ChunkerEvaluator) Sentence #3780 from articles/00107510 from sent7

Text  : Żeby zapisać się na indywidualne konsultacje z Dorotą Zawadzką ,  trzeba przyjść do Rossmanna kilka godzin przed spotkaniem i  wypełnić ankietę .
Tokens: 1___ 2______ 3__ 4_ 5___________ 6__________ 7 8_____ 9_______ 10 11____ 12_____ 13 14_______ 15___ 16____ 17___ 18________ 19 20______ 21_____ 22

Chunks:
  TruePositive nam [8,9] = Dorotą Zawadzką
  FalseNegative nam [14,14] = Rossmanna

(ChunkerEvaluator) Sentence #3781 from articles/00107510 from sent8

Text  : Autorzy trzech najciekawszych pytań zadadzą je superniani w cztery oczy .
Tokens: 1______ 2_____ 3_____________ 4____ 5______ 6_ 7_________ 8 9_____ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #3782 from articles/00107510 from sent9

Text  : W sobotę w Manufakturze będzie można obejrzeć zmagania robotów .
Tokens: 1 2_____ 3 4___________ 5_____ 6____ 7_______ 8_______ 9______ 10

Chunks:
  TruePositive nam [4,4] = Manufakturze

(ChunkerEvaluator) Sentence #3783 from articles/00107510 from sent10

Text  : W godz . 10 - 21 będą się ścigać po torze i  walczyć na ringu .
Tokens: 1 2___ 3 4_ 5 6_ 7___ 8__ 9_____ 10 11___ 12 13_____ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #3784 from articles/00107510 from sent11

Text  : Po raz pierwszy w Łodzi zmierzą się również roboty MicroMouse -  myszy ,  które muszą odnaleźć cel w  labiryncie ,  zapamiętać najkrótszą trasę i  jak najszybciej dojechać do celu .
Tokens: 1_ 2__ 3_______ 4 5____ 6______ 7__ 8______ 9_____ 10________ 11 12___ 13 14___ 15___ 16______ 17_ 18 19________ 20 21________ 22________ 23___ 24 25_ 26_________ 27______ 28 29__ 30

Chunks:
  TruePositive nam [5,5] = Łodzi
  FalseNegative nam [10,10] = MicroMouse

(ChunkerEvaluator) Sentence #3785 from articles/00107510 from sent12

Text  : W zawodach robotów kroczących wystąpi tegoroczny mistrz Europy .
Tokens: 1 2_______ 3______ 4_________ 5______ 6_________ 7_____ 8_____ 9

Chunks:
  TruePositive nam [8,8] = Europy

(ChunkerEvaluator) Sentence #3786 from articles/00107510 from sent13

Text  : W planach również zmagania zdalnie sterowanych robotów Vex Robotics .
Tokens: 1 2______ 3______ 4_______ 5______ 6__________ 7______ 8__ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Vex Robotics

(ChunkerEvaluator) Sentence #3787 from articles/00107510 from sent14

Text  : Programowania niewielkich robotów pod okiem instruktorów mogą spróbować wszyscy ,  trzeba tylko przejść krótkie szkolenie .
Tokens: 1____________ 2__________ 3______ 4__ 5____ 6___________ 7___ 8________ 9______ 10 11____ 12___ 13_____ 14_____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #3788 from articles/00107510 from sent15

Text  : Roboty pojawią się w Manufakturze w ramach Ogólnopolskich Zawodów Robotów „  Sumo Challenge 2011 ”  ,  które organizują studenci Politechniki Łódzkiej z  koła naukowego Skaner .
Tokens: 1_____ 2______ 3__ 4 5___________ 6 7_____ 8_____________ 9______ 10_____ 11 12__ 13_______ 14__ 15 16 17___ 18________ 19______ 20__________ 21______ 22 23__ 24_______ 25____ 26

Chunks:
  TruePositive nam [5,5] = Manufakturze
  TruePositive nam [20,21] = Politechniki Łódzkiej
  TruePositive nam [25,25] = Skaner
  FalsePositive nam [8,14] = Ogólnopolskich Zawodów Robotów „ Sumo Challenge 2011
  FalseNegative nam [8,15] = Ogólnopolskich Zawodów Robotów „ Sumo Challenge 2011 ”

(ChunkerEvaluator) Sentence #3789 from articles/00107510 from sent16

Text  : Na najmłodszych w sobotę będzie czekał w Manufakturze Tintin .
Tokens: 1_ 2___________ 3 4_____ 5_____ 6_____ 7 8___________ 9_____ 10

Chunks:
  FalsePositive nam [8,9] = Manufakturze Tintin
  FalseNegative nam [8,8] = Manufakturze
  FalseNegative nam [9,9] = Tintin

(ChunkerEvaluator) Sentence #3790 from articles/00107510 from sent17

Text  : Dziś na ekrany kin Orange IMAX trafi film Stevena Spielberga „  Przygody Tintina ”  .
Tokens: 1___ 2_ 3_____ 4__ 5_____ 6___ 7____ 8___ 9______ 10________ 11 12______ 13_____ 14 15

Chunks:
  FalsePositive nam [9,13] = Stevena Spielberga „ Przygody Tintina
  FalseNegative nam [5,6] = Orange IMAX
  FalseNegative nam [9,10] = Stevena Spielberga
  FalseNegative nam [12,13] = Przygody Tintina

(ChunkerEvaluator) Sentence #3791 from articles/00107510 from sent18

Text  : Łódzkie kino przygotowało dla dzieci zabawy i atrakcje związane z  bohaterem kultowego komiksu .
Tokens: 1______ 2___ 3___________ 4__ 5_____ 6_____ 7 8_______ 9_______ 10 11_______ 12_______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #3792 from articles/00107510 from sent19

Text  : W godz . 11 - 16 będzie można pobawić się w  podróżnika ,  stworzyć mapę świata ,  nauczyć się wiązania węzłów żeglarskich i  korzystania z  kompasu .
Tokens: 1 2___ 3 4_ 5 6_ 7_____ 8____ 9______ 10_ 11 12________ 13 14______ 15__ 16____ 17 18_____ 19_ 20______ 21____ 22_________ 23 24_________ 25 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #3793 from articles/00107510 from sent20

Text  : W planach też poszukiwanie pirackiego skarbu w wielkiej grze planszowej .
Tokens: 1 2______ 3__ 4___________ 5_________ 6_____ 7 8_______ 9___ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #3794 from articles/00107510 from sent21

Text  : W Pasażu Łódzkim sobota i niedziela upłynie pod hasłem „  Dzień przygody ”  .
Tokens: 1 2_____ 3______ 4_____ 5 6________ 7______ 8__ 9_____ 10 11___ 12______ 13 14

Chunks:
  TruePositive nam [2,3] = Pasażu Łódzkim
  FalseNegative nam [11,12] = Dzień przygody

(ChunkerEvaluator) Sentence #3795 from articles/00107510 from sent22

Text  : Będzie można spróbować swych sił na ściance wspinaczkowej , wziąć udział w  warsztatach jogi i  poskakać na trampolinie .
Tokens: 1_____ 2____ 3________ 4____ 5__ 6_ 7______ 8____________ 9 10___ 11____ 12 13_________ 14__ 15 16______ 17 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #3796 from articles/00107510 from sent23

Text  : W centrum handlowym pojawi się też wystawa lego z dwiema ruchomymi kolejkami .
Tokens: 1 2______ 3________ 4_____ 5__ 6__ 7______ 8___ 9 10____ 11_______ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #3797 from articles/00107510 from sent24

Text  : W planach także atrakcyjne rabaty .
Tokens: 1 2______ 3____ 4_________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #3798 from articles/00107510 from sent25

Text  : Bytom i Kastor przeceniają męskie kurtki , garnitury , marynarki i  koszule o  20 proc .
Tokens: 1____ 2 3_____ 4__________ 5_____ 6_____ 7 8________ 9 10_______ 11 12_____ 13 14 15__ 16

Chunks:
  TruePositive nam [1,1] = Bytom
  TruePositive nam [3,3] = Kastor

(ChunkerEvaluator) Sentence #3799 from articles/00107510 from sent26

Text  : W księgarni Expans można będzie kupić książki dziecięce o 15 proc .  taniej ,  a  w  Matrasie wybrane pozycje będzie można nabyć z  25 -  procentową zniżką .
Tokens: 1 2________ 3_____ 4____ 5_____ 6____ 7______ 8________ 9 10 11__ 12 13____ 14 15 16 17______ 18_____ 19_____ 20____ 21___ 22___ 23 24 25 26________ 27____ 28

Chunks:
  TruePositive nam [17,17] = Matrasie
  FalseNegative nam [3,3] = Expans

(ChunkerEvaluator) Sentence #3800 from articles/00107510 from sent27

Text  : Lesta daje 20 proc . rabatu na artykuły trekkingowe ,  a  Nike -  na wszystko .
Tokens: 1____ 2___ 3_ 4___ 5 6_____ 7_ 8_______ 9__________ 10 11 12__ 13 14 15______ 16

Chunks:
  TruePositive nam [12,12] = Nike
  FalseNegative nam [1,1] = Lesta

(ChunkerEvaluator) Sentence #3801 from articles/00107510 from sent28

Text  : W Aptece 21 o 10 proc . tańsze będą produkty dla dzieci ,  w  Foto -  Bielski o  20 proc .  fotogadżety .
Tokens: 1 2_____ 3_ 4 5_ 6___ 7 8_____ 9___ 10______ 11_ 12____ 13 14 15__ 16 17_____ 18 19 20__ 21 22_________ 23

Chunks:
  TruePositive nam [2,2] = Aptece
  TruePositive nam [15,17] = Foto - Bielski

(ChunkerEvaluator) Sentence #3802 from articles/00107510 from sent29

Text  : Rabaty na wybrane wina z Transylwanii i Portugalii ( przy zakupie pięciu butelek szósta gratis )  oferuje Kia Oro .
Tokens: 1_____ 2_ 3______ 4___ 5 6___________ 7 8_________ 9 10__ 11_____ 12____ 13_____ 14____ 15____ 16 17_____ 18_ 19_ 20

Chunks:
  TruePositive nam [6,6] = Transylwanii
  TruePositive nam [8,8] = Portugalii
  TruePositive nam [18,19] = Kia Oro

(ChunkerEvaluator) Sentence #3803 from articles/00107510 from sent30

Text  : Zniżek i ofert specjalnych można szukać też w sklepach Orange ,  Yves Rocher ,  Piękne Oczy ,  Triumph i  VIP Collection .
Tokens: 1_____ 2 3____ 4__________ 5____ 6_____ 7__ 8 9_______ 10____ 11 12__ 13____ 14 15____ 16__ 17 18_____ 19 20_ 21________ 22

Chunks:
  TruePositive nam [12,13] = Yves Rocher
  TruePositive nam [15,16] = Piękne Oczy
  TruePositive nam [20,21] = VIP Collection
  FalseNegative nam [10,10] = Orange
  FalseNegative nam [18,18] = Triumph

(ChunkerEvaluator) Sentence #3804 from articles/00107510 from sent31

Text  : W Galerii Łódzkiej zaczynają się dziś tygodniowe targi nowości motoryzacyjnych .
Tokens: 1 2______ 3_______ 4________ 5__ 6___ 7_________ 8____ 9______ 10_____________ 11

Chunks:
  TruePositive nam [2,3] = Galerii Łódzkiej

(ChunkerEvaluator) Sentence #3805 from articles/00107510 from sent32

Text  : Będzie można obejrzeć auta marek Volkswagen , Volvo , Range Rover ,  Mazda ,  Renault ,  Mitsubishi ,  Toyota ,  Nissan ,  Peugeot ,  Skoda ,  Alfa Romeo ,  Hyundai i  Kia .
Tokens: 1_____ 2____ 3_______ 4___ 5____ 6_________ 7 8____ 9 10___ 11___ 12 13___ 14 15_____ 16 17________ 18 19____ 20 21____ 22 23_____ 24 25___ 26 27__ 28___ 29 30_____ 31 32_ 33

Chunks:
  TruePositive nam [6,6] = Volkswagen
  TruePositive nam [8,8] = Volvo
  TruePositive nam [13,13] = Mazda
  TruePositive nam [15,15] = Renault
  TruePositive nam [17,17] = Mitsubishi
  TruePositive nam [19,19] = Toyota
  TruePositive nam [21,21] = Nissan
  TruePositive nam [23,23] = Peugeot
  TruePositive nam [25,25] = Skoda
  TruePositive nam [27,28] = Alfa Romeo
  TruePositive nam [30,30] = Hyundai
  TruePositive nam [32,32] = Kia
  FalsePositive nam [11,11] = Rover
  FalseNegative nam [10,11] = Range Rover

(ChunkerEvaluator) Sentence #3806 from articles/00107510 from sent33

Text  : Zaplanowano również konkurs SMS - owy na najlepsze auto wystawy z  nagrodami dla klientów .
Tokens: 1__________ 2______ 3______ 4__ 5 6__ 7_ 8________ 9___ 10_____ 11 12_______ 13_ 14______ 15

Chunks:
  FalsePositive nam [4,6] = SMS - owy

(ChunkerEvaluator) Sentence #3807 from articles/00107510 from sent34

Text  : W IKEA w Porcie Łódź atrakcja dla dzieci .
Tokens: 1 2___ 3 4_____ 5___ 6_______ 7__ 8_____ 9

Chunks:
  TruePositive nam [2,2] = IKEA
  TruePositive nam [4,5] = Porcie Łódź

(ChunkerEvaluator) Sentence #3808 from articles/00107510 from sent35

Text  : W weekend rozpoczynają się warsztaty teatralne .
Tokens: 1 2______ 3___________ 4__ 5________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #3809 from articles/00107510 from sent36

Text  : W godz . 11 - 17 maluchy nauczą się tworzenia rekwizytów i  pantomimy .
Tokens: 1 2___ 3 4_ 5 6_ 7______ 8_____ 9__ 10_______ 11________ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #3810 from articles/00107510 from sent37

Text  : Będzie czytanie baśni i malowanie twarzy .
Tokens: 1_____ 2_______ 3____ 4 5________ 6_____ 7

Chunks:

2016-10-27 14:59:30,042 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 148 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107511.xml
(ChunkerEvaluator) Sentence #3811 from articles/00107511 from sent1

Text  : Izrael zwolnił 6 z 27 zatrzymanych osób z Flotylli Wolności
Tokens: 1_____ 2______ 3 4 5_ 6___________ 7___ 8 9_______ 10______

Chunks:
  TruePositive nam [1,1] = Izrael
  TruePositive nam [9,10] = Flotylli Wolności

(ChunkerEvaluator) Sentence #3812 from articles/00107511 from sent2

Text  : Izrael zwolnił w sobotę 6 z 27 zatrzymanych dzień wcześniej pasażerów i  członków załogi miniflotylli z  pomocą dla Strefy Gazy ,  zatrzymanych ,  kiedy jachty usiłowały przełamać izraelską blokadę -  poinformowała rzeczniczka służb imigracyjnych izraelskiego MSW .
Tokens: 1_____ 2______ 3 4_____ 5 6 7_ 8___________ 9____ 10_______ 11_______ 12 13______ 14____ 15__________ 16 17____ 18_ 19____ 20__ 21 22__________ 23 24___ 25____ 26_______ 27_______ 28_______ 29_____ 30 31___________ 32_________ 33___ 34___________ 35__________ 36_ 37

Chunks:
  TruePositive nam [1,1] = Izrael
  TruePositive nam [19,20] = Strefy Gazy
  TruePositive nam [36,36] = MSW

(ChunkerEvaluator) Sentence #3813 from articles/00107511 from sent3

Text  : Komandosi i piechota morska Izraela zatrzymały w piątek po południu płynący pod banderą irlandzką Saoirse (  wolność po gaelicku )  i  pod kanadyjską Tahrir (  wyzwolenie po arabsku )  .
Tokens: 1________ 2 3_______ 4_____ 5______ 6_________ 7 8_____ 9_ 10______ 11_____ 12_ 13_____ 14_______ 15_____ 16 17_____ 18 19______ 20 21 22_ 23________ 24____ 25 26________ 27 28_____ 29 30

Chunks:
  TruePositive nam [5,5] = Izraela
  FalseNegative nam [15,15] = Saoirse
  FalseNegative nam [19,19] = gaelicku
  FalseNegative nam [24,24] = Tahrir
  FalseNegative nam [28,28] = arabsku

(ChunkerEvaluator) Sentence #3814 from articles/00107511 from sent4

Text  : Załogi i pasażerowie nie stawiali oporu .
Tokens: 1_____ 2 3__________ 4__ 5_______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #3815 from articles/00107511 from sent5

Text  : Oba jachty odeskortowano do portu w Aszdod .
Tokens: 1__ 2_____ 3____________ 4_ 5____ 6 7_____ 8

Chunks:
  FalseNegative nam [7,7] = Aszdod

(ChunkerEvaluator) Sentence #3816 from articles/00107511 from sent6

Text  : Na zatrzymanych jachtach nie znaleziono żadnej broni ani pomocy humanitarnej .
Tokens: 1_ 2___________ 3_______ 4__ 5_________ 6_____ 7____ 8__ 9_____ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #3817 from articles/00107511 from sent7

Text  : Załogom przypomniano o istnieniu blokady morskiej i poinformowano , że ładunek z  pomocą humanitarną może być dostarczony do Aszdod lub portów w  Egipcie ,  a  następnie przewieziony drogą lądową do Strefy Gazy .
Tokens: 1______ 2___________ 3 4________ 5______ 6_______ 7 8____________ 9 10 11_____ 12 13____ 14_________ 15__ 16_ 17_________ 18 19____ 20_ 21____ 22 23_____ 24 25 26_______ 27__________ 28___ 29____ 30 31____ 32__ 33

Chunks:
  TruePositive nam [23,23] = Egipcie
  TruePositive nam [31,32] = Strefy Gazy
  FalseNegative nam [19,19] = Aszdod

(ChunkerEvaluator) Sentence #3818 from articles/00107511 from sent8

Text  : Sześć zwolnionych osób to dwóch greckich członków załogi , trzech dziennikarzy i  izraelski Arab -  powiedziała agencji AFP rzeczniczka Sabina Haddad .
Tokens: 1____ 2__________ 3___ 4_ 5____ 6_______ 7_______ 8_____ 9 10____ 11__________ 12 13_______ 14__ 15 16_________ 17_____ 18_ 19_________ 20____ 21____ 22

Chunks:
  TruePositive nam [14,14] = Arab
  TruePositive nam [18,18] = AFP
  TruePositive nam [20,21] = Sabina Haddad

(ChunkerEvaluator) Sentence #3819 from articles/00107511 from sent9

Text  : Dodała , że pozostali pasażerowie znajdują się w Ramli niedaleko Tel Awiwu ,  a  procedury wydalenia ich z  Izraela potrwają co najmniej 72 godziny .
Tokens: 1_____ 2 3_ 4________ 5__________ 6_______ 7__ 8 9____ 10_______ 11_ 12___ 13 14 15_______ 16_______ 17_ 18 19_____ 20______ 21 22______ 23 24_____ 25

Chunks:
  TruePositive nam [11,12] = Tel Awiwu
  TruePositive nam [19,19] = Izraela
  FalseNegative nam [9,9] = Ramli

(ChunkerEvaluator) Sentence #3820 from articles/00107511 from sent10

Text  : Wśród zatrzymanych jest 14 Irlandczyków , obywatele Kanady , Wielkiej Brytanii ,  Australii i  USA .
Tokens: 1____ 2___________ 3___ 4_ 5___________ 6 7________ 8_____ 9 10______ 11______ 12 13_______ 14 15_ 16

Chunks:
  TruePositive nam [5,5] = Irlandczyków
  TruePositive nam [8,8] = Kanady
  TruePositive nam [10,11] = Wielkiej Brytanii
  TruePositive nam [13,13] = Australii
  TruePositive nam [15,15] = USA

(ChunkerEvaluator) Sentence #3821 from articles/00107511 from sent11

Text  : Pierwsza Flotylla Wolności wyruszyła w maju 2010 roku , ale została zatrzymana przez izraelską marynarkę .
Tokens: 1_______ 2_______ 3_______ 4________ 5 6___ 7___ 8___ 9 10_ 11_____ 12________ 13___ 14_______ 15_______ 16

Chunks:
  TruePositive nam [2,3] = Flotylla Wolności

(ChunkerEvaluator) Sentence #3822 from articles/00107511 from sent12

Text  : Zginęło wówczas dziewięciu tureckich działaczy propalestyńskich , co wywołało kryzys w  stosunkach turecko -  izraelskich .
Tokens: 1______ 2______ 3_________ 4________ 5________ 6_______________ 7 8_ 9_______ 10____ 11 12________ 13_____ 14 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #3823 from articles/00107511 from sent13

Text  : Druga tego typu flotylla usiłowała wypłynąć w lipcu z Grecji ,  ale akcja najpierw opóźniała się z  powodów technicznych ,  które kładziono na karb izraelskiego sabotażu ,  a  potem władze greckie mnożyły przeszkody i  nie udzieliły zgody na wyjście statków w  morze .
Tokens: 1____ 2___ 3___ 4_______ 5________ 6_______ 7 8____ 9 10____ 11 12_ 13___ 14______ 15_______ 16_ 17 18_____ 19__________ 20 21___ 22_______ 23 24__ 25__________ 26______ 27 28 29___ 30____ 31_____ 32_____ 33________ 34 35_ 36_______ 37___ 38 39_____ 40_____ 41 42___ 43

Chunks:
  TruePositive nam [10,10] = Grecji

(ChunkerEvaluator) Sentence #3824 from articles/00107511 from sent14

Text  : Organizatorzy obecnej akcji utrzymywali wszystko w tajemnicy , aby uniknąć izraelskiej ingerencji .
Tokens: 1____________ 2______ 3____ 4__________ 5_______ 6 7________ 8 9__ 10_____ 11_________ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #3825 from articles/00107511 from sent15

Text  : Państwo żydowskie broni swego prawa do blokowania Strefy Gazy ,  kontrolowanej przez radykalny Hamas ,  twierdząc ,  że blokada ma na celu zapobieżenie przerzucaniu broni dla Palestyńczyków .  (  PAP )
Tokens: 1______ 2________ 3____ 4____ 5____ 6_ 7_________ 8_____ 9___ 10 11___________ 12___ 13_______ 14___ 15 16_______ 17 18 19_____ 20 21 22__ 23__________ 24__________ 25___ 26_ 27____________ 28 29 30_ 31

Chunks:
  TruePositive nam [8,9] = Strefy Gazy
  TruePositive nam [14,14] = Hamas
  TruePositive nam [27,27] = Palestyńczyków
  TruePositive nam [30,30] = PAP

2016-10-27 14:59:30,137 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 149 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107512.xml
(ChunkerEvaluator) Sentence #3826 from articles/00107512 from sent1

Text  : Komenda przypomniała sobie , że zginęły jej maski przeciwgazowe i  elementy umundurowania
Tokens: 1______ 2___________ 3____ 4 5_ 6______ 7__ 8____ 9____________ 10 11______ 12___________

Chunks:

(ChunkerEvaluator) Sentence #3827 from articles/00107512 from sent2

Text  : Maski gazowe i kamizelki policyjne zginęły z komendy miejskiej w  Olsztynie .
Tokens: 1____ 2_____ 3 4________ 5________ 6______ 7 8______ 9________ 10 11_______ 12

Chunks:
  TruePositive nam [11,11] = Olsztynie

(ChunkerEvaluator) Sentence #3828 from articles/00107512 from sent3

Text  : Początkowo władze policji bagatelizowały kradzież i tłumaczyły , że skradziono jedynie prywatne rzeczy funkcjonariuszy .
Tokens: 1_________ 2_____ 3______ 4_____________ 5_______ 6 7_________ 8 9_ 10________ 11_____ 12______ 13____ 14_____________ 15

Chunks:

(ChunkerEvaluator) Sentence #3829 from articles/00107512 from sent4

Text  : Teraz jednak okazało się , że zginął służbowy sprzęt policjantów .
Tokens: 1____ 2_____ 3______ 4__ 5 6_ 7_____ 8_______ 9_____ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #3830 from articles/00107512 from sent5

Text  : Wina policjantów ?
Tokens: 1___ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #3831 from articles/00107512 from sent6

Text  : Jak przyznała teraz mł . asp .
Tokens: 1__ 2________ 3____ 4_ 5 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #3832 from articles/00107512 from sent7

Text  : Mariola Plichta z biura prasowego , złodziej zabrał też pałkę policyjna ,  maski przeciwgazowe ,  kamizelki i  bluzę służbową .
Tokens: 1______ 2______ 3 4____ 5________ 6 7_______ 8_____ 9__ 10___ 11_______ 12 13___ 14___________ 15 16_______ 17 18___ 19______ 20

Chunks:
  TruePositive nam [1,2] = Mariola Plichta

(ChunkerEvaluator) Sentence #3833 from articles/00107512 from sent8

Text  : Winę za nieporozumienie zrzuca na policjantów , których szafki były okradzione .
Tokens: 1___ 2_ 3______________ 4_____ 5_ 6__________ 7 8______ 9_____ 10__ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #3834 from articles/00107512 from sent9

Text  : - Trwało ustalanie , bo funkcjonariusze sami do końca nie wiedzieli ,  co w  tych szafkach mieli .  -  tłumaczy mł .  asp .
Tokens: 1 2_____ 3________ 4 5_ 6______________ 7___ 8_ 9____ 10_ 11_______ 12 13 14 15__ 16______ 17___ 18 19 20______ 21 22 23_ 24

Chunks:

(ChunkerEvaluator) Sentence #3835 from articles/00107512 from sent10

Text  : Plichta .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Plichta

(ChunkerEvaluator) Sentence #3836 from articles/00107512 from sent11

Text  : Sytuacja jest jednak co najmniej dziwna , bo bardzo zbliżoną listę szeregowi funkcjonariusze wyliczali praktycznie już zaraz po włamaniu .
Tokens: 1_______ 2___ 3_____ 4_ 5_______ 6_____ 7 8_ 9_____ 10______ 11___ 12_______ 13_____________ 14_______ 15_________ 16_ 17___ 18 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #3837 from articles/00107512 from sent12

Text  : Tego pani aspirant nie potrafiła wytłumaczyć .
Tokens: 1___ 2___ 3_______ 4__ 5________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #3838 from articles/00107512 from sent13

Text  : - Ja takich informacji nie miała m - stwierdziła .
Tokens: 1 2_ 3_____ 4_________ 5__ 6____ 7 8 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #3839 from articles/00107512 from sent14

Text  : Sprawcy kradzieży do tej pory nie udało się ustalić .
Tokens: 1______ 2________ 3_ 4__ 5___ 6__ 7____ 8__ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #3840 from articles/00107512 from sent15

Text  : Jak informuje komenda czynności w tej sprawie prowadzi teraz prokuratura i  Biuro Spraw Wewnętrznych (  czyli policja w  policji )  .
Tokens: 1__ 2________ 3______ 4________ 5 6__ 7______ 8_______ 9____ 10_________ 11 12___ 13___ 14__________ 15 16___ 17_____ 18 19_____ 20 21

Chunks:
  TruePositive nam [12,14] = Biuro Spraw Wewnętrznych

2016-10-27 14:59:30,194 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 150 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107513.xml
(ChunkerEvaluator) Sentence #3841 from articles/00107513 from sent1

Text  : Baran zarzuca Krzystkowi kupowanie urzędników
Tokens: 1____ 2______ 3_________ 4________ 5_________

Chunks:
  TruePositive nam [1,1] = Baran
  TruePositive nam [3,3] = Krzystkowi

(ChunkerEvaluator) Sentence #3842 from articles/00107513 from sent2

Text  : Ludziska biegnijcie do bankomatów - to z maila o przyznaniu nagród w  szczecińskim magistracie ,  którym zainteresował się szef komisji rewizyjnej Bazyli Baran (  PO )
Tokens: 1_______ 2_________ 3_ 4_________ 5 6_ 7 8____ 9 10________ 11____ 12 13__________ 14_________ 15 16____ 17___________ 18_ 19__ 20_____ 21________ 22____ 23___ 24 25 26

Chunks:
  TruePositive nam [22,23] = Bazyli Baran
  TruePositive nam [25,25] = PO

(ChunkerEvaluator) Sentence #3843 from articles/00107513 from sent3

Text  : Mail jest autorstwa dwóch szefów związków zawodowych działających w magistracie :  OPZZ i  NSZZ „  Solidarność ”  .
Tokens: 1___ 2___ 3________ 4____ 5_____ 6_______ 7_________ 8___________ 9 10_________ 11 12__ 13 14__ 15 16_________ 17 18

Chunks:
  TruePositive nam [12,12] = OPZZ
  TruePositive nam [14,17] = NSZZ „ Solidarność ”

(ChunkerEvaluator) Sentence #3844 from articles/00107513 from sent4

Text  : Rozesłany został 7 października do wszystkich pracowników Urzędu Miejskiego w  Szczecinie .
Tokens: 1________ 2_____ 3 4___________ 5_ 6_________ 7__________ 8_____ 9_________ 10 11________ 12

Chunks:
  FalsePositive nam [8,11] = Urzędu Miejskiego w Szczecinie
  FalseNegative nam [8,9] = Urzędu Miejskiego
  FalseNegative nam [11,11] = Szczecinie

(ChunkerEvaluator) Sentence #3845 from articles/00107513 from sent5

Text  : Związkowcy poinformowali , że nagrody udało się wynegocjować z sekretarzem miasta Ryszardem Słoką (  to on podejmuje decyzje co do wynagradzania pracowników ,  zatwierdza prezydent )  i  jednocześnie dziękują mu za „  zrozumienie potrzeb pracowników .  ”  .
Tokens: 1_________ 2____________ 3 4_ 5______ 6____ 7__ 8___________ 9 10_________ 11____ 12_______ 13___ 14 15 16 17_______ 18_____ 19 20 21___________ 22_________ 23 24________ 25_______ 26 27 28__________ 29______ 30 31 32 33_________ 34_____ 35_________ 36 37 38

Chunks:
  TruePositive nam [12,13] = Ryszardem Słoką

(ChunkerEvaluator) Sentence #3846 from articles/00107513 from sent6

Text  : Nagrody dostali wszyscy pracownicy , oprócz dyrektorów , i tych ,  którzy mają na koncie nagany .
Tokens: 1______ 2______ 3______ 4_________ 5 6_____ 7_________ 8 9 10__ 11 12____ 13__ 14 15____ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #3847 from articles/00107513 from sent7

Text  : W sumie około tysiąc osób , każdy po 600 zł brutto (  ok .  420 netto )  .
Tokens: 1 2____ 3____ 4_____ 5___ 6 7____ 8_ 9__ 10 11____ 12 13 14 15_ 16___ 17 18

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #3848 from articles/00107513 from sent8

Text  : - Prezydent Szczecina celowo przed wyborami nagradzał pracowników - uważa Bazyli Baran .
Tokens: 1 2________ 3________ 4_____ 5____ 6_______ 7________ 8__________ 9 10___ 11____ 12___ 13

Chunks:
  TruePositive nam [11,12] = Bazyli Baran
  FalsePositive nam [2,3] = Prezydent Szczecina

(ChunkerEvaluator) Sentence #3849 from articles/00107513 from sent9

Text  : - Ten mail nieprzypadkowo został wysłany dwa dni przed wyborami .
Tokens: 1 2__ 3___ 4_____________ 5_____ 6______ 7__ 8__ 9____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #3850 from articles/00107513 from sent10

Text  : Zdaniem szefa komisji rewizyjnej Krzystek chciał w ten sposób pozyskać wyborców dla swoich nowych koalicjantów -  PiS i  SLD ,  których przedstawiciele startowali do parlamentu .
Tokens: 1______ 2____ 3______ 4_________ 5_______ 6_____ 7 8__ 9_____ 10______ 11______ 12_ 13____ 14____ 15__________ 16 17_ 18 19_ 20 21_____ 22_____________ 23________ 24 25________ 26

Chunks:
  TruePositive nam [17,17] = PiS
  TruePositive nam [19,19] = SLD
  FalseNegative nam [5,5] = Krzystek

(ChunkerEvaluator) Sentence #3851 from articles/00107513 from sent11

Text  : W tej kadencji PO wobec Krzystka jest w opozycji .
Tokens: 1 2__ 3_______ 4_ 5____ 6_______ 7___ 8 9_______ 10

Chunks:
  TruePositive nam [4,4] = PO
  FalseNegative nam [6,6] = Krzystka

(ChunkerEvaluator) Sentence #3852 from articles/00107513 from sent12

Text  : Treść maila Bazylii Baran upublicznił w „ Spięciu ” w  TVP Szczecin .
Tokens: 1____ 2____ 3______ 4____ 5__________ 6 7 8______ 9 10 11_ 12______ 13

Chunks:
  TruePositive nam [8,8] = Spięciu
  TruePositive nam [11,12] = TVP Szczecin
  FalsePositive nam [3,3] = Bazylii
  FalsePositive nam [4,4] = Baran
  FalseNegative nam [3,4] = Bazylii Baran

(ChunkerEvaluator) Sentence #3853 from articles/00107513 from sent13

Text  : Komisja rewizyjna od marca tego roku kontroluje , jak prezydent Piotr Krzystek nagradza podległych mu pracowników .
Tokens: 1______ 2________ 3_ 4____ 5___ 6___ 7_________ 8 9__ 10_______ 11___ 12______ 13______ 14________ 15 16_________ 17

Chunks:
  TruePositive nam [11,12] = Piotr Krzystek

(ChunkerEvaluator) Sentence #3854 from articles/00107513 from sent14

Text  : Szefowie związków podkreślają : Nagrody nie miały najmniejszego związku z  wyborami .
Tokens: 1_______ 2_______ 3__________ 4 5______ 6__ 7____ 8____________ 9______ 10 11______ 12

Chunks:
  FalsePositive nam [2,2] = związków
  FalsePositive nam [5,5] = Nagrody

(ChunkerEvaluator) Sentence #3855 from articles/00107513 from sent15

Text  : - To smutne , co sugeruje pan Baran - odpowiada Marcin Balbuza ,  przewodniczący magistrackiego OPZZ .
Tokens: 1 2_ 3_____ 4 5_ 6_______ 7__ 8____ 9 10_______ 11____ 12_____ 13 14____________ 15____________ 16__ 17

Chunks:
  TruePositive nam [8,8] = Baran
  TruePositive nam [11,12] = Marcin Balbuza
  TruePositive nam [16,16] = OPZZ

(ChunkerEvaluator) Sentence #3856 from articles/00107513 from sent16

Text  : Nie osiągnęli śmy takiego dna , że można nas kupić .
Tokens: 1__ 2________ 3__ 4______ 5__ 6 7_ 8____ 9__ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #3857 from articles/00107513 from sent17

Text  : Pan Baran próbując uderzyć w Krzystka , uderza w pracowników .
Tokens: 1__ 2____ 3_______ 4______ 5 6_______ 7 8_____ 9 10_________ 11

Chunks:
  TruePositive nam [2,2] = Baran
  TruePositive nam [6,6] = Krzystka

(ChunkerEvaluator) Sentence #3858 from articles/00107513 from sent18

Text  : - To przez przypadek wyszło , że ludzie z radością szli na wybory -  mówi Andrzej Kowalczyk ,  szef NSZZ Solidarność .
Tokens: 1 2_ 3____ 4________ 5_____ 6 7_ 8_____ 9 10______ 11__ 12 13____ 14 15__ 16_____ 17_______ 18 19__ 20__ 21_________ 22

Chunks:
  TruePositive nam [16,17] = Andrzej Kowalczyk
  TruePositive nam [20,21] = NSZZ Solidarność

(ChunkerEvaluator) Sentence #3859 from articles/00107513 from sent19

Text  : - Po prostu nasz regulamin dotyczący nagród mówi o tym ,  że są przydzielane w  październiku .
Tokens: 1 2_ 3_____ 4___ 5________ 6________ 7_____ 8___ 9 10_ 11 12 13 14__________ 15 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #3860 from articles/00107513 from sent20

Text  : Andrzej Kowalczyk podkreśla , że na nagrody udało się wygospodarować zaoszczędzone pieniądze z  funduszu płac .
Tokens: 1______ 2________ 3________ 4 5_ 6_ 7______ 8____ 9__ 10____________ 11___________ 12_______ 13 14______ 15__ 16

Chunks:
  TruePositive nam [1,2] = Andrzej Kowalczyk

(ChunkerEvaluator) Sentence #3861 from articles/00107513 from sent21

Text  : Pieniądze zostały , bo w trakcie roku zwolnił się jakiś etat lub za zwolnienie lekarskie pracownika płacił ZUS .
Tokens: 1________ 2______ 3 4_ 5 6______ 7___ 8______ 9__ 10___ 11__ 12_ 13 14________ 15_______ 16________ 17____ 18_ 19

Chunks:
  TruePositive nam [18,18] = ZUS

(ChunkerEvaluator) Sentence #3862 from articles/00107513 from sent22

Text  : - Udało się w ten sposób zaoszczędzić 600 tys .  zł ,  które pracodawca zdecydował się podzielić wszystkim pracownikom po równo -  mówi Kowalczyk .
Tokens: 1 2____ 3__ 4 5__ 6_____ 7___________ 8__ 9__ 10 11 12 13___ 14________ 15________ 16_ 17_______ 18_______ 19_________ 20 21___ 22 23__ 24_______ 25

Chunks:
  TruePositive nam [11,11] = zł
  TruePositive nam [24,24] = Kowalczyk

(ChunkerEvaluator) Sentence #3863 from articles/00107513 from sent23

Text  : - Szeregowy urzędnik wcale nie żyje jak pączek w maśle .
Tokens: 1 2________ 3_______ 4____ 5__ 6___ 7__ 8_____ 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #3864 from articles/00107513 from sent24

Text  : Mam pełno podań o zapomogi .
Tokens: 1__ 2____ 3____ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #3865 from articles/00107513 from sent25

Text  : Od trzech lat nie mieli śmy podwyżek płac .
Tokens: 1_ 2_____ 3__ 4__ 5____ 6__ 7_______ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #3866 from articles/00107513 from sent26

Text  : Najniżej opłacane urzędnicze stanowisko w magistracie to młodszy referent -  średnia płaca 1  ,  7  tys .  zł brutto ,  referent zarabia średnio 2  tys .  zł brutto ,  podinspektor -  2  ,  5  tys .  zł ,  inspektor 3  ,  2  tys .  zł ,  główny specjalista -  4  ,  1  tys .  zł brutto .
Tokens: 1_______ 2_______ 3_________ 4_________ 5 6__________ 7_ 8______ 9_______ 10 11_____ 12___ 13 14 15 16_ 17 18 19____ 20 21______ 22_____ 23_____ 24 25_ 26 27 28____ 29 30__________ 31 32 33 34 35_ 36 37 38 39_______ 40 41 42 43_ 44 45 46 47____ 48_________ 49 50 51 52 53_ 54 55 56____ 57

Chunks:
  TruePositive nam [18,18] = zł
  TruePositive nam [27,27] = zł
  TruePositive nam [37,37] = zł
  TruePositive nam [45,45] = zł
  TruePositive nam [55,55] = zł

(ChunkerEvaluator) Sentence #3867 from articles/00107513 from sent27

Text  : Skąd taka wdzięczność dla sekretarza miasta ?
Tokens: 1___ 2___ 3__________ 4__ 5_________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #3868 from articles/00107513 from sent28

Text  : - Przecież zawsze mógł powiedzieć : nagród nie będzie ,  bo zaraz zajmą się tym media -  mówi Kowalczyk .
Tokens: 1 2_______ 3_____ 4___ 5_________ 6 7_____ 8__ 9_____ 10 11 12___ 13___ 14_ 15_ 16___ 17 18__ 19_______ 20

Chunks:
  TruePositive nam [19,19] = Kowalczyk

(ChunkerEvaluator) Sentence #3869 from articles/00107513 from sent29

Text  : Oszczędności z funduszu płac idą na nagrody dla pracowników także w  Urzędzie Marszałkowskim .
Tokens: 1___________ 2 3_______ 4___ 5__ 6_ 7______ 8__ 9__________ 10___ 11 12______ 13____________ 14

Chunks:
  TruePositive nam [12,13] = Urzędzie Marszałkowskim

(ChunkerEvaluator) Sentence #3870 from articles/00107513 from sent30

Text  : - Ale nie cała pula - mówi „ Gazecie ”  Przemysław Włosek ,  dyrektor generalny Urzędu Marszałkowskiego .
Tokens: 1 2__ 3__ 4___ 5___ 6 7___ 8 9______ 10 11________ 12____ 13 14______ 15_______ 16____ 17______________ 18

Chunks:
  TruePositive nam [9,9] = Gazecie
  TruePositive nam [11,12] = Przemysław Włosek
  FalseNegative nam [16,17] = Urzędu Marszałkowskiego

(ChunkerEvaluator) Sentence #3871 from articles/00107513 from sent31

Text  : - W ubiegłym roku do budżetu z oszczędności w funduszu płac wróciło 1  ,  6  mln zł .
Tokens: 1 2 3_______ 4___ 5_ 6______ 7 8___________ 9 10______ 11__ 12_____ 13 14 15 16_ 17 18

Chunks:
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #3872 from articles/00107513 from sent32

Text  : W Urzędzie Marszałkowskim nie ma hurtowego przyznawania nagród - wszystkim po równo .
Tokens: 1 2_______ 3_____________ 4__ 5_ 6________ 7___________ 8_____ 9 10_______ 11 12___ 13

Chunks:
  TruePositive nam [2,3] = Urzędzie Marszałkowskim

(ChunkerEvaluator) Sentence #3873 from articles/00107513 from sent33

Text  : W ubiegłym roku marszałek finansowo docenił 73 pracowników - średnia nagród to 2  ,  7  brutto .
Tokens: 1 2_______ 3___ 4________ 5________ 6______ 7_ 8__________ 9 10_____ 11____ 12 13 14 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #3874 from articles/00107513 from sent34

Text  : Co będzie w tym roku , jeszcze nie wiadomo .
Tokens: 1_ 2_____ 3 4__ 5___ 6 7______ 8__ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #3875 from articles/00107513 from sent35

Text  : Z kolei w państwowym PŻM-ie nagród nie ma .
Tokens: 1 2____ 3 4_________ 5_____ 6_____ 7__ 8_ 9

Chunks:
  TruePositive nam [5,5] = PŻM-ie

(ChunkerEvaluator) Sentence #3876 from articles/00107513 from sent36

Text  : Zaoszczędzone z funduszu płac pieniądze idą do budżetu firmy -  przeznaczane są na inne cele .
Tokens: 1____________ 2 3_______ 4___ 5________ 6__ 7_ 8______ 9____ 10 11__________ 12 13 14__ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #3877 from articles/00107513 from sent37

Text  : - Z funduszu płac pracownicy dodatkowo otrzymują dwa finansowe bonusy .
Tokens: 1 2 3_______ 4___ 5_________ 6________ 7________ 8__ 9________ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #3878 from articles/00107513 from sent38

Text  : Jeden na święta Bożego Narodzenia , drugi na Wielkanoc ,  każdy po 250 USD .
Tokens: 1____ 2_ 3_____ 4_____ 5_________ 6 7____ 8_ 9________ 10 11___ 12 13_ 14_ 15

Chunks:
  TruePositive nam [4,5] = Bożego Narodzenia
  TruePositive nam [9,9] = Wielkanoc
  TruePositive nam [14,14] = USD

(ChunkerEvaluator) Sentence #3879 from articles/00107513 from sent39

Text  : No i jest jeszcze trzynastka - mówi Krzysztof Gogol ,  rzecznik prasowy PŻM .
Tokens: 1_ 2 3___ 4______ 5_________ 6 7___ 8________ 9____ 10 11______ 12_____ 13_ 14

Chunks:
  TruePositive nam [8,9] = Krzysztof Gogol
  TruePositive nam [13,13] = PŻM

(ChunkerEvaluator) Sentence #3880 from articles/00107513 from sent40

Text  : Trzynastą pensję dostają także w Urzędzie Marszałkowskim i magistracie .
Tokens: 1________ 2_____ 3______ 4____ 5 6_______ 7_____________ 8 9__________ 10

Chunks:
  TruePositive nam [6,7] = Urzędzie Marszałkowskim

2016-10-27 14:59:30,382 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 151 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107514.xml
(ChunkerEvaluator) Sentence #3881 from articles/00107514 from sent1

Text  : Młodzi katolicy apelują o pozostawienie krzyża w Sejmie
Tokens: 1_____ 2_______ 3______ 4 5____________ 6_____ 7 8_____

Chunks:
  TruePositive nam [8,8] = Sejmie

(ChunkerEvaluator) Sentence #3882 from articles/00107514 from sent2

Text  : Z apelem do władz Sejmu o pozostawienie krzyża na sali obrad zwrócili się w  środę przedstawiciele inicjatywy Krucjata Młodych ,  zrzeszającej młodych katolików związanych z  Instytutem im .  ks .  Piotra Skargi .
Tokens: 1 2_____ 3_ 4____ 5____ 6 7____________ 8_____ 9_ 10__ 11___ 12______ 13_ 14 15___ 16_____________ 17________ 18______ 19_____ 20 21__________ 22_____ 23_______ 24________ 25 26________ 27 28 29 30 31____ 32____ 33

Chunks:
  TruePositive nam [5,5] = Sejmu
  TruePositive nam [18,19] = Krucjata Młodych
  FalsePositive nam [26,32] = Instytutem im . ks . Piotra Skargi
  FalseNegative nam [26,26] = Instytutem
  FalseNegative nam [31,32] = Piotra Skargi

(ChunkerEvaluator) Sentence #3883 from articles/00107514 from sent3

Text  : Petycję w obronie krzyża poparło ponad 50 tys . osób .
Tokens: 1______ 2 3______ 4_____ 5______ 6____ 7_ 8__ 9 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #3884 from articles/00107514 from sent4

Text  : Maciej Maleszyk z warszawskiej Krucjaty Młodych powiedział dziennikarzom , że Krucjata złożyła w  biurze podawczym Sejmu 50 tys .  podpisów przeciwko planom Ruchu Palikota ,  który dąży do zdjęcia krzyża z  sali obrad Sejmu .
Tokens: 1_____ 2_______ 3 4___________ 5_______ 6______ 7_________ 8____________ 9 10 11______ 12_____ 13 14____ 15_______ 16___ 17 18_ 19 20______ 21_______ 22____ 23___ 24______ 25 26___ 27__ 28 29_____ 30____ 31 32__ 33___ 34___ 35

Chunks:
  TruePositive nam [1,2] = Maciej Maleszyk
  TruePositive nam [5,6] = Krucjaty Młodych
  TruePositive nam [11,11] = Krucjata
  TruePositive nam [16,16] = Sejmu
  TruePositive nam [23,24] = Ruchu Palikota
  TruePositive nam [34,34] = Sejmu

(ChunkerEvaluator) Sentence #3885 from articles/00107514 from sent5

Text  : " Jako katolicy nie możemy na to pozwolić .
Tokens: 1 2___ 3_______ 4__ 5_____ 6_ 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #3886 from articles/00107514 from sent6

Text  : Chcemy , aby symbole chrześcijaństwa pozostały w sferze publicznej "  -  dodał .
Tokens: 1_____ 2 3__ 4______ 5______________ 6________ 7 8_____ 9_________ 10 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #3887 from articles/00107514 from sent7

Text  : Jak dodał , pod apelem ws . obrony krzyża podpisało się ponad 50 tys .  Polaków ,  co oznacza ,  że "  zdjęcie krzyża z  sali obrad Sejmu będzie sprzeczne z  poglądami części narodu polskiego "  .
Tokens: 1__ 2____ 3 4__ 5_____ 6_ 7 8_____ 9_____ 10_______ 11_ 12___ 13 14_ 15 16_____ 17 18 19_____ 20 21 22 23_____ 24____ 25 26__ 27___ 28___ 29____ 30_______ 31 32_______ 33____ 34____ 35_______ 36 37

Chunks:
  TruePositive nam [16,16] = Polaków
  TruePositive nam [28,28] = Sejmu

(ChunkerEvaluator) Sentence #3888 from articles/00107514 from sent8

Text  : " Zdjęcie krzyża z sali obrad Sejmu będzie oznaczało wyrzeczenie się przez Sejm chrześcijańskiego dziedzictwa ,  które kształtuje nasz kraj od 966 roku .
Tokens: 1 2______ 3_____ 4 5___ 6____ 7____ 8_____ 9________ 10_________ 11_ 12___ 13__ 14_______________ 15_________ 16 17___ 18________ 19__ 20__ 21 22_ 23__ 24

Chunks:
  TruePositive nam [7,7] = Sejmu
  TruePositive nam [13,13] = Sejm

(ChunkerEvaluator) Sentence #3889 from articles/00107514 from sent9

Text  : Domagamy się pozostawienia krzyża w sali obrad Sejmu RP na jego dotychczasowym miejscu "  -  podkreślił Maleszyk .
Tokens: 1_______ 2__ 3____________ 4_____ 5 6___ 7____ 8____ 9_ 10 11__ 12____________ 13_____ 14 15 16________ 17______ 18

Chunks:
  TruePositive nam [8,9] = Sejmu RP
  FalseNegative nam [17,17] = Maleszyk

(ChunkerEvaluator) Sentence #3890 from articles/00107514 from sent10

Text  : Autorzy protestu namawiają także do wysyłania listów do samego Janusza Palikota ,  z  protestem przeciw usunięciu krzyża z  Sejmu .
Tokens: 1______ 2_______ 3________ 4____ 5_ 6________ 7_____ 8_ 9_____ 10_____ 11______ 12 13 14_______ 15_____ 16_______ 17____ 18 19___ 20

Chunks:
  TruePositive nam [10,11] = Janusza Palikota
  TruePositive nam [19,19] = Sejmu

(ChunkerEvaluator) Sentence #3891 from articles/00107514 from sent11

Text  : Według statystyk podanych na stronie akcji , zrobiło to już ponad 53 tys .  osób .
Tokens: 1_____ 2________ 3_______ 4_ 5______ 6____ 7 8______ 9_ 10_ 11___ 12 13_ 14 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #3892 from articles/00107514 from sent12

Text  : Z kolei akcję na Facebooku " Nie zgadzam się na usunięcia krzyża z  Sejmu "  poparło już ponad 21 tys .  osób .
Tokens: 1 2____ 3____ 4_ 5________ 6 7__ 8______ 9__ 10 11_______ 12____ 13 14___ 15 16_____ 17_ 18___ 19 20_ 21 22__ 23

Chunks:
  TruePositive nam [14,14] = Sejmu
  FalseNegative nam [5,5] = Facebooku

(ChunkerEvaluator) Sentence #3893 from articles/00107514 from sent13

Text  : We wtorek rzecznik klubu Ruchu Palikota Andrzej Rozenek powiedział ,  że drugi wniosek w  sprawie zdjęcia krzyża z  sali obrad trafi do marszałek Sejmu Ewy Kopacz w  najbliższym czasie .
Tokens: 1_ 2_____ 3_______ 4____ 5____ 6_______ 7______ 8______ 9_________ 10 11 12___ 13_____ 14 15_____ 16_____ 17____ 18 19__ 20___ 21___ 22 23_______ 24___ 25_ 26____ 27 28_________ 29____ 30

Chunks:
  TruePositive nam [5,6] = Ruchu Palikota
  TruePositive nam [7,8] = Andrzej Rozenek
  TruePositive nam [24,24] = Sejmu
  TruePositive nam [25,26] = Ewy Kopacz

(ChunkerEvaluator) Sentence #3894 from articles/00107514 from sent14

Text  : Klub Ruchu Palikota pierwszy wniosek ws . zdjęcia krzyża w  sali obrad Sejmu złożył pod koniec października czyli jeszcze w  ubiegłej kadencji .
Tokens: 1___ 2____ 3_______ 4_______ 5______ 6_ 7 8______ 9_____ 10 11__ 12___ 13___ 14____ 15_ 16____ 17__________ 18___ 19_____ 20 21______ 22______ 23

Chunks:
  TruePositive nam [2,3] = Ruchu Palikota
  TruePositive nam [13,13] = Sejmu

(ChunkerEvaluator) Sentence #3895 from articles/00107514 from sent15

Text  : We wniosku napisano m . in . , że krzyż w  sali obrad Sejmu został umieszczony "  sprzecznie z  prawem "  .
Tokens: 1_ 2______ 3_______ 4 5 6_ 7 8 9_ 10___ 11 12__ 13___ 14___ 15____ 16_________ 17 18________ 19 20____ 21 22

Chunks:
  TruePositive nam [14,14] = Sejmu

(ChunkerEvaluator) Sentence #3896 from articles/00107514 from sent16

Text  : Politycy Ruchu Palikota podkreślają , Polska jest państwem świeckim ,  i  że krzyż nie jest symbolem narodowym ,  natomiast jest ważnym dla wielu Polaków symbolem religijnym i  nie powinien być wciągany w  walkę partyjną i  polityczną .
Tokens: 1_______ 2____ 3_______ 4__________ 5 6_____ 7___ 8_______ 9_______ 10 11 12 13___ 14_ 15__ 16______ 17_______ 18 19_______ 20__ 21____ 22_ 23___ 24_____ 25______ 26________ 27 28_ 29______ 30_ 31______ 32 33___ 34______ 35 36________ 37

Chunks:
  TruePositive nam [2,3] = Ruchu Palikota
  TruePositive nam [6,6] = Polska
  TruePositive nam [24,24] = Polaków

(ChunkerEvaluator) Sentence #3897 from articles/00107514 from sent17

Text  : Ich zdaniem obecność symbolu religijnego w sali obrad Sejmu jest m  .  in .  niezgodna z  konstytucją .  (  PAP )
Tokens: 1__ 2______ 3_______ 4______ 5__________ 6 7___ 8____ 9____ 10__ 11 12 13 14 15_______ 16 17_________ 18 19 20_ 21

Chunks:
  TruePositive nam [9,9] = Sejmu
  TruePositive nam [20,20] = PAP

2016-10-27 14:59:30,496 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 152 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107515.xml
(ChunkerEvaluator) Sentence #3898 from articles/00107515 from sent1

Text  : Skarbiec - Obligacja Plus ZFI nabyciu i zbyciu aktywów o  znacznej wartości
Tokens: 1_______ 2 3________ 4___ 5__ 6______ 7 8_____ 9______ 10 11______ 12______

Chunks:
  TruePositive nam [1,5] = Skarbiec - Obligacja Plus ZFI

(ChunkerEvaluator) Sentence #3899 from articles/00107515 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - SKARBIEC - PLUS
Tokens: 1_____ 2 3_____ 4 5________ 6 7_______ 8 9___

Chunks:
  FalsePositive nam [1,9] = GIEŁDA - SPÓŁKI - KOMUNIKAT - SKARBIEC - PLUS
  FalseNegative nam [7,9] = SKARBIEC - PLUS

(ChunkerEvaluator) Sentence #3900 from articles/00107515 from sent3

Text  : Skarbiec - Obligacja Plus ZFI nabyciu i zbyciu aktywów o  znacznej wartości
Tokens: 1_______ 2 3________ 4___ 5__ 6______ 7 8_____ 9______ 10 11______ 12______

Chunks:
  TruePositive nam [1,5] = Skarbiec - Obligacja Plus ZFI

(ChunkerEvaluator) Sentence #3901 from articles/00107515 from sent4

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - SKARBIEC - PLUS
Tokens: 1_____ 2 3_____ 4 5________ 6 7_______ 8 9___

Chunks:
  FalsePositive nam [1,9] = GIEŁDA - SPÓŁKI - KOMUNIKAT - SKARBIEC - PLUS
  FalseNegative nam [7,9] = SKARBIEC - PLUS

(ChunkerEvaluator) Sentence #3902 from articles/00107515 from sent5

Text  : RAPORT BIEŻĄCY nr 77
Tokens: 1_____ 2______ 3_ 4_

Chunks:
  FalsePositive nam [1,2] = RAPORT BIEŻĄCY
  FalseNegative nam [1,4] = RAPORT BIEŻĄCY nr 77

(ChunkerEvaluator) Sentence #3903 from articles/00107515 from sent6

Text  : Na podstawie § 52 ust . 1 pkt 1 )  w  zw .  z  §  5  ust .  1  pkt 1  )  i  pkt 3  )  oraz w  zw .  z  §  7  i  §  9  rozporządzenia Rady Ministrów z  dnia 16 października 2001 r  .  w  sprawie informacji bieżących i  okresowych przekazywanych przez emitentów papierów wartościowych (  Dz .  U  .  Nr 139 ,  poz .  1569 ,  ze zm .  )  ,  SKARBIEC -  OBLIGACJA PLUS Specjalistyczny Fundusz Inwestycyjny Zamknięty (  Fundusz )  informuje o  zawarciu znaczącej umowy w  rozumieniu przepisów tego rozporządzenia i  jednocześnie o  nabyciu i   zbyciu przez Fundusz aktywów o   znacznej wartości w   rozumieniu przepisów tego rozporządzenia .
Tokens: 1_ 2________ 3 4_ 5__ 6 7 8__ 9 10 11 12 13 14 15 16 17_ 18 19 20_ 21 22 23 24_ 25 26 27__ 28 29 30 31 32 33 34 35 36 37____________ 38__ 39_______ 40 41__ 42 43__________ 44__ 45 46 47 48_____ 49________ 50_______ 51 52________ 53____________ 54___ 55_______ 56______ 57___________ 58 59 60 61 62 63 64_ 65 66_ 67 68__ 69 70 71 72 73 74 75______ 76 77_______ 78__ 79_____________ 80_____ 81__________ 82_______ 83 84_____ 85 86_______ 87 88______ 89_______ 90___ 91 92________ 93_______ 94__ 95____________ 96 97__________ 98 99_____ 100 101___ 102__ 103____ 104____ 105 106_____ 107_____ 108 109_______ 110______ 111_ 112___________ 113

Chunks:
  TruePositive nam [38,39] = Rady Ministrów
  TruePositive nam [84,84] = Fundusz
  FalsePositive nam [75,82] = SKARBIEC - OBLIGACJA PLUS Specjalistyczny Fundusz Inwestycyjny Zamknięty
  FalseNegative nam [59,64] = Dz . U . Nr 139
  FalseNegative nam [75,78] = SKARBIEC - OBLIGACJA PLUS
  FalseNegative nam [79,82] = Specjalistyczny Fundusz Inwestycyjny Zamknięty
  FalseNegative nam [103,103] = Fundusz

(ChunkerEvaluator) Sentence #3904 from articles/00107515 from sent7

Text  : I . Umowa typu buy - sell - back z  Bankiem Przemysłowo -  Handlowym PBK S  .  A  .  ,  której przedmiotem jest zakup i  sprzedaż bonów skarbowych
Tokens: 1 2 3____ 4___ 5__ 6 7___ 8 9___ 10 11_____ 12_________ 13 14_______ 15_ 16 17 18 19 20 21____ 22_________ 23__ 24___ 25 26______ 27___ 28________

Chunks:
  FalsePositive nam [11,19] = Bankiem Przemysłowo - Handlowym PBK S . A .
  FalseNegative nam [11,18] = Bankiem Przemysłowo - Handlowym PBK S . A

(ChunkerEvaluator) Sentence #3905 from articles/00107515 from sent8

Text  : ( znacząca umowa , aktywa o znacznej wartości )
Tokens: 1 2_______ 3____ 4 5_____ 6 7_______ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #3906 from articles/00107515 from sent9

Text  : 1 ) Nazwa ( firma ) podmiotu zbywającego ( nabywającego )  aktywa i  podstawowe dane o  zbywającym (  nabywającym )
Tokens: 1 2 3____ 4 5____ 6 7_______ 8__________ 9 10__________ 11 12____ 13 14________ 15__ 16 17________ 18 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #3907 from articles/00107515 from sent10

Text  : Bank Przemysłowo - Handlowy PBK S . A . z  siedzibą w  Krakowie (  BPH PBK )  ,  Al .  Pokoju 1  ,  Kraków .
Tokens: 1___ 2__________ 3 4_______ 5__ 6 7 8 9 10 11______ 12 13______ 14 15_ 16_ 17 18 19 20 21____ 22 23 24____ 25

Chunks:
  TruePositive nam [1,9] = Bank Przemysłowo - Handlowy PBK S . A .
  TruePositive nam [13,13] = Krakowie
  TruePositive nam [15,16] = BPH PBK
  TruePositive nam [24,24] = Kraków
  FalsePositive nam [19,21] = Al . Pokoju
  FalseNegative nam [19,22] = Al . Pokoju 1

(ChunkerEvaluator) Sentence #3908 from articles/00107515 from sent11

Text  : 2 ) Data zawarcia znaczącej umowy
Tokens: 1 2 3___ 4_______ 5________ 6____

Chunks:

(ChunkerEvaluator) Sentence #3909 from articles/00107515 from sent12

Text  : 8 października 2002 r .
Tokens: 1 2___________ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #3910 from articles/00107515 from sent13

Text  : 3 ) Data i sposób nabycia / zbycia aktywów
Tokens: 1 2 3___ 4 5_____ 6______ 7 8_____ 9______

Chunks:
  FalsePositive nam [3,3] = Data

(ChunkerEvaluator) Sentence #3911 from articles/00107515 from sent14

Text  : Fundusz zakupił od BPH PBK bony skarbowe , o których mowa w  pkt 4  )  w  dniu 8  października 2002 r  .  i  sprzedał je w  dniu 9  października 2002 r  .  w  drodze transakcji na rynku międzybankowym .
Tokens: 1______ 2______ 3_ 4__ 5__ 6___ 7_______ 8 9 10_____ 11__ 12 13_ 14 15 16 17__ 18 19__________ 20__ 21 22 23 24______ 25 26 27__ 28 29__________ 30__ 31 32 33 34____ 35________ 36 37___ 38____________ 39

Chunks:
  TruePositive nam [4,5] = BPH PBK
  FalseNegative nam [1,1] = Fundusz

(ChunkerEvaluator) Sentence #3912 from articles/00107515 from sent15

Text  : 4 ) Podstawowa charakterystyka nabytych / zbytych aktywów
Tokens: 1 2 3_________ 4______________ 5_______ 6 7______ 8______

Chunks:

(ChunkerEvaluator) Sentence #3913 from articles/00107515 from sent16

Text  : 1559 bonów skarbowych , o terminie wykupu 4 czerwca 2003 r  .  ,  o  wartości nominalnej 15 .  590 .  000 ,  o  kodzie ISIN PL0000002127 .
Tokens: 1___ 2____ 3_________ 4 5 6_______ 7_____ 8 9______ 10__ 11 12 13 14 15______ 16________ 17 18 19_ 20 21_ 22 23 24____ 25__ 26__________ 27

Chunks:
  FalsePositive nam [25,26] = ISIN PL0000002127

(ChunkerEvaluator) Sentence #3914 from articles/00107515 from sent17

Text  : 5 ) Cena , po jakiej zostały nabyte / zbyte aktywa
Tokens: 1 2 3___ 4 5_ 6_____ 7______ 8_____ 9 10___ 11____

Chunks:

(ChunkerEvaluator) Sentence #3915 from articles/00107515 from sent18

Text  : Fundusz nabył bony skarbowe po cenie 95 , 547 zł a  sprzedał je po cenie 95 ,  5666 zł (  brutto ;  za 100 USD wartości nominalnej )  .
Tokens: 1______ 2____ 3___ 4_______ 5_ 6____ 7_ 8 9__ 10 11 12______ 13 14 15___ 16 17 18__ 19 20 21____ 22 23 24_ 25_ 26______ 27________ 28 29

Chunks:
  TruePositive nam [10,10] = zł
  TruePositive nam [19,19] = zł
  FalseNegative nam [1,1] = Fundusz
  FalseNegative nam [25,25] = USD

(ChunkerEvaluator) Sentence #3916 from articles/00107515 from sent19

Text  : 6 ) Charakter powiązań pomiędzy emitentem i osobami zarządzającymi lub nadzorującymi emitenta a  nabywającym lub zbywającym aktywa i  osobami nimi zarządzającymi
Tokens: 1 2 3________ 4_______ 5_______ 6________ 7 8______ 9_____________ 10_ 11___________ 12______ 13 14_________ 15_ 16________ 17____ 18 19_____ 20__ 21____________

Chunks:

(ChunkerEvaluator) Sentence #3917 from articles/00107515 from sent20

Text  : Poza umową o wykonywanie funkcji depozytariusza dla Funduszu przez BPH PBK ,  oraz umowami umożliwiającymi zawieranie i  rozliczanie transakcji ,  łączącymi Fundusz i  BPH PBK ,  nie istnieją żadne inne powiązania wyżej wskazanego rodzaju .
Tokens: 1___ 2____ 3 4__________ 5______ 6_____________ 7__ 8_______ 9____ 10_ 11_ 12 13__ 14_____ 15_____________ 16________ 17 18_________ 19________ 20 21_______ 22_____ 23 24_ 25_ 26 27_ 28______ 29___ 30__ 31________ 32___ 33________ 34_____ 35

Chunks:
  TruePositive nam [10,11] = BPH PBK
  TruePositive nam [24,25] = BPH PBK
  FalseNegative nam [8,8] = Funduszu
  FalseNegative nam [22,22] = Fundusz

(ChunkerEvaluator) Sentence #3918 from articles/00107515 from sent21

Text  : 7 ) Kryterium będące podstawą uznania aktywów za aktywa o  znacznej wartości
Tokens: 1 2 3________ 4_____ 5_______ 6______ 7______ 8_ 9_____ 10 11______ 12______

Chunks:
  FalsePositive nam [3,3] = Kryterium

(ChunkerEvaluator) Sentence #3919 from articles/00107515 from sent22

Text  : Aktywa są aktywami o znacznej wartości , ponieważ ich wartość przekracza 10 %  wartości aktywów netto Funduszu .
Tokens: 1_____ 2_ 3_______ 4 5_______ 6_______ 7 8_______ 9__ 10_____ 11________ 12 13 14______ 15_____ 16___ 17______ 18

Chunks:
  FalseNegative nam [17,17] = Funduszu

(ChunkerEvaluator) Sentence #3920 from articles/00107515 from sent23

Text  : 8 ) Źródło finansowania nabytych aktywów
Tokens: 1 2 3_____ 4___________ 5_______ 6______

Chunks:

(ChunkerEvaluator) Sentence #3921 from articles/00107515 from sent24

Text  : Źródłem finansowania nabytych bonów skarbowych są aktywa Funduszu .
Tokens: 1______ 2___________ 3_______ 4____ 5_________ 6_ 7_____ 8_______ 9

Chunks:
  FalseNegative nam [8,8] = Funduszu

(ChunkerEvaluator) Sentence #3922 from articles/00107515 from sent25

Text  : 9 ) Istotne warunki umowy , ze szczególnym uwzględnieniem warunków finansowych umowy ,  oraz wskazanie określonych przez strony specyficznych warunków ,  charakterystycznych dla tej umowy ,  w  szczególności tych ,  które odbiegają od warunków powszechnie stosowanych dla danego typu umów
Tokens: 1 2 3______ 4______ 5____ 6 7_ 8__________ 9_____________ 10______ 11_________ 12___ 13 14__ 15_______ 16_________ 17___ 18____ 19___________ 20______ 21 22_________________ 23_ 24_ 25___ 26 27 28___________ 29__ 30 31___ 32_______ 33 34______ 35_________ 36_________ 37_ 38____ 39__ 40__

Chunks:

(ChunkerEvaluator) Sentence #3923 from articles/00107515 from sent26

Text  : Wszystkie istotne warunki umowy opisane zostały w punktach poprzedzających .
Tokens: 1________ 2______ 3______ 4____ 5______ 6______ 7 8_______ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #3924 from articles/00107515 from sent27

Text  : Nie istnieją specyficzne warunki umowy , które odbiegały by od warunków powszechnie stosowanych dla umów tego typu .
Tokens: 1__ 2_______ 3__________ 4______ 5____ 6 7____ 8________ 9_ 10 11______ 12_________ 13_________ 14_ 15__ 16__ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #3925 from articles/00107515 from sent28

Text  : 10 ) Oznaczenie kryterium uznania umowy za znaczącą umowę
Tokens: 1_ 2 3_________ 4________ 5______ 6____ 7_ 8_______ 9____

Chunks:

(ChunkerEvaluator) Sentence #3926 from articles/00107515 from sent29

Text  : Umowa jest znaczącą umową , ze względu na fakt ,  iż wartość jej przedmiotu przekracza 10 %  wartości aktywów Funduszu .
Tokens: 1____ 2___ 3_______ 4____ 5 6_ 7______ 8_ 9___ 10 11 12_____ 13_ 14________ 15________ 16 17 18______ 19_____ 20______ 21

Chunks:
  FalseNegative nam [20,20] = Funduszu

(ChunkerEvaluator) Sentence #3927 from articles/00107515 from sent30

Text  : II .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #3928 from articles/00107515 from sent31

Text  : Umowa typu sell - buy - back z Bankiem Przemysłowo -  Handlowym PBK S  .  A  .  ,  której przedmiotem jest sprzedaż i  zakup obligacji skarbowych
Tokens: 1____ 2___ 3___ 4 5__ 6 7___ 8 9______ 10_________ 11 12_______ 13_ 14 15 16 17 18 19____ 20_________ 21__ 22______ 23 24___ 25_______ 26________

Chunks:
  FalsePositive nam [9,17] = Bankiem Przemysłowo - Handlowym PBK S . A .
  FalseNegative nam [9,16] = Bankiem Przemysłowo - Handlowym PBK S . A

(ChunkerEvaluator) Sentence #3929 from articles/00107515 from sent32

Text  : ( znacząca umowa )
Tokens: 1 2_______ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #3930 from articles/00107515 from sent33

Text  : 1 ) Data zawarcia znaczącej umowy
Tokens: 1 2 3___ 4_______ 5________ 6____

Chunks:

(ChunkerEvaluator) Sentence #3931 from articles/00107515 from sent34

Text  : 9 października 2002 r .
Tokens: 1 2___________ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #3932 from articles/00107515 from sent35

Text  : 2 ) Oznaczenie stron Umowy
Tokens: 1 2 3_________ 4____ 5____

Chunks:
  FalseNegative nam [5,5] = Umowy

(ChunkerEvaluator) Sentence #3933 from articles/00107515 from sent36

Text  : Fundusz oraz Bank Przemysłowo - Handlowy PBK S . A  .  z  siedzibą w  Krakowie (  BPH PBK )  ,  Al .  Pokoju 1  ,  Kraków .
Tokens: 1______ 2___ 3___ 4__________ 5 6_______ 7__ 8 9 10 11 12 13______ 14 15______ 16 17_ 18_ 19 20 21 22 23____ 24 25 26____ 27

Chunks:
  TruePositive nam [15,15] = Krakowie
  TruePositive nam [17,18] = BPH PBK
  TruePositive nam [26,26] = Kraków
  FalsePositive nam [3,11] = Bank Przemysłowo - Handlowy PBK S . A .
  FalsePositive nam [21,23] = Al . Pokoju
  FalseNegative nam [1,1] = Fundusz
  FalseNegative nam [3,10] = Bank Przemysłowo - Handlowy PBK S . A
  FalseNegative nam [21,24] = Al . Pokoju 1

(ChunkerEvaluator) Sentence #3934 from articles/00107515 from sent37

Text  : 3 ) Oznaczenie przedmiotu umowy
Tokens: 1 2 3_________ 4_________ 5____

Chunks:

(ChunkerEvaluator) Sentence #3935 from articles/00107515 from sent38

Text  : Przedmiotem umowy jest sprzedaż przez Fundusz bankowi BPH PBK 1  .  800 obligacji skarbowych OS0204 ,  o  wartości nominalnej 1  .  800 .  000 zł ,  o  kodzie ISIN 0000101200 w  dniu 9  października 2002 r  .  i  zobowiązanie BPH PBK do sprzedaży Funduszowi tych samych obligacji w  dniu 15 października 2002 r  .  ,  w  drodze transakcji na rynku międzybankowym .
Tokens: 1__________ 2____ 3___ 4_______ 5____ 6______ 7______ 8__ 9__ 10 11 12_ 13_______ 14________ 15____ 16 17 18______ 19________ 20 21 22_ 23 24_ 25 26 27 28____ 29__ 30________ 31 32__ 33 34__________ 35__ 36 37 38 39__________ 40_ 41_ 42 43_______ 44________ 45__ 46____ 47_______ 48 49__ 50 51__________ 52__ 53 54 55 56 57____ 58________ 59 60___ 61____________ 62

Chunks:
  TruePositive nam [8,9] = BPH PBK
  TruePositive nam [25,25] = zł
  TruePositive nam [40,41] = BPH PBK
  FalseNegative nam [6,6] = Fundusz
  FalseNegative nam [44,44] = Funduszowi

(ChunkerEvaluator) Sentence #3936 from articles/00107515 from sent39

Text  : 4 ) Istotne warunki umowy , ze szczególnym uwzględnieniem warunków finansowych umowy ,  oraz wskazanie określonych przez strony specyficznych warunków ,  charakterystycznych dla tej umowy ,  w  szczególności tych ,  które odbiegają od warunków powszechnie stosowanych dla danego typu umów
Tokens: 1 2 3______ 4______ 5____ 6 7_ 8__________ 9_____________ 10______ 11_________ 12___ 13 14__ 15_______ 16_________ 17___ 18____ 19___________ 20______ 21 22_________________ 23_ 24_ 25___ 26 27 28___________ 29__ 30 31___ 32_______ 33 34______ 35_________ 36_________ 37_ 38____ 39__ 40__

Chunks:

(ChunkerEvaluator) Sentence #3937 from articles/00107515 from sent40

Text  : Fundusz sprzedał obligacje skarbowe po cenie 109 , 948 zł a  nabędzie je po cenie 110 ,  0881 zł (  brutto ;  za 100 zł wartości nominalnej )  .
Tokens: 1______ 2_______ 3________ 4_______ 5_ 6____ 7__ 8 9__ 10 11 12______ 13 14 15___ 16_ 17 18__ 19 20 21____ 22 23 24_ 25 26______ 27________ 28 29

Chunks:
  TruePositive nam [10,10] = zł
  TruePositive nam [19,19] = zł
  TruePositive nam [25,25] = zł
  FalseNegative nam [1,1] = Fundusz

(ChunkerEvaluator) Sentence #3938 from articles/00107515 from sent41

Text  : Wszystkie istotne warunki umowy opisane zostały w punktach poprzedzających .
Tokens: 1________ 2______ 3______ 4____ 5______ 6______ 7 8_______ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #3939 from articles/00107515 from sent42

Text  : Nie istnieją specyficzne warunki umowy , które odbiegały by od warunków powszechnie stosowanych dla umów tego typu .
Tokens: 1__ 2_______ 3__________ 4______ 5____ 6 7____ 8________ 9_ 10 11______ 12_________ 13_________ 14_ 15__ 16__ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #3940 from articles/00107515 from sent43

Text  : 5 ) Oznaczenie kryterium uznania umowy za znaczącą umowę
Tokens: 1 2 3_________ 4________ 5______ 6____ 7_ 8_______ 9____

Chunks:

(ChunkerEvaluator) Sentence #3941 from articles/00107515 from sent44

Text  : Umowa jest znaczącą umową , ze względu na fakt ,  iż łącznie wartość przedmiotu umów zawartych z  BPH PBK w  okresie ostatnich 12 miesięcy przekracza 10 %  wartości aktywów netto Funduszu .
Tokens: 1____ 2___ 3_______ 4____ 5 6_ 7______ 8_ 9___ 10 11 12_____ 13_____ 14________ 15__ 16_______ 17 18_ 19_ 20 21_____ 22_______ 23 24______ 25________ 26 27 28______ 29_____ 30___ 31______ 32

Chunks:
  TruePositive nam [18,19] = BPH PBK
  FalseNegative nam [1,1] = Umowa
  FalseNegative nam [31,31] = Funduszu

2016-10-27 14:59:30,734 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 153 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107516.xml
(ChunkerEvaluator) Sentence #3942 from articles/00107516 from sent1

Text  : Marsz Niepodległości przeszedł przez miasto [ ZDJĘCIA ]
Tokens: 1____ 2_____________ 3________ 4____ 5_____ 6 7______ 8

Chunks:
  TruePositive nam [1,2] = Marsz Niepodległości
  FalsePositive nam [7,7] = ZDJĘCIA

(ChunkerEvaluator) Sentence #3943 from articles/00107516 from sent2

Text  : „ Pedały ” , „ Polska cała tylko biała ”  ,  „  Normalna rodzina ”  -  wykrzykiwała grupa zakapturzonych osób w  stronę organizacji lewicowych i  mniejszości seksualnych ,  które w  piątek zgromadziły się na pl .  Lotników .
Tokens: 1 2_____ 3 4 5 6_____ 7___ 8____ 9____ 10 11 12 13______ 14_____ 15 16 17__________ 18___ 19____________ 20__ 21 22____ 23_________ 24________ 25 26_________ 27_________ 28 29___ 30 31____ 32_________ 33_ 34 35 36 37______ 38

Chunks:
  TruePositive nam [6,6] = Polska
  TruePositive nam [37,37] = Lotników

(ChunkerEvaluator) Sentence #3944 from articles/00107516 from sent3

Text  : Obok przechodził Szczeciński Marsz Niepodległości .
Tokens: 1___ 2__________ 3__________ 4____ 5_____________ 6

Chunks:
  TruePositive nam [3,5] = Szczeciński Marsz Niepodległości

(ChunkerEvaluator) Sentence #3945 from articles/00107516 from sent4

Text  : Mimo to obchody 11 listopada w Szczecinie były spokojne
Tokens: 1___ 2_ 3______ 4_ 5________ 6 7_________ 8___ 9_______

Chunks:
  TruePositive nam [7,7] = Szczecinie

(ChunkerEvaluator) Sentence #3946 from articles/00107516 from sent5

Text  : Do słownych przepychanek między dwoma grupami doszło na pl .  Lotników .
Tokens: 1_ 2_______ 3___________ 4_____ 5____ 6______ 7_____ 8_ 9_ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Lotników

(ChunkerEvaluator) Sentence #3947 from articles/00107516 from sent6

Text  : Na uczestników Szczecińskiego Marszu Niepodległości czekała około 30 - osobowa grupa osób skupionych wokół szczecińskich organizacji lewicowych ,  feministek i  mniejszości seksualnych .
Tokens: 1_ 2__________ 3_____________ 4_____ 5_____________ 6______ 7____ 8_ 9 10_____ 11___ 12__ 13________ 14___ 15___________ 16_________ 17________ 18 19________ 20 21_________ 22_________ 23

Chunks:
  FalsePositive nam [4,5] = Marszu Niepodległości
  FalseNegative nam [3,5] = Szczecińskiego Marszu Niepodległości

(ChunkerEvaluator) Sentence #3948 from articles/00107516 from sent7

Text  : Byli także przedstawiciele Ruchu Palikota .
Tokens: 1___ 2____ 3______________ 4____ 5_______ 6

Chunks:
  TruePositive nam [4,5] = Ruchu Palikota

(ChunkerEvaluator) Sentence #3949 from articles/00107516 from sent8

Text  : Gdy marsz pojawił się na horyzoncie , w ruch poszły gwizdki i  trąbki .
Tokens: 1__ 2____ 3______ 4__ 5_ 6_________ 7 8 9___ 10____ 11_____ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #3950 from articles/00107516 from sent9

Text  : - Jedna Polska , różnorodna .
Tokens: 1 2____ 3_____ 4 5_________ 6

Chunks:
  FalsePositive nam [2,3] = Jedna Polska
  FalseNegative nam [3,3] = Polska

(ChunkerEvaluator) Sentence #3951 from articles/00107516 from sent10

Text  : Niech żyje Polska , różnorodna - skandowała „ lewica ”  .
Tokens: 1____ 2___ 3_____ 4 5_________ 6 7_________ 8 9_____ 10 11

Chunks:
  TruePositive nam [3,3] = Polska

(ChunkerEvaluator) Sentence #3952 from articles/00107516 from sent11

Text  : W tym czasie na placu ustawiła się grupa kilkunastu zakapturzonych i  z  twarzami zasłoniętymi szalikami osób ,  którzy wcześniej dołączyli do Marszu Niepodległości .
Tokens: 1 2__ 3_____ 4_ 5____ 6_______ 7__ 8____ 9_________ 10____________ 11 12 13______ 14__________ 15_______ 16__ 17 18____ 19_______ 20_______ 21 22____ 23____________ 24

Chunks:
  TruePositive nam [22,23] = Marszu Niepodległości

(ChunkerEvaluator) Sentence #3953 from articles/00107516 from sent12

Text  : W stronę środowisk lewicowych krzyczeli „ pedały ” , „  Polska cała tylko biała ”  i  „  Normalna rodzina ”  .
Tokens: 1 2_____ 3________ 4_________ 5________ 6 7_____ 8 9 10 11____ 12__ 13___ 14___ 15 16 17 18______ 19_____ 20 21

Chunks:
  TruePositive nam [11,11] = Polska

(ChunkerEvaluator) Sentence #3954 from articles/00107516 from sent13

Text  : W odpowiedzi znów usłyszeli hasło „ Jedna Polska , różnorodna ”  .
Tokens: 1 2_________ 3___ 4________ 5____ 6 7____ 8_____ 9 10________ 11 12

Chunks:
  FalsePositive nam [7,8] = Jedna Polska
  FalseNegative nam [8,8] = Polska

(ChunkerEvaluator) Sentence #3955 from articles/00107516 from sent14

Text  : - Miało być narodowo .
Tokens: 1 2____ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #3956 from articles/00107516 from sent15

Text  : Koniec faszyzowania - krzyczała przez megafon Ewa Milczarek z Federacji Młodych Socjaldemokratów .
Tokens: 1_____ 2___________ 3 4________ 5____ 6______ 7__ 8________ 9 10_______ 11_____ 12______________ 13

Chunks:
  TruePositive nam [7,8] = Ewa Milczarek
  TruePositive nam [10,12] = Federacji Młodych Socjaldemokratów

(ChunkerEvaluator) Sentence #3957 from articles/00107516 from sent16

Text  : Całe zajście trwało kilka minut .
Tokens: 1___ 2______ 3_____ 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #3958 from articles/00107516 from sent17

Text  : Na miejscu była policja , więc skończyło się na konfrontacji słownej .
Tokens: 1_ 2______ 3___ 4______ 5 6___ 7________ 8__ 9_ 10__________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #3959 from articles/00107516 from sent18

Text  : - Miało być nas więcej , ale dużo osób bało się przyjść po tym ,  co stało się dzisiaj w  Warszawie -  mówiła po „  akcji ”  Milczarek .
Tokens: 1 2____ 3__ 4__ 5_____ 6 7__ 8___ 9___ 10__ 11_ 12_____ 13 14_ 15 16 17___ 18_ 19_____ 20 21_______ 22 23____ 24 25 26___ 27 28_______ 29

Chunks:
  TruePositive nam [21,21] = Warszawie
  TruePositive nam [28,28] = Milczarek

(ChunkerEvaluator) Sentence #3960 from articles/00107516 from sent19

Text  : - Tam doszło do realnego starcia , tu do inwektyw .
Tokens: 1 2__ 3_____ 4_ 5_______ 6______ 7 8_ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #3961 from articles/00107516 from sent20

Text  : To nie jest prawdziwy patriotyzm .
Tokens: 1_ 2__ 3___ 4________ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #3962 from articles/00107516 from sent21

Text  : Teraz rozchodzimy się do domów .
Tokens: 1____ 2__________ 3__ 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #3963 from articles/00107516 from sent22

Text  : Podczas Marszu Niepodległości w Warszawie doszło do walk narodowców z  antyfaszystami i  z  policją .
Tokens: 1______ 2_____ 3_____________ 4 5________ 6_____ 7_ 8___ 9_________ 10 11____________ 12 13 14_____ 15

Chunks:
  TruePositive nam [2,3] = Marszu Niepodległości
  TruePositive nam [5,5] = Warszawie

(ChunkerEvaluator) Sentence #3964 from articles/00107516 from sent23

Text  : W stronę funkcjonariuszy poleciały kostki brukowe , butelki i płonące race ,  policja użyła armatek wodnych ,  gazu łzawiącego i  pałek .
Tokens: 1 2_____ 3______________ 4________ 5_____ 6______ 7 8______ 9 10_____ 11__ 12 13_____ 14___ 15_____ 16_____ 17 18__ 19________ 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #3965 from articles/00107516 from sent24

Text  : Byli ranni .
Tokens: 1___ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #3966 from articles/00107516 from sent25

Text  : Demonstranci podpalili wóz transmisyjny TVN .
Tokens: 1___________ 2________ 3__ 4___________ 5__ 6

Chunks:
  FalseNegative nam [5,5] = TVN

(ChunkerEvaluator) Sentence #3967 from articles/00107516 from sent26

Text  : W Szczecinie było spokojnie .
Tokens: 1 2_________ 3___ 4________ 5

Chunks:
  TruePositive nam [2,2] = Szczecinie

(ChunkerEvaluator) Sentence #3968 from articles/00107516 from sent27

Text  : Szczeciński Marsz Niepodległości zorganizowało Porozumienie Środowisk Patriotycznych ( czyli kanapowe organizacje narodowe )  pod patronatem Światowego Związku Żołnierzy Armii Krajowej .
Tokens: 1__________ 2____ 3_____________ 4____________ 5___________ 6________ 7_____________ 8 9____ 10______ 11_________ 12______ 13 14_ 15________ 16________ 17_____ 18_______ 19___ 20______ 21

Chunks:
  TruePositive nam [1,3] = Szczeciński Marsz Niepodległości
  TruePositive nam [5,7] = Porozumienie Środowisk Patriotycznych
  TruePositive nam [16,20] = Światowego Związku Żołnierzy Armii Krajowej
  FalsePositive nam [2,3] = Marsz Niepodległości

(ChunkerEvaluator) Sentence #3969 from articles/00107516 from sent28

Text  : O godz . 15 pochód wyruszył z pl . Orła Białego .
Tokens: 1 2___ 3 4_ 5_____ 6_______ 7 8_ 9 10__ 11_____ 12

Chunks:
  TruePositive nam [10,11] = Orła Białego

(ChunkerEvaluator) Sentence #3970 from articles/00107516 from sent29

Text  : Wśród uczestników byli także członkowie stowarzyszenia Niklot ( ludzie związani z  Niklotem w  przeszłości organizowali akcje z  jawnie faszystowskim Narodowym Odrodzeniem Polski i  lubili się fotografować z  ręką wyciągniętą w  hitlerowskim pozdrowieniu )  ,  środowiska związane z  Gazetą Polską ,  Ruch Przełomu Narodowego .
Tokens: 1____ 2__________ 3___ 4____ 5_________ 6_____________ 7_____ 8 9_____ 10______ 11 12______ 13 14_________ 15__________ 16___ 17 18____ 19___________ 20_______ 21_________ 22____ 23 24____ 25_ 26__________ 27 28__ 29_________ 30 31__________ 32__________ 33 34 35________ 36______ 37 38____ 39____ 40 41__ 42______ 43________ 44

Chunks:
  TruePositive nam [20,22] = Narodowym Odrodzeniem Polski
  TruePositive nam [38,39] = Gazetą Polską
  TruePositive nam [41,43] = Ruch Przełomu Narodowego
  FalseNegative nam [7,7] = Niklot
  FalseNegative nam [12,12] = Niklotem

(ChunkerEvaluator) Sentence #3971 from articles/00107516 from sent30

Text  : Mieli polskie flagi oraz transparenty z hasłami „ Prawda to wolność ”  ,  „  Chwała bohaterom ”  .
Tokens: 1____ 2______ 3____ 4___ 5___________ 6 7______ 8 9_____ 10 11_____ 12 13 14 15____ 16_______ 17 18

Chunks:

(ChunkerEvaluator) Sentence #3972 from articles/00107516 from sent31

Text  : W trakcie marszu skandowali „ Żołnierze wyklęci na zawsze w  pamięci ”  ,  „  Naszym znakiem orzeł biały ”  ,  „  Niech żyje Polska ”  ,  „  Chwała bohaterom ”  oraz nieśli wielką ,  45 -  metrową flagę biało -  czerwoną .
Tokens: 1 2______ 3_____ 4_________ 5 6________ 7______ 8_ 9_____ 10 11_____ 12 13 14 15____ 16_____ 17___ 18___ 19 20 21 22___ 23__ 24____ 25 26 27 28____ 29_______ 30 31__ 32____ 33____ 34 35 36 37_____ 38___ 39___ 40 41______ 42

Chunks:
  TruePositive nam [24,24] = Polska

(ChunkerEvaluator) Sentence #3973 from articles/00107516 from sent32

Text  : Z pl . Orła Białego przeszli przez centrum do pl .  Szarych Szeregów .
Tokens: 1 2_ 3 4___ 5______ 6_______ 7____ 8______ 9_ 10 11 12_____ 13______ 14

Chunks:
  TruePositive nam [4,5] = Orła Białego
  TruePositive nam [12,13] = Szarych Szeregów

(ChunkerEvaluator) Sentence #3974 from articles/00107516 from sent33

Text  : Słowne przepychanki na pl . Lotników to jedyne incydenty ,  do jakich doszło w  czasie marszu .
Tokens: 1_____ 2___________ 3_ 4_ 5 6_______ 7_ 8_____ 9________ 10 11 12____ 13____ 14 15____ 16____ 17

Chunks:
  FalseNegative nam [6,6] = Lotników

(ChunkerEvaluator) Sentence #3975 from articles/00107516 from sent34

Text  : Tuż przed pl . Szarych Szeregów , gdzie kończył się marsz ,  jego uczestnicy odpalili race i  zaśpiewali hymn Polski .
Tokens: 1__ 2____ 3_ 4 5______ 6_______ 7 8____ 9______ 10_ 11___ 12 13__ 14________ 15______ 16__ 17 18________ 19__ 20____ 21

Chunks:
  TruePositive nam [5,6] = Szarych Szeregów
  TruePositive nam [20,20] = Polski

(ChunkerEvaluator) Sentence #3976 from articles/00107516 from sent35

Text  : Szczecińskie obchody 11 listopada zakończył Apel Pamięci i złożenie kwiatów pod pomnikiem marszałka Józefa Piłsudskiego z  udziałem m  .  in .  prezydenta Piotra Krzystka .
Tokens: 1___________ 2______ 3_ 4________ 5________ 6___ 7______ 8 9_______ 10_____ 11_ 12_______ 13_______ 14____ 15__________ 16 17______ 18 19 20 21 22________ 23____ 24______ 25

Chunks:
  TruePositive nam [6,7] = Apel Pamięci
  TruePositive nam [14,15] = Józefa Piłsudskiego
  TruePositive nam [23,24] = Piotra Krzystka

2016-10-27 14:59:30,895 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 154 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107517.xml
(ChunkerEvaluator) Sentence #3977 from articles/00107517 from sent1

Text  : Młoda Ekstraklasa .
Tokens: 1____ 2__________ 3

Chunks:
  TruePositive nam [1,2] = Młoda Ekstraklasa

(ChunkerEvaluator) Sentence #3978 from articles/00107517 from sent2

Text  : ŁKS znów bez zwycięstwa .
Tokens: 1__ 2___ 3__ 4_________ 5

Chunks:
  TruePositive nam [1,1] = ŁKS

(ChunkerEvaluator) Sentence #3979 from articles/00107517 from sent3

Text  : Tym razem przegrał ze Śląskiem
Tokens: 1__ 2____ 3_______ 4_ 5_______

Chunks:
  TruePositive nam [5,5] = Śląskiem

(ChunkerEvaluator) Sentence #3980 from articles/00107517 from sent4

Text  : W rozegranym awansem meczu 17 . kolejki Młodej Ekstraklasy łodzianie przegrali we Wrocławiu .
Tokens: 1 2_________ 3______ 4____ 5_ 6 7______ 8_____ 9__________ 10_______ 11_______ 12 13_______ 14

Chunks:
  TruePositive nam [8,9] = Młodej Ekstraklasy
  TruePositive nam [13,13] = Wrocławiu
  FalseNegative nam [10,10] = łodzianie

(ChunkerEvaluator) Sentence #3981 from articles/00107517 from sent5

Text  : Dla ŁKS porażka ze Śląskiem była szóstym z rzędu spotkaniem bez zwycięstwa .
Tokens: 1__ 2__ 3______ 4_ 5_______ 6___ 7______ 8 9____ 10________ 11_ 12________ 13

Chunks:
  TruePositive nam [2,2] = ŁKS
  TruePositive nam [5,5] = Śląskiem

(ChunkerEvaluator) Sentence #3982 from articles/00107517 from sent6

Text  : Śląsk - ŁKS 1 : 0
Tokens: 1____ 2 3__ 4 5 6

Chunks:
  TruePositive nam [3,3] = ŁKS
  FalseNegative nam [1,1] = Śląsk

(ChunkerEvaluator) Sentence #3983 from articles/00107517 from sent7

Text  : Młoda Ekstraklasa .
Tokens: 1____ 2__________ 3

Chunks:
  TruePositive nam [1,2] = Młoda Ekstraklasa

(ChunkerEvaluator) Sentence #3984 from articles/00107517 from sent8

Text  : ŁKS znów bez zwycięstwa .
Tokens: 1__ 2___ 3__ 4_________ 5

Chunks:
  TruePositive nam [1,1] = ŁKS

(ChunkerEvaluator) Sentence #3985 from articles/00107517 from sent9

Text  : W rozegranym awansem meczu 17 . kolejki Młodej Ekstraklasy piłkarze ŁKS-u przegrali we Wrocławiu ze Śląskiem 0  :  1  .
Tokens: 1 2_________ 3______ 4____ 5_ 6 7______ 8_____ 9__________ 10______ 11___ 12_______ 13 14_______ 15 16______ 17 18 19 20

Chunks:
  TruePositive nam [8,9] = Młodej Ekstraklasy
  TruePositive nam [11,11] = ŁKS-u
  TruePositive nam [14,14] = Wrocławiu
  TruePositive nam [16,16] = Śląskiem

(ChunkerEvaluator) Sentence #3986 from articles/00107517 from sent10

Text  : Gola strzelił Dawid Abramowicz .
Tokens: 1___ 2_______ 3____ 4_________ 5

Chunks:
  TruePositive nam [3,4] = Dawid Abramowicz
  FalsePositive nam [1,1] = Gola

(ChunkerEvaluator) Sentence #3987 from articles/00107517 from sent11

Text  : W rozegranym awansem meczu 17 . kolejki Młodej Ekstraklasy łodzianie przegrali we Wrocławiu .
Tokens: 1 2_________ 3______ 4____ 5_ 6 7______ 8_____ 9__________ 10_______ 11_______ 12 13_______ 14

Chunks:
  TruePositive nam [8,9] = Młodej Ekstraklasy
  TruePositive nam [13,13] = Wrocławiu
  FalseNegative nam [10,10] = łodzianie

(ChunkerEvaluator) Sentence #3988 from articles/00107517 from sent12

Text  : Dla ŁKS porażka ze Śląskiem była szóstym z rzędu spotkaniem bez zwycięstwa .
Tokens: 1__ 2__ 3______ 4_ 5_______ 6___ 7______ 8 9____ 10________ 11_ 12________ 13

Chunks:
  TruePositive nam [2,2] = ŁKS
  TruePositive nam [5,5] = Śląskiem

(ChunkerEvaluator) Sentence #3989 from articles/00107517 from sent13

Text  : Do wywalczenia jednego punktu ełkaesiakom zabrakło zaledwie pięciu minut .
Tokens: 1_ 2__________ 3______ 4_____ 5__________ 6_______ 7_______ 8_____ 9____ 10

Chunks:
  FalseNegative nam [5,5] = ełkaesiakom

(ChunkerEvaluator) Sentence #3990 from articles/00107517 from sent14

Text  : W 85 . minucie Szymon Salski sfaulował jednego z rywali tuż za linią pola karnego ,  za co otrzymał żółtą kartkę .
Tokens: 1 2_ 3 4______ 5_____ 6_____ 7________ 8______ 9 10____ 11_ 12 13___ 14__ 15_____ 16 17 18 19______ 20___ 21____ 22

Chunks:
  TruePositive nam [5,6] = Szymon Salski

(ChunkerEvaluator) Sentence #3991 from articles/00107517 from sent15

Text  : Wykonywany przez gospodarzy rzut wolny po krótkim rozegraniu piłki na bramkę zamienił Dawid Abramowicz .
Tokens: 1_________ 2____ 3_________ 4___ 5____ 6_ 7______ 8_________ 9____ 10 11____ 12______ 13___ 14________ 15

Chunks:
  TruePositive nam [13,14] = Dawid Abramowicz

(ChunkerEvaluator) Sentence #3992 from articles/00107517 from sent16

Text  : Tuż przed końcem spotkania ŁKS mógł doprowadzić wyrównania , gdy w  idealnej sytuacji znalazł się Kamil Paluch .
Tokens: 1__ 2____ 3_____ 4________ 5__ 6___ 7__________ 8_________ 9 10_ 11 12______ 13______ 14_____ 15_ 16___ 17____ 18

Chunks:
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [16,17] = Kamil Paluch

(ChunkerEvaluator) Sentence #3993 from articles/00107517 from sent17

Text  : Jego strzał z bardzo bliskiej odległości cudem obronił jednak bramkarz Śląska .
Tokens: 1___ 2_____ 3 4_____ 5_______ 6_________ 7____ 8______ 9_____ 10______ 11____ 12

Chunks:
  TruePositive nam [11,11] = Śląska

(ChunkerEvaluator) Sentence #3994 from articles/00107517 from sent18

Text  : Dla łodzian porażka ze Śląskiem była szóstym z rzędu meczem bez wygranej .
Tokens: 1__ 2______ 3______ 4_ 5_______ 6___ 7______ 8 9____ 10____ 11_ 12______ 13

Chunks:
  TruePositive nam [5,5] = Śląskiem
  FalseNegative nam [2,2] = łodzian

(ChunkerEvaluator) Sentence #3995 from articles/00107517 from sent19

Text  : W tym czasie ełkaesiacy zanotowali trzy remisy i trzy przegrane .
Tokens: 1 2__ 3_____ 4_________ 5_________ 6___ 7_____ 8 9___ 10_______ 11

Chunks:
  FalseNegative nam [4,4] = ełkaesiacy

(ChunkerEvaluator) Sentence #3996 from articles/00107517 from sent20

Text  : Ostatni raz z trzech punktów cieszyli się 1 października ,  gdy pokonali 1  :  0  Podbeskidzie Bielsko -  Biała .
Tokens: 1______ 2__ 3 4_____ 5______ 6_______ 7__ 8 9___________ 10 11_ 12______ 13 14 15 16__________ 17_____ 18 19___ 20

Chunks:
  FalsePositive nam [17,19] = Bielsko - Biała
  FalseNegative nam [16,19] = Podbeskidzie Bielsko - Biała

(ChunkerEvaluator) Sentence #3997 from articles/00107517 from sent21

Text  : Po 16 rozegranych meczach ŁKS z dziesięcioma punktami w dorobku zamyka tabelę Młodej Ekstraklasy .
Tokens: 1_ 2_ 3__________ 4______ 5__ 6 7___________ 8_______ 9 10_____ 11____ 12____ 13____ 14_________ 15

Chunks:
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [13,14] = Młodej Ekstraklasy

(ChunkerEvaluator) Sentence #3998 from articles/00107517 from sent22

Text  : Tyle samo punktów ma Lechia Gdańsk , która swoje spotkanie rozegra w  niedzielę .
Tokens: 1___ 2___ 3______ 4_ 5_____ 6_____ 7 8____ 9____ 10_______ 11_____ 12 13_______ 14

Chunks:
  TruePositive nam [5,6] = Lechia Gdańsk

(ChunkerEvaluator) Sentence #3999 from articles/00107517 from sent23

Text  : Do wywalczenia jednego punktu ełkaesiakom zabrakło zaledwie pięciu minut .
Tokens: 1_ 2__________ 3______ 4_____ 5__________ 6_______ 7_______ 8_____ 9____ 10

Chunks:
  FalseNegative nam [5,5] = ełkaesiakom

(ChunkerEvaluator) Sentence #4000 from articles/00107517 from sent24

Text  : W 85 . minucie Szymon Salski sfaulował jednego z rywali tuż za linią pola karnego ,  za co otrzymał żółtą kartkę .
Tokens: 1 2_ 3 4______ 5_____ 6_____ 7________ 8______ 9 10____ 11_ 12 13___ 14__ 15_____ 16 17 18 19______ 20___ 21____ 22

Chunks:
  TruePositive nam [5,6] = Szymon Salski

(ChunkerEvaluator) Sentence #4001 from articles/00107517 from sent25

Text  : Wykonywany przez gospodarzy rzut wolny po krótkim rozegraniu piłki na bramkę zamienił Dawid Abramowicz .
Tokens: 1_________ 2____ 3_________ 4___ 5____ 6_ 7______ 8_________ 9____ 10 11____ 12______ 13___ 14________ 15

Chunks:
  TruePositive nam [13,14] = Dawid Abramowicz

(ChunkerEvaluator) Sentence #4002 from articles/00107517 from sent26

Text  : Tuż przed końcem spotkania ŁKS mógł doprowadzić wyrównania , gdy w  idealnej sytuacji znalazł się Kamil Paluch .
Tokens: 1__ 2____ 3_____ 4________ 5__ 6___ 7__________ 8_________ 9 10_ 11 12______ 13______ 14_____ 15_ 16___ 17____ 18

Chunks:
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [16,17] = Kamil Paluch

(ChunkerEvaluator) Sentence #4003 from articles/00107517 from sent27

Text  : Jego strzał z bardzo bliskiej odległości cudem obronił jednak bramkarz Śląska .
Tokens: 1___ 2_____ 3 4_____ 5_______ 6_________ 7____ 8______ 9_____ 10______ 11____ 12

Chunks:
  TruePositive nam [11,11] = Śląska

(ChunkerEvaluator) Sentence #4004 from articles/00107517 from sent28

Text  : Dla łodzian porażka ze Śląskiem była szóstym z rzędu meczem bez wygranej .
Tokens: 1__ 2______ 3______ 4_ 5_______ 6___ 7______ 8 9____ 10____ 11_ 12______ 13

Chunks:
  TruePositive nam [5,5] = Śląskiem
  FalseNegative nam [2,2] = łodzian

(ChunkerEvaluator) Sentence #4005 from articles/00107517 from sent29

Text  : W tym czasie ełkaesiacy zanotowali trzy remisy i trzy przegrane .
Tokens: 1 2__ 3_____ 4_________ 5_________ 6___ 7_____ 8 9___ 10_______ 11

Chunks:
  FalseNegative nam [4,4] = ełkaesiacy

(ChunkerEvaluator) Sentence #4006 from articles/00107517 from sent30

Text  : Ostatni raz z trzech punktów cieszyli się 1 października ,  gdy pokonali 1  :  0  Podbeskidzie Bielsko -  Biała .
Tokens: 1______ 2__ 3 4_____ 5______ 6_______ 7__ 8 9___________ 10 11_ 12______ 13 14 15 16__________ 17_____ 18 19___ 20

Chunks:
  FalsePositive nam [17,19] = Bielsko - Biała
  FalseNegative nam [16,19] = Podbeskidzie Bielsko - Biała

(ChunkerEvaluator) Sentence #4007 from articles/00107517 from sent31

Text  : Po 16 rozegranych meczach ŁKS z dziesięcioma punktami w dorobku zamyka tabelę Młodej Ekstraklasy .
Tokens: 1_ 2_ 3__________ 4______ 5__ 6 7___________ 8_______ 9 10_____ 11____ 12____ 13____ 14_________ 15

Chunks:
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [13,14] = Młodej Ekstraklasy

(ChunkerEvaluator) Sentence #4008 from articles/00107517 from sent32

Text  : Tyle samo punktów ma Lechia Gdańsk , która swoje spotkanie rozegra w  niedzielę .
Tokens: 1___ 2___ 3______ 4_ 5_____ 6_____ 7 8____ 9____ 10_______ 11_____ 12 13_______ 14

Chunks:
  TruePositive nam [5,6] = Lechia Gdańsk

2016-10-27 14:59:31,013 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 155 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107518.xml
(ChunkerEvaluator) Sentence #4009 from articles/00107518 from sent1

Text  : Rajd Walii .
Tokens: 1___ 2____ 3

Chunks:
  TruePositive nam [1,2] = Rajd Walii

(ChunkerEvaluator) Sentence #4010 from articles/00107518 from sent2

Text  : Wypadek Loeba
Tokens: 1______ 2____

Chunks:
  FalseNegative nam [2,2] = Loeba

(ChunkerEvaluator) Sentence #4011 from articles/00107518 from sent3

Text  : Francuz Sebastien Loeb ( Citroen ) , który zapewnił już sobie ósmy tytuł mistrza świata w  rajdach samochodowych ,  wycofał się w  niedzielę rano z  Rajdu Walii ,  ostatniej tegorocznej eliminacji .
Tokens: 1______ 2________ 3___ 4 5______ 6 7 8____ 9_______ 10_ 11___ 12__ 13___ 14_____ 15____ 16 17_____ 18___________ 19 20_____ 21_ 22 23_______ 24__ 25 26___ 27___ 28 29_______ 30_________ 31________ 32

Chunks:
  TruePositive nam [5,5] = Citroen
  TruePositive nam [26,27] = Rajdu Walii
  FalsePositive nam [1,3] = Francuz Sebastien Loeb
  FalseNegative nam [1,1] = Francuz
  FalseNegative nam [2,3] = Sebastien Loeb

(ChunkerEvaluator) Sentence #4012 from articles/00107518 from sent4

Text  : Powodem był wypadek na drodze dojazdowej do 18 . odcinka specjalnego .
Tokens: 1______ 2__ 3______ 4_ 5_____ 6_________ 7_ 8_ 9 10_____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #4013 from articles/00107518 from sent5

Text  : Loeb zderzył się z innym samochodem .
Tokens: 1___ 2______ 3__ 4 5____ 6_________ 7

Chunks:
  FalseNegative nam [1,1] = Loeb

(ChunkerEvaluator) Sentence #4014 from articles/00107518 from sent6

Text  : Nikt nie ucierpiał , ale w Citroenie mistrza świata uszkodzona została chłodnica .
Tokens: 1___ 2__ 3________ 4 5__ 6 7________ 8______ 9_____ 10________ 11_____ 12_______ 13

Chunks:
  TruePositive nam [7,7] = Citroenie

(ChunkerEvaluator) Sentence #4015 from articles/00107518 from sent7

Text  : " Spróbujemy naprawić auto , aby mogło wjechać na podium w  Cardiff "  -  powiedział rzecznik prasowy ekipy Citroena .
Tokens: 1 2_________ 3_______ 4___ 5 6__ 7____ 8______ 9_ 10____ 11 12_____ 13 14 15________ 16______ 17_____ 18___ 19______ 20

Chunks:
  TruePositive nam [19,19] = Citroena
  FalseNegative nam [12,12] = Cardiff

(ChunkerEvaluator) Sentence #4016 from articles/00107518 from sent8

Text  : Loeb zajmował w Rajdzie Walii drugie miejsce , za Finem Jari -  Matti Latvalą (  Ford Fiesta )  .
Tokens: 1___ 2_______ 3 4______ 5____ 6_____ 7______ 8 9_ 10___ 11__ 12 13___ 14_____ 15 16__ 17____ 18 19

Chunks:
  TruePositive nam [4,5] = Rajdzie Walii
  FalsePositive nam [10,14] = Finem Jari - Matti Latvalą
  FalsePositive nam [16,17] = Ford Fiesta
  FalseNegative nam [1,1] = Loeb
  FalseNegative nam [10,10] = Finem
  FalseNegative nam [11,14] = Jari - Matti Latvalą
  FalseNegative nam [16,16] = Ford
  FalseNegative nam [17,17] = Fiesta

(ChunkerEvaluator) Sentence #4017 from articles/00107518 from sent9

Text  : Już w piątek Francuz zapewnił sobie kolejny tytuł mistrzowski ,  po wycofaniu się jego jedynego rywala w  klasyfikacji generalnej Fina Mikko Hirvonena (  Ford Fiesta )  .
Tokens: 1__ 2 3_____ 4______ 5_______ 6____ 7______ 8____ 9__________ 10 11 12_______ 13_ 14__ 15______ 16____ 17 18__________ 19________ 20__ 21___ 22_______ 23 24__ 25____ 26 27

Chunks:
  TruePositive nam [4,4] = Francuz
  FalsePositive nam [20,22] = Fina Mikko Hirvonena
  FalsePositive nam [24,25] = Ford Fiesta
  FalseNegative nam [20,20] = Fina
  FalseNegative nam [21,22] = Mikko Hirvonena
  FalseNegative nam [24,24] = Ford
  FalseNegative nam [25,25] = Fiesta

2016-10-27 14:59:31,055 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 156 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107519.xml
(ChunkerEvaluator) Sentence #4018 from articles/00107519 from sent1

Text  : Fakty i półprawdy w rzeszowskiej miejskiej ulotce
Tokens: 1____ 2 3________ 4 5___________ 6________ 7_____

Chunks:

(ChunkerEvaluator) Sentence #4019 from articles/00107519 from sent2

Text  : Rzeszów chwali się , że jest miastem wojewódzkim , w  którym żyje się najlepiej .
Tokens: 1______ 2_____ 3__ 4 5_ 6___ 7______ 8__________ 9 10 11____ 12__ 13_ 14_______ 15

Chunks:
  TruePositive nam [1,1] = Rzeszów

(ChunkerEvaluator) Sentence #4020 from articles/00107519 from sent3

Text  : Ma to wynikać z raportu Diagnoza Społeczna 2011 .
Tokens: 1_ 2_ 3______ 4 5______ 6_______ 7________ 8___ 9

Chunks:
  TruePositive nam [6,8] = Diagnoza Społeczna 2011

(ChunkerEvaluator) Sentence #4021 from articles/00107519 from sent4

Text  : Tyle , że w raporcie Rzeszów w ogóle się nie znalazł ,  a  przodują w  nim takie miasta jak Gdynia ,  Wrocław ,  Kraków ,  Gdańsk i  Warszawa .
Tokens: 1___ 2 3_ 4 5_______ 6______ 7 8____ 9__ 10_ 11_____ 12 13 14______ 15 16_ 17___ 18____ 19_ 20____ 21 22_____ 23 24____ 25 26____ 27 28______ 29

Chunks:
  TruePositive nam [6,6] = Rzeszów
  TruePositive nam [20,20] = Gdynia
  TruePositive nam [22,22] = Wrocław
  TruePositive nam [24,24] = Kraków
  TruePositive nam [26,26] = Gdańsk
  TruePositive nam [28,28] = Warszawa

(ChunkerEvaluator) Sentence #4022 from articles/00107519 from sent5

Text  : O ulotce pt . „ JAKIE SĄ FAKTY ? ”  już trochę było .
Tokens: 1 2_____ 3_ 4 5 6____ 7_ 8____ 9 10 11_ 12____ 13__ 14

Chunks:
  FalsePositive nam [6,8] = JAKIE SĄ FAKTY

(ChunkerEvaluator) Sentence #4023 from articles/00107519 from sent6

Text  : Urząd Miasta zlecił jej druk w nakładzie 80 tysięcy sztuk .
Tokens: 1____ 2_____ 3_____ 4__ 5___ 6 7________ 8_ 9______ 10___ 11

Chunks:
  FalseNegative nam [1,2] = Urząd Miasta

(ChunkerEvaluator) Sentence #4024 from articles/00107519 from sent7

Text  : Zapłacił za to 8 , 6 tys . zł .
Tokens: 1_______ 2_ 3_ 4 5 6 7__ 8 9_ 10

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #4025 from articles/00107519 from sent8

Text  : Wysłuchali śmy argumentów urzędników - że przed opluwaniem politycznej konkurencji ,  która zarzuca miastu rozliczne grzechy ,  trzeba się bronić ,  że to nawet nie prawo ,  a  obowiązek samorządu .
Tokens: 1_________ 2__ 3_________ 4_________ 5 6_ 7____ 8_________ 9__________ 10_________ 11 12___ 13_____ 14____ 15_______ 16_____ 17 18____ 19_ 20____ 21 22 23 24___ 25_ 26___ 27 28 29_______ 30_______ 31

Chunks:

(ChunkerEvaluator) Sentence #4026 from articles/00107519 from sent9

Text  : Stąd pomysł , by wydać ulotkę .
Tokens: 1___ 2_____ 3 4_ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #4027 from articles/00107519 from sent10

Text  : Głos mieli też ci , których opinie poprzez ulotki są prostowane -  czyli działacze Prawicy Podkarpackiej .
Tokens: 1___ 2____ 3__ 4_ 5 6______ 7_____ 8______ 9_____ 10 11________ 12 13___ 14_______ 15_____ 16___________ 17

Chunks:
  TruePositive nam [15,16] = Prawicy Podkarpackiej

(ChunkerEvaluator) Sentence #4028 from articles/00107519 from sent11

Text  : Oni upierają się przy swoim i twierdzą , że mają prawo krytykować postępowanie urzędników np .  w  kwestii buspasów .
Tokens: 1__ 2_______ 3__ 4___ 5____ 6 7_______ 8 9_ 10__ 11___ 12________ 13__________ 14________ 15 16 17 18_____ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #4029 from articles/00107519 from sent12

Text  : A teraz słów parę o zawartości tej publikacji .
Tokens: 1 2____ 3___ 4___ 5 6_________ 7__ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #4030 from articles/00107519 from sent13

Text  : Bo obok litanii inwestycji przeprowadzonych podczas z górą dwóch kadencji prezydenta Ferenca ,  mamy kilka złotych myśli .
Tokens: 1_ 2___ 3______ 4_________ 5_______________ 6______ 7 8___ 9____ 10______ 11________ 12_____ 13 14__ 15___ 16_____ 17___ 18

Chunks:
  TruePositive nam [12,12] = Ferenca
  FalsePositive nam [16,16] = złotych

(ChunkerEvaluator) Sentence #4031 from articles/00107519 from sent14

Text  : A te nie zawsze są bliskie prawdy .
Tokens: 1 2_ 3__ 4_____ 5_ 6______ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #4032 from articles/00107519 from sent15

Text  : Zacznijmy od takiego akapitu : „ Do roku 2005 Rzeszów liczył zaledwie 159 tysięcy mieszkańców .
Tokens: 1________ 2_ 3______ 4______ 5 6 7_ 8___ 9___ 10_____ 11____ 12______ 13_ 14_____ 15_________ 16

Chunks:
  TruePositive nam [10,10] = Rzeszów

(ChunkerEvaluator) Sentence #4033 from articles/00107519 from sent16

Text  : Istniała realna groźba , że przestanie być miastem wojewódzkim ,  a  Podkarpacie zostanie podzielone pomiędzy województwo lubelskie i  małopolskie .
Tokens: 1_______ 2_____ 3_____ 4 5_ 6_________ 7__ 8______ 9__________ 10 11 12_________ 13______ 14________ 15______ 16_________ 17_______ 18 19_________ 20

Chunks:
  TruePositive nam [12,12] = Podkarpacie
  TruePositive nam [17,17] = lubelskie
  FalseNegative nam [19,19] = małopolskie

(ChunkerEvaluator) Sentence #4034 from articles/00107519 from sent17

Text  : Dzięki poszerzeniu granic miasta jego powierzchnia zwiększyła się z niespełna 54 km kw .  do 117 km .  kw .  ,  a  liczba mieszkańców wzrosła do ok .  200 tys .  ”
Tokens: 1_____ 2__________ 3_____ 4_____ 5___ 6___________ 7_________ 8__ 9 10_______ 11 12 13 14 15 16_ 17 18 19 20 21 22 23____ 24_________ 25_____ 26 27 28 29_ 30_ 31 32

Chunks:

(ChunkerEvaluator) Sentence #4035 from articles/00107519 from sent18

Text  : W tej informacji są dwie półprawdy .
Tokens: 1 2__ 3_________ 4_ 5___ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #4036 from articles/00107519 from sent19

Text  : Po pierwsze od reformy administracyjnej kraju nie było żadnych poważnych zamiarów ,  by dzielić województwo podkarpackie i  rozczłonkowywać je pomiędzy sąsiadów .
Tokens: 1_ 2_______ 3_ 4______ 5_______________ 6____ 7__ 8___ 9______ 10_______ 11______ 12 13 14_____ 15_________ 16__________ 17 18_____________ 19 20______ 21______ 22

Chunks:
  FalseNegative nam [16,16] = podkarpackie

(ChunkerEvaluator) Sentence #4037 from articles/00107519 from sent20

Text  : - Ale były takie publikacje , z których dowiadywali śmy się ,  że są takie zamiary .
Tokens: 1 2__ 3___ 4____ 5_________ 6 7 8______ 9__________ 10_ 11_ 12 13 14 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #4038 from articles/00107519 from sent21

Text  : A my media traktujemy bardzo poważnie .
Tokens: 1 2_ 3____ 4_________ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #4039 from articles/00107519 from sent22

Text  : Jestem pewien , że były takie pomysły , by zlikwidować województwo podkarpackie -  twardo mówi prezydent Tadeusz Ferenc .
Tokens: 1_____ 2_____ 3 4_ 5___ 6____ 7______ 8 9_ 10_________ 11_________ 12__________ 13 14____ 15__ 16_______ 17_____ 18____ 19

Chunks:
  TruePositive nam [17,18] = Tadeusz Ferenc
  FalseNegative nam [12,12] = podkarpackie

(ChunkerEvaluator) Sentence #4040 from articles/00107519 from sent23

Text  : I powołuje się na mój artykuł z września 2005 r  .  ,  który opisywał przedwyborcze spekulacje .
Tokens: 1 2_______ 3__ 4_ 5__ 6______ 7 8_______ 9___ 10 11 12 13___ 14______ 15___________ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #4041 from articles/00107519 from sent24

Text  : Pojawiły się wtedy pogłoski , że PO , jeśli dojdzie do władzy ,  zrewiduje granice administracyjne kraju .
Tokens: 1_______ 2__ 3____ 4_______ 5 6_ 7_ 8 9____ 10_____ 11 12____ 13 14_______ 15_____ 16_____________ 17___ 18

Chunks:
  TruePositive nam [7,7] = PO

(ChunkerEvaluator) Sentence #4042 from articles/00107519 from sent25

Text  : W moim tekście świadczyła o tym ówczesna posłanka Samoobrony Maria Zbyrowska i  polityk LPR Zygmunt Wrzodak .
Tokens: 1 2___ 3______ 4_________ 5 6__ 7_______ 8_______ 9_________ 10___ 11_______ 12 13_____ 14_ 15_____ 16_____ 17

Chunks:
  TruePositive nam [9,9] = Samoobrony
  TruePositive nam [10,11] = Maria Zbyrowska
  TruePositive nam [14,14] = LPR
  TruePositive nam [15,16] = Zygmunt Wrzodak

(ChunkerEvaluator) Sentence #4043 from articles/00107519 from sent26

Text  : Że to nieprawda zapewniali regionalni liderzy PO : Elżbieta Łukacijewska (  „  Nie było i  nie ma takich pomysłów .
Tokens: 1_ 2_ 3________ 4_________ 5_________ 6______ 7_ 8 9_______ 10__________ 11 12 13_ 14__ 15 16_ 17 18____ 19______ 20

Chunks:
  TruePositive nam [7,7] = PO
  TruePositive nam [9,10] = Elżbieta Łukacijewska

(ChunkerEvaluator) Sentence #4044 from articles/00107519 from sent27

Text  : Głowę daję za to , że Podkarpacie nie zostanie zlikwidowane ”  )  oraz Jan Tomaka (  „  Wieści o  naszych rzekomych pomysłach rozsiewają ci ,  którzy nam źle życzą ”  )  .
Tokens: 1____ 2___ 3_ 4_ 5 6_ 7__________ 8__ 9_______ 10__________ 11 12 13__ 14_ 15____ 16 17 18____ 19 20_____ 21_______ 22_______ 23________ 24 25 26____ 27_ 28_ 29___ 30 31 32

Chunks:
  TruePositive nam [7,7] = Podkarpacie
  TruePositive nam [14,15] = Jan Tomaka

(ChunkerEvaluator) Sentence #4045 from articles/00107519 from sent28

Text  : Powiększenie Rzeszowa jest tymczasem wartością samą w sobie .
Tokens: 1___________ 2_______ 3___ 4________ 5________ 6___ 7 8____ 9

Chunks:
  TruePositive nam [2,2] = Rzeszowa

(ChunkerEvaluator) Sentence #4046 from articles/00107519 from sent29

Text  : Jeśli by jednak chcieć je uzasadniać , wystarczy sięgnąć po merytoryczne argumenty :  miasto pozyskuje tereny pod nowe inwestycje ,  mogą powstawać osiedla mieszkaniowe ,  przyłączone sołectwa rozwijają się szybciej ,  powstają tam nowe szkoły i  drogi .
Tokens: 1____ 2_ 3_____ 4_____ 5_ 6_________ 7 8________ 9______ 10 11__________ 12_______ 13 14____ 15_______ 16____ 17_ 18__ 19________ 20 21__ 22_______ 23_____ 24__________ 25 26_________ 27______ 28_______ 29_ 30______ 31 32______ 33_ 34__ 35____ 36 37___ 38

Chunks:

(ChunkerEvaluator) Sentence #4047 from articles/00107519 from sent30

Text  : Po co sięgać po argumenty z mchu i paproci ?
Tokens: 1_ 2_ 3_____ 4_ 5________ 6 7___ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #4048 from articles/00107519 from sent31

Text  : Tym bardziej , że dziś - zdaniem prezydenta - już nie ma zakusów ,  by województwo likwidować ,  a  on ciągle powiększa miasto .
Tokens: 1__ 2_______ 3 4_ 5___ 6 7______ 8_________ 9 10_ 11_ 12 13_____ 14 15 16_________ 17________ 18 19 20 21____ 22_______ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #4049 from articles/00107519 from sent32

Text  : I zatrzymajmy się jeszcze przez chwilę przy liczbach .
Tokens: 1 2__________ 3__ 4______ 5____ 6_____ 7___ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #4050 from articles/00107519 from sent33

Text  : To , że w 2005 roku było 159 tys .  mieszkańców Rzeszowa -  to prawda ,  takie też dane są w  urzędzie statystycznym (  158 539 )  .
Tokens: 1_ 2 3_ 4 5___ 6___ 7___ 8__ 9__ 10 11_________ 12______ 13 14 15____ 16 17___ 18_ 19__ 20 21 22______ 23___________ 24 25_ 26_ 27 28

Chunks:
  TruePositive nam [12,12] = Rzeszowa

(ChunkerEvaluator) Sentence #4051 from articles/00107519 from sent34

Text  : Ale czy obecnie mamy 200 tysięcy mieszkańców ?
Tokens: 1__ 2__ 3______ 4___ 5__ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #4052 from articles/00107519 from sent35

Text  : Wg GUS na 31 grudnia 2010 r . było 178 227 mieszkańców .
Tokens: 1_ 2__ 3_ 4_ 5______ 6___ 7 8 9___ 10_ 11_ 12_________ 13

Chunks:
  TruePositive nam [2,2] = GUS

(ChunkerEvaluator) Sentence #4053 from articles/00107519 from sent36

Text  : Wg zaś statystyk samego urzędu miasta 179 831 mieszkańców .
Tokens: 1_ 2__ 3________ 4_____ 5_____ 6_____ 7__ 8__ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #4054 from articles/00107519 from sent37

Text  : Do 200 tysięcy jednak daleko .
Tokens: 1_ 2__ 3______ 4_____ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #4055 from articles/00107519 from sent38

Text  : - W Rzeszowie jest ok . 180 tys . osób zameldowanych ,  ale z  naszych badań wynika ,  że dodatkowo ok .  40 tysięcy osób jest niezameldowanych -  opisuje wiceprezydent Stanisław Sienko .
Tokens: 1 2 3________ 4___ 5_ 6 7__ 8__ 9 10__ 11___________ 12 13_ 14 15_____ 16___ 17____ 18 19 20_______ 21 22 23 24_____ 25__ 26__ 27______________ 28 29_____ 30___________ 31_______ 32____ 33

Chunks:
  TruePositive nam [3,3] = Rzeszowie
  TruePositive nam [31,32] = Stanisław Sienko

(ChunkerEvaluator) Sentence #4056 from articles/00107519 from sent39

Text  : Ale na koniec kwiatek , którego nijak obronić się nie da :  „  W  rankingu Diagnoza społeczna 2011 przygotowanym przez warszawskie uczelnie pod redakcją prof .  Janusza Czapińskiego ,  Rzeszów został uznany miastem wojewódzkim ,  w  którym żyje się najlepiej !  ”
Tokens: 1__ 2_ 3_____ 4______ 5 6______ 7____ 8______ 9__ 10_ 11 12 13 14 15______ 16______ 17_______ 18__ 19___________ 20___ 21_________ 22______ 23_ 24______ 25__ 26 27_____ 28__________ 29 30_____ 31____ 32____ 33_____ 34_________ 35 36 37____ 38__ 39_ 40_______ 41 42

Chunks:
  TruePositive nam [27,28] = Janusza Czapińskiego
  TruePositive nam [30,30] = Rzeszów
  FalsePositive nam [16,16] = Diagnoza
  FalseNegative nam [16,18] = Diagnoza społeczna 2011

(ChunkerEvaluator) Sentence #4057 from articles/00107519 from sent40

Text  : Kłopot w tym , że w tym rankingu Rzeszowa w  ogóle nie ma .
Tokens: 1_____ 2 3__ 4 5_ 6 7__ 8_______ 9_______ 10 11___ 12_ 13 14

Chunks:
  TruePositive nam [9,9] = Rzeszowa

(ChunkerEvaluator) Sentence #4058 from articles/00107519 from sent41

Text  : Pod względem jakości życia przoduje Warszawa , Toruń , Poznań ,  Kraków i  Gdynia .
Tokens: 1__ 2_______ 3______ 4____ 5_______ 6_______ 7 8____ 9 10____ 11 12____ 13 14____ 15

Chunks:
  TruePositive nam [6,6] = Warszawa
  TruePositive nam [8,8] = Toruń
  TruePositive nam [10,10] = Poznań
  TruePositive nam [12,12] = Kraków
  TruePositive nam [14,14] = Gdynia

(ChunkerEvaluator) Sentence #4059 from articles/00107519 from sent42

Text  : Jest też ranking , w którym zobaczymy procent bardzo zadowolonych z  miejscowości zamieszkania .
Tokens: 1___ 2__ 3______ 4 5 6_____ 7________ 8______ 9_____ 10__________ 11 12__________ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #4060 from articles/00107519 from sent43

Text  : Tu liderem jest Gdynia ( 41 proc . zadowolonych )  ,  za nią jest Wrocław (  22 proc .  )  ,  Kraków ,  Gdańsk i  Warszawa .
Tokens: 1_ 2______ 3___ 4_____ 5 6_ 7___ 8 9___________ 10 11 12 13_ 14__ 15_____ 16 17 18__ 19 20 21 22____ 23 24____ 25 26______ 27

Chunks:
  TruePositive nam [4,4] = Gdynia
  TruePositive nam [15,15] = Wrocław
  TruePositive nam [22,22] = Kraków
  TruePositive nam [24,24] = Gdańsk
  TruePositive nam [26,26] = Warszawa

(ChunkerEvaluator) Sentence #4061 from articles/00107519 from sent44

Text  : W rankingu jest 26 miast , Rzeszowa nie ma .
Tokens: 1 2_______ 3___ 4_ 5____ 6 7_______ 8__ 9_ 10

Chunks:
  TruePositive nam [7,7] = Rzeszowa

(ChunkerEvaluator) Sentence #4062 from articles/00107519 from sent45

Text  : Skąd więc miasto wzięło takie dane ?
Tokens: 1___ 2___ 3_____ 4_____ 5____ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #4063 from articles/00107519 from sent46

Text  : Po naszym pytaniu ratusz przeprowadził śledztwo i okazało się ,  że oparł się na nieaktualnych danych .
Tokens: 1_ 2_____ 3______ 4_____ 5____________ 6_______ 7 8______ 9__ 10 11 12___ 13_ 14 15___________ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #4064 from articles/00107519 from sent47

Text  : Biuro prasowe wysłało do nas oświadczenie , z którego dowiedzieli śmy się ,  że miasto opierało się na danych z  konferencji prasowej z  lipca br .  ,  na której zostały przedstawione wstępne wyniki „  Diagnozy .  .  .  ”  .
Tokens: 1____ 2______ 3______ 4_ 5__ 6___________ 7 8 9______ 10_________ 11_ 12_ 13 14 15____ 16______ 17_ 18 19____ 20 21_________ 22______ 23 24___ 25 26 27 28 29____ 30_____ 31___________ 32_____ 33____ 34 35______ 36 37 38 39 40

Chunks:
  FalsePositive nam [35,39] = Diagnozy . . . ”
  FalseNegative nam [35,38] = Diagnozy . . .

(ChunkerEvaluator) Sentence #4065 from articles/00107519 from sent48

Text  : A w nich Rzeszów uplasował się na trzeciej pozycji ,  zaraz po Gdyni i  Słupsku .
Tokens: 1 2 3___ 4______ 5________ 6__ 7_ 8_______ 9______ 10 11___ 12 13___ 14 15_____ 16

Chunks:
  TruePositive nam [4,4] = Rzeszów
  TruePositive nam [13,13] = Gdyni
  TruePositive nam [15,15] = Słupsku

(ChunkerEvaluator) Sentence #4066 from articles/00107519 from sent49

Text  : „ Urząd Miasta Rzeszowa , na podstawie tych informacji stworzył stały element kampanii promocyjnej nt .  miasta wojewódzkiego ,  w  którym żyje się najlepiej ”  -  napisała Katarzyna Pawlak z  biura prasowego .
Tokens: 1 2____ 3_____ 4_______ 5 6_ 7________ 8___ 9_________ 10______ 11___ 12_____ 13______ 14_________ 15 16 17____ 18___________ 19 20 21____ 22__ 23_ 24_______ 25 26 27______ 28_______ 29____ 30 31___ 32_______ 33

Chunks:
  TruePositive nam [2,4] = Urząd Miasta Rzeszowa
  TruePositive nam [28,29] = Katarzyna Pawlak

(ChunkerEvaluator) Sentence #4067 from articles/00107519 from sent50

Text  : I dalej : „ Nie sądzili śmy , że w  obszernym ,  końcowym dokumencie ,  informacje przekazane szerokiej opinii publicznej na konferencji prasowej ,  nie zostaną zawarte .
Tokens: 1 2____ 3 4 5__ 6______ 7__ 8 9_ 10 11_______ 12 13______ 14________ 15 16________ 17________ 18_______ 19____ 20________ 21 22_________ 23______ 24 25_ 26_____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #4068 from articles/00107519 from sent51

Text  : Naszym błędem , aczkolwiek niezamierzonym , było posługiwanie się tymi danymi nadal ,  po opublikowaniu przez prof .  Janusza Czapińskiego szczegółowego raportu ”  -  brzmi oświadczenie .
Tokens: 1_____ 2_____ 3 4_________ 5_____________ 6 7___ 8___________ 9__ 10__ 11____ 12___ 13 14 15___________ 16___ 17__ 18 19_____ 20__________ 21___________ 22_____ 23 24 25___ 26__________ 27

Chunks:
  TruePositive nam [19,20] = Janusza Czapińskiego

2016-10-27 14:59:31,321 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 157 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107520.xml
(ChunkerEvaluator) Sentence #4069 from articles/00107520 from sent1

Text  : W ” Trybunie ” szykują się zwolnienia
Tokens: 1 2 3_______ 4 5______ 6__ 7_________

Chunks:
  TruePositive nam [3,3] = Trybunie

(ChunkerEvaluator) Sentence #4070 from articles/00107520 from sent2

Text  : Wydawca ” Trybuny ” spółka Ad Novum zapowiada zwolnienia dziennikarzy .
Tokens: 1______ 2 3______ 4 5_____ 6_ 7____ 8________ 9_________ 10__________ 11

Chunks:
  TruePositive nam [3,3] = Trybuny
  TruePositive nam [6,7] = Ad Novum

(ChunkerEvaluator) Sentence #4071 from articles/00107520 from sent3

Text  : Powodem jest jego zła sytuacja finansowa gazety .
Tokens: 1______ 2___ 3___ 4__ 5_______ 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #4072 from articles/00107520 from sent4

Text  : Zwolnienia w ” Trybunie ”
Tokens: 1_________ 2 3 4_______ 5

Chunks:
  TruePositive nam [4,4] = Trybunie

(ChunkerEvaluator) Sentence #4073 from articles/00107520 from sent5

Text  : Wydawca ” Trybuny ” spółka Ad Novum zapowiada zwolnienia dziennikarzy .
Tokens: 1______ 2 3______ 4 5_____ 6_ 7____ 8________ 9_________ 10__________ 11

Chunks:
  TruePositive nam [3,3] = Trybuny
  TruePositive nam [6,7] = Ad Novum

(ChunkerEvaluator) Sentence #4074 from articles/00107520 from sent6

Text  : Powodem jest jego zła sytuacja finansowa gazety .
Tokens: 1______ 2___ 3___ 4__ 5_______ 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #4075 from articles/00107520 from sent7

Text  : - Dostali śmy list wypowiadający układ zbiorowy i informujący o  zamierzeniu zwolnień grupowych -  poinformował Aleksander Frydrychowicz ,  szef Syndykatu Dziennikarzy Polskich w  „  Trybunie ”  .
Tokens: 1 2______ 3__ 4___ 5____________ 6____ 7_______ 8 9__________ 10 11_________ 12______ 13_______ 14 15__________ 16________ 17___________ 18 19__ 20_______ 21__________ 22______ 23 24 25______ 26 27

Chunks:
  TruePositive nam [16,17] = Aleksander Frydrychowicz
  TruePositive nam [20,22] = Syndykatu Dziennikarzy Polskich
  TruePositive nam [25,25] = Trybunie

(ChunkerEvaluator) Sentence #4076 from articles/00107520 from sent8

Text  : Ad Novum potwierdziło informację i zapowiada podjęcie rozmów ze związkami zawodowymi działającymi w  firmie .
Tokens: 1_ 2____ 3___________ 4_________ 5 6________ 7_______ 8_____ 9_ 10_______ 11________ 12__________ 13 14____ 15

Chunks:
  TruePositive nam [1,2] = Ad Novum

(ChunkerEvaluator) Sentence #4077 from articles/00107520 from sent9

Text  : Prezes spółki Arkadiusz Ostrowski zaznacza , że jego zamiarem jest zminimalizowanie zwolnień ,  ale również zmniejszenie kosztów w  firmie ,  której wydawanie dziennika przynosi 300 tys .  złotych strat miesięcznie .
Tokens: 1_____ 2_____ 3________ 4________ 5_______ 6 7_ 8___ 9_______ 10__ 11______________ 12______ 13 14_ 15_____ 16__________ 17_____ 18 19____ 20 21____ 22_______ 23_______ 24______ 25_ 26_ 27 28_____ 29___ 30_________ 31

Chunks:
  TruePositive nam [3,4] = Arkadiusz Ostrowski
  TruePositive nam [28,28] = złotych

2016-10-27 14:59:31,359 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 158 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107522.xml
(ChunkerEvaluator) Sentence #4078 from articles/00107522 from sent1

Text  : Moody & amp ; apos ; s tnie perspektywę polskiego sektora bankowego .
Tokens: 1____ 2 3__ 4 5___ 6 7 8___ 9__________ 10_______ 11_____ 12_______ 13

Chunks:
  FalseNegative nam [1,7] = Moody & amp ; apos ; s

(ChunkerEvaluator) Sentence #4079 from articles/00107522 from sent2

Text  : KNF protestuje
Tokens: 1__ 2_________

Chunks:
  TruePositive nam [1,1] = KNF

(ChunkerEvaluator) Sentence #4080 from articles/00107522 from sent3

Text  : Moody & amp ; apos ; s Investors Service obniżył perspektywę oceny wiarygodności kredytowej polskiego sektora bankowego do negatywnej ,  poinformowała we wtorek agencja ratingowa .
Tokens: 1____ 2 3__ 4 5___ 6 7 8________ 9______ 10_____ 11_________ 12___ 13___________ 14________ 15_______ 16_____ 17_______ 18 19________ 20 21___________ 22 23____ 24_____ 25_______ 26

Chunks:
  TruePositive nam [8,9] = Investors Service
  FalseNegative nam [1,7] = Moody & amp ; apos ; s

(ChunkerEvaluator) Sentence #4081 from articles/00107522 from sent4

Text  : Uważa bowiem , że środowisko , w którym banki działają pogorszy się .
Tokens: 1____ 2_____ 3 4_ 5_________ 6 7 8_____ 9____ 10______ 11______ 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #4082 from articles/00107522 from sent5

Text  : Przeciwko decyzji agencji zaprotestowała Komisja Nadzoru Finansowego
Tokens: 1________ 2______ 3______ 4_____________ 5______ 6______ 7__________

Chunks:
  TruePositive nam [5,7] = Komisja Nadzoru Finansowego

(ChunkerEvaluator) Sentence #4083 from articles/00107522 from sent6

Text  : " Słabszy wzrost gospodarczy wywoła pogorszenie jakości aktywów i zwiększy konkurencję o  finansowanie ,  ograniczając możliwości banków do rozwijania akcji kredytowej i  przez to negatywnie wpływając na przychody "  -  głosi komunikat .
Tokens: 1 2______ 3_____ 4__________ 5_____ 6__________ 7______ 8______ 9 10______ 11_________ 12 13__________ 14 15__________ 16________ 17____ 18 19________ 20___ 21________ 22 23___ 24 25________ 26_______ 27 28_______ 29 30 31___ 32_______ 33

Chunks:

(ChunkerEvaluator) Sentence #4084 from articles/00107522 from sent7

Text  : " W takim otoczeniu Moody's przewiduje , że banki będą akumulować płynność i  działać defensywnie ,  odwracając tym samym pozytywny trend z  pierwszego półrocza "  -  oceniła agencja .
Tokens: 1 2 3____ 4________ 5______ 6_________ 7 8_ 9____ 10__ 11________ 12______ 13 14_____ 15_________ 16 17________ 18_ 19___ 20_______ 21___ 22 23________ 24______ 25 26 27_____ 28_____ 29

Chunks:
  TruePositive nam [5,5] = Moody's

(ChunkerEvaluator) Sentence #4085 from articles/00107522 from sent8

Text  : W ocenie agencji Polska jest bardziej niż jej sąsiedzi narażona na zawirowania w  strefie euro .
Tokens: 1 2_____ 3______ 4_____ 5___ 6_______ 7__ 8__ 9_______ 10______ 11 12_________ 13 14_____ 15__ 16

Chunks:
  TruePositive nam [4,4] = Polska
  FalsePositive nam [15,15] = euro
  FalseNegative nam [14,15] = strefie euro

(ChunkerEvaluator) Sentence #4086 from articles/00107522 from sent9

Text  : „ Tym samym Moody's oczekuje , że słabszy wzrost w  głównych krajach Europy Zachodniej ,  konsolidacja fiskalna i  zmniejszenie akcji kredytowej przez banki ograniczą tempo wzrostu gospodarczego w  Polsce i  wpłyną na wyniki sektora bankowego ”  -  czytamy w  raporcie agencji ratingowej .
Tokens: 1 2__ 3____ 4______ 5_______ 6 7_ 8______ 9_____ 10 11______ 12_____ 13____ 14________ 15 16__________ 17______ 18 19__________ 20___ 21________ 22___ 23___ 24_______ 25___ 26_____ 27___________ 28 29____ 30 31____ 32 33____ 34_____ 35_______ 36 37 38_____ 39 40______ 41_____ 42________ 43

Chunks:
  TruePositive nam [4,4] = Moody's
  TruePositive nam [13,14] = Europy Zachodniej
  TruePositive nam [29,29] = Polsce

(ChunkerEvaluator) Sentence #4087 from articles/00107522 from sent10

Text  : Moody's nie spodziewa się jednak gwałtownego pogorszenia wyników polskich banków ,  a  raczej stopniowego zwiększania presji na ich wyniki na przestrzeni 12 -  18 miesięcy .
Tokens: 1______ 2__ 3________ 4__ 5_____ 6__________ 7__________ 8______ 9_______ 10____ 11 12 13____ 14_________ 15_________ 16____ 17 18_ 19____ 20 21_________ 22 23 24 25______ 26

Chunks:
  FalseNegative nam [1,1] = Moody's

(ChunkerEvaluator) Sentence #4088 from articles/00107522 from sent11

Text  : Agencja uważa też , że w obliczu spowolnienia tempa wzrostu gospodarczego i  niższej konsumpcji gospodarstw domowych należy się również spodziewać stopniowego pogorszenia jakości aktywów banków .
Tokens: 1______ 2____ 3__ 4 5_ 6 7______ 8___________ 9____ 10_____ 11___________ 12 13_____ 14________ 15_________ 16______ 17____ 18_ 19_____ 20________ 21_________ 22_________ 23_____ 24_____ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #4089 from articles/00107522 from sent12

Text  : Polskie banki pogrąży frank
Tokens: 1______ 2____ 3______ 4____

Chunks:
  FalseNegative nam [4,4] = frank

(ChunkerEvaluator) Sentence #4090 from articles/00107522 from sent13

Text  : Szczególnym powodem do obaw są w ocenie Moody's kredyty mieszkaniowe denominowane we frankach szwajcarskich ,  które w  sierpniu 2011 roku stanowiły 21 ,  3  procent całości kredytów .
Tokens: 1__________ 2______ 3_ 4___ 5_ 6 7_____ 8______ 9______ 10__________ 11__________ 12 13______ 14___________ 15 16___ 17 18______ 19__ 20__ 21_______ 22 23 24 25_____ 26_____ 27______ 28

Chunks:
  TruePositive nam [8,8] = Moody's
  FalseNegative nam [13,14] = frankach szwajcarskich

(ChunkerEvaluator) Sentence #4091 from articles/00107522 from sent14

Text  : „ Dalsza silna deprecjacja złotego zwiększyła by udział niespłacanych kredytów w  tej kategorii ”  -  przestrzega Moody's .
Tokens: 1 2_____ 3____ 4__________ 5______ 6_________ 7_ 8_____ 9____________ 10______ 11 12_ 13_______ 14 15 16_________ 17_____ 18

Chunks:
  TruePositive nam [5,5] = złotego
  TruePositive nam [17,17] = Moody's

(ChunkerEvaluator) Sentence #4092 from articles/00107522 from sent15

Text  : A dodatkowo agencja ocenia , że systemy zarządzania ryzykiem i  odzyskiwania należności w  polskich bankach są słabo przygotowane na napływ dużej fali złych kredytów .
Tokens: 1 2________ 3______ 4_____ 5 6_ 7______ 8__________ 9_______ 10 11__________ 12________ 13 14______ 15_____ 16 17___ 18__________ 19 20____ 21___ 22__ 23___ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #4093 from articles/00107522 from sent16

Text  : . . . i spółki - matki
Tokens: 1 2 3 4 5_____ 6 7____

Chunks:

(ChunkerEvaluator) Sentence #4094 from articles/00107522 from sent17

Text  : Finansowanie i płynność sektora bankowego pozostają podatne na trudne warunki rynkowe ze względu na zależność polskich banków od krótkoterminowych depozytów .
Tokens: 1___________ 2 3_______ 4______ 5________ 6________ 7______ 8_ 9_____ 10_____ 11_____ 12 13_____ 14 15_______ 16______ 17____ 18 19_______________ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #4095 from articles/00107522 from sent18

Text  : Czyni to sektor podatnym na wojny cenowe o depozyty ,  uważa Moody's .
Tokens: 1____ 2_ 3_____ 4_______ 5_ 6____ 7_____ 8 9_______ 10 11___ 12_____ 13

Chunks:
  FalseNegative nam [12,12] = Moody's

(ChunkerEvaluator) Sentence #4096 from articles/00107522 from sent19

Text  : Dodatkowo , wiele banków pozstaje zależnych od finansowania ze swych zagranicznych spółek -  matek ,  ponieważ same mają ograniczony dostęp do finansowania w  walutach .
Tokens: 1________ 2 3____ 4_____ 5_______ 6________ 7_ 8___________ 9_ 10___ 11___________ 12____ 13 14___ 15 16______ 17__ 18__ 19_________ 20____ 21 22__________ 23 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #4097 from articles/00107522 from sent20

Text  : Choć Moody's uważa środki od spółek - matek za stabilne źródło ,  może ono także okazać się źródłem ryzyka .
Tokens: 1___ 2______ 3____ 4_____ 5_ 6_____ 7 8____ 9_ 10______ 11____ 12 13__ 14_ 15___ 16____ 17_ 18_____ 19____ 20

Chunks:
  TruePositive nam [2,2] = Moody's

(ChunkerEvaluator) Sentence #4098 from articles/00107522 from sent21

Text  : KNF protestuje : To nieuzasadniona decyzja
Tokens: 1__ 2_________ 3 4_ 5_____________ 6______

Chunks:
  TruePositive nam [1,1] = KNF

(ChunkerEvaluator) Sentence #4099 from articles/00107522 from sent22

Text  : Przeciwko decyzji Moody's protestuje KNF .
Tokens: 1________ 2______ 3______ 4_________ 5__ 6

Chunks:
  TruePositive nam [3,3] = Moody's
  TruePositive nam [5,5] = KNF

(ChunkerEvaluator) Sentence #4100 from articles/00107522 from sent23

Text  : - Obniżka przez agencję Moody's Investors Service perspektywy oceny wiarygodności kredytowej polskiego sektora bankowego do negatywnej nie ma uzasadnienia w  kondycji polskiego sektora bankowego -  powiedział przewodniczący KNF Andrzej Jakubiak .
Tokens: 1 2______ 3____ 4______ 5______ 6________ 7______ 8__________ 9____ 10___________ 11________ 12_______ 13_____ 14_______ 15 16________ 17_ 18 19__________ 20 21______ 22_______ 23_____ 24_______ 25 26________ 27____________ 28_ 29_____ 30______ 31

Chunks:
  TruePositive nam [5,7] = Moody's Investors Service
  TruePositive nam [28,28] = KNF
  TruePositive nam [29,30] = Andrzej Jakubiak

(ChunkerEvaluator) Sentence #4101 from articles/00107522 from sent24

Text  : Jak dodał , jest to decyzja tym bardziej zaskakująca w  świetle dobrych wyników polskich banków ,  m  .  in .  Pekao SA .
Tokens: 1__ 2____ 3 4___ 5_ 6______ 7__ 8_______ 9__________ 10 11_____ 12_____ 13_____ 14______ 15____ 16 17 18 19 20 21___ 22 23

Chunks:
  TruePositive nam [21,22] = Pekao SA

(ChunkerEvaluator) Sentence #4102 from articles/00107522 from sent25

Text  : - Być może wynika z lęku o to co się wydarzy w  Europie w  najbliższych dniach .
Tokens: 1 2__ 3___ 4_____ 5 6___ 7 8_ 9_ 10_ 11_____ 12 13_____ 14 15__________ 16____ 17

Chunks:
  TruePositive nam [13,13] = Europie

(ChunkerEvaluator) Sentence #4103 from articles/00107522 from sent26

Text  : Ja nie znajduję uzasadnienia tej decyzji w kondycji polskiego sektora bankowego -  dodał Jakubiak .
Tokens: 1_ 2__ 3_______ 4___________ 5__ 6______ 7 8_______ 9________ 10_____ 11_______ 12 13___ 14______ 15

Chunks:
  TruePositive nam [14,14] = Jakubiak

(ChunkerEvaluator) Sentence #4104 from articles/00107522 from sent27

Text  : Belka : Decyzja Moody's o polskich bankach zaskakująca
Tokens: 1____ 2 3______ 4______ 5 6_______ 7______ 8__________

Chunks:
  TruePositive nam [1,1] = Belka
  FalsePositive nam [3,4] = Decyzja Moody's
  FalseNegative nam [4,4] = Moody's

(ChunkerEvaluator) Sentence #4105 from articles/00107522 from sent28

Text  : Marek Belka komentując decyzję agencji Moody's powiedział , że decyzja agencji o  obniżeniu oceny wiarygodności kredytowej polskiego sektora bankowego do negatywnej jest zaskakująca ,  powiedział we wtorek prezes Narodowego Banku Polskiego ,  Marek Belka .
Tokens: 1____ 2____ 3_________ 4______ 5______ 6______ 7_________ 8 9_ 10_____ 11_____ 12 13_______ 14___ 15___________ 16________ 17_______ 18_____ 19_______ 20 21________ 22__ 23_________ 24 25________ 26 27____ 28____ 29________ 30___ 31_______ 32 33___ 34___ 35

Chunks:
  TruePositive nam [1,2] = Marek Belka
  TruePositive nam [6,6] = Moody's
  TruePositive nam [29,31] = Narodowego Banku Polskiego
  TruePositive nam [33,34] = Marek Belka

(ChunkerEvaluator) Sentence #4106 from articles/00107522 from sent29

Text  : " Komentowanie dziś enuncjacji agencji ratingowych to trudna sprawa .
Tokens: 1 2___________ 3___ 4_________ 5______ 6__________ 7_ 8_____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #4107 from articles/00107522 from sent30

Text  : Po pierwsze jest to zdumiewające , zaskakujące ( decyzja Moody's )  .
Tokens: 1_ 2_______ 3___ 4_ 5___________ 6 7__________ 8 9______ 10_____ 11 12

Chunks:
  TruePositive nam [10,10] = Moody's

(ChunkerEvaluator) Sentence #4108 from articles/00107522 from sent31

Text  : Jeżeli mieli by śmy szukać przyczyn takiej oceny , to ona oczywiście leży w  sytuacji (  .  .  .  )  systemu bankowego w  Europie "  -  powiedział dziennikarzom Belka .
Tokens: 1_____ 2____ 3_ 4__ 5_____ 6_______ 7_____ 8____ 9 10 11_ 12________ 13__ 14 15______ 16 17 18 19 20 21_____ 22_______ 23 24_____ 25 26 27________ 28___________ 29___ 30

Chunks:
  TruePositive nam [24,24] = Europie
  TruePositive nam [29,29] = Belka

(ChunkerEvaluator) Sentence #4109 from articles/00107522 from sent32

Text  : " Ostatnie decyzje Rady Europejskiej zobowiązują banki europejskie do znacznego podniesienia wskaźników kapitałowych ,  co oczywiście ,  mimo wszelkich oficjalnych zapewnień ,  może skutkować obniżeniem skłonności tych banków do rozszerzenia z  jednej strony akcji kredytowej w  Polsce ,  a  z  drugiej kontynuwania finansowania krótkoterminowego "  -  dodał .
Tokens: 1 2_______ 3______ 4___ 5___________ 6__________ 7____ 8__________ 9_ 10_______ 11__________ 12________ 13__________ 14 15 16________ 17 18__ 19_______ 20_________ 21_______ 22 23__ 24_______ 25________ 26________ 27__ 28____ 29 30__________ 31 32____ 33____ 34___ 35________ 36 37____ 38 39 40 41_____ 42__________ 43__________ 44_______________ 45 46 47___ 48

Chunks:
  TruePositive nam [4,5] = Rady Europejskiej
  TruePositive nam [37,37] = Polsce

2016-10-27 14:59:31,622 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 159 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107523.xml
(ChunkerEvaluator) Sentence #4110 from articles/00107523 from sent1

Text  : Uniwersytet w Białymstoku
Tokens: 1__________ 2 3__________

Chunks:
  TruePositive nam [3,3] = Białymstoku
  FalseNegative nam [1,1] = Uniwersytet

(ChunkerEvaluator) Sentence #4111 from articles/00107523 from sent2

Text  : Akademicki Związek Sportowy przy Studium Wychowania Fizycznego i Sportu Uniwersytetu w  Białymstoku ,  ul .  Mickiewicza 1  ,  15 -  213 Białystok ,  tel .  (  0  85 )  745 71 72 ,  fax (  0  85 )  745 70 10
Tokens: 1_________ 2______ 3_______ 4___ 5______ 6_________ 7_________ 8 9_____ 10__________ 11 12_________ 13 14 15 16_________ 17 18 19 20 21_ 22_______ 23 24_ 25 26 27 28 29 30_ 31 32 33 34_ 35 36 37 38 39_ 40 41

Chunks:
  TruePositive nam [1,3] = Akademicki Związek Sportowy
  FalsePositive nam [5,7] = Studium Wychowania Fizycznego
  FalsePositive nam [9,12] = Sportu Uniwersytetu w Białymstoku
  FalsePositive nam [16,16] = Mickiewicza
  FalseNegative nam [12,12] = Białymstoku
  FalseNegative nam [14,17] = ul . Mickiewicza 1
  FalseNegative nam [22,22] = Białystok

(ChunkerEvaluator) Sentence #4112 from articles/00107523 from sent3

Text  : Akademicki Związek Sportowy przy Studium Wychowania Fizycznego i Sportu Uniwersytetu w  Białymstoku istnieje już prawie trzydzieści lat .
Tokens: 1_________ 2______ 3_______ 4___ 5______ 6_________ 7_________ 8 9_____ 10__________ 11 12_________ 13______ 14_ 15____ 16_________ 17_ 18

Chunks:
  TruePositive nam [1,3] = Akademicki Związek Sportowy
  TruePositive nam [12,12] = Białymstoku
  FalsePositive nam [5,7] = Studium Wychowania Fizycznego
  FalsePositive nam [9,10] = Sportu Uniwersytetu

(ChunkerEvaluator) Sentence #4113 from articles/00107523 from sent4

Text  : Sekcje męskie :
Tokens: 1_____ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #4114 from articles/00107523 from sent5

Text  : Siatkówka
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #4115 from articles/00107523 from sent6

Text  : Koszykówka
Tokens: 1_________

Chunks:
  FalsePositive nam [1,1] = Koszykówka

(ChunkerEvaluator) Sentence #4116 from articles/00107523 from sent7

Text  : Tenis stołowy
Tokens: 1____ 2______

Chunks:

(ChunkerEvaluator) Sentence #4117 from articles/00107523 from sent8

Text  : Lekkoatletyka
Tokens: 1____________

Chunks:

(ChunkerEvaluator) Sentence #4118 from articles/00107523 from sent9

Text  : Pływanie
Tokens: 1_______

Chunks:

(ChunkerEvaluator) Sentence #4119 from articles/00107523 from sent10

Text  : Piłka nożna
Tokens: 1____ 2____

Chunks:

(ChunkerEvaluator) Sentence #4120 from articles/00107523 from sent11

Text  : Piłka ręczna
Tokens: 1____ 2_____

Chunks:

(ChunkerEvaluator) Sentence #4121 from articles/00107523 from sent12

Text  : Sekcje kobiece
Tokens: 1_____ 2______

Chunks:

(ChunkerEvaluator) Sentence #4122 from articles/00107523 from sent13

Text  : Siatkówka
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #4123 from articles/00107523 from sent14

Text  : Koszykówka
Tokens: 1_________

Chunks:
  FalsePositive nam [1,1] = Koszykówka

(ChunkerEvaluator) Sentence #4124 from articles/00107523 from sent15

Text  : Tenis stołowy
Tokens: 1____ 2______

Chunks:

(ChunkerEvaluator) Sentence #4125 from articles/00107523 from sent16

Text  : Lekkoatletyka
Tokens: 1____________

Chunks:

(ChunkerEvaluator) Sentence #4126 from articles/00107523 from sent17

Text  : Pływanie
Tokens: 1_______

Chunks:

(ChunkerEvaluator) Sentence #4127 from articles/00107523 from sent18

Text  : Ponadto AZS ma bazę żeglarską oraz pięć jachtów kabinowych nad jeziorem Mamry ,  gdzie przez całe lato organizowane są obozy żeglarskie ,  a  także rejsy na trasie Węgorzewo -  Mikołajki i  z  powrotem .
Tokens: 1______ 2__ 3_ 4___ 5________ 6___ 7___ 8______ 9_________ 10_ 11______ 12___ 13 14___ 15___ 16__ 17__ 18__________ 19 20___ 21________ 22 23 24___ 25___ 26 27____ 28_______ 29 30_______ 31 32 33______ 34

Chunks:
  TruePositive nam [2,2] = AZS
  TruePositive nam [12,12] = Mamry
  TruePositive nam [28,28] = Węgorzewo
  TruePositive nam [30,30] = Mikołajki

(ChunkerEvaluator) Sentence #4128 from articles/00107523 from sent19

Text  : Prowadzone są także przy współpracy ze Studium Wychowania Fizycznego i  Sportu obozy narciarskie dla studentów w  Szklarskiej Porębie ,  w  których mogą uczestniczyć zarówno zaawansowani narciarze ,  jak i  ci zupełnie początkujący .
Tokens: 1_________ 2_ 3____ 4___ 5_________ 6_ 7______ 8_________ 9_________ 10 11____ 12___ 13_________ 14_ 15_______ 16 17_________ 18_____ 19 20 21_____ 22__ 23__________ 24_____ 25__________ 26_______ 27 28_ 29 30 31______ 32__________ 33

Chunks:
  TruePositive nam [17,18] = Szklarskiej Porębie
  FalsePositive nam [7,9] = Studium Wychowania Fizycznego
  FalsePositive nam [11,11] = Sportu
  FalseNegative nam [7,11] = Studium Wychowania Fizycznego i Sportu

(ChunkerEvaluator) Sentence #4129 from articles/00107523 from sent20

Text  : Sprzęt narciarski studenci mogą nieodpłatnie wypożyczyć ze studium .
Tokens: 1_____ 2_________ 3_______ 4___ 5___________ 6_________ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4130 from articles/00107523 from sent21

Text  : Od sezonu zimowego 1997 - 98 planowane są obozy narciarskie w  Alpach .
Tokens: 1_ 2_____ 3_______ 4___ 5 6_ 7________ 8_ 9____ 10_________ 11 12____ 13

Chunks:
  TruePositive nam [12,12] = Alpach

(ChunkerEvaluator) Sentence #4131 from articles/00107523 from sent22

Text  : W ciągu roku Akademicki Klub Sportowy organizuje masowe imprezy dla studentów naszej uczelni ,  a  także dla całego środowiska akademickiego naszego miasta .
Tokens: 1 2____ 3___ 4_________ 5___ 6_______ 7_________ 8_____ 9______ 10_ 11_______ 12____ 13_____ 14 15 16___ 17_ 18____ 19________ 20___________ 21_____ 22____ 23

Chunks:
  TruePositive nam [4,6] = Akademicki Klub Sportowy

2016-10-27 14:59:31,680 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 160 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107524.xml
(ChunkerEvaluator) Sentence #4132 from articles/00107524 from sent1

Text  : Kuźmiuk : decyzja prezydenta dezorganizuje pomysły rządu
Tokens: 1______ 2 3______ 4_________ 5____________ 6______ 7____

Chunks:
  FalseNegative nam [1,1] = Kuźmiuk

(ChunkerEvaluator) Sentence #4133 from articles/00107524 from sent2

Text  : Kuźmiuk : decyzja prezydenta dezorganizuje pomysły rządu
Tokens: 1______ 2 3______ 4_________ 5____________ 6______ 7____

Chunks:
  FalseNegative nam [1,1] = Kuźmiuk

(ChunkerEvaluator) Sentence #4134 from articles/00107524 from sent3

Text  : 14 . 10 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #4135 from articles/00107524 from sent4

Text  : Warszawa ( PAP ) - Zdaniem szefa klubu PSL Zbigniewa Kuźmiuka ,  decyzja prezydenta o  skierowaniu ustawy o  abolicji podatkowej do Trybunału Konstytucyjnego "  w  pewien sposób dezorganizuje pomysły rządu związane z  ujawnianiem majątków i  walką z  szarą strefą "  .
Tokens: 1_______ 2 3__ 4 5 6______ 7____ 8____ 9__ 10_______ 11______ 12 13_____ 14________ 15 16_________ 17____ 18 19______ 20________ 21 22_______ 23_____________ 24 25 26____ 27____ 28___________ 29_____ 30___ 31______ 32 33_________ 34______ 35 36___ 37 38___ 39____ 40 41

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [9,9] = PSL
  TruePositive nam [10,11] = Zbigniewa Kuźmiuka
  TruePositive nam [22,23] = Trybunału Konstytucyjnego

(ChunkerEvaluator) Sentence #4136 from articles/00107524 from sent5

Text  : Prezydent ogłosił w poniedziałek , że zdecydował się skierować ustawę o  abolicji podatkowej i  deklaracjach majątkowych do Trybunału Konstytucyjnego ,  po zapoznaniu się z  ekspertyzami "  szerokiego grona prawników "  .
Tokens: 1________ 2______ 3 4___________ 5 6_ 7_________ 8__ 9________ 10____ 11 12______ 13________ 14 15__________ 16_________ 17 18_______ 19_____________ 20 21 22________ 23_ 24 25__________ 26 27________ 28___ 29_______ 30 31

Chunks:
  TruePositive nam [18,19] = Trybunału Konstytucyjnego

(ChunkerEvaluator) Sentence #4137 from articles/00107524 from sent6

Text  : Aleksander Kwaśniewski podkreślił , że jeśli chodzi o abolicję podatkową ,  jego wątpliwości dotyczą możliwości naruszenia konstytucyjnej zasady równości oraz powszechnego nakładania ciężarów podatkowych .
Tokens: 1_________ 2__________ 3_________ 4 5_ 6____ 7_____ 8 9_______ 10_______ 11 12__ 13_________ 14_____ 15________ 16________ 17____________ 18____ 19______ 20__ 21__________ 22________ 23______ 24_________ 25

Chunks:
  TruePositive nam [1,2] = Aleksander Kwaśniewski

(ChunkerEvaluator) Sentence #4138 from articles/00107524 from sent7

Text  : Natomiast w przypadku deklaracji majątkowych , chodzi m . in .  o  zakaz nadmiernej ingerencji w  sferę praw obywatelskich i  naruszenie prywatności .
Tokens: 1________ 2 3________ 4_________ 5__________ 6 7_____ 8 9 10 11 12 13___ 14________ 15________ 16 17___ 18__ 19___________ 20 21________ 22_________ 23

Chunks:

(ChunkerEvaluator) Sentence #4139 from articles/00107524 from sent8

Text  : Kuźmiuk powiedział w poniedziałek PAP , że jest zaskoczony ,  ponieważ -  jak mówił -  na etapie prac nad projektem ustawy o  abolicji podatkowej ,  "  wątki "  ,  które prezydent wskazał w  uzasadnieniu swojej decyzji ,  były rozpatrywane i  "  pracownicy Kancelarii Sejmu zapewniali komisję finansów publicznych ,  że nie ma wątpliwości co do zgodności tego projektu z  konstytucją "  .
Tokens: 1______ 2_________ 3 4___________ 5__ 6 7_ 8___ 9_________ 10 11______ 12 13_ 14___ 15 16 17____ 18__ 19_ 20_______ 21____ 22 23______ 24________ 25 26 27___ 28 29 30___ 31_______ 32_____ 33 34__________ 35____ 36_____ 37 38__ 39__________ 40 41 42________ 43________ 44___ 45________ 46_____ 47______ 48_________ 49 50 51_ 52 53_________ 54 55 56_______ 57__ 58______ 59 60_________ 61 62

Chunks:
  TruePositive nam [5,5] = PAP
  TruePositive nam [43,44] = Kancelarii Sejmu
  FalseNegative nam [1,1] = Kuźmiuk

(ChunkerEvaluator) Sentence #4140 from articles/00107524 from sent9

Text  : Według szefa klubu PSL , w sprawie abolicji podatkowej ,  "  jak pewnie w  każdej "  ,  są różne opinie prawników i  "  prezydent ma możliwość ,  żeby dowiedzieć się co myśli o  danej ustawie Trybunał Konstytucyjny "  .
Tokens: 1_____ 2____ 3____ 4__ 5 6 7______ 8_______ 9_________ 10 11 12_ 13____ 14 15____ 16 17 18 19___ 20____ 21_______ 22 23 24_______ 25 26_______ 27 28__ 29________ 30_ 31 32___ 33 34___ 35_____ 36______ 37___________ 38 39

Chunks:
  TruePositive nam [4,4] = PSL
  TruePositive nam [36,37] = Trybunał Konstytucyjny

(ChunkerEvaluator) Sentence #4141 from articles/00107524 from sent10

Text  : " To oczywiście w pewien sposób dezorganizuje te wszystkie pomysły rządu ,  które zmierzały w  tę stronę ,  żeby doprowadzić do ujawnienia majątków i  do walki z  szarą strefą "  -  ocenił Kuźmiuk .
Tokens: 1 2_ 3_________ 4 5_____ 6_____ 7____________ 8_ 9________ 10_____ 11___ 12 13___ 14_______ 15 16 17____ 18 19__ 20_________ 21 22________ 23______ 24 25 26___ 27 28___ 29____ 30 31 32____ 33_____ 34

Chunks:
  FalseNegative nam [33,33] = Kuźmiuk

(ChunkerEvaluator) Sentence #4142 from articles/00107524 from sent11

Text  : Podkreślił , że parlament pracuje nad towarzyszącym ustawie o abolicji podatkowej projektem ustawy dotyczącym przepadku mienia pochodzącego z  przestępstwa .
Tokens: 1_________ 2 3_ 4________ 5______ 6__ 7____________ 8______ 9 10______ 11________ 12_______ 13____ 14________ 15_______ 16____ 17__________ 18 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #4143 from articles/00107524 from sent12

Text  : " Ustawa o abolicji była fragmentem pewnej całości , teraz ten fragment na razie nie będzie obowiązywał "  -  powiedział Kuźmiuk .
Tokens: 1 2_____ 3 4_______ 5___ 6_________ 7_____ 8______ 9 10___ 11_ 12______ 13 14___ 15_ 16____ 17_________ 18 19 20________ 21_____ 22

Chunks:
  FalseNegative nam [21,21] = Kuźmiuk

(ChunkerEvaluator) Sentence #4144 from articles/00107524 from sent13

Text  : " Nie wspomnę już o tych 600 milionach , które są wpisane do projektu budżetu (  według szacunków Ministerstwa Finansów takie wpływy do budżetu przyniosło by wprowadzenie w  życie ustawy abolicyjnej -  PAP )  i  w  związku z  tym ,  że Sejm nie może zmienić deficytu budżetowego ,  trzeba będzie albo obciąć na odpowiednią sumę wydatki albo zdjąć jakieś rodzaje wydatków poszczególnym instytucjom "  -  uważa szef klubu PSL .
Tokens: 1 2__ 3______ 4__ 5 6___ 7__ 8________ 9 10___ 11 12_____ 13 14______ 15_____ 16 17____ 18_______ 19__________ 20______ 21___ 22____ 23 24_____ 25________ 26 27__________ 28 29___ 30____ 31_________ 32 33_ 34 35 36 37_____ 38 39_ 40 41 42__ 43_ 44__ 45_____ 46______ 47_________ 48 49____ 50____ 51__ 52____ 53 54_________ 55__ 56_____ 57__ 58___ 59____ 60_____ 61______ 62___________ 63_________ 64 65 66___ 67__ 68___ 69_ 70

Chunks:
  TruePositive nam [19,20] = Ministerstwa Finansów
  TruePositive nam [33,33] = PAP
  TruePositive nam [42,42] = Sejm
  TruePositive nam [69,69] = PSL

(ChunkerEvaluator) Sentence #4145 from articles/00107524 from sent14

Text  : Kuźmiuk podkreślił , że na wyrok Trybunału trzeba będzie trochę poczekać ,  a  prace sejmowe nad budżetem mają zostać skończone -  według niego -  w  listopadzie .
Tokens: 1______ 2_________ 3 4_ 5_ 6____ 7________ 8_____ 9_____ 10____ 11______ 12 13 14___ 15_____ 16_ 17______ 18__ 19____ 20_______ 21 22____ 23___ 24 25 26_________ 27

Chunks:
  TruePositive nam [7,7] = Trybunału
  FalseNegative nam [1,1] = Kuźmiuk

(ChunkerEvaluator) Sentence #4146 from articles/00107524 from sent15

Text  : " Więc skoro zakwestionowane jest źródło dochodów to rozumiem ,  że Sejm nie może przejść nad tym do porządku dziennego "  -  powiedział .
Tokens: 1 2___ 3____ 4______________ 5___ 6_____ 7_______ 8_ 9_______ 10 11 12__ 13_ 14__ 15_____ 16_ 17_ 18 19______ 20_______ 21 22 23________ 24

Chunks:
  TruePositive nam [12,12] = Sejm

(ChunkerEvaluator) Sentence #4147 from articles/00107524 from sent16

Text  : Według niego , decyzja prezydenta jest " zastanawiająca " ponieważ -  jak przypomniał Kuźmiuk -  niedawno prezydent powiedział ,  że pomimo pewnych wątpliwości podpisze ustawę .
Tokens: 1_____ 2____ 3 4______ 5_________ 6___ 7 8_____________ 9 10______ 11 12_ 13_________ 14_____ 15 16______ 17_______ 18________ 19 20 21____ 22_____ 23_________ 24______ 25____ 26

Chunks:
  FalseNegative nam [14,14] = Kuźmiuk

(ChunkerEvaluator) Sentence #4148 from articles/00107524 from sent17

Text  : ( PAP ) mok / lop / RAF /
Tokens: 1 2__ 3 4__ 5 6__ 7 8__ 9

Chunks:
  TruePositive nam [2,2] = PAP
  TruePositive nam [8,8] = RAF
  FalseNegative nam [4,4] = mok
  FalseNegative nam [6,6] = lop

(ChunkerEvaluator) Sentence #4149 from articles/00107524 from sent18

Text  : ( PAP )
Tokens: 1 2__ 3

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:31,829 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 161 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107525.xml
(ChunkerEvaluator) Sentence #4150 from articles/00107525 from sent1

Text  : Goście z Chin zachwyceni Politechniką
Tokens: 1_____ 2 3___ 4_________ 5___________

Chunks:
  TruePositive nam [3,3] = Chin
  FalseNegative nam [5,5] = Politechniką

(ChunkerEvaluator) Sentence #4151 from articles/00107525 from sent2

Text  : Siedmioosobowa delegacja z chińskiego Taizhou odwiedziła we wtorek Kielce .
Tokens: 1_____________ 2________ 3 4_________ 5______ 6_________ 7_ 8_____ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Kielce
  FalseNegative nam [5,5] = Taizhou

(ChunkerEvaluator) Sentence #4152 from articles/00107525 from sent3

Text  : Goście , z wiceburmistrz na czele , przyglądali się między innymi Politechnice Świętokrzyskiej oraz w  kieleckich instytucjach kulturalnych .
Tokens: 1_____ 2 3 4____________ 5_ 6____ 7 8__________ 9__ 10____ 11____ 12__________ 13_____________ 14__ 15 16________ 17__________ 18__________ 19

Chunks:
  TruePositive nam [12,13] = Politechnice Świętokrzyskiej

(ChunkerEvaluator) Sentence #4153 from articles/00107525 from sent4

Text  : Do Kielc przyjechała między innymi zastępczyni prezydenta Ye Haiyan oraz przedstawiciele wyższej szkoły budowlanej i  departamentów :  edukacji ,  kultury i  finansów .
Tokens: 1_ 2____ 3__________ 4_____ 5_____ 6__________ 7_________ 8_ 9_____ 10__ 11_____________ 12_____ 13____ 14________ 15 16___________ 17 18______ 19 20_____ 21 22______ 23

Chunks:
  TruePositive nam [2,2] = Kielc
  TruePositive nam [8,9] = Ye Haiyan
  FalseNegative nam [12,14] = wyższej szkoły budowlanej

(ChunkerEvaluator) Sentence #4154 from articles/00107525 from sent5

Text  : - Szukamy wspólnych pól do działania - mówiła Anna Ciulęba ,  rzecznik prasowy prezydenta Kielc .
Tokens: 1 2______ 3________ 4__ 5_ 6________ 7 8_____ 9___ 10_____ 11 12______ 13_____ 14________ 15___ 16

Chunks:
  TruePositive nam [9,10] = Anna Ciulęba
  TruePositive nam [15,15] = Kielc

(ChunkerEvaluator) Sentence #4155 from articles/00107525 from sent6

Text  : Grupa najpierw odwiedziła Technikum budowlane przy ul . Zgody oraz Politechnikę Świętokrzyską .
Tokens: 1____ 2_______ 3_________ 4________ 5________ 6___ 7_ 8 9____ 10__ 11__________ 12___________ 13

Chunks:
  TruePositive nam [9,9] = Zgody
  TruePositive nam [11,12] = Politechnikę Świętokrzyską
  FalseNegative nam [4,5] = Technikum budowlane

(ChunkerEvaluator) Sentence #4156 from articles/00107525 from sent7

Text  : Na uczelni podziwiali laboratorium prof . Wiesława Trąmpczyńskiego z wydziału budownictwa i  inżynierii środowiska .
Tokens: 1_ 2______ 3_________ 4___________ 5___ 6 7_______ 8______________ 9 10______ 11_________ 12 13________ 14________ 15

Chunks:
  TruePositive nam [7,8] = Wiesława Trąmpczyńskiego

(ChunkerEvaluator) Sentence #4157 from articles/00107525 from sent8

Text  : - Nasi goście obejrzeli też wyniki najnowszych badań profesora i  wymienili się doświadczeniami ,  byli bardzo zainteresowani tym ,  jak pracuje ten wydział -  mówi rzecznik politechniki Kamil Dziewit .
Tokens: 1 2___ 3_____ 4________ 5__ 6_____ 7__________ 8____ 9________ 10 11_______ 12_ 13_____________ 14 15__ 16____ 17____________ 18_ 19 20_ 21_____ 22_ 23_____ 24 25__ 26______ 27__________ 28___ 29_____ 30

Chunks:
  TruePositive nam [28,29] = Kamil Dziewit

(ChunkerEvaluator) Sentence #4158 from articles/00107525 from sent9

Text  : Po południu Chińczycy spotkali się z dyrekcją KCK oraz Muzeum Zabawek i  Zabawy ,  a  wieczorem obejrzeli spektakl „  Jezioro łabędzie ”  .
Tokens: 1_ 2_______ 3________ 4_______ 5__ 6 7_______ 8__ 9___ 10____ 11_____ 12 13____ 14 15 16_______ 17_______ 18______ 19 20_____ 21______ 22 23

Chunks:
  TruePositive nam [3,3] = Chińczycy
  TruePositive nam [8,8] = KCK
  FalsePositive nam [10,11] = Muzeum Zabawek
  FalsePositive nam [13,13] = Zabawy
  FalseNegative nam [10,13] = Muzeum Zabawek i Zabawy
  FalseNegative nam [20,21] = Jezioro łabędzie

(ChunkerEvaluator) Sentence #4159 from articles/00107525 from sent10

Text  : Taizhou od września 2009 roku jest miastem przyjacielskim Kielc .
Tokens: 1______ 2_ 3_______ 4___ 5___ 6___ 7______ 8_____________ 9____ 10

Chunks:
  TruePositive nam [9,9] = Kielc
  FalseNegative nam [1,1] = Taizhou

(ChunkerEvaluator) Sentence #4160 from articles/00107525 from sent11

Text  : To sześciomilionowa aglomeracja leżąca w prowincji Zhjiang .
Tokens: 1_ 2_______________ 3__________ 4_____ 5 6________ 7______ 8

Chunks:
  FalseNegative nam [7,7] = Zhjiang

2016-10-27 14:59:31,885 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 162 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107526.xml
(ChunkerEvaluator) Sentence #4161 from articles/00107526 from sent1

Text  : Nałęcz : projekt wspólnego Marszu Niepodległości
Tokens: 1_____ 2 3______ 4________ 5_____ 6_____________

Chunks:
  TruePositive nam [1,1] = Nałęcz
  TruePositive nam [5,6] = Marszu Niepodległości

(ChunkerEvaluator) Sentence #4162 from articles/00107526 from sent2

Text  : Pod auspicjami prezydenta i z jego udziałem z Placu Trzech Krzyży mógł by w  przyszłym roku wyruszyć w  kierunku Belwederu wspólny Marsz Niepodległości -  powiedział we wtorek w  TVN24 prof .  Tomasz Nałęcz ,  doradca prezydenta Bronisława Komorowskiego .
Tokens: 1__ 2_________ 3_________ 4 5 6___ 7_______ 8 9____ 10____ 11____ 12__ 13 14 15_______ 16__ 17______ 18 19______ 20_______ 21_____ 22___ 23____________ 24 25________ 26 27____ 28 29___ 30__ 31 32____ 33____ 34 35_____ 36________ 37________ 38___________ 39

Chunks:
  TruePositive nam [9,11] = Placu Trzech Krzyży
  TruePositive nam [20,20] = Belwederu
  TruePositive nam [22,23] = Marsz Niepodległości
  TruePositive nam [32,33] = Tomasz Nałęcz
  TruePositive nam [37,38] = Bronisława Komorowskiego
  FalseNegative nam [29,29] = TVN24

(ChunkerEvaluator) Sentence #4163 from articles/00107526 from sent3

Text  : Marsz mógł by być alternatywą dla podzielonych pomiędzy różne opcje polityczne obchodów Święta Niepodległości ,  które -  jak to się okazało w  tym roku -  mogą prowadzić do eskalacji agresji .
Tokens: 1____ 2___ 3_ 4__ 5__________ 6__ 7___________ 8_______ 9____ 10___ 11________ 12______ 13____ 14____________ 15 16___ 17 18_ 19 20_ 21_____ 22 23_ 24__ 25 26__ 27_______ 28 29_______ 30_____ 31

Chunks:
  TruePositive nam [13,14] = Święta Niepodległości
  FalseNegative nam [1,1] = Marsz

(ChunkerEvaluator) Sentence #4164 from articles/00107526 from sent4

Text  : Zdaniem Nałęcza , marsz powinien ruszyć z Placu Trzech Krzyży w  kierunku Belwederu .
Tokens: 1______ 2______ 3 4____ 5_______ 6_____ 7 8____ 9_____ 10____ 11 12______ 13_______ 14

Chunks:
  TruePositive nam [2,2] = Nałęcza
  TruePositive nam [8,10] = Placu Trzech Krzyży
  TruePositive nam [13,13] = Belwederu

(ChunkerEvaluator) Sentence #4165 from articles/00107526 from sent5

Text  : " Najpierw - hołd Witosowi , pod pomnikiem na Placu Trzech Krzyży ,  potem po kilkuset metrach hołd Paderewskiemu ,  którego pomnik stoi w  Parku Ujazdowskim ,  naprzeciw można oddać hołd żołnierzom niepodległości pod pobliskim pomnikiem Stefana Grota -  Roweckiego ,  potem hołd dla tego ,  co Dmowski zrobił dla polskiej niepodległości pod jego pomnikiem na Placu na Rozdrożu ,  a  na koniec -  pomnik Piłsudskiego pod Belwederem .
Tokens: 1 2_______ 3 4___ 5_______ 6 7__ 8________ 9_ 10___ 11____ 12____ 13 14___ 15 16______ 17_____ 18__ 19___________ 20 21_____ 22____ 23__ 24 25___ 26_________ 27 28_______ 29___ 30___ 31__ 32________ 33____________ 34_ 35_______ 36_______ 37_____ 38___ 39 40________ 41 42___ 43__ 44_ 45__ 46 47 48_____ 49____ 50_ 51______ 52____________ 53_ 54__ 55_______ 56 57___ 58 59______ 60 61 62 63____ 64 65____ 66__________ 67_ 68________ 69

Chunks:
  TruePositive nam [5,5] = Witosowi
  TruePositive nam [10,12] = Placu Trzech Krzyży
  TruePositive nam [19,19] = Paderewskiemu
  TruePositive nam [25,26] = Parku Ujazdowskim
  TruePositive nam [37,40] = Stefana Grota - Roweckiego
  TruePositive nam [48,48] = Dmowski
  TruePositive nam [66,66] = Piłsudskiego
  TruePositive nam [68,68] = Belwederem
  FalsePositive nam [57,57] = Placu
  FalsePositive nam [59,59] = Rozdrożu
  FalseNegative nam [57,59] = Placu na Rozdrożu

(ChunkerEvaluator) Sentence #4166 from articles/00107526 from sent6

Text  : Można by się w ten sposób pokłonić większości ojców niepodległości "  -  mówił prof .  Nałęcz .
Tokens: 1____ 2_ 3__ 4 5__ 6_____ 7_______ 8_________ 9____ 10____________ 11 12 13___ 14__ 15 16____ 17

Chunks:
  TruePositive nam [16,16] = Nałęcz

(ChunkerEvaluator) Sentence #4167 from articles/00107526 from sent7

Text  : " Z tego co wiem to i prezydentowi Komorowskiemu podoba się ten pomysł "  -  powiedział Nałęcz dodając ,  że prezydent nie chciał by nikomu niczego narzucać ,  i  nie chce ,  aby idea Marszu Niepodległości dzieliła .
Tokens: 1 2 3___ 4_ 5___ 6_ 7 8___________ 9____________ 10____ 11_ 12_ 13____ 14 15 16________ 17____ 18_____ 19 20 21_______ 22_ 23____ 24 25____ 26_____ 27______ 28 29 30_ 31__ 32 33_ 34__ 35____ 36____________ 37______ 38

Chunks:
  TruePositive nam [9,9] = Komorowskiemu
  TruePositive nam [17,17] = Nałęcz
  TruePositive nam [35,36] = Marszu Niepodległości

(ChunkerEvaluator) Sentence #4168 from articles/00107526 from sent8

Text  : " Prezydent pragnął by , aby w takim marszu znalazło się miejsce dla całego spektrum postaw -  od profesora Jana Żaryna po Sławomira Sierakowskiego "  -  zaznaczył Nałęcz .
Tokens: 1 2________ 3______ 4_ 5 6__ 7 8____ 9_____ 10______ 11_ 12_____ 13_ 14____ 15______ 16____ 17 18 19_______ 20__ 21____ 22 23_______ 24____________ 25 26 27_______ 28____ 29

Chunks:
  TruePositive nam [20,21] = Jana Żaryna
  TruePositive nam [23,24] = Sławomira Sierakowskiego
  TruePositive nam [28,28] = Nałęcz

2016-10-27 14:59:31,964 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 163 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107527.xml
(ChunkerEvaluator) Sentence #4169 from articles/00107527 from sent1

Text  : Luksemburg - Szwajcaria 0 : 1
Tokens: 1_________ 2 3_________ 4 5 6

Chunks:
  TruePositive nam [1,1] = Luksemburg
  TruePositive nam [3,3] = Szwajcaria

(ChunkerEvaluator) Sentence #4170 from articles/00107527 from sent2

Text  : Luksemburg przegrał ze Szwajcarią 0 : 1 ( 0 :  1  )  we wtorkowym towarzyskim meczu piłkarskim ,  który odbył się w  Luksemburgu .
Tokens: 1_________ 2_______ 3_ 4_________ 5 6 7 8 9 10 11 12 13 14_______ 15_________ 16___ 17________ 18 19___ 20___ 21_ 22 23_________ 24

Chunks:
  TruePositive nam [1,1] = Luksemburg
  TruePositive nam [4,4] = Szwajcarią
  TruePositive nam [23,23] = Luksemburgu

(ChunkerEvaluator) Sentence #4171 from articles/00107527 from sent3

Text  : Jedyną bramkę w tym meczu zdobył w 9 . minucie Granit Xhaka .
Tokens: 1_____ 2_____ 3 4__ 5____ 6_____ 7 8 9 10_____ 11____ 12___ 13

Chunks:
  TruePositive nam [11,12] = Granit Xhaka

2016-10-27 14:59:31,976 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 164 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107528.xml
(ChunkerEvaluator) Sentence #4172 from articles/00107528 from sent1

Text  : Rafał Grodzicki : Wezmę środki przeciwbólowe i zagram z Cracovią
Tokens: 1____ 2________ 3 4____ 5_____ 6____________ 7 8_____ 9 10______

Chunks:
  TruePositive nam [1,2] = Rafał Grodzicki
  TruePositive nam [10,10] = Cracovią

(ChunkerEvaluator) Sentence #4173 from articles/00107528 from sent2

Text  : Kapitan Ruchu Chorzów z powodu kontuzji nie dotrwał do końca meczu Pucharu Polski z  Cracovią .
Tokens: 1______ 2____ 3______ 4 5_____ 6_______ 7__ 8______ 9_ 10___ 11___ 12_____ 13____ 14 15______ 16

Chunks:
  TruePositive nam [2,3] = Ruchu Chorzów
  TruePositive nam [12,13] = Pucharu Polski
  TruePositive nam [15,15] = Cracovią

(ChunkerEvaluator) Sentence #4174 from articles/00107528 from sent3

Text  : Zapowiada jednak , że chce zagrać w sobotnim meczu ligowym obu drużyn .
Tokens: 1________ 2_____ 3 4_ 5___ 6_____ 7 8_______ 9____ 10_____ 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #4175 from articles/00107528 from sent4

Text  : - Tak naprawdę miałem dwie kontuzje - powiedział Grodzicki na oficjalnej stronie klubu .
Tokens: 1 2__ 3_______ 4_____ 5___ 6_______ 7 8_________ 9________ 10 11________ 12_____ 13___ 14

Chunks:
  TruePositive nam [9,9] = Grodzicki

(ChunkerEvaluator) Sentence #4176 from articles/00107528 from sent5

Text  : - Lekko naciągnął em więzadła poboczne , ale poważniejszy był stan zapalny śródstopia .
Tokens: 1 2____ 3________ 4_ 5_______ 6_______ 7 8__ 9___________ 10_ 11__ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #4177 from articles/00107528 from sent6

Text  : Przez dwa dni nie trenował em , ale nasz masażysta dokonywał cudów ,  by doprowadzić mnie do zdrowia .
Tokens: 1____ 2__ 3__ 4__ 5_______ 6_ 7 8__ 9___ 10_______ 11_______ 12___ 13 14 15_________ 16__ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #4178 from articles/00107528 from sent7

Text  : Grodzicki pierwsze kroki w poważnym futbolu stawiał w Cracovii (  w  latach 1999 -  2002 )  .
Tokens: 1________ 2_______ 3____ 4 5_______ 6______ 7______ 8 9_______ 10 11 12____ 13__ 14 15__ 16 17

Chunks:
  TruePositive nam [9,9] = Cracovii
  FalseNegative nam [1,1] = Grodzicki

(ChunkerEvaluator) Sentence #4179 from articles/00107528 from sent8

Text  : Mimo kontuzji , zapowiada , że w sobotnim meczu z  krakowianami będzie chciał zagrać .
Tokens: 1___ 2_______ 3 4________ 5 6_ 7 8_______ 9____ 10 11__________ 12____ 13____ 14____ 15

Chunks:
  FalseNegative nam [11,11] = krakowianami

(ChunkerEvaluator) Sentence #4180 from articles/00107528 from sent9

Text  : - Nawet jeśli będzie mnie jeszcze coś bolało , to zacisnę zęby ,  wezmę środki przeciwbólowe i  jeśli trener mnie wystawi ,  to jestem gotowy .
Tokens: 1 2____ 3____ 4_____ 5___ 6______ 7__ 8_____ 9 10 11_____ 12__ 13 14___ 15____ 16___________ 17 18___ 19____ 20__ 21_____ 22 23 24____ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #4181 from articles/00107528 from sent10

Text  : Takie zacięte podejście kapitana chorzowskiej drużyny może cieszyć krakowskich kibiców .
Tokens: 1____ 2______ 3________ 4_______ 5___________ 6______ 7___ 8______ 9__________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #4182 from articles/00107528 from sent11

Text  : Grodzicki 1 stycznia 2012 roku może wrócić do Cracovii (  już wcześniej miał propozycje ,  ale do transferu nie doszło )  .
Tokens: 1________ 2 3_______ 4___ 5___ 6___ 7_____ 8_ 9_______ 10 11_ 12_______ 13__ 14________ 15 16_ 17 18_______ 19_ 20____ 21 22

Chunks:
  TruePositive nam [1,1] = Grodzicki
  TruePositive nam [9,9] = Cracovii

(ChunkerEvaluator) Sentence #4183 from articles/00107528 from sent12

Text  : Zawodnikowi z końcem 2011 roku wygasa kontrakt z Ruchem .
Tokens: 1__________ 2 3_____ 4___ 5___ 6_____ 7_______ 8 9_____ 10

Chunks:
  TruePositive nam [9,9] = Ruchem

2016-10-27 14:59:32,034 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 165 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107529.xml
(ChunkerEvaluator) Sentence #4184 from articles/00107529 from sent1

Text  : Firma Gomar Pińczów przygotowuje się do rebrandingu marki
Tokens: 1____ 2____ 3______ 4___________ 5__ 6_ 7__________ 8____

Chunks:
  TruePositive nam [2,3] = Gomar Pińczów

(ChunkerEvaluator) Sentence #4185 from articles/00107529 from sent2

Text  : W nadchodzących miesiącach zostanie wprowadzony unowocześniony logotyp firmy Gomar Pińczów ,  zmienione zostaną także etykiety produktów .
Tokens: 1 2____________ 3_________ 4_______ 5__________ 6_____________ 7______ 8____ 9____ 10_____ 11 12_______ 13_____ 14___ 15______ 16_______ 17

Chunks:
  TruePositive nam [9,10] = Gomar Pińczów

(ChunkerEvaluator) Sentence #4186 from articles/00107529 from sent3

Text  : Firma przewiduje kontynuację działań marketingowych w internecie , a w  2012 roku zaplanuje kampanię telewizyjną .
Tokens: 1____ 2_________ 3__________ 4______ 5_____________ 6 7_________ 8 9 10 11__ 12__ 13_______ 14______ 15_________ 16

Chunks:
  FalsePositive nam [7,7] = internecie

(ChunkerEvaluator) Sentence #4187 from articles/00107529 from sent4

Text  : W związku ze zmianą wizerunku firmy , w nadchodzących miesiącach nastąpi rebranding wszystkich produktów .
Tokens: 1 2______ 3_ 4_____ 5________ 6____ 7 8 9____________ 10________ 11_____ 12________ 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #4188 from articles/00107529 from sent5

Text  : Etykiety wyrobów z Pińczowa będą miały nową szatę graficzną Dodatkowo zostały opracowane nowoczesne mastery dla poszczególnych linii produktowych .
Tokens: 1_______ 2______ 3 4_______ 5___ 6____ 7___ 8____ 9________ 10_______ 11_____ 12________ 13________ 14_____ 15_ 16____________ 17___ 18__________ 19

Chunks:
  TruePositive nam [4,4] = Pińczowa

(ChunkerEvaluator) Sentence #4189 from articles/00107529 from sent6

Text  : Gomar Pińczów postawi na edukowanie o naturalnych właściwościach zdrowotnych i  wysokiej jakości pasteryzowanych produktów ,  umieszczając kluczowe informacje na nowych etykietach na ekologicznych ,  szklanych opakowaniach .
Tokens: 1____ 2______ 3______ 4_ 5_________ 6 7__________ 8_____________ 9__________ 10 11______ 12_____ 13_____________ 14_______ 15 16__________ 17______ 18________ 19 20____ 21________ 22 23___________ 24 25_______ 26__________ 27

Chunks:
  TruePositive nam [1,2] = Gomar Pińczów

(ChunkerEvaluator) Sentence #4190 from articles/00107529 from sent7

Text  : Jednym z elementów rebrandingu będzie także przewidywana kampania telewizyjna .
Tokens: 1_____ 2 3________ 4__________ 5_____ 6____ 7___________ 8_______ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #4191 from articles/00107529 from sent8

Text  : Jej celem jest prezentacja wysokiej jakości wyrobów z Pińczowa .
Tokens: 1__ 2____ 3___ 4__________ 5_______ 6______ 7______ 8 9_______ 10

Chunks:
  TruePositive nam [9,9] = Pińczowa

(ChunkerEvaluator) Sentence #4192 from articles/00107529 from sent9

Text  : Rozpoczęcie działań planowane jest najprawdopodobniej na III / IV kwartał 2012 roku .
Tokens: 1__________ 2______ 3________ 4___ 5_________________ 6_ 7__ 8 9_ 10_____ 11__ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #4193 from articles/00107529 from sent10

Text  : - Prężenie działamy od ponad 25 lat i zależy nam na tym ,  aby długoletnią tradycję i  doświadczenie połączyć z  nowoczesnym wizerunkiem i  innowacyjnymi technologiami .
Tokens: 1 2_______ 3_______ 4_ 5____ 6_ 7__ 8 9_____ 10_ 11 12_ 13 14_ 15_________ 16______ 17 18___________ 19______ 20 21_________ 22_________ 23 24___________ 25___________ 26

Chunks:

(ChunkerEvaluator) Sentence #4194 from articles/00107529 from sent11

Text  : Chcemy zaznaczyć naszą obecność na rynku ogólnopolskim , a to oznacza że musimy wzmocnić rozpoznawalność marki ,  miedzy innymi poprzez działania w  internecie czy kampanię telewizyjną .
Tokens: 1_____ 2________ 3____ 4_______ 5_ 6____ 7____________ 8 9 10 11_____ 12 13____ 14______ 15_____________ 16___ 17 18____ 19____ 20_____ 21_______ 22 23________ 24_ 25______ 26_________ 27

Chunks:
  FalsePositive nam [23,23] = internecie

(ChunkerEvaluator) Sentence #4195 from articles/00107529 from sent12

Text  : Nie boimy się zmian - mówi Michał Górniak , prezes Przetwórstwa Owoców i  Warzyw GOMAR Pińczów .
Tokens: 1__ 2____ 3__ 4____ 5 6___ 7_____ 8______ 9 10____ 11__________ 12____ 13 14____ 15___ 16_____ 17

Chunks:
  TruePositive nam [7,8] = Michał Górniak
  FalsePositive nam [11,12] = Przetwórstwa Owoców
  FalsePositive nam [14,16] = Warzyw GOMAR Pińczów
  FalseNegative nam [11,16] = Przetwórstwa Owoców i Warzyw GOMAR Pińczów

(ChunkerEvaluator) Sentence #4196 from articles/00107529 from sent13

Text  : Firma Przetwórstwo Owoców i Warzyw Gomar w Pińczowie działa w  branży przetwórstwa owocowo -  warzywnego od 25 lat i  zatrudnia około 400 pracowników .
Tokens: 1____ 2___________ 3_____ 4 5_____ 6____ 7 8________ 9_____ 10 11____ 12__________ 13_____ 14 15________ 16 17 18_ 19 20_______ 21___ 22_ 23_________ 24

Chunks:
  TruePositive nam [8,8] = Pińczowie
  FalsePositive nam [2,3] = Przetwórstwo Owoców
  FalsePositive nam [5,6] = Warzyw Gomar
  FalseNegative nam [2,6] = Przetwórstwo Owoców i Warzyw Gomar

(ChunkerEvaluator) Sentence #4197 from articles/00107529 from sent14

Text  : Firma zajmuje się produkcją mrożonek , koncentratów , wyrobów gotowych takich ,  jak soki ,  napoje ,  syropy ,  dżemy ,  ogórki ,  buraczki ,  sałatki i  inne .
Tokens: 1____ 2______ 3__ 4________ 5_______ 6 7___________ 8 9______ 10______ 11____ 12 13_ 14__ 15 16____ 17 18____ 19 20___ 21 22____ 23 24______ 25 26_____ 27 28__ 29

Chunks:

(ChunkerEvaluator) Sentence #4198 from articles/00107529 from sent15

Text  : Kluczowe produkty to : koncentrat pomidorowy , dżem truskawkowy ,  sok pomidorowy oraz soki Michaś w  kartonikach .
Tokens: 1_______ 2_______ 3_ 4 5_________ 6_________ 7 8___ 9__________ 10 11_ 12________ 13__ 14__ 15____ 16 17_________ 18

Chunks:
  TruePositive nam [15,15] = Michaś

2016-10-27 14:59:32,116 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 166 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107530.xml
(ChunkerEvaluator) Sentence #4199 from articles/00107530 from sent1

Text  : Tętniak mózgu : można się jakoś przed nim uchronić ?
Tokens: 1______ 2____ 3 4____ 5__ 6____ 7____ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #4200 from articles/00107530 from sent2

Text  : Jest niczym tykająca bomba w głowie .
Tokens: 1___ 2_____ 3_______ 4____ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #4201 from articles/00107530 from sent3

Text  : Może zaatakować w każdym wieku , zwykle nie wysyła sygnałów ostrzegawczych .
Tokens: 1___ 2_________ 3 4_____ 5____ 6 7_____ 8__ 9_____ 10______ 11____________ 12

Chunks:

(ChunkerEvaluator) Sentence #4202 from articles/00107530 from sent4

Text  : Profilaktyka jest bardzo ograniczona .
Tokens: 1___________ 2___ 3_____ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #4203 from articles/00107530 from sent5

Text  : Czyżby śmy byli wobec niego zupełnie bezradni ?
Tokens: 1_____ 2__ 3___ 4____ 5____ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #4204 from articles/00107530 from sent6

Text  : Pani Renata przeżyła pęknięcie tętniaka 17 lat temu .
Tokens: 1___ 2_____ 3_______ 4________ 5_______ 6_ 7__ 8___ 9

Chunks:
  TruePositive nam [2,2] = Renata

(ChunkerEvaluator) Sentence #4205 from articles/00107530 from sent7

Text  : Miała wówczas 35 lat , uchodziła za osobę zupełnie zdrową .
Tokens: 1____ 2______ 3_ 4__ 5 6________ 7_ 8____ 9_______ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #4206 from articles/00107530 from sent8

Text  : Rozsadzała ją energia .
Tokens: 1_________ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #4207 from articles/00107530 from sent9

Text  : Realizowała się zawodowo i rodzinnie .
Tokens: 1__________ 2__ 3_______ 4 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #4208 from articles/00107530 from sent10

Text  : Jej zdolne dzieciaki , Marcin i Marta , właśnie kończyły szkołę podstawową .
Tokens: 1__ 2_____ 3________ 4 5_____ 6 7____ 8 9______ 10______ 11____ 12________ 13

Chunks:
  TruePositive nam [5,5] = Marcin
  TruePositive nam [7,7] = Marta

(ChunkerEvaluator) Sentence #4209 from articles/00107530 from sent11

Text  : Ból głowy , dosłownie rozsadzający czaszkę , wyrwał ją ze snu .
Tokens: 1__ 2____ 3 4________ 5___________ 6______ 7 8_____ 9_ 10 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #4210 from articles/00107530 from sent12

Text  : Wcześniej dość często dokuczał jej ból głowy , lekarze podejrzewali migrenę ,  ale tego bólu nie dało się porównać z  żadnym wcześniejszym .
Tokens: 1________ 2___ 3_____ 4_______ 5__ 6__ 7____ 8 9______ 10__________ 11_____ 12 13_ 14__ 15__ 16_ 17__ 18_ 19______ 20 21____ 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #4211 from articles/00107530 from sent13

Text  : Nie złagodziły go żadne środki przeciwbólowe , które dotychczas pomagały .
Tokens: 1__ 2_________ 3_ 4____ 5_____ 6____________ 7 8____ 9_________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #4212 from articles/00107530 from sent14

Text  : Rozsądek podpowiadał wezwanie pogotowia ratunkowego , ale pani Renata pracuje w  szpitalu ,  więc wie ,  jak czasami reagują na tych ,  co „  chcą karetki do bólu głowy ”  .
Tokens: 1_______ 2__________ 3_______ 4________ 5__________ 6 7__ 8___ 9_____ 10_____ 11 12______ 13 14__ 15_ 16 17_ 18_____ 19_____ 20 21__ 22 23 24 25__ 26_____ 27 28__ 29___ 30 31

Chunks:
  TruePositive nam [9,9] = Renata

(ChunkerEvaluator) Sentence #4213 from articles/00107530 from sent15

Text  : Do szpitala zawiózł ją mąż .
Tokens: 1_ 2_______ 3______ 4_ 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #4214 from articles/00107530 from sent16

Text  : Jeszcze wciąż naiwnie wierzyła , że dostanie coś mocniejszego i  przepracuje ten dzień .
Tokens: 1______ 2____ 3______ 4_______ 5 6_ 7_______ 8__ 9___________ 10 11_________ 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #4215 from articles/00107530 from sent17

Text  : Poprosiła zaprzyjaźnionego lekarza o lek dożylny .
Tokens: 1________ 2_______________ 3______ 4 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4216 from articles/00107530 from sent18

Text  : Nie pamięta , czy go dostała .
Tokens: 1__ 2______ 3 4__ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4217 from articles/00107530 from sent19

Text  : Straciła przytomność .
Tokens: 1_______ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #4218 from articles/00107530 from sent20

Text  : Obudziła się w specjalistycznej klinice neurochirurgicznej .
Tokens: 1_______ 2__ 3 4_______________ 5______ 6_________________ 7

Chunks:

(ChunkerEvaluator) Sentence #4219 from articles/00107530 from sent21

Text  : Po wielu tygodniach leczenia wróciła do domu .
Tokens: 1_ 2____ 3_________ 4_______ 5______ 6_ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #4220 from articles/00107530 from sent22

Text  : Po kilku miesiącach : do pracy .
Tokens: 1_ 2____ 3_________ 4 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #4221 from articles/00107530 from sent23

Text  : Problem więcej nie powrócił .
Tokens: 1______ 2_____ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #4222 from articles/00107530 from sent24

Text  : Może jedynie we wspomnieniach , które zawsze uświadamiają , jak kruche jest ludzkie życie .
Tokens: 1___ 2______ 3_ 4____________ 5 6____ 7_____ 8___________ 9 10_ 11____ 12__ 13_____ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #4223 from articles/00107530 from sent25

Text  : Pani Renata wie doskonale , jak wiele miała szczęścia .
Tokens: 1___ 2_____ 3__ 4________ 5 6__ 7____ 8____ 9________ 10

Chunks:
  TruePositive nam [2,2] = Renata

(ChunkerEvaluator) Sentence #4224 from articles/00107530 from sent26

Text  : Pracuje w końcu w służbie zdrowia , zna statystyki i  mnóstwo historii ,  które nie skończyły się tak dobrze .
Tokens: 1______ 2 3____ 4 5______ 6______ 7 8__ 9_________ 10 11_____ 12______ 13 14___ 15_ 16_______ 17_ 18_ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #4225 from articles/00107530 from sent27

Text  : Trudno o optymizm
Tokens: 1_____ 2 3_______

Chunks:

(ChunkerEvaluator) Sentence #4226 from articles/00107530 from sent28

Text  : Tętnice są naczyniami krwionośnymi , przypominającymi rurki .
Tokens: 1______ 2_ 3_________ 4___________ 5 6_______________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #4227 from articles/00107530 from sent29

Text  : Dzięki nim do komórek w całym organizmie , także w  mózgu ,  docierają substancje odżywcze .
Tokens: 1_____ 2__ 3_ 4______ 5 6____ 7_________ 8 9____ 10 11___ 12 13_______ 14________ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #4228 from articles/00107530 from sent30

Text  : Ściana każdej tętnicy składa się z kilku warstw .
Tokens: 1_____ 2_____ 3______ 4_____ 5__ 6 7____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #4229 from articles/00107530 from sent31

Text  : Jeśli jedna z nich ulegnie osłabieniu , może dojść do „  rozepchnięcia ”  struktury tętnicy w  tym miejscu .
Tokens: 1____ 2____ 3 4___ 5______ 6_________ 7 8___ 9____ 10 11 12___________ 13 14_______ 15_____ 16 17_ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #4230 from articles/00107530 from sent32

Text  : Tak właśnie tworzy się tętniak .
Tokens: 1__ 2______ 3_____ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #4231 from articles/00107530 from sent33

Text  : Tętniaki workowate przypominają worek , taką sakiewkę z długą szyją ,  na której „  wiszą ”  .
Tokens: 1_______ 2________ 3___________ 4____ 5 6___ 7_______ 8 9____ 10___ 11 12 13____ 14 15___ 16 17

Chunks:

(ChunkerEvaluator) Sentence #4232 from articles/00107530 from sent34

Text  : Wrzecionowate nie mają worka , wyglądają bardziej jak naczynie poszerzone we wszystkich kierunkach .
Tokens: 1____________ 2__ 3___ 4____ 5 6________ 7_______ 8__ 9_______ 10________ 11 12________ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #4233 from articles/00107530 from sent35

Text  : Jeśli już mieć tętniaka mózgu , to chyba lepiej wrzecionowatego ,  bo te rzadko pękają .
Tokens: 1____ 2__ 3___ 4_______ 5____ 6 7_ 8____ 9_____ 10_____________ 11 12 13 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #4234 from articles/00107530 from sent36

Text  : Wyraźna większość tętniaków mózgu ( ok . 90 % )  jest wykrywana dopiero po ich pęknięciu .
Tokens: 1______ 2________ 3________ 4____ 5 6_ 7 8_ 9 10 11__ 12_______ 13_____ 14 15_ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #4235 from articles/00107530 from sent37

Text  : Zazwyczaj dopiero tętniaki o wielkości 22 mm i nieco więcej dają o  sobie wyraźnie znać i  przyczyniają się do rozpoczęcia diagnostyki i  leczenia przed krwawieniem .
Tokens: 1________ 2______ 3_______ 4 5________ 6_ 7_ 8 9____ 10____ 11__ 12 13___ 14______ 15__ 16 17__________ 18_ 19 20_________ 21_________ 22 23______ 24___ 25_________ 26

Chunks:

(ChunkerEvaluator) Sentence #4236 from articles/00107530 from sent38

Text  : Uciskają bowiem struktury mózgu .
Tokens: 1_______ 2_____ 3________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #4237 from articles/00107530 from sent39

Text  : Zarazem 25 % pacjentów z tętniakami „ prawie olbrzymimi ”  i  olbrzymimi trafia do szpitala już po ich pęknięciu .
Tokens: 1______ 2_ 3 4________ 5 6_________ 7 8_____ 9_________ 10 11 12________ 13____ 14 15______ 16_ 17 18_ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #4238 from articles/00107530 from sent40

Text  : Rokowania co do przeżycia są u nich gorsze , niż u  pacjentów z  pękniętym tętniakiem małym .
Tokens: 1________ 2_ 3_ 4________ 5_ 6 7___ 8_____ 9 10_ 11 12_______ 13 14_______ 15________ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #4239 from articles/00107530 from sent41

Text  : Jeden na dziesięć tysięcy
Tokens: 1____ 2_ 3_______ 4______

Chunks:

(ChunkerEvaluator) Sentence #4240 from articles/00107530 from sent42

Text  : Według większości raportów tętniaki naczyń mózgowych może mieć od 1  -  5  %  populacji .
Tokens: 1_____ 2_________ 3_______ 4_______ 5_____ 6________ 7___ 8___ 9_ 10 11 12 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #4241 from articles/00107530 from sent43

Text  : Zarazem nie każdy z nich sprawia problemy .
Tokens: 1______ 2__ 3____ 4 5___ 6______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #4242 from articles/00107530 from sent44

Text  : Przyjmuje się , że w ciągu roku jedna osoba na 10 tysięcy może trafić do szpitala z  powodu pęknięcia tętniaka mózgu .
Tokens: 1________ 2__ 3 4_ 5 6____ 7___ 8____ 9____ 10 11 12_____ 13__ 14____ 15 16______ 17 18____ 19_______ 20______ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #4243 from articles/00107530 from sent45

Text  : Chociaż tętniaki stwierdza się u osób w każdym wieku (  niestety ,  także bardzo młodych ,  a  ryzyko rośnie już od ukończenia 30 lat )  ,  najwięcej chorych jest z  przedziału 50 -  70 lat ,  głównie kobiet .
Tokens: 1______ 2_______ 3________ 4__ 5 6___ 7 8_____ 9____ 10 11______ 12 13___ 14____ 15_____ 16 17 18____ 19____ 20_ 21 22________ 23 24_ 25 26 27_______ 28_____ 29__ 30 31________ 32 33 34 35_ 36 37_____ 38____ 39

Chunks:

(ChunkerEvaluator) Sentence #4244 from articles/00107530 from sent46

Text  : Chociaż tak do końca nie znamy wszystkich przyczyn powstawania tętniaków ,  ryzyko na pewno zwiększa palenie papierosów ,  nadciśnienie tętnicze ,  miażdżyca ,  a  także występowanie tętniaków w  najbliższej rodzinie (  5  -  15 %  osób ze stwierdzonym tętniakiem ma dodatni wywiad rodzinny )  i  dziedziczne zaburzenia tkanki łącznej (  np .  torbielowatość nerek )  .
Tokens: 1______ 2__ 3_ 4____ 5__ 6____ 7_________ 8_______ 9__________ 10_______ 11 12____ 13 14___ 15______ 16_____ 17________ 18 19__________ 20______ 21 22_______ 23 24 25___ 26__________ 27_______ 28 29_________ 30______ 31 32 33 34 35 36__ 37 38__________ 39________ 40 41_____ 42____ 43______ 44 45 46_________ 47________ 48____ 49_____ 50 51 52 53____________ 54___ 55 56

Chunks:

(ChunkerEvaluator) Sentence #4245 from articles/00107530 from sent47

Text  : Chociaż nikt z nas nie może mieć całkowitej pewności ,  że tętniaka nie ma lub nie będzie miał ,  a  także nie mamy wpływu na schorzenia bliskich ,  możemy znacząco wpływać na nasz los .
Tokens: 1______ 2___ 3 4__ 5__ 6___ 7___ 8_________ 9_______ 10 11 12______ 13_ 14 15_ 16_ 17____ 18__ 19 20 21___ 22_ 23__ 24____ 25 26________ 27______ 28 29____ 30______ 31_____ 32 33__ 34_ 35

Chunks:

(ChunkerEvaluator) Sentence #4246 from articles/00107530 from sent48

Text  : Rzuć palenie , kontroluj ciśnienie przynajmniej raz do roku :  te proste zasady powinny być świętymi ,  gdyż chronią nas nie tylko przed tętniakami ,  ale wieloma zabójczymi problemami ,  w  tym nowotworami czy chorobami serca .
Tokens: 1___ 2______ 3 4________ 5________ 6___________ 7__ 8_ 9___ 10 11 12____ 13____ 14_____ 15_ 16______ 17 18__ 19_____ 20_ 21_ 22___ 23___ 24________ 25 26_ 27_____ 28________ 29________ 30 31 32_ 33_________ 34_ 35_______ 36___ 37

Chunks:

(ChunkerEvaluator) Sentence #4247 from articles/00107530 from sent49

Text  : Nie ma się z czego śmiać
Tokens: 1__ 2_ 3__ 4 5____ 6____

Chunks:

(ChunkerEvaluator) Sentence #4248 from articles/00107530 from sent50

Text  : Z tętniakiem można żyć długo i szczęśliwie , póki nie pęknie .
Tokens: 1 2_________ 3____ 4__ 5____ 6 7__________ 8 9___ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #4249 from articles/00107530 from sent51

Text  : Niewiele trzeba , by pękł .
Tokens: 1_______ 2_____ 3 4_ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #4250 from articles/00107530 from sent52

Text  : Zespół naukowców z Uniwersytetu w Utrecht w Holandii , na podstawie ankiet wypełnionych przez 250 pacjentów z  krwotokiem podpajęczynówkowym ,  wyróżnił osiem głównych czynników towarzyszących bezpośrednio pęknięciu tętniaka mózgu .
Tokens: 1_____ 2________ 3 4___________ 5 6______ 7 8_______ 9 10 11_______ 12____ 13__________ 14___ 15_ 16_______ 17 18________ 19________________ 20 21______ 22___ 23______ 24_______ 25____________ 26__________ 27_______ 28______ 29___ 30

Chunks:
  TruePositive nam [8,8] = Holandii
  FalsePositive nam [4,6] = Uniwersytetu w Utrecht
  FalseNegative nam [4,4] = Uniwersytetu
  FalseNegative nam [6,6] = Utrecht

(ChunkerEvaluator) Sentence #4251 from articles/00107530 from sent53

Text  : Nadużyciem było by twierdzenie , że to właśnie one spowodowały pęknięcie (  tętniak pęka ,  bo taka już jego „  uroda ”  )  ,  jednak powtarzalność okoliczności daje do myślenia .
Tokens: 1_________ 2___ 3_ 4__________ 5 6_ 7_ 8______ 9__ 10_________ 11_______ 12 13_____ 14__ 15 16 17__ 18_ 19__ 20 21___ 22 23 24 25____ 26___________ 27__________ 28__ 29 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #4252 from articles/00107530 from sent54

Text  : Potworny ból głowy , typowy dla pęknięcia tętniaka , pojawił się w  chwili :
Tokens: 1_______ 2__ 3____ 4 5_____ 6__ 7________ 8_______ 9 10_____ 11_ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #4253 from articles/00107530 from sent55

Text  : - picia kawy ( 11 % przypadków ) ,
Tokens: 1 2____ 3___ 4 5_ 6 7_________ 8 9

Chunks:

(ChunkerEvaluator) Sentence #4254 from articles/00107530 from sent56

Text  : - wykonywania energicznych ćwiczeń fizycznych ( ok . 8 proc .  )
Tokens: 1 2__________ 3___________ 4______ 5_________ 6 7_ 8 9 10__ 11 12

Chunks:

(ChunkerEvaluator) Sentence #4255 from articles/00107530 from sent57

Text  : - wydmuchiwania nosa ( 6 % ) ,
Tokens: 1 2____________ 3___ 4 5 6 7 8

Chunks:

(ChunkerEvaluator) Sentence #4256 from articles/00107530 from sent58

Text  : - stosunku seksualnego ( 5 % ) ,
Tokens: 1 2_______ 3__________ 4 5 6 7 8

Chunks:

(ChunkerEvaluator) Sentence #4257 from articles/00107530 from sent59

Text  : - silnego gniewu lub zaskoczenia ( 5 % ) ,
Tokens: 1 2______ 3_____ 4__ 5__________ 6 7 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #4258 from articles/00107530 from sent60

Text  : - problemów z wydaleniem stolca ( 4 % ) ,
Tokens: 1 2________ 3 4_________ 5_____ 6 7 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #4259 from articles/00107530 from sent61

Text  : - spożywania innych niż kawa napojów z kofeiną ( 4  %  )  .
Tokens: 1 2_________ 3_____ 4__ 5___ 6______ 7 8______ 9 10 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #4260 from articles/00107530 from sent62

Text  : Niektórych zagrożeń wyeliminować się nie da , o tym przede wszystkim mówią badania .
Tokens: 1_________ 2_______ 3___________ 4__ 5__ 6_ 7 8 9__ 10____ 11_______ 12___ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #4261 from articles/00107530 from sent63

Text  : Zdenerwowanie Hanki Mostowiak podczas wypadku samochodowego mogło spowodować pęknięcie tętniaka ,  nawet ,  jeśli uderzyła „  tylko w  pudełka ”  .
Tokens: 1____________ 2____ 3________ 4______ 5______ 6____________ 7____ 8_________ 9________ 10______ 11 12___ 13 14___ 15______ 16 17___ 18 19_____ 20 21

Chunks:
  FalsePositive nam [2,2] = Hanki
  FalseNegative nam [2,3] = Hanki Mostowiak

(ChunkerEvaluator) Sentence #4262 from articles/00107530 from sent64

Text  : Zarzuty wobec scenarzystów co do miałkości fabuły i niewiarygodnego przebiegu wydarzeń tym razem nie są słuszne .
Tokens: 1______ 2____ 3___________ 4_ 5_ 6________ 7_____ 8 9______________ 10_______ 11______ 12_ 13___ 14_ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #4263 from articles/00107530 from sent65

Text  : Tak bywa i w realnym życiu .
Tokens: 1__ 2___ 3 4 5______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #4264 from articles/00107530 from sent66

Text  : A swoją drogą dobrze , że takie wątki pojawiają się w  popularnych serialach .
Tokens: 1 2____ 3____ 4_____ 5 6_ 7____ 8____ 9________ 10_ 11 12_________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #4265 from articles/00107530 from sent67

Text  : Zainteresowanie tętniakiem mózgu i jego konsekwencjami wzrosło wśród internautów gigantycznie .
Tokens: 1______________ 2_________ 3____ 4 5___ 6_____________ 7______ 8____ 9__________ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #4266 from articles/00107530 from sent68

Text  : Niekoniecznie w żartobliwym kontekście .
Tokens: 1____________ 2 3__________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #4267 from articles/00107530 from sent69

Text  : Na wszelki wypadek ?
Tokens: 1_ 2______ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #4268 from articles/00107530 from sent70

Text  : Było by fantastycznie , gdyby każdy z nas , tak na wszelki wypadek ,  mógł skontrolować ,  czy nie ma tętniaka mózgu .
Tokens: 1___ 2_ 3____________ 4 5____ 6____ 7 8__ 9 10_ 11 12_____ 13_____ 14 15__ 16__________ 17 18_ 19_ 20 21______ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #4269 from articles/00107530 from sent71

Text  : Niestety , dziś nie ma takiej możliwości .
Tokens: 1_______ 2 3___ 4__ 5_ 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #4270 from articles/00107530 from sent72

Text  : Wszystkie dostępne metody diagnostyczne pozwalające ocenić tętniaka naczyń mózgowych są inwazyjne ,  obciążone sporym ryzykiem wywołania poważnych problemów zdrowotnych .
Tokens: 1________ 2_______ 3_____ 4____________ 5__________ 6_____ 7_______ 8_____ 9________ 10 11_______ 12 13_______ 14____ 15______ 16_______ 17_______ 18_______ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #4271 from articles/00107530 from sent73

Text  : Nie robi się więc ich „ tak sobie ” .
Tokens: 1__ 2___ 3__ 4___ 5__ 6 7__ 8____ 9 10

Chunks:

(ChunkerEvaluator) Sentence #4272 from articles/00107530 from sent74

Text  : Najdoskonalszą , ale zarazem najbardziej inwazyjną metodą , jest angiografia naczyń mózgowych .
Tokens: 1_____________ 2 3__ 4______ 5__________ 6________ 7_____ 8 9___ 10_________ 11____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #4273 from articles/00107530 from sent75

Text  : Polega na podaniu kontrastu do naczyń mózgowych z małego nakłucia przez tętnicę udową .
Tokens: 1_____ 2_ 3______ 4________ 5_ 6_____ 7________ 8 9_____ 10______ 11___ 12_____ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #4274 from articles/00107530 from sent76

Text  : Kontrast wypełniający naczynia i światło ewentualnego tętniaka jest obrazowany przy pomocy promieni rentgenowskich .
Tokens: 1_______ 2___________ 3_______ 4 5______ 6___________ 7_______ 8___ 9_________ 10__ 11____ 12______ 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #4275 from articles/00107530 from sent77

Text  : Badanie nie jest powszechnie dostępne .
Tokens: 1______ 2__ 3___ 4__________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #4276 from articles/00107530 from sent78

Text  : Bardziej dostępne , a zarazem mniej inwazyjne , są angiografia tomografii komputerowej (  angio -  TK )  oraz angiografia rezonansu magnetycznego (  angio -  MR )  .
Tokens: 1_______ 2_______ 3 4 5______ 6____ 7________ 8 9_ 10_________ 11________ 12__________ 13 14___ 15 16 17 18__ 19_________ 20_______ 21___________ 22 23___ 24 25 26 27

Chunks:
  FalsePositive nam [16,16] = TK

(ChunkerEvaluator) Sentence #4277 from articles/00107530 from sent79

Text  : Nadal jednak są to metody obciążone pewnym ryzykiem , zalecane w  uzasadnionych przypadkach .
Tokens: 1____ 2_____ 3_ 4_ 5_____ 6________ 7_____ 8_______ 9 10______ 11 12___________ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #4278 from articles/00107530 from sent80

Text  : Niejasne sygnały ?
Tokens: 1_______ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #4279 from articles/00107530 from sent81

Text  : Niewielki tętniak to cichy agresor .
Tokens: 1________ 2______ 3_ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #4280 from articles/00107530 from sent82

Text  : Duże tętniaki mózgu , uciskając któryś z nerwów wychodzących z  mózgu ,  mogą cię ostrzegać .
Tokens: 1___ 2_______ 3____ 4 5________ 6_____ 7 8_____ 9___________ 10 11___ 12 13__ 14_ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #4281 from articles/00107530 from sent83

Text  : Charakterystycznym objawem jest opadająca powieka i osłabienie mięśni poruszających gałkami ocznymi .
Tokens: 1_________________ 2______ 3___ 4________ 5______ 6 7_________ 8_____ 9____________ 10_____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #4282 from articles/00107530 from sent84

Text  : Czasem obserwowane są „ ubytki ” w polu widzenia lub szybko pogarszający się wzrok .
Tokens: 1_____ 2__________ 3_ 4 5_____ 6 7 8___ 9_______ 10_ 11____ 12__________ 13_ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #4283 from articles/00107530 from sent85

Text  : Takie objawy powinny cię skłonić do jak najszybszej konsultacji u  neurologa .
Tokens: 1____ 2_____ 3______ 4__ 5______ 6_ 7__ 8__________ 9__________ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #4284 from articles/00107530 from sent86

Text  : Aż u 80 proc . chorych nie obserwowano żadnych objawów poprzedzających pęknięcie tętniaka .
Tokens: 1_ 2 3_ 4___ 5 6______ 7__ 8__________ 9______ 10_____ 11_____________ 12_______ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #4285 from articles/00107530 from sent87

Text  : Te są charakterystyczne , ale i tak wielu chorych nie wzywa na czas pomocy .
Tokens: 1_ 2_ 3________________ 4 5__ 6 7__ 8____ 9______ 10_ 11___ 12 13__ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #4286 from articles/00107530 from sent88

Text  : Nagły , bardzo silny ból głowy ( określany czasem jako :  „  ból jakby po uderzeniu młotem ”  )  ,  oporny na klasyczne leki przeciwbólowe ,  któremu towarzyszy sztywność karku ,  to sygnał ,  że mogło dojść do krwawienia podpajęczynówkowego .
Tokens: 1____ 2 3_____ 4____ 5__ 6____ 7 8________ 9_____ 10__ 11 12 13_ 14___ 15 16_______ 17____ 18 19 20 21____ 22 23_______ 24__ 25___________ 26 27_____ 28________ 29_______ 30___ 31 32 33____ 34 35 36___ 37___ 38 39________ 40_________________ 41

Chunks:

(ChunkerEvaluator) Sentence #4287 from articles/00107530 from sent89

Text  : Nie musi być spowodowane tętniakiem , ale i tak zawsze zagraża życiu ,  więc nie wahaj się wezwać pogotowia .
Tokens: 1__ 2___ 3__ 4__________ 5_________ 6 7__ 8 9__ 10____ 11_____ 12___ 13 14__ 15_ 16___ 17_ 18____ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #4288 from articles/00107530 from sent90

Text  : Po pęknięciu tętniaka często dochodzi do utraty przytomności .
Tokens: 1_ 2________ 3_______ 4_____ 5_______ 6_ 7_____ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #4289 from articles/00107530 from sent91

Text  : Obserwuje się też wymioty , światłowstręt , czasem porażenia części ciała ,  zaburzenia równowagi .
Tokens: 1________ 2__ 3__ 4______ 5 6____________ 7 8_____ 9________ 10____ 11___ 12 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #4290 from articles/00107530 from sent92

Text  : Te objawy nie muszą jednak wystąpić natychmiast : czasem dochodzą dopiero wtedy ,  gdy w  wyniku krwawienia dojdzie do uszkodzenia części mózgu .
Tokens: 1_ 2_____ 3__ 4____ 5_____ 6_______ 7__________ 8 9_____ 10______ 11_____ 12___ 13 14_ 15 16____ 17________ 18_____ 19 20_________ 21____ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #4291 from articles/00107530 from sent93

Text  : Przy niewielkim krwawieniu ból może nawet szybko ustąpić .
Tokens: 1___ 2_________ 3_________ 4__ 5___ 6____ 7_____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4292 from articles/00107530 from sent94

Text  : Niech to nie uśpi waszej czujności .
Tokens: 1____ 2_ 3__ 4___ 5_____ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #4293 from articles/00107530 from sent95

Text  : Krwawienie mogło ustąpić , ale następne bywa zabójcze , a  jego skutki pojawić się nawet za parę dni .
Tokens: 1_________ 2____ 3______ 4 5__ 6_______ 7___ 8_______ 9 10 11__ 12____ 13_____ 14_ 15___ 16 17__ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #4294 from articles/00107530 from sent96

Text  : Sprawę takiego wyjątkowego bólu zawsze należy wyjaśnić z lekarzem .
Tokens: 1_____ 2______ 3__________ 4___ 5_____ 6_____ 7_______ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #4295 from articles/00107530 from sent97

Text  : Około 15 - 30 % prawdziwych pęknięć tętniaków poprzedza ostrzegawczy wyciek .
Tokens: 1____ 2_ 3 4_ 5 6__________ 7______ 8________ 9________ 10__________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #4296 from articles/00107530 from sent98

Text  : Niestety , jego objawy bywają bagatelizowane .
Tokens: 1_______ 2 3___ 4_____ 5_____ 6_____________ 7

Chunks:

(ChunkerEvaluator) Sentence #4297 from articles/00107530 from sent99

Text  : Jeśli się zdarzy
Tokens: 1____ 2__ 3_____

Chunks:

(ChunkerEvaluator) Sentence #4298 from articles/00107530 from sent100

Text  : Chociaż rokowania nie są dobre , można z tego wyjść .
Tokens: 1______ 2________ 3__ 4_ 5____ 6 7____ 8 9___ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #4299 from articles/00107530 from sent101

Text  : Kluczowe jest szybkie rozpoczęcie leczenia i właściwa terapia .
Tokens: 1_______ 2___ 3______ 4__________ 5_______ 6 7_______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4300 from articles/00107530 from sent102

Text  : Jeśli tętniak jeszcze nie pękł , a jest bardzo mały ,  ma wrzecionowaty kształt ,  lekarze czasem decydują ,  by go nie ruszać .
Tokens: 1____ 2______ 3______ 4__ 5___ 6 7 8___ 9_____ 10__ 11 12 13___________ 14_____ 15 16_____ 17____ 18______ 19 20 21 22_ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #4301 from articles/00107530 from sent103

Text  : To jednak rzadkie przypadki .
Tokens: 1_ 2_____ 3______ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #4302 from articles/00107530 from sent104

Text  : Tętniak zawsze jest nieprzewidywalny .
Tokens: 1______ 2_____ 3___ 4_______________ 5

Chunks:
  FalsePositive nam [1,1] = Tętniak

(ChunkerEvaluator) Sentence #4303 from articles/00107530 from sent105

Text  : Bywa , że pęka i taki wielkości 3mm .
Tokens: 1___ 2 3_ 4___ 5 6___ 7________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #4304 from articles/00107530 from sent106

Text  : Krwawienie niesie za sobą ryzyko ciężkich powikłań , więc nie ma na co czekać .
Tokens: 1_________ 2_____ 3_ 4___ 5_____ 6_______ 7_______ 8 9___ 10_ 11 12 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #4305 from articles/00107530 from sent107

Text  : Wprawdzie w wyniku leczenia może dojść do udaru mózgu ,  ale zwykle ryzyko pęknięcia jest większe .
Tokens: 1________ 2 3_____ 4_______ 5___ 6____ 7_ 8____ 9____ 10 11_ 12____ 13____ 14_______ 15__ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #4306 from articles/00107530 from sent108

Text  : Neurochirurg może przeprowadzić : klasyczne leczenie operacyjne , tj .  zaklipsowanie tętniaka drogą kraniotomii (  przecina się kawałek kości czaszki ,  dociera do tętniaka i  zakłada na niego klips ze specjalnego metalu )  lub embolizację tętniaków (  specjalista nakłuwa tętnicę na udzie ,  wprowadza wzdłuż tętnic specjalne cewniki aż do naczyń mózgu i  wypełnia się wnętrze tętniaka od środka specjalnym materiałem ,  w  formie spiral ,  powodujących powstanie zakrzepu )  .
Tokens: 1___________ 2___ 3____________ 4 5________ 6_______ 7_________ 8 9_ 10 11___________ 12______ 13___ 14_________ 15 16______ 17_ 18_____ 19___ 20_____ 21 22_____ 23 24______ 25 26_____ 27 28___ 29___ 30 31_________ 32____ 33 34_ 35_________ 36_______ 37 38_________ 39_____ 40_____ 41 42___ 43 44_______ 45____ 46____ 47_______ 48_____ 49 50 51____ 52___ 53 54______ 55_ 56_____ 57______ 58 59____ 60________ 61________ 62 63 64____ 65____ 66 67__________ 68_______ 69______ 70 71

Chunks:
  FalsePositive nam [1,1] = Neurochirurg

(ChunkerEvaluator) Sentence #4307 from articles/00107530 from sent109

Text  : Obie operacje zawsze niosą ryzyko powikłań , które jest nieco mniejsze po embolizacji .
Tokens: 1___ 2_______ 3_____ 4____ 5_____ 6_______ 7 8____ 9___ 10___ 11______ 12 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #4308 from articles/00107530 from sent110

Text  : Po zabiegu wielu pacjentów wraca do domu już po kilkunastu dniach .
Tokens: 1_ 2______ 3____ 4________ 5____ 6_ 7___ 8__ 9_ 10________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #4309 from articles/00107530 from sent111

Text  : Jeśli pacjent nie kwalifikuje się do operacji , leczenie zachowawcze polega przede wszystkim na pozostawaniu w  pozycji leżącej ,  nie wolno ruszać głową przez kilka tygodni .
Tokens: 1____ 2______ 3__ 4__________ 5__ 6_ 7_______ 8 9_______ 10_________ 11____ 12____ 13_______ 14 15__________ 16 17_____ 18_____ 19 20_ 21___ 22____ 23___ 24___ 25___ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #4310 from articles/00107530 from sent112

Text  : Trzeba mieć świadomość , że w zależności od przebiegu choroby i  powikłań ,  leczenie bywa przewlekłe ,  a  chory niejednokrotnie wymaga intensywnej rehabilitacji .
Tokens: 1_____ 2___ 3_________ 4 5_ 6 7_________ 8_ 9________ 10_____ 11 12______ 13 14______ 15__ 16________ 17 18 19___ 20_____________ 21____ 22_________ 23___________ 24

Chunks:

2016-10-27 14:59:32,576 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 167 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107531.xml
(ChunkerEvaluator) Sentence #4311 from articles/00107531 from sent1

Text  : ŁKS ukarany za kibiców
Tokens: 1__ 2______ 3_ 4______

Chunks:
  TruePositive nam [1,1] = ŁKS

(ChunkerEvaluator) Sentence #4312 from articles/00107531 from sent2

Text  : ŁKS będzie musiał zapłacić karę za złe zachowanie swoich kibiców podczas meczu z  Piotrcovią .
Tokens: 1__ 2_____ 3_____ 4_______ 5___ 6_ 7__ 8_________ 9_____ 10_____ 11_____ 12___ 13 14________ 15

Chunks:
  TruePositive nam [1,1] = ŁKS
  FalseNegative nam [14,14] = Piotrcovią

(ChunkerEvaluator) Sentence #4313 from articles/00107531 from sent3

Text  : Nie jest to pierwsze ostrzeżenie ze strony PZPN , który już wcześniej ukarał klub z  al .  Unii 5  tys .  zł za rzucenie kamieniem w  schodzącego z  boiska Adama Banasia ,  piłkarza Ruchu Radzionków .
Tokens: 1__ 2___ 3_ 4_______ 5__________ 6_ 7_____ 8___ 9 10___ 11_ 12_______ 13____ 14__ 15 16 17 18__ 19 20_ 21 22 23 24______ 25_______ 26 27_________ 28 29____ 30___ 31_____ 32 33______ 34___ 35________ 36

Chunks:
  TruePositive nam [8,8] = PZPN
  TruePositive nam [22,22] = zł
  TruePositive nam [30,31] = Adama Banasia
  TruePositive nam [34,35] = Ruchu Radzionków
  FalseNegative nam [18,18] = Unii

(ChunkerEvaluator) Sentence #4314 from articles/00107531 from sent4

Text  : Działacze zawiesili jednak wykonanie kary na sześć miesięcy , zalecając zainstalowanie rozsuwanego rękawa łączącego boisko z  wejściem do hali .
Tokens: 1________ 2________ 3_____ 4________ 5___ 6_ 7____ 8_______ 9 10_______ 11____________ 12_________ 13____ 14_______ 15____ 16 17______ 18 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #4315 from articles/00107531 from sent5

Text  : Po niedzielnym spotkaniu z Piotrcovią zmienili zdanie .
Tokens: 1_ 2__________ 3________ 4 5_________ 6_______ 7_____ 8

Chunks:
  TruePositive nam [5,5] = Piotrcovią

(ChunkerEvaluator) Sentence #4316 from articles/00107531 from sent6

Text  : Podczas tego meczu kibice obrażali Antoniego Ptaka , byłego sponsora klubu .
Tokens: 1______ 2___ 3____ 4_____ 5_______ 6________ 7____ 8 9_____ 10______ 11___ 12

Chunks:
  TruePositive nam [6,7] = Antoniego Ptaka

(ChunkerEvaluator) Sentence #4317 from articles/00107531 from sent7

Text  : - Na razie nie mamy w klubie pieniędzy , by zapłacić grzywnę -  informuje Janusz Matusiak ,  działacz ŁKS .
Tokens: 1 2_ 3____ 4__ 5___ 6 7_____ 8________ 9 10 11______ 12_____ 13 14_______ 15____ 16______ 17 18______ 19_ 20

Chunks:
  TruePositive nam [15,16] = Janusz Matusiak
  TruePositive nam [19,19] = ŁKS

(ChunkerEvaluator) Sentence #4318 from articles/00107531 from sent8

Text  : - Prawdopodobnie PZPN będzie musiał odciągnąć sobie pieniądze z należnej nam raty z  Canalu Plus .
Tokens: 1 2_____________ 3___ 4_____ 5_____ 6________ 7____ 8________ 9 10______ 11_ 12__ 13 14____ 15__ 16

Chunks:
  TruePositive nam [3,3] = PZPN
  TruePositive nam [14,15] = Canalu Plus

2016-10-27 14:59:32,617 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 168 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107532.xml
(ChunkerEvaluator) Sentence #4319 from articles/00107532 from sent1

Text  : Poseł Jarosław Jagiełło przystąpi do Ziobrystów ?
Tokens: 1____ 2_______ 3_______ 4________ 5_ 6_________ 7

Chunks:
  TruePositive nam [2,3] = Jarosław Jagiełło
  FalseNegative nam [6,6] = Ziobrystów

(ChunkerEvaluator) Sentence #4320 from articles/00107532 from sent2

Text  : Jarosław Jagiełło , nowy łódzki poseł , złożył dziś w  Sejmie ślubowanie .
Tokens: 1_______ 2_______ 3 4___ 5_____ 6____ 7 8_____ 9___ 10 11____ 12________ 13

Chunks:
  TruePositive nam [1,2] = Jarosław Jagiełło
  TruePositive nam [11,11] = Sejmie

(ChunkerEvaluator) Sentence #4321 from articles/00107532 from sent3

Text  : Ale nie wstąpił do klubu PiS , w którym zasiadał przez dwie minione kandencje .
Tokens: 1__ 2__ 3______ 4_ 5____ 6__ 7 8 9_____ 10______ 11___ 12__ 13_____ 14_______ 15

Chunks:
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #4322 from articles/00107532 from sent4

Text  : Czy dołączy do Ziobrystów ?
Tokens: 1__ 2______ 3_ 4_________ 5

Chunks:
  FalseNegative nam [4,4] = Ziobrystów

(ChunkerEvaluator) Sentence #4323 from articles/00107532 from sent5

Text  : Poseł Jarosław Jagiełło przystąpi do Ziobrystów ?
Tokens: 1____ 2_______ 3_______ 4________ 5_ 6_________ 7

Chunks:
  TruePositive nam [2,3] = Jarosław Jagiełło
  FalseNegative nam [6,6] = Ziobrystów

(ChunkerEvaluator) Sentence #4324 from articles/00107532 from sent6

Text  : Jarosław Jagiełło , nowy łódzki poseł , złożył dziś w  Sejmie ślubowanie .
Tokens: 1_______ 2_______ 3 4___ 5_____ 6____ 7 8_____ 9___ 10 11____ 12________ 13

Chunks:
  TruePositive nam [1,2] = Jarosław Jagiełło
  TruePositive nam [11,11] = Sejmie

(ChunkerEvaluator) Sentence #4325 from articles/00107532 from sent7

Text  : Ale nie wstąpił do klubu PiS , w którym zasiadał przez dwie minione kandencje .
Tokens: 1__ 2__ 3______ 4_ 5____ 6__ 7 8 9_____ 10______ 11___ 12__ 13_____ 14_______ 15

Chunks:
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #4326 from articles/00107532 from sent8

Text  : Czy dołączy do Ziobrystów ?
Tokens: 1__ 2______ 3_ 4_________ 5

Chunks:
  FalseNegative nam [4,4] = Ziobrystów

(ChunkerEvaluator) Sentence #4327 from articles/00107532 from sent9

Text  : Jarosław Jagiełło wszedł do Sejmu w miejsce Dariusza Barskiego ,  którego łodzianie wybrali do Sejmu z  listy PiS .
Tokens: 1_______ 2_______ 3_____ 4_ 5____ 6 7______ 8_______ 9________ 10 11_____ 12_______ 13_____ 14 15___ 16 17___ 18_ 19

Chunks:
  TruePositive nam [1,2] = Jarosław Jagiełło
  TruePositive nam [5,5] = Sejmu
  TruePositive nam [8,9] = Dariusza Barskiego
  TruePositive nam [15,15] = Sejmu
  TruePositive nam [18,18] = PiS
  FalseNegative nam [12,12] = łodzianie

(ChunkerEvaluator) Sentence #4328 from articles/00107532 from sent10

Text  : Po wygaszeniu mandatu Barskiemu przez marszałka Sejmu i orzeczeniu Sądu Najwyższego ,  że Barski nie może być posłem ,  mandat objął Jagiełło .
Tokens: 1_ 2_________ 3______ 4________ 5____ 6________ 7____ 8 9_________ 10__ 11_________ 12 13 14____ 15_ 16__ 17_ 18____ 19 20____ 21___ 22______ 23

Chunks:
  TruePositive nam [4,4] = Barskiemu
  TruePositive nam [7,7] = Sejmu
  TruePositive nam [10,11] = Sądu Najwyższego
  TruePositive nam [14,14] = Barski
  TruePositive nam [22,22] = Jagiełło

(ChunkerEvaluator) Sentence #4329 from articles/00107532 from sent11

Text  : Jarosław Jagiełło był już posłem PiS dwie kadencje .
Tokens: 1_______ 2_______ 3__ 4__ 5_____ 6__ 7___ 8_______ 9

Chunks:
  TruePositive nam [1,2] = Jarosław Jagiełło
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #4330 from articles/00107532 from sent12

Text  : Dziś złożył w Sejmie ślubowanie , ale do żadnego klubu nie wstąpił .
Tokens: 1___ 2_____ 3 4_____ 5_________ 6 7__ 8_ 9______ 10___ 11_ 12_____ 13

Chunks:
  TruePositive nam [4,4] = Sejmie

(ChunkerEvaluator) Sentence #4331 from articles/00107532 from sent13

Text  : - W klubie PiS nie jestem i już nie będę -  powiedział nam po ślubowaniu .
Tokens: 1 2 3_____ 4__ 5__ 6_____ 7 8__ 9__ 10__ 11 12________ 13_ 14 15________ 16

Chunks:
  TruePositive nam [4,4] = PiS

(ChunkerEvaluator) Sentence #4332 from articles/00107532 from sent14

Text  : Nieoficjalnie ustalili śmy , że w przyszłym tygodniu zapisze się do Ziobrystów ,  czyli klubu Solidarna Polska .
Tokens: 1____________ 2_______ 3__ 4 5_ 6 7________ 8_______ 9______ 10_ 11 12________ 13 14___ 15___ 16_______ 17____ 18

Chunks:
  TruePositive nam [16,17] = Solidarna Polska
  FalseNegative nam [12,12] = Ziobrystów

(ChunkerEvaluator) Sentence #4333 from articles/00107532 from sent15

Text  : Jeśli to zrobi , będzie się musiał liczyć z wyrzuceniem z  PiS .
Tokens: 1____ 2_ 3____ 4 5_____ 6__ 7_____ 8_____ 9 10_________ 11 12_ 13

Chunks:
  TruePositive nam [12,12] = PiS

2016-10-27 14:59:32,679 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 169 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107533.xml
(ChunkerEvaluator) Sentence #4334 from articles/00107533 from sent1

Text  : 9 . Jazzowa Jesień
Tokens: 1 2 3______ 4_____

Chunks:
  FalsePositive nam [3,4] = Jazzowa Jesień
  FalseNegative nam [1,4] = 9 . Jazzowa Jesień

(ChunkerEvaluator) Sentence #4335 from articles/00107533 from sent2

Text  : Legendy i nowe odkrycia monachijskiej wytwórni ECM , a do tego najciekawsze postaci światowego jazzu -  to główna idea rozpoczętego w  środę w  Bielsku -  Białej festiwalu .
Tokens: 1______ 2 3___ 4_______ 5____________ 6_______ 7__ 8 9 10 11__ 12__________ 13_____ 14________ 15___ 16 17 18____ 19__ 20__________ 21 22___ 23 24_____ 25 26____ 27_______ 28

Chunks:
  TruePositive nam [24,26] = Bielsku - Białej
  FalseNegative nam [7,7] = ECM

(ChunkerEvaluator) Sentence #4336 from articles/00107533 from sent3

Text  : W piątek istniejący już ponad pół wieku niemiecki Barrelhouse Jazzband zagra nowoorleański jazz tradycyjny ,  swing ,  blues i  boogie -  woogie .
Tokens: 1 2_____ 3_________ 4__ 5____ 6__ 7____ 8________ 9__________ 10______ 11___ 12___________ 13__ 14________ 15 16___ 17 18___ 19 20____ 21 22____ 23

Chunks:
  TruePositive nam [9,10] = Barrelhouse Jazzband

(ChunkerEvaluator) Sentence #4337 from articles/00107533 from sent4

Text  : W sobotę koncert zjawiskowej fińskiej pianistki i harfistki Iro Haarli oraz jej zespołu ,  w  którego muzyce mieszają się elementy jazzu z  poetyckim nastrojem nordyckich ballad .
Tokens: 1 2_____ 3______ 4__________ 5_______ 6________ 7 8________ 9__ 10____ 11__ 12_ 13_____ 14 15 16_____ 17____ 18______ 19_ 20______ 21___ 22 23_______ 24_______ 25________ 26____ 27

Chunks:
  TruePositive nam [9,10] = Iro Haarli

(ChunkerEvaluator) Sentence #4338 from articles/00107533 from sent5

Text  : Następnie występ amerykańskiego pianisty Craiga Taborna specjalizującego się w temacie jazzowej awangardy ,  a  także muzyki ambientowej i  techno .
Tokens: 1________ 2_____ 3_____________ 4_______ 5_____ 6______ 7_______________ 8__ 9 10_____ 11______ 12_______ 13 14 15___ 16____ 17_________ 18 19____ 20

Chunks:
  TruePositive nam [5,6] = Craiga Taborna

(ChunkerEvaluator) Sentence #4339 from articles/00107533 from sent6

Text  : Na festiwalu towarzyszyć mu będą basista Thomas Morgan i perkusista Gerald Cleaver .
Tokens: 1_ 2________ 3__________ 4_ 5___ 6______ 7_____ 8_____ 9 10________ 11____ 12_____ 13

Chunks:
  TruePositive nam [7,8] = Thomas Morgan
  TruePositive nam [11,12] = Gerald Cleaver

(ChunkerEvaluator) Sentence #4340 from articles/00107533 from sent7

Text  : Dzień później Taborn wystąpi z Tomaszem Stańką , który na scenie pojawi się w  nowym ,  drapieżnym wcieleniu .
Tokens: 1____ 2______ 3_____ 4______ 5 6_______ 7_____ 8 9____ 10 11____ 12____ 13_ 14 15___ 16 17________ 18_______ 19

Chunks:
  TruePositive nam [6,7] = Tomaszem Stańką
  FalseNegative nam [3,3] = Taborn

(ChunkerEvaluator) Sentence #4341 from articles/00107533 from sent8

Text  : „ To już nie melancholijne ballady , z którymi trębacz kojarzony był przez ostatnie lata .
Tokens: 1 2_ 3__ 4__ 5____________ 6______ 7 8 9______ 10_____ 11_______ 12_ 13___ 14______ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #4342 from articles/00107533 from sent9

Text  : To powrót do wolnej formy , spontanicznych poszukiwań , nowych odkryć i  wynalazków ”  -  to słowa z  programu festiwalu .
Tokens: 1_ 2_____ 3_ 4_____ 5____ 6 7_____________ 8_________ 9 10____ 11____ 12 13________ 14 15 16 17___ 18 19______ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #4343 from articles/00107533 from sent10

Text  : Tego samego wieczoru festiwal zakończy koncert kwartetu kontrabasisty , kompozytora i  producenta Michaela Formanka ,  który w  ciągu trwającej ponad 30 lat kariery wspierał zespoły Charlesa Mingusa ,  Cheta Bakera ,  Stana Getza i  Elvisa Costello .
Tokens: 1___ 2_____ 3_______ 4_______ 5_______ 6______ 7_______ 8____________ 9 10_________ 11 12________ 13______ 14______ 15 16___ 17 18___ 19_______ 20___ 21 22_ 23_____ 24______ 25_____ 26______ 27_____ 28 29___ 30____ 31 32___ 33___ 34 35____ 36______ 37

Chunks:
  TruePositive nam [13,14] = Michaela Formanka
  TruePositive nam [26,27] = Charlesa Mingusa
  TruePositive nam [29,30] = Cheta Bakera
  TruePositive nam [32,33] = Stana Getza
  TruePositive nam [35,36] = Elvisa Costello

(ChunkerEvaluator) Sentence #4344 from articles/00107533 from sent11

Text  : Zaprezentuje materiał z ostatniej płyty „ The Rub and Spare Change ”  ,  którą debiutował w  ECM Records .
Tokens: 1___________ 2_______ 3 4________ 5____ 6 7__ 8__ 9__ 10___ 11____ 12 13 14___ 15________ 16 17_ 18_____ 19

Chunks:
  TruePositive nam [7,11] = The Rub and Spare Change
  TruePositive nam [17,18] = ECM Records

2016-10-27 14:59:32,746 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 170 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107535.xml
(ChunkerEvaluator) Sentence #4345 from articles/00107535 from sent1

Text  : W . Brytania .
Tokens: 1 2 3_______ 4

Chunks:
  FalsePositive nam [2,3] = . Brytania
  FalseNegative nam [1,4] = W . Brytania .

(ChunkerEvaluator) Sentence #4346 from articles/00107535 from sent2

Text  : Cięcia świadczeń uderzą w dzieci
Tokens: 1_____ 2________ 3_____ 4 5_____

Chunks:

(ChunkerEvaluator) Sentence #4347 from articles/00107535 from sent3

Text  : Osiemnastu anglikańskich biskupów w liście do tygodnika & quot ;  Observer &  quot ;  skrytykowało rządowe plany reform socjalnych ,  w  szczególności wyznaczenie maksymalnego limitu świadczeń ,  o  które mogą ubiegać się gospodarstwa domowe .
Tokens: 1_________ 2____________ 3_______ 4 5_____ 6_ 7________ 8 9___ 10 11______ 12 13__ 14 15__________ 16_____ 17___ 18____ 19________ 20 21 22___________ 23_________ 24__________ 25____ 26_______ 27 28 29___ 30__ 31_____ 32_ 33__________ 34____ 35

Chunks:
  FalseNegative nam [11,11] = Observer

(ChunkerEvaluator) Sentence #4348 from articles/00107535 from sent4

Text  : Proponowane przez rząd rozwiązanie przewiduje , że łączny przychód gospodarstwa domowego z  zapomóg na dzieci ,  mieszkanie ,  podatek lokalny i  innych świadczeń ,  np .  zapomogi dla bezrobotnych ,  nie mógł by przekraczać 500 funtów tygodniowo .
Tokens: 1__________ 2____ 3___ 4__________ 5_________ 6 7_ 8_____ 9_______ 10__________ 11______ 12 13_____ 14 15____ 16 17________ 18 19_____ 20_____ 21 22____ 23_______ 24 25 26 27______ 28_ 29__________ 30 31_ 32__ 33 34_________ 35_ 36____ 37________ 38

Chunks:
  TruePositive nam [36,36] = funtów

(ChunkerEvaluator) Sentence #4349 from articles/00107535 from sent5

Text  : Według niektórych kalkulacji dla ok . 50 tys . rodzin oznacza to uszczuplenie przychodów o  ok .  93 funty na tydzień .
Tokens: 1_____ 2_________ 3_________ 4__ 5_ 6 7_ 8__ 9 10____ 11_____ 12 13__________ 14________ 15 16 17 18 19___ 20 21_____ 22

Chunks:
  FalseNegative nam [19,19] = funty

(ChunkerEvaluator) Sentence #4350 from articles/00107535 from sent6

Text  : Najbardziej poszkodowane będą rodziny w metropolii londyńskiej z powodu wysokiego czynszu i  znacznych kosztów życia .
Tokens: 1__________ 2___________ 3___ 4______ 5 6_________ 7__________ 8 9_____ 10_______ 11_____ 12 13_______ 14_____ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #4351 from articles/00107535 from sent7

Text  : Niektóre w poszukiwaniu tańszego zakwaterowania będą musiały wyprowadzić się poza Londyn ,  mimo że tam mają swoje środowisko .
Tokens: 1_______ 2 3___________ 4_______ 5_____________ 6___ 7______ 8__________ 9__ 10__ 11____ 12 13__ 14 15_ 16__ 17___ 18________ 19

Chunks:
  TruePositive nam [11,11] = Londyn

(ChunkerEvaluator) Sentence #4352 from articles/00107535 from sent8

Text  : W liście otwartym opublikowanym w tygodniku " Observer " biskupi nazwali limit 500 funtów "  głęboko niesprawiedliwym "  dla dzieci z  najbiedniejszych rodzin i  oświadczyli ,  że "  mają moralny obowiązek wypowiadać się za tych ,  którzy nie mogą robić tego we własnym imieniu "  .
Tokens: 1 2_____ 3_______ 4____________ 5 6________ 7 8_______ 9 10_____ 11_____ 12___ 13_ 14____ 15 16_____ 17______________ 18 19_ 20____ 21 22______________ 23____ 24 25_________ 26 27 28 29__ 30_____ 31_______ 32________ 33_ 34 35__ 36 37____ 38_ 39__ 40___ 41__ 42 43_____ 44_____ 45 46

Chunks:
  TruePositive nam [14,14] = funtów
  FalseNegative nam [8,8] = Observer

(ChunkerEvaluator) Sentence #4353 from articles/00107535 from sent9

Text  : Rząd argumentuje , że świadczenia nie mogą być workiem bez dna ,  a  motywem zmian jest przeciwdziałanie uzależnieniu ludzi od nich i  zachęcenie ich do szukania pracy .
Tokens: 1___ 2__________ 3 4_ 5__________ 6__ 7___ 8__ 9______ 10_ 11_ 12 13 14_____ 15___ 16__ 17______________ 18__________ 19___ 20 21__ 22 23________ 24_ 25 26______ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #4354 from articles/00107535 from sent10

Text  : Nowe rozwiązania , które weszły by w życie od 2013 r  .  ,  zaoszczędziły by 7  mld funtów w  rocznym budżecie na wydatki socjalne ,  sięgającym 192 mld funtów .
Tokens: 1___ 2__________ 3 4____ 5_____ 6_ 7 8____ 9_ 10__ 11 12 13 14___________ 15 16 17_ 18____ 19 20_____ 21______ 22 23_____ 24______ 25 26________ 27_ 28_ 29____ 30

Chunks:
  TruePositive nam [18,18] = funtów
  TruePositive nam [29,29] = funtów

(ChunkerEvaluator) Sentence #4355 from articles/00107535 from sent11

Text  : Cytowany przez BBC rzecznik ministerstwa pracy i emerytur wyliczył ,  że 500 funtów na tydzień przekłada się na 35 tys .  funtów rocznie przed opodatkowaniem ,  co znacznie przekracza średnią zarobków w  kraju .
Tokens: 1_______ 2____ 3__ 4_______ 5___________ 6____ 7 8_______ 9_______ 10 11 12_ 13____ 14 15_____ 16_______ 17_ 18 19 20_ 21 22____ 23_____ 24___ 25____________ 26 27 28______ 29________ 30_____ 31______ 32 33___ 34

Chunks:
  TruePositive nam [3,3] = BBC
  TruePositive nam [13,13] = funtów
  FalsePositive nam [22,22] = funtów

(ChunkerEvaluator) Sentence #4356 from articles/00107535 from sent12

Text  : " Nie jest sprawiedliwa sytuacja , w której gospodarstwa domowe z  tytułu niezdolności do pracy otrzymują więcej niż statystyczne gospodarstwo domowe osiąga z  pracy "  -  zaznaczył rzecznik .
Tokens: 1 2__ 3___ 4___________ 5_______ 6 7 8_____ 9___________ 10____ 11 12____ 13__________ 14 15___ 16_______ 17____ 18_ 19__________ 20__________ 21____ 22____ 23 24___ 25 26 27_______ 28______ 29

Chunks:

(ChunkerEvaluator) Sentence #4357 from articles/00107535 from sent13

Text  : Towarzystwo Pomocy Dzieciom , na którego czele stoi abp Canterbury ,  ocenia ,  że skutkiem wprowadzenia limitu będzie to ,  że 40 tys .  rodzin nie będzie mogło sobie pozwolić na opłacenie rachunków za utrzymanie domu ,  co oznacza ,  iż ok .  80 tys .  dzieci straci dach nad głową .
Tokens: 1__________ 2_____ 3_______ 4 5_ 6______ 7____ 8___ 9__ 10________ 11 12____ 13 14 15______ 16__________ 17____ 18____ 19 20 21 22 23_ 24 25____ 26_ 27____ 28___ 29___ 30______ 31 32_______ 33_______ 34 35________ 36__ 37 38 39_____ 40 41 42 43 44 45_ 46 47____ 48____ 49__ 50_ 51___ 52

Chunks:
  TruePositive nam [1,3] = Towarzystwo Pomocy Dzieciom
  FalseNegative nam [10,10] = Canterbury

(ChunkerEvaluator) Sentence #4358 from articles/00107535 from sent14

Text  : Towarzystwo chce , by zapomogę na dziecko wyłączyć z kalkulacji przychodów gospodarstwa domowego .
Tokens: 1__________ 2___ 3 4_ 5_______ 6_ 7______ 8_______ 9 10________ 11________ 12__________ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #4359 from articles/00107535 from sent15

Text  : Izba Lordów będzie omawiać w poniedziałek proponowane zmiany w ustawodawstwie socjalnym (  Welfare Reform Bill )  .
Tokens: 1___ 2_____ 3_____ 4______ 5 6___________ 7__________ 8_____ 9 10____________ 11_______ 12 13_____ 14____ 15__ 16 17

Chunks:
  TruePositive nam [1,2] = Izba Lordów
  FalsePositive nam [14,15] = Reform Bill
  FalseNegative nam [13,15] = Welfare Reform Bill

(ChunkerEvaluator) Sentence #4360 from articles/00107535 from sent16

Text  : Zasiadający w Izbie biskup Leeds i Ripon John Packer zgłosił ten postulat jako jedną z  pięciu poprawek .
Tokens: 1__________ 2 3____ 4_____ 5____ 6 7____ 8___ 9_____ 10_____ 11_ 12______ 13__ 14___ 15 16____ 17______ 18

Chunks:
  FalsePositive nam [7,9] = Ripon John Packer
  FalseNegative nam [3,3] = Izbie
  FalseNegative nam [5,5] = Leeds
  FalseNegative nam [7,7] = Ripon
  FalseNegative nam [8,9] = John Packer

(ChunkerEvaluator) Sentence #4361 from articles/00107535 from sent17

Text  : ( PAP
Tokens: 1 2__

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:32,870 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 171 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107536.xml
(ChunkerEvaluator) Sentence #4362 from articles/00107536 from sent1

Text  : Liga Mistrzów .
Tokens: 1___ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Liga Mistrzów

(ChunkerEvaluator) Sentence #4363 from articles/00107536 from sent2

Text  : Iniesta nie zagra w hicie z Milanem
Tokens: 1______ 2__ 3____ 4 5____ 6 7______

Chunks:
  TruePositive nam [7,7] = Milanem
  FalseNegative nam [1,1] = Iniesta

(ChunkerEvaluator) Sentence #4364 from articles/00107536 from sent3

Text  : Pomocnik Barcelony Andres Iniesta nie zagra z powodu kontuzji w  szlagierowo zapowiadającym się wyjazdowym meczu 5  .  kolejki piłkarskiej Ligi Mistrzów z  AC Milan ,  który odbędzie się w  środę na San Siro .
Tokens: 1_______ 2________ 3_____ 4______ 5__ 6____ 7 8_____ 9_______ 10 11_________ 12____________ 13_ 14________ 15___ 16 17 18_____ 19_________ 20__ 21______ 22 23 24___ 25 26___ 27______ 28_ 29 30___ 31 32_ 33__ 34

Chunks:
  TruePositive nam [20,21] = Ligi Mistrzów
  TruePositive nam [23,24] = AC Milan
  TruePositive nam [32,33] = San Siro
  FalsePositive nam [2,4] = Barcelony Andres Iniesta
  FalseNegative nam [2,2] = Barcelony
  FalseNegative nam [3,4] = Andres Iniesta

(ChunkerEvaluator) Sentence #4365 from articles/00107536 from sent4

Text  : Gwiazdor Katalończyków narzeka na uraz uda .
Tokens: 1_______ 2____________ 3______ 4_ 5___ 6__ 7

Chunks:
  FalseNegative nam [2,2] = Katalończyków

(ChunkerEvaluator) Sentence #4366 from articles/00107536 from sent5

Text  : Oba zespoły już wcześniej zapewniły sobie awans do 1 /  8  finału .
Tokens: 1__ 2______ 3__ 4________ 5________ 6____ 7____ 8_ 9 10 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #4367 from articles/00107536 from sent6

Text  : Środowe spotkanie prawdopodobnie rozstrzygnie o pierwszym miejscu w grupie H  .
Tokens: 1______ 2________ 3_____________ 4___________ 5 6________ 7______ 8 9_____ 10 11

Chunks:
  FalsePositive nam [10,10] = H

(ChunkerEvaluator) Sentence #4368 from articles/00107536 from sent7

Text  : Iniesta nie poleciał do Mediolanu , ale prawdopodobnie będzie gotowy na sobotni ligowy mecz z  Getafe .
Tokens: 1______ 2__ 3_______ 4_ 5________ 6 7__ 8_____________ 9_____ 10____ 11 12_____ 13____ 14__ 15 16____ 17

Chunks:
  TruePositive nam [5,5] = Mediolanu
  FalseNegative nam [1,1] = Iniesta
  FalseNegative nam [16,16] = Getafe

(ChunkerEvaluator) Sentence #4369 from articles/00107536 from sent8

Text  : Oprócz reprezentanta Hiszpanii w ekipie Barcelony zabraknie zawieszonego za kartki Brazylijczyka Daniela Alvesa .
Tokens: 1_____ 2____________ 3________ 4 5_____ 6________ 7________ 8___________ 9_ 10____ 11___________ 12_____ 13____ 14

Chunks:
  TruePositive nam [3,3] = Hiszpanii
  TruePositive nam [6,6] = Barcelony
  FalsePositive nam [11,13] = Brazylijczyka Daniela Alvesa
  FalseNegative nam [11,11] = Brazylijczyka
  FalseNegative nam [12,13] = Daniela Alvesa

2016-10-27 14:59:32,905 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 172 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107537.xml
(ChunkerEvaluator) Sentence #4370 from articles/00107537 from sent1

Text  : Wydarzenia sportowe w skrócie , wtorek 22 listopada , 17 .  00
Tokens: 1_________ 2_______ 3 4______ 5 6_____ 7_ 8________ 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #4371 from articles/00107537 from sent2

Text  : Przekazujemy skrót wiadomości sportowych :
Tokens: 1___________ 2____ 3_________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #4372 from articles/00107537 from sent3

Text  : Polscy siatkarze pokonali w Nagoi Argentyńczyków 3 : 1 (  18 :  25 ,  25 :  20 ,  25 :  23 ,  25 :  22 )  w  swoim trzecim meczu Pucharu Świata .
Tokens: 1_____ 2________ 3_______ 4 5____ 6_____________ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28___ 29_____ 30___ 31_____ 32____ 33

Chunks:
  TruePositive nam [6,6] = Argentyńczyków
  TruePositive nam [31,32] = Pucharu Świata
  FalseNegative nam [5,5] = Nagoi

(ChunkerEvaluator) Sentence #4373 from articles/00107537 from sent4

Text  : Najwięcej punktów - 17 dla zespołu biało - czerwonych zdobył Zbigniew Bartman .
Tokens: 1________ 2______ 3 4_ 5__ 6______ 7____ 8 9_________ 10____ 11______ 12_____ 13

Chunks:
  TruePositive nam [11,12] = Zbigniew Bartman

(ChunkerEvaluator) Sentence #4374 from articles/00107537 from sent5

Text  : To trzecia wygrana podopiecznych Andrei Anastasiego .
Tokens: 1_ 2______ 3______ 4____________ 5_____ 6__________ 7

Chunks:
  TruePositive nam [5,6] = Andrei Anastasiego

(ChunkerEvaluator) Sentence #4375 from articles/00107537 from sent6

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4376 from articles/00107537 from sent7

Text  : Francuz Michael Llodra i Serb Nenad Zimonjic pokonali Rohana Bopannę z  Indii i  Aisama -  Ul -  Haqa Qureshiego z  Pakistanu 7  :  6  (  8  -  6  )  ,  6  :  3  w  meczu grupy B  w  tenisowym turnieju masters deblistów -  ATP World Tour Finals (  z  pulą nagród 5  ,  07 mln funtów )  w  Londynie .
Tokens: 1______ 2______ 3_____ 4 5___ 6____ 7_______ 8_______ 9_____ 10_____ 11 12___ 13 14____ 15 16 17 18__ 19________ 20 21_______ 22 23 24 25 26 27 28 29 30 31 32 33 34 35___ 36___ 37 38 39_______ 40______ 41_____ 42_______ 43 44_ 45___ 46__ 47____ 48 49 50__ 51____ 52 53 54 55_ 56____ 57 58 59______ 60

Chunks:
  TruePositive nam [1,1] = Francuz
  TruePositive nam [2,3] = Michael Llodra
  TruePositive nam [9,10] = Rohana Bopannę
  TruePositive nam [12,12] = Indii
  TruePositive nam [14,19] = Aisama - Ul - Haqa Qureshiego
  TruePositive nam [21,21] = Pakistanu
  TruePositive nam [44,47] = ATP World Tour Finals
  TruePositive nam [56,56] = funtów
  TruePositive nam [59,59] = Londynie
  FalsePositive nam [5,7] = Serb Nenad Zimonjic
  FalseNegative nam [5,5] = Serb
  FalseNegative nam [6,7] = Nenad Zimonjic

(ChunkerEvaluator) Sentence #4377 from articles/00107537 from sent8

Text  : Wieczorem zagrają Mariusz Fyrstenberg i Marcin Matkowski , a rywalami Polaków będą Kanadyjczyk Daniel Nestor i  Białorusin Maks Mirnyj .
Tokens: 1________ 2______ 3______ 4__________ 5 6_____ 7________ 8 9 10______ 11_____ 12__ 13_________ 14____ 15____ 16 17________ 18__ 19____ 20

Chunks:
  TruePositive nam [3,4] = Mariusz Fyrstenberg
  TruePositive nam [6,7] = Marcin Matkowski
  TruePositive nam [11,11] = Polaków
  TruePositive nam [13,13] = Kanadyjczyk
  TruePositive nam [14,15] = Daniel Nestor
  FalsePositive nam [17,19] = Białorusin Maks Mirnyj
  FalseNegative nam [17,17] = Białorusin
  FalseNegative nam [18,19] = Maks Mirnyj

(ChunkerEvaluator) Sentence #4378 from articles/00107537 from sent9

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4379 from articles/00107537 from sent10

Text  : Francuska Federacja Kolarska oczyściła Jeannie Longo z zarzutu złamania przepisów antydopingowych .
Tokens: 1________ 2________ 3_______ 4________ 5______ 6____ 7 8______ 9_______ 10_______ 11_____________ 12

Chunks:
  TruePositive nam [1,3] = Francuska Federacja Kolarska
  TruePositive nam [5,6] = Jeannie Longo

(ChunkerEvaluator) Sentence #4380 from articles/00107537 from sent11

Text  : 53 - letnia zawodniczka w ciągu ostatnich 18 miesięcy otrzymała trzy ostrzeżenia od agencji antydopingowej za podanie błędnych informacji na temat miejsca pobytu .
Tokens: 1_ 2 3_____ 4__________ 5 6____ 7________ 8_ 9_______ 10_______ 11__ 12_________ 13 14_____ 15____________ 16 17_____ 18______ 19________ 20 21___ 22_____ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #4381 from articles/00107537 from sent12

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4382 from articles/00107537 from sent13

Text  : Kamil Stoch , Piotr Żyła , Maciej Kot , Krzysztof Miętus ,  Dawid Kubacki ,  Jan Ziobro i  Stefan Hula odlecieli we wtorek z  Krakowa do Finlandii ,  gdzie w  tamtejszym Kuusamo wystąpią w  dwóch konkursach inaugurujących Puchar Świata 2011 /  2012 w  skokach narciarskich .
Tokens: 1____ 2____ 3 4____ 5___ 6 7_____ 8__ 9 10_______ 11____ 12 13___ 14_____ 15 16_ 17____ 18 19____ 20__ 21_______ 22 23____ 24 25_____ 26 27_______ 28 29___ 30 31________ 32_____ 33______ 34 35___ 36________ 37____________ 38____ 39____ 40__ 41 42__ 43 44_____ 45__________ 46

Chunks:
  TruePositive nam [1,2] = Kamil Stoch
  TruePositive nam [4,5] = Piotr Żyła
  TruePositive nam [7,8] = Maciej Kot
  TruePositive nam [10,11] = Krzysztof Miętus
  TruePositive nam [13,14] = Dawid Kubacki
  TruePositive nam [16,17] = Jan Ziobro
  TruePositive nam [19,20] = Stefan Hula
  TruePositive nam [25,25] = Krakowa
  TruePositive nam [27,27] = Finlandii
  FalsePositive nam [38,39] = Puchar Świata
  FalseNegative nam [32,32] = Kuusamo
  FalseNegative nam [38,42] = Puchar Świata 2011 / 2012

(ChunkerEvaluator) Sentence #4383 from articles/00107537 from sent14

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4384 from articles/00107537 from sent15

Text  : Znakomity występ w pierwszym meczu po dłuższej przerwie zanotował kapitan hokejowej drużyny Pittsburgh Penguins ,  Kanadyjczyk Sidney Crosby ,  który strzelił dwa gole i  zaliczył dwie asysty w  wygranej u  siebie konfrontacji z  New York Islanders 5  :  0  .
Tokens: 1________ 2_____ 3 4________ 5____ 6_ 7_______ 8_______ 9________ 10_____ 11_______ 12_____ 13________ 14______ 15 16_________ 17____ 18____ 19 20___ 21______ 22_ 23__ 24 25______ 26__ 27____ 28 29______ 30 31____ 32__________ 33 34_ 35__ 36_______ 37 38 39 40

Chunks:
  TruePositive nam [13,14] = Pittsburgh Penguins
  TruePositive nam [34,36] = New York Islanders
  FalsePositive nam [16,18] = Kanadyjczyk Sidney Crosby
  FalseNegative nam [16,16] = Kanadyjczyk
  FalseNegative nam [17,18] = Sidney Crosby

(ChunkerEvaluator) Sentence #4385 from articles/00107537 from sent16

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4386 from articles/00107537 from sent17

Text  : Jamajski sprinter Steve Mullings został dożywotnio zdyskwalifikowany za ponowne złapanie na stosowaniu niedozwolonych środków .
Tokens: 1_______ 2_______ 3____ 4_______ 5_____ 6_________ 7________________ 8_ 9______ 10______ 11 12________ 13____________ 14_____ 15

Chunks:
  TruePositive nam [3,4] = Steve Mullings

(ChunkerEvaluator) Sentence #4387 from articles/00107537 from sent18

Text  : 29 - letni złoty medalista mistrzostw świata 2009 skontrolowany został pod koniec czerwca podczas krajowych kwalifikacji do MŚ .
Tokens: 1_ 2 3____ 4____ 5________ 6_________ 7_____ 8___ 9____________ 10____ 11_ 12____ 13_____ 14_____ 15_______ 16__________ 17 18 19

Chunks:
  TruePositive nam [18,18] = MŚ

(ChunkerEvaluator) Sentence #4388 from articles/00107537 from sent19

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4389 from articles/00107537 from sent20

Text  : Koszykarze złożyli dwa pozwy antymonopolowe w Kalifornii i Minnesocie przeciwko władzom ligi NBA ,  aby przyspieszyć proces sądowy .
Tokens: 1_________ 2______ 3__ 4____ 5_____________ 6 7_________ 8 9_________ 10_______ 11_____ 12__ 13_ 14 15_ 16__________ 17____ 18____ 19

Chunks:
  TruePositive nam [7,7] = Kalifornii
  TruePositive nam [9,9] = Minnesocie
  TruePositive nam [13,13] = NBA

(ChunkerEvaluator) Sentence #4390 from articles/00107537 from sent21

Text  : Związane jest to z zerwaniem negocjacji pomiędzy obydwoma stronami i  przedłużającym się w  związku z  tym lokautem .
Tokens: 1_______ 2___ 3_ 4 5________ 6_________ 7_______ 8_______ 9_______ 10 11____________ 12_ 13 14_____ 15 16_ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #4391 from articles/00107537 from sent22

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4392 from articles/00107537 from sent23

Text  : Nieoczekiwanym zwycięstwem reprezentantów Korei Płd . zakończyła się rywalizacja sztafet mężczyzn podczas mistrzostw świata juniorów w  pięcioboju nowoczesnym ,  które odbywały się w  Buenos Aires .
Tokens: 1_____________ 2__________ 3_____________ 4____ 5__ 6 7_________ 8__ 9__________ 10_____ 11______ 12_____ 13________ 14____ 15______ 16 17________ 18_________ 19 20___ 21______ 22_ 23 24____ 25___ 26

Chunks:
  TruePositive nam [4,5] = Korei Płd
  TruePositive nam [24,25] = Buenos Aires

(ChunkerEvaluator) Sentence #4393 from articles/00107537 from sent24

Text  : Woojin Hwang i Soengjin Kim wyprzedzili duety z Francji i  Niemiec .
Tokens: 1_____ 2____ 3 4_______ 5__ 6__________ 7____ 8 9______ 10 11_____ 12

Chunks:
  TruePositive nam [4,5] = Soengjin Kim
  TruePositive nam [9,9] = Francji
  TruePositive nam [11,11] = Niemiec
  FalsePositive nam [2,2] = Hwang
  FalseNegative nam [1,2] = Woojin Hwang

(ChunkerEvaluator) Sentence #4394 from articles/00107537 from sent25

Text  : Pięciu piłkarzy pierwszoligowej Warty Poznań : Michał Goliński , Maciej Scherfchen ,  Paweł Sasin ,  Krzysztof Gajtkowski i  Mariusz Ujek tuż po zakończeniu wydłużonej rundy jesiennej otrzymało wolną rękę w  poszukiwaniu nowych pracodawców .
Tokens: 1_____ 2_______ 3______________ 4____ 5_____ 6 7_____ 8_______ 9 10____ 11________ 12 13___ 14___ 15 16_______ 17________ 18 19_____ 20__ 21_ 22 23_________ 24________ 25___ 26_______ 27_______ 28___ 29__ 30 31__________ 32____ 33_________ 34

Chunks:
  TruePositive nam [4,5] = Warty Poznań
  TruePositive nam [7,8] = Michał Goliński
  TruePositive nam [10,11] = Maciej Scherfchen
  TruePositive nam [13,14] = Paweł Sasin
  TruePositive nam [16,17] = Krzysztof Gajtkowski
  TruePositive nam [19,20] = Mariusz Ujek

2016-10-27 14:59:33,034 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 173 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107538.xml
(ChunkerEvaluator) Sentence #4395 from articles/00107538 from sent1

Text  : Prezenty , koncerty i przysmaki Makłowicza , czyli jak Korona obchodzi swoje trzylecie
Tokens: 1_______ 2 3_______ 4 5________ 6_________ 7 8____ 9__ 10____ 11______ 12___ 13_______

Chunks:
  TruePositive nam [10,10] = Korona
  FalseNegative nam [6,6] = Makłowicza

(ChunkerEvaluator) Sentence #4396 from articles/00107538 from sent2

Text  : Centrum Korona obchodzi swoje urodziny .
Tokens: 1______ 2_____ 3_______ 4____ 5_______ 6

Chunks:
  FalsePositive nam [2,2] = Korona
  FalseNegative nam [1,2] = Centrum Korona

(ChunkerEvaluator) Sentence #4397 from articles/00107538 from sent3

Text  : Do końca tygodnia można wygrywać dziesiątki nagród , w sobotę swoje kulinarne możliwości zaprezentuje Robert Makłowicz .
Tokens: 1_ 2____ 3_______ 4____ 5_______ 6_________ 7_____ 8 9 10____ 11___ 12_______ 13________ 14__________ 15____ 16_______ 17

Chunks:
  TruePositive nam [15,16] = Robert Makłowicz

(ChunkerEvaluator) Sentence #4398 from articles/00107538 from sent4

Text  : Także w sobotę czytelnicy naszej gazety będą mogli wygrać samochód
Tokens: 1____ 2 3_____ 4_________ 5_____ 6_____ 7___ 8____ 9_____ 10______

Chunks:

(ChunkerEvaluator) Sentence #4399 from articles/00107538 from sent5

Text  : Do najbliższego piątku potrwa promocja pod hasłem „ 300 prezentów na trzecie urodziny Korony ”  .
Tokens: 1_ 2___________ 3_____ 4_____ 5_______ 6__ 7_____ 8 9__ 10_______ 11 12_____ 13______ 14____ 15 16

Chunks:
  TruePositive nam [14,14] = Korony

(ChunkerEvaluator) Sentence #4400 from articles/00107538 from sent6

Text  : Mogą wziąć w niej udział wszyscy klienci Korony , którzy zrobią w  tym czasie zakupy ,  obejrzą film w  multipleksie Cinema City lub skorzystają z  atrakcji „  Stajni 126 ”  .
Tokens: 1___ 2____ 3 4___ 5_____ 6______ 7______ 8_____ 9 10____ 11____ 12 13_ 14____ 15____ 16 17_____ 18__ 19 20__________ 21____ 22__ 23_ 24_________ 25 26______ 27 28____ 29_ 30 31

Chunks:
  TruePositive nam [8,8] = Korony
  TruePositive nam [21,22] = Cinema City
  FalsePositive nam [28,30] = Stajni 126 ”
  FalseNegative nam [28,29] = Stajni 126

(ChunkerEvaluator) Sentence #4401 from articles/00107538 from sent7

Text  : Zasady są proste : na kuponach konkursowych , rozdawanych przy wejściach do Korony ,  należy złożyć urodzinowe życzenia ,  a  następnie wrzucić go do urny przy punkcie informacyjnym galerii handlowej .
Tokens: 1_____ 2_ 3_____ 4 5_ 6_______ 7___________ 8 9__________ 10__ 11_______ 12 13____ 14 15____ 16____ 17________ 18______ 19 20 21_______ 22_____ 23 24 25__ 26__ 27_____ 28___________ 29_____ 30_______ 31

Chunks:
  TruePositive nam [13,13] = Korony

(ChunkerEvaluator) Sentence #4402 from articles/00107538 from sent8

Text  : Autorzy najlepszych życzeń otrzymają atrakcyjne upominki ufundowane przez tutejsze sklepy .
Tokens: 1______ 2__________ 3_____ 4________ 5_________ 6_______ 7_________ 8____ 9_______ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #4403 from articles/00107538 from sent9

Text  : Codziennie rozdanych zostanie co najmniej 60 prezentów : m .  in .  wycieczki zagraniczne ,  kurs językowy ,  słowniki ,  zestaw Tak Tak ,  roboty kuchenne ,  tostery ,  suszarki ,  odkurzacze ,  żelazka ,  zestawy klocków Lego ,  zabawki ,  filmy z  przygodami Harry'ego Pottera ,  koszulki ,  czapki ,  zestawy kosmetyków i  wiele innych .
Tokens: 1_________ 2________ 3_______ 4_ 5_______ 6_ 7________ 8 9 10 11 12 13_______ 14_________ 15 16__ 17______ 18 19______ 20 21____ 22_ 23_ 24 25____ 26______ 27 28_____ 29 30______ 31 32________ 33 34_____ 35 36_____ 37_____ 38__ 39 40_____ 41 42___ 43 44________ 45_______ 46_____ 47 48______ 49 50____ 51 52_____ 53________ 54 55___ 56____ 57

Chunks:
  TruePositive nam [22,23] = Tak Tak
  TruePositive nam [38,38] = Lego
  TruePositive nam [45,46] = Harry'ego Pottera

(ChunkerEvaluator) Sentence #4404 from articles/00107538 from sent10

Text  : Wszystkie upominki można oglądac na wprost wejścia głównego .
Tokens: 1________ 2_______ 3____ 4______ 5_ 6_____ 7______ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #4405 from articles/00107538 from sent11

Text  : Swoje życzenia warto złożyć również na kuponie , który zostanie umieszczony 18 października w  piątkowej Gazecie Wyborczej .
Tokens: 1____ 2_______ 3____ 4_____ 5______ 6_ 7______ 8 9____ 10______ 11_________ 12 13__________ 14 15_______ 16_____ 17_______ 18

Chunks:
  TruePositive nam [16,17] = Gazecie Wyborczej

(ChunkerEvaluator) Sentence #4406 from articles/00107538 from sent12

Text  : Tu nagroda jest wyjątkowo atrakcyjna : za najpiękniejsze , zdaniem komisji konkursowej ,  życzenia ,  można otrzymać kluczyki do samochodu osobowego Suzuki Swift !
Tokens: 1_ 2______ 3___ 4________ 5_________ 6 7_ 8_____________ 9 10_____ 11_____ 12_________ 13 14______ 15 16___ 17______ 18______ 19 20_______ 21_______ 22____ 23___ 24

Chunks:
  FalsePositive nam [22,24] = Suzuki Swift !
  FalseNegative nam [22,22] = Suzuki
  FalseNegative nam [23,23] = Swift

(ChunkerEvaluator) Sentence #4407 from articles/00107538 from sent13

Text  : Kupon z Gazety Wyborczej należy wypełnić i wrzucić do urny w  Koronie do soboty ,  do godziny 15 .
Tokens: 1____ 2 3_____ 4________ 5_____ 6_______ 7 8______ 9_ 10__ 11 12_____ 13 14____ 15 16 17_____ 18 19

Chunks:
  TruePositive nam [3,4] = Gazety Wyborczej
  TruePositive nam [12,12] = Koronie

(ChunkerEvaluator) Sentence #4408 from articles/00107538 from sent14

Text  : Rozstrzygnięcie konkursu nastąpi jeszcze tego samego dnia , po wieczornym koncercie Rudiego Schubertha .
Tokens: 1______________ 2_______ 3______ 4______ 5___ 6_____ 7___ 8 9_ 10________ 11_______ 12_____ 13________ 14

Chunks:
  TruePositive nam [12,13] = Rudiego Schubertha

(ChunkerEvaluator) Sentence #4409 from articles/00107538 from sent15

Text  : Tutejszy oddział PKO SA przygotował upominki dla wszystkich studentów ,  którzy w  dniach do 19 października przyjdą do Korony i  założą Superkonto Student .
Tokens: 1_______ 2______ 3__ 4_ 5__________ 6_______ 7__ 8_________ 9________ 10 11____ 12 13____ 14 15 16__________ 17_____ 18 19____ 20 21____ 22________ 23_____ 24

Chunks:
  TruePositive nam [3,4] = PKO SA
  TruePositive nam [19,19] = Korony
  TruePositive nam [22,23] = Superkonto Student

(ChunkerEvaluator) Sentence #4410 from articles/00107538 from sent16

Text  : Osoby te będą mogły wziąć również udział w sobotnim konkursie PKO ,  w  którym nagrodą jest wycieczka do Bangkoku .
Tokens: 1____ 2_ 3___ 4____ 5____ 6______ 7_____ 8 9_______ 10_______ 11_ 12 13 14____ 15_____ 16__ 17_______ 18 19______ 20

Chunks:
  TruePositive nam [11,11] = PKO
  TruePositive nam [19,19] = Bangkoku

(ChunkerEvaluator) Sentence #4411 from articles/00107538 from sent17

Text  : Sobota upłynie w Koronie pod znakiem pokazów mody .
Tokens: 1_____ 2______ 3 4______ 5__ 6______ 7______ 8___ 9

Chunks:
  TruePositive nam [4,4] = Koronie

(ChunkerEvaluator) Sentence #4412 from articles/00107538 from sent18

Text  : Zaprezentowane zostaną najnowsze , urodzinowe kolekcje tutejszych butików : Saska ,  Solar ,  Orsay ,  Share ,  Ravel ,  Madonna Fashion Collection oraz Harley Davidson .
Tokens: 1_____________ 2______ 3________ 4 5_________ 6_______ 7_________ 8______ 9 10___ 11 12___ 13 14___ 15 16___ 17 18___ 19 20_____ 21_____ 22________ 23__ 24____ 25______ 26

Chunks:
  TruePositive nam [10,10] = Saska
  TruePositive nam [18,18] = Ravel
  TruePositive nam [20,22] = Madonna Fashion Collection
  TruePositive nam [24,25] = Harley Davidson
  FalseNegative nam [12,12] = Solar
  FalseNegative nam [14,14] = Orsay
  FalseNegative nam [16,16] = Share

(ChunkerEvaluator) Sentence #4413 from articles/00107538 from sent19

Text  : Ponieważ żadne przyjęcie nie może odbyć się bez pysznych potraw ,  będziemy mogli poznać tajniki urodzinowej kuchni podczas kulinarnych pokazów Roberta Makłowicza .
Tokens: 1_______ 2____ 3________ 4__ 5___ 6____ 7__ 8__ 9_______ 10____ 11 12______ 13___ 14____ 15_____ 16_________ 17____ 18_____ 19_________ 20_____ 21_____ 22________ 23

Chunks:
  TruePositive nam [21,22] = Roberta Makłowicza

(ChunkerEvaluator) Sentence #4414 from articles/00107538 from sent20

Text  : Autor popularnego programu telewizyjnego przybliży nam szczegóły przygotowania doskonałych przystawek ,  zup ,  drugich dań i  jubileuszowych tortów .
Tokens: 1____ 2__________ 3_______ 4____________ 5________ 6__ 7________ 8____________ 9__________ 10________ 11 12_ 13 14_____ 15_ 16 17____________ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #4415 from articles/00107538 from sent21

Text  : Kulminacją wieczoru będzie recital Rudiego Schubertha .
Tokens: 1_________ 2_______ 3_____ 4______ 5______ 6_________ 7

Chunks:
  TruePositive nam [5,6] = Rudiego Schubertha

(ChunkerEvaluator) Sentence #4416 from articles/00107538 from sent22

Text  : Po koncercie uczestnicy konkursu CH Korona i Gazety Wyborczej dowiedzą się ,  kto wygrał czerwone Suzuki Swift .
Tokens: 1_ 2________ 3_________ 4_______ 5_ 6_____ 7 8_____ 9________ 10______ 11_ 12 13_ 14____ 15______ 16____ 17___ 18

Chunks:
  TruePositive nam [8,9] = Gazety Wyborczej
  FalsePositive nam [6,6] = Korona
  FalsePositive nam [16,17] = Suzuki Swift
  FalseNegative nam [5,6] = CH Korona
  FalseNegative nam [16,16] = Suzuki
  FalseNegative nam [17,17] = Swift

(ChunkerEvaluator) Sentence #4417 from articles/00107538 from sent23

Text  : Na sam koniec przygotowano pokaz bielizny i Harley Davidson .
Tokens: 1_ 2__ 3_____ 4___________ 5____ 6_______ 7 8_____ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Harley Davidson

2016-10-27 14:59:33,165 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 174 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107539.xml
(ChunkerEvaluator) Sentence #4418 from articles/00107539 from sent1

Text  : Basket ze Śląskiem bez Lichodzijewskiego
Tokens: 1_____ 2_ 3_______ 4__ 5________________

Chunks:
  TruePositive nam [3,3] = Śląskiem
  FalseNegative nam [1,1] = Basket
  FalseNegative nam [5,5] = Lichodzijewskiego

(ChunkerEvaluator) Sentence #4419 from articles/00107539 from sent2

Text  : To już pewne : z powodu kontuzji kręgosłupa skrzydłowy PBG Basket Poznań ,  Aleksander Lichodzijewski nie zagra w  sobotnim meczu ze Śląskiem Wrocław .
Tokens: 1_ 2__ 3____ 4 5 6_____ 7_______ 8_________ 9_________ 10_ 11____ 12____ 13 14________ 15____________ 16_ 17___ 18 19______ 20___ 21 22______ 23_____ 24

Chunks:
  TruePositive nam [10,12] = PBG Basket Poznań
  TruePositive nam [14,15] = Aleksander Lichodzijewski
  TruePositive nam [22,23] = Śląskiem Wrocław

(ChunkerEvaluator) Sentence #4420 from articles/00107539 from sent3

Text  : Koszykarza zabrakło już w poprzednim spotkaniu poznańskiej drużyny , z  Kotwicą Kołobrzeg .
Tokens: 1_________ 2_______ 3__ 4 5_________ 6________ 7__________ 8______ 9 10 11_____ 12_______ 13

Chunks:
  TruePositive nam [11,12] = Kotwicą Kołobrzeg

(ChunkerEvaluator) Sentence #4421 from articles/00107539 from sent4

Text  : Zawodnik ma wkrótce wznowić treningi , ale do weekendu nie zdąży wrócić do zdrowia .
Tokens: 1_______ 2_ 3______ 4______ 5_______ 6 7__ 8_ 9_______ 10_ 11___ 12____ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #4422 from articles/00107539 from sent5

Text  : Basket zagra ze Śląskiem w sobotę o godz . 17 w  Poznaniu .
Tokens: 1_____ 2____ 3_ 4_______ 5 6_____ 7 8___ 9 10 11 12______ 13

Chunks:
  TruePositive nam [4,4] = Śląskiem
  TruePositive nam [12,12] = Poznaniu
  FalseNegative nam [1,1] = Basket

2016-10-27 14:59:33,186 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 175 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107540.xml
(ChunkerEvaluator) Sentence #4423 from articles/00107540 from sent1

Text  : „ Biała sobota ” w poradniach przy Tochtermana
Tokens: 1 2____ 3_____ 4 5 6_________ 7___ 8__________

Chunks:
  FalseNegative nam [2,3] = Biała sobota
  FalseNegative nam [8,8] = Tochtermana

(ChunkerEvaluator) Sentence #4424 from articles/00107540 from sent2

Text  : Bez skierowań mogą się zgłaszać w sobotę pacjenci do specjalistów z  poradni przy ul .  Tochtermana
Tokens: 1__ 2________ 3___ 4__ 5_______ 6 7_____ 8_______ 9_ 10__________ 11 12_____ 13__ 14 15 16_________

Chunks:
  FalseNegative nam [16,16] = Tochtermana

(ChunkerEvaluator) Sentence #4425 from articles/00107540 from sent3

Text  : Ochrona zdrowia .
Tokens: 1______ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #4426 from articles/00107540 from sent4

Text  : Przychodnie czekają
Tokens: 1__________ 2______

Chunks:

(ChunkerEvaluator) Sentence #4427 from articles/00107540 from sent5

Text  : Biała sobota
Tokens: 1____ 2_____

Chunks:
  FalseNegative nam [1,2] = Biała sobota

(ChunkerEvaluator) Sentence #4428 from articles/00107540 from sent6

Text  : Bez skierowań mogą się zgłaszać w sobotę pacjenci do specjalistów z  poradni przy ul .  Tochtermana
Tokens: 1__ 2________ 3___ 4__ 5_______ 6 7_____ 8_______ 9_ 10__________ 11 12_____ 13__ 14 15 16_________

Chunks:
  FalseNegative nam [16,16] = Tochtermana

(ChunkerEvaluator) Sentence #4429 from articles/00107540 from sent7

Text  : Czynne będą poradnie : kardiologiczna , ortopedyczna , urologiczna ,  uroginekologiczna (  przy ul .  Narutowicza 20 )  ,  chorób piersi ,  okulistyczna i  diabetologiczna ,  w  której będzie można porozmawiać z  przedstawicielami radomskiego koła Polskiego Stowarzyszenia Diabetyków .
Tokens: 1_____ 2___ 3_______ 4 5_____________ 6 7___________ 8 9__________ 10 11_______________ 12 13__ 14 15 16_________ 17 18 19 20____ 21____ 22 23__________ 24 25_____________ 26 27 28____ 29____ 30___ 31_________ 32 33_______________ 34_________ 35__ 36_______ 37____________ 38________ 39

Chunks:
  TruePositive nam [36,38] = Polskiego Stowarzyszenia Diabetyków
  FalsePositive nam [16,16] = Narutowicza
  FalseNegative nam [16,17] = Narutowicza 20

(ChunkerEvaluator) Sentence #4430 from articles/00107540 from sent8

Text  : Do lekarza mogą się zgłaszać również dzieci i młodzież -  w  poradni przy ul .  Lekarskiej 4  (  wejście od Tochtermana )  -  będą przyjmować kardiolodzy i  alergolodzy .
Tokens: 1_ 2______ 3___ 4__ 5_______ 6______ 7_____ 8 9_______ 10 11 12_____ 13__ 14 15 16________ 17 18 19_____ 20 21_________ 22 23 24__ 25________ 26_________ 27 28_________ 29

Chunks:
  FalsePositive nam [16,16] = Lekarskiej
  FalseNegative nam [16,17] = Lekarskiej 4
  FalseNegative nam [21,21] = Tochtermana

(ChunkerEvaluator) Sentence #4431 from articles/00107540 from sent9

Text  : We wszystkich poradniach lekarzy można odwiedzać od 9 do 13 .
Tokens: 1_ 2_________ 3_________ 4______ 5____ 6________ 7_ 8 9_ 10 11

Chunks:

(ChunkerEvaluator) Sentence #4432 from articles/00107540 from sent10

Text  : W tych samych godzinach będzie czynne laboratorium - specjaliści oznaczą poziom cukru we krwi ,  cholesterol oraz trójglicerydy .
Tokens: 1 2___ 3_____ 4________ 5_____ 6_____ 7___________ 8 9__________ 10_____ 11____ 12___ 13 14__ 15 16_________ 17__ 18___________ 19

Chunks:

(ChunkerEvaluator) Sentence #4433 from articles/00107540 from sent11

Text  : Nie trzeba mieć legitymacji ubezpieczeniowej , najlepiej jednak , gdyby zgłaszający się zabrali dowód osobisty -  potrzebny będzie numer PESEL .
Tokens: 1__ 2_____ 3___ 4__________ 5_______________ 6 7________ 8_____ 9 10___ 11_________ 12_ 13_____ 14___ 15______ 16 17_______ 18____ 19___ 20___ 21

Chunks:
  TruePositive nam [20,20] = PESEL

(ChunkerEvaluator) Sentence #4434 from articles/00107540 from sent12

Text  : Z „ białej soboty ” będą mogli skorzystać również nieubezpieczeni .
Tokens: 1 2 3_____ 4_____ 5 6___ 7____ 8_________ 9______ 10_____________ 11

Chunks:
  FalseNegative nam [3,4] = białej soboty

(ChunkerEvaluator) Sentence #4435 from articles/00107540 from sent13

Text  : Do których gabinetów trzeba się zgłosić , gdzie mieszczą się poradnie -  tego będzie można się dowiedzieć w  punkcie informacyjnym w  głównym holu szpitala .
Tokens: 1_ 2______ 3________ 4_____ 5__ 6______ 7 8____ 9_______ 10_ 11______ 12 13__ 14____ 15___ 16_ 17________ 18 19_____ 20___________ 21 22_____ 23__ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #4436 from articles/00107540 from sent14

Text  : Natomiast od poniedziałku słuchaczki pielęgniarstwa Zespołu Szkół Medycznych będą za darmo uczyć panie ,  jak powinny badać sobie piersi .
Tokens: 1________ 2_ 3___________ 4_________ 5_____________ 6______ 7____ 8_________ 9___ 10 11___ 12___ 13___ 14 15_ 16_____ 17___ 18___ 19____ 20

Chunks:
  TruePositive nam [6,8] = Zespołu Szkół Medycznych

(ChunkerEvaluator) Sentence #4437 from articles/00107540 from sent15

Text  : Akcja zakończy się w piątek .
Tokens: 1____ 2_______ 3__ 4 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #4438 from articles/00107540 from sent16

Text  : Kursy - w godz . 16 - 18 w siedzibie szkoły przy ul .  Kelles -  Krauza 3  .
Tokens: 1____ 2 3 4___ 5 6_ 7 8_ 9 10_______ 11____ 12__ 13 14 15____ 16 17____ 18 19

Chunks:
  FalsePositive nam [15,15] = Kelles
  FalsePositive nam [17,17] = Krauza
  FalseNegative nam [15,18] = Kelles - Krauza 3

2016-10-27 14:59:33,327 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 176 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107542.xml
(ChunkerEvaluator) Sentence #4439 from articles/00107542 from sent1

Text  : RPO : trzeba rozważyć możliwość wprowadzenia mediacji ws . wywłaszczeń
Tokens: 1__ 2 3_____ 4_______ 5________ 6___________ 7_______ 8_ 9 10_________

Chunks:
  FalsePositive nam [1,1] = RPO

(ChunkerEvaluator) Sentence #4440 from articles/00107542 from sent2

Text  : Rozważenie możliwości wprowadzenia mediacji w sprawach o wywłaszczenia w związku z  prowadzeniem inwestycji m  .  in .  drogowych postuluje Rzecznik Praw Obywatelskich prof .  Irena Lipowicz .
Tokens: 1_________ 2_________ 3___________ 4_______ 5 6_______ 7 8____________ 9 10_____ 11 12__________ 13________ 14 15 16 17 18_______ 19_______ 20______ 21__ 22___________ 23__ 24 25___ 26______ 27

Chunks:
  TruePositive nam [25,26] = Irena Lipowicz
  FalsePositive nam [20,22] = Rzecznik Praw Obywatelskich

(ChunkerEvaluator) Sentence #4441 from articles/00107542 from sent3

Text  : Lipowicz powiedziała , że będzie przygotowywać oficjalne wystąpienie dotyczące ewentualnego dopuszczenia mediacji w  sprawach o  wywłaszczenia oraz prowadzenia "  działań wyprzedzających "  ewentualne konflikty w  tych sytuacjach .
Tokens: 1_______ 2__________ 3 4_ 5_____ 6____________ 7________ 8__________ 9________ 10__________ 11__________ 12______ 13 14______ 15 16___________ 17__ 18_________ 19 20_____ 21_____________ 22 23________ 24_______ 25 26__ 27________ 28

Chunks:
  TruePositive nam [1,1] = Lipowicz

(ChunkerEvaluator) Sentence #4442 from articles/00107542 from sent4

Text  : " Jeśli wiemy , że gdzieś będzie budowana trasa ,  to z  góry możemy powiedzieć ,  że będą konflikty ,  będą skargi ,  a  prawo zabrania klasycznej mediacji przy wywłaszczeniach "  -  powiedziała prof .  Lipowicz na konferencji prasowej w  czwartek w  Lublinie .
Tokens: 1 2____ 3____ 4 5_ 6_____ 7_____ 8_______ 9____ 10 11 12 13__ 14____ 15________ 16 17 18__ 19_______ 20 21__ 22____ 23 24 25___ 26______ 27________ 28______ 29__ 30_____________ 31 32 33_________ 34__ 35 36______ 37 38_________ 39______ 40 41______ 42 43______ 44

Chunks:
  TruePositive nam [36,36] = Lipowicz
  TruePositive nam [43,43] = Lublinie

(ChunkerEvaluator) Sentence #4443 from articles/00107542 from sent5

Text  : Jak tłumaczyła , chodziło by o możliwość dobrowolnego , polubownego załatwienie sprawy wywłaszczenia ,  ale z  odpowiednim nadzorem ,  tak ,  aby nikomu nie działa się krzywda ,  np .  aby nie doszło do zapłacenia ludziom starszym czy nieporadnym zaniżonych kwot odszkodowania .
Tokens: 1__ 2_________ 3 4_______ 5_ 6 7________ 8___________ 9 10_________ 11_________ 12____ 13___________ 14 15_ 16 17_________ 18______ 19 20_ 21 22_ 23____ 24_ 25____ 26_ 27_____ 28 29 30 31_ 32_ 33____ 34 35________ 36_____ 37______ 38_ 39_________ 40________ 41__ 42___________ 43

Chunks:

(ChunkerEvaluator) Sentence #4444 from articles/00107542 from sent6

Text  : Sprawa ta wiąże się z dużą liczbą skarg , które napływają do RPO m  .  in .  od mieszkańców Lubelszczyzny ;  dotyczą one opóźnień i  przedłużających się procedur wywłaszczenia i  wypłacania odszkodowań za zburzone domy i  przejęte grunty pod budowane drogi ,  np .  ekspresową S  -  17 .
Tokens: 1_____ 2_ 3____ 4__ 5 6___ 7_____ 8____ 9 10___ 11_______ 12 13_ 14 15 16 17 18 19_________ 20___________ 21 22_____ 23_ 24______ 25 26_____________ 27_ 28______ 29___________ 30 31________ 32_________ 33 34______ 35__ 36 37______ 38____ 39_ 40______ 41___ 42 43 44 45________ 46 47 48 49

Chunks:
  TruePositive nam [20,20] = Lubelszczyzny
  TruePositive nam [46,48] = S - 17
  FalsePositive nam [13,13] = RPO

(ChunkerEvaluator) Sentence #4445 from articles/00107542 from sent7

Text  : Duża liczba tych spraw , konieczność wykonania różnych ekspertyz powodują ,  że nieraz urzędnikom trudno dotrzymać terminów .
Tokens: 1___ 2_____ 3___ 4____ 5 6__________ 7________ 8______ 9________ 10______ 11 12 13____ 14________ 15____ 16_______ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #4446 from articles/00107542 from sent8

Text  : W sytuacji , gdy któryś z właścicieli nie zgadza się np .  z  wyceną i  składa odwołanie ,  cała procedura wypłacania odszkodowań jeszcze bardziej się wydłuża i  to dla wszystkich osób objętych wywłaszczeniem w  ramach konkretnej inwestycji .
Tokens: 1 2_______ 3 4__ 5_____ 6 7__________ 8__ 9_____ 10_ 11 12 13 14____ 15 16____ 17_______ 18 19__ 20_______ 21________ 22_________ 23_____ 24______ 25_ 26_____ 27 28 29_ 30________ 31__ 32______ 33____________ 34 35____ 36________ 37________ 38

Chunks:

(ChunkerEvaluator) Sentence #4447 from articles/00107542 from sent9

Text  : " Będę się o to zwracała do ministra Michała Boniego ,  żeby śmy trochę zmienili całą filozofię działania ,  żeby śmy szli przed konfliktem .
Tokens: 1 2___ 3__ 4 5_ 6_______ 7_ 8_______ 9______ 10_____ 11 12__ 13_ 14____ 15______ 16__ 17_______ 18_______ 19 20__ 21_ 22__ 23___ 24________ 25

Chunks:
  TruePositive nam [9,10] = Michała Boniego

(ChunkerEvaluator) Sentence #4448 from articles/00107542 from sent10

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #4449 from articles/00107542 from sent11

Text  : Nawet gdyby wojewodowie czy gminy chciały to zrobić , to przeważnie na takie działania ,  na mediacje w  administracji ,  nie ma pieniędzy ,  ale potem te pieniądze będą się musiały znaleźć w  formie olbrzymich odszkodowań "  -  powiedziała prof .  Lipowicz .
Tokens: 1____ 2____ 3__________ 4__ 5____ 6______ 7_ 8_____ 9 10 11________ 12 13___ 14_______ 15 16 17______ 18 19___________ 20 21_ 22 23_______ 24 25_ 26___ 27 28_______ 29__ 30_ 31_____ 32_____ 33 34____ 35________ 36_________ 37 38 39_________ 40__ 41 42______ 43

Chunks:
  TruePositive nam [42,42] = Lipowicz

(ChunkerEvaluator) Sentence #4450 from articles/00107542 from sent12

Text  : Przywołała w tym kontekście działania firm poszukujących gazu łupkowego .
Tokens: 1_________ 2 3__ 4_________ 5________ 6___ 7____________ 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #4451 from articles/00107542 from sent13

Text  : Najpierw wysyłają one do gmin , w których zamierzają prowadzić poszukiwania ,  swoich "  ambasadorów "  ,  którzy z  góry starają się określić ewentualne pola konfliktu oraz działania ,  jakie mogły by zrekompensować mieszkańcom powstałe uciążliwości .
Tokens: 1_______ 2_______ 3__ 4_ 5___ 6 7 8______ 9_________ 10_______ 11__________ 12 13____ 14 15_________ 16 17 18____ 19 20__ 21_____ 22_ 23______ 24________ 25__ 26_______ 27__ 28_______ 29 30___ 31___ 32 33____________ 34_________ 35______ 36__________ 37

Chunks:

(ChunkerEvaluator) Sentence #4452 from articles/00107542 from sent14

Text  : " Taka firma oszczędza sobie w ten sposób iluś procesów ,  iluś wielkich odszkodowań ,  a  my ,  w  naszym kraju ,  ciągle jeszcze nie doszli śmy do tego etapu "  -  dodała Lipowicz .
Tokens: 1 2___ 3____ 4________ 5____ 6 7__ 8_____ 9___ 10______ 11 12__ 13______ 14_________ 15 16 17 18 19 20____ 21___ 22 23____ 24_____ 25_ 26____ 27_ 28 29__ 30___ 31 32 33____ 34______ 35

Chunks:
  TruePositive nam [34,34] = Lipowicz

(ChunkerEvaluator) Sentence #4453 from articles/00107542 from sent15

Text  : Prof . Lipowicz zaznaczyła , że już w kwietniu wystąpiła do ministra infrastruktury o  zmiany przepisów w  tzw .  specustawach dotyczących inwestycji infrastrukturalnych tak ,  aby można było sprawniej i  szybciej wypłacać odszkodowania właścicielom nieruchomości .
Tokens: 1___ 2 3_______ 4_________ 5 6_ 7__ 8 9_______ 10_______ 11 12______ 13____________ 14 15____ 16_______ 17 18_ 19 20__________ 21_________ 22________ 23_________________ 24_ 25 26_ 27___ 28__ 29_______ 30 31______ 32______ 33___________ 34__________ 35___________ 36

Chunks:
  TruePositive nam [3,3] = Lipowicz

(ChunkerEvaluator) Sentence #4454 from articles/00107542 from sent16

Text  : W czerwcu - jak relacjonowała Rzecznik - minister zobowiązał się do wprowadzenia takich zapisów .
Tokens: 1 2______ 3 4__ 5____________ 6_______ 7 8_______ 9_________ 10_ 11 12__________ 13____ 14_____ 15

Chunks:
  FalsePositive nam [6,6] = Rzecznik

(ChunkerEvaluator) Sentence #4455 from articles/00107542 from sent17

Text  : Prof . Lipowicz zapewniła , że będzie dążyła , aby nowy minister infrastruktury jak najszybciej wprowadził te usprawnienia .
Tokens: 1___ 2 3_______ 4________ 5 6_ 7_____ 8_____ 9 10_ 11__ 12______ 13____________ 14_ 15_________ 16________ 17 18__________ 19

Chunks:
  TruePositive nam [3,3] = Lipowicz

(ChunkerEvaluator) Sentence #4456 from articles/00107542 from sent18

Text  : Prof . Lipowicz przyjechała do Lublina w związku z uruchomieniem w  tutejszym urzędzie wojewódzkim punktu przyjęcia interesantów RPO .
Tokens: 1___ 2 3_______ 4__________ 5_ 6______ 7 8______ 9 10___________ 11 12_______ 13______ 14_________ 15____ 16_______ 17__________ 18_ 19

Chunks:
  TruePositive nam [3,3] = Lipowicz
  TruePositive nam [6,6] = Lublina
  FalsePositive nam [18,18] = RPO

(ChunkerEvaluator) Sentence #4457 from articles/00107542 from sent19

Text  : W każdy ostatni piątek miesiąca , będą w nim dyżurować pracownicy Biura RPO i  przyjmować skargi od mieszkańców .
Tokens: 1 2____ 3______ 4_____ 5_______ 6 7___ 8 9__ 10_______ 11________ 12___ 13_ 14 15________ 16____ 17 18_________ 19

Chunks:
  FalsePositive nam [13,13] = RPO
  FalseNegative nam [12,13] = Biura RPO

(ChunkerEvaluator) Sentence #4458 from articles/00107542 from sent20

Text  : W tym roku do końca października do RPO wpłynęło z  woj .  lubelskiego ponad 1  ,  2  tys .  skarg (  na 23 tys .  wszystkich )  .
Tokens: 1 2__ 3___ 4_ 5____ 6___________ 7_ 8__ 9_______ 10 11_ 12 13_________ 14___ 15 16 17 18_ 19 20___ 21 22 23 24_ 25 26________ 27 28

Chunks:
  TruePositive nam [13,13] = lubelskiego
  FalsePositive nam [8,8] = RPO

(ChunkerEvaluator) Sentence #4459 from articles/00107542 from sent21

Text  : Punkt w Lublinie jest pierwszą tego rodzaju placówką RPO we wschodnich województwach Polski .
Tokens: 1____ 2 3_______ 4___ 5_______ 6___ 7______ 8_______ 9__ 10 11________ 12___________ 13____ 14

Chunks:
  TruePositive nam [3,3] = Lublinie
  TruePositive nam [13,13] = Polski
  FalsePositive nam [9,9] = RPO

(ChunkerEvaluator) Sentence #4460 from articles/00107542 from sent22

Text  : Biura terenowe Rzecznika mieszczą się w Katowicach , Gdańsku i  Wrocławiu .
Tokens: 1____ 2_______ 3________ 4_______ 5__ 6 7_________ 8 9______ 10 11_______ 12

Chunks:
  TruePositive nam [7,7] = Katowicach
  TruePositive nam [9,9] = Gdańsku
  TruePositive nam [11,11] = Wrocławiu

(ChunkerEvaluator) Sentence #4461 from articles/00107542 from sent23

Text  : Prof . Lipowicz zapowiedziała , że jeśli budżet RPO na to pozwoli ,  w  Lublinie w  przyszłości zostanie utworzone także biuro terenowe Rzecznika Praw Obywatelskich .
Tokens: 1___ 2 3_______ 4____________ 5 6_ 7____ 8_____ 9__ 10 11 12_____ 13 14 15______ 16 17_________ 18______ 19_______ 20___ 21___ 22______ 23_______ 24__ 25___________ 26

Chunks:
  TruePositive nam [3,3] = Lipowicz
  TruePositive nam [15,15] = Lublinie
  FalsePositive nam [9,9] = RPO
  FalsePositive nam [23,25] = Rzecznika Praw Obywatelskich

2016-10-27 14:59:33,507 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 177 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107543.xml
(ChunkerEvaluator) Sentence #4462 from articles/00107543 from sent1

Text  : „ Zakaz pedałowania ” .
Tokens: 1 2____ 3__________ 4 5

Chunks:

(ChunkerEvaluator) Sentence #4463 from articles/00107543 from sent2

Text  : Biegły od ekspertyzy przeprasza
Tokens: 1_____ 2_ 3_________ 4_________

Chunks:

(ChunkerEvaluator) Sentence #4464 from articles/00107543 from sent3

Text  : Biegły , który opiniował decyzję sądu dotyczącą znaków zarejestrowanych przez NOP przeprasza w  oświadczeniu :  „  Jest mi przykro ,  że wykonana przeze mnie ekspertyza posłużyła do zarejestrowania znaków kontrowersyjnych z  punktu widzenia moralnego ”
Tokens: 1_____ 2 3____ 4________ 5______ 6___ 7________ 8_____ 9_______________ 10___ 11_ 12________ 13 14__________ 15 16 17__ 18 19_____ 20 21 22______ 23____ 24__ 25________ 26_______ 27 28_____________ 29____ 30______________ 31 32____ 33______ 34_______ 35

Chunks:
  TruePositive nam [11,11] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4465 from articles/00107543 from sent4

Text  : Przeprasza za " zakaz "
Tokens: 1_________ 2_ 3 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #4466 from articles/00107543 from sent5

Text  : Biegły , który opiniował znaki NOP , wydał oświadczenie z  przeprosinami
Tokens: 1_____ 2 3____ 4________ 5____ 6__ 7 8____ 9___________ 10 11___________

Chunks:
  TruePositive nam [6,6] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4467 from articles/00107543 from sent6

Text  : Biegły , który opiniował znaki NOP - m . in .  "  zakaz pedałowania "  -  wyraził ubolewanie ,  że jego ekspertyzę wykorzystano do rejestracji kontrowersyjnych symboli .
Tokens: 1_____ 2 3____ 4________ 5____ 6__ 7 8 9 10 11 12 13___ 14_________ 15 16 17_____ 18________ 19 20 21__ 22________ 23__________ 24 25_________ 26______________ 27_____ 28

Chunks:
  TruePositive nam [6,6] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4468 from articles/00107543 from sent7

Text  : Biegły , który opiniował decyzję sądu dotyczącą znaków zarejestrowanych przez NOP przeprasza w  oświadczeniu :  „  Jest mi przykro ,  że wykonana przeze mnie ekspertyza posłużyła do zarejestrowania znaków kontrowersyjnych z  punktu widzenia moralnego ”  .
Tokens: 1_____ 2 3____ 4________ 5______ 6___ 7________ 8_____ 9_______________ 10___ 11_ 12________ 13 14__________ 15 16 17__ 18 19_____ 20 21 22______ 23____ 24__ 25________ 26_______ 27 28_____________ 29____ 30______________ 31 32____ 33______ 34_______ 35 36

Chunks:
  TruePositive nam [11,11] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4469 from articles/00107543 from sent8

Text  : Robert Kamiński to jeden z dwóch biegłych wydających opinię w  sprawie znaków -  w  tym „  zakazu pedałowania ”  -  które Sąd Okręgowy w  Warszawie zarejestrował jako oficjalne symbole Narodowego Odrodzenia Polski .
Tokens: 1_____ 2_______ 3_ 4____ 5 6____ 7_______ 8_________ 9_____ 10 11_____ 12____ 13 14 15_ 16 17____ 18_________ 19 20 21___ 22_ 23______ 24 25_______ 26___________ 27__ 28_______ 29_____ 30________ 31________ 32____ 33

Chunks:
  TruePositive nam [1,2] = Robert Kamiński
  TruePositive nam [22,23] = Sąd Okręgowy
  TruePositive nam [25,25] = Warszawie
  TruePositive nam [30,32] = Narodowego Odrodzenia Polski

(ChunkerEvaluator) Sentence #4470 from articles/00107543 from sent9

Text  : Oprócz niego sprawą zajmował się też dr Paweł Nowak z  Instytutu Filologii Polskiej UMCS .
Tokens: 1_____ 2____ 3_____ 4_______ 5__ 6__ 7_ 8____ 9____ 10 11_______ 12_______ 13______ 14__ 15

Chunks:
  TruePositive nam [8,9] = Paweł Nowak
  FalsePositive nam [11,14] = Instytutu Filologii Polskiej UMCS

(ChunkerEvaluator) Sentence #4471 from articles/00107543 from sent10

Text  : Kamiński uczy historii w Prywatnym Gimnazjum i Liceum im .  I  .  J  .  Paderewskiego ,  szkole ,  która znana jest z  otwartości ,  a  także licznych akcji związanych z  promowaniem idei tolerancji i  przestrzegania praw człowieka .
Tokens: 1_______ 2___ 3_______ 4 5________ 6________ 7 8_____ 9_ 10 11 12 13 14 15___________ 16 17____ 18 19___ 20___ 21__ 22 23________ 24 25 26___ 27______ 28___ 29________ 30 31_________ 32__ 33________ 34 35____________ 36__ 37_______ 38

Chunks:
  TruePositive nam [1,1] = Kamiński
  FalsePositive nam [5,6] = Prywatnym Gimnazjum
  FalsePositive nam [8,15] = Liceum im . I . J . Paderewskiego
  FalseNegative nam [5,15] = Prywatnym Gimnazjum i Liceum im . I . J . Paderewskiego

(ChunkerEvaluator) Sentence #4472 from articles/00107543 from sent11

Text  : Robert Kamiński wczoraj wydał oświadczenie , w którym odnosi się do swojej pracy jako biegłego .
Tokens: 1_____ 2_______ 3______ 4____ 5___________ 6 7 8_____ 9_____ 10_ 11 12____ 13___ 14__ 15______ 16

Chunks:
  TruePositive nam [1,2] = Robert Kamiński

(ChunkerEvaluator) Sentence #4473 from articles/00107543 from sent12

Text  : Przyznaje w nim , że nie jest specjalistą w zakresie prawa i  semiotyki ,  a  sens jego wypowiedzi na potrzeby sądu ograniczał się wyłącznie do konkluzji natury historycznej .
Tokens: 1________ 2 3__ 4 5_ 6__ 7___ 8__________ 9 10______ 11___ 12 13_______ 14 15 16__ 17__ 18________ 19 20______ 21__ 22________ 23_ 24_______ 25 26_______ 27____ 28__________ 29

Chunks:

(ChunkerEvaluator) Sentence #4474 from articles/00107543 from sent13

Text  : Nauczyciel zapewnia również , że z NOP nie ma nic wspólnego ,  a  jego działalności nie akceptuje i  nie popiera .
Tokens: 1_________ 2_______ 3______ 4 5_ 6 7__ 8__ 9_ 10_ 11_______ 12 13 14__ 15__________ 16_ 17_______ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [7,7] = NOP

(ChunkerEvaluator) Sentence #4475 from articles/00107543 from sent14

Text  : „ Jest mi przykro , że wykonana przeze mnie ekspertyza posłużyła do zarejestrowania znaków kontrowersyjnych z  punktu widzenia moralnego ”  -  pisze .
Tokens: 1 2___ 3_ 4______ 5 6_ 7_______ 8_____ 9___ 10________ 11_______ 12 13_____________ 14____ 15______________ 16 17____ 18______ 19_______ 20 21 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #4476 from articles/00107543 from sent15

Text  : Stwierdza też , że w swojej pracy dydaktycznej i wychowawczej zawsze upowszechniał wśród uczniów wartości tolerancji i  szacunku dla drugiego człowieka ,  sprzeciwiając się wszelkim formom przemocy .
Tokens: 1________ 2__ 3 4_ 5 6_____ 7____ 8___________ 9 10__________ 11____ 12___________ 13___ 14_____ 15______ 16________ 17 18______ 19_ 20______ 21_______ 22 23___________ 24_ 25______ 26____ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #4477 from articles/00107543 from sent16

Text  : Adam Kalbarczyk , dyrektor szkoły , nie kryje swojego oburzenia w  związku z  udziałem jego pracownika w  ekspertyzie ,  która pomogła NOP .
Tokens: 1___ 2_________ 3 4_______ 5_____ 6 7__ 8____ 9______ 10_______ 11 12_____ 13 14______ 15__ 16________ 17 18_________ 19 20___ 21_____ 22_ 23

Chunks:
  TruePositive nam [1,2] = Adam Kalbarczyk
  TruePositive nam [22,22] = NOP

(ChunkerEvaluator) Sentence #4478 from articles/00107543 from sent17

Text  : - Uważam , że opinia biegłych jest bezsprzecznie głupia .
Tokens: 1 2_____ 3 4_ 5_____ 6_______ 7___ 8____________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #4479 from articles/00107543 from sent18

Text  : Po pierwsze , pan Kamiński nie powinien podejmować się tej ekspertyzy ,  gdyż zwyczajnie nie zna się tematyce .
Tokens: 1_ 2_______ 3 4__ 5_______ 6__ 7_______ 8_________ 9__ 10_ 11________ 12 13__ 14________ 15_ 16_ 17_ 18______ 19

Chunks:
  TruePositive nam [5,5] = Kamiński

(ChunkerEvaluator) Sentence #4480 from articles/00107543 from sent19

Text  : Po drugie , karygodne jest , że historyk w tak ważnej sprawie nie bierze pod uwagę aktualnego kontekstu ,  tylko skupia się na znakach samych w  sobie -  uważa .
Tokens: 1_ 2_____ 3 4________ 5___ 6 7_ 8_______ 9 10_ 11____ 12_____ 13_ 14____ 15_ 16___ 17________ 18_______ 19 20___ 21____ 22_ 23 24_____ 25____ 26 27___ 28 29___ 30

Chunks:

(ChunkerEvaluator) Sentence #4481 from articles/00107543 from sent20

Text  : Dyrektor „ Paderewskiego ” dodaje , że oświadczenie nauczyciela zostanie przedstawione rodzicom .
Tokens: 1_______ 2 3____________ 4 5_____ 6 7_ 8___________ 9__________ 10______ 11___________ 12______ 13

Chunks:
  TruePositive nam [3,3] = Paderewskiego

(ChunkerEvaluator) Sentence #4482 from articles/00107543 from sent21

Text  : - Nie chcę , aby nasza szkoła była postrzegana jako promująca ruchy neofaszystowskie ,  tym bardziej ubolewam nad ekspertyzą podpisaną przez pana Kamińskiego -  wyjaśnia .
Tokens: 1 2__ 3___ 4 5__ 6____ 7_____ 8___ 9__________ 10__ 11_______ 12___ 13______________ 14 15_ 16______ 17______ 18_ 19________ 20_______ 21___ 22__ 23_________ 24 25______ 26

Chunks:
  TruePositive nam [23,23] = Kamińskiego

(ChunkerEvaluator) Sentence #4483 from articles/00107543 from sent22

Text  : Biegły przeprasza : z NOP nie mam nic wspólnego
Tokens: 1_____ 2_________ 3 4 5__ 6__ 7__ 8__ 9________

Chunks:
  TruePositive nam [5,5] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4484 from articles/00107543 from sent23

Text  : Biegły , który opiniował decyzję sądu dotyczącą znaków zarejestrowanych przez NOP przeprasza w  oświadczeniu :  „  Jest mi przykro ,  że wykonana przeze mnie ekspertyza posłużyła do zarejestrowania znaków kontrowersyjnych z  punktu widzenia moralnego ”
Tokens: 1_____ 2 3____ 4________ 5______ 6___ 7________ 8_____ 9_______________ 10___ 11_ 12________ 13 14__________ 15 16 17__ 18 19_____ 20 21 22______ 23____ 24__ 25________ 26_______ 27 28_____________ 29____ 30______________ 31 32____ 33______ 34_______ 35

Chunks:
  TruePositive nam [11,11] = NOP
  FalsePositive nam [1,1] = Biegły

(ChunkerEvaluator) Sentence #4485 from articles/00107543 from sent24

Text  : Robert Kamiński , to jeden z dwóch biegłych w sprawie znaków -  w  tym „  zakazu pedałowania ”  -  które Sąd Okręgowy w  Warszawie zarejestrował jako oficjalne symbole NOP .
Tokens: 1_____ 2_______ 3 4_ 5____ 6 7____ 8_______ 9 10_____ 11____ 12 13 14_ 15 16____ 17_________ 18 19 20___ 21_ 22______ 23 24_______ 25___________ 26__ 27_______ 28_____ 29_ 30

Chunks:
  TruePositive nam [1,2] = Robert Kamiński
  TruePositive nam [21,22] = Sąd Okręgowy
  TruePositive nam [24,24] = Warszawie
  TruePositive nam [29,29] = NOP

(ChunkerEvaluator) Sentence #4486 from articles/00107543 from sent25

Text  : Oprócz niego sprawą zajmował się też dr Paweł Nowak z  Instytutu Filologii Polskiej UMCS .
Tokens: 1_____ 2____ 3_____ 4_______ 5__ 6__ 7_ 8____ 9____ 10 11_______ 12_______ 13______ 14__ 15

Chunks:
  TruePositive nam [8,9] = Paweł Nowak
  FalsePositive nam [11,14] = Instytutu Filologii Polskiej UMCS

(ChunkerEvaluator) Sentence #4487 from articles/00107543 from sent26

Text  : Kamiński uczy historii w Prywatnym Gimnazjum i Liceum im .  I  .  J  .  Paderewskiego ,  szkole ,  która znana jest z  otwartości ,  a  także licznych akcji związanych z  promowaniem idei tolerancji i  przestrzegania praw człowieka .
Tokens: 1_______ 2___ 3_______ 4 5________ 6________ 7 8_____ 9_ 10 11 12 13 14 15___________ 16 17____ 18 19___ 20___ 21__ 22 23________ 24 25 26___ 27______ 28___ 29________ 30 31_________ 32__ 33________ 34 35____________ 36__ 37_______ 38

Chunks:
  TruePositive nam [1,1] = Kamiński
  FalsePositive nam [5,6] = Prywatnym Gimnazjum
  FalsePositive nam [8,15] = Liceum im . I . J . Paderewskiego
  FalseNegative nam [5,15] = Prywatnym Gimnazjum i Liceum im . I . J . Paderewskiego

(ChunkerEvaluator) Sentence #4488 from articles/00107543 from sent27

Text  : Robert Kamiński wczoraj wydał oświadczenie , w którym odnosi się do swojej pracy jako biegłego .
Tokens: 1_____ 2_______ 3______ 4____ 5___________ 6 7 8_____ 9_____ 10_ 11 12____ 13___ 14__ 15______ 16

Chunks:
  TruePositive nam [1,2] = Robert Kamiński

(ChunkerEvaluator) Sentence #4489 from articles/00107543 from sent28

Text  : Przyznaje w nim , że nie jest specjalistą w zakresie prawa i  semiotyki ,  a  sens jego wypowiedzi na potrzeby sądu ograniczał się wyłącznie do konkluzji natury historycznej .
Tokens: 1________ 2 3__ 4 5_ 6__ 7___ 8__________ 9 10______ 11___ 12 13_______ 14 15 16__ 17__ 18________ 19 20______ 21__ 22________ 23_ 24_______ 25 26_______ 27____ 28__________ 29

Chunks:

(ChunkerEvaluator) Sentence #4490 from articles/00107543 from sent29

Text  : Nauczyciel zapewnia również , że z NOP nie ma nic wspólnego ,  a  jego działalności nie akceptuje i  nie popiera .
Tokens: 1_________ 2_______ 3______ 4 5_ 6 7__ 8__ 9_ 10_ 11_______ 12 13 14__ 15__________ 16_ 17_______ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [7,7] = NOP

(ChunkerEvaluator) Sentence #4491 from articles/00107543 from sent30

Text  : „ Jest mi przykro , że wykonana przeze mnie ekspertyza posłużyła do zarejestrowania znaków kontrowersyjnych z  punktu widzenia moralnego ”  -  pisze .
Tokens: 1 2___ 3_ 4______ 5 6_ 7_______ 8_____ 9___ 10________ 11_______ 12 13_____________ 14____ 15______________ 16 17____ 18______ 19_______ 20 21 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #4492 from articles/00107543 from sent31

Text  : Stwierdza też , że w swojej pracy dydaktycznej i wychowawczej zawsze upowszechniał wśród uczniów wartości tolerancji i  szacunku dla drugiego człowieka ,  sprzeciwiając się wszelkim formom przemocy .
Tokens: 1________ 2__ 3 4_ 5 6_____ 7____ 8___________ 9 10__________ 11____ 12___________ 13___ 14_____ 15______ 16________ 17 18______ 19_ 20______ 21_______ 22 23___________ 24_ 25______ 26____ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #4493 from articles/00107543 from sent32

Text  : Adam Kalbarczyk , dyrektor szkoły , nie kryje swojego oburzenia w  związku z  udziałem jego pracownika w  ekspertyzie ,  która pomogła NOP .
Tokens: 1___ 2_________ 3 4_______ 5_____ 6 7__ 8____ 9______ 10_______ 11 12_____ 13 14______ 15__ 16________ 17 18_________ 19 20___ 21_____ 22_ 23

Chunks:
  TruePositive nam [1,2] = Adam Kalbarczyk
  TruePositive nam [22,22] = NOP

(ChunkerEvaluator) Sentence #4494 from articles/00107543 from sent33

Text  : - W rozmowie ze mną pan Kamiński przyznał , że pisząc ją nie spodziewał się tego ,  jaki efekt może przynieść -  mówi Kalbarczyk .
Tokens: 1 2 3_______ 4_ 5__ 6__ 7_______ 8_______ 9 10 11____ 12 13_ 14________ 15_ 16__ 17 18__ 19___ 20__ 21_______ 22 23__ 24________ 25

Chunks:
  TruePositive nam [7,7] = Kamiński
  FalseNegative nam [24,24] = Kalbarczyk

(ChunkerEvaluator) Sentence #4495 from articles/00107543 from sent34

Text  : - Uważam , że opinia biegłych jest bezsprzecznie głupia .
Tokens: 1 2_____ 3 4_ 5_____ 6_______ 7___ 8____________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #4496 from articles/00107543 from sent35

Text  : Po pierwsze , pan Kamiński nie powinien podejmować się tej ekspertyzy ,  gdyż zwyczajnie nie zna się tematyce .
Tokens: 1_ 2_______ 3 4__ 5_______ 6__ 7_______ 8_________ 9__ 10_ 11________ 12 13__ 14________ 15_ 16_ 17_ 18______ 19

Chunks:
  TruePositive nam [5,5] = Kamiński

(ChunkerEvaluator) Sentence #4497 from articles/00107543 from sent36

Text  : Po drugie , karygodne jest , że historyk w tak ważnej sprawie nie bierze pod uwagę aktualnego kontekstu ,  tylko skupia się na znakach samych w  sobie -  uważa .
Tokens: 1_ 2_____ 3 4________ 5___ 6 7_ 8_______ 9 10_ 11____ 12_____ 13_ 14____ 15_ 16___ 17________ 18_______ 19 20___ 21____ 22_ 23 24_____ 25____ 26 27___ 28 29___ 30

Chunks:

(ChunkerEvaluator) Sentence #4498 from articles/00107543 from sent37

Text  : - Ekspertyza ma charakter akademicki , jednak w żaden sposób nie odnosi się do rzeczywistości .
Tokens: 1 2_________ 3_ 4________ 5_________ 6 7_____ 8 9____ 10____ 11_ 12____ 13_ 14 15____________ 16

Chunks:
  FalsePositive nam [2,2] = Ekspertyza

(ChunkerEvaluator) Sentence #4499 from articles/00107543 from sent38

Text  : Symbole , które zarejestrował sąd , są ewidentnie związane z  ideologią faszystowską i  mają wydźwięk negatywny ,  nawołujący do przemocy .
Tokens: 1______ 2 3____ 4____________ 5__ 6 7_ 8_________ 9_______ 10 11_______ 12__________ 13 14__ 15______ 16_______ 17 18________ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #4500 from articles/00107543 from sent39

Text  : Dyrektor „ Paderewskiego ” dodaje , że oświadczenie nauczyciela zostanie przedstawione rodzicom .
Tokens: 1_______ 2 3____________ 4 5_____ 6 7_ 8___________ 9__________ 10______ 11___________ 12______ 13

Chunks:
  TruePositive nam [3,3] = Paderewskiego

(ChunkerEvaluator) Sentence #4501 from articles/00107543 from sent40

Text  : - Nie chcę , aby nasza szkoła była postrzegana jako promująca ruchy neofaszystowskie ,  tym bardziej ubolewam nad ekspertyzą podpisaną przez pana Kamińskiego -  dodaje .
Tokens: 1 2__ 3___ 4 5__ 6____ 7_____ 8___ 9__________ 10__ 11_______ 12___ 13______________ 14 15_ 16______ 17______ 18_ 19________ 20_______ 21___ 22__ 23_________ 24 25____ 26

Chunks:
  TruePositive nam [23,23] = Kamińskiego

2016-10-27 14:59:33,764 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 178 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107544.xml
(ChunkerEvaluator) Sentence #4502 from articles/00107544 from sent1

Text  : Dekoracje na ulicach : coraz bliżej święta
Tokens: 1________ 2_ 3______ 4 5____ 6_____ 7_____

Chunks:

(ChunkerEvaluator) Sentence #4503 from articles/00107544 from sent2

Text  : Bożonarodzeniowe dekoracje zawisły już na ul . Podgórnej , al .  Marcinkowskiego i  Św .  Marcinie .
Tokens: 1_______________ 2________ 3______ 4__ 5_ 6_ 7 8________ 9 10 11 12_____________ 13 14 15 16______ 17

Chunks:
  TruePositive nam [8,8] = Podgórnej
  TruePositive nam [12,12] = Marcinkowskiego
  TruePositive nam [14,16] = Św . Marcinie

(ChunkerEvaluator) Sentence #4504 from articles/00107544 from sent3

Text  : Oświetlone zostaną też drzewa na pl . Wolności .
Tokens: 1_________ 2______ 3__ 4_____ 5_ 6_ 7 8_______ 9

Chunks:
  FalseNegative nam [8,8] = Wolności

(ChunkerEvaluator) Sentence #4505 from articles/00107544 from sent4

Text  : Na pl . Kolegiackim staną trzy choinki , a pomiędzy latarniami na Starym Rynku zawisną girlandy ozdobione gwiazdami .
Tokens: 1_ 2_ 3 4__________ 5____ 6___ 7______ 8 9 10______ 11________ 12 13____ 14___ 15_____ 16______ 17_______ 18_______ 19

Chunks:
  TruePositive nam [4,4] = Kolegiackim
  TruePositive nam [13,14] = Starym Rynku

(ChunkerEvaluator) Sentence #4506 from articles/00107544 from sent5

Text  : Ponadto oprawy latarń zwieńczą świetlne kurtyny .
Tokens: 1______ 2_____ 3_____ 4_______ 5_______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4507 from articles/00107544 from sent6

Text  : Montaż , demontaż i utrzymanie oświetlenia kosztuje 140 tys .  zł .
Tokens: 1_____ 2 3_______ 4 5_________ 6__________ 7_______ 8__ 9__ 10 11 12

Chunks:
  TruePositive nam [11,11] = zł

2016-10-27 14:59:33,787 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 179 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107545.xml
(ChunkerEvaluator) Sentence #4508 from articles/00107545 from sent1

Text  : Włochy .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Włochy

(ChunkerEvaluator) Sentence #4509 from articles/00107545 from sent2

Text  : Pamiątka z wakacji .
Tokens: 1_______ 2 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #4510 from articles/00107545 from sent3

Text  : Szyszka
Tokens: 1______

Chunks:
  FalsePositive nam [1,1] = Szyszka

(ChunkerEvaluator) Sentence #4511 from articles/00107545 from sent4

Text  : Tak jak trudno wyobrazić sobie polski krajobraz bez lasów sosnowych ,  tak trudno wyobrazić sobie północne wybrzeża Morza Śródziemnego bez lasów piniowych
Tokens: 1__ 2__ 3_____ 4________ 5____ 6_____ 7________ 8__ 9____ 10_______ 11 12_ 13____ 14_______ 15___ 16______ 17______ 18___ 19__________ 20_ 21___ 22_______

Chunks:
  TruePositive nam [18,19] = Morza Śródziemnego

(ChunkerEvaluator) Sentence #4512 from articles/00107545 from sent5

Text  : O ile jednak Sosna ( pinus ) nie występuje powszechnie w  parkach polskich miast ,  tak szczególnie we włoskich miastach Pinia (  pinus pinea )  jest stałym elementem miejskich krajobrazów .
Tokens: 1 2__ 3_____ 4____ 5 6____ 7 8__ 9________ 10_________ 11 12_____ 13______ 14___ 15 16_ 17_________ 18 19______ 20______ 21___ 22 23___ 24___ 25 26__ 27____ 28_______ 29_______ 30_________ 31

Chunks:
  FalsePositive nam [4,4] = Sosna
  FalsePositive nam [21,21] = Pinia

(ChunkerEvaluator) Sentence #4513 from articles/00107545 from sent6

Text  : W kuzynce naszej sosny urzeka mnie jej niezwykła korona w  kształcie parasola .
Tokens: 1 2______ 3_____ 4____ 5_____ 6___ 7__ 8________ 9_____ 10 11_______ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #4514 from articles/00107545 from sent7

Text  : Wracając autostradą do Rzymu z antycznego miasta Ostia , miałem okazję zobaczyć fantastyczne połacie lasów piniowych ,  zapewne kolejne ich pokolenie od czasów antycznych .
Tokens: 1_______ 2_________ 3_ 4____ 5 6_________ 7_____ 8____ 9 10____ 11____ 12______ 13__________ 14_____ 15___ 16_______ 17 18_____ 19_____ 20_ 21_______ 22 23____ 24________ 25

Chunks:
  TruePositive nam [4,4] = Rzymu
  TruePositive nam [8,8] = Ostia

(ChunkerEvaluator) Sentence #4515 from articles/00107545 from sent8

Text  : Parasolowate korony drzew sąsiadujące ze sobą utworzyły coś na kształt zielonego dachu umieszczonego na podporach .
Tokens: 1___________ 2_____ 3____ 4__________ 5_ 6___ 7________ 8__ 9_ 10_____ 11_______ 12___ 13___________ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #4516 from articles/00107545 from sent9

Text  : Zachwycony tym widokiem postanowił em powrócić do kraju z piniową pamiątką .
Tokens: 1_________ 2__ 3_______ 4_________ 5_ 6_______ 7_ 8____ 9 10_____ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #4517 from articles/00107545 from sent10

Text  : Okazja nadarzyła się szybko - na piniowym skwerku na jednej z  rzymskich ulic podniosł em dorodną szyszkę .
Tokens: 1_____ 2________ 3__ 4_____ 5 6_ 7_______ 8______ 9_ 10____ 11 12_______ 13__ 14______ 15 16_____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #4518 from articles/00107545 from sent11

Text  : Moja radość była tym większa , że udało mi się uzbierać także kilka nasion ,  tzw .  orzeszków piniowych ,  znanych kuchni włoskiej od czasów antycznych po dziś dzień .
Tokens: 1___ 2_____ 3___ 4__ 5______ 6 7_ 8____ 9_ 10_ 11______ 12___ 13___ 14____ 15 16_ 17 18_______ 19_______ 20 21_____ 22____ 23______ 24 25____ 26________ 27 28__ 29___ 30

Chunks:

(ChunkerEvaluator) Sentence #4519 from articles/00107545 from sent12

Text  : Ze swoich nasion nie zamierzał em jednak przyrządzać sosów ni olejów ,  a  zasadził em w  doniczkach .
Tokens: 1_ 2_____ 3_____ 4__ 5________ 6_ 7_____ 8__________ 9____ 10 11____ 12 13 14______ 15 16 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #4520 from articles/00107545 from sent13

Text  : Moja wiedza z zakresu dendrologii jest znikoma , ale .  .  .  nasiona wykiełkowały .
Tokens: 1___ 2_____ 3 4______ 5__________ 6___ 7______ 8 9__ 10 11 12 13_____ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #4521 from articles/00107545 from sent14

Text  : Niestety , zaatakował je nieznany mi pasożyt i sadzonki obumarły .
Tokens: 1_______ 2 3_________ 4_ 5_______ 6_ 7______ 8 9_______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #4522 from articles/00107545 from sent15

Text  : Postanowił em wówczas przywoływać wspomnienia z wycieczki za pomocą szyszki .
Tokens: 1_________ 2_ 3______ 4__________ 5__________ 6 7________ 8_ 9_____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #4523 from articles/00107545 from sent16

Text  : Dorobił em drewnianą podstawkę , na której umocował em piniową szyszkę i  postawił em na półce .
Tokens: 1______ 2_ 3________ 4________ 5 6_ 7_____ 8_______ 9_ 10_____ 11_____ 12 13______ 14 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #4524 from articles/00107545 from sent17

Text  : Od dziesięciu lat odświeża moje wspomnienia .
Tokens: 1_ 2_________ 3__ 4_______ 5___ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #4525 from articles/00107545 from sent18

Text  : Artykuł pochodzi z " Gazeta Turystyka " , sobotniego dodatku do Gazety Wyborczej
Tokens: 1______ 2_______ 3 4 5_____ 6________ 7 8 9_________ 10_____ 11 12____ 13_______

Chunks:
  TruePositive nam [5,6] = Gazeta Turystyka
  TruePositive nam [12,13] = Gazety Wyborczej

2016-10-27 14:59:33,866 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 180 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107546.xml
(ChunkerEvaluator) Sentence #4526 from articles/00107546 from sent1

Text  : Mila : Musimy wrócić na właściwe tory
Tokens: 1___ 2 3_____ 4_____ 5_ 6_______ 7___

Chunks:
  TruePositive nam [1,1] = Mila

(ChunkerEvaluator) Sentence #4527 from articles/00107546 from sent2

Text  : - Wisła nas trochę zaskoczyła , pewnie złapie wiatr w  żagle po tym spotkaniu .
Tokens: 1 2____ 3__ 4_____ 5_________ 6 7_____ 8_____ 9____ 10 11___ 12 13_ 14_______ 15

Chunks:
  FalseNegative nam [2,2] = Wisła

(ChunkerEvaluator) Sentence #4528 from articles/00107546 from sent3

Text  : My w kolejnym meczu wrócimy zaś na właściwe tory -  przekonywał kapitan Śląska -  Sebastian Mila .
Tokens: 1_ 2 3_______ 4____ 5______ 6__ 7_ 8_______ 9___ 10 11_________ 12_____ 13____ 14 15_______ 16__ 17

Chunks:
  TruePositive nam [13,13] = Śląska
  TruePositive nam [15,16] = Sebastian Mila

(ChunkerEvaluator) Sentence #4529 from articles/00107546 from sent4

Text  : W spotkaniu z Wisłą Mila ostatecznie na boisko wybiegł ,  choć w  tygodniu przed pojedynkiem brał antybiotyki .
Tokens: 1 2________ 3 4____ 5___ 6__________ 7_ 8_____ 9______ 10 11__ 12 13______ 14___ 15_________ 16__ 17_________ 18

Chunks:
  TruePositive nam [4,4] = Wisłą
  TruePositive nam [5,5] = Mila

(ChunkerEvaluator) Sentence #4530 from articles/00107546 from sent5

Text  : Mimo to kapitan Śląska zagrał przez większość meczu , a  z  boiska zszedł dopiero w  końcówce ,  gdy gospodarze chcieli odrabiać straty i  wprowadzili drugiego napastnika .
Tokens: 1___ 2_ 3______ 4_____ 5_____ 6____ 7________ 8____ 9 10 11 12____ 13____ 14_____ 15 16______ 17 18_ 19________ 20_____ 21______ 22____ 23 24_________ 25______ 26________ 27

Chunks:
  TruePositive nam [4,4] = Śląska

(ChunkerEvaluator) Sentence #4531 from articles/00107546 from sent6

Text  : - To nie był dla mnie łatwy tydzień , ale do gry był em gotowy na sto procent .
Tokens: 1 2_ 3__ 4__ 5__ 6___ 7____ 8______ 9 10_ 11 12_ 13_ 14 15____ 16 17_ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #4532 from articles/00107546 from sent7

Text  : Inaczej nie wyszedł by m na boisko .
Tokens: 1______ 2__ 3______ 4_ 5 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #4533 from articles/00107546 from sent8

Text  : Jasne , że chorował em lecz nie zamierzam się tym usprawiedliwiać czy szukać alibi na porażkę -  zaznaczał środkowy pomocnik wrocławian ,  który bardzo żałował ,  że jego drużyna z  mistrzem Polski poniosła porażkę .
Tokens: 1____ 2 3_ 4_______ 5_ 6___ 7__ 8________ 9__ 10_ 11_____________ 12_ 13____ 14___ 15 16_____ 17 18_______ 19______ 20______ 21________ 22 23___ 24____ 25_____ 26 27 28__ 29_____ 30 31______ 32____ 33______ 34_____ 35

Chunks:
  TruePositive nam [32,32] = Polski
  FalseNegative nam [21,21] = wrocławian

(ChunkerEvaluator) Sentence #4534 from articles/00107546 from sent9

Text  : - Z jednej strony nie zapominamy z kim grali śmy ,  z  drugiej wiemy ,  że zawiedli śmy i  od poniedziałku będziemy jeszcze ciężej pracować .
Tokens: 1 2 3_____ 4_____ 5__ 6_________ 7 8__ 9____ 10_ 11 12 13_____ 14___ 15 16 17______ 18_ 19 20 21__________ 22______ 23_____ 24____ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #4535 from articles/00107546 from sent10

Text  : Byli śmy dla Wisły równorzędnym rywalem , mieli śmy swoje okazje ,  ale ich nie wykorzystali śmy .
Tokens: 1___ 2__ 3__ 4____ 5___________ 6______ 7 8____ 9__ 10___ 11____ 12 13_ 14_ 15_ 16__________ 17_ 18

Chunks:
  TruePositive nam [4,4] = Wisły

(ChunkerEvaluator) Sentence #4536 from articles/00107546 from sent11

Text  : Co do bramki , to Waldek w szatni przyznał ,  że był faul ,  więc nie możemy mieć pretensji do arbitra -  przyznał Mila .
Tokens: 1_ 2_ 3_____ 4 5_ 6_____ 7 8_____ 9_______ 10 11 12_ 13__ 14 15__ 16_ 17____ 18__ 19_______ 20 21_____ 22 23______ 24__ 25

Chunks:
  TruePositive nam [6,6] = Waldek
  TruePositive nam [24,24] = Mila

(ChunkerEvaluator) Sentence #4537 from articles/00107546 from sent12

Text  : Kapitan Śląska dodawał także : - Wisła nas trochę zaskoczyła ,  pewnie złapie wiatr w  żagle po tym spotkaniu .
Tokens: 1______ 2_____ 3______ 4____ 5 6 7____ 8__ 9_____ 10________ 11 12____ 13____ 14___ 15 16___ 17 18_ 19_______ 20

Chunks:
  FalsePositive nam [1,2] = Kapitan Śląska
  FalseNegative nam [2,2] = Śląska
  FalseNegative nam [7,7] = Wisła

(ChunkerEvaluator) Sentence #4538 from articles/00107546 from sent13

Text  : Dzisiaj przede wszystkim zabrakło nam cierpliwości i spokoju .
Tokens: 1______ 2_____ 3________ 4_______ 5__ 6___________ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4539 from articles/00107546 from sent14

Text  : W kolejnym spotkaniu wrócimy na te właściwe tory .
Tokens: 1 2_______ 3________ 4______ 5_ 6_ 7_______ 8___ 9

Chunks:

2016-10-27 14:59:33,945 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 181 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107547.xml
(ChunkerEvaluator) Sentence #4540 from articles/00107547 from sent1

Text  : Puchar Świata .
Tokens: 1_____ 2_____ 3

Chunks:
  TruePositive nam [1,2] = Puchar Świata

(ChunkerEvaluator) Sentence #4541 from articles/00107547 from sent2

Text  : Anastasi : To nie był perfekcyjny mecz
Tokens: 1_______ 2 3_ 4__ 5__ 6__________ 7___

Chunks:
  FalseNegative nam [1,1] = Anastasi

(ChunkerEvaluator) Sentence #4542 from articles/00107547 from sent3

Text  : W niedzielę Polacy wygrali w Pucharze Świata mecz z Chinami (  3  :  1  )  .
Tokens: 1 2________ 3_____ 4______ 5 6_______ 7_____ 8___ 9 10_____ 11 12 13 14 15 16

Chunks:
  TruePositive nam [3,3] = Polacy
  TruePositive nam [6,7] = Pucharze Świata
  TruePositive nam [10,10] = Chinami

(ChunkerEvaluator) Sentence #4543 from articles/00107547 from sent4

Text  : - To nie był perfekcyjny mecz w naszym wykonaniu -  uważa trener biało -  czerwonych Andrea Anastasi .
Tokens: 1 2_ 3__ 4__ 5__________ 6___ 7 8_____ 9________ 10 11___ 12____ 13___ 14 15________ 16____ 17______ 18

Chunks:
  TruePositive nam [16,17] = Andrea Anastasi

(ChunkerEvaluator) Sentence #4544 from articles/00107547 from sent5

Text  : Andrea Anastasi ( trener reprezentacji Polski ) :
Tokens: 1_____ 2_______ 3 4_____ 5____________ 6_____ 7 8

Chunks:
  TruePositive nam [1,2] = Andrea Anastasi
  TruePositive nam [6,6] = Polski

(ChunkerEvaluator) Sentence #4545 from articles/00107547 from sent6

Text  : - To nie był perfekcyjny mecz w naszym wykonaniu .
Tokens: 1 2_ 3__ 4__ 5__________ 6___ 7 8_____ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #4546 from articles/00107547 from sent7

Text  : Najważniejsze , że po pierwszym tragicznym dla nas secie ,  potrafili śmy podjąć walkę i  zdobyć trzy punkty .
Tokens: 1____________ 2 3_ 4_ 5________ 6_________ 7__ 8__ 9____ 10 11_______ 12_ 13____ 14___ 15 16____ 17__ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #4547 from articles/00107547 from sent8

Text  : Jianan Zhou ( trener reprezentacji Chin ) :
Tokens: 1_____ 2___ 3 4_____ 5____________ 6___ 7 8

Chunks:
  TruePositive nam [6,6] = Chin
  FalseNegative nam [1,2] = Jianan Zhou

(ChunkerEvaluator) Sentence #4548 from articles/00107547 from sent9

Text  : - Rywale dali nam szansę prowadzić grę , ale nie zdołali śmy tego wykorzystać .
Tokens: 1 2_____ 3___ 4__ 5_____ 6________ 7__ 8 9__ 10_ 11_____ 12_ 13__ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #4549 from articles/00107547 from sent10

Text  : Niestety , nasi zawodnicy nie mają jeszcze doświadczenie w rywalizacji ze znacznie silniejszym przeciwnikiem .
Tokens: 1_______ 2 3___ 4________ 5__ 6___ 7______ 8____________ 9 10_________ 11 12______ 13_________ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #4550 from articles/00107547 from sent11

Text  : Po to właśnie tutaj przyjechali śmy .
Tokens: 1_ 2_ 3______ 4____ 5__________ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #4551 from articles/00107547 from sent12

Text  : Marcin Możdżonek ( kapitan reprezentacji Polski ) :
Tokens: 1_____ 2________ 3 4______ 5____________ 6_____ 7 8

Chunks:
  TruePositive nam [1,2] = Marcin Możdżonek
  TruePositive nam [6,6] = Polski

(ChunkerEvaluator) Sentence #4552 from articles/00107547 from sent13

Text  : - Jesteśmy szczęśliwi , że udało nam się wygrać ,  mimo słabej postawy .
Tokens: 1 2_______ 3_________ 4 5_ 6____ 7__ 8__ 9_____ 10 11__ 12____ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #4553 from articles/00107547 from sent14

Text  : Trener zrobił parę udanych zmian i nasza gra zaczęła się polepszać .
Tokens: 1_____ 2_____ 3___ 4______ 5____ 6 7____ 8__ 9______ 10_ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #4554 from articles/00107547 from sent15

Text  : Bartosz Kurek ( przyjmujący reprezentacji Polski ) :
Tokens: 1______ 2____ 3 4__________ 5____________ 6_____ 7 8

Chunks:
  TruePositive nam [1,2] = Bartosz Kurek
  TruePositive nam [6,6] = Polski

(ChunkerEvaluator) Sentence #4555 from articles/00107547 from sent16

Text  : - Kolejne trzy punkty na naszym koncie to najważniejsza wiadomość dzisiaj .
Tokens: 1 2______ 3___ 4_____ 5_ 6_____ 7_____ 8_ 9____________ 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #4556 from articles/00107547 from sent17

Text  : Jesteśmy liderami Pucharu Świata i to jest najbardziej istotne .
Tokens: 1_______ 2_______ 3______ 4_____ 5 6_ 7___ 8__________ 9______ 10

Chunks:
  TruePositive nam [3,4] = Pucharu Świata

(ChunkerEvaluator) Sentence #4557 from articles/00107547 from sent18

Text  : Cui Jianjun ( kapitan reprezentacji Chin ) :
Tokens: 1__ 2______ 3 4______ 5____________ 6___ 7 8

Chunks:
  TruePositive nam [6,6] = Chin
  FalseNegative nam [1,2] = Cui Jianjun

(ChunkerEvaluator) Sentence #4558 from articles/00107547 from sent19

Text  : - To był naprawdę trudny mecz .
Tokens: 1 2_ 3__ 4_______ 5_____ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #4559 from articles/00107547 from sent20

Text  : Niestety , przegrali śmy .
Tokens: 1_______ 2 3________ 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #4560 from articles/00107547 from sent21

Text  : Teraz czas na kolejne spotkania i tam postaramy się pokazać z  lepszej strony .
Tokens: 1____ 2___ 3_ 4______ 5________ 6 7__ 8________ 9__ 10_____ 11 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #4561 from articles/00107547 from sent22

Text  : Piotr Nowakowski ( środkowy reprezentacji Polski ) :
Tokens: 1____ 2_________ 3 4_______ 5____________ 6_____ 7 8

Chunks:
  TruePositive nam [1,2] = Piotr Nowakowski
  TruePositive nam [6,6] = Polski

(ChunkerEvaluator) Sentence #4562 from articles/00107547 from sent23

Text  : - Chińczycy zaskoczyli nas w pierwszym secie zagrywką , dlatego mieli śmy problemy .
Tokens: 1 2________ 3_________ 4__ 5 6________ 7____ 8_______ 9 10_____ 11___ 12_ 13______ 14

Chunks:
  TruePositive nam [2,2] = Chińczycy

(ChunkerEvaluator) Sentence #4563 from articles/00107547 from sent24

Text  : Nie zagrał em w pierwszym składzie , bo już w  poprzednim meczu z  Japonią miałem zadyszkę i  musiałem odpocząć .
Tokens: 1__ 2_____ 3_ 4 5________ 6_______ 7 8_ 9__ 10 11________ 12___ 13 14_____ 15____ 16______ 17 18______ 19______ 20

Chunks:
  TruePositive nam [14,14] = Japonią

(ChunkerEvaluator) Sentence #4564 from articles/00107547 from sent25

Text  : Zmienił em jednak Łukasza Wiśniewskiego , któremu brakowało trochę czucia ,  ale to normalne ,  gdy przez prawie dwa tygodnie nie rozgrywa się spotkania .
Tokens: 1______ 2_ 3_____ 4______ 5____________ 6 7______ 8________ 9_____ 10____ 11 12_ 13 14______ 15 16_ 17___ 18____ 19_ 20______ 21_ 22______ 23_ 24_______ 25

Chunks:
  TruePositive nam [4,5] = Łukasza Wiśniewskiego

(ChunkerEvaluator) Sentence #4565 from articles/00107547 from sent26

Text  : Teraz pojedynek z mistrzami olimpijskimi Amerykanami , którzy są do pokonania .
Tokens: 1____ 2________ 3 4________ 5___________ 6__________ 7 8_____ 9_ 10 11_______ 12

Chunks:
  TruePositive nam [6,6] = Amerykanami

(ChunkerEvaluator) Sentence #4566 from articles/00107547 from sent27

Text  : Przetarcie mieli śmy już w Lidze Światowej .
Tokens: 1_________ 2____ 3__ 4__ 5 6____ 7________ 8

Chunks:
  TruePositive nam [6,7] = Lidze Światowej

(ChunkerEvaluator) Sentence #4567 from articles/00107547 from sent28

Text  : Tam dwukrotnie wygrali śmy my i dwukrotnie oni .
Tokens: 1__ 2_________ 3______ 4__ 5_ 6 7_________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #4568 from articles/00107547 from sent29

Text  : Na pewno musimy walczyć mądrze , szanować każdą piłkę i  uważać na ich armatę -  Claytona Stanleya .
Tokens: 1_ 2____ 3_____ 4______ 5_____ 6 7_______ 8____ 9____ 10 11____ 12 13_ 14____ 15 16______ 17______ 18

Chunks:
  TruePositive nam [16,17] = Claytona Stanleya

(ChunkerEvaluator) Sentence #4569 from articles/00107547 from sent30

Text  : Awans do igrzysk jest naprawdę realny , ale skupiać musimy się na kolejnych rywalach ,  bo raz podwinie nam się noga i  koniec .
Tokens: 1____ 2_ 3______ 4___ 5_______ 6_____ 7 8__ 9______ 10____ 11_ 12 13_______ 14______ 15 16 17_ 18______ 19_ 20_ 21__ 22 23____ 24

Chunks:

2016-10-27 14:59:34,051 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 182 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107548.xml
(ChunkerEvaluator) Sentence #4570 from articles/00107548 from sent1

Text  : Polska różnorodność
Tokens: 1_____ 2___________

Chunks:
  FalsePositive nam [1,1] = Polska

(ChunkerEvaluator) Sentence #4571 from articles/00107548 from sent2

Text  : Zamiłowanie do tradycji , bogactwo kultur i zachwycająca przyroda .
Tokens: 1__________ 2_ 3_______ 4 5_______ 6_____ 7 8___________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #4572 from articles/00107548 from sent3

Text  : W różnych częściach Polski znajdziemy rozmaite atrakcje turystyczne , kulturalne i  sportowe .
Tokens: 1 2______ 3________ 4_____ 5_________ 6_______ 7_______ 8__________ 9 10________ 11 12______ 13

Chunks:
  TruePositive nam [4,4] = Polski

(ChunkerEvaluator) Sentence #4573 from articles/00107548 from sent4

Text  : Do Olsztyna zapraszamy na tradycyjny Warmiński Jarmark Świąteczny .
Tokens: 1_ 2_______ 3_________ 4_ 5_________ 6________ 7______ 8_________ 9

Chunks:
  TruePositive nam [2,2] = Olsztyna
  TruePositive nam [6,8] = Warmiński Jarmark Świąteczny

(ChunkerEvaluator) Sentence #4574 from articles/00107548 from sent5

Text  : W Gorzowie zabrzmi jazzowa muzyka oraz motocyklowy ryk na imprezach żużlowych .
Tokens: 1 2_______ 3______ 4______ 5_____ 6___ 7__________ 8__ 9_ 10_______ 11_______ 12

Chunks:
  TruePositive nam [2,2] = Gorzowie

(ChunkerEvaluator) Sentence #4575 from articles/00107548 from sent6

Text  : Łódź zachwyci filmową atmosferą , a Śląsk Opolski - różnorodnością zabytków .
Tokens: 1___ 2_______ 3______ 4________ 5 6 7____ 8______ 9 10____________ 11______ 12

Chunks:
  TruePositive nam [1,1] = Łódź
  TruePositive nam [7,8] = Śląsk Opolski

(ChunkerEvaluator) Sentence #4576 from articles/00107548 from sent7

Text  : No i stolica - Warszawa .
Tokens: 1_ 2 3______ 4 5_______ 6

Chunks:
  TruePositive nam [5,5] = Warszawa

(ChunkerEvaluator) Sentence #4577 from articles/00107548 from sent8

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #4578 from articles/00107548 from sent9

Text  : Zamiłowanie do tradycji , bogactwo kultur i zachwycająca przyroda .
Tokens: 1__________ 2_ 3_______ 4 5_______ 6_____ 7 8___________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #4579 from articles/00107548 from sent10

Text  : W różnych częściach Polski znajdziemy rozmaite atrakcje turystyczne , kulturalne i  sportowe .
Tokens: 1 2______ 3________ 4_____ 5_________ 6_______ 7_______ 8__________ 9 10________ 11 12______ 13

Chunks:
  TruePositive nam [4,4] = Polski

(ChunkerEvaluator) Sentence #4580 from articles/00107548 from sent11

Text  : Do Olsztyna zapraszamy na tradycyjny Warmiński Jarmark Świąteczny .
Tokens: 1_ 2_______ 3_________ 4_ 5_________ 6________ 7______ 8_________ 9

Chunks:
  TruePositive nam [2,2] = Olsztyna
  TruePositive nam [6,8] = Warmiński Jarmark Świąteczny

(ChunkerEvaluator) Sentence #4581 from articles/00107548 from sent12

Text  : W Gorzowie zabrzmi jazzowa muzyka oraz motocyklowy ryk na imprezach żużlowych .
Tokens: 1 2_______ 3______ 4______ 5_____ 6___ 7__________ 8__ 9_ 10_______ 11_______ 12

Chunks:
  TruePositive nam [2,2] = Gorzowie

(ChunkerEvaluator) Sentence #4582 from articles/00107548 from sent13

Text  : Łódź zachwyci filmową atmosferą , a Śląsk Opolski - różnorodnością zabytków .
Tokens: 1___ 2_______ 3______ 4________ 5 6 7____ 8______ 9 10____________ 11______ 12

Chunks:
  TruePositive nam [1,1] = Łódź
  TruePositive nam [7,8] = Śląsk Opolski

(ChunkerEvaluator) Sentence #4583 from articles/00107548 from sent14

Text  : No i stolica - Warszawa .
Tokens: 1_ 2 3______ 4 5_______ 6

Chunks:
  TruePositive nam [5,5] = Warszawa

(ChunkerEvaluator) Sentence #4584 from articles/00107548 from sent15

Text  : Olsztyn , czyli miasto ogród
Tokens: 1______ 2 3____ 4_____ 5____

Chunks:
  TruePositive nam [1,1] = Olsztyn

(ChunkerEvaluator) Sentence #4585 from articles/00107548 from sent16

Text  : W Olsztynie znajdziemy kilkanaście jezior i piękny , ponad tysiąc -  hektarowy park ,  zwany Lasem Miejskim .
Tokens: 1 2________ 3_________ 4__________ 5_____ 6 7_____ 8 9____ 10____ 11 12_______ 13__ 14 15___ 16___ 17______ 18

Chunks:
  TruePositive nam [2,2] = Olsztynie
  TruePositive nam [16,17] = Lasem Miejskim

(ChunkerEvaluator) Sentence #4586 from articles/00107548 from sent17

Text  : Miłośnicy zieleni będą zachwyceni wizją spacerów , a spragnieni aktywnego wypoczynku mogą wziąć udział w  licznych imprezach rekreacyjnych organizowanych w  ramach projektu „  Olsztyn .
Tokens: 1________ 2______ 3___ 4_________ 5____ 6_______ 7 8 9_________ 10_______ 11________ 12__ 13___ 14____ 15 16______ 17_______ 18___________ 19____________ 20 21____ 22______ 23 24_____ 25

Chunks:
  TruePositive nam [24,24] = Olsztyn

(ChunkerEvaluator) Sentence #4587 from articles/00107548 from sent18

Text  : Aktywnie ! ” .
Tokens: 1_______ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #4588 from articles/00107548 from sent19

Text  : Prezydent Miasta Olsztyn Piotr Grzymowicz : - Najlepszą wizytówką Olsztyna jest fantastyczne położenie i  walory naturalne .
Tokens: 1________ 2_____ 3______ 4____ 5_________ 6 7 8________ 9________ 10______ 11__ 12__________ 13_______ 14 15____ 16_______ 17

Chunks:
  TruePositive nam [4,5] = Piotr Grzymowicz
  TruePositive nam [10,10] = Olsztyna
  FalsePositive nam [1,3] = Prezydent Miasta Olsztyn
  FalseNegative nam [3,3] = Olsztyn

(ChunkerEvaluator) Sentence #4589 from articles/00107548 from sent20

Text  : Za „ flagowy ” event końcówki sezonu w Olsztynie uważam odbywający się ?  w  grudniu Warmiński Jarmark Świąteczny .
Tokens: 1_ 2 3______ 4 5____ 6_______ 7_____ 8 9________ 10____ 11________ 12_ 13 14 15_____ 16_______ 17_____ 18________ 19

Chunks:
  TruePositive nam [9,9] = Olsztynie
  TruePositive nam [16,18] = Warmiński Jarmark Świąteczny

(ChunkerEvaluator) Sentence #4590 from articles/00107548 from sent21

Text  : W tym czasie olsztyńskie Stare Miasto na prawie dwa tygodnie zamienia się w  prawdziwe epicentrum ciepłego światła ,  świątecznej muzyki i  bożonarodzeniowego klimatu .
Tokens: 1 2__ 3_____ 4__________ 5____ 6_____ 7_ 8_____ 9__ 10______ 11______ 12_ 13 14_______ 15________ 16______ 17_____ 18 19_________ 20____ 21 22________________ 23_____ 24

Chunks:
  TruePositive nam [5,6] = Stare Miasto

(ChunkerEvaluator) Sentence #4591 from articles/00107548 from sent22

Text  : Muzyczny Gorzów Wielkopolski
Tokens: 1_______ 2_____ 3___________

Chunks:
  TruePositive nam [2,3] = Gorzów Wielkopolski

(ChunkerEvaluator) Sentence #4592 from articles/00107548 from sent23

Text  : Wyjątkowość Gorzowa Wielkopolskiego tkwi w jego bogatej historii .
Tokens: 1__________ 2______ 3______________ 4___ 5 6___ 7______ 8_______ 9

Chunks:
  TruePositive nam [2,3] = Gorzowa Wielkopolskiego

(ChunkerEvaluator) Sentence #4593 from articles/00107548 from sent24

Text  : Imprezy muzyczne odbywające się już od 30 lat w Jazz Club Pod Filarami znane są w  całej Polsce .
Tokens: 1______ 2_______ 3_________ 4__ 5__ 6_ 7_ 8__ 9 10__ 11__ 12_ 13______ 14___ 15 16 17___ 18____ 19

Chunks:
  TruePositive nam [10,13] = Jazz Club Pod Filarami
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #4594 from articles/00107548 from sent25

Text  : Miasto słynie również z międzynarodowych imprez żużlowych .
Tokens: 1_____ 2_____ 3______ 4 5_______________ 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #4595 from articles/00107548 from sent26

Text  : Prezydent Miasta Gorzowa Wielkopolskiego Tadeusz Jędrzejczak : - Gorzów to miasto ,  w  którym żyją ludzie wielu ojczyzn ,  kultur i  pasji .
Tokens: 1________ 2_____ 3______ 4______________ 5______ 6__________ 7 8 9_____ 10 11____ 12 13 14____ 15__ 16____ 17___ 18_____ 19 20____ 21 22___ 23

Chunks:
  TruePositive nam [5,6] = Tadeusz Jędrzejczak
  TruePositive nam [9,9] = Gorzów
  FalsePositive nam [1,4] = Prezydent Miasta Gorzowa Wielkopolskiego
  FalseNegative nam [3,4] = Gorzowa Wielkopolskiego

(ChunkerEvaluator) Sentence #4596 from articles/00107548 from sent27

Text  : Miasto otwarte , które ma odwagę być sobą i nie szuka taniego poklasku .
Tokens: 1_____ 2______ 3 4____ 5_ 6_____ 7__ 8___ 9 10_ 11___ 12_____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #4597 from articles/00107548 from sent28

Text  : Jest to również pełne zieleni miejsce pozbawione zgiełku metropolii ,  oferujące turystom nie tylko interesujące zabytki ,  lecz także chwile relaksu na Nadwarciańskim Bulwarze .
Tokens: 1___ 2_ 3______ 4____ 5______ 6______ 7_________ 8______ 9_________ 10 11_______ 12______ 13_ 14___ 15__________ 16_____ 17 18__ 19___ 20____ 21_____ 22 23____________ 24______ 25

Chunks:
  TruePositive nam [23,24] = Nadwarciańskim Bulwarze

(ChunkerEvaluator) Sentence #4598 from articles/00107548 from sent29

Text  : Wyjątkowa filmowa Łódź
Tokens: 1________ 2______ 3___

Chunks:
  TruePositive nam [3,3] = Łódź

(ChunkerEvaluator) Sentence #4599 from articles/00107548 from sent30

Text  : Łódź , miasto z wyjątkowo zachowaną architekturą przemysłową , ma do zaoferowania wiele kulturalnych atrakcji .
Tokens: 1___ 2 3_____ 4 5________ 6________ 7___________ 8__________ 9 10 11 12__________ 13___ 14__________ 15______ 16

Chunks:
  TruePositive nam [1,1] = Łódź

(ChunkerEvaluator) Sentence #4600 from articles/00107548 from sent31

Text  : W stolicy polskiej kinematografii odbywają się liczne wydarzenia filmowe ,  a  na najmłodszych czekają wystawy w  Muzeum Bajki .
Tokens: 1 2______ 3_______ 4_____________ 5_______ 6__ 7_____ 8_________ 9______ 10 11 12 13__________ 14_____ 15_____ 16 17____ 18___ 19

Chunks:
  TruePositive nam [17,18] = Muzeum Bajki

(ChunkerEvaluator) Sentence #4601 from articles/00107548 from sent32

Text  : Księży Młyn , obecnie w tym miejscu funkcjonuje Manufaktura ,  to obowiązkowy punkt na turystycznej mapie Łodzi .
Tokens: 1_____ 2___ 3 4______ 5 6__ 7______ 8__________ 9__________ 10 11 12_________ 13___ 14 15__________ 16___ 17___ 18

Chunks:
  TruePositive nam [9,9] = Manufaktura
  TruePositive nam [17,17] = Łodzi
  FalsePositive nam [2,2] = Młyn
  FalseNegative nam [1,2] = Księży Młyn

(ChunkerEvaluator) Sentence #4602 from articles/00107548 from sent33

Text  : Prezydent Miasta Łodzi Hanna Zdanowska : - Łódź jest jedynym tej skali miastem w  Europie ,  w  którym ,  w  prawie niezmienionej formie ,  zachował się klasycystyczny układ urbanistyczny miasta przemysłowego składającego się z  kilku samodzielnych i  produkcyjnie zróżnicowanych części :  Nowego Miasta ,  „  Osady Łódka ”  oraz posiadeł wodno -  fabrycznych .
Tokens: 1________ 2_____ 3____ 4____ 5________ 6 7 8___ 9___ 10_____ 11_ 12___ 13_____ 14 15_____ 16 17 18____ 19 20 21____ 22___________ 23____ 24 25______ 26_ 27____________ 28___ 29___________ 30____ 31___________ 32__________ 33_ 34 35___ 36___________ 37 38__________ 39____________ 40____ 41 42____ 43____ 44 45 46___ 47___ 48 49__ 50______ 51___ 52 53_________ 54

Chunks:
  TruePositive nam [4,5] = Hanna Zdanowska
  TruePositive nam [8,8] = Łódź
  TruePositive nam [15,15] = Europie
  TruePositive nam [42,43] = Nowego Miasta
  TruePositive nam [46,47] = Osady Łódka
  FalsePositive nam [1,3] = Prezydent Miasta Łodzi
  FalseNegative nam [3,3] = Łodzi

(ChunkerEvaluator) Sentence #4603 from articles/00107548 from sent34

Text  : Wielokulturowość Śląska Opolskiego
Tokens: 1_______________ 2_____ 3_________

Chunks:
  FalsePositive nam [1,3] = Wielokulturowość Śląska Opolskiego
  FalseNegative nam [2,3] = Śląska Opolskiego

(ChunkerEvaluator) Sentence #4604 from articles/00107548 from sent35

Text  : Gotyckie zamki , barokowe pałace i średniowieczne wieże - w  województwie opolskim znajdziemy mnóstwo wartościowych zabytków i  charakterystycznych budowli .
Tokens: 1_______ 2____ 3 4_______ 5_____ 6 7_____________ 8____ 9 10 11__________ 12______ 13________ 14_____ 15___________ 16______ 17 18_________________ 19_____ 20

Chunks:
  TruePositive nam [12,12] = opolskim

(ChunkerEvaluator) Sentence #4605 from articles/00107548 from sent36

Text  : Bogactwo kultur : polskiej , czeskiej i niemieckiej wpłynęło na różnorodność regionu ,  a  także na kuchnię i  potrawy .
Tokens: 1_______ 2_____ 3 4_______ 5 6_______ 7 8__________ 9_______ 10 11__________ 12_____ 13 14 15___ 16 17_____ 18 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #4606 from articles/00107548 from sent37

Text  : Marszałek Województwa Opolskiego Józef Sebesta : - Z radością zapraszam Państwa do województwa opolskiego ,  najmniejszego województwa malowniczo usytuowanego w  południowo -  zachodniej Polsce .
Tokens: 1________ 2__________ 3_________ 4____ 5______ 6 7 8 9_______ 10_______ 11_____ 12 13_________ 14________ 15 16___________ 17_________ 18________ 19__________ 20 21________ 22 23________ 24____ 25

Chunks:
  TruePositive nam [4,5] = Józef Sebesta
  TruePositive nam [24,24] = Polsce
  FalsePositive nam [1,3] = Marszałek Województwa Opolskiego
  FalsePositive nam [11,11] = Państwa
  FalseNegative nam [14,14] = opolskiego

(ChunkerEvaluator) Sentence #4607 from articles/00107548 from sent38

Text  : Śląsk Opolski to region atrakcyjny dla każdego turysty i miłośnika wędrówek o  każdej porze roku .
Tokens: 1____ 2______ 3_ 4_____ 5_________ 6__ 7______ 8______ 9 10_______ 11______ 12 13____ 14___ 15__ 16

Chunks:
  TruePositive nam [1,2] = Śląsk Opolski

(ChunkerEvaluator) Sentence #4608 from articles/00107548 from sent39

Text  : Atrakcje Warszawy
Tokens: 1_______ 2_______

Chunks:
  TruePositive nam [2,2] = Warszawy

(ChunkerEvaluator) Sentence #4609 from articles/00107548 from sent40

Text  : Tylko w Warszawie możemy podziwiać niezwykłą atmosferę miasta , które tętni życiem 24 godziny na dobę .
Tokens: 1____ 2 3________ 4_____ 5________ 6________ 7________ 8_____ 9 10___ 11___ 12____ 13 14_____ 15 16__ 17

Chunks:
  TruePositive nam [3,3] = Warszawie

(ChunkerEvaluator) Sentence #4610 from articles/00107548 from sent41

Text  : Nowoczesne placówki , takie jak Centrum Nauki Kopernik czy Muzeum Fryderyka Chopina przyciągają turystów spragnionych ciekawych wydarzeń i  wystaw .
Tokens: 1_________ 2_______ 3 4____ 5__ 6______ 7____ 8_______ 9__ 10____ 11_______ 12_____ 13_________ 14______ 15__________ 16_______ 17______ 18 19____ 20

Chunks:
  TruePositive nam [6,8] = Centrum Nauki Kopernik
  FalsePositive nam [10,12] = Muzeum Fryderyka Chopina
  FalseNegative nam [10,10] = Muzeum
  FalseNegative nam [11,12] = Fryderyka Chopina

(ChunkerEvaluator) Sentence #4611 from articles/00107548 from sent42

Text  : Na świeżym powietrzu również nie będziemy się nudzić .
Tokens: 1_ 2______ 3________ 4______ 5__ 6_______ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #4612 from articles/00107548 from sent43

Text  : Już na początku grudniu czeka nas świąteczna iluminacja Traktu Królewskiego ,  która co roku budzi wiele pozytywnych emocji .
Tokens: 1__ 2_ 3_______ 4______ 5____ 6__ 7_________ 8_________ 9_____ 10__________ 11 12___ 13 14__ 15___ 16___ 17_________ 18____ 19

Chunks:
  TruePositive nam [9,10] = Traktu Królewskiego

(ChunkerEvaluator) Sentence #4613 from articles/00107548 from sent44

Text  : Więcej informacji : NajlepszeMiejsca.eu
Tokens: 1_____ 2_________ 3 4__________________

Chunks:
  TruePositive nam [4,4] = NajlepszeMiejsca.eu

2016-10-27 14:59:34,230 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 183 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107549.xml
(ChunkerEvaluator) Sentence #4614 from articles/00107549 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #4615 from articles/00107549 from sent2

Text  : Prezes WUG ponawia apel o ostrożną pracę i zapowiada kontrole
Tokens: 1_____ 2__ 3______ 4___ 5 6_______ 7____ 8 9________ 10______

Chunks:
  FalseNegative nam [2,2] = WUG

(ChunkerEvaluator) Sentence #4616 from articles/00107549 from sent3

Text  : Prezes Wyższego Urzędu Górniczego ( WUG ) Piotr Litwa ponowił swój apel do górników o  ostrożność ,  rozwagę i  przestrzeganie przepisów podczas pracy .
Tokens: 1_____ 2_______ 3_____ 4_________ 5 6__ 7 8____ 9____ 10_____ 11__ 12__ 13 14______ 15 16________ 17 18_____ 19 20____________ 21_______ 22_____ 23___ 24

Chunks:
  TruePositive nam [2,4] = Wyższego Urzędu Górniczego
  TruePositive nam [8,9] = Piotr Litwa
  FalseNegative nam [6,6] = WUG

(ChunkerEvaluator) Sentence #4617 from articles/00107549 from sent4

Text  : Zapowiada też kontrole w kopalniach w ostatnich tygodniach tego roku .
Tokens: 1________ 2__ 3_______ 4 5_________ 6 7________ 8_________ 9___ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #4618 from articles/00107549 from sent5

Text  : Swój pierwszy apel w tej sprawie prezes WUG wystosował dwa tygodnie temu ;  nieprzypadkowo przed Barbórką -  obchodzonym 4  grudnia świętem górników .
Tokens: 1___ 2_______ 3___ 4 5__ 6______ 7_____ 8__ 9_________ 10_ 11______ 12__ 13 14____________ 15___ 16______ 17 18_________ 19 20_____ 21_____ 22______ 23

Chunks:
  TruePositive nam [16,16] = Barbórką
  FalseNegative nam [8,8] = WUG

(ChunkerEvaluator) Sentence #4619 from articles/00107549 from sent6

Text  : Niemal co roku w tym okresie rośnie liczba wypadków w  kopalniach .
Tokens: 1_____ 2_ 3___ 4 5__ 6______ 7_____ 8_____ 9_______ 10 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #4620 from articles/00107549 from sent7

Text  : W górnictwie przyjęło się mówić , że " święta Barbara zbiera swoje żniwo "  .
Tokens: 1 2_________ 3_______ 4__ 5____ 6 7_ 8 9_____ 10_____ 11____ 12___ 13___ 14 15

Chunks:
  TruePositive nam [10,10] = Barbara

(ChunkerEvaluator) Sentence #4621 from articles/00107549 from sent8

Text  : Nadzór górniczy walczy z takim przekonaniem , wskazując , że częste przyczyny listopadowych i  grudniowych wypadków to nieostrożność i  lekceważenie przepisów .
Tokens: 1_____ 2_______ 3_____ 4 5____ 6___________ 7 8________ 9 10 11____ 12_______ 13___________ 14 15_________ 16______ 17 18___________ 19 20__________ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #4622 from articles/00107549 from sent9

Text  : " Przypominam , że w ostatnich tygodniach tego roku nie poprzestaniemy wyłącznie na apelowaniu o  rozsądek podczas pracy pod ziemią .
Tokens: 1 2__________ 3 4_ 5 6________ 7_________ 8___ 9___ 10_ 11____________ 12_______ 13 14________ 15 16______ 17_____ 18___ 19_ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #4623 from articles/00107549 from sent10

Text  : W grudniu w kopalniach węgla kamiennego będą prowadzone kontrole nadzoru górniczego "  -  zapowiedział prezes Litwa .
Tokens: 1 2______ 3 4_________ 5____ 6_________ 7___ 8_________ 9_______ 10_____ 11________ 12 13 14__________ 15____ 16___ 17

Chunks:
  TruePositive nam [16,16] = Litwa

(ChunkerEvaluator) Sentence #4624 from articles/00107549 from sent11

Text  : Mimo apeli , w ostatnich dniach w kopalniach doszło do kilku wypadków ,  które były efektem nieprzestrzegania przepisów i  procedur .
Tokens: 1___ 2____ 3 4 5________ 6_____ 7 8_________ 9_____ 10 11___ 12______ 13 14___ 15__ 16_____ 17_______________ 18_______ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #4625 from articles/00107549 from sent12

Text  : 27 listopada w kopalni Knurów - Szczygłowice 51 - letni ślusarz zginął w  wyniku przysypania urobkiem ,  a  39 -  letni elektromonter został ranny .
Tokens: 1_ 2________ 3 4______ 5_____ 6 7___________ 8_ 9 10___ 11_____ 12____ 13 14____ 15_________ 16______ 17 18 19 20 21___ 22___________ 23____ 24___ 25

Chunks:
  TruePositive nam [5,7] = Knurów - Szczygłowice

(ChunkerEvaluator) Sentence #4626 from articles/00107549 from sent13

Text  : Obaj poszkodowani pracownicy znajdowali się we wnętrzu zsuwni zbiornika retencyjnego ,  w  którym wymieniali blachę ślizgową ,  pomimo że nie mieli zapewnionego bezpieczeństwa wykonywania tych robót -  podkreślają przedstawiciele nadzoru górniczego .
Tokens: 1___ 2___________ 3_________ 4_________ 5__ 6_ 7______ 8_____ 9________ 10__________ 11 12 13____ 14________ 15____ 16______ 17 18____ 19 20_ 21___ 22__________ 23____________ 24_________ 25__ 26___ 27 28_________ 29_____________ 30_____ 31________ 32

Chunks:

(ChunkerEvaluator) Sentence #4627 from articles/00107549 from sent14

Text  : Dwa dni wcześniej w kopalni Borynia - Zofiówka , w  wyniku nieostrożności i  zlekceważenia zasad bezpiecznej pracy ,  ciężko ranny został 30 -  letni górnik .
Tokens: 1__ 2__ 3________ 4 5______ 6______ 7 8_______ 9 10 11____ 12____________ 13 14___________ 15___ 16_________ 17___ 18 19____ 20___ 21____ 22 23 24___ 25____ 26

Chunks:
  FalsePositive nam [5,8] = kopalni Borynia - Zofiówka
  FalseNegative nam [6,8] = Borynia - Zofiówka

(ChunkerEvaluator) Sentence #4628 from articles/00107549 from sent15

Text  : Przebywał w miejscu niedozwolonym , na trasie transportu linowego i  został dociśnięty transportowaną sekcją obudowy zmechanizowanej do ciągnika kombajnu ścianowego .
Tokens: 1________ 2 3______ 4____________ 5 6_ 7_____ 8_________ 9_______ 10 11____ 12________ 13____________ 14____ 15_____ 16_____________ 17 18______ 19______ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #4629 from articles/00107549 from sent16

Text  : Przedstawiciele WUG wskazują , że niedawnych wypadków można było uniknąć ,  zachowując odpowiednie procedury .
Tokens: 1______________ 2__ 3_______ 4 5_ 6_________ 7_______ 8____ 9___ 10_____ 11 12________ 13_________ 14_______ 15

Chunks:
  FalseNegative nam [2,2] = WUG

(ChunkerEvaluator) Sentence #4630 from articles/00107549 from sent17

Text  : " Zróbmy wszystko , co tylko możliwe , aby w  tym roku wszyscy górnicy spokojnie dopracowali Świąt Bożego Narodzenia ;  żeby nie było już więcej ofiar fedrunku .
Tokens: 1 2_____ 3_______ 4 5_ 6____ 7______ 8 9__ 10 11_ 12__ 13_____ 14_____ 15_______ 16_________ 17___ 18____ 19________ 20 21__ 22_ 23__ 24_ 25____ 26___ 27______ 28

Chunks:
  TruePositive nam [17,19] = Świąt Bożego Narodzenia

(ChunkerEvaluator) Sentence #4631 from articles/00107549 from sent18

Text  : Ostrożność , rozwagę i przestrzeganie przepisów przeciwstawcie pogoni za dodatkowymi tonami wydobycia lub pokusie popisania się brawurą ,  przypodobania się za wszelką cenę kolegom i  zwierzchnikom .
Tokens: 1_________ 2 3______ 4 5_____________ 6________ 7_____________ 8_____ 9_ 10_________ 11____ 12_______ 13_ 14_____ 15_______ 16_ 17_____ 18 19___________ 20_ 21 22_____ 23__ 24_____ 25 26___________ 27

Chunks:

(ChunkerEvaluator) Sentence #4632 from articles/00107549 from sent19

Text  : Każdy człowiek , zwłaszcza pod ziemią , musi być dla siebie wartością bezcenną i  powinien zadbać o  siebie "  -  napisał w  apelu prezes WUG .
Tokens: 1____ 2_______ 3 4________ 5__ 6_____ 7 8___ 9__ 10_ 11____ 12_______ 13______ 14 15______ 16____ 17 18____ 19 20 21_____ 22 23___ 24____ 25_ 26

Chunks:
  FalseNegative nam [25,25] = WUG

(ChunkerEvaluator) Sentence #4633 from articles/00107549 from sent20

Text  : W tym roku w polskim górnictwie śmierć poniosły 24 osoby ,  w  tym 20 w  kopalniach węgla kamiennego .  (  PAP )
Tokens: 1 2__ 3___ 4 5______ 6_________ 7_____ 8_______ 9_ 10___ 11 12 13_ 14 15 16________ 17___ 18________ 19 20 21_ 22

Chunks:
  TruePositive nam [21,21] = PAP

2016-10-27 14:59:34,350 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 184 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107550.xml
(ChunkerEvaluator) Sentence #4634 from articles/00107550 from sent1

Text  : Pati Yang w Mega Clubie
Tokens: 1___ 2___ 3 4___ 5_____

Chunks:
  TruePositive nam [1,2] = Pati Yang
  TruePositive nam [4,5] = Mega Clubie

(ChunkerEvaluator) Sentence #4635 from articles/00107550 from sent2

Text  : Z pochodzenia wrocławianka , od lat pracująca i tworząca w  Wielkiej Brytanii ,  a  obecnie również w  Nowym Jorku ,  uznawana jest za jedną z  ważniejszych postaci nurtu alternatywnego
Tokens: 1 2__________ 3___________ 4 5_ 6__ 7________ 8 9_______ 10 11______ 12______ 13 14 15_____ 16_____ 17 18___ 19___ 20 21______ 22__ 23 24___ 25 26__________ 27_____ 28___ 29____________

Chunks:
  TruePositive nam [11,12] = Wielkiej Brytanii
  TruePositive nam [18,19] = Nowym Jorku
  FalseNegative nam [3,3] = wrocławianka

(ChunkerEvaluator) Sentence #4636 from articles/00107550 from sent3

Text  : Pati Yang w Mega Clubie
Tokens: 1___ 2___ 3 4___ 5_____

Chunks:
  TruePositive nam [1,2] = Pati Yang
  TruePositive nam [4,5] = Mega Clubie

(ChunkerEvaluator) Sentence #4637 from articles/00107550 from sent4

Text  : Artystka uznawana za jedną z ważniejszych postaci nurtu alternatywnego zagra w  Katowicach
Tokens: 1_______ 2_______ 3_ 4____ 5 6___________ 7______ 8____ 9_____________ 10___ 11 12________

Chunks:
  TruePositive nam [12,12] = Katowicach

(ChunkerEvaluator) Sentence #4638 from articles/00107550 from sent5

Text  : Koncert Pati Yang .
Tokens: 1______ 2___ 3___ 4

Chunks:
  FalsePositive nam [1,3] = Koncert Pati Yang
  FalseNegative nam [2,3] = Pati Yang

(ChunkerEvaluator) Sentence #4639 from articles/00107550 from sent6

Text  : Czwartek ( 8 grudnia ) , godz . 19 ,  Mega Club w  Katowicach (  ul .  Żelazna 9  ,  bilety :  45 i  50 zł
Tokens: 1_______ 2 3 4______ 5 6 7___ 8 9_ 10 11__ 12__ 13 14________ 15 16 17 18_____ 19 20 21____ 22 23 24 25 26

Chunks:
  TruePositive nam [18,18] = Żelazna
  TruePositive nam [26,26] = zł
  FalsePositive nam [11,14] = Mega Club w Katowicach
  FalseNegative nam [11,12] = Mega Club
  FalseNegative nam [14,14] = Katowicach

(ChunkerEvaluator) Sentence #4640 from articles/00107550 from sent7

Text  : Z pochodzenia wrocławianka , od lat pracująca i tworząca w  Wielkiej Brytanii ,  a  obecnie również w  Nowym Jorku ,  uznawana jest za jedną z  ważniejszych postaci nurtu alternatywnego .
Tokens: 1 2__________ 3___________ 4 5_ 6__ 7________ 8 9_______ 10 11______ 12______ 13 14 15_____ 16_____ 17 18___ 19___ 20 21______ 22__ 23 24___ 25 26__________ 27_____ 28___ 29____________ 30

Chunks:
  TruePositive nam [11,12] = Wielkiej Brytanii
  TruePositive nam [18,19] = Nowym Jorku
  FalseNegative nam [3,3] = wrocławianka

(ChunkerEvaluator) Sentence #4641 from articles/00107550 from sent8

Text  : Przez kilkanaście lat od debiutu ( płyta " Jaszczurka "  z  1988 r  .  )  ,  Pati przeobraziła się w  świadomą swojej wizji artystkę ,  osobę pełną luzu i  pomysłów .
Tokens: 1____ 2__________ 3__ 4_ 5______ 6 7____ 8 9_________ 10 11 12__ 13 14 15 16 17__ 18__________ 19_ 20 21______ 22____ 23___ 24______ 25 26___ 27___ 28__ 29 30______ 31

Chunks:
  TruePositive nam [9,9] = Jaszczurka
  FalseNegative nam [17,17] = Pati

(ChunkerEvaluator) Sentence #4642 from articles/00107550 from sent9

Text  : Pracowała z takimi gwiazdami jak Martina Topley - Bird czy David Holmes ,  nagrywała muzykę do hollywoodzkich filmów .
Tokens: 1________ 2 3_____ 4________ 5__ 6______ 7_____ 8 9___ 10_ 11___ 12____ 13 14_______ 15____ 16 17____________ 18____ 19

Chunks:
  TruePositive nam [6,9] = Martina Topley - Bird
  TruePositive nam [11,12] = David Holmes

(ChunkerEvaluator) Sentence #4643 from articles/00107550 from sent10

Text  : Dojrzałość muzyczną potwierdza ostatnim albumem " Wires And Sparks "  ,  płytą znakomicie wyprodukowaną przez Joe Crossa (  multiinstrumentalistę i  producenta odpowiedzialnego m  .  in .  za brzmienie zespołu Hurts )  .
Tokens: 1_________ 2_______ 3_________ 4_______ 5______ 6 7____ 8__ 9_____ 10 11 12___ 13________ 14___________ 15___ 16_ 17____ 18 19___________________ 20 21________ 22______________ 23 24 25 26 27 28_______ 29_____ 30___ 31 32

Chunks:
  TruePositive nam [7,9] = Wires And Sparks
  TruePositive nam [16,17] = Joe Crossa
  FalseNegative nam [30,30] = Hurts

(ChunkerEvaluator) Sentence #4644 from articles/00107550 from sent11

Text  : Słyszymy na niej zarówno piosenki w najlepszym popowym wydaniu (  "  Near To God "  )  ,  jak i  przejmujące melodie z  gatunku electro (  "  Let It Go "  )  .
Tokens: 1_______ 2_ 3___ 4______ 5_______ 6 7_________ 8______ 9______ 10 11 12__ 13 14_ 15 16 17 18_ 19 20_________ 21_____ 22 23_____ 24_____ 25 26 27_ 28 29 30 31 32

Chunks:
  TruePositive nam [12,14] = Near To God
  TruePositive nam [27,29] = Let It Go

(ChunkerEvaluator) Sentence #4645 from articles/00107550 from sent12

Text  : To album pełen surowych brzmień , ale i pięknych melodii .
Tokens: 1_ 2____ 3____ 4_______ 5______ 6 7__ 8 9_______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #4646 from articles/00107550 from sent13

Text  : Pełen ciężkich słów , ale i ciepłych wyznań .
Tokens: 1____ 2_______ 3___ 4 5__ 6 7_______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #4647 from articles/00107550 from sent14

Text  : Pełen prawdziwych emocji .
Tokens: 1____ 2__________ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #4648 from articles/00107550 from sent15

Text  : - To zupełnie nowe otwarcie : pełne przestrzeni , rozmachu ,  chwilami wręcz przebojowe -  pisze o  płycie "  Gazeta Wyborcza "  .
Tokens: 1 2_ 3_______ 4___ 5_______ 6 7____ 8__________ 9 10______ 11 12______ 13___ 14________ 15 16___ 17 18____ 19 20____ 21______ 22 23

Chunks:
  TruePositive nam [20,21] = Gazeta Wyborcza

(ChunkerEvaluator) Sentence #4649 from articles/00107550 from sent16

Text  : Jedyny śląski koncert Pati Yang z międzynarodowym zespołem w czwartek w  katowickim Mega Clubie .
Tokens: 1_____ 2_____ 3______ 4___ 5___ 6 7______________ 8_______ 9 10______ 11 12________ 13__ 14____ 15

Chunks:
  TruePositive nam [4,5] = Pati Yang
  TruePositive nam [13,14] = Mega Clubie

(ChunkerEvaluator) Sentence #4650 from articles/00107550 from sent17

Text  : Gościnnie wystąpi zespół The Poise Rite .
Tokens: 1________ 2______ 3_____ 4__ 5____ 6___ 7

Chunks:
  TruePositive nam [4,6] = The Poise Rite

(ChunkerEvaluator) Sentence #4651 from articles/00107550 from sent18

Text  : Zaprezentuje nowy projekt " Milosz Hated Rockandroll " , który miał swoją premierę 8  października podczas zorganizowanego w  ramach Polskiej Prezydencji 2011 koncertu w  Londynie .
Tokens: 1___________ 2___ 3______ 4 5_____ 6____ 7__________ 8 9 10___ 11__ 12___ 13______ 14 15__________ 16_____ 17_____________ 18 19____ 20______ 21_________ 22__ 23______ 24 25______ 26

Chunks:
  TruePositive nam [5,7] = Milosz Hated Rockandroll
  TruePositive nam [25,25] = Londynie
  FalsePositive nam [20,21] = Polskiej Prezydencji
  FalseNegative nam [20,22] = Polskiej Prezydencji 2011

(ChunkerEvaluator) Sentence #4652 from articles/00107550 from sent19

Text  : Koncert " Wires And Sparks Tour " w czwartek (  8  grudnia )  o  godz .  19 w  katowickim Mega Clubie (  ul .  Żelazna 9  )  .
Tokens: 1______ 2 3____ 4__ 5_____ 6___ 7 8 9_______ 10 11 12_____ 13 14 15__ 16 17 18 19________ 20__ 21____ 22 23 24 25_____ 26 27 28

Chunks:
  TruePositive nam [3,6] = Wires And Sparks Tour
  TruePositive nam [20,21] = Mega Clubie
  TruePositive nam [25,25] = Żelazna

(ChunkerEvaluator) Sentence #4653 from articles/00107550 from sent20

Text  : Bilety po 45 i 50 zł .
Tokens: 1_____ 2_ 3_ 4 5_ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #4654 from articles/00107550 from sent21

Text  : Przez kilkanaście lat od debiutu ( płyta „ Jaszczurka ”  z  1988 r  .  )  ,  Pati przeobraziła się w  świadomą swojej wizji artystkę ,  osobę pełną luzu i  pomysłów .
Tokens: 1____ 2__________ 3__ 4_ 5______ 6 7____ 8 9_________ 10 11 12__ 13 14 15 16 17__ 18__________ 19_ 20 21______ 22____ 23___ 24______ 25 26___ 27___ 28__ 29 30______ 31

Chunks:
  TruePositive nam [9,9] = Jaszczurka
  FalseNegative nam [17,17] = Pati

(ChunkerEvaluator) Sentence #4655 from articles/00107550 from sent22

Text  : Pracowała z takimi gwiazdami jak Martina Topley - Bird czy David Holmes ,  nagrywała muzykę do hollywoodzkich filmów .
Tokens: 1________ 2 3_____ 4________ 5__ 6______ 7_____ 8 9___ 10_ 11___ 12____ 13 14_______ 15____ 16 17____________ 18____ 19

Chunks:
  TruePositive nam [6,9] = Martina Topley - Bird
  TruePositive nam [11,12] = David Holmes

(ChunkerEvaluator) Sentence #4656 from articles/00107550 from sent23

Text  : Dojrzałość muzyczną potwierdza ostatnim albumem „ Wires And Sparks ”  ,  płytą znakomicie wyprodukowaną przez Joe Crossa (  multiinstrumentalistę i  producenta odpowiedzialnego m  .  in .  za brzmienie zespołu Hurts )  .
Tokens: 1_________ 2_______ 3_________ 4_______ 5______ 6 7____ 8__ 9_____ 10 11 12___ 13________ 14___________ 15___ 16_ 17____ 18 19___________________ 20 21________ 22______________ 23 24 25 26 27 28_______ 29_____ 30___ 31 32

Chunks:
  TruePositive nam [7,9] = Wires And Sparks
  TruePositive nam [16,17] = Joe Crossa
  FalseNegative nam [30,30] = Hurts

(ChunkerEvaluator) Sentence #4657 from articles/00107550 from sent24

Text  : Słyszymy na niej zarówno piosenki w najlepszym popowym wydaniu (  „  Near To God ”  )  ,  jak i  przejmujące melodie z  gatunku electro (  ”  Let It Go ”  )  .
Tokens: 1_______ 2_ 3___ 4______ 5_______ 6 7_________ 8______ 9______ 10 11 12__ 13 14_ 15 16 17 18_ 19 20_________ 21_____ 22 23_____ 24_____ 25 26 27_ 28 29 30 31 32

Chunks:
  TruePositive nam [12,14] = Near To God
  TruePositive nam [27,29] = Let It Go

(ChunkerEvaluator) Sentence #4658 from articles/00107550 from sent25

Text  : To album pełen surowych brzmień , ale i pięknych melodii .
Tokens: 1_ 2____ 3____ 4_______ 5______ 6 7__ 8 9_______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #4659 from articles/00107550 from sent26

Text  : Pełen ciężkich słów , ale i ciepłych wyznań .
Tokens: 1____ 2_______ 3___ 4 5__ 6 7_______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #4660 from articles/00107550 from sent27

Text  : Pełen prawdziwych emocji .
Tokens: 1____ 2__________ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #4661 from articles/00107550 from sent28

Text  : - To zupełnie nowe otwarcie : pełne przestrzeni , rozmachu ,  chwilami wręcz przebojowe -  pisze o  płycie „  Gazeta Wyborcza ”  .
Tokens: 1 2_ 3_______ 4___ 5_______ 6 7____ 8__________ 9 10______ 11 12______ 13___ 14________ 15 16___ 17 18____ 19 20____ 21______ 22 23

Chunks:
  TruePositive nam [20,21] = Gazeta Wyborcza

(ChunkerEvaluator) Sentence #4662 from articles/00107550 from sent29

Text  : Jedyny śląski koncert Pati Yang z międzynarodowym zespołem w czwartek w  katowickim Mega Clubie .
Tokens: 1_____ 2_____ 3______ 4___ 5___ 6 7______________ 8_______ 9 10______ 11 12________ 13__ 14____ 15

Chunks:
  TruePositive nam [4,5] = Pati Yang
  TruePositive nam [13,14] = Mega Clubie

(ChunkerEvaluator) Sentence #4663 from articles/00107550 from sent30

Text  : Gościnnie wystąpi zespół The Poise Rite .
Tokens: 1________ 2______ 3_____ 4__ 5____ 6___ 7

Chunks:
  TruePositive nam [4,6] = The Poise Rite

(ChunkerEvaluator) Sentence #4664 from articles/00107550 from sent31

Text  : Zaprezentuje nowy projekt „ Milosz Hated Rockandroll ” , który miał swoją premierę 8  października podczas zorganizowanego w  ramach Polskiej Prezydencji 2011 koncertu w  Londynie .
Tokens: 1___________ 2___ 3______ 4 5_____ 6____ 7__________ 8 9 10___ 11__ 12___ 13______ 14 15__________ 16_____ 17_____________ 18 19____ 20______ 21_________ 22__ 23______ 24 25______ 26

Chunks:
  TruePositive nam [5,7] = Milosz Hated Rockandroll
  TruePositive nam [25,25] = Londynie
  FalsePositive nam [20,21] = Polskiej Prezydencji
  FalseNegative nam [20,22] = Polskiej Prezydencji 2011

2016-10-27 14:59:34,510 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 185 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107551.xml
(ChunkerEvaluator) Sentence #4665 from articles/00107551 from sent1

Text  : Międzynarodowe zmagania kwartetów smyczkowych
Tokens: 1_____________ 2_______ 3________ 4__________

Chunks:

(ChunkerEvaluator) Sentence #4666 from articles/00107551 from sent2

Text  : I Międzynarodowy Konkurs Kwartetów Smyczkowych rozpoczyna się dziś w Radomiu .
Tokens: 1 2_____________ 3______ 4________ 5__________ 6_________ 7__ 8___ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Radomiu
  FalsePositive nam [2,5] = Międzynarodowy Konkurs Kwartetów Smyczkowych
  FalseNegative nam [1,5] = I Międzynarodowy Konkurs Kwartetów Smyczkowych

(ChunkerEvaluator) Sentence #4667 from articles/00107551 from sent3

Text  : Jest to jedyny w Polsce konkurs promujący najwyższą i najtrudniejszą formę kameralistyki muzycznej
Tokens: 1___ 2_ 3_____ 4 5_____ 6______ 7________ 8________ 9 10____________ 11___ 12___________ 13_______

Chunks:
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #4668 from articles/00107551 from sent4

Text  : W Radomiu od 15 lat odbywał się festiwal kwartetów smyczkowych .
Tokens: 1 2______ 3_ 4_ 5__ 6______ 7__ 8_______ 9________ 10_________ 11

Chunks:
  TruePositive nam [2,2] = Radomiu

(ChunkerEvaluator) Sentence #4669 from articles/00107551 from sent5

Text  : W tym roku jego organizator - Radomska Orkiestra Kameralna -  postanowił przekształcić go w  konkurs .
Tokens: 1 2__ 3___ 4___ 5__________ 6 7_______ 8________ 9________ 10 11________ 12___________ 13 14 15_____ 16

Chunks:
  TruePositive nam [7,9] = Radomska Orkiestra Kameralna

(ChunkerEvaluator) Sentence #4670 from articles/00107551 from sent6

Text  : Jak mówił nam we wrześniu Maciej Żółtowski , dyrektor ROK ,  było to jego spełnienie marzeń i  dzięki temu między muzykami pojawi się element sportowej rywalizacji .
Tokens: 1__ 2____ 3__ 4_ 5_______ 6_____ 7________ 8 9_______ 10_ 11 12__ 13 14__ 15________ 16____ 17 18____ 19__ 20____ 21______ 22____ 23_ 24_____ 25_______ 26_________ 27

Chunks:
  TruePositive nam [6,7] = Maciej Żółtowski
  TruePositive nam [10,10] = ROK

(ChunkerEvaluator) Sentence #4671 from articles/00107551 from sent7

Text  : Łącznie do udziału w MKKS zgłosiło się 11 formacji ,  ale ostatecznie o  tytuł najlepszego walczyć będzie osiem zespołów polskich i  zagranicznych .
Tokens: 1______ 2_ 3______ 4 5___ 6_______ 7__ 8_ 9_______ 10 11_ 12_________ 13 14___ 15_________ 16_____ 17____ 18___ 19______ 20______ 21 22___________ 23

Chunks:
  TruePositive nam [5,5] = MKKS

(ChunkerEvaluator) Sentence #4672 from articles/00107551 from sent8

Text  : W zmaganiach udział wezmą kwartety smyczkowe z Polski - Airis Quartet ,  Apotheosis ,  Arkados ,  Contré ,  Tesseris ,  z  Holandii kwartet Dudok ;  ze Szwajcarii Luzern Quartett i  z  Ukrainy Nocturnum Quartet .
Tokens: 1 2_________ 3_____ 4____ 5_______ 6________ 7 8_____ 9 10___ 11_____ 12 13________ 14 15_____ 16 17____ 18 19______ 20 21 22______ 23_____ 24___ 25 26 27________ 28____ 29______ 30 31 32_____ 33_______ 34_____ 35

Chunks:
  TruePositive nam [8,8] = Polski
  TruePositive nam [22,22] = Holandii
  FalsePositive nam [27,29] = Szwajcarii Luzern Quartett
  FalsePositive nam [32,34] = Ukrainy Nocturnum Quartet
  FalseNegative nam [10,11] = Airis Quartet
  FalseNegative nam [13,13] = Apotheosis
  FalseNegative nam [15,15] = Arkados
  FalseNegative nam [17,17] = Contré
  FalseNegative nam [19,19] = Tesseris
  FalseNegative nam [24,24] = Dudok
  FalseNegative nam [27,27] = Szwajcarii
  FalseNegative nam [28,29] = Luzern Quartett
  FalseNegative nam [32,32] = Ukrainy
  FalseNegative nam [33,34] = Nocturnum Quartet

(ChunkerEvaluator) Sentence #4673 from articles/00107551 from sent9

Text  : - Muzycy przyjeżdżają w dniu rozpoczęcia konkursu , tego dnia będą też losować kolejność występów -  mówi Żółtowski .
Tokens: 1 2_____ 3___________ 4 5___ 6__________ 7_______ 8 9___ 10__ 11__ 12_ 13_____ 14_______ 15______ 16 17__ 18_______ 19

Chunks:
  TruePositive nam [18,18] = Żółtowski

(ChunkerEvaluator) Sentence #4674 from articles/00107551 from sent10

Text  : Czy organizacja konkursu różni się czymś od przygotowania festiwalu ?  -  dopytujemy .
Tokens: 1__ 2__________ 3_______ 4____ 5__ 6____ 7_ 8____________ 9________ 10 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #4675 from articles/00107551 from sent11

Text  : - Na pewnie jest to bardziej skomplikowane , bo zespołów jest więcej .
Tokens: 1 2_ 3_____ 4___ 5_ 6_______ 7____________ 8 9_ 10______ 11__ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #4676 from articles/00107551 from sent12

Text  : Pojawia się też jury , które oceni ich występy .
Tokens: 1______ 2__ 3__ 4___ 5 6____ 7____ 8__ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #4677 from articles/00107551 from sent13

Text  : Dzięki temu będzie na pewno więcej emocji - odpowiada .
Tokens: 1_____ 2___ 3_____ 4_ 5____ 6_____ 7_____ 8 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #4678 from articles/00107551 from sent14

Text  : W piątek w godz . 10 - 14 i 16 -  20 .  30 oraz w  sobotę w  godz .  14 -  20 odbędą się otwarte dla wszystkich amatorów dobrej muzyki przesłuchania konkursowe .
Tokens: 1 2_____ 3 4___ 5 6_ 7 8_ 9 10 11 12 13 14 15__ 16 17____ 18 19__ 20 21 22 23 24____ 25_ 26_____ 27_ 28________ 29______ 30____ 31____ 32___________ 33________ 34

Chunks:

(ChunkerEvaluator) Sentence #4679 from articles/00107551 from sent15

Text  : Muzycy swoje umiejętności zaprezentują w sali koncertowej Zespołu Szkół Muzycznych przy ul .  25 Czerwca 70 .
Tokens: 1_____ 2____ 3___________ 4___________ 5 6___ 7__________ 8______ 9____ 10________ 11__ 12 13 14 15_____ 16 17

Chunks:
  TruePositive nam [8,10] = Zespołu Szkół Muzycznych
  FalseNegative nam [14,15] = 25 Czerwca

(ChunkerEvaluator) Sentence #4680 from articles/00107551 from sent16

Text  : Oceniać będzie ich jury w składzie : Ryszard Duź ,  Janusz Ekiert ,  Tadeusz Gadzina ,  Paweł Łosakiewicz ,  Stanisław Moryto ,  Marian Wasiółka ,  Maciej Żółtowski (  przewodniczący )  .
Tokens: 1______ 2_____ 3__ 4___ 5 6_______ 7 8______ 9__ 10 11____ 12____ 13 14_____ 15_____ 16 17___ 18_________ 19 20_______ 21____ 22 23____ 24______ 25 26____ 27_______ 28 29____________ 30 31

Chunks:
  TruePositive nam [8,9] = Ryszard Duź
  TruePositive nam [11,12] = Janusz Ekiert
  TruePositive nam [14,15] = Tadeusz Gadzina
  TruePositive nam [17,18] = Paweł Łosakiewicz
  TruePositive nam [20,21] = Stanisław Moryto
  TruePositive nam [23,24] = Marian Wasiółka
  TruePositive nam [26,27] = Maciej Żółtowski

(ChunkerEvaluator) Sentence #4681 from articles/00107551 from sent17

Text  : MKKS służyć ma m . in . promocji młodych artystów ,  dlatego w  regulaminie wprowadzono limit wiekowy .
Tokens: 1___ 2_____ 3_ 4 5 6_ 7 8_______ 9______ 10______ 11 12_____ 13 14_________ 15_________ 16___ 17_____ 18

Chunks:
  TruePositive nam [1,1] = MKKS

(ChunkerEvaluator) Sentence #4682 from articles/00107551 from sent18

Text  : W kwartetach grać mogą tylko osoby w wieku 19 -  30 lat .
Tokens: 1 2_________ 3___ 4___ 5____ 6____ 7 8____ 9_ 10 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #4683 from articles/00107551 from sent19

Text  : - Chcemy promować młodych muzyków i tworzenie kwartetów na studiach ,  bo po ich zakończeniu jest już na to za późno .
Tokens: 1 2_____ 3_______ 4______ 5______ 6 7________ 8________ 9_ 10______ 11 12 13 14_ 15_________ 16__ 17_ 18 19 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #4684 from articles/00107551 from sent20

Text  : Bardzo ważne jest zgranie kwartetu , musi on przeprowadzić frazę muzyczną jak jeden muzyk .
Tokens: 1_____ 2____ 3___ 4______ 5_______ 6 7___ 8_ 9____________ 10___ 11______ 12_ 13___ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #4685 from articles/00107551 from sent21

Text  : Dlatego najlepszy czas jest na to w trakcie nauki -  tłumaczy Żółtowski .
Tokens: 1______ 2________ 3___ 4___ 5_ 6_ 7 8______ 9____ 10 11______ 12_______ 13

Chunks:
  TruePositive nam [12,12] = Żółtowski

(ChunkerEvaluator) Sentence #4686 from articles/00107551 from sent22

Text  : Rywalizację rozpocznie dzisiaj w ZSM koncert Kwartetu Wilanów i ROK .
Tokens: 1__________ 2_________ 3______ 4 5__ 6______ 7_______ 8______ 9 10_ 11

Chunks:
  TruePositive nam [7,8] = Kwartetu Wilanów
  TruePositive nam [10,10] = ROK
  FalseNegative nam [5,5] = ZSM

(ChunkerEvaluator) Sentence #4687 from articles/00107551 from sent23

Text  : Jest to jeden z najbardziej znanych i cenionych polskich zespołów ,  wielokrotnie nagradzany i  zapraszany do występów w  kraju i  za granicą .
Tokens: 1___ 2_ 3____ 4 5__________ 6______ 7 8________ 9_______ 10______ 11 12__________ 13________ 14 15________ 16 17______ 18 19___ 20 21 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #4688 from articles/00107551 from sent24

Text  : Formacja nagrała ponad 30 płyt i współpracowała z najwybitniejszymi muzykami na świecie .
Tokens: 1_______ 2______ 3____ 4_ 5___ 6 7_____________ 8 9________________ 10______ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #4689 from articles/00107551 from sent25

Text  : Specjalnie na tę okazję Marcin Błażewicz napisał utwór na kwartet smyczkowy i  orkiestrę .
Tokens: 1_________ 2_ 3_ 4_____ 5_____ 6________ 7______ 8____ 9_ 10_____ 11_______ 12 13_______ 14

Chunks:
  TruePositive nam [5,6] = Marcin Błażewicz

(ChunkerEvaluator) Sentence #4690 from articles/00107551 from sent26

Text  : Melomani w naszym mieście mieli już okazję słuchać utworu tego wybitnego kompozytora .
Tokens: 1_______ 2 3_____ 4______ 5____ 6__ 7_____ 8______ 9_____ 10__ 11_______ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #4691 from articles/00107551 from sent27

Text  : Był to koncert w wykonaniu ROK na marimbę i orkiestrę .
Tokens: 1__ 2_ 3______ 4 5________ 6__ 7_ 8______ 9 10_______ 11

Chunks:
  TruePositive nam [6,6] = ROK

(ChunkerEvaluator) Sentence #4692 from articles/00107551 from sent28

Text  : W programie znajdą się tez kompozycje Aleksandra Głazunowa i Feliksa Mendelssohna .
Tokens: 1 2________ 3_____ 4__ 5__ 6_________ 7_________ 8________ 9 10_____ 11__________ 12

Chunks:
  TruePositive nam [7,8] = Aleksandra Głazunowa
  TruePositive nam [10,11] = Feliksa Mendelssohna

(ChunkerEvaluator) Sentence #4693 from articles/00107551 from sent29

Text  : Bilety po 16 zł ( ulgowy ) i 19 zł (  normalny )  .
Tokens: 1_____ 2_ 3_ 4_ 5 6_____ 7 8 9_ 10 11 12______ 13 14

Chunks:
  TruePositive nam [4,4] = zł
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #4694 from articles/00107551 from sent30

Text  : Gala wręczenia nagród i występ laureatów w niedzielę o godz .  18 w  ZSM .
Tokens: 1___ 2________ 3_____ 4 5_____ 6________ 7 8________ 9 10__ 11 12 13 14_ 15

Chunks:
  FalseNegative nam [14,14] = ZSM

(ChunkerEvaluator) Sentence #4695 from articles/00107551 from sent31

Text  : Bilety w tej samej cenie .
Tokens: 1_____ 2 3__ 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #4696 from articles/00107551 from sent32

Text  : Suma nagród to 48 tys . zł .
Tokens: 1___ 2_____ 3_ 4_ 5__ 6 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #4697 from articles/00107551 from sent33

Text  : Przedsięwzięcie udało się zorganizować dzięki dofinansowaniu Ministerstwa Kultury i Dziedzictwa Narodowego oraz ufundowaniu nagród przez Stowarzyszenie Autorów ZAIKS i  prezydenta miasta Radomia .
Tokens: 1______________ 2____ 3__ 4___________ 5_____ 6_____________ 7___________ 8______ 9 10_________ 11________ 12__ 13_________ 14____ 15___ 16____________ 17_____ 18___ 19 20________ 21____ 22_____ 23

Chunks:
  TruePositive nam [7,11] = Ministerstwa Kultury i Dziedzictwa Narodowego
  TruePositive nam [22,22] = Radomia
  FalsePositive nam [16,18] = Stowarzyszenie Autorów ZAIKS
  FalseNegative nam [16,17] = Stowarzyszenie Autorów
  FalseNegative nam [18,18] = ZAIKS

2016-10-27 14:59:34,667 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 186 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107552.xml
(ChunkerEvaluator) Sentence #4698 from articles/00107552 from sent1

Text  : Pamięci Kapuścińskiego
Tokens: 1______ 2_____________

Chunks:
  TruePositive nam [2,2] = Kapuścińskiego

(ChunkerEvaluator) Sentence #4699 from articles/00107552 from sent2

Text  : Pamięci tego , którego już zabrakło - wybitnego regionalisty ,  gawędziarza ,  przewodnika Jerzego Kapuścińskiego poświęcone będzie piątkowe (  2  grudnia )  Głośne Czytanie Nocą w  Antykwariacie Naukowym im .  Andrzeja Metzgera .
Tokens: 1______ 2___ 3 4______ 5__ 6_______ 7 8________ 9___________ 10 11_________ 12 13_________ 14_____ 15____________ 16________ 17____ 18______ 19 20 21_____ 22 23____ 24______ 25__ 26 27___________ 28______ 29 30 31______ 32______ 33

Chunks:
  TruePositive nam [14,15] = Jerzego Kapuścińskiego
  TruePositive nam [23,25] = Głośne Czytanie Nocą
  FalsePositive nam [27,32] = Antykwariacie Naukowym im . Andrzeja Metzgera
  FalseNegative nam [27,28] = Antykwariacie Naukowym
  FalseNegative nam [31,32] = Andrzeja Metzgera

(ChunkerEvaluator) Sentence #4700 from articles/00107552 from sent3

Text  : Impreza nosi tytuł „ Z Gór Świętokrzyskich na Niebieski Szlak ”  ,  a  z  tekstami i  wzruszeniem zmagać się będą między innymi :  Jacek Kowalczyk ,  Cezary Jastrzębski ,  Andrzej Konopacki ,  Magdalena Rzepka i  Maciej Zarębski .
Tokens: 1______ 2___ 3____ 4 5 6__ 7______________ 8_ 9________ 10___ 11 12 13 14 15______ 16 17_________ 18____ 19_ 20__ 21____ 22____ 23 24___ 25_______ 26 27____ 28_________ 29 30_____ 31_______ 32 33_______ 34____ 35 36____ 37______ 38

Chunks:
  TruePositive nam [24,25] = Jacek Kowalczyk
  TruePositive nam [27,28] = Cezary Jastrzębski
  TruePositive nam [30,31] = Andrzej Konopacki
  TruePositive nam [33,34] = Magdalena Rzepka
  TruePositive nam [36,37] = Maciej Zarębski
  FalsePositive nam [5,7] = Z Gór Świętokrzyskich
  FalsePositive nam [9,10] = Niebieski Szlak
  FalseNegative nam [5,10] = Z Gór Świętokrzyskich na Niebieski Szlak

(ChunkerEvaluator) Sentence #4701 from articles/00107552 from sent4

Text  : Typowa dla nocnych spotkań w antykwariacie Loża Prześmiewców pozostanie pusta ,  nie zabraknie jednak uroczych czarownic świętokrzyskich .
Tokens: 1_____ 2__ 3______ 4______ 5 6____________ 7___ 8___________ 9_________ 10___ 11 12_ 13_______ 14____ 15______ 16_______ 17_____________ 18

Chunks:
  TruePositive nam [7,8] = Loża Prześmiewców

(ChunkerEvaluator) Sentence #4702 from articles/00107552 from sent5

Text  : Jerzy Kapuściński , zwany Sabałą Gór Świętokrzyskich , do końca działał w  Polskim Towarzystwie Turystyczno -  Krajoznawczym .
Tokens: 1____ 2__________ 3 4____ 5_____ 6__ 7______________ 8 9_ 10___ 11_____ 12 13_____ 14__________ 15_________ 16 17___________ 18

Chunks:
  TruePositive nam [1,2] = Jerzy Kapuściński
  TruePositive nam [5,7] = Sabałą Gór Świętokrzyskich
  TruePositive nam [13,17] = Polskim Towarzystwie Turystyczno - Krajoznawczym

(ChunkerEvaluator) Sentence #4703 from articles/00107552 from sent6

Text  : Doskonały gawędziarz o regionie świętokrzyskim i Kielcach opowiadał między innymi na antenie Radia Kielce .
Tokens: 1________ 2_________ 3 4_______ 5_____________ 6 7_______ 8________ 9_____ 10____ 11 12_____ 13___ 14____ 15

Chunks:
  TruePositive nam [7,7] = Kielcach
  TruePositive nam [13,14] = Radia Kielce
  FalseNegative nam [5,5] = świętokrzyskim

(ChunkerEvaluator) Sentence #4704 from articles/00107552 from sent7

Text  : Starał się zaszczepiać w słuchaczach pasję do poznania naszej małej ojczyzny .
Tokens: 1_____ 2__ 3__________ 4 5__________ 6____ 7_ 8_______ 9_____ 10___ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #4705 from articles/00107552 from sent8

Text  : Zmarł w październiku po ciężkiej chorobie .
Tokens: 1____ 2 3___________ 4_ 5_______ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #4706 from articles/00107552 from sent9

Text  : Głośne czytanie rozpocznie się w piątek 2 grudnia o godz .  21 w  Antykwariacie Naukowym im .  Andrzeja Metzgera .
Tokens: 1_____ 2_______ 3_________ 4__ 5 6_____ 7 8______ 9 10__ 11 12 13 14___________ 15______ 16 17 18______ 19______ 20

Chunks:
  TruePositive nam [14,19] = Antykwariacie Naukowym im . Andrzeja Metzgera

(ChunkerEvaluator) Sentence #4707 from articles/00107552 from sent10

Text  : Wstęp wolny .
Tokens: 1____ 2____ 3

Chunks:

2016-10-27 14:59:34,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 187 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107553.xml
(ChunkerEvaluator) Sentence #4708 from articles/00107553 from sent1

Text  : Ogólnopolski Festiwal Filmowy
Tokens: 1___________ 2_______ 3______

Chunks:
  TruePositive nam [1,3] = Ogólnopolski Festiwal Filmowy

(ChunkerEvaluator) Sentence #4709 from articles/00107553 from sent2

Text  : Od piątku w toruńskim Domu Muz trwa pierwsza edycja OFF-u -  Ogólnopolskiego Festiwalu Filmowego ,  na którym niezależni twórcy z  całej Polski prezentują swoje dokonania .
Tokens: 1_ 2_____ 3 4________ 5___ 6__ 7___ 8_______ 9_____ 10___ 11 12_____________ 13_______ 14_______ 15 16 17____ 18________ 19____ 20 21___ 22____ 23________ 24___ 25_______ 26

Chunks:
  TruePositive nam [5,6] = Domu Muz
  TruePositive nam [12,14] = Ogólnopolskiego Festiwalu Filmowego
  TruePositive nam [22,22] = Polski
  FalseNegative nam [10,10] = OFF-u

(ChunkerEvaluator) Sentence #4710 from articles/00107553 from sent3

Text  : Przedstawiamy sobotni i niedzielny program imprezy .
Tokens: 1____________ 2______ 3 4_________ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4711 from articles/00107553 from sent4

Text  : Wszystkie projekcje odbywają się w toruńskim Domu Muz przy ul .  Podmurnej 1  /  3  .
Tokens: 1________ 2________ 3_______ 4__ 5 6________ 7___ 8__ 9___ 10 11 12_______ 13 14 15 16

Chunks:
  TruePositive nam [7,8] = Domu Muz
  FalsePositive nam [12,12] = Podmurnej
  FalseNegative nam [12,15] = Podmurnej 1 / 3

(ChunkerEvaluator) Sentence #4712 from articles/00107553 from sent5

Text  : Wstęp na festiwal jest wolny .
Tokens: 1____ 2_ 3_______ 4___ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #4713 from articles/00107553 from sent6

Text  : SOBOTA
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #4714 from articles/00107553 from sent7

Text  : SALA GŁÓWNA : 12 . 30 - 14 - „  Stan Odmienny ”  -  Sky Piastowskie z  Zielonej Góry 14 -  15 .  15 -  „  Krótki film o  zaliczaniu ”  ,  „  Rough ”  -  Pablo Production z  Sopotu 15 .  15 -  17 -  „  Licencja na zaliczanie ”  ,  „  Was ist los ?  ”
Tokens: 1___ 2_____ 3 4_ 5 6_ 7 8_ 9 10 11__ 12______ 13 14 15_ 16_________ 17 18______ 19__ 20 21 22 23 24 25 26 27____ 28__ 29 30________ 31 32 33 34___ 35 36 37___ 38________ 39 40____ 41 42 43 44 45 46 47 48______ 49 50________ 51 52 53 54_ 55_ 56_ 57 58

Chunks:
  TruePositive nam [11,12] = Stan Odmienny
  TruePositive nam [15,16] = Sky Piastowskie
  TruePositive nam [18,19] = Zielonej Góry
  TruePositive nam [37,38] = Pablo Production
  TruePositive nam [40,40] = Sopotu
  FalsePositive nam [1,2] = SALA GŁÓWNA
  FalseNegative nam [27,30] = Krótki film o zaliczaniu
  FalseNegative nam [34,34] = Rough
  FalseNegative nam [48,50] = Licencja na zaliczanie
  FalseNegative nam [54,56] = Was ist los

(ChunkerEvaluator) Sentence #4715 from articles/00107553 from sent8

Text  : - Pablo Production 17 - 17 . 30 - „  Jak zrobić duży film ,  mając mało pieniędzy ”  -  Spotkanie z  producentkami i  aktorem „  Licencji na zaliczanie ”  17 .  30 -  19 .  30 -  „  Epizod 13 ”  ,  „  Wal Świstaka ”  ,  „  Haiku ”  -  Studio Team E  13 z  Gdyni 19 .  30 -  20 -  „  Kosmos w  PC ”  -  Spotkanie z  Zambarim i  Lucassem ,  twórcami Team E  13 20 -  21 .  30 -  projekcje filmów warszawskiej grupy „  Łyżka ,  czyli chilli ”  21 .  30 -   22  .   00  -   Konferencja prasowa z   twórcami ,   oficjalne zamknięcie festiwalu
Tokens: 1 2____ 3_________ 4_ 5 6_ 7 8_ 9 10 11_ 12____ 13__ 14__ 15 16___ 17__ 18_______ 19 20 21_______ 22 23___________ 24 25_____ 26 27______ 28 29________ 30 31 32 33 34 35 36 37 38 39 40____ 41 42 43 44 45_ 46______ 47 48 49 50___ 51 52 53____ 54__ 55 56 57 58___ 59 60 61 62 63 64 65 66____ 67 68 69 70 71_______ 72 73______ 74 75______ 76 77______ 78__ 79 80 81 82 83 84 85 86 87_______ 88____ 89__________ 90___ 91 92___ 93 94___ 95____ 96 97 98 99 100 101 102 103 104 105________ 106____ 107 108_____ 109 110______ 111_______ 112______

Chunks:
  TruePositive nam [2,3] = Pablo Production
  TruePositive nam [45,46] = Wal Świstaka
  TruePositive nam [50,50] = Haiku
  TruePositive nam [53,56] = Studio Team E 13
  TruePositive nam [58,58] = Gdyni
  TruePositive nam [73,73] = Zambarim
  FalsePositive nam [40,42] = Epizod 13 ”
  FalsePositive nam [68,71] = PC ” - Spotkanie
  FalsePositive nam [92,92] = Łyżka
  FalseNegative nam [11,18] = Jak zrobić duży film , mając mało pieniędzy
  FalseNegative nam [27,29] = Licencji na zaliczanie
  FalseNegative nam [40,41] = Epizod 13
  FalseNegative nam [66,68] = Kosmos w PC
  FalseNegative nam [75,75] = Lucassem
  FalseNegative nam [78,80] = Team E 13
  FalseNegative nam [92,95] = Łyżka , czyli chilli

(ChunkerEvaluator) Sentence #4716 from articles/00107553 from sent9

Text  : HALL : Projekcje non stop - wideo - arty ,  archiwalia
Tokens: 1___ 2 3________ 4__ 5___ 6 7____ 8 9___ 10 11________

Chunks:
  FalsePositive nam [1,1] = HALL

(ChunkerEvaluator) Sentence #4717 from articles/00107553 from sent10

Text  : PIWNICA : Imprezy towarzyszące festiwalowi 14 . 30 - 15 .  30 -  przegląd produkcji Studia AVE z  Domu Muz 15 .  30 -  17 .  30 -  przegląd teledysków Dawida Marcinkowskiego i  Jacka Chmielewskiego .
Tokens: 1______ 2 3______ 4___________ 5__________ 6_ 7 8_ 9 10 11 12 13 14______ 15_______ 16____ 17_ 18 19__ 20_ 21 22 23 24 25 26 27 28 29______ 30________ 31____ 32_____________ 33 34___ 35____________ 36

Chunks:
  TruePositive nam [16,17] = Studia AVE
  TruePositive nam [19,20] = Domu Muz
  TruePositive nam [31,32] = Dawida Marcinkowskiego
  TruePositive nam [34,35] = Jacka Chmielewskiego
  FalsePositive nam [1,1] = PIWNICA

(ChunkerEvaluator) Sentence #4718 from articles/00107553 from sent11

Text  : Zobaczymy m . in . „ Pociąg ” Mariusza Lubomskiego ,  „  The Revange of the Space Vampires ”  Happy Pills ,  „  Piosenkę nr 5  ”  -  Ścianki i  „  Czary Mary ”  -  Świetlików 16 .  20 -  17 -  „  Lubelskie zdearzenia ”  -  nigdy nie emitowane filmy zrealizowane dla lubelskiego oddziału TVP 17 -  18 -  pokaz filmu „  Zabij ich wszystkich ”  autorstwa Przemysława Wojcieszka z  Wrocławia 18 -  22 -  spotkanie z  twórcami „  Lubelskich zdearzeń ”  ,  na którym zaprezentują swoje ulubione filmy 22 -  23 .  30 -  Koncert grupy „  Boskie Torsy ”   z   Warszawy 23  .   30  -   2   -   Archiwum „   Oczywiście ”   -   telewizyjnego programu realizowanego przez „   Łyżkę ,   czyli chili ”   ,   a   emitowanego niegdyś w   programie 2   TVP .
Tokens: 1________ 2 3 4_ 5 6 7_____ 8 9_______ 10_________ 11 12 13_ 14_____ 15 16_ 17___ 18______ 19 20___ 21___ 22 23 24______ 25 26 27 28 29_____ 30 31 32___ 33__ 34 35 36________ 37 38 39 40 41 42 43 44_______ 45________ 46 47 48___ 49_ 50_______ 51___ 52__________ 53_ 54_________ 55______ 56_ 57 58 59 60 61___ 62___ 63 64___ 65_ 66________ 67 68_______ 69_________ 70________ 71 72_______ 73 74 75 76 77_______ 78 79______ 80 81________ 82______ 83 84 85 86____ 87__________ 88___ 89______ 90___ 91 92 93 94 95 96 97_____ 98___ 99 100___ 101__ 102 103 104_____ 105 106 107 108 109 110 111_____ 112 113_______ 114 115 116__________ 117_____ 118__________ 119__ 120 121__ 122 123__ 124__ 125 126 127 128________ 129____ 130 131______ 132 133 134

Chunks:
  TruePositive nam [7,7] = Pociąg
  TruePositive nam [9,10] = Mariusza Lubomskiego
  TruePositive nam [13,18] = The Revange of the Space Vampires
  TruePositive nam [20,21] = Happy Pills
  TruePositive nam [29,29] = Ścianki
  TruePositive nam [32,33] = Czary Mary
  TruePositive nam [36,36] = Świetlików
  TruePositive nam [56,56] = TVP
  TruePositive nam [69,70] = Przemysława Wojcieszka
  TruePositive nam [72,72] = Wrocławia
  TruePositive nam [100,101] = Boskie Torsy
  TruePositive nam [104,104] = Warszawy
  TruePositive nam [133,133] = TVP
  FalsePositive nam [24,27] = Piosenkę nr 5 ”
  FalsePositive nam [44,44] = Lubelskie
  FalsePositive nam [81,81] = Lubelskich
  FalseNegative nam [24,26] = Piosenkę nr 5
  FalseNegative nam [44,45] = Lubelskie zdearzenia
  FalseNegative nam [64,66] = Zabij ich wszystkich
  FalseNegative nam [81,82] = Lubelskich zdearzeń
  FalseNegative nam [113,113] = Oczywiście
  FalseNegative nam [121,124] = Łyżkę , czyli chili

(ChunkerEvaluator) Sentence #4719 from articles/00107553 from sent12

Text  : NIEDZIELA
Tokens: 1________

Chunks:
  FalsePositive nam [1,1] = NIEDZIELA

(ChunkerEvaluator) Sentence #4720 from articles/00107553 from sent13

Text  : 12 - 14 - „ Kino poza obiegiem ” -  Spotkanie uczestników festiwalu ,  na którym goście m  .  in .  ocenią imprezę i  zdradzą swoje plany artystyczne .
Tokens: 1_ 2 3_ 4 5 6___ 7___ 8_______ 9 10 11_______ 12_________ 13_______ 14 15 16____ 17____ 18 19 20 21 22____ 23_____ 24 25_____ 26___ 27___ 28_________ 29

Chunks:
  FalseNegative nam [6,8] = Kino poza obiegiem

2016-10-27 14:59:34,851 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 188 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107554.xml
(ChunkerEvaluator) Sentence #4721 from articles/00107554 from sent1

Text  : Przegląd Post Scriptum .
Tokens: 1_______ 2___ 3_______ 4

Chunks:
  TruePositive nam [2,3] = Post Scriptum

(ChunkerEvaluator) Sentence #4722 from articles/00107554 from sent2

Text  : Allen , Wenders i inni
Tokens: 1____ 2 3______ 4 5___

Chunks:
  TruePositive nam [1,1] = Allen
  FalseNegative nam [3,3] = Wenders

(ChunkerEvaluator) Sentence #4723 from articles/00107554 from sent3

Text  : Weekend na przeglądzie Post Scriptum będzie należał do mistrzów kina .
Tokens: 1______ 2_ 3__________ 4___ 5_______ 6_____ 7______ 8_ 9_______ 10__ 11

Chunks:
  TruePositive nam [4,5] = Post Scriptum

(ChunkerEvaluator) Sentence #4724 from articles/00107554 from sent4

Text  : Na widzów czekają aż cztery filmy , z których każdy bez obaw można określić słowem wybitny .
Tokens: 1_ 2_____ 3______ 4_ 5_____ 6____ 7 8 9______ 10___ 11_ 12__ 13___ 14______ 15____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #4725 from articles/00107554 from sent5

Text  : Przegląd Post Scriptum
Tokens: 1_______ 2___ 3_______

Chunks:
  TruePositive nam [2,3] = Post Scriptum

(ChunkerEvaluator) Sentence #4726 from articles/00107554 from sent6

Text  : Allen , Wenders i inni Najbliższy weekend na przeglądzie Post Scriptum będzie należał do mistrzów kina .
Tokens: 1____ 2 3______ 4 5___ 6_________ 7______ 8_ 9__________ 10__ 11______ 12____ 13_____ 14 15______ 16__ 17

Chunks:
  TruePositive nam [1,1] = Allen
  TruePositive nam [10,11] = Post Scriptum
  FalseNegative nam [3,3] = Wenders

(ChunkerEvaluator) Sentence #4727 from articles/00107554 from sent7

Text  : Na widzów czekają aż cztery filmy , z których każdy bez obaw można określić słowem „  wybitny ”  .
Tokens: 1_ 2_____ 3______ 4_ 5_____ 6____ 7 8 9______ 10___ 11_ 12__ 13___ 14______ 15____ 16 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #4728 from articles/00107554 from sent8

Text  : „ O północy w Paryżu ” Woody'ego Allena oczarowuje nie tylko atmosferą stolicy Francji ,  ale też lekką ,  romantyczną fabułą o  komediowym zabarwieniu .
Tokens: 1 2 3______ 4 5_____ 6 7________ 8_____ 9_________ 10_ 11___ 12_______ 13_____ 14_____ 15 16_ 17_ 18___ 19 20_________ 21____ 22 23________ 24_________ 25

Chunks:
  TruePositive nam [7,8] = Woody'ego Allena
  TruePositive nam [14,14] = Francji
  FalsePositive nam [5,5] = Paryżu
  FalseNegative nam [2,5] = O północy w Paryżu

(ChunkerEvaluator) Sentence #4729 from articles/00107554 from sent9

Text  : W zupełnie inny klimat zabiera „ Rozstanie ” Asghara Farhadiego ,  który niedawno zachwycał filmem „  Co wiesz o  Elly ”  .
Tokens: 1 2_______ 3___ 4_____ 5______ 6 7________ 8 9______ 10________ 11 12___ 13______ 14_______ 15____ 16 17 18___ 19 20__ 21 22

Chunks:
  TruePositive nam [7,7] = Rozstanie
  TruePositive nam [9,10] = Asghara Farhadiego
  TruePositive nam [17,20] = Co wiesz o Elly

(ChunkerEvaluator) Sentence #4730 from articles/00107554 from sent10

Text  : Irański reżyser i scenarzysta mówi o problemach , które dotyczą wszystkich ludzi .
Tokens: 1______ 2______ 3 4__________ 5___ 6 7_________ 8 9____ 10_____ 11________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #4731 from articles/00107554 from sent11

Text  : Z kolei „ Pina ” Wima Wendersa to hołd złożony przez reżysera wybitnej choreografce Pinie Bausch .
Tokens: 1 2____ 3 4___ 5 6___ 7_______ 8_ 9___ 10_____ 11___ 12______ 13______ 14__________ 15___ 16____ 17

Chunks:
  TruePositive nam [4,4] = Pina
  TruePositive nam [6,7] = Wima Wendersa
  TruePositive nam [15,16] = Pinie Bausch

(ChunkerEvaluator) Sentence #4732 from articles/00107554 from sent12

Text  : Najważniejszy jest tam taniec i energia , która z niego płynie .
Tokens: 1____________ 2___ 3__ 4_____ 5 6______ 7 8____ 9 10___ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #4733 from articles/00107554 from sent13

Text  : W „ Pinie ” znalazły się też nagrania kultowych spektakli Tanztheater Wuppertal .
Tokens: 1 2 3____ 4 5_______ 6__ 7__ 8_______ 9________ 10_______ 11_________ 12_______ 13

Chunks:
  TruePositive nam [3,3] = Pinie
  TruePositive nam [11,12] = Tanztheater Wuppertal

(ChunkerEvaluator) Sentence #4734 from articles/00107554 from sent14

Text  : Natomiast „ Cyrk Columbia ” to historia człowieka powracającego po latach emigracji do Jugosławii .
Tokens: 1________ 2 3___ 4_______ 5 6_ 7_______ 8________ 9____________ 10 11____ 12_______ 13 14________ 15

Chunks:
  TruePositive nam [3,4] = Cyrk Columbia
  TruePositive nam [14,14] = Jugosławii

(ChunkerEvaluator) Sentence #4735 from articles/00107554 from sent15

Text  : Zdaje się , że osiągnął sukces , ale teraz musi się zmierzyć z  nową rzeczywistością .
Tokens: 1____ 2__ 3 4_ 5_______ 6_____ 7 8__ 9____ 10__ 11_ 12______ 13 14__ 15_____________ 16

Chunks:

(ChunkerEvaluator) Sentence #4736 from articles/00107554 from sent16

Text  : Przegląd Postr Scriptum .
Tokens: 1_______ 2____ 3_______ 4

Chunks:
  FalsePositive nam [1,3] = Przegląd Postr Scriptum
  FalseNegative nam [2,3] = Postr Scriptum

(ChunkerEvaluator) Sentence #4737 from articles/00107554 from sent17

Text  : Kino Mistrzów , 3 - 4 grudnia , kino ABC w  Domu Kultury SM Czechów ,  ul .  Kiepury .
Tokens: 1___ 2_______ 3 4 5 6 7______ 8 9___ 10_ 11 12__ 13_____ 14 15_____ 16 17 18 19_____ 20

Chunks:
  TruePositive nam [10,10] = ABC
  TruePositive nam [19,19] = Kiepury
  FalsePositive nam [12,15] = Domu Kultury SM Czechów
  FalseNegative nam [1,2] = Kino Mistrzów
  FalseNegative nam [12,13] = Domu Kultury
  FalseNegative nam [14,14] = SM
  FalseNegative nam [15,15] = Czechów

(ChunkerEvaluator) Sentence #4738 from articles/00107554 from sent18

Text  : Bilety weekendowe kosztują 22 zł .
Tokens: 1_____ 2_________ 3_______ 4_ 5_ 6

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #4739 from articles/00107554 from sent19

Text  : Program
Tokens: 1______

Chunks:

(ChunkerEvaluator) Sentence #4740 from articles/00107554 from sent20

Text  : „ O północy w Paryżu ” , sobota ( 3  grudnia )  ,  godz .  16
Tokens: 1 2 3______ 4 5_____ 6 7 8_____ 9 10 11_____ 12 13 14__ 15 16

Chunks:
  FalsePositive nam [5,5] = Paryżu
  FalseNegative nam [2,5] = O północy w Paryżu

(ChunkerEvaluator) Sentence #4741 from articles/00107554 from sent21

Text  : „ Rozstanie ” , sobota ( 3 grudnia ) ,  godz .  18
Tokens: 1 2________ 3 4 5_____ 6 7 8______ 9 10 11__ 12 13

Chunks:
  TruePositive nam [2,2] = Rozstanie

(ChunkerEvaluator) Sentence #4742 from articles/00107554 from sent22

Text  : „ Cyrk Columbia ” , niedziela ( 4 grudnia )  ,  godz .  16
Tokens: 1 2___ 3_______ 4 5 6________ 7 8 9______ 10 11 12__ 13 14

Chunks:
  TruePositive nam [2,3] = Cyrk Columbia

(ChunkerEvaluator) Sentence #4743 from articles/00107554 from sent23

Text  : „ Pina ” , niedziela ( 4 grudnia ) ,  godz .  18
Tokens: 1 2___ 3 4 5________ 6 7 8______ 9 10 11__ 12 13

Chunks:
  FalseNegative nam [2,2] = Pina

2016-10-27 14:59:34,937 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 189 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107555.xml
(ChunkerEvaluator) Sentence #4744 from articles/00107555 from sent1

Text  : PŚ w łyżwiarstwie - Waś dziesiąty na 500 m
Tokens: 1_ 2 3___________ 4 5__ 6________ 7_ 8__ 9

Chunks:
  FalseNegative nam [1,1] = PŚ
  FalseNegative nam [5,5] = Waś

(ChunkerEvaluator) Sentence #4745 from articles/00107555 from sent2

Text  : # w tytule , 1 . akap .
Tokens: 1 2 3_____ 4 5 6 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #4746 from articles/00107555 from sent3

Text  : i wynikach poprawiono miejsce Wasia , z 11 . na 10 .
Tokens: 1 2_______ 3_________ 4______ 5____ 6 7 8_ 9 10 11 12

Chunks:
  FalseNegative nam [5,5] = Wasia

(ChunkerEvaluator) Sentence #4747 from articles/00107555 from sent4

Text  : #
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #4748 from articles/00107555 from sent5

Text  : 03 . 12 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #4749 from articles/00107555 from sent6

Text  : Heerenveen ( PAP ) - Artur Waś zajął dziesiąte miejsce w  grupie A  wyścigu na 500 m  zawodów Pucharu Świata łyżwiarzy szybkich w  holenderskim Heerenveen .
Tokens: 1_________ 2 3__ 4 5 6____ 7__ 8____ 9________ 10_____ 11 12____ 13 14_____ 15 16_ 17 18_____ 19_____ 20____ 21_______ 22______ 23 24__________ 25________ 26

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,7] = Artur Waś
  TruePositive nam [19,20] = Pucharu Świata
  TruePositive nam [25,25] = Heerenveen
  FalseNegative nam [1,1] = Heerenveen

(ChunkerEvaluator) Sentence #4750 from articles/00107555 from sent7

Text  : Wygrał Fin Pekka Koskela .
Tokens: 1_____ 2__ 3____ 4______ 5

Chunks:
  FalsePositive nam [2,4] = Fin Pekka Koskela
  FalseNegative nam [2,2] = Fin
  FalseNegative nam [3,4] = Pekka Koskela

(ChunkerEvaluator) Sentence #4751 from articles/00107555 from sent8

Text  : W wyścigu na 10 000 m Sławomir Chmura był ósmy w  grupie B  .
Tokens: 1 2______ 3_ 4_ 5__ 6 7_______ 8_____ 9__ 10__ 11 12____ 13 14

Chunks:
  TruePositive nam [7,8] = Sławomir Chmura
  FalsePositive nam [13,13] = B

(ChunkerEvaluator) Sentence #4752 from articles/00107555 from sent9

Text  : Koskela wyprzedził Japończyka Joji Kato i Holendra Jespera Hospesa .
Tokens: 1______ 2_________ 3_________ 4___ 5___ 6 7_______ 8______ 9______ 10

Chunks:
  FalsePositive nam [3,5] = Japończyka Joji Kato
  FalsePositive nam [7,9] = Holendra Jespera Hospesa
  FalseNegative nam [1,1] = Koskela
  FalseNegative nam [3,3] = Japończyka
  FalseNegative nam [4,5] = Joji Kato
  FalseNegative nam [7,7] = Holendra
  FalseNegative nam [8,9] = Jespera Hospesa

(ChunkerEvaluator) Sentence #4753 from articles/00107555 from sent10

Text  : Waś pokonał dystans w czasie 35 , 31 i do zwycięzcy Kosleki stracił 0  ,  33 s  .
Tokens: 1__ 2______ 3______ 4 5_____ 6_ 7 8_ 9 10 11_______ 12_____ 13_____ 14 15 16 17 18

Chunks:
  FalseNegative nam [1,1] = Waś
  FalseNegative nam [12,12] = Kosleki

(ChunkerEvaluator) Sentence #4754 from articles/00107555 from sent11

Text  : Po 6 z 12 zawodów w klasyfikacji PŚ na czele znajduje się Tae -  Bum Mo z  Korei Południowej mający 400 pkt .
Tokens: 1_ 2 3 4_ 5______ 6 7___________ 8_ 9_ 10___ 11______ 12_ 13_ 14 15_ 16 17 18___ 19_________ 20____ 21_ 22_ 23

Chunks:
  TruePositive nam [8,8] = PŚ
  TruePositive nam [13,16] = Tae - Bum Mo
  TruePositive nam [18,19] = Korei Południowej

(ChunkerEvaluator) Sentence #4755 from articles/00107555 from sent12

Text  : Polak ze 153 plasuje się na dwunastej pozycji .
Tokens: 1____ 2_ 3__ 4______ 5__ 6_ 7________ 8______ 9

Chunks:
  TruePositive nam [1,1] = Polak

(ChunkerEvaluator) Sentence #4756 from articles/00107555 from sent13

Text  : Na 10 000 najlepszy czas uzyskał Holender Jorrit Bergsma -  12 .  50 ,  33 .  także pozostałe miejsca na podium zajęli "  pomarańczowi "  .
Tokens: 1_ 2_ 3__ 4________ 5___ 6______ 7_______ 8_____ 9______ 10 11 12 13 14 15 16 17___ 18_______ 19_____ 20 21____ 22____ 23 24__________ 25 26

Chunks:
  FalsePositive nam [7,9] = Holender Jorrit Bergsma
  FalseNegative nam [7,7] = Holender
  FalseNegative nam [8,9] = Jorrit Bergsma
  FalseNegative nam [24,24] = pomarańczowi

(ChunkerEvaluator) Sentence #4757 from articles/00107555 from sent14

Text  : Drugi był Rob de Jong , a trzeci Bon de Vries .
Tokens: 1____ 2__ 3__ 4_ 5___ 6 7 8_____ 9__ 10 11___ 12

Chunks:
  TruePositive nam [3,5] = Rob de Jong
  TruePositive nam [9,11] = Bon de Vries

(ChunkerEvaluator) Sentence #4758 from articles/00107555 from sent15

Text  : Sławomir Chmura " wyjeździł " w grupie B ósmy czas -  14 .  16 ,  06 .
Tokens: 1_______ 2_____ 3 4________ 5 6 7_____ 8 9___ 10__ 11 12 13 14 15 16 17

Chunks:
  TruePositive nam [1,2] = Sławomir Chmura

(ChunkerEvaluator) Sentence #4759 from articles/00107555 from sent16

Text  : Także w grupie B na 1500 startowała Natalia Czerwonka .
Tokens: 1____ 2 3_____ 4 5_ 6___ 7_________ 8______ 9________ 10

Chunks:
  TruePositive nam [8,9] = Natalia Czerwonka
  FalsePositive nam [4,4] = B

(ChunkerEvaluator) Sentence #4760 from articles/00107555 from sent17

Text  : Wynik 2 . 01 , 32 dał jej czwarte miejsce .
Tokens: 1____ 2 3 4_ 5 6_ 7__ 8__ 9______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #4761 from articles/00107555 from sent18

Text  : Zwyciężyła Holenderka Annouk van der Weijden - 2 . 00 ,  02 .
Tokens: 1_________ 2_________ 3_____ 4__ 5__ 6______ 7 8 9 10 11 12 13

Chunks:
  FalsePositive nam [2,3] = Holenderka Annouk
  FalseNegative nam [2,2] = Holenderka
  FalseNegative nam [3,6] = Annouk van der Weijden

(ChunkerEvaluator) Sentence #4762 from articles/00107555 from sent19

Text  : W niedzielę , w ostatnim dniu zawodów kobiety i mężczyźni będą rywalizować na 1000 m  oraz w  wyścigach drużynowych .
Tokens: 1 2________ 3 4 5_______ 6___ 7______ 8______ 9 10_______ 11__ 12_________ 13 14__ 15 16__ 17 18_______ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #4763 from articles/00107555 from sent20

Text  : mężczyźni
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #4764 from articles/00107555 from sent21

Text  : 500 m : 1 .
Tokens: 1__ 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #4765 from articles/00107555 from sent22

Text  : Pekka Koskela ( Finlandia ) 35 , 01 2 .
Tokens: 1____ 2______ 3 4________ 5 6_ 7 8_ 9 10

Chunks:
  TruePositive nam [1,2] = Pekka Koskela
  TruePositive nam [4,4] = Finlandia

(ChunkerEvaluator) Sentence #4766 from articles/00107555 from sent23

Text  : Joji Kato ( Japonia ) 35 , 02 3 .
Tokens: 1___ 2___ 3 4______ 5 6_ 7 8_ 9 10

Chunks:
  TruePositive nam [4,4] = Japonia
  FalsePositive nam [2,2] = Kato
  FalseNegative nam [1,2] = Joji Kato

(ChunkerEvaluator) Sentence #4767 from articles/00107555 from sent24

Text  : Jesper Hospes ( Holandia ) 35 , 06 . .  .
Tokens: 1_____ 2_____ 3 4_______ 5 6_ 7 8_ 9 10 11

Chunks:
  TruePositive nam [1,2] = Jesper Hospes
  TruePositive nam [4,4] = Holandia

(ChunkerEvaluator) Sentence #4768 from articles/00107555 from sent25

Text  : 10 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4769 from articles/00107555 from sent26

Text  : Artur Waś ( Polska ) 35 , 31
Tokens: 1____ 2__ 3 4_____ 5 6_ 7 8_

Chunks:
  TruePositive nam [1,2] = Artur Waś
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #4770 from articles/00107555 from sent27

Text  : Klasyfikacja PŚ po 6 z 12 zawodów :
Tokens: 1___________ 2_ 3_ 4 5 6_ 7______ 8

Chunks:
  TruePositive nam [2,2] = PŚ

(ChunkerEvaluator) Sentence #4771 from articles/00107555 from sent28

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4772 from articles/00107555 from sent29

Text  : Tae - Bum Mo ( Korea Płd . )
Tokens: 1__ 2 3__ 4_ 5 6____ 7__ 8 9

Chunks:
  TruePositive nam [1,4] = Tae - Bum Mo
  TruePositive nam [6,8] = Korea Płd .

(ChunkerEvaluator) Sentence #4773 from articles/00107555 from sent30

Text  : 400 pkt 2 .
Tokens: 1__ 2__ 3 4

Chunks:

(ChunkerEvaluator) Sentence #4774 from articles/00107555 from sent31

Text  : Joji Kato ( Japonia ) 373 3 .
Tokens: 1___ 2___ 3 4______ 5 6__ 7 8

Chunks:
  TruePositive nam [4,4] = Japonia
  FalsePositive nam [2,2] = Kato
  FalseNegative nam [1,2] = Joji Kato

(ChunkerEvaluator) Sentence #4775 from articles/00107555 from sent32

Text  : Tucker Fredricks ( USA ) 348 . . .
Tokens: 1_____ 2________ 3 4__ 5 6__ 7 8 9

Chunks:
  TruePositive nam [1,2] = Tucker Fredricks
  TruePositive nam [4,4] = USA

(ChunkerEvaluator) Sentence #4776 from articles/00107555 from sent33

Text  : 12 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4777 from articles/00107555 from sent34

Text  : Artur Waś ( Polska ) 153
Tokens: 1____ 2__ 3 4_____ 5 6__

Chunks:
  TruePositive nam [1,2] = Artur Waś
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #4778 from articles/00107555 from sent35

Text  : 10 000 m : 1 .
Tokens: 1_ 2__ 3 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #4779 from articles/00107555 from sent36

Text  : Jorrit Bergsma ( Holandia ) 12 . 50 , 33 2  .
Tokens: 1_____ 2______ 3 4_______ 5 6_ 7 8_ 9 10 11 12

Chunks:
  TruePositive nam [1,2] = Jorrit Bergsma
  TruePositive nam [4,4] = Holandia

(ChunkerEvaluator) Sentence #4780 from articles/00107555 from sent37

Text  : Bob de Jong ( Holandia ) 12 . 55 ,  11 3  .
Tokens: 1__ 2_ 3___ 4 5_______ 6 7_ 8 9_ 10 11 12 13

Chunks:
  TruePositive nam [1,3] = Bob de Jong
  TruePositive nam [5,5] = Holandia

(ChunkerEvaluator) Sentence #4781 from articles/00107555 from sent38

Text  : Bob de Vries ( Holandia ) 13 . 03 ,  41
Tokens: 1__ 2_ 3____ 4 5_______ 6 7_ 8 9_ 10 11

Chunks:
  TruePositive nam [1,3] = Bob de Vries
  TruePositive nam [5,5] = Holandia

(ChunkerEvaluator) Sentence #4782 from articles/00107555 from sent39

Text  : Grupa B 1 .
Tokens: 1____ 2 3 4

Chunks:
  FalsePositive nam [2,2] = B

(ChunkerEvaluator) Sentence #4783 from articles/00107555 from sent40

Text  : Fredrik Van Der Horst ( Holandia ) 13 . 39 ,  48 .  .  .
Tokens: 1______ 2__ 3__ 4____ 5 6_______ 7 8_ 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [6,6] = Holandia
  FalsePositive nam [2,4] = Van Der Horst
  FalseNegative nam [1,4] = Fredrik Van Der Horst

(ChunkerEvaluator) Sentence #4784 from articles/00107555 from sent41

Text  : 8 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4785 from articles/00107555 from sent42

Text  : Sławomir Chmura ( Polska ) 14 . 16 , 06
Tokens: 1_______ 2_____ 3 4_____ 5 6_ 7 8_ 9 10

Chunks:
  TruePositive nam [1,2] = Sławomir Chmura
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #4786 from articles/00107555 from sent43

Text  : Klasyfikacja PŚ po 3 z 6 zawodów : 1 .
Tokens: 1___________ 2_ 3_ 4 5 6 7______ 8 9 10

Chunks:
  TruePositive nam [2,2] = PŚ

(ChunkerEvaluator) Sentence #4787 from articles/00107555 from sent44

Text  : Jorrit Bergsma ( Holandia ) 280 pkt 2 .
Tokens: 1_____ 2______ 3 4_______ 5 6__ 7__ 8 9

Chunks:
  TruePositive nam [1,2] = Jorrit Bergsma
  TruePositive nam [4,4] = Holandia

(ChunkerEvaluator) Sentence #4788 from articles/00107555 from sent45

Text  : Sven Kramer ( Holandia ) 210 3 .
Tokens: 1___ 2_____ 3 4_______ 5 6__ 7 8

Chunks:
  TruePositive nam [1,2] = Sven Kramer
  TruePositive nam [4,4] = Holandia

(ChunkerEvaluator) Sentence #4789 from articles/00107555 from sent46

Text  : Bob de Jong ( Holandia ) 190 . . .
Tokens: 1__ 2_ 3___ 4 5_______ 6 7__ 8 9 10

Chunks:
  TruePositive nam [1,3] = Bob de Jong
  TruePositive nam [5,5] = Holandia

(ChunkerEvaluator) Sentence #4790 from articles/00107555 from sent47

Text  : 31 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4791 from articles/00107555 from sent48

Text  : Jan Szymański ( Polska ) 6 35 .
Tokens: 1__ 2________ 3 4_____ 5 6 7_ 8

Chunks:
  TruePositive nam [1,2] = Jan Szymański
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #4792 from articles/00107555 from sent49

Text  : Sławomir Chmura ( Polska ) 2 Roland Cieślak bez punktów .
Tokens: 1_______ 2_____ 3 4_____ 5 6 7_____ 8______ 9__ 10_____ 11

Chunks:
  TruePositive nam [1,2] = Sławomir Chmura
  TruePositive nam [4,4] = Polska
  TruePositive nam [7,8] = Roland Cieślak

(ChunkerEvaluator) Sentence #4793 from articles/00107555 from sent50

Text  : Kobiety
Tokens: 1______

Chunks:

(ChunkerEvaluator) Sentence #4794 from articles/00107555 from sent51

Text  : 500 m : 1 .
Tokens: 1__ 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #4795 from articles/00107555 from sent52

Text  : Yu Jing ( Chiny ) 37 , 67 2 .
Tokens: 1_ 2___ 3 4____ 5 6_ 7 8_ 9 10

Chunks:
  TruePositive nam [1,2] = Yu Jing
  TruePositive nam [4,4] = Chiny

(ChunkerEvaluator) Sentence #4796 from articles/00107555 from sent53

Text  : Jenny Wolf ( Niemcy ) 38 , 19 3 .
Tokens: 1____ 2___ 3 4_____ 5 6_ 7 8_ 9 10

Chunks:
  TruePositive nam [1,2] = Jenny Wolf
  TruePositive nam [4,4] = Niemcy

(ChunkerEvaluator) Sentence #4797 from articles/00107555 from sent54

Text  : Laurine van Riessen ( Holandia ) 38 , 20
Tokens: 1______ 2__ 3______ 4 5_______ 6 7_ 8 9_

Chunks:
  TruePositive nam [5,5] = Holandia
  FalseNegative nam [1,3] = Laurine van Riessen

(ChunkerEvaluator) Sentence #4798 from articles/00107555 from sent55

Text  : Klasyfikacja PŚ po 6 z 12 zawodów :
Tokens: 1___________ 2_ 3_ 4 5 6_ 7______ 8

Chunks:
  TruePositive nam [2,2] = PŚ

(ChunkerEvaluator) Sentence #4799 from articles/00107555 from sent56

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4800 from articles/00107555 from sent57

Text  : Sang - Hwa Lee ( Korea Płd . )
Tokens: 1___ 2 3__ 4__ 5 6____ 7__ 8 9

Chunks:
  TruePositive nam [1,4] = Sang - Hwa Lee
  TruePositive nam [6,8] = Korea Płd .

(ChunkerEvaluator) Sentence #4801 from articles/00107555 from sent58

Text  : 450 pkt 2 .
Tokens: 1__ 2__ 3 4

Chunks:

(ChunkerEvaluator) Sentence #4802 from articles/00107555 from sent59

Text  : Jenny Wolf ( Niemcy ) 420 3 .
Tokens: 1____ 2___ 3 4_____ 5 6__ 7 8

Chunks:
  TruePositive nam [1,2] = Jenny Wolf
  TruePositive nam [4,4] = Niemcy

(ChunkerEvaluator) Sentence #4803 from articles/00107555 from sent60

Text  : Jing Yu ( Chiny ) 400 Luiza Złotkowska bez punktów .
Tokens: 1___ 2_ 3 4____ 5 6__ 7____ 8_________ 9__ 10_____ 11

Chunks:
  TruePositive nam [4,4] = Chiny
  TruePositive nam [7,8] = Luiza Złotkowska
  FalseNegative nam [1,2] = Jing Yu

(ChunkerEvaluator) Sentence #4804 from articles/00107555 from sent61

Text  : 1500 m : 1 .
Tokens: 1___ 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #4805 from articles/00107555 from sent62

Text  : Christine Nesbitt ( Kanada ) 1 . 55 , 68 2  .
Tokens: 1________ 2______ 3 4_____ 5 6 7 8_ 9 10 11 12

Chunks:
  TruePositive nam [1,2] = Christine Nesbitt
  TruePositive nam [4,4] = Kanada

(ChunkerEvaluator) Sentence #4806 from articles/00107555 from sent63

Text  : Ireen Wuest ( Holandia ) 1 . 57 , 15 3  .
Tokens: 1____ 2____ 3 4_______ 5 6 7 8_ 9 10 11 12

Chunks:
  TruePositive nam [1,2] = Ireen Wuest
  TruePositive nam [4,4] = Holandia

(ChunkerEvaluator) Sentence #4807 from articles/00107555 from sent64

Text  : Jekatierina Szychowa ( Rosja ) 1 . 57 , 17
Tokens: 1__________ 2_______ 3 4____ 5 6 7 8_ 9 10

Chunks:
  TruePositive nam [4,4] = Rosja
  FalsePositive nam [2,2] = Szychowa
  FalseNegative nam [1,2] = Jekatierina Szychowa

(ChunkerEvaluator) Sentence #4808 from articles/00107555 from sent65

Text  : Grupa B 1 .
Tokens: 1____ 2 3 4

Chunks:
  FalsePositive nam [2,2] = B

(ChunkerEvaluator) Sentence #4809 from articles/00107555 from sent66

Text  : Annouk van der Weijden ( Holandia ) 2 . 00 ,  02 .  .  .
Tokens: 1_____ 2__ 3__ 4______ 5 6_______ 7 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [6,6] = Holandia
  FalseNegative nam [1,4] = Annouk van der Weijden

(ChunkerEvaluator) Sentence #4810 from articles/00107555 from sent67

Text  : 4 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4811 from articles/00107555 from sent68

Text  : Natalia Czerwonka ( Polska ) 2 . 01 , 32
Tokens: 1______ 2________ 3 4_____ 5 6 7 8_ 9 10

Chunks:
  TruePositive nam [1,2] = Natalia Czerwonka
  TruePositive nam [4,4] = Polska

(ChunkerEvaluator) Sentence #4812 from articles/00107555 from sent69

Text  : Klasyfikacja generalna PŚ po 3 z 6 zawodów :
Tokens: 1___________ 2________ 3_ 4_ 5 6 7 8______ 9

Chunks:
  TruePositive nam [3,3] = PŚ

2016-10-27 14:59:35,214 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 190 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107556.xml
(ChunkerEvaluator) Sentence #4813 from articles/00107556 from sent1

Text  : Nikisz zaprasza na Jarmark .
Tokens: 1_____ 2_______ 3_ 4______ 5

Chunks:
  TruePositive nam [4,4] = Jarmark
  FalseNegative nam [1,1] = Nikisz

(ChunkerEvaluator) Sentence #4814 from articles/00107556 from sent2

Text  : Czekają smakołyki i „ Magiel ”
Tokens: 1______ 2________ 3 4 5_____ 6

Chunks:
  TruePositive nam [5,5] = Magiel

(ChunkerEvaluator) Sentence #4815 from articles/00107556 from sent3

Text  : Z okazji trwającego właśnie w Nikiszowcu jarmarku dzielnica doczekała się własnej gazety .
Tokens: 1 2_____ 3_________ 4______ 5 6_________ 7_______ 8________ 9________ 10_ 11_____ 12____ 13

Chunks:
  FalseNegative nam [6,6] = Nikiszowcu

(ChunkerEvaluator) Sentence #4816 from articles/00107556 from sent4

Text  : Z niecodziennika dowiemy się także czym jest aldrajch , a  czym auzgust ,  oraz znajdziemy świąteczne przepisy na moczka i  makówki .
Tokens: 1 2_____________ 3______ 4__ 5____ 6___ 7___ 8_______ 9 10 11__ 12_____ 13 14__ 15________ 16________ 17______ 18 19____ 20 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #4817 from articles/00107556 from sent5

Text  : Jarmark na Nikiszu odbywa się czwarty raz .
Tokens: 1______ 2_ 3______ 4_____ 5__ 6______ 7__ 8

Chunks:
  FalseNegative nam [3,3] = Nikiszu

(ChunkerEvaluator) Sentence #4818 from articles/00107556 from sent6

Text  : W sobotę dzieci szalały na wiedeńskiej karuzeli , były koncert i  pokaz filmowy ,  a  wieczorem w  niebo wzleciały chińskie lampiony .
Tokens: 1 2_____ 3_____ 4______ 5_ 6__________ 7_______ 8 9___ 10_____ 11 12___ 13_____ 14 15 16_______ 17 18___ 19_______ 20______ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #4819 from articles/00107556 from sent7

Text  : W niedzielę będzie można skosztować ciast pieczonych w kuchniach nikiszowieckich familoków ,  domowego żurku i  chleba z  tustym .
Tokens: 1 2________ 3_____ 4____ 5_________ 6____ 7_________ 8 9________ 10_____________ 11_______ 12 13______ 14___ 15 16____ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #4820 from articles/00107556 from sent8

Text  : Przed świętami warto zajrzeć na stoiska z rękodziełem .
Tokens: 1____ 2_______ 3____ 4______ 5_ 6______ 7 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #4821 from articles/00107556 from sent9

Text  : O 13 . 30 zaczynają się koncerty na rynku .
Tokens: 1 2_ 3 4_ 5________ 6__ 7_______ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #4822 from articles/00107556 from sent10

Text  : Finał imprezy zaplanowano na godz . 19 .
Tokens: 1____ 2______ 3__________ 4_ 5___ 6 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #4823 from articles/00107556 from sent11

Text  : Zakończy ją pokaz fajerwerków .
Tokens: 1_______ 2_ 3____ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #4824 from articles/00107556 from sent12

Text  : Podczas wydarzenia zbierane będą środki na odnowienie różanej mozaiki na budynku poczty .
Tokens: 1______ 2_________ 3_______ 4___ 5_____ 6_ 7_________ 8______ 9______ 10 11_____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #4825 from articles/00107556 from sent13

Text  : Skarbonka będzie na stoisku PCAL .
Tokens: 1________ 2_____ 3_ 4______ 5___ 6

Chunks:
  TruePositive nam [5,5] = PCAL
  FalsePositive nam [1,1] = Skarbonka

2016-10-27 14:59:35,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 191 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107557.xml
(ChunkerEvaluator) Sentence #4826 from articles/00107557 from sent1

Text  : Pozostałe wyniki 13 . kolejki piłkarskiej III ligi :
Tokens: 1________ 2_____ 3_ 4 5______ 6__________ 7__ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #4827 from articles/00107557 from sent2

Text  : PIŁKA NOŻNA III liga
Tokens: 1____ 2____ 3__ 4___

Chunks:

(ChunkerEvaluator) Sentence #4828 from articles/00107557 from sent3

Text  : Pozostałe wyniki 13 . kolejki :
Tokens: 1________ 2_____ 3_ 4 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #4829 from articles/00107557 from sent4

Text  : CRACOVIA - NIEDŹWIEDŹ 7 : 0 ( 2 : 0  )  :  Skrzyński 2  (  45 .  ,  75 .  )  ,  Nowak 2  (  49 .  ,  62 .  )  ,  Ankowski (  44 .  )  ,  Bania (  56 .  )  ,  Ziółkowski (  69 .  )
Tokens: 1_______ 2 3_________ 4 5 6 7 8 9 10 11 12 13_______ 14 15 16 17 18 19 20 21 22 23___ 24 25 26 27 28 29 30 31 32 33______ 34 35 36 37 38 39___ 40 41 42 43 44 45________ 46 47 48 49

Chunks:
  TruePositive nam [1,1] = CRACOVIA
  TruePositive nam [3,3] = NIEDŹWIEDŹ
  TruePositive nam [13,13] = Skrzyński
  TruePositive nam [23,23] = Nowak
  TruePositive nam [39,39] = Bania
  TruePositive nam [45,45] = Ziółkowski
  FalseNegative nam [33,33] = Ankowski

(ChunkerEvaluator) Sentence #4830 from articles/00107557 from sent5

Text  : SANDECJA NOWY SĄCZ - POLONIA PRZEMYŚL 1 : 0 (  1  :  0  )  :  Świerad (  15 .  )
Tokens: 1_______ 2___ 3___ 4 5______ 6_______ 7 8 9 10 11 12 13 14 15 16_____ 17 18 19 20

Chunks:
  TruePositive nam [1,3] = SANDECJA NOWY SĄCZ
  FalsePositive nam [5,5] = POLONIA
  FalsePositive nam [6,6] = PRZEMYŚL
  FalseNegative nam [5,6] = POLONIA PRZEMYŚL
  FalseNegative nam [16,16] = Świerad

(ChunkerEvaluator) Sentence #4831 from articles/00107557 from sent6

Text  : SKAWINKA SKAWINA - HUTNIK KRAKÓW 1 : 2 ( 1  :  1  )  :  Lewandowski (  35 .  )
Tokens: 1_______ 2______ 3 4_____ 5_____ 6 7 8 9 10 11 12 13 14 15_________ 16 17 18 19

Chunks:
  TruePositive nam [1,2] = SKAWINKA SKAWINA
  TruePositive nam [15,15] = Lewandowski
  FalsePositive nam [4,4] = HUTNIK
  FalsePositive nam [5,5] = KRAKÓW
  FalseNegative nam [4,5] = HUTNIK KRAKÓW

(ChunkerEvaluator) Sentence #4832 from articles/00107557 from sent7

Text  : - Kozieł ( 25 . ) , Jasiak ( 78 .  )
Tokens: 1 2_____ 3 4_ 5 6 7 8_____ 9 10 11 12

Chunks:
  TruePositive nam [2,2] = Kozieł
  FalseNegative nam [8,8] = Jasiak

(ChunkerEvaluator) Sentence #4833 from articles/00107557 from sent8

Text  : LEWART LUBARTÓW - SIARKA TARNOBRZEG 2 : 0 ( 1  :  0  )  :  Kaczmarski (  10 .  )  ,  Pranagal (  55 .  )
Tokens: 1_____ 2_______ 3 4_____ 5_________ 6 7 8 9 10 11 12 13 14 15________ 16 17 18 19 20 21______ 22 23 24 25

Chunks:
  TruePositive nam [1,2] = LEWART LUBARTÓW
  TruePositive nam [15,15] = Kaczmarski
  FalsePositive nam [5,5] = TARNOBRZEG
  FalseNegative nam [4,5] = SIARKA TARNOBRZEG
  FalseNegative nam [21,21] = Pranagal

(ChunkerEvaluator) Sentence #4834 from articles/00107557 from sent9

Text  : ŁADA BIŁGORAJ - STAL RZESZÓW 0 : 1 ( 0  :  0  )  :  Szczoczarz (  79 .  )
Tokens: 1___ 2_______ 3 4___ 5______ 6 7 8 9 10 11 12 13 14 15________ 16 17 18 19

Chunks:
  TruePositive nam [1,2] = ŁADA BIŁGORAJ
  TruePositive nam [15,15] = Szczoczarz
  FalsePositive nam [4,4] = STAL
  FalsePositive nam [5,5] = RZESZÓW
  FalseNegative nam [4,5] = STAL RZESZÓW

(ChunkerEvaluator) Sentence #4835 from articles/00107557 from sent10

Text  : PROSZOWIANKA - GÓRNIK WIELICZKA 0 : 2 ( 0 :  1  )  :  Gruszka (  20 .  )  ,  Musiał (  73 .  )
Tokens: 1___________ 2 3_____ 4________ 5 6 7 8 9 10 11 12 13 14_____ 15 16 17 18 19 20____ 21 22 23 24

Chunks:
  TruePositive nam [14,14] = Gruszka
  TruePositive nam [20,20] = Musiał
  FalsePositive nam [3,3] = GÓRNIK
  FalsePositive nam [4,4] = WIELICZKA
  FalseNegative nam [1,1] = PROSZOWIANKA
  FalseNegative nam [3,4] = GÓRNIK WIELICZKA

(ChunkerEvaluator) Sentence #4836 from articles/00107557 from sent11

Text  : Pauzowała Unia Tarnów .
Tokens: 1________ 2___ 3_____ 4

Chunks:
  TruePositive nam [2,3] = Unia Tarnów

(ChunkerEvaluator) Sentence #4837 from articles/00107557 from sent12

Text  : NAJSKUTECZNIEJSI
Tokens: 1_______________

Chunks:

(ChunkerEvaluator) Sentence #4838 from articles/00107557 from sent13

Text  : 11 - Wojciech Ankowski ( Cracovia )
Tokens: 1_ 2 3_______ 4_______ 5 6_______ 7

Chunks:
  TruePositive nam [3,4] = Wojciech Ankowski
  TruePositive nam [6,6] = Cracovia

(ChunkerEvaluator) Sentence #4839 from articles/00107557 from sent14

Text  : 7 - Piotr Bania ( Cracovia ) , Piotr Badowicz (  Polonia )  ,  Paweł Kloc (  Stal )
Tokens: 1 2 3____ 4____ 5 6_______ 7 8 9____ 10______ 11 12_____ 13 14 15___ 16__ 17 18__ 19

Chunks:
  TruePositive nam [3,4] = Piotr Bania
  TruePositive nam [6,6] = Cracovia
  TruePositive nam [9,10] = Piotr Badowicz
  TruePositive nam [12,12] = Polonia
  TruePositive nam [15,16] = Paweł Kloc
  TruePositive nam [18,18] = Stal

(ChunkerEvaluator) Sentence #4840 from articles/00107557 from sent15

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4841 from articles/00107557 from sent16

Text  : Stal 14 28 21 : 11
Tokens: 1___ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Stal

(ChunkerEvaluator) Sentence #4842 from articles/00107557 from sent17

Text  : 2 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4843 from articles/00107557 from sent18

Text  : Sandecja 13 27 18 : 13
Tokens: 1_______ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Sandecja

(ChunkerEvaluator) Sentence #4844 from articles/00107557 from sent19

Text  : 3 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4845 from articles/00107557 from sent20

Text  : Cracovia 12 25 38 : 8
Tokens: 1_______ 2_ 3_ 4_ 5 6

Chunks:
  FalseNegative nam [1,1] = Cracovia

(ChunkerEvaluator) Sentence #4846 from articles/00107557 from sent21

Text  : 4 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4847 from articles/00107557 from sent22

Text  : Kolporter Korona 13 23 16 : 10
Tokens: 1________ 2_____ 3_ 4_ 5_ 6 7_

Chunks:
  FalsePositive nam [2,2] = Korona
  FalseNegative nam [1,2] = Kolporter Korona

(ChunkerEvaluator) Sentence #4848 from articles/00107557 from sent23

Text  : 5 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4849 from articles/00107557 from sent24

Text  : Hutnik 14 22 20 : 15
Tokens: 1_____ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Hutnik

(ChunkerEvaluator) Sentence #4850 from articles/00107557 from sent25

Text  : 6 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4851 from articles/00107557 from sent26

Text  : Siarka 14 21 15 : 15
Tokens: 1_____ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Siarka

(ChunkerEvaluator) Sentence #4852 from articles/00107557 from sent27

Text  : 7 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4853 from articles/00107557 from sent28

Text  : Skawinka 13 20 21 : 19
Tokens: 1_______ 2_ 3_ 4_ 5 6_

Chunks:
  TruePositive nam [1,1] = Skawinka

(ChunkerEvaluator) Sentence #4854 from articles/00107557 from sent29

Text  : 8 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4855 from articles/00107557 from sent30

Text  : Górnik 12 20 20 : 10
Tokens: 1_____ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Górnik

(ChunkerEvaluator) Sentence #4856 from articles/00107557 from sent31

Text  : 9 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #4857 from articles/00107557 from sent32

Text  : Polonia 13 19 17 : 19
Tokens: 1______ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Polonia

(ChunkerEvaluator) Sentence #4858 from articles/00107557 from sent33

Text  : 10 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4859 from articles/00107557 from sent34

Text  : Łada 13 19 18 : 21
Tokens: 1___ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Łada

(ChunkerEvaluator) Sentence #4860 from articles/00107557 from sent35

Text  : 11 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4861 from articles/00107557 from sent36

Text  : Nida 13 18 16 : 14
Tokens: 1___ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Nida

(ChunkerEvaluator) Sentence #4862 from articles/00107557 from sent37

Text  : 12 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4863 from articles/00107557 from sent38

Text  : Lewart 13 16 16 : 16
Tokens: 1_____ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Lewart

(ChunkerEvaluator) Sentence #4864 from articles/00107557 from sent39

Text  : 13 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4865 from articles/00107557 from sent40

Text  : Proszowianka 14 13 12 : 23
Tokens: 1___________ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Proszowianka

(ChunkerEvaluator) Sentence #4866 from articles/00107557 from sent41

Text  : 14 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4867 from articles/00107557 from sent42

Text  : Unia 13 11 11 : 19
Tokens: 1___ 2_ 3_ 4_ 5 6_

Chunks:
  FalseNegative nam [1,1] = Unia

(ChunkerEvaluator) Sentence #4868 from articles/00107557 from sent43

Text  : 15 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4869 from articles/00107557 from sent44

Text  : Niedźwiedź 14 11 12 : 26
Tokens: 1_________ 2_ 3_ 4_ 5 6_

Chunks:
  TruePositive nam [1,1] = Niedźwiedź

(ChunkerEvaluator) Sentence #4870 from articles/00107557 from sent45

Text  : 16 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4871 from articles/00107557 from sent46

Text  : Pogoń 12 9 7 : 24
Tokens: 1____ 2_ 3 4 5 6_

Chunks:
  FalseNegative nam [1,1] = Pogoń

(ChunkerEvaluator) Sentence #4872 from articles/00107557 from sent47

Text  : 17 .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #4873 from articles/00107557 from sent48

Text  : Motor 12 8 8 : 23
Tokens: 1____ 2_ 3 4 5 6_

Chunks:
  FalseNegative nam [1,1] = Motor

(ChunkerEvaluator) Sentence #4874 from articles/00107557 from sent49

Text  : Do II ligi awansuje zwycięzca .
Tokens: 1_ 2_ 3___ 4_______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #4875 from articles/00107557 from sent50

Text  : Do IV ligi spadają cztery ostatnie drużyny oraz tyle ,  ile spadnie do grupy małopolskiej z  II ligi
Tokens: 1_ 2_ 3___ 4______ 5_____ 6_______ 7______ 8___ 9___ 10 11_ 12_____ 13 14___ 15__________ 16 17 18__

Chunks:

2016-10-27 14:59:35,354 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 192 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107558.xml
(ChunkerEvaluator) Sentence #4876 from articles/00107558 from sent1

Text  : ŁDK dostał 6 mln zł na przebudowę
Tokens: 1__ 2_____ 3 4__ 5_ 6_ 7_________

Chunks:
  TruePositive nam [5,5] = zł
  FalseNegative nam [1,1] = ŁDK

(ChunkerEvaluator) Sentence #4877 from articles/00107558 from sent2

Text  : Klimatyzacja , lepsza akustyka i udogodnienia dla osób niepełnosprawnych -  ruszają prace ,  które odmienią oblicze Łódzkiego Domu Kultury .
Tokens: 1___________ 2 3_____ 4_______ 5 6___________ 7__ 8___ 9________________ 10 11_____ 12___ 13 14___ 15______ 16_____ 17_______ 18__ 19_____ 20

Chunks:
  TruePositive nam [17,19] = Łódzkiego Domu Kultury

(ChunkerEvaluator) Sentence #4878 from articles/00107558 from sent3

Text  : Unia Europejska i samorząd województwa łódzkiego dały na ten cel ponad 6  mln zł .
Tokens: 1___ 2_________ 3 4_______ 5__________ 6________ 7___ 8_ 9__ 10_ 11___ 12 13_ 14 15

Chunks:
  TruePositive nam [1,2] = Unia Europejska
  TruePositive nam [14,14] = zł
  FalseNegative nam [6,6] = łódzkiego

(ChunkerEvaluator) Sentence #4879 from articles/00107558 from sent4

Text  : ŁDK dostał 6 mln zł na przebudowę
Tokens: 1__ 2_____ 3 4__ 5_ 6_ 7_________

Chunks:
  TruePositive nam [5,5] = zł
  FalseNegative nam [1,1] = ŁDK

(ChunkerEvaluator) Sentence #4880 from articles/00107558 from sent5

Text  : Klimatyzacja , lepsza akustyka i udogodnienia dla osób niepełnosprawnych -  zaczynają się prace ,  które odmienią Łódzki Dom Kultury .
Tokens: 1___________ 2 3_____ 4_______ 5 6___________ 7__ 8___ 9________________ 10 11_______ 12_ 13___ 14 15___ 16______ 17____ 18_ 19_____ 20

Chunks:
  TruePositive nam [17,19] = Łódzki Dom Kultury

(ChunkerEvaluator) Sentence #4881 from articles/00107558 from sent6

Text  : Unia Europejska i samorząd województwa łódzkiego dały na ten cel ponad 6  mln zł .
Tokens: 1___ 2_________ 3 4_______ 5__________ 6________ 7___ 8_ 9__ 10_ 11___ 12 13_ 14 15

Chunks:
  TruePositive nam [1,2] = Unia Europejska
  TruePositive nam [14,14] = zł
  FalseNegative nam [6,6] = łódzkiego

(ChunkerEvaluator) Sentence #4882 from articles/00107558 from sent7

Text  : ŁDK podpisał umowę z firmą Condite - kaliską spółką ,  która przystąpi do przebudowy ponad 70 -  letniego budynku zaprojektowanego przez Wiesława Lisowskiego jako Dom -  Pomnik im .  Marszałka Piłsudskiego .
Tokens: 1__ 2_______ 3____ 4 5____ 6______ 7 8______ 9_____ 10 11___ 12_______ 13 14________ 15___ 16 17 18______ 19_____ 20______________ 21___ 22______ 23_________ 24__ 25_ 26 27____ 28 29 30_______ 31__________ 32

Chunks:
  TruePositive nam [22,23] = Wiesława Lisowskiego
  FalsePositive nam [25,31] = Dom - Pomnik im . Marszałka Piłsudskiego
  FalseNegative nam [1,1] = ŁDK
  FalseNegative nam [6,6] = Condite
  FalseNegative nam [25,27] = Dom - Pomnik
  FalseNegative nam [30,31] = Marszałka Piłsudskiego

(ChunkerEvaluator) Sentence #4883 from articles/00107558 from sent8

Text  : Rozbudowana i zmodernizowana zostanie sala nr 6 zwana Kolumnową .
Tokens: 1__________ 2 3_____________ 4_______ 5___ 6_ 7 8____ 9________ 10

Chunks:
  FalseNegative nam [9,9] = Kolumnową

(ChunkerEvaluator) Sentence #4884 from articles/00107558 from sent9

Text  : Po modernizacji sala połączona z galerią od ul . Sienkiewicza i  foyer od ul .  Kilińskiego będzie miała 950 metrów kwadratowych .
Tokens: 1_ 2___________ 3___ 4________ 5 6______ 7_ 8_ 9 10__________ 11 12___ 13 14 15 16_________ 17____ 18___ 19_ 20____ 21__________ 22

Chunks:
  TruePositive nam [10,10] = Sienkiewicza
  TruePositive nam [16,16] = Kilińskiego

(ChunkerEvaluator) Sentence #4885 from articles/00107558 from sent10

Text  : Wyposażona zostanie w rozsuwane ściany , ruchome kurtyny i mosty ze światłami .
Tokens: 1_________ 2_______ 3 4________ 5_____ 6 7______ 8______ 9 10___ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #4886 from articles/00107558 from sent11

Text  : Brak stałej sceny i widowni pozwoli na dowolne aranżowanie przestrzeni .
Tokens: 1___ 2_____ 3____ 4 5______ 6______ 7_ 8______ 9__________ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #4887 from articles/00107558 from sent12

Text  : Poprawione zostaną warunki akustyczne oraz komfort odbioru przez budowę systemu klimatyzacji .
Tokens: 1_________ 2______ 3______ 4_________ 5___ 6______ 7______ 8____ 9_____ 10_____ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #4888 from articles/00107558 from sent13

Text  : Inwestycja o wartości 6 067 806 zł zostanie zakończona w  połowie 2012 roku .
Tokens: 1_________ 2 3_______ 4 5__ 6__ 7_ 8_______ 9_________ 10 11_____ 12__ 13__ 14

Chunks:
  TruePositive nam [7,7] = zł

2016-10-27 14:59:35,415 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 193 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107559.xml
(ChunkerEvaluator) Sentence #4889 from articles/00107559 from sent1

Text  : 500 dni do Euro : Wierzymy , że mistrzostwa się udadzą
Tokens: 1__ 2__ 3_ 4___ 5 6_______ 7 8_ 9__________ 10_ 11____

Chunks:
  TruePositive nam [4,4] = Euro

(ChunkerEvaluator) Sentence #4890 from articles/00107559 from sent2

Text  : Na otwarcie Stadionu Narodowego miasto nie zdąży z remontem linii tramwajowej w  al .  Zielenieckiej i  na Targowej ,  a  kolej z  przebudową najbliższego dworca .
Tokens: 1_ 2_______ 3_______ 4_________ 5_____ 6__ 7____ 8 9_______ 10___ 11_________ 12 13 14 15___________ 16 17 18______ 19 20 21___ 22 23________ 24__________ 25____ 26

Chunks:
  TruePositive nam [3,4] = Stadionu Narodowego
  TruePositive nam [15,15] = Zielenieckiej
  TruePositive nam [18,18] = Targowej

(ChunkerEvaluator) Sentence #4891 from articles/00107559 from sent3

Text  : Ale jak - wynika z badań CBOS - wśród warszawiaków rośnie wiara w  to ,  że impreza będzie dobrze przygotowana .
Tokens: 1__ 2__ 3 4_____ 5 6____ 7___ 8 9____ 10__________ 11____ 12___ 13 14 15 16 17_____ 18____ 19____ 20__________ 21

Chunks:
  TruePositive nam [7,7] = CBOS
  FalseNegative nam [10,10] = warszawiaków

(ChunkerEvaluator) Sentence #4892 from articles/00107559 from sent4

Text  : Po raz pierwszy we Francji wydano wyrok skazujący wobec byłego szefa państwa .
Tokens: 1_ 2__ 3_______ 4_ 5______ 6_____ 7____ 8________ 9____ 10____ 11___ 12_____ 13

Chunks:
  TruePositive nam [5,5] = Francji

(ChunkerEvaluator) Sentence #4893 from articles/00107559 from sent5

Text  : Paryski sąd orzekł , że 79 - letni dziś Chirac jest winny "  defraudacji środków publicznych "  i  "  nadużycia zaufania "  w  sprawie fikcyjnego zatrudnienia 21 swoich partyjnych kolegów oraz członków ich rodzin w  paryskim ratuszu w  latach 90 .
Tokens: 1______ 2__ 3_____ 4 5_ 6_ 7 8____ 9___ 10____ 11__ 12___ 13 14_________ 15_____ 16_________ 17 18 19 20_______ 21______ 22 23 24_____ 25________ 26__________ 27 28____ 29________ 30_____ 31__ 32______ 33_ 34____ 35 36______ 37_____ 38 39____ 40 41

Chunks:
  TruePositive nam [10,10] = Chirac

(ChunkerEvaluator) Sentence #4894 from articles/00107559 from sent6

Text  : Jednocześnie sędziowie uznali , że były szef państwa odpowiada także za nieprawidłowości w  kwestii zatrudnienia siedmiu innych pracowników merostwa w  tym samym okresie .
Tokens: 1___________ 2________ 3_____ 4 5_ 6___ 7___ 8______ 9________ 10___ 11 12______________ 13 14_____ 15__________ 16_____ 17____ 18_________ 19______ 20 21_ 22___ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #4895 from articles/00107559 from sent7

Text  : Były prezydent , którego sąd zwolnił z uczestnictwa w procesie z  powodów zdrowotnych ,  nie był obecny w  czwartek na sali rozpraw .
Tokens: 1___ 2________ 3 4______ 5__ 6______ 7 8___________ 9 10______ 11 12_____ 13_________ 14 15_ 16_ 17____ 18 19______ 20 21__ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #4896 from articles/00107559 from sent8

Text  : Wraz z Chirakiem skazano jego siedmiu byłych podwładnych z paryskiego ratusza na kary kilku miesięcy więzienia w  zawieszeniu .
Tokens: 1___ 2 3________ 4______ 5___ 6______ 7_____ 8__________ 9 10________ 11_____ 12 13__ 14___ 15______ 16_______ 17 18_________ 19

Chunks:
  TruePositive nam [3,3] = Chirakiem

(ChunkerEvaluator) Sentence #4897 from articles/00107559 from sent9

Text  : Uniewinniono natomiast dwóch innych oskarżonych w tej sprawie .
Tokens: 1___________ 2________ 3____ 4_____ 5__________ 6 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4898 from articles/00107559 from sent10

Text  : Jeden z adwokatów Chiraca , Georges Kiejman , powiedział po rozprawie dziennikarzom ,  że jest rozczarowany werdyktem .
Tokens: 1____ 2 3________ 4______ 5 6______ 7______ 8 9_________ 10 11_______ 12___________ 13 14 15__ 16__________ 17_______ 18

Chunks:
  TruePositive nam [4,4] = Chiraca
  TruePositive nam [6,7] = Georges Kiejman

(ChunkerEvaluator) Sentence #4899 from articles/00107559 from sent11

Text  : Według obrońcy , były prezydent powinien zdecydować w czwartek wieczorem ,  czy będzie odwoływał się od wyroku .
Tokens: 1_____ 2______ 3 4___ 5________ 6_______ 7_________ 8 9_______ 10_______ 11 12_ 13____ 14_______ 15_ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #4900 from articles/00107559 from sent12

Text  : Kiejman wyraził przy tym nadzieję , że skazujący wyrok "  nic nie zmieni w  uczuciach ,  jakimi Francuzi darzą Jacquesa Chiraca "  .
Tokens: 1______ 2______ 3___ 4__ 5_______ 6 7_ 8________ 9____ 10 11_ 12_ 13____ 14 15_______ 16 17____ 18______ 19___ 20______ 21_____ 22 23

Chunks:
  TruePositive nam [18,18] = Francuzi
  TruePositive nam [20,21] = Jacquesa Chiraca
  FalseNegative nam [1,1] = Kiejman

(ChunkerEvaluator) Sentence #4901 from articles/00107559 from sent13

Text  : Zaskakujący wyrok
Tokens: 1__________ 2____

Chunks:

(ChunkerEvaluator) Sentence #4902 from articles/00107559 from sent14

Text  : Wyrok jest dla wielu obserwatorów dużym zaskoczeniem .
Tokens: 1____ 2___ 3__ 4____ 5___________ 6____ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #4903 from articles/00107559 from sent15

Text  : Spodziewano się oczyszczenia Chiraca z zarzutów , ponieważ prokuratura wniosła we wrześniu o  jego uniewinnienie .
Tokens: 1__________ 2__ 3___________ 4______ 5 6_______ 7 8_______ 9__________ 10_____ 11 12______ 13 14__ 15___________ 16

Chunks:
  TruePositive nam [4,4] = Chiraca

(ChunkerEvaluator) Sentence #4904 from articles/00107559 from sent16

Text  : W pierwszych komentarzach z różnych obozów politycznych podkreśla się ,  że werdykt dowodzi niezawisłości sądu ,  który oddalił wniosek prokuratury ,  podejrzewanej o  sprzyjanie byłemu szefowi państwa .
Tokens: 1 2_________ 3___________ 4 5______ 6_____ 7___________ 8________ 9__ 10 11 12_____ 13_____ 14___________ 15__ 16 17___ 18_____ 19_____ 20_________ 21 22___________ 23 24________ 25____ 26_____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #4905 from articles/00107559 from sent17

Text  : Organizacja antykorupcyjna Anticor , która występowała w procesie przeciwko Chiracowi ,  przywitała werdykt z  zadowoleniem ,  nazywając go "  wzorcową karą "  .
Tokens: 1__________ 2_____________ 3______ 4 5____ 6__________ 7 8_______ 9________ 10_______ 11 12________ 13_____ 14 15__________ 16 17_______ 18 19 20______ 21__ 22 23

Chunks:
  TruePositive nam [10,10] = Chiracowi
  FalseNegative nam [3,3] = Anticor

(ChunkerEvaluator) Sentence #4906 from articles/00107559 from sent18

Text  : Główny poszkodowany w aferze fikcyjnych etatów , czyli paryski ratusz ,  nie wystąpił ostatecznie w  sądzie przeciw byłemu prezydentowi .
Tokens: 1_____ 2___________ 3 4_____ 5_________ 6_____ 7 8____ 9______ 10____ 11 12_ 13______ 14_________ 15 16____ 17_____ 18____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #4907 from articles/00107559 from sent19

Text  : Władze miejskie wycofały swój pozew w wyniku ugody z obecną partią rządzącą ,  UMP ,  do której niegdyś należał Chirac .
Tokens: 1_____ 2_______ 3_______ 4___ 5____ 6 7_____ 8____ 9 10____ 11____ 12______ 13 14_ 15 16 17____ 18_____ 19_____ 20____ 21

Chunks:
  TruePositive nam [14,14] = UMP
  TruePositive nam [20,20] = Chirac

(ChunkerEvaluator) Sentence #4908 from articles/00107559 from sent20

Text  : Ugrupowanie to zgodziło się przelać gigantyczne odszkodowanie w wysokości 2  ,  2  miliona euro do kasy miejskiej Paryża .
Tokens: 1__________ 2_ 3_______ 4__ 5______ 6__________ 7____________ 8 9________ 10 11 12 13_____ 14__ 15 16__ 17_______ 18____ 19

Chunks:
  TruePositive nam [14,14] = euro
  TruePositive nam [18,18] = Paryża

(ChunkerEvaluator) Sentence #4909 from articles/00107559 from sent21

Text  : Chirac twierdził , że ma problemy z pamięcią
Tokens: 1_____ 2________ 3 4_ 5_ 6_______ 7 8_______

Chunks:
  TruePositive nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4910 from articles/00107559 from sent22

Text  : Trwający od 5 do 23 września proces w Paryżu przebiegał w  niecodzienny sposób .
Tokens: 1_______ 2_ 3 4_ 5_ 6_______ 7_____ 8 9_____ 10________ 11 12__________ 13____ 14

Chunks:
  TruePositive nam [9,9] = Paryżu

(ChunkerEvaluator) Sentence #4911 from articles/00107559 from sent23

Text  : Najpierw sąd zgodził się na prowadzenie rozpraw bez Chiraca ,  gdy ten dostarczył zaświadczenie lekarskie ,  iż ma problemy z  pamięcią .
Tokens: 1_______ 2__ 3______ 4__ 5_ 6__________ 7______ 8__ 9______ 10 11_ 12_ 13________ 14___________ 15_______ 16 17 18 19______ 20 21______ 22

Chunks:
  TruePositive nam [9,9] = Chiraca

(ChunkerEvaluator) Sentence #4912 from articles/00107559 from sent24

Text  : Następie zwolniono z przesłuchania kluczowego świadka w sprawie , szefa MSZ Alaina Juppe ,  w  latach 90 .  podwładnego Chiraca w  paryskim ratuszu .
Tokens: 1_______ 2________ 3 4____________ 5_________ 6______ 7 8______ 9 10___ 11_ 12____ 13___ 14 15 16____ 17 18 19_________ 20_____ 21 22______ 23_____ 24

Chunks:
  TruePositive nam [11,11] = MSZ
  TruePositive nam [12,13] = Alaina Juppe
  TruePositive nam [20,20] = Chiraca

(ChunkerEvaluator) Sentence #4913 from articles/00107559 from sent25

Text  : Francuska prasa komentowała te zdarzenia , pisząc o " dziwnym procesie "  i  krytykując pobłażliwość wymiaru sprawiedliwości wobec byłego prezydenta Francji .
Tokens: 1________ 2____ 3__________ 4_ 5________ 6 7_____ 8 9 10_____ 11______ 12 13 14________ 15__________ 16_____ 17_____________ 18___ 19____ 20________ 21_____ 22

Chunks:
  TruePositive nam [21,21] = Francji

(ChunkerEvaluator) Sentence #4914 from articles/00107559 from sent26

Text  : Prasa sugerowała , że wyrozumiałość prokuratury wobec oskarżonego może mieć podtekst polityczny ,  gdyż Chirac jest założycielem obecnie rządzącej we Francji partii Unia na rzecz Ruchu Ludowego (  UMP )  .
Tokens: 1____ 2_________ 3 4_ 5____________ 6__________ 7____ 8__________ 9___ 10__ 11______ 12________ 13 14__ 15____ 16__ 17__________ 18_____ 19_______ 20 21_____ 22____ 23__ 24 25___ 26___ 27______ 28 29_ 30 31

Chunks:
  TruePositive nam [15,15] = Chirac
  TruePositive nam [21,21] = Francji
  TruePositive nam [29,29] = UMP
  FalsePositive nam [23,23] = Unia
  FalsePositive nam [26,27] = Ruchu Ludowego
  FalseNegative nam [23,27] = Unia na rzecz Ruchu Ludowego

(ChunkerEvaluator) Sentence #4915 from articles/00107559 from sent27

Text  : Chirac odpowiadał przed sądem za to , że w latach 1992 -  1995 ,  gdy był merem Paryża ,  miał fikcyjnie zatrudniać w  sumie 28 pracowników ,  w  tym członków swojej partii Zgromadzenie na rzecz Republiki (  RPR )  i  ich rodziny .
Tokens: 1_____ 2_________ 3____ 4____ 5_ 6_ 7 8_ 9 10____ 11__ 12 13__ 14 15_ 16_ 17___ 18____ 19 20__ 21_______ 22________ 23 24___ 25 26_________ 27 28 29_ 30______ 31____ 32____ 33__________ 34 35___ 36_______ 37 38_ 39 40 41_ 42_____ 43

Chunks:
  TruePositive nam [1,1] = Chirac
  TruePositive nam [18,18] = Paryża
  FalsePositive nam [33,33] = Zgromadzenie
  FalsePositive nam [36,36] = Republiki
  FalseNegative nam [33,36] = Zgromadzenie na rzecz Republiki
  FalseNegative nam [38,38] = RPR

(ChunkerEvaluator) Sentence #4916 from articles/00107559 from sent28

Text  : Według licznych świadków , osoby te nigdy nie wykonywały pracy na rzecz urzędu miasta ,  a  niektóre z  nich nie pojawiały się nawet w  budynku ratuszu .
Tokens: 1_____ 2_______ 3_______ 4 5____ 6_ 7____ 8__ 9_________ 10___ 11 12___ 13____ 14____ 15 16 17______ 18 19__ 20_ 21_______ 22_ 23___ 24 25_____ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #4917 from articles/00107559 from sent29

Text  : Chirac winny defraudacji
Tokens: 1_____ 2____ 3__________

Chunks:
  FalseNegative nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4918 from articles/00107559 from sent30

Text  : Sąd : Jacques Chirac defraudował publiczne pieniądze .
Tokens: 1__ 2 3______ 4_____ 5__________ 6________ 7________ 8

Chunks:
  TruePositive nam [3,4] = Jacques Chirac

(ChunkerEvaluator) Sentence #4919 from articles/00107559 from sent31

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #4920 from articles/00107559 from sent32

Text  : Sąd skazał go na dwa lata pozbawienia wolności w zawieszeniu .
Tokens: 1__ 2_____ 3_ 4_ 5__ 6___ 7__________ 8_______ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #4921 from articles/00107559 from sent33

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy i  nadużycia zaufania publicznego .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12 13_______ 14______ 15_________ 16

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #4922 from articles/00107559 from sent34

Text  : Paryski sąd skazał go na dwa lata pozbawienia wolności w  zawieszeniu .
Tokens: 1______ 2__ 3_____ 4_ 5_ 6__ 7___ 8__________ 9_______ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #4923 from articles/00107559 from sent35

Text  : 79 - letniego Jacquesa Chiraca nie było w sądzie podczas ogłoszenia wyroku .
Tokens: 1_ 2 3_______ 4_______ 5______ 6__ 7___ 8 9_____ 10_____ 11________ 12____ 13

Chunks:
  TruePositive nam [4,5] = Jacquesa Chiraca

(ChunkerEvaluator) Sentence #4924 from articles/00107559 from sent36

Text  : Powodem jest jego zły stan zdrowia .
Tokens: 1______ 2___ 3___ 4__ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4925 from articles/00107559 from sent37

Text  : Zarzuty przedstawione Chiracowi dotyczą lat 90 . XX w .  ,  gdy był merem Paryża .
Tokens: 1______ 2____________ 3________ 4______ 5__ 6_ 7 8_ 9 10 11 12_ 13_ 14___ 15____ 16

Chunks:
  TruePositive nam [3,3] = Chiracowi
  TruePositive nam [15,15] = Paryża

(ChunkerEvaluator) Sentence #4926 from articles/00107559 from sent38

Text  : Oskarżono go o wypłacanie fikcyjnych wynagrodzeń członkom jego partii -  Zgromadzenie na Rzecz Republiki -  za prace na nieistniejących stanowiskach .
Tokens: 1________ 2_ 3 4_________ 5_________ 6__________ 7_______ 8___ 9_____ 10 11__________ 12 13___ 14_______ 15 16 17___ 18 19_____________ 20__________ 21

Chunks:
  FalsePositive nam [13,14] = Rzecz Republiki
  FalseNegative nam [11,14] = Zgromadzenie na Rzecz Republiki

(ChunkerEvaluator) Sentence #4927 from articles/00107559 from sent39

Text  : W tym czasie Chirac zatrudniał w merostwie ponad 20 działaczy swojej partii i  płacił im pieniędzmi miasta .
Tokens: 1 2__ 3_____ 4_____ 5_________ 6 7________ 8____ 9_ 10_______ 11____ 12____ 13 14____ 15 16________ 17____ 18

Chunks:
  TruePositive nam [4,4] = Chirac

(ChunkerEvaluator) Sentence #4928 from articles/00107559 from sent40

Text  : Ludzie ci w rzeczywistości pracowali na rzecz partii Chiraca .
Tokens: 1_____ 2_ 3 4_____________ 5________ 6_ 7____ 8_____ 9______ 10

Chunks:
  TruePositive nam [9,9] = Chiraca

2016-10-27 14:59:35,632 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 194 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107560.xml
(ChunkerEvaluator) Sentence #4929 from articles/00107560 from sent1

Text  : Platini na Stadionie Narodowym . . .
Tokens: 1______ 2_ 3________ 4________ 5 6 7

Chunks:
  FalsePositive nam [3,6] = Stadionie Narodowym . .
  FalseNegative nam [1,1] = Platini
  FalseNegative nam [3,4] = Stadionie Narodowym

(ChunkerEvaluator) Sentence #4930 from articles/00107560 from sent2

Text  : A dach przecieka
Tokens: 1 2___ 3________

Chunks:

(ChunkerEvaluator) Sentence #4931 from articles/00107560 from sent3

Text  : W środę na Stadionie Narodowym odbył się Komitet Sterujący UEFA EURO 2012 ,  przewodniczył mu Michel Platini .
Tokens: 1 2____ 3_ 4________ 5________ 6____ 7__ 8______ 9________ 10__ 11__ 12__ 13 14___________ 15 16____ 17_____ 18

Chunks:
  TruePositive nam [4,5] = Stadionie Narodowym
  TruePositive nam [10,10] = UEFA
  TruePositive nam [16,17] = Michel Platini
  FalsePositive nam [11,11] = EURO
  FalseNegative nam [8,9] = Komitet Sterujący
  FalseNegative nam [11,12] = EURO 2012

(ChunkerEvaluator) Sentence #4932 from articles/00107560 from sent4

Text  : Prezydent UEFA był też na stacji kolejowej budowanej pod lotniskiem Okęcie .
Tokens: 1________ 2___ 3__ 4__ 5_ 6_____ 7________ 8________ 9__ 10________ 11____ 12

Chunks:
  TruePositive nam [2,2] = UEFA
  TruePositive nam [11,11] = Okęcie

(ChunkerEvaluator) Sentence #4933 from articles/00107560 from sent5

Text  : Po raz pierwszy we Francji wydano wyrok skazujący wobec byłego szefa państwa .
Tokens: 1_ 2__ 3_______ 4_ 5______ 6_____ 7____ 8________ 9____ 10____ 11___ 12_____ 13

Chunks:
  TruePositive nam [5,5] = Francji

(ChunkerEvaluator) Sentence #4934 from articles/00107560 from sent6

Text  : Paryski sąd orzekł , że 79 - letni dziś Chirac jest winny "  defraudacji środków publicznych "  i  "  nadużycia zaufania "  w  sprawie fikcyjnego zatrudnienia 21 swoich partyjnych kolegów oraz członków ich rodzin w  paryskim ratuszu w  latach 90 .
Tokens: 1______ 2__ 3_____ 4 5_ 6_ 7 8____ 9___ 10____ 11__ 12___ 13 14_________ 15_____ 16_________ 17 18 19 20_______ 21______ 22 23 24_____ 25________ 26__________ 27 28____ 29________ 30_____ 31__ 32______ 33_ 34____ 35 36______ 37_____ 38 39____ 40 41

Chunks:
  TruePositive nam [10,10] = Chirac

(ChunkerEvaluator) Sentence #4935 from articles/00107560 from sent7

Text  : Jednocześnie sędziowie uznali , że były szef państwa odpowiada także za nieprawidłowości w  kwestii zatrudnienia siedmiu innych pracowników merostwa w  tym samym okresie .
Tokens: 1___________ 2________ 3_____ 4 5_ 6___ 7___ 8______ 9________ 10___ 11 12______________ 13 14_____ 15__________ 16_____ 17____ 18_________ 19______ 20 21_ 22___ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #4936 from articles/00107560 from sent8

Text  : Były prezydent , którego sąd zwolnił z uczestnictwa w procesie z  powodów zdrowotnych ,  nie był obecny w  czwartek na sali rozpraw .
Tokens: 1___ 2________ 3 4______ 5__ 6______ 7 8___________ 9 10______ 11 12_____ 13_________ 14 15_ 16_ 17____ 18 19______ 20 21__ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #4937 from articles/00107560 from sent9

Text  : Wraz z Chirakiem skazano jego siedmiu byłych podwładnych z paryskiego ratusza na kary kilku miesięcy więzienia w  zawieszeniu .
Tokens: 1___ 2 3________ 4______ 5___ 6______ 7_____ 8__________ 9 10________ 11_____ 12 13__ 14___ 15______ 16_______ 17 18_________ 19

Chunks:
  TruePositive nam [3,3] = Chirakiem

(ChunkerEvaluator) Sentence #4938 from articles/00107560 from sent10

Text  : Uniewinniono natomiast dwóch innych oskarżonych w tej sprawie .
Tokens: 1___________ 2________ 3____ 4_____ 5__________ 6 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4939 from articles/00107560 from sent11

Text  : Jeden z adwokatów Chiraca , Georges Kiejman , powiedział po rozprawie dziennikarzom ,  że jest rozczarowany werdyktem .
Tokens: 1____ 2 3________ 4______ 5 6______ 7______ 8 9_________ 10 11_______ 12___________ 13 14 15__ 16__________ 17_______ 18

Chunks:
  TruePositive nam [4,4] = Chiraca
  TruePositive nam [6,7] = Georges Kiejman

(ChunkerEvaluator) Sentence #4940 from articles/00107560 from sent12

Text  : Według obrońcy , były prezydent powinien zdecydować w czwartek wieczorem ,  czy będzie odwoływał się od wyroku .
Tokens: 1_____ 2______ 3 4___ 5________ 6_______ 7_________ 8 9_______ 10_______ 11 12_ 13____ 14_______ 15_ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #4941 from articles/00107560 from sent13

Text  : Kiejman wyraził przy tym nadzieję , że skazujący wyrok "  nic nie zmieni w  uczuciach ,  jakimi Francuzi darzą Jacquesa Chiraca "  .
Tokens: 1______ 2______ 3___ 4__ 5_______ 6 7_ 8________ 9____ 10 11_ 12_ 13____ 14 15_______ 16 17____ 18______ 19___ 20______ 21_____ 22 23

Chunks:
  TruePositive nam [18,18] = Francuzi
  TruePositive nam [20,21] = Jacquesa Chiraca
  FalseNegative nam [1,1] = Kiejman

(ChunkerEvaluator) Sentence #4942 from articles/00107560 from sent14

Text  : Zaskakujący wyrok
Tokens: 1__________ 2____

Chunks:

(ChunkerEvaluator) Sentence #4943 from articles/00107560 from sent15

Text  : Wyrok jest dla wielu obserwatorów dużym zaskoczeniem .
Tokens: 1____ 2___ 3__ 4____ 5___________ 6____ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #4944 from articles/00107560 from sent16

Text  : Spodziewano się oczyszczenia Chiraca z zarzutów , ponieważ prokuratura wniosła we wrześniu o  jego uniewinnienie .
Tokens: 1__________ 2__ 3___________ 4______ 5 6_______ 7 8_______ 9__________ 10_____ 11 12______ 13 14__ 15___________ 16

Chunks:
  TruePositive nam [4,4] = Chiraca

(ChunkerEvaluator) Sentence #4945 from articles/00107560 from sent17

Text  : W pierwszych komentarzach z różnych obozów politycznych podkreśla się ,  że werdykt dowodzi niezawisłości sądu ,  który oddalił wniosek prokuratury ,  podejrzewanej o  sprzyjanie byłemu szefowi państwa .
Tokens: 1 2_________ 3___________ 4 5______ 6_____ 7___________ 8________ 9__ 10 11 12_____ 13_____ 14___________ 15__ 16 17___ 18_____ 19_____ 20_________ 21 22___________ 23 24________ 25____ 26_____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #4946 from articles/00107560 from sent18

Text  : Organizacja antykorupcyjna Anticor , która występowała w procesie przeciwko Chiracowi ,  przywitała werdykt z  zadowoleniem ,  nazywając go "  wzorcową karą "  .
Tokens: 1__________ 2_____________ 3______ 4 5____ 6__________ 7 8_______ 9________ 10_______ 11 12________ 13_____ 14 15__________ 16 17_______ 18 19 20______ 21__ 22 23

Chunks:
  TruePositive nam [10,10] = Chiracowi
  FalseNegative nam [3,3] = Anticor

(ChunkerEvaluator) Sentence #4947 from articles/00107560 from sent19

Text  : Główny poszkodowany w aferze fikcyjnych etatów , czyli paryski ratusz ,  nie wystąpił ostatecznie w  sądzie przeciw byłemu prezydentowi .
Tokens: 1_____ 2___________ 3 4_____ 5_________ 6_____ 7 8____ 9______ 10____ 11 12_ 13______ 14_________ 15 16____ 17_____ 18____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #4948 from articles/00107560 from sent20

Text  : Władze miejskie wycofały swój pozew w wyniku ugody z obecną partią rządzącą ,  UMP ,  do której niegdyś należał Chirac .
Tokens: 1_____ 2_______ 3_______ 4___ 5____ 6 7_____ 8____ 9 10____ 11____ 12______ 13 14_ 15 16 17____ 18_____ 19_____ 20____ 21

Chunks:
  TruePositive nam [14,14] = UMP
  TruePositive nam [20,20] = Chirac

(ChunkerEvaluator) Sentence #4949 from articles/00107560 from sent21

Text  : Ugrupowanie to zgodziło się przelać gigantyczne odszkodowanie w wysokości 2  ,  2  miliona euro do kasy miejskiej Paryża .
Tokens: 1__________ 2_ 3_______ 4__ 5______ 6__________ 7____________ 8 9________ 10 11 12 13_____ 14__ 15 16__ 17_______ 18____ 19

Chunks:
  TruePositive nam [14,14] = euro
  TruePositive nam [18,18] = Paryża

(ChunkerEvaluator) Sentence #4950 from articles/00107560 from sent22

Text  : Chirac twierdził , że ma problemy z pamięcią
Tokens: 1_____ 2________ 3 4_ 5_ 6_______ 7 8_______

Chunks:
  TruePositive nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4951 from articles/00107560 from sent23

Text  : Trwający od 5 do 23 września proces w Paryżu przebiegał w  niecodzienny sposób .
Tokens: 1_______ 2_ 3 4_ 5_ 6_______ 7_____ 8 9_____ 10________ 11 12__________ 13____ 14

Chunks:
  TruePositive nam [9,9] = Paryżu

(ChunkerEvaluator) Sentence #4952 from articles/00107560 from sent24

Text  : Najpierw sąd zgodził się na prowadzenie rozpraw bez Chiraca ,  gdy ten dostarczył zaświadczenie lekarskie ,  iż ma problemy z  pamięcią .
Tokens: 1_______ 2__ 3______ 4__ 5_ 6__________ 7______ 8__ 9______ 10 11_ 12_ 13________ 14___________ 15_______ 16 17 18 19______ 20 21______ 22

Chunks:
  TruePositive nam [9,9] = Chiraca

(ChunkerEvaluator) Sentence #4953 from articles/00107560 from sent25

Text  : Następie zwolniono z przesłuchania kluczowego świadka w sprawie , szefa MSZ Alaina Juppe ,  w  latach 90 .  podwładnego Chiraca w  paryskim ratuszu .
Tokens: 1_______ 2________ 3 4____________ 5_________ 6______ 7 8______ 9 10___ 11_ 12____ 13___ 14 15 16____ 17 18 19_________ 20_____ 21 22______ 23_____ 24

Chunks:
  TruePositive nam [11,11] = MSZ
  TruePositive nam [12,13] = Alaina Juppe
  TruePositive nam [20,20] = Chiraca

(ChunkerEvaluator) Sentence #4954 from articles/00107560 from sent26

Text  : Francuska prasa komentowała te zdarzenia , pisząc o " dziwnym procesie "  i  krytykując pobłażliwość wymiaru sprawiedliwości wobec byłego prezydenta Francji .
Tokens: 1________ 2____ 3__________ 4_ 5________ 6 7_____ 8 9 10_____ 11______ 12 13 14________ 15__________ 16_____ 17_____________ 18___ 19____ 20________ 21_____ 22

Chunks:
  TruePositive nam [21,21] = Francji

(ChunkerEvaluator) Sentence #4955 from articles/00107560 from sent27

Text  : Prasa sugerowała , że wyrozumiałość prokuratury wobec oskarżonego może mieć podtekst polityczny ,  gdyż Chirac jest założycielem obecnie rządzącej we Francji partii Unia na rzecz Ruchu Ludowego (  UMP )  .
Tokens: 1____ 2_________ 3 4_ 5____________ 6__________ 7____ 8__________ 9___ 10__ 11______ 12________ 13 14__ 15____ 16__ 17__________ 18_____ 19_______ 20 21_____ 22____ 23__ 24 25___ 26___ 27______ 28 29_ 30 31

Chunks:
  TruePositive nam [15,15] = Chirac
  TruePositive nam [21,21] = Francji
  TruePositive nam [29,29] = UMP
  FalsePositive nam [23,23] = Unia
  FalsePositive nam [26,27] = Ruchu Ludowego
  FalseNegative nam [23,27] = Unia na rzecz Ruchu Ludowego

(ChunkerEvaluator) Sentence #4956 from articles/00107560 from sent28

Text  : Chirac odpowiadał przed sądem za to , że w latach 1992 -  1995 ,  gdy był merem Paryża ,  miał fikcyjnie zatrudniać w  sumie 28 pracowników ,  w  tym członków swojej partii Zgromadzenie na rzecz Republiki (  RPR )  i  ich rodziny .
Tokens: 1_____ 2_________ 3____ 4____ 5_ 6_ 7 8_ 9 10____ 11__ 12 13__ 14 15_ 16_ 17___ 18____ 19 20__ 21_______ 22________ 23 24___ 25 26_________ 27 28 29_ 30______ 31____ 32____ 33__________ 34 35___ 36_______ 37 38_ 39 40 41_ 42_____ 43

Chunks:
  TruePositive nam [1,1] = Chirac
  TruePositive nam [18,18] = Paryża
  FalsePositive nam [33,33] = Zgromadzenie
  FalsePositive nam [36,36] = Republiki
  FalseNegative nam [33,36] = Zgromadzenie na rzecz Republiki
  FalseNegative nam [38,38] = RPR

(ChunkerEvaluator) Sentence #4957 from articles/00107560 from sent29

Text  : Według licznych świadków , osoby te nigdy nie wykonywały pracy na rzecz urzędu miasta ,  a  niektóre z  nich nie pojawiały się nawet w  budynku ratuszu .
Tokens: 1_____ 2_______ 3_______ 4 5____ 6_ 7____ 8__ 9_________ 10___ 11 12___ 13____ 14____ 15 16 17______ 18 19__ 20_ 21_______ 22_ 23___ 24 25_____ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #4958 from articles/00107560 from sent30

Text  : Chirac winny defraudacji
Tokens: 1_____ 2____ 3__________

Chunks:
  FalseNegative nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4959 from articles/00107560 from sent31

Text  : Sąd : Jacques Chirac defraudował publiczne pieniądze .
Tokens: 1__ 2 3______ 4_____ 5__________ 6________ 7________ 8

Chunks:
  TruePositive nam [3,4] = Jacques Chirac

(ChunkerEvaluator) Sentence #4960 from articles/00107560 from sent32

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #4961 from articles/00107560 from sent33

Text  : Sąd skazał go na dwa lata pozbawienia wolności w zawieszeniu .
Tokens: 1__ 2_____ 3_ 4_ 5__ 6___ 7__________ 8_______ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #4962 from articles/00107560 from sent34

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy i  nadużycia zaufania publicznego .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12 13_______ 14______ 15_________ 16

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #4963 from articles/00107560 from sent35

Text  : Paryski sąd skazał go na dwa lata pozbawienia wolności w  zawieszeniu .
Tokens: 1______ 2__ 3_____ 4_ 5_ 6__ 7___ 8__________ 9_______ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #4964 from articles/00107560 from sent36

Text  : 79 - letniego Jacquesa Chiraca nie było w sądzie podczas ogłoszenia wyroku .
Tokens: 1_ 2 3_______ 4_______ 5______ 6__ 7___ 8 9_____ 10_____ 11________ 12____ 13

Chunks:
  TruePositive nam [4,5] = Jacquesa Chiraca

(ChunkerEvaluator) Sentence #4965 from articles/00107560 from sent37

Text  : Powodem jest jego zły stan zdrowia .
Tokens: 1______ 2___ 3___ 4__ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #4966 from articles/00107560 from sent38

Text  : Zarzuty przedstawione Chiracowi dotyczą lat 90 . XX w .  ,  gdy był merem Paryża .
Tokens: 1______ 2____________ 3________ 4______ 5__ 6_ 7 8_ 9 10 11 12_ 13_ 14___ 15____ 16

Chunks:
  TruePositive nam [3,3] = Chiracowi
  TruePositive nam [15,15] = Paryża

(ChunkerEvaluator) Sentence #4967 from articles/00107560 from sent39

Text  : Oskarżono go o wypłacanie fikcyjnych wynagrodzeń członkom jego partii -  Zgromadzenie na Rzecz Republiki -  za prace na nieistniejących stanowiskach .
Tokens: 1________ 2_ 3 4_________ 5_________ 6__________ 7_______ 8___ 9_____ 10 11__________ 12 13___ 14_______ 15 16 17___ 18 19_____________ 20__________ 21

Chunks:
  FalsePositive nam [13,14] = Rzecz Republiki
  FalseNegative nam [11,14] = Zgromadzenie na Rzecz Republiki

(ChunkerEvaluator) Sentence #4968 from articles/00107560 from sent40

Text  : W tym czasie Chirac zatrudniał w merostwie ponad 20 działaczy swojej partii i  płacił im pieniędzmi miasta .
Tokens: 1 2__ 3_____ 4_____ 5_________ 6 7________ 8____ 9_ 10_______ 11____ 12____ 13 14____ 15 16________ 17____ 18

Chunks:
  TruePositive nam [4,4] = Chirac

(ChunkerEvaluator) Sentence #4969 from articles/00107560 from sent41

Text  : Ludzie ci w rzeczywistości pracowali na rzecz partii Chiraca .
Tokens: 1_____ 2_ 3 4_____________ 5________ 6_ 7____ 8_____ 9______ 10

Chunks:
  TruePositive nam [9,9] = Chiraca

2016-10-27 14:59:35,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 195 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107561.xml
(ChunkerEvaluator) Sentence #4970 from articles/00107561 from sent1

Text  : Co gotowe na Euro ?
Tokens: 1_ 2_____ 3_ 4___ 5

Chunks:
  TruePositive nam [4,4] = Euro

(ChunkerEvaluator) Sentence #4971 from articles/00107561 from sent2

Text  : Stadion , dworce , lotnisko [ ZDJĘCIA ]
Tokens: 1______ 2 3_____ 4 5_______ 6 7______ 8

Chunks:
  FalsePositive nam [1,1] = Stadion
  FalsePositive nam [7,7] = ZDJĘCIA

(ChunkerEvaluator) Sentence #4972 from articles/00107561 from sent3

Text  : Jaki jest stan zaawansowania kluczowych inwestycji w Warszawie na 200 dni przed rozpoczęciem mistrzostw Europy ?
Tokens: 1___ 2___ 3___ 4____________ 5_________ 6_________ 7 8________ 9_ 10_ 11_ 12___ 13__________ 14________ 15____ 16

Chunks:
  TruePositive nam [8,8] = Warszawie
  FalsePositive nam [15,15] = Europy
  FalseNegative nam [14,15] = mistrzostw Europy

(ChunkerEvaluator) Sentence #4973 from articles/00107561 from sent4

Text  : Po raz pierwszy we Francji wydano wyrok skazujący wobec byłego szefa państwa .
Tokens: 1_ 2__ 3_______ 4_ 5______ 6_____ 7____ 8________ 9____ 10____ 11___ 12_____ 13

Chunks:
  TruePositive nam [5,5] = Francji

(ChunkerEvaluator) Sentence #4974 from articles/00107561 from sent5

Text  : Paryski sąd orzekł , że 79 - letni dziś Chirac jest winny "  defraudacji środków publicznych "  i  "  nadużycia zaufania "  w  sprawie fikcyjnego zatrudnienia 21 swoich partyjnych kolegów oraz członków ich rodzin w  paryskim ratuszu w  latach 90 .
Tokens: 1______ 2__ 3_____ 4 5_ 6_ 7 8____ 9___ 10____ 11__ 12___ 13 14_________ 15_____ 16_________ 17 18 19 20_______ 21______ 22 23 24_____ 25________ 26__________ 27 28____ 29________ 30_____ 31__ 32______ 33_ 34____ 35 36______ 37_____ 38 39____ 40 41

Chunks:
  TruePositive nam [10,10] = Chirac

(ChunkerEvaluator) Sentence #4975 from articles/00107561 from sent6

Text  : Jednocześnie sędziowie uznali , że były szef państwa odpowiada także za nieprawidłowości w  kwestii zatrudnienia siedmiu innych pracowników merostwa w  tym samym okresie .
Tokens: 1___________ 2________ 3_____ 4 5_ 6___ 7___ 8______ 9________ 10___ 11 12______________ 13 14_____ 15__________ 16_____ 17____ 18_________ 19______ 20 21_ 22___ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #4976 from articles/00107561 from sent7

Text  : Były prezydent , którego sąd zwolnił z uczestnictwa w procesie z  powodów zdrowotnych ,  nie był obecny w  czwartek na sali rozpraw .
Tokens: 1___ 2________ 3 4______ 5__ 6______ 7 8___________ 9 10______ 11 12_____ 13_________ 14 15_ 16_ 17____ 18 19______ 20 21__ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #4977 from articles/00107561 from sent8

Text  : Wraz z Chirakiem skazano jego siedmiu byłych podwładnych z paryskiego ratusza na kary kilku miesięcy więzienia w  zawieszeniu .
Tokens: 1___ 2 3________ 4______ 5___ 6______ 7_____ 8__________ 9 10________ 11_____ 12 13__ 14___ 15______ 16_______ 17 18_________ 19

Chunks:
  TruePositive nam [3,3] = Chirakiem

(ChunkerEvaluator) Sentence #4978 from articles/00107561 from sent9

Text  : Uniewinniono natomiast dwóch innych oskarżonych w tej sprawie .
Tokens: 1___________ 2________ 3____ 4_____ 5__________ 6 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #4979 from articles/00107561 from sent10

Text  : Jeden z adwokatów Chiraca , Georges Kiejman , powiedział po rozprawie dziennikarzom ,  że jest rozczarowany werdyktem .
Tokens: 1____ 2 3________ 4______ 5 6______ 7______ 8 9_________ 10 11_______ 12___________ 13 14 15__ 16__________ 17_______ 18

Chunks:
  TruePositive nam [4,4] = Chiraca
  TruePositive nam [6,7] = Georges Kiejman

(ChunkerEvaluator) Sentence #4980 from articles/00107561 from sent11

Text  : Według obrońcy , były prezydent powinien zdecydować w czwartek wieczorem ,  czy będzie odwoływał się od wyroku .
Tokens: 1_____ 2______ 3 4___ 5________ 6_______ 7_________ 8 9_______ 10_______ 11 12_ 13____ 14_______ 15_ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #4981 from articles/00107561 from sent12

Text  : Kiejman wyraził przy tym nadzieję , że skazujący wyrok "  nic nie zmieni w  uczuciach ,  jakimi Francuzi darzą Jacquesa Chiraca "  .
Tokens: 1______ 2______ 3___ 4__ 5_______ 6 7_ 8________ 9____ 10 11_ 12_ 13____ 14 15_______ 16 17____ 18______ 19___ 20______ 21_____ 22 23

Chunks:
  TruePositive nam [18,18] = Francuzi
  TruePositive nam [20,21] = Jacquesa Chiraca
  FalseNegative nam [1,1] = Kiejman

(ChunkerEvaluator) Sentence #4982 from articles/00107561 from sent13

Text  : Zaskakujący wyrok
Tokens: 1__________ 2____

Chunks:

(ChunkerEvaluator) Sentence #4983 from articles/00107561 from sent14

Text  : Wyrok jest dla wielu obserwatorów dużym zaskoczeniem .
Tokens: 1____ 2___ 3__ 4____ 5___________ 6____ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #4984 from articles/00107561 from sent15

Text  : Spodziewano się oczyszczenia Chiraca z zarzutów , ponieważ prokuratura wniosła we wrześniu o  jego uniewinnienie .
Tokens: 1__________ 2__ 3___________ 4______ 5 6_______ 7 8_______ 9__________ 10_____ 11 12______ 13 14__ 15___________ 16

Chunks:
  TruePositive nam [4,4] = Chiraca

(ChunkerEvaluator) Sentence #4985 from articles/00107561 from sent16

Text  : W pierwszych komentarzach z różnych obozów politycznych podkreśla się ,  że werdykt dowodzi niezawisłości sądu ,  który oddalił wniosek prokuratury ,  podejrzewanej o  sprzyjanie byłemu szefowi państwa .
Tokens: 1 2_________ 3___________ 4 5______ 6_____ 7___________ 8________ 9__ 10 11 12_____ 13_____ 14___________ 15__ 16 17___ 18_____ 19_____ 20_________ 21 22___________ 23 24________ 25____ 26_____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #4986 from articles/00107561 from sent17

Text  : Organizacja antykorupcyjna Anticor , która występowała w procesie przeciwko Chiracowi ,  przywitała werdykt z  zadowoleniem ,  nazywając go "  wzorcową karą "  .
Tokens: 1__________ 2_____________ 3______ 4 5____ 6__________ 7 8_______ 9________ 10_______ 11 12________ 13_____ 14 15__________ 16 17_______ 18 19 20______ 21__ 22 23

Chunks:
  TruePositive nam [10,10] = Chiracowi
  FalseNegative nam [3,3] = Anticor

(ChunkerEvaluator) Sentence #4987 from articles/00107561 from sent18

Text  : Główny poszkodowany w aferze fikcyjnych etatów , czyli paryski ratusz ,  nie wystąpił ostatecznie w  sądzie przeciw byłemu prezydentowi .
Tokens: 1_____ 2___________ 3 4_____ 5_________ 6_____ 7 8____ 9______ 10____ 11 12_ 13______ 14_________ 15 16____ 17_____ 18____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #4988 from articles/00107561 from sent19

Text  : Władze miejskie wycofały swój pozew w wyniku ugody z obecną partią rządzącą ,  UMP ,  do której niegdyś należał Chirac .
Tokens: 1_____ 2_______ 3_______ 4___ 5____ 6 7_____ 8____ 9 10____ 11____ 12______ 13 14_ 15 16 17____ 18_____ 19_____ 20____ 21

Chunks:
  TruePositive nam [14,14] = UMP
  TruePositive nam [20,20] = Chirac

(ChunkerEvaluator) Sentence #4989 from articles/00107561 from sent20

Text  : Ugrupowanie to zgodziło się przelać gigantyczne odszkodowanie w wysokości 2  ,  2  miliona euro do kasy miejskiej Paryża .
Tokens: 1__________ 2_ 3_______ 4__ 5______ 6__________ 7____________ 8 9________ 10 11 12 13_____ 14__ 15 16__ 17_______ 18____ 19

Chunks:
  TruePositive nam [14,14] = euro
  TruePositive nam [18,18] = Paryża

(ChunkerEvaluator) Sentence #4990 from articles/00107561 from sent21

Text  : Chirac twierdził , że ma problemy z pamięcią
Tokens: 1_____ 2________ 3 4_ 5_ 6_______ 7 8_______

Chunks:
  TruePositive nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4991 from articles/00107561 from sent22

Text  : Trwający od 5 do 23 września proces w Paryżu przebiegał w  niecodzienny sposób .
Tokens: 1_______ 2_ 3 4_ 5_ 6_______ 7_____ 8 9_____ 10________ 11 12__________ 13____ 14

Chunks:
  TruePositive nam [9,9] = Paryżu

(ChunkerEvaluator) Sentence #4992 from articles/00107561 from sent23

Text  : Najpierw sąd zgodził się na prowadzenie rozpraw bez Chiraca ,  gdy ten dostarczył zaświadczenie lekarskie ,  iż ma problemy z  pamięcią .
Tokens: 1_______ 2__ 3______ 4__ 5_ 6__________ 7______ 8__ 9______ 10 11_ 12_ 13________ 14___________ 15_______ 16 17 18 19______ 20 21______ 22

Chunks:
  TruePositive nam [9,9] = Chiraca

(ChunkerEvaluator) Sentence #4993 from articles/00107561 from sent24

Text  : Następie zwolniono z przesłuchania kluczowego świadka w sprawie , szefa MSZ Alaina Juppe ,  w  latach 90 .  podwładnego Chiraca w  paryskim ratuszu .
Tokens: 1_______ 2________ 3 4____________ 5_________ 6______ 7 8______ 9 10___ 11_ 12____ 13___ 14 15 16____ 17 18 19_________ 20_____ 21 22______ 23_____ 24

Chunks:
  TruePositive nam [11,11] = MSZ
  TruePositive nam [12,13] = Alaina Juppe
  TruePositive nam [20,20] = Chiraca

(ChunkerEvaluator) Sentence #4994 from articles/00107561 from sent25

Text  : Francuska prasa komentowała te zdarzenia , pisząc o " dziwnym procesie "  i  krytykując pobłażliwość wymiaru sprawiedliwości wobec byłego prezydenta Francji .
Tokens: 1________ 2____ 3__________ 4_ 5________ 6 7_____ 8 9 10_____ 11______ 12 13 14________ 15__________ 16_____ 17_____________ 18___ 19____ 20________ 21_____ 22

Chunks:
  TruePositive nam [21,21] = Francji

(ChunkerEvaluator) Sentence #4995 from articles/00107561 from sent26

Text  : Prasa sugerowała , że wyrozumiałość prokuratury wobec oskarżonego może mieć podtekst polityczny ,  gdyż Chirac jest założycielem obecnie rządzącej we Francji partii Unia na rzecz Ruchu Ludowego (  UMP )  .
Tokens: 1____ 2_________ 3 4_ 5____________ 6__________ 7____ 8__________ 9___ 10__ 11______ 12________ 13 14__ 15____ 16__ 17__________ 18_____ 19_______ 20 21_____ 22____ 23__ 24 25___ 26___ 27______ 28 29_ 30 31

Chunks:
  TruePositive nam [15,15] = Chirac
  TruePositive nam [21,21] = Francji
  TruePositive nam [29,29] = UMP
  FalsePositive nam [23,23] = Unia
  FalsePositive nam [26,27] = Ruchu Ludowego
  FalseNegative nam [23,27] = Unia na rzecz Ruchu Ludowego

(ChunkerEvaluator) Sentence #4996 from articles/00107561 from sent27

Text  : Chirac odpowiadał przed sądem za to , że w latach 1992 -  1995 ,  gdy był merem Paryża ,  miał fikcyjnie zatrudniać w  sumie 28 pracowników ,  w  tym członków swojej partii Zgromadzenie na rzecz Republiki (  RPR )  i  ich rodziny .
Tokens: 1_____ 2_________ 3____ 4____ 5_ 6_ 7 8_ 9 10____ 11__ 12 13__ 14 15_ 16_ 17___ 18____ 19 20__ 21_______ 22________ 23 24___ 25 26_________ 27 28 29_ 30______ 31____ 32____ 33__________ 34 35___ 36_______ 37 38_ 39 40 41_ 42_____ 43

Chunks:
  TruePositive nam [1,1] = Chirac
  TruePositive nam [18,18] = Paryża
  FalsePositive nam [33,33] = Zgromadzenie
  FalsePositive nam [36,36] = Republiki
  FalseNegative nam [33,36] = Zgromadzenie na rzecz Republiki
  FalseNegative nam [38,38] = RPR

(ChunkerEvaluator) Sentence #4997 from articles/00107561 from sent28

Text  : Według licznych świadków , osoby te nigdy nie wykonywały pracy na rzecz urzędu miasta ,  a  niektóre z  nich nie pojawiały się nawet w  budynku ratuszu .
Tokens: 1_____ 2_______ 3_______ 4 5____ 6_ 7____ 8__ 9_________ 10___ 11 12___ 13____ 14____ 15 16 17______ 18 19__ 20_ 21_______ 22_ 23___ 24 25_____ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #4998 from articles/00107561 from sent29

Text  : Chirac winny defraudacji
Tokens: 1_____ 2____ 3__________

Chunks:
  FalseNegative nam [1,1] = Chirac

(ChunkerEvaluator) Sentence #4999 from articles/00107561 from sent30

Text  : Sąd : Jacques Chirac defraudował publiczne pieniądze .
Tokens: 1__ 2 3______ 4_____ 5__________ 6________ 7________ 8

Chunks:
  TruePositive nam [3,4] = Jacques Chirac

(ChunkerEvaluator) Sentence #5000 from articles/00107561 from sent31

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #5001 from articles/00107561 from sent32

Text  : Sąd skazał go na dwa lata pozbawienia wolności w zawieszeniu .
Tokens: 1__ 2_____ 3_ 4_ 5__ 6___ 7__________ 8_______ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #5002 from articles/00107561 from sent33

Text  : Były prezydent Francji Jacques Chirac został uznany winnym defraudacji publicznych pieniędzy i  nadużycia zaufania publicznego .
Tokens: 1___ 2________ 3______ 4______ 5_____ 6_____ 7_____ 8_____ 9__________ 10_________ 11_______ 12 13_______ 14______ 15_________ 16

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [4,5] = Jacques Chirac

(ChunkerEvaluator) Sentence #5003 from articles/00107561 from sent34

Text  : Paryski sąd skazał go na dwa lata pozbawienia wolności w  zawieszeniu .
Tokens: 1______ 2__ 3_____ 4_ 5_ 6__ 7___ 8__________ 9_______ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #5004 from articles/00107561 from sent35

Text  : 79 - letniego Jacquesa Chiraca nie było w sądzie podczas ogłoszenia wyroku .
Tokens: 1_ 2 3_______ 4_______ 5______ 6__ 7___ 8 9_____ 10_____ 11________ 12____ 13

Chunks:
  TruePositive nam [4,5] = Jacquesa Chiraca

(ChunkerEvaluator) Sentence #5005 from articles/00107561 from sent36

Text  : Powodem jest jego zły stan zdrowia .
Tokens: 1______ 2___ 3___ 4__ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5006 from articles/00107561 from sent37

Text  : Zarzuty przedstawione Chiracowi dotyczą lat 90 . XX w .  ,  gdy był merem Paryża .
Tokens: 1______ 2____________ 3________ 4______ 5__ 6_ 7 8_ 9 10 11 12_ 13_ 14___ 15____ 16

Chunks:
  TruePositive nam [3,3] = Chiracowi
  TruePositive nam [15,15] = Paryża

(ChunkerEvaluator) Sentence #5007 from articles/00107561 from sent38

Text  : Oskarżono go o wypłacanie fikcyjnych wynagrodzeń członkom jego partii -  Zgromadzenie na Rzecz Republiki -  za prace na nieistniejących stanowiskach .
Tokens: 1________ 2_ 3 4_________ 5_________ 6__________ 7_______ 8___ 9_____ 10 11__________ 12 13___ 14_______ 15 16 17___ 18 19_____________ 20__________ 21

Chunks:
  FalsePositive nam [13,14] = Rzecz Republiki
  FalseNegative nam [11,14] = Zgromadzenie na Rzecz Republiki

(ChunkerEvaluator) Sentence #5008 from articles/00107561 from sent39

Text  : W tym czasie Chirac zatrudniał w merostwie ponad 20 działaczy swojej partii i  płacił im pieniędzmi miasta .
Tokens: 1 2__ 3_____ 4_____ 5_________ 6 7________ 8____ 9_ 10_______ 11____ 12____ 13 14____ 15 16________ 17____ 18

Chunks:
  TruePositive nam [4,4] = Chirac

(ChunkerEvaluator) Sentence #5009 from articles/00107561 from sent40

Text  : Ludzie ci w rzeczywistości pracowali na rzecz partii Chiraca .
Tokens: 1_____ 2_ 3 4_____________ 5________ 6_ 7____ 8_____ 9______ 10

Chunks:
  TruePositive nam [9,9] = Chiraca

2016-10-27 14:59:36,051 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 196 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107562.xml
(ChunkerEvaluator) Sentence #5010 from articles/00107562 from sent1

Text  : Japonia .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Japonia

(ChunkerEvaluator) Sentence #5011 from articles/00107562 from sent2

Text  : Najstarszy pies świata nie żyje
Tokens: 1_________ 2___ 3_____ 4__ 5___

Chunks:

(ChunkerEvaluator) Sentence #5012 from articles/00107562 from sent3

Text  : Nie żyje Pusuke , który według Księgi rekordów Guinnessa był najstarszym psem świata .
Tokens: 1__ 2___ 3_____ 4 5____ 6_____ 7_____ 8_______ 9________ 10_ 11_________ 12__ 13____ 14

Chunks:
  TruePositive nam [9,9] = Guinnessa
  FalsePositive nam [7,7] = Księgi
  FalseNegative nam [3,3] = Pusuke
  FalseNegative nam [7,8] = Księgi rekordów

(ChunkerEvaluator) Sentence #5013 from articles/00107562 from sent4

Text  : Japoński mieszaniec przeżył 26 lat i 9 miesięcy , czyli tyle ,  ile przeżył by 125 -  letni człowiek -  podała we wtorek agencja Kyodo .
Tokens: 1_______ 2_________ 3______ 4_ 5__ 6 7 8_______ 9 10___ 11__ 12 13_ 14_____ 15 16_ 17 18___ 19______ 20 21____ 22 23____ 24_____ 25___ 26

Chunks:
  FalseNegative nam [25,25] = Kyodo

(ChunkerEvaluator) Sentence #5014 from articles/00107562 from sent5

Text  : Pusuke , pies skrzyżowany z pochodzącą z Japonii rasą shiba inu ,  urodził się 1  kwietnia 1985 r  .  w  domu znajomych jego właścicielki Yumiko Shinohara ,  gdy miała ona 16 lat .
Tokens: 1_____ 2 3___ 4__________ 5 6_________ 7 8______ 9___ 10___ 11_ 12 13_____ 14_ 15 16______ 17__ 18 19 20 21__ 22_______ 23__ 24__________ 25____ 26_______ 27 28_ 29___ 30_ 31 32_ 33

Chunks:
  TruePositive nam [8,8] = Japonii
  TruePositive nam [25,26] = Yumiko Shinohara
  FalseNegative nam [1,1] = Pusuke

(ChunkerEvaluator) Sentence #5015 from articles/00107562 from sent6

Text  : 42 - letnia obecnie Shinohara opowiadała , że jej pupil w  poniedziałek rano nagle stracił apetyt ,  zaczął mieć problemy z  oddychaniem i  odmówił wychodzenia na spacery .
Tokens: 1_ 2 3_____ 4______ 5________ 6_________ 7 8_ 9__ 10___ 11 12__________ 13__ 14___ 15_____ 16____ 17 18____ 19__ 20______ 21 22_________ 23 24_____ 25_________ 26 27_____ 28

Chunks:
  FalseNegative nam [5,5] = Shinohara

(ChunkerEvaluator) Sentence #5016 from articles/00107562 from sent7

Text  : Zdechł wieczorem , kilka minut po powrocie właścicielki do domu w  Sakurze ,  w  środkowej Japonii .
Tokens: 1_____ 2________ 3 4____ 5____ 6_ 7_______ 8___________ 9_ 10__ 11 12_____ 13 14 15_______ 16_____ 17

Chunks:
  TruePositive nam [16,16] = Japonii
  FalseNegative nam [12,12] = Sakurze

(ChunkerEvaluator) Sentence #5017 from articles/00107562 from sent8

Text  : " Chyba czekał , aż wrócę " - powiedziała Shinohara .
Tokens: 1 2____ 3_____ 4 5_ 6____ 7 8 9__________ 10_______ 11

Chunks:
  TruePositive nam [10,10] = Shinohara

(ChunkerEvaluator) Sentence #5018 from articles/00107562 from sent9

Text  : Pusuke trafił do Księgi rekordów Guinnessa w grudniu 2010 r  .
Tokens: 1_____ 2_____ 3_ 4_____ 5_______ 6________ 7 8______ 9___ 10 11

Chunks:
  TruePositive nam [6,6] = Guinnessa
  FalsePositive nam [4,4] = Księgi
  FalseNegative nam [1,1] = Pusuke
  FalseNegative nam [4,5] = Księgi rekordów

(ChunkerEvaluator) Sentence #5019 from articles/00107562 from sent10

Text  : Nie pobił jednak rekordu Blueya , czyli psa rasy australian cattle dog ,  którzy przeżył 29 lat między 1910 a  1939 r  .  i  pilnował bydła w  rejonie australijskiego miasta Rochester ,  w  stanie Wiktoria .  (  PAP )
Tokens: 1__ 2____ 3_____ 4______ 5_____ 6 7____ 8__ 9___ 10________ 11____ 12_ 13 14____ 15_____ 16 17_ 18____ 19__ 20 21__ 22 23 24 25______ 26___ 27 28_____ 29_____________ 30____ 31_______ 32 33 34____ 35______ 36 37 38_ 39

Chunks:
  TruePositive nam [31,31] = Rochester
  TruePositive nam [35,35] = Wiktoria
  TruePositive nam [38,38] = PAP
  FalseNegative nam [5,5] = Blueya

2016-10-27 14:59:36,106 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 197 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107563.xml
(ChunkerEvaluator) Sentence #5020 from articles/00107563 from sent1

Text  : Ślisko na drogach .
Tokens: 1_____ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #5021 from articles/00107563 from sent2

Text  : Kobieta dachowała w Tarnowie
Tokens: 1______ 2________ 3 4_______

Chunks:
  TruePositive nam [4,4] = Tarnowie

(ChunkerEvaluator) Sentence #5022 from articles/00107563 from sent3

Text  : Do wypadku doszło dziś rano w miejscowości Tarnów , należącej do gminy Lubiszyn .
Tokens: 1_ 2______ 3_____ 4___ 5___ 6 7___________ 8_____ 9 10_______ 11 12___ 13______ 14

Chunks:
  TruePositive nam [8,8] = Tarnów
  TruePositive nam [13,13] = Lubiszyn

(ChunkerEvaluator) Sentence #5023 from articles/00107563 from sent4

Text  : Samochód marki peugeot zjechał na pobocze i dachował .
Tokens: 1_______ 2____ 3______ 4______ 5_ 6______ 7 8_______ 9

Chunks:
  FalseNegative nam [3,3] = peugeot

(ChunkerEvaluator) Sentence #5024 from articles/00107563 from sent5

Text  : Podróżowały nim dwie kobiety i dziecko
Tokens: 1__________ 2__ 3___ 4______ 5 6______

Chunks:

(ChunkerEvaluator) Sentence #5025 from articles/00107563 from sent6

Text  : Wydarzenie miało miejsce dziś ok . godz . 7 .  40 w  miejscowości Tarnów (  powiat gorzowski ,  gmina Lubiszyn )  .
Tokens: 1_________ 2____ 3______ 4___ 5_ 6 7___ 8 9 10 11 12 13__________ 14____ 15 16____ 17_______ 18 19___ 20______ 21 22

Chunks:
  TruePositive nam [14,14] = Tarnów
  TruePositive nam [20,20] = Lubiszyn
  FalseNegative nam [17,17] = gorzowski

(ChunkerEvaluator) Sentence #5026 from articles/00107563 from sent7

Text  : Kobieta kierująca autem marki peugeot jechała od strony Dębna .
Tokens: 1______ 2________ 3____ 4____ 5______ 6______ 7_ 8_____ 9____ 10

Chunks:
  TruePositive nam [9,9] = Dębna
  FalseNegative nam [5,5] = peugeot

(ChunkerEvaluator) Sentence #5027 from articles/00107563 from sent8

Text  : Nagle zjechała na pobocze i dachowała .
Tokens: 1____ 2_______ 3_ 4______ 5 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5028 from articles/00107563 from sent9

Text  : W samochodzie była jeszcze jedna pasażerka i dziecko .
Tokens: 1 2__________ 3___ 4______ 5____ 6________ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #5029 from articles/00107563 from sent10

Text  : Wszyscy zostali przewiezieni do szpitala .
Tokens: 1______ 2______ 3___________ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #5030 from articles/00107563 from sent11

Text  : - Na szczęście nikt nie odniósł poważnych obrażeń - informuje Artur Chorąży z  zespołu prasowego lubuskiej policji .
Tokens: 1 2_ 3________ 4___ 5__ 6______ 7________ 8______ 9 10_______ 11___ 12_____ 13 14_____ 15_______ 16_______ 17_____ 18

Chunks:
  TruePositive nam [11,12] = Artur Chorąży

(ChunkerEvaluator) Sentence #5031 from articles/00107563 from sent12

Text  : Dodaje , że przyczyną kolizji mogła być śliska nawierzchnia drogi .
Tokens: 1_____ 2 3_ 4________ 5______ 6____ 7__ 8_____ 9___________ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #5032 from articles/00107563 from sent13

Text  : Kierująca samochodem kobieta nie była pod wpływem alkoholu .
Tokens: 1________ 2_________ 3______ 4__ 5___ 6__ 7______ 8_______ 9

Chunks:

2016-10-27 14:59:36,149 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 198 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107564.xml
(ChunkerEvaluator) Sentence #5033 from articles/00107564 from sent1

Text  : Napastnicy Ruchu powinni upatrywać swojej szansy w . . .  niekonsekwencji selekcjonera ?
Tokens: 1_________ 2____ 3______ 4________ 5_____ 6_____ 7 8 9 10 11_____________ 12__________ 13

Chunks:
  TruePositive nam [2,2] = Ruchu

(ChunkerEvaluator) Sentence #5034 from articles/00107564 from sent2

Text  : Arkadiusz Piech i Maciej Jankowski z Ruchu Chorzów znaleźli się wśród 17 ligowców ,  którzy zostali powołani przez trenera Franciszka Smudę na towarzyski mecz z  Bośnią i  Hercegowiną .
Tokens: 1________ 2____ 3 4_____ 5________ 6 7____ 8______ 9_______ 10_ 11___ 12 13______ 14 15____ 16_____ 17______ 18___ 19_____ 20________ 21___ 22 23________ 24__ 25 26____ 27 28_________ 29

Chunks:
  TruePositive nam [1,2] = Arkadiusz Piech
  TruePositive nam [4,5] = Maciej Jankowski
  TruePositive nam [7,8] = Ruchu Chorzów
  TruePositive nam [20,21] = Franciszka Smudę
  FalsePositive nam [26,26] = Bośnią
  FalsePositive nam [28,28] = Hercegowiną
  FalseNegative nam [26,28] = Bośnią i Hercegowiną

(ChunkerEvaluator) Sentence #5035 from articles/00107564 from sent3

Text  : Czy mają prawi marzyć o występie na Euro 2012 ?
Tokens: 1__ 2___ 3____ 4_____ 5 6_______ 7_ 8___ 9___ 10

Chunks:
  FalsePositive nam [8,8] = Euro
  FalseNegative nam [8,9] = Euro 2012

(ChunkerEvaluator) Sentence #5036 from articles/00107564 from sent4

Text  : - Marzyć zawsze wolno , a nawet trzeba , bo to popycha do działania .
Tokens: 1 2_____ 3_____ 4____ 5 6 7____ 8_____ 9 10 11 12_____ 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #5037 from articles/00107564 from sent5

Text  : Ale tak realnie patrząc , wiemy jak trener Smuda się wypowiada :  on już zamknął kadrę .
Tokens: 1__ 2__ 3______ 4______ 5 6____ 7__ 8_____ 9____ 10_ 11_______ 12 13 14_ 15_____ 16___ 17

Chunks:
  FalseNegative nam [9,9] = Smuda

(ChunkerEvaluator) Sentence #5038 from articles/00107564 from sent6

Text  : Musiał by go ktoś wybitnie oczarować .
Tokens: 1_____ 2_ 3_ 4___ 5_______ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5039 from articles/00107564 from sent7

Text  : A o to jest ciężko , bo on lubi przywiązywać się do nazwisk .
Tokens: 1 2 3_ 4___ 5_____ 6 7_ 8_ 9___ 10__________ 11_ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #5040 from articles/00107564 from sent8

Text  : I tak naprawdę nie daję wielkich szans zawodnikom z tej grupy .
Tokens: 1 2__ 3_______ 4__ 5___ 6_______ 7____ 8_________ 9 10_ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #5041 from articles/00107564 from sent9

Text  : Chociaż tyle dobrze , że ci , którzy prezentują się dobrze w  lidze ,  zostali docenieni i  zaliczą mecz z  orłem na piersi -  mówi Andrzej Iwan ,  były reprezentant kraju ,  a  obecnie ekspert piłkarski .
Tokens: 1______ 2___ 3_____ 4 5_ 6_ 7 8_____ 9_________ 10_ 11____ 12 13___ 14 15_____ 16_______ 17 18_____ 19__ 20 21___ 22 23____ 24 25__ 26_____ 27__ 28 29__ 30__________ 31___ 32 33 34_____ 35_____ 36_______ 37

Chunks:
  TruePositive nam [26,27] = Andrzej Iwan

(ChunkerEvaluator) Sentence #5042 from articles/00107564 from sent10

Text  : Reprezentacja złożona z ligowców ( bez piłkarzy Legii i Wisły )  zmierzy się w  Turcji z  bośniacką kadra B  .
Tokens: 1____________ 2______ 3 4_______ 5 6__ 7_______ 8____ 9 10___ 11 12_____ 13_ 14 15____ 16 17_______ 18___ 19 20

Chunks:
  TruePositive nam [8,8] = Legii
  TruePositive nam [10,10] = Wisły
  TruePositive nam [15,15] = Turcji

(ChunkerEvaluator) Sentence #5043 from articles/00107564 from sent11

Text  : - Ten przeciwnik to nie jest jakaś silna ekipa ,  więc nawet jakby ktoś zagrał w  imponującym stylu ,  to nie wiadomo ,  czy trener Smuda to doceni .
Tokens: 1 2__ 3_________ 4_ 5__ 6___ 7____ 8____ 9____ 10 11__ 12___ 13___ 14__ 15____ 16 17_________ 18___ 19 20 21_ 22_____ 23 24_ 25____ 26___ 27 28____ 29

Chunks:
  FalseNegative nam [26,26] = Smuda

(ChunkerEvaluator) Sentence #5044 from articles/00107564 from sent12

Text  : Nie chce mi się wierzyć , żeby ktokolwiek zrobił na nim takie wrażenie ,  żeby go włączył do tej swojej elity .
Tokens: 1__ 2___ 3_ 4__ 5______ 6 7___ 8_________ 9_____ 10 11_ 12___ 13______ 14 15__ 16 17_____ 18 19_ 20____ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #5045 from articles/00107564 from sent13

Text  : Obym się mylił .
Tokens: 1___ 2__ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #5046 from articles/00107564 from sent14

Text  : Czasami lepiej sięgnąć Polaka , a nie szukać zawodników za granicą którzy niewiele wnoszą -  uważa Iwan .
Tokens: 1______ 2_____ 3______ 4_____ 5 6 7__ 8_____ 9_________ 10 11_____ 12____ 13______ 14____ 15 16___ 17__ 18

Chunks:
  TruePositive nam [4,4] = Polaka
  TruePositive nam [17,17] = Iwan

(ChunkerEvaluator) Sentence #5047 from articles/00107564 from sent15

Text  : Choć przyznaje , że na korzyść chorzowskich napastników może działać .  .  .  niekonsekwencja Smudy .
Tokens: 1___ 2________ 3 4_ 5_ 6______ 7___________ 8__________ 9___ 10_____ 11 12 13 14_____________ 15___ 16

Chunks:
  FalsePositive nam [14,15] = niekonsekwencja Smudy
  FalseNegative nam [15,15] = Smudy

(ChunkerEvaluator) Sentence #5048 from articles/00107564 from sent16

Text  : - On często zupełnie co innego robi niż mówi ,  więc może być tak ,  że rzeczywiście ktoś z  tej grupy może wskoczyć do kadry .
Tokens: 1 2_ 3_____ 4_______ 5_ 6_____ 7___ 8__ 9___ 10 11__ 12__ 13_ 14_ 15 16 17__________ 18__ 19 20_ 21___ 22__ 23______ 24 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #5049 from articles/00107564 from sent17

Text  : O zawodnikach Śląska Wrocław niedawno mówił przecież , że nikt nie zasługuje na powołanie ,  a  nagle powołał ich czterech -  uśmiecha się Iwan .
Tokens: 1 2__________ 3_____ 4______ 5_______ 6____ 7_______ 8 9_ 10__ 11_ 12_______ 13 14_______ 15 16 17___ 18_____ 19_ 20______ 21 22______ 23_ 24__ 25

Chunks:
  TruePositive nam [3,4] = Śląska Wrocław
  TruePositive nam [24,24] = Iwan

2016-10-27 14:59:36,241 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 199 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107565.xml
(ChunkerEvaluator) Sentence #5050 from articles/00107565 from sent1

Text  : Skarby ukryte * *
Tokens: 1_____ 2_____ 3 4

Chunks:
  FalseNegative nam [1,2] = Skarby ukryte

(ChunkerEvaluator) Sentence #5051 from articles/00107565 from sent2

Text  : Dramat
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #5052 from articles/00107565 from sent3

Text  : Skarby ukryte * *
Tokens: 1_____ 2_____ 3 4

Chunks:
  FalseNegative nam [1,2] = Skarby ukryte

(ChunkerEvaluator) Sentence #5053 from articles/00107565 from sent4

Text  : Dramat
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #5054 from articles/00107565 from sent5

Text  : Krzysztof Zanussi już nas przyzwyczaił do swoich „ Opowieści weekendowych ”  .
Tokens: 1________ 2______ 3__ 4__ 5___________ 6_ 7_____ 8 9________ 10__________ 11 12

Chunks:
  TruePositive nam [1,2] = Krzysztof Zanussi
  FalseNegative nam [9,10] = Opowieści weekendowych

(ChunkerEvaluator) Sentence #5055 from articles/00107565 from sent6

Text  : Udany cykl , zainicjowany przed pięciu laty , dziś legitymuje się ośmiu telewizyjnymi filmami o  ludziach ,  którzy w  rozmaitych ,  nieraz zaskakujących sytuacjach muszą dokonywać wyborów moralnych .
Tokens: 1____ 2___ 3 4___________ 5____ 6_____ 7___ 8 9___ 10________ 11_ 12___ 13___________ 14_____ 15 16______ 17 18____ 19 20________ 21 22____ 23___________ 24________ 25___ 26_______ 27_____ 28_______ 29

Chunks:

(ChunkerEvaluator) Sentence #5056 from articles/00107565 from sent7

Text  : W prostych na ogół historiach kryją się zawiłe kwestie i  niełatwe pytania .
Tokens: 1 2_______ 3_ 4___ 5_________ 6____ 7__ 8_____ 9______ 10 11______ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #5057 from articles/00107565 from sent8

Text  : „ Skarby ukryte ” są o uczciwości - mówił „  Gazecie ”  reżyser .
Tokens: 1 2_____ 3_____ 4 5_ 6 7_________ 8 9____ 10 11_____ 12 13_____ 14

Chunks:
  TruePositive nam [11,11] = Gazecie
  FalseNegative nam [2,3] = Skarby ukryte

(ChunkerEvaluator) Sentence #5058 from articles/00107565 from sent9

Text  : - Odnoszą się do dóbr zrabowanych , kradzionych , życia za nieuczciwe pieniądze .
Tokens: 1 2______ 3__ 4_ 5___ 6__________ 7 8__________ 9 10___ 11 12________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #5059 from articles/00107565 from sent10

Text  : W naszym społeczeństwie dotyczy to wielu ludzi , którzy w  posiadanie dóbr weszli nie do końca uczciwymi sposobami ”  .
Tokens: 1 2_____ 3_____________ 4______ 5_ 6____ 7____ 8 9_____ 10 11________ 12__ 13____ 14_ 15 16___ 17_______ 18_______ 19 20

Chunks:

(ChunkerEvaluator) Sentence #5060 from articles/00107565 from sent11

Text  : Arystokratka Róża ( Maja Komorowska ) przybywa do kraju z  Paryża .
Tokens: 1___________ 2___ 3 4___ 5_________ 6 7_______ 8_ 9____ 10 11____ 12

Chunks:
  TruePositive nam [4,5] = Maja Komorowska
  TruePositive nam [11,11] = Paryża
  FalsePositive nam [1,2] = Arystokratka Róża
  FalseNegative nam [2,2] = Róża

(ChunkerEvaluator) Sentence #5061 from articles/00107565 from sent12

Text  : Nie próbuje odzyskać odebranego przez komunistów pałacu , w którym teraz mieści się dom opieki nad starymi ludźmi .
Tokens: 1__ 2______ 3_______ 4_________ 5____ 6_________ 7_____ 8 9 10____ 11___ 12____ 13_ 14_ 15____ 16_ 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #5062 from articles/00107565 from sent13

Text  : Chce tylko odnaleźć kosztowności i pamiątki , zakopane przed laty w  pałacowym parku .
Tokens: 1___ 2____ 3_______ 4___________ 5 6_______ 7 8_______ 9____ 10__ 11 12_______ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #5063 from articles/00107565 from sent14

Text  : Spodziewa się pomocy po dawnym pracowniku ( Wojciech Siemion )  ,  ten jednak ukrywa się przed nią .
Tokens: 1________ 2__ 3_____ 4_ 5_____ 6_________ 7 8_______ 9______ 10 11 12_ 13____ 14____ 15_ 16___ 17_ 18

Chunks:
  TruePositive nam [8,9] = Wojciech Siemion

(ChunkerEvaluator) Sentence #5064 from articles/00107565 from sent15

Text  : Wacław Świeżyński
Tokens: 1_____ 2_________

Chunks:
  TruePositive nam [1,2] = Wacław Świeżyński

(ChunkerEvaluator) Sentence #5065 from articles/00107565 from sent16

Text  : Wacław Świeżyński
Tokens: 1_____ 2_________

Chunks:
  TruePositive nam [1,2] = Wacław Świeżyński

2016-10-27 14:59:36,295 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 200 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107566.xml
(ChunkerEvaluator) Sentence #5066 from articles/00107566 from sent1

Text  : Dekantacja , czyli dać winu odetchnąć
Tokens: 1_________ 2 3____ 4__ 5___ 6________

Chunks:

(ChunkerEvaluator) Sentence #5067 from articles/00107566 from sent2

Text  : Sommelier dekantujący wino przypomina Michała Sędziwoja skupionego na trudnej formule alchemicznej .
Tokens: 1________ 2__________ 3___ 4_________ 5______ 6________ 7_________ 8_ 9______ 10_____ 11__________ 12

Chunks:
  TruePositive nam [5,6] = Michała Sędziwoja

(ChunkerEvaluator) Sentence #5068 from articles/00107566 from sent3

Text  : Dekantacja jest często tak teatralna , że zamiast czynić wino bardziej przyjaznym ,  pompatycznymi gestami nas od niego oddala .
Tokens: 1_________ 2___ 3_____ 4__ 5________ 6 7_ 8______ 9_____ 10__ 11______ 12________ 13 14___________ 15_____ 16_ 17 18___ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #5069 from articles/00107566 from sent4

Text  : Jeden z najbardziej tradycyjnych rytuałów winiarskich jest zarazem najbardziej kontrowersyjny .
Tokens: 1____ 2 3__________ 4___________ 5_______ 6__________ 7___ 8______ 9__________ 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #5070 from articles/00107566 from sent5

Text  : Istnieją winomani nastawieni prodekantacyjnie , i ci do dekantacji usposobieni wrogo .
Tokens: 1_______ 2_______ 3_________ 4_______________ 5 6 7_ 8_ 9_________ 10_________ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #5071 from articles/00107566 from sent6

Text  : Żeby wyrobić sobie własne zdanie , warto poznać ogólne zasady :  Jak ?
Tokens: 1___ 2______ 3____ 4_____ 5_____ 6 7____ 8_____ 9_____ 10____ 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #5072 from articles/00107566 from sent7

Text  : Kiedy ?
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #5073 from articles/00107566 from sent8

Text  : Po co ?
Tokens: 1_ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #5074 from articles/00107566 from sent9

Text  : Z czym ?
Tokens: 1 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #5075 from articles/00107566 from sent10

Text  : A efekty wypróbować na własnym podniebieniu .
Tokens: 1 2_____ 3_________ 4_ 5______ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #5076 from articles/00107566 from sent11

Text  : Dekantacja jest czynnością banalną , ale stojące za nią dylematy już nie .
Tokens: 1_________ 2___ 3_________ 4______ 5 6__ 7______ 8_ 9__ 10______ 11_ 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #5077 from articles/00107566 from sent12

Text  : Musimy je rozwiązać sami .
Tokens: 1_____ 2_ 3________ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #5078 from articles/00107566 from sent13

Text  : Możemy coś zyskać , coś stracić .
Tokens: 1_____ 2__ 3_____ 4 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5079 from articles/00107566 from sent14

Text  : I nie ma na to formuły .
Tokens: 1 2__ 3_ 4_ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5080 from articles/00107566 from sent15

Text  : Każda butelka wina jest oddzielnym bytem , który starzeje się inaczej i  różnie reaguje na kontakt z  powietrzem .
Tokens: 1____ 2______ 3___ 4___ 5_________ 6____ 7 8____ 9_______ 10_ 11_____ 12 13____ 14_____ 15 16_____ 17 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #5081 from articles/00107566 from sent16

Text  : Współcześnie opracowano rozmaite urządzenia - aeratory , magnetyzatory - które wpływają na strukturę wina mechanicznie w  ciągu kilku minut .
Tokens: 1___________ 2_________ 3_______ 4_________ 5 6_______ 7 8____________ 9 10___ 11______ 12 13_______ 14__ 15__________ 16 17___ 18___ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #5082 from articles/00107566 from sent17

Text  : W antydekantacyjnym podejściu Peynauda , zalecającego obserwację zmian w kieliszku ,  jest więcej pokory .
Tokens: 1 2________________ 3________ 4_______ 5 6___________ 7_________ 8____ 9 10_______ 11 12__ 13____ 14____ 15

Chunks:
  FalseNegative nam [4,4] = Peynauda

(ChunkerEvaluator) Sentence #5083 from articles/00107566 from sent18

Text  : W końcu nie powinni śmy na siłę starać się postarzać czy odmładzać wina ;  ulegać pedantycznej obsesji serwowania go w  idealnej kondycji .
Tokens: 1 2____ 3__ 4______ 5__ 6_ 7___ 8_____ 9__ 10_______ 11_ 12_______ 13__ 14 15____ 16__________ 17_____ 18________ 19 20 21______ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #5084 from articles/00107566 from sent19

Text  : Powinni śmy raczej wchodzić z nim w dialog i akceptować je takim ,  jakie jest na swoim etapie ewolucji .
Tokens: 1______ 2__ 3_____ 4_______ 5 6__ 7 8_____ 9 10________ 11 12___ 13 14___ 15__ 16 17___ 18____ 19______ 20

Chunks:

2016-10-27 14:59:36,360 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 201 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107567.xml
(ChunkerEvaluator) Sentence #5085 from articles/00107567 from sent1

Text  : Gdyński TBS oddaje nowe mieszkania
Tokens: 1______ 2__ 3_____ 4___ 5_________

Chunks:
  FalseNegative nam [2,2] = TBS

(ChunkerEvaluator) Sentence #5086 from articles/00107567 from sent2

Text  : W Gdyni Wielkim Kacku 134 osoby odebrały wczoraj klucze do mieszkań ,  które wybudowało Towarzystwo Budownictwa Społecznego Czynszówka
Tokens: 1 2____ 3______ 4____ 5__ 6____ 7_______ 8______ 9_____ 10 11______ 12 13___ 14________ 15_________ 16_________ 17_________ 18________

Chunks:
  TruePositive nam [15,18] = Towarzystwo Budownictwa Społecznego Czynszówka
  FalsePositive nam [2,4] = Gdyni Wielkim Kacku
  FalseNegative nam [2,2] = Gdyni
  FalseNegative nam [3,4] = Wielkim Kacku

(ChunkerEvaluator) Sentence #5087 from articles/00107567 from sent3

Text  : Cztery nowe budynki stanęły przy ul . Radosnej .
Tokens: 1_____ 2___ 3______ 4______ 5___ 6_ 7 8_______ 9

Chunks:
  TruePositive nam [8,8] = Radosnej

(ChunkerEvaluator) Sentence #5088 from articles/00107567 from sent4

Text  : To nowa ulica w Wielkim Kacku , której nie ma jeszcze na mapach (  znajduje się w  okolicy ul .  Starodworcowej )  .
Tokens: 1_ 2___ 3____ 4 5______ 6____ 7 8_____ 9__ 10 11_____ 12 13____ 14 15______ 16_ 17 18_____ 19 20 21____________ 22 23

Chunks:
  TruePositive nam [5,6] = Wielkim Kacku
  TruePositive nam [21,21] = Starodworcowej

(ChunkerEvaluator) Sentence #5089 from articles/00107567 from sent5

Text  : W domach zbudowanych przez gdyński TBS mieszkania mają powierzchnię od 32 do 73 mkw .
Tokens: 1 2_____ 3__________ 4____ 5______ 6__ 7_________ 8___ 9___________ 10 11 12 13 14_ 15

Chunks:
  FalseNegative nam [6,6] = TBS

(ChunkerEvaluator) Sentence #5090 from articles/00107567 from sent6

Text  : Wczoraj klucze do nich odebrały 134 rodziny .
Tokens: 1______ 2_____ 3_ 4___ 5_______ 6__ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #5091 from articles/00107567 from sent7

Text  : Zgodnie z zasadami działania TBS , najemcy nie będą mogli wykupić mieszkań na własność .
Tokens: 1______ 2 3_______ 4________ 5__ 6 7______ 8__ 9___ 10___ 11_____ 12______ 13 14______ 15

Chunks:
  FalseNegative nam [5,5] = TBS

(ChunkerEvaluator) Sentence #5092 from articles/00107567 from sent8

Text  : Wpłacili kaucję stanowiącą kilkadziesiąt procent wartości mieszkania i będą płacili czynsz ,  którego wysokość też zależy od wartości mieszkania .
Tokens: 1_______ 2_____ 3_________ 4____________ 5______ 6_______ 7_________ 8 9___ 10_____ 11____ 12 13_____ 14______ 15_ 16____ 17 18______ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #5093 from articles/00107567 from sent9

Text  : - Postawienie tych czterech budynków kosztowało ok . 16 mln zł -  mówią przedstawiciele Czynszówki .
Tokens: 1 2__________ 3___ 4_______ 5_______ 6_________ 7_ 8 9_ 10_ 11 12 13___ 14_____________ 15________ 16

Chunks:
  TruePositive nam [11,11] = zł
  TruePositive nam [15,15] = Czynszówki

(ChunkerEvaluator) Sentence #5094 from articles/00107567 from sent10

Text  : Tym samym TBS w Gdyni ma już w swoim zarządzie ponad 500 mieszkań .
Tokens: 1__ 2____ 3__ 4 5____ 6_ 7__ 8 9____ 10_______ 11___ 12_ 13______ 14

Chunks:
  TruePositive nam [5,5] = Gdyni
  FalseNegative nam [3,3] = TBS

2016-10-27 14:59:36,404 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 202 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107568.xml
(ChunkerEvaluator) Sentence #5095 from articles/00107568 from sent1

Text  : Będą ekstra pieniądze dla bezrobotnych
Tokens: 1___ 2_____ 3________ 4__ 5___________

Chunks:

(ChunkerEvaluator) Sentence #5096 from articles/00107568 from sent2

Text  : Blisko 2 , 5 mln zł trafi na Podkarpacie na realizację programów aktywizujących osoby bezrobotne .
Tokens: 1_____ 2 3 4 5__ 6_ 7____ 8_ 9__________ 10 11________ 12_______ 13____________ 14___ 15________ 16

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [9,9] = Podkarpacie

(ChunkerEvaluator) Sentence #5097 from articles/00107568 from sent3

Text  : Pieniądze muszą być wykorzystane do końca roku .
Tokens: 1________ 2____ 3__ 4___________ 5_ 6____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #5098 from articles/00107568 from sent4

Text  : Ministerstwo Pracy i Polityki Społecznej przekaże urzędom pracy na Podkarpaciu dodatkowe 2  mln 420 tys .  zł .
Tokens: 1___________ 2____ 3 4_______ 5_________ 6_______ 7______ 8____ 9_ 10_________ 11_______ 12 13_ 14_ 15_ 16 17 18

Chunks:
  TruePositive nam [1,5] = Ministerstwo Pracy i Polityki Społecznej
  TruePositive nam [17,17] = zł
  FalseNegative nam [10,10] = Podkarpaciu

(ChunkerEvaluator) Sentence #5099 from articles/00107568 from sent5

Text  : Są to pieniądze z funduszu pracy i będą przeznaczone na realizację programów aktywizujących osoby bezrobotne .
Tokens: 1_ 2_ 3________ 4 5_______ 6____ 7 8___ 9___________ 10 11________ 12_______ 13____________ 14___ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #5100 from articles/00107568 from sent6

Text  : W Nisku , Jaśle i Leżajsku trafią do osób ,  które chcą założyć własny biznes .
Tokens: 1 2____ 3 4____ 5 6_______ 7_____ 8_ 9___ 10 11___ 12__ 13_____ 14____ 15____ 16

Chunks:
  TruePositive nam [2,2] = Nisku
  TruePositive nam [4,4] = Jaśle
  TruePositive nam [6,6] = Leżajsku

(ChunkerEvaluator) Sentence #5101 from articles/00107568 from sent7

Text  : Podobnie będzie w innych powiatach .
Tokens: 1_______ 2_____ 3 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #5102 from articles/00107568 from sent8

Text  : Pieniądze muszą zostać wykorzystane do końca tego roku .
Tokens: 1________ 2____ 3_____ 4___________ 5_ 6____ 7___ 8___ 9

Chunks:

2016-10-27 14:59:36,434 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 203 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107569.xml
(ChunkerEvaluator) Sentence #5103 from articles/00107569 from sent1

Text  : Urodziny Palmy - konferencja w CSW
Tokens: 1_______ 2____ 3 4__________ 5 6__

Chunks:
  FalsePositive nam [2,2] = Palmy
  FalseNegative nam [1,2] = Urodziny Palmy
  FalseNegative nam [6,6] = CSW

(ChunkerEvaluator) Sentence #5104 from articles/00107569 from sent2

Text  : Dzieło Joanny Rajkowskiej „ Pozdrowienia z Alej Jerozolimskich ” ma już 9  lat .
Tokens: 1_____ 2_____ 3__________ 4 5___________ 6 7___ 8_____________ 9 10 11_ 12 13_ 14

Chunks:
  FalsePositive nam [2,2] = Joanny
  FalsePositive nam [7,8] = Alej Jerozolimskich
  FalseNegative nam [2,3] = Joanny Rajkowskiej
  FalseNegative nam [5,8] = Pozdrowienia z Alej Jerozolimskich

(ChunkerEvaluator) Sentence #5105 from articles/00107569 from sent3

Text  : Palma stanęła na rondzie de Gaulle'a 12 grudnia 2002 r  .
Tokens: 1____ 2______ 3_ 4______ 5_ 6_______ 7_ 8______ 9___ 10 11

Chunks:
  FalsePositive nam [6,6] = Gaulle'a
  FalseNegative nam [4,6] = rondzie de Gaulle'a

(ChunkerEvaluator) Sentence #5106 from articles/00107569 from sent4

Text  : Z tej okazji Centrum Sztuki Współczesnej organizuje konferencję „ Sztuka +  Architektura +  Miasto ”  .
Tokens: 1 2__ 3_____ 4______ 5_____ 6___________ 7_________ 8__________ 9 10____ 11 12__________ 13 14____ 15 16

Chunks:
  TruePositive nam [4,6] = Centrum Sztuki Współczesnej
  FalsePositive nam [10,10] = Sztuka
  FalsePositive nam [12,14] = Architektura + Miasto
  FalseNegative nam [10,14] = Sztuka + Architektura + Miasto

(ChunkerEvaluator) Sentence #5107 from articles/00107569 from sent5

Text  : Dobrze pamiętamy boje o Palmę i liczne kontrowersje , które towarzyszyły jej stawianiu .
Tokens: 1_____ 2________ 3___ 4 5____ 6 7_____ 8___________ 9 10___ 11__________ 12_ 13_______ 14

Chunks:
  FalsePositive nam [5,5] = Palmę

(ChunkerEvaluator) Sentence #5108 from articles/00107569 from sent6

Text  : Ani publiczność ani urzędnicy nie byli jeszcze wówczas na tak szalone dzieła przygotowani .
Tokens: 1__ 2__________ 3__ 4________ 5__ 6___ 7______ 8______ 9_ 10_ 11_____ 12____ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #5109 from articles/00107569 from sent7

Text  : Teraz miasto samo wychodzi z inicjatywą , wskazuje miejsca ,  w  których mogą być realizowane podobne projekty ,  wspiera je finansowo .
Tokens: 1____ 2_____ 3___ 4_______ 5 6_________ 7 8_______ 9______ 10 11 12_____ 13__ 14_ 15_________ 16_____ 17______ 18 19_____ 20 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #5110 from articles/00107569 from sent8

Text  : Czy ten system dobrze działa ?
Tokens: 1__ 2__ 3_____ 4_____ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #5111 from articles/00107569 from sent9

Text  : Czego oczekują artyści , a czego mieszkańcy i urzędnicy ?
Tokens: 1____ 2_______ 3______ 4 5 6____ 7_________ 8 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #5112 from articles/00107569 from sent10

Text  : Przez kilka dni w CSW Zamek Ujazdowski dyskutować o tym będą eksperci ,  artyści ,  architekci ,  pracownicy administracji miejskiej oraz przedstawiciele organizacji pozarządowych .
Tokens: 1____ 2____ 3__ 4 5__ 6____ 7_________ 8_________ 9 10_ 11__ 12______ 13 14_____ 15 16________ 17 18________ 19___________ 20_______ 21__ 22_____________ 23_________ 24___________ 25

Chunks:
  FalsePositive nam [6,7] = Zamek Ujazdowski
  FalseNegative nam [5,7] = CSW Zamek Ujazdowski

(ChunkerEvaluator) Sentence #5113 from articles/00107569 from sent11

Text  : Program konferencji :
Tokens: 1______ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #5114 from articles/00107569 from sent12

Text  : godz . 17 . 30 - powitalne przemówienia Fabia Cavallucciego ,  dyrektora CSW Zamek Ujazdowski i  Małgorzaty Naimskiej ,  wicedyrektorki Biura Kultury Urzędu m  .  st .  Warszawy
Tokens: 1___ 2 3_ 4 5_ 6 7________ 8___________ 9____ 10___________ 11 12_______ 13_ 14___ 15________ 16 17________ 18_______ 19 20____________ 21___ 22_____ 23____ 24 25 26 27 28______

Chunks:
  TruePositive nam [9,10] = Fabia Cavallucciego
  TruePositive nam [17,18] = Małgorzaty Naimskiej
  TruePositive nam [21,28] = Biura Kultury Urzędu m . st . Warszawy
  FalsePositive nam [14,15] = Zamek Ujazdowski
  FalseNegative nam [13,15] = CSW Zamek Ujazdowski

(ChunkerEvaluator) Sentence #5115 from articles/00107569 from sent13

Text  : godz . 18 . 15 - wykład Toma Finkelpearla ,  dyrektora Queens Museum of Art w  Nowym Jorku „  Who is public art for ?
Tokens: 1___ 2 3_ 4 5_ 6 7_____ 8___ 9___________ 10 11_______ 12____ 13____ 14 15_ 16 17___ 18___ 19 20_ 21 22____ 23_ 24_ 25

Chunks:
  TruePositive nam [8,9] = Toma Finkelpearla
  TruePositive nam [12,15] = Queens Museum of Art
  TruePositive nam [17,18] = Nowym Jorku

(ChunkerEvaluator) Sentence #5116 from articles/00107569 from sent14

Text  : / Dla kogo jest sztuka w przestrzeni publicznej ? ”
Tokens: 1 2__ 3___ 4___ 5_____ 6 7__________ 8_________ 9 10

Chunks:

(ChunkerEvaluator) Sentence #5117 from articles/00107569 from sent15

Text  : godz . 17 . 30 - wystąpienie Marka Kraszewskiego ,  dyrektora Biura Kultury Urzędu m  .  st .  Warszawy
Tokens: 1___ 2 3_ 4 5_ 6 7__________ 8____ 9____________ 10 11_______ 12___ 13_____ 14____ 15 16 17 18 19______

Chunks:
  TruePositive nam [8,9] = Marka Kraszewskiego
  FalsePositive nam [13,19] = Kultury Urzędu m . st . Warszawy
  FalseNegative nam [12,19] = Biura Kultury Urzędu m . st . Warszawy

(ChunkerEvaluator) Sentence #5118 from articles/00107569 from sent16

Text  : godz . 17 . 45 - wprowadzenie Tomasza Gamdzyka ,  naczelnika Wydziału Estetyki Przestrzeni Publicznej stołecznego urzędu
Tokens: 1___ 2 3_ 4 5_ 6 7___________ 8______ 9_______ 10 11________ 12______ 13______ 14_________ 15________ 16_________ 17____

Chunks:
  TruePositive nam [8,9] = Tomasza Gamdzyka
  TruePositive nam [12,15] = Wydziału Estetyki Przestrzeni Publicznej

(ChunkerEvaluator) Sentence #5119 from articles/00107569 from sent17

Text  : godz . 18 - Prezentacja Jakuba Szczęsnego , architekta z  Grupy Projektowej Centrala „  Doświadczenia w  pracy nad ingerencjami architektonicznymi z  politykami i  społecznościami lokalnymi w  Polsce i  za granicą ”  .
Tokens: 1___ 2 3_ 4 5__________ 6_____ 7_________ 8 9_________ 10 11___ 12_________ 13______ 14 15___________ 16 17___ 18_ 19__________ 20________________ 21 22________ 23 24_____________ 25_______ 26 27____ 28 29 30_____ 31 32

Chunks:
  FalsePositive nam [5,7] = Prezentacja Jakuba Szczęsnego
  FalsePositive nam [11,15] = Grupy Projektowej Centrala „ Doświadczenia
  FalsePositive nam [27,27] = Polsce
  FalseNegative nam [6,7] = Jakuba Szczęsnego
  FalseNegative nam [11,13] = Grupy Projektowej Centrala
  FalseNegative nam [15,30] = Doświadczenia w pracy nad ingerencjami architektonicznymi z politykami i społecznościami lokalnymi w Polsce i za granicą

(ChunkerEvaluator) Sentence #5120 from articles/00107569 from sent18

Text  : godz . 17 . 30 - powitalne wystąpienie Leszka Napiontka z  biura kultury m  .  st .  Warszawy
Tokens: 1___ 2 3_ 4 5_ 6 7________ 8__________ 9_____ 10_______ 11 12___ 13_____ 14 15 16 17 18______

Chunks:
  TruePositive nam [9,10] = Leszka Napiontka
  FalsePositive nam [18,18] = Warszawy
  FalseNegative nam [12,18] = biura kultury m . st . Warszawy

(ChunkerEvaluator) Sentence #5121 from articles/00107569 from sent19

Text  : godz . 17 . 45 - prezentacja Magdaleny Materny ,  prezes Fundacji Open Art Projects Open Art Projects „  Opening Doors /  Otwierając drzwi ”
Tokens: 1___ 2 3_ 4 5_ 6 7__________ 8________ 9______ 10 11____ 12______ 13__ 14_ 15______ 16__ 17_ 18______ 19 20_____ 21___ 22 23________ 24___ 25

Chunks:
  TruePositive nam [8,9] = Magdaleny Materny
  FalsePositive nam [12,21] = Fundacji Open Art Projects Open Art Projects „ Opening Doors
  FalseNegative nam [12,15] = Fundacji Open Art Projects
  FalseNegative nam [16,18] = Open Art Projects
  FalseNegative nam [20,24] = Opening Doors / Otwierając drzwi

(ChunkerEvaluator) Sentence #5122 from articles/00107569 from sent20

Text  : godz . 18 . 15 - wykład Charlotte Cohen z  biura ds .  Sztuk Wizualnych w  Centralnej Administracji Amerykańskiej „  Art and the City :  Approaches to Programs and Projects /  Sztuka i  miasto :  programy i  projekty ”
Tokens: 1___ 2 3_ 4 5_ 6 7_____ 8________ 9____ 10 11___ 12 13 14___ 15________ 16 17________ 18___________ 19___________ 20 21_ 22_ 23_ 24__ 25 26________ 27 28______ 29_ 30______ 31 32____ 33 34____ 35 36______ 37 38______ 39

Chunks:
  TruePositive nam [8,9] = Charlotte Cohen
  FalsePositive nam [14,24] = Sztuk Wizualnych w Centralnej Administracji Amerykańskiej „ Art and the City
  FalsePositive nam [32,32] = Sztuka
  FalseNegative nam [14,19] = Sztuk Wizualnych w Centralnej Administracji Amerykańskiej
  FalseNegative nam [21,38] = Art and the City : Approaches to Programs and Projects / Sztuka i miasto : programy i projekty

2016-10-27 14:59:36,540 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 204 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107570.xml
(ChunkerEvaluator) Sentence #5123 from articles/00107570 from sent1

Text  : Kandydaci na prezydenta Rybnika
Tokens: 1________ 2_ 3_________ 4______

Chunks:
  TruePositive nam [4,4] = Rybnika

(ChunkerEvaluator) Sentence #5124 from articles/00107570 from sent2

Text  : Kuźnik Stanisław ( Sojusz Lewicy Demokratycznej ) - Koalicyjny Komitet Wyborczy Sojusz Lewicy Demokratycznej -  Unia Pracy ,  lat 52 ,  wykształcenie wyższe
Tokens: 1_____ 2________ 3 4_____ 5_____ 6_____________ 7 8 9_________ 10_____ 11______ 12____ 13____ 14____________ 15 16__ 17___ 18 19_ 20 21 22___________ 23____

Chunks:
  TruePositive nam [1,2] = Kuźnik Stanisław
  TruePositive nam [4,6] = Sojusz Lewicy Demokratycznej
  TruePositive nam [9,17] = Koalicyjny Komitet Wyborczy Sojusz Lewicy Demokratycznej - Unia Pracy

(ChunkerEvaluator) Sentence #5125 from articles/00107570 from sent3

Text  : Sobierajski Czesław - Komitet Wyborczy Liga Polskich Rodzin , lat 50 ,  wykształcenie średnie
Tokens: 1__________ 2______ 3 4______ 5_______ 6___ 7_______ 8_____ 9 10_ 11 12 13___________ 14_____

Chunks:
  TruePositive nam [1,2] = Sobierajski Czesław
  FalsePositive nam [6,8] = Liga Polskich Rodzin
  FalseNegative nam [4,8] = Komitet Wyborczy Liga Polskich Rodzin

(ChunkerEvaluator) Sentence #5126 from articles/00107570 from sent4

Text  : Materna Janusz Marek ( Platforma Obywatelska Rzeczpospolitej Polskiej ) -  Komitet Wyborczy Platforma Obywatelska Rzeczypospolitej Polskiej ,  lat 48 ,  wykształcenie wyższe
Tokens: 1______ 2_____ 3____ 4 5________ 6__________ 7______________ 8_______ 9 10 11_____ 12______ 13_______ 14_________ 15______________ 16______ 17 18_ 19 20 21___________ 22____

Chunks:
  TruePositive nam [1,3] = Materna Janusz Marek
  TruePositive nam [11,16] = Komitet Wyborczy Platforma Obywatelska Rzeczypospolitej Polskiej
  FalsePositive nam [5,6] = Platforma Obywatelska
  FalsePositive nam [7,8] = Rzeczpospolitej Polskiej
  FalseNegative nam [5,8] = Platforma Obywatelska Rzeczpospolitej Polskiej

(ChunkerEvaluator) Sentence #5127 from articles/00107570 from sent5

Text  : Pruszkowski Tadeusz Antoni ( Polskie Stronnictwo Ludowe ) - Komitet Wyborczy Polskiego Stronnictwa Ludowego ,  lat 54 ,  wykształcenie wyższe
Tokens: 1__________ 2______ 3_____ 4 5______ 6__________ 7_____ 8 9 10_____ 11______ 12_______ 13_________ 14______ 15 16_ 17 18 19___________ 20____

Chunks:
  TruePositive nam [5,7] = Polskie Stronnictwo Ludowe
  TruePositive nam [10,14] = Komitet Wyborczy Polskiego Stronnictwa Ludowego
  FalsePositive nam [2,3] = Tadeusz Antoni
  FalseNegative nam [1,3] = Pruszkowski Tadeusz Antoni

(ChunkerEvaluator) Sentence #5128 from articles/00107570 from sent6

Text  : Jędryka Marcin Edmund ( Samoobrona RP ) - Komitet Wyborczy Samoobrona Rzeczypospolitej Polskiej ,  lat 26 ,  wykształcenie wyższe
Tokens: 1______ 2_____ 3_____ 4 5_________ 6_ 7 8 9______ 10______ 11________ 12______________ 13______ 14 15_ 16 17 18___________ 19____

Chunks:
  TruePositive nam [5,6] = Samoobrona RP
  FalsePositive nam [2,3] = Marcin Edmund
  FalsePositive nam [11,13] = Samoobrona Rzeczypospolitej Polskiej
  FalseNegative nam [1,3] = Jędryka Marcin Edmund
  FalseNegative nam [9,13] = Komitet Wyborczy Samoobrona Rzeczypospolitej Polskiej

(ChunkerEvaluator) Sentence #5129 from articles/00107570 from sent7

Text  : Fudali Adam - Komitet Wyborczy Wyborców Blok Samorządowy Rybnik ,  lat 51 ,  wykształcenie średnie
Tokens: 1_____ 2___ 3 4______ 5_______ 6_______ 7___ 8__________ 9_____ 10 11_ 12 13 14___________ 15_____

Chunks:
  FalsePositive nam [2,2] = Adam
  FalsePositive nam [6,9] = Wyborców Blok Samorządowy Rybnik
  FalseNegative nam [1,2] = Fudali Adam
  FalseNegative nam [4,9] = Komitet Wyborczy Wyborców Blok Samorządowy Rybnik

2016-10-27 14:59:36,574 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 205 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107571.xml
(ChunkerEvaluator) Sentence #5130 from articles/00107571 from sent1

Text  : Nie sprzedali śmy Polski
Tokens: 1__ 2________ 3__ 4_____

Chunks:
  TruePositive nam [4,4] = Polski

(ChunkerEvaluator) Sentence #5131 from articles/00107571 from sent2

Text  : Nie będziemy spłacali cudzych długów .
Tokens: 1__ 2_______ 3_______ 4______ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #5132 from articles/00107571 from sent3

Text  : Chodziło nam o to , żeby zostać w kręgu krajów ,  w  którym podejmuje się istotne decyzje UE
Tokens: 1_______ 2__ 3 4_ 5 6___ 7_____ 8 9____ 10____ 11 12 13____ 14_______ 15_ 16_____ 17_____ 18

Chunks:
  TruePositive nam [18,18] = UE

(ChunkerEvaluator) Sentence #5133 from articles/00107571 from sent4

Text  : Rozmowa z Radosławem Sikorskim ministrem spraw zagranicznych
Tokens: 1______ 2 3_________ 4________ 5________ 6____ 7____________

Chunks:
  TruePositive nam [3,4] = Radosławem Sikorskim

(ChunkerEvaluator) Sentence #5134 from articles/00107571 from sent5

Text  : Paweł Wroński : Oddali śmy na szczycie w Brukseli Polskę Angeli Merkel ?
Tokens: 1____ 2______ 3 4_____ 5__ 6_ 7_______ 8 9_______ 10____ 11____ 12____ 13

Chunks:
  TruePositive nam [1,2] = Paweł Wroński
  TruePositive nam [11,12] = Angeli Merkel
  FalsePositive nam [9,10] = Brukseli Polskę
  FalseNegative nam [7,7] = szczycie
  FalseNegative nam [9,9] = Brukseli
  FalseNegative nam [10,10] = Polskę

(ChunkerEvaluator) Sentence #5135 from articles/00107571 from sent6

Text  : Radosław Sikorski : W mówieniu agresywnych niedorzeczności polityków części naszej opozycji nie przebiję .
Tokens: 1_______ 2_______ 3 4 5_______ 6__________ 7______________ 8________ 9_____ 10____ 11______ 12_ 13______ 14

Chunks:
  TruePositive nam [1,2] = Radosław Sikorski

(ChunkerEvaluator) Sentence #5136 from articles/00107571 from sent7

Text  : Jak rozumiem , doktryna polityki zagranicznej PiS polega na tym ,  że należy się w  każdej sytuacji sprzeciwiać się Niemcom .
Tokens: 1__ 2_______ 3 4_______ 5_______ 6___________ 7__ 8_____ 9_ 10_ 11 12 13____ 14_ 15 16____ 17______ 18_________ 19_ 20_____ 21

Chunks:
  TruePositive nam [7,7] = PiS
  TruePositive nam [20,20] = Niemcom

(ChunkerEvaluator) Sentence #5137 from articles/00107571 from sent8

Text  : Nawet wtedy , gdy Niemcy proponują reformy , których sukces leży w  naszym interesie .
Tokens: 1____ 2____ 3 4__ 5_____ 6________ 7______ 8 9______ 10____ 11__ 12 13____ 14_______ 15

Chunks:
  TruePositive nam [5,5] = Niemcy

(ChunkerEvaluator) Sentence #5138 from articles/00107571 from sent9

Text  : Rząd nie akceptuje tej logiki .
Tokens: 1___ 2__ 3________ 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #5139 from articles/00107571 from sent10

Text  : W Berlinie mówił em , że największym zagrożeniem dla bezpieczeństwa i  dobrobytu Polski był by upadek strefy euro .
Tokens: 1 2_______ 3____ 4_ 5 6_ 7__________ 8__________ 9__ 10____________ 11 12_______ 13____ 14_ 15 16____ 17____ 18__ 19

Chunks:
  TruePositive nam [2,2] = Berlinie
  TruePositive nam [13,13] = Polski
  FalsePositive nam [18,18] = euro
  FalseNegative nam [17,18] = strefy euro

(ChunkerEvaluator) Sentence #5140 from articles/00107571 from sent11

Text  : Wzywał em Niemcy do przejęcia inicjatywy oraz poniesienia największych kosztów odsunięcia tego niebezpieczeństwa .
Tokens: 1_____ 2_ 3_____ 4_ 5________ 6_________ 7___ 8__________ 9___________ 10_____ 11________ 12__ 13_______________ 14

Chunks:
  TruePositive nam [3,3] = Niemcy

(ChunkerEvaluator) Sentence #5141 from articles/00107571 from sent12

Text  : Przygotował em pole dla premiera Tuska , który wbrew próbom wykluczenia nas uzyskał na szczycie udział Polski w  kręgu decyzyjnym unii fiskalnej .
Tokens: 1__________ 2_ 3___ 4__ 5_______ 6____ 7 8____ 9____ 10____ 11_________ 12_ 13_____ 14 15______ 16____ 17____ 18 19___ 20________ 21__ 22_______ 23

Chunks:
  TruePositive nam [6,6] = Tuska
  TruePositive nam [17,17] = Polski
  FalseNegative nam [15,15] = szczycie
  FalseNegative nam [21,22] = unii fiskalnej

(ChunkerEvaluator) Sentence #5142 from articles/00107571 from sent13

Text  : Pojawiają się komentarze , że ceną za ratowanie euro jest osłabienie jedności Unii .
Tokens: 1________ 2__ 3_________ 4 5_ 6___ 7_ 8________ 9___ 10__ 11________ 12______ 13__ 14

Chunks:
  TruePositive nam [9,9] = euro
  FalseNegative nam [13,13] = Unii

(ChunkerEvaluator) Sentence #5143 from articles/00107571 from sent14

Text  : Wielka Brytania postawiła weto , jedność europejska się cofa .
Tokens: 1_____ 2_______ 3________ 4___ 5 6______ 7_________ 8__ 9___ 10

Chunks:
  TruePositive nam [1,2] = Wielka Brytania

(ChunkerEvaluator) Sentence #5144 from articles/00107571 from sent15

Text  : - Nie powinni śmy się cieszyć z ewentualnej rysy na jedności europejskiej .
Tokens: 1 2__ 3______ 4__ 5__ 6______ 7 8__________ 9___ 10 11______ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #5145 from articles/00107571 from sent16

Text  : Wielka Brytania jest ważnym krajem i ważnym głosem w obronie wolnego rynku i  związków transatlantyckich .
Tokens: 1_____ 2_______ 3___ 4_____ 5_____ 6 7_____ 8_____ 9 10_____ 11_____ 12___ 13 14______ 15_______________ 16

Chunks:
  TruePositive nam [1,2] = Wielka Brytania

(ChunkerEvaluator) Sentence #5146 from articles/00107571 from sent17

Text  : Natomiast nie rozumiem , dlaczego premier Cameron nie był skłonny zaakceptować zwiększenia odpowiedzialności finansowej wewnątrz strefy euro .
Tokens: 1________ 2__ 3_______ 4 5_______ 6______ 7______ 8__ 9__ 10_____ 11__________ 12_________ 13_______________ 14________ 15______ 16____ 17__ 18

Chunks:
  FalsePositive nam [17,17] = euro
  FalseNegative nam [7,7] = Cameron
  FalseNegative nam [16,17] = strefy euro

(ChunkerEvaluator) Sentence #5147 from articles/00107571 from sent18

Text  : Z jego niedawnych wypowiedzi wynikało , że Wielka Brytania może zaakceptować zmiany traktatowe ,  jeśli będą dotyczyły wyłącznie krajów euro .
Tokens: 1 2___ 3_________ 4_________ 5_______ 6 7_ 8_____ 9_______ 10__ 11__________ 12____ 13________ 14 15___ 16__ 17_______ 18_______ 19____ 20__ 21

Chunks:
  TruePositive nam [8,9] = Wielka Brytania
  TruePositive nam [20,20] = euro

(ChunkerEvaluator) Sentence #5148 from articles/00107571 from sent19

Text  : Przewodniczący Rady Europejskiej zaproponował nawet rozwiązanie nietraktatowe , wiążące tylko państwa euro ,  i  nagle Wielka Brytania uznała ,  że jej to przeszkadza .
Tokens: 1_____________ 2___ 3___________ 4___________ 5____ 6__________ 7____________ 8 9______ 10___ 11_____ 12__ 13 14 15___ 16____ 17______ 18____ 19 20 21_ 22 23_________ 24

Chunks:
  TruePositive nam [2,3] = Rady Europejskiej
  TruePositive nam [12,12] = euro
  TruePositive nam [16,17] = Wielka Brytania

(ChunkerEvaluator) Sentence #5149 from articles/00107571 from sent20

Text  : Londyn przedstawił własne propozycje i warunki .
Tokens: 1_____ 2__________ 3_____ 4_________ 5 6______ 7

Chunks:
  TruePositive nam [1,1] = Londyn

(ChunkerEvaluator) Sentence #5150 from articles/00107571 from sent21

Text  : - Wielka Brytania zdefiniowała uratowanie strefy euro jako ważny interes Wielkiej Brytanii ,  po czym zażądała ,  aby za jej zgodę na realizację tego interesu zapłacić .
Tokens: 1 2_____ 3_______ 4___________ 5_________ 6_____ 7___ 8___ 9____ 10_____ 11______ 12______ 13 14 15__ 16______ 17 18_ 19 20_ 21___ 22 23________ 24__ 25______ 26______ 27

Chunks:
  TruePositive nam [2,3] = Wielka Brytania
  TruePositive nam [11,12] = Wielkiej Brytanii
  FalsePositive nam [7,7] = euro
  FalseNegative nam [6,7] = strefy euro

(ChunkerEvaluator) Sentence #5151 from articles/00107571 from sent22

Text  : Zresztą brytyjska propozycja zapisów protokolarnych wpłynęła 24 godziny przed szczytem .
Tokens: 1______ 2________ 3_________ 4______ 5_____________ 6_______ 7_ 8______ 9____ 10______ 11

Chunks:
  FalseNegative nam [10,10] = szczytem

(ChunkerEvaluator) Sentence #5152 from articles/00107571 from sent23

Text  : Nasze doświadczenie w polityce europejskiej wskazuje , że to stanowczo za późno .
Tokens: 1____ 2____________ 3 4_______ 5___________ 6_______ 7 8_ 9_ 10_______ 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #5153 from articles/00107571 from sent24

Text  : Większość społeczeństwa i prasy brytyjskiej przyjęła entuzjastycznie decyzje premiera Camerona .
Tokens: 1________ 2____________ 3 4____ 5__________ 6_______ 7______________ 8______ 9_______ 10______ 11

Chunks:
  FalseNegative nam [10,10] = Camerona

(ChunkerEvaluator) Sentence #5154 from articles/00107571 from sent25

Text  : Mam wrażenie , że stał się on ofiarą wieloletniej antyeuropejskiej propagandy wewnątrz Wielkiej Brytanii .
Tokens: 1__ 2_______ 3 4_ 5___ 6__ 7_ 8_____ 9___________ 10______________ 11________ 12______ 13______ 14______ 15

Chunks:
  TruePositive nam [13,14] = Wielkiej Brytanii

(ChunkerEvaluator) Sentence #5155 from articles/00107571 from sent26

Text  : Szkoda , że koledzy brytyjscy nie tłumaczą swojemu społeczeństwu ,  ile Wielka Brytania korzysta na Unii ,  i  że dyrektywy europejskie nie są dekretami biurokracji brukselskiej ,  lecz kompromisami na które wszyscy -  jako państwa członkowskie -  musimy się zgodzić .
Tokens: 1_____ 2 3_ 4______ 5________ 6__ 7_______ 8______ 9____________ 10 11_ 12____ 13______ 14______ 15 16__ 17 18 19 20_______ 21_________ 22_ 23 24_______ 25_________ 26__________ 27 28__ 29__________ 30 31___ 32_____ 33 34__ 35_____ 36__________ 37 38____ 39_ 40_____ 41

Chunks:
  TruePositive nam [12,13] = Wielka Brytania
  FalseNegative nam [16,16] = Unii

(ChunkerEvaluator) Sentence #5156 from articles/00107571 from sent27

Text  : Polską ideą było , aby dyscyplina finansowa była nadzorowana przez instytucje unijne .
Tokens: 1_____ 2___ 3___ 4 5__ 6_________ 7________ 8___ 9__________ 10___ 11________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #5157 from articles/00107571 from sent28

Text  : Wiele wskazuje , że tak nie będzie , ze względu na opór Londynu ,  który twierdzi ,  że za nie płaci .
Tokens: 1____ 2_______ 3 4_ 5__ 6__ 7_____ 8 9_ 10_____ 11 12__ 13_____ 14 15___ 16______ 17 18 19 20_ 21___ 22

Chunks:
  TruePositive nam [13,13] = Londynu

(ChunkerEvaluator) Sentence #5158 from articles/00107571 from sent29

Text  : - To jedna z interpretacji .
Tokens: 1 2_ 3____ 4 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #5159 from articles/00107571 from sent30

Text  : Ja mam nadzieję , że nadal istotną rolę będą w  tym procesie odgrywały instytucje unijne .
Tokens: 1_ 2__ 3_______ 4 5_ 6____ 7______ 8___ 9___ 10 11_ 12______ 13_______ 14________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #5160 from articles/00107571 from sent31

Text  : Poczekajmy na konkretne szczegółowe zapisy w umowach .
Tokens: 1_________ 2_ 3________ 4__________ 5_____ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #5161 from articles/00107571 from sent32

Text  : Jakie będzie pana zdaniem ostateczne stanowisko Szwecji , Węgier i  Czech ,  które zadeklarowały ,  że przed przystąpieniem do paktu fiskalnego zapytają się własnych parlamentów .
Tokens: 1____ 2_____ 3___ 4______ 5_________ 6_________ 7______ 8 9_____ 10 11___ 12 13___ 14___________ 15 16 17___ 18____________ 19 20___ 21________ 22______ 23_ 24______ 25_________ 26

Chunks:
  TruePositive nam [7,7] = Szwecji
  TruePositive nam [9,9] = Węgier
  TruePositive nam [11,11] = Czech

(ChunkerEvaluator) Sentence #5162 from articles/00107571 from sent33

Text  : - Dla takich krajów jak Szwecja , Węgry i Czechy ,  a  także Polska ,  uczestnictwo w  tych porozumieniach jest raczej wyrazem naszej solidarności europejskiej .
Tokens: 1 2__ 3_____ 4_____ 5__ 6______ 7 8____ 9 10____ 11 12 13___ 14____ 15 16__________ 17 18__ 19____________ 20__ 21____ 22_____ 23____ 24__________ 25__________ 26

Chunks:
  TruePositive nam [6,6] = Szwecja
  TruePositive nam [8,8] = Węgry
  TruePositive nam [10,10] = Czechy
  TruePositive nam [14,14] = Polska

(ChunkerEvaluator) Sentence #5163 from articles/00107571 from sent34

Text  : Traktaty będą dotyczyły zarządzania w strefie euro , w której nie jesteśmy .
Tokens: 1_______ 2___ 3________ 4__________ 5 6______ 7___ 8 9 10____ 11_ 12______ 13

Chunks:
  FalsePositive nam [7,7] = euro

(ChunkerEvaluator) Sentence #5164 from articles/00107571 from sent35

Text  : Chodzi raczej o powiedzenie , że chcemy dalszej integracji .
Tokens: 1_____ 2_____ 3 4__________ 5 6_ 7_____ 8______ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #5165 from articles/00107571 from sent36

Text  : Jak ta umowa będzie ratyfikowana ?
Tokens: 1__ 2_ 3____ 4_____ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #5166 from articles/00107571 from sent37

Text  : Politycy opozycji domagają się , by były ratyfikowane w trybie takim jak traktat lizboński ,  czyli większością dwóch trzecich głosów ,  zgodnie z  art .  90 konstytucji .
Tokens: 1_______ 2_______ 3_______ 4__ 5 6_ 7___ 8___________ 9 10____ 11___ 12_ 13_____ 14_______ 15 16___ 17_________ 18___ 19______ 20____ 21 22_____ 23 24_ 25 26 27_________ 28

Chunks:
  FalseNegative nam [13,14] = traktat lizboński

(ChunkerEvaluator) Sentence #5167 from articles/00107571 from sent38

Text  : - Nie wiemy jeszcze , jaką ostateczną formę prawna przyjmą zawarte porozumienia .
Tokens: 1 2__ 3____ 4______ 5 6___ 7_________ 8____ 9_____ 10_____ 11_____ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #5168 from articles/00107571 from sent39

Text  : Jak powiedział premier , dla nas te zmiany są raczej neutralne .
Tokens: 1__ 2_________ 3______ 4 5__ 6__ 7_ 8_____ 9_ 10____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #5169 from articles/00107571 from sent40

Text  : Polska ma już zapisaną w konstytucji zasadę ograniczenia długu .
Tokens: 1_____ 2_ 3__ 4_______ 5 6__________ 7_____ 8___________ 9____ 10

Chunks:
  TruePositive nam [1,1] = Polska

(ChunkerEvaluator) Sentence #5170 from articles/00107571 from sent41

Text  : Deficyt zmniejszamy , aby spełnić kryteria wejścia do euro .
Tokens: 1______ 2__________ 3 4__ 5______ 6_______ 7______ 8_ 9___ 10

Chunks:
  TruePositive nam [9,9] = euro

(ChunkerEvaluator) Sentence #5171 from articles/00107571 from sent42

Text  : Formę ratyfikacji będzie można rozstrzygnąć dopiero , gdy będziemy mieli wypracowany tekst .
Tokens: 1____ 2__________ 3_____ 4____ 5___________ 6______ 7 8__ 9_______ 10___ 11_________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #5172 from articles/00107571 from sent43

Text  : Pojawia się pytanie : dlaczego biedna Polska ma płacić za kryzys Grekom i  Włochom ?
Tokens: 1______ 2__ 3______ 4 5_______ 6_____ 7_____ 8_ 9_____ 10 11____ 12____ 13 14_____ 15

Chunks:
  TruePositive nam [7,7] = Polska
  TruePositive nam [12,12] = Grekom
  TruePositive nam [14,14] = Włochom

(ChunkerEvaluator) Sentence #5173 from articles/00107571 from sent44

Text  : Chodzi o udział Polski w dofinansowaniu Międzynarodowego Funduszu Walutowego .
Tokens: 1_____ 2 3_____ 4_____ 5 6_____________ 7_______________ 8_______ 9_________ 10

Chunks:
  TruePositive nam [4,4] = Polski
  TruePositive nam [7,9] = Międzynarodowego Funduszu Walutowego

(ChunkerEvaluator) Sentence #5174 from articles/00107571 from sent45

Text  : Padają coraz to inne kwoty : mówi się nawet o  kilkunastu miliardach euro .
Tokens: 1_____ 2____ 3_ 4___ 5____ 6 7___ 8__ 9____ 10 11________ 12________ 13__ 14

Chunks:
  TruePositive nam [13,13] = euro

(ChunkerEvaluator) Sentence #5175 from articles/00107571 from sent46

Text  : - Nieprawdą jest , aby Polska miała spłacać czyjeś długi .
Tokens: 1 2________ 3___ 4 5__ 6_____ 7____ 8______ 9_____ 10___ 11

Chunks:
  TruePositive nam [6,6] = Polska

(ChunkerEvaluator) Sentence #5176 from articles/00107571 from sent47

Text  : Chodzi o pożyczkę - podwyższenie środków MFW - tak ,  aby ta instytucja mogła zapobiegać atakom spekulacyjnym .
Tokens: 1_____ 2 3_______ 4 5___________ 6______ 7__ 8 9__ 10 11_ 12 13________ 14___ 15________ 16____ 17___________ 18

Chunks:
  TruePositive nam [7,7] = MFW

(ChunkerEvaluator) Sentence #5177 from articles/00107571 from sent48

Text  : Polska też dysponuje elastyczną linią kredytową z MFW , dzięki czemu zapobiegamy takim atakom .
Tokens: 1_____ 2__ 3________ 4_________ 5____ 6________ 7 8__ 9 10____ 11___ 12_________ 13___ 14____ 15

Chunks:
  TruePositive nam [8,8] = MFW
  FalsePositive nam [1,1] = Polska

(ChunkerEvaluator) Sentence #5178 from articles/00107571 from sent49

Text  : Przypomnijmy wreszcie , że MFW nie jest instytucją unijną .
Tokens: 1___________ 2_______ 3 4_ 5__ 6__ 7___ 8_________ 9_____ 10

Chunks:
  TruePositive nam [5,5] = MFW

(ChunkerEvaluator) Sentence #5179 from articles/00107571 from sent50

Text  : Tam najwięcej do powiedzenia mają USA , a my jesteśmy akcjonariuszami .
Tokens: 1__ 2________ 3_ 4__________ 5___ 6__ 7 8 9_ 10______ 11_____________ 12

Chunks:
  TruePositive nam [6,6] = USA

(ChunkerEvaluator) Sentence #5180 from articles/00107571 from sent51

Text  : To powinno uspokoić nawet eurosceptyków .
Tokens: 1_ 2______ 3_______ 4____ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #5181 from articles/00107571 from sent52

Text  : Pamiętajmy , że te fundusze mają wynosić razem ponad bilion euro ,  w  największej proporcji niemieckich pieniędzy .
Tokens: 1_________ 2 3_ 4_ 5_______ 6___ 7______ 8____ 9____ 10____ 11__ 12 13 14_________ 15_______ 16_________ 17_______ 18

Chunks:
  TruePositive nam [11,11] = euro

(ChunkerEvaluator) Sentence #5182 from articles/00107571 from sent53

Text  : Tego rzędu sum domagał em się w Berlinie .
Tokens: 1___ 2____ 3__ 4______ 5_ 6__ 7 8_______ 9

Chunks:
  TruePositive nam [8,8] = Berlinie

(ChunkerEvaluator) Sentence #5183 from articles/00107571 from sent54

Text  : Będzie pan w Warszawie 13 grudnia , kiedy odbędzie się posiedzenie komisji spraw zagranicznych oraz manifestacja PiS przeciw panu ?
Tokens: 1_____ 2__ 3 4________ 5_ 6______ 7 8____ 9_______ 10_ 11_________ 12_____ 13___ 14___________ 15__ 16__________ 17_ 18_____ 19__ 20

Chunks:
  TruePositive nam [4,4] = Warszawie
  TruePositive nam [17,17] = PiS

(ChunkerEvaluator) Sentence #5184 from articles/00107571 from sent55

Text  : - Najprawdopodobniej tego dnia wieczorem będę w samolocie lecącym do Moskwy na podpisanie umowy o  małym ruchu granicznym z  Federacją Rosyjską .
Tokens: 1 2_________________ 3___ 4___ 5________ 6___ 7 8________ 9______ 10 11____ 12 13________ 14___ 15 16___ 17___ 18________ 19 20_______ 21______ 22

Chunks:
  TruePositive nam [11,11] = Moskwy
  TruePositive nam [20,21] = Federacją Rosyjską

(ChunkerEvaluator) Sentence #5185 from articles/00107571 from sent56

Text  : Czyli w Warszawie będę być może tylko w formie kukły ,  którą politycy PiS będą chcieli spalić .
Tokens: 1____ 2 3________ 4___ 5__ 6___ 7____ 8 9_____ 10___ 11 12___ 13______ 14_ 15__ 16_____ 17____ 18

Chunks:
  TruePositive nam [3,3] = Warszawie
  TruePositive nam [14,14] = PiS

(ChunkerEvaluator) Sentence #5186 from articles/00107571 from sent57

Text  : Prezydent Bronisław Komorowski apelował , aby nie dawać opozycji pogrążać się w  szaleństwie ,  ale próbować jej tłumaczyć polską politykę zagraniczną .
Tokens: 1________ 2________ 3_________ 4_______ 5 6__ 7__ 8____ 9_______ 10______ 11_ 12 13_________ 14 15_ 16______ 17_ 18_______ 19____ 20______ 21_________ 22

Chunks:
  TruePositive nam [2,3] = Bronisław Komorowski

(ChunkerEvaluator) Sentence #5187 from articles/00107571 from sent58

Text  : - Prezydent ma rację .
Tokens: 1 2________ 3_ 4____ 5

Chunks:
  FalsePositive nam [2,2] = Prezydent

(ChunkerEvaluator) Sentence #5188 from articles/00107571 from sent59

Text  : I dlatego , tak jak on , przekonuję do naszej polityki w  licznych wystąpieniach prasowych i  telewizyjnych ,  wykładach czy podczas wygłaszanych w  Sejmie corocznie exposé ministra spraw zagranicznych .
Tokens: 1 2______ 3 4__ 5__ 6_ 7 8_________ 9_ 10____ 11______ 12 13______ 14___________ 15_______ 16 17___________ 18 19_______ 20_ 21_____ 22__________ 23 24____ 25_______ 26____ 27______ 28___ 29___________ 30

Chunks:
  TruePositive nam [24,24] = Sejmie

(ChunkerEvaluator) Sentence #5189 from articles/00107571 from sent60

Text  : Niestety , czterokrotnie prezes PiS był na nich nieobecny .
Tokens: 1_______ 2 3____________ 4_____ 5__ 6__ 7_ 8___ 9________ 10

Chunks:
  TruePositive nam [5,5] = PiS

(ChunkerEvaluator) Sentence #5190 from articles/00107571 from sent61

Text  : Widać wszystko już wie .
Tokens: 1____ 2_______ 3__ 4__ 5

Chunks:

2016-10-27 14:59:36,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 206 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107572.xml
(ChunkerEvaluator) Sentence #5191 from articles/00107572 from sent1

Text  : Coraz więcej śląskich dzieci ma niedosłuch
Tokens: 1____ 2_____ 3_______ 4_____ 5_ 6_________

Chunks:

(ChunkerEvaluator) Sentence #5192 from articles/00107572 from sent2

Text  : Co 14 . śląskie dziecko niedosłyszy - alarmują laryngolodzy .
Tokens: 1_ 2_ 3 4______ 5______ 6__________ 7 8_______ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #5193 from articles/00107572 from sent3

Text  : Najbardziej zagrożone są dzieci z małych miejscowości
Tokens: 1__________ 2________ 3_ 4_____ 5 6_____ 7___________

Chunks:

(ChunkerEvaluator) Sentence #5194 from articles/00107572 from sent4

Text  : ZDROWIE .
Tokens: 1______ 2

Chunks:

(ChunkerEvaluator) Sentence #5195 from articles/00107572 from sent5

Text  : Dzieci niedosłyszą
Tokens: 1_____ 2__________

Chunks:

(ChunkerEvaluator) Sentence #5196 from articles/00107572 from sent6

Text  : Walkman szkodzi
Tokens: 1______ 2______

Chunks:
  FalseNegative nam [1,1] = Walkman

(ChunkerEvaluator) Sentence #5197 from articles/00107572 from sent7

Text  : Co 14 . śląskie dziecko niedosłyszy - alarmują laryngolodzy .
Tokens: 1_ 2_ 3 4______ 5______ 6__________ 7 8_______ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #5198 from articles/00107572 from sent8

Text  : Najbardziej zagrożone są dzieci z małych miejscowości
Tokens: 1__________ 2________ 3_ 4_____ 5 6_____ 7___________

Chunks:

(ChunkerEvaluator) Sentence #5199 from articles/00107572 from sent9

Text  : 8140 dzieci z 23 szkół podstawowych przebadano ostatnio w naszym województwie w  ramach ogólnopolskiego programu wykrywania niedosłuchu ,  finansowanego przez resort edukacji .
Tokens: 1___ 2_____ 3 4_ 5____ 6___________ 7_________ 8_______ 9 10____ 11__________ 12 13____ 14_____________ 15______ 16________ 17_________ 18 19___________ 20___ 21____ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #5200 from articles/00107572 from sent10

Text  : Sprawdzano słuch u uczniów od pierwszej do szóstej klasy .
Tokens: 1_________ 2____ 3 4______ 5_ 6________ 7_ 8______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #5201 from articles/00107572 from sent11

Text  : Co szóste dziecko po wykonaniu tzw . audiogramu skierowano do Kliniki Laryngologii w  Szpitalu im .  Mielęckiego w  Katowicach .
Tokens: 1_ 2_____ 3______ 4_ 5________ 6__ 7 8_________ 9_________ 10 11_____ 12__________ 13 14______ 15 16 17_________ 18 19________ 20

Chunks:
  FalsePositive nam [11,19] = Kliniki Laryngologii w Szpitalu im . Mielęckiego w Katowicach
  FalseNegative nam [11,17] = Kliniki Laryngologii w Szpitalu im . Mielęckiego
  FalseNegative nam [19,19] = Katowicach

(ChunkerEvaluator) Sentence #5202 from articles/00107572 from sent12

Text  : - Właśnie je badamy .
Tokens: 1 2______ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #5203 from articles/00107572 from sent13

Text  : Okazuje się , że 7 proc . z nich ma niedosłuch -  mówi prof .  Tatiana Gierek ,  kierowniczka kliniki .
Tokens: 1______ 2__ 3 4_ 5 6___ 7 8 9___ 10 11________ 12 13__ 14__ 15 16_____ 17____ 18 19__________ 20_____ 21

Chunks:
  TruePositive nam [16,17] = Tatiana Gierek

(ChunkerEvaluator) Sentence #5204 from articles/00107572 from sent14

Text  : - U wielu dzieci wykryli śmy zaawansowane patologie słuchu .
Tokens: 1 2 3____ 4_____ 5______ 6__ 7___________ 8________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #5205 from articles/00107572 from sent15

Text  : Nieleczone mogły by doprowadzić do głuchoty - wyjaśnia prof .  Gierek .
Tokens: 1_________ 2____ 3_ 4__________ 5_ 6_______ 7 8_______ 9___ 10 11____ 12

Chunks:
  TruePositive nam [11,11] = Gierek

(ChunkerEvaluator) Sentence #5206 from articles/00107572 from sent16

Text  : Niektóre dzieci już zakwalifikowano do operacji .
Tokens: 1_______ 2_____ 3__ 4______________ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #5207 from articles/00107572 from sent17

Text  : Inne będą pod stałą opieką specjalistów z kliniki .
Tokens: 1___ 2___ 3__ 4____ 5_____ 6___________ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #5208 from articles/00107572 from sent18

Text  : Z badań wynika , że na niedosłuch najbardziej narażone są dzieci z  małych miasteczek i  wsi .
Tokens: 1 2____ 3_____ 4 5_ 6_ 7_________ 8__________ 9_______ 10 11____ 12 13____ 14________ 15 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #5209 from articles/00107572 from sent19

Text  : Ich rodzice często lekceważą choroby górnych dróg oddechowych , które mogą prowadzić właśnie do ubytku słuchu .
Tokens: 1__ 2______ 3_____ 4________ 5______ 6______ 7___ 8__________ 9 10___ 11__ 12_______ 13_____ 14 15____ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #5210 from articles/00107572 from sent20

Text  : Według laryngologów , badania wśród uczniów gimnazjów i liceów mogły by przynieść podobne wyniki .
Tokens: 1_____ 2___________ 3 4______ 5____ 6______ 7________ 8 9_____ 10___ 11 12_______ 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #5211 from articles/00107572 from sent21

Text  : - Wszystkie dzieci słuchają teraz walkmanów .
Tokens: 1 2________ 3_____ 4_______ 5____ 6________ 7

Chunks:
  FalseNegative nam [6,6] = walkmanów

(ChunkerEvaluator) Sentence #5212 from articles/00107572 from sent22

Text  : Im głośniej puszcza się na nich muzykę , tym bardziej wzrasta w  uchu tzw .  ciśnienie akustyczne .
Tokens: 1_ 2_______ 3______ 4__ 5_ 6___ 7_____ 8 9__ 10______ 11_____ 12 13__ 14_ 15 16_______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #5213 from articles/00107572 from sent23

Text  : Dochodzi wtedy do uszkodzenia błony bębenkowej i całego przewodu słuchowego -  ostrzega prof .  Gierek .
Tokens: 1_______ 2____ 3_ 4__________ 5____ 6_________ 7 8_____ 9_______ 10________ 11 12______ 13__ 14 15____ 16

Chunks:
  TruePositive nam [15,15] = Gierek

(ChunkerEvaluator) Sentence #5214 from articles/00107572 from sent24

Text  : ramka
Tokens: 1____

Chunks:

(ChunkerEvaluator) Sentence #5215 from articles/00107572 from sent25

Text  : Rodziców powinno niepokoić , jeśli dziecko
Tokens: 1_______ 2______ 3________ 4 5____ 6______

Chunks:

(ChunkerEvaluator) Sentence #5216 from articles/00107572 from sent26

Text  : rozmawia przez telefon , przykładając słuchawkę zawsze tylko do jednego ucha
Tokens: 1_______ 2____ 3______ 4 5___________ 6________ 7_____ 8____ 9_ 10_____ 11__

Chunks:

(ChunkerEvaluator) Sentence #5217 from articles/00107572 from sent27

Text  : odwrócone tyłem nie słyszy , co się do niego mówi ,
Tokens: 1________ 2____ 3__ 4_____ 5 6_ 7__ 8_ 9____ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #5218 from articles/00107572 from sent28

Text  : często prosi , by mu coś powtórzyć ,
Tokens: 1_____ 2____ 3 4_ 5_ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5219 from articles/00107572 from sent29

Text  : po katarze lub infekcji coraz głośniej puszcza telewizor .
Tokens: 1_ 2______ 3__ 4_______ 5____ 6_______ 7______ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #5220 from articles/00107572 from sent30

Text  : . . czyt . kor tg
Tokens: 1 2 3___ 4 5__ 6_

Chunks:

2016-10-27 14:59:36,938 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 207 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107573.xml
(ChunkerEvaluator) Sentence #5221 from articles/00107573 from sent1

Text  : Jest grubszy , więc to nie on rabował
Tokens: 1___ 2______ 3 4___ 5_ 6__ 7_ 8______

Chunks:

(ChunkerEvaluator) Sentence #5222 from articles/00107573 from sent2

Text  : 40 - letni Adam L . skazany na siedem lat więzienia za napady na banki odwołuje się od wyroku .
Tokens: 1_ 2 3____ 4___ 5 6 7______ 8_ 9_____ 10_ 11_______ 12 13____ 14 15___ 16______ 17_ 18 19____ 20

Chunks:
  TruePositive nam [4,6] = Adam L .

(ChunkerEvaluator) Sentence #5223 from articles/00107573 from sent3

Text  : Argumentacja ?
Tokens: 1___________ 2

Chunks:

(ChunkerEvaluator) Sentence #5224 from articles/00107573 from sent4

Text  : Świadkowie pamiętają szczupłego napastnika , a jego lekarz sądowy określił jako „  nadmiernego stanu odżywienia ”  .
Tokens: 1_________ 2________ 3_________ 4_________ 5 6 7___ 8_____ 9_____ 10______ 11__ 12 13_________ 14___ 15________ 16 17

Chunks:

(ChunkerEvaluator) Sentence #5225 from articles/00107573 from sent5

Text  : Seria napadów rozpoczęła się pod koniec grudnia 2008 roku .
Tokens: 1____ 2______ 3_________ 4__ 5__ 6_____ 7______ 8___ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #5226 from articles/00107573 from sent6

Text  : L . najpierw napadł na Bank Spółdzielczy przy ul .  Cieszyńskiej w  Opolu .
Tokens: 1 2 3_______ 4_____ 5_ 6___ 7___________ 8___ 9_ 10 11__________ 12 13___ 14

Chunks:
  TruePositive nam [6,7] = Bank Spółdzielczy
  TruePositive nam [13,13] = Opolu
  FalseNegative nam [1,2] = L .
  FalseNegative nam [11,11] = Cieszyńskiej

(ChunkerEvaluator) Sentence #5227 from articles/00107573 from sent7

Text  : Tydzień później obrabował placówkę Banku Spółdzielczego przy ul . Niemodlińskiej .
Tokens: 1______ 2______ 3________ 4_______ 5____ 6_____________ 7___ 8_ 9 10____________ 11

Chunks:
  TruePositive nam [5,6] = Banku Spółdzielczego
  TruePositive nam [10,10] = Niemodlińskiej

(ChunkerEvaluator) Sentence #5228 from articles/00107573 from sent8

Text  : Za każdym razem zamaskowany , w czarnej kominiarce , terroryzował pracowników pistoletem i  uciekał z  pieniędzmi .
Tokens: 1_ 2_____ 3____ 4__________ 5 6 7______ 8_________ 9 10__________ 11_________ 12________ 13 14_____ 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #5229 from articles/00107573 from sent9

Text  : Potem zaczął działać na Śląsku .
Tokens: 1____ 2_____ 3______ 4_ 5_____ 6

Chunks:
  TruePositive nam [5,5] = Śląsku

(ChunkerEvaluator) Sentence #5230 from articles/00107573 from sent10

Text  : Napadł na bank w Katowicach , a później w Gliwicach ,  gdzie obrabował kolejne dwa banki .
Tokens: 1_____ 2_ 3___ 4 5_________ 6 7 8______ 9 10_______ 11 12___ 13_______ 14_____ 15_ 16___ 17

Chunks:
  TruePositive nam [5,5] = Katowicach
  TruePositive nam [10,10] = Gliwicach

(ChunkerEvaluator) Sentence #5231 from articles/00107573 from sent11

Text  : Policja zatrzymała go 13 stycznia we Wrocławiu , kilka godzin po ostatnim napadzie w  Gliwicach .
Tokens: 1______ 2_________ 3_ 4_ 5_______ 6_ 7________ 8 9____ 10____ 11 12______ 13______ 14 15_______ 16

Chunks:
  TruePositive nam [7,7] = Wrocławiu
  TruePositive nam [15,15] = Gliwicach

(ChunkerEvaluator) Sentence #5232 from articles/00107573 from sent12

Text  : Miał przy sobie torbę z pieniędzmi - ponad 40 tys .  zł ,  a  także plastikową atrapę broni Smith .
Tokens: 1___ 2___ 3____ 4____ 5 6_________ 7 8____ 9_ 10_ 11 12 13 14 15___ 16________ 17____ 18___ 19___ 20

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [19,19] = Smith

(ChunkerEvaluator) Sentence #5233 from articles/00107573 from sent13

Text  : L . nie przyznawał się do winy .
Tokens: 1 2 3__ 4_________ 5__ 6_ 7___ 8

Chunks:
  FalseNegative nam [1,2] = L .

(ChunkerEvaluator) Sentence #5234 from articles/00107573 from sent14

Text  : Twierdził , że pieniądze dał mu znajomy na rozkręcenie Agencji Towarzyskiej ,  a  atrapę pistoletu widzi po raz pierwszy .
Tokens: 1________ 2 3_ 4________ 5__ 6_ 7______ 8_ 9__________ 10_____ 11__________ 12 13 14____ 15_______ 16___ 17 18_ 19______ 20

Chunks:
  TruePositive nam [10,11] = Agencji Towarzyskiej

(ChunkerEvaluator) Sentence #5235 from articles/00107573 from sent15

Text  : Sąd nie dał temu wiary , tym bardziej że na broni znaleziono ślady biologiczne pasujące do DNA oskarżonego .
Tokens: 1__ 2__ 3__ 4___ 5____ 6 7__ 8_______ 9_ 10 11___ 12________ 13___ 14_________ 15______ 16 17_ 18_________ 19

Chunks:
  FalsePositive nam [17,17] = DNA

(ChunkerEvaluator) Sentence #5236 from articles/00107573 from sent16

Text  : Za pięć napadów sąd wymierzył mu siedem lat więzienia ,  uwzględniając to ,  że L  .  jest recydywistą .
Tokens: 1_ 2___ 3______ 4__ 5________ 6_ 7_____ 8__ 9________ 10 11___________ 12 13 14 15 16 17__ 18_________ 19

Chunks:
  TruePositive nam [15,16] = L .

(ChunkerEvaluator) Sentence #5237 from articles/00107573 from sent17

Text  : Napadów dokonał bowiem kilka dni po wyjściu z więzienia ,  gdzie odbywał karę za podobne przestępstwa ,  a  wcześniej odsiadywał karę dziewięciu lat więzienia ,  na którą skazał go niemiecki sąd .  .  .  za napady na banki na terenie Niemiec .
Tokens: 1______ 2______ 3_____ 4____ 5__ 6_ 7______ 8 9________ 10 11___ 12_____ 13__ 14 15_____ 16__________ 17 18 19_______ 20________ 21__ 22________ 23_ 24_______ 25 26 27___ 28____ 29 30_______ 31_ 32 33 34 35 36____ 37 38___ 39 40_____ 41_____ 42

Chunks:
  TruePositive nam [41,41] = Niemiec

(ChunkerEvaluator) Sentence #5238 from articles/00107573 from sent18

Text  : L . odwołał się od wyroku .
Tokens: 1 2 3______ 4__ 5_ 6_____ 7

Chunks:
  FalseNegative nam [1,2] = L .

(ChunkerEvaluator) Sentence #5239 from articles/00107573 from sent19

Text  : Argumentuje , że śledztwo i proces były prowadzone niechlujnie ,  sędzia miał do niego złe nastawienie i  perfidnie dobierał dowody .
Tokens: 1__________ 2 3_ 4_______ 5 6_____ 7___ 8_________ 9__________ 10 11____ 12__ 13 14___ 15_ 16_________ 17 18_______ 19______ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #5240 from articles/00107573 from sent20

Text  : Przykład ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #5241 from articles/00107573 from sent21

Text  : Chociażby zeznania świadków .
Tokens: 1________ 2_______ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #5242 from articles/00107573 from sent22

Text  : - Opisali napastnika jako osobę szczupłą , niewielkiego wzrostu .
Tokens: 1 2______ 3_________ 4___ 5____ 6_______ 7 8___________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5243 from articles/00107573 from sent23

Text  : Tymczasem ja mam 182 cm wzrostu , ważę 100 kilogramów ,  a  lekarz medycyny sądowej określił mnie jako „  nadmiernego stanu odżywienia ”  .
Tokens: 1________ 2_ 3__ 4__ 5_ 6______ 7 8___ 9__ 10________ 11 12 13____ 14______ 15_____ 16______ 17__ 18__ 19 20_________ 21___ 22________ 23 24

Chunks:

(ChunkerEvaluator) Sentence #5244 from articles/00107573 from sent24

Text  : Ten opis całkowicie koliduje z zeznaniami świadków - przekonuje w  apelacji .
Tokens: 1__ 2___ 3_________ 4_______ 5 6_________ 7_______ 8 9_________ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5245 from articles/00107573 from sent25

Text  : Dodał , że sądowi umknęły też inne szczegóły .
Tokens: 1____ 2 3_ 4_____ 5______ 6__ 7___ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #5246 from articles/00107573 from sent26

Text  : Np . według jednego ze świadków napastnik miał czarną ortalionową kurtkę .
Tokens: 1_ 2 3_____ 4______ 5_ 6_______ 7________ 8___ 9_____ 10_________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #5247 from articles/00107573 from sent27

Text  : - Moja jest czarna , ale skórzana .
Tokens: 1 2___ 3___ 4_____ 5 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #5248 from articles/00107573 from sent28

Text  : Zarzuca również sędziemu , że ten w uzasadnieniu wyroku powołał się na życiowe doświadczenie .
Tokens: 1______ 2______ 3_______ 4 5_ 6__ 7 8___________ 9_____ 10_____ 11_ 12 13_____ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #5249 from articles/00107573 from sent29

Text  : - To nie życiowe doświadczenie , lecz dowody wiodą do poznania rzeczywistości -  argumentuje ,  domagając się uniewinnienia lub powtórzenia procesu .
Tokens: 1 2_ 3__ 4______ 5____________ 6 7___ 8_____ 9____ 10 11______ 12____________ 13 14_________ 15 16_______ 17_ 18___________ 19_ 20_________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #5250 from articles/00107573 from sent30

Text  : Apelację rozpozna Sąd Okręgowy w Opolu .
Tokens: 1_______ 2_______ 3__ 4_______ 5 6____ 7

Chunks:
  TruePositive nam [3,4] = Sąd Okręgowy
  TruePositive nam [6,6] = Opolu

2016-10-27 14:59:37,165 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 208 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107574.xml
(ChunkerEvaluator) Sentence #5251 from articles/00107574 from sent1

Text  : Euro 2012 .
Tokens: 1___ 2___ 3

Chunks:
  TruePositive nam [1,2] = Euro 2012

(ChunkerEvaluator) Sentence #5252 from articles/00107574 from sent2

Text  : Ukraina rozegra przed turniejem cztery mecze towarzyskie
Tokens: 1______ 2______ 3____ 4________ 5_____ 6____ 7__________

Chunks:
  TruePositive nam [1,1] = Ukraina

(ChunkerEvaluator) Sentence #5253 from articles/00107574 from sent3

Text  : Piłkarska reprezentacja Ukrainy rozegra przed rozpoczęciem Euro 2012 cztery towarzyskie mecz kontrolne -  potwierdził selekcjoner narodowego zespołu Oleg Błochin .
Tokens: 1________ 2____________ 3______ 4______ 5____ 6___________ 7___ 8___ 9_____ 10_________ 11__ 12_______ 13 14_________ 15_________ 16________ 17_____ 18__ 19_____ 20

Chunks:
  TruePositive nam [3,3] = Ukrainy
  TruePositive nam [18,19] = Oleg Błochin
  FalsePositive nam [7,7] = Euro
  FalseNegative nam [7,8] = Euro 2012

(ChunkerEvaluator) Sentence #5254 from articles/00107574 from sent4

Text  : Ostatnią próbą przed turniejem będzie pojedynek z zespołem Norwegii zaplanowany na 5  czerwca .
Tokens: 1_______ 2____ 3____ 4________ 5_____ 6________ 7 8_______ 9_______ 10_________ 11 12 13_____ 14

Chunks:
  TruePositive nam [9,9] = Norwegii

(ChunkerEvaluator) Sentence #5255 from articles/00107574 from sent5

Text  : Początkowo Ukraińcy mieli zaplanowane trzy spotkania , udało się jednak porozumieć z  kierownictwem norweskiej federacji .
Tokens: 1_________ 2_______ 3____ 4__________ 5___ 6________ 7 8____ 9__ 10____ 11________ 12 13___________ 14________ 15_______ 16

Chunks:
  TruePositive nam [2,2] = Ukraińcy

(ChunkerEvaluator) Sentence #5256 from articles/00107574 from sent6

Text  : W opinii sztabu szkoleniowego ekipy współgospodarzy mistrzostw , mecz z  Norwegią będzie bardzo pożytecznym sprawdzianem ,  bowiem rywale prezentują podobny styl gry jak drużyny Szwecji i  Anglii .
Tokens: 1 2_____ 3_____ 4____________ 5____ 6______________ 7_________ 8 9___ 10 11______ 12____ 13____ 14_________ 15__________ 16 17____ 18____ 19________ 20_____ 21__ 22_ 23_ 24_____ 25_____ 26 27____ 28

Chunks:
  TruePositive nam [11,11] = Norwegią
  TruePositive nam [25,25] = Szwecji
  TruePositive nam [27,27] = Anglii
  FalseNegative nam [7,7] = mistrzostw

(ChunkerEvaluator) Sentence #5257 from articles/00107574 from sent7

Text  : Właśnie z nimi Ukraina walczyć będzie w fazie grupowej ,  odpowiednio 11 i  19 czerwca .
Tokens: 1______ 2 3___ 4______ 5______ 6_____ 7 8____ 9_______ 10 11_________ 12 13 14 15_____ 16

Chunks:
  TruePositive nam [4,4] = Ukraina

(ChunkerEvaluator) Sentence #5258 from articles/00107574 from sent8

Text  : Wcześniej podopieczni Olega Błochina zagrają 29 lutego z Izraelem ,  25 maja z  Estonią i  1  czerwca z  Austrią .
Tokens: 1________ 2__________ 3____ 4_______ 5______ 6_ 7_____ 8 9_______ 10 11 12__ 13 14_____ 15 16 17_____ 18 19_____ 20

Chunks:
  TruePositive nam [3,4] = Olega Błochina
  TruePositive nam [9,9] = Izraelem
  TruePositive nam [14,14] = Estonią
  TruePositive nam [19,19] = Austrią

(ChunkerEvaluator) Sentence #5259 from articles/00107574 from sent9

Text  : Dwa ostatnie mecze odbędą się w Austrii , gdzie ukraińska ekipa przebywać będzie na zgrupowaniu przed mistrzostwami
Tokens: 1__ 2_______ 3____ 4_____ 5__ 6 7______ 8 9____ 10_______ 11___ 12_______ 13____ 14 15_________ 16___ 17___________

Chunks:
  TruePositive nam [7,7] = Austrii
  FalseNegative nam [17,17] = mistrzostwami

2016-10-27 14:59:37,208 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 209 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107575.xml
(ChunkerEvaluator) Sentence #5260 from articles/00107575 from sent1

Text  : „ Policjanci ” bili aż do krwi .
Tokens: 1 2_________ 3 4___ 5_ 6_ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #5261 from articles/00107575 from sent2

Text  : Porachunki gangsterskie ?
Tokens: 1_________ 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #5262 from articles/00107575 from sent3

Text  : Policja i prokuratura badają napad na rodzinę w Orłach k  .  Przemyśla .
Tokens: 1______ 2 3__________ 4_____ 5____ 6_ 7______ 8 9_____ 10 11 12_______ 13

Chunks:
  FalsePositive nam [9,12] = Orłach k . Przemyśla
  FalseNegative nam [9,9] = Orłach
  FalseNegative nam [12,12] = Przemyśla

(ChunkerEvaluator) Sentence #5263 from articles/00107575 from sent4

Text  : Napastnicy skatowali kobietę i jej partnera na oczach 2 ,  5  -  letniego dziecka
Tokens: 1_________ 2________ 3______ 4 5__ 6_______ 7_ 8_____ 9 10 11 12 13______ 14_____

Chunks:

(ChunkerEvaluator) Sentence #5264 from articles/00107575 from sent5

Text  : O brutalnym napadzie na rodzinę w Orłach k . Przemyśla ,  do którego doszło w  poniedziałek wieczorem ,  w  środę napisały „  Super Nowości ”  .
Tokens: 1 2________ 3_______ 4_ 5______ 6 7_____ 8 9 10_______ 11 12 13_____ 14____ 15 16__________ 17_______ 18 19 20___ 21______ 22 23___ 24_____ 25 26

Chunks:
  TruePositive nam [23,24] = Super Nowości
  FalsePositive nam [7,10] = Orłach k . Przemyśla
  FalseNegative nam [7,7] = Orłach
  FalseNegative nam [10,10] = Przemyśla

(ChunkerEvaluator) Sentence #5265 from articles/00107575 from sent6

Text  : Dziennik twierdzi , że do prywatnego domu wtargnęli dwaj zamaskowani mężczyźni .
Tokens: 1_______ 2_______ 3 4_ 5_ 6_________ 7___ 8________ 9___ 10_________ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #5266 from articles/00107575 from sent7

Text  : Do mieszkania wpuścić ich miała 23 - letnia Bożena .
Tokens: 1_ 2_________ 3______ 4__ 5____ 6_ 7 8_____ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Bożena

(ChunkerEvaluator) Sentence #5267 from articles/00107575 from sent8

Text  : Myślała , że ma do czynienia z policjantami , bo -  jak twierdzi -  mieli na sobie policyjne kamizelki .
Tokens: 1______ 2 3_ 4_ 5_ 6________ 7 8___________ 9 10 11 12_ 13______ 14 15___ 16 17___ 18_______ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #5268 from articles/00107575 from sent9

Text  : „ Policjanci ” w mieszkaniu mieli ją pobić , skrępować ,  a  potem czekać na konkubenta kobiety .
Tokens: 1 2_________ 3 4 5_________ 6____ 7_ 8____ 9 10_______ 11 12 13___ 14____ 15 16________ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #5269 from articles/00107575 from sent10

Text  : Mężczyzna , dużo starszy od kobiety , po powrocie został brutalnie pobity .
Tokens: 1________ 2 3___ 4______ 5_ 6______ 7 8_ 9_______ 10____ 11_______ 12____ 13

Chunks:
  FalsePositive nam [1,1] = Mężczyzna

(ChunkerEvaluator) Sentence #5270 from articles/00107575 from sent11

Text  : Gazeta twierdzi , że w domu „ krew była wszędzie ,  na podłodze i  na ścianie ”  .
Tokens: 1_____ 2_______ 3 4_ 5 6___ 7 8___ 9___ 10______ 11 12 13______ 14 15 16_____ 17 18

Chunks:
  FalseNegative nam [1,1] = Gazeta

(ChunkerEvaluator) Sentence #5271 from articles/00107575 from sent12

Text  : Bandyci mieli skatować parę na oczach ich 2 , 5  -  letniego syna .
Tokens: 1______ 2____ 3_______ 4___ 5_ 6_____ 7__ 8 9 10 11 12______ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #5272 from articles/00107575 from sent13

Text  : Potem zabrali kluczyki i dokumenty od samochodów właścicieli domu ,  wsiedli do swojego auta i  odjechali .
Tokens: 1____ 2______ 3_______ 4 5________ 6_ 7_________ 8__________ 9___ 10 11_____ 12 13_____ 14__ 15 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #5273 from articles/00107575 from sent14

Text  : Samochód mieli porzucić 1 , 5 km od domu .
Tokens: 1_______ 2____ 3_______ 4 5 6 7_ 8_ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #5274 from articles/00107575 from sent15

Text  : Policja wszczęła śledztwo w tej sprawie .
Tokens: 1______ 2_______ 3_______ 4 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5275 from articles/00107575 from sent16

Text  : - Informację o zdarzeniu otrzymali śmy w poniedziałek około godz .  20 .  40 .
Tokens: 1 2_________ 3 4________ 5________ 6__ 7 8___________ 9____ 10__ 11 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #5276 from articles/00107575 from sent17

Text  : Osoba zgłaszająca mówiła chaotycznie i nerwowo .
Tokens: 1____ 2__________ 3_____ 4__________ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5277 from articles/00107575 from sent18

Text  : Prosiła o przysłanie radiowozu - mówi „ Gazecie ” Bogusława Sebastianka ,  oficer prasowy przemyskiej policji .
Tokens: 1______ 2 3_________ 4________ 5 6___ 7 8______ 9 10_______ 11_________ 12 13____ 14_____ 15_________ 16_____ 17

Chunks:
  TruePositive nam [8,8] = Gazecie
  TruePositive nam [10,11] = Bogusława Sebastianka

(ChunkerEvaluator) Sentence #5278 from articles/00107575 from sent19

Text  : Twierdzi , że całe zdarzenie zakwalifikowane zostało jako rozbój .
Tokens: 1_______ 2 3_ 4___ 5________ 6______________ 7______ 8___ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #5279 from articles/00107575 from sent20

Text  : Ale szczegółów policja nie chce zdradzać .
Tokens: 1__ 2_________ 3______ 4__ 5___ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #5280 from articles/00107575 from sent21

Text  : W środę przesłała nam tylko komunikat w tej sprawie :
Tokens: 1 2____ 3________ 4__ 5____ 6________ 7 8__ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5281 from articles/00107575 from sent22

Text  : „ W śledztwie wykonano pierwsze czynności procesowe .
Tokens: 1 2 3________ 4_______ 5_______ 6________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5282 from articles/00107575 from sent23

Text  : Jako wstępną kwalifikację prawną przyjęto przestępstwo rozboju .
Tokens: 1___ 2______ 3___________ 4_____ 5_______ 6___________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #5283 from articles/00107575 from sent24

Text  : Zakładane są różne wersje śledcze .
Tokens: 1________ 2_ 3____ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5284 from articles/00107575 from sent25

Text  : Trwa analizowanie poszczególnych hipotez .
Tokens: 1___ 2___________ 3_____________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #5285 from articles/00107575 from sent26

Text  : W chwili obecnej , z uwagi na charakter sprawy ,  dla dobra toczącego się postępowania ,  ujawnienie innych szczegółów zdarzenia jest niemożliwe ”  -  czytamy w  dokumencie .
Tokens: 1 2_____ 3______ 4 5 6____ 7_ 8________ 9_____ 10 11_ 12___ 13_______ 14_ 15__________ 16 17________ 18____ 19________ 20_______ 21__ 22________ 23 24 25_____ 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #5286 from articles/00107575 from sent27

Text  : Policja odsyła nas do prokuratury .
Tokens: 1______ 2_____ 3__ 4_ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #5287 from articles/00107575 from sent28

Text  : Ta też oszczędnie gospodaruje informacjami .
Tokens: 1_ 2__ 3_________ 4__________ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #5288 from articles/00107575 from sent29

Text  : - O zdarzeniu wiemy , ale sprawy jeszcze formalnie nie zarejestrowali śmy .
Tokens: 1 2 3________ 4____ 5 6__ 7_____ 8______ 9________ 10_ 11____________ 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #5289 from articles/00107575 from sent30

Text  : Nie chcemy , by o naszych ustaleniach napastnicy dowiadywali się z  prasy .
Tokens: 1__ 2_____ 3 4_ 5 6______ 7__________ 8_________ 9__________ 10_ 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #5290 from articles/00107575 from sent31

Text  : Ta sprawa jest bardzo poważna .
Tokens: 1_ 2_____ 3___ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5291 from articles/00107575 from sent32

Text  : Myślę , że za kilka dni będziemy mogli już coś więcej powiedzieć .
Tokens: 1____ 2 3_ 4_ 5____ 6__ 7_______ 8____ 9__ 10_ 11____ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #5292 from articles/00107575 from sent33

Text  : Być może o pomoc zwrócimy się do mediów , że poszukujemy świadków zdarzenia -  usłyszeli śmy w  środę od Marka Ochyry ,  szefa Prokuratury Rejonowej w  Przemyślu .
Tokens: 1__ 2___ 3 4____ 5_______ 6__ 7_ 8_____ 9 10 11_________ 12______ 13_______ 14 15_______ 16_ 17 18___ 19 20___ 21____ 22 23___ 24_________ 25_______ 26 27_______ 28

Chunks:
  TruePositive nam [20,21] = Marka Ochyry
  FalsePositive nam [24,27] = Prokuratury Rejonowej w Przemyślu
  FalseNegative nam [24,25] = Prokuratury Rejonowej
  FalseNegative nam [27,27] = Przemyślu

(ChunkerEvaluator) Sentence #5293 from articles/00107575 from sent34

Text  : Prokuratura kategorycznie zastrzegła sobie udzielanie informacji o przebiegu śledztwa .
Tokens: 1__________ 2____________ 3_________ 4____ 5_________ 6_________ 7 8________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #5294 from articles/00107575 from sent35

Text  : - Mamy założony knebel - tłumaczą nam przemyscy policjanci .
Tokens: 1 2___ 3_______ 4_____ 5 6_______ 7__ 8________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #5295 from articles/00107575 from sent36

Text  : Nieoficjalnie dowiadujemy się od nich , że okoliczności poniedziałkowego napadu są bardzo niejasne .
Tokens: 1____________ 2__________ 3__ 4_ 5___ 6 7_ 8___________ 9_______________ 10____ 11 12____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #5296 from articles/00107575 from sent37

Text  : - Kobieta twierdzi , że po wpuszczeniu mężczyzn do mieszkania ,  została pobita i  skrępowana .
Tokens: 1 2______ 3_______ 4 5_ 6_ 7__________ 8_______ 9_ 10________ 11 12_____ 13____ 14 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #5297 from articles/00107575 from sent38

Text  : Bandyci mieli przy niej czekać aż godzinę do przyjazdu jej partnera .
Tokens: 1______ 2____ 3___ 4___ 5_____ 6_ 7______ 8_ 9________ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5298 from articles/00107575 from sent39

Text  : Gdy się pojawił i wszedł na piętro , został uderzony w  głowę przedmiotem przypominającym broń .
Tokens: 1__ 2__ 3______ 4 5_____ 6_ 7_____ 8 9_____ 10______ 11 12___ 13_________ 14_____________ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #5299 from articles/00107575 from sent40

Text  : Próbował uciekać przez okno - mówi nasz informator z policji .
Tokens: 1_______ 2______ 3____ 4___ 5 6___ 7___ 8_________ 9 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #5300 from articles/00107575 from sent41

Text  : Policjanci rozważają kilka przyczyn napadu na dom w Orłach .
Tokens: 1_________ 2________ 3____ 4_______ 5_____ 6_ 7__ 8 9_____ 10

Chunks:
  TruePositive nam [9,9] = Orłach

(ChunkerEvaluator) Sentence #5301 from articles/00107575 from sent42

Text  : - Zakładamy m . in . , że mogły być to porachunki gangsterskie .
Tokens: 1 2________ 3 4 5_ 6 7 8_ 9____ 10_ 11 12________ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #5302 from articles/00107575 from sent43

Text  : Właściciel domu na papierze jest rolnikiem , a ma dom warty 600 -  700 tys .  zł i  dwa drogie samochody .
Tokens: 1_________ 2___ 3_ 4_______ 5___ 6________ 7 8 9_ 10_ 11___ 12_ 13 14_ 15_ 16 17 18 19_ 20____ 21_______ 22

Chunks:
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #5303 from articles/00107575 from sent44

Text  : Z naszych ustaleń wynika , że mężczyzna może mieć powiązania z  handlarzami lewych papierosów i  niewykluczone ,  że ma u  nich długi .
Tokens: 1 2______ 3______ 4_____ 5 6_ 7________ 8___ 9___ 10________ 11 12_________ 13____ 14________ 15 16___________ 17 18 19 20 21__ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #5304 from articles/00107575 from sent45

Text  : Sprawcy , którzy wpadli do domu to „ żołnierze ”  grupy przestępczej ,  ale prawdopodobnie właściciel domu wiedział przez kogo byli nasłani -  mówią nasze policyjne źródła .
Tokens: 1______ 2 3_____ 4_____ 5_ 6___ 7_ 8 9________ 10 11___ 12__________ 13 14_ 15____________ 16________ 17__ 18______ 19___ 20__ 21__ 22_____ 23 24___ 25___ 26_______ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #5305 from articles/00107575 from sent46

Text  : Skąd te przypuszczenia ?
Tokens: 1___ 2_ 3_____________ 4

Chunks:

(ChunkerEvaluator) Sentence #5306 from articles/00107575 from sent47

Text  : - Okoliczności napadu są bardzo dziwne .
Tokens: 1 2___________ 3_____ 4_ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #5307 from articles/00107575 from sent48

Text  : Przy typowym napadzie bandyci nie krępują jednej ofiary , a  potem jeszcze przez godzinę nie czekają na kolejną .
Tokens: 1___ 2______ 3_______ 4______ 5__ 6______ 7_____ 8_____ 9 10 11___ 12_____ 13___ 14_____ 15_ 16_____ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #5308 from articles/00107575 from sent49

Text  : Normalnie w kilka minut , maksymalnie kwadrans , obrabiają dom i  wypadają z  mieszkania .
Tokens: 1________ 2 3____ 4____ 5 6__________ 7_______ 8 9________ 10_ 11 12______ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #5309 from articles/00107575 from sent50

Text  : W tym przypadku napastnicy doskonale wiedzieli , gdzie wchodzą i  czego chcą -  przekazują nam nieoficjalnie funkcjonariusze .
Tokens: 1 2__ 3________ 4_________ 5________ 6________ 7 8____ 9______ 10 11___ 12__ 13 14________ 15_ 16___________ 17_____________ 18

Chunks:

2016-10-27 14:59:37,404 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 210 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107576.xml
(ChunkerEvaluator) Sentence #5310 from articles/00107576 from sent1

Text  : Choinka dobroczyńców .
Tokens: 1______ 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #5311 from articles/00107576 from sent2

Text  : Kilkulatki z Płocka pracowały dla Mocarzewa
Tokens: 1_________ 2 3_____ 4________ 5__ 6________

Chunks:
  TruePositive nam [3,3] = Płocka
  TruePositive nam [6,6] = Mocarzewa

(ChunkerEvaluator) Sentence #5312 from articles/00107576 from sent3

Text  : Dzieci z Miejskiego Przedszkola nr 14 zrobiły ozdoby choinkowe ,  sprzedały je na kiermaszu i  za zarobione pieniądze kupiły bombkę na „  Choince dobroczyńców ”  .
Tokens: 1_____ 2 3_________ 4__________ 5_ 6_ 7______ 8_____ 9________ 10 11_______ 12 13 14_______ 15 16 17_______ 18_______ 19____ 20____ 21 22 23_____ 24__________ 25 26

Chunks:
  FalsePositive nam [3,4] = Miejskiego Przedszkola
  FalseNegative nam [3,6] = Miejskiego Przedszkola nr 14
  FalseNegative nam [23,24] = Choince dobroczyńców

(ChunkerEvaluator) Sentence #5313 from articles/00107576 from sent4

Text  : Zapłaciły za nią więcej , niż kosztuje ozdoba i zrobiły to już po raz drugi !
Tokens: 1________ 2_ 3__ 4_____ 5 6__ 7_______ 8_____ 9 10_____ 11 12_ 13 14_ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #5314 from articles/00107576 from sent5

Text  : Ich postępowanie wzruszyło nie tylko nas , ale i opiekunów z  Ośrodka Szkolno -  Wychowawczego w  Mocarzewie ,  dla którego w  tym roku prowadzimy zbiórkę .
Tokens: 1__ 2___________ 3________ 4__ 5____ 6__ 7 8__ 9 10_______ 11 12_____ 13_____ 14 15___________ 16 17________ 18 19_ 20_____ 21 22_ 23__ 24________ 25_____ 26

Chunks:
  FalsePositive nam [12,17] = Ośrodka Szkolno - Wychowawczego w Mocarzewie
  FalseNegative nam [12,15] = Ośrodka Szkolno - Wychowawczego
  FalseNegative nam [17,17] = Mocarzewie

(ChunkerEvaluator) Sentence #5315 from articles/00107576 from sent6

Text  : Przedszkolaki z Przedszkola Miejskiego nr 14 przyłączyły się do naszej akcji również w  ubiegłym roku .
Tokens: 1____________ 2 3__________ 4_________ 5_ 6_ 7__________ 8__ 9_ 10____ 11___ 12_____ 13 14______ 15__ 16

Chunks:
  FalsePositive nam [3,4] = Przedszkola Miejskiego
  FalseNegative nam [3,6] = Przedszkola Miejskiego nr 14

(ChunkerEvaluator) Sentence #5316 from articles/00107576 from sent7

Text  : Na pomysł , aby maluchy wykupiły bombkę na „ Choince dobroczyńców ”  wpadła ich nauczycielka ,  Ewa Kosmala .
Tokens: 1_ 2_____ 3 4__ 5______ 6_______ 7_____ 8_ 9 10_____ 11__________ 12 13____ 14_ 15__________ 16 17_ 18_____ 19

Chunks:
  TruePositive nam [17,18] = Ewa Kosmala
  FalseNegative nam [10,11] = Choince dobroczyńców

(ChunkerEvaluator) Sentence #5317 from articles/00107576 from sent8

Text  : W tym roku wszystko przebiegło podobnie .
Tokens: 1 2__ 3___ 4_______ 5_________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #5318 from articles/00107576 from sent9

Text  : - Coś pięknego , gdy dzieci pomagają innym dzieciom -  mówi dyrektor przedszkola Agata Matuszewska .
Tokens: 1 2__ 3_______ 4 5__ 6_____ 7_______ 8____ 9_______ 10 11__ 12______ 13_________ 14___ 15_________ 16

Chunks:
  TruePositive nam [14,15] = Agata Matuszewska

(ChunkerEvaluator) Sentence #5319 from articles/00107576 from sent10

Text  : - Tym bardziej że pieniądze będą przekazane na słuszny cel .
Tokens: 1 2__ 3_______ 4_ 5________ 6___ 7_________ 8_ 9______ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #5320 from articles/00107576 from sent11

Text  : Będzie to konkretna pomoc dla konkretnych osób .
Tokens: 1_____ 2_ 3________ 4____ 5__ 6__________ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #5321 from articles/00107576 from sent12

Text  : Uznali śmy , że warto się w taką akcję włączyć .
Tokens: 1_____ 2__ 3 4_ 5____ 6__ 7 8___ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #5322 from articles/00107576 from sent13

Text  : Dzieci z naszego przedszkola , w wielu przypadkach przy pomocy rodziców ,  zrobiły ozdoby choinkowe .
Tokens: 1_____ 2 3______ 4__________ 5 6 7____ 8__________ 9___ 10____ 11______ 12 13_____ 14____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #5323 from articles/00107576 from sent14

Text  : Następnie zorganizowali śmy kiermasz i wszystkie wyroby rozeszły się na pniu .
Tokens: 1________ 2____________ 3__ 4_______ 5 6________ 7_____ 8_______ 9__ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #5324 from articles/00107576 from sent15

Text  : Dzięki temu udało się zebrać 330 zł .
Tokens: 1_____ 2___ 3____ 4__ 5_____ 6__ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #5325 from articles/00107576 from sent16

Text  : Wpłacili śmy je już na konto .
Tokens: 1_______ 2__ 3_ 4__ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #5326 from articles/00107576 from sent17

Text  : Po raz pierwszy zdarzyła się chyba w historii naszej zbiórki taka sytuacja ,  że ktoś zapłacił za ozdobę więcej ,  niż ona kosztuje .
Tokens: 1_ 2__ 3_______ 4_______ 5__ 6____ 7 8_______ 9_____ 10_____ 11__ 12______ 13 14 15__ 16______ 17 18____ 19____ 20 21_ 22_ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #5327 from articles/00107576 from sent18

Text  : Ale takich wyjątkowych zdarzeń jest w tegorocznej edycji „ Choinki dobroczyńców ”  więcej .
Tokens: 1__ 2_____ 3__________ 4______ 5___ 6 7__________ 8_____ 9 10_____ 11__________ 12 13____ 14

Chunks:
  FalseNegative nam [10,11] = Choinki dobroczyńców

(ChunkerEvaluator) Sentence #5328 from articles/00107576 from sent19

Text  : Bombek , gwiazd i dzwonków przybywa jak zwykle , ale w  tym roku jesteście skorzy także do pomocy w  innej formie .
Tokens: 1_____ 2 3_____ 4 5_______ 6_______ 7__ 8_____ 9 10_ 11 12_ 13__ 14_______ 15____ 16___ 17 18____ 19 20___ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #5329 from articles/00107576 from sent20

Text  : Kilka dni temu siostra Bernadetta Pogorzelska , dyrektor ośrodka w  Mocarzewie opowiadała ,  że telefon w  sekretariacie ,  od chwili rozpoczęcia zbiórki ,  dzwoni bez przerwy .
Tokens: 1____ 2__ 3___ 4______ 5_________ 6__________ 7 8_______ 9______ 10 11________ 12________ 13 14 15_____ 16 17___________ 18 19 20____ 21_________ 22_____ 23 24____ 25_ 26_____ 27

Chunks:
  TruePositive nam [5,6] = Bernadetta Pogorzelska
  FalseNegative nam [11,11] = Mocarzewie

(ChunkerEvaluator) Sentence #5330 from articles/00107576 from sent21

Text  : Ludzie proponują internatowi pomoc nie tylko pieniężną , za pośrednictwem „  Choinki dobroczyńców ”  .
Tokens: 1_____ 2________ 3__________ 4____ 5__ 6____ 7________ 8 9_ 10___________ 11 12_____ 13__________ 14 15

Chunks:
  FalseNegative nam [12,13] = Choinki dobroczyńców

(ChunkerEvaluator) Sentence #5331 from articles/00107576 from sent22

Text  : Oferują też różne przedmioty .
Tokens: 1______ 2__ 3____ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #5332 from articles/00107576 from sent23

Text  : Z nietypowymi propozycjami darczyńcy zgłaszają się również do naszej redakcji .
Tokens: 1 2__________ 3___________ 4________ 5________ 6__ 7______ 8_ 9_____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #5333 from articles/00107576 from sent24

Text  : Kilka dni temu bombkę na choince zawiesiła kręgielnia MK Bowling z  Galerii Wisła .
Tokens: 1____ 2__ 3___ 4_____ 5_ 6______ 7________ 8_________ 9_ 10_____ 11 12_____ 13___ 14

Chunks:
  TruePositive nam [9,10] = MK Bowling
  TruePositive nam [12,13] = Galerii Wisła

(ChunkerEvaluator) Sentence #5334 from articles/00107576 from sent25

Text  : Oprócz tego zaproponowali , że zaproszą podopiecznych ośrodka na kręgle .
Tokens: 1_____ 2___ 3____________ 4 5_ 6_______ 7____________ 8______ 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #5335 from articles/00107576 from sent26

Text  : Brakowało tylko kogoś , kto dowiózł by dzieciaki z Mocarzewa do Płocka i  odwiózł je z  powrotem po kręglach .
Tokens: 1________ 2____ 3____ 4 5__ 6______ 7_ 8________ 9 10_______ 11 12____ 13 14_____ 15 16 17______ 18 19______ 20

Chunks:
  TruePositive nam [10,10] = Mocarzewa
  TruePositive nam [12,12] = Płocka

(ChunkerEvaluator) Sentence #5336 from articles/00107576 from sent27

Text  : Ogłosili śmy poszukiwania firmy transportowej .
Tokens: 1_______ 2__ 3___________ 4____ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #5337 from articles/00107576 from sent28

Text  : Nie zaczęły się nawet na dobre , gdy zadzwonili do nas z  Komunikacji Miejskiej w  Płocku .
Tokens: 1__ 2______ 3__ 4____ 5_ 6____ 7 8__ 9_________ 10 11_ 12 13_________ 14_______ 15 16____ 17

Chunks:
  TruePositive nam [13,14] = Komunikacji Miejskiej
  TruePositive nam [16,16] = Płocku

(ChunkerEvaluator) Sentence #5338 from articles/00107576 from sent29

Text  : Zaproponowali , że chętnie oddadzą do dyspozycji swój autobus .
Tokens: 1____________ 2 3_ 4______ 5______ 6_ 7_________ 8___ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5339 from articles/00107576 from sent30

Text  : W tej chwili wszystko jest już dopięte na ostatni guzik .
Tokens: 1 2__ 3_____ 4_______ 5___ 6__ 7______ 8_ 9______ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #5340 from articles/00107576 from sent31

Text  : W poniedziałek grupa podopiecznych ośrodka w Mocarzewie przyjedzie do MK Bowling .
Tokens: 1 2___________ 3____ 4____________ 5______ 6 7_________ 8_________ 9_ 10 11_____ 12

Chunks:
  TruePositive nam [10,11] = MK Bowling
  FalseNegative nam [7,7] = Mocarzewie

(ChunkerEvaluator) Sentence #5341 from articles/00107576 from sent32

Text  : W środę oprócz bombki od przedszkolaków na jednej z choinek przybyły jeszcze dwie inne .
Tokens: 1 2____ 3_____ 4_____ 5_ 6_____________ 7_ 8_____ 9 10_____ 11______ 12_____ 13__ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #5342 from articles/00107576 from sent33

Text  : Ozdoby zawiesili także Kancelaria Radcy Prawnego Marzanny Szkopek oraz płocki klub radnych PJN .
Tokens: 1_____ 2________ 3____ 4_________ 5____ 6_______ 7_______ 8______ 9___ 10____ 11__ 12_____ 13_ 14

Chunks:
  FalsePositive nam [4,6] = Kancelaria Radcy Prawnego
  FalsePositive nam [7,8] = Marzanny Szkopek
  FalseNegative nam [4,8] = Kancelaria Radcy Prawnego Marzanny Szkopek
  FalseNegative nam [13,13] = PJN

(ChunkerEvaluator) Sentence #5343 from articles/00107576 from sent34

Text  : W sumie na koncie uzbierało się już 21 tys .  630 zł .
Tokens: 1 2____ 3_ 4_____ 5________ 6__ 7__ 8_ 9__ 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #5344 from articles/00107576 from sent35

Text  : Do ubiegłorocznego rekordu brakuje tylko 1 , 47 tys .  zł .
Tokens: 1_ 2______________ 3______ 4______ 5____ 6 7 8_ 9__ 10 11 12

Chunks:
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #5345 from articles/00107576 from sent36

Text  : Dobroczyńcą może zostać każdy z was .
Tokens: 1__________ 2___ 3_____ 4____ 5 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #5346 from articles/00107576 from sent37

Text  : Zasady są proste .
Tokens: 1_____ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #5347 from articles/00107576 from sent38

Text  : Codziennie , do Wigilii , na łamach „ Gazety ”  publikujemy drzewka .
Tokens: 1_________ 2 3_ 4______ 5 6_ 7_____ 8 9_____ 10 11_________ 12_____ 13

Chunks:
  TruePositive nam [4,4] = Wigilii
  FalseNegative nam [9,9] = Gazety

(ChunkerEvaluator) Sentence #5348 from articles/00107576 from sent39

Text  : Żeby pojawiła się na nich nowa ozdoba , wystarczy wpłacić na wskazane konto 300 ,  500 ,  1  tys .  lub 1  ,  5  tys .  zł ,  a  potem skontaktować się z  nami .
Tokens: 1___ 2_______ 3__ 4_ 5___ 6___ 7_____ 8 9________ 10_____ 11 12______ 13___ 14_ 15 16_ 17 18 19_ 20 21_ 22 23 24 25_ 26 27 28 29 30___ 31__________ 32_ 33 34__ 35

Chunks:
  TruePositive nam [27,27] = zł

(ChunkerEvaluator) Sentence #5349 from articles/00107576 from sent40

Text  : Następnego dnia na choince pojawią się bombka , dzwonek lub gwiazda z  logo lub nazwiskiem darczyńcy .
Tokens: 1_________ 2___ 3_ 4______ 5______ 6__ 7_____ 8 9______ 10_ 11_____ 12 13__ 14_ 15________ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #5350 from articles/00107576 from sent41

Text  : Pozostanie tam do końca zbiórki .
Tokens: 1_________ 2__ 3_ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5351 from articles/00107576 from sent42

Text  : A pieniądze , które wpłyną na konto , trafią do Ośrodka Szkolno -  Wychowawczego w  Mocarzewie .
Tokens: 1 2________ 3 4____ 5_____ 6_ 7____ 8 9_____ 10 11_____ 12_____ 13 14___________ 15 16________ 17

Chunks:
  FalsePositive nam [11,16] = Ośrodka Szkolno - Wychowawczego w Mocarzewie
  FalseNegative nam [11,14] = Ośrodka Szkolno - Wychowawczego
  FalseNegative nam [16,16] = Mocarzewie

(ChunkerEvaluator) Sentence #5352 from articles/00107576 from sent43

Text  : Cennik ozdób
Tokens: 1_____ 2____

Chunks:

(ChunkerEvaluator) Sentence #5353 from articles/00107576 from sent44

Text  : - - średnia bombka - 300 zł
Tokens: 1 2 3______ 4_____ 5 6__ 7_

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #5354 from articles/00107576 from sent45

Text  : - - duża bombka - 500 zł
Tokens: 1 2 3___ 4_____ 5 6__ 7_

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #5355 from articles/00107576 from sent46

Text  : - - dzwonek - 1000 zł
Tokens: 1 2 3______ 4 5___ 6_

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #5356 from articles/00107576 from sent47

Text  : - - gwiazda - 1500 zł
Tokens: 1 2 3______ 4 5___ 6_

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #5357 from articles/00107576 from sent48

Text  : Wpłat należy dokonywać na konto : Stowarzyszenie Pomocy Dzieciom Niepełnosprawnym i  ich Rodzinom „  Silni Razem ”  BOŚ o  .  Płock 26 1540 1290 2001 5970 5859 0009 z  dopiskiem w  tytule przelewu /  wpłaty :  „  choinka "  .
Tokens: 1____ 2_____ 3________ 4_ 5____ 6 7_____________ 8_____ 9_______ 10______________ 11 12_ 13______ 14 15___ 16___ 17 18_ 19 20 21___ 22 23__ 24__ 25__ 26__ 27__ 28__ 29 30_______ 31 32____ 33______ 34 35____ 36 37 38_____ 39 40

Chunks:
  FalsePositive nam [7,10] = Stowarzyszenie Pomocy Dzieciom Niepełnosprawnym
  FalsePositive nam [15,16] = Silni Razem
  FalsePositive nam [18,21] = BOŚ o . Płock
  FalseNegative nam [7,17] = Stowarzyszenie Pomocy Dzieciom Niepełnosprawnym i ich Rodzinom „ Silni Razem ”
  FalseNegative nam [18,18] = BOŚ
  FalseNegative nam [21,21] = Płock

(ChunkerEvaluator) Sentence #5358 from articles/00107576 from sent49

Text  : A później prosimy o kontakt z nami : tel .  507 094 611 ,  507 094 616 ,  e  -  mail :  choinka @  plock .  agora .  pl .  Jeśli zrobicie to do godz .  16 ,  będziecie mieli gwarancję ,  że bombka lub inna ozdoba zawiśnie na choince już następnego dnia .
Tokens: 1 2______ 3______ 4 5______ 6 7___ 8 9__ 10 11_ 12_ 13_ 14 15_ 16_ 17_ 18 19 20 21__ 22 23_____ 24 25___ 26 27___ 28 29 30 31___ 32______ 33 34 35__ 36 37 38 39_______ 40___ 41_______ 42 43 44____ 45_ 46__ 47____ 48______ 49 50_____ 51_ 52________ 53__ 54

Chunks:
  FalsePositive nam [27,31] = agora . pl . Jeśli
  FalseNegative nam [23,29] = choinka @ plock . agora . pl

2016-10-27 14:59:37,606 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 211 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107577.xml
(ChunkerEvaluator) Sentence #5359 from articles/00107577 from sent1

Text  : Bezpieczniejsze sieci w lasach
Tokens: 1______________ 2____ 3 4_____

Chunks:

(ChunkerEvaluator) Sentence #5360 from articles/00107577 from sent2

Text  : 14 grudnia Tauron Dystrybucja podpisała z Regionalną Dyrekcją Lasów Państwowych we Wrocławiu reprezentującą 33 nadleśnictwa ,  porozumienie regulujące zasady ustanawiania służebności przesyłu ,  co w  znaczący sposób zwiększy bezpieczeństwo energetyczne w  regionie .
Tokens: 1_ 2______ 3_____ 4__________ 5________ 6 7_________ 8_______ 9____ 10_________ 11 12_______ 13____________ 14 15__________ 16 17__________ 18________ 19____ 20__________ 21_________ 22______ 23 24 25 26______ 27____ 28______ 29____________ 30__________ 31 32______ 33

Chunks:
  TruePositive nam [3,4] = Tauron Dystrybucja
  TruePositive nam [7,10] = Regionalną Dyrekcją Lasów Państwowych
  TruePositive nam [12,12] = Wrocławiu

(ChunkerEvaluator) Sentence #5361 from articles/00107577 from sent3

Text  : Pozwoli ono uregulować prawo do korzystania z nieruchomości leśnych na około 1140 ha ,  zajętych przez linie napowietrzne i  kablowe oraz inne urządzenia elektroenergetyczne będące własnością Taurona Dystrybucji .
Tokens: 1______ 2__ 3_________ 4____ 5_ 6__________ 7 8____________ 9______ 10 11___ 12__ 13 14 15______ 16___ 17___ 18__________ 19 20_____ 21__ 22__ 23________ 24_________________ 25____ 26________ 27_____ 28_________ 29

Chunks:
  TruePositive nam [27,28] = Taurona Dystrybucji

(ChunkerEvaluator) Sentence #5362 from articles/00107577 from sent4

Text  : - Na obszarze działania Taurona Dystrybucji , znajduje się około 100 nadleśnictw :  33 na terenie RDLP we Wrocławiu ,  40 na terenie RDLP w  Katowicach ,  16 na terenie RDLP w  Krakowie oraz pojedyncze Nadleśnictwa na terenie działania RDLP w  Łodzi ,  Radomiu ,  Zielonej Górze i  Poznaniu .
Tokens: 1 2_ 3_______ 4________ 5______ 6__________ 7 8_______ 9__ 10___ 11_ 12_________ 13 14 15 16_____ 17__ 18 19_______ 20 21 22 23_____ 24__ 25 26________ 27 28 29 30_____ 31__ 32 33______ 34__ 35________ 36__________ 37 38_____ 39_______ 40__ 41 42___ 43 44_____ 45 46______ 47___ 48 49______ 50

Chunks:
  TruePositive nam [5,6] = Taurona Dystrybucji
  TruePositive nam [17,17] = RDLP
  TruePositive nam [19,19] = Wrocławiu
  TruePositive nam [24,24] = RDLP
  TruePositive nam [26,26] = Katowicach
  TruePositive nam [31,31] = RDLP
  TruePositive nam [33,33] = Krakowie
  TruePositive nam [40,40] = RDLP
  TruePositive nam [42,42] = Łodzi
  TruePositive nam [44,44] = Radomiu
  TruePositive nam [46,47] = Zielonej Górze
  TruePositive nam [49,49] = Poznaniu
  FalsePositive nam [36,36] = Nadleśnictwa

(ChunkerEvaluator) Sentence #5363 from articles/00107577 from sent5

Text  : Porozumienie zatem , ureguluje kwestie korzystania z państwowych nieruchomości leśnych w  stosunku do ponad 1  /  3  ilości wszystkich nadleśnictw usytuowanych na obszarze naszego działania -  mówi Jacek Duniec ,  dyrektor Departamentu Majątku Sieciowego w  Tauronie Dystrybucji ,  odpowiedzialny za regulacje prawne nieruchomości .
Tokens: 1___________ 2____ 3 4________ 5______ 6__________ 7 8__________ 9____________ 10_____ 11 12______ 13 14___ 15 16 17 18____ 19________ 20_________ 21__________ 22 23______ 24_____ 25_______ 26 27__ 28___ 29____ 30 31______ 32__________ 33_____ 34________ 35 36______ 37_________ 38 39____________ 40 41_______ 42____ 43___________ 44

Chunks:
  TruePositive nam [28,29] = Jacek Duniec
  FalsePositive nam [33,37] = Majątku Sieciowego w Tauronie Dystrybucji
  FalseNegative nam [32,34] = Departamentu Majątku Sieciowego
  FalseNegative nam [36,37] = Tauronie Dystrybucji

(ChunkerEvaluator) Sentence #5364 from articles/00107577 from sent6

Text  : - Podobne porozumienia chcemy zawrzeć z pozostałymi Regionalnymi Dyrekcjami LP .
Tokens: 1 2______ 3___________ 4_____ 5______ 6 7__________ 8___________ 9_________ 10 11

Chunks:
  TruePositive nam [8,10] = Regionalnymi Dyrekcjami LP

(ChunkerEvaluator) Sentence #5365 from articles/00107577 from sent7

Text  : Jesteśmy już po wstępnych rozmowach z RDLP w Katowicach ,  z  którą rozpoczęli śmy proces inwentaryzacji urządzeń na nieruchomościach .
Tokens: 1_______ 2__ 3_ 4________ 5________ 6 7___ 8 9_________ 10 11 12___ 13________ 14_ 15____ 16____________ 17______ 18 19______________ 20

Chunks:
  TruePositive nam [7,7] = RDLP
  TruePositive nam [9,9] = Katowicach

(ChunkerEvaluator) Sentence #5366 from articles/00107577 from sent8

Text  : W najbliższej przyszłości mamy zamiar zwrócić się z propozycją spotkania do RDLP w  Krakowie .
Tokens: 1 2__________ 3__________ 4___ 5_____ 6______ 7__ 8 9_________ 10_______ 11 12__ 13 14______ 15

Chunks:
  TruePositive nam [12,12] = RDLP
  TruePositive nam [14,14] = Krakowie

(ChunkerEvaluator) Sentence #5367 from articles/00107577 from sent9

Text  : Uzyskanie trwałych tytułów do korzystania z nieruchomości leśnych , ułatwi eksploatację ,  przeprowadzanie remontów i  modernizacji linii elektroenergetycznych oraz realizowanie inwestycji .
Tokens: 1________ 2_______ 3______ 4_ 5__________ 6 7____________ 8______ 9 10____ 11__________ 12 13_____________ 14______ 15 16__________ 17___ 18___________________ 19__ 20__________ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #5368 from articles/00107577 from sent10

Text  : Lepszy dostęp i prawidłowa wycinka drzew i gałęzi wpłynie na zmniejszenie zagrożenia awariami i  zwiększy bezpieczeństwo dostaw energii elektrycznej .
Tokens: 1_____ 2_____ 3 4_________ 5______ 6____ 7 8_____ 9______ 10 11__________ 12________ 13______ 14 15______ 16____________ 17____ 18_____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #5369 from articles/00107577 from sent11

Text  : Ustawa z dnia 17 grudnia 2010 r . o zmianie ustawy o  lasach oraz ustawy o  ochronie przyrody (  Dz .  U  .  z  2010 r  .
Tokens: 1_____ 2 3___ 4_ 5______ 6___ 7 8 9 10_____ 11____ 12 13____ 14__ 15____ 16 17______ 18______ 19 20 21 22 23 24 25__ 26 27

Chunks:

(ChunkerEvaluator) Sentence #5370 from articles/00107577 from sent12

Text  : Nr 34 , poz . 2572 ze zm . )  ,  która weszła w  życie w  marcu br .  wprowadziła podstawę prawną do odpłatnego ustanawiania przez nadleśniczych służebności przesyłu na rzecz przedsiębiorstw energetycznych ,  na nieruchomościach Skarbu Państwa będących w  zarządzie Lasów Państwowych -  art .  39 a  .
Tokens: 1_ 2_ 3 4__ 5 6___ 7_ 8_ 9 10 11 12___ 13____ 14 15___ 16 17___ 18 19 20_________ 21______ 22____ 23 24________ 25__________ 26___ 27___________ 28_________ 29______ 30 31___ 32_____________ 33____________ 34 35 36______________ 37____ 38_____ 39______ 40 41_______ 42___ 43_________ 44 45_ 46 47 48 49

Chunks:
  TruePositive nam [37,38] = Skarbu Państwa
  TruePositive nam [42,43] = Lasów Państwowych

(ChunkerEvaluator) Sentence #5371 from articles/00107577 from sent13

Text  : Zgodnie z ust . 2 tego przepisu , wynagrodzenie ustalane jest w  wysokości odpowiadającej wartości podatków i  opłat ponoszonych przez Lasy Państwowe od części nieruchomości ,  z  której korzystanie jest ograniczone w  związku z  obciążeniem tą służebnością .
Tokens: 1______ 2 3__ 4 5 6___ 7_______ 8 9____________ 10______ 11__ 12 13_______ 14____________ 15______ 16______ 17 18___ 19_________ 20___ 21__ 22_______ 23 24____ 25___________ 26 27 28____ 29_________ 30__ 31_________ 32 33_____ 34 35_________ 36 37__________ 38

Chunks:
  TruePositive nam [21,22] = Lasy Państwowe

(ChunkerEvaluator) Sentence #5372 from articles/00107577 from sent14

Text  : Jednocześnie przedsiębiorca obowiązany jest do usuwania drzew , krzewów i  gałęzi zagrażających funkcjonowaniu urządzeń -  art .  39a ust .  4  .
Tokens: 1___________ 2_____________ 3_________ 4___ 5_ 6_______ 7____ 8 9______ 10 11____ 12___________ 13____________ 14______ 15 16_ 17 18_ 19_ 20 21 22

Chunks:

2016-10-27 14:59:37,722 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 212 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107578.xml
(ChunkerEvaluator) Sentence #5373 from articles/00107578 from sent1

Text  : Na bielskiej starówce już święta [ ZDJĘCIA ]
Tokens: 1_ 2________ 3_______ 4__ 5_____ 6 7______ 8

Chunks:
  FalsePositive nam [7,7] = ZDJĘCIA

(ChunkerEvaluator) Sentence #5374 from articles/00107578 from sent2

Text  : W weekend na bielskim rynku stanęła scena , rozstawiono drewniane stragany i  stoiska .
Tokens: 1 2______ 3_ 4_______ 5____ 6______ 7____ 8 9__________ 10_______ 11______ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #5375 from articles/00107578 from sent3

Text  : Impreza „ Święta na Starówce ” odbyła się już piąty raz .
Tokens: 1______ 2 3_____ 4_ 5_______ 6 7_____ 8__ 9__ 10___ 11_ 12

Chunks:
  FalsePositive nam [3,3] = Święta
  FalsePositive nam [5,5] = Starówce
  FalseNegative nam [3,5] = Święta na Starówce

(ChunkerEvaluator) Sentence #5376 from articles/00107578 from sent4

Text  : - Fajnie jest oderwać się na chwile od zakupowej gorączki w  hipermarketach .
Tokens: 1 2_____ 3___ 4______ 5__ 6_ 7_____ 8_ 9________ 10______ 11 12____________ 13

Chunks:

(ChunkerEvaluator) Sentence #5377 from articles/00107578 from sent5

Text  : Podoba nam się rodzinna atmosfera i ciepło rynku - ocenili Anna i  Tomasz Piszowie ,  rodzice małego Krzysia .
Tokens: 1_____ 2__ 3__ 4_______ 5________ 6 7_____ 8____ 9 10_____ 11__ 12 13____ 14______ 15 16_____ 17____ 18_____ 19

Chunks:
  TruePositive nam [11,11] = Anna
  TruePositive nam [13,14] = Tomasz Piszowie
  TruePositive nam [18,18] = Krzysia

(ChunkerEvaluator) Sentence #5378 from articles/00107578 from sent6

Text  : Dzieciom przypadła do gustu przejażdżka karuzelą , chętnie ustawiały się też w  kolejce do świętego mikołaja .
Tokens: 1_______ 2________ 3_ 4____ 5__________ 6_______ 7 8______ 9________ 10_ 11_ 12 13_____ 14 15______ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #5379 from articles/00107578 from sent7

Text  : Dobrotliwy starzec zapraszał wszystkie na warsztaty plastyczne , gdzie maluchy uczyły się robić ozdoby ,  dekorować pierniki ,  malować bombki i  kubki .
Tokens: 1_________ 2______ 3________ 4________ 5_ 6________ 7_________ 8 9____ 10_____ 11____ 12_ 13___ 14____ 15 16_______ 17______ 18 19_____ 20____ 21 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #5380 from articles/00107578 from sent8

Text  : Nie nudzili się również dorośli , których sprzedawcy zachęcali do próbowania pierogów ,  oscypków i  grzanego wina .
Tokens: 1__ 2______ 3__ 4______ 5______ 6 7______ 8_________ 9________ 10 11________ 12______ 13 14______ 15 16______ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #5381 from articles/00107578 from sent9

Text  : Nie zabrakło również czegoś dla ducha .
Tokens: 1__ 2_______ 3______ 4_____ 5__ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #5382 from articles/00107578 from sent10

Text  : Adam Jakubowski , który przyjechał na weekend z Łodzi ,  zasłuchał się w  czasie występu Kwartetu Saksofonowego .
Tokens: 1___ 2_________ 3 4____ 5_________ 6_ 7______ 8 9____ 10 11_______ 12_ 13 14____ 15_____ 16______ 17___________ 18

Chunks:
  TruePositive nam [1,2] = Adam Jakubowski
  TruePositive nam [9,9] = Łodzi
  TruePositive nam [16,17] = Kwartetu Saksofonowego

(ChunkerEvaluator) Sentence #5383 from articles/00107578 from sent11

Text  : - Udzieliła mi się świąteczna atmosfera .
Tokens: 1 2________ 3_ 4__ 5_________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5384 from articles/00107578 from sent12

Text  : W Bielsku - Białej jestem pierwszy raz , ale na pewno nie ostatni -  zapewniał mężczyzna .
Tokens: 1 2______ 3 4_____ 5_____ 6_______ 7__ 8 9__ 10 11___ 12_ 13_____ 14 15_______ 16_______ 17

Chunks:
  TruePositive nam [2,4] = Bielsku - Białej

(ChunkerEvaluator) Sentence #5385 from articles/00107578 from sent13

Text  : Nową atrakcją jarmarku była Eko - Przystań Świętego Mikołaja .
Tokens: 1___ 2_______ 3_______ 4___ 5__ 6 7_______ 8_______ 9_______ 10

Chunks:
  TruePositive nam [5,9] = Eko - Przystań Świętego Mikołaja

(ChunkerEvaluator) Sentence #5386 from articles/00107578 from sent14

Text  : Każdy mógł oświetlić znajdujące się w niej choinkę i renifery .
Tokens: 1____ 2___ 3________ 4_________ 5__ 6 7___ 8______ 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #5387 from articles/00107578 from sent15

Text  : Wystarczyło wsiąść na rower i popedałować , by wytworzona w  tej sposób energia rozświetliła świąteczne dekoracje .
Tokens: 1__________ 2_____ 3_ 4____ 5 6__________ 7 8_ 9_________ 10 11_ 12____ 13_____ 14__________ 15________ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #5388 from articles/00107578 from sent16

Text  : Kto zmarzł , mógł ogrzać się przy specjalnym palenisku .
Tokens: 1__ 2_____ 3 4___ 5_____ 6__ 7___ 8_________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #5389 from articles/00107578 from sent17

Text  : Górale z Beskidzkiego Klubu Kulinarnego przyrządzili smaczny gulasz zbójnicki i  częstowali ciepłym posiłkiem wszystkich chętnych .
Tokens: 1_____ 2 3___________ 4____ 5__________ 6___________ 7______ 8_____ 9________ 10 11________ 12_____ 13_______ 14________ 15______ 16

Chunks:
  TruePositive nam [3,5] = Beskidzkiego Klubu Kulinarnego

(ChunkerEvaluator) Sentence #5390 from articles/00107578 from sent18

Text  : Wielu osobom do pełni szczęścia brakowało tylko śniegu .
Tokens: 1____ 2_____ 3_ 4____ 5________ 6________ 7____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #5391 from articles/00107578 from sent19

Text  : Świątecznej magii poddała się jednak również pogoda i w sobotni wieczór przez chwilę śnieg poprószył .
Tokens: 1__________ 2____ 3______ 4__ 5_____ 6______ 7_____ 8 9 10_____ 11_____ 12___ 13____ 14___ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #5392 from articles/00107578 from sent20

Text  : - Organizatorzy pomyśleli o wszystkim - żartowali bielszczanie .
Tokens: 1 2____________ 3________ 4 5________ 6 7________ 8___________ 9

Chunks:
  FalseNegative nam [8,8] = bielszczanie

2016-10-27 14:59:37,802 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 213 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107579.xml
(ChunkerEvaluator) Sentence #5393 from articles/00107579 from sent1

Text  : Biała sobota
Tokens: 1____ 2_____

Chunks:
  FalseNegative nam [1,2] = Biała sobota

(ChunkerEvaluator) Sentence #5394 from articles/00107579 from sent2

Text  : Z badań specjalistycznych będzie można skorzystać dziś w obu radomskich szpitalach .
Tokens: 1 2____ 3________________ 4_____ 5____ 6_________ 7___ 8 9__ 10________ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #5395 from articles/00107579 from sent3

Text  : W sobotę akcję „ Witamy przyszłe mamy ” organizuje placówka na Józefowie
Tokens: 1 2_____ 3____ 4 5_____ 6_______ 7___ 8 9_________ 10______ 11 12_______

Chunks:
  TruePositive nam [12,12] = Józefowie

(ChunkerEvaluator) Sentence #5396 from articles/00107579 from sent4

Text  : Ochrona zdrowia .
Tokens: 1______ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #5397 from articles/00107579 from sent5

Text  : Otwarte szpitale
Tokens: 1______ 2_______

Chunks:

(ChunkerEvaluator) Sentence #5398 from articles/00107579 from sent6

Text  : Biała sobota
Tokens: 1____ 2_____

Chunks:
  FalseNegative nam [1,2] = Biała sobota

(ChunkerEvaluator) Sentence #5399 from articles/00107579 from sent7

Text  : Z badań specjalistycznych będzie można skorzystać dziś w obu radomskich szpitalach .
Tokens: 1 2____ 3________________ 4_____ 5____ 6_________ 7___ 8 9__ 10________ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #5400 from articles/00107579 from sent8

Text  : W sobotę akcję „ Witamy przyszłe mamy ” organizuje placówka na Józefowie
Tokens: 1 2_____ 3____ 4 5_____ 6_______ 7___ 8 9_________ 10______ 11 12_______

Chunks:
  TruePositive nam [12,12] = Józefowie
  FalseNegative nam [5,7] = Witamy przyszłe mamy

(ChunkerEvaluator) Sentence #5401 from articles/00107579 from sent9

Text  : Poradnia onkologiczna szpitala na Józefowie zaprasza pacjentów na badania specjalistyczne w  piątek w  godz .  14 -  18 .
Tokens: 1_______ 2___________ 3_______ 4_ 5________ 6_______ 7________ 8_ 9______ 10_____________ 11 12____ 13 14__ 15 16 17 18 19

Chunks:
  TruePositive nam [5,5] = Józefowie
  FalseNegative nam [1,3] = Poradnia onkologiczna szpitala

(ChunkerEvaluator) Sentence #5402 from articles/00107579 from sent10

Text  : Przyjmować będą onkolodzy - chirurdzy i ginekolodzy .
Tokens: 1_________ 2___ 3________ 4 5________ 6 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #5403 from articles/00107579 from sent11

Text  : Jeśli uznają , że trzeba będzie wykonać badania - rtg .  klatki piersiowej ,  usg .  czy mammografię -  wypiszą skierowanie ,  które będzie można zarejestrować na konkretny dzień w  szpitalnej pracowni rtg .
Tokens: 1____ 2_____ 3 4_ 5_____ 6_____ 7______ 8______ 9 10_ 11 12____ 13________ 14 15_ 16 17_ 18_________ 19 20_____ 21_________ 22 23___ 24____ 25___ 26___________ 27 28_______ 29___ 30 31________ 32______ 33_ 34

Chunks:

(ChunkerEvaluator) Sentence #5404 from articles/00107579 from sent12

Text  : Specjaliści zapraszają zwłaszcza panie , które chciały by zbadać piersi .
Tokens: 1__________ 2_________ 3________ 4____ 5 6____ 7______ 8_ 9_____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #5405 from articles/00107579 from sent13

Text  : Specjalny program profilaktyczny finansowany przez kasę chorych obejmuje bowiem wyłącznie kobiety w  wieku 50 -  59 lat ,  natomiast w  piątek przyjmowane będą wszystkie panie .
Tokens: 1________ 2______ 3_____________ 4__________ 5____ 6___ 7______ 8_______ 9_____ 10_______ 11_____ 12 13___ 14 15 16 17_ 18 19_______ 20 21____ 22_________ 23__ 24_______ 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #5406 from articles/00107579 from sent14

Text  : Pacjenci powinni zabrać ze sobą dokument tożsamości z peselem oraz legitymację ubezpieczeniową .
Tokens: 1_______ 2______ 3_____ 4_ 5___ 6_______ 7_________ 8 9______ 10__ 11_________ 12_____________ 13

Chunks:

(ChunkerEvaluator) Sentence #5407 from articles/00107579 from sent15

Text  : W sobotę na Józefów po raz kolejny zaprasza przyszłe mamy oddział ginekologiczno -  położniczy .
Tokens: 1 2_____ 3_ 4______ 5_ 6__ 7______ 8_______ 9_______ 10__ 11_____ 12____________ 13 14________ 15

Chunks:
  TruePositive nam [4,4] = Józefów

(ChunkerEvaluator) Sentence #5408 from articles/00107579 from sent16

Text  : W godz . 11 - 14 będzie można zwiedzić sale i  wysłuchać pogadanek na temat odżywiania kobiet w  ciąży i  pielęgnacji noworodków .
Tokens: 1 2___ 3 4_ 5 6_ 7_____ 8____ 9_______ 10__ 11 12_______ 13_______ 14 15___ 16________ 17____ 18 19___ 20 21_________ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #5409 from articles/00107579 from sent17

Text  : Natomiast oddział ginekologiczno - położniczy szpitala przy ul . Tochtermana organizuje w  piątek (  w  godz .  10 -  15 )  oraz sobotę (  godz .  9  -  14 )  badania wykrywające osteoporozę .
Tokens: 1________ 2______ 3_____________ 4 5_________ 6_______ 7___ 8_ 9 10_________ 11________ 12 13____ 14 15 16__ 17 18 19 20 21 22__ 23____ 24 25__ 26 27 28 29 30 31_____ 32_________ 33_________ 34

Chunks:
  FalseNegative nam [10,10] = Tochtermana

(ChunkerEvaluator) Sentence #5410 from articles/00107579 from sent18

Text  : Koszt - 20 zł , zapisy pod nr tel .  361 52 88 .
Tokens: 1____ 2 3_ 4_ 5 6_____ 7__ 8_ 9__ 10 11_ 12 13 14

Chunks:
  TruePositive nam [4,4] = zł

(ChunkerEvaluator) Sentence #5411 from articles/00107579 from sent19

Text  : Przypominamy , że oddział przy ul . Narutowicza od soboty do końca października będzie zamknięty .
Tokens: 1___________ 2 3_ 4______ 5___ 6_ 7 8__________ 9_ 10____ 11 12___ 13__________ 14____ 15_______ 16

Chunks:
  TruePositive nam [8,8] = Narutowicza

(ChunkerEvaluator) Sentence #5412 from articles/00107579 from sent20

Text  : Będzie przeprowadzana dezynfekcja .
Tokens: 1_____ 2_____________ 3__________ 4

Chunks:

2016-10-27 14:59:37,882 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 214 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107580.xml
(ChunkerEvaluator) Sentence #5413 from articles/00107580 from sent1

Text  : Gdzie mistrzostwa , tam Jasiński
Tokens: 1____ 2__________ 3 4__ 5_______

Chunks:
  TruePositive nam [5,5] = Jasiński
  FalseNegative nam [2,2] = mistrzostwa

(ChunkerEvaluator) Sentence #5414 from articles/00107580 from sent2

Text  : Bardzo intensywne sportowo dni miał w ostatnim okresie pływak zielonogórskiego Kornera Jakub Jasiński .
Tokens: 1_____ 2_________ 3_______ 4__ 5___ 6 7_______ 8______ 9_____ 10______________ 11_____ 12___ 13______ 14

Chunks:
  TruePositive nam [11,11] = Kornera
  TruePositive nam [12,13] = Jakub Jasiński

(ChunkerEvaluator) Sentence #5415 from articles/00107580 from sent3

Text  : Po udanych występach w mistrzostwach Europy w Szczecinie i kilku dniach przerwy w  czwartek i  piątek wystartował w  mistrzostwach Polski seniorów w  Poznaniu ,  gdzie zdobył dwa medale indywidualnie i  dwa w  sztafetach .
Tokens: 1_ 2______ 3________ 4 5____________ 6_____ 7 8_________ 9 10___ 11____ 12_____ 13 14______ 15 16____ 17_________ 18 19___________ 20____ 21______ 22 23______ 24 25___ 26____ 27_ 28____ 29___________ 30 31_ 32 33________ 34

Chunks:
  TruePositive nam [8,8] = Szczecinie
  TruePositive nam [23,23] = Poznaniu
  FalsePositive nam [6,6] = Europy
  FalsePositive nam [20,20] = Polski
  FalseNegative nam [5,6] = mistrzostwach Europy
  FalseNegative nam [19,21] = mistrzostwach Polski seniorów

(ChunkerEvaluator) Sentence #5416 from articles/00107580 from sent4

Text  : W nocy z piątku na sobotę przemieścił się do Madrytu ,  by wystąpić w  mistrzostwach Hiszpanii w  barwach swojego katalońskiego klubu z  Tarrasy .
Tokens: 1 2___ 3 4_____ 5_ 6_____ 7__________ 8__ 9_ 10_____ 11 12 13______ 14 15___________ 16_______ 17 18_____ 19_____ 20___________ 21___ 22 23_____ 24

Chunks:
  TruePositive nam [10,10] = Madrytu
  FalsePositive nam [16,16] = Hiszpanii
  FalseNegative nam [15,16] = mistrzostwach Hiszpanii
  FalseNegative nam [23,23] = Tarrasy

(ChunkerEvaluator) Sentence #5417 from articles/00107580 from sent5

Text  : Start zakończył się powodzeniem .
Tokens: 1____ 2________ 3__ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #5418 from articles/00107580 from sent6

Text  : Jasiński wywalczył trzy medale : srebrne na 200 m grzbietowym (  1  .  57 ,  41 )  i  200 m  zmiennym (  1  .  58 ,  71 )  oraz brązowy na 100 m  grzbietowym (  52 ,  78 )  .
Tokens: 1_______ 2________ 3___ 4_____ 5 6______ 7_ 8__ 9 10_________ 11 12 13 14 15 16 17 18 19_ 20 21______ 22 23 24 25 26 27 28 29__ 30_____ 31 32_ 33 34_________ 35 36 37 38 39 40

Chunks:
  TruePositive nam [1,1] = Jasiński

2016-10-27 14:59:37,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 215 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107581.xml
(ChunkerEvaluator) Sentence #5419 from articles/00107581 from sent1

Text  : Marzenia o sztucznej murawie na Niwce mogą się spełnić
Tokens: 1_______ 2 3________ 4______ 5_ 6____ 7___ 8__ 9______

Chunks:
  TruePositive nam [6,6] = Niwce

(ChunkerEvaluator) Sentence #5420 from articles/00107581 from sent2

Text  : Mieszkańcy sosnowieckiej Niwki czują , że opłaciło się żmudne zbieranie podpisów pod petycją o  boisko dla młodzieży .
Tokens: 1_________ 2____________ 3____ 4____ 5 6_ 7_______ 8__ 9_____ 10_______ 11______ 12_ 13_____ 14 15____ 16_ 17_______ 18

Chunks:
  TruePositive nam [3,3] = Niwki

(ChunkerEvaluator) Sentence #5421 from articles/00107581 from sent3

Text  : Czy boisko rzeczywiście w dzielnicy powstanie , okaże się jutro w  czasie głosowania nad budżetem miasta na 2012 rok .
Tokens: 1__ 2_____ 3___________ 4 5________ 6________ 7 8____ 9__ 10___ 11 12____ 13________ 14_ 15______ 16____ 17 18__ 19_ 20

Chunks:

(ChunkerEvaluator) Sentence #5422 from articles/00107581 from sent4

Text  : Na głowie radnego było znalezienie w przyszłorocznym budżecie 600 -  800 tys .  zł na sztuczną murawę i  podstawowe urządzenia .
Tokens: 1_ 2_____ 3______ 4___ 5__________ 6 7______________ 8_______ 9__ 10 11_ 12_ 13 14 15 16______ 17____ 18 19________ 20________ 21

Chunks:
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #5423 from articles/00107581 from sent5

Text  : - Nie chcemy tu żadnych luksusów , dotąd sami przynosili śmy siatkę ,  wieszało się ją na zardzewiałych słupkach i  chłopaki już grały -  deklaruje Niedziela ,  który bał się ,  że jeśli boisko nie powstanie teraz ,  to Niwka będzie musiała czekać na swą szansę jeszcze dobrych kilka lat .
Tokens: 1 2__ 3_____ 4_ 5______ 6_______ 7 8____ 9___ 10________ 11_ 12____ 13 14______ 15_ 16 17 18___________ 19______ 20 21______ 22_ 23___ 24 25_______ 26_______ 27 28___ 29_ 30_ 31 32 33___ 34____ 35_ 36_______ 37___ 38 39 40___ 41____ 42_____ 43____ 44 45_ 46____ 47_____ 48_____ 49___ 50_ 51

Chunks:
  TruePositive nam [26,26] = Niedziela
  TruePositive nam [40,40] = Niwka

(ChunkerEvaluator) Sentence #5424 from articles/00107581 from sent6

Text  : Najpierw radny zauważył , że po nieprzyznaniu przez urząd marszałkowski dofinansowania na ocieplenie technikum elektronicznego w  mieście zwolniło się prawie 2  mln zł wkładu własnego miasta .
Tokens: 1_______ 2____ 3_______ 4 5_ 6_ 7____________ 8____ 9____ 10___________ 11____________ 12 13________ 14_______ 15_____________ 16 17_____ 18______ 19_ 20____ 21 22_ 23 24____ 25______ 26____ 27

Chunks:
  TruePositive nam [23,23] = zł

(ChunkerEvaluator) Sentence #5425 from articles/00107581 from sent7

Text  : Innym razem taniej , niż przypuszczano , rozstrzygnięto miejski przetarg .
Tokens: 1____ 2____ 3_____ 4 5__ 6____________ 7 8_____________ 9______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #5426 from articles/00107581 from sent8

Text  : - W sumie wyszło na to , że starczyło by nie na jedno ,  ale trzy boiska -  mówi Niedziela ,  który musiał się jeszcze „  boksować ”  z  innymi radnymi ,  bo każdy z  oszczędności chciał coś wyrwać dla swojej dzielnicy .
Tokens: 1 2 3____ 4_____ 5_ 6_ 7 8_ 9________ 10 11_ 12 13___ 14 15_ 16__ 17____ 18 19__ 20_______ 21 22___ 23____ 24_ 25_____ 26 27______ 28 29 30____ 31_____ 32 33 34___ 35 36__________ 37____ 38_ 39____ 40_ 41____ 42_______ 43

Chunks:
  TruePositive nam [20,20] = Niedziela

(ChunkerEvaluator) Sentence #5427 from articles/00107581 from sent9

Text  : Ostatecznie komisja kultury i sportu zgodziła się na budowę boisk ze sztuczną murawą przy ulicach Jagiellońskiej ,  Składowej i  w  Niwce właśnie ,  najpewniej u  zbiegu ulic Szybowej i  Dybowskiego .
Tokens: 1__________ 2______ 3______ 4 5_____ 6_______ 7__ 8_ 9_____ 10___ 11 12______ 13____ 14__ 15_____ 16____________ 17 18_______ 19 20 21___ 22_____ 23 24________ 25 26____ 27__ 28______ 29 30_________ 31

Chunks:
  TruePositive nam [16,16] = Jagiellońskiej
  TruePositive nam [18,18] = Składowej
  TruePositive nam [21,21] = Niwce
  TruePositive nam [28,28] = Szybowej
  TruePositive nam [30,30] = Dybowskiego

(ChunkerEvaluator) Sentence #5428 from articles/00107581 from sent10

Text  : - Obojętnie gdzie boisko powstanie , ucieszy młodych mieszkańców od Jęzora po Bór i  Modrzejów -  mówi radny .
Tokens: 1 2________ 3____ 4_____ 5________ 6 7______ 8______ 9__________ 10 11____ 12 13_ 14 15_______ 16 17__ 18___ 19

Chunks:
  TruePositive nam [11,11] = Jęzora
  TruePositive nam [13,13] = Bór
  TruePositive nam [15,15] = Modrzejów

2016-10-27 14:59:37,997 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 216 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107582.xml
(ChunkerEvaluator) Sentence #5429 from articles/00107582 from sent1

Text  : Holenderska TV twierdzi , że pokaże dziś na wizji kanibalizm
Tokens: 1__________ 2_ 3_______ 4 5_ 6_____ 7___ 8_ 9____ 10________

Chunks:
  TruePositive nam [2,2] = TV

(ChunkerEvaluator) Sentence #5430 from articles/00107582 from sent2

Text  : Holenderska telewizja BNN zarzeka się , że to nie żaden kawał ani sztuczka .
Tokens: 1__________ 2________ 3__ 4______ 5__ 6 7_ 8_ 9__ 10___ 11___ 12_ 13______ 14

Chunks:
  FalseNegative nam [3,3] = BNN

(ChunkerEvaluator) Sentence #5431 from articles/00107582 from sent3

Text  : W programie ” Świnki doświadczalne ” dziś wieczorem jego prowadzący mają zjeść kawałek ludzkiego mięsa .
Tokens: 1 2________ 3 4_____ 5____________ 6 7___ 8________ 9___ 10________ 11__ 12___ 13_____ 14_______ 15___ 16

Chunks:
  TruePositive nam [4,5] = Świnki doświadczalne

(ChunkerEvaluator) Sentence #5432 from articles/00107582 from sent4

Text  : Każdy z dwóch prowadzących program ma usunąć z pomocą lekarzy kawałek własnego ciała .
Tokens: 1____ 2 3____ 4___________ 5______ 6_ 7_____ 8 9_____ 10_____ 11_____ 12______ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #5433 from articles/00107582 from sent5

Text  : Kawałek ów ma zostać usmażony i zjedzony przez drugiego prowadzącego .
Tokens: 1______ 2_ 3_ 4_____ 5_______ 6 7_______ 8____ 9_______ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #5434 from articles/00107582 from sent6

Text  : Stacja twierdzi , że program został już nagrany dziś rano -  na antenie ma się rozpocząć dziś o  godz .  21 .  40 .
Tokens: 1_____ 2_______ 3 4_ 5______ 6_____ 7__ 8______ 9___ 10__ 11 12 13_____ 14 15_ 16_______ 17__ 18 19__ 20 21 22 23 24

Chunks:

(ChunkerEvaluator) Sentence #5435 from articles/00107582 from sent7

Text  : BNN , publiczna stacja rozrywkowa skierowana do nastolatków , znana jest z  kontrowersyjnych pomysłów .
Tokens: 1__ 2 3________ 4_____ 5_________ 6_________ 7_ 8__________ 9 10___ 11__ 12 13______________ 14______ 15

Chunks:
  FalseNegative nam [1,1] = BNN

(ChunkerEvaluator) Sentence #5436 from articles/00107582 from sent8

Text  : Jej najgłośniejszy i najbardziej kontrowersyjny pomysł - teleturniej , w  którym ludzie oczekujący na przeszczep grają właśnie o  poszukiwany przez nich organ -  okazał się oszustwem .
Tokens: 1__ 2_____________ 3 4__________ 5_____________ 6_____ 7 8__________ 9 10 11____ 12____ 13________ 14 15________ 16___ 17_____ 18 19_________ 20___ 21__ 22___ 23 24____ 25_ 26_______ 27

Chunks:

(ChunkerEvaluator) Sentence #5437 from articles/00107582 from sent9

Text  : Stacja zapowiadała taki program , ostatecznie okazało się jednak ,  że chodzi po prostu o  kampanię promującą zapisywanie się na listę dawców .
Tokens: 1_____ 2__________ 3___ 4______ 5 6__________ 7______ 8__ 9_____ 10 11 12____ 13 14____ 15 16______ 17_______ 18_________ 19_ 20 21___ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #5438 from articles/00107582 from sent10

Text  : Holenderskie gazety informując dziś o pomyśle BNN dość zgodnie twierdzą ,  że dzisiejszy program też zapewne okaże się oszustwem .
Tokens: 1___________ 2_____ 3_________ 4___ 5 6______ 7__ 8___ 9______ 10______ 11 12 13________ 14_____ 15_ 16_____ 17___ 18_ 19_______ 20

Chunks:
  FalseNegative nam [7,7] = BNN

(ChunkerEvaluator) Sentence #5439 from articles/00107582 from sent11

Text  : Sama stacja twierdzi , że program będzie jak najbardziej prawdziwy .
Tokens: 1___ 2_____ 3_______ 4 5_ 6______ 7_____ 8__ 9__________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #5440 from articles/00107582 from sent12

Text  : Rzecznik BNN cytuje nawet prawnika , który twierdzi , że kanibalizm nie jest w  Holandii przestępstwem .
Tokens: 1_______ 2__ 3_____ 4____ 5_______ 6 7____ 8_______ 9 10 11________ 12_ 13__ 14 15______ 16___________ 17

Chunks:
  TruePositive nam [15,15] = Holandii
  FalseNegative nam [2,2] = BNN

(ChunkerEvaluator) Sentence #5441 from articles/00107582 from sent13

Text  : PS .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #5442 from articles/00107582 from sent14

Text  : Program został nadany i prowadzący rzeczywiście zjedli po kawałku swego ciała .
Tokens: 1______ 2_____ 3_____ 4 5_________ 6___________ 7_____ 8_ 9______ 10___ 11___ 12

Chunks:

2016-10-27 14:59:38,063 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 217 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107583.xml
(ChunkerEvaluator) Sentence #5443 from articles/00107583 from sent1

Text  : Kobieta w 8 miesiącu ciąży pobita przez pijaka
Tokens: 1______ 2 3 4_______ 5____ 6_____ 7____ 8_____

Chunks:

(ChunkerEvaluator) Sentence #5444 from articles/00107583 from sent2

Text  : Kobieta chciała pomóc lezącemu na ulicy mężczyźnie , ten pobił ją i  zniszczył samochód
Tokens: 1______ 2______ 3____ 4_______ 5_ 6____ 7_________ 8 9__ 10___ 11 12 13_______ 14______

Chunks:

(ChunkerEvaluator) Sentence #5445 from articles/00107583 from sent3

Text  : Policjanci z Gogolina zostali powiadomieni o ataku na 34 -  letnią mieszkankę powiatu opolskiego .
Tokens: 1_________ 2 3_______ 4______ 5___________ 6 7____ 8_ 9_ 10 11____ 12________ 13_____ 14________ 15

Chunks:
  TruePositive nam [3,3] = Gogolina
  FalseNegative nam [14,14] = opolskiego

(ChunkerEvaluator) Sentence #5446 from articles/00107583 from sent4

Text  : Kobieta była w 8 miesiącu ciąży .
Tokens: 1______ 2___ 3 4 5_______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #5447 from articles/00107583 from sent5

Text  : Okazało się , że wracając samochodem do domu wraz z  mężem i  dwójką dzieci zauważyła w  Gogolinie na ul .  Kamiennej mężczyznę ,  który leżał na ulicy .
Tokens: 1______ 2__ 3 4_ 5_______ 6_________ 7_ 8___ 9___ 10 11___ 12 13____ 14____ 15_______ 16 17_______ 18 19 20 21_______ 22_______ 23 24___ 25___ 26 27___ 28

Chunks:
  TruePositive nam [17,17] = Gogolinie
  FalseNegative nam [21,21] = Kamiennej

(ChunkerEvaluator) Sentence #5448 from articles/00107583 from sent6

Text  : Zatrzymali się więc i z mężem usiłowali pomóc mężczyźnie .
Tokens: 1_________ 2__ 3___ 4 5 6____ 7________ 8____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #5449 from articles/00107583 from sent7

Text  : 52 - letni - Jerzy M . z zupełnie niezrozumiałych powodów zaatakował ciężarną i  jej męża .
Tokens: 1_ 2 3____ 4 5____ 6 7 8 9_______ 10_____________ 11_____ 12________ 13______ 14 15_ 16__ 17

Chunks:
  TruePositive nam [5,7] = Jerzy M .

(ChunkerEvaluator) Sentence #5450 from articles/00107583 from sent8

Text  : Wdarł się do samochodu , gdzie były ich dzieci i  zaczął bić kobietę zniszczył jej okulary ,  a  później uszkodził wyposażenie samochodu .
Tokens: 1____ 2__ 3_ 4________ 5 6____ 7___ 8__ 9_____ 10 11____ 12_ 13_____ 14_______ 15_ 16_____ 17 18 19_____ 20_______ 21_________ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #5451 from articles/00107583 from sent9

Text  : Mężczyzna po zatrzymaniu przez gogolińskich policjantów trafił do aresztu .
Tokens: 1________ 2_ 3__________ 4____ 5___________ 6__________ 7_____ 8_ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5452 from articles/00107583 from sent10

Text  : Na następny dzień po wytrzeźwieniu ( w chwili zatrzymania miał ponad 2  promile alkoholu w  wydychanym powietrzu )  usłyszał dwa zarzuty dot .  umyślnego zniszczenia mienia oraz składaniu gróźb karalnych .
Tokens: 1_ 2_______ 3____ 4_ 5____________ 6 7 8_____ 9__________ 10__ 11___ 12 13_____ 14______ 15 16________ 17_______ 18 19______ 20_ 21_____ 22_ 23 24_______ 25_________ 26____ 27__ 28_______ 29___ 30_______ 31

Chunks:

(ChunkerEvaluator) Sentence #5453 from articles/00107583 from sent11

Text  : Grozi mu do 5 lat pozbawienia wolności .
Tokens: 1____ 2_ 3_ 4 5__ 6__________ 7_______ 8

Chunks:

2016-10-27 14:59:38,118 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 218 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107584.xml
(ChunkerEvaluator) Sentence #5454 from articles/00107584 from sent1

Text  : Chiński górniczy gigant i KGHM wyremontują Łazienki
Tokens: 1______ 2_______ 3_____ 4 5___ 6__________ 7_______

Chunks:
  TruePositive nam [5,5] = KGHM
  TruePositive nam [7,7] = Łazienki

(ChunkerEvaluator) Sentence #5455 from articles/00107584 from sent2

Text  : Ma być tak jak za czasów króla Stanisława Augusta Poniatowskiego :  Aleja Chińska odzyska dalekowschodni blask ,  a  w  parku stanie nowy pawilon .
Tokens: 1_ 2__ 3__ 4__ 5_ 6_____ 7____ 8_________ 9______ 10____________ 11 12___ 13_____ 14_____ 15____________ 16___ 17 18 19 20___ 21____ 22__ 23_____ 24

Chunks:
  TruePositive nam [8,10] = Stanisława Augusta Poniatowskiego
  TruePositive nam [12,13] = Aleja Chińska

(ChunkerEvaluator) Sentence #5456 from articles/00107584 from sent3

Text  : Również w stylu Państwa Środka .
Tokens: 1______ 2 3____ 4______ 5_____ 6

Chunks:
  TruePositive nam [4,5] = Państwa Środka

(ChunkerEvaluator) Sentence #5457 from articles/00107584 from sent4

Text  : Na te plany Łazienki Królewskie znalazły właśnie pieniądze .
Tokens: 1_ 2_ 3____ 4_______ 5_________ 6_______ 7______ 8________ 9

Chunks:
  TruePositive nam [4,5] = Łazienki Królewskie

(ChunkerEvaluator) Sentence #5458 from articles/00107584 from sent5

Text  : I to aż w Pekinie , dokąd z prezydentem Bronisławem Komorowskim wybrał się ich dyrektor Tadeusz Zielniewicz .
Tokens: 1 2_ 3_ 4 5______ 6 7____ 8 9__________ 10_________ 11_________ 12____ 13_ 14_ 15______ 16_____ 17_________ 18

Chunks:
  TruePositive nam [5,5] = Pekinie
  TruePositive nam [10,11] = Bronisławem Komorowskim
  TruePositive nam [16,17] = Tadeusz Zielniewicz

(ChunkerEvaluator) Sentence #5459 from articles/00107584 from sent6

Text  : Napisali śmy o tym w środę , teraz poznajemy kolejne szczegóły .
Tokens: 1_______ 2__ 3 4__ 5 6____ 7 8____ 9________ 10_____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #5460 from articles/00107584 from sent7

Text  : Podczas Polsko - Chińskiego Forum Gospodarczego dyr . Zielniewicz podpisał umowę z  nowymi mecenasami Łazienek .
Tokens: 1______ 2_____ 3 4_________ 5____ 6____________ 7__ 8 9__________ 10______ 11___ 12 13____ 14________ 15______ 16

Chunks:
  TruePositive nam [2,6] = Polsko - Chińskiego Forum Gospodarczego
  TruePositive nam [15,15] = Łazienek
  FalseNegative nam [9,9] = Zielniewicz

(ChunkerEvaluator) Sentence #5461 from articles/00107584 from sent8

Text  : Są to : China Minmetals Corporation ( kontrolowana przez chińskie państwo spółka górnicza )  ,  dolnośląski KGHM i  Fundacja Polsko -  Chińska .
Tokens: 1_ 2_ 3 4____ 5________ 6__________ 7 8___________ 9____ 10______ 11_____ 12____ 13______ 14 15 16_________ 17__ 18 19______ 20____ 21 22_____ 23

Chunks:
  TruePositive nam [4,6] = China Minmetals Corporation
  TruePositive nam [17,17] = KGHM
  TruePositive nam [19,22] = Fundacja Polsko - Chińska

(ChunkerEvaluator) Sentence #5462 from articles/00107584 from sent9

Text  : Dadzą 5 mln zł na rewitalizację i dekorację 1 ,  2  km Alei Chińskiej ,  najdłuższej drogi w  parku ,  oraz wybudowanie Pawilonu Chińskiego ,  będącego rodzajem altany ogrodowej .
Tokens: 1____ 2 3__ 4_ 5_ 6____________ 7 8________ 9 10 11 12 13__ 14_______ 15 16_________ 17___ 18 19___ 20 21__ 22_________ 23______ 24________ 25 26______ 27______ 28____ 29_______ 30

Chunks:
  TruePositive nam [4,4] = zł
  TruePositive nam [13,14] = Alei Chińskiej
  TruePositive nam [23,24] = Pawilonu Chińskiego

(ChunkerEvaluator) Sentence #5463 from articles/00107584 from sent10

Text  : Budowle wzorowane na architekturze Państwa Środka stały w parku w  czasach króla Poniatowskiego ,  gdy panowała moda na chińszczyznę .
Tokens: 1______ 2________ 3_ 4____________ 5______ 6_____ 7____ 8 9____ 10 11_____ 12___ 13____________ 14 15_ 16______ 17__ 18 19__________ 20

Chunks:
  TruePositive nam [5,6] = Państwa Środka
  FalsePositive nam [12,13] = króla Poniatowskiego
  FalseNegative nam [13,13] = Poniatowskiego

(ChunkerEvaluator) Sentence #5464 from articles/00107584 from sent11

Text  : Remont alei polegać będzie na zerwaniu asfaltu i zastąpieniu go żwirem ,  a  także usunięciu grabowych szpalerów ,  zamiast których pojawią się kolorowe chińskie lampiony .
Tokens: 1_____ 2___ 3______ 4_____ 5_ 6_______ 7______ 8 9__________ 10 11____ 12 13 14___ 15_______ 16_______ 17_______ 18 19_____ 20_____ 21_____ 22_ 23______ 24______ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #5465 from articles/00107584 from sent12

Text  : - Ich pokaz po zmroku przedłuży życie Łazienek do późnych godzin wieczornych i  nocnych -  powiedział wczoraj Polskiej Agencji Prasowej dyr .  Zielniewicz .
Tokens: 1 2__ 3____ 4_ 5_____ 6________ 7____ 8_______ 9_ 10_____ 11____ 12_________ 13 14_____ 15 16________ 17_____ 18______ 19_____ 20______ 21_ 22 23_________ 24

Chunks:
  TruePositive nam [8,8] = Łazienek
  TruePositive nam [18,20] = Polskiej Agencji Prasowej
  FalseNegative nam [23,23] = Zielniewicz

(ChunkerEvaluator) Sentence #5466 from articles/00107584 from sent13

Text  : W podpisaniu umowy w Pekinie uczestniczyli prezydent Komorowski i wiceminister kultury Piotr Żuchowski .
Tokens: 1 2_________ 3____ 4 5______ 6____________ 7________ 8_________ 9 10__________ 11_____ 12___ 13_______ 14

Chunks:
  TruePositive nam [5,5] = Pekinie
  TruePositive nam [8,8] = Komorowski
  TruePositive nam [12,13] = Piotr Żuchowski

(ChunkerEvaluator) Sentence #5467 from articles/00107584 from sent14

Text  : Prace w parku mają się zacząć przyszłym roku i potrwać trzy lata .
Tokens: 1____ 2 3____ 4___ 5__ 6_____ 7________ 8___ 9 10_____ 11__ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #5468 from articles/00107584 from sent15

Text  : Na remonty w Łazienkach czekają też dwa najcenniejsze budynki :  Pałac na Wyspie i  Stara Pomarańczarnia .
Tokens: 1_ 2______ 3 4_________ 5______ 6__ 7__ 8____________ 9______ 10 11___ 12 13____ 14 15___ 16____________ 17

Chunks:
  TruePositive nam [4,4] = Łazienkach
  TruePositive nam [15,16] = Stara Pomarańczarnia
  FalsePositive nam [11,11] = Pałac
  FalsePositive nam [13,13] = Wyspie
  FalseNegative nam [11,13] = Pałac na Wyspie

(ChunkerEvaluator) Sentence #5469 from articles/00107584 from sent16

Text  : Pieniądze przekaże Łazienkom Kancelaria Prezydenta RP , która zaoszczędzi w  swoim przyszłorocznym budżecie 7  mln zł .
Tokens: 1________ 2_______ 3________ 4_________ 5_________ 6_ 7 8____ 9__________ 10 11___ 12_____________ 13______ 14 15_ 16 17

Chunks:
  TruePositive nam [16,16] = zł
  FalsePositive nam [3,6] = Łazienkom Kancelaria Prezydenta RP
  FalseNegative nam [3,3] = Łazienkom
  FalseNegative nam [4,6] = Kancelaria Prezydenta RP

2016-10-27 14:59:38,205 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 219 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107585.xml
(ChunkerEvaluator) Sentence #5470 from articles/00107585 from sent1

Text  : Krzysztof Hołowczyc zaatakuje podium 33 .
Tokens: 1________ 2________ 3________ 4_____ 5_ 6

Chunks:
  TruePositive nam [1,2] = Krzysztof Hołowczyc

(ChunkerEvaluator) Sentence #5471 from articles/00107585 from sent2

Text  : Rajdu Dakar
Tokens: 1____ 2____

Chunks:
  FalseNegative nam [1,2] = Rajdu Dakar

(ChunkerEvaluator) Sentence #5472 from articles/00107585 from sent3

Text  : - Są momenty , kiedy nie masz już siły ,  by palcem ruszyć ,  a  zdajesz sobie sprawę ,  że jesteś w  połowie drogi -  mówi Krzysztof Hołowczyc .
Tokens: 1 2_ 3______ 4 5____ 6__ 7___ 8__ 9___ 10 11 12____ 13____ 14 15 16_____ 17___ 18____ 19 20 21____ 22 23_____ 24___ 25 26__ 27_______ 28_______ 29

Chunks:
  TruePositive nam [27,28] = Krzysztof Hołowczyc

(ChunkerEvaluator) Sentence #5473 from articles/00107585 from sent4

Text  : Olsztyński kierowca w nadchodzącym Rajdzie Dakar ma ambitne plany
Tokens: 1_________ 2_______ 3 4___________ 5______ 6____ 7_ 8______ 9____

Chunks:
  TruePositive nam [5,6] = Rajdzie Dakar

(ChunkerEvaluator) Sentence #5474 from articles/00107585 from sent5

Text  : Za pięć dni rusza jedna z najbardziej wymagających imprez sportowych -  33 .
Tokens: 1_ 2___ 3__ 4____ 5____ 6 7__________ 8___________ 9_____ 10________ 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #5475 from articles/00107585 from sent6

Text  : Rajd Dakar .
Tokens: 1___ 2____ 3

Chunks:
  TruePositive nam [1,2] = Rajd Dakar

(ChunkerEvaluator) Sentence #5476 from articles/00107585 from sent7

Text  : W zmaganiach , które w Ameryce Południowej potrwają 15 dni ,  wystartuje 186 motocyklistów ,  170 samochodów ,  76 ciężarówek oraz 31 quadów .
Tokens: 1 2_________ 3 4____ 5 6______ 7__________ 8_______ 9_ 10_ 11 12________ 13_ 14___________ 15 16_ 17________ 18 19 20________ 21__ 22 23____ 24

Chunks:
  TruePositive nam [6,7] = Ameryce Południowej

(ChunkerEvaluator) Sentence #5477 from articles/00107585 from sent8

Text  : Na trasie liczącej ponad 9 tys . kilometrów nie zabraknie polsko -  belgijskiej załogi Krzysztof Hołowczyc /  Jean -  Marc Fortin .
Tokens: 1_ 2_____ 3_______ 4____ 5 6__ 7 8_________ 9__ 10_______ 11____ 12 13_________ 14____ 15_______ 16_______ 17 18__ 19 20__ 21____ 22

Chunks:
  TruePositive nam [15,16] = Krzysztof Hołowczyc
  TruePositive nam [18,21] = Jean - Marc Fortin

(ChunkerEvaluator) Sentence #5478 from articles/00107585 from sent9

Text  : Rozmowa z Krzysztofem Hołowczycem
Tokens: 1______ 2 3__________ 4__________

Chunks:
  TruePositive nam [3,4] = Krzysztofem Hołowczycem

(ChunkerEvaluator) Sentence #5479 from articles/00107585 from sent10

Text  : Michał Koronowski : Od startowania w Rajdzie Dakar można się uzależnić ?
Tokens: 1_____ 2_________ 3 4_ 5__________ 6 7______ 8____ 9____ 10_ 11_______ 12

Chunks:
  TruePositive nam [1,2] = Michał Koronowski
  TruePositive nam [7,8] = Rajdzie Dakar

(ChunkerEvaluator) Sentence #5480 from articles/00107585 from sent11

Text  : Krzysztof Hołowczyc : Uważam , że jest to pewien rodzaj uzależnienia (  uśmiech )  .
Tokens: 1________ 2________ 3 4_____ 5 6_ 7___ 8_ 9_____ 10____ 11__________ 12 13_____ 14 15

Chunks:
  TruePositive nam [1,2] = Krzysztof Hołowczyc

(ChunkerEvaluator) Sentence #5481 from articles/00107585 from sent12

Text  : Każdy , kto w Dakarze jedzie po raz pierwszy i  najczęściej tej próby nie kończy ,  później tego rajdu wręcz nienawidzi .
Tokens: 1____ 2 3__ 4 5______ 6_____ 7_ 8__ 9_______ 10 11_________ 12_ 13___ 14_ 15____ 16 17_____ 18__ 19___ 20___ 21________ 22

Chunks:
  TruePositive nam [5,5] = Dakarze
  FalseNegative nam [19,19] = rajdu

(ChunkerEvaluator) Sentence #5482 from articles/00107585 from sent13

Text  : Dopiero w miarę upływu czasu , kiedy zbliża się kolejna edycja ,  znów za wszelką cenę chce się tam być .
Tokens: 1______ 2 3____ 4_____ 5____ 6 7____ 8_____ 9__ 10_____ 11____ 12 13__ 14 15_____ 16__ 17__ 18_ 19_ 20_ 21

Chunks:

(ChunkerEvaluator) Sentence #5483 from articles/00107585 from sent14

Text  : Można to porównać do poważnego nadużywania alkoholu .
Tokens: 1____ 2_ 3_______ 4_ 5________ 6__________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #5484 from articles/00107585 from sent15

Text  : Człowiek mówi , że już nigdy więcej tego nie zrobi ,  a  później znowu idzie w  to samo miejsce .
Tokens: 1_______ 2___ 3 4_ 5__ 6____ 7_____ 8___ 9__ 10___ 11 12 13_____ 14___ 15___ 16 17 18__ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #5485 from articles/00107585 from sent16

Text  : Rajd to pewien narkotyk , uzależniający od wyprodukowanej adrenaliny czy od gigantycznego wysiłku .
Tokens: 1___ 2_ 3_____ 4_______ 5 6____________ 7_ 8_____________ 9_________ 10_ 11 12___________ 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Rajd

(ChunkerEvaluator) Sentence #5486 from articles/00107585 from sent17

Text  : Niektóre rzeczy wydają się niemożliwe , a potem się okazuje ,  że dał eś radę je pokonać .
Tokens: 1_______ 2_____ 3_____ 4__ 5_________ 6 7 8____ 9__ 10_____ 11 12 13_ 14 15__ 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #5487 from articles/00107585 from sent18

Text  : To są te historie , które potem czynią człowieka innym ,  silniejszym .
Tokens: 1_ 2_ 3_ 4_______ 5 6____ 7____ 8_____ 9________ 10___ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #5488 from articles/00107585 from sent19

Text  : Ciągle posługuje się stwierdzeniem , które usłyszał em od Juhy Kankkunena [  fiński kierowca rajdowy ,  czterokrotny mistrz świata -  red .  ]
Tokens: 1_____ 2________ 3__ 4____________ 5 6____ 7_______ 8_ 9_ 10__ 11________ 12 13____ 14______ 15_____ 16 17__________ 18____ 19____ 20 21_ 22 23

Chunks:
  FalseNegative nam [10,11] = Juhy Kankkunena
  FalseNegative nam [18,19] = mistrz świata

(ChunkerEvaluator) Sentence #5489 from articles/00107585 from sent20

Text  : „ Jak skończysz ten rajd , będziesz innym człowiekiem ”  .
Tokens: 1 2__ 3________ 4__ 5___ 6 7_______ 8____ 9__________ 10 11

Chunks:

(ChunkerEvaluator) Sentence #5490 from articles/00107585 from sent21

Text  : Teraz mogę śmiało powiedzieć , że jak przejadę jeszcze kilka Dakarów ,  to sam będę mógł tak mówić innym młodym ludziom .
Tokens: 1____ 2___ 3_____ 4_________ 5 6_ 7__ 8_______ 9______ 10___ 11_____ 12 13 14_ 15__ 16__ 17_ 18___ 19___ 20____ 21_____ 22

Chunks:
  FalseNegative nam [11,11] = Dakarów

(ChunkerEvaluator) Sentence #5491 from articles/00107585 from sent22

Text  : Co jest takiego w tym rajdzie , że przyciąga kierowców jak magnes ?
Tokens: 1_ 2___ 3______ 4 5__ 6______ 7 8_ 9________ 10_______ 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #5492 from articles/00107585 from sent23

Text  : Przecież , kiedy wy przemierzacie bezdroża , wasze rodziny drżą z  niepokoju .
Tokens: 1_______ 2 3____ 4_ 5____________ 6_______ 7 8____ 9______ 10__ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #5493 from articles/00107585 from sent24

Text  : - Sportowo jest to wielka rywalizacja , ale są też i  tacy ,  którzy chcą przeżyć coś ,  co wydaje się w  tej chwili największym wyzwaniem .
Tokens: 1 2_______ 3___ 4_ 5_____ 6__________ 7 8__ 9_ 10_ 11 12__ 13 14____ 15__ 16_____ 17_ 18 19 20____ 21_ 22 23_ 24____ 25_________ 26_______ 27

Chunks:

(ChunkerEvaluator) Sentence #5494 from articles/00107585 from sent25

Text  : Patrząc na to z punktu różnych aktywności sportowych , wydaje mi się ,  że Dakar jest jedną z  najstraszniejszych imprez wszech czasów .
Tokens: 1______ 2_ 3_ 4 5_____ 6______ 7_________ 8_________ 9 10____ 11 12_ 13 14 15___ 16__ 17___ 18 19________________ 20____ 21____ 22____ 23

Chunks:
  FalseNegative nam [15,15] = Dakar

(ChunkerEvaluator) Sentence #5495 from articles/00107585 from sent26

Text  : Jak sobie pomyślę , że zmagania trwają codziennie po przez dwa tygodnie ,  a  każdego pokonujemy ok .  1  tys .  kilometrów .
Tokens: 1__ 2____ 3______ 4 5_ 6_______ 7_____ 8_________ 9_ 10___ 11_ 12______ 13 14 15_____ 16________ 17 18 19 20_ 21 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #5496 from articles/00107585 from sent27

Text  : Tam nie pokonuje się asfaltowej drogi z miasta do miasta .
Tokens: 1__ 2__ 3_______ 4__ 5_________ 6____ 7 8_____ 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #5497 from articles/00107585 from sent28

Text  : Czyhają na ciebie różne wyzwania , jak wertepy czy inne cuda .
Tokens: 1______ 2_ 3_____ 4____ 5_______ 6 7__ 8______ 9__ 10__ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #5498 from articles/00107585 from sent29

Text  : Są momenty , kiedy nie masz już siły , by palcem ruszyć ,  a  zdajesz sobie sprawę ,  że jesteś w  połowie drogi .
Tokens: 1_ 2______ 3 4____ 5__ 6___ 7__ 8___ 9 10 11____ 12____ 13 14 15_____ 16___ 17____ 18 19 20____ 21 22_____ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #5499 from articles/00107585 from sent30

Text  : Pan brał udział w Dakarze już sześciokrotnie ( 3 razy w  Afryce ,  3  razy w  Ameryce Południowej )  .
Tokens: 1__ 2___ 3_____ 4 5______ 6__ 7_____________ 8 9 10__ 11 12____ 13 14 15__ 16 17_____ 18_________ 19 20

Chunks:
  TruePositive nam [5,5] = Dakarze
  TruePositive nam [12,12] = Afryce
  TruePositive nam [17,18] = Ameryce Południowej

(ChunkerEvaluator) Sentence #5500 from articles/00107585 from sent31

Text  : Czy siódme podejście to czas , by na poważnie powalczyć o  ,  dawniej nieosiągalne ,  zwycięstwo ?
Tokens: 1__ 2_____ 3________ 4_ 5___ 6 7_ 8_ 9_______ 10_______ 11 12 13_____ 14__________ 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #5501 from articles/00107585 from sent32

Text  : - Nieskromnie powiem , że cały czas się zbliżamy .
Tokens: 1 2__________ 3_____ 4 5_ 6___ 7___ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #5502 from articles/00107585 from sent33

Text  : Jak ktoś obserwuje nasze poczynania , to od pierwszych chwil ,  kiedy zmagali śmy się z  przeciwnościami losu i  umiejętnościami adaptacji ,  zaczynam coraz więcej wiedzieć .
Tokens: 1__ 2___ 3________ 4____ 5_________ 6 7_ 8_ 9_________ 10___ 11 12___ 13_____ 14_ 15_ 16 17_____________ 18__ 19 20_____________ 21_______ 22 23______ 24___ 25____ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #5503 from articles/00107585 from sent34

Text  : Teraz mogę śmiało powiedzieć , że wiem sporo .
Tokens: 1____ 2___ 3_____ 4_________ 5 6_ 7___ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #5504 from articles/00107585 from sent35

Text  : Aczkolwiek nie ma człowieka , który o Rajdzie Dakar wiedział by wszystko .
Tokens: 1_________ 2__ 3_ 4________ 5 6____ 7 8______ 9____ 10______ 11 12______ 13

Chunks:
  TruePositive nam [8,9] = Rajdzie Dakar

(ChunkerEvaluator) Sentence #5505 from articles/00107585 from sent36

Text  : Sam fakt , że wystartuję z numerem startowym 304 [  przed Hołkiem wyruszą jedynie Nasser Al -  Attiyah ,  Ginel de Villiers i  Stephan Peterhansel -  red .  ]  ,  mówi ,  w  jakim miejscu organizatorzy mnie ustawiają .
Tokens: 1__ 2___ 3 4_ 5_________ 6 7______ 8________ 9__ 10 11___ 12_____ 13_____ 14_____ 15____ 16 17 18_____ 19 20___ 21 22______ 23 24_____ 25_________ 26 27_ 28 29 30 31__ 32 33 34___ 35_____ 36___________ 37__ 38_______ 39

Chunks:
  TruePositive nam [24,25] = Stephan Peterhansel
  FalsePositive nam [16,18] = Al - Attiyah
  FalseNegative nam [12,12] = Hołkiem
  FalseNegative nam [15,18] = Nasser Al - Attiyah
  FalseNegative nam [20,22] = Ginel de Villiers

(ChunkerEvaluator) Sentence #5506 from articles/00107585 from sent37

Text  : Po cichu , tym samym do czegoś mnie obligują czy nawet zmuszają w  podświadomości (  uśmiech )  .
Tokens: 1_ 2____ 3 4__ 5____ 6_ 7_____ 8___ 9_______ 10_ 11___ 12______ 13 14____________ 15 16_____ 17 18

Chunks:

(ChunkerEvaluator) Sentence #5507 from articles/00107585 from sent38

Text  : Zdaję sobie sprawę , że dwukrotnie zajęte przeze mnie 5  .  miejsce w  Dakarze to nie w  kij dmuchał .
Tokens: 1____ 2____ 3_____ 4 5_ 6_________ 7_____ 8_____ 9___ 10 11 12_____ 13 14_____ 15 16_ 17 18_ 19_____ 20

Chunks:
  FalseNegative nam [14,14] = Dakarze

(ChunkerEvaluator) Sentence #5508 from articles/00107585 from sent39

Text  : Jako sportowiec , który wielokrotnie przegrywał i wygrywał , szanuję to miejsce .
Tokens: 1___ 2_________ 3 4____ 5___________ 6_________ 7 8_______ 9 10_____ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #5509 from articles/00107585 from sent40

Text  : Wszyscy jednak wiedzą , że w Dakarze dobre jest tylko jedno ,  które daje prawdziwą satysfakcję .
Tokens: 1______ 2_____ 3_____ 4 5_ 6 7______ 8____ 9___ 10___ 11___ 12 13___ 14__ 15_______ 16_________ 17

Chunks:
  FalseNegative nam [7,7] = Dakarze

(ChunkerEvaluator) Sentence #5510 from articles/00107585 from sent41

Text  : Jeżeli w nadchodzącym roku udało by się wjechać na podium ,  to był by sukces i  kolejny wielki krok .
Tokens: 1_____ 2 3___________ 4___ 5____ 6_ 7__ 8______ 9_ 10____ 11 12 13_ 14 15____ 16 17_____ 18____ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #5511 from articles/00107585 from sent42

Text  : Jestem coraz bliżej takiego momentu , że śmiało mogę mówić ,  że atakuje i  to jest mój czas .
Tokens: 1_____ 2____ 3_____ 4______ 5______ 6 7_ 8_____ 9___ 10___ 11 12 13_____ 14 15 16__ 17_ 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #5512 from articles/00107585 from sent43

Text  : Pojedzie pan zupełnie nowym autem mini All4 racing przygotowanym przez fabryczny zespół X  -  raid .
Tokens: 1_______ 2__ 3_______ 4____ 5____ 6___ 7___ 8_____ 9____________ 10___ 11_______ 12____ 13 14 15__ 16

Chunks:
  TruePositive nam [13,15] = X - raid
  FalseNegative nam [6,8] = mini All4 racing

(ChunkerEvaluator) Sentence #5513 from articles/00107585 from sent44

Text  : To auto uważa się obecnie za najnowocześniejsze .
Tokens: 1_ 2___ 3____ 4__ 5______ 6_ 7_________________ 8

Chunks:

(ChunkerEvaluator) Sentence #5514 from articles/00107585 from sent45

Text  : Czy jednak start w tak poważnej imprezie mało objeżdżonym samochodem to rzeczywiście atut ?
Tokens: 1__ 2_____ 3____ 4 5__ 6_______ 7_______ 8___ 9__________ 10________ 11 12__________ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #5515 from articles/00107585 from sent46

Text  : - To niewątpliwie racja .
Tokens: 1 2_ 3___________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #5516 from articles/00107585 from sent47

Text  : Zawsze lepiej mieć więcej kilometrów przejechanych w danym egzemplarzu ,  już nie mówię nawet o  modelu .
Tokens: 1_____ 2_____ 3___ 4_____ 5_________ 6____________ 7 8____ 9__________ 10 11_ 12_ 13___ 14___ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #5517 from articles/00107585 from sent48

Text  : Każdy samochód czy urządzenie sportowe ma swój styl .
Tokens: 1____ 2_______ 3__ 4_________ 5_______ 6_ 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #5518 from articles/00107585 from sent49

Text  : I pewnie lekko może mi tego brakować , ale absolutnie najważniejszym było posiadanie auta o  najwyższej specyfikacji .
Tokens: 1 2_____ 3____ 4___ 5_ 6___ 7_______ 8 9__ 10________ 11____________ 12__ 13________ 14__ 15 16________ 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #5519 from articles/00107585 from sent50

Text  : Takie , w którym już na starcie nie czujesz się gorszy .
Tokens: 1____ 2 3 4_____ 5__ 6_ 7______ 8__ 9______ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #5520 from articles/00107585 from sent51

Text  : Mogę śmiało powiedzieć , że mam samochód , który będzie jednym z  najlepszych w  rajdzie ,  a  na pewno w  pierwszej dziesiątce .
Tokens: 1___ 2_____ 3_________ 4 5_ 6__ 7_______ 8 9____ 10____ 11____ 12 13_________ 14 15_____ 16 17 18 19___ 20 21_______ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #5521 from articles/00107585 from sent52

Text  : Jestem dumny , że w ogóle dostał em takie auto ,  bo to ogromna nobilitacja .
Tokens: 1_____ 2____ 3 4_ 5 6____ 7_____ 8_ 9____ 10__ 11 12 13 14_____ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #5522 from articles/00107585 from sent53

Text  : Kto się orientuje w motosporcie , to wie , że jechać w  zespole fabrycznym jako nr 2  lub 3  o  czymś świadczy .
Tokens: 1__ 2__ 3________ 4 5__________ 6 7_ 8__ 9 10 11____ 12 13_____ 14________ 15__ 16 17 18_ 19 20 21___ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #5523 from articles/00107585 from sent54

Text  : Pozostawmy dane techniczne mini .
Tokens: 1_________ 2___ 3_________ 4___ 5

Chunks:
  FalseNegative nam [4,4] = mini

(ChunkerEvaluator) Sentence #5524 from articles/00107585 from sent55

Text  : Co panu najbardziej przypadło do gustu w nowym samochodzie ?
Tokens: 1_ 2___ 3__________ 4________ 5_ 6____ 7 8____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #5525 from articles/00107585 from sent56

Text  : - Jak by nie patrzeć , jest to kontynuacja projektu z  BMW X3 CC [  Hołek jechał nim w  poprzednim Dakarze -  red .  ]  .
Tokens: 1 2__ 3_ 4__ 5______ 6 7___ 8_ 9__________ 10______ 11 12_ 13 14 15 16___ 17____ 18_ 19 20________ 21_____ 22 23_ 24 25 26

Chunks:
  TruePositive nam [12,12] = BMW
  FalseNegative nam [13,14] = X3 CC
  FalseNegative nam [16,16] = Hołek
  FalseNegative nam [21,21] = Dakarze

(ChunkerEvaluator) Sentence #5526 from articles/00107585 from sent57

Text  : Jest wiele elementów zaczerpniętych z poprzedniego modelu .
Tokens: 1___ 2____ 3________ 4_____________ 5 6___________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #5527 from articles/00107585 from sent58

Text  : Dla mnie największą zaletą nowego auta jest jego rajdowość .
Tokens: 1__ 2___ 3_________ 4_____ 5_____ 6___ 7___ 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #5528 from articles/00107585 from sent59

Text  : Udało się obniżyć środek ciężkości , a agresywność silnika została poprawiona .
Tokens: 1____ 2__ 3______ 4_____ 5________ 6 7 8__________ 9______ 10_____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #5529 from articles/00107585 from sent60

Text  : Uważam , że to pewien kompromis , bo śmiało mogę powiedzieć ,  że to samochód rajdowy .
Tokens: 1_____ 2 3_ 4_ 5_____ 6________ 7 8_ 9_____ 10__ 11________ 12 13 14 15______ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #5530 from articles/00107585 from sent61

Text  : Bardzo by się wszyscy zdziwili , gdyby zobaczyli mini w  akcji na normalnym odcinku specjalnym .
Tokens: 1_____ 2_ 3__ 4______ 5_______ 6 7____ 8________ 9___ 10 11___ 12 13_______ 14_____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #5531 from articles/00107585 from sent62

Text  : Jakby śmy oglądali rywalizujące samochody WRC , to mini wstydu by nie przyniósł .
Tokens: 1____ 2__ 3_______ 4___________ 5________ 6__ 7 8_ 9___ 10____ 11 12_ 13_______ 14

Chunks:
  FalseNegative nam [6,6] = WRC
  FalseNegative nam [9,9] = mini

(ChunkerEvaluator) Sentence #5532 from articles/00107585 from sent63

Text  : To nie jakaś biedna terenówka , która ledwo skręca i  hamuje ,  jak kiedyś kojarzono takie auta .
Tokens: 1_ 2__ 3____ 4_____ 5________ 6 7____ 8____ 9_____ 10 11____ 12 13_ 14____ 15_______ 16___ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #5533 from articles/00107585 from sent64

Text  : Śmieję się , bo takim autem można by jechać mocniej na skróty i  spróbować jego możliwości w  typowym rajdzie płaskim .
Tokens: 1_____ 2__ 3 4_ 5____ 6____ 7____ 8_ 9_____ 10_____ 11 12____ 13 14_______ 15__ 16________ 17 18_____ 19_____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #5534 from articles/00107585 from sent65

Text  : Można więc powiedzieć : małe jest piękne ?
Tokens: 1____ 2___ 3_________ 4 5___ 6___ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #5535 from articles/00107585 from sent66

Text  : Przed laty rajdowe mistrzostwa świata zdominowały peugeoty 206 WRC ,  które należały do najmniejszych w  stawce .
Tokens: 1____ 2___ 3______ 4__________ 5_____ 6__________ 7_______ 8__ 9__ 10 11___ 12______ 13 14___________ 15 16____ 17

Chunks:
  FalseNegative nam [3,5] = rajdowe mistrzostwa świata
  FalseNegative nam [7,7] = peugeoty
  FalseNegative nam [8,9] = 206 WRC

(ChunkerEvaluator) Sentence #5536 from articles/00107585 from sent67

Text  : W Dakarze będzie podobnie ?
Tokens: 1 2______ 3_____ 4_______ 5

Chunks:
  TruePositive nam [2,2] = Dakarze

(ChunkerEvaluator) Sentence #5537 from articles/00107585 from sent68

Text  : - Uchylę może rąbka tajemnicy i powiem , że to mini wcale takie małe nie jest .
Tokens: 1 2_____ 3___ 4____ 5________ 6 7_____ 8 9_ 10 11__ 12___ 13___ 14__ 15_ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #5538 from articles/00107585 from sent69

Text  : My go nawet z przekąsem nazywamy „ monster mini ”  .
Tokens: 1_ 2_ 3____ 4 5________ 6_______ 7 8______ 9___ 10 11

Chunks:
  FalseNegative nam [8,9] = monster mini

(ChunkerEvaluator) Sentence #5539 from articles/00107585 from sent70

Text  : Gdyby obok postawić mini nawet w wersji countryman [ największy model seryjny z  rodziny mini -  red .  ]  ,  to nasze auto będzie jednak sporo większe .
Tokens: 1____ 2___ 3_______ 4___ 5____ 6 7_____ 8_________ 9 10________ 11___ 12_____ 13 14_____ 15__ 16 17_ 18 19 20 21 22___ 23__ 24____ 25____ 26___ 27_____ 28

Chunks:
  FalseNegative nam [4,4] = mini
  FalseNegative nam [8,8] = countryman

(ChunkerEvaluator) Sentence #5540 from articles/00107585 from sent71

Text  : Oczywiście zachowuje wszelkie proporcje , ale kiedy wziąć pod uwagę wszystkie podzespoły ,  które musi pomieścić ,  i  sprzęt jaki wieziemy ,  to analogia zanika .
Tokens: 1_________ 2________ 3_______ 4________ 5 6__ 7____ 8____ 9__ 10___ 11_______ 12________ 13 14___ 15__ 16_______ 17 18 19____ 20__ 21______ 22 23 24______ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #5541 from articles/00107585 from sent72

Text  : Powinno martwić , że Rajd Dakar poniekąd staje się imprezą dla celebrytów ?
Tokens: 1______ 2______ 3 4_ 5___ 6____ 7_______ 8____ 9__ 10_____ 11_ 12________ 13

Chunks:
  TruePositive nam [5,6] = Rajd Dakar

(ChunkerEvaluator) Sentence #5542 from articles/00107585 from sent73

Text  : W nadchodzącej edycji pojedzie Adam Małysz , z kolei za kierowcę testowego ma robić bokser Dariusz Michalczewski .
Tokens: 1 2___________ 3_____ 4_______ 5___ 6_____ 7 8 9____ 10 11______ 12_______ 13 14___ 15____ 16_____ 17___________ 18

Chunks:
  TruePositive nam [5,6] = Adam Małysz
  TruePositive nam [16,17] = Dariusz Michalczewski

(ChunkerEvaluator) Sentence #5543 from articles/00107585 from sent74

Text  : - Adam Małysz przygotowywał się przez rok i to bardzo poważnie .
Tokens: 1 2___ 3_____ 4____________ 5__ 6____ 7__ 8 9_ 10____ 11______ 12

Chunks:
  TruePositive nam [2,3] = Adam Małysz

(ChunkerEvaluator) Sentence #5544 from articles/00107585 from sent75

Text  : Przejechał tysiące trudnych kilometrów po szutrze .
Tokens: 1_________ 2______ 3_______ 4_________ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #5545 from articles/00107585 from sent76

Text  : Natomiast Dariusz Michalczewski zasiądzie za kierownicę zwykłego , seryjnego volkswagena amarok i  spróbuje swoich sił na polnej drodze .
Tokens: 1________ 2______ 3____________ 4________ 5_ 6_________ 7_______ 8 9________ 10_________ 11____ 12 13______ 14____ 15_ 16 17____ 18____ 19

Chunks:
  TruePositive nam [2,3] = Dariusz Michalczewski

(ChunkerEvaluator) Sentence #5546 from articles/00107585 from sent77

Text  : Ja wiem , jak takie testy wyglądają .
Tokens: 1_ 2___ 3 4__ 5____ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5547 from articles/00107585 from sent78

Text  : Możemy więc jego udział bardzo ładnie i szumnie nazywać ,  robiąc promocje ,  ale nie ma to nic wspólnego z  jazdą w  Dakarze .
Tokens: 1_____ 2___ 3___ 4_____ 5_____ 6_____ 7 8______ 9______ 10 11____ 12______ 13 14_ 15_ 16 17 18_ 19_______ 20 21___ 22 23_____ 24

Chunks:
  TruePositive nam [23,23] = Dakarze

(ChunkerEvaluator) Sentence #5548 from articles/00107585 from sent79

Text  : Może wjadą gdzieś na kawałek trasy , ale np .  w  miejsce ,  przez które my przelatujemy z  pełną prędkością i  uśmiechem na twarzy .
Tokens: 1___ 2____ 3_____ 4_ 5______ 6____ 7 8__ 9_ 10 11 12_____ 13 14___ 15___ 16 17__________ 18 19___ 20________ 21 22_______ 23 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #5549 from articles/00107585 from sent80

Text  : Oczywiście nie chciał by m tu niczego umniejszać , ale nie ma co się oszukiwać ,  że takie wielkie imprezy przyciągają celebrytów .
Tokens: 1_________ 2__ 3_____ 4_ 5 6_ 7______ 8_________ 9 10_ 11_ 12 13 14_ 15_______ 16 17 18___ 19_____ 20_____ 21_________ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #5550 from articles/00107585 from sent81

Text  : Marzeniem wielu , już nie tylko sportowców , jest właśnie startowanie w  Dakarze .
Tokens: 1________ 2____ 3 4__ 5__ 6____ 7_________ 8 9___ 10_____ 11_________ 12 13_____ 14

Chunks:
  TruePositive nam [13,13] = Dakarze

(ChunkerEvaluator) Sentence #5551 from articles/00107585 from sent82

Text  : Sam często słyszę to od ludzi , więc nie należy się na to obrażać .
Tokens: 1__ 2_____ 3_____ 4_ 5_ 6____ 7 8___ 9__ 10____ 11_ 12 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #5552 from articles/00107585 from sent83

Text  : Czołówka jest jednak czołówką i to zawodowcy rozstrzygną rywalizację między sobą .
Tokens: 1_______ 2___ 3_____ 4_______ 5 6_ 7________ 8__________ 9__________ 10____ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #5553 from articles/00107585 from sent84

Text  : Będzie wielu uczestników z różnych dyscyplin , ale tych ,  którzy będą walczyć w  pierwszej dziesiątce ,  jest niewielu .
Tokens: 1_____ 2____ 3__________ 4 5______ 6________ 7 8__ 9___ 10 11____ 12__ 13_____ 14 15_______ 16________ 17 18__ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #5554 from articles/00107585 from sent85

Text  : Czego najbardziej obawia się pan przed siódmym występem w Dakarze ?
Tokens: 1____ 2__________ 3_____ 4__ 5__ 6____ 7______ 8_______ 9 10_____ 11

Chunks:
  FalseNegative nam [10,10] = Dakarze

(ChunkerEvaluator) Sentence #5555 from articles/00107585 from sent86

Text  : Usterki w aucie , która może przekreślić cały wysiłek ?
Tokens: 1______ 2 3____ 4 5____ 6___ 7__________ 8___ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5556 from articles/00107585 from sent87

Text  : - Jak zawsze wierzę w swoje przygotowanie oraz w to ,  że marka i  my jako załoga nie zawiedziemy .
Tokens: 1 2__ 3_____ 4_____ 5 6____ 7____________ 8___ 9 10 11 12 13___ 14 15 16__ 17____ 18_ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #5557 from articles/00107585 from sent88

Text  : Aczkolwiek wszystko może się zdarzyć .
Tokens: 1_________ 2_______ 3___ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5558 from articles/00107585 from sent89

Text  : Najbardziej bolesne jest , kiedy wszystko idzie w dobrym kierunku ,  a  nagle jakaś metalowa część w  aucie rozłącza się nie w  tym miejscu ,  gdzie by ś  chciał .
Tokens: 1__________ 2______ 3___ 4 5____ 6_______ 7____ 8 9_____ 10______ 11 12 13___ 14___ 15______ 16___ 17 18___ 19______ 20_ 21_ 22 23_ 24_____ 25 26___ 27 28 29____ 30

Chunks:

(ChunkerEvaluator) Sentence #5559 from articles/00107585 from sent90

Text  : I nie da się już jej na stałe złączyć .
Tokens: 1 2__ 3_ 4__ 5__ 6__ 7_ 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5560 from articles/00107585 from sent91

Text  : Obawiam się także , jak to się śmiejemy między sobą ,  „  takiej wielkiej dziury ”  ,  takiego jokera ,  który gdzieś czyha na trasie .
Tokens: 1______ 2__ 3____ 4 5__ 6_ 7__ 8_______ 9_____ 10__ 11 12 13____ 14______ 15____ 16 17 18_____ 19____ 20 21___ 22____ 23___ 24 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #5561 from articles/00107585 from sent92

Text  : Podczas każdego rajdu trzeba jedną taką dziurę przejechać i najlepiej jak się z  tego miejsca odjeżdża .
Tokens: 1______ 2______ 3____ 4_____ 5____ 6___ 7_____ 8_________ 9 10_______ 11_ 12_ 13 14__ 15_____ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #5562 from articles/00107585 from sent93

Text  : Rozmawiał Michał Koronowski
Tokens: 1________ 2_____ 3_________

Chunks:
  TruePositive nam [2,3] = Michał Koronowski

(ChunkerEvaluator) Sentence #5563 from articles/00107585 from sent94

Text  : - silnik : 6 - cylindrowy diesel BMW ( 3000 cc )  z  podwójnym turbo ,  moc maks .  kW /  bhp 236 /  315 przy 4000 obr .  /  min ,  maks .  ,  moment obrotowy 700 Nm /  2100 obr .  /  min ;
Tokens: 1 2_____ 3 4 5 6_________ 7_____ 8__ 9 10__ 11 12 13 14_______ 15___ 16 17_ 18__ 19 20 21 22_ 23_ 24 25_ 26__ 27__ 28_ 29 30 31_ 32 33__ 34 35 36____ 37______ 38_ 39 40 41__ 42_ 43 44 45_ 46

Chunks:
  TruePositive nam [8,8] = BMW
  FalsePositive nam [20,20] = kW
  FalseNegative nam [7,7] = diesel

(ChunkerEvaluator) Sentence #5564 from articles/00107585 from sent95

Text  : - właściwości jezdne : zawieszenie niezależne z podwójnymi wahaczami ,  6  -  tłoczkowe zaciski hamulcowe AP Racing ,  opony 235 /  85 R16 BF Goodrich ,  obręcze aluminiowe BBS ;
Tokens: 1 2__________ 3_____ 4 5__________ 6_________ 7 8_________ 9________ 10 11 12 13_______ 14_____ 15_______ 16 17____ 18 19___ 20_ 21 22 23_ 24 25______ 26 27_____ 28________ 29_ 30

Chunks:
  TruePositive nam [16,17] = AP Racing
  FalsePositive nam [23,25] = R16 BF Goodrich
  FalseNegative nam [23,23] = R16
  FalseNegative nam [24,25] = BF Goodrich
  FalseNegative nam [29,29] = BBS

(ChunkerEvaluator) Sentence #5565 from articles/00107585 from sent96

Text  : - nadwozie : kompozyt kevlarowo - karbonowy , zbiornik paliwa FT3 standard o  pojemności 420 litrów ;
Tokens: 1 2_______ 3 4_______ 5________ 6 7________ 8 9_______ 10____ 11_ 12______ 13 14________ 15_ 16____ 17

Chunks:
  FalseNegative nam [11,11] = FT3

(ChunkerEvaluator) Sentence #5566 from articles/00107585 from sent97

Text  : - wymiary : długość 4377 mm , szerokość 1994 mm ,  wysokość 1996 mm ,  rozstaw kół 1  ,  815mm ,  waga minimalna 1900 kg .
Tokens: 1 2______ 3 4______ 5___ 6_ 7 8________ 9___ 10 11 12______ 13__ 14 15 16_____ 17_ 18 19 20___ 21 22__ 23_______ 24__ 25 26

Chunks:

2016-10-27 14:59:38,648 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 220 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107587.xml
(ChunkerEvaluator) Sentence #5567 from articles/00107587 from sent1

Text  : PŚ w biegach - Ringo Star nowym idolem Vibeke Skofterud
Tokens: 1_ 2 3______ 4 5____ 6___ 7____ 8_____ 9_____ 10_______

Chunks:
  TruePositive nam [5,6] = Ringo Star
  TruePositive nam [9,10] = Vibeke Skofterud
  FalseNegative nam [1,3] = PŚ w biegach

(ChunkerEvaluator) Sentence #5568 from articles/00107587 from sent2

Text  : Biegaczka narciarska Vibeke Skofterud i wielokrotny mistrz olimpijski i świata Petter Northug kupili wspólnie konia wyścigowego .
Tokens: 1________ 2_________ 3_____ 4________ 5 6__________ 7_____ 8_________ 9 10____ 11____ 12_____ 13____ 14______ 15___ 16_________ 17

Chunks:
  TruePositive nam [3,4] = Vibeke Skofterud
  TruePositive nam [11,12] = Petter Northug
  FalseNegative nam [7,10] = mistrz olimpijski i świata

(ChunkerEvaluator) Sentence #5569 from articles/00107587 from sent3

Text  : Czteroletni kłusak & quot ; Ringo Star M . &  quot ;  stał się w  grudniu oficjalną maskotką reprezentacji Norwegii .
Tokens: 1__________ 2_____ 3 4___ 5 6____ 7___ 8 9 10 11__ 12 13__ 14_ 15 16_____ 17_______ 18______ 19___________ 20______ 21

Chunks:
  TruePositive nam [20,20] = Norwegii
  FalsePositive nam [6,10] = Ringo Star M . &
  FalseNegative nam [6,7] = Ringo Star

(ChunkerEvaluator) Sentence #5570 from articles/00107587 from sent4

Text  : " Wspólny koń jednoczy , integruje i motywuje .
Tokens: 1 2______ 3__ 4_______ 5 6________ 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #5571 from articles/00107587 from sent5

Text  : Ringo Star jest moim nowym idolem i myślę teraz o  nim codziennie .
Tokens: 1____ 2___ 3___ 4___ 5____ 6_____ 7 8____ 9____ 10 11_ 12________ 13

Chunks:
  TruePositive nam [1,2] = Ringo Star

(ChunkerEvaluator) Sentence #5572 from articles/00107587 from sent6

Text  : Jestem obecnie singielką i mogę powiedzieć , że teraz mam dla kogo biegać "  -  powiedziała Skofterud .
Tokens: 1_____ 2______ 3________ 4 5___ 6_________ 7 8_ 9____ 10_ 11_ 12__ 13____ 14 15 16_________ 17_______ 18

Chunks:
  FalseNegative nam [17,17] = Skofterud

(ChunkerEvaluator) Sentence #5573 from articles/00107587 from sent7

Text  : Northug podkreślił : " w naszej dużej reprezentacji , w  której skład wchodzi kilkadziesiąt osób ,  po raz pierwszy zdarza się przypadek ,  gdy posiadamy coś wspólnie .
Tokens: 1______ 2_________ 3 4 5 6_____ 7____ 8____________ 9 10 11____ 12___ 13_____ 14___________ 15__ 16 17 18_ 19______ 20____ 21_ 22_______ 23 24_ 25_______ 26_ 27______ 28

Chunks:
  FalseNegative nam [1,1] = Northug

(ChunkerEvaluator) Sentence #5574 from articles/00107587 from sent8

Text  : To bardzo integrujący element , ponieważ mamy o czym rozmawiać podczas zgrupowań i  zawodów "  .
Tokens: 1_ 2_____ 3__________ 4______ 5 6_______ 7___ 8 9___ 10_______ 11_____ 12_______ 13 14_____ 15 16

Chunks:

(ChunkerEvaluator) Sentence #5575 from articles/00107587 from sent9

Text  : W zakupie konia wzięło udział również pięciu innych biegaczy reprezentacji ,  trener Skofterud i  Marit Bjoergen -  Steinar Mundal ,  główny trener reprezentacji Trond Nystad ,  dyrektor sponsoringu Bernd -  Halvard Olderskog oraz kilku fizjoterapeutów .
Tokens: 1 2______ 3____ 4_____ 5_____ 6______ 7_____ 8_____ 9_______ 10___________ 11 12____ 13_______ 14 15___ 16______ 17 18_____ 19____ 20 21____ 22____ 23___________ 24___ 25____ 26 27______ 28_________ 29___ 30 31_____ 32_______ 33__ 34___ 35_____________ 36

Chunks:
  TruePositive nam [24,25] = Trond Nystad
  TruePositive nam [29,32] = Bernd - Halvard Olderskog
  FalsePositive nam [15,19] = Marit Bjoergen - Steinar Mundal
  FalseNegative nam [13,13] = Skofterud
  FalseNegative nam [15,16] = Marit Bjoergen
  FalseNegative nam [18,19] = Steinar Mundal

(ChunkerEvaluator) Sentence #5576 from articles/00107587 from sent10

Text  : Inne norweskie biegaczki odmówiły udziału w projekcie tłumacząc się brakiem czasu na śledzenie rozwoju konia i  zainteresowania wyścigami oraz .  .  .  brakiem pieniędzy .
Tokens: 1___ 2________ 3________ 4_______ 5______ 6 7________ 8________ 9__ 10_____ 11___ 12 13_______ 14_____ 15___ 16 17_____________ 18_______ 19__ 20 21 22 23_____ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #5577 from articles/00107587 from sent11

Text  : " Ringo Star M . " jak na razie wystartował w  dwóch gonitwach ,  w  których został zdyskwalifikowany za nagłe przejście w  galop .
Tokens: 1 2____ 3___ 4 5 6 7__ 8_ 9____ 10_________ 11 12___ 13_______ 14 15 16_____ 17____ 18_______________ 19 20___ 21_______ 22 23___ 24

Chunks:
  TruePositive nam [2,5] = Ringo Star M .

(ChunkerEvaluator) Sentence #5578 from articles/00107587 from sent12

Text  : Jest jednak określany w branży jako wielki talent z racji tego ,  że jest bratem słynnego kłusaka Shamana Stara ,  który już wygrał 330 tysięcy koron (  180 tys .  złotych )  .
Tokens: 1___ 2_____ 3________ 4 5_____ 6___ 7_____ 8_____ 9 10___ 11__ 12 13 14__ 15____ 16______ 17_____ 18_____ 19___ 20 21___ 22_ 23____ 24_ 25_____ 26___ 27 28_ 29_ 30 31_____ 32 33

Chunks:
  TruePositive nam [18,19] = Shamana Stara
  TruePositive nam [26,26] = koron
  TruePositive nam [31,31] = złotych

(ChunkerEvaluator) Sentence #5579 from articles/00107587 from sent13

Text  : " Nasz Ringo nie osiągnął jeszcze sukcesów i dlatego był stosunkowo niedrogi .
Tokens: 1 2___ 3____ 4__ 5_______ 6______ 7_______ 8 9______ 10_ 11________ 12______ 13

Chunks:
  TruePositive nam [3,3] = Ringo

(ChunkerEvaluator) Sentence #5580 from articles/00107587 from sent14

Text  : Zatrudnili śmy jednak jednego z najlepszych norweskich trenerów , tak że jak tylko w  marcu odłożę narty ,  będę obecna na wszystkich gonitwach mojego konia "  -  zapewniła Skofterud .
Tokens: 1_________ 2__ 3_____ 4______ 5 6__________ 7_________ 8_______ 9 10_ 11 12_ 13___ 14 15___ 16____ 17___ 18 19__ 20____ 21 22________ 23_______ 24____ 25___ 26 27 28_______ 29_______ 30

Chunks:
  FalseNegative nam [29,29] = Skofterud

(ChunkerEvaluator) Sentence #5581 from articles/00107587 from sent15

Text  : Zbigniew Kuczyński
Tokens: 1_______ 2________

Chunks:
  TruePositive nam [1,2] = Zbigniew Kuczyński

2016-10-27 14:59:38,739 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 221 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107588.xml
(ChunkerEvaluator) Sentence #5582 from articles/00107588 from sent1

Text  : Repertuar , repertuaras . . .
Tokens: 1________ 2 3__________ 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #5583 from articles/00107588 from sent2

Text  : Filharmonia stawia na gości zza wschodniej granicy
Tokens: 1__________ 2_____ 3_ 4____ 5__ 6_________ 7______

Chunks:
  FalseNegative nam [1,1] = Filharmonia

(ChunkerEvaluator) Sentence #5584 from articles/00107588 from sent3

Text  : Muzyka nie przejmuje się granicami , ani barierą językową .
Tokens: 1_____ 2__ 3________ 4__ 5________ 6 7__ 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #5585 from articles/00107588 from sent4

Text  : Opera i Filharmonia chce jednak jeszcze bardziej otworzyć się na słuchaczy zza wschodniej granicy i  specjalnie dla nich przygotowała ulotki z  programem .
Tokens: 1____ 2 3__________ 4___ 5_____ 6______ 7_______ 8_______ 9__ 10 11_______ 12_ 13________ 14_____ 15 16________ 17_ 18__ 19__________ 20____ 21 22_______ 23

Chunks:
  FalsePositive nam [3,3] = Filharmonia
  FalseNegative nam [1,3] = Opera i Filharmonia

(ChunkerEvaluator) Sentence #5586 from articles/00107588 from sent5

Text  : Repertuar , repertuaras . . .
Tokens: 1________ 2 3__________ 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #5587 from articles/00107588 from sent6

Text  : Filharmonia dla wszystkich
Tokens: 1__________ 2__ 3_________

Chunks:
  FalseNegative nam [1,1] = Filharmonia

(ChunkerEvaluator) Sentence #5588 from articles/00107588 from sent7

Text  : Muzyka nie przejmuje się granicami , ani barierą językową .
Tokens: 1_____ 2__ 3________ 4__ 5________ 6 7__ 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #5589 from articles/00107588 from sent8

Text  : Opera i Filharmonia chce jednak jeszcze bardziej otworzyć się na słuchaczy zza wschodniej granicy i  specjalnie dla nich przygotowała ulotki z  programem .
Tokens: 1____ 2 3__________ 4___ 5_____ 6______ 7_______ 8_______ 9__ 10 11_______ 12_ 13________ 14_____ 15 16________ 17_ 18__ 19__________ 20____ 21 22_______ 23

Chunks:
  FalsePositive nam [3,3] = Filharmonia
  FalseNegative nam [1,3] = Opera i Filharmonia

(ChunkerEvaluator) Sentence #5590 from articles/00107588 from sent9

Text  : Repertuar wydrukowano w języku białoruskim i litewskim .
Tokens: 1________ 2__________ 3 4_____ 5__________ 6 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5591 from articles/00107588 from sent10

Text  : Słuchacze z Białorusi i Litwy dowiedzą się z niego dokładnie :  jakie koncerty odbywać się będą w  filharmonii do końca marca ,  kto wystąpi ,  jakim głosem dysponuje i  jakie dokładnie utwory wykonają artyści .
Tokens: 1________ 2 3________ 4 5____ 6_______ 7__ 8 9____ 10_______ 11 12___ 13______ 14_____ 15_ 16__ 17 18_________ 19 20___ 21___ 22 23_ 24_____ 25 26___ 27____ 28_______ 29 30___ 31_______ 32____ 33______ 34_____ 35

Chunks:
  TruePositive nam [3,3] = Białorusi
  TruePositive nam [5,5] = Litwy

(ChunkerEvaluator) Sentence #5592 from articles/00107588 from sent11

Text  : Co prawda bogata i ciągle rozbudowująca się strona internetowa filharmonii (  opera.bialystok.pl )  jest tłumaczona na język angielski ,  więc angielskojęzyczni turyści sobie poradzą ,  ale ulotki w  językach rodzimych to dodatkowy ukłon w  stronę najbliższych sąsiadów .
Tokens: 1_ 2_____ 3_____ 4 5_____ 6____________ 7__ 8_____ 9__________ 10_________ 11 12________________ 13 14__ 15________ 16 17___ 18_______ 19 20__ 21_______________ 22_____ 23___ 24_____ 25 26_ 27____ 28 29______ 30_______ 31 32_______ 33___ 34 35____ 36__________ 37______ 38

Chunks:
  TruePositive nam [12,12] = opera.bialystok.pl

(ChunkerEvaluator) Sentence #5593 from articles/00107588 from sent12

Text  : Zwłaszcza , że wpadając do Białegostoku na zakupy - a  do podlaskich galerii handlowych i  supermarketów Białorusinó i  Litwinów przyjeżdża tu sporo -  mogą przy okazji połączyć przyjemne z  pożytecznym .
Tokens: 1________ 2 3_ 4_______ 5_ 6___________ 7_ 8_____ 9 10 11 12________ 13_____ 14________ 15 16___________ 17_________ 18 19______ 20________ 21 22___ 23 24__ 25__ 26____ 27______ 28_______ 29 30_________ 31

Chunks:
  TruePositive nam [6,6] = Białegostoku
  TruePositive nam [17,17] = Białorusinó
  TruePositive nam [19,19] = Litwinów

(ChunkerEvaluator) Sentence #5594 from articles/00107588 from sent13

Text  : W pięciu językach życzenia noworoczne składają też wszyscy filharmonicy na pierwszej stronie wielkiego kalendarza ściennego ,  wydanego właśnie przez filharmonię .
Tokens: 1 2_____ 3_______ 4_______ 5_________ 6_______ 7__ 8______ 9___________ 10 11_______ 12_____ 13_______ 14________ 15_______ 16 17______ 18_____ 19___ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #5595 from articles/00107588 from sent14

Text  : To „ Szczęśliwego Nowego Roku ” w języku angielskim ,  białoruskim ,  litewskim i  esperanto .
Tokens: 1_ 2 3___________ 4_____ 5___ 6 7 8_____ 9_________ 10 11_________ 12 13_______ 14 15_______ 16

Chunks:
  FalsePositive nam [4,5] = Nowego Roku
  FalsePositive nam [11,11] = białoruskim
  FalsePositive nam [13,13] = litewskim
  FalseNegative nam [3,5] = Szczęśliwego Nowego Roku

(ChunkerEvaluator) Sentence #5596 from articles/00107588 from sent15

Text  : - Mamy nadzieję , że ten kalendarz pozwoli Państwu podążać za naszymi wydarzeniami ,  być naszym partnerem ,  zaszczycać nas i  artystów swoją obecnością -  mówi Roberto Skolmowski ,  szef Opery i  Filharmonii Podlaskiej .
Tokens: 1 2___ 3_______ 4 5_ 6__ 7________ 8______ 9______ 10_____ 11 12_____ 13__________ 14 15_ 16____ 17_______ 18 19________ 20_ 21 22______ 23___ 24________ 25 26__ 27_____ 28________ 29 30__ 31___ 32 33_________ 34________ 35

Chunks:
  TruePositive nam [27,28] = Roberto Skolmowski
  FalsePositive nam [9,9] = Państwu
  FalsePositive nam [31,31] = Opery
  FalsePositive nam [33,34] = Filharmonii Podlaskiej
  FalseNegative nam [31,34] = Opery i Filharmonii Podlaskiej

(ChunkerEvaluator) Sentence #5597 from articles/00107588 from sent16

Text  : Kalendarz to przede wszystkim prezentacja filharmoników - dyrektor stawia na swoich artystów ,  chce ,  by poszczególne koncerty firmowali swoimi twarzami .
Tokens: 1________ 2_ 3_____ 4________ 5__________ 6____________ 7 8_______ 9_____ 10 11____ 12______ 13 14__ 15 16 17__________ 18______ 19_______ 20____ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #5598 from articles/00107588 from sent17

Text  : Na pierwszej stronie zmieścili się wszyscy - w sumie ponad 90 osób .
Tokens: 1_ 2________ 3______ 4________ 5__ 6______ 7 8 9____ 10___ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #5599 from articles/00107588 from sent18

Text  : Poszczególne miesiące to interesujące portrety wybranych muzyków z różnych sekcji instrumentalnych filharmonii .
Tokens: 1___________ 2_______ 3_ 4___________ 5_______ 6________ 7______ 8 9______ 10____ 11______________ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #5600 from articles/00107588 from sent19

Text  : Na dole każdej karty jest wyszczególnione Wydarzenie i Gwiazda Miesiąca .
Tokens: 1_ 2___ 3_____ 4____ 5___ 6______________ 7_________ 8 9______ 10______ 11

Chunks:
  TruePositive nam [7,7] = Wydarzenie
  TruePositive nam [9,10] = Gwiazda Miesiąca

(ChunkerEvaluator) Sentence #5601 from articles/00107588 from sent20

Text  : I tak w styczniu taką gwiazdą jest dyrygent Jerzy Maksymiuk (  poprowadzi koncert 27 stycznia )  ,  a  wydarzeniem miesiąca -  koncert familijny „  Adam Wajrak opowiada o  zwierzętach ”  .
Tokens: 1 2__ 3 4_______ 5___ 6______ 7___ 8_______ 9____ 10_______ 11 12________ 13_____ 14 15______ 16 17 18 19_________ 20______ 21 22_____ 23_______ 24 25__ 26____ 27______ 28 29_________ 30 31

Chunks:
  TruePositive nam [9,10] = Jerzy Maksymiuk
  FalsePositive nam [25,26] = Adam Wajrak
  FalseNegative nam [25,29] = Adam Wajrak opowiada o zwierzętach

(ChunkerEvaluator) Sentence #5602 from articles/00107588 from sent21

Text  : Dziennikarz „ Gazety Wyborczej ” , znany miłośnik zwierząt ,  umiejący o  nich z  pasją pisać i  opowiadać ,  będzie gościem filharmonii 20 i  22 stycznia .
Tokens: 1__________ 2 3_____ 4________ 5 6 7____ 8_______ 9_______ 10 11______ 12 13__ 14 15___ 16___ 17 18_______ 19 20____ 21_____ 22_________ 23 24 25 26______ 27

Chunks:
  TruePositive nam [3,4] = Gazety Wyborczej

(ChunkerEvaluator) Sentence #5603 from articles/00107588 from sent22

Text  : Koncert połączony zostanie ze szczytnym celem - zbierane będą wówczas pieniądze na Akcent Zoo ,  czyli poprawę warunków zwierzaków w  białostockim zwierzyńcu .
Tokens: 1______ 2________ 3_______ 4_ 5________ 6____ 7 8_______ 9___ 10_____ 11_______ 12 13____ 14_ 15 16___ 17_____ 18______ 19________ 20 21__________ 22________ 23

Chunks:
  TruePositive nam [13,14] = Akcent Zoo

2016-10-27 14:59:38,863 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 222 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107589.xml
(ChunkerEvaluator) Sentence #5604 from articles/00107589 from sent1

Text  : Gdynia Cup , czyli koszykarski przegląd wojsk
Tokens: 1_____ 2__ 3 4____ 5__________ 6_______ 7____

Chunks:
  TruePositive nam [1,2] = Gdynia Cup

(ChunkerEvaluator) Sentence #5605 from articles/00107589 from sent2

Text  : We wtorek w halo GOSiR przy ul . Olimpijskiej w  Gdyni rusza Gdynia Cup ,  międzynarodowy turniej młodzieżowej koszykówki .
Tokens: 1_ 2_____ 3 4___ 5____ 6___ 7_ 8 9___________ 10 11___ 12___ 13____ 14_ 15 16____________ 17_____ 18__________ 19________ 20

Chunks:
  TruePositive nam [5,5] = GOSiR
  TruePositive nam [9,9] = Olimpijskiej
  TruePositive nam [11,11] = Gdyni
  TruePositive nam [13,14] = Gdynia Cup
  FalseNegative nam [16,19] = międzynarodowy turniej młodzieżowej koszykówki

(ChunkerEvaluator) Sentence #5606 from articles/00107589 from sent3

Text  : Wezmą w nim udział drużyny z Polski , Łotwy i  Węgier .
Tokens: 1____ 2 3__ 4_____ 5______ 6 7_____ 8 9____ 10 11____ 12

Chunks:
  TruePositive nam [7,7] = Polski
  TruePositive nam [9,9] = Łotwy
  TruePositive nam [11,11] = Węgier

(ChunkerEvaluator) Sentence #5607 from articles/00107589 from sent4

Text  : Turniej rozegrany zostanie zarówno w kategorii męskiej , jak i  żeńskiej .
Tokens: 1______ 2________ 3_______ 4______ 5 6________ 7______ 8 9__ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5608 from articles/00107589 from sent5

Text  : Wśród mężczyzn w roli gospodarzy wystąpi GTK Gdynia .
Tokens: 1____ 2_______ 3 4___ 5_________ 6______ 7__ 8_____ 9

Chunks:
  TruePositive nam [7,8] = GTK Gdynia

(ChunkerEvaluator) Sentence #5609 from articles/00107589 from sent6

Text  : Swój pierwszy mecz młodzi koszykarze rozegrają już we wtorek ,  przeciwko KSE Jaszberenei (  początek o  godz .  19 .  30 )  ,  następnie podejmą BJBS Ryga (  Łotwa )  ,  STK Wilki Morskie Szczecin ,  BJBC Keizarmezs (  Łotwa )  oraz Wisłę Kraków .
Tokens: 1___ 2_______ 3___ 4_____ 5_________ 6________ 7__ 8_ 9_____ 10 11_______ 12_ 13_________ 14 15______ 16 17__ 18 19 20 21 22 23 24_______ 25_____ 26__ 27__ 28 29___ 30 31 32_ 33___ 34_____ 35______ 36 37__ 38________ 39 40___ 41 42__ 43___ 44____ 45

Chunks:
  TruePositive nam [12,13] = KSE Jaszberenei
  TruePositive nam [26,27] = BJBS Ryga
  TruePositive nam [29,29] = Łotwa
  TruePositive nam [32,35] = STK Wilki Morskie Szczecin
  TruePositive nam [37,38] = BJBC Keizarmezs
  TruePositive nam [40,40] = Łotwa
  TruePositive nam [43,44] = Wisłę Kraków

(ChunkerEvaluator) Sentence #5610 from articles/00107589 from sent7

Text  : Z kolei wśród zespołów żeńskich wystąpią zajmujące pierwsze miejsca w  swoich okręgach juniorki VBW GTK Gdynia oraz MUKS Poznań ,  czołowa drużyna Mazowsza -  MUKS Unia Basket Ostrołęka ,  a  także zajmująca co roku pierwsze lokaty w  lidze węgierskiej juniorek Ceglédi EKK .
Tokens: 1 2____ 3____ 4_______ 5_______ 6_______ 7________ 8_______ 9______ 10 11____ 12______ 13______ 14_ 15_ 16____ 17__ 18__ 19____ 20 21_____ 22_____ 23______ 24 25__ 26__ 27____ 28_______ 29 30 31___ 32_______ 33 34__ 35______ 36____ 37 38___ 39_________ 40______ 41_____ 42_ 43

Chunks:
  TruePositive nam [18,19] = MUKS Poznań
  TruePositive nam [23,23] = Mazowsza
  TruePositive nam [25,28] = MUKS Unia Basket Ostrołęka
  FalsePositive nam [15,16] = GTK Gdynia
  FalseNegative nam [14,16] = VBW GTK Gdynia
  FalseNegative nam [41,42] = Ceglédi EKK

(ChunkerEvaluator) Sentence #5611 from articles/00107589 from sent8

Text  : I to właśnie z tą ostatnią drużyną gdynianki zmierzą się na początku turnieju .
Tokens: 1 2_ 3______ 4 5_ 6_______ 7______ 8________ 9______ 10_ 11 12______ 13______ 14

Chunks:
  FalseNegative nam [8,8] = gdynianki

(ChunkerEvaluator) Sentence #5612 from articles/00107589 from sent9

Text  : GTK Gdynia - KSE Jaszberenyi , godz . 19 .  30 .
Tokens: 1__ 2_____ 3 4__ 5__________ 6 7___ 8 9_ 10 11 12

Chunks:
  TruePositive nam [1,2] = GTK Gdynia
  TruePositive nam [4,5] = KSE Jaszberenyi

(ChunkerEvaluator) Sentence #5613 from articles/00107589 from sent10

Text  : VBW GTK Gdynia - EKK Cegledigodz .
Tokens: 1__ 2__ 3_____ 4 5__ 6__________ 7

Chunks:
  TruePositive nam [5,6] = EKK Cegledigodz
  FalsePositive nam [2,3] = GTK Gdynia
  FalseNegative nam [1,3] = VBW GTK Gdynia

(ChunkerEvaluator) Sentence #5614 from articles/00107589 from sent11

Text  : 10 : 15 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #5615 from articles/00107589 from sent12

Text  : VBW GTK Gdynia - MUKS Unia Basket Ostrołęka , godz .  17 :  15 .
Tokens: 1__ 2__ 3_____ 4 5___ 6___ 7_____ 8________ 9 10__ 11 12 13 14 15

Chunks:
  TruePositive nam [5,8] = MUKS Unia Basket Ostrołęka
  FalsePositive nam [2,3] = GTK Gdynia
  FalseNegative nam [1,3] = VBW GTK Gdynia

(ChunkerEvaluator) Sentence #5616 from articles/00107589 from sent13

Text  : BJBS Ryga - GTK Gdynia , godz . 19 :  00 .
Tokens: 1___ 2___ 3 4__ 5_____ 6 7___ 8 9_ 10 11 12

Chunks:
  TruePositive nam [4,5] = GTK Gdynia
  FalsePositive nam [2,2] = Ryga
  FalseNegative nam [1,2] = BJBS Ryga

(ChunkerEvaluator) Sentence #5617 from articles/00107589 from sent14

Text  : GTK Gdynia - STK Wilki Morskie Szczecin , godz .  17 :  15 .
Tokens: 1__ 2_____ 3 4__ 5____ 6______ 7_______ 8 9___ 10 11 12 13 14

Chunks:
  TruePositive nam [1,2] = GTK Gdynia
  TruePositive nam [4,7] = STK Wilki Morskie Szczecin

(ChunkerEvaluator) Sentence #5618 from articles/00107589 from sent15

Text  : VBW GTK Gdynia - EKK Cegledi , godz . 19 :  00 .
Tokens: 1__ 2__ 3_____ 4 5__ 6______ 7 8___ 9 10 11 12 13

Chunks:
  TruePositive nam [5,6] = EKK Cegledi
  FalsePositive nam [2,3] = GTK Gdynia
  FalseNegative nam [1,3] = VBW GTK Gdynia

(ChunkerEvaluator) Sentence #5619 from articles/00107589 from sent16

Text  : BJBC Keizarmezs - GTK Gdynia , godz . 13 :  45 .
Tokens: 1___ 2_________ 3 4__ 5_____ 6 7___ 8 9_ 10 11 12

Chunks:
  TruePositive nam [4,5] = GTK Gdynia
  FalseNegative nam [1,2] = BJBC Keizarmezs

(ChunkerEvaluator) Sentence #5620 from articles/00107589 from sent17

Text  : MUKS Unia Basket Ostrołęka - VBW GTK Gdynia , godz .  15 :  30 .
Tokens: 1___ 2___ 3_____ 4________ 5 6__ 7__ 8_____ 9 10__ 11 12 13 14 15

Chunks:
  FalsePositive nam [4,4] = Ostrołęka
  FalsePositive nam [7,8] = GTK Gdynia
  FalseNegative nam [1,4] = MUKS Unia Basket Ostrołęka
  FalseNegative nam [6,8] = VBW GTK Gdynia

(ChunkerEvaluator) Sentence #5621 from articles/00107589 from sent18

Text  : GTK Gdynia - Wisła Kraków , godz . 17 :  15 .
Tokens: 1__ 2_____ 3 4____ 5_____ 6 7___ 8 9_ 10 11 12

Chunks:
  TruePositive nam [1,2] = GTK Gdynia
  TruePositive nam [4,5] = Wisła Kraków

2016-10-27 14:59:39,029 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 223 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107590.xml
(ChunkerEvaluator) Sentence #5622 from articles/00107590 from sent1

Text  : Oświęcim : kobieta zginęła w pożarze
Tokens: 1_______ 2 3______ 4______ 5 6______

Chunks:
  TruePositive nam [1,1] = Oświęcim

(ChunkerEvaluator) Sentence #5623 from articles/00107590 from sent2

Text  : Pożar wybuchł dzisiaj po godz . 17 w mieszkaniu na trzecim piętrze przy ul .  Ignacego Fika w  Oświęcimiu .
Tokens: 1____ 2______ 3______ 4_ 5___ 6 7_ 8 9_________ 10 11_____ 12_____ 13__ 14 15 16______ 17__ 18 19________ 20

Chunks:
  TruePositive nam [16,17] = Ignacego Fika
  TruePositive nam [19,19] = Oświęcimiu

(ChunkerEvaluator) Sentence #5624 from articles/00107590 from sent3

Text  : Ze wstępnych ustaleń wynika , że ogień rozprzestrzenił się od wersalki .
Tokens: 1_ 2________ 3______ 4_____ 5 6_ 7____ 8______________ 9__ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5625 from articles/00107590 from sent4

Text  : Chociaż sąsiedzi błyskawicznie zareagowali , mieszkanki nie udało się uratować .
Tokens: 1______ 2_______ 3____________ 4__________ 5 6_________ 7__ 8____ 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #5626 from articles/00107590 from sent5

Text  : Płomienie gasili sąsiedzi - w mieszkaniu , skąd wydobywał się dym ,  była tylko starsza kobieta .
Tokens: 1________ 2_____ 3_______ 4 5 6_________ 7 8___ 9________ 10_ 11_ 12 13__ 14___ 15_____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #5627 from articles/00107590 from sent6

Text  : - Kiedy nasze zastępy przyjechały na miejsce , pożar był już ugaszony .
Tokens: 1 2____ 3____ 4______ 5__________ 6_ 7______ 8 9____ 10_ 11_ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #5628 from articles/00107590 from sent7

Text  : Mieszkanka lokalu - starsza kobieta , dawała oznaki życia ,  ale akcja reanimacyjna nie powiodła się -  relacjonuje starszy kapitan Jacek Krawiec z  Wojewódzkiego Stanowiska Koordynacji Ratownictwa PSP w  Krakowie .
Tokens: 1_________ 2_____ 3 4______ 5______ 6 7_____ 8_____ 9____ 10 11_ 12___ 13__________ 14_ 15______ 16_ 17 18_________ 19_____ 20_____ 21___ 22_____ 23 24___________ 25________ 26_________ 27_________ 28_ 29 30______ 31

Chunks:
  TruePositive nam [21,22] = Jacek Krawiec
  TruePositive nam [24,28] = Wojewódzkiego Stanowiska Koordynacji Ratownictwa PSP
  TruePositive nam [30,30] = Krakowie

2016-10-27 14:59:39,064 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 224 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107591.xml
(ChunkerEvaluator) Sentence #5629 from articles/00107591 from sent1

Text  : W Toruniu od 2 stycznia 2012 r . ograniczony ruch ciężarówek
Tokens: 1 2______ 3_ 4 5_______ 6___ 7 8 9__________ 10__ 11________

Chunks:
  TruePositive nam [2,2] = Toruniu

(ChunkerEvaluator) Sentence #5630 from articles/00107591 from sent2

Text  : Od 2 stycznia 2012 r .
Tokens: 1_ 2 3_______ 4___ 5 6

Chunks:

(ChunkerEvaluator) Sentence #5631 from articles/00107591 from sent3

Text  : Toruń wprowadza ograniczenie ruchu ciężarówek o masie ponad 18 ton ,  mimo że minister transportu ,  budownictwa i  gospodarki morskiej przedłużył do 11 lutego 2012 r  .  okres bezpłatnego korzystania z  odcinka A1 Nowe Marzy -  Czerniewice .
Tokens: 1____ 2________ 3___________ 4____ 5_________ 6 7____ 8____ 9_ 10_ 11 12__ 13 14______ 15________ 16 17_________ 18 19________ 20______ 21________ 22 23 24____ 25__ 26 27 28___ 29_________ 30_________ 31 32_____ 33 34__ 35___ 36 37_________ 38

Chunks:
  TruePositive nam [37,37] = Czerniewice
  FalsePositive nam [33,35] = A1 Nowe Marzy
  FalseNegative nam [1,1] = Toruń
  FalseNegative nam [33,33] = A1
  FalseNegative nam [34,35] = Nowe Marzy

(ChunkerEvaluator) Sentence #5632 from articles/00107591 from sent4

Text  : Na wjazd do Torunia ciężkich samochodów w godz . 6  .  00 -  9  .  00 i  13 .  00 -  19 .  00 konieczne będą zezwolenia Miejskiego Zarządu Dróg .
Tokens: 1_ 2____ 3_ 4______ 5_______ 6_________ 7 8___ 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25_______ 26__ 27________ 28________ 29_____ 30__ 31

Chunks:
  TruePositive nam [4,4] = Torunia
  TruePositive nam [28,30] = Miejskiego Zarządu Dróg

(ChunkerEvaluator) Sentence #5633 from articles/00107591 from sent5

Text  : Decyzja władz Torunia o wprowadzeniu ograniczeń wynika z obaw ,  że gdy przejazd odcinkiem autostrady A1 -  Nowe Marzy k  .  Grudziądza -  Czerniewice k  .  Torunia -  będzie płatny ,  to część kierowców jadących tranzytem wybierze drogę przez miasto ,  a  wtedy dojdzie do paraliżu komunikacyjnego .
Tokens: 1______ 2____ 3______ 4 5___________ 6_________ 7_____ 8 9___ 10 11 12_ 13______ 14_______ 15________ 16 17 18__ 19___ 20 21 22________ 23 24_________ 25 26 27_____ 28 29____ 30____ 31 32 33___ 34_______ 35______ 36_______ 37______ 38___ 39___ 40____ 41 42 43___ 44_____ 45 46______ 47_____________ 48

Chunks:
  TruePositive nam [3,3] = Torunia
  FalsePositive nam [16,16] = A1
  FalsePositive nam [18,27] = Nowe Marzy k . Grudziądza - Czerniewice k . Torunia
  FalseNegative nam [15,16] = autostrady A1
  FalseNegative nam [18,19] = Nowe Marzy
  FalseNegative nam [22,22] = Grudziądza
  FalseNegative nam [24,24] = Czerniewice
  FalseNegative nam [27,27] = Torunia

(ChunkerEvaluator) Sentence #5634 from articles/00107591 from sent6

Text  : Po oddaniu do użytkowania odcinka A1 Nowe Marzy - Czerniewice (  14 października br .  )  ówczesny minister infrastruktury Cezary Grabarczyk ,  podobnie jak w  przypadku innych autostrad ,  zdecydował ,  że przez pierwszych 90 dni przejazd będzie bezpłatny .
Tokens: 1_ 2______ 3_ 4__________ 5______ 6_ 7___ 8____ 9 10_________ 11 12 13__________ 14 15 16 17______ 18______ 19____________ 20____ 21________ 22 23______ 24_ 25 26_______ 27____ 28_______ 29 30________ 31 32 33___ 34________ 35 36_ 37______ 38____ 39_______ 40

Chunks:
  TruePositive nam [20,21] = Cezary Grabarczyk
  FalsePositive nam [6,10] = A1 Nowe Marzy - Czerniewice
  FalseNegative nam [6,6] = A1
  FalseNegative nam [7,8] = Nowe Marzy
  FalseNegative nam [10,10] = Czerniewice

(ChunkerEvaluator) Sentence #5635 from articles/00107591 from sent7

Text  : W czwartek minister transportu , budownictwa i gospodarki morskiej Sławomir Nowak przedłużył ten okres o  kolejne 30 dni ,  czyli do 11 lutego 2012 r  .
Tokens: 1 2_______ 3_______ 4_________ 5 6__________ 7 8_________ 9_______ 10______ 11___ 12________ 13_ 14___ 15 16_____ 17 18_ 19 20___ 21 22 23____ 24__ 25 26

Chunks:
  TruePositive nam [10,11] = Sławomir Nowak

(ChunkerEvaluator) Sentence #5636 from articles/00107591 from sent8

Text  : " Decyzja ministra Nowaka o wydłużeniu okresu bezpłatnego korzystania z  autostrady nie rozwiązuje naszej sytuacji ,  dlatego też wprowadzenie ograniczeń w  ruchu ciężarówek w  mieście jest aktualne "  -  powiedziała PAP rzeczniczka prezydenta Torunia Aleksandra Iżycka .
Tokens: 1 2______ 3_______ 4_____ 5 6_________ 7_____ 8__________ 9__________ 10 11________ 12_ 13________ 14____ 15______ 16 17_____ 18_ 19__________ 20________ 21 22___ 23________ 24 25_____ 26__ 27______ 28 29 30_________ 31_ 32_________ 33________ 34_____ 35________ 36____ 37

Chunks:
  TruePositive nam [4,4] = Nowaka
  TruePositive nam [31,31] = PAP
  FalsePositive nam [34,36] = Torunia Aleksandra Iżycka
  FalseNegative nam [34,34] = Torunia
  FalseNegative nam [35,36] = Aleksandra Iżycka

(ChunkerEvaluator) Sentence #5637 from articles/00107591 from sent9

Text  : Końcowy fragment nowego odcinka A1 między Lubiczem a Czerniewicami o  długości 10 km stanowi wschodnią obwodnicę miasta .
Tokens: 1______ 2_______ 3_____ 4______ 5_ 6_____ 7_______ 8 9____________ 10 11______ 12 13 14_____ 15_______ 16_______ 17____ 18

Chunks:
  TruePositive nam [5,5] = A1
  TruePositive nam [7,7] = Lubiczem
  TruePositive nam [9,9] = Czerniewicami

(ChunkerEvaluator) Sentence #5638 from articles/00107591 from sent10

Text  : Samorządowcy z Torunia od dawna zabiegają , aby trasa była na stałe bezpłatna .
Tokens: 1___________ 2 3______ 4_ 5____ 6________ 7 8__ 9____ 10__ 11 12___ 13_______ 14

Chunks:
  TruePositive nam [3,3] = Torunia

(ChunkerEvaluator) Sentence #5639 from articles/00107591 from sent11

Text  : W związku z tym , że starania nie przynosiły rezultatu ,  przed Bożym Narodzeniem zdecydowano o  wprowadzeniu w  Toruniu od 2  stycznia 2012 r  .  ograniczeń w  ruchu ciężarówek o  masie przekraczającej 18 ton .
Tokens: 1 2______ 3 4__ 5 6_ 7_______ 8__ 9_________ 10_______ 11 12___ 13___ 14_________ 15_________ 16 17__________ 18 19_____ 20 21 22______ 23__ 24 25 26________ 27 28___ 29________ 30 31___ 32_____________ 33 34_ 35

Chunks:
  TruePositive nam [13,14] = Bożym Narodzeniem
  TruePositive nam [19,19] = Toruniu

(ChunkerEvaluator) Sentence #5640 from articles/00107591 from sent12

Text  : Dla pojazdów , które dostarczają towary do Torunia , przewidziano zezwolenia wjazdu .
Tokens: 1__ 2_______ 3 4____ 5__________ 6_____ 7_ 8______ 9 10__________ 11________ 12____ 13

Chunks:
  TruePositive nam [8,8] = Torunia

(ChunkerEvaluator) Sentence #5641 from articles/00107591 from sent13

Text  : Zezwolenia są wydawane na konkretny pojazd , ale wnioskodawcy ,  którzy mają ponad 30 samochodów lub korzystają z  usług innych przewoźników ,  mogą otrzymać zezwolenie na okaziciela .
Tokens: 1_________ 2_ 3_______ 4_ 5________ 6_____ 7 8__ 9___________ 10 11____ 12__ 13___ 14 15________ 16_ 17________ 18 19___ 20____ 21__________ 22 23__ 24______ 25________ 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #5642 from articles/00107591 from sent14

Text  : Zezwolenia są wydawane bezpłatnie , w terminie do 14 dni od złożenia wniosku .
Tokens: 1_________ 2_ 3_______ 4_________ 5 6 7_______ 8_ 9_ 10_ 11 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #5643 from articles/00107591 from sent15

Text  : Dotychczas wydano ok . 150 takich zezwoleń .
Tokens: 1_________ 2_____ 3_ 4 5__ 6_____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #5644 from articles/00107591 from sent16

Text  : Ograniczenia wjazdu ciężkich pojazdów mają obowiązywać do lipca 2013 r  .  ,  czyli do planowanego otwarcia drugiego mostu drogowego przez Wisłę .
Tokens: 1___________ 2_____ 3_______ 4_______ 5___ 6__________ 7_ 8____ 9___ 10 11 12 13___ 14 15_________ 16______ 17______ 18___ 19_______ 20___ 21___ 22

Chunks:
  TruePositive nam [21,21] = Wisłę

2016-10-27 14:59:39,179 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 225 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107592.xml
(ChunkerEvaluator) Sentence #5645 from articles/00107592 from sent1

Text  : Indie wycieczka - planowanie podróży i informacje praktyczne
Tokens: 1____ 2________ 3 4_________ 5______ 6 7_________ 8_________

Chunks:
  TruePositive nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5646 from articles/00107592 from sent2

Text  : Indie wycieczka .
Tokens: 1____ 2________ 3

Chunks:
  FalseNegative nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5647 from articles/00107592 from sent3

Text  : Niesłychana różnorodność ludzi , kultur i krajobrazów Indii od dawna urzeka podróżnych .
Tokens: 1__________ 2___________ 3____ 4 5_____ 6 7__________ 8____ 9_ 10___ 11____ 12________ 13

Chunks:
  TruePositive nam [8,8] = Indii

(ChunkerEvaluator) Sentence #5648 from articles/00107592 from sent4

Text  : Co warto wiedzieć , zanim się wyjedzie do Indii i  jak zaplanować podróż ?
Tokens: 1_ 2____ 3_______ 4 5____ 6__ 7_______ 8_ 9____ 10 11_ 12________ 13____ 14

Chunks:
  TruePositive nam [9,9] = Indii

(ChunkerEvaluator) Sentence #5649 from articles/00107592 from sent5

Text  : Indie wycieczka - wyjazd
Tokens: 1____ 2________ 3 4_____

Chunks:
  TruePositive nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5650 from articles/00107592 from sent6

Text  : Klimat Indii jest bardzo zróżnicowany : w Himalajach leży wieczny śnieg ,  na wybrzeżu panują watunki tropikalne ,  a  w  głębi lądu przeważa klimat kontynentalny .
Tokens: 1_____ 2____ 3___ 4_____ 5___________ 6 7 8_________ 9___ 10_____ 11___ 12 13 14______ 15____ 16_____ 17________ 18 19 20 21___ 22__ 23______ 24____ 25___________ 26

Chunks:
  TruePositive nam [2,2] = Indii
  TruePositive nam [8,8] = Himalajach

(ChunkerEvaluator) Sentence #5651 from articles/00107592 from sent7

Text  : Poza tym pogoda zmienia się w zależności pory roku i  miejsca .
Tokens: 1___ 2__ 3_____ 4______ 5__ 6 7_________ 8___ 9___ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #5652 from articles/00107592 from sent8

Text  : Najlepiej podróżować po zakończeniu pory deszczowej .
Tokens: 1________ 2_________ 3_ 4__________ 5___ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #5653 from articles/00107592 from sent9

Text  : Od października do marca utrzymują się niskie temperatury , co sprzyja wyprawom na Półwysep Indyjski .
Tokens: 1_ 2___________ 3_ 4____ 5________ 6__ 7_____ 8__________ 9 10 11_____ 12______ 13 14______ 15______ 16

Chunks:
  TruePositive nam [14,15] = Półwysep Indyjski

(ChunkerEvaluator) Sentence #5654 from articles/00107592 from sent10

Text  : Zimą w wielu miejscach świeci słońce , a niebo jest bezchmurne ,  choć na południu i  wschodzie może od czasu do czasu padać .
Tokens: 1___ 2 3____ 4________ 5_____ 6_____ 7 8 9____ 10__ 11________ 12 13__ 14 15______ 16 17_______ 18__ 19 20___ 21 22___ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #5655 from articles/00107592 from sent11

Text  : Latem , czyli od kwietnia do czerwca , panują upały .
Tokens: 1____ 2 3____ 4_ 5_______ 6_ 7______ 8 9_____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #5656 from articles/00107592 from sent12

Text  : Na wybrzeżach powietrze jest wilgotne , a w pozostałej części kraju suche .
Tokens: 1_ 2_________ 3________ 4___ 5_______ 6 7 8 9_________ 10____ 11___ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #5657 from articles/00107592 from sent13

Text  : Pora deszczowa rozpoczyna się pod koniec maja i trwa do końca września .
Tokens: 1___ 2________ 3_________ 4__ 5__ 6_____ 7___ 8 9___ 10 11___ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #5658 from articles/00107592 from sent14

Text  : Opady , a wraz nimi upragnione ochłodzenie , przesuwają się od zachodniego wybrzeża w  głąb Indii .
Tokens: 1____ 2 3 4___ 5___ 6_________ 7__________ 8 9_________ 10_ 11 12_________ 13______ 14 15__ 16___ 17

Chunks:
  TruePositive nam [16,16] = Indii

(ChunkerEvaluator) Sentence #5659 from articles/00107592 from sent15

Text  : Najobfitsze występują na północnym wschodzie - latem jest to jeden z  najbardziej deszczowych regionów na świecie .
Tokens: 1__________ 2________ 3_ 4________ 5________ 6 7____ 8___ 9_ 10___ 11 12_________ 13_________ 14______ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #5660 from articles/00107592 from sent16

Text  : Indie wycieczka - przylot
Tokens: 1____ 2________ 3 4______

Chunks:
  TruePositive nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5661 from articles/00107592 from sent17

Text  : Najwięcej turystów ląduje w Delhi i Bombaju , ale z  Europy latają też samoloty do Kalkuty i  Madrasu .
Tokens: 1________ 2_______ 3_____ 4 5____ 6 7______ 8 9__ 10 11____ 12____ 13_ 14______ 15 16_____ 17 18_____ 19

Chunks:
  TruePositive nam [5,5] = Delhi
  TruePositive nam [7,7] = Bombaju
  TruePositive nam [11,11] = Europy
  TruePositive nam [16,16] = Kalkuty
  TruePositive nam [18,18] = Madrasu

(ChunkerEvaluator) Sentence #5662 from articles/00107592 from sent18

Text  : Na lotnisku czekają tłumy tragarzy , taksówkarzy i innych oferujących pomoc .
Tokens: 1_ 2_______ 3______ 4____ 5_______ 6 7__________ 8 9_____ 10_________ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #5663 from articles/00107592 from sent19

Text  : Od każdej niesionej walizki płaci się ustaloną kwotę , jeszcze przed opuszczeniem terminalu ,  a  do tego napiwek w  wysokości ok .  5  INR po załadowaniu bagażu do taksówki lub autobusu .
Tokens: 1_ 2_____ 3________ 4______ 5____ 6__ 7_______ 8____ 9 10_____ 11___ 12__________ 13_______ 14 15 16 17__ 18_____ 19 20_______ 21 22 23 24_ 25 26_________ 27____ 28 29______ 30_ 31______ 32

Chunks:
  FalseNegative nam [24,24] = INR

(ChunkerEvaluator) Sentence #5664 from articles/00107592 from sent20

Text  : Indie wycieczka - odlot
Tokens: 1____ 2________ 3 4____

Chunks:
  TruePositive nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5665 from articles/00107592 from sent21

Text  : Co najmniej 72 godziny przed odlotem trzeba potwierdzić rezerwację ,  zwłaszcza w  szczycie sezonu ,  kiedy liczba biletów sprzedawanych na większość lotów przewyższa liczbę miejsc .
Tokens: 1_ 2_______ 3_ 4______ 5____ 6______ 7_____ 8__________ 9_________ 10 11_______ 12 13______ 14____ 15 16___ 17____ 18_____ 19___________ 20 21_______ 22___ 23________ 24____ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #5666 from articles/00107592 from sent22

Text  : Odprawa trwa minimum 2 godziny .
Tokens: 1______ 2___ 3______ 4 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5667 from articles/00107592 from sent23

Text  : Przed opuszczeniem Indii turyści musza zapłacić podatek ; o jego wyskość należy zapytać ,  dokonując rezerwacji .
Tokens: 1____ 2___________ 3____ 4______ 5____ 6_______ 7______ 8 9 10__ 11_____ 12____ 13_____ 14 15_______ 16________ 17

Chunks:
  TruePositive nam [3,3] = Indii

(ChunkerEvaluator) Sentence #5668 from articles/00107592 from sent24

Text  : Na dowodzie wpłaty powinna znajdować się nazwa linii , którymi wraca się do kraju .
Tokens: 1_ 2_______ 3_____ 4______ 5________ 6__ 7____ 8____ 9 10_____ 11___ 12_ 13 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #5669 from articles/00107592 from sent25

Text  : Indie wiza
Tokens: 1____ 2___

Chunks:
  FalseNegative nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5670 from articles/00107592 from sent26

Text  : Wizy turystyczne są ważne przez 6 miesięcy od daty wystawienia .
Tokens: 1___ 2__________ 3_ 4____ 5____ 6 7_______ 8_ 9___ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #5671 from articles/00107592 from sent27

Text  : Najlepiej mieć wizę pozwalającą na wielokrotne przekraczanie granicy , dzięki czemu będzie można przy okazji odwiedzić sąsiednie kraje .
Tokens: 1________ 2___ 3___ 4__________ 5_ 6__________ 7____________ 8______ 9 10____ 11___ 12____ 13___ 14__ 15____ 16_______ 17_______ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #5672 from articles/00107592 from sent28

Text  : Najłatwiej jest uzyskać wizę w Ambasadzie Republiki Indii w Polsce .
Tokens: 1_________ 2___ 3______ 4___ 5 6_________ 7________ 8____ 9 10____ 11

Chunks:
  TruePositive nam [6,8] = Ambasadzie Republiki Indii
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #5673 from articles/00107592 from sent29

Text  : Wiz turystycznych nie można przedłużać .
Tokens: 1__ 2____________ 3__ 4____ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #5674 from articles/00107592 from sent30

Text  : Trudno jest też zdobyć pozwolenie na pobyt w Indiach w  jednym z  państw sąsiadujących .
Tokens: 1_____ 2___ 3__ 4_____ 5_________ 6_ 7____ 8 9______ 10 11____ 12 13____ 14___________ 15

Chunks:
  TruePositive nam [9,9] = Indiach

(ChunkerEvaluator) Sentence #5675 from articles/00107592 from sent31

Text  : Biznesmenom i studentom wydaje się wizy na 5 lat .
Tokens: 1__________ 2 3________ 4_____ 5__ 6___ 7_ 8 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #5676 from articles/00107592 from sent32

Text  : Etykieta w Indii , czyli co wypada turyście i kilka innych porad
Tokens: 1_______ 2 3____ 4 5____ 6_ 7_____ 8_______ 9 10___ 11____ 12___

Chunks:
  TruePositive nam [3,3] = Indii

(ChunkerEvaluator) Sentence #5677 from articles/00107592 from sent33

Text  : Indie szczepienia
Tokens: 1____ 2__________

Chunks:
  TruePositive nam [1,1] = Indie

(ChunkerEvaluator) Sentence #5678 from articles/00107592 from sent34

Text  : Warto zastanowić się nad przyjęciem szczepionki przeciwko durowi brzusznemu ,  zapaleniu wątroby typu A  i  B  ,  polio (  szczepienie trzeba powtarzać co 5  lat )  i  tężcowi (  co 10 lat )  .
Tokens: 1____ 2_________ 3__ 4__ 5_________ 6__________ 7________ 8_____ 9_________ 10 11_______ 12_____ 13__ 14 15 16 17 18___ 19 20_________ 21____ 22_______ 23 24 25_ 26 27 28_____ 29 30 31 32_ 33 34

Chunks:

(ChunkerEvaluator) Sentence #5679 from articles/00107592 from sent35

Text  : Przyjeżdżając z terenów objętych żółtą febrą , należy okazać zaświadczenie o  szczepieniu przeciwko tej chorobie .
Tokens: 1____________ 2 3______ 4_______ 5____ 6____ 7 8_____ 9_____ 10___________ 11 12_________ 13_______ 14_ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #5680 from articles/00107592 from sent36

Text  : Planując dłuższy pobyt , dobrze jest zaszczepić się przeciw zapaleniu opon mózgowych ,  wściekliźnie i  japońskiemu zapaleniu mózgu .
Tokens: 1_______ 2______ 3____ 4 5_____ 6___ 7_________ 8__ 9______ 10_______ 11__ 12_______ 13 14__________ 15 16_________ 17_______ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #5681 from articles/00107592 from sent37

Text  : Nie ma szczepionek przeciwko malarii i dendze , które czasem ,  zwłaszcza bezpośrednio po monsumie ,  występują w  Indiach ,  pozostaje więc starannie zabezpieczać się przed ukąszeniami komarów .
Tokens: 1__ 2_ 3__________ 4________ 5______ 6 7_____ 8 9____ 10____ 11 12_______ 13__________ 14 15______ 16 17_______ 18 19_____ 20 21_______ 22__ 23_______ 24__________ 25_ 26___ 27_________ 28_____ 29

Chunks:
  TruePositive nam [19,19] = Indiach

2016-10-27 14:59:39,332 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 226 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107593.xml
(ChunkerEvaluator) Sentence #5682 from articles/00107593 from sent1

Text  : & quot ; Solidarność & quot ; zbiera podpisy ws .  referendum na temat wieku emerytalnego
Tokens: 1 2___ 3 4__________ 5 6___ 7 8_____ 9______ 10 11 12________ 13 14___ 15___ 16__________

Chunks:
  FalsePositive nam [4,6] = Solidarność & quot
  FalseNegative nam [4,4] = Solidarność
  FalseNegative nam [12,12] = referendum

(ChunkerEvaluator) Sentence #5683 from articles/00107593 from sent2

Text  : W całym kraju zbierane są podpisy pod wnioskiem o przeprowadzenie referendum w  sprawie zachowania obecnych rozwiązań emerytalnych -  poinformowała w  poniedziałek &  quot ;  Solidarność &  quot ;  .
Tokens: 1 2____ 3____ 4_______ 5_ 6______ 7__ 8________ 9 10_____________ 11________ 12 13_____ 14________ 15______ 16_______ 17__________ 18 19___________ 20 21__________ 22 23__ 24 25_________ 26 27__ 28 29

Chunks:
  FalsePositive nam [25,26] = Solidarność &
  FalseNegative nam [11,11] = referendum
  FalseNegative nam [25,25] = Solidarność

(ChunkerEvaluator) Sentence #5684 from articles/00107593 from sent3

Text  : Związkowcy muszą zebrać 500 tys . podpisów , by wnioskiem zajął się Sejm .
Tokens: 1_________ 2____ 3_____ 4__ 5__ 6 7_______ 8 9_ 10_______ 11___ 12_ 13__ 14

Chunks:
  TruePositive nam [13,13] = Sejm

(ChunkerEvaluator) Sentence #5685 from articles/00107593 from sent4

Text  : Jak poinformował Wojciech Gumułka , rzecznik przewodniczącego KK NSZZ Solidarność Piotra Dudy ,  podpisy zbierane są w  organizacjach zakładowych NSZZ "  Solidarność "  oraz we wszystkich strukturach regionalnych związku .
Tokens: 1__ 2___________ 3_______ 4______ 5 6_______ 7_______________ 8_ 9___ 10_________ 11____ 12__ 13 14_____ 15______ 16 17 18___________ 19_________ 20__ 21 22_________ 23 24__ 25 26________ 27_________ 28__________ 29_____ 30

Chunks:
  TruePositive nam [3,4] = Wojciech Gumułka
  TruePositive nam [20,23] = NSZZ " Solidarność "
  FalsePositive nam [9,12] = NSZZ Solidarność Piotra Dudy
  FalseNegative nam [8,10] = KK NSZZ Solidarność
  FalseNegative nam [11,12] = Piotra Dudy

(ChunkerEvaluator) Sentence #5686 from articles/00107593 from sent5

Text  : Gumułka powiedział PAP , że jeszcze nie wiadomo , ile osób już podpisało się pod wnioskiem .
Tokens: 1______ 2_________ 3__ 4 5_ 6______ 7__ 8______ 9 10_ 11__ 12_ 13_______ 14_ 15_ 16_______ 17

Chunks:
  TruePositive nam [3,3] = PAP
  FalseNegative nam [1,1] = Gumułka

(ChunkerEvaluator) Sentence #5687 from articles/00107593 from sent6

Text  : Związkowcy proponują , by pytanie referendalne brzmiało : " Czy jest Pani /  Pan za utrzymaniem dotychczasowego wieku uprawniającego do przejścia na emeryturę wynoszącego 60 lat dla kobiet i  65 lat dla mężczyzn ?  "
Tokens: 1_________ 2________ 3 4_ 5______ 6___________ 7_______ 8 9 10_ 11__ 12__ 13 14_ 15 16_________ 17_____________ 18___ 19____________ 20 21_______ 22 23_______ 24_________ 25 26_ 27_ 28____ 29 30 31_ 32_ 33______ 34 35

Chunks:
  FalsePositive nam [14,14] = Pan

(ChunkerEvaluator) Sentence #5688 from articles/00107593 from sent7

Text  : Jak wyjaśnił rzecznik , akcja zbierania podpisów na pewno potrwa dłużej niż do końca stycznia .
Tokens: 1__ 2_______ 3_______ 4 5____ 6________ 7_______ 8_ 9____ 10____ 11____ 12_ 13 14___ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #5689 from articles/00107593 from sent8

Text  : " Będziemy zbierać podpisy do skutku , aż uzyskamy 500 tys .  podpisów .
Tokens: 1 2_______ 3______ 4______ 5_ 6_____ 7 8_ 9_______ 10_ 11_ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #5690 from articles/00107593 from sent9

Text  : Chcemy pokazać determinację społeczeństwa w tej sprawie " - wyjaśnił .
Tokens: 1_____ 2______ 3___________ 4____________ 5 6__ 7______ 8 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #5691 from articles/00107593 from sent10

Text  : Dodał , że pół miliona podpisów pod wnioskiem jest potrzebne ,  by sprawą zajął się Sejm .
Tokens: 1____ 2 3_ 4__ 5______ 6_______ 7__ 8________ 9___ 10_______ 11 12 13____ 14___ 15_ 16__ 17

Chunks:
  TruePositive nam [16,16] = Sejm

(ChunkerEvaluator) Sentence #5692 from articles/00107593 from sent11

Text  : Akcję promują ulotki i plakaty - ich motywem przewodnim jest więzienna kula doczepiona do liczby 67 ,  symbolizującej proponowany przez rząd nowy wiek emerytalny .
Tokens: 1____ 2______ 3_____ 4 5______ 6 7__ 8______ 9_________ 10__ 11_______ 12__ 13________ 14 15____ 16 17 18____________ 19_________ 20___ 21__ 22__ 23__ 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #5693 from articles/00107593 from sent12

Text  : Plakat i ulotka zawierają informacje , gdzie można składać podpisy z  poparciem wniosku ,  a  także emerytalne propozycje Solidarności .
Tokens: 1_____ 2 3_____ 4________ 5_________ 6 7____ 8____ 9______ 10_____ 11 12_______ 13_____ 14 15 16___ 17________ 18________ 19__________ 20

Chunks:
  TruePositive nam [19,19] = Solidarności

(ChunkerEvaluator) Sentence #5694 from articles/00107593 from sent13

Text  : Na stronie internetowej akcji , pod adresem referendumemerytalne.pl , związkowcy informują na temat przebiegu akcji .
Tokens: 1_ 2______ 3___________ 4____ 5 6__ 7______ 8______________________ 9 10________ 11_______ 12 13___ 14_______ 15___ 16

Chunks:
  TruePositive nam [8,8] = referendumemerytalne.pl

(ChunkerEvaluator) Sentence #5695 from articles/00107593 from sent14

Text  : " Wkrótce uruchomiony zostanie tam kalkulator emerytalny , który pomoże obliczyć wiek przejścia na emeryturę według zasad proponowanych przez rząd "  -  zapowiadają związkowcy .
Tokens: 1 2______ 3__________ 4_______ 5__ 6_________ 7_________ 8 9____ 10____ 11______ 12__ 13_______ 14 15_______ 16____ 17___ 18___________ 19___ 20__ 21 22 23_________ 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #5696 from articles/00107593 from sent15

Text  : Decyzję o rozpoczęciu zbierania podpisów pod wnioskiem o przeprowadzenie referendum w  sprawie utrzymania obecnych rozwiązań emerytalnych Komisja Krajowa Solidarności podjęła 15 grudnia .
Tokens: 1______ 2 3__________ 4________ 5_______ 6__ 7________ 8 9______________ 10________ 11 12_____ 13________ 14______ 15_______ 16__________ 17_____ 18_____ 19__________ 20_____ 21 22_____ 23

Chunks:
  TruePositive nam [17,19] = Komisja Krajowa Solidarności
  FalseNegative nam [10,10] = referendum

(ChunkerEvaluator) Sentence #5697 from articles/00107593 from sent16

Text  : Związkowcy argumentują , że tak kluczowych zmian nie wolno wprowadzać bez konsultacji społecznych .
Tokens: 1_________ 2__________ 3 4_ 5__ 6_________ 7____ 8__ 9____ 10________ 11_ 12_________ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #5698 from articles/00107593 from sent17

Text  : " Możliwość przechodzenia na emeryturę mężczyzn w wieku 65 lat i  kobiet w  wieku 60 lat jest dla milionów Polaków częścią zaplanowanej od dawna strategii życiowej .
Tokens: 1 2________ 3____________ 4_ 5________ 6_______ 7 8____ 9_ 10_ 11 12____ 13 14___ 15 16_ 17__ 18_ 19______ 20_____ 21_____ 22__________ 23 24___ 25_______ 26______ 27

Chunks:
  TruePositive nam [20,20] = Polaków

(ChunkerEvaluator) Sentence #5699 from articles/00107593 from sent18

Text  : Wiążą się z nią plany osobiste i rodzinne " -  napisano w  oficjalnym stanowisku NSZZ "  Solidarność "  .
Tokens: 1____ 2__ 3 4__ 5____ 6_______ 7 8_______ 9 10 11______ 12 13________ 14________ 15__ 16 17_________ 18 19

Chunks:
  FalsePositive nam [15,18] = NSZZ " Solidarność "
  FalseNegative nam [15,19] = NSZZ " Solidarność " .

(ChunkerEvaluator) Sentence #5700 from articles/00107593 from sent19

Text  : Według związkowców podnoszenie wieku emerytalnego pogorszy sytuację na rynku pracy .
Tokens: 1_____ 2__________ 3__________ 4____ 5___________ 6_______ 7_______ 8_ 9____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #5701 from articles/00107593 from sent20

Text  : Osoby o długim stażu pracy będą , zdaniem związkowców ,  skazani na zasiłki lub pomoc społeczną ,  ponieważ "  pracodawcy nie są zainteresowani tworzeniem dla nich alternatywnych miejsc pracy wykorzystujących ich doświadczenie i  wiedzę "  .
Tokens: 1____ 2 3_____ 4____ 5____ 6___ 7 8______ 9__________ 10 11_____ 12 13_____ 14_ 15___ 16_______ 17 18______ 19 20________ 21_ 22 23____________ 24________ 25_ 26__ 27____________ 28____ 29___ 30______________ 31_ 32___________ 33 34____ 35 36

Chunks:

(ChunkerEvaluator) Sentence #5702 from articles/00107593 from sent21

Text  : Natomiast dla młodych ludzi podniesienie wieku emerytalnego będzie oznaczać bezrobocie .
Tokens: 1________ 2__ 3______ 4____ 5___________ 6____ 7___________ 8_____ 9_______ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #5703 from articles/00107593 from sent22

Text  : " Solidarność " przytacza dane , że już teraz wśród pozostających bez pracy prawie 30 proc .  to osoby w  wieku 25 -  34 lata ,  a  21 proc .  nie przekroczyło 24 roku życia .
Tokens: 1 2__________ 3 4________ 5___ 6 7_ 8__ 9____ 10___ 11___________ 12_ 13___ 14____ 15 16__ 17 18 19___ 20 21___ 22 23 24 25__ 26 27 28 29__ 30 31_ 32__________ 33 34__ 35___ 36

Chunks:
  FalsePositive nam [1,3] = " Solidarność "
  FalseNegative nam [2,2] = Solidarność

(ChunkerEvaluator) Sentence #5704 from articles/00107593 from sent23

Text  : Jak poinformowało w czwartek Centrum Informacyjne Rządu , rząd zajmie się projektem ustawy wydłużającej wiek emerytalny w  pierwszym kwartale tego roku .
Tokens: 1__ 2____________ 3 4_______ 5______ 6___________ 7____ 8 9___ 10____ 11_ 12_______ 13____ 14__________ 15__ 16________ 17 18_______ 19______ 20__ 21__ 22

Chunks:
  TruePositive nam [5,7] = Centrum Informacyjne Rządu

(ChunkerEvaluator) Sentence #5705 from articles/00107593 from sent24

Text  : Wiek przechodzenia na emeryturę kobiet i mężczyzn ma być stopniowo zrównywany i  podwyższany od 2013 r  .
Tokens: 1___ 2____________ 3_ 4________ 5_____ 6 7_______ 8_ 9__ 10_______ 11________ 12 13_________ 14 15__ 16 17

Chunks:

2016-10-27 14:59:39,483 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 227 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107594.xml
(ChunkerEvaluator) Sentence #5706 from articles/00107594 from sent1

Text  : A Prisoner's Christmas
Tokens: 1 2_________ 3________

Chunks:
  FalseNegative nam [2,3] = Prisoner's Christmas

(ChunkerEvaluator) Sentence #5707 from articles/00107594 from sent2

Text  : LUKYANIVSKA PRISON , KYIV - It has been said that there are no atheists in a  foxhole .
Tokens: 1__________ 2_____ 3 4___ 5 6_ 7__ 8___ 9___ 10__ 11___ 12_ 13 14______ 15 16 17_____ 18

Chunks:
  FalseNegative nam [1,2] = LUKYANIVSKA PRISON
  FalseNegative nam [4,4] = KYIV

(ChunkerEvaluator) Sentence #5708 from articles/00107594 from sent3

Text  : Here , after my show trial and four and a  half months in a  cell ,  I  have discovered that there are no atheists in prison ,  either .
Tokens: 1___ 2 3____ 4_ 5___ 6____ 7__ 8___ 9__ 10 11__ 12____ 13 14 15__ 16 17 18__ 19________ 20__ 21___ 22_ 23 24______ 25 26____ 27 28____ 29

Chunks:

(ChunkerEvaluator) Sentence #5709 from articles/00107594 from sent4

Text  : When , despite unbearable pain , you are interrogated -  including in your cell -  for dozens of hours without a  break ,  and an authoritarian regime's entire system of coercion ,  including its media ,  is trying to discredit and destroy you once and for all ,  prayer becomes the only intimate ,  trusting ,  and reassuring conversation that one can have .
Tokens: 1___ 2 3______ 4_________ 5___ 6 7__ 8__ 9___________ 10 11_______ 12 13__ 14__ 15 16_ 17____ 18 19___ 20_____ 21 22___ 23 24_ 25 26___________ 27______ 28____ 29____ 30 31______ 32 33_______ 34_ 35___ 36 37 38____ 39 40_______ 41_ 42_____ 43_ 44__ 45_ 46_ 47_ 48 49____ 50_____ 51_ 52__ 53______ 54 55______ 56 57_ 58________ 59__________ 60__ 61_ 62_ 63__ 64

Chunks:

(ChunkerEvaluator) Sentence #5710 from articles/00107594 from sent5

Text  : God , one realizes , is one's only friend and only available family ,  because -  deprived even of access to a  trusted priest -  there is no one else in whom to confide one's worries and hopes .
Tokens: 1__ 2 3__ 4_______ 5 6_ 7____ 8___ 9_____ 10_ 11__ 12_______ 13____ 14 15_____ 16 17______ 18__ 19 20____ 21 22 23_____ 24____ 25 26___ 27 28 29_ 30__ 31 32__ 33 34_____ 35___ 36_____ 37_ 38___ 39

Chunks:
  FalseNegative nam [1,1] = God

(ChunkerEvaluator) Sentence #5711 from articles/00107594 from sent6

Text  : In this season of love and family , the loneliness of a  prison cell is almost unbearable .
Tokens: 1_ 2___ 3_____ 4_ 5___ 6__ 7_____ 8 9__ 10________ 11 12 13____ 14__ 15 16____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #5712 from articles/00107594 from sent7

Text  : The gray , dead silence of night ( guards peer in voyeuristically through a  slot in the door )  ,  the sudden ,  disembodied shrieks of prisoners ,  shrieks of distress and rage ,  the distant rattles and clangs of prison bolts :  all make sleep impossible ,  or so restless as to be a  torment .
Tokens: 1__ 2___ 3 4___ 5______ 6_ 7____ 8 9_____ 10__ 11 12_____________ 13_____ 14 15__ 16 17_ 18__ 19 20 21_ 22____ 23 24_________ 25_____ 26 27_______ 28 29_____ 30 31______ 32_ 33__ 34 35_ 36_____ 37_____ 38_ 39____ 40 41____ 42___ 43 44_ 45__ 46___ 47________ 48 49 50 51______ 52 53 54 55 56_____ 57

Chunks:

(ChunkerEvaluator) Sentence #5713 from articles/00107594 from sent8

Text  : But what is strange is that your senses are not dulled by this dead and dreadful world .
Tokens: 1__ 2___ 3_ 4______ 5_ 6___ 7___ 8_____ 9__ 10_ 11____ 12 13__ 14__ 15_ 16______ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #5714 from articles/00107594 from sent9

Text  : On the contrary , they are ignited by it :  your mind is set free from mundane concerns to ponder the inestimable and your place within it -  a  freedom of spirit that is a  truly unexpected gift this Christmas season .
Tokens: 1_ 2__ 3_______ 4 5___ 6__ 7______ 8_ 9_ 10 11__ 12__ 13 14_ 15__ 16__ 17_____ 18______ 19 20____ 21_ 22_________ 23_ 24__ 25___ 26____ 27 28 29 30_____ 31 32____ 33__ 34 35 36___ 37________ 38__ 39__ 40_______ 41____ 42

Chunks:
  FalseNegative nam [40,40] = Christmas

(ChunkerEvaluator) Sentence #5715 from articles/00107594 from sent10

Text  : In the cell's darkness , I gather strength and hope from the fact that God somehow seems so near to me here .
Tokens: 1_ 2__ 3_____ 4_______ 5 6 7_____ 8_______ 9__ 10__ 11__ 12_ 13__ 14__ 15_ 16_____ 17___ 18 19__ 20 21 22__ 23

Chunks:
  FalseNegative nam [15,15] = God

(ChunkerEvaluator) Sentence #5716 from articles/00107594 from sent11

Text  : For where else would Christ be but with those who suffer and are persecuted ?
Tokens: 1__ 2____ 3___ 4____ 5_____ 6_ 7__ 8___ 9____ 10_ 11____ 12_ 13_ 14________ 15

Chunks:
  FalseNegative nam [5,5] = Christ

(ChunkerEvaluator) Sentence #5717 from articles/00107594 from sent12

Text  : One particular passage resonates with me as I contemplate Ukraine's plight .
Tokens: 1__ 2_________ 3______ 4________ 5___ 6_ 7_ 8 9__________ 10_______ 11____ 12

Chunks:
  TruePositive nam [10,10] = Ukraine's

(ChunkerEvaluator) Sentence #5718 from articles/00107594 from sent13

Text  : As he awaited his approaching execution by the Nazis ,  Bonhoeffer wrote that ,  in prison ,  "  the godlessness of the world is not .  .  .  concealed but ,  rather ,  revealed ,  and is thus exposed to an unexpected light .  ”
Tokens: 1_ 2_ 3______ 4__ 5__________ 6________ 7_ 8__ 9____ 10 11________ 12___ 13__ 14 15 16____ 17 18 19_ 20_________ 21 22_ 23___ 24 25_ 26 27 28 29_______ 30_ 31 32____ 33 34______ 35 36_ 37 38__ 39_____ 40 41 42________ 43___ 44 45

Chunks:
  FalseNegative nam [11,11] = Bonhoeffer

(ChunkerEvaluator) Sentence #5719 from articles/00107594 from sent14

Text  : So I take some comfort this Christmas in knowing that the godlessness ,  inhumanity ,  and criminality of the regime that is now ruling in Kyiv is ,  at long last ,  being exposed to the world in a  clear light .
Tokens: 1_ 2 3___ 4___ 5______ 6___ 7________ 8_ 9______ 10__ 11_ 12_________ 13 14________ 15 16_ 17_________ 18 19_ 20____ 21__ 22 23_ 24____ 25 26__ 27 28 29 30__ 31__ 32 33___ 34_____ 35 36_ 37___ 38 39 40___ 41___ 42

Chunks:
  FalseNegative nam [7,7] = Christmas
  FalseNegative nam [26,26] = Kyiv

(ChunkerEvaluator) Sentence #5720 from articles/00107594 from sent15

Text  : Its democratic posturing has been unmasked as cynical political theater ,  its claim to desire a  European future for Ukraine's people revealed to be a  lie ,  and the rapaciousness of its kleptocrats has been laid bare .
Tokens: 1__ 2_________ 3________ 4__ 5___ 6_______ 7_ 8______ 9________ 10_____ 11 12_ 13___ 14 15____ 16 17______ 18____ 19_ 20_______ 21____ 22______ 23 24 25 26_ 27 28_ 29_ 30___________ 31 32_ 33_________ 34_ 35__ 36__ 37__ 38

Chunks:
  TruePositive nam [20,20] = Ukraine's
  FalsePositive nam [17,17] = European

(ChunkerEvaluator) Sentence #5721 from articles/00107594 from sent16

Text  : The regime's contempt for the constitution and the rule of law is now undeniable ,  and that clarity is empowering .
Tokens: 1__ 2_______ 3_______ 4__ 5__ 6___________ 7__ 8__ 9___ 10 11_ 12 13_ 14________ 15 16_ 17__ 18_____ 19 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #5722 from articles/00107594 from sent17

Text  : More importantly , the suffering of Ukraine's people has also become more widely known ,  and we are no longer so alone in our plight .
Tokens: 1___ 2__________ 3 4__ 5________ 6_ 7________ 8_____ 9__ 10__ 11____ 12__ 13____ 14___ 15 16_ 17 18_ 19 20____ 21 22___ 23 24_ 25____ 26

Chunks:
  TruePositive nam [7,7] = Ukraine's

(ChunkerEvaluator) Sentence #5723 from articles/00107594 from sent18

Text  : Alleviating it has been embraced as a just cause across Europe and around the world .
Tokens: 1__________ 2_ 3__ 4___ 5_______ 6_ 7 8___ 9____ 10____ 11____ 12_ 13____ 14_ 15___ 16

Chunks:
  FalseNegative nam [11,11] = Europe

(ChunkerEvaluator) Sentence #5724 from articles/00107594 from sent19

Text  : The everyday oppression , stifled media , and shakedowns and extortion of businesses for bribes all point to a  mafia state on Europe's border .
Tokens: 1__ 2_______ 3_________ 4 5______ 6____ 7 8__ 9_________ 10_ 11_______ 12 13________ 14_ 15____ 16_ 17___ 18 19 20___ 21___ 22 23______ 24____ 25

Chunks:
  FalseNegative nam [23,23] = Europe's

(ChunkerEvaluator) Sentence #5725 from articles/00107594 from sent20

Text  : Now our European friends can no longer deny the smug vileness of the regime with which they are forced to deal .
Tokens: 1__ 2__ 3_______ 4______ 5__ 6_ 7_____ 8___ 9__ 10__ 11______ 12 13_ 14____ 15__ 16___ 17__ 18_ 19____ 20 21__ 22

Chunks:
  FalsePositive nam [3,3] = European

(ChunkerEvaluator) Sentence #5726 from articles/00107594 from sent21

Text  : And I am thankful this Christmas for being able to believe that democratic Europe will not tolerate this state of affairs .
Tokens: 1__ 2 3_ 4_______ 5___ 6________ 7__ 8____ 9___ 10 11_____ 12__ 13________ 14____ 15__ 16_ 17______ 18__ 19___ 20 21_____ 22

Chunks:
  FalseNegative nam [6,6] = Christmas
  FalseNegative nam [14,14] = Europe

(ChunkerEvaluator) Sentence #5727 from articles/00107594 from sent22

Text  : Ukrainians will be strong knowing that they are not alone in their fight .
Tokens: 1_________ 2___ 3_ 4_____ 5______ 6___ 7___ 8__ 9__ 10___ 11 12___ 13___ 14

Chunks:
  FalseNegative nam [1,1] = Ukrainians

(ChunkerEvaluator) Sentence #5728 from articles/00107594 from sent23

Text  : I do not pretend to be an expert on religious faith and spiritual values .
Tokens: 1 2_ 3__ 4______ 5_ 6_ 7_ 8_____ 9_ 10_______ 11___ 12_ 13_______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #5729 from articles/00107594 from sent24

Text  : I am only a believer who cannot accept that our existence is the result of some freak cosmic accident .
Tokens: 1 2_ 3___ 4 5_______ 6__ 7_____ 8_____ 9___ 10_ 11_______ 12 13_ 14____ 15 16__ 17___ 18____ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #5730 from articles/00107594 from sent25

Text  : We are , I believe , part of a mysterious yet integral act ,  whose source ,  direction ,  and purpose ,  though difficult to grasp at times ,  does have meaning and purpose -  even when one is confined behind prison bars .
Tokens: 1_ 2__ 3 4 5______ 6 7___ 8_ 9 10________ 11_ 12______ 13_ 14 15___ 16____ 17 18_______ 19 20_ 21_____ 22 23____ 24_______ 25 26___ 27 28___ 29 30__ 31__ 32_____ 33_ 34_____ 35 36__ 37__ 38_ 39 40______ 41____ 42____ 43__ 44

Chunks:

(ChunkerEvaluator) Sentence #5731 from articles/00107594 from sent26

Text  : It is only faith in the idea that our lives matter ,  and that our decisions must be judged by their moral content ,  that we in Ukraine ,  and elsewhere ,  will be able to find our way out of the misery ,  unhappiness ,  and despair that has consumed us over the last two years .
Tokens: 1_ 2_ 3___ 4____ 5_ 6__ 7___ 8___ 9__ 10___ 11____ 12 13_ 14__ 15_ 16_______ 17__ 18 19____ 20 21___ 22___ 23_____ 24 25__ 26 27 28_____ 29 30_ 31_______ 32 33__ 34 35__ 36 37__ 38_ 39_ 40_ 41 42_ 43____ 44 45_________ 46 47_ 48_____ 49__ 50_ 51______ 52 53__ 54_ 55__ 56_ 57___ 58

Chunks:
  FalseNegative nam [28,28] = Ukraine

(ChunkerEvaluator) Sentence #5732 from articles/00107594 from sent27

Text  : It is within our power to recover or reinvigorate our freedoms and our societies ,  not by individual efforts ,  but by joining forces with likeminded people all over the world .
Tokens: 1_ 2_ 3_____ 4__ 5____ 6_ 7______ 8_ 9___________ 10_ 11______ 12_ 13_ 14_______ 15 16_ 17 18________ 19_____ 20 21_ 22 23_____ 24____ 25__ 26________ 27____ 28_ 29__ 30_ 31___ 32

Chunks:

(ChunkerEvaluator) Sentence #5733 from articles/00107594 from sent28

Text  : I know that we will manage this .
Tokens: 1 2___ 3___ 4_ 5___ 6_____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #5734 from articles/00107594 from sent29

Text  : This Christmas , I ask my family and friends everywhere not to worry about me .
Tokens: 1___ 2________ 3 4 5__ 6_ 7_____ 8__ 9______ 10________ 11_ 12 13___ 14___ 15 16

Chunks:
  FalseNegative nam [2,2] = Christmas

(ChunkerEvaluator) Sentence #5735 from articles/00107594 from sent30

Text  : As Anna Akhmatova , the great poetic chronicler of Stalin's terror ,  said ,  "  I  am alive in this grave .  ”
Tokens: 1_ 2___ 3________ 4 5__ 6____ 7_____ 8_________ 9_ 10______ 11____ 12 13__ 14 15 16 17 18___ 19 20__ 21___ 22 23

Chunks:
  TruePositive nam [2,3] = Anna Akhmatova

(ChunkerEvaluator) Sentence #5736 from articles/00107594 from sent31

Text  : Indeed , I am more alive , I know ,  than the men who have imprisoned me here .
Tokens: 1_____ 2 3 4_ 5___ 6____ 7 8 9___ 10 11__ 12_ 13_ 14_ 15__ 16________ 17 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #5737 from articles/00107594 from sent32

Text  : Christmas is meant to mark the possibility of a new beginning for all men and women .
Tokens: 1________ 2_ 3____ 4_ 5___ 6__ 7__________ 8_ 9 10_ 11_______ 12_ 13_ 14_ 15_ 16___ 17

Chunks:
  FalseNegative nam [1,1] = Christmas

(ChunkerEvaluator) Sentence #5738 from articles/00107594 from sent33

Text  : As Bonhoeffer affirmed with his last words : " This is for me .  .  .  the beginning of life .  ”
Tokens: 1_ 2_________ 3_______ 4___ 5__ 6___ 7____ 8 9 10__ 11 12_ 13 14 15 16 17_ 18_______ 19 20__ 21 22

Chunks:
  FalsePositive nam [1,2] = As Bonhoeffer
  FalseNegative nam [2,2] = Bonhoeffer

2016-10-27 14:59:39,692 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 228 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107595.xml
(ChunkerEvaluator) Sentence #5739 from articles/00107595 from sent1

Text  : Boże Narodzenie według kalendarza juliańskiego
Tokens: 1___ 2_________ 3_____ 4_________ 5___________

Chunks:
  TruePositive nam [1,2] = Boże Narodzenie

(ChunkerEvaluator) Sentence #5740 from articles/00107595 from sent2

Text  : 6 stycznia prawosławni i wierni innych obrządków wschodnich , m  .  in .  grekokatolicy i  staroobrzędowcy ,  będą obchodzić wigilię świąt Bożego Narodzenia według kalendarza juliańskiego ,  czyli według tzw .  starego stylu .
Tokens: 1 2_______ 3__________ 4 5_____ 6_____ 7________ 8_________ 9 10 11 12 13 14___________ 15 16_____________ 17 18__ 19_______ 20_____ 21___ 22____ 23________ 24____ 25________ 26__________ 27 28___ 29____ 30_ 31 32_____ 33___ 34

Chunks:
  FalsePositive nam [22,23] = Bożego Narodzenia
  FalseNegative nam [20,23] = wigilię świąt Bożego Narodzenia

(ChunkerEvaluator) Sentence #5741 from articles/00107595 from sent3

Text  : Jest on używany przez Cerkiew do ustalania dat większości świąt religijnych i  stosowany zwłaszcza we wschodniej części Polski ,  w  tym w  województwie podlaskim ,  gdzie są największe w  kraju skupiska osób wyznania prawosławnego .
Tokens: 1___ 2_ 3______ 4____ 5______ 6_ 7________ 8__ 9_________ 10___ 11_________ 12 13_______ 14_______ 15 16________ 17____ 18____ 19 20 21_ 22 23__________ 24_______ 25 26___ 27 28________ 29 30___ 31______ 32__ 33______ 34___________ 35

Chunks:
  TruePositive nam [5,5] = Cerkiew
  TruePositive nam [18,18] = Polski
  TruePositive nam [24,24] = podlaskim

(ChunkerEvaluator) Sentence #5742 from articles/00107595 from sent4

Text  : W dużych miastach , zwłaszcza w centralnej i zachodniej Polsce ,  powszechny jest już zwyczaj świętowania w  tym samym czasie ,  co katolicy .
Tokens: 1 2_____ 3_______ 4 5________ 6 7_________ 8 9_________ 10____ 11 12________ 13__ 14_ 15_____ 16_________ 17 18_ 19___ 20____ 21 22 23______ 24

Chunks:
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #5743 from articles/00107595 from sent5

Text  : Ale we wschodniej , a zwłaszcza północno - wschodniej części kraju ,  wciąż utrzymywana jest tradycja kalendarza juliańskiego .
Tokens: 1__ 2_ 3_________ 4 5 6________ 7_______ 8 9_________ 10____ 11___ 12 13___ 14_________ 15__ 16______ 17________ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #5744 from articles/00107595 from sent6

Text  : Duchowni prawosławni zwracają uwagę , że to kalendarz o wiele starszy od gregoriańskiego ,  obecnie powszechnego i  był używany w  pierwszych wiekach chrześcijaństwa .
Tokens: 1_______ 2__________ 3_______ 4____ 5 6_ 7_ 8________ 9 10___ 11_____ 12 13_____________ 14 15_____ 16__________ 17 18_ 19_____ 20 21________ 22_____ 23_____________ 24

Chunks:

(ChunkerEvaluator) Sentence #5745 from articles/00107595 from sent7

Text  : Do roku 1582 data święta była wspólna dla wszystkich .
Tokens: 1_ 2___ 3___ 4___ 5_____ 6___ 7______ 8__ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #5746 from articles/00107595 from sent8

Text  : Dopiero reforma papieża Grzegorza XIII , czyli zmiana stylu juliańskiego ,  którym posługuje się w  liturgii Cerkiew ,  na styl gregoriański ,  wprowadziła różnicę .
Tokens: 1______ 2______ 3______ 4________ 5___ 6 7____ 8_____ 9____ 10__________ 11 12____ 13_______ 14_ 15 16______ 17_____ 18 19 20__ 21__________ 22 23_________ 24_____ 25

Chunks:
  TruePositive nam [4,5] = Grzegorza XIII
  TruePositive nam [17,17] = Cerkiew

(ChunkerEvaluator) Sentence #5747 from articles/00107595 from sent9

Text  : Wskutek niedużych , minutowych różnic w długości roku w obu kalendarzach ,  które przez stulecia urosły do dni ,  daty stałych świąt cerkiewnych według kalendarza juliańskiego wypadają obecnie trzynaście dni później ,  niż u  katolików .
Tokens: 1______ 2________ 3 4_________ 5_____ 6 7_______ 8___ 9 10_ 11__________ 12 13___ 14___ 15______ 16____ 17 18_ 19 20__ 21_____ 22___ 23_________ 24____ 25________ 26__________ 27______ 28_____ 29________ 30_ 31_____ 32 33_ 34 35_______ 36

Chunks:

(ChunkerEvaluator) Sentence #5748 from articles/00107595 from sent10

Text  : Mimo dyskusji , czy to sytuacja korzystna dla wiernych żyjących w  diasporze ,  znaczna część prawosławnych w  naszym kraju właśnie według kalendarza juliańskiego świętuje Boże Narodzenie .
Tokens: 1___ 2_______ 3 4__ 5_ 6_______ 7________ 8__ 9_______ 10______ 11 12_______ 13 14_____ 15___ 16___________ 17 18____ 19___ 20_____ 21____ 22________ 23__________ 24______ 25__ 26________ 27

Chunks:
  TruePositive nam [25,26] = Boże Narodzenie
  FalseNegative nam [12,12] = diasporze

(ChunkerEvaluator) Sentence #5749 from articles/00107595 from sent11

Text  : W minionych latach utrudnieniem był brak ustawowo wolnych dni od pracy i  nauki w  czasie świąt w  kalendarzu juliańskim .
Tokens: 1 2________ 3_____ 4___________ 5__ 6___ 7_______ 8______ 9__ 10 11___ 12 13___ 14 15____ 16___ 17 18________ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #5750 from articles/00107595 from sent12

Text  : Od 2011 roku wigilia jest już na stałe ustawowo wolna ,  bo przypada w  katolickie Święto Trzech Króli .
Tokens: 1_ 2___ 3___ 4______ 5___ 6__ 7_ 8____ 9_______ 10___ 11 12 13______ 14 15________ 16____ 17____ 18___ 19

Chunks:
  TruePositive nam [16,18] = Święto Trzech Króli
  FalseNegative nam [4,4] = wigilia

(ChunkerEvaluator) Sentence #5751 from articles/00107595 from sent13

Text  : W tym roku nie będzie również problemu z wolnym pierwszym i  drugim dniem Świąt Bożego Narodzenia według kalendarza juliańskiego ,  bo wypadają w  sobotę i  niedzielę .
Tokens: 1 2__ 3___ 4__ 5_____ 6______ 7_______ 8 9_____ 10_______ 11 12____ 13___ 14___ 15____ 16________ 17____ 18________ 19__________ 20 21 22______ 23 24____ 25 26_______ 27

Chunks:
  TruePositive nam [14,16] = Świąt Bożego Narodzenia

(ChunkerEvaluator) Sentence #5752 from articles/00107595 from sent14

Text  : W minionym latach był to problem , dlatego w 2010 roku zmienione zostało rozporządzenie MEN o  organizacji roku szkolnego ,  które daje placówkom oświatowym możliwość wprowadzenia dni wolnych w  czasie świąt prawosławnych ,  a  decyzja podejmowana jest na poziomie samych szkół .
Tokens: 1 2_______ 3_____ 4__ 5_ 6______ 7 8______ 9 10__ 11__ 12_______ 13_____ 14____________ 15_ 16 17_________ 18__ 19_______ 20 21___ 22__ 23_______ 24________ 25_______ 26__________ 27_ 28_____ 29 30____ 31___ 32___________ 33 34 35_____ 36_________ 37__ 38 39______ 40____ 41___ 42

Chunks:
  TruePositive nam [15,15] = MEN

(ChunkerEvaluator) Sentence #5753 from articles/00107595 from sent15

Text  : Święta Bożego Narodzenia poprzedza 40 - dniowy post , czas duchowego przygotowania .
Tokens: 1_____ 2_____ 3_________ 4________ 5_ 6 7_____ 8___ 9 10__ 11_______ 12___________ 13

Chunks:
  FalsePositive nam [2,3] = Bożego Narodzenia
  FalseNegative nam [1,3] = Święta Bożego Narodzenia

(ChunkerEvaluator) Sentence #5754 from articles/00107595 from sent16

Text  : Wielu wiernych rezygnuje w tym czasie z posiłków mięsnych ,  a  nawet nabiału ,  choć ścisłe przestrzeganie postu ,  to sprawa indywidualna każdego z  nich .
Tokens: 1____ 2_______ 3________ 4 5__ 6_____ 7 8_______ 9_______ 10 11 12___ 13_____ 14 15__ 16____ 17____________ 18___ 19 20 21____ 22__________ 23_____ 24 25__ 26

Chunks:

(ChunkerEvaluator) Sentence #5755 from articles/00107595 from sent17

Text  : Bezwzględny post obowiązuje w wigilię Bożego Narodzenia .
Tokens: 1__________ 2___ 3_________ 4 5______ 6_____ 7_________ 8

Chunks:
  FalsePositive nam [6,7] = Bożego Narodzenia
  FalseNegative nam [5,7] = wigilię Bożego Narodzenia

(ChunkerEvaluator) Sentence #5756 from articles/00107595 from sent18

Text  : W czasie postnej kolacji , jedynego posiłku tego dnia ,  wierni dzielą się prosforą ,  czyli wypiekanym przaśnym chlebem -  odpowiednikiem opłatka w  Kościele katolickim .
Tokens: 1 2_____ 3______ 4______ 5 6_______ 7______ 8___ 9___ 10 11____ 12____ 13_ 14______ 15 16___ 17________ 18______ 19_____ 20 21____________ 22_____ 23 24______ 25________ 26

Chunks:
  FalsePositive nam [24,24] = Kościele
  FalseNegative nam [24,25] = Kościele katolickim

(ChunkerEvaluator) Sentence #5757 from articles/00107595 from sent19

Text  : Prosfora ( z greckiego : ofiara ) to chleb używany w  Kościele wschodnim do konsekracji i  komunii .
Tokens: 1_______ 2 3 4________ 5 6_____ 7 8_ 9____ 10_____ 11 12______ 13_______ 14 15_________ 16 17_____ 18

Chunks:
  TruePositive nam [12,12] = Kościele
  FalseNegative nam [17,17] = komunii

(ChunkerEvaluator) Sentence #5758 from articles/00107595 from sent20

Text  : U pierwszych chrześcijan prosforą nazywano wszelkie dary przynoszone przez wiernych na nabożeństwa .
Tokens: 1 2_________ 3__________ 4_______ 5_______ 6_______ 7___ 8__________ 9____ 10______ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #5759 from articles/00107595 from sent21

Text  : Dopiero gdy agapy , czyli wspólne wieczerze , oddzielono od liturgii ,  prosfora stała się chlebem liturgicznym .
Tokens: 1______ 2__ 3____ 4 5____ 6______ 7________ 8 9_________ 10 11______ 12 13______ 14___ 15_ 16_____ 17__________ 18

Chunks:
  FalseNegative nam [11,11] = liturgii

(ChunkerEvaluator) Sentence #5760 from articles/00107595 from sent22

Text  : Współczesna prosfora ma kształt małych , jasnych , mieszczących się w  dłoni krążków ,  podobnych do malutkich chlebków .
Tokens: 1__________ 2_______ 3_ 4______ 5_____ 6 7______ 8 9___________ 10_ 11 12___ 13_____ 14 15_______ 16 17_______ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #5761 from articles/00107595 from sent23

Text  : Składa się z dwóch kawałków .
Tokens: 1_____ 2__ 3 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #5762 from articles/00107595 from sent24

Text  : Mniejszy krążek , nakładany na większy , jest ozdabiany pieczątką ,  najczęściej w  kształcie krzyża ,  choć wyjątkowo mogą pojawiać się na nim inne znaki ,  oznaczające święte miejsca lub świętych .
Tokens: 1_______ 2_____ 3 4________ 5_ 6______ 7 8___ 9________ 10_______ 11 12_________ 13 14_______ 15____ 16 17__ 18_______ 19__ 20______ 21_ 22 23_ 24__ 25___ 26 27_________ 28____ 29_____ 30_ 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #5763 from articles/00107595 from sent25

Text  : Na prawosławnym stole wigilijnym prosfora pełni rolę opłatka , którym wierni dzielą się składając sobie życzenia .
Tokens: 1_ 2___________ 3____ 4_________ 5_______ 6____ 7___ 8______ 9 10____ 11____ 12____ 13_ 14_______ 15___ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #5764 from articles/00107595 from sent26

Text  : Zwyczaj ten pojawił się pod wpływem kultury zachodniej i zastąpił dzielenie się socziwem ,  czyli kutią .
Tokens: 1______ 2__ 3______ 4__ 5__ 6______ 7______ 8_________ 9 10______ 11_______ 12_ 13______ 14 15___ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #5765 from articles/00107595 from sent27

Text  : Pierwsze nabożeństwa o charakterze świątecznym odbędą się już w piątek późnym popołudniem .
Tokens: 1_______ 2__________ 3 4__________ 5__________ 6_____ 7__ 8__ 9 10____ 11____ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #5766 from articles/00107595 from sent28

Text  : W nocy z piątku na sobotę wielu wiernych weźmie udział w  kilkugodzinnych liturgiach .
Tokens: 1 2___ 3 4_____ 5_ 6_____ 7____ 8_______ 9_____ 10____ 11 12_____________ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #5767 from articles/00107595 from sent29

Text  : Nie ma dokładnych danych dotyczących liczby wiernych Cerkwi w Polsce .
Tokens: 1__ 2_ 3_________ 4_____ 5__________ 6_____ 7_______ 8_____ 9 10____ 11

Chunks:
  TruePositive nam [8,8] = Cerkwi
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #5768 from articles/00107595 from sent30

Text  : Sami hierarchowie Polskiego Autokefalicznego Kościoła Prawosławnego szacują , że wiernych jest ok .  550 -  600 tysięcy .
Tokens: 1___ 2___________ 3________ 4_______________ 5_______ 6____________ 7______ 8 9_ 10______ 11__ 12 13 14_ 15 16_ 17_____ 18

Chunks:
  TruePositive nam [3,6] = Polskiego Autokefalicznego Kościoła Prawosławnego

(ChunkerEvaluator) Sentence #5769 from articles/00107595 from sent31

Text  : Przyjmuje się , że połowa z nich mieszka w województwie podlaskim ,  zwłaszcza w  jego południowo -  wschodniej części ,  powiatach :  hajnowskim ,  bielskim i  siemiatyckim oraz w  Białymstoku .
Tokens: 1________ 2__ 3 4_ 5_____ 6 7___ 8______ 9 10__________ 11_______ 12 13_______ 14 15__ 16________ 17 18________ 19____ 20 21_______ 22 23________ 24 25______ 26 27__________ 28__ 29 30_________ 31

Chunks:
  TruePositive nam [11,11] = podlaskim
  TruePositive nam [23,23] = hajnowskim
  TruePositive nam [25,25] = bielskim
  TruePositive nam [30,30] = Białymstoku
  FalseNegative nam [27,27] = siemiatyckim

2016-10-27 14:59:39,886 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 229 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107596.xml
(ChunkerEvaluator) Sentence #5770 from articles/00107596 from sent1

Text  : Jaroszówka i Wygoda zaplanowane - będą nowe bloki
Tokens: 1_________ 2 3_____ 4__________ 5 6___ 7___ 8____

Chunks:
  TruePositive nam [3,3] = Wygoda
  FalseNegative nam [1,1] = Jaroszówka

(ChunkerEvaluator) Sentence #5771 from articles/00107596 from sent2

Text  : Blisko 330 hektarów terenu na północ od ulicy 27 Lipca obejmuje plan zagospodarowania części osiedli Jaroszówka i  Wygoda ,  którym jeszcze w  styczniu zajmą się radni .
Tokens: 1_____ 2__ 3_______ 4_____ 5_ 6_____ 7_ 8____ 9_ 10___ 11______ 12__ 13______________ 14____ 15_____ 16________ 17 18____ 19 20____ 21_____ 22 23______ 24___ 25_ 26___ 27

Chunks:
  TruePositive nam [16,16] = Jaroszówka
  TruePositive nam [18,18] = Wygoda
  FalseNegative nam [9,10] = 27 Lipca

(ChunkerEvaluator) Sentence #5772 from articles/00107596 from sent3

Text  : Jaroszówka i Wygoda zaplanowane
Tokens: 1_________ 2 3_____ 4__________

Chunks:
  TruePositive nam [3,3] = Wygoda
  FalseNegative nam [1,1] = Jaroszówka

(ChunkerEvaluator) Sentence #5773 from articles/00107596 from sent4

Text  : Blisko 330 hektarów terenu na północ od ulicy 27 Lipca obejmuje plan zagospodarowania części osiedli Jaroszówka i  Wygoda ,  którym jeszcze w  styczniu zajmą się radni .
Tokens: 1_____ 2__ 3_______ 4_____ 5_ 6_____ 7_ 8____ 9_ 10___ 11______ 12__ 13______________ 14____ 15_____ 16________ 17 18____ 19 20____ 21_____ 22 23______ 24___ 25_ 26___ 27

Chunks:
  TruePositive nam [16,16] = Jaroszówka
  TruePositive nam [18,18] = Wygoda
  FalseNegative nam [9,10] = 27 Lipca

(ChunkerEvaluator) Sentence #5774 from articles/00107596 from sent5

Text  : Jak mówi Piotr Firsowisz , szef miejskich urbanistów , są to tzw .  tereny rozwojowe miasta ,  planowane głównie pod zabudowę mieszkaniową -  ciągną się od 27 Lipca aż po osiedle Wyżyny !
Tokens: 1__ 2___ 3____ 4________ 5 6___ 7________ 8_________ 9 10 11 12_ 13 14____ 15_______ 16____ 17 18_______ 19_____ 20_ 21______ 22__________ 23 24____ 25_ 26 27 28___ 29 30 31_____ 32____ 33

Chunks:
  TruePositive nam [3,4] = Piotr Firsowisz
  FalsePositive nam [32,33] = Wyżyny !
  FalseNegative nam [27,28] = 27 Lipca
  FalseNegative nam [32,32] = Wyżyny

(ChunkerEvaluator) Sentence #5775 from articles/00107596 from sent6

Text  : Zresztą od pewnego czasu interesują się nim deweloperzy - jeden z  nich zbudował już wręcz całe osiedle domów w  rejonie ulicy Kluka .
Tokens: 1______ 2_ 3______ 4____ 5_________ 6__ 7__ 8__________ 9 10___ 11 12__ 13______ 14_ 15___ 16__ 17_____ 18___ 19 20_____ 21___ 22___ 23

Chunks:
  TruePositive nam [22,22] = Kluka

(ChunkerEvaluator) Sentence #5776 from articles/00107596 from sent7

Text  : Kolejni - o ile radni przyjmą na najbliższej sesji plan -  będą musieli dostosowywać się już do zaproponowanych w  nim obostrzeń .
Tokens: 1______ 2 3 4__ 5____ 6______ 7_ 8__________ 9____ 10__ 11 12__ 13_____ 14__________ 15_ 16_ 17 18_____________ 19 20_ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #5777 from articles/00107596 from sent8

Text  : - Zakładamy , że będzie to obszar o znacznym udziale zabudowy jednorodzinnej ,  ale wprowadzamy tu też zabudowę wielorodzinną .
Tokens: 1 2________ 3 4_ 5_____ 6_ 7_____ 8 9_______ 10_____ 11______ 12____________ 13 14_ 15_________ 16 17_ 18______ 19___________ 20

Chunks:

(ChunkerEvaluator) Sentence #5778 from articles/00107596 from sent9

Text  : Urbanizacja ma przebiegać wzdłuż nowej głównej ulicy na osi północ -  południe ,  dalej lekko odginającej się ,  która zaczynała by się na wysokości szklarni PGO .
Tokens: 1__________ 2_ 3_________ 4_____ 5____ 6______ 7____ 8_ 9__ 10____ 11 12______ 13 14___ 15___ 16_________ 17_ 18 19___ 20_______ 21 22_ 23 24_______ 25______ 26_ 27

Chunks:
  FalseNegative nam [26,26] = PGO

(ChunkerEvaluator) Sentence #5779 from articles/00107596 from sent10

Text  : Ulica dzieli obszar objęty planem , mniej więcej symetrycznie ,  w  połowie -  opowiada o  głównych założeniach urbanista .
Tokens: 1____ 2_____ 3_____ 4_____ 5_____ 6 7____ 8_____ 9___________ 10 11 12_____ 13 14______ 15 16______ 17_________ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #5780 from articles/00107596 from sent11

Text  : I tak - od strony ulicy 27 Lipca miała by się pojawić zabudowa wielorodzinna z  usługami .
Tokens: 1 2__ 3 4_ 5_____ 6____ 7_ 8____ 9____ 10 11_ 12_____ 13______ 14___________ 15 16______ 17

Chunks:
  FalseNegative nam [7,8] = 27 Lipca

(ChunkerEvaluator) Sentence #5781 from articles/00107596 from sent12

Text  : Wjeżdżając głębiej w osiedle , ulica zbiorcza obudowana była by dalej budynkami wielorodzinnymi ,  za którymi zaczynała by się niższa mieszkaniówka jednorodzinna .
Tokens: 1_________ 2______ 3 4______ 5 6____ 7_______ 8________ 9___ 10 11___ 12_______ 13_____________ 14 15 16_____ 17_______ 18 19_ 20____ 21___________ 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #5782 from articles/00107596 from sent13

Text  : Wreszcie północna część terenu objętego planem to już zabudowa jednorodzinna .
Tokens: 1_______ 2_______ 3____ 4_____ 5_______ 6_____ 7_ 8__ 9_______ 10___________ 11

Chunks:

(ChunkerEvaluator) Sentence #5783 from articles/00107596 from sent14

Text  : Ale patrząc na plan widać też tereny zielone .
Tokens: 1__ 2______ 3_ 4___ 5____ 6__ 7_____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #5784 from articles/00107596 from sent15

Text  : Są to głównie działki położone wzdłuż istniejących na tym terenie niewielkich rzeczek -  cieków Dolistówki oraz Jaroszówki .
Tokens: 1_ 2_ 3______ 4______ 5_______ 6_____ 7___________ 8_ 9__ 10_____ 11_________ 12_____ 13 14____ 15________ 16__ 17________ 18

Chunks:
  FalseNegative nam [15,15] = Dolistówki
  FalseNegative nam [17,17] = Jaroszówki

(ChunkerEvaluator) Sentence #5785 from articles/00107596 from sent16

Text  : Wchodzić mają w tzw . system przyrodniczy miasta .
Tokens: 1_______ 2___ 3 4__ 5 6_____ 7___________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #5786 from articles/00107596 from sent17

Text  : O tym , że północno - wschodnie krańce miasta są terenami rozwojowymi Białegostoku mówi się od dłuższego czasu .
Tokens: 1 2__ 3 4_ 5_______ 6 7________ 8_____ 9_____ 10 11______ 12_________ 13__________ 14__ 15_ 16 17_______ 18___ 19

Chunks:
  TruePositive nam [13,13] = Białegostoku

(ChunkerEvaluator) Sentence #5787 from articles/00107596 from sent18

Text  : Wiadomo , że wyzwaniem na najbliższe lata będzie z pewnością rozciągniecie tu całej infrastruktury -  magistrali kanalizacyjnych ,  ciepłowniczych a  także odwodnienie terenu .
Tokens: 1______ 2 3_ 4________ 5_ 6_________ 7___ 8_____ 9 10_______ 11___________ 12 13___ 14____________ 15 16________ 17_____________ 18 19____________ 20 21___ 22_________ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #5788 from articles/00107596 from sent19

Text  : A to nie jedyny teren , na którym ma rozwijać się mieszkaniówka .
Tokens: 1 2_ 3__ 4_____ 5____ 6 7_ 8_____ 9_ 10______ 11_ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #5789 from articles/00107596 from sent20

Text  : Firsowicz mówi , że kolejnym wyzwaniem jakie stoi przed urbanistami będzie rozplanowanie obszarów na południe od 27 Lipca -  dokładnie chodzi o  nietknięte dziś działki między 27 Lipca ,  Dolistowską ,  granicą miasta o  budowanym przedłużeniem ulicy Andersa ,  które sięgnie aż do Zaścianek .
Tokens: 1________ 2___ 3 4_ 5_______ 6________ 7____ 8___ 9____ 10_________ 11____ 12___________ 13______ 14 15______ 16 17 18___ 19 20_______ 21____ 22 23________ 24__ 25_____ 26____ 27 28___ 29 30_________ 31 32_____ 33____ 34 35_______ 36___________ 37___ 38_____ 39 40___ 41_____ 42 43 44_______ 45

Chunks:
  TruePositive nam [38,38] = Andersa
  TruePositive nam [44,44] = Zaścianek
  FalseNegative nam [1,1] = Firsowicz
  FalseNegative nam [27,28] = 27 Lipca
  FalseNegative nam [30,30] = Dolistowską

(ChunkerEvaluator) Sentence #5790 from articles/00107596 from sent21

Text  : Tu też najpewniej pojawi się w przyszłości mieszkaniówka .
Tokens: 1_ 2__ 3_________ 4_____ 5__ 6 7__________ 8____________ 9

Chunks:

2016-10-27 14:59:40,008 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 230 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107597.xml
(ChunkerEvaluator) Sentence #5791 from articles/00107597 from sent1

Text  : Kapitan Ruchu odetchnął .
Tokens: 1______ 2____ 3________ 4

Chunks:
  TruePositive nam [2,2] = Ruchu

(ChunkerEvaluator) Sentence #5792 from articles/00107597 from sent2

Text  : Kibice są za nim !
Tokens: 1_____ 2_ 3_ 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #5793 from articles/00107597 from sent3

Text  : Rafał Grodzicki obawiał się jak chorzowscy fani przyjmą zamieszanie związane z  przedłużającymi się rozmowami na temat jego nowego kontraktu .
Tokens: 1____ 2________ 3______ 4__ 5__ 6_________ 7___ 8______ 9__________ 10______ 11 12_____________ 13_ 14_______ 15 16___ 17__ 18____ 19_______ 20

Chunks:
  TruePositive nam [1,2] = Rafał Grodzicki

(ChunkerEvaluator) Sentence #5794 from articles/00107597 from sent4

Text  : W grudniu wydawało się , że odejście piłkarza z Cichej jest przesądzone .
Tokens: 1 2______ 3_______ 4__ 5 6_ 7_______ 8_______ 9 10____ 11__ 12_________ 13

Chunks:
  TruePositive nam [10,10] = Cichej

(ChunkerEvaluator) Sentence #5795 from articles/00107597 from sent5

Text  : Podczas klubowej wigilii działacze podkreślali , że rozmowy zakończyły się niepowodzeniem .
Tokens: 1______ 2_______ 3______ 4________ 5__________ 6 7_ 8______ 9_________ 10_ 11____________ 12

Chunks:
  FalseNegative nam [3,3] = wigilii

(ChunkerEvaluator) Sentence #5796 from articles/00107597 from sent6

Text  : Według ich wiedzy zawodnik miał trafić do Zagłębia Lubin ,  które zaproponowało mu bardzo korzystny kontrakt .
Tokens: 1_____ 2__ 3_____ 4_______ 5___ 6_____ 7_ 8_______ 9____ 10 11___ 12___________ 13 14____ 15_______ 16______ 17

Chunks:
  TruePositive nam [8,9] = Zagłębia Lubin

(ChunkerEvaluator) Sentence #5797 from articles/00107597 from sent7

Text  : Ostatecznie jednak do podpisania umowy nie doszło , a Grodzicki przedłużył -  na pół roku -  umowę z  Ruchem .
Tokens: 1__________ 2_____ 3_ 4_________ 5____ 6__ 7_____ 8 9 10_______ 11________ 12 13 14_ 15__ 16 17___ 18 19____ 20

Chunks:
  TruePositive nam [10,10] = Grodzicki
  TruePositive nam [19,19] = Ruchem

(ChunkerEvaluator) Sentence #5798 from articles/00107597 from sent8

Text  : - Zdaję sobie sprawę , że kibice mogą to odczytać w  ten sposób ,  że próbował em zmienić klub ,  a  gdy mi się nie udało ,  to jednak zdecydował em się na Ruch .
Tokens: 1 2____ 3____ 4_____ 5 6_ 7_____ 8___ 9_ 10______ 11 12_ 13____ 14 15 16______ 17 18_____ 19__ 20 21 22_ 23 24_ 25_ 26___ 27 28 29____ 30________ 31 32_ 33 34__ 35

Chunks:
  TruePositive nam [34,34] = Ruch

(ChunkerEvaluator) Sentence #5799 from articles/00107597 from sent9

Text  : Prawda jest inna .
Tokens: 1_____ 2___ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #5800 from articles/00107597 from sent10

Text  : Niebiescy zawsze byli pierwszą opcją .
Tokens: 1________ 2_____ 3___ 4_______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #5801 from articles/00107597 from sent11

Text  : Cieszę się , że nadal będę grał w Chorzowie -  zapewnia zawodnik .
Tokens: 1_____ 2__ 3 4_ 5____ 6___ 7___ 8 9________ 10 11______ 12______ 13

Chunks:
  TruePositive nam [9,9] = Chorzowie

(ChunkerEvaluator) Sentence #5802 from articles/00107597 from sent12

Text  : Podczas sobotniego meczu w Janowie , gdy rywalem Ruchu byli hokeiści Naprzodu ,  kibice wsparli kapitana głośno skandując jego nazwisko .
Tokens: 1______ 2_________ 3____ 4 5______ 6 7__ 8______ 9____ 10__ 11______ 12______ 13 14____ 15_____ 16______ 17____ 18_______ 19__ 20______ 21

Chunks:
  TruePositive nam [5,5] = Janowie
  TruePositive nam [9,9] = Ruchu
  FalseNegative nam [12,12] = Naprzodu

(ChunkerEvaluator) Sentence #5803 from articles/00107597 from sent13

Text  : Grodzicki odetchnął z ulgą .
Tokens: 1________ 2________ 3 4___ 5

Chunks:
  TruePositive nam [1,1] = Grodzicki

2016-10-27 14:59:40,063 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 231 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107598.xml
(ChunkerEvaluator) Sentence #5804 from articles/00107598 from sent1

Text  : Mundurowi na rzeszowskim Rynku .
Tokens: 1________ 2_ 3__________ 4____ 5

Chunks:
  FalsePositive nam [4,4] = Rynku

(ChunkerEvaluator) Sentence #5805 from articles/00107598 from sent2

Text  : Dla Orkiestry [ FOTO ]
Tokens: 1__ 2________ 3 4___ 5

Chunks:
  FalsePositive nam [2,2] = Orkiestry
  FalsePositive nam [4,4] = FOTO

(ChunkerEvaluator) Sentence #5806 from articles/00107598 from sent3

Text  : Jak to działa ?
Tokens: 1__ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #5807 from articles/00107598 from sent4

Text  : A czy można usiąść w środku ?
Tokens: 1 2__ 3____ 4_____ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #5808 from articles/00107598 from sent5

Text  : A można pogłaskać pieska ?
Tokens: 1 2____ 3________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #5809 from articles/00107598 from sent6

Text  : Na takie i wiele innych pytań musieli cierpliwie odpowiadać strażacy ,  policjanci ,  pogranicznicy ,  celnicy ,  którzy w  południe przyjechali na rzeszowski Rynek swoimi wozami
Tokens: 1_ 2____ 3 4____ 5_____ 6____ 7______ 8_________ 9_________ 10______ 11 12________ 13 14___________ 15 16_____ 17 18____ 19 20______ 21_________ 22 23________ 24___ 25____ 26____

Chunks:
  FalsePositive nam [24,24] = Rynek

(ChunkerEvaluator) Sentence #5810 from articles/00107598 from sent7

Text  : - Przychodźcie jak najszybciej .
Tokens: 1 2___________ 3__ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #5811 from articles/00107598 from sent8

Text  : Tu jest dla dzieci mnóstwo atrakcji - taką rozmowę podsłuchała m  w  południe na Rynku .
Tokens: 1_ 2___ 3__ 4_____ 5______ 6_______ 7 8___ 9______ 10_________ 11 12 13______ 14 15___ 16

Chunks:
  FalsePositive nam [15,15] = Rynku

(ChunkerEvaluator) Sentence #5812 from articles/00107598 from sent9

Text  : Starszy pan , pewnie dziadzio , dzwonił do swoich bliskich i  zachęcał przyjścia .
Tokens: 1______ 2__ 3 4_____ 5_______ 6 7______ 8_ 9_____ 10______ 11 12______ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #5813 from articles/00107598 from sent10

Text  : Bo rzeczywiście na Rynku sporo się działo .
Tokens: 1_ 2___________ 3_ 4____ 5____ 6__ 7_____ 8

Chunks:
  FalsePositive nam [4,4] = Rynku

(ChunkerEvaluator) Sentence #5814 from articles/00107598 from sent11

Text  : Z bliska można było zobaczyć wnętrze samochodu Żandarmerii Wojskowej .
Tokens: 1 2_____ 3____ 4___ 5_______ 6______ 7________ 8__________ 9________ 10

Chunks:
  TruePositive nam [8,9] = Żandarmerii Wojskowej

(ChunkerEvaluator) Sentence #5815 from articles/00107598 from sent12

Text  : Dzieci miały frajdę odbijając swoje odciski palców , a dorośli sprawdzali trzeźwość alkotestem .
Tokens: 1_____ 2____ 3_____ 4________ 5____ 6______ 7_____ 8 9 10_____ 11________ 12_______ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #5816 from articles/00107598 from sent13

Text  : Po sąsiedzku rozstawili się celnicy i straż graniczna .
Tokens: 1_ 2________ 3_________ 4__ 5______ 6 7____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #5817 from articles/00107598 from sent14

Text  : Był słupek graniczy i specjalistyczne samochody .
Tokens: 1__ 2_____ 3_______ 4 5______________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5818 from articles/00107598 from sent15

Text  : - To jest samochód do obserwacji zielonej granicy ze sprzętem noktowizyjnym .
Tokens: 1 2_ 3___ 4_______ 5_ 6_________ 7_______ 8______ 9_ 10______ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #5819 from articles/00107598 from sent16

Text  : Razem z wyposażeniem to auto jest warte 1 , 5  mln zl -  mówi chorąży Anna Michalska z  Bieszczadzkiego Oddziału Straży Granicznej .
Tokens: 1____ 2 3___________ 4_ 5___ 6___ 7____ 8 9 10 11_ 12 13 14__ 15_____ 16__ 17_______ 18 19_____________ 20______ 21____ 22________ 23

Chunks:
  TruePositive nam [16,17] = Anna Michalska
  TruePositive nam [19,22] = Bieszczadzkiego Oddziału Straży Granicznej
  FalseNegative nam [12,12] = zl

(ChunkerEvaluator) Sentence #5820 from articles/00107598 from sent17

Text  : Kolejny samochód - to mobilny punkt graniczny .
Tokens: 1______ 2_______ 3 4_ 5______ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5821 from articles/00107598 from sent18

Text  : Takie auta jeżdżą po drogach Podkarpacia .
Tokens: 1____ 2___ 3_____ 4_ 5______ 6__________ 7

Chunks:
  TruePositive nam [6,6] = Podkarpacia

(ChunkerEvaluator) Sentence #5822 from articles/00107598 from sent19

Text  : Dzięki znajdującym się w nich urządzeniach można w każdej chwili sprawdzić dokumenty każdego zatrzymanego cudzoziemca .
Tokens: 1_____ 2__________ 3__ 4 5___ 6___________ 7____ 8 9_____ 10____ 11_______ 12_______ 13_____ 14__________ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #5823 from articles/00107598 from sent20

Text  : Dzieci garnęły się do ślicznej czarnej spanielki .
Tokens: 1_____ 2______ 3__ 4_ 5_______ 6______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #5824 from articles/00107598 from sent21

Text  : Radośnie merdająca ogonem suczka o imieniu Elma , to pies od 4  lat pracujący na lotnisku w  Jasionce .
Tokens: 1_______ 2________ 3_____ 4_____ 5 6______ 7___ 8 9_ 10__ 11 12 13_ 14_______ 15 16______ 17 18______ 19

Chunks:
  TruePositive nam [18,18] = Jasionce
  FalseNegative nam [7,7] = Elma

(ChunkerEvaluator) Sentence #5825 from articles/00107598 from sent22

Text  : - Elma szuka narkotyków - mówi jej przewodnik .
Tokens: 1 2___ 3____ 4_________ 5 6___ 7__ 8_________ 9

Chunks:
  FalseNegative nam [2,2] = Elma

(ChunkerEvaluator) Sentence #5826 from articles/00107598 from sent23

Text  : Co chwilę w kolejną rundę wokół Rynku ruszał quad ,  na którym pogranicznik woził kolejne dziecko .
Tokens: 1_ 2_____ 3 4______ 5____ 6____ 7____ 8_____ 9___ 10 11 12____ 13__________ 14___ 15_____ 16_____ 17

Chunks:
  FalsePositive nam [7,7] = Rynku

(ChunkerEvaluator) Sentence #5827 from articles/00107598 from sent24

Text  : Strażacy pokazali nie tylko samochody i specjalne kombinezony .
Tokens: 1_______ 2_______ 3__ 4____ 5________ 6 7________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #5828 from articles/00107598 from sent25

Text  : Jeden ze strażaków zjechał na linie ze zwyżki , która uniosła się na wyskość 2  -  3  piętra .
Tokens: 1____ 2_ 3________ 4______ 5_ 6____ 7_ 8_____ 9 10___ 11_____ 12_ 13 14_____ 15 16 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #5829 from articles/00107598 from sent26

Text  : Dla dzieci wielką frajdą była możliwość siedzenia w kabinie wozu strażackiego .
Tokens: 1__ 2_____ 3_____ 4_____ 5___ 6________ 7________ 8 9______ 10__ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #5830 from articles/00107598 from sent27

Text  : Kolejka chętnych maluchów ustawiła się koło policyjnego radiowozu .
Tokens: 1______ 2_______ 3_______ 4_______ 5__ 6___ 7__________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #5831 from articles/00107598 from sent28

Text  : Między rodzicami dochodziło nawet do słownych utarczek w stylu :  „  pan tu nie stał ,  kolejka obowiązuje ”  .
Tokens: 1_____ 2________ 3_________ 4____ 5_ 6_______ 7_______ 8 9____ 10 11 12_ 13 14_ 15__ 16 17_____ 18________ 19 20

Chunks:

(ChunkerEvaluator) Sentence #5832 from articles/00107598 from sent29

Text  : Policjanci zachęcali żeby dzieci usiadły na fotelu obok kierowcy ,  ale chętnych nie było .
Tokens: 1_________ 2________ 3___ 4_____ 5______ 6_ 7_____ 8___ 9_______ 10 11_ 12______ 13_ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #5833 from articles/00107598 from sent30

Text  : Liczyło się miejsce za kierownicą radiowozu .
Tokens: 1______ 2__ 3______ 4_ 5_________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5834 from articles/00107598 from sent31

Text  : Na Rynku rozstawiły się także kramy z balonami , serduszkami i  jarmarcznymi gadżetami .
Tokens: 1_ 2____ 3_________ 4__ 5____ 6____ 7 8_______ 9 10_________ 11 12__________ 13_______ 14

Chunks:
  FalsePositive nam [2,2] = Rynku

2016-10-27 14:59:40,174 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 232 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107599.xml
(ChunkerEvaluator) Sentence #5835 from articles/00107599 from sent1

Text  : Setki bułgarskich miejscowości ponad dobę bez prądu
Tokens: 1____ 2__________ 3___________ 4____ 5___ 6__ 7____

Chunks:

(ChunkerEvaluator) Sentence #5836 from articles/00107599 from sent2

Text  : Setki bułgarskich miejscowości zostały pozbawione prądu z powodu śnieżyc i  silnych wiatrów ,  które nawiedziły kraj w  weekend .
Tokens: 1____ 2__________ 3___________ 4______ 5_________ 6____ 7 8_____ 9______ 10 11_____ 12_____ 13 14___ 15________ 16__ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #5837 from articles/00107599 from sent3

Text  : Są ofiary mrozów
Tokens: 1_ 2_____ 3_____

Chunks:

(ChunkerEvaluator) Sentence #5838 from articles/00107599 from sent4

Text  : Elektryczności brakowało m . in . w kurortach Borowec w  południowo -  zachodnich górach Riła oraz w  Pamporowie i  Czepełare w  południowych Rodopach .
Tokens: 1_____________ 2________ 3 4 5_ 6 7 8________ 9______ 10 11________ 12 13________ 14____ 15__ 16__ 17 18________ 19 20_______ 21 22__________ 23______ 24

Chunks:
  FalseNegative nam [9,9] = Borowec
  FalseNegative nam [15,15] = Riła
  FalseNegative nam [18,18] = Pamporowie
  FalseNegative nam [20,20] = Czepełare
  FalseNegative nam [23,23] = Rodopach

(ChunkerEvaluator) Sentence #5839 from articles/00107599 from sent5

Text  : W dużym ośrodku narciarskim Pamporowo nie było również wody ,  gdyż nie działały elektryczne pompy systemu wodociągowego .
Tokens: 1 2____ 3______ 4__________ 5________ 6__ 7___ 8______ 9___ 10 11__ 12_ 13______ 14_________ 15___ 16_____ 17___________ 18

Chunks:
  FalseNegative nam [5,5] = Pamporowo

(ChunkerEvaluator) Sentence #5840 from articles/00107599 from sent6

Text  : Duża awaria pozbawiła wody kilka dużych peryferyjnych sofijskich dzielnic .
Tokens: 1___ 2_____ 3________ 4___ 5____ 6_____ 7____________ 8_________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #5841 from articles/00107599 from sent7

Text  : Według przedstawiciela firmy CEZ , dostarczającej prąd w zachodniej części kraju pozbawionych elektryczności jest 56 tys .  gospodarstw .
Tokens: 1_____ 2______________ 3____ 4__ 5 6_____________ 7___ 8 9_________ 10____ 11___ 12__________ 13____________ 14__ 15 16_ 17 18_________ 19

Chunks:
  TruePositive nam [4,4] = CEZ

(ChunkerEvaluator) Sentence #5842 from articles/00107599 from sent8

Text  : W środkowej części kraju w regionie Welikiego Tyrnowa ponad 5o wsi zostało odciętych od świata i  pozbawionych prądu .
Tokens: 1 2________ 3_____ 4____ 5 6_______ 7________ 8______ 9____ 10 11_ 12_____ 13_______ 14 15____ 16 17__________ 18___ 19

Chunks:
  TruePositive nam [7,8] = Welikiego Tyrnowa

(ChunkerEvaluator) Sentence #5843 from articles/00107599 from sent9

Text  : W okolicach Łowecza takich miejscowości jest 37 , a Gabrowa -  50 .
Tokens: 1 2________ 3______ 4_____ 5___________ 6___ 7_ 8 9 10_____ 11 12 13

Chunks:
  FalseNegative nam [3,3] = Łowecza
  FalseNegative nam [10,10] = Gabrowa

(ChunkerEvaluator) Sentence #5844 from articles/00107599 from sent10

Text  : Wicepremier i szef MSW Cwetan Cwetanow zwołał w niedzielę nadzwyczajne posiedzenie wszystkich służb odpowiadających za normalne funkcjonowanie państwa w  trudnych warunkach pogodowych .
Tokens: 1__________ 2 3___ 4__ 5_____ 6_______ 7_____ 8 9________ 10__________ 11_________ 12________ 13___ 14_____________ 15 16______ 17____________ 18_____ 19 20______ 21_______ 22________ 23

Chunks:
  FalsePositive nam [4,6] = MSW Cwetan Cwetanow
  FalseNegative nam [4,4] = MSW
  FalseNegative nam [5,6] = Cwetan Cwetanow

(ChunkerEvaluator) Sentence #5845 from articles/00107599 from sent11

Text  : Uznano , że służby komunalne nie dały sobie rady z  dużymi opadami śniegu .
Tokens: 1_____ 2 3_ 4_____ 5________ 6__ 7___ 8____ 9___ 10 11____ 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #5846 from articles/00107599 from sent12

Text  : Wiele dróg było zamkniętych na długie godziny .
Tokens: 1____ 2___ 3___ 4__________ 5_ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #5847 from articles/00107599 from sent13

Text  : Setki samochodów , autobusów i ciężarówek ugrzęzło w śniegu .
Tokens: 1____ 2_________ 3 4________ 5 6_________ 7_______ 8 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #5848 from articles/00107599 from sent14

Text  : W skutek zaniedbań zwolniono kilku urzędników przedsiębiorstwa drogowego .
Tokens: 1 2_____ 3________ 4________ 5____ 6_________ 7_______________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #5849 from articles/00107599 from sent15

Text  : W poniedziałek sytuacja zaczęła się stabilizować .
Tokens: 1 2___________ 3_______ 4______ 5__ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #5850 from articles/00107599 from sent16

Text  : Prognoza pogody mówi jeszcze lekkich opadach śniegu w zachodniej i  środkowej części kraju .
Tokens: 1_______ 2_____ 3___ 4______ 5______ 6______ 7_____ 8 9_________ 10 11_______ 12____ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #5851 from articles/00107599 from sent17

Text  : Pierwsze ofiary mrozów
Tokens: 1_______ 2_____ 3_____

Chunks:

(ChunkerEvaluator) Sentence #5852 from articles/00107599 from sent18

Text  : Trzy osoby zmarły na skutek mrozów w okolicach miasta Smolan w  południowo -  wschodniej części .
Tokens: 1___ 2____ 3_____ 4_ 5_____ 6_____ 7 8________ 9_____ 10____ 11 12________ 13 14________ 15____ 16

Chunks:
  FalseNegative nam [10,10] = Smolan

(ChunkerEvaluator) Sentence #5853 from articles/00107599 from sent19

Text  : Sytuacja w tym regionie jest bardzo trudna po obfitych opadach śniegu .
Tokens: 1_______ 2 3__ 4_______ 5___ 6_____ 7_____ 8_ 9_______ 10_____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #5854 from articles/00107599 from sent20

Text  : Drogi w tej części Bułgarii nie są odśnieżone , a  w  37 miejscowościach brakuje prądu i  wody .
Tokens: 1____ 2 3__ 4_____ 5_______ 6__ 7_ 8_________ 9 10 11 12 13_____________ 14_____ 15___ 16 17__ 18

Chunks:
  TruePositive nam [5,5] = Bułgarii

(ChunkerEvaluator) Sentence #5855 from articles/00107599 from sent21

Text  : Władze lokalne ogłosiły stan klęski żywiołowej i przedłużyły ferie w  szkołach .
Tokens: 1_____ 2______ 3_______ 4___ 5_____ 6_________ 7 8__________ 9____ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5856 from articles/00107599 from sent22

Text  : Trudna jest również sytuacja w oddalonym o około 100 km na północny wschód od Sofii Tetewenie .
Tokens: 1_____ 2___ 3______ 4_______ 5 6________ 7 8____ 9__ 10 11 12______ 13____ 14 15___ 16_______ 17

Chunks:
  TruePositive nam [15,16] = Sofii Tetewenie

(ChunkerEvaluator) Sentence #5857 from articles/00107599 from sent23

Text  : Kilkadziesiąt miejscowości w całej gminie od ponad 72 godzin jest pozbawionych prądu .
Tokens: 1____________ 2___________ 3 4____ 5_____ 6_ 7____ 8_ 9_____ 10__ 11__________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #5858 from articles/00107599 from sent24

Text  : Biała zima w Bułgarii
Tokens: 1____ 2___ 3 4_______

Chunks:
  TruePositive nam [4,4] = Bułgarii

2016-10-27 14:59:40,269 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 233 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107600.xml
(ChunkerEvaluator) Sentence #5859 from articles/00107600 from sent1

Text  : WTA Sydney .
Tokens: 1__ 2_____ 3

Chunks:
  FalsePositive nam [2,2] = Sydney
  FalseNegative nam [1,2] = WTA Sydney

(ChunkerEvaluator) Sentence #5860 from articles/00107600 from sent2

Text  : Radwańska przeziębiona , Wiktorowski : Nie mamy jak leczyć
Tokens: 1________ 2___________ 3 4__________ 5 6__ 7___ 8__ 9_____

Chunks:
  TruePositive nam [4,4] = Wiktorowski
  FalseNegative nam [1,1] = Radwańska

(ChunkerEvaluator) Sentence #5861 from articles/00107600 from sent3

Text  : Agnieszka Radwańska grająca w turnieju WTA w Sydney zmaga się z  przeziębieniem .
Tokens: 1________ 2________ 3______ 4 5_______ 6__ 7 8_____ 9____ 10_ 11 12____________ 13

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [8,8] = Sydney
  FalseNegative nam [5,6] = turnieju WTA

(ChunkerEvaluator) Sentence #5862 from articles/00107600 from sent4

Text  : Sztab Polki ma ogromne trudności z jej wyleczeniem - nie działają antybiotyki ,  a  zasady antydopingowe są tak restrykcyjne ,  że inne leki nie wchodzą w  grę .
Tokens: 1____ 2____ 3_ 4______ 5________ 6 7__ 8__________ 9 10_ 11______ 12_________ 13 14 15____ 16___________ 17 18_ 19__________ 20 21 22__ 23__ 24_ 25_____ 26 27_ 28

Chunks:
  TruePositive nam [2,2] = Polki

(ChunkerEvaluator) Sentence #5863 from articles/00107600 from sent5

Text  : W środę najlepsza polska tenisistka zagra w III rundzie turnieju z  rakietą numer jeden kobiecego tenisa -  Karoliną Woźniacką .
Tokens: 1 2____ 3________ 4_____ 5_________ 6____ 7 8__ 9______ 10______ 11 12_____ 13___ 14___ 15_______ 16____ 17 18______ 19_______ 20

Chunks:
  TruePositive nam [18,19] = Karoliną Woźniacką

(ChunkerEvaluator) Sentence #5864 from articles/00107600 from sent6

Text  : Relacja na żywo na Sport.pl i w telewizji Eurosport od 11 :  00 .
Tokens: 1______ 2_ 3___ 4_ 5_______ 6 7 8________ 9________ 10 11 12 13 14

Chunks:
  TruePositive nam [5,5] = Sport.pl
  TruePositive nam [9,9] = Eurosport

(ChunkerEvaluator) Sentence #5865 from articles/00107600 from sent7

Text  : Mimo nienajlepszego samopoczucia Polka wygrała na turnieju już dwa mecze .
Tokens: 1___ 2_____________ 3___________ 4____ 5______ 6_ 7_______ 8__ 9__ 10___ 11

Chunks:
  TruePositive nam [4,4] = Polka

(ChunkerEvaluator) Sentence #5866 from articles/00107600 from sent8

Text  : Najpierw wyeliminowała Andreę Petković ( 7 : 6 , 6  :  4  )  ,  potem dała lekcję tenisa młodszej siostrze Urszuli (  6  :  1  ,  6  :  1  )  .
Tokens: 1_______ 2____________ 3_____ 4_______ 5 6 7 8 9 10 11 12 13 14 15___ 16__ 17____ 18____ 19______ 20______ 21_____ 22 23 24 25 26 27 28 29 30 31

Chunks:
  TruePositive nam [3,4] = Andreę Petković
  TruePositive nam [21,21] = Urszuli

(ChunkerEvaluator) Sentence #5867 from articles/00107600 from sent9

Text  : W kolejnej rundzie zmierzy się z numer jeden rankingu WTA ,  Karoliną Woźniacką .
Tokens: 1 2_______ 3______ 4______ 5__ 6 7____ 8____ 9_______ 10_ 11 12______ 13_______ 14

Chunks:
  TruePositive nam [12,13] = Karoliną Woźniacką
  FalseNegative nam [10,10] = WTA

(ChunkerEvaluator) Sentence #5868 from articles/00107600 from sent10

Text  : Turniej w Sydney jest ostatnim sprawdzianem przed Australian Open ,  pierwszym turniejem wielkoszlemowym w  tym sezonie ,  który rozpocznie się za 16 -  tego stycznia .
Tokens: 1______ 2 3_____ 4___ 5_______ 6___________ 7____ 8_________ 9___ 10 11_______ 12_______ 13_____________ 14 15_ 16_____ 17 18___ 19________ 20_ 21 22 23 24__ 25______ 26

Chunks:
  TruePositive nam [3,3] = Sydney
  TruePositive nam [8,9] = Australian Open
  FalseNegative nam [1,1] = Turniej

2016-10-27 14:59:40,318 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 234 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107601.xml
(ChunkerEvaluator) Sentence #5869 from articles/00107601 from sent1

Text  : Dziewczyny z tatuażami
Tokens: 1_________ 2 3________

Chunks:

(ChunkerEvaluator) Sentence #5870 from articles/00107601 from sent2

Text  : Sfotografował je Michał Warda i pokazuje podczas trzeciej już edycji projektu Juniorink Women .
Tokens: 1____________ 2_ 3_____ 4____ 5 6_______ 7______ 8_______ 9__ 10____ 11______ 12_______ 13___ 14

Chunks:
  TruePositive nam [3,4] = Michał Warda
  TruePositive nam [12,13] = Juniorink Women

(ChunkerEvaluator) Sentence #5871 from articles/00107601 from sent3

Text  : Specjalizuje się przede wszystkim w fotografii ślubnej , współtworzy WhiteSmoke Studio ,  jest laureatem konkursów organizowanych przez The Wedding Photojournalist Association ,  The Artistic Guild of the Wedding Photojournalist Association i  The International Society of Professional Wedding Photographers .
Tokens: 1___________ 2__ 3_____ 4________ 5 6_________ 7______ 8 9__________ 10________ 11____ 12 13__ 14_______ 15_______ 16____________ 17___ 18_ 19_____ 20_____________ 21_________ 22 23_ 24______ 25___ 26 27_ 28_____ 29_____________ 30_________ 31 32_ 33___________ 34_____ 35 36__________ 37_____ 38___________ 39

Chunks:
  TruePositive nam [10,11] = WhiteSmoke Studio
  TruePositive nam [18,21] = The Wedding Photojournalist Association
  FalsePositive nam [23,38] = The Artistic Guild of the Wedding Photojournalist Association i The International Society of Professional Wedding Photographers
  FalseNegative nam [23,30] = The Artistic Guild of the Wedding Photojournalist Association
  FalseNegative nam [32,38] = The International Society of Professional Wedding Photographers

(ChunkerEvaluator) Sentence #5872 from articles/00107601 from sent4

Text  : Tym razem jednak Michał Warda sfotografował dziewczyny z tatuażami .
Tokens: 1__ 2____ 3_____ 4_____ 5____ 6____________ 7_________ 8 9________ 10

Chunks:
  TruePositive nam [4,5] = Michał Warda

(ChunkerEvaluator) Sentence #5873 from articles/00107601 from sent5

Text  : Za projektem „ Juniorink Women ” stoi Sebastian Junior ,  laureat tytułu „  Tatuatora XX -  lecia ”  ,  który ,  jak można przeczytać w  opisie wystawy „  postanowił udowodnić ,  że tatuaż jest sztuką ,  i  to sztuką ,  która może zdobić ciało każdego z  nas ”  .
Tokens: 1_ 2________ 3 4________ 5____ 6 7___ 8________ 9_____ 10 11_____ 12____ 13 14_______ 15 16 17___ 18 19 20___ 21 22_ 23___ 24________ 25 26____ 27_____ 28 29________ 30_______ 31 32 33____ 34__ 35____ 36 37 38 39____ 40 41___ 42__ 43____ 44___ 45_____ 46 47_ 48 49

Chunks:
  TruePositive nam [4,5] = Juniorink Women
  TruePositive nam [8,9] = Sebastian Junior
  TruePositive nam [14,17] = Tatuatora XX - lecia

(ChunkerEvaluator) Sentence #5874 from articles/00107601 from sent6

Text  : To już trzecia edycja wystawy .
Tokens: 1_ 2__ 3______ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #5875 from articles/00107601 from sent7

Text  : Tym razem ze scenografią przywołującą plany filmowe kina drogi ,  melodramatów ,  kryminałów .
Tokens: 1__ 2____ 3_ 4__________ 5___________ 6____ 7______ 8___ 9____ 10 11__________ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #5876 from articles/00107601 from sent8

Text  : Zdjęcia w klubokawiarni Znajomi Znajomych ( ul . Wilcza 58 a  )  można oglądać do 29 stycznia .
Tokens: 1______ 2 3____________ 4______ 5________ 6 7_ 8 9_____ 10 11 12 13___ 14_____ 15 16 17______ 18

Chunks:
  TruePositive nam [4,5] = Znajomi Znajomych
  TruePositive nam [9,9] = Wilcza

2016-10-27 14:59:40,364 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 235 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107602.xml
(ChunkerEvaluator) Sentence #5877 from articles/00107602 from sent1

Text  : PŚ w biathlonie .
Tokens: 1_ 2 3_________ 4

Chunks:
  FalseNegative nam [1,3] = PŚ w biathlonie

(ChunkerEvaluator) Sentence #5878 from articles/00107602 from sent2

Text  : Pałka dziewiąta , wygrana Berger
Tokens: 1____ 2________ 3 4______ 5_____

Chunks:
  FalseNegative nam [1,1] = Pałka
  FalseNegative nam [5,5] = Berger

(ChunkerEvaluator) Sentence #5879 from articles/00107602 from sent3

Text  : Krystyna Pałka zajęła 9 . miejsce w biegu na dochodzenie na 10 km km biathlonowego Pucharu Świata ,  który odbył się w  czeskiej miejscowości Nove Mesto .
Tokens: 1_______ 2____ 3_____ 4 5 6______ 7 8____ 9_ 10_________ 11 12 13 14 15___________ 16_____ 17____ 18 19___ 20___ 21_ 22 23______ 24__________ 25__ 26___ 27

Chunks:
  TruePositive nam [1,2] = Krystyna Pałka
  TruePositive nam [25,26] = Nove Mesto
  FalsePositive nam [16,17] = Pucharu Świata
  FalseNegative nam [15,17] = biathlonowego Pucharu Świata

(ChunkerEvaluator) Sentence #5880 from articles/00107602 from sent4

Text  : Wygrała Norweżka Tora Berger .
Tokens: 1______ 2_______ 3___ 4_____ 5

Chunks:
  TruePositive nam [2,2] = Norweżka
  TruePositive nam [3,4] = Tora Berger

(ChunkerEvaluator) Sentence #5881 from articles/00107602 from sent5

Text  : Liderka Pucharu Świata Niemka Magdalena Neuner była siódma .
Tokens: 1______ 2______ 3_____ 4_____ 5________ 6_____ 7___ 8_____ 9

Chunks:
  TruePositive nam [5,6] = Magdalena Neuner
  FalsePositive nam [1,4] = Liderka Pucharu Świata Niemka
  FalseNegative nam [2,3] = Pucharu Świata
  FalseNegative nam [4,4] = Niemka

(ChunkerEvaluator) Sentence #5882 from articles/00107602 from sent6

Text  : Drugie miejsce zajęła Szwedka Helena Ekholm , a trzecie Francuzka Marie Laure Brunet .
Tokens: 1_____ 2______ 3_____ 4______ 5_____ 6_____ 7 8 9______ 10_______ 11___ 12___ 13____ 14

Chunks:
  FalsePositive nam [4,6] = Szwedka Helena Ekholm
  FalsePositive nam [10,13] = Francuzka Marie Laure Brunet
  FalseNegative nam [4,4] = Szwedka
  FalseNegative nam [5,6] = Helena Ekholm
  FalseNegative nam [10,10] = Francuzka
  FalseNegative nam [11,13] = Marie Laure Brunet

(ChunkerEvaluator) Sentence #5883 from articles/00107602 from sent7

Text  : Weronika Nowakowska - Ziemniak miała trzy niecelne strzały i została sklasyfikowana na 15 pozycji .
Tokens: 1_______ 2_________ 3 4_______ 5____ 6___ 7_______ 8______ 9 10_____ 11____________ 12 13 14_____ 15

Chunks:
  TruePositive nam [1,4] = Weronika Nowakowska - Ziemniak

(ChunkerEvaluator) Sentence #5884 from articles/00107602 from sent8

Text  : Prowadzenie w Pucharze Świata utrzymała Neuner .
Tokens: 1__________ 2 3_______ 4_____ 5________ 6_____ 7

Chunks:
  TruePositive nam [3,4] = Pucharze Świata
  FalseNegative nam [6,6] = Neuner

(ChunkerEvaluator) Sentence #5885 from articles/00107602 from sent9

Text  : Berger dzięki wygranej awansowała na 5 . pozycję w klasyfikacji generalnej sezonu .
Tokens: 1_____ 2_____ 3_______ 4_________ 5_ 6 7 8______ 9 10__________ 11________ 12____ 13

Chunks:
  FalseNegative nam [1,1] = Berger

(ChunkerEvaluator) Sentence #5886 from articles/00107602 from sent10

Text  : Magdalena Neuner , która prowadziła w zawodach , podczas trzeciej wizyty na strzelnicy ,  oddała cztery strzały do .  .  .  sąsiedniej tarczy ,  przez co musiała przebiec cztery rundy karne ,  każda po 150 m  .
Tokens: 1________ 2_____ 3 4____ 5_________ 6 7_______ 8 9______ 10______ 11____ 12 13________ 14 15____ 16____ 17_____ 18 19 20 21 22________ 23____ 24 25___ 26 27_____ 28______ 29____ 30___ 31___ 32 33___ 34 35_ 36 37

Chunks:
  TruePositive nam [1,2] = Magdalena Neuner

(ChunkerEvaluator) Sentence #5887 from articles/00107602 from sent11

Text  : W ostatniej próbie zdenerwowana Niemka trzy kolejne pociski posłała obok tarczy .
Tokens: 1 2________ 3_____ 4___________ 5_____ 6___ 7______ 8______ 9______ 10__ 11____ 12

Chunks:
  TruePositive nam [5,5] = Niemka

(ChunkerEvaluator) Sentence #5888 from articles/00107602 from sent12

Text  : Wyniki :
Tokens: 1_____ 2

Chunks:

(ChunkerEvaluator) Sentence #5889 from articles/00107602 from sent13

Text  : Klasyfikacja PŚ ( po 12 z 26 zawodów ) :
Tokens: 1___________ 2_ 3 4_ 5_ 6 7_ 8______ 9 10

Chunks:
  FalsePositive nam [1,2] = Klasyfikacja PŚ
  FalseNegative nam [2,2] = PŚ

2016-10-27 14:59:40,415 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 236 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107603.xml
(ChunkerEvaluator) Sentence #5890 from articles/00107603 from sent1

Text  : David Bowie na DVD
Tokens: 1____ 2____ 3_ 4__

Chunks:
  TruePositive nam [1,2] = David Bowie
  TruePositive nam [4,4] = DVD

(ChunkerEvaluator) Sentence #5891 from articles/00107603 from sent2

Text  : W połowie listopada trafi na rynek album DVD z kolekcją teledysków Davida Bowiego .
Tokens: 1 2______ 3________ 4____ 5_ 6____ 7____ 8__ 9 10______ 11________ 12____ 13_____ 14

Chunks:
  TruePositive nam [8,8] = DVD
  TruePositive nam [12,13] = Davida Bowiego

(ChunkerEvaluator) Sentence #5892 from articles/00107603 from sent3

Text  : David Bowie na DVD
Tokens: 1____ 2____ 3_ 4__

Chunks:
  TruePositive nam [1,2] = David Bowie
  TruePositive nam [4,4] = DVD

(ChunkerEvaluator) Sentence #5893 from articles/00107603 from sent4

Text  : W połowie listopada trafi na rynek album DVD z kolekcją teledysków Davida Bowiego .
Tokens: 1 2______ 3________ 4____ 5_ 6____ 7____ 8__ 9 10______ 11________ 12____ 13_____ 14

Chunks:
  TruePositive nam [8,8] = DVD
  TruePositive nam [12,13] = Davida Bowiego

(ChunkerEvaluator) Sentence #5894 from articles/00107603 from sent5

Text  : W połowie listopada trafi na rynek album DVD z kolekcją teledysków Davida Bowiego .
Tokens: 1 2______ 3________ 4____ 5_ 6____ 7____ 8__ 9 10______ 11________ 12____ 13_____ 14

Chunks:
  TruePositive nam [8,8] = DVD
  TruePositive nam [12,13] = Davida Bowiego

(ChunkerEvaluator) Sentence #5895 from articles/00107603 from sent6

Text  : Na dwóch płytach znajdzie się w sumie czterdzieści siedem wideoklipów oraz materiały z  koncertów i  programów telewizyjnych .
Tokens: 1_ 2____ 3______ 4_______ 5__ 6 7____ 8___________ 9_____ 10_________ 11__ 12_______ 13 14_______ 15 16_______ 17___________ 18

Chunks:

(ChunkerEvaluator) Sentence #5896 from articles/00107603 from sent7

Text  : Przypomnijmy , że 4 listopada ukaże się natomiast podwójny album CD z  największymi przebojami wokalisty .
Tokens: 1___________ 2 3_ 4 5________ 6____ 7__ 8________ 9_______ 10___ 11 12 13__________ 14________ 15_______ 16

Chunks:
  TruePositive nam [11,11] = CD

(ChunkerEvaluator) Sentence #5897 from articles/00107603 from sent8

Text  : Składanka " Best of Bowie " zawierać będzie nagrania z  całej dotychczasowej kariery Bowiego .
Tokens: 1________ 2 3___ 4_ 5____ 6 7_______ 8_____ 9_______ 10 11___ 12____________ 13_____ 14_____ 15

Chunks:
  TruePositive nam [3,5] = Best of Bowie
  FalseNegative nam [14,14] = Bowiego

(ChunkerEvaluator) Sentence #5898 from articles/00107603 from sent9

Text  : A . P .
Tokens: 1 2 3 4

Chunks:
  FalseNegative nam [1,4] = A . P .

2016-10-27 14:59:40,447 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 237 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107604.xml
(ChunkerEvaluator) Sentence #5899 from articles/00107604 from sent1

Text  : Akt erekcyjny pod nowy dworzec wmurowany !
Tokens: 1__ 2________ 3__ 4___ 5______ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5900 from articles/00107604 from sent2

Text  : - Poznaniacy lubią , jak w Poznaniu się buduje -  stwierdził prezydent Ryszard Grobelny podczas wmurowania aktu arekcyjnego pod nowy dworzec PKP .
Tokens: 1 2_________ 3____ 4 5__ 6 7_______ 8__ 9_____ 10 11________ 12_______ 13_____ 14______ 15_____ 16________ 17__ 18_________ 19_ 20__ 21_____ 22_ 23

Chunks:
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [13,14] = Ryszard Grobelny
  TruePositive nam [22,22] = PKP
  FalseNegative nam [2,2] = Poznaniacy

(ChunkerEvaluator) Sentence #5901 from articles/00107604 from sent3

Text  : W ziemi spoczęła też zabytkowa cegła , gazety ( m  .  in .  nasza )  i  najróżniejsze pendrive'y
Tokens: 1 2____ 3_______ 4__ 5________ 6____ 7 8_____ 9 10 11 12 13 14___ 15 16 17___________ 18________

Chunks:
  FalseNegative nam [18,18] = pendrive'y

(ChunkerEvaluator) Sentence #5902 from articles/00107604 from sent4

Text  : Kamień pod nowy dworzec
Tokens: 1_____ 2__ 3___ 4______

Chunks:

(ChunkerEvaluator) Sentence #5903 from articles/00107604 from sent5

Text  : - Poznaniacy lubią , jak w Poznaniu się buduje -  stwierdził prezydent Ryszard Grobelny podczas wmurowania kamienia węgielnego pod nowy dworzec PKP
Tokens: 1 2_________ 3____ 4 5__ 6 7_______ 8__ 9_____ 10 11________ 12_______ 13_____ 14______ 15_____ 16________ 17______ 18________ 19_ 20__ 21_____ 22_

Chunks:
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [13,14] = Ryszard Grobelny
  TruePositive nam [22,22] = PKP
  FalseNegative nam [2,2] = Poznaniacy

(ChunkerEvaluator) Sentence #5904 from articles/00107604 from sent6

Text  : Akt erekcyjny pod nowy dworzec wmurowali przedstawiciele lokalnych władz ,  a  poświęcił arcybiskup Stanisław Gądecki .
Tokens: 1__ 2________ 3__ 4___ 5______ 6________ 7______________ 8________ 9____ 10 11 12_______ 13________ 14_______ 15_____ 16

Chunks:
  TruePositive nam [14,15] = Stanisław Gądecki

(ChunkerEvaluator) Sentence #5905 from articles/00107604 from sent7

Text  : W tle zgromadzeni goście mogli na żywo obejrzeć postępy na budowie .
Tokens: 1 2__ 3__________ 4_____ 5____ 6_ 7___ 8_______ 9______ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #5906 from articles/00107604 from sent8

Text  : - Poznaniacy lubią , jak w Poznaniu się buduje -  stwierdził prezydent Ryszard Grobelny .
Tokens: 1 2_________ 3____ 4 5__ 6 7_______ 8__ 9_____ 10 11________ 12_______ 13_____ 14______ 15

Chunks:
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [13,14] = Ryszard Grobelny
  FalseNegative nam [2,2] = Poznaniacy

(ChunkerEvaluator) Sentence #5907 from articles/00107604 from sent9

Text  : I rozwinął myśl : - Każde takie przedsięwzięcie świadczy o  rozwoju miasta .
Tokens: 1 2_______ 3___ 4 5 6____ 7____ 8______________ 9_______ 10 11_____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #5908 from articles/00107604 from sent10

Text  : Powstają też miejsca pracy .
Tokens: 1_______ 2__ 3______ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #5909 from articles/00107604 from sent11

Text  : Chcemy być ładnym , sympatycznym miastem przyjaznym dla ludzi .
Tokens: 1_____ 2__ 3_____ 4 5___________ 6______ 7_________ 8__ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #5910 from articles/00107604 from sent12

Text  : Wierzę , że udowodnimy to już podczas Euro 2012 ,  a  nowy dworzec też się do tego przyczyni .
Tokens: 1_____ 2 3_ 4_________ 5_ 6__ 7______ 8___ 9___ 10 11 12__ 13_____ 14_ 15_ 16 17__ 18_______ 19

Chunks:
  TruePositive nam [8,9] = Euro 2012

(ChunkerEvaluator) Sentence #5911 from articles/00107604 from sent13

Text  : W ziemi spoczęła też XIX - wieczna cegła z pruskich fortyfikacji (  podarował ją wojewoda Piotr Florek )  i  specjalna tuba „  dla przyszłych pokoleń ”  .
Tokens: 1 2____ 3_______ 4__ 5__ 6 7______ 8____ 9 10______ 11__________ 12 13_______ 14 15______ 16___ 17____ 18 19 20_______ 21__ 22 23_ 24________ 25_____ 26 27

Chunks:
  TruePositive nam [16,17] = Piotr Florek

(ChunkerEvaluator) Sentence #5912 from articles/00107604 from sent14

Text  : Trafiły do niej m . in . wtorkowe wydania lokalnych dzienników ,  w  tym „  Gazety ”  ,  oraz serwisów radiowych i  telewizyjnych .
Tokens: 1______ 2_ 3___ 4 5 6_ 7 8_______ 9______ 10_______ 11________ 12 13 14_ 15 16____ 17 18 19__ 20______ 21_______ 22 23___________ 24

Chunks:
  TruePositive nam [16,16] = Gazety

(ChunkerEvaluator) Sentence #5913 from articles/00107604 from sent15

Text  : A także zdjęcia poznaniaków zebrane na pendrivie .
Tokens: 1 2____ 3______ 4__________ 5______ 6_ 7________ 8

Chunks:
  FalseNegative nam [7,7] = pendrivie

(ChunkerEvaluator) Sentence #5914 from articles/00107604 from sent16

Text  : - Miejmy nadzieję , że za sto lat ktoś będzie w  stanie to odczytać -  żartował Przemysław Terlecki ,  rzecznik firmy Trigranit .
Tokens: 1 2_____ 3_______ 4 5_ 6_ 7__ 8__ 9___ 10____ 11 12____ 13 14______ 15 16______ 17________ 18______ 19 20______ 21___ 22_______ 23

Chunks:
  TruePositive nam [17,18] = Przemysław Terlecki
  TruePositive nam [22,22] = Trigranit

(ChunkerEvaluator) Sentence #5915 from articles/00107604 from sent17

Text  : Podczas uroczystości zaprezentowano też film z budowy i fragment specjalnego ,  wirtualnego spaceru po nowym dworcu .
Tokens: 1______ 2___________ 3_____________ 4__ 5___ 6 7_____ 8 9_______ 10_________ 11 12_________ 13_____ 14 15___ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #5916 from articles/00107604 from sent18

Text  : Szef Trigranitu w Polsce Tomasz Lisiecki podsumował : - Naszym celem jest zbudowanie obiektu na światowym poziomie .
Tokens: 1___ 2_________ 3 4_____ 5_____ 6_______ 7_________ 8 9 10____ 11___ 12__ 13________ 14_____ 15 16_______ 17______ 18

Chunks:
  TruePositive nam [2,2] = Trigranitu
  TruePositive nam [4,4] = Polsce
  TruePositive nam [5,6] = Tomasz Lisiecki

(ChunkerEvaluator) Sentence #5917 from articles/00107604 from sent19

Text  : Żeby pasażerowie mieli jak najlepszą komunikację .
Tokens: 1___ 2__________ 3____ 4__ 5________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #5918 from articles/00107604 from sent20

Text  : To na miarę ambicji Poznania i jego mieszkańców .
Tokens: 1_ 2_ 3____ 4______ 5_______ 6 7___ 8__________ 9

Chunks:
  TruePositive nam [5,5] = Poznania

2016-10-27 14:59:40,539 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 238 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107605.xml
(ChunkerEvaluator) Sentence #5919 from articles/00107605 from sent1

Text  : Komfort zakupów
Tokens: 1______ 2______

Chunks:

(ChunkerEvaluator) Sentence #5920 from articles/00107605 from sent2

Text  : Komfort zakupów
Tokens: 1______ 2______

Chunks:

(ChunkerEvaluator) Sentence #5921 from articles/00107605 from sent3

Text  : Jak się ubrać na buszowanie po sklepach z odzieżą ?
Tokens: 1__ 2__ 3____ 4_ 5_________ 6_ 7_______ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5922 from articles/00107605 from sent4

Text  : Na zakupy ubieraj się lekko - najlepiej w luźne ,  rozpinane ubrania .
Tokens: 1_ 2_____ 3______ 4__ 5____ 6 7________ 8 9____ 10 11_______ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #5923 from articles/00107605 from sent5

Text  : Zrezygnuj z dodatków - kolczyków , naszyjników , bransolet ,  które lubią się plątać i  zahaczać
Tokens: 1________ 2 3_______ 4 5________ 6 7__________ 8 9________ 10 11___ 12___ 13_ 14____ 15 16______

Chunks:

(ChunkerEvaluator) Sentence #5924 from articles/00107605 from sent6

Text  : Jak się ubrać na buszowanie po sklepach z odzieżą ?
Tokens: 1__ 2__ 3____ 4_ 5_________ 6_ 7_______ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #5925 from articles/00107605 from sent7

Text  : Kupowanie ciuchów sprowadza się do rozbierania , zakładania , zdejmowania ,  ubierania się .
Tokens: 1________ 2______ 3________ 4__ 5_ 6__________ 7 8_________ 9 10_________ 11 12_______ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #5926 from articles/00107605 from sent8

Text  : Im mniej elementów , tym prostsza operacja .
Tokens: 1_ 2____ 3________ 4 5__ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #5927 from articles/00107605 from sent9

Text  : Na przeceny ubieraj się lekko - najlepiej w luźne ,  rozpinane ubrania .
Tokens: 1_ 2_______ 3______ 4__ 5____ 6 7________ 8 9____ 10 11_______ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #5928 from articles/00107605 from sent10

Text  : Zrezygnuj z dodatków - kolczyków , naszyjników , bransolet ,  które lubią się plątać i  zahaczać .
Tokens: 1________ 2 3_______ 4 5________ 6 7__________ 8 9________ 10 11___ 12___ 13_ 14____ 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #5929 from articles/00107605 from sent11

Text  : Na zakupy ubraniowe lepiej także nie wybierać się w wieczorowym makijażu .
Tokens: 1_ 2_____ 3________ 4_____ 5____ 6__ 7_______ 8__ 9 10_________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #5930 from articles/00107605 from sent12

Text  : Zamiast małej torebeczki - mieszczącej tylko portfel , na zakupy weź dużą torbę .
Tokens: 1______ 2____ 3_________ 4 5__________ 6____ 7______ 8 9_ 10____ 11_ 12__ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #5931 from articles/00107605 from sent13

Text  : Upchniesz w niej wyprzedażowe trofea .
Tokens: 1________ 2 3___ 4___________ 5_____ 6

Chunks:

2016-10-27 14:59:40,579 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 239 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107606.xml
(ChunkerEvaluator) Sentence #5932 from articles/00107606 from sent1

Text  : MOSTOSTAL ZABRZE SA powołanie członków RN
Tokens: 1________ 2_____ 3_ 4________ 5_______ 6_

Chunks:
  TruePositive nam [6,6] = RN
  FalsePositive nam [2,3] = ZABRZE SA
  FalseNegative nam [1,3] = MOSTOSTAL ZABRZE SA

(ChunkerEvaluator) Sentence #5933 from articles/00107606 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - MOSTALZAB
Tokens: 1_____ 2 3_____ 4 5________ 6 7________

Chunks:
  FalsePositive nam [1,7] = GIEŁDA - SPÓŁKI - KOMUNIKAT - MOSTALZAB
  FalseNegative nam [7,7] = MOSTALZAB

(ChunkerEvaluator) Sentence #5934 from articles/00107606 from sent3

Text  : Raport bieżący 131 / 2002 Zarząd Mostostal Zabrze - Holding S  .  A  .  (  Emitent )  informuje ,  że Nadzwyczajne Walne Zgromadzenie Akcjonariuszy kontynuując w  dniu 31 października 2002 r  .  powołało w  skład Rady Nadzorczej następujące osoby :
Tokens: 1_____ 2______ 3__ 4 5___ 6_____ 7________ 8_____ 9 10_____ 11 12 13 14 15 16_____ 17 18_______ 19 20 21__________ 22___ 23__________ 24___________ 25_________ 26 27__ 28 29__________ 30__ 31 32 33______ 34 35___ 36__ 37________ 38_________ 39___ 40

Chunks:
  TruePositive nam [16,16] = Emitent
  FalsePositive nam [7,8] = Mostostal Zabrze
  FalsePositive nam [10,14] = Holding S . A .
  FalseNegative nam [6,14] = Zarząd Mostostal Zabrze - Holding S . A .
  FalseNegative nam [21,24] = Nadzwyczajne Walne Zgromadzenie Akcjonariuszy
  FalseNegative nam [36,37] = Rady Nadzorczej

(ChunkerEvaluator) Sentence #5935 from articles/00107606 from sent4

Text  : Członek RN Artur Nieradko 39 lat Wykształcenie : wyższe ekonomiczne absolwent SGPiS ,  Wydział Handlu Zagranicznego
Tokens: 1______ 2_ 3____ 4_______ 5_ 6__ 7____________ 8 9_____ 10_________ 11_______ 12___ 13 14_____ 15____ 16___________

Chunks:
  TruePositive nam [2,2] = RN
  TruePositive nam [3,4] = Artur Nieradko
  TruePositive nam [12,12] = SGPiS
  TruePositive nam [14,16] = Wydział Handlu Zagranicznego
  FalsePositive nam [7,7] = Wykształcenie

(ChunkerEvaluator) Sentence #5936 from articles/00107606 from sent5

Text  : Przebieg pracy zawodowej : 04 . 2002 - 09 .  2002 Bank Handlowy w  Warszawie S  .  A  .  ,  Dyrektor Zarządzający 03 .  1998 -  04 .  2002 Bank Handlowy w  Warszawie S  .  A  .  ,  początkowo Członek a  następnie Wiceprezes Zarządu 07 .  1997 -  02 .  1998 Bank Handlowy w  Warszawie S  .  A  .  ,  Dyrektor Centrum Operacji Kapitałowych -  V  Oddział Banku w  Warszawie (  Dom Maklerski )  10 .  1996 -  06 .  1997 Bank Handlowy w  Warszawie S  .  A  .  ,  Pełnomocnik Zarządu ds .  Prywatyzacji Banku ,  Dyrektor Biura 05  .   1992 -   10  .   1996 Bank Handlowy w   Warszawie S   .   A   .   ,   Zastępca Dyrektora ,   Departament Usług Agencyjnych 02  .   1990 -   05  .   1992 Ministerstwo Finansów ,   Zastępca Dyrektora ,   Departament Zagraniczny
Tokens: 1_______ 2____ 3________ 4 5_ 6 7___ 8 9_ 10 11__ 12__ 13______ 14 15_______ 16 17 18 19 20 21______ 22__________ 23 24 25__ 26 27 28 29__ 30__ 31______ 32 33_______ 34 35 36 37 38 39________ 40_____ 41 42_______ 43________ 44_____ 45 46 47__ 48 49 50 51__ 52__ 53______ 54 55_______ 56 57 58 59 60 61______ 62_____ 63______ 64__________ 65 66 67_____ 68___ 69 70_______ 71 72_ 73_______ 74 75 76 77__ 78 79 80 81__ 82__ 83______ 84 85_______ 86 87 88 89 90 91_________ 92_____ 93 94 95__________ 96___ 97 98______ 99___ 100 101 102_ 103 104 105 106_ 107_ 108_____ 109 110______ 111 112 113 114 115 116_____ 117______ 118 119________ 120__ 121________ 122 123 124_ 125 126 127 128_ 129_________ 130_____ 131 132_____ 133______ 134 135________ 136________

Chunks:
  TruePositive nam [72,73] = Dom Maklerski
  TruePositive nam [119,121] = Departament Usług Agencyjnych
  TruePositive nam [129,130] = Ministerstwo Finansów
  FalsePositive nam [12,13] = Bank Handlowy
  FalsePositive nam [15,19] = Warszawie S . A .
  FalsePositive nam [21,31] = Dyrektor Zarządzający 03 . 1998 - 04 . 2002 Bank Handlowy
  FalsePositive nam [33,37] = Warszawie S . A .
  FalsePositive nam [40,40] = Członek
  FalsePositive nam [43,53] = Wiceprezes Zarządu 07 . 1997 - 02 . 1998 Bank Handlowy
  FalsePositive nam [55,59] = Warszawie S . A .
  FalsePositive nam [61,70] = Dyrektor Centrum Operacji Kapitałowych - V Oddział Banku w Warszawie
  FalsePositive nam [82,83] = Bank Handlowy
  FalsePositive nam [85,89] = Warszawie S . A .
  FalsePositive nam [91,96] = Pełnomocnik Zarządu ds . Prywatyzacji Banku
  FalsePositive nam [98,108] = Dyrektor Biura 05 . 1992 - 10 . 1996 Bank Handlowy
  FalsePositive nam [110,114] = Warszawie S . A .
  FalsePositive nam [116,117] = Zastępca Dyrektora
  FalsePositive nam [132,133] = Zastępca Dyrektora
  FalseNegative nam [12,19] = Bank Handlowy w Warszawie S . A .
  FalseNegative nam [30,37] = Bank Handlowy w Warszawie S . A .
  FalseNegative nam [44,44] = Zarządu
  FalseNegative nam [52,59] = Bank Handlowy w Warszawie S . A .
  FalseNegative nam [62,64] = Centrum Operacji Kapitałowych
  FalseNegative nam [68,68] = Banku
  FalseNegative nam [70,70] = Warszawie
  FalseNegative nam [82,89] = Bank Handlowy w Warszawie S . A .
  FalseNegative nam [92,92] = Zarządu
  FalseNegative nam [96,96] = Banku
  FalseNegative nam [107,114] = Bank Handlowy w Warszawie S . A .
  FalseNegative nam [135,136] = Departament Zagraniczny

(ChunkerEvaluator) Sentence #5937 from articles/00107606 from sent6

Text  : Pełnione funkcje w radach nadzorczych spółek : Przewodniczący Rady Nadzorczej 8  NFI Octava S  .  A  .  Przewodniczący Rady Nadzorczej Banku Rozwoju Cukrownictwa S  .  A  .  Wiceprzewodniczący Rady Nadzorczej PKO /  Handlowy PTE S  .  A  .  Członek Rady Nadzorczej Polimex -  Cekop S  .  A  .  Członek Rady Nadzorczej KPK Sp .  z  o  .  o  .  Członek Rady Dyrektorów NIF Fund PLC
Tokens: 1_______ 2______ 3 4_____ 5__________ 6_____ 7 8_____________ 9___ 10________ 11 12_ 13____ 14 15 16 17 18____________ 19__ 20________ 21___ 22_____ 23__________ 24 25 26 27 28________________ 29__ 30________ 31_ 32 33______ 34_ 35 36 37 38 39_____ 40__ 41________ 42_____ 43 44___ 45 46 47 48 49_____ 50__ 51________ 52_ 53 54 55 56 57 58 59 60_____ 61__ 62________ 63_ 64__ 65_

Chunks:
  FalsePositive nam [8,26] = Przewodniczący Rady Nadzorczej 8 NFI Octava S . A . Przewodniczący Rady Nadzorczej Banku Rozwoju Cukrownictwa S . A
  FalsePositive nam [31,31] = PKO
  FalsePositive nam [33,65] = Handlowy PTE S . A . Członek Rady Nadzorczej Polimex - Cekop S . A . Członek Rady Nadzorczej KPK Sp . z o . o . Członek Rady Dyrektorów NIF Fund PLC
  FalseNegative nam [9,10] = Rady Nadzorczej
  FalseNegative nam [12,17] = NFI Octava S . A .
  FalseNegative nam [19,27] = Rady Nadzorczej Banku Rozwoju Cukrownictwa S . A .
  FalseNegative nam [29,38] = Rady Nadzorczej PKO / Handlowy PTE S . A .
  FalseNegative nam [40,48] = Rady Nadzorczej Polimex - Cekop S . A .
  FalseNegative nam [50,59] = Rady Nadzorczej KPK Sp . z o . o .
  FalseNegative nam [61,65] = Rady Dyrektorów NIF Fund PLC

(ChunkerEvaluator) Sentence #5938 from articles/00107606 from sent7

Text  : Pan Artur Nieradko oświadczył , iż nie prowadzi działalności konkurencyjnej w  stosunku do działalności przedsiębiorstwa Emitenta .
Tokens: 1__ 2____ 3_______ 4_________ 5 6_ 7__ 8_______ 9___________ 10____________ 11 12______ 13 14__________ 15______________ 16______ 17

Chunks:
  TruePositive nam [2,3] = Artur Nieradko
  TruePositive nam [16,16] = Emitenta

(ChunkerEvaluator) Sentence #5939 from articles/00107606 from sent8

Text  : Ponadto w dniu 31 października NWZA powołało w skład Rady Nadzorczej Emitenta Pana Pawła Gorczycę oraz Pana Krzysztofa Pernacha .
Tokens: 1______ 2 3___ 4_ 5___________ 6___ 7_______ 8 9____ 10__ 11________ 12______ 13__ 14___ 15______ 16__ 17__ 18________ 19______ 20

Chunks:
  TruePositive nam [14,15] = Pawła Gorczycę
  FalsePositive nam [12,13] = Emitenta Pana
  FalsePositive nam [17,19] = Pana Krzysztofa Pernacha
  FalseNegative nam [6,6] = NWZA
  FalseNegative nam [10,12] = Rady Nadzorczej Emitenta
  FalseNegative nam [18,19] = Krzysztofa Pernacha

(ChunkerEvaluator) Sentence #5940 from articles/00107606 from sent9

Text  : Pozostałe informacje o nowopowołanych osobach nadzorujących zostaną przesłane w raporcie bieżącym po ich uzyskaniu przez Emitenta .
Tokens: 1________ 2_________ 3 4_____________ 5______ 6____________ 7______ 8________ 9 10______ 11______ 12 13_ 14_______ 15___ 16______ 17

Chunks:
  TruePositive nam [16,16] = Emitenta

2016-10-27 14:59:40,681 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 240 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107607.xml
(ChunkerEvaluator) Sentence #5941 from articles/00107607 from sent1

Text  : Przede wszystkim bezpieczeństwo mieszkańców
Tokens: 1_____ 2________ 3_____________ 4__________

Chunks:

(ChunkerEvaluator) Sentence #5942 from articles/00107607 from sent2

Text  : Trzy osoby zginęły w pożarze w Miskolcu , gdy ogień rozprzestrzenił się po palnej fasadzie budynku ,  a  dym kanałami wentylacyjnymi .
Tokens: 1___ 2____ 3______ 4 5______ 6 7_______ 8 9__ 10___ 11_____________ 12_ 13 14____ 15______ 16_____ 17 18 19_ 20______ 21____________ 22

Chunks:
  FalseNegative nam [7,7] = Miskolcu

(ChunkerEvaluator) Sentence #5943 from articles/00107607 from sent3

Text  : Pożar zdarzył się w wysokim budynku wielorodzinnym na Węgrzech i  objął między innymi ocieplenie ściany zewnętrznej ,  które zapaliło się od ognia wydobywającego się z  kuchni jednego z  mieszkań .
Tokens: 1____ 2______ 3__ 4 5______ 6______ 7_____________ 8_ 9_______ 10 11___ 12____ 13____ 14________ 15____ 16_________ 17 18___ 19______ 20_ 21 22___ 23____________ 24_ 25 26____ 27_____ 28 29______ 30

Chunks:
  TruePositive nam [9,9] = Węgrzech

(ChunkerEvaluator) Sentence #5944 from articles/00107607 from sent4

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #5945 from articles/00107607 from sent5

Text  : Trzy osoby zginęły w pożarze w Miskolcu , gdy ogień rozprzestrzenił się po palnej fasadzie budynku ,  a  dym kanałami wentylacyjnymi .
Tokens: 1___ 2____ 3______ 4 5______ 6 7_______ 8 9__ 10___ 11_____________ 12_ 13 14____ 15______ 16_____ 17 18 19_ 20______ 21____________ 22

Chunks:
  FalseNegative nam [7,7] = Miskolcu

(ChunkerEvaluator) Sentence #5946 from articles/00107607 from sent6

Text  : Pożar zdarzył się w wysokim budynku wielorodzinnym na Węgrzech i  objął między innymi ocieplenie ściany zewnętrznej ,  które zapaliło się od ognia wydobywającego się z  kuchni jednego z  mieszkań .
Tokens: 1____ 2______ 3__ 4 5______ 6______ 7_____________ 8_ 9_______ 10 11___ 12____ 13____ 14________ 15____ 16_________ 17 18___ 19______ 20_ 21 22___ 23____________ 24_ 25 26____ 27_____ 28 29______ 30

Chunks:
  TruePositive nam [9,9] = Węgrzech

(ChunkerEvaluator) Sentence #5947 from articles/00107607 from sent7

Text  : W dzisiejszym pędzie do poprawy właściwości termicznych istniejących budynków wielorodzinnych ,  bardzo często najłatwiejszym i  najszybszym sposobem poprawienia wskaźników energetycznych jest zastosowanie docieplenia ścian zewnętrznych .
Tokens: 1 2__________ 3_____ 4_ 5______ 6__________ 7__________ 8___________ 9_______ 10_____________ 11 12____ 13____ 14____________ 15 16_________ 17______ 18_________ 19________ 20____________ 21__ 22__________ 23_________ 24___ 25__________ 26

Chunks:

(ChunkerEvaluator) Sentence #5948 from articles/00107607 from sent8

Text  : Ten przypadek ilustruje , jak ogień może rozprzestrzeniać się w  budynkach wielopiętrowych .
Tokens: 1__ 2________ 3________ 4 5__ 6____ 7___ 8_______________ 9__ 10 11_______ 12_____________ 13

Chunks:

(ChunkerEvaluator) Sentence #5949 from articles/00107607 from sent9

Text  : Jest jednocześnie przestrogą i przypomnieniem dla właścicieli i zarządców budynków oraz projektantów i  wykonawców ,  jak wielkie znaczenie w  momencie przeprowadzania termomodernizacji budynku ma odpowiedni dobór ,  a  także zapewnienie poprawnej instalacji materiałów .
Tokens: 1___ 2___________ 3_________ 4 5_____________ 6__ 7__________ 8 9________ 10______ 11__ 12__________ 13 14________ 15 16_ 17_____ 18_______ 19 20______ 21_____________ 22_______________ 23_____ 24 25________ 26___ 27 28 29___ 30_________ 31_______ 32________ 33________ 34

Chunks:

(ChunkerEvaluator) Sentence #5950 from articles/00107607 from sent10

Text  : Opis wydarzenia
Tokens: 1___ 2_________

Chunks:

(ChunkerEvaluator) Sentence #5951 from articles/00107607 from sent11

Text  : 15 kwietnia 2009 roku , trzy osoby zginęły w pożarze dziewięciopiętrowego budynku mieszkalnego na ulicy Kozepszer w  miejscowości Miskolc na Węgrzech .
Tokens: 1_ 2_______ 3___ 4___ 5 6___ 7____ 8______ 9 10_____ 11__________________ 12_____ 13__________ 14 15___ 16_______ 17 18__________ 19_____ 20 21______ 22

Chunks:
  TruePositive nam [19,19] = Miskolc
  TruePositive nam [21,21] = Węgrzech
  FalseNegative nam [16,16] = Kozepszer

(ChunkerEvaluator) Sentence #5952 from articles/00107607 from sent12

Text  : Pomimo natychmiastowej reakcji straży pożarnej , dwie osoby zmarły na miejscu ,  a  kolejna w  szpitalu .
Tokens: 1_____ 2______________ 3______ 4_____ 5_______ 6 7___ 8____ 9_____ 10 11_____ 12 13 14_____ 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #5953 from articles/00107607 from sent13

Text  : Ofiary zostały uwięzione na siódmym piętrze płonącego budynku , a  ewakuację utrudnił im -  a  właściwie uniemożliwił -  ogień od strony fasady i  pełne zadymienie klatki schodowej .
Tokens: 1_____ 2______ 3________ 4_ 5______ 6______ 7________ 8______ 9 10 11_______ 12______ 13 14 15 16_______ 17__________ 18 19___ 20 21____ 22____ 23 24___ 25________ 26____ 27_______ 28

Chunks:

(ChunkerEvaluator) Sentence #5954 from articles/00107607 from sent14

Text  : Ich śmierć nastąpiła w wyniku zatrucia się szkodliwymi gazami .
Tokens: 1__ 2_____ 3________ 4 5_____ 6_______ 7__ 8__________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #5955 from articles/00107607 from sent15

Text  : Zgodnie z zeznaniami świadków i nagraniami video , pożar wybuchł w  kuchni jednego z  mieszkań na szóstym piętrze .
Tokens: 1______ 2 3_________ 4_______ 5 6_________ 7____ 8 9____ 10_____ 11 12____ 13_____ 14 15______ 16 17_____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #5956 from articles/00107607 from sent16

Text  : Kiedy lokator zauważył ogień , uciekł z mieszkania pozostawiając otwarte drzwi do kuchni .
Tokens: 1____ 2______ 3_______ 4____ 5 6_____ 7 8_________ 9____________ 10_____ 11___ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #5957 from articles/00107607 from sent17

Text  : Ogień bardzo szybko rozprzestrzenił się po całym mieszkaniu i przedostał się do dalszej części budynku przez kanały wentylacyjne ,  zaś przez otwarte okno w  kuchni zapaliła się fasada budynku .
Tokens: 1____ 2_____ 3_____ 4______________ 5__ 6_ 7____ 8_________ 9 10________ 11_ 12 13_____ 14____ 15_____ 16___ 17____ 18__________ 19 20_ 21___ 22_____ 23__ 24 25____ 26______ 27_ 28____ 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #5958 from articles/00107607 from sent18

Text  : Przed kilku laty była ona ocieplona metodą lekką mokrą ,  na bazie izolacji ze styropianu i  z  wykończeniem bardzo cienką warstwą tynku ,  stanowiącego niewystarczające zabezpieczenie palnej izolacji przed ogniem .
Tokens: 1____ 2____ 3___ 4___ 5__ 6________ 7_____ 8____ 9____ 10 11 12___ 13______ 14 15________ 16 17 18__________ 19____ 20____ 21_____ 22___ 23 24__________ 25______________ 26____________ 27____ 28______ 29___ 30____ 31

Chunks:

(ChunkerEvaluator) Sentence #5959 from articles/00107607 from sent19

Text  : Podczas gdy ogień nie objął innych mieszkań na wyższych kondygnacjach ,  dym wydostający się z  płonącej fasady i  wnętrza mieszkania rozprzestrzenił się szybko po całym budynku .
Tokens: 1______ 2__ 3____ 4__ 5____ 6_____ 7_______ 8_ 9_______ 10___________ 11 12_ 13_________ 14_ 15 16______ 17____ 18 19_____ 20________ 21_____________ 22_ 23____ 24 25___ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #5960 from articles/00107607 from sent20

Text  : Przyczyna pożaru Ściany zewnętrzne budynku zostały docieplone w 2007 roku .
Tokens: 1________ 2_____ 3_____ 4_________ 5______ 6______ 7_________ 8 9___ 10__ 11

Chunks:
  FalsePositive nam [3,3] = Ściany

(ChunkerEvaluator) Sentence #5961 from articles/00107607 from sent21

Text  : Późniejsze badania wykazały , że zastosowano system ocieplenia ETICS *  z  70 mm izolacji wykonanej ze styropianu pokrytego cienką warstwą tynku .
Tokens: 1_________ 2______ 3_______ 4 5_ 6__________ 7_____ 8_________ 9____ 10 11 12 13 14______ 15_______ 16 17________ 18_______ 19____ 20_____ 21___ 22

Chunks:
  FalseNegative nam [9,9] = ETICS

(ChunkerEvaluator) Sentence #5962 from articles/00107607 from sent22

Text  : Dopuszczono się jednak kilku błędów podczas montażu , przeprowadzonego niezgodnie z  wytycznymi producenta .
Tokens: 1__________ 2__ 3_____ 4____ 5_____ 6______ 7______ 8 9_______________ 10________ 11 12________ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #5963 from articles/00107607 from sent23

Text  : Gdyby materiały zostały zainstalowane poprawnie i gdyby zastosowano grubszą warstwę tynku ,  ogień prawdopodobnie nie rozprzestrzenił by się tak szybko na zewnętrznych ścianach budynku .
Tokens: 1____ 2________ 3______ 4____________ 5________ 6 7____ 8__________ 9______ 10_____ 11___ 12 13___ 14____________ 15_ 16_____________ 17 18_ 19_ 20____ 21 22__________ 23______ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #5964 from articles/00107607 from sent24

Text  : Śmierć trzech lokatorów bloku została spowodowana przez rozprzestrzeniający się szkodliwy dym ,  który przedostawał się do ich mieszkania z  płonącej fasady i  palącego się wnętrza mieszkania na szóstym piętrze .
Tokens: 1_____ 2_____ 3________ 4____ 5______ 6__________ 7____ 8__________________ 9__ 10_______ 11_ 12 13___ 14__________ 15_ 16 17_ 18________ 19 20______ 21____ 22 23______ 24_ 25_____ 26________ 27 28_____ 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #5965 from articles/00107607 from sent25

Text  : Dym rozprzestrzeniał się poprzez otwarte okna i niewłaściwie zaprojektowane kanały wentylacyjne ,  w  których brakowało oddzieleń przeciwpożarowych .
Tokens: 1__ 2_______________ 3__ 4______ 5______ 6___ 7 8___________ 9_____________ 10____ 11__________ 12 13 14_____ 15_______ 16_______ 17_______________ 18

Chunks:

(ChunkerEvaluator) Sentence #5966 from articles/00107607 from sent26

Text  : W ten sposób z łatwością przedostał się on do mieszkań na wyższych kondygnacjach .
Tokens: 1 2__ 3_____ 4 5________ 6_________ 7__ 8_ 9_ 10______ 11 12______ 13___________ 14

Chunks:

(ChunkerEvaluator) Sentence #5967 from articles/00107607 from sent27

Text  : Dodatkowym elementem mającym wpływ na szybkie rozprzestrzenianie się pożaru było to ,  że wysoka temperatura zdeformowała plastikowe okna ,  uniemożliwiając ich zamknięcie w  początkowej fazie pożaru .
Tokens: 1_________ 2________ 3______ 4____ 5_ 6______ 7_________________ 8__ 9_____ 10__ 11 12 13 14____ 15_________ 16__________ 17________ 18__ 19 20_____________ 21_ 22________ 23 24_________ 25___ 26____ 27

Chunks:

(ChunkerEvaluator) Sentence #5968 from articles/00107607 from sent28

Text  : Dlatego też mieszkańcy wyższych kondygnacji nie mieli możliwości ochrony przez dymem pochodzącym z  płonącej fasady .
Tokens: 1______ 2__ 3_________ 4_______ 5__________ 6__ 7____ 8_________ 9______ 10___ 11___ 12_________ 13 14______ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #5969 from articles/00107607 from sent29

Text  : Następstwa Raport opracowany po pożarze wykazał wiele poważnych uchybień w  ochronie przeciwpożarowej budynku .
Tokens: 1_________ 2_____ 3_________ 4_ 5______ 6______ 7____ 8________ 9_______ 10 11______ 12______________ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #5970 from articles/00107607 from sent30

Text  : Wypadek pokazał , jak ważną rolę może odgrywać fasada w  sytuacji ,  gdy zostanie wystawiona na bezpośrednie działanie ognia .
Tokens: 1______ 2______ 3 4__ 5____ 6___ 7___ 8_______ 9_____ 10 11______ 12 13_ 14______ 15________ 16 17__________ 18_______ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #5971 from articles/00107607 from sent31

Text  : Uwypuklił również znaczenie poprawności montażu oraz zastosowania odpowiednich jakościowo i  pod względem grubości warstw ochronnych tynku .
Tokens: 1________ 2______ 3________ 4__________ 5______ 6___ 7___________ 8___________ 9_________ 10 11_ 12______ 13______ 14____ 15________ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #5972 from articles/00107607 from sent32

Text  : Brak zabezpieczeń pożarowych kanałów instalacyjnych nie zatrzymał rozprzestrzenienia się dymu i  toksycznych oparów .
Tokens: 1___ 2___________ 3_________ 4______ 5_____________ 6__ 7________ 8_________________ 9__ 10__ 11 12_________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #5973 from articles/00107607 from sent33

Text  : Dym wypełniający klatkę schodową uniemożliwił ewakuację .
Tokens: 1__ 2___________ 3_____ 4_______ 5___________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #5974 from articles/00107607 from sent34

Text  : Dla właścicieli budynków , zarządców i developerów realizujących projekty termomodernizacyjne ,  dobór materiałów podczas realizacji prac budowlanych może nieść ze sobą ryzyko w  zakresie zmiany obciążenia ogniowego .
Tokens: 1__ 2__________ 3_______ 4 5________ 6 7__________ 8____________ 9_______ 10_________________ 11 12___ 13________ 14_____ 15________ 16__ 17_________ 18__ 19___ 20 21__ 22____ 23 24______ 25____ 26________ 27_______ 28

Chunks:

(ChunkerEvaluator) Sentence #5975 from articles/00107607 from sent35

Text  : W przypadku jakichkolwiek wątpliwości , nie obarczone takim ryzykiem jest zastosowanie produktów sklasyfikowanych jako niepalne zgodnie z  wymaganiami prawnymi dot .  materiałów budowlanych lub też skorzystanie z  porady eksperta .
Tokens: 1 2________ 3____________ 4__________ 5 6__ 7________ 8____ 9_______ 10__ 11__________ 12_______ 13______________ 14__ 15______ 16_____ 17 18_________ 19______ 20_ 21 22________ 23_________ 24_ 25_ 26__________ 27 28____ 29______ 30

Chunks:

(ChunkerEvaluator) Sentence #5976 from articles/00107607 from sent36

Text  : Inne doświadczenia i wskazówki W Danii , próby zezwolenia na zastosowanie palnej izolacji do ociepleń ścian zewnętrznych ,  choćby tylko domów jednorodzinnych ,  spotykają się ze zdecydowanym sprzeciwem strażaków .
Tokens: 1___ 2____________ 3 4________ 5 6____ 7 8____ 9_________ 10 11__________ 12____ 13______ 14 15______ 16___ 17__________ 18 19____ 20___ 21___ 22_____________ 23 24_______ 25_ 26 27__________ 28________ 29_______ 30

Chunks:
  TruePositive nam [6,6] = Danii

(ChunkerEvaluator) Sentence #5977 from articles/00107607 from sent37

Text  : Organizacja Brandfolkenes ( Duński Związek Straży Pożarnej ) zwraca przy tym uwagę na znaczenie poprawnego montażu materiałów izolacyjnych .
Tokens: 1__________ 2____________ 3 4_____ 5______ 6_____ 7_______ 8 9_____ 10__ 11_ 12___ 13 14_______ 15________ 16_____ 17________ 18__________ 19

Chunks:
  TruePositive nam [4,7] = Duński Związek Straży Pożarnej
  FalseNegative nam [2,2] = Brandfolkenes

(ChunkerEvaluator) Sentence #5978 from articles/00107607 from sent38

Text  : Tommy Kjaer , vice - przewodniczący organizacji , stwierdził :  „  Tak długo ,  jak wszystko jest wykonywane zgodnie z  wytycznymi i  instrukcjami ,  ryzyko wybuchu pożaru jest oczywiście mniejsze .
Tokens: 1____ 2____ 3 4___ 5 6_____________ 7__________ 8 9_________ 10 11 12_ 13___ 14 15_ 16______ 17__ 18________ 19_____ 20 21________ 22 23__________ 24 25____ 26_____ 27____ 28__ 29________ 30______ 31

Chunks:
  FalseNegative nam [1,2] = Tommy Kjaer

(ChunkerEvaluator) Sentence #5979 from articles/00107607 from sent39

Text  : Jednak naruszona warstwa zewnętrzna , z założenia stanowiąca ochronę palnego rdzenia ,  może nie spełnić swojego zadania ,  umożliwiając rozprzestrzenienie się ognia na pozostałe elementy budynku .
Tokens: 1_____ 2________ 3______ 4_________ 5 6 7________ 8_________ 9______ 10_____ 11_____ 12 13__ 14_ 15_____ 16_____ 17_____ 18 19__________ 20________________ 21_ 22___ 23 24_______ 25______ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #5980 from articles/00107607 from sent40

Text  : W takich sytuacjach , ogień może zostać zaprószony z zewnętrz i  rozprzestrzenić się aż do dachu .
Tokens: 1 2_____ 3_________ 4 5____ 6___ 7_____ 8_________ 9 10______ 11 12_____________ 13_ 14 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #5981 from articles/00107607 from sent41

Text  : To zwiększa niebezpieczeństwo zarówno dla strażaków , jak i dla wszystkich osób przebywających w  budynku .  ”
Tokens: 1_ 2_______ 3________________ 4______ 5__ 6________ 7 8__ 9 10_ 11________ 12__ 13____________ 14 15_____ 16 17

Chunks:

(ChunkerEvaluator) Sentence #5982 from articles/00107607 from sent42

Text  : * ETICS – popularny sposób ocieplania budynków polegający na przyklejeniu do ściany izolacji cieplnej i  wykonaniu na niej warstwy elewacyjnej z  cienkowarstwowego tynku wzmocnionego siatką .
Tokens: 1 2____ 3 4________ 5_____ 6_________ 7_______ 8_________ 9_ 10__________ 11 12____ 13______ 14______ 15 16_______ 17 18__ 19_____ 20_________ 21 22_______________ 23___ 24__________ 25____ 26

Chunks:
  FalseNegative nam [2,2] = ETICS

(ChunkerEvaluator) Sentence #5983 from articles/00107607 from sent43

Text  : Nazwa jest skrótem od ang . External Thermal Insulation Composite Systems (  zewnętrzne zespolone systemy ociepleń )  .
Tokens: 1____ 2___ 3______ 4_ 5__ 6 7_______ 8______ 9_________ 10_______ 11_____ 12 13________ 14_______ 15_____ 16______ 17 18

Chunks:
  TruePositive nam [7,11] = External Thermal Insulation Composite Systems

(ChunkerEvaluator) Sentence #5984 from articles/00107607 from sent44

Text  : W Polsce znana również jako metoda lekka mokra i BSO .
Tokens: 1 2_____ 3____ 4______ 5___ 6_____ 7____ 8____ 9 10_ 11

Chunks:
  TruePositive nam [2,2] = Polsce
  TruePositive nam [10,10] = BSO

(ChunkerEvaluator) Sentence #5985 from articles/00107607 from sent45

Text  : Treść i wnioski zawarte w niniejszym artykule zostały wybrane przez Grupę Rockwool .
Tokens: 1____ 2 3______ 4______ 5 6_________ 7_______ 8______ 9______ 10___ 11___ 12______ 13

Chunks:
  TruePositive nam [11,12] = Grupę Rockwool

(ChunkerEvaluator) Sentence #5986 from articles/00107607 from sent46

Text  : Artykuł jest przeznaczony dla profesjonalistów i tylko do celów informacyjnych .
Tokens: 1______ 2___ 3___________ 4__ 5_______________ 6 7____ 8_ 9____ 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #5987 from articles/00107607 from sent47

Text  : Grupa Rockwool nie ponosi odpowiedzialności za bezpośrednie lub pośrednie straty lub szkody spowodowane przez wykorzystanie tego artykułu lub treści w  nim zawartych .
Tokens: 1____ 2_______ 3__ 4_____ 5________________ 6_ 7___________ 8__ 9________ 10____ 11_ 12____ 13_________ 14___ 15___________ 16__ 17______ 18_ 19____ 20 21_ 22_______ 23

Chunks:
  FalseNegative nam [1,2] = Grupa Rockwool

2016-10-27 14:59:41,065 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 241 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107608.xml
(ChunkerEvaluator) Sentence #5988 from articles/00107608 from sent1

Text  : Pan w tej kolejce nie stał
Tokens: 1__ 2 3__ 4______ 5__ 6___

Chunks:

(ChunkerEvaluator) Sentence #5989 from articles/00107608 from sent2

Text  : Najbardziej poszukiwanym dobrem IPN-u nie są dziś teczki , ale gra planszowa .
Tokens: 1__________ 2___________ 3_____ 4____ 5__ 6_ 7___ 8_____ 9 10_ 11_ 12_______ 13

Chunks:
  TruePositive nam [4,4] = IPN-u

(ChunkerEvaluator) Sentence #5990 from articles/00107608 from sent3

Text  : Na „ Kolejkę ” o ogonkach do sklepów w czasach PRL-u trwają zapisy „  na liście społecznej klientów hurtowych ”  .
Tokens: 1_ 2 3______ 4 5 6_______ 7_ 8______ 9 10_____ 11___ 12____ 13____ 14 15 16____ 17________ 18______ 19_______ 20 21

Chunks:
  TruePositive nam [3,3] = Kolejkę
  TruePositive nam [11,11] = PRL-u

(ChunkerEvaluator) Sentence #5991 from articles/00107608 from sent4

Text  : Trzy edycje - wszystkie z 2011 r . - rozeszły się w  nakładzie 16 tys .  egzemplarzy .
Tokens: 1___ 2_____ 3 4________ 5 6___ 7 8 9 10______ 11_ 12 13_______ 14 15_ 16 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #5992 from articles/00107608 from sent5

Text  : Cena : od 25 do 72 zł .
Tokens: 1___ 2 3_ 4_ 5_ 6_ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #5993 from articles/00107608 from sent6

Text  : Teraz na aukcjach internetowych nie brakuje chętnych do kupna nawet za 110 zł (  z  przesyłką )  .
Tokens: 1____ 2_ 3_______ 4____________ 5__ 6______ 7_______ 8_ 9____ 10___ 11 12_ 13 14 15 16_______ 17 18

Chunks:
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #5994 from articles/00107608 from sent7

Text  : Branża gier przeciera oczy ze zdumienia , bo dotąd żadna nowoczesna gra planszowa nie miała takiej sprzedaży i  natychmiast nie znikała z  półek .
Tokens: 1_____ 2___ 3________ 4___ 5_ 6________ 7 8_ 9____ 10___ 11________ 12_ 13_______ 14_ 15___ 16____ 17_______ 18 19_________ 20_ 21_____ 22 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #5995 from articles/00107608 from sent8

Text  : - To wielki sukces wydawcy - ocenia Jacek Zdybel z  firmy Trefl produkującej gry ,  puzzle i  karty .
Tokens: 1 2_ 3_____ 4_____ 5______ 6 7_____ 8____ 9_____ 10 11___ 12___ 13__________ 14_ 15 16____ 17 18___ 19

Chunks:
  TruePositive nam [8,9] = Jacek Zdybel
  TruePositive nam [12,12] = Trefl

(ChunkerEvaluator) Sentence #5996 from articles/00107608 from sent9

Text  : - Tym większy , że tytuł był nowy i dostępny w  ograniczonej dystrybucji ,  a  nie na przykład w  hipermarketach .
Tokens: 1 2__ 3______ 4 5_ 6____ 7__ 8___ 9 10______ 11 12__________ 13_________ 14 15 16_ 17 18______ 19 20____________ 21

Chunks:

(ChunkerEvaluator) Sentence #5997 from articles/00107608 from sent10

Text  : Z warszawskiej siedziby IPN-u właśnie wyjechała japońska telewizja , która kręciła reportaż o  „  Kolejce ”  .
Tokens: 1 2___________ 3_______ 4____ 5______ 6________ 7_______ 8________ 9 10___ 11_____ 12______ 13 14 15_____ 16 17

Chunks:
  TruePositive nam [4,4] = IPN-u
  TruePositive nam [15,15] = Kolejce

(ChunkerEvaluator) Sentence #5998 from articles/00107608 from sent11

Text  : Pisały już o niej gazety i portale internetowe z całego świata .
Tokens: 1_____ 2__ 3 4___ 5_____ 6 7______ 8__________ 9 10____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #5999 from articles/00107608 from sent12

Text  : - To także spowodowało większe zainteresowanie grą - mówi Karol Madaj ,  autor i  wydawca „  Kolejki ”  z  IPN-u .
Tokens: 1 2_ 3____ 4__________ 5______ 6______________ 7__ 8 9___ 10___ 11___ 12 13___ 14 15_____ 16 17_____ 18 19 20___ 21

Chunks:
  TruePositive nam [10,11] = Karol Madaj
  TruePositive nam [17,17] = Kolejki
  TruePositive nam [20,20] = IPN-u

(ChunkerEvaluator) Sentence #6000 from articles/00107608 from sent13

Text  : Gra przypomina , jak ciężko żyło się w PRL-u .
Tokens: 1__ 2_________ 3 4__ 5_____ 6___ 7__ 8 9____ 10

Chunks:
  TruePositive nam [9,9] = PRL-u

(ChunkerEvaluator) Sentence #6001 from articles/00107608 from sent14

Text  : W „ Kolejce ” wysyłasz złożoną z pionków rodzinę do sklepów ,  aby kupiła produkty z  wylosowanej listy zakupów .
Tokens: 1 2 3______ 4 5_______ 6______ 7 8______ 9______ 10 11_____ 12 13_ 14____ 15______ 16 17_________ 18___ 19_____ 20

Chunks:
  TruePositive nam [3,3] = Kolejce

(ChunkerEvaluator) Sentence #6002 from articles/00107608 from sent15

Text  : W sklepach nie ma jednak towaru i trzeba się ustawić w  kolejce ,  nie wiedząc ,  kiedy i  co zostanie dowiezione .
Tokens: 1 2_______ 3__ 4_ 5_____ 6_____ 7 8_____ 9__ 10_____ 11 12_____ 13 14_ 15_____ 16 17___ 18 19 20______ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #6003 from articles/00107608 from sent16

Text  : Kolejkowicze nie zawsze zachowują się elegancko .
Tokens: 1___________ 2__ 3_____ 4________ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #6004 from articles/00107608 from sent17

Text  : Można wylosować kartę : „ Pan tu nie stał ”  .
Tokens: 1____ 2________ 3____ 4 5 6__ 7_ 8__ 9___ 10 11

Chunks:

(ChunkerEvaluator) Sentence #6005 from articles/00107608 from sent18

Text  : Grozi nam też , że przyjdzie ktoś mający „ kolegę w  komitecie wojewódzkim PZPR "  i  zajmie miejsca na przedzie .
Tokens: 1____ 2__ 3__ 4 5_ 6________ 7___ 8_____ 9 10____ 11 12_______ 13_________ 14__ 15 16 17____ 18_____ 19 20______ 21

Chunks:
  TruePositive nam [14,14] = PZPR

(ChunkerEvaluator) Sentence #6006 from articles/00107608 from sent19

Text  : W grze pojawiają się przedmioty z przeszłości : buty zimowe Relaks ,  woda toaletowa Przemysławka czy herbata Popularna .
Tokens: 1 2___ 3________ 4__ 5_________ 6 7__________ 8 9___ 10____ 11____ 12 13__ 14_______ 15__________ 16_ 17_____ 18_______ 19

Chunks:
  TruePositive nam [11,11] = Relaks
  TruePositive nam [18,18] = Popularna
  FalseNegative nam [15,15] = Przemysławka

(ChunkerEvaluator) Sentence #6007 from articles/00107608 from sent20

Text  : Gracze oceniają , że sukces „ Kolejki ” opiera się na tym ,  że została dobrze opracowana ,  można się nią dobrze bawić i  z  dystansu spojrzeć na absurdy życia w  czasach PRL-u .
Tokens: 1_____ 2_______ 3 4_ 5_____ 6 7______ 8 9_____ 10_ 11 12_ 13 14 15_____ 16____ 17________ 18 19___ 20_ 21_ 22____ 23___ 24 25 26______ 27______ 28 29_____ 30___ 31 32_____ 33___ 34

Chunks:
  TruePositive nam [7,7] = Kolejki
  TruePositive nam [33,33] = PRL-u

(ChunkerEvaluator) Sentence #6008 from articles/00107608 from sent21

Text  : - Myślę , że wydawca wstrzelił się w resentyment do PRL-u .
Tokens: 1 2____ 3 4_ 5______ 6________ 7__ 8 9__________ 10 11___ 12

Chunks:
  TruePositive nam [11,11] = PRL-u

(ChunkerEvaluator) Sentence #6009 from articles/00107608 from sent22

Text  : To nie jest produkt dla dzieci , raczej dla osób starszych i  w  średnim wieku ,  które pamiętają tamte czasy .
Tokens: 1_ 2__ 3___ 4______ 5__ 6_____ 7 8_____ 9__ 10__ 11_______ 12 13 14_____ 15___ 16 17___ 18_______ 19___ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #6010 from articles/00107608 from sent23

Text  : A z roku na rok w tej grupie są coraz lepsze oceny PRL-u -  dodaje Zdybel .
Tokens: 1 2 3___ 4_ 5__ 6 7__ 8_____ 9_ 10___ 11____ 12___ 13___ 14 15____ 16____ 17

Chunks:
  TruePositive nam [13,13] = PRL-u
  FalseNegative nam [16,16] = Zdybel

(ChunkerEvaluator) Sentence #6011 from articles/00107608 from sent24

Text  : - To jest trochę mrugnięcie okiem : zobaczcie , PRL od prześmiewczej strony .
Tokens: 1 2_ 3___ 4_____ 5_________ 6____ 7 8________ 9 10_ 11 12___________ 13____ 14

Chunks:
  TruePositive nam [10,10] = PRL

(ChunkerEvaluator) Sentence #6012 from articles/00107608 from sent25

Text  : Kolejna edycja hitowego wydawnictwa IPN-u ukaże się w maju .
Tokens: 1______ 2_____ 3_______ 4__________ 5____ 6____ 7__ 8 9___ 10

Chunks:
  TruePositive nam [5,5] = IPN-u

(ChunkerEvaluator) Sentence #6013 from articles/00107608 from sent26

Text  : Wpłynęło już zapotrzebowanie na 4 tys . sztuk , a  następne wnioski cały czas są przyjmowane .
Tokens: 1_______ 2__ 3______________ 4_ 5 6__ 7 8____ 9 10 11______ 12_____ 13__ 14__ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #6014 from articles/00107608 from sent27

Text  : - Nowa partia gry zawierać będzie również instrukcję w kilku językach obcych ,  m  .  in .  po japońsku .
Tokens: 1 2___ 3_____ 4__ 5_______ 6_____ 7______ 8_________ 9 10___ 11______ 12____ 13 14 15 16 17 18 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #6015 from articles/00107608 from sent28

Text  : Na naszej stronie internetowej za darmo udostępniamy wersję anglojęzyczną .
Tokens: 1_ 2_____ 3______ 4___________ 5_ 6____ 7___________ 8_____ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #6016 from articles/00107608 from sent29

Text  : Wiem , że niektórzy w USA drukują ją i sprzedają po 75 dol .  -  mówi Madaj .
Tokens: 1___ 2 3_ 4________ 5 6__ 7______ 8_ 9 10_______ 11 12 13_ 14 15 16__ 17___ 18

Chunks:
  TruePositive nam [6,6] = USA
  TruePositive nam [13,13] = dol
  FalseNegative nam [17,17] = Madaj

(ChunkerEvaluator) Sentence #6017 from articles/00107608 from sent30

Text  : Gra wydawana jest w ramach działalności edukacyjnej IPN-u .
Tokens: 1__ 2_______ 3___ 4 5_____ 6___________ 7__________ 8____ 9

Chunks:
  TruePositive nam [8,8] = IPN-u

(ChunkerEvaluator) Sentence #6018 from articles/00107608 from sent31

Text  : Gdy zapytali śmy o sukces finansowy , Instytut odpowiedział ,  że wpływy ze sprzedaży w  zasadzie pokrywają koszty produkcji ,  a  ewentualna niewielka nadwyżka idzie do skarbu państwa .
Tokens: 1__ 2_______ 3__ 4 5_____ 6________ 7 8_______ 9___________ 10 11 12____ 13 14_______ 15 16______ 17_______ 18____ 19_______ 20 21 22________ 23_______ 24______ 25___ 26 27____ 28_____ 29

Chunks:
  FalseNegative nam [8,8] = Instytut

(ChunkerEvaluator) Sentence #6019 from articles/00107608 from sent32

Text  : Na fali popularności „ Kolejki ” IPN właśnie wypuścił dodatek kolekcjonerski -  „  Ogonek ”  -  rozszerzający zabawę .
Tokens: 1_ 2___ 3___________ 4 5______ 6 7__ 8______ 9_______ 10_____ 11____________ 12 13 14____ 15 16 17___________ 18____ 19

Chunks:
  TruePositive nam [5,5] = Kolejki
  TruePositive nam [7,7] = IPN
  TruePositive nam [14,14] = Ogonek

(ChunkerEvaluator) Sentence #6020 from articles/00107608 from sent33

Text  : Pojawi się w nim m . in . „ Świat Młodych ”  .
Tokens: 1_____ 2__ 3 4__ 5 6 7_ 8 9 10___ 11_____ 12 13

Chunks:
  TruePositive nam [10,11] = Świat Młodych

2016-10-27 14:59:41,227 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 242 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107609.xml
(ChunkerEvaluator) Sentence #6021 from articles/00107609 from sent1

Text  : Australian Open - Agnieszka Radwańska zagra o ćwierćfinał
Tokens: 1_________ 2___ 3 4________ 5________ 6____ 7 8__________

Chunks:
  TruePositive nam [1,2] = Australian Open
  TruePositive nam [4,5] = Agnieszka Radwańska

(ChunkerEvaluator) Sentence #6022 from articles/00107609 from sent2

Text  : Agnieszka Radwańska wystąpi w 1 / 8 finału wielkoszlemowego Australian Open na twardych kortach w  Melbourne Park (  z  pulą nagród 26 mln dol .  austral .  )  .
Tokens: 1________ 2________ 3______ 4 5 6 7 8_____ 9_______________ 10________ 11__ 12 13______ 14_____ 15 16_______ 17__ 18 19 20__ 21____ 22 23_ 24_ 25 26_____ 27 28 29

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [10,11] = Australian Open
  TruePositive nam [16,17] = Melbourne Park
  FalsePositive nam [24,24] = dol
  FalseNegative nam [24,27] = dol . austral .

(ChunkerEvaluator) Sentence #6023 from articles/00107609 from sent3

Text  : W piątek polska tenisistka , rozstawiona z numerem ósmym ,  pokonała Galinę Woskobojewą z  Kazachstanu 6  :  2  ,  6  :  2  .
Tokens: 1 2_____ 3_____ 4_________ 5 6__________ 7 8______ 9____ 10 11______ 12____ 13_________ 14 15_________ 16 17 18 19 20 21 22 23

Chunks:
  TruePositive nam [12,13] = Galinę Woskobojewą
  TruePositive nam [15,15] = Kazachstanu

(ChunkerEvaluator) Sentence #6024 from articles/00107609 from sent4

Text  : Pierwsze pięć gemów meczu przyniosło wzajemne wyczuwanie się po obydwu stronach siatki ,  a  tenisistki bez większego trudu utrzymywały w  nich swoje serwisy .
Tokens: 1_______ 2___ 3____ 4____ 5_________ 6_______ 7_________ 8__ 9_ 10____ 11______ 12____ 13 14 15________ 16_ 17_______ 18___ 19_________ 20 21__ 22___ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #6025 from articles/00107609 from sent5

Text  : Bardziej ryzykownie grała Woskobojewa , która chwilami wręcz strzelała po liniach .
Tokens: 1_______ 2_________ 3____ 4__________ 5 6____ 7_______ 8____ 9________ 10 11_____ 12

Chunks:
  FalseNegative nam [4,4] = Woskobojewa

(ChunkerEvaluator) Sentence #6026 from articles/00107609 from sent6

Text  : Natomiast krakowianka starała się ze spokojem rozstrzygać wymiany z kontry i  zmuszać rywalkę do biegania między narożnikami kortu ,  a  także do siatki ,  do zabójczych dropszotów .
Tokens: 1________ 2__________ 3______ 4__ 5_ 6_______ 7__________ 8______ 9 10____ 11 12_____ 13_____ 14 15______ 16____ 17_________ 18___ 19 20 21___ 22 23____ 24 25 26________ 27________ 28

Chunks:
  FalseNegative nam [2,2] = krakowianka

(ChunkerEvaluator) Sentence #6027 from articles/00107609 from sent7

Text  : Zaskakująco łatwo , bez straty punktu , Radwańska zdołała przełamać podanie przeciwniczki w  szóstym gemie i  wyszła na 4  :  2  .
Tokens: 1__________ 2____ 3 4__ 5_____ 6_____ 7 8________ 9______ 10_______ 11_____ 12___________ 13 14_____ 15___ 16 17____ 18 19 20 21 22

Chunks:
  TruePositive nam [8,8] = Radwańska

(ChunkerEvaluator) Sentence #6028 from articles/00107609 from sent8

Text  : Chwilę później sama znalazła się w opałach , bowiem przegrywała przy własnym już 0  -  40 .
Tokens: 1_____ 2______ 3___ 4_______ 5__ 6 7______ 8 9_____ 10_________ 11__ 12_____ 13_ 14 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #6029 from articles/00107609 from sent9

Text  : Obroniła jednak trzy kolejne " brak pointy " i wygrała w  sumie pięć kolejnych piłek ,  podwyższając prowadzenie na 5  :  2  .
Tokens: 1_______ 2_____ 3___ 4______ 5 6___ 7_____ 8 9 10_____ 11 12___ 13__ 14_______ 15___ 16 17__________ 18_________ 19 20 21 22 23

Chunks:

(ChunkerEvaluator) Sentence #6030 from articles/00107609 from sent10

Text  : W następnym gemie Polka wykorzystała już pierwszą piłkę setową przy serwisie rywalki i  zakończyła pierwszą partię po 34 minutach gry .
Tokens: 1 2________ 3____ 4____ 5___________ 6__ 7_______ 8____ 9_____ 10__ 11______ 12_____ 13 14________ 15______ 16____ 17 18 19______ 20_ 21

Chunks:
  TruePositive nam [4,4] = Polka

(ChunkerEvaluator) Sentence #6031 from articles/00107609 from sent11

Text  : Znaczny wpływ na taki rozwój zdarzeń miała pewna i rozważna gra oraz unikanie niepotrzebnego ryzyka .
Tokens: 1______ 2____ 3_ 4___ 5_____ 6______ 7____ 8____ 9 10______ 11_ 12__ 13______ 14____________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #6032 from articles/00107609 from sent12

Text  : Chociaż odnotowała w niej tylko trzy wygrywające uderzenia , przy 11 "  winnerach "  po stronie rywalki ,  to jednak zepsuła tylko pięć piłek (  jedna to podwójny błąd serwisowy )  ,  a  Woskobojewa miała aż 22 niewymuszone błędy .
Tokens: 1______ 2_________ 3 4___ 5____ 6___ 7__________ 8________ 9 10__ 11 12 13_______ 14 15 16_____ 17_____ 18 19 20____ 21_____ 22___ 23__ 24___ 25 26___ 27 28______ 29__ 30_______ 31 32 33 34_________ 35___ 36 37 38__________ 39___ 40

Chunks:
  FalseNegative nam [34,34] = Woskobojewa

(ChunkerEvaluator) Sentence #6033 from articles/00107609 from sent13

Text  : Przewaga krakowianki w punktach wyniosła 32 - 19 .
Tokens: 1_______ 2__________ 3 4_______ 5_______ 6_ 7 8_ 9

Chunks:
  FalseNegative nam [2,2] = krakowianki

(ChunkerEvaluator) Sentence #6034 from articles/00107609 from sent14

Text  : Również początek drugiego seta toczył się zgodnie z regułą własnego podania przez pierwsze pięć gemów .
Tokens: 1______ 2_______ 3_______ 4___ 5_____ 6__ 7______ 8 9_____ 10______ 11_____ 12___ 13______ 14__ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #6035 from articles/00107609 from sent15

Text  : Właściwie scenariusz był kopią pierwszego , bowiem równie tym razem Polka zdobyła "  breaka na 4  :  2  ,  a  chwilę później odskoczyła na 5  :  2  .
Tokens: 1________ 2_________ 3__ 4____ 5_________ 6 7_____ 8_____ 9__ 10___ 11___ 12_____ 13 14____ 15 16 17 18 19 20 21____ 22_____ 23________ 24 25 26 27 28

Chunks:
  TruePositive nam [11,11] = Polka

(ChunkerEvaluator) Sentence #6036 from articles/00107609 from sent16

Text  : W przerwie między gemami polscy kibice i przedstawiciele miejscowej Polonii w  radosnych okrzykach "  sześć dwa ,  sześć dwa "  domagali się właśnie takiego wyniku .
Tokens: 1 2_______ 3_____ 4_____ 5_____ 6_____ 7 8______________ 9_________ 10_____ 11 12_______ 13_______ 14 15___ 16_ 17 18___ 19_ 20 21______ 22_ 23_____ 24_____ 25____ 26

Chunks:
  TruePositive nam [10,10] = Polonii

(ChunkerEvaluator) Sentence #6037 from articles/00107609 from sent17

Text  : Początkowo wydawało się , że zawodniczka z Kazachstanu do tego nie dopuści ,  bowiem prowadziła przy swoim serwisie 30 -  0  i  40 -  30 .
Tokens: 1_________ 2_______ 3__ 4 5_ 6__________ 7 8__________ 9_ 10__ 11_ 12_____ 13 14____ 15________ 16__ 17___ 18______ 19 20 21 22 23 24 25 26

Chunks:
  TruePositive nam [8,8] = Kazachstanu

(ChunkerEvaluator) Sentence #6038 from articles/00107609 from sent18

Text  : Jednak Radwańska doprowadziła do równowagi , a następnie wygrała dwa kolejne punkty ,  wykorzystując pierwszego meczbola po 66 minutach gry ,  gdy piłka uderzona z  forhendu przez rywalkę wylądowała na aucie .
Tokens: 1_____ 2________ 3___________ 4_ 5________ 6 7 8________ 9______ 10_ 11_____ 12____ 13 14___________ 15________ 16______ 17 18 19______ 20_ 21 22_ 23___ 24______ 25 26______ 27___ 28_____ 29________ 30 31___ 32

Chunks:
  TruePositive nam [2,2] = Radwańska

(ChunkerEvaluator) Sentence #6039 from articles/00107609 from sent19

Text  : Polka odnotowała w piątek po dziesięć wygrywających zagrań i niewymuszonych błędów ,  podczas gdy Woskobojewa odpowiednio 21 i  34 .
Tokens: 1____ 2_________ 3 4_____ 5_ 6_______ 7____________ 8_____ 9 10____________ 11____ 12 13_____ 14_ 15_________ 16_________ 17 18 19 20

Chunks:
  TruePositive nam [1,1] = Polka
  TruePositive nam [15,15] = Woskobojewa

(ChunkerEvaluator) Sentence #6040 from articles/00107609 from sent20

Text  : Przewaga w krakowianki w zdobytych punktach wyniosła 59 - 39
Tokens: 1_______ 2 3__________ 4 5________ 6_______ 7_______ 8_ 9 10

Chunks:
  FalseNegative nam [3,3] = krakowianki

(ChunkerEvaluator) Sentence #6041 from articles/00107609 from sent21

Text  : Radwańska przez cały czas starała się zmieniać rytm , a  przede wszystkim grać niskie szybkie piłki ,  uniemożliwiające ataki przeciwniczce .
Tokens: 1________ 2____ 3___ 4___ 5______ 6__ 7_______ 8___ 9 10 11____ 12_______ 13__ 14____ 15_____ 16___ 17 18______________ 19___ 20___________ 21

Chunks:
  FalseNegative nam [1,1] = Radwańska

(ChunkerEvaluator) Sentence #6042 from articles/00107609 from sent22

Text  : Natomiast zawodniczka z Kazachstanu za wszelką cenę starała się unikać dłuższych wymian i  próbowała kończyć je jak najszybciej ,  co często kończyło się zepsutymi piłkami .
Tokens: 1________ 2__________ 3 4__________ 5_ 6______ 7___ 8______ 9__ 10____ 11_______ 12____ 13 14_______ 15_____ 16 17_ 18_________ 19 20 21____ 22______ 23_ 24_______ 25_____ 26

Chunks:
  TruePositive nam [4,4] = Kazachstanu

(ChunkerEvaluator) Sentence #6043 from articles/00107609 from sent23

Text  : Nie radziła sobie też ze skutecznymi dropszotami Agnieszki , do których albo nie dochodziła ,  albo po nich była niemal zupełnie bezradna przy siatce .
Tokens: 1__ 2______ 3____ 4__ 5_ 6__________ 7__________ 8________ 9 10 11_____ 12__ 13_ 14________ 15 16__ 17 18__ 19__ 20____ 21______ 22______ 23__ 24____ 25

Chunks:
  TruePositive nam [8,8] = Agnieszki

(ChunkerEvaluator) Sentence #6044 from articles/00107609 from sent24

Text  : Zawodniczki te zmierzyły się na Margaret Court Arena , trzecim największym stadionie w  Melbourne Park .
Tokens: 1__________ 2_ 3________ 4__ 5_ 6_______ 7____ 8____ 9 10_____ 11_________ 12_______ 13 14_______ 15__ 16

Chunks:
  TruePositive nam [6,8] = Margaret Court Arena
  TruePositive nam [14,15] = Melbourne Park

(ChunkerEvaluator) Sentence #6045 from articles/00107609 from sent25

Text  : Polka ostatni sezon zakończyła na ósmym miejscu w rankingu WTA Tour ,  najwyższym w  karierze .
Tokens: 1____ 2______ 3____ 4_________ 5_ 6____ 7______ 8 9_______ 10_ 11__ 12 13________ 14 15______ 16

Chunks:
  TruePositive nam [10,11] = WTA Tour
  FalseNegative nam [1,1] = Polka

(ChunkerEvaluator) Sentence #6046 from articles/00107609 from sent26

Text  : Natomiast starsza o pięć lat Woskobojewa jest obecnie 57 .  na świecie .
Tokens: 1________ 2______ 3 4___ 5__ 6__________ 7___ 8______ 9_ 10 11 12_____ 13

Chunks:
  FalseNegative nam [6,6] = Woskobojewa

(ChunkerEvaluator) Sentence #6047 from articles/00107609 from sent27

Text  : Dotychczas spotkały się tylko raz , w 2007 roku w  turnieju ITF we włoskiej Bielli .
Tokens: 1_________ 2_______ 3__ 4____ 5__ 6 7 8___ 9___ 10 11______ 12_ 13 14______ 15____ 16

Chunks:
  TruePositive nam [12,12] = ITF
  FalseNegative nam [15,15] = Bielli

(ChunkerEvaluator) Sentence #6048 from articles/00107609 from sent28

Text  : Wówczas na korcie ziemnym lepsza okazała się krakowianka 6 :  4  ,  6  :  1  .
Tokens: 1______ 2_ 3_____ 4______ 5_____ 6______ 7__ 8__________ 9 10 11 12 13 14 15 16

Chunks:
  FalseNegative nam [8,8] = krakowianka

(ChunkerEvaluator) Sentence #6049 from articles/00107609 from sent29

Text  : Awans do 1 / 8 finału w Australian Open dał jej premię w  wysokości 109 500 tysięcy dolarów australijskich .
Tokens: 1____ 2_ 3 4 5 6_____ 7 8_________ 9___ 10_ 11_ 12____ 13 14_______ 15_ 16_ 17_____ 18_____ 19____________ 20

Chunks:
  TruePositive nam [8,9] = Australian Open
  FalsePositive nam [18,19] = dolarów australijskich
  FalseNegative nam [18,18] = dolarów

(ChunkerEvaluator) Sentence #6050 from articles/00107609 from sent30

Text  : Polka jest już tylko o jeden mecz od powtórzenia ubiegłorocznego wyniku i  obrony 500 punktów za ćwierćfinał (  doszła do tej fazy również w  2008 r  .  )  .
Tokens: 1____ 2___ 3__ 4____ 5 6____ 7___ 8_ 9__________ 10_____________ 11____ 12 13____ 14_ 15_____ 16 17_________ 18 19____ 20 21_ 22__ 23_____ 24 25__ 26 27 28 29

Chunks:
  TruePositive nam [1,1] = Polka

(ChunkerEvaluator) Sentence #6051 from articles/00107609 from sent31

Text  : Musi tylko wygrać w niedzielę z Niemką Julią Goerges (  nr 22 .  )  .
Tokens: 1___ 2____ 3_____ 4 5________ 6 7_____ 8____ 9______ 10 11 12 13 14 15

Chunks:
  FalsePositive nam [7,9] = Niemką Julią Goerges
  FalseNegative nam [7,7] = Niemką
  FalseNegative nam [8,9] = Julią Goerges

(ChunkerEvaluator) Sentence #6052 from articles/00107609 from sent32

Text  : Będzie to ich pierwsze spotkanie .
Tokens: 1_____ 2_ 3__ 4_______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #6053 from articles/00107609 from sent33

Text  : Radwańska startuje w Melbourne również w grze podwójnej , w  parze ze Słowaczką Danielą Hantuchovą .
Tokens: 1________ 2_______ 3 4________ 5______ 6 7___ 8________ 9 10 11___ 12 13_______ 14_____ 15________ 16

Chunks:
  TruePositive nam [4,4] = Melbourne
  FalsePositive nam [13,15] = Słowaczką Danielą Hantuchovą
  FalseNegative nam [1,1] = Radwańska
  FalseNegative nam [13,13] = Słowaczką
  FalseNegative nam [14,15] = Danielą Hantuchovą

(ChunkerEvaluator) Sentence #6054 from articles/00107609 from sent34

Text  : Duet rozstawiony z numerem ósmym zmierzy się w sobotę w  drugiej rundzie z  Austriaczką Tamirą Paszek i  Niemką Jasmin Woehr .
Tokens: 1___ 2__________ 3 4______ 5____ 6______ 7__ 8 9_____ 10 11_____ 12_____ 13 14_________ 15____ 16____ 17 18____ 19____ 20___ 21

Chunks:
  FalsePositive nam [14,16] = Austriaczką Tamirą Paszek
  FalsePositive nam [18,20] = Niemką Jasmin Woehr
  FalseNegative nam [14,14] = Austriaczką
  FalseNegative nam [15,16] = Tamirą Paszek
  FalseNegative nam [18,18] = Niemką
  FalseNegative nam [19,20] = Jasmin Woehr

2016-10-27 14:59:41,422 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 243 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107610.xml
(ChunkerEvaluator) Sentence #6055 from articles/00107610 from sent1

Text  : Krzemowa dolina wśród mazurskich jezior ?
Tokens: 1_______ 2_____ 3____ 4_________ 5_____ 6

Chunks:
  FalseNegative nam [1,2] = Krzemowa dolina

(ChunkerEvaluator) Sentence #6056 from articles/00107610 from sent2

Text  : To możliwe
Tokens: 1_ 2______

Chunks:

(ChunkerEvaluator) Sentence #6057 from articles/00107610 from sent3

Text  : Twórcy pierwszego polskiego procesora komputerowego chcieli by , aby w  okolicach Pisza powstała polska dolina programistów ,  podobna do tej ,  która jest w  Stanach Zjednoczonych -  podało Radio Olsztyn .
Tokens: 1_____ 2_________ 3________ 4________ 5____________ 6______ 7_ 8 9__ 10 11_______ 12___ 13______ 14____ 15____ 16__________ 17 18_____ 19 20_ 21 22___ 23__ 24 25_____ 26___________ 27 28____ 29___ 30_____ 31

Chunks:
  TruePositive nam [12,12] = Pisza
  TruePositive nam [25,26] = Stanach Zjednoczonych
  TruePositive nam [29,30] = Radio Olsztyn

(ChunkerEvaluator) Sentence #6058 from articles/00107610 from sent4

Text  : Pomysł może liczyć na poparcie Waldemara Pawlaka , wicepremiera i  ministra gospodarki ,  który uważa ,  że centra najnowszych technologii powinny powstawać z  dala od wielkich miast .
Tokens: 1_____ 2___ 3_____ 4_ 5_______ 6________ 7______ 8 9___________ 10 11______ 12________ 13 14___ 15___ 16 17 18____ 19_________ 20_________ 21_____ 22_______ 23 24__ 25 26______ 27___ 28

Chunks:
  TruePositive nam [6,7] = Waldemara Pawlaka

(ChunkerEvaluator) Sentence #6059 from articles/00107610 from sent5

Text  : Samorządowcy z Mazur mają nadzieję , że przedsięwzięcia tego typu ożywią gospodarkę regionu .
Tokens: 1___________ 2 3____ 4___ 5_______ 6 7_ 8______________ 9___ 10__ 11____ 12________ 13_____ 14

Chunks:
  TruePositive nam [3,3] = Mazur

(ChunkerEvaluator) Sentence #6060 from articles/00107610 from sent6

Text  : Pierwszy polski procesor nazywa się „ Warszawa ” i skonstruowano go w  czteroosobowej firmie GryfTechnologia z  Pisza .
Tokens: 1_______ 2_____ 3_______ 4_____ 5__ 6 7_______ 8 9 10___________ 11 12 13____________ 14____ 15_____________ 16 17___ 18

Chunks:
  TruePositive nam [7,7] = Warszawa
  TruePositive nam [17,17] = Pisza
  FalseNegative nam [15,15] = GryfTechnologia

(ChunkerEvaluator) Sentence #6061 from articles/00107610 from sent7

Text  : - To efekt rocznej pracy kilkuosobowego zespołu , układ powstał bez żadnego wsparcia ze strony instytucji ,  wyłącznie jako prywatna inicjatywa -  podkreślał Marcin Kwiatkowski ,  prezes firmy .
Tokens: 1 2_ 3____ 4______ 5____ 6_____________ 7______ 8 9____ 10_____ 11_ 12_____ 13______ 14 15____ 16________ 17 18_______ 19__ 20______ 21________ 22 23________ 24____ 25_________ 26 27____ 28___ 29

Chunks:
  TruePositive nam [24,25] = Marcin Kwiatkowski

(ChunkerEvaluator) Sentence #6062 from articles/00107610 from sent8

Text  : - To , że zrobili śmy ten procesor , być może będzie początkiem w  Polsce nowej dziedziny gospodarki .
Tokens: 1 2_ 3 4_ 5______ 6__ 7__ 8_______ 9 10_ 11__ 12____ 13________ 14 15____ 16___ 17_______ 18________ 19

Chunks:
  TruePositive nam [15,15] = Polsce

(ChunkerEvaluator) Sentence #6063 from articles/00107610 from sent9

Text  : Mamy nadzieję , że docelowo cały proces produkcji będzie się odbywał w  Polsce ,  bo teraz projekt jest wysyłany do zagranicznej fabryki ,  która fizycznie go wykonuje -  podkreślał .
Tokens: 1___ 2_______ 3 4_ 5_______ 6___ 7_____ 8________ 9_____ 10_ 11_____ 12 13____ 14 15 16___ 17_____ 18__ 19______ 20 21__________ 22_____ 23 24___ 25_______ 26 27______ 28 29________ 30

Chunks:
  TruePositive nam [13,13] = Polsce

(ChunkerEvaluator) Sentence #6064 from articles/00107610 from sent10

Text  : Innowacyjny produkt zyskał uznanie wicepremiera .
Tokens: 1__________ 2______ 3_____ 4______ 5___________ 6

Chunks:

2016-10-27 14:59:41,478 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 244 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107611.xml
(ChunkerEvaluator) Sentence #6065 from articles/00107611 from sent1

Text  : Liga Europejska .
Tokens: 1___ 2_________ 3

Chunks:
  TruePositive nam [1,2] = Liga Europejska

(ChunkerEvaluator) Sentence #6066 from articles/00107611 from sent2

Text  : Ligowy remis Sportingu Lizbona
Tokens: 1_____ 2____ 3________ 4______

Chunks:
  TruePositive nam [3,4] = Sportingu Lizbona

(ChunkerEvaluator) Sentence #6067 from articles/00107611 from sent3

Text  : Sporting Lizbona - rywal Legii Warszawa w 1 / 16 finału piłkarskiej Ligi Europejskiej -  zremisował na wyjeździe z  Olhanense 0  :  0  w  poniedziałkowym meczu 16 .  kolejki ekstraklasy Portugalii .
Tokens: 1_______ 2______ 3 4____ 5____ 6_______ 7 8 9 10 11____ 12_________ 13__ 14__________ 15 16________ 17 18_______ 19 20_______ 21 22 23 24 25_____________ 26___ 27 28 29_____ 30_________ 31________ 32

Chunks:
  TruePositive nam [13,14] = Ligi Europejskiej
  TruePositive nam [20,20] = Olhanense
  TruePositive nam [31,31] = Portugalii
  FalsePositive nam [2,2] = Lizbona
  FalsePositive nam [6,6] = Warszawa
  FalseNegative nam [1,2] = Sporting Lizbona
  FalseNegative nam [5,6] = Legii Warszawa

(ChunkerEvaluator) Sentence #6068 from articles/00107611 from sent4

Text  : W tabeli drużyna ze stolicy zajmuje czwarte miejsce ( 29 punktów )  .
Tokens: 1 2_____ 3______ 4_ 5______ 6______ 7______ 8______ 9 10 11_____ 12 13

Chunks:

(ChunkerEvaluator) Sentence #6069 from articles/00107611 from sent5

Text  : Skład Sportingu Lizbona : Rui Patricio - Oguchi Onyewu ,  Anderson Polga ,  Emiliano Insua ,  Joao Pereira -  Diego Capel ,  Daniel Carrico ,  Renato Neto (  65 -  Andre Marins )  ,  Matias Fernandez (  76 -  Andre Santos )  ,  Andre Carrillo -  Jeffren Suarez (  65 -  Diego Rubio )  .
Tokens: 1____ 2________ 3______ 4 5__ 6_______ 7 8_____ 9_____ 10 11______ 12___ 13 14______ 15___ 16 17__ 18_____ 19 20___ 21___ 22 23____ 24_____ 25 26____ 27__ 28 29 30 31___ 32____ 33 34 35____ 36_______ 37 38 39 40___ 41____ 42 43 44___ 45______ 46 47_____ 48____ 49 50 51 52___ 53___ 54 55

Chunks:
  TruePositive nam [5,6] = Rui Patricio
  TruePositive nam [11,12] = Anderson Polga
  TruePositive nam [14,15] = Emiliano Insua
  TruePositive nam [17,18] = Joao Pereira
  TruePositive nam [20,21] = Diego Capel
  TruePositive nam [23,24] = Daniel Carrico
  TruePositive nam [26,27] = Renato Neto
  TruePositive nam [31,32] = Andre Marins
  TruePositive nam [35,36] = Matias Fernandez
  TruePositive nam [40,41] = Andre Santos
  TruePositive nam [52,53] = Diego Rubio
  FalsePositive nam [1,3] = Skład Sportingu Lizbona
  FalsePositive nam [44,48] = Andre Carrillo - Jeffren Suarez
  FalseNegative nam [2,3] = Sportingu Lizbona
  FalseNegative nam [8,9] = Oguchi Onyewu
  FalseNegative nam [44,45] = Andre Carrillo
  FalseNegative nam [47,48] = Jeffren Suarez

(ChunkerEvaluator) Sentence #6070 from articles/00107611 from sent6

Text  : W tym roku piłkarze Sportingu nie wygrali żadnego z sześciu meczów -  w  ekstraklasie ,  Pucharze Portugalii i  Pucharze Ligi .
Tokens: 1 2__ 3___ 4_______ 5________ 6__ 7______ 8______ 9 10_____ 11____ 12 13 14__________ 15 16______ 17________ 18 19______ 20__ 21

Chunks:
  TruePositive nam [5,5] = Sportingu
  TruePositive nam [16,17] = Pucharze Portugalii
  TruePositive nam [19,20] = Pucharze Ligi

(ChunkerEvaluator) Sentence #6071 from articles/00107611 from sent7

Text  : Spotkania Legii ze Sportingiem w Lidze Europejskiej odbędą się 16 i  23 lutego ;  pierwsze w  Warszawie .
Tokens: 1________ 2____ 3_ 4__________ 5 6____ 7___________ 8_____ 9__ 10 11 12 13____ 14 15______ 16 17_______ 18

Chunks:
  TruePositive nam [2,2] = Legii
  TruePositive nam [4,4] = Sportingiem
  TruePositive nam [6,7] = Lidze Europejskiej
  TruePositive nam [17,17] = Warszawie

2016-10-27 14:59:41,519 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 245 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107612.xml
(ChunkerEvaluator) Sentence #6072 from articles/00107612 from sent1

Text  : Jak nie przynudzać o Kościele ?
Tokens: 1__ 2__ 3_________ 4 5_______ 6

Chunks:
  FalseNegative nam [5,5] = Kościele

(ChunkerEvaluator) Sentence #6073 from articles/00107612 from sent2

Text  : - to tytuł wykładu , który odbędzie się w czwartek o  godz .  16 .  30 w  nowej auli Wyższej Szkoły Bankowej przy ul .  Powstańców Wielkopolskich w  Poznaniu .
Tokens: 1 2_ 3____ 4______ 5 6____ 7_______ 8__ 9 10______ 11 12__ 13 14 15 16 17 18___ 19__ 20_____ 21____ 22______ 23__ 24 25 26________ 27____________ 28 29______ 30

Chunks:
  TruePositive nam [20,22] = Wyższej Szkoły Bankowej
  TruePositive nam [26,27] = Powstańców Wielkopolskich
  TruePositive nam [29,29] = Poznaniu

(ChunkerEvaluator) Sentence #6074 from articles/00107612 from sent3

Text  : Impreza odbywa się w ramach Uniwersytetu Każdego Wieku .
Tokens: 1______ 2_____ 3__ 4 5_____ 6___________ 7______ 8____ 9

Chunks:
  TruePositive nam [6,8] = Uniwersytetu Każdego Wieku

(ChunkerEvaluator) Sentence #6075 from articles/00107612 from sent4

Text  : Spotkanie poprowadzi dominikanin o . Roman Bielecki redaktor naczelny miesięcznika „  W  drodze ”  .
Tokens: 1________ 2_________ 3__________ 4 5 6____ 7_______ 8_______ 9_______ 10__________ 11 12 13____ 14 15

Chunks:
  TruePositive nam [6,7] = Roman Bielecki
  FalseNegative nam [12,13] = W drodze

2016-10-27 14:59:41,539 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 246 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107613.xml
(ChunkerEvaluator) Sentence #6076 from articles/00107613 from sent1

Text  : Zepsute światła , połamane znaki .
Tokens: 1______ 2______ 3 4_______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #6077 from articles/00107613 from sent2

Text  : Prawie 30 tysięcy razy
Tokens: 1_____ 2_ 3______ 4___

Chunks:

(ChunkerEvaluator) Sentence #6078 from articles/00107613 from sent3

Text  : Blisko 30 tys . zgłoszeń odebrało w 2011 r .  pogotowie drogowe Zarządu Dróg Miejskich .
Tokens: 1_____ 2_ 3__ 4 5_______ 6_______ 7 8___ 9 10 11_______ 12_____ 13_____ 14__ 15_______ 16

Chunks:
  TruePositive nam [13,15] = Zarządu Dróg Miejskich

(ChunkerEvaluator) Sentence #6079 from articles/00107613 from sent4

Text  : Awarie zgłaszali mieszkańcy , ale też . . . szefowa ZDMu .
Tokens: 1_____ 2________ 3_________ 4 5__ 6__ 7 8 9 10_____ 11__ 12

Chunks:
  TruePositive nam [11,11] = ZDMu

(ChunkerEvaluator) Sentence #6080 from articles/00107613 from sent5

Text  : Pogotowie drogowe ZDM w 2011 r . odnotowało 28843 zgłoszeń .
Tokens: 1________ 2______ 3__ 4 5___ 6 7 8_________ 9____ 10______ 11

Chunks:
  FalseNegative nam [3,3] = ZDM

(ChunkerEvaluator) Sentence #6081 from articles/00107613 from sent6

Text  : Średnio wychodzi po kilkadziesiąt dziennie .
Tokens: 1______ 2_______ 3_ 4____________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6082 from articles/00107613 from sent7

Text  : Najwięcej roboty mieli konserwatorzy oświetlenia .
Tokens: 1________ 2_____ 3____ 4____________ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #6083 from articles/00107613 from sent8

Text  : Ponad połowa zgłoszeń związana była z naprawą oświetlenia ulic (  trzeba je było naprawiać prawie 9  tys .  razy )  i  zepsutej sygnalizacji świetlnej (  6  tys .  zgłoszeń )  .
Tokens: 1____ 2_____ 3_______ 4_______ 5___ 6 7______ 8__________ 9___ 10 11____ 12 13__ 14_______ 15____ 16 17_ 18 19__ 20 21 22______ 23__________ 24_______ 25 26 27_ 28 29______ 30 31

Chunks:

(ChunkerEvaluator) Sentence #6084 from articles/00107613 from sent9

Text  : Drogowcy też mieli sporo pracy : aż 3 , 5  tys .  zgłaszano kłopoty ze znakami drogowymi .
Tokens: 1_______ 2__ 3____ 4____ 5____ 6 7_ 8 9 10 11_ 12 13_______ 14_____ 15 16_____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #6085 from articles/00107613 from sent10

Text  : Pogotowie Drogowe interweniowało na zalanych ulicach .
Tokens: 1________ 2______ 3_____________ 4_ 5_______ 6______ 7

Chunks:
  TruePositive nam [1,2] = Pogotowie Drogowe

(ChunkerEvaluator) Sentence #6086 from articles/00107613 from sent11

Text  : 588 razy trzeba było zabezpieczać ukradzione lub zepsute studzienki .
Tokens: 1__ 2___ 3_____ 4___ 5___________ 6_________ 7__ 8______ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #6087 from articles/00107613 from sent12

Text  : Jedna osoba poinformowała o przejeździe pojazdu ponadnormatywnego .
Tokens: 1____ 2____ 3____________ 4 5__________ 6______ 7________________ 8

Chunks:

(ChunkerEvaluator) Sentence #6088 from articles/00107613 from sent13

Text  : Większość meldunków to efekt telefonów od mieszkańców miasta .
Tokens: 1________ 2________ 3_ 4____ 5________ 6_ 7__________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #6089 from articles/00107613 from sent14

Text  : Zgłosili prawie 10 tys . spraw .
Tokens: 1_______ 2_____ 3_ 4__ 5 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #6090 from articles/00107613 from sent15

Text  : Z telefonu korzystało też Centrum Zarządzania Kryzysowego ( 5 tys .  razy )  i  straż miejska (  2  tys .  )  .
Tokens: 1 2_______ 3_________ 4__ 5______ 6__________ 7__________ 8 9 10_ 11 12__ 13 14 15___ 16_____ 17 18 19_ 20 21 22

Chunks:
  TruePositive nam [5,7] = Centrum Zarządzania Kryzysowego

(ChunkerEvaluator) Sentence #6091 from articles/00107613 from sent16

Text  : Sami pracownicy Pogotowia Drogowego , w ramach kontroli pasa drogi ,  zgłosili 7283 usterki .
Tokens: 1___ 2_________ 3________ 4________ 5 6 7_____ 8_______ 9___ 10___ 11 12______ 13__ 14_____ 15

Chunks:
  TruePositive nam [3,4] = Pogotowia Drogowego

(ChunkerEvaluator) Sentence #6092 from articles/00107613 from sent17

Text  : Do zgłaszania awarii są zobowiązani również wszyscy pracownicy ZDM .
Tokens: 1_ 2_________ 3_____ 4_ 5__________ 6______ 7______ 8_________ 9__ 10

Chunks:
  FalseNegative nam [9,9] = ZDM

(ChunkerEvaluator) Sentence #6093 from articles/00107613 from sent18

Text  : Szefowa Zarządu , Grażyna Lendzion dzwoniła na Pogotowie Drogowe 116 razy ,  dużo skromniejszy wynik uzyskał rzecznik prasowy -  21 .
Tokens: 1______ 2______ 3 4______ 5_______ 6_______ 7_ 8________ 9______ 10_ 11__ 12 13__ 14__________ 15___ 16_____ 17______ 18_____ 19 20 21

Chunks:
  TruePositive nam [4,5] = Grażyna Lendzion
  TruePositive nam [8,9] = Pogotowie Drogowe

(ChunkerEvaluator) Sentence #6094 from articles/00107613 from sent19

Text  : Pogotowie Drogowe pracuje 24 godziny na dobę .
Tokens: 1________ 2______ 3______ 4_ 5______ 6_ 7___ 8

Chunks:
  TruePositive nam [1,2] = Pogotowie Drogowe

(ChunkerEvaluator) Sentence #6095 from articles/00107613 from sent20

Text  : Widzisz awarię ?
Tokens: 1______ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #6096 from articles/00107613 from sent21

Text  : Zadzwoń na numer 22 19 633 .
Tokens: 1______ 2_ 3____ 4_ 5_ 6__ 7

Chunks:
  FalseNegative nam [4,6] = 22 19 633

2016-10-27 14:59:41,611 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 247 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107614.xml
(ChunkerEvaluator) Sentence #6097 from articles/00107614 from sent1

Text  : Natasza Urbańska i Janusz Józefowicz w Atlas Arenie
Tokens: 1______ 2_______ 3 4_____ 5_________ 6 7____ 8_____

Chunks:
  TruePositive nam [1,2] = Natasza Urbańska
  TruePositive nam [4,5] = Janusz Józefowicz
  TruePositive nam [7,8] = Atlas Arenie

(ChunkerEvaluator) Sentence #6098 from articles/00107614 from sent2

Text  : Fani „ Tańca z gwiazdami ” i pary Urbańska -  Józefowicz nie mogą tego przegapić .
Tokens: 1___ 2 3____ 4 5________ 6 7 8___ 9_______ 10 11________ 12_ 13__ 14__ 15_______ 16

Chunks:
  FalsePositive nam [9,11] = Urbańska - Józefowicz
  FalseNegative nam [3,5] = Tańca z gwiazdami
  FalseNegative nam [9,9] = Urbańska
  FalseNegative nam [11,11] = Józefowicz

(ChunkerEvaluator) Sentence #6099 from articles/00107614 from sent3

Text  : W sobotę , 28 stycznia o godz . 18 .  30 w  Atlas Arenie (  al .  Bandurskiego 7  )  wystąpi teatr Studio Buffo .
Tokens: 1 2_____ 3 4_ 5_______ 6 7___ 8 9_ 10 11 12 13___ 14____ 15 16 17 18__________ 19 20 21_____ 22___ 23____ 24___ 25

Chunks:
  TruePositive nam [13,14] = Atlas Arenie
  TruePositive nam [18,18] = Bandurskiego
  TruePositive nam [23,24] = Studio Buffo

(ChunkerEvaluator) Sentence #6100 from articles/00107614 from sent4

Text  : Podczas „ Wieczoru Bałkańskiego ” będzie można usłyszeć utwory m  .  in .  Gorana Bregovića ,  Dana Balana ,  Manosa Hadjidakisa czy Mikisa Theodorakisa .
Tokens: 1______ 2 3_______ 4___________ 5 6_____ 7____ 8_______ 9_____ 10 11 12 13 14____ 15_______ 16 17__ 18____ 19 20____ 21_________ 22_ 23____ 24__________ 25

Chunks:
  TruePositive nam [3,4] = Wieczoru Bałkańskiego
  TruePositive nam [14,15] = Gorana Bregovića
  TruePositive nam [17,18] = Dana Balana
  TruePositive nam [20,21] = Manosa Hadjidakisa
  TruePositive nam [23,24] = Mikisa Theodorakisa

(ChunkerEvaluator) Sentence #6101 from articles/00107614 from sent5

Text  : Za scenografię , choreografię i reżyserię jest odpowiedzialny Janusz Józefowicz -  choreograf i  dyrektor artystyczny Studia Buffo ,  znany szerszej publiczności także jako juror w  programie „  Taniec z  gwiazdami ”  .
Tokens: 1_ 2__________ 3 4___________ 5 6________ 7___ 8_____________ 9_____ 10________ 11 12________ 13 14______ 15_________ 16____ 17___ 18 19___ 20______ 21__________ 22___ 23__ 24___ 25 26_______ 27 28____ 29 30_______ 31 32

Chunks:
  TruePositive nam [9,10] = Janusz Józefowicz
  TruePositive nam [16,17] = Studia Buffo
  FalsePositive nam [28,28] = Taniec
  FalseNegative nam [28,30] = Taniec z gwiazdami

(ChunkerEvaluator) Sentence #6102 from articles/00107614 from sent6

Text  : Kierownikiem muzycznym jest Janusz Stokłosa , kompozytor muzyki do wielu filmów i  spektakli teatralnych .
Tokens: 1___________ 2________ 3___ 4_____ 5_______ 6 7_________ 8_____ 9_ 10___ 11____ 12 13_______ 14_________ 15

Chunks:
  TruePositive nam [4,5] = Janusz Stokłosa

(ChunkerEvaluator) Sentence #6103 from articles/00107614 from sent7

Text  : W widowisku wystąpi Natasza Urbańska .
Tokens: 1 2________ 3______ 4______ 5_______ 6

Chunks:
  TruePositive nam [4,5] = Natasza Urbańska

(ChunkerEvaluator) Sentence #6104 from articles/00107614 from sent8

Text  : Popularność przyniosły jej występy w spektaklach Janusza Józefowicza , udział w  „  Tańcu z  gwiazdami ”  ,  a  później prowadzenie tego show oraz rola w  superprodukcji „  1920 Bitwa Warszawska ”  w  reżyserii Jerzego Hoffmana .
Tokens: 1__________ 2_________ 3__ 4______ 5 6__________ 7______ 8__________ 9 10____ 11 12 13___ 14 15_______ 16 17 18 19_____ 20_________ 21__ 22__ 23__ 24__ 25 26____________ 27 28__ 29___ 30________ 31 32 33_______ 34_____ 35______ 36

Chunks:
  TruePositive nam [7,8] = Janusza Józefowicza
  TruePositive nam [34,35] = Jerzego Hoffmana
  FalsePositive nam [29,30] = Bitwa Warszawska
  FalseNegative nam [13,15] = Tańcu z gwiazdami
  FalseNegative nam [28,30] = 1920 Bitwa Warszawska

2016-10-27 14:59:41,659 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 248 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107616.xml
(ChunkerEvaluator) Sentence #6105 from articles/00107616 from sent1

Text  : Australian Open - Djokovic lepszy od Nadala w finale
Tokens: 1_________ 2___ 3 4_______ 5_____ 6_ 7_____ 8 9_____

Chunks:
  TruePositive nam [1,2] = Australian Open
  FalseNegative nam [4,4] = Djokovic
  FalseNegative nam [7,7] = Nadala

(ChunkerEvaluator) Sentence #6106 from articles/00107616 from sent2

Text  : Lider rankingu tenisistów Serb Novak Djokovic po raz drugi z  rzędu wygrał wielkoszlemowy Australian Open na twardych kortach w  Melbourne Park (  z  pulą nagród 26 mln dol .  austral .  )  .
Tokens: 1____ 2_______ 3_________ 4___ 5____ 6_______ 7_ 8__ 9____ 10 11___ 12____ 13____________ 14________ 15__ 16 17______ 18_____ 19 20_______ 21__ 22 23 24__ 25____ 26 27_ 28_ 29 30_____ 31 32 33

Chunks:
  TruePositive nam [14,15] = Australian Open
  TruePositive nam [20,21] = Melbourne Park
  TruePositive nam [28,28] = dol
  FalsePositive nam [4,6] = Serb Novak Djokovic
  FalseNegative nam [4,4] = Serb
  FalseNegative nam [5,6] = Novak Djokovic

(ChunkerEvaluator) Sentence #6107 from articles/00107616 from sent3

Text  : W finale pokonał Hiszpana Rafaela Nadala ( nr 2 .  )
Tokens: 1 2_____ 3______ 4_______ 5______ 6_____ 7 8_ 9 10 11

Chunks:
  FalsePositive nam [4,6] = Hiszpana Rafaela Nadala
  FalseNegative nam [4,4] = Hiszpana
  FalseNegative nam [5,6] = Rafaela Nadala

(ChunkerEvaluator) Sentence #6108 from articles/00107616 from sent4

Text  : 5 : 7 , 6 : 4 , 6 :  2  ,  6  :  7  (  5  -  7  )  ,  7  :  5  .
Tokens: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Chunks:

(ChunkerEvaluator) Sentence #6109 from articles/00107616 from sent5

Text  : Djokovic po raz trzeci triumfował w Australii , bowiem wygrał tu też w  2008 roku .
Tokens: 1_______ 2_ 3__ 4_____ 5_________ 6 7________ 8 9_____ 10____ 11 12_ 13 14__ 15__ 16

Chunks:
  TruePositive nam [7,7] = Australii
  FalseNegative nam [1,1] = Djokovic

(ChunkerEvaluator) Sentence #6110 from articles/00107616 from sent6

Text  : Natomiast Nadal ma w dorobku jedno zwycięstwo w tej imprezie ,  odniesione w  2009 roku .
Tokens: 1________ 2____ 3_ 4 5______ 6____ 7_________ 8 9__ 10______ 11 12________ 13 14__ 15__ 16

Chunks:
  FalseNegative nam [2,2] = Nadal

(ChunkerEvaluator) Sentence #6111 from articles/00107616 from sent7

Text  : Wynik finału gry pojedynczej mężczyzn :
Tokens: 1____ 2_____ 3__ 4__________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6112 from articles/00107616 from sent8

Text  : Novak Djokovic ( Serbia , 1 ) - Rafael Nadal (  Hiszpania ,  2  )  5  :  7  ,  6  :  4  ,  6  :  2  ,  6  :  7  (  5  -  7  )  ,  7  :  5  .
Tokens: 1____ 2_______ 3 4_____ 5 6 7 8 9_____ 10___ 11 12_______ 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Chunks:
  TruePositive nam [1,2] = Novak Djokovic
  TruePositive nam [4,4] = Serbia
  TruePositive nam [9,10] = Rafael Nadal
  TruePositive nam [12,12] = Hiszpania

2016-10-27 14:59:41,702 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 249 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107617.xml
(ChunkerEvaluator) Sentence #6113 from articles/00107617 from sent1

Text  : Siedmiu zawodników oblało testy w ŁKS .
Tokens: 1______ 2_________ 3_____ 4____ 5 6__ 7

Chunks:
  TruePositive nam [6,6] = ŁKS

(ChunkerEvaluator) Sentence #6114 from articles/00107617 from sent2

Text  : Wciąż jest źle [ ZDJĘCIA ]
Tokens: 1____ 2___ 3__ 4 5______ 6

Chunks:
  FalsePositive nam [5,5] = ZDJĘCIA

(ChunkerEvaluator) Sentence #6115 from articles/00107617 from sent3

Text  : Choć ŁKS pokonał OKS 1945 Olsztyn , to po meczu Ryszard Tarasiewicz zrezygnował z  siedmiu testowanych graczy .
Tokens: 1___ 2__ 3______ 4__ 5___ 6______ 7 8_ 9_ 10___ 11_____ 12_________ 13_________ 14 15_____ 16_________ 17____ 18

Chunks:
  TruePositive nam [2,2] = ŁKS
  TruePositive nam [4,4] = OKS
  TruePositive nam [6,6] = Olsztyn
  TruePositive nam [11,12] = Ryszard Tarasiewicz

(ChunkerEvaluator) Sentence #6116 from articles/00107617 from sent4

Text  : Trener łódzkiego zespołu w nietypowy sposób postanowił sprawdzić przydatność nowych zawodników .
Tokens: 1_____ 2________ 3______ 4 5________ 6_____ 7_________ 8________ 9__________ 10____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #6117 from articles/00107617 from sent5

Text  : W pierwszej połowie sobotniego sparingu z nowych zagrał tylko Paweł Bocian ,  w  drugiej :  Rafał Kosiec ,  Kamil Bartosiewicz ,  Koreańczyk Kang Jung -  hun ,  Sebastian Olczak ,  Łukasz Tumicz ,  Michał Osiński i  Jakub Zabłocki .
Tokens: 1 2________ 3______ 4_________ 5_______ 6 7_____ 8_____ 9____ 10___ 11____ 12 13 14_____ 15 16___ 17____ 18 19___ 20__________ 21 22________ 23__ 24__ 25 26_ 27 28_______ 29____ 30 31____ 32____ 33 34____ 35_____ 36 37___ 38______ 39

Chunks:
  TruePositive nam [10,11] = Paweł Bocian
  TruePositive nam [16,17] = Rafał Kosiec
  TruePositive nam [19,20] = Kamil Bartosiewicz
  TruePositive nam [28,29] = Sebastian Olczak
  TruePositive nam [31,32] = Łukasz Tumicz
  TruePositive nam [34,35] = Michał Osiński
  TruePositive nam [37,38] = Jakub Zabłocki
  FalsePositive nam [22,26] = Koreańczyk Kang Jung - hun
  FalseNegative nam [22,22] = Koreańczyk
  FalseNegative nam [23,26] = Kang Jung - hun

(ChunkerEvaluator) Sentence #6118 from articles/00107617 from sent6

Text  : Po spotkaniu okazało się , że tylko Osiński będzie dalej sprawdzany .
Tokens: 1_ 2________ 3______ 4__ 5 6_ 7____ 8______ 9_____ 10___ 11________ 12

Chunks:
  TruePositive nam [8,8] = Osiński

(ChunkerEvaluator) Sentence #6119 from articles/00107617 from sent7

Text  : - Pozostali zostali odesłani do domów - informuje Jarosław Dziedzic ,  dyrektor sportowy ŁKS-u .
Tokens: 1 2________ 3______ 4_______ 5_ 6____ 7 8________ 9_______ 10______ 11 12______ 13______ 14___ 15

Chunks:
  TruePositive nam [9,10] = Jarosław Dziedzic
  TruePositive nam [14,14] = ŁKS-u

(ChunkerEvaluator) Sentence #6120 from articles/00107617 from sent8

Text  : Zostaje przy al . Unii Amerykanin Janson Villagomez .
Tokens: 1______ 2___ 3_ 4 5___ 6_________ 7_____ 8_________ 9

Chunks:
  FalsePositive nam [6,8] = Amerykanin Janson Villagomez
  FalseNegative nam [5,5] = Unii
  FalseNegative nam [6,6] = Amerykanin
  FalseNegative nam [7,8] = Janson Villagomez

(ChunkerEvaluator) Sentence #6121 from articles/00107617 from sent9

Text  : Przeciwko wiceliderowi II ligi jednak nie zagrał , bo był przeziębiony .
Tokens: 1________ 2___________ 3_ 4___ 5_____ 6__ 7_____ 8 9_ 10_ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #6122 from articles/00107617 from sent10

Text  : Wczoraj do dwójki nowych dołączył Adrian Jurkowski , stoper Hutnika Kraków ,  który doskonale zaprezentował się w  sparingu z  Koroną Kielce .
Tokens: 1______ 2_ 3_____ 4_____ 5_______ 6_____ 7________ 8 9_____ 10_____ 11____ 12 13___ 14_______ 15___________ 16_ 17 18______ 19 20____ 21____ 22

Chunks:
  TruePositive nam [6,7] = Adrian Jurkowski
  TruePositive nam [10,11] = Hutnika Kraków
  TruePositive nam [20,21] = Koroną Kielce

(ChunkerEvaluator) Sentence #6123 from articles/00107617 from sent11

Text  : Według naszych informacji ŁKS zamierza piłkarza wypożyczyć do końca sezonu .
Tokens: 1_____ 2______ 3_________ 4__ 5_______ 6_______ 7_________ 8_ 9____ 10____ 11

Chunks:
  TruePositive nam [4,4] = ŁKS

(ChunkerEvaluator) Sentence #6124 from articles/00107617 from sent12

Text  : Według Dziedzica pozyskanie Osińskiego i Jurkowskiego spowoduje , że nawet w  przypadku odejścia Cezarego Stefańczyka do Zawiszy Bydgoszcz wśród obrońców wciąż będzie konkurencja .
Tokens: 1_____ 2________ 3_________ 4_________ 5 6___________ 7________ 8 9_ 10___ 11 12_______ 13______ 14______ 15_________ 16 17_____ 18_______ 19___ 20______ 21___ 22____ 23_________ 24

Chunks:
  TruePositive nam [2,2] = Dziedzica
  TruePositive nam [4,4] = Osińskiego
  TruePositive nam [6,6] = Jurkowskiego
  TruePositive nam [14,15] = Cezarego Stefańczyka
  TruePositive nam [17,18] = Zawiszy Bydgoszcz

(ChunkerEvaluator) Sentence #6125 from articles/00107617 from sent13

Text  : - Szczególnie będzie dobrze wyglądała obsada środka i lewej strony ,  na której może zagrać Paweł Sasin -  daje dyrektor .
Tokens: 1 2__________ 3_____ 4_____ 5________ 6_____ 7_____ 8 9____ 10____ 11 12 13____ 14__ 15____ 16___ 17___ 18 19__ 20______ 21

Chunks:
  TruePositive nam [16,17] = Paweł Sasin

(ChunkerEvaluator) Sentence #6126 from articles/00107617 from sent14

Text  : Trener Tarasiewicz podkreśla , że nadal potrzebuje obrońcy , pomocnika i  napastnika .
Tokens: 1_____ 2__________ 3________ 4 5_ 6____ 7_________ 8______ 9 10_______ 11 12________ 13

Chunks:
  FalsePositive nam [1,2] = Trener Tarasiewicz
  FalseNegative nam [2,2] = Tarasiewicz

(ChunkerEvaluator) Sentence #6127 from articles/00107617 from sent15

Text  : Czy uda się ich pozyskać ?
Tokens: 1__ 2__ 3__ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6128 from articles/00107617 from sent16

Text  : Jarosław Turek , przewodniczący rady nadzorczej ŁKS SA , przypomina ,  że sytuacja klubu jest bardzo trudna ,  i  dodaje ,  że nie widzi szans ,  aby radykalnie polepszyła się sytuacja drużyny .
Tokens: 1_______ 2____ 3 4_____________ 5___ 6_________ 7__ 8_ 9 10________ 11 12 13______ 14___ 15__ 16____ 17____ 18 19 20____ 21 22 23_ 24___ 25___ 26 27_ 28________ 29________ 30_ 31______ 32_____ 33

Chunks:
  TruePositive nam [1,2] = Jarosław Turek
  TruePositive nam [7,8] = ŁKS SA

(ChunkerEvaluator) Sentence #6129 from articles/00107617 from sent17

Text  : Szkoleniowiec musi więc uzbroić się w cierpliwość , albo -  jak coraz częściej można usłyszeć -  rozglądać się za nowym zajęciem .
Tokens: 1____________ 2___ 3___ 4______ 5__ 6 7__________ 8 9___ 10 11_ 12___ 13______ 14___ 15______ 16 17_______ 18_ 19 20___ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #6130 from articles/00107617 from sent18

Text  : - Plotki biorą się z tego , że w klubie jest niedobrze .
Tokens: 1 2_____ 3____ 4__ 5 6___ 7 8_ 9 10____ 11__ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #6131 from articles/00107617 from sent19

Text  : Stąd mogą pojawić się zapytania , czy będę chciał nadal tutaj pracować .
Tokens: 1___ 2___ 3______ 4__ 5________ 6 7__ 8___ 9_____ 10___ 11___ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #6132 from articles/00107617 from sent20

Text  : Nie mogę powiedzieć , że nie zastanawiał em się nad odejściem ,  bo by m  skłamał .
Tokens: 1__ 2___ 3_________ 4 5_ 6__ 7__________ 8_ 9__ 10_ 11_______ 12 13 14 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #6133 from articles/00107617 from sent21

Text  : Przede wszystkim martwi mnie sytuacja kadrowa drużyny , bo nadal mam problem ,  aby uzbierać 13 czy 14 piłkarzy ,  którzy wiosną pociągną zespół -  tłumaczy .
Tokens: 1_____ 2________ 3_____ 4___ 5_______ 6______ 7______ 8 9_ 10___ 11_ 12_____ 13 14_ 15______ 16 17_ 18 19______ 20 21____ 22____ 23______ 24____ 25 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #6134 from articles/00107617 from sent22

Text  : Trudno nie zgodzić się z Tarasiewiczem , skoro nad spółką z  al .  Unii nadal wisi widmo ogłoszenia upadłości .
Tokens: 1_____ 2__ 3______ 4__ 5 6____________ 7 8____ 9__ 10____ 11 12 13 14__ 15___ 16__ 17___ 18________ 19_______ 20

Chunks:
  FalseNegative nam [6,6] = Tarasiewiczem
  FalseNegative nam [14,14] = Unii

(ChunkerEvaluator) Sentence #6135 from articles/00107617 from sent23

Text  : - Oby warunki tylko się nie pogorszyły - pociesza się Tarasiewicz .
Tokens: 1 2__ 3______ 4____ 5__ 6__ 7_________ 8 9_______ 10_ 11_________ 12

Chunks:
  FalseNegative nam [11,11] = Tarasiewicz

(ChunkerEvaluator) Sentence #6136 from articles/00107617 from sent24

Text  : - Na razie transfery są wstrzymane .
Tokens: 1 2_ 3____ 4________ 5_ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #6137 from articles/00107617 from sent25

Text  : Wczoraj jednak okazało się , że do ŁKS-u może trafić doświadczony piłkarz z  zagranicy .
Tokens: 1______ 2_____ 3______ 4__ 5 6_ 7_ 8____ 9___ 10____ 11__________ 12_____ 13 14_______ 15

Chunks:
  TruePositive nam [8,8] = ŁKS-u

(ChunkerEvaluator) Sentence #6138 from articles/00107617 from sent26

Text  : - To zawodnik znajdujący się na liście życzeń naszego trenera -  mówi tajemniczo Dziedzic .
Tokens: 1 2_ 3_______ 4_________ 5__ 6_ 7_____ 8_____ 9______ 10_____ 11 12__ 13________ 14______ 15

Chunks:
  TruePositive nam [14,14] = Dziedzic

(ChunkerEvaluator) Sentence #6139 from articles/00107617 from sent27

Text  : Upadł ostatecznie pomysł wypożyczenia Jakuba Koseckiego , który zostaje w  Legii Warszawa .
Tokens: 1____ 2__________ 3_____ 4___________ 5_____ 6_________ 7 8____ 9______ 10 11___ 12______ 13

Chunks:
  TruePositive nam [5,6] = Jakuba Koseckiego
  TruePositive nam [11,12] = Legii Warszawa

(ChunkerEvaluator) Sentence #6140 from articles/00107617 from sent28

Text  : Na domiar złego coraz głośniej słychać , że Radosława Pruchnika chce pozyskać Arka Gdynia ,  której trenerem jest Petr Nemec ,  były szkoleniowiec ełkaesiaka we Flocie Świnoujście .
Tokens: 1_ 2_____ 3____ 4____ 5_______ 6______ 7 8_ 9________ 10_______ 11__ 12______ 13__ 14____ 15 16____ 17______ 18__ 19__ 20___ 21 22__ 23___________ 24________ 25 26____ 27_________ 28

Chunks:
  TruePositive nam [9,10] = Radosława Pruchnika
  TruePositive nam [13,14] = Arka Gdynia
  TruePositive nam [19,20] = Petr Nemec
  TruePositive nam [26,27] = Flocie Świnoujście

(ChunkerEvaluator) Sentence #6141 from articles/00107617 from sent29

Text  : W sobotę w sparingu zagrał już rekonwalescent Robert Szczot ,  do zdrowia szybko wraca Rafał Kujawa .
Tokens: 1 2_____ 3 4_______ 5_____ 6__ 7_____________ 8_____ 9_____ 10 11 12_____ 13____ 14___ 15___ 16____ 17

Chunks:
  TruePositive nam [8,9] = Robert Szczot
  TruePositive nam [15,16] = Rafał Kujawa

(ChunkerEvaluator) Sentence #6142 from articles/00107617 from sent30

Text  : Inny rekonwalescent - Marcin Smoliński - chodzi już bez kul i  prawdopodobnie w  lutym wznowi treningi .
Tokens: 1___ 2_____________ 3 4_____ 5________ 6 7_____ 8__ 9__ 10_ 11 12____________ 13 14___ 15____ 16______ 17

Chunks:
  TruePositive nam [4,5] = Marcin Smoliński

(ChunkerEvaluator) Sentence #6143 from articles/00107617 from sent31

Text  : ŁKS - OKS 1945 OLSZTYN 1 : 0
Tokens: 1__ 2 3__ 4___ 5______ 6 7 8

Chunks:
  TruePositive nam [1,1] = ŁKS
  FalsePositive nam [3,3] = OKS
  FalsePositive nam [5,5] = OLSZTYN
  FalseNegative nam [3,5] = OKS 1945 OLSZTYN

(ChunkerEvaluator) Sentence #6144 from articles/00107617 from sent32

Text  : Gol : Saganowski ( 34 . )
Tokens: 1__ 2 3_________ 4 5_ 6 7

Chunks:
  TruePositive nam [3,3] = Saganowski
  FalsePositive nam [1,1] = Gol

(ChunkerEvaluator) Sentence #6145 from articles/00107617 from sent33

Text  : ŁKS ( I połowa ) : Wyparło - Stefańczyk ,  Łabędzki ,  Klepczarek ,  Romańczuk -  Łobodziński ,  Kłus ,  Bocian ,  Pruchnik ,  A  .  Papikjan -  Saganowski ;  II połowa :  Wyparło (  65 .
Tokens: 1__ 2 3 4_____ 5 6 7______ 8 9_________ 10 11______ 12 13________ 14 15_______ 16 17_________ 18 19__ 20 21____ 22 23______ 24 25 26 27______ 28 29________ 30 31 32____ 33 34_____ 35 36 37

Chunks:
  TruePositive nam [1,1] = ŁKS
  TruePositive nam [11,11] = Łabędzki
  TruePositive nam [19,19] = Kłus
  TruePositive nam [21,21] = Bocian
  FalsePositive nam [9,9] = Stefańczyk
  FalsePositive nam [25,27] = A . Papikjan
  FalsePositive nam [29,29] = Saganowski
  FalseNegative nam [7,9] = Wyparło - Stefańczyk
  FalseNegative nam [13,13] = Klepczarek
  FalseNegative nam [15,17] = Romańczuk - Łobodziński
  FalseNegative nam [23,23] = Pruchnik
  FalseNegative nam [25,29] = A . Papikjan - Saganowski

(ChunkerEvaluator) Sentence #6146 from articles/00107617 from sent34

Text  : Olszewski ) - Seweryn , Kosiec , Osiński , Olczak -  Bartosiewicz ,  Tumicz ,  Bocian (  65 .
Tokens: 1________ 2 3 4______ 5 6_____ 7 8______ 9 10____ 11 12__________ 13 14____ 15 16____ 17 18 19

Chunks:
  TruePositive nam [1,1] = Olszewski
  TruePositive nam [4,4] = Seweryn
  TruePositive nam [6,6] = Kosiec
  TruePositive nam [8,8] = Osiński
  TruePositive nam [10,10] = Olczak
  TruePositive nam [16,16] = Bocian
  FalseNegative nam [12,12] = Bartosiewicz
  FalseNegative nam [14,14] = Tumicz

(ChunkerEvaluator) Sentence #6147 from articles/00107617 from sent35

Text  : Szczot ) , Kang Jung - hun , W .  Papikjan -  Zabłocki .
Tokens: 1_____ 2 3 4___ 5___ 6 7__ 8 9 10 11______ 12 13______ 14

Chunks:
  TruePositive nam [4,7] = Kang Jung - hun
  TruePositive nam [9,13] = W . Papikjan - Zabłocki
  FalseNegative nam [1,1] = Szczot

2016-10-27 14:59:41,867 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 250 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107618.xml
(ChunkerEvaluator) Sentence #6148 from articles/00107618 from sent1

Text  : Wrocławski koncert Charliego Hadena znowu odwołany
Tokens: 1_________ 2______ 3________ 4_____ 5____ 6_______

Chunks:
  TruePositive nam [3,4] = Charliego Hadena

(ChunkerEvaluator) Sentence #6149 from articles/00107618 from sent2

Text  : Planowany na 27 lutego występ jednego z najsłynniejszych kontrabasistów jazzowych zostaje odwołany .
Tokens: 1________ 2_ 3_ 4_____ 5_____ 6______ 7 8_______________ 9_____________ 10_______ 11_____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #6150 from articles/00107618 from sent3

Text  : Stan zdrowia Charliego Hadena nie pozwala mu rozpocząć europejskiej trasy koncertowej .
Tokens: 1___ 2______ 3________ 4_____ 5__ 6______ 7_ 8________ 9___________ 10___ 11_________ 12

Chunks:
  TruePositive nam [3,4] = Charliego Hadena

(ChunkerEvaluator) Sentence #6151 from articles/00107618 from sent4

Text  : Urodzony w 1937 roku muzyk zamierza ruszyć w tournee dopiero jesienią .
Tokens: 1_______ 2 3___ 4___ 5____ 6_______ 7_____ 8 9______ 10_____ 11______ 12

Chunks:
  FalseNegative nam [9,9] = tournee

(ChunkerEvaluator) Sentence #6152 from articles/00107618 from sent5

Text  : To był już trzeci termin wizyty amerykańskiego kontrabasisty we Wrocławiu .
Tokens: 1_ 2__ 3__ 4_____ 5_____ 6_____ 7_____________ 8____________ 9_ 10_______ 11

Chunks:
  TruePositive nam [10,10] = Wrocławiu

(ChunkerEvaluator) Sentence #6153 from articles/00107618 from sent6

Text  : Gwiazda światowego jazzu miała wystąpić z Charlie Haden's Quartet West w  ramach Ethno Jazz Festival .
Tokens: 1______ 2_________ 3____ 4____ 5_______ 6 7______ 8______ 9______ 10__ 11 12____ 13___ 14__ 15______ 16

Chunks:
  TruePositive nam [7,10] = Charlie Haden's Quartet West
  TruePositive nam [13,15] = Ethno Jazz Festival

(ChunkerEvaluator) Sentence #6154 from articles/00107618 from sent7

Text  : Agnieszka Łaba z firmy wROCKfest organizującej festiwal : - Podjęli śmy decyzję o  odwołaniu koncertu i  zwrocie pieniędzy za bilety ,  by nie nadużywać cierpliwości publiczności i  kolejny raz przesuwać koncert .
Tokens: 1________ 2___ 3 4____ 5________ 6____________ 7_______ 8 9 10_____ 11_ 12_____ 13 14_______ 15______ 16 17_____ 18_______ 19 20____ 21 22 23_ 24_______ 25__________ 26__________ 27 28_____ 29_ 30_______ 31_____ 32

Chunks:
  TruePositive nam [1,2] = Agnieszka Łaba
  FalseNegative nam [5,5] = wROCKfest

(ChunkerEvaluator) Sentence #6155 from articles/00107618 from sent8

Text  : Bilety można zwracać w punktach ich zakupu .
Tokens: 1_____ 2____ 3______ 4 5_______ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #6156 from articles/00107618 from sent9

Text  : Życzymy muzykowi powrotu do zdrowia i liczymy , że zechce nas jeszcze odwiedzić .
Tokens: 1______ 2_______ 3______ 4_ 5______ 6 7______ 8 9_ 10____ 11_ 12_____ 13_______ 14

Chunks:

2016-10-27 14:59:41,905 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 251 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107619.xml
(ChunkerEvaluator) Sentence #6157 from articles/00107619 from sent1

Text  : Rynek nowych mieszkań w Polsce w 2011 r .
Tokens: 1____ 2_____ 3_______ 4 5_____ 6 7___ 8 9

Chunks:
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #6158 from articles/00107619 from sent2

Text  : REAS opublikował informację o sytuacji rynku nowych mieszkań w Polsce po IV kwartale 2011 r  .
Tokens: 1___ 2__________ 3_________ 4 5_______ 6____ 7_____ 8_______ 9 10____ 11 12 13______ 14__ 15 16

Chunks:
  TruePositive nam [1,1] = REAS
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #6159 from articles/00107619 from sent3

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #6160 from articles/00107619 from sent4

Text  : REAS opublikował informację o sytuacji rynku nowych mieszkań w Polsce po IV kwartale 2011 r  .
Tokens: 1___ 2__________ 3_________ 4 5_______ 6____ 7_____ 8_______ 9 10____ 11 12 13______ 14__ 15 16

Chunks:
  TruePositive nam [1,1] = REAS
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #6161 from articles/00107619 from sent5

Text  : Z perspektywy deweloperów optymizmem mogą napawać niezłe wyniki sprzedaży w  minionych dwóch latach .
Tokens: 1 2__________ 3__________ 4_________ 5___ 6______ 7_____ 8_____ 9________ 10 11_______ 12___ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #6162 from articles/00107619 from sent6

Text  : Z perspektywy klientów – coraz większy wybór mieszkań i malejące ceny .
Tokens: 1 2__________ 3_______ 4 5____ 6______ 7____ 8_______ 9 10______ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #6163 from articles/00107619 from sent7

Text  : Z punktu widzenia bankowców – dość stabilny popyt na kredyty pomimo zaostrzanych stopniowo kryteriów ich udzielania .
Tokens: 1 2_____ 3_______ 4________ 5 6___ 7_______ 8____ 9_ 10_____ 11____ 12__________ 13_______ 14_______ 15_ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #6164 from articles/00107619 from sent8

Text  : Jednak jest także szereg powodów do obaw .
Tokens: 1_____ 2___ 3____ 4_____ 5______ 6_ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #6165 from articles/00107619 from sent9

Text  : Zdaniem wszystkich analityków tempo wzrostu polskiej gospodarki musi w 2012 roku zwolnić .
Tokens: 1______ 2_________ 3_________ 4____ 5______ 6_______ 7_________ 8___ 9 10__ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #6166 from articles/00107619 from sent10

Text  : Rząd musi zwiększyć dochody budżetu , a to oznacza w  warunkach wolniejszego wzrostu mniej pieniędzy w  kieszeniach obywateli ,  także tych ,  którzy chcieli by kupić nowe mieszkanie .
Tokens: 1___ 2___ 3________ 4______ 5______ 6 7 8_ 9______ 10 11_______ 12__________ 13_____ 14___ 15_______ 16 17_________ 18_______ 19 20___ 21__ 22 23____ 24_____ 25 26___ 27__ 28________ 29

Chunks:
  FalseNegative nam [1,1] = Rząd

(ChunkerEvaluator) Sentence #6167 from articles/00107619 from sent11

Text  : Wszystko wskazuje na to , że banki udzielą w tym roku mniej kredytów niż w  roku ubiegłym ,  a  przeciętny kredyt zapewne się zmniejszy .
Tokens: 1_______ 2_______ 3_ 4_ 5 6_ 7____ 8______ 9 10_ 11__ 12___ 13______ 14_ 15 16__ 17______ 18 19 20________ 21____ 22_____ 23_ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #6168 from articles/00107619 from sent12

Text  : Nie wiadomo , jaki wpływ na rynek będzie miało wejście w  życie ustawy o  ochronie praw nabywców .
Tokens: 1__ 2______ 3 4___ 5____ 6_ 7____ 8_____ 9____ 10_____ 11 12___ 13____ 14 15______ 16__ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #6169 from articles/00107619 from sent13

Text  : Podsumowując , w rok 2012 uczestnicy rynku mieszkaniowego wchodzą z  mieszanymi uczuciami .
Tokens: 1___________ 2 3 4__ 5___ 6_________ 7____ 8_____________ 9______ 10 11________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #6170 from articles/00107619 from sent14

Text  : Publikowany skrót przygotowany jest w oparciu najnowszy kwartalny raport REAS ,  który podsumowując wyniki tak ostatniego kwartału ,  jak i  całego roku 2011 ,  jest cenną podstawą do dyskusji o  przyszłości rynku mieszkaniowego w  Polsce .
Tokens: 1__________ 2____ 3___________ 4___ 5 6______ 7________ 8________ 9_____ 10__ 11 12___ 13__________ 14____ 15_ 16________ 17______ 18 19_ 20 21____ 22__ 23__ 24 25__ 26___ 27______ 28 29______ 30 31_________ 32___ 33____________ 34 35____ 36

Chunks:
  TruePositive nam [10,10] = REAS
  TruePositive nam [35,35] = Polsce

(ChunkerEvaluator) Sentence #6171 from articles/00107619 from sent15

Text  : W syntetyczny sposób ukazuje to , co działo się na rynkach najważniejszych polskich aglomeracji w  ostatnich kilku latach i  przedstawia eksperckie opinie dotyczące przyszłości .
Tokens: 1 2__________ 3_____ 4______ 5_ 6 7_ 8_____ 9__ 10 11_____ 12_____________ 13______ 14_________ 15 16_______ 17___ 18____ 19 20_________ 21________ 22____ 23_______ 24_________ 25

Chunks:

(ChunkerEvaluator) Sentence #6172 from articles/00107619 from sent16

Text  : Zachęcamy do zapoznania się z raportami REAS , a także do bezpośredniego kontaktu z  ekspertami REAS w  razie potrzeby uzyskania szczegółowej opinii lub informacji o  rynku .
Tokens: 1________ 2_ 3_________ 4__ 5 6________ 7___ 8 9 10___ 11 12____________ 13______ 14 15________ 16__ 17 18___ 19______ 20_______ 21__________ 22____ 23_ 24________ 25 26___ 27

Chunks:
  TruePositive nam [7,7] = REAS
  TruePositive nam [16,16] = REAS

(ChunkerEvaluator) Sentence #6173 from articles/00107619 from sent17

Text  : Więcej informacji o sytuacji na rynku znajdą Państwo w publikacji "  Rynek Mieszkaniowy w  Polsce -  IV kw .  2011 "  dostępnej na www.reas.pl
Tokens: 1_____ 2_________ 3 4_______ 5_ 6____ 7_____ 8______ 9 10________ 11 12___ 13__________ 14 15____ 16 17 18 19 20__ 21 22_______ 23 24_________

Chunks:
  TruePositive nam [24,24] = www.reas.pl
  FalsePositive nam [8,8] = Państwo
  FalsePositive nam [12,13] = Rynek Mieszkaniowy
  FalsePositive nam [15,15] = Polsce
  FalseNegative nam [12,20] = Rynek Mieszkaniowy w Polsce - IV kw . 2011

(ChunkerEvaluator) Sentence #6174 from articles/00107619 from sent18

Text  : _ _ _ _ _ _ _ _ _ _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _  _
Tokens: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

Chunks:

(ChunkerEvaluator) Sentence #6175 from articles/00107619 from sent19

Text  : REAS jest firmą doradczą specjalizującą się w zagadnieniach związanych z  rynkiem mieszkaniowym ,  od 1997 roku współpracującą z  deweloperami ,  bankami ,  inwestorami oraz innymi podmiotami działającymi na rynku .
Tokens: 1___ 2___ 3____ 4_______ 5_____________ 6__ 7 8____________ 9_________ 10 11_____ 12___________ 13 14 15__ 16__ 17____________ 18 19__________ 20 21_____ 22 23_________ 24__ 25____ 26________ 27__________ 28 29___ 30

Chunks:
  TruePositive nam [1,1] = REAS

(ChunkerEvaluator) Sentence #6176 from articles/00107619 from sent20

Text  : Począwszy od 2000 roku REAS prowadzi stały monitoring pierwotnego rynku mieszkaniowego i  dzięki posiadanej wiedzy dostarcza szeroki zakres analiz rynku oraz formułuje długoterminowe prognozy wspomagające proces planowania strategicznego .
Tokens: 1________ 2_ 3___ 4___ 5___ 6_______ 7____ 8_________ 9__________ 10___ 11____________ 12 13____ 14________ 15____ 16_______ 17_____ 18____ 19____ 20___ 21__ 22_______ 23____________ 24______ 25__________ 26____ 27________ 28____________ 29

Chunks:
  TruePositive nam [5,5] = REAS

(ChunkerEvaluator) Sentence #6177 from articles/00107619 from sent21

Text  : REAS doradza także deweloperom na wszystkich etapach procesu inwestycyjnego ,  wspierając ich w  procesie planowania i  przygotowania produktu o  najlepszym potencjale rynkowym .
Tokens: 1___ 2______ 3____ 4__________ 5_ 6_________ 7______ 8______ 9_____________ 10 11________ 12_ 13 14______ 15________ 16 17___________ 18______ 19 20________ 21________ 22______ 23

Chunks:
  TruePositive nam [1,1] = REAS

(ChunkerEvaluator) Sentence #6178 from articles/00107619 from sent22

Text  : REAS specjalizuje się też w wycenach nieruchomości mieszkaniowych , a  także skutecznie doradza i  wspiera inwestorów w  procesie pozyskiwania gruntów oraz finansowania dla nowych inwestycji mieszkaniowych .
Tokens: 1___ 2___________ 3__ 4__ 5 6_______ 7____________ 8_____________ 9 10 11___ 12________ 13_____ 14 15_____ 16________ 17 18______ 19__________ 20_____ 21__ 22__________ 23_ 24____ 25________ 26____________ 27

Chunks:
  TruePositive nam [1,1] = REAS

(ChunkerEvaluator) Sentence #6179 from articles/00107619 from sent23

Text  : Od 2007 roku REAS jest partnerem firmy Jones Lang LaSalle ,  światowego lidera doradztwa na rynku nieruchomości komercyjnych .
Tokens: 1_ 2___ 3___ 4___ 5___ 6________ 7____ 8____ 9___ 10_____ 11 12________ 13____ 14_______ 15 16___ 17___________ 18__________ 19

Chunks:
  TruePositive nam [4,4] = REAS
  TruePositive nam [8,10] = Jones Lang LaSalle

2016-10-27 14:59:42,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 252 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107620.xml
(ChunkerEvaluator) Sentence #6180 from articles/00107620 from sent1

Text  : 10 rzeczy , których boi się Facebook
Tokens: 1_ 2_____ 3 4______ 5__ 6__ 7_______

Chunks:
  FalseNegative nam [7,7] = Facebook

(ChunkerEvaluator) Sentence #6181 from articles/00107620 from sent2

Text  : A przynajmniej sam Facebook uważa , że to one mogą podkopać jego finanse i  pozycję na rynku
Tokens: 1 2___________ 3__ 4_______ 5____ 6 7_ 8_ 9__ 10__ 11______ 12__ 13_____ 14 15_____ 16 17___

Chunks:
  FalseNegative nam [4,4] = Facebook

(ChunkerEvaluator) Sentence #6182 from articles/00107620 from sent3

Text  : Łącznie różnych zagrożeń Facebook wymienia prawie czterdzieści .
Tokens: 1______ 2______ 3_______ 4_______ 5_______ 6_____ 7___________ 8

Chunks:
  FalseNegative nam [4,4] = Facebook

(ChunkerEvaluator) Sentence #6183 from articles/00107620 from sent4

Text  : Niektóre są oczywiste : mniejsze zaangażowanie użytkowników , odpływ do konkurencji ,  zmiany w  prawie ,  np .  dotyczących prywatności lub reklam ,  zwiększone obciążenia podatkowe ,  przegrane w  sporach patentowych .
Tokens: 1_______ 2_ 3________ 4 5_______ 6____________ 7___________ 8 9_____ 10 11_________ 12 13____ 14 15____ 16 17 18 19_________ 20_________ 21_ 22____ 23 24________ 25________ 26_______ 27 28_______ 29 30_____ 31_________ 32

Chunks:

(ChunkerEvaluator) Sentence #6184 from articles/00107620 from sent5

Text  : Wybrali śmy dziesięć .
Tokens: 1______ 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #6185 from articles/00107620 from sent6

Text  : Facebook dorzuca też swoje trzy grosze do debaty , czy Google promuje lub może promować -  kosztem konkurencji -  inne swoje usługi .
Tokens: 1_______ 2______ 3__ 4____ 5___ 6_____ 7_ 8_____ 9 10_ 11____ 12_____ 13_ 14__ 15______ 16 17_____ 18_________ 19 20__ 21___ 22____ 23

Chunks:
  TruePositive nam [11,11] = Google
  FalseNegative nam [1,1] = Facebook

(ChunkerEvaluator) Sentence #6186 from articles/00107620 from sent7

Text  : I uważa to za realne zagrożenie : „ Niektórzy konkurenci ,  w  tym Google ,  mogą wykorzystać silną lub dominującą pozycję na jednym lub wielu rynkach (  .  .  .  )  integrując funkcje serwisów społecznościowych z  innymi produktami jak wyszukiwarki ,  przeglądarki czy mobilne systemy operacyjne lub utrudniając dostęp do Facebooka ”  .
Tokens: 1 2____ 3_ 4_ 5_____ 6_________ 7 8 9________ 10________ 11 12 13_ 14____ 15 16__ 17_________ 18___ 19_ 20________ 21_____ 22 23____ 24_ 25___ 26_____ 27 28 29 30 31 32________ 33_____ 34______ 35_______________ 36 37____ 38________ 39_ 40__________ 41 42__________ 43_ 44_____ 45_____ 46________ 47_ 48_________ 49____ 50 51_______ 52 53

Chunks:
  TruePositive nam [14,14] = Google
  FalseNegative nam [51,51] = Facebooka

2016-10-27 14:59:42,087 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 253 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107621.xml
(ChunkerEvaluator) Sentence #6187 from articles/00107621 from sent1

Text  : USA .
Tokens: 1__ 2

Chunks:
  TruePositive nam [1,1] = USA

(ChunkerEvaluator) Sentence #6188 from articles/00107621 from sent2

Text  : Szef Pentagonu nie zaprzecza , że obawia się ataku Izraela na Iran
Tokens: 1___ 2________ 3__ 4________ 5 6_ 7_____ 8__ 9____ 10_____ 11 12__

Chunks:
  TruePositive nam [2,2] = Pentagonu
  TruePositive nam [10,10] = Izraela
  TruePositive nam [12,12] = Iran

(ChunkerEvaluator) Sentence #6189 from articles/00107621 from sent3

Text  : Szef Pentagonu Leon Panetta nie zdementował w piątek informacji z  czwartkowego &  quot ;  Washington Post &  quot ;  ,  że niepokoi się ,  iż Izrael zaatakuje Iran jeszcze tej wiosny .
Tokens: 1___ 2________ 3___ 4______ 5__ 6__________ 7 8_____ 9_________ 10 11__________ 12 13__ 14 15________ 16__ 17 18__ 19 20 21 22______ 23_ 24 25 26____ 27_______ 28__ 29_____ 30_ 31____ 32

Chunks:
  TruePositive nam [2,2] = Pentagonu
  TruePositive nam [3,4] = Leon Panetta
  TruePositive nam [26,26] = Izrael
  TruePositive nam [28,28] = Iran
  FalsePositive nam [15,18] = Washington Post & quot
  FalseNegative nam [15,16] = Washington Post

(ChunkerEvaluator) Sentence #6190 from articles/00107621 from sent4

Text  : Powiedział też w bazie Ramstein w Niemczech , że rząd USA &  quot ;  nie wyklucza &  quot ;  użycia siły przeciw Teheranowi .
Tokens: 1_________ 2__ 3 4____ 5_______ 6 7________ 8 9_ 10__ 11_ 12 13__ 14 15_ 16______ 17 18__ 19 20____ 21__ 22_____ 23________ 24

Chunks:
  TruePositive nam [7,7] = Niemczech
  TruePositive nam [11,11] = USA
  TruePositive nam [23,23] = Teheranowi
  FalseNegative nam [5,5] = Ramstein

(ChunkerEvaluator) Sentence #6191 from articles/00107621 from sent5

Text  : Wiadomość o przewidywaniach szefa Pentagonu pojawiła się w artykule Davida Ignatiusa w  czwartkowym wydaniu "  Washington Post "  i  wzbudziła sensację w  USA .
Tokens: 1________ 2 3______________ 4____ 5________ 6_______ 7__ 8 9_______ 10____ 11_______ 12 13_________ 14_____ 15 16________ 17__ 18 19 20_______ 21______ 22 23_ 24

Chunks:
  TruePositive nam [5,5] = Pentagonu
  TruePositive nam [10,11] = Davida Ignatiusa
  TruePositive nam [16,17] = Washington Post
  TruePositive nam [23,23] = USA

(ChunkerEvaluator) Sentence #6192 from articles/00107621 from sent6

Text  : Panetta pytany w czwartek przez dziennikarzy , czy zaprzecza informacjom zawartym w  artykule Ignatiusa ,  powiedział :  "  Nie ,  po prostu nie komentuję "  .
Tokens: 1______ 2_____ 3 4_______ 5____ 6___________ 7 8__ 9________ 10_________ 11______ 12 13______ 14_______ 15 16________ 17 18 19_ 20 21 22____ 23_ 24_______ 25 26

Chunks:
  FalseNegative nam [1,1] = Panetta
  FalseNegative nam [14,14] = Ignatiusa

(ChunkerEvaluator) Sentence #6193 from articles/00107621 from sent7

Text  : Ignatius napisał : " Panetta uważa , że istnieje silne prawdopodobieństwo ,  iż Izrael uderzy na Iran w  kwietniu ,  maju lub w  czerwcu "  ,  czyli zanim Iran wejdzie w  fazę zbrojeń ,  którą Izraelczycy nazywają "  strefą odporności "  (  ang .  zone of immunity )  ,  gdy będzie mógł bezkarnie budować bombę atomową .
Tokens: 1_______ 2______ 3 4 5______ 6____ 7 8_ 9_______ 10___ 11________________ 12 13 14____ 15____ 16 17__ 18 19______ 20 21__ 22_ 23 24_____ 25 26 27___ 28___ 29__ 30_____ 31 32__ 33_____ 34 35___ 36_________ 37______ 38 39____ 40________ 41 42 43_ 44 45__ 46 47______ 48 49 50_ 51____ 52__ 53_______ 54_____ 55___ 56_____ 57

Chunks:
  TruePositive nam [14,14] = Izrael
  TruePositive nam [17,17] = Iran
  TruePositive nam [29,29] = Iran
  TruePositive nam [36,36] = Izraelczycy
  FalseNegative nam [1,1] = Ignatius
  FalseNegative nam [5,5] = Panetta

(ChunkerEvaluator) Sentence #6194 from articles/00107621 from sent8

Text  : Autor tekstu w " Washington Post " wyjaśnia , że w  ocenie Izraela Iran wkrótce będzie miał w  swych głębokich podziemnych bunkrach zmagazynowaną wystarczającą ilość wzbogaconego uranu ,  aby wyprodukować z  niego broń ,  "  i  wtedy tylko USA będą w  stanie militarnie go przed tym powstrzymać "  .
Tokens: 1____ 2_____ 3 4 5_________ 6___ 7 8_______ 9 10 11 12____ 13_____ 14__ 15_____ 16____ 17__ 18 19___ 20_______ 21_________ 22______ 23___________ 24___________ 25___ 26__________ 27___ 28 29_ 30__________ 31 32___ 33__ 34 35 36 37___ 38___ 39_ 40__ 41 42____ 43________ 44 45___ 46_ 47_________ 48 49

Chunks:
  TruePositive nam [5,6] = Washington Post
  TruePositive nam [39,39] = USA
  FalsePositive nam [13,14] = Izraela Iran
  FalseNegative nam [13,13] = Izraela
  FalseNegative nam [14,14] = Iran

(ChunkerEvaluator) Sentence #6195 from articles/00107621 from sent9

Text  : W piątek , podczas wizyty w bazie sił powietrznych NATO w  Ramstein ,  Panetta podkreślił ,  że kluczem do uniemożliwienia Iranowi wejścia w  posiadanie broni atomowej jest międzynarodowe poparcie dla surowych sankcji wobec tego kraju .
Tokens: 1 2_____ 3 4______ 5_____ 6 7____ 8__ 9___________ 10__ 11 12______ 13 14_____ 15________ 16 17 18_____ 19 20_____________ 21_____ 22_____ 23 24________ 25___ 26______ 27__ 28____________ 29______ 30_ 31______ 32_____ 33___ 34__ 35___ 36

Chunks:
  TruePositive nam [10,10] = NATO
  TruePositive nam [21,21] = Iranowi
  FalseNegative nam [12,12] = Ramstein
  FalseNegative nam [14,14] = Panetta

(ChunkerEvaluator) Sentence #6196 from articles/00107621 from sent10

Text  : W trakcie tej wizyty jeden z lotników zapytał szefa Pentagonu ,  czy i  kiedy USA włączą się do ewentualnego konfliktu zbrojnego Izraela z  Iranem .
Tokens: 1 2______ 3__ 4_____ 5____ 6 7_______ 8______ 9____ 10_______ 11 12_ 13 14___ 15_ 16____ 17_ 18 19__________ 20_______ 21_______ 22_____ 23 24____ 25

Chunks:
  TruePositive nam [10,10] = Pentagonu
  TruePositive nam [15,15] = USA
  TruePositive nam [22,22] = Izraela
  TruePositive nam [24,24] = Iranem

(ChunkerEvaluator) Sentence #6197 from articles/00107621 from sent11

Text  : Panetta nie odpowiedział wprost , tylko przypomniał międzynarodową presję dyplomatyczną na Iran i  sugerował ,  że opcja siłowa jest też rozważana .
Tokens: 1______ 2__ 3___________ 4_____ 5 6____ 7__________ 8_____________ 9_____ 10___________ 11 12__ 13 14_______ 15 16 17___ 18____ 19__ 20_ 21_______ 22

Chunks:
  TruePositive nam [12,12] = Iran

(ChunkerEvaluator) Sentence #6198 from articles/00107621 from sent12

Text  : " Najważniejsze jest utrzymać tę presję , aby przekonać Iran ,  że nie powinien budować broni nuklearnej i  powinien dołączyć do międzynarodowej rodziny narodów "  -  oświadczył .
Tokens: 1 2____________ 3___ 4_______ 5_ 6_____ 7 8__ 9________ 10__ 11 12 13_ 14______ 15_____ 16___ 17________ 18 19______ 20______ 21 22_____________ 23_____ 24_____ 25 26 27________ 28

Chunks:
  FalsePositive nam [10,10] = Iran

(ChunkerEvaluator) Sentence #6199 from articles/00107621 from sent13

Text  : " Jeżeli Irańczycy tego nie zrobią , możliwe są wszelkie opcje i  jesteśmy gotowi odpowiedzieć ,  jeżeli będziemy musieli "  -  dodał szef Pentagonu .
Tokens: 1 2_____ 3________ 4___ 5__ 6_____ 7 8______ 9_ 10______ 11___ 12 13______ 14____ 15__________ 16 17____ 18______ 19_____ 20 21 22___ 23__ 24_______ 25

Chunks:
  TruePositive nam [3,3] = Irańczycy
  TruePositive nam [24,24] = Pentagonu

(ChunkerEvaluator) Sentence #6200 from articles/00107621 from sent14

Text  : Pytany , czy kwestionuje wiadomość o swoich przewidywaniach z artykułu w  "  Washington Post "  ,  odpowiedział :  "  Nie ,  po prostu nie wypowiadam się o  tym "  .
Tokens: 1_____ 2 3__ 4__________ 5________ 6 7_____ 8______________ 9 10______ 11 12 13________ 14__ 15 16 17__________ 18 19 20_ 21 22 23____ 24_ 25________ 26_ 27 28_ 29 30

Chunks:
  TruePositive nam [13,14] = Washington Post

(ChunkerEvaluator) Sentence #6201 from articles/00107621 from sent15

Text  : Z Waszyngtonu Tomasz Zalewski
Tokens: 1 2__________ 3_____ 4_______

Chunks:
  TruePositive nam [2,2] = Waszyngtonu
  TruePositive nam [3,4] = Tomasz Zalewski

2016-10-27 14:59:42,202 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 254 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107622.xml
(ChunkerEvaluator) Sentence #6202 from articles/00107622 from sent1

Text  : Matka i dwoje dzieci podtrute czadem
Tokens: 1____ 2 3____ 4_____ 5_______ 6_____

Chunks:

(ChunkerEvaluator) Sentence #6203 from articles/00107622 from sent2

Text  : Do zdarzenia doszło w Koźminie Wielkopolskim .
Tokens: 1_ 2________ 3_____ 4 5_______ 6____________ 7

Chunks:
  FalsePositive nam [6,6] = Wielkopolskim
  FalseNegative nam [5,6] = Koźminie Wielkopolskim

(ChunkerEvaluator) Sentence #6204 from articles/00107622 from sent3

Text  : W mieszkaniu opalanym piecem podtruli się tlenkiem węgla 30 -  letnia kobieta ,  jej 6  -  letni syn i  2  -  miesięczne niemowlę .
Tokens: 1 2_________ 3_______ 4_____ 5_______ 6__ 7_______ 8____ 9_ 10 11____ 12_____ 13 14_ 15 16 17___ 18_ 19 20 21 22________ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #6205 from articles/00107622 from sent4

Text  : Pogotowie zabrało rodzinę do szpitala .
Tokens: 1________ 2______ 3______ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6206 from articles/00107622 from sent5

Text  : Ich życiu nie zagraża niebezpieczeństwo .
Tokens: 1__ 2____ 3__ 4______ 5________________ 6

Chunks:

2016-10-27 14:59:42,219 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 255 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107623.xml
(ChunkerEvaluator) Sentence #6207 from articles/00107623 from sent1

Text  : Apteki i szpitale dyżurne
Tokens: 1_____ 2 3_______ 4______

Chunks:

(ChunkerEvaluator) Sentence #6208 from articles/00107623 from sent2

Text  : 18 listopada , poniedziałek
Tokens: 1_ 2________ 3 4___________

Chunks:

(ChunkerEvaluator) Sentence #6209 from articles/00107623 from sent3

Text  : APTEKI
Tokens: 1_____

Chunks:
  FalsePositive nam [1,1] = APTEKI

(ChunkerEvaluator) Sentence #6210 from articles/00107623 from sent4

Text  : Kraków
Tokens: 1_____

Chunks:
  TruePositive nam [1,1] = Kraków

(ChunkerEvaluator) Sentence #6211 from articles/00107623 from sent5

Text  : Euro Apteka , Krowoderska 31 , tel . 430 00 35
Tokens: 1___ 2_____ 3 4__________ 5_ 6 7__ 8 9__ 10 11

Chunks:
  TruePositive nam [1,2] = Euro Apteka
  FalseNegative nam [4,4] = Krowoderska

(ChunkerEvaluator) Sentence #6212 from articles/00107623 from sent6

Text  : Galla 26 , tel . 636 73 65
Tokens: 1____ 2_ 3 4__ 5 6__ 7_ 8_

Chunks:
  TruePositive nam [1,1] = Galla

(ChunkerEvaluator) Sentence #6213 from articles/00107623 from sent7

Text  : Kalwaryjska 94 , tel . 656 18 50
Tokens: 1__________ 2_ 3 4__ 5 6__ 7_ 8_

Chunks:
  FalseNegative nam [1,1] = Kalwaryjska

(ChunkerEvaluator) Sentence #6214 from articles/00107623 from sent8

Text  : Kapelanka 56 , tel . 296 42 39
Tokens: 1________ 2_ 3 4__ 5 6__ 7_ 8_

Chunks:
  FalseNegative nam [1,1] = Kapelanka

(ChunkerEvaluator) Sentence #6215 from articles/00107623 from sent9

Text  : os .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #6216 from articles/00107623 from sent10

Text  : Centrum A , bl .
Tokens: 1______ 2 3 4_ 5

Chunks:
  FalseNegative nam [1,2] = Centrum A

(ChunkerEvaluator) Sentence #6217 from articles/00107623 from sent11

Text  : 3 , tel . 644 17 36
Tokens: 1 2 3__ 4 5__ 6_ 7_

Chunks:

(ChunkerEvaluator) Sentence #6218 from articles/00107623 from sent12

Text  : Olkusz
Tokens: 1_____

Chunks:
  TruePositive nam [1,1] = Olkusz

(ChunkerEvaluator) Sentence #6219 from articles/00107623 from sent13

Text  : pl . Konstytucji 2 , tel . 643 47 26
Tokens: 1_ 2 3__________ 4 5 6__ 7 8__ 9_ 10

Chunks:
  FalseNegative nam [3,3] = Konstytucji

(ChunkerEvaluator) Sentence #6220 from articles/00107623 from sent14

Text  : Zakopane
Tokens: 1_______

Chunks:
  FalseNegative nam [1,1] = Zakopane

(ChunkerEvaluator) Sentence #6221 from articles/00107623 from sent15

Text  : Kasprusie 40a , tel . 201 40 69
Tokens: 1________ 2__ 3 4__ 5 6__ 7_ 8_

Chunks:
  FalseNegative nam [1,1] = Kasprusie

(ChunkerEvaluator) Sentence #6222 from articles/00107623 from sent16

Text  : SZPITALE
Tokens: 1_______

Chunks:

(ChunkerEvaluator) Sentence #6223 from articles/00107623 from sent17

Text  : Kraków
Tokens: 1_____

Chunks:
  TruePositive nam [1,1] = Kraków

(ChunkerEvaluator) Sentence #6224 from articles/00107623 from sent18

Text  : Chirurgia ogólna i urazowa , laryngologia , okulistyka i urologia
Tokens: 1________ 2_____ 3 4______ 5 6___________ 7 8_________ 9 10______

Chunks:

(ChunkerEvaluator) Sentence #6225 from articles/00107623 from sent19

Text  : Szpital Specjalistyczny im . Żeromskiego , Na Skarpie 66 ,  tel .  644 01 44
Tokens: 1______ 2______________ 3_ 4 5__________ 6 7_ 8______ 9_ 10 11_ 12 13_ 14 15

Chunks:
  TruePositive nam [1,5] = Szpital Specjalistyczny im . Żeromskiego
  TruePositive nam [7,8] = Na Skarpie

(ChunkerEvaluator) Sentence #6226 from articles/00107623 from sent20

Text  : Chirurgia dziecięca
Tokens: 1________ 2________

Chunks:

(ChunkerEvaluator) Sentence #6227 from articles/00107623 from sent21

Text  : Uniwersytecki Szpital Dziecięcy , Wielicka 265 , tel . 658 20 11
Tokens: 1____________ 2______ 3________ 4 5_______ 6__ 7 8__ 9 10_ 11 12

Chunks:
  FalsePositive nam [2,3] = Szpital Dziecięcy
  FalseNegative nam [1,3] = Uniwersytecki Szpital Dziecięcy
  FalseNegative nam [5,5] = Wielicka

(ChunkerEvaluator) Sentence #6228 from articles/00107623 from sent22

Text  : Szpital Specjalistyczny im . Żeromskiego , Na Skarpie 66 ,  tel .  644 01 44
Tokens: 1______ 2______________ 3_ 4 5__________ 6 7_ 8______ 9_ 10 11_ 12 13_ 14 15

Chunks:
  TruePositive nam [1,5] = Szpital Specjalistyczny im . Żeromskiego
  TruePositive nam [7,8] = Na Skarpie

2016-10-27 14:59:42,256 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 256 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107624.xml
(ChunkerEvaluator) Sentence #6229 from articles/00107624 from sent1

Text  : Woszczyk : nowa taryfa na gaz wciąż możliwa od 1  marca
Tokens: 1_______ 2 3___ 4_____ 5_ 6__ 7____ 8______ 9_ 10 11___

Chunks:
  FalseNegative nam [1,1] = Woszczyk

(ChunkerEvaluator) Sentence #6230 from articles/00107624 from sent2

Text  : URE obecnie czeka na odpowiedź PGNiG na kolejne wezwanie regulatora w  sprawie taryfy na gaz ,  wciąż możliwe jest wejście w  życie nowej taryfy od początku marca br .  -  powiedział dziennikarzom prezes URE Marek Woszczyk .
Tokens: 1__ 2______ 3____ 4_ 5________ 6____ 7_ 8______ 9_______ 10________ 11 12_____ 13____ 14 15_ 16 17___ 18_____ 19__ 20_____ 21 22___ 23___ 24____ 25 26______ 27___ 28 29 30 31________ 32___________ 33____ 34_ 35___ 36______ 37

Chunks:
  TruePositive nam [6,6] = PGNiG
  TruePositive nam [35,36] = Marek Woszczyk
  FalseNegative nam [1,1] = URE
  FalseNegative nam [34,34] = URE

(ChunkerEvaluator) Sentence #6231 from articles/00107624 from sent3

Text  : " Oczekuję na kolejną odpowiedź na moje wezwanie , które wysłał em w  ubiegłym tygodniu w  czwartek ,  spodziewam się odpowiedzi w  tym tygodniu "  -  stwierdził Woszczyk .
Tokens: 1 2_______ 3_ 4______ 5________ 6_ 7___ 8_______ 9 10___ 11____ 12 13 14______ 15______ 16 17______ 18 19________ 20_ 21________ 22 23_ 24______ 25 26 27________ 28______ 29

Chunks:
  FalseNegative nam [28,28] = Woszczyk

(ChunkerEvaluator) Sentence #6232 from articles/00107624 from sent4

Text  : Pytany czy decyzja w sprawie taryfy mogła by być podjęta do połowy lutego ,  tak by weszła w  życie na początku marca ,  Woszczyk powiedział :  "  nie wykluczam takiego scenariusza "  .
Tokens: 1_____ 2__ 3______ 4 5______ 6_____ 7____ 8_ 9__ 10_____ 11 12____ 13____ 14 15_ 16 17____ 18 19___ 20 21______ 22___ 23 24______ 25________ 26 27 28_ 29_______ 30_____ 31_________ 32 33

Chunks:
  FalseNegative nam [24,24] = Woszczyk

(ChunkerEvaluator) Sentence #6233 from articles/00107624 from sent5

Text  : Dodał , że " taryfa jest oparta na kosztach planowanych ,  a  nie historycznych ,  więc to nie wpływa na ocenę "  .
Tokens: 1____ 2 3_ 4 5_____ 6___ 7_____ 8_ 9_______ 10_________ 11 12 13_ 14___________ 15 16__ 17 18_ 19____ 20 21___ 22 23

Chunks:

(ChunkerEvaluator) Sentence #6234 from articles/00107624 from sent6

Text  : Postępowanie trwa od końca października zeszłego roku .
Tokens: 1___________ 2___ 3_ 4____ 5___________ 6_______ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #6235 from articles/00107624 from sent7

Text  : Urząd informował wcześniej , że PGNiG chce wysokiego wzrostu cen gazu .
Tokens: 1____ 2_________ 3________ 4 5_ 6____ 7___ 8________ 9______ 10_ 11__ 12

Chunks:
  TruePositive nam [6,6] = PGNiG

(ChunkerEvaluator) Sentence #6236 from articles/00107624 from sent8

Text  : W połowie grudnia już raz na wezwanie prezesa URE gazowa firma złożyła korektę wniosku taryfowego i  obniżyła swoje oczekiwania co do podwyżki cen gazu ,  nadal wnosiła jednak o  dwucyfrowy wzrost .
Tokens: 1 2______ 3______ 4__ 5__ 6_ 7_______ 8______ 9__ 10____ 11___ 12_____ 13_____ 14_____ 15________ 16 17______ 18___ 19_________ 20 21 22______ 23_ 24__ 25 26___ 27_____ 28____ 29 30________ 31____ 32

Chunks:
  FalseNegative nam [9,9] = URE

(ChunkerEvaluator) Sentence #6237 from articles/00107624 from sent9

Text  : Analitycy oceniają , że brak nowej taryfy negatywnie wpłynie na wyniki firmy .
Tokens: 1________ 2_______ 3 4_ 5___ 6____ 7_____ 8_________ 9______ 10 11____ 12___ 13

Chunks:

2016-10-27 14:59:42,319 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 257 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107625.xml
(ChunkerEvaluator) Sentence #6238 from articles/00107625 from sent1

Text  : Sąd : kapitan statku Costa Concordia pozostanie w areszcie domowym
Tokens: 1__ 2 3______ 4_____ 5____ 6________ 7_________ 8 9_______ 10_____

Chunks:
  TruePositive nam [5,6] = Costa Concordia
  FalseNegative nam [1,1] = Sąd

(ChunkerEvaluator) Sentence #6239 from articles/00107625 from sent2

Text  : Sąd we Florencji utrzymał we wtorek areszt domowy wobec kapitana statku Costa Concordia Francesco Schettino ,  którego prokuratura obarcza odpowiedzialnością za doprowadzenie do katastrofy 13 stycznia u  wybrzeży wyspy Giglio w  Toskanii .
Tokens: 1__ 2_ 3________ 4_______ 5_ 6_____ 7_____ 8_____ 9____ 10______ 11____ 12___ 13_______ 14_______ 15_______ 16 17_____ 18_________ 19_____ 20________________ 21 22___________ 23 24________ 25 26______ 27 28______ 29___ 30____ 31 32______ 33

Chunks:
  TruePositive nam [3,3] = Florencji
  TruePositive nam [32,32] = Toskanii
  FalsePositive nam [12,15] = Costa Concordia Francesco Schettino
  FalseNegative nam [1,1] = Sąd
  FalseNegative nam [12,13] = Costa Concordia
  FalseNegative nam [14,15] = Francesco Schettino
  FalseNegative nam [30,30] = Giglio

(ChunkerEvaluator) Sentence #6240 from articles/00107625 from sent3

Text  : Tym samym sąd odrzucił zarówno odwołanie obrony , która domagała się zniesienia tego środka zapobiegawczego ,  jak i  prokuratury wnioskującej o  ponowne umieszczenie kapitana w  areszcie śledczym .
Tokens: 1__ 2____ 3__ 4_______ 5______ 6________ 7_____ 8 9____ 10______ 11_ 12________ 13__ 14____ 15_____________ 16 17_ 18 19_________ 20__________ 21 22_____ 23__________ 24______ 25 26______ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #6241 from articles/00107625 from sent4

Text  : Jak poinformowali adwokaci Schettino , kapitan zapewnił , że po wtorkowej decyzji sądu jest "  spokojniejszy "  i  może skoncentrować się obecnie na analizie tego ,  co zaszło .
Tokens: 1__ 2____________ 3_______ 4________ 5 6______ 7_______ 8 9_ 10 11_______ 12_____ 13__ 14__ 15 16___________ 17 18 19__ 20___________ 21_ 22_____ 23 24______ 25__ 26 27 28____ 29

Chunks:
  FalseNegative nam [4,4] = Schettino

(ChunkerEvaluator) Sentence #6242 from articles/00107625 from sent5

Text  : W katastrofie statku zginęły 32 osoby .
Tokens: 1 2__________ 3_____ 4______ 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #6243 from articles/00107625 from sent6

Text  : Odnaleziono ciała 17 ofiar , 15 uznano za zaginione .
Tokens: 1__________ 2____ 3_ 4____ 5 6_ 7_____ 8_ 9________ 10

Chunks:

2016-10-27 14:59:42,358 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 258 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107626.xml
(ChunkerEvaluator) Sentence #6244 from articles/00107626 from sent1

Text  : Grecja zmęczyła inwestorów , opadł zapał do kupowania akcji i  złotego
Tokens: 1_____ 2_______ 3_________ 4 5____ 6____ 7_ 8________ 9____ 10 11_____

Chunks:
  TruePositive nam [1,1] = Grecja
  TruePositive nam [11,11] = złotego

(ChunkerEvaluator) Sentence #6245 from articles/00107626 from sent2

Text  : Ceny akcji na europejskich giełdach zapadły w letarg , bo inwestorów ogarnęło znużenie czekaniem na decyzję Ateny w  sprawie dalszych oszczędności .
Tokens: 1___ 2____ 3_ 4___________ 5_______ 6______ 7 8_____ 9 10 11________ 12______ 13______ 14_______ 15 16_____ 17___ 18 19_____ 20______ 21__________ 22

Chunks:
  TruePositive nam [17,17] = Ateny

(ChunkerEvaluator) Sentence #6246 from articles/00107626 from sent3

Text  : Kurs złotego słabo zareagował na decyzję i komentarze RPP w  sprawie zmian stóp procentowych .
Tokens: 1___ 2______ 3____ 4_________ 5_ 6______ 7 8_________ 9__ 10 11_____ 12___ 13__ 14__________ 15

Chunks:
  TruePositive nam [2,2] = złotego
  TruePositive nam [9,9] = RPP

(ChunkerEvaluator) Sentence #6247 from articles/00107626 from sent4

Text  : Nie takiej końcówki sesji oczekiwali inwestorzy .
Tokens: 1__ 2_____ 3_______ 4____ 5_________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #6248 from articles/00107626 from sent5

Text  : Po wielu dniach oczekiwania na rozstrzygnięcie problemu greckiego zadłużenia mieli nadzieję ,  że dziś politycy w  Atenach wreszcie na coś się zdecydują .
Tokens: 1_ 2____ 3_____ 4__________ 5_ 6______________ 7_______ 8________ 9_________ 10___ 11______ 12 13 14__ 15______ 16 17_____ 18______ 19 20_ 21_ 22_______ 23

Chunks:
  TruePositive nam [17,17] = Atenach

(ChunkerEvaluator) Sentence #6249 from articles/00107626 from sent6

Text  : Tymczasem decyzji nadal nie ma .
Tokens: 1________ 2______ 3____ 4__ 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #6250 from articles/00107626 from sent7

Text  : W efekcie początkowy optymizm ustąpił zniechęceniu .
Tokens: 1 2______ 3_________ 4_______ 5______ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #6251 from articles/00107626 from sent8

Text  : WIG20 na zamknięciu zyskał ledwie 0 , 8 proc .
Tokens: 1____ 2_ 3_________ 4_____ 5_____ 6 7 8 9___ 10

Chunks:
  TruePositive nam [1,1] = WIG20

(ChunkerEvaluator) Sentence #6252 from articles/00107626 from sent9

Text  : Powiało podwyżkami stóp .
Tokens: 1______ 2_________ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #6253 from articles/00107626 from sent10

Text  : Członek RPP Adam Glapiński powiedział , że jeśli po I  kwartale inflacja nadal będzie utrzymywać się na poziomie ok .  4  ,  5  proc .  ,  a  gospodarka będzie rosnąć o  4  proc .  ,  to złoży wniosek o  podwyżkę stóp procentowych .
Tokens: 1______ 2__ 3___ 4________ 5_________ 6 7_ 8____ 9_ 10 11______ 12______ 13___ 14____ 15________ 16_ 17 18______ 19 20 21 22 23 24__ 25 26 27 28________ 29____ 30____ 31 32 33__ 34 35 36 37___ 38_____ 39 40______ 41__ 42__________ 43

Chunks:
  TruePositive nam [2,2] = RPP
  TruePositive nam [3,4] = Adam Glapiński

(ChunkerEvaluator) Sentence #6254 from articles/00107626 from sent11

Text  : Złoty reaguje dziś bardzo wstrzemięźliwe na doniesienia z RPP .
Tokens: 1____ 2______ 3___ 4_____ 5_____________ 6_ 7__________ 8 9__ 10

Chunks:
  TruePositive nam [1,1] = Złoty
  TruePositive nam [9,9] = RPP

(ChunkerEvaluator) Sentence #6255 from articles/00107626 from sent12

Text  : Euro podrożało do 4 , 18 zł , a dolar do 3  ,  16 zł .
Tokens: 1___ 2________ 3_ 4 5 6_ 7_ 8 9 10___ 11 12 13 14 15 16

Chunks:
  TruePositive nam [1,1] = Euro
  TruePositive nam [7,7] = zł
  TruePositive nam [10,10] = dolar
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #6256 from articles/00107626 from sent13

Text  : Posiadacze kredytów w złotych chyba nie powinni być zainteresowani ,  aby polska gospodarka kwitła w  I  kwartale .
Tokens: 1_________ 2_______ 3 4______ 5____ 6__ 7______ 8__ 9_____________ 10 11_ 12____ 13________ 14____ 15 16 17______ 18

Chunks:
  TruePositive nam [4,4] = złotych

(ChunkerEvaluator) Sentence #6257 from articles/00107626 from sent14

Text  : Bo jak powiedział prezes NBP dobre dane o PKB będą jednym z  czynników przybliżających podwyżkę stóp .
Tokens: 1_ 2__ 3_________ 4_____ 5__ 6____ 7___ 8 9__ 10__ 11____ 12 13_______ 14_____________ 15______ 16__ 17

Chunks:
  TruePositive nam [5,5] = NBP
  TruePositive nam [9,9] = PKB

(ChunkerEvaluator) Sentence #6258 from articles/00107626 from sent15

Text  : Rada Polityki Pieniężnej nie zmieniła stóp procentowych , bo choć inflacja pozostaje powyżej celu inflacyjnego ,  to wskaźniki wyprzedzające sygnalizują możliwe pogorszenie koniunktury .
Tokens: 1___ 2_______ 3_________ 4__ 5_______ 6___ 7___________ 8 9_ 10__ 11______ 12_______ 13_____ 14__ 15__________ 16 17 18_______ 19___________ 20_________ 21_____ 22_________ 23_________ 24

Chunks:
  TruePositive nam [1,3] = Rada Polityki Pieniężnej

(ChunkerEvaluator) Sentence #6259 from articles/00107626 from sent16

Text  : Ostatnio umacniający się złoty ogranicza inflację .
Tokens: 1_______ 2__________ 3__ 4____ 5________ 6_______ 7

Chunks:
  TruePositive nam [4,4] = złoty

(ChunkerEvaluator) Sentence #6260 from articles/00107626 from sent17

Text  : Zdaniem prezesa NBP Marka Belki obniżki stóp są mało prawdopodobne .
Tokens: 1______ 2______ 3__ 4____ 5____ 6______ 7___ 8_ 9___ 10___________ 11

Chunks:
  TruePositive nam [3,3] = NBP
  TruePositive nam [4,5] = Marka Belki

(ChunkerEvaluator) Sentence #6261 from articles/00107626 from sent18

Text  : Złoty nieco odrabia straty - dolar potaniał do 3 ,  14 zł .
Tokens: 1____ 2____ 3______ 4_____ 5 6____ 7_______ 8_ 9 10 11 12 13

Chunks:
  TruePositive nam [6,6] = dolar
  TruePositive nam [12,12] = zł
  FalseNegative nam [1,1] = Złoty

(ChunkerEvaluator) Sentence #6262 from articles/00107626 from sent19

Text  : Początek notowań na Wall Street również determinowany jest przez oczekiwanie na wynik rozmów w  Atenach .
Tokens: 1_______ 2______ 3_ 4___ 5_____ 6______ 7____________ 8___ 9____ 10_________ 11 12___ 13____ 14 15_____ 16

Chunks:
  TruePositive nam [4,5] = Wall Street
  TruePositive nam [15,15] = Atenach

(ChunkerEvaluator) Sentence #6263 from articles/00107626 from sent20

Text  : Dow Jones zyskuje 0 , 1 proc . , a  Nasdaq -  0  ,  2  proc .
Tokens: 1__ 2____ 3______ 4 5 6 7___ 8 9 10 11____ 12 13 14 15 16__ 17

Chunks:
  TruePositive nam [1,2] = Dow Jones
  FalseNegative nam [11,11] = Nasdaq

(ChunkerEvaluator) Sentence #6264 from articles/00107626 from sent21

Text  : W Europie nadal przeważają symboliczne wzrosty - WIG20 idzie w  górę 0  ,  3  proc .
Tokens: 1 2______ 3____ 4_________ 5__________ 6______ 7 8____ 9____ 10 11__ 12 13 14 15__ 16

Chunks:
  TruePositive nam [2,2] = Europie
  TruePositive nam [8,8] = WIG20

(ChunkerEvaluator) Sentence #6265 from articles/00107626 from sent22

Text  : BRE Bank chciał by w tym roku osiągnąć podobne rezultaty jak w  rekordowym 2011 r  .  ,  kiedy zarobił netto 1  ,  13 mld zł .
Tokens: 1__ 2___ 3_____ 4_ 5 6__ 7___ 8_______ 9______ 10_______ 11_ 12 13________ 14__ 15 16 17 18___ 19_____ 20___ 21 22 23 24_ 25 26

Chunks:
  TruePositive nam [1,2] = BRE Bank
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #6266 from articles/00107626 from sent23

Text  : A w Grecji jak nie było , tak nie ma decyzji politycznej w  sprawie zaakceptowania nowego programu oszczędnościowego .
Tokens: 1 2 3_____ 4__ 5__ 6___ 7 8__ 9__ 10 11_____ 12_________ 13 14_____ 15____________ 16____ 17______ 18_______________ 19

Chunks:
  TruePositive nam [3,3] = Grecji

(ChunkerEvaluator) Sentence #6267 from articles/00107626 from sent24

Text  : Inwestorzy giełdowi nadal czekają z optymizmem , bo indeksy utrzymują się na plusach ,  ale na rynku walutowym złoty umiarkowanie słabnie .
Tokens: 1_________ 2_______ 3____ 4______ 5 6_________ 7 8_ 9______ 10_______ 11_ 12 13_____ 14 15_ 16 17___ 18_______ 19___ 20__________ 21_____ 22

Chunks:
  FalseNegative nam [19,19] = złoty

(ChunkerEvaluator) Sentence #6268 from articles/00107626 from sent25

Text  : Euro podrożało do 4 . 18 zł , dolar do 3  ,  15 zł ,  a  frank kosztuje znowu nieco ponad 3  ,  45 zł .
Tokens: 1___ 2________ 3_ 4 5 6_ 7_ 8 9____ 10 11 12 13 14 15 16 17___ 18______ 19___ 20___ 21___ 22 23 24 25 26

Chunks:
  TruePositive nam [1,1] = Euro
  TruePositive nam [7,7] = zł
  TruePositive nam [9,9] = dolar
  TruePositive nam [14,14] = zł
  TruePositive nam [25,25] = zł
  FalseNegative nam [17,17] = frank

(ChunkerEvaluator) Sentence #6269 from articles/00107626 from sent26

Text  : Tymczasem jak donoszą agencje greccy politycy studiują liczący 50 stron dokument zawierający ustalenia dotyczące programu oszczędnościowego ,  którego wdrożenie jest warunkiem uzyskania przez Ateny 130 mld euro pomocy .
Tokens: 1________ 2__ 3______ 4______ 5_____ 6_______ 7_______ 8______ 9_ 10___ 11______ 12_________ 13_______ 14_______ 15______ 16_______________ 17 18_____ 19_______ 20__ 21_______ 22_______ 23___ 24___ 25_ 26_ 27__ 28____ 29

Chunks:
  TruePositive nam [24,24] = Ateny
  TruePositive nam [27,27] = euro

(ChunkerEvaluator) Sentence #6270 from articles/00107626 from sent27

Text  : Zgodnie z przewidywaniami Rada Polityki Pieniężnej nie zmieniła dziś stóp procentowych .
Tokens: 1______ 2 3______________ 4___ 5_______ 6_________ 7__ 8_______ 9___ 10__ 11__________ 12

Chunks:
  TruePositive nam [4,6] = Rada Polityki Pieniężnej

(ChunkerEvaluator) Sentence #6271 from articles/00107626 from sent28

Text  : Główna wynosi 4 , 50 proc .
Tokens: 1_____ 2_____ 3 4 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #6272 from articles/00107626 from sent29

Text  : Zmiany , zmiany , zmiany .
Tokens: 1_____ 2 3_____ 4 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #6273 from articles/00107626 from sent30

Text  : Nowym prezesem NFI Empik Media został Michał Grom .
Tokens: 1____ 2_______ 3__ 4____ 5____ 6_____ 7_____ 8___ 9

Chunks:
  TruePositive nam [3,5] = NFI Empik Media
  TruePositive nam [7,8] = Michał Grom

(ChunkerEvaluator) Sentence #6274 from articles/00107626 from sent31

Text  : Niemcy z łatwością sprzedały pięcioletnie obligacje za blisko 3 ,  3  mld euro .
Tokens: 1_____ 2 3________ 4________ 5___________ 6________ 7_ 8_____ 9 10 11 12_ 13__ 14

Chunks:
  TruePositive nam [1,1] = Niemcy
  TruePositive nam [13,13] = euro

(ChunkerEvaluator) Sentence #6275 from articles/00107626 from sent32

Text  : Chętni chcieli kupić papiery za 5 , 9 mld euro .
Tokens: 1_____ 2______ 3____ 4______ 5_ 6 7 8 9__ 10__ 11

Chunks:
  TruePositive nam [10,10] = euro

(ChunkerEvaluator) Sentence #6276 from articles/00107626 from sent33

Text  : Średnia rentowność wyniosła 0 , 91 proc . , czyli minimalnie więcej niż podczas poprzedniej aukcji (  0  ,  9  proc .  )  .
Tokens: 1______ 2_________ 3_______ 4 5 6_ 7___ 8 9 10___ 11________ 12____ 13_ 14_____ 15_________ 16____ 17 18 19 20 21__ 22 23 24

Chunks:

(ChunkerEvaluator) Sentence #6277 from articles/00107626 from sent34

Text  : Wygląda na to , że mamy sytuację jak w filmie „  Rejs ”  :  inwestorom najbardziej podobają się te ceny ,  które znają ,  czyli aktualne .
Tokens: 1______ 2_ 3_ 4 5_ 6___ 7_______ 8__ 9 10____ 11 12__ 13 14 15________ 16_________ 17______ 18_ 19 20__ 21 22___ 23___ 24 25___ 26______ 27

Chunks:
  TruePositive nam [12,12] = Rejs

(ChunkerEvaluator) Sentence #6278 from articles/00107626 from sent35

Text  : Zmiana WIG20 oscyluje wokół zera , na dojrzałych rynkach Europy indeksy utrzymują stabilne lekkie zwyżki ,  a  w  USA kontrakty na Wall Street nie wskazują ani na przewagę kupujących ,  a  ni sprzedających .
Tokens: 1_____ 2____ 3_______ 4____ 5___ 6 7_ 8_________ 9______ 10____ 11_____ 12_______ 13______ 14____ 15____ 16 17 18 19_ 20_______ 21 22__ 23____ 24_ 25______ 26_ 27 28______ 29________ 30 31 32 33___________ 34

Chunks:
  TruePositive nam [2,2] = WIG20
  TruePositive nam [10,10] = Europy
  TruePositive nam [19,19] = USA
  TruePositive nam [22,23] = Wall Street

(ChunkerEvaluator) Sentence #6279 from articles/00107626 from sent36

Text  : To zwlekanie z odważniejszymi decyzjami to efekt wyczekiwania na postęp w  negocjacjach w  Grecji .
Tokens: 1_ 2________ 3 4_____________ 5________ 6_ 7____ 8___________ 9_ 10____ 11 12__________ 13 14____ 15

Chunks:
  TruePositive nam [14,14] = Grecji

(ChunkerEvaluator) Sentence #6280 from articles/00107626 from sent37

Text  : Kurs euro wynosi nadal 4 , 17 zł .
Tokens: 1___ 2___ 3_____ 4____ 5 6 7_ 8_ 9

Chunks:
  TruePositive nam [2,2] = euro
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #6281 from articles/00107626 from sent38

Text  : Pomimo nadziei na optymistyczny scenariusz w Grecji inwestorzy coraz mniej chętniej kupują akcje w  Warszawie .
Tokens: 1_____ 2______ 3_ 4____________ 5_________ 6 7_____ 8_________ 9____ 10___ 11______ 12____ 13___ 14 15_______ 16

Chunks:
  TruePositive nam [7,7] = Grecji
  TruePositive nam [15,15] = Warszawie

(ChunkerEvaluator) Sentence #6282 from articles/00107626 from sent39

Text  : Nasz indeks blue chipów zszedł minimalnie pod kreskę , co kontrastuje ze zwyżkami utrzymującymi się przeważnie w  Europie .
Tokens: 1___ 2_____ 3___ 4_____ 5_____ 6_________ 7__ 8_____ 9 10 11_________ 12 13______ 14___________ 15_ 16________ 17 18_____ 19

Chunks:
  TruePositive nam [18,18] = Europie
  FalseNegative nam [3,4] = blue chipów

(ChunkerEvaluator) Sentence #6283 from articles/00107626 from sent40

Text  : Jeśli Wall Street Journal się nie myli , to EBC pęka w  sprawie redukcji greckiego zadłużenia i  godzi się wziąć udział w  strzyżeniu wierzycieli .
Tokens: 1____ 2___ 3_____ 4______ 5__ 6__ 7___ 8 9_ 10_ 11__ 12 13_____ 14______ 15_______ 16________ 17 18___ 19_ 20___ 21____ 22 23________ 24_________ 25

Chunks:
  TruePositive nam [2,4] = Wall Street Journal
  FalseNegative nam [10,10] = EBC

(ChunkerEvaluator) Sentence #6284 from articles/00107626 from sent41

Text  : EBC ma na koncie ok . 40 mld euro w  greckich obligacjach ,  które kupił w  zeszłym roku na rynku wtórnym ,  pomagając w  ten sposób potrzymać notowania greckiego długu .
Tokens: 1__ 2_ 3_ 4_____ 5_ 6 7_ 8__ 9___ 10 11______ 12_________ 13 14___ 15___ 16 17_____ 18__ 19 20___ 21_____ 22 23_______ 24 25_ 26____ 27_______ 28_______ 29_______ 30___ 31

Chunks:
  TruePositive nam [9,9] = euro
  FalseNegative nam [1,1] = EBC

(ChunkerEvaluator) Sentence #6285 from articles/00107626 from sent42

Text  : Niechęć EBC do przyjęcia części strat na siebie była do tej pory jedną z  głównych przeszkód w  rozmowach między innymi wierzycielami a  greckim rządem .
Tokens: 1______ 2__ 3_ 4________ 5_____ 6____ 7_ 8_____ 9___ 10 11_ 12__ 13___ 14 15______ 16_______ 17 18_______ 19____ 20____ 21___________ 22 23_____ 24____ 25

Chunks:
  FalsePositive nam [1,2] = Niechęć EBC
  FalseNegative nam [2,2] = EBC

(ChunkerEvaluator) Sentence #6286 from articles/00107626 from sent43

Text  : Bank inwestycyjny Goldman Sachs podniósł cenę docelową dla Budimeksu z  90 do 93 zł i  rekomenduje „  neutralnie ”  .
Tokens: 1___ 2___________ 3______ 4____ 5_______ 6___ 7_______ 8__ 9________ 10 11 12 13 14 15 16_________ 17 18________ 19 20

Chunks:
  TruePositive nam [3,4] = Goldman Sachs
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #6287 from articles/00107626 from sent44

Text  : BRE Bank zarobił w zeszłym roku na czysto 1 ,  13 mld zł ,  ale mimo to nie planuje wypłaty dywidendy .
Tokens: 1__ 2___ 3______ 4 5______ 6___ 7_ 8_____ 9 10 11 12_ 13 14 15_ 16__ 17 18_ 19_____ 20_____ 21_______ 22

Chunks:
  TruePositive nam [1,2] = BRE Bank
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #6288 from articles/00107626 from sent45

Text  : Jest to zgodne z zaleceniami Komisji Nadzoru Finansowego , która chce wzmocnienia kapitałów polskich banków w  obliczu kryzysu .
Tokens: 1___ 2_ 3_____ 4 5__________ 6______ 7______ 8__________ 9 10___ 11__ 12_________ 13_______ 14______ 15____ 16 17_____ 18_____ 19

Chunks:
  TruePositive nam [6,8] = Komisji Nadzoru Finansowego

(ChunkerEvaluator) Sentence #6289 from articles/00107626 from sent46

Text  : Zmiana kursu eurodolara nadal oscyluje wokół zera , ale złoty zaczął lekko tracić .
Tokens: 1_____ 2____ 3_________ 4____ 5_______ 6____ 7___ 8 9__ 10___ 11____ 12___ 13____ 14

Chunks:
  TruePositive nam [3,3] = eurodolara
  TruePositive nam [10,10] = złoty

(ChunkerEvaluator) Sentence #6290 from articles/00107626 from sent47

Text  : Euro podrożało do 4 , 17 zł , dolar i  frank jeszcze są minimalnie słabsze niż we wtorek :  dolar kosztuje 3  ,  14 zł ,  frank -  3  ,  44 zł .
Tokens: 1___ 2________ 3_ 4 5 6_ 7_ 8 9____ 10 11___ 12_____ 13 14________ 15_____ 16_ 17 18____ 19 20___ 21______ 22 23 24 25 26 27___ 28 29 30 31 32 33

Chunks:
  TruePositive nam [1,1] = Euro
  TruePositive nam [7,7] = zł
  TruePositive nam [9,9] = dolar
  TruePositive nam [20,20] = dolar
  TruePositive nam [25,25] = zł
  TruePositive nam [32,32] = zł
  FalseNegative nam [11,11] = frank
  FalseNegative nam [27,27] = frank

(ChunkerEvaluator) Sentence #6291 from articles/00107626 from sent48

Text  : Na europejskich giełdach największy optymizm widać we Frankfurcie .
Tokens: 1_ 2___________ 3_______ 4_________ 5_______ 6____ 7_ 8__________ 9

Chunks:
  TruePositive nam [8,8] = Frankfurcie

(ChunkerEvaluator) Sentence #6292 from articles/00107626 from sent49

Text  : DAX rośnie o 1 proc . , bo jeśli Grekom uda się jednak dogadać z  wierzycielami oraz uzyskać pomoc finansową ,  to niemieckie banki przynajmniej chwilowo będą mogły odetchnąć z  ulgą .
Tokens: 1__ 2_____ 3 4 5___ 6 7 8_ 9____ 10____ 11_ 12_ 13____ 14_____ 15 16___________ 17__ 18_____ 19___ 20_______ 21 22 23________ 24___ 25__________ 26______ 27__ 28___ 29_______ 30 31__ 32

Chunks:
  TruePositive nam [10,10] = Grekom
  FalseNegative nam [1,1] = DAX

(ChunkerEvaluator) Sentence #6293 from articles/00107626 from sent50

Text  : Analitycy Raiffeisena obniżyli rekomendację dla banku Millennium do „ sprzedaj ”  z  „  redukuj ”  .
Tokens: 1________ 2__________ 3_______ 4___________ 5__ 6____ 7_________ 8_ 9 10______ 11 12 13 14_____ 15 16

Chunks:
  TruePositive nam [7,7] = Millennium
  FalseNegative nam [2,2] = Raiffeisena

(ChunkerEvaluator) Sentence #6294 from articles/00107626 from sent51

Text  : Cena docelowa została podwyższona z 3 , 20 do 3  ,  50 zł .
Tokens: 1___ 2_______ 3______ 4__________ 5 6 7 8_ 9_ 10 11 12 13 14

Chunks:
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #6295 from articles/00107626 from sent52

Text  : Nie wywołało to większych zmian kursu Millennium - akcja kosztuje 4  ,  13 zł .
Tokens: 1__ 2_______ 3_ 4________ 5____ 6____ 7_________ 8 9____ 10______ 11 12 13 14 15

Chunks:
  TruePositive nam [7,7] = Millennium
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #6296 from articles/00107626 from sent53

Text  : Na rynku walutowym nadal bez fajerwerków .
Tokens: 1_ 2____ 3________ 4____ 5__ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #6297 from articles/00107626 from sent54

Text  : Złoty lekko umacnia się do wszystkich walut przy stabilnym eurodolarze .
Tokens: 1____ 2____ 3______ 4__ 5_ 6_________ 7____ 8___ 9________ 10_________ 11

Chunks:
  TruePositive nam [1,1] = Złoty
  FalseNegative nam [10,10] = eurodolarze

(ChunkerEvaluator) Sentence #6298 from articles/00107626 from sent55

Text  : Nie widać końca kłopotów niegdyś potężnej Nokii .
Tokens: 1__ 2____ 3____ 4_______ 5______ 6_______ 7____ 8

Chunks:
  TruePositive nam [7,7] = Nokii

(ChunkerEvaluator) Sentence #6299 from articles/00107626 from sent56

Text  : Koncern zamierza zwolnić w Europie i Meksyku 4 tysiące pracowników ,  bo przenosi projekty smartfonów do Azji .
Tokens: 1______ 2_______ 3______ 4 5______ 6 7______ 8 9______ 10_________ 11 12 13______ 14______ 15________ 16 17__ 18

Chunks:
  TruePositive nam [5,5] = Europie
  TruePositive nam [7,7] = Meksyku
  TruePositive nam [17,17] = Azji

(ChunkerEvaluator) Sentence #6300 from articles/00107626 from sent57

Text  : We wrześniu zeszłego roku firma zamknęła swoją fabrykę w Rumunii .
Tokens: 1_ 2_______ 3_______ 4___ 5____ 6_______ 7____ 8______ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Rumunii

(ChunkerEvaluator) Sentence #6301 from articles/00107626 from sent58

Text  : Na europejskich giełdach panuje lekki optymizm .
Tokens: 1_ 2___________ 3_______ 4_____ 5____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #6302 from articles/00107626 from sent59

Text  : Jednak mało kto wychyla się z odważniejszymi zakupami .
Tokens: 1_____ 2___ 3__ 4______ 5__ 6 7_____________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #6303 from articles/00107626 from sent60

Text  : Londyński FTSE zyskuje 0 , 4 proc . , paryski CAC40 -  0  ,  6  proc .
Tokens: 1________ 2___ 3______ 4 5 6 7___ 8 9 10_____ 11___ 12 13 14 15 16__ 17

Chunks:
  FalseNegative nam [2,2] = FTSE
  FalseNegative nam [11,11] = CAC40

(ChunkerEvaluator) Sentence #6304 from articles/00107626 from sent61

Text  : Kontrakty terminowe na Wall Street także umiarkowanie idą w górę .
Tokens: 1________ 2________ 3_ 4___ 5_____ 6____ 7___________ 8__ 9 10__ 11

Chunks:
  TruePositive nam [4,5] = Wall Street

(ChunkerEvaluator) Sentence #6305 from articles/00107626 from sent62

Text  : Początek sesji na GPW na lekkim plusie - WIG20 zyskuje 0  ,  4  proc .
Tokens: 1_______ 2____ 3_ 4__ 5_ 6_____ 7_____ 8 9____ 10_____ 11 12 13 14__ 15

Chunks:
  TruePositive nam [9,9] = WIG20
  FalseNegative nam [4,4] = GPW

(ChunkerEvaluator) Sentence #6306 from articles/00107626 from sent63

Text  : Inwestorzy nadal wyczekują na wieści z Grecji .
Tokens: 1_________ 2____ 3________ 4_ 5_____ 6 7_____ 8

Chunks:
  TruePositive nam [7,7] = Grecji

(ChunkerEvaluator) Sentence #6307 from articles/00107626 from sent64

Text  : Amerykańskie indeksy zakończyły wtorek na minimalnym plusie - Dow Jones zyskał 0  ,  3  proc .
Tokens: 1___________ 2______ 3_________ 4_____ 5_ 6_________ 7_____ 8 9__ 10___ 11____ 12 13 14 15__ 16

Chunks:
  TruePositive nam [9,10] = Dow Jones

(ChunkerEvaluator) Sentence #6308 from articles/00107626 from sent65

Text  : Stało się tak , pomimo studzenia przez szefa Fed Bena Bernankego optymistycznych nastrojów związanych ze stanem gospodarki USA .
Tokens: 1____ 2__ 3__ 4 5_____ 6________ 7____ 8____ 9__ 10__ 11________ 12_____________ 13_______ 14________ 15 16____ 17________ 18_ 19

Chunks:
  TruePositive nam [9,11] = Fed Bena Bernankego
  TruePositive nam [18,18] = USA

(ChunkerEvaluator) Sentence #6309 from articles/00107626 from sent66

Text  : Na razie stopa bezrobocia utrzymuje się na wysokim poziomie ,  wzrost PKB jest umiarkowany ,  a  ceny nieruchomości niskie .
Tokens: 1_ 2____ 3____ 4_________ 5________ 6__ 7_ 8______ 9_______ 10 11____ 12_ 13__ 14_________ 15 16 17__ 18___________ 19____ 20

Chunks:
  TruePositive nam [12,12] = PKB

(ChunkerEvaluator) Sentence #6310 from articles/00107626 from sent67

Text  : Greccy politycy znowu we wtorek niewiele zrobili w celu przekonania inwestorów ,  że są zdeterminowani w  walce z  kryzysem .
Tokens: 1_____ 2_______ 3____ 4_ 5_____ 6_______ 7______ 8 9___ 10_________ 11________ 12 13 14 15____________ 16 17___ 18 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #6311 from articles/00107626 from sent68

Text  : Omówienie zasad udzielenia przez MFW i Unię pomocy finansowej zostało przełożone na dziś .
Tokens: 1________ 2____ 3_________ 4____ 5__ 6 7___ 8_____ 9_________ 10_____ 11________ 12 13__ 14

Chunks:
  TruePositive nam [5,5] = MFW
  FalseNegative nam [7,7] = Unię

(ChunkerEvaluator) Sentence #6312 from articles/00107626 from sent69

Text  : Stawką jest pomoc 130 mld euro .
Tokens: 1_____ 2___ 3____ 4__ 5__ 6___ 7

Chunks:
  TruePositive nam [6,6] = euro

(ChunkerEvaluator) Sentence #6313 from articles/00107626 from sent70

Text  : Czas ucieka , bo 20 marca Ateny mają oddać 14 ,  5  mld euro ,  których nie mają w  kasie .
Tokens: 1___ 2_____ 3 4_ 5_ 6____ 7____ 8___ 9____ 10 11 12 13_ 14__ 15 16_____ 17_ 18__ 19 20___ 21

Chunks:
  TruePositive nam [7,7] = Ateny
  TruePositive nam [14,14] = euro

(ChunkerEvaluator) Sentence #6314 from articles/00107626 from sent71

Text  : U nas rozkręca się sezon wyników kwartalnych .
Tokens: 1 2__ 3_______ 4__ 5____ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #6315 from articles/00107626 from sent72

Text  : BRE Bank pochwalił się , że w IV kw .
Tokens: 1__ 2___ 3________ 4__ 5 6_ 7 8_ 9_ 10

Chunks:
  TruePositive nam [1,2] = BRE Bank

(ChunkerEvaluator) Sentence #6316 from articles/00107626 from sent73

Text  : 2011 zarobił netto o blisko 50 proc . więcej niż w  analogicznym okresie ubiegłego roku .
Tokens: 1___ 2______ 3____ 4 5_____ 6_ 7___ 8 9_____ 10_ 11 12__________ 13_____ 14_______ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #6317 from articles/00107626 from sent74

Text  : Wynik jest minimalnie powyżej oczekiwań analityków .
Tokens: 1____ 2___ 3_________ 4______ 5________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #6318 from articles/00107626 from sent75

Text  : Złoty lekko się umacnia do głównych walut .
Tokens: 1____ 2____ 3__ 4______ 5_ 6_______ 7____ 8

Chunks:
  TruePositive nam [1,1] = Złoty

(ChunkerEvaluator) Sentence #6319 from articles/00107626 from sent76

Text  : Euro kosztuje 4 , 16 zł , dolar - 3  ,  13 zł ,  frank -  3  ,  43 zł .
Tokens: 1___ 2_______ 3 4 5_ 6_ 7 8____ 9 10 11 12 13 14 15___ 16 17 18 19 20 21

Chunks:
  TruePositive nam [1,1] = Euro
  TruePositive nam [6,6] = zł
  TruePositive nam [8,8] = dolar
  TruePositive nam [13,13] = zł
  TruePositive nam [20,20] = zł
  FalseNegative nam [15,15] = frank

(ChunkerEvaluator) Sentence #6320 from articles/00107626 from sent77

Text  : Eurodolar jest stabilny .
Tokens: 1________ 2___ 3_______ 4

Chunks:
  TruePositive nam [1,1] = Eurodolar

2016-10-27 14:59:42,807 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 259 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107627.xml
(ChunkerEvaluator) Sentence #6321 from articles/00107627 from sent1

Text  : Protesty przeciw ACTA w sobotę w całej Europie
Tokens: 1_______ 2______ 3___ 4 5_____ 6 7____ 8______

Chunks:
  TruePositive nam [3,3] = ACTA
  TruePositive nam [8,8] = Europie

(ChunkerEvaluator) Sentence #6322 from articles/00107627 from sent2

Text  : Ogólnoeuropejski protest przeciw ACTA w sobotę w większości miast europejskich .
Tokens: 1_______________ 2______ 3______ 4___ 5 6_____ 7 8_________ 9____ 10__________ 11

Chunks:
  TruePositive nam [4,4] = ACTA

(ChunkerEvaluator) Sentence #6323 from articles/00107627 from sent3

Text  : Prawie wszędzie wystartuje ok . godziny 13 .
Tokens: 1_____ 2_______ 3_________ 4_ 5 6______ 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #6324 from articles/00107627 from sent4

Text  : Tylko we Francji manifestacje mają się odbyć w 46 miastach ,  w  tym w  tych największych :  w  Paryżu ,  Lyonie czy Marsylii .
Tokens: 1____ 2_ 3______ 4___________ 5___ 6__ 7____ 8 9_ 10______ 11 12 13_ 14 15__ 16__________ 17 18 19____ 20 21____ 22_ 23______ 24

Chunks:
  TruePositive nam [3,3] = Francji
  TruePositive nam [19,19] = Paryżu
  TruePositive nam [21,21] = Lyonie
  TruePositive nam [23,23] = Marsylii

(ChunkerEvaluator) Sentence #6325 from articles/00107627 from sent5

Text  : W Niemczech liczba miast jest o połowę mniejsza .
Tokens: 1 2________ 3_____ 4____ 5___ 6 7_____ 8_______ 9

Chunks:
  TruePositive nam [2,2] = Niemczech

(ChunkerEvaluator) Sentence #6326 from articles/00107627 from sent6

Text  : Za to swoje uczestnictwo na stronach Facebooka zapowiedziało ponad 20 tysięcy Niemców -  najwięcej w  Berlinie .
Tokens: 1_ 2_ 3____ 4___________ 5_ 6_______ 7________ 8____________ 9____ 10 11_____ 12_____ 13 14_______ 15 16______ 17

Chunks:
  TruePositive nam [12,12] = Niemców
  TruePositive nam [16,16] = Berlinie
  FalseNegative nam [7,7] = Facebooka

(ChunkerEvaluator) Sentence #6327 from articles/00107627 from sent7

Text  : Ok . 5 tysięcy osób ma się zebrać przy Fontannie Neptuna i  przejdzie głównymi ulicami centrum miasta .
Tokens: 1_ 2 3 4______ 5___ 6_ 7__ 8_____ 9___ 10_______ 11_____ 12 13_______ 14______ 15_____ 16_____ 17____ 18

Chunks:
  TruePositive nam [10,11] = Fontannie Neptuna

(ChunkerEvaluator) Sentence #6328 from articles/00107627 from sent8

Text  : Manifestacja ma się rozpocząć o 13stej , potrwać 4 godziny i  zakończyć się na Hausvogteiplatz .
Tokens: 1___________ 2_ 3__ 4________ 5 6_____ 7 8______ 9 10_____ 11 12_______ 13_ 14 15_____________ 16

Chunks:
  FalseNegative nam [15,15] = Hausvogteiplatz

(ChunkerEvaluator) Sentence #6329 from articles/00107627 from sent9

Text  : Najliczniejszy protest przeciwko ACTA w Europie zapowiada się w Bukareszcie -  tu swoją obecność zapowiada ok .  30 tysięcy osób .
Tokens: 1_____________ 2______ 3________ 4___ 5 6______ 7________ 8__ 9 10_________ 11 12 13___ 14______ 15_______ 16 17 18 19_____ 20__ 21

Chunks:
  TruePositive nam [4,4] = ACTA
  TruePositive nam [6,6] = Europie
  TruePositive nam [10,10] = Bukareszcie

(ChunkerEvaluator) Sentence #6330 from articles/00107627 from sent10

Text  : Protesty również w Polsce
Tokens: 1_______ 2______ 3 4_____

Chunks:
  TruePositive nam [4,4] = Polsce

(ChunkerEvaluator) Sentence #6331 from articles/00107627 from sent11

Text  : W Polsce na ulice chcą wyjść mieszkańcy m . in .  Krakowa ,  Katowic ,  Leszna ,  Radomia ,  Szczecina ,  Warszawy ,  Wrocławia a  także Poznania .
Tokens: 1 2_____ 3_ 4____ 5___ 6____ 7_________ 8 9 10 11 12_____ 13 14_____ 15 16____ 17 18_____ 19 20_______ 21 22______ 23 24_______ 25 26___ 27______ 28

Chunks:
  TruePositive nam [2,2] = Polsce
  TruePositive nam [12,12] = Krakowa
  TruePositive nam [14,14] = Katowic
  TruePositive nam [16,16] = Leszna
  TruePositive nam [18,18] = Radomia
  TruePositive nam [20,20] = Szczecina
  TruePositive nam [22,22] = Warszawy
  TruePositive nam [24,24] = Wrocławia
  TruePositive nam [27,27] = Poznania

(ChunkerEvaluator) Sentence #6332 from articles/00107627 from sent12

Text  : W stolicy Wielkopolski ma się pojawić ok . 800 osób .
Tokens: 1 2______ 3___________ 4_ 5__ 6______ 7_ 8 9__ 10__ 11

Chunks:
  TruePositive nam [3,3] = Wielkopolski

(ChunkerEvaluator) Sentence #6333 from articles/00107627 from sent13

Text  : Marsz wystartuje o godz . 14 spod Urzędu Wojewódzkiego ,  a  zakończy się pod siedzibą Platformy Obywatelskiej .
Tokens: 1____ 2_________ 3 4___ 5 6_ 7___ 8_____ 9____________ 10 11 12______ 13_ 14_ 15______ 16_______ 17___________ 18

Chunks:
  TruePositive nam [8,9] = Urzędu Wojewódzkiego
  TruePositive nam [16,17] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #6334 from articles/00107627 from sent14

Text  : - Spodziewamy się jednak góra 300 - 400 osób ,  bo to już czwarta taka manifestacja w  Poznaniu i  emocje nieco opadają .
Tokens: 1 2__________ 3__ 4_____ 5___ 6__ 7 8__ 9___ 10 11 12 13_ 14_____ 15__ 16__________ 17 18______ 19 20____ 21___ 22_____ 23

Chunks:
  TruePositive nam [18,18] = Poznaniu

(ChunkerEvaluator) Sentence #6335 from articles/00107627 from sent15

Text  : Ale musimy nadal protestować .
Tokens: 1__ 2_____ 3____ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #6336 from articles/00107627 from sent16

Text  : Trzeba naciskać na rząd i premiera , mimo że wreszcie ruszyły debaty w  temacie ACTA .
Tokens: 1_____ 2_______ 3_ 4___ 5 6_______ 7 8___ 9_ 10______ 11_____ 12____ 13 14_____ 15__ 16

Chunks:
  TruePositive nam [15,15] = ACTA

(ChunkerEvaluator) Sentence #6337 from articles/00107627 from sent17

Text  : Trzeba jednak pamiętać , że parlament ma rok na ratyfikowanie tego porozumienia .
Tokens: 1_____ 2_____ 3_______ 4 5_ 6________ 7_ 8__ 9_ 10___________ 11__ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #6338 from articles/00107627 from sent18

Text  : Nie chcemy dopuścić by po cichu zrobiono to za naszymi plecami -  mówi TOK FM Tomasz Marciniak -  współorganizator poznańskiego protestu .
Tokens: 1__ 2_____ 3_______ 4_ 5_ 6____ 7_______ 8_ 9_ 10_____ 11_____ 12 13__ 14_ 15 16____ 17_______ 18 19______________ 20__________ 21______ 22

Chunks:
  TruePositive nam [14,15] = TOK FM
  TruePositive nam [16,17] = Tomasz Marciniak

(ChunkerEvaluator) Sentence #6339 from articles/00107627 from sent19

Text  : - Nie mamy jeszcze zgody urzędników na przeprowadzenie zgromadzenia ,  ale złożyli śmy we wtorek stosowne dokumenty w  Urzędzie Miasta .
Tokens: 1 2__ 3___ 4______ 5____ 6_________ 7_ 8______________ 9___________ 10 11_ 12_____ 13_ 14 15____ 16______ 17_______ 18 19______ 20____ 21

Chunks:
  FalseNegative nam [19,20] = Urzędzie Miasta

(ChunkerEvaluator) Sentence #6340 from articles/00107627 from sent20

Text  : Na ewentualną odmowną decyzję czekamy do piątku , do godziny 14stej .
Tokens: 1_ 2_________ 3______ 4______ 5______ 6_ 7_____ 8 9_ 10_____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #6341 from articles/00107627 from sent21

Text  : Ale wydaje nam się , że urzędnicy raczej przychylnie podejdą do naszej prośby .
Tokens: 1__ 2_____ 3__ 4__ 5 6_ 7________ 8_____ 9__________ 10_____ 11 12____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #6342 from articles/00107627 from sent22

Text  : W Poznaniu najliczniejsza do tej pory manifestacja odbyła się 26 stycznia .
Tokens: 1 2_______ 3_____________ 4_ 5__ 6___ 7___________ 8_____ 9__ 10 11______ 12

Chunks:
  TruePositive nam [2,2] = Poznaniu

(ChunkerEvaluator) Sentence #6343 from articles/00107627 from sent23

Text  : Według różnych szacunków , wzięło w niej udział od 3  do 5  tysięcy osób .
Tokens: 1_____ 2______ 3________ 4 5_____ 6 7___ 8_____ 9_ 10 11 12 13_____ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #6344 from articles/00107627 from sent24

Text  : Protest wymknął się jednak spod kontroli - zgromadzenie miało się zakończyć na Placu Wolności ,  ale tłum ruszył w  kierunku siedziby wielkopolskiej PO .
Tokens: 1______ 2______ 3__ 4_____ 5___ 6_______ 7 8___________ 9____ 10_ 11_______ 12 13___ 14______ 15 16_ 17__ 18____ 19 20______ 21______ 22____________ 23 24

Chunks:
  TruePositive nam [13,14] = Placu Wolności
  TruePositive nam [23,23] = PO

(ChunkerEvaluator) Sentence #6345 from articles/00107627 from sent25

Text  : Gdy policjanci nie pozwolili manifestującym podejść do budynku w ich stronę poleciały kamienie .
Tokens: 1__ 2_________ 3__ 4________ 5_____________ 6______ 7_ 8______ 9 10_ 11____ 12_______ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #6346 from articles/00107627 from sent26

Text  : Zatrzymano 7 najbardziej krewkich osób - jak się okazało ,  znanych policji chuliganów z  jednej z  poznańskich dzielnic .
Tokens: 1_________ 2 3__________ 4_______ 5___ 6 7__ 8__ 9______ 10 11_____ 12_____ 13________ 14 15____ 16 17_________ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #6347 from articles/00107627 from sent27

Text  : Kilkadziesiąt wylegitymowano .
Tokens: 1____________ 2_____________ 3

Chunks:

2016-10-27 14:59:42,925 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 260 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107628.xml
(ChunkerEvaluator) Sentence #6348 from articles/00107628 from sent1

Text  : Sąd zdecydował : musicie przeprosić Kruczkowskiego
Tokens: 1__ 2_________ 3 4______ 5_________ 6_____________

Chunks:
  TruePositive nam [6,6] = Kruczkowskiego
  FalseNegative nam [1,1] = Sąd

(ChunkerEvaluator) Sentence #6349 from articles/00107628 from sent2

Text  : Radni Wałbrzyskiej Wspólnoty Samorządowej muszą przeprosić byłego prezydenta Wałbrzycha Piotra Kruuczkowskiego za bezpodstawne oskarżenia z  czasów ostatniej kampanii samorządowej -  uznał sąd rejonowy w  Wałbrzychu .
Tokens: 1____ 2___________ 3________ 4___________ 5____ 6_________ 7_____ 8_________ 9_________ 10____ 11_____________ 12 13__________ 14________ 15 16____ 17_______ 18______ 19__________ 20 21___ 22_ 23______ 24 25________ 26

Chunks:
  TruePositive nam [2,4] = Wałbrzyskiej Wspólnoty Samorządowej
  TruePositive nam [9,9] = Wałbrzycha
  TruePositive nam [10,11] = Piotra Kruuczkowskiego
  TruePositive nam [25,25] = Wałbrzychu

(ChunkerEvaluator) Sentence #6350 from articles/00107628 from sent3

Text  : Wyrok , który zapadł przed sądem pierwszej instancji , dotyczy akcji radnych WWS .
Tokens: 1____ 2 3____ 4_____ 5____ 6____ 7________ 8________ 9 10_____ 11___ 12_____ 13_ 14

Chunks:
  FalseNegative nam [13,13] = WWS

(ChunkerEvaluator) Sentence #6351 from articles/00107628 from sent4

Text  : To m . in . Mirosław Lubiński i Alicja Rosiak ,  którzy podczas pierwszej sesji rady miejskiej Wałbrzycha po wyborach w  2010 r  .  pojawili się z  tablicami sugerującymi ,  że Piotr Kruczkowski został wybrany prezydentem Wałbrzycha w  sposób nieuczciwy ,  dzięki kupowaniu głosów .
Tokens: 1_ 2 3 4_ 5 6_______ 7_______ 8 9_____ 10____ 11 12____ 13_____ 14_______ 15___ 16__ 17_______ 18________ 19 20______ 21 22__ 23 24 25______ 26_ 27 28_______ 29__________ 30 31 32___ 33_________ 34____ 35_____ 36_________ 37________ 38 39____ 40________ 41 42____ 43_______ 44____ 45

Chunks:
  TruePositive nam [6,7] = Mirosław Lubiński
  TruePositive nam [9,10] = Alicja Rosiak
  TruePositive nam [18,18] = Wałbrzycha
  TruePositive nam [32,33] = Piotr Kruczkowski
  TruePositive nam [37,37] = Wałbrzycha

(ChunkerEvaluator) Sentence #6352 from articles/00107628 from sent5

Text  : Napis na jednej tablic brzmiał : „ Jak kupując głosy wyborców i  korumpując polityków zostać prezydentem Wałbrzycha ?
Tokens: 1____ 2_ 3_____ 4_____ 5______ 6 7 8__ 9______ 10___ 11______ 12 13________ 14_______ 15____ 16_________ 17________ 18

Chunks:
  TruePositive nam [17,17] = Wałbrzycha

(ChunkerEvaluator) Sentence #6353 from articles/00107628 from sent6

Text  : Rozmowy eksperckie z Piotrem Kruczkowskim ” .
Tokens: 1______ 2_________ 3 4______ 5___________ 6 7

Chunks:
  TruePositive nam [4,5] = Piotrem Kruczkowskim

(ChunkerEvaluator) Sentence #6354 from articles/00107628 from sent7

Text  : Przypomnijmy , że niedługo później Sąd Okręgowy w Świdnicy nakazał powtórzenie drugiej tury wyborów prezydenckich uznając ,  że w  tym mieście rzeczywiście doszło do handlowania głosami .
Tokens: 1___________ 2 3_ 4_______ 5______ 6__ 7_______ 8 9_______ 10_____ 11_________ 12_____ 13__ 14_____ 15___________ 16_____ 17 18 19 20_ 21_____ 22__________ 23____ 24 25_________ 26_____ 27

Chunks:
  TruePositive nam [6,7] = Sąd Okręgowy
  TruePositive nam [9,9] = Świdnicy

(ChunkerEvaluator) Sentence #6355 from articles/00107628 from sent8

Text  : W wyniku tego wyroku Piotr Kruczkowski zrezygnował z mandatu prezydenta .
Tokens: 1 2_____ 3___ 4_____ 5____ 6__________ 7__________ 8 9______ 10________ 11

Chunks:
  TruePositive nam [5,6] = Piotr Kruczkowski

(ChunkerEvaluator) Sentence #6356 from articles/00107628 from sent9

Text  : Nie zrezygnował jednak z walki w sądzie , skarżąc radnych o  pomówienie .
Tokens: 1__ 2__________ 3_____ 4 5____ 6 7_____ 8 9______ 10_____ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #6357 from articles/00107628 from sent10

Text  : W czwartek sąd uznał , że akcja radnych mogła go obrażać i  nakazał im przeproszenie byłego prezydenta oraz wpłaty od 1  do 2  tys .  zł .  na cel społeczny .
Tokens: 1 2_______ 3__ 4____ 5 6_ 7____ 8______ 9____ 10 11_____ 12 13_____ 14 15___________ 16____ 17________ 18__ 19____ 20 21 22 23 24_ 25 26 27 28 29_ 30_______ 31

Chunks:
  TruePositive nam [26,26] = zł

(ChunkerEvaluator) Sentence #6358 from articles/00107628 from sent11

Text  : - Wyrok pokazuje jednoznacznie , że działania opozycji w ubiegłorocznych wyborach to była prowokacja ,  brudna ,  perfidna gra polityczna ,  której jedynym celem było ,  takimi sposobami ,  zdobycie fotela prezydenta Wałbrzycha -  komentuje wyrok Kruczkowski ,  w  przesłanym do mediów oświadczeniu .
Tokens: 1 2____ 3_______ 4____________ 5 6_ 7________ 8_______ 9 10_____________ 11______ 12 13__ 14________ 15 16____ 17 18______ 19_ 20________ 21 22____ 23_____ 24___ 25__ 26 27____ 28_______ 29 30______ 31____ 32________ 33________ 34 35_______ 36___ 37_________ 38 39 40________ 41 42____ 43__________ 44

Chunks:
  TruePositive nam [33,33] = Wałbrzycha
  TruePositive nam [37,37] = Kruczkowski

(ChunkerEvaluator) Sentence #6359 from articles/00107628 from sent12

Text  : - Stał em się ofiarą tej bezwzględnej walki prowadzonej barbarzyńskimi metodami .
Tokens: 1 2___ 3_ 4__ 5_____ 6__ 7___________ 8____ 9__________ 10____________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #6360 from articles/00107628 from sent13

Text  : Przypomnę , że prokuratura nadała mi status pokrzywdzonego , co nie przeszkadzało moim oponentom obrzucać mnie błotem .
Tokens: 1________ 2 3_ 4__________ 5_____ 6_ 7_____ 8_____________ 9 10 11_ 12___________ 13__ 14_______ 15______ 16__ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #6361 from articles/00107628 from sent14

Text  : Z prezydentury zrezygnował em , aby walka prowadzona właśnie takimi metodami nie szkodziła Wałbrzychowi .
Tokens: 1 2___________ 3__________ 4_ 5 6__ 7____ 8_________ 9______ 10____ 11______ 12_ 13_______ 14__________ 15

Chunks:
  TruePositive nam [14,14] = Wałbrzychowi

(ChunkerEvaluator) Sentence #6362 from articles/00107628 from sent15

Text  : Historia pokazała , że miałem rację , a dzisiejszy wyrok tylko to potwierdza .
Tokens: 1_______ 2_______ 3 4_ 5_____ 6____ 7 8 9_________ 10___ 11___ 12 13________ 14

Chunks:
  FalsePositive nam [1,1] = Historia

(ChunkerEvaluator) Sentence #6363 from articles/00107628 from sent16

Text  : Pozwani radni są zaskoczeni .
Tokens: 1______ 2____ 3_ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #6364 from articles/00107628 from sent17

Text  : Nie zamierzają przepraszać i podtrzymują swoje zarzuty względem byłego prezydenta .
Tokens: 1__ 2_________ 3__________ 4 5__________ 6____ 7______ 8_______ 9_____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #6365 from articles/00107628 from sent18

Text  : - Sąd w Świdnicy jednoznacznie stwierdził , że Piotr Kruczkowski został prezydentem z  wyniku handlowania głosami -  powtarza Mirosław Lubiński ,  który już zapowiada ,  że od zasądzonego wyroku radni się odwołają .
Tokens: 1 2__ 3 4_______ 5____________ 6_________ 7 8_ 9____ 10_________ 11____ 12_________ 13 14____ 15_________ 16_____ 17 18______ 19______ 20______ 21 22___ 23_ 24_______ 25 26 27 28_________ 29____ 30___ 31_ 32______ 33

Chunks:
  TruePositive nam [4,4] = Świdnicy
  TruePositive nam [9,10] = Piotr Kruczkowski
  TruePositive nam [19,20] = Mirosław Lubiński
  FalseNegative nam [2,2] = Sąd

2016-10-27 14:59:43,038 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 261 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107629.xml
(ChunkerEvaluator) Sentence #6366 from articles/00107629 from sent1

Text  : PlusLiga .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = PlusLiga

(ChunkerEvaluator) Sentence #6367 from articles/00107629 from sent2

Text  : Niespodzianka w Bełchatowie .
Tokens: 1____________ 2 3__________ 4

Chunks:
  TruePositive nam [3,3] = Bełchatowie

(ChunkerEvaluator) Sentence #6368 from articles/00107629 from sent3

Text  : Warszawiacy postraszyli lidera
Tokens: 1__________ 2__________ 3_____

Chunks:
  FalseNegative nam [1,1] = Warszawiacy

(ChunkerEvaluator) Sentence #6369 from articles/00107629 from sent4

Text  : - Mam satysfakcję , że zespół z Bełchatowa musiał wytoczyć największe działa ,  by z  nami wygrać -  mówił po meczu z  PGE Skrą Radosław Panas ,  trener AZS Politechniki Warszawa .
Tokens: 1 2__ 3__________ 4 5_ 6_____ 7 8_________ 9_____ 10______ 11________ 12____ 13 14 15 16__ 17____ 18 19___ 20 21___ 22 23_ 24__ 25______ 26___ 27 28____ 29_ 30__________ 31______ 32

Chunks:
  TruePositive nam [8,8] = Bełchatowa
  TruePositive nam [23,24] = PGE Skrą
  TruePositive nam [25,26] = Radosław Panas
  TruePositive nam [29,31] = AZS Politechniki Warszawa

(ChunkerEvaluator) Sentence #6370 from articles/00107629 from sent5

Text  : Jego podopieczni niespodziewanie zabrali punkt liderowi
Tokens: 1___ 2__________ 3______________ 4______ 5____ 6_______

Chunks:

(ChunkerEvaluator) Sentence #6371 from articles/00107629 from sent6

Text  : Mało jest drużyn w PlusLidze , które w ostatnich latach napsuły PGE Skrze tyle krwi co AZS Politechnika .
Tokens: 1___ 2___ 3_____ 4 5________ 6 7____ 8 9________ 10____ 11_____ 12_ 13___ 14__ 15__ 16 17_ 18__________ 19

Chunks:
  TruePositive nam [12,13] = PGE Skrze
  TruePositive nam [17,18] = AZS Politechnika
  FalseNegative nam [5,5] = PlusLidze

(ChunkerEvaluator) Sentence #6372 from articles/00107629 from sent7

Text  : W poprzednim sezonie zespół ze stolicy wygrał we własnej hali z  późniejszym mistrzem Polski 3  :  2  .
Tokens: 1 2_________ 3______ 4_____ 5_ 6______ 7_____ 8_ 9______ 10__ 11 12_________ 13______ 14____ 15 16 17 18

Chunks:
  TruePositive nam [14,14] = Polski
  FalseNegative nam [13,13] = mistrzem

(ChunkerEvaluator) Sentence #6373 from articles/00107629 from sent8

Text  : Teraz trener Radosław Panas ma mocno odmienioną drużynę ( brakuje w  niej m  .  in .  Michała Kubiaka i  Zbigniewa Bartmana )  ,  a  po raz drugi zabrał faworytowi punkt ,  wygrywając z  nim dwa sety .
Tokens: 1____ 2_____ 3_______ 4____ 5_ 6____ 7_________ 8______ 9 10_____ 11 12__ 13 14 15 16 17_____ 18_____ 19 20_______ 21______ 22 23 24 25 26_ 27___ 28____ 29________ 30___ 31 32________ 33 34_ 35_ 36__ 37

Chunks:
  TruePositive nam [3,4] = Radosław Panas
  TruePositive nam [17,18] = Michała Kubiaka
  TruePositive nam [20,21] = Zbigniewa Bartmana

(ChunkerEvaluator) Sentence #6374 from articles/00107629 from sent9

Text  : To naprawdę wielki wyczyn , z powodu lekkich urazów nie mogli bowiem zagrać dwaj podstawowi gracze AZS -  rozgrywający Patrick Steuerwald i  libero Damian Wojtaszek .
Tokens: 1_ 2_______ 3_____ 4_____ 5 6 7_____ 8______ 9_____ 10_ 11___ 12____ 13____ 14__ 15________ 16____ 17_ 18 19__________ 20_____ 21________ 22 23____ 24____ 25_______ 26

Chunks:
  TruePositive nam [17,17] = AZS
  TruePositive nam [24,25] = Damian Wojtaszek
  FalsePositive nam [20,23] = Patrick Steuerwald i libero
  FalseNegative nam [20,21] = Patrick Steuerwald

(ChunkerEvaluator) Sentence #6375 from articles/00107629 from sent10

Text  : Zastępujący ich Maciej Gorzkiewicz , a zwłaszcza Maciej Olenderek spisali się świetnie .
Tokens: 1__________ 2__ 3_____ 4__________ 5 6 7________ 8_____ 9________ 10_____ 11_ 12______ 13

Chunks:
  TruePositive nam [3,4] = Maciej Gorzkiewicz
  TruePositive nam [8,9] = Maciej Olenderek

(ChunkerEvaluator) Sentence #6376 from articles/00107629 from sent11

Text  : Ten pierwszy nie popełniał większych błędów , ale tak jak jego koledzy kapitalnie serwował .
Tokens: 1__ 2_______ 3__ 4________ 5________ 6_____ 7 8__ 9__ 10_ 11__ 12_____ 13________ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6377 from articles/00107629 from sent12

Text  : 19 - letniego libero nie ma nawet w bazie PlusLigi ,  dlatego jego dokonań nie można znaleźć w  oficjalnych statystykach .
Tokens: 1_ 2 3_______ 4_____ 5__ 6_ 7____ 8 9____ 10______ 11 12_____ 13__ 14_____ 15_ 16___ 17_____ 18 19_________ 20__________ 21

Chunks:
  FalseNegative nam [10,10] = PlusLigi

(ChunkerEvaluator) Sentence #6378 from articles/00107629 from sent13

Text  : Szkoda , bo spisał się kapitalnie .
Tokens: 1_____ 2 3_ 4_____ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #6379 from articles/00107629 from sent14

Text  : Bez większych problemów radził sobie z zagrywkami bełchatowian , w  obronie zaś dobiegał do wszystkich piłek .
Tokens: 1__ 2________ 3________ 4_____ 5____ 6 7_________ 8___________ 9 10 11_____ 12_ 13______ 14 15________ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #6380 from articles/00107629 from sent15

Text  : - Idzie na MVP - mówił z podziwem w czwartym secie Daniel Pliński ,  środkowy PGE Skry ,  który tym razem nie znalazł się w  kadrze na mecz .
Tokens: 1 2____ 3_ 4__ 5 6____ 7 8_______ 9 10______ 11___ 12____ 13_____ 14 15______ 16_ 17__ 18 19___ 20_ 21___ 22_ 23_____ 24_ 25 26____ 27 28__ 29

Chunks:
  TruePositive nam [12,13] = Daniel Pliński
  TruePositive nam [16,17] = PGE Skry
  FalseNegative nam [4,4] = MVP

(ChunkerEvaluator) Sentence #6381 from articles/00107629 from sent16

Text  : Choć przed rozpoczęciem spotkania trener Jacek Nawrocki ostrzegał przed tradycyjnie już niewygodnym przeciwnikiem ,  to zaczął grę w  całkowicie rezerwowym składzie .
Tokens: 1___ 2____ 3___________ 4________ 5_____ 6____ 7_______ 8________ 9____ 10_________ 11_ 12_________ 13___________ 14 15 16____ 17_ 18 19________ 20________ 21______ 22

Chunks:
  TruePositive nam [6,7] = Jacek Nawrocki

(ChunkerEvaluator) Sentence #6382 from articles/00107629 from sent17

Text  : Szybko musiał jednak sięgnąć po swoich asów - Bartosza Kurka ,  Mariusza Wlazłego ,  Michała Winiarskiego i  Miguela Falascę ,  bo warszawianie błyskawicznie osiągnęli sporą przewagę .
Tokens: 1_____ 2_____ 3_____ 4______ 5_ 6_____ 7___ 8 9_______ 10___ 11 12______ 13______ 14 15_____ 16__________ 17 18_____ 19_____ 20 21 22__________ 23___________ 24_______ 25___ 26______ 27

Chunks:
  TruePositive nam [9,10] = Bartosza Kurka
  TruePositive nam [12,13] = Mariusza Wlazłego
  TruePositive nam [15,16] = Michała Winiarskiego
  TruePositive nam [18,19] = Miguela Falascę

(ChunkerEvaluator) Sentence #6383 from articles/00107629 from sent18

Text  : Co najciekawsze , po zmianach niewiele się zmieniło .
Tokens: 1_ 2___________ 3 4_ 5_______ 6_______ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #6384 from articles/00107629 from sent19

Text  : A przyczyną była świetna zagrywka zawodników AZS PW .
Tokens: 1 2________ 3___ 4______ 5_______ 6_________ 7__ 8_ 9

Chunks:
  TruePositive nam [7,8] = AZS PW

(ChunkerEvaluator) Sentence #6385 from articles/00107629 from sent20

Text  : Praktycznie wszyscy serwowali bardzo mocno , sprawiając wielkie problemy nawet takim specjalistom ,  jak Winiarski ,  Michał Bąkiewicz czy Paweł Zatorski .
Tokens: 1__________ 2______ 3________ 4_____ 5____ 6 7_________ 8______ 9_______ 10___ 11___ 12__________ 13 14_ 15_______ 16 17____ 18_______ 19_ 20___ 21______ 22

Chunks:
  TruePositive nam [15,15] = Winiarski
  TruePositive nam [17,18] = Michał Bąkiewicz
  TruePositive nam [20,21] = Paweł Zatorski

(ChunkerEvaluator) Sentence #6386 from articles/00107629 from sent21

Text  : - Najbardziej cieszę się z tego , że Politechnika bardzo mocno zagrywała .
Tokens: 1 2__________ 3_____ 4__ 5 6___ 7 8_ 9___________ 10____ 11___ 12_______ 13

Chunks:
  FalseNegative nam [9,9] = Politechnika

(ChunkerEvaluator) Sentence #6387 from articles/00107629 from sent22

Text  : Dzięki temu nasi przyjmujący mieli fajny sprawdzian - komentował Nawrocki .
Tokens: 1_____ 2___ 3___ 4__________ 5____ 6____ 7_________ 8 9_________ 10______ 11

Chunks:
  TruePositive nam [10,10] = Nawrocki

(ChunkerEvaluator) Sentence #6388 from articles/00107629 from sent23

Text  : Bo w tym sezonie jego drużyna rzadko miała okazję trafić na takiego rywala ,  nawet w  pojedynkach z  najgroźniejszymi przeciwnikami .
Tokens: 1_ 2 3__ 4______ 5___ 6______ 7_____ 8____ 9_____ 10____ 11 12_____ 13____ 14 15___ 16 17_________ 18 19______________ 20___________ 21

Chunks:

(ChunkerEvaluator) Sentence #6389 from articles/00107629 from sent24

Text  : Dlatego szkoleniowiec zostawił na boisku swoich podstawowych graczy , choć -  jak przyznał -  planował zmiany .
Tokens: 1______ 2____________ 3_______ 4_ 5_____ 6_____ 7___________ 8_____ 9 10__ 11 12_ 13______ 14 15______ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #6390 from articles/00107629 from sent25

Text  : Siatkarze AZS pomylili się przy serwach tylko 15 - krotnie (  PGE Skra -  aż 23 razy )  ,  bezpośrednio zdobyli pięć punktów ,  a  wielokrotnie gospodarze nie byli w  stanie zaatakować .
Tokens: 1________ 2__ 3_______ 4__ 5___ 6______ 7____ 8_ 9 10_____ 11 12_ 13__ 14 15 16 17__ 18 19 20__________ 21_____ 22__ 23_____ 24 25 26__________ 27________ 28_ 29__ 30 31____ 32________ 33

Chunks:
  TruePositive nam [2,2] = AZS
  TruePositive nam [12,13] = PGE Skra

(ChunkerEvaluator) Sentence #6391 from articles/00107629 from sent26

Text  : Co najważniejsze , równie mocno uderzali piłkę na początku seta jak w  końcówkach .
Tokens: 1_ 2____________ 3 4_____ 5____ 6_______ 7____ 8_ 9_______ 10__ 11_ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #6392 from articles/00107629 from sent27

Text  : W tie - breaku goście przegrywali 11 : 14 ,  ale doszli na jeden punkt .
Tokens: 1 2__ 3 4_____ 5_____ 6__________ 7_ 8 9_ 10 11_ 12____ 13 14___ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #6393 from articles/00107629 from sent28

Text  : Ostatnią piłkę bełchatowianom udało się przyjąć , ale Falasca mógł tylko wystawić wysoko do Kurka .
Tokens: 1_______ 2____ 3_____________ 4____ 5__ 6______ 7 8__ 9______ 10__ 11___ 12______ 13____ 14 15___ 16

Chunks:
  TruePositive nam [15,15] = Kurka
  FalseNegative nam [3,3] = bełchatowianom
  FalseNegative nam [9,9] = Falasca

(ChunkerEvaluator) Sentence #6394 from articles/00107629 from sent29

Text  : Ten jednak w podobnych sytuacjach rzadko popełnia błędy i skończył spotkanie atomowym zbiciem .
Tokens: 1__ 2_____ 3 4________ 5_________ 6_____ 7_______ 8____ 9 10______ 11_______ 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #6395 from articles/00107629 from sent30

Text  : Kapitan AZS Marcin Nowak stwierdził , że z powodu cięcia kosztów w  klubie jego drużyna przyjechała do Bełchatowa w  dniu meczu ,  co w  siatkówce jest niespotykane .
Tokens: 1______ 2__ 3_____ 4____ 5_________ 6 7_ 8 9_____ 10____ 11_____ 12 13____ 14__ 15_____ 16_________ 17 18________ 19 20__ 21___ 22 23 24 25_______ 26__ 27__________ 28

Chunks:
  TruePositive nam [2,2] = AZS
  TruePositive nam [3,4] = Marcin Nowak
  TruePositive nam [18,18] = Bełchatowa

(ChunkerEvaluator) Sentence #6396 from articles/00107629 from sent31

Text  : - Zdobyli śmy punkt , co jest niespodzianką .
Tokens: 1 2______ 3__ 4____ 5 6_ 7___ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #6397 from articles/00107629 from sent32

Text  : Może teraz będziemy mieć trochę więcej szczęścia w dziedzinach pozasportowych -  dodał .
Tokens: 1___ 2____ 3_______ 4___ 5_____ 6_____ 7________ 8 9__________ 10____________ 11 12___ 13

Chunks:

2016-10-27 14:59:43,203 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 262 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107630.xml
(ChunkerEvaluator) Sentence #6398 from articles/00107630 from sent1

Text  : ESPN Classic .
Tokens: 1___ 2______ 3

Chunks:
  FalseNegative nam [1,2] = ESPN Classic

(ChunkerEvaluator) Sentence #6399 from articles/00107630 from sent2

Text  : Wzloty i upadki Rossonerich
Tokens: 1_____ 2 3_____ 4__________

Chunks:
  FalseNegative nam [4,4] = Rossonerich

(ChunkerEvaluator) Sentence #6400 from articles/00107630 from sent3

Text  : Rossoneri , czyli czerwono - czarni , to piłkarze AC Milan .
Tokens: 1________ 2 3____ 4_______ 5 6_____ 7 8_ 9_______ 10 11___ 12

Chunks:
  TruePositive nam [10,11] = AC Milan
  FalseNegative nam [1,1] = Rossoneri

(ChunkerEvaluator) Sentence #6401 from articles/00107630 from sent4

Text  : Przydomek pochodzi od czerwonych i czarnych pasów na koszulkach drużyny .
Tokens: 1________ 2_______ 3_ 4_________ 5 6_______ 7____ 8_ 9_________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #6402 from articles/00107630 from sent5

Text  : Mediolańczycy bywają z tego powodu nazywani także Diavolo ( diabły )  .
Tokens: 1____________ 2_____ 3 4___ 5_____ 6_______ 7____ 8______ 9 10____ 11 12

Chunks:
  FalseNegative nam [1,1] = Mediolańczycy
  FalseNegative nam [8,8] = Diavolo

(ChunkerEvaluator) Sentence #6403 from articles/00107630 from sent6

Text  : Inny , najmniej znany , przydomek zespołu ze stadionu San Siro to Casciavitt -  śrubokręty .
Tokens: 1___ 2 3_______ 4____ 5 6________ 7______ 8_ 9_______ 10_ 11__ 12 13________ 14 15________ 16

Chunks:
  TruePositive nam [10,11] = San Siro
  FalseNegative nam [13,13] = Casciavitt

(ChunkerEvaluator) Sentence #6404 from articles/00107630 from sent7

Text  : Ma on swoje źródło w historii klubu , któremu początkowo kibicowali głównie przedstawiciele klasy robotniczej .
Tokens: 1_ 2_ 3____ 4_____ 5 6_______ 7____ 8 9______ 10________ 11________ 12_____ 13_____________ 14___ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #6405 from articles/00107630 from sent8

Text  : Historyczne mecze Milanu można obejrzeć na antenie ESPN Classic .
Tokens: 1__________ 2____ 3_____ 4____ 5_______ 6_ 7______ 8___ 9______ 10

Chunks:
  TruePositive nam [8,9] = ESPN Classic
  FalseNegative nam [3,3] = Milanu

(ChunkerEvaluator) Sentence #6406 from articles/00107630 from sent9

Text  : Sezon 1913 / 1914 przyniósł Milanowi wielki sukces .
Tokens: 1____ 2___ 3 4___ 5________ 6_______ 7_____ 8_____ 9

Chunks:
  TruePositive nam [6,6] = Milanowi
  FalsePositive nam [1,1] = Sezon

(ChunkerEvaluator) Sentence #6407 from articles/00107630 from sent10

Text  : W rozgrywanym na mediolańskim stadionie spotkaniu Audax Modena poniósł bezwzględną klęskę .
Tokens: 1 2__________ 3_ 4___________ 5________ 6________ 7____ 8_____ 9______ 10_________ 11____ 12

Chunks:
  FalsePositive nam [8,8] = Modena
  FalseNegative nam [7,8] = Audax Modena

(ChunkerEvaluator) Sentence #6408 from articles/00107630 from sent11

Text  : Gospodarze totalnie zdominowali mecz , zdobywając 13 bramek , a  goście zakończyli mecz z  zerowym wynikiem .
Tokens: 1_________ 2_______ 3__________ 4___ 5 6_________ 7_ 8_____ 9 10 11____ 12________ 13__ 14 15_____ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #6409 from articles/00107630 from sent12

Text  : Pięć lat później , w meczu z Austonią , doszło do najwyższego zwycięstwa wyjazdowego .
Tokens: 1___ 2__ 3______ 4 5 6____ 7 8_______ 9 10____ 11 12_________ 13________ 14_________ 15

Chunks:
  FalseNegative nam [8,8] = Austonią

(ChunkerEvaluator) Sentence #6410 from articles/00107630 from sent13

Text  : W październikowej rozgrywce Diavolo pokonali gospodarzy 10 : 0 .
Tokens: 1 2______________ 3________ 4______ 5_______ 6_________ 7_ 8 9 10

Chunks:
  FalseNegative nam [4,4] = Diavolo

(ChunkerEvaluator) Sentence #6411 from articles/00107630 from sent14

Text  : Wśród sukcesów piłkarzy klubu warto wymienić także najszybszą bramkę .
Tokens: 1____ 2_______ 3_______ 4____ 5____ 6_______ 7____ 8_________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #6412 from articles/00107630 from sent15

Text  : Padła ona w meczu z Liverpoolem w 2005 roku .
Tokens: 1____ 2__ 3 4____ 5 6__________ 7 8___ 9___ 10

Chunks:
  TruePositive nam [6,6] = Liverpoolem

(ChunkerEvaluator) Sentence #6413 from articles/00107630 from sent16

Text  : Strzelili gola Anglikom już w pierwszej minucie rozgrywki .
Tokens: 1________ 2___ 3_______ 4__ 5 6________ 7______ 8________ 9

Chunks:
  TruePositive nam [3,3] = Anglikom

(ChunkerEvaluator) Sentence #6414 from articles/00107630 from sent17

Text  : Ostatecznie mecz zakończył się jednak wynikiem 5 : 6 (  3  :  3  ,  karne 2  :  3  )  i  sukcesem Liverpoolu .
Tokens: 1__________ 2___ 3________ 4__ 5_____ 6_______ 7 8 9 10 11 12 13 14 15___ 16 17 18 19 20 21______ 22________ 23

Chunks:
  TruePositive nam [22,22] = Liverpoolu

(ChunkerEvaluator) Sentence #6415 from articles/00107630 from sent18

Text  : W 1974 roku , w drugiej edycji Superpucharu , przydarzyła się natomiast klęska ,  której nikt się nie spodziewał .
Tokens: 1 2___ 3___ 4 5 6______ 7_____ 8___________ 9 10_________ 11_ 12_______ 13____ 14 15____ 16__ 17_ 18_ 19________ 20

Chunks:
  TruePositive nam [8,8] = Superpucharu

(ChunkerEvaluator) Sentence #6416 from articles/00107630 from sent19

Text  : Spotkanie Milanu z Ajaxem Amsterdam przez wielu kibiców uważane jest za najbardziej dramatyczną rozgrywkę klubu w  drugiej połowie XX wieku .
Tokens: 1________ 2_____ 3 4_____ 5________ 6____ 7____ 8______ 9______ 10__ 11 12_________ 13_________ 14_______ 15___ 16 17_____ 18_____ 19 20___ 21

Chunks:
  TruePositive nam [4,5] = Ajaxem Amsterdam
  FalseNegative nam [2,2] = Milanu

(ChunkerEvaluator) Sentence #6417 from articles/00107630 from sent20

Text  : W meczu mediolańczycy nie strzelili ani jednego gola , ale holenderska drużyna trafiła do bramki aż sześć razy .
Tokens: 1 2____ 3____________ 4__ 5________ 6__ 7______ 8___ 9 10_ 11_________ 12_____ 13_____ 14 15____ 16 17___ 18__ 19

Chunks:
  FalseNegative nam [3,3] = mediolańczycy

(ChunkerEvaluator) Sentence #6418 from articles/00107630 from sent21

Text  : W lutym na antenie ESPN Classic od poniedziałku do piątku o  godz .  18 .  00 ,  18 .  30 i  19 .  00 retransmisje meczów Premier League i  Serie A  .
Tokens: 1 2____ 3_ 4______ 5___ 6______ 7_ 8___________ 9_ 10____ 11 12__ 13 14 15 16 17 18 19 20 21 22 23 24 25__________ 26____ 27_____ 28____ 29 30___ 31 32

Chunks:
  TruePositive nam [5,6] = ESPN Classic
  FalsePositive nam [27,31] = Premier League i Serie A
  FalseNegative nam [27,28] = Premier League

2016-10-27 14:59:43,288 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 263 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107631.xml
(ChunkerEvaluator) Sentence #6419 from articles/00107631 from sent1

Text  : Uniwersytet Medyczny .
Tokens: 1__________ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Uniwersytet Medyczny

(ChunkerEvaluator) Sentence #6420 from articles/00107631 from sent2

Text  : Będzie mniej miejsc na lekarskim
Tokens: 1_____ 2____ 3_____ 4_ 5________

Chunks:

(ChunkerEvaluator) Sentence #6421 from articles/00107631 from sent3

Text  : Lubelski Uniwersytet Medyczny rozważa zmniejszenie liczby miejsc dla przyszłych studentów na płatnych studiach -  dowiedziała się nieoficjalnie „  Gazeta ”  .
Tokens: 1_______ 2__________ 3_______ 4______ 5___________ 6_____ 7_____ 8__ 9_________ 10_______ 11 12______ 13______ 14 15_________ 16_ 17___________ 18 19____ 20 21

Chunks:
  TruePositive nam [19,19] = Gazeta
  FalsePositive nam [2,3] = Uniwersytet Medyczny
  FalseNegative nam [1,3] = Lubelski Uniwersytet Medyczny

(ChunkerEvaluator) Sentence #6422 from articles/00107631 from sent4

Text  : Decyzja w tej sprawie ma zapaść na dzisiejszym kolegium rektorskim
Tokens: 1______ 2 3__ 4______ 5_ 6_____ 7_ 8__________ 9_______ 10________

Chunks:

(ChunkerEvaluator) Sentence #6423 from articles/00107631 from sent5

Text  : Będzie mniej miejsc na medycynie ?
Tokens: 1_____ 2____ 3_____ 4_ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #6424 from articles/00107631 from sent6

Text  : Lubelski Uniwersytet Medyczny rozważa zmniejszenie liczby miejsc dla przyszłych studentów na płatnych studiach -  dowiedziała się nieoficjalnie „  Gazeta ”  .
Tokens: 1_______ 2__________ 3_______ 4______ 5___________ 6_____ 7_____ 8__ 9_________ 10_______ 11 12______ 13______ 14 15_________ 16_ 17___________ 18 19____ 20 21

Chunks:
  TruePositive nam [19,19] = Gazeta
  FalsePositive nam [2,3] = Uniwersytet Medyczny
  FalseNegative nam [1,3] = Lubelski Uniwersytet Medyczny

(ChunkerEvaluator) Sentence #6425 from articles/00107631 from sent7

Text  : Decyzja w tej sprawie ma zapaść na dzisiejszym kolegium rektorskim
Tokens: 1______ 2 3__ 4______ 5_ 6_____ 7_ 8__________ 9_______ 10________

Chunks:

(ChunkerEvaluator) Sentence #6426 from articles/00107631 from sent8

Text  : To nie jedyna uczelnia medyczna w Polsce , która ma w  tej kwestii niełatwy orzech do zgryzienia ,  problem dotyczy całego kraju .
Tokens: 1_ 2__ 3_____ 4_______ 5_______ 6 7_____ 8 9____ 10 11 12_ 13_____ 14______ 15____ 16 17________ 18 19_____ 20_____ 21____ 22___ 23

Chunks:
  TruePositive nam [7,7] = Polsce

(ChunkerEvaluator) Sentence #6427 from articles/00107631 from sent9

Text  : O co chodzi ?
Tokens: 1 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #6428 from articles/00107631 from sent10

Text  : Reforma kształcenia lekarzy i dentystów zakłada , że ich studia skrócą się o  rok .
Tokens: 1______ 2__________ 3______ 4 5________ 6______ 7 8_ 9__ 10____ 11____ 12_ 13 14_ 15

Chunks:

(ChunkerEvaluator) Sentence #6429 from articles/00107631 from sent11

Text  : Do tej pory przyszli lekarze spędzali na uczelni sześć lat ,  a  od nowego roku akademickiego już po pięciu latach będą zaczynać staż w  klinikach .
Tokens: 1_ 2__ 3___ 4_______ 5______ 6_______ 7_ 8______ 9____ 10_ 11 12 13 14____ 15__ 16___________ 17_ 18 19____ 20____ 21__ 22______ 23__ 24 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #6430 from articles/00107631 from sent12

Text  : Efekt ?
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #6431 from articles/00107631 from sent13

Text  : Czasu na naukę będzie mniej niż do tej pory ,  a  zawodowe kształcenie praktyczne w  większym stopniu niż do tej pory stopniu będzie odbywało się na uczelniach .
Tokens: 1____ 2_ 3____ 4_____ 5____ 6__ 7_ 8__ 9___ 10 11 12______ 13_________ 14________ 15 16______ 17_____ 18_ 19 20_ 21__ 22_____ 23____ 24______ 25_ 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #6432 from articles/00107631 from sent14

Text  : Collegium Medicum Uniwersytetu Jagiellońskiego już zapowiedziało , że zmniejszy liczbę miejsc na medycynie o  17 procent .
Tokens: 1________ 2______ 3___________ 4______________ 5__ 6____________ 7 8_ 9________ 10____ 11____ 12 13_______ 14 15 16_____ 17

Chunks:
  FalsePositive nam [3,4] = Uniwersytetu Jagiellońskiego
  FalseNegative nam [1,4] = Collegium Medicum Uniwersytetu Jagiellońskiego

(ChunkerEvaluator) Sentence #6433 from articles/00107631 from sent15

Text  : - Jeśli skracamy studia o rok , to w trosce o  bezpieczeństwo przyszłych pacjentów uczciwie sobie powiedzieli śmy :  nie jesteśmy w  stanie wykształcić w  tak krótkim czasie takiej samej liczby osób jak dotychczas -  tak na łamach „  Gazety Wyborczej ”  mówił prof .  Tomasz Grodzicki ,  dziekan Wydziału Lekarskiego Collegium Medicum UJ .
Tokens: 1 2____ 3_______ 4_____ 5 6__ 7 8_ 9 10____ 11 12____________ 13________ 14_______ 15______ 16___ 17_________ 18_ 19 20_ 21______ 22 23____ 24_________ 25 26_ 27_____ 28____ 29____ 30___ 31____ 32__ 33_ 34________ 35 36_ 37 38____ 39 40____ 41_______ 42 43___ 44__ 45 46____ 47_______ 48 49_____ 50______ 51_________ 52_______ 53_____ 54 55

Chunks:
  TruePositive nam [40,41] = Gazety Wyborczej
  TruePositive nam [46,47] = Tomasz Grodzicki
  FalsePositive nam [50,54] = Wydziału Lekarskiego Collegium Medicum UJ
  FalseNegative nam [50,51] = Wydziału Lekarskiego
  FalseNegative nam [52,54] = Collegium Medicum UJ

(ChunkerEvaluator) Sentence #6434 from articles/00107631 from sent16

Text  : Problem widzi także Uniwersytet Medyczny w Lublinie .
Tokens: 1______ 2____ 3____ 4__________ 5_______ 6 7_______ 8

Chunks:
  FalsePositive nam [4,7] = Uniwersytet Medyczny w Lublinie
  FalseNegative nam [4,5] = Uniwersytet Medyczny
  FalseNegative nam [7,7] = Lublinie

(ChunkerEvaluator) Sentence #6435 from articles/00107631 from sent17

Text  : Rzecznik uczelni Włodzimierz Matysiak informuje , że uczelnia już w  czerwcu 2011 roku wysłała do resortu edukacji w  pismo ,  z  którego wynika ,  że wejście w  życie zasad reformy kształcenia będzie wiązało się z  koniecznymi nakładami finansowymi .
Tokens: 1_______ 2______ 3__________ 4_______ 5________ 6 7_ 8_______ 9__ 10 11_____ 12__ 13__ 14_____ 15 16_____ 17______ 18 19___ 20 21 22_____ 23____ 24 25 26_____ 27 28___ 29___ 30_____ 31_________ 32____ 33_____ 34_ 35 36_________ 37_______ 38_________ 39

Chunks:
  TruePositive nam [3,4] = Włodzimierz Matysiak

(ChunkerEvaluator) Sentence #6436 from articles/00107631 from sent18

Text  : - Po pierwsze musiało by powstać nowe centrum kształcenia ,  w  którym studenci doskonalili by swoje umiejętności na fantomach .
Tokens: 1 2_ 3_______ 4______ 5_ 6______ 7___ 8______ 9__________ 10 11 12____ 13______ 14_________ 15 16___ 17__________ 18 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #6437 from articles/00107631 from sent19

Text  : To sposób przeprowadzenia podczas ćwiczeń symulacji porodu , czy operacji .
Tokens: 1_ 2_____ 3______________ 4______ 5______ 6________ 7_____ 8 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #6438 from articles/00107631 from sent20

Text  : Poinformowali śmy też Ministerstwo Zdrowia , że musimy mieć nowy budynek do kształcenia studentów stomatologii .
Tokens: 1____________ 2__ 3__ 4___________ 5______ 6 7_ 8_____ 9___ 10__ 11_____ 12 13_________ 14_______ 15__________ 16

Chunks:
  TruePositive nam [4,5] = Ministerstwo Zdrowia

(ChunkerEvaluator) Sentence #6439 from articles/00107631 from sent21

Text  : Koszt każdego z tych budynków to 45 do 55 milionów złotych .
Tokens: 1____ 2______ 3 4___ 5_______ 6_ 7_ 8_ 9_ 10______ 11_____ 12

Chunks:
  TruePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #6440 from articles/00107631 from sent22

Text  : Nie stać nas na zrealizowanie tych inwestycji w całości -  informuje Włodzimierz Matysiak .
Tokens: 1__ 2___ 3__ 4_ 5____________ 6___ 7_________ 8 9______ 10 11_______ 12_________ 13______ 14

Chunks:
  TruePositive nam [12,13] = Włodzimierz Matysiak

(ChunkerEvaluator) Sentence #6441 from articles/00107631 from sent23

Text  : I dodaje : - Do tej pory nie dostali śmy odpowiedzi z  resortu zdrowia .
Tokens: 1 2_____ 3 4 5_ 6__ 7___ 8__ 9______ 10_ 11________ 12 13_____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #6442 from articles/00107631 from sent24

Text  : Uniwersytet szacuje , że koszty kształcenia studentów , w stosunku do obecnych ,  zwiększą się dwukrotnie .
Tokens: 1__________ 2______ 3 4_ 5_____ 6__________ 7________ 8 9 10______ 11 12______ 13 14______ 15_ 16________ 17

Chunks:
  FalseNegative nam [1,1] = Uniwersytet

(ChunkerEvaluator) Sentence #6443 from articles/00107631 from sent25

Text  : Również dlatego , że reforma zakłada , iż grupy ćwiczeniowe na kierunkach medycznych będą mniej liczne niż obecnie ,  więc trzeba będzie zatrudnić dodatkową kadrę .
Tokens: 1______ 2______ 3 4_ 5______ 6______ 7 8_ 9____ 10_________ 11 12________ 13________ 14__ 15___ 16____ 17_ 18_____ 19 20__ 21____ 22____ 23_______ 24_______ 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #6444 from articles/00107631 from sent26

Text  : Czy lubelska uczelnia pójdzie w ślady UJ ?
Tokens: 1__ 2_______ 3_______ 4______ 5 6____ 7_ 8

Chunks:
  TruePositive nam [7,7] = UJ

(ChunkerEvaluator) Sentence #6445 from articles/00107631 from sent27

Text  : - Na odpowiedź na to pytanie jest jeszcze za wcześnie .
Tokens: 1 2_ 3________ 4_ 5_ 6______ 7___ 8______ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #6446 from articles/00107631 from sent28

Text  : Decyzja zapadnie na wtorkowym kolegium rektorskim .
Tokens: 1______ 2_______ 3_ 4________ 5_______ 6_________ 7

Chunks:
  FalseNegative nam [5,6] = kolegium rektorskim

(ChunkerEvaluator) Sentence #6447 from articles/00107631 from sent29

Text  : Na pewno pod uwagę zostanie wzięta aktualna sytuacja finansowa uczelni -  ucina Włodzimierz Matysiak .
Tokens: 1_ 2____ 3__ 4____ 5_______ 6_____ 7_______ 8_______ 9________ 10_____ 11 12___ 13_________ 14______ 15

Chunks:
  TruePositive nam [13,14] = Włodzimierz Matysiak

(ChunkerEvaluator) Sentence #6448 from articles/00107631 from sent30

Text  : „ Gazeta ” dowiedziała się jednak nieoficjalnie , że pod uwagę brany jest scenariusz zakładający zmniejszenie liczby miejsc na studiach płatnych .
Tokens: 1 2_____ 3 4__________ 5__ 6_____ 7____________ 8 9_ 10_ 11___ 12___ 13__ 14________ 15_________ 16__________ 17____ 18____ 19 20______ 21______ 22

Chunks:
  TruePositive nam [2,2] = Gazeta

(ChunkerEvaluator) Sentence #6449 from articles/00107631 from sent31

Text  : Obecnie osoby uczące się w tzw . trybie niestacjonarnym na Uniwersytecie Medycznym w  Lublinie stanowią prawie 19 procent wszystkich studentów .
Tokens: 1______ 2____ 3_____ 4__ 5 6__ 7 8_____ 9______________ 10 11___________ 12_______ 13 14______ 15______ 16____ 17 18_____ 19________ 20_______ 21

Chunks:
  FalsePositive nam [11,14] = Uniwersytecie Medycznym w Lublinie
  FalseNegative nam [11,12] = Uniwersytecie Medycznym
  FalseNegative nam [14,14] = Lublinie

(ChunkerEvaluator) Sentence #6450 from articles/00107631 from sent32

Text  : O jakich kwotach jest mowa ?
Tokens: 1 2_____ 3______ 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #6451 from articles/00107631 from sent33

Text  : Na przykład semestr na wydziale lekarskim kosztuje 10 tysięcy złotych ,  a  na stomatologii 12 tysięcy złotych .
Tokens: 1_ 2_______ 3______ 4_ 5_______ 6________ 7_______ 8_ 9______ 10_____ 11 12 13 14__________ 15 16_____ 17_____ 18

Chunks:
  TruePositive nam [10,10] = złotych
  TruePositive nam [17,17] = złotych

(ChunkerEvaluator) Sentence #6452 from articles/00107631 from sent34

Text  : W czasie ostatniej rekrutacji na UM w Lublinie najbardziej oblegane były medycyna i  stomatologia ,  na oba kierunki startowało po 21 kandydatów .
Tokens: 1 2_____ 3________ 4_________ 5_ 6_ 7 8_______ 9__________ 10______ 11__ 12______ 13 14__________ 15 16 17_ 18______ 19________ 20 21 22________ 23

Chunks:
  TruePositive nam [6,6] = UM
  TruePositive nam [8,8] = Lublinie

(ChunkerEvaluator) Sentence #6453 from articles/00107631 from sent35

Text  : PODPIS
Tokens: 1_____

Chunks:
  FalsePositive nam [1,1] = PODPIS

(ChunkerEvaluator) Sentence #6454 from articles/00107631 from sent36

Text  : Na Uniwersytecie Medycznym w Lublinie kształci się dziś blisko osiem tysięcy studentów
Tokens: 1_ 2____________ 3________ 4 5_______ 6_______ 7__ 8___ 9_____ 10___ 11_____ 12_______

Chunks:
  TruePositive nam [2,3] = Uniwersytecie Medycznym
  TruePositive nam [5,5] = Lublinie

(ChunkerEvaluator) Sentence #6455 from articles/00107631 from sent37

Text  : WYIMEK
Tokens: 1_____

Chunks:
  FalsePositive nam [1,1] = WYIMEK

(ChunkerEvaluator) Sentence #6456 from articles/00107631 from sent38

Text  : Obecnie osoby uczące się w tzw . trybie niestacjonarnym na Uniwersytecie Medycznym w  Lublinie stanowią prawie 19 procent wszystkich studentów .
Tokens: 1______ 2____ 3_____ 4__ 5 6__ 7 8_____ 9______________ 10 11___________ 12_______ 13 14______ 15______ 16____ 17 18_____ 19________ 20_______ 21

Chunks:
  FalsePositive nam [11,14] = Uniwersytecie Medycznym w Lublinie
  FalseNegative nam [11,12] = Uniwersytecie Medycznym
  FalseNegative nam [14,14] = Lublinie

(ChunkerEvaluator) Sentence #6457 from articles/00107631 from sent39

Text  : O jakich kwotach jest mowa ?
Tokens: 1 2_____ 3______ 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #6458 from articles/00107631 from sent40

Text  : Na przykład semestr na wydziale lekarskim kosztuje 10 tys .  zł
Tokens: 1_ 2_______ 3______ 4_ 5_______ 6________ 7_______ 8_ 9__ 10 11

Chunks:
  TruePositive nam [11,11] = zł

2016-10-27 14:59:43,474 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 264 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107632.xml
(ChunkerEvaluator) Sentence #6459 from articles/00107632 from sent1

Text  : Studencki pomysł : termy w Gdyni na Polance Redłowskiej
Tokens: 1________ 2_____ 3 4____ 5 6____ 7_ 8______ 9__________

Chunks:
  TruePositive nam [6,6] = Gdyni
  TruePositive nam [8,9] = Polance Redłowskiej

(ChunkerEvaluator) Sentence #6460 from articles/00107632 from sent2

Text  : Magdalena Rosowska zdobyła nagrodę Wydziału Architektury za najlepszą pracę dyplomową .
Tokens: 1________ 2_______ 3______ 4______ 5_______ 6___________ 7_ 8________ 9____ 10_______ 11

Chunks:
  TruePositive nam [1,2] = Magdalena Rosowska
  TruePositive nam [5,6] = Wydziału Architektury

(ChunkerEvaluator) Sentence #6461 from articles/00107632 from sent3

Text  : Zaprojektowała „ Centrum medycyny naturalnej i odnowy biologicznej w Gdyni na Polance Redłowskiej ”
Tokens: 1_____________ 2 3______ 4_______ 5_________ 6 7_____ 8___________ 9 10___ 11 12_____ 13_________ 14

Chunks:
  FalsePositive nam [10,10] = Gdyni
  FalsePositive nam [12,13] = Polance Redłowskiej
  FalseNegative nam [3,13] = Centrum medycyny naturalnej i odnowy biologicznej w Gdyni na Polance Redłowskiej

(ChunkerEvaluator) Sentence #6462 from articles/00107632 from sent4

Text  : - Inspiracją mojej pracy dyplomowej był Peter Zumthar , który zaprojektował w  szwajcarskim Vals termy ,  za które otrzymał prestiżową nagrodę Pritzkera .
Tokens: 1 2_________ 3____ 4____ 5_________ 6__ 7____ 8______ 9 10___ 11___________ 12 13__________ 14__ 15___ 16 17 18___ 19______ 20________ 21_____ 22_______ 23

Chunks:
  TruePositive nam [7,8] = Peter Zumthar
  FalseNegative nam [14,14] = Vals
  FalseNegative nam [22,22] = Pritzkera

(ChunkerEvaluator) Sentence #6463 from articles/00107632 from sent5

Text  : Pomyślała m , że w Gdyni , która jest wschodzącym kurortem ,  przydało by się centrum medycyny naturalnej i  odnowy biologicznej .
Tokens: 1________ 2 3 4_ 5 6____ 7 8____ 9___ 10_________ 11______ 12 13______ 14 15_ 16_____ 17______ 18________ 19 20____ 21__________ 22

Chunks:
  TruePositive nam [6,6] = Gdyni

(ChunkerEvaluator) Sentence #6464 from articles/00107632 from sent6

Text  : Takich term nie ma na całym Wybrzeżu - mówi zdobywczyni statuetki Dyplom Roku .
Tokens: 1_____ 2___ 3__ 4_ 5_ 6____ 7_______ 8 9___ 10_________ 11_______ 12____ 13__ 14

Chunks:
  TruePositive nam [7,7] = Wybrzeżu
  TruePositive nam [12,13] = Dyplom Roku

(ChunkerEvaluator) Sentence #6465 from articles/00107632 from sent7

Text  : Bryła zaprojektowanego przez nią centrum płynnie wpisuje się w teren Polanki Redłowskiej .
Tokens: 1____ 2_______________ 3____ 4__ 5______ 6______ 7______ 8__ 9 10___ 11_____ 12_________ 13

Chunks:
  TruePositive nam [11,12] = Polanki Redłowskiej
  FalsePositive nam [1,1] = Bryła

(ChunkerEvaluator) Sentence #6466 from articles/00107632 from sent8

Text  : - To centrum skupia trzy funkcje , które mogą przyczynić się do rozwoju oferty turystycznej Trójmiasta .
Tokens: 1 2_ 3______ 4_____ 5___ 6______ 7 8____ 9___ 10________ 11_ 12 13_____ 14____ 15__________ 16________ 17

Chunks:
  TruePositive nam [16,16] = Trójmiasta

(ChunkerEvaluator) Sentence #6467 from articles/00107632 from sent9

Text  : Pierwszą jest ośrodek medycyny naturalnej , drugą centrum odnowy biologicznej ,  a  trzecią restauracja z  salami konferencyjnymi i  pokojami gościnnymi -  dodaje młoda architektka .
Tokens: 1_______ 2___ 3______ 4_______ 5_________ 6 7____ 8______ 9_____ 10__________ 11 12 13_____ 14_________ 15 16____ 17_____________ 18 19______ 20________ 21 22____ 23___ 24_________ 25

Chunks:

(ChunkerEvaluator) Sentence #6468 from articles/00107632 from sent10

Text  : Promotorem jej dyplomu był dr inż . arch . Jacek Poplatek z  Katedry Służby Zdrowia na Wydziale Architektury PG .
Tokens: 1_________ 2__ 3______ 4__ 5_ 6__ 7 8___ 9 10___ 11______ 12 13_____ 14____ 15_____ 16 17______ 18__________ 19 20

Chunks:
  TruePositive nam [10,11] = Jacek Poplatek
  TruePositive nam [13,15] = Katedry Służby Zdrowia
  FalsePositive nam [17,19] = Wydziale Architektury PG
  FalseNegative nam [17,18] = Wydziale Architektury
  FalseNegative nam [19,19] = PG

(ChunkerEvaluator) Sentence #6469 from articles/00107632 from sent11

Text  : - To bardzo samodzielna praca .
Tokens: 1 2_ 3_____ 4__________ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #6470 from articles/00107632 from sent12

Text  : Miałem okazję pracować z niezwykle kreatywną autorką , podejmującą odważne decyzje -  podkreśla promotor .
Tokens: 1_____ 2_____ 3_______ 4 5________ 6________ 7______ 8 9__________ 10_____ 11_____ 12 13_______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6471 from articles/00107632 from sent13

Text  : Koncepcję Magdaleny Rosowskiej oraz wiele innych prac dyplomowych absolwentów Wydziału Architektury można oglądać na wystawie urządzonej na dziedzińcu im .  Daniela Fahrenheita w  gmachu głównym PG .
Tokens: 1________ 2________ 3_________ 4___ 5____ 6_____ 7___ 8__________ 9__________ 10______ 11__________ 12___ 13_____ 14 15______ 16________ 17 18________ 19 20 21_____ 22_________ 23 24____ 25_____ 26 27

Chunks:
  TruePositive nam [2,3] = Magdaleny Rosowskiej
  TruePositive nam [10,11] = Wydziału Architektury
  TruePositive nam [21,22] = Daniela Fahrenheita
  TruePositive nam [26,26] = PG

(ChunkerEvaluator) Sentence #6472 from articles/00107632 from sent14

Text  : Wśród zaprezentowanych projektów są m . in . dom pływający ,  hala maszyn ,  transformacja helskiej mariny ,  centrum doktoranckie Politechniki Gdańskiej i  adaptacja kościoła w  Gnojewie na cele muzealne .
Tokens: 1____ 2_______________ 3________ 4_ 5 6 7_ 8 9__ 10_______ 11 12__ 13____ 14 15___________ 16______ 17____ 18 19_____ 20__________ 21__________ 22_______ 23 24_______ 25______ 26 27______ 28 29__ 30______ 31

Chunks:
  TruePositive nam [21,22] = Politechniki Gdańskiej
  FalseNegative nam [27,27] = Gnojewie

(ChunkerEvaluator) Sentence #6473 from articles/00107632 from sent15

Text  : Wystawa czynna jest do 20 lutego w godz . 10 -  15 ,  wstęp wolny .
Tokens: 1______ 2_____ 3___ 4_ 5_ 6_____ 7 8___ 9 10 11 12 13 14___ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #6474 from articles/00107632 from sent16

Text  : - Na wystawie prezentujemy tylko część dyplomów obronionych w minionym roku .
Tokens: 1 2_ 3_______ 4___________ 5____ 6____ 7_______ 8__________ 9 10______ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #6475 from articles/00107632 from sent17

Text  : Było ich łącznie około 150 , na ekspozycji znajdują się 42 najlepsze .
Tokens: 1___ 2__ 3______ 4____ 5__ 6 7_ 8_________ 9_______ 10_ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #6476 from articles/00107632 from sent18

Text  : Ich wyboru dokonali kierownicy katedr - dodaje Jan Buczkowski ,  prodziekan ds .  twórczości na Wydziale Architektury PG .
Tokens: 1__ 2_____ 3_______ 4_________ 5_____ 6 7_____ 8__ 9_________ 10 11________ 12 13 14________ 15 16______ 17__________ 18 19

Chunks:
  TruePositive nam [8,9] = Jan Buczkowski
  FalsePositive nam [16,18] = Wydziale Architektury PG
  FalseNegative nam [16,17] = Wydziale Architektury
  FalseNegative nam [18,18] = PG

2016-10-27 14:59:43,563 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 265 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107633.xml
(ChunkerEvaluator) Sentence #6477 from articles/00107633 from sent1

Text  : Musieli podnieść latarnie , żeby usunąć awarie
Tokens: 1______ 2_______ 3_______ 4 5___ 6_____ 7_____

Chunks:

(ChunkerEvaluator) Sentence #6478 from articles/00107633 from sent2

Text  : Co robiła koparka przy latarni w okolicach ul . Kościuszki i  pl .  Obrońców Warszawy ?
Tokens: 1_ 2_____ 3______ 4___ 5______ 6 7________ 8_ 9 10________ 11 12 13 14______ 15______ 16

Chunks:
  TruePositive nam [10,10] = Kościuszki
  TruePositive nam [14,15] = Obrońców Warszawy

(ChunkerEvaluator) Sentence #6479 from articles/00107633 from sent3

Text  : Pomagała w przywróceniu oświetlenia .
Tokens: 1_______ 2 3___________ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #6480 from articles/00107633 from sent4

Text  : Maszynę zauważyli śmy dzisiaj po południu .
Tokens: 1______ 2________ 3__ 4______ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #6481 from articles/00107633 from sent5

Text  : Widok ciekawy , o szczegóły postanowili śmy zapytać w Miejskim Zarządzie Dróg .
Tokens: 1____ 2______ 3 4 5________ 6__________ 7__ 8______ 9 10______ 11_______ 12__ 13

Chunks:
  TruePositive nam [10,12] = Miejskim Zarządzie Dróg

(ChunkerEvaluator) Sentence #6482 from articles/00107633 from sent6

Text  : Z wyjaśnień rzecznika MZD Konrada Kozłowskiego wynika , że chodziło o  usunięcie awarii w  dwóch latarniach stojących w  tym miejscu .
Tokens: 1 2________ 3________ 4__ 5______ 6___________ 7_____ 8 9_ 10______ 11 12_______ 13____ 14 15___ 16________ 17_______ 18 19_ 20_____ 21

Chunks:
  FalsePositive nam [4,6] = MZD Konrada Kozłowskiego
  FalseNegative nam [4,4] = MZD
  FalseNegative nam [5,6] = Konrada Kozłowskiego

(ChunkerEvaluator) Sentence #6483 from articles/00107633 from sent7

Text  : Naprawą zajęła się spółka Energa Oświetlenie .
Tokens: 1______ 2_____ 3__ 4_____ 5_____ 6__________ 7

Chunks:
  TruePositive nam [5,6] = Energa Oświetlenie

(ChunkerEvaluator) Sentence #6484 from articles/00107633 from sent8

Text  : - Okazało się , że przyczyną awarii są uszkodzone kable w  ziemi pod latarniami -  poinformował Kozłowski .
Tokens: 1 2______ 3__ 4 5_ 6________ 7_____ 8_ 9_________ 10___ 11 12___ 13_ 14________ 15 16__________ 17_______ 18

Chunks:
  TruePositive nam [17,17] = Kozłowski

(ChunkerEvaluator) Sentence #6485 from articles/00107633 from sent9

Text  : - Żeby się dostać do tych kabli , trzeba było podnieść słupy .
Tokens: 1 2___ 3__ 4_____ 5_ 6___ 7____ 8 9_____ 10__ 11______ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #6486 from articles/00107633 from sent10

Text  : Jedna latarnia została naprawiona w poniedziałek , druga - ta ,  którą uchwycili śmy na zdjęciu -  dzień później .
Tokens: 1____ 2_______ 3______ 4_________ 5 6___________ 7 8____ 9 10 11 12___ 13_______ 14_ 15 16_____ 17 18___ 19_____ 20

Chunks:

2016-10-27 14:59:43,604 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 266 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107634.xml
(ChunkerEvaluator) Sentence #6487 from articles/00107634 from sent1

Text  : Pozytywna niespodzianka inflacyjna w styczniu .
Tokens: 1________ 2____________ 3_________ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6488 from articles/00107634 from sent2

Text  : Stopy będę obniżane ?
Tokens: 1____ 2___ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #6489 from articles/00107634 from sent3

Text  : W styczniu inflacja spadła do 4 , 1 proc .  z  4  ,  6  proc .  przed miesiącem ,  podczas gdy rynek spodziewał się ,  że będzie to 4  ,  3  proc .
Tokens: 1 2_______ 3_______ 4_____ 5_ 6 7 8 9___ 10 11 12 13 14 15__ 16 17___ 18_______ 19 20_____ 21_ 22___ 23________ 24_ 25 26 27____ 28 29 30 31 32__ 33

Chunks:

(ChunkerEvaluator) Sentence #6490 from articles/00107634 from sent4

Text  : - Trzeba jednak pamiętać , że są to wyniki wstępne ,  które będą rewidowane w  marcu wraz z  publikacją nowego koszyka inflacyjnego -  mówi Ernest Pytlarczyk ,  główny ekonomista BRE Banku .
Tokens: 1 2_____ 3_____ 4_______ 5 6_ 7_ 8_ 9_____ 10_____ 11 12___ 13__ 14________ 15 16___ 17__ 18 19________ 20____ 21_____ 22__________ 23 24__ 25____ 26________ 27 28____ 29________ 30_ 31___ 32

Chunks:
  TruePositive nam [25,26] = Ernest Pytlarczyk
  TruePositive nam [30,31] = BRE Banku

(ChunkerEvaluator) Sentence #6491 from articles/00107634 from sent5

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #6492 from articles/00107634 from sent6

Text  : W styczniu inflacja spadła do 4 , 1 proc .  z  4  ,  6  proc .  przed miesiącem ,  podczas gdy rynek spodziewał się ,  że będzie to 4  ,  3  proc .
Tokens: 1 2_______ 3_______ 4_____ 5_ 6 7 8 9___ 10 11 12 13 14 15__ 16 17___ 18_______ 19 20_____ 21_ 22___ 23________ 24_ 25 26 27____ 28 29 30 31 32__ 33

Chunks:

(ChunkerEvaluator) Sentence #6493 from articles/00107634 from sent7

Text  : – Trzeba jednak pamiętać , że są to wyniki wstępne ,  które będą rewidowane w  marcu wraz z  publikacją nowego koszyka inflacyjnego –  mówi Ernest Pytlarczyk ,  główny ekonomista BRE Banku .
Tokens: 1 2_____ 3_____ 4_______ 5 6_ 7_ 8_ 9_____ 10_____ 11 12___ 13__ 14________ 15 16___ 17__ 18 19________ 20____ 21_____ 22__________ 23 24__ 25____ 26________ 27 28____ 29________ 30_ 31___ 32

Chunks:
  TruePositive nam [25,26] = Ernest Pytlarczyk
  TruePositive nam [30,31] = BRE Banku

(ChunkerEvaluator) Sentence #6494 from articles/00107634 from sent8

Text  : Rozbicie na poszczególne „ składniki ” jest – jak już przyjęło się na początku roku –  skąpe .
Tokens: 1_______ 2_ 3___________ 4 5________ 6 7___ 8 9__ 10_ 11______ 12_ 13 14______ 15__ 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #6495 from articles/00107634 from sent9

Text  : – Wiemy na pewno , że zgodnie z naszymi oczekiwaniami o  1  ,  5  proc .  wzrosły ceny żywności ,  o  1  ,  6  proc .  podrożały opłaty związane z  mieszkaniem ,  a  kategoria transport odnotowała wzrost o  1  ,  1  proc .  –  wyjaśnia Marcin Mazurek ,  analityk BRE .
Tokens: 1 2____ 3_ 4____ 5 6_ 7______ 8 9______ 10___________ 11 12 13 14 15__ 16 17_____ 18__ 19______ 20 21 22 23 24 25__ 26 27_______ 28____ 29______ 30 31_________ 32 33 34_______ 35_______ 36________ 37____ 38 39 40 41 42__ 43 44 45______ 46____ 47_____ 48 49______ 50_ 51

Chunks:
  TruePositive nam [46,47] = Marcin Mazurek
  TruePositive nam [50,50] = BRE

(ChunkerEvaluator) Sentence #6496 from articles/00107634 from sent10

Text  : - Największą niespodzianką jest kategoria odzież i obuwie , gdzie ceny spadły o  3  ,  2  proc .
Tokens: 1 2_________ 3____________ 4___ 5________ 6_____ 7 8_____ 9 10___ 11__ 12____ 13 14 15 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #6497 from articles/00107634 from sent11

Text  : Tendencje sezonowe , prawdopodobnie wspomagane kursem złotego oraz wyprzedażami ,  okazały się tym samym wyjątkowo silne .
Tokens: 1________ 2_______ 3 4_____________ 5_________ 6_____ 7______ 8___ 9___________ 10 11_____ 12_ 13_ 14___ 15_______ 16___ 17

Chunks:
  FalsePositive nam [7,7] = złotego

(ChunkerEvaluator) Sentence #6498 from articles/00107634 from sent12

Text  : Na tyle aby zniwelować dodatni wpływ podwyżek VAT na ubrania dziecięce –  dodaje ekspert .
Tokens: 1_ 2___ 3__ 4_________ 5______ 6____ 7_______ 8__ 9_ 10_____ 11_______ 12 13____ 14_____ 15

Chunks:
  TruePositive nam [8,8] = VAT

(ChunkerEvaluator) Sentence #6499 from articles/00107634 from sent13

Text  : Z szacunków ekonomistów BRE Banku wynika , że inflacja bazowa spadła znacznie poniżej 3  proc .  ,  prawdopodobnie w  okolice 2  ,  8  proc .
Tokens: 1 2________ 3__________ 4__ 5____ 6_____ 7 8_ 9_______ 10____ 11____ 12______ 13_____ 14 15__ 16 17 18____________ 19 20_____ 21 22 23 24__ 25

Chunks:
  TruePositive nam [4,5] = BRE Banku

(ChunkerEvaluator) Sentence #6500 from articles/00107634 from sent14

Text  : Na potwierdzenie tych obliczeń trzeba będzie jednak poczekać , dopóki GUS nie opublikuje jeszcze kilku kategorii .
Tokens: 1_ 2____________ 3___ 4_______ 5_____ 6_____ 7_____ 8_______ 9 10____ 11_ 12_ 13________ 14_____ 15___ 16_______ 17

Chunks:
  TruePositive nam [11,11] = GUS

(ChunkerEvaluator) Sentence #6501 from articles/00107634 from sent15

Text  : - Szacujemy , że inflacja w kolejnym miesiącu pozostanie mniej więcej na podobnym poziomie co w  styczniu .
Tokens: 1 2________ 3 4_ 5_______ 6 7_______ 8_______ 9_________ 10___ 11____ 12 13______ 14______ 15 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #6502 from articles/00107634 from sent16

Text  : Trudno tu jednak o podawanie dokładnej wartości , bowiem „  punk zaczepienia ”  prawdopodobnie zmieni się w  związku z  przeszacowaniem koszyka .
Tokens: 1_____ 2_ 3_____ 4 5________ 6________ 7_______ 8 9_____ 10 11__ 12_________ 13 14____________ 15____ 16_ 17 18_____ 19 20_____________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #6503 from articles/00107634 from sent17

Text  : Możliwy jest też nieznaczny wzrost tego wskaźnika ze względu na efekty bazowe –  mówi Ernest Pytlarczyk .
Tokens: 1______ 2___ 3__ 4_________ 5_____ 6___ 7________ 8_ 9______ 10 11____ 12____ 13 14__ 15____ 16________ 17

Chunks:
  TruePositive nam [15,16] = Ernest Pytlarczyk

(ChunkerEvaluator) Sentence #6504 from articles/00107634 from sent18

Text  : – Z kolei w kwietniu lub maju zobaczymy już znacznie niższe odczyty ,  a  w  horyzoncie końca roku inflacja ma szansę osiągnąć około 3  proc .  ,  do czego walnie przyczynią się efekty mocniejszego złotego –  dodaje główny ekonomista BRE Banku
Tokens: 1 2 3____ 4 5_______ 6__ 7___ 8________ 9__ 10______ 11____ 12_____ 13 14 15 16________ 17___ 18__ 19______ 20 21____ 22______ 23___ 24 25__ 26 27 28 29___ 30____ 31________ 32_ 33____ 34__________ 35_____ 36 37____ 38____ 39________ 40_ 41___

Chunks:
  TruePositive nam [35,35] = złotego
  TruePositive nam [40,41] = BRE Banku

(ChunkerEvaluator) Sentence #6505 from articles/00107634 from sent19

Text  : Odczyt najprawdopodobniej pozytywnie odbiega od szacunków inflacji prezentowanych Radzie Polityki Pieniężnej przez ekspertów NBP .
Tokens: 1_____ 2_________________ 3_________ 4______ 5_ 6________ 7_______ 8_____________ 9_____ 10______ 11________ 12___ 13_______ 14_ 15

Chunks:
  TruePositive nam [9,11] = Radzie Polityki Pieniężnej
  TruePositive nam [14,14] = NBP

(ChunkerEvaluator) Sentence #6506 from articles/00107634 from sent20

Text  : - Stąd też , obok mocniejszego złotego , stanie się kolejną przesłanką do łagodzenia retoryki Rady –  mówi Marcin Mazurek .
Tokens: 1 2___ 3__ 4 5___ 6___________ 7______ 8 9_____ 10_ 11_____ 12________ 13 14________ 15______ 16__ 17 18__ 19____ 20_____ 21

Chunks:
  TruePositive nam [7,7] = złotego
  TruePositive nam [19,20] = Marcin Mazurek
  FalseNegative nam [16,16] = Rady

(ChunkerEvaluator) Sentence #6507 from articles/00107634 from sent21

Text  : Powoli obniżająca się inflacja w połączeniu z powolnym wyhamowaniem sfery realnej powinna sprzyjać powrotom oczekiwań na obniżki stóp procentowych .
Tokens: 1_____ 2_________ 3__ 4_______ 5 6_________ 7 8_______ 9___________ 10___ 11_____ 12_____ 13______ 14______ 15_______ 16 17_____ 18__ 19__________ 20

Chunks:

2016-10-27 14:59:43,736 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 267 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107635.xml
(ChunkerEvaluator) Sentence #6508 from articles/00107635 from sent1

Text  : PlusLiga siatkarzy - Delecta - Skra 0 : 3
Tokens: 1_______ 2________ 3 4______ 5 6___ 7 8 9

Chunks:
  TruePositive nam [6,6] = Skra
  FalseNegative nam [1,1] = PlusLiga
  FalseNegative nam [4,4] = Delecta

(ChunkerEvaluator) Sentence #6509 from articles/00107635 from sent2

Text  : Delecta Bydgoszcz - PGE Skra Bełchatów 0 : 3 (  31 :  33 ,  16 :  25 ,  17 :  25 )
Tokens: 1______ 2________ 3 4__ 5___ 6________ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Chunks:
  TruePositive nam [1,2] = Delecta Bydgoszcz
  TruePositive nam [4,6] = PGE Skra Bełchatów

(ChunkerEvaluator) Sentence #6510 from articles/00107635 from sent3

Text  : Delecta Bydgoszcz : Stephane Antiga , Michał Masny , Marcin Wika ,  Dawid Konarski ,  Michal Cerven ,  Andrzej Wrona ,  Michał Dębiec (  libero )  -  Wojciech Gradowski ,  Piotr Lipiński ,  Antii Siltala ,  Wojciech Jurkiewicz .
Tokens: 1______ 2________ 3 4_______ 5_____ 6 7_____ 8____ 9 10____ 11__ 12 13___ 14______ 15 16____ 17____ 18 19_____ 20___ 21 22____ 23____ 24 25____ 26 27 28______ 29_______ 30 31___ 32______ 33 34___ 35_____ 36 37______ 38________ 39

Chunks:
  TruePositive nam [1,2] = Delecta Bydgoszcz
  TruePositive nam [4,5] = Stephane Antiga
  TruePositive nam [7,8] = Michał Masny
  TruePositive nam [10,11] = Marcin Wika
  TruePositive nam [13,14] = Dawid Konarski
  TruePositive nam [16,17] = Michal Cerven
  TruePositive nam [19,20] = Andrzej Wrona
  TruePositive nam [22,23] = Michał Dębiec
  TruePositive nam [28,29] = Wojciech Gradowski
  TruePositive nam [31,32] = Piotr Lipiński
  TruePositive nam [34,35] = Antii Siltala
  TruePositive nam [37,38] = Wojciech Jurkiewicz

(ChunkerEvaluator) Sentence #6511 from articles/00107635 from sent4

Text  : PGE Skra Bełchatów : Mariusz Wlazły , Daniel Pliński ,  Karol Kłos ,  Bartosz Kurek ,  Miguel Angel Falasca ,  Michał Winiarski ,  Paweł Zatorski (  libero )  -  Michał Bąkiewicz ,  Paweł Woicki ,  Marcin Możdżonek ,  Aleksander Atanasijevic .
Tokens: 1__ 2___ 3________ 4 5______ 6_____ 7 8_____ 9______ 10 11___ 12__ 13 14_____ 15___ 16 17____ 18___ 19_____ 20 21____ 22_______ 23 24___ 25______ 26 27____ 28 29 30____ 31_______ 32 33___ 34____ 35 36____ 37_______ 38 39________ 40__________ 41

Chunks:
  TruePositive nam [5,6] = Mariusz Wlazły
  TruePositive nam [8,9] = Daniel Pliński
  TruePositive nam [11,12] = Karol Kłos
  TruePositive nam [14,15] = Bartosz Kurek
  TruePositive nam [17,19] = Miguel Angel Falasca
  TruePositive nam [21,22] = Michał Winiarski
  TruePositive nam [24,25] = Paweł Zatorski
  TruePositive nam [30,31] = Michał Bąkiewicz
  TruePositive nam [33,34] = Paweł Woicki
  TruePositive nam [36,37] = Marcin Możdżonek
  TruePositive nam [39,40] = Aleksander Atanasijevic
  FalsePositive nam [2,3] = Skra Bełchatów
  FalsePositive nam [27,27] = libero
  FalseNegative nam [1,3] = PGE Skra Bełchatów

(ChunkerEvaluator) Sentence #6512 from articles/00107635 from sent5

Text  : MVP : Bartosz Kurek ( PGE Skra )
Tokens: 1__ 2 3______ 4____ 5 6__ 7___ 8

Chunks:
  TruePositive nam [3,4] = Bartosz Kurek
  TruePositive nam [6,7] = PGE Skra
  FalseNegative nam [1,1] = MVP

(ChunkerEvaluator) Sentence #6513 from articles/00107635 from sent6

Text  : Zarówno siatkarze Delecty jak i Skry wyszli na boisko bardzo skoncentrowani .
Tokens: 1______ 2________ 3______ 4__ 5 6___ 7_____ 8_ 9_____ 10____ 11____________ 12

Chunks:
  TruePositive nam [6,6] = Skry
  FalseNegative nam [3,3] = Delecty

(ChunkerEvaluator) Sentence #6514 from articles/00107635 from sent7

Text  : Walka była tak zacięta , że o wyniku pierwszego seta decydowała gra na przewagi .
Tokens: 1____ 2___ 3__ 4______ 5 6_ 7 8_____ 9_________ 10__ 11________ 12_ 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6515 from articles/00107635 from sent8

Text  : Mimo szesnastu błędów popełnionych przez Skrę , gospodarze nie wykorzystali szansy i  przegrali 31 :  33 .
Tokens: 1___ 2________ 3_____ 4___________ 5____ 6___ 7 8_________ 9__ 10__________ 11____ 12 13_______ 14 15 16 17

Chunks:
  TruePositive nam [6,6] = Skrę

(ChunkerEvaluator) Sentence #6516 from articles/00107635 from sent9

Text  : Zdecydowanie mniej emocji było w kolejnych dwóch partiach , w  których podopieczni trenera Jacka Nawrockiego ,  po uzyskaniu większej przewagi ,  spokojnie doprowadzali do końca wynik korzystny dla siebie .
Tokens: 1___________ 2____ 3_____ 4___ 5 6________ 7____ 8_______ 9 10 11_____ 12_________ 13_____ 14___ 15_________ 16 17 18_______ 19______ 20______ 21 22_______ 23__________ 24 25___ 26___ 27_______ 28_ 29____ 30

Chunks:
  TruePositive nam [14,15] = Jacka Nawrockiego

(ChunkerEvaluator) Sentence #6517 from articles/00107635 from sent10

Text  : Bełchatowianie byli zdecydowanie skuteczniejsi przede wszystkim w bloku , dzięki któremu w  całym spotkaniu zdobyli 15 punktów ,  zaś bydgoszczanie zaledwie trzy .
Tokens: 1_____________ 2___ 3___________ 4____________ 5_____ 6________ 7 8____ 9 10____ 11_____ 12 13___ 14_______ 15_____ 16 17_____ 18 19_ 20___________ 21______ 22__ 23

Chunks:
  FalseNegative nam [1,1] = Bełchatowianie

(ChunkerEvaluator) Sentence #6518 from articles/00107635 from sent11

Text  : Najlepszym zawodnikiem spotkania został wybrany siatkarz Skry Bartosz Kurek .
Tokens: 1_________ 2__________ 3________ 4_____ 5______ 6_______ 7___ 8______ 9____ 10

Chunks:
  TruePositive nam [7,7] = Skry
  TruePositive nam [8,9] = Bartosz Kurek

(ChunkerEvaluator) Sentence #6519 from articles/00107635 from sent12

Text  : Po meczu powiedzieli :
Tokens: 1_ 2____ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #6520 from articles/00107635 from sent13

Text  : Mariusz Wlazły ( Skra Bełchatów ) : " Bardzo ciężki był dla nas pierwszy set .
Tokens: 1______ 2_____ 3 4___ 5________ 6 7 8 9_____ 10____ 11_ 12_ 13_ 14______ 15_ 16

Chunks:
  TruePositive nam [1,2] = Mariusz Wlazły
  TruePositive nam [4,5] = Skra Bełchatów

(ChunkerEvaluator) Sentence #6521 from articles/00107635 from sent14

Text  : Przy wyrównanej końcówce każdy może popełnić błąd i przegrać seta .
Tokens: 1___ 2_________ 3_______ 4____ 5___ 6_______ 7___ 8 9_______ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #6522 from articles/00107635 from sent15

Text  : Tego bali śmy się w kolejnych odsłonach , więc starali śmy się wypracować przewagę wcześniej ,  w  połowie setów drugiego i  trzeciego "  .
Tokens: 1___ 2___ 3__ 4__ 5 6________ 7________ 8 9___ 10_____ 11_ 12_ 13________ 14______ 15_______ 16 17 18_____ 19___ 20______ 21 22_______ 23 24

Chunks:

(ChunkerEvaluator) Sentence #6523 from articles/00107635 from sent16

Text  : Wojciech Jurkiewicz ( Delecta Bydgoszcz ) : " Pierwszy set ustawił praktycznie całe spotkanie .
Tokens: 1_______ 2_________ 3 4______ 5________ 6 7 8 9_______ 10_ 11_____ 12_________ 13__ 14_______ 15

Chunks:
  TruePositive nam [1,2] = Wojciech Jurkiewicz
  TruePositive nam [4,5] = Delecta Bydgoszcz

(ChunkerEvaluator) Sentence #6524 from articles/00107635 from sent17

Text  : Nie wykorzystali śmy w nim swojej szansy i ze spuszczonymi nieco głowami grali śmy kolejne .
Tokens: 1__ 2___________ 3__ 4 5__ 6_____ 7_____ 8 9_ 10__________ 11___ 12_____ 13___ 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #6525 from articles/00107635 from sent18

Text  : Zagrywka rywali , mniej błędów własnych i nasze słabsze przyjęcie spowodowały ,  że nie byli śmy w  stanie nawiązać równorzędnej walki "  .
Tokens: 1_______ 2_____ 3 4____ 5_____ 6_______ 7 8____ 9______ 10_______ 11_________ 12 13 14_ 15__ 16_ 17 18____ 19______ 20__________ 21___ 22 23

Chunks:

(ChunkerEvaluator) Sentence #6526 from articles/00107635 from sent19

Text  : Jacek Nawrocki ( trener Skry ) : " Dobra analiza przeciwnika dużo nam dała .
Tokens: 1____ 2_______ 3 4_____ 5___ 6 7 8 9____ 10_____ 11_________ 12__ 13_ 14__ 15

Chunks:
  TruePositive nam [1,2] = Jacek Nawrocki
  TruePositive nam [5,5] = Skry

(ChunkerEvaluator) Sentence #6527 from articles/00107635 from sent20

Text  : Dzięki skutecznemu przyjęciu , a później silnej własnej zagrywce ,  wszystko zaczęło wychodzić .
Tokens: 1_____ 2__________ 3________ 4 5 6______ 7_____ 8______ 9_______ 10 11______ 12_____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #6528 from articles/00107635 from sent21

Text  : W takich momentach gra się luźniej i właśnie tak grało się nam po pierwszym secie "  .
Tokens: 1 2_____ 3________ 4__ 5__ 6______ 7 8______ 9__ 10___ 11_ 12_ 13 14_______ 15___ 16 17

Chunks:

(ChunkerEvaluator) Sentence #6529 from articles/00107635 from sent22

Text  : Piotr Makowski ( trener Delecty ) : " Dziś grali śmy nieco inną siatkówka niż dotychczas ,  Skra po raz drugi pokazała swoją siłę .
Tokens: 1____ 2_______ 3 4_____ 5______ 6 7 8 9___ 10___ 11_ 12___ 13__ 14_______ 15_ 16________ 17 18__ 19 20_ 21___ 22______ 23___ 24__ 25

Chunks:
  TruePositive nam [1,2] = Piotr Makowski
  TruePositive nam [18,18] = Skra
  FalseNegative nam [5,5] = Delecty

(ChunkerEvaluator) Sentence #6530 from articles/00107635 from sent23

Text  : Mimo 16 błędów rywala w pierwszym secie , nie potrafili śmy tego wykorzystać i  doprowadzić do korzystnego dla nas wyniku .
Tokens: 1___ 2_ 3_____ 4_____ 5 6________ 7____ 8 9__ 10_______ 11_ 12__ 13_________ 14 15_________ 16 17_________ 18_ 19_ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #6531 from articles/00107635 from sent24

Text  : Potem mieli śmy podcięte skrzydła .
Tokens: 1____ 2____ 3__ 4_______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6532 from articles/00107635 from sent25

Text  : Znamy swoje miejsce w szeregu , ale chcemy grać jak najlepiej ,  by w  tabeli być możliwie najwyżej .
Tokens: 1____ 2____ 3______ 4 5______ 6 7__ 8_____ 9___ 10_ 11_______ 12 13 14 15____ 16_ 17______ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #6533 from articles/00107635 from sent26

Text  : Teraz czeka nas powrót do ciężkiej pracy " .
Tokens: 1____ 2____ 3__ 4_____ 5_ 6_______ 7____ 8 9

Chunks:

2016-10-27 14:59:43,868 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 268 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107636.xml
(ChunkerEvaluator) Sentence #6534 from articles/00107636 from sent1

Text  : Wokół dużo tolerancji
Tokens: 1____ 2___ 3_________

Chunks:

(ChunkerEvaluator) Sentence #6535 from articles/00107636 from sent2

Text  : Bardzo ucieszył mnie wywiad z Khandro Rinpocze ( „ Wysokie Obcasy ”  nr 187 )  .
Tokens: 1_____ 2_______ 3___ 4_____ 5 6______ 7_______ 8 9 10_____ 11____ 12 13 14_ 15 16

Chunks:
  TruePositive nam [6,7] = Khandro Rinpocze
  TruePositive nam [10,11] = Wysokie Obcasy

(ChunkerEvaluator) Sentence #6536 from articles/00107636 from sent3

Text  : W kraju tradycyjnie katolickim , gdzie katolikiem jest się nie z  wyboru ,  ale niejako z  urodzenia ,  każda informacja o  innym światopoglądzie jest potrzebna .
Tokens: 1 2____ 3__________ 4_________ 5 6____ 7_________ 8___ 9__ 10_ 11 12____ 13 14_ 15_____ 16 17_______ 18 19___ 20________ 21 22___ 23_____________ 24__ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #6537 from articles/00107636 from sent4

Text  : Religię traktuje się u nas jako coś oczywistego , dziecko trzeba ochrzcić ,  żeby mogło potem brać udział w  innych obrzędach ,  potwierdzając tym swoją przynależność do grupy społecznej ,  żeby nie skazywać go na los odszczepieńca .
Tokens: 1______ 2_______ 3__ 4 5__ 6___ 7__ 8__________ 9 10_____ 11____ 12______ 13 14__ 15___ 16___ 17__ 18____ 19 20____ 21_______ 22 23___________ 24_ 25___ 26___________ 27 28___ 29________ 30 31__ 32_ 33______ 34 35 36_ 37___________ 38

Chunks:

(ChunkerEvaluator) Sentence #6538 from articles/00107636 from sent5

Text  : Szast - prast i jesteś , mały człowieku , Polakiem katolikiem ,  pasujesz do puzzli .
Tokens: 1____ 2 3____ 4 5_____ 6 7___ 8________ 9 10______ 11________ 12 13______ 14 15____ 16

Chunks:
  FalseNegative nam [10,10] = Polakiem

(ChunkerEvaluator) Sentence #6539 from articles/00107636 from sent6

Text  : Nie chcę podważać sensu wiary , chcę tylko zapytać ,  ile jest w  niej autentyczności ,  a  ile konformizmu i  instynktu stadnego .
Tokens: 1__ 2___ 3_______ 4____ 5____ 6 7___ 8____ 9______ 10 11_ 12__ 13 14__ 15____________ 16 17 18_ 19_________ 20 21_______ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #6540 from articles/00107636 from sent7

Text  : Znam zadeklarowanych buddystów , którzy swoje dzieci ochrzcili i posłali na religię .
Tokens: 1___ 2______________ 3________ 4 5_____ 6____ 7_____ 8________ 9 10_____ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #6541 from articles/00107636 from sent8

Text  : Żeby nie miały problemów , pod presją babci .
Tokens: 1___ 2__ 3____ 4________ 5 6__ 7_____ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #6542 from articles/00107636 from sent9

Text  : Moje dzieci nie chodzą na religię i nie mają z  tym problemów (  chodzą do małej wiejskiej szkoły )  .
Tokens: 1___ 2_____ 3__ 4_____ 5_ 6______ 7 8__ 9___ 10 11_ 12_______ 13 14____ 15 16___ 17_______ 18____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #6543 from articles/00107636 from sent10

Text  : Okazuje się , że lęk rodziców jest trochę na wyrost ,  presja społeczna nie aż tak duża ,  a  otwartość i  tolerancja zaskakująco pokaźne .
Tokens: 1______ 2__ 3 4_ 5__ 6_______ 7___ 8_____ 9_ 10____ 11 12____ 13_______ 14_ 15 16_ 17__ 18 19 20_______ 21 22________ 23_________ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #6544 from articles/00107636 from sent11

Text  : Nie trzeba heroicznej odwagi , żeby żyć w zgodzie z  sobą samym .
Tokens: 1__ 2_____ 3_________ 4_____ 5 6___ 7__ 8 9______ 10 11__ 12___ 13

Chunks:

2016-10-27 14:59:43,928 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 269 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107637.xml
(ChunkerEvaluator) Sentence #6545 from articles/00107637 from sent1

Text  : Koncert w Różach : Rock z siłą lokomotywy
Tokens: 1______ 2 3_____ 4 5___ 6 7___ 8_________

Chunks:
  TruePositive nam [3,3] = Różach
  FalsePositive nam [5,5] = Rock

(ChunkerEvaluator) Sentence #6546 from articles/00107637 from sent2

Text  : Łódzki atak rocka czeka nas w niedzielę , 19 lutego w  klubie 4  Róże dla Lucienne .
Tokens: 1_____ 2___ 3____ 4____ 5__ 6 7________ 8 9_ 10____ 11 12____ 13 14__ 15_ 16______ 17

Chunks:
  FalsePositive nam [16,16] = Lucienne
  FalseNegative nam [13,16] = 4 Róże dla Lucienne

(ChunkerEvaluator) Sentence #6547 from articles/00107637 from sent3

Text  : Scenę zawojuje bowiem kapela Power of Trinity , który łączy dość skrajne kierunki -  mocne rockowe riffy z  dubstepem .
Tokens: 1____ 2_______ 3_____ 4_____ 5____ 6_ 7______ 8 9____ 10___ 11__ 12_____ 13______ 14 15___ 16_____ 17___ 18 19_______ 20

Chunks:
  FalseNegative nam [5,7] = Power of Trinity

(ChunkerEvaluator) Sentence #6548 from articles/00107637 from sent4

Text  : Jakub , Łukasz , Krzysiek i Grzesiek : ta czwórka łodzian pomknęła na początku roku lokomotywą po polskich miastach .
Tokens: 1____ 2 3_____ 4 5_______ 6 7_______ 8 9_ 10_____ 11_____ 12______ 13 14______ 15__ 16________ 17 18______ 19______ 20

Chunks:
  TruePositive nam [1,1] = Jakub
  TruePositive nam [3,3] = Łukasz
  TruePositive nam [5,5] = Krzysiek
  TruePositive nam [7,7] = Grzesiek
  FalseNegative nam [11,11] = łodzian

(ChunkerEvaluator) Sentence #6549 from articles/00107637 from sent5

Text  : Chłopaki z Power of Trinity nie boją się niczego .
Tokens: 1_______ 2 3____ 4_ 5______ 6__ 7___ 8__ 9______ 10

Chunks:
  FalseNegative nam [3,5] = Power of Trinity

(ChunkerEvaluator) Sentence #6550 from articles/00107637 from sent6

Text  : Bo kto pozwolił by sobie na podanie obezwładniającego dubstepu z  pięknymi melodiami zaklętymi w  rocku ?
Tokens: 1_ 2__ 3_______ 4_ 5____ 6_ 7______ 8________________ 9_______ 10 11______ 12_______ 13_______ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #6551 from articles/00107637 from sent7

Text  : Takie brzmienia od razu przyciągnęły do zespołu tłumy fanów .
Tokens: 1____ 2________ 3_ 4___ 5___________ 6_ 7______ 8____ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #6552 from articles/00107637 from sent8

Text  : Kapelę można już było usłyszeć m . in . podczas Union of Rock w  Węgorzewie ,  Camerimage ,  Ostródy Reggae Festiwal czy Eski Rock Tour .
Tokens: 1_____ 2____ 3__ 4___ 5_______ 6 7 8_ 9 10_____ 11___ 12 13__ 14 15________ 16 17________ 18 19_____ 20____ 21______ 22_ 23__ 24__ 25__ 26

Chunks:
  TruePositive nam [17,17] = Camerimage
  TruePositive nam [19,21] = Ostródy Reggae Festiwal
  TruePositive nam [23,25] = Eski Rock Tour
  FalsePositive nam [11,15] = Union of Rock w Węgorzewie
  FalseNegative nam [11,13] = Union of Rock
  FalseNegative nam [15,15] = Węgorzewie

(ChunkerEvaluator) Sentence #6553 from articles/00107637 from sent9

Text  : Jedenaście kompozycji , które się znalazły się na albumie „  Loccomotiv ”  ,  wokalista Jakub określa całkiem słusznie mianem „  wagoników ”  .
Tokens: 1_________ 2_________ 3 4____ 5__ 6_______ 7__ 8_ 9______ 10 11________ 12 13 14_______ 15___ 16_____ 17_____ 18______ 19____ 20 21_______ 22 23

Chunks:
  TruePositive nam [15,15] = Jakub
  FalseNegative nam [11,11] = Loccomotiv

(ChunkerEvaluator) Sentence #6554 from articles/00107637 from sent10

Text  : I chociaż nie ma ich „ ze czterdzieści ” ,  to każdy jest osobną opowieścią ,  różnią się od siebie ,  ale razem tworzą naprawdę potężny pociąg .
Tokens: 1 2______ 3__ 4_ 5__ 6 7_ 8___________ 9 10 11 12___ 13__ 14____ 15________ 16 17____ 18_ 19 20____ 21 22_ 23___ 24____ 25______ 26_____ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #6555 from articles/00107637 from sent11

Text  : Początek koncertu o godz . 19 .
Tokens: 1_______ 2_______ 3 4___ 5 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #6556 from articles/00107637 from sent12

Text  : Bilety po 15 i 20 zł do kupienia w klubie oraz Muz -  Arcie .
Tokens: 1_____ 2_ 3_ 4 5_ 6_ 7_ 8_______ 9 10____ 11__ 12_ 13 14___ 15

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [12,14] = Muz - Arcie

2016-10-27 14:59:43,987 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 270 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107638.xml
(ChunkerEvaluator) Sentence #6557 from articles/00107638 from sent1

Text  : Reumatoidalne zapalenie stawów ( gościec przewlekle postępujący , RZS )
Tokens: 1____________ 2________ 3_____ 4 5______ 6_________ 7__________ 8 9__ 10

Chunks:
  FalsePositive nam [9,9] = RZS

(ChunkerEvaluator) Sentence #6558 from articles/00107638 from sent2

Text  : RZS atakuje ludzi aktywnych zawodowo .
Tokens: 1__ 2______ 3____ 4________ 5_______ 6

Chunks:
  FalsePositive nam [1,1] = RZS

(ChunkerEvaluator) Sentence #6559 from articles/00107638 from sent3

Text  : Lekceważenie choroby może prowadzić do kalectwa , a nawet śmierci .
Tokens: 1___________ 2______ 3___ 4________ 5_ 6_______ 7 8 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #6560 from articles/00107638 from sent4

Text  : Reumatoidalne zapalenie stawów to choroba autoimmunologiczna .
Tokens: 1____________ 2________ 3_____ 4_ 5______ 6_________________ 7

Chunks:

(ChunkerEvaluator) Sentence #6561 from articles/00107638 from sent5

Text  : Z niewiadomych do końca przyczyn układ odpornościowy atakuje zdrowe komórki stawów tworząc stany zapalne stawów oraz innych narządów .
Tokens: 1 2___________ 3_ 4____ 5_______ 6____ 7____________ 8______ 9_____ 10_____ 11____ 12_____ 13___ 14_____ 15____ 16__ 17____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #6562 from articles/00107638 from sent6

Text  : Objawem charakterystycznym jest symetryczne zapalenie stawów .
Tokens: 1______ 2_________________ 3___ 4__________ 5________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #6563 from articles/00107638 from sent7

Text  : Choroba atakuje ludzi między 30 a 50 rokiem życia ,  częściej kobiety niż mężczyzn .
Tokens: 1______ 2______ 3____ 4_____ 5_ 6 7_ 8_____ 9____ 10 11______ 12_____ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6564 from articles/00107638 from sent8

Text  : Przyczyn choroby upatruje się przede wszystkim w genach , chociaż niewykluczone jest ,  że RZS może być skutkiem ataku wirusa ,  urazów czy długotrwałego wysiłku fizycznego
Tokens: 1_______ 2______ 3_______ 4__ 5_____ 6________ 7 8_____ 9 10_____ 11___________ 12__ 13 14 15_ 16__ 17_ 18______ 19___ 20____ 21 22____ 23_ 24___________ 25_____ 26________

Chunks:
  FalsePositive nam [15,15] = RZS

(ChunkerEvaluator) Sentence #6565 from articles/00107638 from sent9

Text  : RZS jest chorobą przewlekłą , która niszczy stawy , narządy wewnętrzne ,  powoduje trwałe kalectwo i  przedwczesną śmierć .
Tokens: 1__ 2___ 3______ 4_________ 5 6____ 7______ 8____ 9 10_____ 11________ 12 13______ 14____ 15______ 16 17__________ 18____ 19

Chunks:
  FalsePositive nam [1,1] = RZS

(ChunkerEvaluator) Sentence #6566 from articles/00107638 from sent10

Text  : Objawy
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #6567 from articles/00107638 from sent11

Text  : Objawami reumatoidalnego zapalenia stawów są : sztywność poranna dłoni ,  obrzęk i  ból stawu ,  zanik mięśni ,  guzki reumatoidalne pod skórą ,  stan podgorączkowy ,  uczucie osłabienia ,  częste pocenie się .
Tokens: 1_______ 2______________ 3________ 4_____ 5_ 6 7________ 8______ 9____ 10 11____ 12 13_ 14___ 15 16___ 17____ 18 19___ 20___________ 21_ 22___ 23 24__ 25___________ 26 27_____ 28________ 29 30____ 31_____ 32_ 33

Chunks:

(ChunkerEvaluator) Sentence #6568 from articles/00107638 from sent12

Text  : Mogą wystąpić też zapalenia osierdzia , opłucnej , spojówki i  rogówki ,  zasinienie dłoni ,  martwica palców .
Tokens: 1___ 2_______ 3__ 4________ 5________ 6 7_______ 8 9_______ 10 11_____ 12 13________ 14___ 15 16______ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #6569 from articles/00107638 from sent13

Text  : Leczenie
Tokens: 1_______

Chunks:

(ChunkerEvaluator) Sentence #6570 from articles/00107638 from sent14

Text  : Chory musi znajdować się pod opieką lekarza reumatologa .
Tokens: 1____ 2___ 3________ 4__ 5__ 6_____ 7______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #6571 from articles/00107638 from sent15

Text  : Leczenie jest trudne i długotrwałe i musi być dostosowane indywidualnie do zmian w  organizmie .
Tokens: 1_______ 2___ 3_____ 4 5__________ 6 7___ 8__ 9__________ 10___________ 11 12___ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #6572 from articles/00107638 from sent16

Text  : Podaje się antybiotyki , leki przeciwbólowe oraz przeprowadza zabiegi chirurgiczne .
Tokens: 1_____ 2__ 3__________ 4 5___ 6____________ 7___ 8___________ 9______ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #6573 from articles/00107638 from sent17

Text  : Leczenie wspomagane jest często zabiegami rehabilitacyjnymi .
Tokens: 1_______ 2_________ 3___ 4_____ 5________ 6________________ 7

Chunks:

2016-10-27 14:59:44,051 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 271 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107639.xml
(ChunkerEvaluator) Sentence #6574 from articles/00107639 from sent1

Text  : Fotopolis
Tokens: 1________

Chunks:
  FalseNegative nam [1,1] = Fotopolis

(ChunkerEvaluator) Sentence #6575 from articles/00107639 from sent2

Text  : Opisy nowych modeli sprzętu fotograficznego i fotograficznych akcesoriów , praktyczne porady ,  testy -  to wszystko zawiera serwis Fotopolis .
Tokens: 1____ 2_____ 3_____ 4______ 5______________ 6 7______________ 8_________ 9 10________ 11____ 12 13___ 14 15 16______ 17_____ 18____ 19_______ 20

Chunks:
  FalseNegative nam [19,19] = Fotopolis

(ChunkerEvaluator) Sentence #6576 from articles/00107639 from sent3

Text  : Można w nim ponadto zapoznać się z terminami wystaw organizowanych w  różnych miastach Polski i  poczytać teksty o  mistrzach obiektywu .
Tokens: 1____ 2 3__ 4______ 5_______ 6__ 7 8________ 9_____ 10____________ 11 12_____ 13______ 14____ 15 16______ 17____ 18 19_______ 20_______ 21

Chunks:
  TruePositive nam [14,14] = Polski

(ChunkerEvaluator) Sentence #6577 from articles/00107639 from sent4

Text  : http://www.fotopolis.pl/
Tokens: 1_______________________

Chunks:
  FalseNegative nam [1,1] = http://www.fotopolis.pl/

2016-10-27 14:59:44,066 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 272 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107640.xml
(ChunkerEvaluator) Sentence #6578 from articles/00107640 from sent1

Text  : B . wiceprezes Colloseum zatrzymany po 10 latach poszukiwań
Tokens: 1 2 3_________ 4________ 5_________ 6_ 7_ 8_____ 9_________

Chunks:
  FalseNegative nam [4,4] = Colloseum

(ChunkerEvaluator) Sentence #6579 from articles/00107640 from sent2

Text  : Funkcjonariusze Agencji Bezpieczeństwa Wewnętrznego ( ABW ) zatrzymali w piątek w  Chorzowie poszukiwanego od 2002 r  .  byłego wiceprezesa spółki Colloseum Piotra Wolnickiego -  podała ABW .
Tokens: 1______________ 2______ 3_____________ 4___________ 5 6__ 7 8_________ 9 10____ 11 12_______ 13___________ 14 15__ 16 17 18____ 19_________ 20____ 21_______ 22____ 23_________ 24 25____ 26_ 27

Chunks:
  TruePositive nam [2,4] = Agencji Bezpieczeństwa Wewnętrznego
  TruePositive nam [12,12] = Chorzowie
  TruePositive nam [22,23] = Piotra Wolnickiego
  FalseNegative nam [6,6] = ABW
  FalseNegative nam [21,21] = Colloseum
  FalseNegative nam [26,26] = ABW

(ChunkerEvaluator) Sentence #6580 from articles/00107640 from sent3

Text  : Wolnicki to druga - obok Józefa Jędrucha - najważniejsza osoba w  sprawie dotyczącej oszustw finansowych ,  zarzucanych przedstawicielom śląskiego Konsorcjum Finansowo -  Inwestycyjnego Colloseum .
Tokens: 1_______ 2_ 3____ 4 5___ 6_____ 7_______ 8 9____________ 10___ 11 12_____ 13________ 14_____ 15_________ 16 17_________ 18______________ 19_______ 20________ 21_______ 22 23____________ 24_______ 25

Chunks:
  TruePositive nam [6,7] = Józefa Jędrucha
  TruePositive nam [20,24] = Konsorcjum Finansowo - Inwestycyjnego Colloseum
  FalseNegative nam [1,1] = Wolnicki

(ChunkerEvaluator) Sentence #6581 from articles/00107640 from sent4

Text  : Należące do Skarbu Państwa spółki miały stracić na tym blisko 400 mln zł .
Tokens: 1_______ 2_ 3_____ 4______ 5_____ 6____ 7______ 8_ 9__ 10____ 11_ 12_ 13 14

Chunks:
  TruePositive nam [3,4] = Skarbu Państwa
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #6582 from articles/00107640 from sent5

Text  : Chodziło o obrót wierzytelnościami .
Tokens: 1_______ 2 3____ 4________________ 5

Chunks:

(ChunkerEvaluator) Sentence #6583 from articles/00107640 from sent6

Text  : Wolnicki został zatrzymany w Chorzowie , w pobliżu miejsca gdzie się ukrywał .
Tokens: 1_______ 2_____ 3_________ 4 5________ 6 7 8______ 9______ 10___ 11_ 12_____ 13

Chunks:
  TruePositive nam [5,5] = Chorzowie
  FalseNegative nam [1,1] = Wolnicki

(ChunkerEvaluator) Sentence #6584 from articles/00107640 from sent7

Text  : Nie stawiał oporu .
Tokens: 1__ 2______ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #6585 from articles/00107640 from sent8

Text  : " W toku poszukiwań wielokrotnie natrafiono na informacje wskazujące ,  że Piotr Wolnicki przebywa poza granicami Polski (  Izrael ,  Niemcy )  .
Tokens: 1 2 3___ 4_________ 5___________ 6_________ 7_ 8_________ 9_________ 10 11 12___ 13______ 14______ 15__ 16_______ 17____ 18 19____ 20 21____ 22 23

Chunks:
  TruePositive nam [12,13] = Piotr Wolnicki
  TruePositive nam [17,17] = Polski
  TruePositive nam [19,19] = Izrael
  TruePositive nam [21,21] = Niemcy

(ChunkerEvaluator) Sentence #6586 from articles/00107640 from sent9

Text  : Pod koniec 2011 r . grupa poszukiwacza ABW natrafiła na wiarygodny trop wskazujący na ukrywanie się poszukiwanego na terenie Polski "  -  napisała w  komunikacie rzeczniczka ABW ppłk Katarzyna Koniecpolska -  Wróblewska .  (  PAP )
Tokens: 1__ 2_____ 3___ 4 5 6____ 7___________ 8__ 9________ 10 11________ 12__ 13________ 14 15_______ 16_ 17___________ 18 19_____ 20____ 21 22 23______ 24 25_________ 26_________ 27_ 28__ 29_______ 30__________ 31 32________ 33 34 35_ 36

Chunks:
  TruePositive nam [20,20] = Polski
  TruePositive nam [35,35] = PAP
  FalsePositive nam [29,33] = Katarzyna Koniecpolska - Wróblewska .
  FalseNegative nam [8,8] = ABW
  FalseNegative nam [27,27] = ABW
  FalseNegative nam [29,32] = Katarzyna Koniecpolska - Wróblewska

2016-10-27 14:59:44,114 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 273 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107641.xml
(ChunkerEvaluator) Sentence #6587 from articles/00107641 from sent1

Text  : Jacek Bromski : decyzja premiera ws .
Tokens: 1____ 2______ 3 4______ 5_______ 6_ 7

Chunks:
  TruePositive nam [1,2] = Jacek Bromski

(ChunkerEvaluator) Sentence #6588 from articles/00107641 from sent2

Text  : ACTA martwi mnie
Tokens: 1___ 2_____ 3___

Chunks:
  FalseNegative nam [1,1] = ACTA

(ChunkerEvaluator) Sentence #6589 from articles/00107641 from sent3

Text  : Prezes Stowarzyszenia Filmowców Polskich Jacek Bromski ws . apelu premiera Donalda Tuska o  odrzucenie ACTA :
Tokens: 1_____ 2_____________ 3________ 4_______ 5____ 6______ 7_ 8 9____ 10______ 11_____ 12___ 13 14________ 15__ 16

Chunks:
  TruePositive nam [2,4] = Stowarzyszenia Filmowców Polskich
  TruePositive nam [5,6] = Jacek Bromski
  TruePositive nam [11,12] = Donalda Tuska
  FalseNegative nam [15,15] = ACTA

(ChunkerEvaluator) Sentence #6590 from articles/00107641 from sent4

Text  : " Decyzja premiera ws .
Tokens: 1 2______ 3_______ 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #6591 from articles/00107641 from sent5

Text  : ACTA martwi mnie .
Tokens: 1___ 2_____ 3___ 4

Chunks:
  FalseNegative nam [1,1] = ACTA

(ChunkerEvaluator) Sentence #6592 from articles/00107641 from sent6

Text  : Moim zdaniem , została ona podjęta pod wpływem populistycznych ruchów ,  które z  kolei zostały zmanipulowane przez telekomy .
Tokens: 1___ 2______ 3 4______ 5__ 6______ 7__ 8______ 9______________ 10____ 11 12___ 13 14___ 15_____ 16___________ 17___ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #6593 from articles/00107641 from sent7

Text  : Nie oszukujmy się .
Tokens: 1__ 2________ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #6594 from articles/00107641 from sent8

Text  : Umowa ACTA wcale nie jest taka groźna , jak ją przedstawiano .
Tokens: 1____ 2___ 3____ 4__ 5___ 6___ 7_____ 8 9__ 10 11___________ 12

Chunks:
  FalseNegative nam [2,2] = ACTA

(ChunkerEvaluator) Sentence #6595 from articles/00107641 from sent9

Text  : Ona nie wnosi niczego nowego do polskiego prawa autorskiego .
Tokens: 1__ 2__ 3____ 4______ 5_____ 6_ 7________ 8____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #6596 from articles/00107641 from sent10

Text  : Natomiast pozwala nam ścigać tych , którzy kradną polskie filmy poza granicami Polski .
Tokens: 1________ 2______ 3__ 4_____ 5___ 6 7_____ 8_____ 9______ 10___ 11__ 12_______ 13____ 14

Chunks:
  TruePositive nam [13,13] = Polski

(ChunkerEvaluator) Sentence #6597 from articles/00107641 from sent11

Text  : ACTA to przede wszystkim umowa handlowa , która ma niewiele wspólnego z  prawem autorskim .
Tokens: 1___ 2_ 3_____ 4________ 5____ 6_______ 7 8____ 9_ 10______ 11_______ 12 13____ 14_______ 15

Chunks:
  FalseNegative nam [1,1] = ACTA

(ChunkerEvaluator) Sentence #6598 from articles/00107641 from sent12

Text  : Tak czy inaczej , jakieś regulacje prawne dotyczące bardzo szybko rozwijającego się internetu są nieuniknione .
Tokens: 1__ 2__ 3______ 4 5_____ 6________ 7_____ 8________ 9_____ 10____ 11___________ 12_ 13_______ 14 15__________ 16

Chunks:
  FalsePositive nam [13,13] = internetu

(ChunkerEvaluator) Sentence #6599 from articles/00107641 from sent13

Text  : Premier zdaje sobie z tego sprawę , mówiąc o przystosowaniu do XXI wieku .
Tokens: 1______ 2____ 3____ 4 5___ 6_____ 7 8_____ 9 10____________ 11 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #6600 from articles/00107641 from sent14

Text  : Świat to wymusi , nawet gdyby Polska chciała być jak najbardziej liberalnym krajem .
Tokens: 1____ 2_ 3_____ 4 5____ 6____ 7_____ 8______ 9__ 10_ 11_________ 12________ 13____ 14

Chunks:
  TruePositive nam [7,7] = Polska
  FalseNegative nam [1,1] = Świat

(ChunkerEvaluator) Sentence #6601 from articles/00107641 from sent15

Text  : Ja mam tylko nadzieję , że XXI wiek nie stanie się stuleciem ,  w  którym będzie przyzwolenie na to ,  by paserzy i  złodzieje bezkarnie działali w  internecie .
Tokens: 1_ 2__ 3____ 4_______ 5 6_ 7__ 8___ 9__ 10____ 11_ 12_______ 13 14 15____ 16____ 17__________ 18 19 20 21 22_____ 23 24_______ 25_______ 26______ 27 28________ 29

Chunks:
  FalsePositive nam [28,28] = internecie

(ChunkerEvaluator) Sentence #6602 from articles/00107641 from sent16

Text  : Nie mówię tutaj oczywiście o internautach , bo internauci powinni mieć swobodny dostęp do tego wszystkiego ,  co jest w  sieci .
Tokens: 1__ 2____ 3____ 4_________ 5 6___________ 7 8_ 9_________ 10_____ 11__ 12______ 13____ 14 15__ 16_________ 17 18 19__ 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #6603 from articles/00107641 from sent17

Text  : Podsumowując , zobaczymy , co w tej sprawie zrobi Europa .
Tokens: 1___________ 2 3________ 4 5_ 6 7__ 8______ 9____ 10____ 11

Chunks:
  TruePositive nam [10,10] = Europa

(ChunkerEvaluator) Sentence #6604 from articles/00107641 from sent18

Text  : My będziemy musieli się dostosować , ponieważ Polska nie istnieje w  przestrzeni pozaeuropejskiej ,  pozaświatowej "  .
Tokens: 1_ 2_______ 3______ 4__ 5_________ 6 7_______ 8_____ 9__ 10______ 11 12_________ 13______________ 14 15___________ 16 17

Chunks:
  TruePositive nam [8,8] = Polska

2016-10-27 14:59:44,183 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 274 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107642.xml
(ChunkerEvaluator) Sentence #6605 from articles/00107642 from sent1

Text  : Liga francuska - 14 . kolejka
Tokens: 1___ 2________ 3 4_ 5 6______

Chunks:
  FalseNegative nam [1,2] = Liga francuska

(ChunkerEvaluator) Sentence #6606 from articles/00107642 from sent2

Text  : 9 . 11 .
Tokens: 1 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #6607 from articles/00107642 from sent3

Text  : Paryż ( PAP / Reuters ) - Wyniki meczów 14 .  kolejki piłkarskiej ligi Francji :  sobota :  Girondins Bordeaux :  2  -  Pauleta 31 ,  76 Rennes :  0  czerwona kartka :  Philippe Delaye 89 (  89 ,  Rennes )  En Avant Guingamp 0  Olympique Marsylia 0  Lille 0  Nantes 1  -  Stephane Ziani 49 Montpellier 2  -  Habib Bamogo 30 ,  Marc -  Eric Guei 54 -  karny Sedan 0  czerwona kartka :  Valery Mezague (  89 ,  Montpellier )  Paris St Germain 1  -  Bartholomew Ogbeche 65 Sochaux 1  -  Jeremy Mathieu 85 RC Strasbourg 1  -   Yannick Fischer 43  Lens 0   Troyes 3   -   Nicolas Gousse 23  -   karny ,   72  ,   Mamadou Niang 90  Bastia 0   czerwone kartki :   Cyril Jeunechamp (   79  ,   Bastia )   ,   Benjamin Nivet (   80  ,   Troyes )   piątek :   Nice 1   -   Everson 25  Monaco 0   czwartek :   AC  Ajaccio 1   -   Hoalid Regragui 89  AJ  Auxerre 0   Le  Havre 1   -   Anthony Le  Tallec 59  Olympique Lyon 2   -   Eric Carriere 9   ,   Claudio Cacapa 87  Tabela :   1   .
Tokens: 1____ 2 3__ 4 5______ 6 7 8_____ 9_____ 10 11 12_____ 13_________ 14__ 15_____ 16 17____ 18 19_______ 20______ 21 22 23 24_____ 25 26 27 28____ 29 30 31______ 32____ 33 34______ 35____ 36 37 38 39 40____ 41 42 43___ 44______ 45 46_______ 47______ 48 49___ 50 51____ 52 53 54______ 55___ 56 57_________ 58 59 60___ 61____ 62 63 64__ 65 66__ 67__ 68 69 70___ 71___ 72 73______ 74____ 75 76____ 77_____ 78 79 80 81_________ 82 83___ 84 85_____ 86 87 88_________ 89_____ 90 91_____ 92 93 94____ 95_____ 96 97 98________ 99 100 101____ 102____ 103 104_ 105 106___ 107 108 109____ 110___ 111 112 113__ 114 115 116 117____ 118__ 119 120___ 121 122_____ 123___ 124 125__ 126_______ 127 128 129 130___ 131 132 133_____ 134__ 135 136 137 138___ 139 140___ 141 142_ 143 144 145____ 146 147___ 148 149_____ 150 151 152____ 153 154 155___ 156_____ 157 158 159____ 160 161 162__ 163 164 165____ 166 167___ 168 169______ 170_ 171 172 173_ 174_____ 175 176 177____ 178___ 179 180___ 181 182 183

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,5] = Reuters
  TruePositive nam [15,15] = Francji
  TruePositive nam [19,20] = Girondins Bordeaux
  TruePositive nam [34,35] = Philippe Delaye
  TruePositive nam [40,40] = Rennes
  TruePositive nam [42,44] = En Avant Guingamp
  TruePositive nam [49,49] = Lille
  TruePositive nam [51,51] = Nantes
  TruePositive nam [57,57] = Montpellier
  TruePositive nam [60,61] = Habib Bamogo
  TruePositive nam [76,77] = Valery Mezague
  TruePositive nam [81,81] = Montpellier
  TruePositive nam [88,89] = Bartholomew Ogbeche
  TruePositive nam [91,91] = Sochaux
  TruePositive nam [97,98] = RC Strasbourg
  TruePositive nam [101,102] = Yannick Fischer
  TruePositive nam [117,118] = Mamadou Niang
  TruePositive nam [125,126] = Cyril Jeunechamp
  TruePositive nam [133,134] = Benjamin Nivet
  TruePositive nam [142,142] = Nice
  TruePositive nam [147,147] = Monaco
  TruePositive nam [151,152] = AC Ajaccio
  TruePositive nam [158,159] = AJ Auxerre
  TruePositive nam [161,162] = Le Havre
  TruePositive nam [173,174] = Eric Carriere
  TruePositive nam [177,178] = Claudio Cacapa
  FalsePositive nam [64,71] = Marc - Eric Guei 54 - karny Sedan
  FalsePositive nam [85,85] = Germain
  FalsePositive nam [109,113] = Nicolas Gousse 23 - karny
  FalsePositive nam [165,170] = Anthony Le Tallec 59 Olympique Lyon
  FalsePositive nam [180,180] = Tabela
  FalseNegative nam [1,1] = Paryż
  FalseNegative nam [24,24] = Pauleta
  FalseNegative nam [28,28] = Rennes
  FalseNegative nam [46,47] = Olympique Marsylia
  FalseNegative nam [54,55] = Stephane Ziani
  FalseNegative nam [64,67] = Marc - Eric Guei
  FalseNegative nam [71,71] = Sedan
  FalseNegative nam [83,85] = Paris St Germain
  FalseNegative nam [94,95] = Jeremy Mathieu
  FalseNegative nam [104,104] = Lens
  FalseNegative nam [106,106] = Troyes
  FalseNegative nam [109,110] = Nicolas Gousse
  FalseNegative nam [120,120] = Bastia
  FalseNegative nam [130,130] = Bastia
  FalseNegative nam [138,138] = Troyes
  FalseNegative nam [145,145] = Everson
  FalseNegative nam [155,156] = Hoalid Regragui
  FalseNegative nam [165,167] = Anthony Le Tallec
  FalseNegative nam [169,170] = Olympique Lyon

(ChunkerEvaluator) Sentence #6608 from articles/00107642 from sent4

Text  : Nice 14 7 5 2 19 7 26 2 .
Tokens: 1___ 2_ 3 4 5 6_ 7 8_ 9 10

Chunks:
  FalseNegative nam [1,1] = Nice

(ChunkerEvaluator) Sentence #6609 from articles/00107642 from sent5

Text  : Olympique Lyon 14 7 4 3 27 16 25 3  .
Tokens: 1________ 2___ 3_ 4 5 6 7_ 8_ 9_ 10 11

Chunks:
  FalsePositive nam [2,2] = Lyon
  FalseNegative nam [1,2] = Olympique Lyon

(ChunkerEvaluator) Sentence #6610 from articles/00107642 from sent6

Text  : Paris St Germain 14 6 6 2 23 12 24 4  .
Tokens: 1____ 2_ 3______ 4_ 5 6 7 8_ 9_ 10 11 12

Chunks:
  FalseNegative nam [1,3] = Paris St Germain

(ChunkerEvaluator) Sentence #6611 from articles/00107642 from sent7

Text  : Olympique Marsylia 14 7 3 4 16 15 24 5  .
Tokens: 1________ 2_______ 3_ 4 5 6 7_ 8_ 9_ 10 11

Chunks:
  FalsePositive nam [2,2] = Marsylia
  FalseNegative nam [1,2] = Olympique Marsylia

(ChunkerEvaluator) Sentence #6612 from articles/00107642 from sent8

Text  : Sochaux 14 6 5 3 17 11 23 6 .
Tokens: 1______ 2_ 3 4 5 6_ 7_ 8_ 9 10

Chunks:
  FalseNegative nam [1,1] = Sochaux

(ChunkerEvaluator) Sentence #6613 from articles/00107642 from sent9

Text  : Racing Strasbourg 14 6 4 4 19 21 22 7  .  RC Lens 14 5  6  3  13 10 21 8  .  AJ Auxerre 13 6  3  4  15 13 21 9  .
Tokens: 1_____ 2_________ 3_ 4 5 6 7_ 8_ 9_ 10 11 12 13__ 14 15 16 17 18 19 20 21 22 23 24_____ 25 26 27 28 29 30 31 32 33

Chunks:
  TruePositive nam [23,24] = AJ Auxerre
  FalsePositive nam [2,2] = Strasbourg
  FalseNegative nam [1,2] = Racing Strasbourg
  FalseNegative nam [12,13] = RC Lens

(ChunkerEvaluator) Sentence #6614 from articles/00107642 from sent10

Text  : Monaco 14 5 5 4 19 14 20 10 .
Tokens: 1_____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  TruePositive nam [1,1] = Monaco

(ChunkerEvaluator) Sentence #6615 from articles/00107642 from sent11

Text  : Girondins Bordeaux 14 5 5 4 15 12 20 11 .
Tokens: 1________ 2_______ 3_ 4 5 6 7_ 8_ 9_ 10 11

Chunks:
  TruePositive nam [1,2] = Girondins Bordeaux

(ChunkerEvaluator) Sentence #6616 from articles/00107642 from sent12

Text  : En Avant Guingamp 14 5 4 5 19 18 19 12 .
Tokens: 1_ 2____ 3_______ 4_ 5 6 7 8_ 9_ 10 11 12

Chunks:
  TruePositive nam [1,3] = En Avant Guingamp

(ChunkerEvaluator) Sentence #6617 from articles/00107642 from sent13

Text  : Lille 14 4 5 5 11 14 17 13 .  AC Ajaccio 14 4  5  5  10 13 17 14 .
Tokens: 1____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10 11 12_____ 13 14 15 16 17 18 19 20 21

Chunks:
  TruePositive nam [1,1] = Lille
  TruePositive nam [11,12] = AC Ajaccio

(ChunkerEvaluator) Sentence #6618 from articles/00107642 from sent14

Text  : Bastia 14 5 2 7 14 20 17 15 .
Tokens: 1_____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  FalseNegative nam [1,1] = Bastia

(ChunkerEvaluator) Sentence #6619 from articles/00107642 from sent15

Text  : Sedan 13 4 4 5 16 19 16 16 .
Tokens: 1____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  TruePositive nam [1,1] = Sedan

(ChunkerEvaluator) Sentence #6620 from articles/00107642 from sent16

Text  : Nantes 14 4 4 6 12 16 16 17 .
Tokens: 1_____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  FalseNegative nam [1,1] = Nantes

(ChunkerEvaluator) Sentence #6621 from articles/00107642 from sent17

Text  : Montpellier 14 3 4 7 11 18 13 18 .
Tokens: 1__________ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  FalseNegative nam [1,1] = Montpellier

(ChunkerEvaluator) Sentence #6622 from articles/00107642 from sent18

Text  : Le Havre 14 2 6 6 11 20 12 19 .
Tokens: 1_ 2____ 3_ 4 5 6 7_ 8_ 9_ 10 11

Chunks:
  TruePositive nam [1,2] = Le Havre

(ChunkerEvaluator) Sentence #6623 from articles/00107642 from sent19

Text  : Troyes 14 2 5 7 11 18 11 20 .
Tokens: 1_____ 2_ 3 4 5 6_ 7_ 8_ 9_ 10

Chunks:
  FalseNegative nam [1,1] = Troyes

(ChunkerEvaluator) Sentence #6624 from articles/00107642 from sent20

Text  : Stade Rennes 14 2 3 9 9 20 9 (  PAP )  zm /  mis /
Tokens: 1____ 2_____ 3_ 4 5 6 7 8_ 9 10 11_ 12 13 14 15_ 16

Chunks:
  TruePositive nam [11,11] = PAP
  FalseNegative nam [1,2] = Stade Rennes

2016-10-27 14:59:44,300 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 275 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107643.xml
(ChunkerEvaluator) Sentence #6625 from articles/00107643 from sent1

Text  : Kredyt Bank o bezpieczeństwie w szkołach
Tokens: 1_____ 2___ 3 4______________ 5 6_______

Chunks:
  TruePositive nam [1,2] = Kredyt Bank

(ChunkerEvaluator) Sentence #6626 from articles/00107643 from sent2

Text  : Ponad 20 tysięcy uczniów ze 137 szkół podstawowych z Mazowsza ,  Małopolski i  Wielkopolski uczestniczy w  II edycji projektu edukacyjnego „  Kabecjanie dają radę ”  ,  realizowanego przez Kredyt Bank ,  jego korporacyjną fundację ,  Stowarzyszenie Laboratorium Troski i  Polski Czerwony Krzyż .
Tokens: 1____ 2_ 3______ 4______ 5_ 6__ 7____ 8___________ 9 10______ 11 12________ 13 14__________ 15_________ 16 17 18____ 19______ 20__________ 21 22________ 23__ 24__ 25 26 27___________ 28___ 29____ 30__ 31 32__ 33__________ 34______ 35 36____________ 37__________ 38____ 39 40____ 41______ 42___ 43

Chunks:
  TruePositive nam [10,10] = Mazowsza
  TruePositive nam [12,12] = Małopolski
  TruePositive nam [14,14] = Wielkopolski
  TruePositive nam [29,30] = Kredyt Bank
  TruePositive nam [36,38] = Stowarzyszenie Laboratorium Troski
  FalsePositive nam [40,40] = Polski
  FalseNegative nam [22,24] = Kabecjanie dają radę
  FalseNegative nam [40,42] = Polski Czerwony Krzyż

(ChunkerEvaluator) Sentence #6627 from articles/00107643 from sent3

Text  : Patronat medialny nad akcją objęli : Radio Kolor i TVP Info .
Tokens: 1_______ 2_______ 3__ 4____ 5_____ 6 7____ 8____ 9 10_ 11__ 12

Chunks:
  TruePositive nam [7,8] = Radio Kolor
  TruePositive nam [10,11] = TVP Info

(ChunkerEvaluator) Sentence #6628 from articles/00107643 from sent4

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #6629 from articles/00107643 from sent5

Text  : Ponad 20 tysięcy uczniów ze 137 szkół podstawowych z Mazowsza ,  Małopolski i  Wielkopolski uczestniczy w  II edycji projektu edukacyjnego „  Kabecjanie dają radę ”  ,  realizowanego przez Kredyt Bank ,  jego korporacyjną fundację ,  Stowarzyszenie Laboratorium Troski i  Polski Czerwony Krzyż .
Tokens: 1____ 2_ 3______ 4______ 5_ 6__ 7____ 8___________ 9 10______ 11 12________ 13 14__________ 15_________ 16 17 18____ 19______ 20__________ 21 22________ 23__ 24__ 25 26 27___________ 28___ 29____ 30__ 31 32__ 33__________ 34______ 35 36____________ 37__________ 38____ 39 40____ 41______ 42___ 43

Chunks:
  TruePositive nam [10,10] = Mazowsza
  TruePositive nam [12,12] = Małopolski
  TruePositive nam [14,14] = Wielkopolski
  TruePositive nam [29,30] = Kredyt Bank
  TruePositive nam [36,38] = Stowarzyszenie Laboratorium Troski
  FalsePositive nam [40,40] = Polski
  FalseNegative nam [22,24] = Kabecjanie dają radę
  FalseNegative nam [40,42] = Polski Czerwony Krzyż

(ChunkerEvaluator) Sentence #6630 from articles/00107643 from sent6

Text  : Patronat medialny nad akcją objęli : Radio Kolor i TVP Info .
Tokens: 1_______ 2_______ 3__ 4____ 5_____ 6 7____ 8____ 9 10_ 11__ 12

Chunks:
  TruePositive nam [7,8] = Radio Kolor
  TruePositive nam [10,11] = TVP Info

(ChunkerEvaluator) Sentence #6631 from articles/00107643 from sent7

Text  : Cykl 13 lekcji o bezpieczeństwie prowadzą wychowawcy klas I -  III oraz goście –  przedstawiciele służb ratowniczych :  policjanci i  strażacy .
Tokens: 1___ 2_ 3_____ 4 5______________ 6_______ 7_________ 8___ 9 10 11_ 12__ 13____ 14 15_____________ 16___ 17__________ 18 19________ 20 21______ 22

Chunks:
  FalsePositive nam [1,1] = Cykl

(ChunkerEvaluator) Sentence #6632 from articles/00107643 from sent8

Text  : Na jedną z lekcji zapraszani są wolontariusze PCK , którzy uczą dzieci podstawowych zasad pierwszej pomocy .
Tokens: 1_ 2____ 3 4_____ 5_________ 6_ 7____________ 8__ 9 10____ 11__ 12____ 13__________ 14___ 15_______ 16____ 17

Chunks:
  TruePositive nam [8,8] = PCK

(ChunkerEvaluator) Sentence #6633 from articles/00107643 from sent9

Text  : W roku szkolnym 2011 / 2012 w projekcie uczestniczą 53 szkoły z  Mazowsza ,  53 z  Małopolski i  31 szkół z  Wielkopolski .
Tokens: 1 2___ 3_______ 4___ 5 6___ 7 8________ 9__________ 10 11____ 12 13______ 14 15 16 17________ 18 19 20___ 21 22__________ 23

Chunks:
  TruePositive nam [13,13] = Mazowsza
  TruePositive nam [17,17] = Małopolski
  TruePositive nam [22,22] = Wielkopolski

(ChunkerEvaluator) Sentence #6634 from articles/00107643 from sent10

Text  : Zostały wytypowane przez Komendy Wojewódzkie i Komendę Stołeczną Policji .
Tokens: 1______ 2_________ 3____ 4______ 5__________ 6 7______ 8________ 9______ 10

Chunks:
  TruePositive nam [4,5] = Komendy Wojewódzkie
  TruePositive nam [7,9] = Komendę Stołeczną Policji

(ChunkerEvaluator) Sentence #6635 from articles/00107643 from sent11

Text  : Głównym kryterium doboru było niebezpieczne , z uwagi na ruch uliczny ,  usytuowanie szkoły .
Tokens: 1______ 2________ 3_____ 4___ 5____________ 6 7 8____ 9_ 10__ 11_____ 12 13_________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #6636 from articles/00107643 from sent12

Text  : Program jest odpowiedzią na wysokie statystyki wypadków i niezamierzonych urazów wśród dzieci .
Tokens: 1______ 2___ 3__________ 4_ 5______ 6_________ 7_______ 8 9______________ 10____ 11___ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #6637 from articles/00107643 from sent13

Text  : Ma celu zwiększenie bezpieczeństwa dzieci w najbliższym otoczeniu oraz zmniejszenie liczby wypadków z  ich udziałem .
Tokens: 1_ 2___ 3__________ 4_____________ 5_____ 6 7__________ 8________ 9___ 10__________ 11____ 12______ 13 14_ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #6638 from articles/00107643 from sent14

Text  : Adresowany jest do uczniów klas I - III , ich rodziców i  nauczycieli .
Tokens: 1_________ 2___ 3_ 4______ 5___ 6 7 8__ 9 10_ 11______ 12 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #6639 from articles/00107643 from sent15

Text  : Wg MEN , w roku szkolnym 2010 / 2011 na terenie szkół doszło do ponad 30 tys .  wypadków z  udziałem dzieci ,  w  tym 16 śmiertelnych .
Tokens: 1_ 2__ 3 4 5___ 6_______ 7___ 8 9___ 10 11_____ 12___ 13____ 14 15___ 16 17_ 18 19______ 20 21______ 22____ 23 24 25_ 26 27__________ 28

Chunks:
  TruePositive nam [2,2] = MEN

(ChunkerEvaluator) Sentence #6640 from articles/00107643 from sent16

Text  : Wg Policji , w 2010 r . w 4 239 wypadkach na polskich drogach zginęło 112 dzieci ,  a  4  586 zostało rannych .
Tokens: 1_ 2______ 3 4 5___ 6 7 8 9 10_ 11_______ 12 13______ 14_____ 15_____ 16_ 17____ 18 19 20 21_ 22_____ 23_____ 24

Chunks:
  TruePositive nam [2,2] = Policji

(ChunkerEvaluator) Sentence #6641 from articles/00107643 from sent17

Text  : Dane wskazują na tendencję spadkową liczby wypadków z udziałem najmłodszych ,  jednak statystyki wciąż są niepokojące .
Tokens: 1___ 2_______ 3_ 4________ 5_______ 6_____ 7_______ 8 9_______ 10__________ 11 12____ 13________ 14___ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #6642 from articles/00107643 from sent18

Text  : - Realizujemy ten projekt , by uwrażliwić dzieci na niebezpieczne sytuacje .
Tokens: 1 2__________ 3__ 4______ 5 6_ 7_________ 8_____ 9_ 10___________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #6643 from articles/00107643 from sent19

Text  : Chcemy utrwalać w nich prawidłowe reakcje na zagrożenia , uczyć praktycznych umiejętności ,  które pozwolą im czuć się bezpieczniej teraz i  w  dorosłym życiu .
Tokens: 1_____ 2_______ 3 4___ 5_________ 6______ 7_ 8_________ 9 10___ 11__________ 12__________ 13 14___ 15_____ 16 17__ 18_ 19__________ 20___ 21 22 23______ 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #6644 from articles/00107643 from sent20

Text  : Lekcje dla uczniów obejmują temat bezpieczeństwa w ruchu drogowym ,  zagrożeń przeciwpożarowych ,  zagrożeń ,  wynikających z  przestępczości ,  kontaktu z  nieznajomym ,  naukę udzielania pierwszej pomocy przedmedycznej .
Tokens: 1_____ 2__ 3______ 4_______ 5____ 6_____________ 7 8____ 9_______ 10 11______ 12_______________ 13 14______ 15 16__________ 17 18____________ 19 20______ 21 22_________ 23 24___ 25________ 26_______ 27____ 28____________ 29

Chunks:

(ChunkerEvaluator) Sentence #6645 from articles/00107643 from sent21

Text  : By łatwiej trafić do wyobraźni dzieci , te trudne tematy przedstawiamy im w  konwencji bajkowo -  fantastycznej .
Tokens: 1_ 2______ 3_____ 4_ 5________ 6_____ 7 8_ 9_____ 10____ 11___________ 12 13 14_______ 15_____ 16 17___________ 18

Chunks:

(ChunkerEvaluator) Sentence #6646 from articles/00107643 from sent22

Text  : Bohaterami projektu są bowiem Kabecjanie z rozważnym smokiem Mądragonem na czele –  przybliża projekt Monika Nowakowska ,  dyrektor Biura Public Relations Kredyt Banku .
Tokens: 1_________ 2_______ 3_ 4_____ 5_________ 6 7________ 8______ 9_________ 10 11___ 12 13_______ 14_____ 15____ 16________ 17 18______ 19___ 20____ 21_______ 22____ 23___ 24

Chunks:
  TruePositive nam [15,16] = Monika Nowakowska
  FalseNegative nam [5,5] = Kabecjanie
  FalseNegative nam [9,9] = Mądragonem
  FalseNegative nam [19,23] = Biura Public Relations Kredyt Banku

(ChunkerEvaluator) Sentence #6647 from articles/00107643 from sent23

Text  : W projekt zaangażowani są też rodzice uczniów .
Tokens: 1 2______ 3___________ 4_ 5__ 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #6648 from articles/00107643 from sent24

Text  : Po każdej lekcji trafia do nich podsumowanie tematu i sugestie ,  jak utrwalać wiedzę z  dzieckiem w  domu .
Tokens: 1_ 2_____ 3_____ 4_____ 5_ 6___ 7___________ 8_____ 9 10______ 11 12_ 13______ 14____ 15 16_______ 17 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #6649 from articles/00107643 from sent25

Text  : To celowe działanie wspomagające osiągnięcie celu projektu – kształtowane u  dzieci umiejętności muszą być możliwie często trenowane ,  tak aby stały się dla dziecka nawykiem .
Tokens: 1_ 2_____ 3________ 4___________ 5__________ 6___ 7_______ 8 9___________ 10 11____ 12__________ 13___ 14_ 15______ 16____ 17_______ 18 19_ 20_ 21___ 22_ 23_ 24_____ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #6650 from articles/00107643 from sent26

Text  : Dodatkowo , w każdej ze szkół objętej projektem dla rodziców i  nauczycieli organizowane są bezpłatne elementarne kursy pierwszej pomocy prowadzone przez instruktorów PCK .
Tokens: 1________ 2 3 4_____ 5_ 6____ 7______ 8________ 9__ 10______ 11 12_________ 13__________ 14 15_______ 16_________ 17___ 18_______ 19____ 20________ 21___ 22__________ 23_ 24

Chunks:
  TruePositive nam [23,23] = PCK

(ChunkerEvaluator) Sentence #6651 from articles/00107643 from sent27

Text  : Przeprowadzane są też badania wzroku i słuchu , by sprawdzić ,  czy dzieci dobrze identyfikują obrazy i  dźwięki z  otoczenia .
Tokens: 1_____________ 2_ 3__ 4______ 5_____ 6 7_____ 8 9_ 10_______ 11 12_ 13____ 14____ 15__________ 16____ 17 18_____ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #6652 from articles/00107643 from sent28

Text  : Badana jest też lateralizacja ( ręczność ) .
Tokens: 1_____ 2___ 3__ 4____________ 5 6_______ 7 8

Chunks:

(ChunkerEvaluator) Sentence #6653 from articles/00107643 from sent29

Text  : W działaniach profilaktycznych trzeba bowiem zwrócić szczególną uwagę na dzieci ,  które mogą mieć trudności z  orientacją przestrzenną .
Tokens: 1 2__________ 3_______________ 4_____ 5_____ 6______ 7_________ 8____ 9_ 10____ 11 12___ 13__ 14__ 15_______ 16 17________ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #6654 from articles/00107643 from sent30

Text  : Sprawne zmysły to nasz najważniejszy system obrony w rozpoznawaniu zagrożeń .
Tokens: 1______ 2_____ 3_ 4___ 5____________ 6_____ 7_____ 8 9____________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #6655 from articles/00107643 from sent31

Text  : - Projekt zbudowali śmy tak , by kształcić u dzieci spostrzegawczość i  czujność na możliwe sytuacje zagrożenia ,  j  bez wywoływania j  jednocześnie niepotrzebnego lęku .
Tokens: 1 2______ 3________ 4__ 5__ 6 7_ 8________ 9 10____ 11______________ 12 13______ 14 15_____ 16______ 17________ 18 19 20_ 21_________ 22 23__________ 24____________ 25__ 26

Chunks:

(ChunkerEvaluator) Sentence #6656 from articles/00107643 from sent32

Text  : W profilaktyce nie powinno się straszyć , zwłaszcza dzieci .
Tokens: 1 2___________ 3__ 4______ 5__ 6_______ 7 8________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #6657 from articles/00107643 from sent33

Text  : Dziecko zalęknione , niepewne siebie , jest bardziej narażone na nieszczęśliwe wypadki .
Tokens: 1______ 2_________ 3 4_______ 5_____ 6 7___ 8_______ 9_______ 10 11___________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #6658 from articles/00107643 from sent34

Text  : Dzieci , przez odpowiednio opracowane gry i zabawy , uczą się prawidłowych postaw i  zachowań .
Tokens: 1_____ 2 3____ 4__________ 5_________ 6__ 7 8_____ 9 10__ 11_ 12__________ 13____ 14 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #6659 from articles/00107643 from sent35

Text  : Ważne , by nie odbierały tego jako przymusu dorosłych (  zwłaszcza gdy same czasem widzą ,  że dorośli też łamią zasady bezpieczeństwa )  ,  lecz by same zrozumiały ,  że są pewne zagrożenia ,  a  przestrzeganie określonych zasad uchroni ich przed nimi –  wyjaśnia Jolanta Żeglecka ,  prezes Stowarzyszenia Laboratorium Troski .
Tokens: 1____ 2 3_ 4__ 5________ 6___ 7___ 8_______ 9________ 10 11_______ 12_ 13__ 14____ 15___ 16 17 18_____ 19_ 20___ 21____ 22____________ 23 24 25__ 26 27__ 28________ 29 30 31 32___ 33________ 34 35 36____________ 37_________ 38___ 39_____ 40_ 41___ 42__ 43 44______ 45_____ 46______ 47 48____ 49____________ 50__________ 51____ 52

Chunks:
  TruePositive nam [45,46] = Jolanta Żeglecka
  FalsePositive nam [48,51] = prezes Stowarzyszenia Laboratorium Troski
  FalseNegative nam [49,51] = Stowarzyszenia Laboratorium Troski

(ChunkerEvaluator) Sentence #6660 from articles/00107643 from sent36

Text  : Elementem projektu jest specjalna strona internetowa www.kabecjaniedajarade.pl .
Tokens: 1________ 2_______ 3___ 4________ 5_____ 6__________ 7________________________ 8

Chunks:
  TruePositive nam [7,7] = www.kabecjaniedajarade.pl

(ChunkerEvaluator) Sentence #6661 from articles/00107643 from sent37

Text  : Projekt uzyskał patronaty honorowe MSWiA , Komendy Głównej Policji i  Komendy Głównej Państwowej Straży Pożarnej .
Tokens: 1______ 2______ 3________ 4_______ 5____ 6 7______ 8______ 9______ 10 11_____ 12_____ 13________ 14____ 15______ 16

Chunks:
  TruePositive nam [5,5] = MSWiA
  TruePositive nam [7,9] = Komendy Głównej Policji
  TruePositive nam [11,15] = Komendy Głównej Państwowej Straży Pożarnej

(ChunkerEvaluator) Sentence #6662 from articles/00107643 from sent38

Text  : Patronami medialnymi są : Radio Kolor i TVP Info .
Tokens: 1________ 2_________ 3_ 4 5____ 6____ 7 8__ 9___ 10

Chunks:
  TruePositive nam [5,6] = Radio Kolor
  TruePositive nam [8,9] = TVP Info

(ChunkerEvaluator) Sentence #6663 from articles/00107643 from sent39

Text  : Efekty osiągnięte w I edycji projektu w roku szkolnym 2010 /  2011 oraz opinie nauczycieli pokazały ,  że warto realizować programy profilaktyczne .
Tokens: 1_____ 2_________ 3 4 5_____ 6_______ 7 8___ 9_______ 10__ 11 12__ 13__ 14____ 15_________ 16______ 17 18 19___ 20________ 21______ 22____________ 23

Chunks:

(ChunkerEvaluator) Sentence #6664 from articles/00107643 from sent40

Text  : 99 proc . nauczycieli oceniło projekt jako bardzo przydatny i  potrzebny .
Tokens: 1_ 2___ 3 4__________ 5______ 6______ 7___ 8_____ 9________ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #6665 from articles/00107643 from sent41

Text  : W I edycji wzięło udział 20 353 dzieci ze 116 szkół województw dolnośląskiego ,  łódzkiego i  śląskiego .
Tokens: 1 2 3_____ 4_____ 5_____ 6_ 7__ 8_____ 9_ 10_ 11___ 12________ 13____________ 14 15_______ 16 17_______ 18

Chunks:
  TruePositive nam [13,13] = dolnośląskiego
  FalseNegative nam [15,15] = łódzkiego
  FalseNegative nam [17,17] = śląskiego

(ChunkerEvaluator) Sentence #6666 from articles/00107643 from sent42

Text  : Ponad tysiąc nauczycieli i pedagogów , prawie 600 policjantów i  strażaków przeprowadziło łącznie 10 803 lekcji o  bezpieczeństwie .
Tokens: 1____ 2_____ 3__________ 4 5________ 6 7_____ 8__ 9__________ 10 11_______ 12____________ 13_____ 14 15_ 16____ 17 18_____________ 19

Chunks:

(ChunkerEvaluator) Sentence #6667 from articles/00107643 from sent43

Text  : Kabecjanie dali radę , bo . . .
Tokens: 1_________ 2___ 3___ 4 5_ 6 7 8

Chunks:
  FalseNegative nam [1,1] = Kabecjanie

(ChunkerEvaluator) Sentence #6668 from articles/00107643 from sent44

Text  : średnio o 7 % spadła wypadkowość na terenie szkół objętych projektem ,  o  37 %  wzrosła świadomość i  wiedza uczniów ,  jak być bezpiecznym w  najbliższym otoczeniu ,  największy wzrost poziomu wiedzy o  zasadach bezpieczeństwa zanotowano wśród uczniów szkół z  terenów wiejskich ,  rodzice i  nauczyciele wskazali zagrożenia dla dzieci w  otoczeniu szkoły oraz zdefiniowali najpilniejsze potrzeby związane z  zapewnieniem bezpieczeństwa dzieciom ,  podczas badań wykryto 5  ,  94 %  niedowidzących ,  1  ,  5  %  dzieci ,  którym sprawiło trudność odsłuchiwanie dźwięków ,  3  ,  77 %  dzieci leworęcznych oraz 1  ,  94 dzieci o  lateralizacji niejednorodnej bądź nieustalonej .
Tokens: 1______ 2 3 4 5_____ 6__________ 7_ 8______ 9____ 10______ 11_______ 12 13 14 15 16_____ 17________ 18 19____ 20_____ 21 22_ 23_ 24_________ 25 26_________ 27_______ 28 29________ 30____ 31_____ 32____ 33 34______ 35____________ 36________ 37___ 38_____ 39___ 40 41_____ 42_______ 43 44_____ 45 46_________ 47______ 48________ 49_ 50____ 51 52_______ 53____ 54__ 55__________ 56___________ 57______ 58______ 59 60__________ 61____________ 62______ 63 64_____ 65___ 66_____ 67 68 69 70 71____________ 72 73 74 75 76 77____ 78 79____ 80______ 81______ 82___________ 83______ 84 85 86 87 88 89____ 90__________ 91__ 92 93 94 95____ 96 97___________ 98____________ 99__ 100_________ 101

Chunks:

(ChunkerEvaluator) Sentence #6669 from articles/00107643 from sent45

Text  : O wynikach badań zostali poinformowani rodzice .
Tokens: 1 2_______ 3____ 4______ 5____________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #6670 from articles/00107643 from sent46

Text  : Projekt „ Kabecjanie dają radę ” jest częścią strategii zaangażowania społecznego „  Przyjazny rozwój dziecka ”  realizowanej przez Kredyt Bank i  korporacyjną Fundację ”  :  „  Chcemy tworzyć przyjazne środowiska dla rozwoju społeczności ,  w  których działamy ,  ze szczególnym wsparciem bezpiecznego rozwoju dzieci ”  .
Tokens: 1______ 2 3_________ 4___ 5___ 6 7___ 8______ 9________ 10___________ 11_________ 12 13_______ 14____ 15_____ 16 17__________ 18___ 19____ 20__ 21 22__________ 23______ 24 25 26 27____ 28_____ 29_______ 30________ 31_ 32_____ 33__________ 34 35 36_____ 37______ 38 39 40_________ 41_______ 42__________ 43_____ 44____ 45 46

Chunks:
  TruePositive nam [19,20] = Kredyt Bank
  FalsePositive nam [23,23] = Fundację
  FalseNegative nam [3,5] = Kabecjanie dają radę
  FalseNegative nam [13,15] = Przyjazny rozwój dziecka

2016-10-27 14:59:44,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 276 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107644.xml
(ChunkerEvaluator) Sentence #6671 from articles/00107644 from sent1

Text  : Michał Jelonek zagra na Gitarowym Rekordzie Guinnessa
Tokens: 1_____ 2______ 3____ 4_ 5________ 6________ 7________

Chunks:
  TruePositive nam [1,2] = Michał Jelonek
  TruePositive nam [5,7] = Gitarowym Rekordzie Guinnessa

(ChunkerEvaluator) Sentence #6672 from articles/00107644 from sent2

Text  : Znany polski skrzypek , zapowiedział swój udział w jubileuszowej ,  dziesiątej edycji imprezy na wrocławskim Rynku .
Tokens: 1____ 2_____ 3_______ 4 5___________ 6___ 7_____ 8 9____________ 10 11________ 12____ 13_____ 14 15_________ 16___ 17

Chunks:
  FalsePositive nam [16,16] = Rynku

(ChunkerEvaluator) Sentence #6673 from articles/00107644 from sent3

Text  : Wśród gwiazd imprezy jest także Marcus Miller z USA i  legendarny zespół Europe .
Tokens: 1____ 2_____ 3______ 4___ 5____ 6_____ 7_____ 8 9__ 10 11________ 12____ 13____ 14

Chunks:
  TruePositive nam [6,7] = Marcus Miller
  TruePositive nam [9,9] = USA
  TruePositive nam [13,13] = Europe

(ChunkerEvaluator) Sentence #6674 from articles/00107644 from sent4

Text  : Polski Rekord Guinnessa ustanowiono w 2009 r . , gdy na wrocławskim rynku zagrało "  Hey Joe "  Hendrixa 6346 gitarzystów ,  czyli ponad trzykrotnie więcej niż gdy
Tokens: 1_____ 2_____ 3________ 4__________ 5 6___ 7 8 9 10_ 11 12_________ 13___ 14_____ 15 16_ 17_ 18 19______ 20__ 21_________ 22 23___ 24___ 25_________ 26____ 27_ 28_

Chunks:
  TruePositive nam [16,17] = Hey Joe
  FalsePositive nam [2,3] = Rekord Guinnessa
  FalseNegative nam [1,3] = Polski Rekord Guinnessa
  FalseNegative nam [19,19] = Hendrixa

(ChunkerEvaluator) Sentence #6675 from articles/00107644 from sent5

Text  : bito rekord amerykański .
Tokens: 1___ 2_____ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #6676 from articles/00107644 from sent6

Text  : W kolejnych latach we Wrocławiu zagrało 4597 ( 2010 r  .  )  i  5601 (  2011 r  .  )  osób .
Tokens: 1 2________ 3_____ 4_ 5________ 6______ 7___ 8 9___ 10 11 12 13 14__ 15 16__ 17 18 19 20__ 21

Chunks:
  TruePositive nam [5,5] = Wrocławiu

(ChunkerEvaluator) Sentence #6677 from articles/00107644 from sent7

Text  : Jelonek w swojej karierze współpracował m . in . z  zespołami Hunter ,  Ankh ,  De Press czy Szwagierkolaska .
Tokens: 1______ 2 3_____ 4_______ 5____________ 6 7 8_ 9 10 11_______ 12____ 13 14__ 15 16 17___ 18_ 19_____________ 20

Chunks:
  TruePositive nam [1,1] = Jelonek
  TruePositive nam [12,12] = Hunter
  TruePositive nam [16,17] = De Press
  FalseNegative nam [14,14] = Ankh
  FalseNegative nam [19,19] = Szwagierkolaska

(ChunkerEvaluator) Sentence #6678 from articles/00107644 from sent8

Text  : Gwiazdami , które wezmą udział w biciu tegorocznego jubileuszowego rekordu ,  będą oprócz Jelonka zespół Europe ,  amerykański basista Marcus Miller oraz Tomek "  Lipa "  Lipnicki ,  współzałożyciel reaktywowanego w  2011 r  .  zespołu Illusion .
Tokens: 1________ 2 3____ 4____ 5_____ 6 7____ 8___________ 9_____________ 10_____ 11 12__ 13____ 14_____ 15____ 16____ 17 18_________ 19_____ 20____ 21____ 22__ 23___ 24 25__ 26 27______ 28 29_____________ 30____________ 31 32__ 33 34 35_____ 36______ 37

Chunks:
  TruePositive nam [14,14] = Jelonka
  TruePositive nam [20,21] = Marcus Miller
  TruePositive nam [36,36] = Illusion
  FalsePositive nam [23,23] = Tomek
  FalsePositive nam [25,25] = Lipa
  FalseNegative nam [16,16] = Europe
  FalseNegative nam [23,27] = Tomek " Lipa " Lipnicki

(ChunkerEvaluator) Sentence #6679 from articles/00107644 from sent9

Text  : Według pomysłu Leszka Cichońskiego , inicjatora imprezy , do wspólnego grania zapraszani są artyści z  wielu środowisk muzycznych .
Tokens: 1_____ 2______ 3_____ 4___________ 5 6_________ 7______ 8 9_ 10_______ 11____ 12________ 13 14_____ 15 16___ 17_______ 18________ 19

Chunks:
  TruePositive nam [3,4] = Leszka Cichońskiego

(ChunkerEvaluator) Sentence #6680 from articles/00107644 from sent10

Text  : Według organizatorów ta integracja różnych pokoleń i stylów muzycznych wyzwala niezwykłą energię ,  która towarzyszy ustanawianiu rekordu .
Tokens: 1_____ 2____________ 3_ 4_________ 5______ 6______ 7 8_____ 9_________ 10_____ 11_______ 12_____ 13 14___ 15________ 16__________ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #6681 from articles/00107644 from sent11

Text  : Organizatorzy przypominają , że udział w Gitarowym Rekordzie Guinnessa na wrocławskim Rynku jest bezpłatny .
Tokens: 1____________ 2___________ 3 4_ 5_____ 6 7________ 8________ 9________ 10 11_________ 12___ 13__ 14_______ 15

Chunks:
  TruePositive nam [7,9] = Gitarowym Rekordzie Guinnessa
  FalsePositive nam [12,12] = Rynku

(ChunkerEvaluator) Sentence #6682 from articles/00107644 from sent12

Text  : Gitarzyści rekord spróbują pobić 1 maja .
Tokens: 1_________ 2_____ 3_______ 4____ 5 6___ 7

Chunks:

2016-10-27 14:59:44,748 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 277 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107645.xml
(ChunkerEvaluator) Sentence #6683 from articles/00107645 from sent1

Text  : Inni idą na wojnę z udającymi niepełnosprawnych .
Tokens: 1___ 2__ 3_ 4____ 5 6________ 7________________ 8

Chunks:

(ChunkerEvaluator) Sentence #6684 from articles/00107645 from sent2

Text  : A my ?
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #6685 from articles/00107645 from sent3

Text  : Władze Olsztyna chcą ukrócić bezprawne korzystanie z kart parkingowych wydawanych niepełnosprawnych przez zdrowych kierowców .
Tokens: 1_____ 2_______ 3___ 4______ 5________ 6__________ 7 8___ 9___________ 10________ 11_______________ 12___ 13______ 14_______ 15

Chunks:
  FalsePositive nam [2,2] = Olsztyna
  FalseNegative nam [1,2] = Władze Olsztyna

(ChunkerEvaluator) Sentence #6686 from articles/00107645 from sent4

Text  : U nas nie ma takich planów
Tokens: 1 2__ 3__ 4_ 5_____ 6_____

Chunks:

(ChunkerEvaluator) Sentence #6687 from articles/00107645 from sent5

Text  : Władze Olsztyna chcą utrudnić życie kierowcom podszywającym się pod niepełnosprawnych .
Tokens: 1_____ 2_______ 3___ 4_______ 5____ 6________ 7____________ 8__ 9__ 10_______________ 11

Chunks:
  FalsePositive nam [2,2] = Olsztyna
  FalseNegative nam [1,2] = Władze Olsztyna

(ChunkerEvaluator) Sentence #6688 from articles/00107645 from sent6

Text  : Liczba niepełnosprawnych kierowców w Olsztynie idzie już w tysiące .
Tokens: 1_____ 2________________ 3________ 4 5________ 6____ 7__ 8 9______ 10

Chunks:
  TruePositive nam [5,5] = Olsztynie

(ChunkerEvaluator) Sentence #6689 from articles/00107645 from sent7

Text  : Skąd ich aż tylu ?
Tokens: 1___ 2__ 3_ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #6690 from articles/00107645 from sent8

Text  : Z jednej strony coraz więcej kierowców zgłasza się do Miejskiego Zespołu ds .  Orzekania o  Niepełnosprawności ,  który wydaje karty uprawniające do parkowania w  uprzywilejowanych miejscach .
Tokens: 1 2_____ 3_____ 4____ 5_____ 6________ 7______ 8__ 9_ 10________ 11_____ 12 13 14_______ 15 16________________ 17 18___ 19____ 20___ 21__________ 22 23________ 24 25_______________ 26_______ 27

Chunks:
  TruePositive nam [10,16] = Miejskiego Zespołu ds . Orzekania o Niepełnosprawności

(ChunkerEvaluator) Sentence #6691 from articles/00107645 from sent9

Text  : Wystarczy złożyć wniosek z kserokopią decyzji lekarza o stopniu niepełnosprawności ,  zdjęciem i  dowodem wpłaty na kilkadziesiąt złotych .
Tokens: 1________ 2_____ 3______ 4 5_________ 6______ 7______ 8 9______ 10________________ 11 12______ 13 14_____ 15____ 16 17___________ 18_____ 19

Chunks:
  FalsePositive nam [18,18] = złotych

(ChunkerEvaluator) Sentence #6692 from articles/00107645 from sent10

Text  : Mając niebieską kartę , kierowcy nie muszą płacić za parkowanie samochodu w  strefie płatnego parkowania w  centrum miasta ,  mogą zostawić auto na miejscu dla niepełnosprawnych ,  wjeżdżać tam ,  gdzie innych często obowiązuje zakaz .
Tokens: 1____ 2________ 3____ 4 5_______ 6__ 7____ 8_____ 9_ 10________ 11_______ 12 13_____ 14______ 15________ 16 17_____ 18____ 19 20__ 21______ 22__ 23 24_____ 25_ 26_______________ 27 28______ 29_ 30 31___ 32____ 33____ 34________ 35___ 36

Chunks:

(ChunkerEvaluator) Sentence #6693 from articles/00107645 from sent11

Text  : Z drugiej rośnie liczba kierowców , którzy inwalidami nie są ,  a  korzystają z  kart wystawionych niepełnosprawnym .
Tokens: 1 2______ 3_____ 4_____ 5________ 6 7_____ 8_________ 9__ 10 11 12 13________ 14 15__ 16__________ 17______________ 18

Chunks:

(ChunkerEvaluator) Sentence #6694 from articles/00107645 from sent12

Text  : Jest to możliwe , bo karty są wydawane na okaziciela .
Tokens: 1___ 2_ 3______ 4 5_ 6____ 7_ 8_______ 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #6695 from articles/00107645 from sent13

Text  : Skutek jest taki , że niepełnosprawny dziadek czy babcia ,  gdy dostaną kartę ,  mogą ją oddać swojemu zdrowemu wnuczkowi ,  a  on może parkować za darmo w  strefie .
Tokens: 1_____ 2___ 3___ 4 5_ 6______________ 7______ 8__ 9_____ 10 11_ 12_____ 13___ 14 15__ 16 17___ 18_____ 19______ 20_______ 21 22 23 24__ 25______ 26 27___ 28 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #6696 from articles/00107645 from sent14

Text  : Wystarczy , że powie , że przywiózł właśnie chorego dziadka .
Tokens: 1________ 2 3_ 4____ 5 6_ 7________ 8______ 9______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #6697 from articles/00107645 from sent15

Text  : - Czas z tym skończyć - mówi prezydent Piotr Grzymowicz .
Tokens: 1 2___ 3 4__ 5_______ 6 7___ 8________ 9____ 10________ 11

Chunks:
  TruePositive nam [9,10] = Piotr Grzymowicz

(ChunkerEvaluator) Sentence #6698 from articles/00107645 from sent16

Text  : - Dzięki obecnym zasadom mamy całe rodziny parkujące za darmo w  strefie ,  choć niepełnosprawnymi nie są .
Tokens: 1 2_____ 3______ 4______ 5___ 6___ 7______ 8________ 9_ 10___ 11 12_____ 13 14__ 15_______________ 16_ 17 18

Chunks:

(ChunkerEvaluator) Sentence #6699 from articles/00107645 from sent17

Text  : Na sesji rady miasta chcemy wprowadzić zapis , zgodnie z  którym karta parkingowa dla niepełnosprawnych zostanie przypisana konkretnej osobie i  tylko ona będzie mogła z  niej korzystać .
Tokens: 1_ 2____ 3___ 4_____ 5_____ 6_________ 7____ 8 9______ 10 11____ 12___ 13________ 14_ 15_______________ 16______ 17________ 18________ 19____ 20 21___ 22_ 23____ 24___ 25 26__ 27_______ 28

Chunks:

(ChunkerEvaluator) Sentence #6700 from articles/00107645 from sent18

Text  : To ukróci nadużycia .
Tokens: 1_ 2_____ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #6701 from articles/00107645 from sent19

Text  : Miasto nie tylko chce utrudnić korzystanie z inwalidzkich przywilejów osobom ,  którym się one nie należą ,  ale prawdziwie potrzebującym chce przygotować dodatkowe miejsca postojowe .
Tokens: 1_____ 2__ 3____ 4___ 5_______ 6__________ 7 8___________ 9__________ 10____ 11 12____ 13_ 14_ 15_ 16____ 17 18_ 19________ 20___________ 21__ 22_________ 23_______ 24_____ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #6702 from articles/00107645 from sent20

Text  : - Zaprosili śmy na rozmowy niepełnosprawnych także po to ,  by wspólnie znaleźć nowe miejsca ,  w  których można by wymalować koperty dla niepełnosprawnych -  tłumaczy prezydent Olsztyna Piotr Grzymowicz .
Tokens: 1 2________ 3__ 4_ 5______ 6________________ 7____ 8_ 9_ 10 11 12______ 13_____ 14__ 15_____ 16 17 18_____ 19___ 20 21_______ 22_____ 23_ 24_______________ 25 26______ 27_______ 28______ 29___ 30________ 31

Chunks:
  TruePositive nam [28,28] = Olsztyna
  TruePositive nam [29,30] = Piotr Grzymowicz

(ChunkerEvaluator) Sentence #6703 from articles/00107645 from sent21

Text  : W Częstochowie o takich planach nie słychać .
Tokens: 1 2___________ 3 4_____ 5______ 6__ 7______ 8

Chunks:
  TruePositive nam [2,2] = Częstochowie

(ChunkerEvaluator) Sentence #6704 from articles/00107645 from sent22

Text  : Co więcej urzędnicy tak naprawdę nie wiedzą ile do tej pory wydano kart parkingowych uprawniających do postoju na wyznaczonych miejscach .
Tokens: 1_ 2_____ 3________ 4__ 5_______ 6__ 7_____ 8__ 9_ 10_ 11__ 12____ 13__ 14__________ 15____________ 16 17_____ 18 19__________ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #6705 from articles/00107645 from sent23

Text  : Do kwietnia 2011 roku wydawane je w wydziale spraw obywatelskich .
Tokens: 1_ 2_______ 3___ 4___ 5_______ 6_ 7 8_______ 9____ 10___________ 11

Chunks:

(ChunkerEvaluator) Sentence #6706 from articles/00107645 from sent24

Text  : Potem te uprawnienia przejął wydział zdrowia .
Tokens: 1____ 2_ 3__________ 4______ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #6707 from articles/00107645 from sent25

Text  : I z jego statystyk wynika , że od kwietnia do końca 2011 roku wydano 568 takich dokumentów .
Tokens: 1 2 3___ 4________ 5_____ 6 7_ 8_ 9_______ 10 11___ 12__ 13__ 14____ 15_ 16____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #6708 from articles/00107645 from sent26

Text  : W tym roku - już 106 .
Tokens: 1 2__ 3___ 4 5__ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #6709 from articles/00107645 from sent27

Text  : Karta jest imienna wydawana dla osoby z orzeczoną niepełnosprawnością .
Tokens: 1____ 2___ 3______ 4_______ 5__ 6____ 7 8________ 9__________________ 10

Chunks:

(ChunkerEvaluator) Sentence #6710 from articles/00107645 from sent28

Text  : Jeśli jest to osoba , która takie orzeczenie ma czas określony ,  to tak samo długo ważna jest karta parkingowa .
Tokens: 1____ 2___ 3_ 4____ 5 6____ 7____ 8_________ 9_ 10__ 11_______ 12 13 14_ 15__ 16___ 17___ 18__ 19___ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #6711 from articles/00107645 from sent29

Text  : Z jej uprawnień mogą korzystać także kierowcy pełnosprawni , pod warunkiem ,  że pasażerem jest inwalida ,  który posiada kartę parkingową i  jest ona przy postoju na miejsca oznakowanych umieszczona w  widocznym ,  miejscu samochodu .
Tokens: 1 2__ 3________ 4___ 5________ 6____ 7_______ 8___________ 9 10_ 11_______ 12 13 14_______ 15__ 16______ 17 18___ 19_____ 20___ 21________ 22 23__ 24_ 25__ 26_____ 27 28_____ 29__________ 30_________ 31 32_______ 33 34_____ 35_______ 36

Chunks:

2016-10-27 14:59:44,888 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 278 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107646.xml
(ChunkerEvaluator) Sentence #6712 from articles/00107646 from sent1

Text  : Co w trawie piszczy , czyli o czym piszą w  regionie
Tokens: 1_ 2 3_____ 4______ 5 6____ 7 8___ 9____ 10 11______

Chunks:

(ChunkerEvaluator) Sentence #6713 from articles/00107646 from sent2

Text  : W gminie Nowinka znowu wrze .
Tokens: 1 2_____ 3______ 4____ 5___ 6

Chunks:
  TruePositive nam [3,3] = Nowinka

(ChunkerEvaluator) Sentence #6714 from articles/00107646 from sent3

Text  : Kontrola przeprowadzona przez inspektorów Najwyższej Izby Kontroli wykazała szereg naruszeń przepisów i  braki w  dokumentacji .
Tokens: 1_______ 2_____________ 3____ 4__________ 5_________ 6___ 7_______ 8_______ 9_____ 10______ 11_______ 12 13___ 14 15__________ 16

Chunks:
  TruePositive nam [5,7] = Najwyższej Izby Kontroli

(ChunkerEvaluator) Sentence #6715 from articles/00107646 from sent4

Text  : O tym możemy przeczytać na stronie internetowej Polskiego Radia Białystok
Tokens: 1 2__ 3_____ 4_________ 5_ 6______ 7___________ 8________ 9____ 10_______

Chunks:
  TruePositive nam [8,10] = Polskiego Radia Białystok

(ChunkerEvaluator) Sentence #6716 from articles/00107646 from sent5

Text  : Chodzi głównie o decyzje o warunkach zabudowy wydane w latach ,  gdy gminą rządził poprzedni wójt .
Tokens: 1_____ 2______ 3 4______ 5 6________ 7_______ 8_____ 9 10____ 11 12_ 13___ 14_____ 15_______ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #6717 from articles/00107646 from sent6

Text  : Inspektorzy NIK-u kontrolę przeprowadzili w ubiegłym roku .
Tokens: 1__________ 2____ 3_______ 4_____________ 5 6_______ 7___ 8

Chunks:
  TruePositive nam [2,2] = NIK-u

(ChunkerEvaluator) Sentence #6718 from articles/00107646 from sent7

Text  : Przez dwa tygodnie przeglądali dokumenty i wydane przez urząd decyzje ,  dotyczące lokalizacji inwestycji na obszarze chronionym .
Tokens: 1____ 2__ 3_______ 4__________ 5________ 6 7_____ 8____ 9____ 10_____ 11 12_______ 13_________ 14________ 15 16______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #6719 from articles/00107646 from sent8

Text  : W efekcie powstał raport , z którego wynika , że brakuje m  .  in .  istotnych dokumentów ,  a  niektóre decyzje wydane zostały z  naruszeniem ministerialnych rozporządzeń i  ustawy o  zagospodarowaniu przestrzennym .
Tokens: 1 2______ 3______ 4_____ 5 6 7______ 8_____ 9 10 11_____ 12 13 14 15 16_______ 17________ 18 19 20______ 21_____ 22____ 23_____ 24 25_________ 26_____________ 27__________ 28 29____ 30 31______________ 32___________ 33

Chunks:

(ChunkerEvaluator) Sentence #6720 from articles/00107646 from sent9

Text  : Co ciekawe , w pokontrolnym protokole można znaleźć też tłumaczenia pracowników urzędu ,  którzy np .  twierdzą że dokumenty "  mogły być sfałszowane "  ,  "  podmienione "  bądź po prostu "  zaginęły "  .
Tokens: 1_ 2______ 3 4 5___________ 6________ 7____ 8______ 9__ 10_________ 11_________ 12____ 13 14____ 15 16 17______ 18 19_______ 20 21___ 22_ 23_________ 24 25 26 27_________ 28 29__ 30 31____ 32 33______ 34 35

Chunks:

(ChunkerEvaluator) Sentence #6721 from articles/00107646 from sent10

Text  : Sprawą prawdopodobnie zajmie się prokuratura .
Tokens: 1_____ 2_____________ 3_____ 4__ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #6722 from articles/00107646 from sent11

Text  : W „ Gazecie Współczesnej ” echa głośnej sprawy z Łomży .
Tokens: 1 2 3______ 4___________ 5 6___ 7______ 8_____ 9 10___ 11

Chunks:
  TruePositive nam [3,4] = Gazecie Współczesnej
  TruePositive nam [10,10] = Łomży

(ChunkerEvaluator) Sentence #6723 from articles/00107646 from sent12

Text  : Zakończył się proces , w którym Krystyna i Piotr Mańczakowie ,  rodzice dwóch nieuleczalnie chorych chłopców ,  domagają się od lekarza pieniędzy .
Tokens: 1________ 2__ 3_____ 4 5 6_____ 7_______ 8 9____ 10_________ 11 12_____ 13___ 14___________ 15_____ 16______ 17 18______ 19_ 20 21_____ 22_______ 23

Chunks:
  TruePositive nam [7,7] = Krystyna
  TruePositive nam [9,10] = Piotr Mańczakowie

(ChunkerEvaluator) Sentence #6724 from articles/00107646 from sent13

Text  : Medyk namówił ich do udziału w polsatowskim teleturnieju " Milion od zaraz ”  .
Tokens: 1____ 2______ 3__ 4_ 5______ 6 7___________ 8___________ 9 10____ 11 12___ 13 14

Chunks:
  FalsePositive nam [10,10] = Milion
  FalseNegative nam [7,7] = polsatowskim
  FalseNegative nam [10,12] = Milion od zaraz

(ChunkerEvaluator) Sentence #6725 from articles/00107646 from sent14

Text  : Konkurs ten wygrywała osoba , której marzenia dostawały najwięcej sms -  owych głosów telewidzów .
Tokens: 1______ 2__ 3________ 4____ 5 6_____ 7_______ 8________ 9________ 10_ 11 12___ 13____ 14________ 15

Chunks:
  FalseNegative nam [10,10] = sms

(ChunkerEvaluator) Sentence #6726 from articles/00107646 from sent15

Text  : Wówczas marzeniem lekarza było przekazanie wygranej na rzecz leczenia chłopców .
Tokens: 1______ 2________ 3______ 4___ 5__________ 6_______ 7_ 8____ 9_______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #6727 from articles/00107646 from sent16

Text  : Rodzice poparli medyka , na którego głosowali nie tylko mieszkańcy Łomży .
Tokens: 1______ 2______ 3_____ 4 5_ 6______ 7________ 8__ 9____ 10________ 11___ 12

Chunks:
  TruePositive nam [11,11] = Łomży

(ChunkerEvaluator) Sentence #6728 from articles/00107646 from sent17

Text  : Wygrali 333 tys . zł .
Tokens: 1______ 2__ 3__ 4 5_ 6

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #6729 from articles/00107646 from sent18

Text  : Mańczakowie dostali od zwycięzcy tylko 50 tys . zł .
Tokens: 1__________ 2______ 3_ 4________ 5____ 6_ 7__ 8 9_ 10

Chunks:
  TruePositive nam [9,9] = zł
  FalseNegative nam [1,1] = Mańczakowie

(ChunkerEvaluator) Sentence #6730 from articles/00107646 from sent19

Text  : Wyrok zostanie ogłoszony 29 lutego br .
Tokens: 1____ 2_______ 3________ 4_ 5_____ 6_ 7

Chunks:

2016-10-27 14:59:44,971 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 279 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107647.xml
(ChunkerEvaluator) Sentence #6731 from articles/00107647 from sent1

Text  : Misfits - wciąż skłóceni z życiem
Tokens: 1______ 2 3____ 4_______ 5 6_____

Chunks:
  FalseNegative nam [1,1] = Misfits

(ChunkerEvaluator) Sentence #6732 from articles/00107647 from sent2

Text  : Horrory klasy b , muzyka klasy a .
Tokens: 1______ 2____ 3 4 5_____ 6____ 7 8

Chunks:

(ChunkerEvaluator) Sentence #6733 from articles/00107647 from sent3

Text  : W niedzielę w Proximie wystąpi legenda punk rocka Misfits .
Tokens: 1 2________ 3 4_______ 5______ 6______ 7___ 8____ 9______ 10

Chunks:
  FalseNegative nam [4,4] = Proximie
  FalseNegative nam [9,9] = Misfits

(ChunkerEvaluator) Sentence #6734 from articles/00107647 from sent4

Text  : Misfits w Proximie
Tokens: 1______ 2 3_______

Chunks:
  FalseNegative nam [1,1] = Misfits
  FalseNegative nam [3,3] = Proximie

(ChunkerEvaluator) Sentence #6735 from articles/00107647 from sent5

Text  : W niedzielę w Proximie wystąpi legenda punk rocka Misfits .
Tokens: 1 2________ 3 4_______ 5______ 6______ 7___ 8____ 9______ 10

Chunks:
  FalseNegative nam [4,4] = Proximie
  FalseNegative nam [9,9] = Misfits

(ChunkerEvaluator) Sentence #6736 from articles/00107647 from sent6

Text  : Horrory klasy b , muzyka klasy a .
Tokens: 1______ 2____ 3 4 5_____ 6____ 7 8

Chunks:

(ChunkerEvaluator) Sentence #6737 from articles/00107647 from sent7

Text  : W Proximie wystąpi legenda punk rocka Misfits .
Tokens: 1 2_______ 3______ 4______ 5___ 6____ 7______ 8

Chunks:
  FalseNegative nam [2,2] = Proximie
  FalseNegative nam [7,7] = Misfits

(ChunkerEvaluator) Sentence #6738 from articles/00107647 from sent8

Text  : Niedziela 26 lutego , ul . Żwirki i Wigury 99a ,  godz .  19 .  30 .
Tokens: 1________ 2_ 3_____ 4 5_ 6 7_____ 8 9_____ 10_ 11 12__ 13 14 15 16 17

Chunks:
  FalsePositive nam [7,7] = Żwirki
  FalsePositive nam [9,9] = Wigury
  FalseNegative nam [7,9] = Żwirki i Wigury

(ChunkerEvaluator) Sentence #6739 from articles/00107647 from sent9

Text  : Bilety 69 zł . i 79 zł
Tokens: 1_____ 2_ 3_ 4 5 6_ 7_

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #6740 from articles/00107647 from sent10

Text  : Horrory klasy b , muzyka klasy a .
Tokens: 1______ 2____ 3 4 5_____ 6____ 7 8

Chunks:

(ChunkerEvaluator) Sentence #6741 from articles/00107647 from sent11

Text  : W niedzielę w Proximie wystąpi legenda punk rocka Misfits .
Tokens: 1 2________ 3 4_______ 5______ 6______ 7___ 8____ 9______ 10

Chunks:
  FalseNegative nam [4,4] = Proximie
  FalseNegative nam [9,9] = Misfits

(ChunkerEvaluator) Sentence #6742 from articles/00107647 from sent12

Text  : - Współczuję tym , którzy piszą piosenki dla innych i  sami ich nie wykonują .
Tokens: 1 2_________ 3__ 4 5_____ 6____ 7_______ 8__ 9_____ 10 11__ 12_ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6743 from articles/00107647 from sent13

Text  : Jest mi równie żal artystów niedocenianych za życia i obcinających sobie uszy .
Tokens: 1___ 2_ 3_____ 4__ 5_______ 6_____________ 7_ 8____ 9 10__________ 11___ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #6744 from articles/00107647 from sent14

Text  : Poza tym ja jestem w tej szczęśliwej sytuacji , że nie muszę się utrzymywać z  grania .
Tokens: 1___ 2__ 3_ 4_____ 5 6__ 7__________ 8_______ 9 10 11_ 12___ 13_ 14________ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #6745 from articles/00107647 from sent15

Text  : Od 12 . roku życia pracuję w zakładzie mojego taty przy maszynie do cięcia drzewa .
Tokens: 1_ 2_ 3 4___ 5____ 6______ 7 8________ 9_____ 10__ 11__ 12______ 13 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #6746 from articles/00107647 from sent16

Text  : Dzięki temu sami sobie robimy gitary , perkusje .
Tokens: 1_____ 2___ 3___ 4____ 5_____ 6_____ 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #6747 from articles/00107647 from sent17

Text  : Robimy też własne stroje , pasy z ćwiekami itp .  -  mówi Jerry Only ,  jedyny dziś oryginalny muzyk grający w  Misfits .
Tokens: 1_____ 2__ 3_____ 4_____ 5 6___ 7 8_______ 9__ 10 11 12__ 13___ 14__ 15 16____ 17__ 18________ 19___ 20_____ 21 22_____ 23

Chunks:
  TruePositive nam [13,14] = Jerry Only
  FalseNegative nam [22,22] = Misfits

(ChunkerEvaluator) Sentence #6748 from articles/00107647 from sent18

Text  : Założona pod koniec lat 70 . grupa od początku była niecodziennym zjawiskiem na scenie muzycznej .
Tokens: 1_______ 2__ 3_____ 4__ 5_ 6 7____ 8_ 9_______ 10__ 11___________ 12________ 13 14____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #6749 from articles/00107647 from sent19

Text  : Do dziś taka pozostała .
Tokens: 1_ 2___ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #6750 from articles/00107647 from sent20

Text  : Z nazwą zaczerpniętą z filmu z Marilyn Monroe ( "  Skłóceni z  życiem "  )  ,  fascynacją horrorami i  filmami science fiction ,  punkowym podejściem do muzyki i  do życia szybko osiągnęła kultowy status .
Tokens: 1 2____ 3___________ 4 5____ 6 7______ 8_____ 9 10 11______ 12 13____ 14 15 16 17________ 18_______ 19 20_____ 21_____ 22_____ 23 24______ 25________ 26 27____ 28 29 30___ 31____ 32_______ 33_____ 34____ 35

Chunks:
  TruePositive nam [7,8] = Marilyn Monroe
  FalseNegative nam [11,13] = Skłóceni z życiem

(ChunkerEvaluator) Sentence #6751 from articles/00107647 from sent21

Text  : I równie szybko zainspirowała armię naśladowców , wiernych fanów ,  zespołów grających wyłącznie kompozycje Misfitsów i  gwiazd okazjonalnie sięgających po nagrania nowojorczyków od Guns '  n  '  Roses ,  przez The Lemonheads ,  Dropkick Murphys ,  po Metallikę -  To przyjemne uczucie ,  gdy ktoś w  ten sposób okazuje ci szacunek ,  ale tylko pod warunkiem ,  że ci ,  którzy nagrywają twoje kawałki ,  robią to dobrze .
Tokens: 1 2_____ 3_____ 4____________ 5____ 6__________ 7 8_______ 9____ 10 11______ 12_______ 13_______ 14________ 15_______ 16 17____ 18__________ 19_________ 20 21______ 22___________ 23 24__ 25 26 27 28___ 29 30___ 31_ 32________ 33 34______ 35_____ 36 37 38_______ 39 40 41_______ 42_____ 43 44_ 45__ 46 47_ 48____ 49_____ 50 51______ 52 53_ 54___ 55_ 56_______ 57 58 59 60 61____ 62_______ 63___ 64_____ 65 66___ 67 68____ 69

Chunks:
  TruePositive nam [31,32] = The Lemonheads
  TruePositive nam [34,35] = Dropkick Murphys
  TruePositive nam [38,38] = Metallikę
  FalseNegative nam [15,15] = Misfitsów
  FalseNegative nam [22,22] = nowojorczyków
  FalseNegative nam [24,28] = Guns ' n ' Roses

(ChunkerEvaluator) Sentence #6752 from articles/00107647 from sent22

Text  : Metallice całkiem nieźle wyszła wersja " Last Caress . .  .  "  ,  ale już "  Die ,  Die My Darling "  sknocili -  mówi Glenn Danzig ,  założyciel i  wokalista grupy w  jej najlepszym okresie ,  na przełomie lat 70 .  i  80 .
Tokens: 1________ 2______ 3_____ 4_____ 5_____ 6 7___ 8_____ 9 10 11 12 13 14_ 15_ 16 17_ 18 19_ 20 21_____ 22 23______ 24 25__ 26___ 27____ 28 29________ 30 31_______ 32___ 33 34_ 35________ 36_____ 37 38 39_______ 40_ 41 42 43 44 45

Chunks:
  TruePositive nam [26,27] = Glenn Danzig
  FalsePositive nam [7,11] = Last Caress . . .
  FalsePositive nam [20,21] = My Darling
  FalseNegative nam [1,1] = Metallice
  FalseNegative nam [7,8] = Last Caress
  FalseNegative nam [17,21] = Die , Die My Darling

(ChunkerEvaluator) Sentence #6753 from articles/00107647 from sent23

Text  : Dziś Danzig skłócony z Onlym z powodzeniem gra we własnej grupie ,  niechętnie oddając Jerry'emu szyld Misfits .
Tokens: 1___ 2_____ 3_______ 4 5____ 6 7__________ 8__ 9_ 10_____ 11____ 12 13________ 14_____ 15_______ 16___ 17_____ 18

Chunks:
  TruePositive nam [15,15] = Jerry'emu
  FalseNegative nam [2,2] = Danzig
  FalseNegative nam [5,5] = Onlym
  FalseNegative nam [17,17] = Misfits

(ChunkerEvaluator) Sentence #6754 from articles/00107647 from sent24

Text  : Pierwszy polski koncert Misfits odbył się dziewięć lat temu .
Tokens: 1_______ 2_____ 3______ 4______ 5____ 6__ 7_______ 8__ 9___ 10

Chunks:
  FalseNegative nam [4,4] = Misfits

(ChunkerEvaluator) Sentence #6755 from articles/00107647 from sent25

Text  : Zespół wystąpił w Proximie i to w dość niezwykłym składzie .
Tokens: 1_____ 2_______ 3 4_______ 5 6_ 7 8___ 9_________ 10______ 11

Chunks:
  FalseNegative nam [4,4] = Proximie

(ChunkerEvaluator) Sentence #6756 from articles/00107647 from sent26

Text  : Na scenie Only'emu towarzyszyły dwie legendy muzycznego undergroundu , gitarzysta Black Flag Dez Cadena oraz perkusista Marky Ramone .
Tokens: 1_ 2_____ 3_______ 4___________ 5___ 6______ 7_________ 8___________ 9 10________ 11___ 12__ 13_ 14____ 15__ 16________ 17___ 18____ 19

Chunks:
  FalsePositive nam [11,14] = Black Flag Dez Cadena
  FalseNegative nam [3,3] = Only'emu
  FalseNegative nam [11,12] = Black Flag
  FalseNegative nam [13,14] = Dez Cadena
  FalseNegative nam [17,18] = Marky Ramone

(ChunkerEvaluator) Sentence #6757 from articles/00107647 from sent27

Text  : Podczas koncertu zabrzmiały więc nie tylko klasyki Misfits , ale też i  Ramonesów oraz Black Flag .
Tokens: 1______ 2_______ 3_________ 4___ 5__ 6____ 7______ 8______ 9 10_ 11_ 12 13_______ 14__ 15___ 16__ 17

Chunks:
  TruePositive nam [15,16] = Black Flag
  FalseNegative nam [8,8] = Misfits
  FalseNegative nam [13,13] = Ramonesów

(ChunkerEvaluator) Sentence #6758 from articles/00107647 from sent28

Text  : Teraz Only wraca do Warszawy w ramach trasy promującej najnowsza płytę "  The Devil's Rain "  .
Tokens: 1____ 2___ 3____ 4_ 5_______ 6 7_____ 8____ 9_________ 10_______ 11___ 12 13_ 14_____ 15__ 16 17

Chunks:
  TruePositive nam [5,5] = Warszawy
  TruePositive nam [13,15] = The Devil's Rain
  FalseNegative nam [2,2] = Only

(ChunkerEvaluator) Sentence #6759 from articles/00107647 from sent29

Text  : Zanim jednak Misfits pojawią się na scenie , zagrają Juicehead ,  czyli amerykanie związani z  wytwórnią Only'ego ,  czyli Misfits Records oraz dwa zespoły z  Włoch ,  The Shiver i  Rhyme .
Tokens: 1____ 2_____ 3______ 4______ 5__ 6_ 7_____ 8 9______ 10_______ 11 12___ 13________ 14______ 15 16_______ 17______ 18 19___ 20_____ 21_____ 22__ 23_ 24_____ 25 26___ 27 28_ 29____ 30 31___ 32

Chunks:
  TruePositive nam [3,3] = Misfits
  TruePositive nam [17,17] = Only'ego
  TruePositive nam [26,26] = Włoch
  FalsePositive nam [28,31] = The Shiver i Rhyme
  FalseNegative nam [10,10] = Juicehead
  FalseNegative nam [13,13] = amerykanie
  FalseNegative nam [20,21] = Misfits Records
  FalseNegative nam [28,29] = The Shiver
  FalseNegative nam [31,31] = Rhyme

(ChunkerEvaluator) Sentence #6760 from articles/00107647 from sent30

Text  : Niedziela 26 lutego .
Tokens: 1________ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #6761 from articles/00107647 from sent31

Text  : Proxima , ul . Żwirki i Wigury 99a .
Tokens: 1______ 2 3_ 4 5_____ 6 7_____ 8__ 9

Chunks:
  FalsePositive nam [5,5] = Żwirki
  FalsePositive nam [7,7] = Wigury
  FalseNegative nam [1,1] = Proxima
  FalseNegative nam [5,7] = Żwirki i Wigury

(ChunkerEvaluator) Sentence #6762 from articles/00107647 from sent32

Text  : Początek o godz . 19 . 30 .
Tokens: 1_______ 2 3___ 4 5_ 6 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #6763 from articles/00107647 from sent33

Text  : Bilety 69 zł . i 79 zł .
Tokens: 1_____ 2_ 3_ 4 5 6_ 7_ 8

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #6764 from articles/00107647 from sent34

Text  : - Współczuję tym , którzy piszą piosenki dla innych i  sami ich nie wykonują .
Tokens: 1 2_________ 3__ 4 5_____ 6____ 7_______ 8__ 9_____ 10 11__ 12_ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6765 from articles/00107647 from sent35

Text  : Jest mi równie żal artystów niedocenianych za życia i obcinających sobie uszy .
Tokens: 1___ 2_ 3_____ 4__ 5_______ 6_____________ 7_ 8____ 9 10__________ 11___ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #6766 from articles/00107647 from sent36

Text  : Poza tym ja jestem w tej szczęśliwej sytuacji , że nie muszę się utrzymywać z  grania .
Tokens: 1___ 2__ 3_ 4_____ 5 6__ 7__________ 8_______ 9 10 11_ 12___ 13_ 14________ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #6767 from articles/00107647 from sent37

Text  : Od 12 . roku życia pracuję w zakładzie mojego taty przy maszynie do cięcia drzewa .
Tokens: 1_ 2_ 3 4___ 5____ 6______ 7 8________ 9_____ 10__ 11__ 12______ 13 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #6768 from articles/00107647 from sent38

Text  : Dzięki temu sami sobie robimy gitary , perkusje .
Tokens: 1_____ 2___ 3___ 4____ 5_____ 6_____ 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #6769 from articles/00107647 from sent39

Text  : Robimy też własne stroje , pasy z ćwiekami itp .  -  mówił w  rozmowie z  „  Gazetą ”  Jerry Only ,  jedyny dziś oryginalny muzyk grający w  Misfits .
Tokens: 1_____ 2__ 3_____ 4_____ 5 6___ 7 8_______ 9__ 10 11 12___ 13 14______ 15 16 17____ 18 19___ 20__ 21 22____ 23__ 24________ 25___ 26_____ 27 28_____ 29

Chunks:
  TruePositive nam [17,17] = Gazetą
  TruePositive nam [19,20] = Jerry Only
  FalseNegative nam [28,28] = Misfits

(ChunkerEvaluator) Sentence #6770 from articles/00107647 from sent40

Text  : Założona pod koniec lat 70 . grupa od początku była niecodziennym zjawiskiem na scenie muzycznej .
Tokens: 1_______ 2__ 3_____ 4__ 5_ 6 7____ 8_ 9_______ 10__ 11___________ 12________ 13 14____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #6771 from articles/00107647 from sent41

Text  : Do dziś taka pozostała .
Tokens: 1_ 2___ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #6772 from articles/00107647 from sent42

Text  : Z nazwą zaczerpniętą z filmu z Marilyn Monroe ( „  Skłóceni z  życiem ”  )  ,  fascynacją horrorami i  filmami science fiction ,  punkowym podejściem do muzyki i  do życia szybko osiągnęła kultowy status .
Tokens: 1 2____ 3___________ 4 5____ 6 7______ 8_____ 9 10 11______ 12 13____ 14 15 16 17________ 18_______ 19 20_____ 21_____ 22_____ 23 24______ 25________ 26 27____ 28 29 30___ 31____ 32_______ 33_____ 34____ 35

Chunks:
  TruePositive nam [7,8] = Marilyn Monroe
  FalseNegative nam [11,13] = Skłóceni z życiem

(ChunkerEvaluator) Sentence #6773 from articles/00107647 from sent43

Text  : I równie szybko zainspirowała armię naśladowców , wiernych fanów ,  zespołów grających wyłącznie kompozycje Misfitsów (  sprawdźcie koniecznie polską grupę 666 Aniołów !  )  i  gwiazd okazjonalnie sięgających po nagrania nowojorczyków od Guns '  n  '  Roses ,  przez The Lemonheads ,  Dropkick Murphys ,  po Metallikę -  To przyjemne uczucie ,  gdy ktoś w  ten sposób okazuje ci szacunek ,  ale tylko pod warunkiem ,  że ci ,  którzy nagrywają twoje kawałki ,  robią to dobrze .
Tokens: 1 2_____ 3_____ 4____________ 5____ 6__________ 7 8_______ 9____ 10 11______ 12_______ 13_______ 14________ 15_______ 16 17________ 18________ 19____ 20___ 21_ 22_____ 23 24 25 26____ 27__________ 28_________ 29 30______ 31___________ 32 33__ 34 35 36 37___ 38 39___ 40_ 41________ 42 43______ 44_____ 45 46 47_______ 48 49 50_______ 51_____ 52 53_ 54__ 55 56_ 57____ 58_____ 59 60______ 61 62_ 63___ 64_ 65_______ 66 67 68 69 70____ 71_______ 72___ 73_____ 74 75___ 76 77____ 78

Chunks:
  TruePositive nam [40,41] = The Lemonheads
  TruePositive nam [43,44] = Dropkick Murphys
  TruePositive nam [47,47] = Metallikę
  FalseNegative nam [15,15] = Misfitsów
  FalseNegative nam [21,22] = 666 Aniołów
  FalseNegative nam [33,37] = Guns ' n ' Roses

(ChunkerEvaluator) Sentence #6774 from articles/00107647 from sent44

Text  : Metallice całkiem nieźle wyszła wersja „ Last Caress „ ,  ale już „  Die ,  Die My Darling „  sknocili -  mówił w  rozmowie z  „  Gazetą ”  Glenn Danzig ,  założyciel i  wokalista grupy w  jej najlepszym okresie ,  na przełomie lat 70 .  i  80 .
Tokens: 1________ 2______ 3_____ 4_____ 5_____ 6 7___ 8_____ 9 10 11_ 12_ 13 14_ 15 16_ 17 18_____ 19 20______ 21 22___ 23 24______ 25 26 27____ 28 29___ 30____ 31 32________ 33 34_______ 35___ 36 37_ 38________ 39_____ 40 41 42_______ 43_ 44 45 46 47 48

Chunks:
  TruePositive nam [27,27] = Gazetą
  TruePositive nam [29,30] = Glenn Danzig
  FalsePositive nam [17,18] = My Darling
  FalseNegative nam [1,1] = Metallice
  FalseNegative nam [7,8] = Last Caress
  FalseNegative nam [14,18] = Die , Die My Darling

(ChunkerEvaluator) Sentence #6775 from articles/00107647 from sent45

Text  : Dziś Danzig skłócony z Onlym z powodzeniem gra we własnej grupie ,  niechętnie oddając Jerry'emu szyld Misfits .
Tokens: 1___ 2_____ 3_______ 4 5____ 6 7__________ 8__ 9_ 10_____ 11____ 12 13________ 14_____ 15_______ 16___ 17_____ 18

Chunks:
  TruePositive nam [15,15] = Jerry'emu
  FalseNegative nam [2,2] = Danzig
  FalseNegative nam [5,5] = Onlym
  FalseNegative nam [17,18] = Misfits .

(ChunkerEvaluator) Sentence #6776 from articles/00107647 from sent46

Text  : Pierwszy polski koncert Misfits odbył się dziewięć lat temu .
Tokens: 1_______ 2_____ 3______ 4______ 5____ 6__ 7_______ 8__ 9___ 10

Chunks:
  FalseNegative nam [4,4] = Misfits

(ChunkerEvaluator) Sentence #6777 from articles/00107647 from sent47

Text  : Zespół wystąpił w Proximie i to w dość niezwykłym składzie .
Tokens: 1_____ 2_______ 3 4_______ 5 6_ 7 8___ 9_________ 10______ 11

Chunks:
  FalseNegative nam [4,4] = Proximie

(ChunkerEvaluator) Sentence #6778 from articles/00107647 from sent48

Text  : Na scenie Only'emu towarzyszyły dwie legendy muzycznego undergroundu , gitarzysta Black Flag Dez Cadena oraz perkusista Marky Ramone .
Tokens: 1_ 2_____ 3_______ 4___________ 5___ 6______ 7_________ 8___________ 9 10________ 11___ 12__ 13_ 14____ 15__ 16________ 17___ 18____ 19

Chunks:
  FalsePositive nam [11,14] = Black Flag Dez Cadena
  FalseNegative nam [3,3] = Only'emu
  FalseNegative nam [11,12] = Black Flag
  FalseNegative nam [13,14] = Dez Cadena
  FalseNegative nam [17,18] = Marky Ramone

(ChunkerEvaluator) Sentence #6779 from articles/00107647 from sent49

Text  : Podczas koncertu zabrzmiały więc nie tylko klasyki Misfits , ale też i  Ramonesów oraz Black Flag .
Tokens: 1______ 2_______ 3_________ 4___ 5__ 6____ 7______ 8______ 9 10_ 11_ 12 13_______ 14__ 15___ 16__ 17

Chunks:
  TruePositive nam [15,16] = Black Flag
  FalseNegative nam [8,8] = Misfits
  FalseNegative nam [13,13] = Ramonesów

(ChunkerEvaluator) Sentence #6780 from articles/00107647 from sent50

Text  : Teraz Only wraca do Warszawy w ramach trasy promującej najnowsza płytę „  The Devil's Rain ”  .
Tokens: 1____ 2___ 3____ 4_ 5_______ 6 7_____ 8____ 9_________ 10_______ 11___ 12 13_ 14_____ 15__ 16 17

Chunks:
  TruePositive nam [5,5] = Warszawy
  TruePositive nam [13,15] = The Devil's Rain
  FalseNegative nam [2,2] = Only

(ChunkerEvaluator) Sentence #6781 from articles/00107647 from sent51

Text  : Zanim jednak Misfits pojawią się na scenie , zagrają Juicehead ,  czyli amerykanie związani z  wytwórnią Only'ego ,  czyli Misfits Records oraz dwa zespoły z  Włoch ,  The Shiver i  Rhyme .
Tokens: 1____ 2_____ 3______ 4______ 5__ 6_ 7_____ 8 9______ 10_______ 11 12___ 13________ 14______ 15 16_______ 17______ 18 19___ 20_____ 21_____ 22__ 23_ 24_____ 25 26___ 27 28_ 29____ 30 31___ 32

Chunks:
  TruePositive nam [3,3] = Misfits
  TruePositive nam [17,17] = Only'ego
  TruePositive nam [26,26] = Włoch
  FalsePositive nam [28,31] = The Shiver i Rhyme
  FalseNegative nam [10,10] = Juicehead
  FalseNegative nam [20,21] = Misfits Records
  FalseNegative nam [28,29] = The Shiver
  FalseNegative nam [31,31] = Rhyme

(ChunkerEvaluator) Sentence #6782 from articles/00107647 from sent52

Text  : Niedziela , 26 lutego .
Tokens: 1________ 2 3_ 4_____ 5

Chunks:
  FalsePositive nam [1,1] = Niedziela

(ChunkerEvaluator) Sentence #6783 from articles/00107647 from sent53

Text  : Proxima , ul . Żwirki i Wigury 99a .
Tokens: 1______ 2 3_ 4 5_____ 6 7_____ 8__ 9

Chunks:
  FalsePositive nam [5,5] = Żwirki
  FalsePositive nam [7,7] = Wigury
  FalseNegative nam [1,1] = Proxima
  FalseNegative nam [5,7] = Żwirki i Wigury

(ChunkerEvaluator) Sentence #6784 from articles/00107647 from sent54

Text  : Początek o godz . 19 . 30 .
Tokens: 1_______ 2 3___ 4 5_ 6 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #6785 from articles/00107647 from sent55

Text  : Bilety 69 zł . i 79 zł .
Tokens: 1_____ 2_ 3_ 4 5 6_ 7_ 8

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [7,7] = zł

2016-10-27 14:59:45,249 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 280 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107648.xml
(ChunkerEvaluator) Sentence #6786 from articles/00107648 from sent1

Text  : Zbiera się rada miasta
Tokens: 1_____ 2__ 3___ 4_____

Chunks:

(ChunkerEvaluator) Sentence #6787 from articles/00107648 from sent2

Text  : W czwartek 28 nowych toruńskich rajców odbierze zaświadczenia o wyborze na radnego czwartej kadencji .
Tokens: 1 2_______ 3_ 4_____ 5_________ 6_____ 7_______ 8____________ 9 10_____ 11 12_____ 13______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #6788 from articles/00107648 from sent3

Text  : Dokumenty zostaną wręczone w samo południe w sali 33 Urzędu Miasta .
Tokens: 1________ 2______ 3_______ 4 5___ 6_______ 7 8___ 9_ 10____ 11____ 12

Chunks:
  FalseNegative nam [10,11] = Urzędu Miasta

(ChunkerEvaluator) Sentence #6789 from articles/00107648 from sent4

Text  : Natomiast w poniedziałek radni zbiorą się na pierwszej sesji ,  podczas której złożą przysięgę .
Tokens: 1________ 2 3___________ 4____ 5_____ 6__ 7_ 8________ 9____ 10 11_____ 12____ 13___ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #6790 from articles/00107648 from sent5

Text  : Początek obrad zaplanowano o 14 w Dworze Artusa .
Tokens: 1_______ 2____ 3__________ 4 5_ 6 7_____ 8_____ 9

Chunks:
  TruePositive nam [7,8] = Dworze Artusa

(ChunkerEvaluator) Sentence #6791 from articles/00107648 from sent6

Text  : Równocześnie odbędzie się ceremonia zaprzysiężenia nowego prezydenta Torunia Michała Zaleskiego .
Tokens: 1___________ 2_______ 3__ 4________ 5_____________ 6_____ 7_________ 8______ 9______ 10________ 11

Chunks:
  FalsePositive nam [8,10] = Torunia Michała Zaleskiego
  FalseNegative nam [8,8] = Torunia
  FalseNegative nam [9,10] = Michała Zaleskiego

2016-10-27 14:59:45,272 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 281 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107649.xml
(ChunkerEvaluator) Sentence #6792 from articles/00107649 from sent1

Text  : Masz tu rower , stare buty i . . .  z  Nowej Huty
Tokens: 1___ 2_ 3____ 4 5____ 6___ 7 8 9 10 11 12___ 13__

Chunks:
  TruePositive nam [12,13] = Nowej Huty

(ChunkerEvaluator) Sentence #6793 from articles/00107649 from sent2

Text  : Mieszkańcy Nowej Huty postanowili przypomnieć Krzysztofowi Krzysztofowi i ZIKiT-owi ,  że zbliża się wiosna ,  a  więc i  „  pomnik ”  autorstwa krakowskiego artysty powinien wreszcie zniknąć z  al .  Róż .
Tokens: 1_________ 2____ 3___ 4__________ 5__________ 6___________ 7___________ 8 9________ 10 11 12____ 13_ 14____ 15 16 17__ 18 19 20____ 21 22_______ 23__________ 24_____ 25______ 26______ 27_____ 28 29 30 31_ 32

Chunks:
  TruePositive nam [2,3] = Nowej Huty
  TruePositive nam [6,7] = Krzysztofowi Krzysztofowi
  FalseNegative nam [9,9] = ZIKiT-owi
  FalseNegative nam [31,31] = Róż

(ChunkerEvaluator) Sentence #6794 from articles/00107649 from sent3

Text  : Ustawili pod nim rower i buty , opatrzone dość jednoznacznych komentarzem :  „  Masz tu rower ,  stare buty i  .  .  .  z  Nowej Huty ”  .
Tokens: 1_______ 2__ 3__ 4____ 5 6___ 7 8________ 9___ 10____________ 11_________ 12 13 14__ 15 16___ 17 18___ 19__ 20 21 22 23 24 25___ 26__ 27 28

Chunks:
  TruePositive nam [25,26] = Nowej Huty

(ChunkerEvaluator) Sentence #6795 from articles/00107649 from sent4

Text  : W latach 70 . mieszkańcy Nowej Huty w ten sam sposób „  namawiali ”  do opuszczenia al .  Róż stojący tam pomnik Lenina .
Tokens: 1 2_____ 3_ 4 5_________ 6____ 7___ 8 9__ 10_ 11____ 12 13_______ 14 15 16_________ 17 18 19_ 20_____ 21_ 22____ 23____ 24

Chunks:
  TruePositive nam [6,7] = Nowej Huty
  TruePositive nam [19,19] = Róż
  TruePositive nam [23,23] = Lenina

(ChunkerEvaluator) Sentence #6796 from articles/00107649 from sent5

Text  : Przypomnijmy : Krzysztof Krzysztof ponad rok temu ośmieszył miejskich urzędników ,  ustawiając w  nocy na pl .  Marii Magdaleny tajemniczą postać ze skrzydłami na torsie .
Tokens: 1___________ 2 3________ 4________ 5____ 6__ 7___ 8________ 9________ 10________ 11 12________ 13 14__ 15 16 17 18___ 19_______ 20________ 21____ 22 23________ 24 25____ 26

Chunks:
  TruePositive nam [3,4] = Krzysztof Krzysztof
  TruePositive nam [18,19] = Marii Magdaleny

(ChunkerEvaluator) Sentence #6797 from articles/00107649 from sent6

Text  : Nie ukrywał , że stanęła nielegalnie , ale przekonywał ,  że rzeźba z  powodu braku cokołu nie może być traktowana jako mała architektura ,  a  skoro nie została przytwierdzona do podłoża ,  to żadne pozwolenia nie są potrzebne (  tak samo krakowska kuria broniła się przed zarzutami w  sprawie ustawienia na Wzgórzu Wawelskim pomnika Jana Pawła II )  .
Tokens: 1__ 2______ 3 4_ 5______ 6__________ 7 8__ 9__________ 10 11 12____ 13 14____ 15___ 16____ 17_ 18__ 19_ 20________ 21__ 22__ 23__________ 24 25 26___ 27_ 28_____ 29____________ 30 31_____ 32 33 34___ 35________ 36_ 37 38_______ 39 40_ 41__ 42_______ 43___ 44_____ 45_ 46___ 47_______ 48 49_____ 50________ 51 52_____ 53_______ 54_____ 55__ 56___ 57 58 59

Chunks:
  TruePositive nam [52,53] = Wzgórzu Wawelskim
  TruePositive nam [55,57] = Jana Pawła II

(ChunkerEvaluator) Sentence #6798 from articles/00107649 from sent7

Text  : Niestety , potem Krzysztof Krzysztof dogadał się z ZIKiT-em ,  że jego „  dzieło ”  zostanie przeniesione na al .  Róż .
Tokens: 1_______ 2 3____ 4________ 5________ 6______ 7__ 8 9_______ 10 11 12__ 13 14____ 15 16______ 17__________ 18 19 20 21_ 22

Chunks:
  TruePositive nam [4,5] = Krzysztof Krzysztof
  FalseNegative nam [9,9] = ZIKiT-em
  FalseNegative nam [21,21] = Róż

(ChunkerEvaluator) Sentence #6799 from articles/00107649 from sent8

Text  : Magistrat próbował jeszcze ratować twarz , organizując ARTSesję , podczas której mieszkańcy mogli zobaczyć ,  jak powstaje sztuka współczesna ,  a  przy okazji mieli przekonać się do niej .
Tokens: 1________ 2_______ 3______ 4______ 5____ 6 7__________ 8_______ 9 10_____ 11____ 12________ 13___ 14______ 15 16_ 17______ 18____ 19_________ 20 21 22__ 23____ 24___ 25_______ 26_ 27 28__ 29

Chunks:
  FalsePositive nam [1,1] = Magistrat
  FalseNegative nam [8,8] = ARTSesję

(ChunkerEvaluator) Sentence #6800 from articles/00107649 from sent9

Text  : ARTSesja dobiegła końca , a rzeźba Krzysztofa Krzysztofa pozostała .
Tokens: 1_______ 2_______ 3____ 4 5 6_____ 7_________ 8_________ 9________ 10

Chunks:
  TruePositive nam [7,8] = Krzysztofa Krzysztofa
  FalseNegative nam [1,1] = ARTSesja

(ChunkerEvaluator) Sentence #6801 from articles/00107649 from sent10

Text  : Gdy w grudniu upomnieli śmy się o jej usunięcie ,  usłyszeli śmy ,  że pozostanie do wiosny ,  bo urzędnicy umówili się z  artystą na roczną ekspozycję .
Tokens: 1__ 2 3______ 4________ 5__ 6__ 7 8__ 9________ 10 11_______ 12_ 13 14 15________ 16 17____ 18 19 20_______ 21_____ 22_ 23 24_____ 25 26____ 27________ 28

Chunks:

2016-10-27 14:59:45,352 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 282 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107650.xml
(ChunkerEvaluator) Sentence #6802 from articles/00107650 from sent1

Text  : Mazowiecka SLD potępia sprawców fałszerstwa wyborczego w Płocku
Tokens: 1_________ 2__ 3______ 4_______ 5__________ 6_________ 7 8_____

Chunks:
  TruePositive nam [2,2] = SLD
  TruePositive nam [8,8] = Płocku
  FalseNegative nam [1,1] = Mazowiecka

(ChunkerEvaluator) Sentence #6803 from articles/00107650 from sent2

Text  : 13 . 13 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #6804 from articles/00107650 from sent3

Text  : Warszawa ( PAP ) - Zarząd Rady Mazowieckiej SLD potępił "  skandaliczny wybryk "  w  postaci próby fałszerstwa w  II turze wyborów samorządowych w  Płocku ,  w  którą zamieszani są niektórzy członkowie płockiego SLD .
Tokens: 1_______ 2 3__ 4 5 6_____ 7___ 8___________ 9__ 10_____ 11 12__________ 13____ 14 15 16_____ 17___ 18_________ 19 20 21___ 22_____ 23___________ 24 25____ 26 27 28___ 29________ 30 31_______ 32________ 33_______ 34_ 35

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,9] = Zarząd Rady Mazowieckiej SLD
  TruePositive nam [25,25] = Płocku
  TruePositive nam [34,34] = SLD

(ChunkerEvaluator) Sentence #6805 from articles/00107650 from sent4

Text  : Zapowiedział sankcje personalne
Tokens: 1___________ 2______ 3_________

Chunks:

(ChunkerEvaluator) Sentence #6806 from articles/00107650 from sent5

Text  : W oświadczeniu przysłanym PAP przewodniczący Rady Andrzej Piłat napisał m  .  in .  :  "  Sojusz Lewicy Demokratycznej działał i  działać będzie w  zgodzie z  regułami demokracji i  przepisami prawa .
Tokens: 1 2___________ 3_________ 4__ 5_____________ 6___ 7______ 8____ 9______ 10 11 12 13 14 15 16____ 17____ 18____________ 19_____ 20 21_____ 22____ 23 24_____ 25 26______ 27________ 28 29________ 30___ 31

Chunks:
  TruePositive nam [4,4] = PAP
  TruePositive nam [7,8] = Andrzej Piłat
  TruePositive nam [16,18] = Sojusz Lewicy Demokratycznej

(ChunkerEvaluator) Sentence #6807 from articles/00107650 from sent6

Text  : To są wartości , od których nigdy nie odejdziemy .
Tokens: 1_ 2_ 3_______ 4 5_ 6______ 7____ 8__ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #6808 from articles/00107650 from sent7

Text  : Obce nam są metody walki politycznej wykorzystujące fałsz , kłamstwo i  obłudę .
Tokens: 1___ 2__ 3_ 4_____ 5____ 6__________ 7_____________ 8____ 9 10______ 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #6809 from articles/00107650 from sent8

Text  : Dlatego stanowczo potępiamy skandaliczny wybryk , który miał miejsce w  Płocku "
Tokens: 1______ 2________ 3________ 4___________ 5_____ 6 7____ 8___ 9______ 10 11____ 12

Chunks:
  TruePositive nam [11,11] = Płocku

(ChunkerEvaluator) Sentence #6810 from articles/00107650 from sent9

Text  : Zarząd przestrzegł przed ferowaniem przedwczesnych wyroków , ale zapowiedział ,  że jeśli potwierdzą się zarzuty Prokuratury stawiane niektórym członkom płockiego SLD ,  to "  dla takich ludzi nie będzie miejsca w  szeregach SLD "
Tokens: 1_____ 2__________ 3____ 4_________ 5_____________ 6______ 7 8__ 9___________ 10 11 12___ 13________ 14_ 15_____ 16_________ 17______ 18_______ 19______ 20_______ 21_ 22 23 24 25_ 26____ 27___ 28_ 29____ 30_____ 31 32_______ 33_ 34

Chunks:
  TruePositive nam [21,21] = SLD
  TruePositive nam [33,33] = SLD
  FalseNegative nam [1,1] = Zarząd

(ChunkerEvaluator) Sentence #6811 from articles/00107650 from sent10

Text  : We wtorek Prokuratura Rejonowa w Płocku przedstawiła trzem osobom zarzuty w  związku z  podejrzeniem fałszowania wyników wyborów prezydenta tego miasta w  jednej z  obwodowych komisji wyborczych
Tokens: 1_ 2_____ 3__________ 4_______ 5 6_____ 7___________ 8____ 9_____ 10_____ 11 12_____ 13 14__________ 15_________ 16_____ 17_____ 18________ 19__ 20____ 21 22____ 23 24________ 25_____ 26________

Chunks:
  FalsePositive nam [3,6] = Prokuratura Rejonowa w Płocku
  FalseNegative nam [3,4] = Prokuratura Rejonowa
  FalseNegative nam [6,6] = Płocku

(ChunkerEvaluator) Sentence #6812 from articles/00107650 from sent11

Text  : Zarzuty przedstawiono dwóm członkom obwodowej komisji wyborczej i trzeciej ,  związanej z  lokalnym sztabem wyborczym SLD -  UP
Tokens: 1______ 2____________ 3___ 4_______ 5________ 6______ 7________ 8 9_______ 10 11_______ 12 13______ 14_____ 15_______ 16_ 17 18

Chunks:
  TruePositive nam [16,18] = SLD - UP

(ChunkerEvaluator) Sentence #6813 from articles/00107650 from sent12

Text  : Informację o " stwierdzonych nieprawidłowościach w komisji obwodowej , związanych z  ustaleniem wyników w  tym obwodzie "  podano w  oficjalnym ,  końcowym protokole z  wyborów
Tokens: 1_________ 2 3 4____________ 5__________________ 6 7______ 8________ 9 10________ 11 12________ 13_____ 14 15_ 16______ 17 18____ 19 20________ 21 22______ 23_______ 24 25_____

Chunks:

(ChunkerEvaluator) Sentence #6814 from articles/00107650 from sent13

Text  : Nadzorujący przebieg wyborów ustalili , iż w obwodowej komisji ,  gdzie wykryto nieprawidłowości ,  sporządzono protokoły ,  w  których podano różną liczbę kart do głosowania wyjętych z  urny -  w  jednym 511 ,  a  w  drugim 811 .
Tokens: 1__________ 2_______ 3______ 4_______ 5 6_ 7 8________ 9______ 10 11___ 12_____ 13______________ 14 15_________ 16_______ 17 18 19_____ 20____ 21___ 22____ 23__ 24 25________ 26______ 27 28__ 29 30 31____ 32_ 33 34 35 36____ 37_ 38

Chunks:

(ChunkerEvaluator) Sentence #6815 from articles/00107650 from sent14

Text  : Różnica w podanej liczbie kart dotyczyła 300 głosów oddanych na kandydata SLD -  UP
Tokens: 1______ 2 3______ 4______ 5___ 6________ 7__ 8_____ 9_______ 10 11_______ 12_ 13 14

Chunks:
  TruePositive nam [12,14] = SLD - UP

(ChunkerEvaluator) Sentence #6816 from articles/00107650 from sent15

Text  : Prezydentem miasta został Mirosław Milewski z PiS , który wygrał z  dotychczas urzędującym Wojciechem Hetkowskim z  SLD -  UP różnicą 208 głosów .
Tokens: 1__________ 2_____ 3_____ 4_______ 5_______ 6 7__ 8 9____ 10____ 11 12________ 13_________ 14________ 15________ 16 17_ 18 19 20_____ 21_ 22____ 23

Chunks:
  TruePositive nam [4,5] = Mirosław Milewski
  TruePositive nam [7,7] = PiS
  TruePositive nam [14,15] = Wojciechem Hetkowskim
  TruePositive nam [17,19] = SLD - UP

(ChunkerEvaluator) Sentence #6817 from articles/00107650 from sent16

Text  : ( PAP ) mwa / woj /
Tokens: 1 2__ 3 4__ 5 6__ 7

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:45,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 283 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107651.xml
(ChunkerEvaluator) Sentence #6818 from articles/00107651 from sent1

Text  : Nasza szablistka dwunasta w Pucharze Świata
Tokens: 1____ 2_________ 3_______ 4 5_______ 6_____

Chunks:
  TruePositive nam [5,6] = Pucharze Świata

(ChunkerEvaluator) Sentence #6819 from articles/00107651 from sent2

Text  : Bogna Jóźwiak ( OŚ AZS Poznań ) spisała się najlepiej z  reprezentantek Polski i  zajęła 12 .  miejsce w  zawodach Pucharu Świata szablistek w  Londynie .
Tokens: 1____ 2______ 3 4_ 5__ 6_____ 7 8______ 9__ 10_______ 11 12____________ 13____ 14 15____ 16 17 18_____ 19 20______ 21_____ 22____ 23________ 24 25______ 26

Chunks:
  TruePositive nam [1,2] = Bogna Jóźwiak
  TruePositive nam [4,6] = OŚ AZS Poznań
  TruePositive nam [13,13] = Polski
  TruePositive nam [25,25] = Londynie
  FalsePositive nam [21,22] = Pucharu Świata
  FalseNegative nam [21,23] = Pucharu Świata szablistek

(ChunkerEvaluator) Sentence #6820 from articles/00107651 from sent3

Text  : Wygrała Greczynka Vassiliki Vougiouka , która w finale pokonała Rosjankę Zofię Wieliką 15 :  13 .
Tokens: 1______ 2________ 3________ 4________ 5 6____ 7 8_____ 9_______ 10______ 11___ 12_____ 13 14 15 16

Chunks:
  FalsePositive nam [2,4] = Greczynka Vassiliki Vougiouka
  FalsePositive nam [10,12] = Rosjankę Zofię Wieliką
  FalseNegative nam [2,2] = Greczynka
  FalseNegative nam [3,4] = Vassiliki Vougiouka
  FalseNegative nam [10,10] = Rosjankę
  FalseNegative nam [11,12] = Zofię Wieliką

(ChunkerEvaluator) Sentence #6821 from articles/00107651 from sent4

Text  : Jóźwiak w walce o awans do ćwierćfinału przegrała z Chinką Xiaodong Chen 12 :  15 .
Tokens: 1______ 2 3____ 4 5____ 6_ 7___________ 8________ 9 10____ 11______ 12__ 13 14 15 16

Chunks:
  TruePositive nam [1,1] = Jóźwiak
  FalsePositive nam [10,12] = Chinką Xiaodong Chen
  FalseNegative nam [10,10] = Chinką
  FalseNegative nam [11,12] = Xiaodong Chen

(ChunkerEvaluator) Sentence #6822 from articles/00107651 from sent5

Text  : Słabiej spisała się najwyżej notowana Polka w rankingu światowym -  na dziewiątej pozycji -  Aleksandra Socha (  AZS AWF Warszawa )  ,  która już w  pierwszej rundzie przegrała z  Koreanką Yu Jin Choi 14 :  15 i  zajęła 33 .  lokatę .
Tokens: 1______ 2______ 3__ 4_______ 5_______ 6____ 7 8_______ 9________ 10 11 12________ 13_____ 14 15________ 16___ 17 18_ 19_ 20______ 21 22 23___ 24_ 25 26_______ 27_____ 28_______ 29 30______ 31 32_ 33__ 34 35 36 37 38____ 39 40 41____ 42

Chunks:
  TruePositive nam [6,6] = Polka
  TruePositive nam [15,16] = Aleksandra Socha
  TruePositive nam [18,20] = AZS AWF Warszawa
  FalsePositive nam [30,33] = Koreanką Yu Jin Choi
  FalseNegative nam [30,30] = Koreanką
  FalseNegative nam [31,33] = Yu Jin Choi

(ChunkerEvaluator) Sentence #6823 from articles/00107651 from sent6

Text  : Przed zawodami w Londynie Azjatka plasowała się na 170 .  miejscu na liście FIE .
Tokens: 1____ 2_______ 3 4_______ 5______ 6________ 7__ 8_ 9__ 10 11_____ 12 13____ 14_ 15

Chunks:
  TruePositive nam [14,14] = FIE
  FalsePositive nam [4,5] = Londynie Azjatka
  FalseNegative nam [4,4] = Londynie
  FalseNegative nam [5,5] = Azjatka

(ChunkerEvaluator) Sentence #6824 from articles/00107651 from sent7

Text  : W zawodach wystartowały jeszcze dwie poznanianki , obie reprezentujące OŚ AZS Poznań .
Tokens: 1 2_______ 3___________ 4______ 5___ 6__________ 7 8___ 9_____________ 10 11_ 12____ 13

Chunks:
  TruePositive nam [10,12] = OŚ AZS Poznań
  FalseNegative nam [6,6] = poznanianki

(ChunkerEvaluator) Sentence #6825 from articles/00107651 from sent8

Text  : Irena Więckowska była 22 , zaś Katarzyna Kędziora - 38 .
Tokens: 1____ 2_________ 3___ 4_ 5 6__ 7________ 8_______ 9 10 11

Chunks:
  TruePositive nam [1,2] = Irena Więckowska
  TruePositive nam [7,8] = Katarzyna Kędziora

2016-10-27 14:59:45,484 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 284 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107652.xml
(ChunkerEvaluator) Sentence #6826 from articles/00107652 from sent1

Text  : Omar Jarun z Arki Gdynia powołany do kadry Palestyny
Tokens: 1___ 2____ 3 4___ 5_____ 6_______ 7_ 8____ 9________

Chunks:
  TruePositive nam [1,2] = Omar Jarun
  TruePositive nam [4,5] = Arki Gdynia
  TruePositive nam [9,9] = Palestyny

(ChunkerEvaluator) Sentence #6827 from articles/00107652 from sent2

Text  : Przebywających na zgrupowaniu w Turcji piłkarzy Arki Gdynia wkrótce opuści Omar Jarun .
Tokens: 1_____________ 2_ 3__________ 4 5_____ 6_______ 7___ 8_____ 9______ 10____ 11__ 12___ 13

Chunks:
  TruePositive nam [5,5] = Turcji
  TruePositive nam [7,8] = Arki Gdynia
  TruePositive nam [11,12] = Omar Jarun

(ChunkerEvaluator) Sentence #6828 from articles/00107652 from sent3

Text  : Obrońca żółto - niebieskich otrzymał powołanie do reprezentacji Palestyny
Tokens: 1______ 2____ 3 4__________ 5_______ 6________ 7_ 8____________ 9________

Chunks:
  TruePositive nam [9,9] = Palestyny

(ChunkerEvaluator) Sentence #6829 from articles/00107652 from sent4

Text  : Jarun ze zgrupowania Arki wyjedzie w poniedziałek po rozegraniu sparingu z  Heliosem Charków .
Tokens: 1____ 2_ 3__________ 4___ 5_______ 6 7___________ 8_ 9_________ 10______ 11 12______ 13_____ 14

Chunks:
  TruePositive nam [4,4] = Arki
  TruePositive nam [12,13] = Heliosem Charków
  FalseNegative nam [1,1] = Jarun

(ChunkerEvaluator) Sentence #6830 from articles/00107652 from sent5

Text  : Obrońca Arki uda się do Palestyny , gdzie w środę jego reprezentacja zagra towarzyskie spotkanie z  drużyną Azerbejdżanu .
Tokens: 1______ 2___ 3__ 4__ 5_ 6________ 7 8____ 9 10___ 11__ 12___________ 13___ 14_________ 15_______ 16 17_____ 18__________ 19

Chunks:
  TruePositive nam [2,2] = Arki
  TruePositive nam [6,6] = Palestyny
  TruePositive nam [18,18] = Azerbejdżanu

(ChunkerEvaluator) Sentence #6831 from articles/00107652 from sent6

Text  : Dotychczas Jarun wystąpił pięciokrotnie w barwach narodowych , w tym cztery razy w  meczach eliminacji do mistrzostw świata w  Brazylii w  2014 roku .
Tokens: 1_________ 2____ 3_______ 4____________ 5 6______ 7_________ 8 9 10_ 11____ 12__ 13 14_____ 15________ 16 17________ 18____ 19 20______ 21 22__ 23__ 24

Chunks:
  TruePositive nam [20,20] = Brazylii
  FalseNegative nam [2,2] = Jarun
  FalseNegative nam [17,18] = mistrzostw świata

2016-10-27 14:59:45,512 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 285 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107653.xml
(ChunkerEvaluator) Sentence #6832 from articles/00107653 from sent1

Text  : 312 tys . zł - odszkodowanie za śmierć zawodową
Tokens: 1__ 2__ 3 4_ 5 6____________ 7_ 8_____ 9_______

Chunks:
  TruePositive nam [4,4] = zł

(ChunkerEvaluator) Sentence #6833 from articles/00107653 from sent2

Text  : Na taką kwotę wycenił kardiochirurg Tomasz Hirnle swoje straty ,  spowodowane niesłusznym aresztowaniem .
Tokens: 1_ 2___ 3____ 4______ 5____________ 6_____ 7_____ 8____ 9_____ 10 11_________ 12_________ 13___________ 14

Chunks:
  TruePositive nam [6,7] = Tomasz Hirnle

(ChunkerEvaluator) Sentence #6834 from articles/00107653 from sent3

Text  : Dwa miesiące spędził za kratami , stracił kontrakt w szpitalu ,  a  po wyjściu na wolność został zatrudniony na gorszych zasadach .
Tokens: 1__ 2_______ 3______ 4_ 5______ 6 7______ 8_______ 9 10______ 11 12 13 14_____ 15 16_____ 17____ 18_________ 19 20______ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #6835 from articles/00107653 from sent4

Text  : Przed sądem domaga się odszkodowania .
Tokens: 1____ 2____ 3_____ 4__ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #6836 from articles/00107653 from sent5

Text  : Proces rozpoczął się w poniedziałek ponownie , przed sądem Okręgowym w  Białymstoku .
Tokens: 1_____ 2________ 3__ 4 5___________ 6_______ 7 8____ 9____ 10_______ 11 12_________ 13

Chunks:
  TruePositive nam [12,12] = Białymstoku
  FalsePositive nam [10,10] = Okręgowym
  FalseNegative nam [9,10] = sądem Okręgowym

(ChunkerEvaluator) Sentence #6837 from articles/00107653 from sent6

Text  : Sąd będzie musiał jeszcze raz przeanalizować wysokość strat posądzonego o  łapówkarstwo i  prawomocnie uniewinnionego od zarzutów lekarza .
Tokens: 1__ 2_____ 3_____ 4______ 5__ 6_____________ 7_______ 8____ 9__________ 10 11__________ 12 13_________ 14____________ 15 16______ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #6838 from articles/00107653 from sent7

Text  : Przyznane mu pierwotnie odszkodowanie w wysokości 20 tys . zł sąd apelacyjny uznał za niewystarczające .
Tokens: 1________ 2_ 3_________ 4____________ 5 6________ 7_ 8__ 9 10 11_ 12________ 13___ 14 15______________ 16

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #6839 from articles/00107653 from sent8

Text  : Tomasz Hirnle w 2005 roku - jak ustaliła prokuratura w  Krakowie -  padł ofiarą swojego podwładnego Wojciecha S  .  Ten chciał się na nim zemścić za to ,  że nie został wybrany na specjalizację .
Tokens: 1_____ 2_____ 3 4___ 5___ 6 7__ 8_______ 9__________ 10 11______ 12 13__ 14____ 15_____ 16_________ 17_______ 18 19 20_ 21____ 22_ 23 24_ 25_____ 26 27 28 29 30_ 31____ 32_____ 33 34___________ 35

Chunks:
  TruePositive nam [1,2] = Tomasz Hirnle
  TruePositive nam [11,11] = Krakowie
  FalsePositive nam [17,20] = Wojciecha S . Ten
  FalseNegative nam [17,19] = Wojciecha S .

(ChunkerEvaluator) Sentence #6840 from articles/00107653 from sent9

Text  : Za 20 tys . zł wynajął grupę osób z warszawskiego półświatka ,  aby wręczyli kierownikowi kliniki kardiochirurgii łapówkę .
Tokens: 1_ 2_ 3__ 4 5_ 6______ 7____ 8___ 9 10___________ 11________ 12 13_ 14______ 15__________ 16_____ 17_____________ 18_____ 19

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #6841 from articles/00107653 from sent10

Text  : Jednocześnie o skorumpowanym szefie zawiadomił policję .
Tokens: 1___________ 2 3____________ 4_____ 5_________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #6842 from articles/00107653 from sent11

Text  : Mundurowi przygotowali prowokację korupcyjną , a żeby dowody były mocniejsze ,  manipulowali zeznaniami świadków .
Tokens: 1________ 2___________ 3_________ 4_________ 5 6 7___ 8_____ 9___ 10________ 11 12__________ 13________ 14______ 15

Chunks:
  FalsePositive nam [1,1] = Mundurowi

(ChunkerEvaluator) Sentence #6843 from articles/00107653 from sent12

Text  : Lekarz trafił do aresztu , szpital zerwał z nim kontrakt gwarantujący kilkanaście tysięcy złotych pensji .
Tokens: 1_____ 2_____ 3_ 4______ 5 6______ 7_____ 8 9__ 10______ 11__________ 12_________ 13_____ 14_____ 15____ 16

Chunks:
  TruePositive nam [14,14] = złotych

(ChunkerEvaluator) Sentence #6844 from articles/00107653 from sent13

Text  : Kiedy wyszedł na wolność , wrócił do pracy w swojej klinice ,  ale tylko na stanowisko asystenta z  niewielką pensją .
Tokens: 1____ 2______ 3_ 4______ 5 6_____ 7_ 8____ 9 10____ 11_____ 12 13_ 14___ 15 16________ 17_______ 18 19_______ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #6845 from articles/00107653 from sent14

Text  : Dopiero po trzech latach podpisano z nim ponownie kontrakt .
Tokens: 1______ 2_ 3_____ 4_____ 5________ 6 7__ 8_______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #6846 from articles/00107653 from sent15

Text  : Od zarzutu przyjęcia 5 tys . zł łapówki został uniewinniony po dwóch procesach ,  w  2010 roku .
Tokens: 1_ 2______ 3________ 4 5__ 6 7_ 8______ 9_____ 10__________ 11 12___ 13_______ 14 15 16__ 17__ 18

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #6847 from articles/00107653 from sent16

Text  : Na ławie oskarżonych siedzi teraz Wojciech S . i policjanci .
Tokens: 1_ 2____ 3__________ 4_____ 5____ 6_______ 7 8 9 10________ 11

Chunks:
  TruePositive nam [6,8] = Wojciech S .

(ChunkerEvaluator) Sentence #6848 from articles/00107653 from sent17

Text  : Kardiochirurg przed sądem domagał się łącznie pół miliona złotych odszkodowania za utracone zarobki i  zadośćuczynienia za niesłuszny areszt .
Tokens: 1____________ 2____ 3____ 4______ 5__ 6______ 7__ 8______ 9______ 10___________ 11 12______ 13_____ 14 15______________ 16 17________ 18____ 19

Chunks:
  TruePositive nam [9,9] = złotych

(ChunkerEvaluator) Sentence #6849 from articles/00107653 from sent18

Text  : Sąd pierwszej instancji przyznał mu 90 tys . zł :  20 tys .  zł z  tej kwoty to odszkodowanie za utracone zarobki ,  a  70 tys .  zł -  zadośćuczynienie za areszt .
Tokens: 1__ 2________ 3________ 4_______ 5_ 6_ 7__ 8 9_ 10 11 12_ 13 14 15 16_ 17___ 18 19___________ 20 21______ 22_____ 23 24 25 26_ 27 28 29 30______________ 31 32____ 33

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [14,14] = zł
  TruePositive nam [28,28] = zł

(ChunkerEvaluator) Sentence #6850 from articles/00107653 from sent19

Text  : Od wyroku odwołał się zarówno lekarz , jak i prokuratura .
Tokens: 1_ 2_____ 3______ 4__ 5______ 6_____ 7 8__ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #6851 from articles/00107653 from sent20

Text  : Hirnle chciał dodatkowo 274 tys . zł wyrównania za pensje ,  nie kwestionował wysokości zadośćuczynienia .
Tokens: 1_____ 2_____ 3________ 4__ 5__ 6 7_ 8_________ 9_ 10____ 11 12_ 13__________ 14_______ 15______________ 16

Chunks:
  FalseNegative nam [1,1] = Hirnle
  FalseNegative nam [7,7] = zł

(ChunkerEvaluator) Sentence #6852 from articles/00107653 from sent21

Text  : Sąd apelacyjny uznał , że lekarzowi należy się większe odszkodowanie niż to przyznane za pierwszym razem .
Tokens: 1__ 2_________ 3____ 4 5_ 6________ 7_____ 8__ 9______ 10___________ 11_ 12 13_______ 14 15_______ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #6853 from articles/00107653 from sent22

Text  : Tym razem sąd musi się skupić na przeanalizowaniu wysokości utraconych pensji lekarza .
Tokens: 1__ 2____ 3__ 4___ 5__ 6_____ 7_ 8_______________ 9________ 10________ 11____ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #6854 from articles/00107653 from sent23

Text  : Jego pełnomocnik tłumaczył w poniedziałek , że kwota 312 tys .  zł to suma ,  jaka mógł by zarobić na kontrakcie w  szpitalu ,  pomniejszona o  zasądzoną już kwotę .
Tokens: 1___ 2__________ 3________ 4 5___________ 6 7_ 8____ 9__ 10_ 11 12 13 14__ 15 16__ 17__ 18 19_____ 20 21________ 22 23______ 24 25__________ 26 27_______ 28_ 29___ 30

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #6855 from articles/00107653 from sent24

Text  : Kardiochirurg wyliczył ją na podstawie ilości operacji , jakie przeprowadzał pracując na kontrakcie .
Tokens: 1____________ 2_______ 3_ 4_ 5________ 6_____ 7_______ 8 9____ 10___________ 11______ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #6856 from articles/00107653 from sent25

Text  : Opowiadał , że po wyjściu z aresztu od razu poszedł do dyrektora szpitala ,  by porozmawiać o  przywróceniu do pracy .
Tokens: 1________ 2 3_ 4_ 5______ 6 7______ 8_ 9___ 10_____ 11 12_______ 13______ 14 15 16_________ 17 18__________ 19 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #6857 from articles/00107653 from sent26

Text  : Ten jednak był nader ostrożny .
Tokens: 1__ 2_____ 3__ 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #6858 from articles/00107653 from sent27

Text  : Dał do zrozumienia , ze póki sprawa nie wyjaśni się w  sądzie ,  nie ma mowy o  przywróceniu lekarza na kontrakt ,  na tych samych zasadach .
Tokens: 1__ 2_ 3__________ 4 5_ 6___ 7_____ 8__ 9______ 10_ 11 12____ 13 14_ 15 16__ 17 18__________ 19_____ 20 21______ 22 23 24__ 25____ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #6859 from articles/00107653 from sent28

Text  : - Cała ta akcja zorganizowana przez mojego byłego pracownika i  policjantów miała na celu moją śmierć .
Tokens: 1 2___ 3_ 4____ 5____________ 6____ 7_____ 8_____ 9_________ 10 11_________ 12___ 13 14__ 15__ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #6860 from articles/00107653 from sent29

Text  : Zawodową i społeczną - mówił Tomasz Hirnle .
Tokens: 1_______ 2 3________ 4 5____ 6_____ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Tomasz Hirnle

(ChunkerEvaluator) Sentence #6861 from articles/00107653 from sent30

Text  : Dodawał , że ten „ brutalny cios ” musiał długo się goić nie tylko w  świadomości społecznej ,  ale i  jego pracodawców .
Tokens: 1______ 2 3_ 4__ 5 6_______ 7___ 8 9_____ 10___ 11_ 12__ 13_ 14___ 15 16_________ 17________ 18 19_ 20 21__ 22_________ 23

Chunks:

(ChunkerEvaluator) Sentence #6862 from articles/00107653 from sent31

Text  : Nie ma żalu do dyrektora szpitala .
Tokens: 1__ 2_ 3___ 4_ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #6863 from articles/00107653 from sent32

Text  : Przeciwnie - jest mu wdzięczny za zaoferowanie jakiejkolwiek pracy :  -  Najważniejszy był dla mnie wtedy powrót do społeczności ,  w  tym do społeczności lekarskiej .
Tokens: 1_________ 2 3___ 4_ 5________ 6_ 7___________ 8____________ 9____ 10 11 12___________ 13_ 14_ 15__ 16___ 17____ 18 19__________ 20 21 22_ 23 24__________ 25________ 26

Chunks:

(ChunkerEvaluator) Sentence #6864 from articles/00107653 from sent33

Text  : Forma zatrudnienia nie miała znaczenia .
Tokens: 1____ 2___________ 3__ 4____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #6865 from articles/00107653 from sent34

Text  : Wracał też wspomnieniami do samego momentu aresztowania i tego ,  jak czuł się za kratami :  -  Psychicznie znosił em to niesamowicie źle .
Tokens: 1_____ 2__ 3____________ 4_ 5_____ 6______ 7___________ 8 9___ 10 11_ 12__ 13_ 14 15_____ 16 17 18_________ 19____ 20 21 22__________ 23_ 24

Chunks:

(ChunkerEvaluator) Sentence #6866 from articles/00107653 from sent35

Text  : Nie miałem żadnego poczucia winy , a został em osadzony z  pospolitymi przestępcami .
Tokens: 1__ 2_____ 3______ 4_______ 5___ 6 7 8_____ 9_ 10______ 11 12_________ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #6867 from articles/00107653 from sent36

Text  : Lekarz opowiadał i o przyziemnych sprawach - jak konieczność spłacania rat leasingowych za auto ,  jak to ,  że synowie wchodzili w  tym czasie w  dorosłe życie ,  a  żona z  pensji nauczyciela akademickiego nie mogła utrzymać rodziny .
Tokens: 1_____ 2________ 3 4 5___________ 6_______ 7 8__ 9__________ 10_______ 11_ 12__________ 13 14__ 15 16_ 17 18 19 20_____ 21_______ 22 23_ 24____ 25 26_____ 27___ 28 29 30__ 31 32____ 33_________ 34___________ 35_ 36___ 37______ 38_____ 39

Chunks:

(ChunkerEvaluator) Sentence #6868 from articles/00107653 from sent37

Text  : Zeznający jako świadek dyrektor szpitala potwierdził , że zaproponował Hirnlemu etat starszego asystenta w  klinice ,  którą wcześniej kierował .
Tokens: 1________ 2___ 3______ 4_______ 5_______ 6__________ 7 8_ 9___________ 10______ 11__ 12_______ 13_______ 14 15_____ 16 17___ 18_______ 19______ 20

Chunks:
  FalseNegative nam [10,10] = Hirnlemu

(ChunkerEvaluator) Sentence #6869 from articles/00107653 from sent38

Text  : Mówił , że w atmosferze nagonki , jaka się rozpętała ,  nie miał innej możliwości .
Tokens: 1____ 2 3_ 4 5_________ 6______ 7 8___ 9__ 10_______ 11 12_ 13__ 14___ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #6870 from articles/00107653 from sent39

Text  : W szpitalu huczało od plotek , że szef kliniki dzielił się swoim kontraktem z  dyrektorem ,  a  ten ze szpitalnych pieniędzy wpłacił za niego kaucję .
Tokens: 1 2_______ 3______ 4_ 5_____ 6 7_ 8___ 9______ 10_____ 11_ 12___ 13________ 14 15________ 16 17 18_ 19 20_________ 21_______ 22_____ 23 24___ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #6871 from articles/00107653 from sent40

Text  : Sytuacja unormowała się dopiero w 2008 roku i doktor mógł wrócić na należne mu miejsce .
Tokens: 1_______ 2_________ 3__ 4______ 5 6___ 7___ 8 9_____ 10__ 11____ 12 13_____ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #6872 from articles/00107653 from sent41

Text  : Sprawa odszkodowania dla kardiochirurga została odroczona .
Tokens: 1_____ 2____________ 3__ 4_____________ 5______ 6________ 7

Chunks:

2016-10-27 14:59:45,723 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 286 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107654.xml
(ChunkerEvaluator) Sentence #6873 from articles/00107654 from sent1

Text  : Potwory Asada atakują Homs
Tokens: 1______ 2____ 3______ 4___

Chunks:
  FalsePositive nam [1,2] = Potwory Asada
  FalseNegative nam [2,2] = Asada
  FalseNegative nam [4,4] = Homs

(ChunkerEvaluator) Sentence #6874 from articles/00107654 from sent2

Text  : Najokrutniejszy oddział syryjskiej armii , zasłużony w brutalnych pacyfikacjach i  ślepo posłuszny rodzinie Asadów ,  od wtorku bombarduje oblężoną dzielnicę Homs Baba Amru .
Tokens: 1______________ 2______ 3_________ 4____ 5 6________ 7 8_________ 9____________ 10 11___ 12_______ 13______ 14____ 15 16 17____ 18________ 19______ 20_______ 21__ 22__ 23__ 24

Chunks:
  TruePositive nam [21,23] = Homs Baba Amru
  FalseNegative nam [14,14] = Asadów

(ChunkerEvaluator) Sentence #6875 from articles/00107654 from sent3

Text  : Potwory Asada atakują Homs
Tokens: 1______ 2____ 3______ 4___

Chunks:
  FalsePositive nam [1,2] = Potwory Asada
  FalseNegative nam [2,2] = Asada
  FalseNegative nam [4,4] = Homs

(ChunkerEvaluator) Sentence #6876 from articles/00107654 from sent4

Text  : Najokrutniejszy oddział syryjskiej armii , zasłużony w brutalnych pacyfikacjach i  ślepo posłuszny rodzinie Asadów ,  od wtorku bombarduje oblężoną dzielnicę Homs Baba Amru
Tokens: 1______________ 2______ 3_________ 4____ 5 6________ 7 8_________ 9____________ 10 11___ 12_______ 13______ 14____ 15 16 17____ 18________ 19______ 20_______ 21__ 22__ 23__

Chunks:
  TruePositive nam [21,23] = Homs Baba Amru
  FalseNegative nam [14,14] = Asadów

(ChunkerEvaluator) Sentence #6877 from articles/00107654 from sent5

Text  : „ Potwory z czwartej dywizji ” - głosi napis na czołgach ,  które we wtorek o  świcie zwartą kolumną podjechały pod Baba Amru ,  najbardziej bombardowaną od trzech tygodni dzielnicę Homs ,  uznawaną za siedzibę walczących od roku z  reżimem Baszara al -  Asada rebeliantów .
Tokens: 1 2______ 3 4_______ 5______ 6 7 8____ 9____ 10 11______ 12 13___ 14 15____ 16 17____ 18____ 19_____ 20________ 21_ 22__ 23__ 24 25_________ 26__________ 27 28____ 29_____ 30_______ 31__ 32 33______ 34 35______ 36________ 37 38__ 39 40_____ 41_____ 42 43 44___ 45_________ 46

Chunks:
  TruePositive nam [22,23] = Baba Amru
  TruePositive nam [31,31] = Homs
  TruePositive nam [41,44] = Baszara al - Asada

(ChunkerEvaluator) Sentence #6878 from articles/00107654 from sent6

Text  : Na dzielnicę padł blady strach , bo nie ma Syryjczyka ,  który nie słyszał by o  okrytej ponurą sławą dywizji i  powiązanej z  nią Gwardii Republikańskiej ,  dowodzonych przez okrutnego młodszego brata prezydenta Mahera al -  Asada .
Tokens: 1_ 2________ 3___ 4____ 5_____ 6 7_ 8__ 9_ 10________ 11 12___ 13_ 14_____ 15 16 17_____ 18____ 19___ 20_____ 21 22________ 23 24_ 25_____ 26_____________ 27 28_________ 29___ 30_______ 31_______ 32___ 33________ 34____ 35 36 37___ 38

Chunks:
  TruePositive nam [10,10] = Syryjczyka
  TruePositive nam [25,26] = Gwardii Republikańskiej
  TruePositive nam [34,37] = Mahera al - Asada

(ChunkerEvaluator) Sentence #6879 from articles/00107654 from sent7

Text  : Ten słynący z brutalności zawodowy żołnierz bardziej nadawał się na następcę swojego ojca Hafiza ,  który żelazną ręką władał Syrią przez trzy dekady .
Tokens: 1__ 2______ 3 4__________ 5_______ 6_______ 7_______ 8______ 9__ 10 11______ 12_____ 13__ 14____ 15 16___ 17_____ 18__ 19____ 20___ 21___ 22__ 23____ 24

Chunks:
  TruePositive nam [14,14] = Hafiza
  TruePositive nam [20,20] = Syrią

(ChunkerEvaluator) Sentence #6880 from articles/00107654 from sent8

Text  : Ponoć nie dostał tej funkcji tylko ze względu na gwałtowny charakter ,  ale do dziś uchodzi w  Syrii za szarą eminencję ,  drugą osobę w  kraju .
Tokens: 1____ 2__ 3_____ 4__ 5______ 6____ 7_ 8______ 9_ 10_______ 11_______ 12 13_ 14 15__ 16_____ 17 18___ 19 20___ 21_______ 22 23___ 24___ 25 26___ 27

Chunks:
  TruePositive nam [18,18] = Syrii

(ChunkerEvaluator) Sentence #6881 from articles/00107654 from sent9

Text  : Żołnierze Mahera są ślepo posłuszni wyłącznie jemu .
Tokens: 1________ 2_____ 3_ 4____ 5________ 6________ 7___ 8

Chunks:
  TruePositive nam [2,2] = Mahera

(ChunkerEvaluator) Sentence #6882 from articles/00107654 from sent10

Text  : W internecie można zobaczyć nagranie , na którym zmuszają schwytanego rebelianta ,  żeby zamiast muzułmańskiego wyznania wiary zaczynającego się słowami „  Nie ma Boga prócz Allaha ”  ,  recytował :  „  Nie ma Boga prócz Mahera ”  .
Tokens: 1 2_________ 3____ 4_______ 5_______ 6 7_ 8_____ 9_______ 10_________ 11________ 12 13__ 14_____ 15____________ 16______ 17___ 18___________ 19_ 20_____ 21 22_ 23 24__ 25___ 26____ 27 28 29_______ 30 31 32_ 33 34__ 35___ 36____ 37 38

Chunks:
  TruePositive nam [24,24] = Boga
  TruePositive nam [26,26] = Allaha
  TruePositive nam [34,34] = Boga
  FalsePositive nam [2,2] = internecie
  FalseNegative nam [36,36] = Mahera

(ChunkerEvaluator) Sentence #6883 from articles/00107654 from sent11

Text  : Utworzone w latach 60 . jako niezależne od armii Brygady Obrony (  dzisiejsza Czwarta Dywizja i  Gwardia Republikańska )  od początku były pomyślane jako osobista ochrona syryjskich władców ,  dlatego są złożone wyłącznie z  alawitów -  szyickiej sekty ,  z  której wywodzą się Asadowie .
Tokens: 1________ 2 3_____ 4_ 5 6___ 7_________ 8_ 9____ 10_____ 11____ 12 13________ 14_____ 15_____ 16 17_____ 18___________ 19 20 21______ 22__ 23_______ 24__ 25______ 26_____ 27________ 28_____ 29 30_____ 31 32_____ 33_______ 34 35______ 36 37_______ 38___ 39 40 41____ 42_____ 43_ 44______ 45

Chunks:
  TruePositive nam [10,11] = Brygady Obrony
  TruePositive nam [14,15] = Czwarta Dywizja
  TruePositive nam [17,18] = Gwardia Republikańska
  FalseNegative nam [35,35] = alawitów
  FalseNegative nam [37,37] = szyickiej
  FalseNegative nam [44,44] = Asadowie

(ChunkerEvaluator) Sentence #6884 from articles/00107654 from sent12

Text  : Dopiero w latach 80 . zostały włączone do armii i  szybko zasłynęły jako wyjątkowo skuteczne w  pacyfikacjach każdego oporu przeciwko Asadom .
Tokens: 1______ 2 3_____ 4_ 5 6______ 7_______ 8_ 9____ 10 11____ 12_______ 13__ 14_______ 15_______ 16 17___________ 18_____ 19___ 20_______ 21____ 22

Chunks:
  TruePositive nam [21,21] = Asadom

(ChunkerEvaluator) Sentence #6885 from articles/00107654 from sent13

Text  : To one krwawo tłumiły w 1982 r . powstanie w  Hamie ,  zabijając kilkadziesiąt tysięcy osób .
Tokens: 1_ 2__ 3_____ 4______ 5 6___ 7 8 9________ 10 11___ 12 13_______ 14___________ 15_____ 16__ 17

Chunks:
  TruePositive nam [11,11] = Hamie

(ChunkerEvaluator) Sentence #6886 from articles/00107654 from sent14

Text  : Teraz syryjska opozycja ostrzega , że jeśli żołnierze Mahera dostali rozkaz ostatecznego stłumienia rebelii ,  w  Homs może powtórzyć się scenariusz z  Hamy .
Tokens: 1____ 2_______ 3_______ 4_______ 5 6_ 7____ 8________ 9_____ 10_____ 11____ 12__________ 13________ 14_____ 15 16 17__ 18__ 19_______ 20_ 21________ 22 23__ 24

Chunks:
  FalseNegative nam [9,9] = Mahera
  FalseNegative nam [17,17] = Homs
  FalseNegative nam [23,23] = Hamy

(ChunkerEvaluator) Sentence #6887 from articles/00107654 from sent15

Text  : W poniedziałek w całym kraju zginęło ponad 120 osób ,  z  tego większość w  Homs ,  gdzie 64 osoby próbujące uciec z  Baba Amru zostały zastrzelone na posterunku kontrolnym .
Tokens: 1 2___________ 3 4____ 5____ 6______ 7____ 8__ 9___ 10 11 12__ 13_______ 14 15__ 16 17___ 18 19___ 20_______ 21___ 22 23__ 24__ 25_____ 26_________ 27 28________ 29________ 30

Chunks:
  TruePositive nam [15,15] = Homs
  TruePositive nam [23,24] = Baba Amru

(ChunkerEvaluator) Sentence #6888 from articles/00107654 from sent16

Text  : Według najnowszych danych ONZ od początku rocznego konfliktu w Syrii zginęło ponad 7  ,  5  tys .  cywilów .
Tokens: 1_____ 2__________ 3_____ 4__ 5_ 6_______ 7_______ 8________ 9 10___ 11_____ 12___ 13 14 15 16_ 17 18_____ 19

Chunks:
  TruePositive nam [4,4] = ONZ
  TruePositive nam [10,10] = Syrii

(ChunkerEvaluator) Sentence #6889 from articles/00107654 from sent17

Text  : - Są wiarygodne raporty , że dziennie często ginie ponad sto osób ,  w  tym wiele kobiet i  dzieci -  mówiła Lynn Pascoe ,  zastępca sekretarza generalnego .
Tokens: 1 2_ 3_________ 4______ 5 6_ 7_______ 8_____ 9____ 10___ 11_ 12__ 13 14 15_ 16___ 17____ 18 19____ 20 21____ 22__ 23____ 24 25______ 26________ 27_________ 28

Chunks:
  TruePositive nam [22,23] = Lynn Pascoe

(ChunkerEvaluator) Sentence #6890 from articles/00107654 from sent18

Text  : We wtorek udało się wywieźć z oblężonego Homs brytyjskiego fotografa z  „  The Sunday Times ”  Paula Conroya i  francuską dziennikarkę „  Le Figaro ”  Edith Bouvier .
Tokens: 1_ 2_____ 3____ 4__ 5______ 6 7_________ 8___ 9___________ 10_______ 11 12 13_ 14____ 15___ 16 17___ 18_____ 19 20_______ 21__________ 22 23 24____ 25 26___ 27_____ 28

Chunks:
  TruePositive nam [13,15] = The Sunday Times
  TruePositive nam [17,18] = Paula Conroya
  TruePositive nam [23,24] = Le Figaro
  TruePositive nam [26,27] = Edith Bouvier
  FalseNegative nam [8,8] = Homs

(ChunkerEvaluator) Sentence #6891 from articles/00107654 from sent19

Text  : Wcześniej ponoć oboje odmawiali ewakuacji , podobno nie chcieli wsiąść do samochodu Międzynarodowego Czerwonego Krzyża (  MCK )  -  nie wiadomo ,  czy z  solidarności z  oblężonymi w  Baba Amru Syryjczykami ,  czy ze strachu .
Tokens: 1________ 2____ 3____ 4________ 5________ 6 7______ 8__ 9______ 10____ 11 12_______ 13______________ 14________ 15____ 16 17_ 18 19 20_ 21_____ 22 23_ 24 25__________ 26 27________ 28 29__ 30__ 31__________ 32 33_ 34 35_____ 36

Chunks:
  TruePositive nam [13,15] = Międzynarodowego Czerwonego Krzyża
  TruePositive nam [17,17] = MCK
  FalsePositive nam [29,31] = Baba Amru Syryjczykami
  FalseNegative nam [29,30] = Baba Amru
  FalseNegative nam [31,31] = Syryjczykami

(ChunkerEvaluator) Sentence #6892 from articles/00107654 from sent20

Text  : Według opozycji z Lokalnych Komitetów Koordynacyjnych zdarza się , że pod pracowników MCK podszywają się bojówkarze na usługach Asada ,  którzy w  ten sposób zwabiają rebeliantów .
Tokens: 1_____ 2_______ 3 4________ 5________ 6______________ 7_____ 8__ 9 10 11_ 12_________ 13_ 14________ 15_ 16________ 17 18______ 19___ 20 21____ 22 23_ 24____ 25______ 26_________ 27

Chunks:
  TruePositive nam [4,6] = Lokalnych Komitetów Koordynacyjnych
  TruePositive nam [13,13] = MCK
  FalseNegative nam [19,19] = Asada

(ChunkerEvaluator) Sentence #6893 from articles/00107654 from sent21

Text  : Wysoka komisarz ONZ ds . praw człowieka Navi Pillay we wtorek na nadzwyczajnym posiedzeniu Rady Praw Człowieka ONZ wezwała do natychmiastowego wstrzymania przemocy w  Syrii ,  gdzie sytuacja od początku lutego „  gwałtownie się pogorszyła ”  .
Tokens: 1_____ 2_______ 3__ 4_ 5 6___ 7________ 8___ 9_____ 10 11____ 12 13___________ 14_________ 15__ 16__ 17_______ 18_ 19_____ 20 21______________ 22_________ 23______ 24 25___ 26 27___ 28______ 29 30______ 31____ 32 33________ 34_ 35________ 36 37

Chunks:
  TruePositive nam [8,9] = Navi Pillay
  TruePositive nam [25,25] = Syrii
  FalsePositive nam [3,3] = ONZ
  FalsePositive nam [15,17] = Rady Praw Człowieka
  FalsePositive nam [18,18] = ONZ
  FalseNegative nam [3,7] = ONZ ds . praw człowieka
  FalseNegative nam [15,18] = Rady Praw Człowieka ONZ

(ChunkerEvaluator) Sentence #6894 from articles/00107654 from sent22

Text  : Prezydent Tunezji Moncef Marzouki powiedział , że jest gotów udzielić azylu prezydentowi Syrii .
Tokens: 1________ 2______ 3_____ 4_______ 5_________ 6 7_ 8___ 9____ 10______ 11___ 12__________ 13___ 14

Chunks:
  TruePositive nam [2,2] = Tunezji
  TruePositive nam [13,13] = Syrii
  FalseNegative nam [3,4] = Moncef Marzouki

2016-10-27 14:59:45,891 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 287 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107655.xml
(ChunkerEvaluator) Sentence #6895 from articles/00107655 from sent1

Text  : Topa i Dziędziel w & quot ; Siedmiu dniach &  quot ;  -  nowym filmie Smarzowskiego
Tokens: 1___ 2 3________ 4 5 6___ 7 8______ 9_____ 10 11__ 12 13 14___ 15____ 16___________

Chunks:
  TruePositive nam [16,16] = Smarzowskiego
  FalseNegative nam [1,1] = Topa
  FalseNegative nam [3,3] = Dziędziel
  FalseNegative nam [8,9] = Siedmiu dniach

(ChunkerEvaluator) Sentence #6896 from articles/00107655 from sent2

Text  : Bartłomiej Topa , Marian Dziędziel i Marcin Dorociński znaleźli się w  obsadzie nowego filmu Wojciecha Smarzowskiego ,  kryminału politycznego pod roboczym tytułem &  quot ;  Siedem dni &  quot ;  -  poinformowano w  komunikacie koproducenta tego filmu ,  Canal +  .
Tokens: 1_________ 2___ 3 4_____ 5________ 6 7_____ 8_________ 9_______ 10_ 11 12______ 13____ 14___ 15_______ 16___________ 17 18_______ 19__________ 20_ 21______ 22_____ 23 24__ 25 26____ 27_ 28 29__ 30 31 32___________ 33 34_________ 35__________ 36__ 37___ 38 39___ 40 41

Chunks:
  TruePositive nam [1,2] = Bartłomiej Topa
  TruePositive nam [4,5] = Marian Dziędziel
  TruePositive nam [7,8] = Marcin Dorociński
  TruePositive nam [15,16] = Wojciecha Smarzowskiego
  TruePositive nam [39,40] = Canal +
  FalseNegative nam [26,27] = Siedem dni

(ChunkerEvaluator) Sentence #6897 from articles/00107655 from sent3

Text  : Zdjęcia do " Siedmiu dni " trwają od 18 lutego -  wyjaśniła Katarzyna Pietrzak z  Biura Public Relations CANAL +  .
Tokens: 1______ 2_ 3 4______ 5__ 6 7_____ 8_ 9_ 10____ 11 12_______ 13_______ 14______ 15 16___ 17____ 18_______ 19___ 20 21

Chunks:
  TruePositive nam [13,14] = Katarzyna Pietrzak
  FalsePositive nam [16,20] = Biura Public Relations CANAL +
  FalseNegative nam [4,5] = Siedmiu dni
  FalseNegative nam [16,18] = Biura Public Relations
  FalseNegative nam [19,20] = CANAL +

(ChunkerEvaluator) Sentence #6898 from articles/00107655 from sent4

Text  : Akcja politycznego kryminału rozgrywa się w ciągu siedmiu dni .
Tokens: 1____ 2___________ 3________ 4_______ 5__ 6 7____ 8______ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #6899 from articles/00107655 from sent5

Text  : Bohaterowie tej historii to grupa siedmiu kolegów .
Tokens: 1__________ 2__ 3_______ 4_ 5____ 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #6900 from articles/00107655 from sent6

Text  : W opowiedzianej przez Smarzowskiego historii znajdzie się nawiązanie do siedmiu grzechów głównych .
Tokens: 1 2____________ 3____ 4____________ 5_______ 6_______ 7__ 8_________ 9_ 10_____ 11______ 12______ 13

Chunks:
  FalseNegative nam [4,4] = Smarzowskiego

(ChunkerEvaluator) Sentence #6901 from articles/00107655 from sent7

Text  : Wątek kryminalny w filmie to przypowieść o korupcji , o  której sam reżyser napisał w  eksplikacji :  "  Zaczyna się na tylnym siedzeniu radiowozu ,  a  kończy w  .  .  .
Tokens: 1____ 2_________ 3 4_____ 5_ 6__________ 7 8_______ 9 10 11____ 12_ 13_____ 14_____ 15 16_________ 17 18 19_____ 20_ 21 22____ 23_______ 24_______ 25 26 27____ 28 29 30 31

Chunks:

(ChunkerEvaluator) Sentence #6902 from articles/00107655 from sent8

Text  : Brukseli " .
Tokens: 1_______ 2 3

Chunks:
  TruePositive nam [1,1] = Brukseli

(ChunkerEvaluator) Sentence #6903 from articles/00107655 from sent9

Text  : Oprócz Topy , który w " Siedmiu dniach " gra główną rolę ,  oraz Dziędziela i  Dorocińskiego ,  w  filmie wystąpią m  .  in .  Julia Kijowska ,  Arkadiusz Jakubik ,  Robert Wabich ,  Eryk Lubos ,  Jacek Braciak i  Iza Kuna .
Tokens: 1_____ 2___ 3 4____ 5 6 7______ 8_____ 9 10_ 11____ 12__ 13 14__ 15________ 16 17___________ 18 19 20____ 21______ 22 23 24 25 26___ 27______ 28 29_______ 30_____ 31 32____ 33____ 34 35__ 36___ 37 38___ 39_____ 40 41_ 42__ 43

Chunks:
  TruePositive nam [2,2] = Topy
  TruePositive nam [7,8] = Siedmiu dniach
  TruePositive nam [26,27] = Julia Kijowska
  TruePositive nam [29,30] = Arkadiusz Jakubik
  TruePositive nam [32,33] = Robert Wabich
  TruePositive nam [35,36] = Eryk Lubos
  TruePositive nam [38,39] = Jacek Braciak
  TruePositive nam [41,42] = Iza Kuna
  FalseNegative nam [15,15] = Dziędziela
  FalseNegative nam [17,17] = Dorocińskiego

2016-10-27 14:59:45,946 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 288 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107656.xml
(ChunkerEvaluator) Sentence #6904 from articles/00107656 from sent1

Text  : Karty kibica Pogoni nie tylko w klubie
Tokens: 1____ 2_____ 3_____ 4__ 5____ 6 7_____

Chunks:
  TruePositive nam [3,3] = Pogoni

(ChunkerEvaluator) Sentence #6905 from articles/00107656 from sent2

Text  : Do dyspozycji kibiców będą dwa stanowiska więcej .
Tokens: 1_ 2_________ 3______ 4___ 5__ 6_________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #6906 from articles/00107656 from sent3

Text  : Pierwsze z nich będzie czynne w CH Molo ( Pomorzany )  ,  drugie w  CH Zodiak (  w  Stargardzie )  .
Tokens: 1_______ 2 3___ 4_____ 5_____ 6 7_ 8___ 9 10_______ 11 12 13____ 14 15 16____ 17 18 19_________ 20 21

Chunks:
  TruePositive nam [7,8] = CH Molo
  TruePositive nam [15,16] = CH Zodiak
  TruePositive nam [19,19] = Stargardzie
  FalseNegative nam [10,10] = Pomorzany

(ChunkerEvaluator) Sentence #6907 from articles/00107656 from sent4

Text  : Oba punkty będą działały w najbliższą sobotę w godzinach 13 -  21 .
Tokens: 1__ 2_____ 3___ 4_______ 5 6_________ 7_____ 8 9________ 10 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #6908 from articles/00107656 from sent5

Text  : Wyrobienie karty kibica jest podstawowym krokiem fanów Pogoni , którzy chcą oglądać spotkania w  Szczecinie .
Tokens: 1_________ 2____ 3_____ 4___ 5__________ 6______ 7____ 8_____ 9 10____ 11__ 12_____ 13_______ 14 15________ 16

Chunks:
  TruePositive nam [8,8] = Pogoni
  TruePositive nam [15,15] = Szczecinie

(ChunkerEvaluator) Sentence #6909 from articles/00107656 from sent6

Text  : Drugim - będzie zakup bilety lub karnetu , a zdecydowanie korzystniej jest kupić karnet .
Tokens: 1_____ 2 3_____ 4____ 5_____ 6__ 7______ 8 9 10__________ 11_________ 12__ 13___ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #6910 from articles/00107656 from sent7

Text  : - Przy zakupie karnetu rodzinnego za 75 zł na sektory 15 -  19 na stadion wejdą 3  osoby -  dwoje dorosłych i  dziecko lub opiekun z  dwójką dzieci .
Tokens: 1 2___ 3______ 4______ 5_________ 6_ 7_ 8_ 9_ 10_____ 11 12 13 14 15_____ 16___ 17 18___ 19 20___ 21_______ 22 23_____ 24_ 25_____ 26 27____ 28____ 29

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #6911 from articles/00107656 from sent8

Text  : Wtedy bilet kosztuje 3 , 57 zł na osobę -  wylicza Łukasz Kasprzyk ,  rzecznik prasowy Pogoni .
Tokens: 1____ 2____ 3_______ 4 5 6_ 7_ 8_ 9____ 10 11_____ 12____ 13______ 14 15______ 16_____ 17____ 18

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [12,13] = Łukasz Kasprzyk
  TruePositive nam [17,17] = Pogoni

(ChunkerEvaluator) Sentence #6912 from articles/00107656 from sent9

Text  : Są i inne promocje cenowe .
Tokens: 1_ 2 3___ 4_______ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #6913 from articles/00107656 from sent10

Text  : Więcej informacji - www.pogonszczecin.pl
Tokens: 1_____ 2_________ 3 4___________________

Chunks:
  TruePositive nam [4,4] = www.pogonszczecin.pl

2016-10-27 14:59:45,988 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 289 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107657.xml
(ChunkerEvaluator) Sentence #6914 from articles/00107657 from sent1

Text  : Dwaj Australijczycy , którzy rozśmieszają cały świat
Tokens: 1___ 2_____________ 3 4_____ 5___________ 6___ 7____

Chunks:
  TruePositive nam [2,2] = Australijczycy

(ChunkerEvaluator) Sentence #6915 from articles/00107657 from sent2

Text  : W sobotę ( godz . 20 ) w Rotundzie (  ul .  Oleandry 1  )  wystąpią Umbilical Brothers .
Tokens: 1 2_____ 3 4___ 5 6_ 7 8 9________ 10 11 12 13______ 14 15 16______ 17_______ 18______ 19

Chunks:
  TruePositive nam [9,9] = Rotundzie
  TruePositive nam [13,13] = Oleandry
  TruePositive nam [17,18] = Umbilical Brothers

(ChunkerEvaluator) Sentence #6916 from articles/00107657 from sent3

Text  : Tworzący zespół Australijczycy - Shane Dundas i David Collins -  to fenomen kabaretowej sceny na skalę światową .
Tokens: 1_______ 2_____ 3_____________ 4 5____ 6_____ 7 8____ 9______ 10 11 12_____ 13_________ 14___ 15 16___ 17______ 18

Chunks:
  TruePositive nam [3,3] = Australijczycy
  TruePositive nam [5,6] = Shane Dundas
  TruePositive nam [8,9] = David Collins

(ChunkerEvaluator) Sentence #6917 from articles/00107657 from sent4

Text  : Ich występy to połączenie pantomimy , lalkarstwa , prostych ,  ale błyskotliwych dialogów oraz efektów wokalno -  dźwiękowych .
Tokens: 1__ 2______ 3_ 4_________ 5________ 6 7_________ 8 9_______ 10 11_ 12___________ 13______ 14__ 15_____ 16_____ 17 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #6918 from articles/00107657 from sent5

Text  : „ Umbilical Brothers to innowacyjne , rozbudzające umysł przedstawienia teatralne ,  pełne zaraźliwej energii i  humoru .
Tokens: 1 2________ 3_______ 4_ 5__________ 6 7___________ 8____ 9_____________ 10_______ 11 12___ 13________ 14_____ 15 16____ 17

Chunks:
  TruePositive nam [2,3] = Umbilical Brothers

(ChunkerEvaluator) Sentence #6919 from articles/00107657 from sent6

Text  : Całość utrzymana jest w klimacie absurdu i radosnej nieprzewidywalności .
Tokens: 1_____ 2________ 3___ 4 5_______ 6______ 7 8_______ 9__________________ 10

Chunks:

(ChunkerEvaluator) Sentence #6920 from articles/00107657 from sent7

Text  : Postaci , które przeżywają groteskowo niebezpieczne przygody , wszechobecny ruch ,  zaskakująca forma ,  elementy komedii filmowej ,  tzw .  slapstick ,  tego nie znajdziemy w  najlepszym rozrywkowym programie telewizyjnym .
Tokens: 1______ 2 3____ 4_________ 5_________ 6____________ 7_______ 8 9___________ 10__ 11 12_________ 13___ 14 15______ 16_____ 17______ 18 19_ 20 21_______ 22 23__ 24_ 25________ 26 27________ 28_________ 29_______ 30__________ 31

Chunks:

(ChunkerEvaluator) Sentence #6921 from articles/00107657 from sent8

Text  : Do listy atutów dopisać należy jeszcze zachęcanie podczas występów publiczności do interakcji ”  -  czytamy w  zapowiedzi .
Tokens: 1_ 2____ 3_____ 4______ 5_____ 6______ 7_________ 8______ 9_______ 10__________ 11 12________ 13 14 15_____ 16 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #6922 from articles/00107657 from sent9

Text  : Niektórzy nawet nazywają Umbilical Brothers „ australijskim produktem eksportowym ”  ,  bo ich występy podbiły serca internautów na całym świecie .
Tokens: 1________ 2____ 3_______ 4________ 5_______ 6 7____________ 8________ 9__________ 10 11 12 13_ 14_____ 15_____ 16___ 17_________ 18 19___ 20_____ 21

Chunks:
  TruePositive nam [4,5] = Umbilical Brothers

(ChunkerEvaluator) Sentence #6923 from articles/00107657 from sent10

Text  : W Krakowie zaprezentują swój najnowszy program - „ Heaven by Strom ”  .
Tokens: 1 2_______ 3___________ 4___ 5________ 6______ 7 8 9_____ 10 11___ 12 13

Chunks:
  TruePositive nam [2,2] = Krakowie
  FalsePositive nam [11,11] = Strom
  FalseNegative nam [9,11] = Heaven by Strom

2016-10-27 14:59:46,040 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 290 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107658.xml
(ChunkerEvaluator) Sentence #6924 from articles/00107658 from sent1

Text  : Policja prosi o pomoc w ustaleniu sprawcy
Tokens: 1______ 2____ 3 4____ 5 6________ 7______

Chunks:

(ChunkerEvaluator) Sentence #6925 from articles/00107658 from sent2

Text  : Policjanci Wydziału ds . Wykroczeń i Postępowań Administracyjnych Komendy Miejskiej Policji w  Bydgoszczy prowadzą czynności wyjaśniające w  sprawie zdarzenia drogowego ,  do którego doszło w  Fordonie .
Tokens: 1_________ 2_______ 3_ 4 5________ 6 7_________ 8________________ 9______ 10_______ 11_____ 12 13________ 14______ 15_______ 16__________ 17 18_____ 19_______ 20_______ 21 22 23_____ 24____ 25 26______ 27

Chunks:
  TruePositive nam [13,13] = Bydgoszczy
  FalsePositive nam [5,5] = Wykroczeń
  FalsePositive nam [7,11] = Postępowań Administracyjnych Komendy Miejskiej Policji
  FalseNegative nam [2,8] = Wydziału ds . Wykroczeń i Postępowań Administracyjnych
  FalseNegative nam [9,11] = Komendy Miejskiej Policji
  FalseNegative nam [26,26] = Fordonie

(ChunkerEvaluator) Sentence #6926 from articles/00107658 from sent3

Text  : Dnia 21 lub 22 lutego pomiędzy 21 : 00 a  7  :  15 w  Bydgoszczy na parkingu przy ulicy Wyzwolenia 102 nieustalony pojazd uszkodził zaparkowanego citroena C4 .
Tokens: 1___ 2_ 3__ 4_ 5_____ 6_______ 7_ 8 9_ 10 11 12 13 14 15________ 16 17______ 18__ 19___ 20________ 21_ 22_________ 23____ 24_______ 25___________ 26______ 27 28

Chunks:
  TruePositive nam [15,15] = Bydgoszczy
  TruePositive nam [20,20] = Wyzwolenia
  FalseNegative nam [26,27] = citroena C4

(ChunkerEvaluator) Sentence #6927 from articles/00107658 from sent4

Text  : Numer sprawy WA - 2 / 12 / 245 ;
Tokens: 1____ 2_____ 3_ 4 5 6 7_ 8 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #6928 from articles/00107658 from sent5

Text  : Świadków prosimy o kontakt osobisty lub telefoniczny z funkcjonariuszami Wydziału ds .  Wykroczeń i  Postępowań Administracyjnych KMP w  Bydgoszczy przy ulicy Iławskiej 24 ,  tel .  (  52 )  525 -  51 -  53 w  godz .  7  :  30 -  15 :  30 ,  tel .  (  52 )  525 -  51 -  59 całodobowo .
Tokens: 1_______ 2______ 3 4______ 5_______ 6__ 7___________ 8 9________________ 10______ 11 12 13_______ 14 15________ 16_______________ 17_ 18 19________ 20__ 21___ 22_______ 23 24 25_ 26 27 28 29 30_ 31 32 33 34 35 36__ 37 38 39 40 41 42 43 44 45 46_ 47 48 49 50 51_ 52 53 54 55 56________ 57

Chunks:
  TruePositive nam [19,19] = Bydgoszczy
  TruePositive nam [22,22] = Iławskiej
  FalsePositive nam [13,13] = Wykroczeń
  FalsePositive nam [15,17] = Postępowań Administracyjnych KMP
  FalseNegative nam [10,16] = Wydziału ds . Wykroczeń i Postępowań Administracyjnych
  FalseNegative nam [17,17] = KMP

2016-10-27 14:59:46,080 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 291 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107659.xml
(ChunkerEvaluator) Sentence #6929 from articles/00107659 from sent1

Text  : T - Mobile Ekstraklasa - Lechia - Wisła 0 :  2
Tokens: 1 2 3_____ 4__________ 5 6_____ 7 8____ 9 10 11

Chunks:
  TruePositive nam [1,4] = T - Mobile Ekstraklasa
  TruePositive nam [6,6] = Lechia
  TruePositive nam [8,8] = Wisła

(ChunkerEvaluator) Sentence #6930 from articles/00107659 from sent2

Text  : Lechia Gdańsk - Wisła Kraków 0 : 2 ( 0  :  2  )
Tokens: 1_____ 2_____ 3 4____ 5_____ 6 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [1,2] = Lechia Gdańsk
  FalsePositive nam [4,4] = Wisła
  FalsePositive nam [5,5] = Kraków
  FalseNegative nam [4,5] = Wisła Kraków

(ChunkerEvaluator) Sentence #6931 from articles/00107659 from sent3

Text  : Bramki : 0 : 1 Kew Jaliens ( 8 )  ,  0  :  2  David Biton (  40 -  karny )  .
Tokens: 1_____ 2 3 4 5 6__ 7______ 8 9 10 11 12 13 14 15___ 16___ 17 18 19 20___ 21 22

Chunks:
  TruePositive nam [6,7] = Kew Jaliens
  TruePositive nam [15,16] = David Biton
  FalsePositive nam [1,1] = Bramki

(ChunkerEvaluator) Sentence #6932 from articles/00107659 from sent4

Text  : Żółta kartka - Lechia Gdańsk : Deleu , Luka Vucko ,  Jakub Wilk .
Tokens: 1____ 2_____ 3 4_____ 5_____ 6 7____ 8 9___ 10___ 11 12___ 13__ 14

Chunks:
  TruePositive nam [4,5] = Lechia Gdańsk
  TruePositive nam [9,10] = Luka Vucko
  TruePositive nam [12,13] = Jakub Wilk
  FalseNegative nam [7,7] = Deleu

(ChunkerEvaluator) Sentence #6933 from articles/00107659 from sent5

Text  : Wisła Kraków : Gordan Bunoza , Junior Diaz , Kew Jaliens ,  Ivica Iliev .
Tokens: 1____ 2_____ 3 4_____ 5_____ 6 7_____ 8___ 9 10_ 11_____ 12 13___ 14___ 15

Chunks:
  TruePositive nam [4,5] = Gordan Bunoza
  TruePositive nam [7,8] = Junior Diaz
  TruePositive nam [10,11] = Kew Jaliens
  TruePositive nam [13,14] = Ivica Iliev
  FalsePositive nam [2,2] = Kraków
  FalseNegative nam [1,2] = Wisła Kraków

(ChunkerEvaluator) Sentence #6934 from articles/00107659 from sent6

Text  : Sędzia : Marcin Borski ( Warszawa ) .
Tokens: 1_____ 2 3_____ 4_____ 5 6_______ 7 8

Chunks:
  TruePositive nam [3,4] = Marcin Borski
  TruePositive nam [6,6] = Warszawa
  FalsePositive nam [1,1] = Sędzia

(ChunkerEvaluator) Sentence #6935 from articles/00107659 from sent7

Text  : Widzów 16 000 .
Tokens: 1_____ 2_ 3__ 4

Chunks:

2016-10-27 14:59:46,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 292 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107660.xml
(ChunkerEvaluator) Sentence #6936 from articles/00107660 from sent1

Text  : 50 . zwycięstwo przez nokaut Władimira Kliczki
Tokens: 1_ 2 3_________ 4____ 5_____ 6________ 7______

Chunks:
  TruePositive nam [6,7] = Władimira Kliczki

(ChunkerEvaluator) Sentence #6937 from articles/00107660 from sent2

Text  : Ukraiński bokser Władimir Kliczko odniósł 50 . zwycięstwo przez nokaut w  karierze .
Tokens: 1________ 2_____ 3_______ 4______ 5______ 6_ 7 8_________ 9____ 10____ 11 12______ 13

Chunks:
  TruePositive nam [3,4] = Władimir Kliczko

(ChunkerEvaluator) Sentence #6938 from articles/00107660 from sent3

Text  : W sobotę pokonał w Duesseldorfie Francuza Jeana - Marka Mormecka i  obronił tytuły mistrza świata :  WBA (  federacja przyznała mu status superczempiona )  ,  IBF ,  WBO i  mniej znaczący IBO .
Tokens: 1 2_____ 3______ 4 5____________ 6_______ 7____ 8 9____ 10______ 11 12_____ 13____ 14_____ 15____ 16 17_ 18 19_______ 20_______ 21 22____ 23____________ 24 25 26_ 27 28_ 29 30___ 31______ 32_ 33

Chunks:
  TruePositive nam [26,26] = IBF
  TruePositive nam [28,28] = WBO
  FalsePositive nam [6,10] = Francuza Jeana - Marka Mormecka
  FalseNegative nam [5,5] = Duesseldorfie
  FalseNegative nam [6,6] = Francuza
  FalseNegative nam [7,10] = Jeana - Marka Mormecka
  FalseNegative nam [14,15] = mistrza świata
  FalseNegative nam [17,17] = WBA
  FalseNegative nam [23,23] = superczempiona
  FalseNegative nam [32,32] = IBO

(ChunkerEvaluator) Sentence #6939 from articles/00107660 from sent4

Text  : Pas organizacji WBC należy do starszego brata Władimira - Witalija Kliczki ,  zaś WBA do Rosjanina Aleksandra Powietkina .
Tokens: 1__ 2__________ 3__ 4_____ 5_ 6________ 7____ 8________ 9 10______ 11_____ 12 13_ 14_ 15 16_______ 17________ 18________ 19

Chunks:
  TruePositive nam [16,16] = Rosjanina
  TruePositive nam [17,18] = Aleksandra Powietkina
  FalsePositive nam [8,8] = Władimira
  FalsePositive nam [10,11] = Witalija Kliczki
  FalseNegative nam [3,3] = WBC
  FalseNegative nam [8,11] = Władimira - Witalija Kliczki
  FalseNegative nam [14,14] = WBA

2016-10-27 14:59:46,125 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 293 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107661.xml
(ChunkerEvaluator) Sentence #6940 from articles/00107661 from sent1

Text  : Kosheen z nową płytą .
Tokens: 1______ 2 3___ 4____ 5

Chunks:
  FalseNegative nam [1,1] = Kosheen

(ChunkerEvaluator) Sentence #6941 from articles/00107661 from sent2

Text  : Brytyjska gwiazda już w sobotę w Łodzi !
Tokens: 1________ 2______ 3__ 4 5_____ 6 7____ 8

Chunks:
  TruePositive nam [7,7] = Łodzi

(ChunkerEvaluator) Sentence #6942 from articles/00107661 from sent3

Text  : Grupa znana z przebojowego łączenia połamanej elektroniki , trip -  hopu i  rocka ,  będzie 10 marca gwiazdą imprezy „  Beat Me ”  w  klubie Lordi's (  ul .  Piotrkowska 102 )  .
Tokens: 1____ 2____ 3 4___________ 5_______ 6________ 7__________ 8 9___ 10 11__ 12 13___ 14 15____ 16 17___ 18_____ 19_____ 20 21__ 22 23 24 25____ 26_____ 27 28 29 30_________ 31_ 32 33

Chunks:
  TruePositive nam [21,22] = Beat Me
  TruePositive nam [26,26] = Lordi's
  TruePositive nam [30,30] = Piotrkowska

(ChunkerEvaluator) Sentence #6943 from articles/00107661 from sent4

Text  : Wystąpi także inna znana postać wyspiarskiej sceny elektronicznej - DJ Luna C
Tokens: 1______ 2____ 3___ 4____ 5_____ 6___________ 7____ 8_____________ 9 10 11__ 12

Chunks:
  TruePositive nam [10,12] = DJ Luna C

(ChunkerEvaluator) Sentence #6944 from articles/00107661 from sent5

Text  : Kosheen w sobotę w Łodzi
Tokens: 1______ 2 3_____ 4 5____

Chunks:
  TruePositive nam [5,5] = Łodzi
  FalseNegative nam [1,1] = Kosheen

(ChunkerEvaluator) Sentence #6945 from articles/00107661 from sent6

Text  : Grupa znana z przebojowego łączenia połamanej elektroniki , trip -  hopu i  rocka
Tokens: 1____ 2____ 3 4___________ 5_______ 6________ 7__________ 8 9___ 10 11__ 12 13___

Chunks:

(ChunkerEvaluator) Sentence #6946 from articles/00107661 from sent7

Text  : Kosheen , znani z przebojowego łączenia połamanej elektroniki , trip -  hopu i  rocka ,  będzą 10 marca gwiazdą imprezy "  Beat Me "  w  klubie Lordi's (  Piotrkowska 102 )
Tokens: 1______ 2 3____ 4 5___________ 6_______ 7________ 8__________ 9 10__ 11 12__ 13 14___ 15 16___ 17 18___ 19_____ 20_____ 21 22__ 23 24 25 26____ 27_____ 28 29_________ 30_ 31

Chunks:
  TruePositive nam [22,23] = Beat Me
  TruePositive nam [27,27] = Lordi's
  TruePositive nam [29,29] = Piotrkowska
  FalseNegative nam [1,1] = Kosheen

(ChunkerEvaluator) Sentence #6947 from articles/00107661 from sent8

Text  : Grupa znana z przebojowego łączenia połamanej elektroniki , trip -  hopu i  rocka ,  będzie 10 marca gwiazdą imprezy "  Beat Me "  w  klubie Lordi's (  ul .  Piotrkowska 102 )  .
Tokens: 1____ 2____ 3 4___________ 5_______ 6________ 7__________ 8 9___ 10 11__ 12 13___ 14 15____ 16 17___ 18_____ 19_____ 20 21__ 22 23 24 25____ 26_____ 27 28 29 30_________ 31_ 32 33

Chunks:
  TruePositive nam [21,22] = Beat Me
  TruePositive nam [26,26] = Lordi's
  TruePositive nam [30,30] = Piotrkowska

(ChunkerEvaluator) Sentence #6948 from articles/00107661 from sent9

Text  : Wystąpi także inna znana postać wyspiarskiej sceny elektronicznej - DJ Luna C
Tokens: 1______ 2____ 3___ 4____ 5_____ 6___________ 7____ 8_____________ 9 10 11__ 12

Chunks:
  TruePositive nam [10,12] = DJ Luna C

(ChunkerEvaluator) Sentence #6949 from articles/00107661 from sent10

Text  : Kosheen to trio założone w 1999 r . w Bristolu ,  jednym z  najważniejszych w  tym czasie centrów muzyki elektronicznej na świecie ,  przez producentów Substance'a i  Decodera oraz pochodzącą z  Walii wokalistkę Sian Evans .
Tokens: 1______ 2_ 3___ 4_______ 5 6___ 7 8 9 10______ 11 12____ 13 14_____________ 15 16_ 17____ 18_____ 19____ 20____________ 21 22_____ 23 24___ 25_________ 26_________ 27 28______ 29__ 30________ 31 32___ 33________ 34__ 35___ 36

Chunks:
  TruePositive nam [10,10] = Bristolu
  TruePositive nam [32,32] = Walii
  TruePositive nam [34,35] = Sian Evans
  FalsePositive nam [26,26] = Substance'a
  FalsePositive nam [28,28] = Decodera
  FalseNegative nam [1,1] = Kosheen
  FalseNegative nam [26,28] = Substance'a i Decodera

(ChunkerEvaluator) Sentence #6950 from articles/00107661 from sent11

Text  : Bez jej tekstów i przyjemnego głosu zabarwionego " nutką melancholii "  Kosheen na pewno nie odniósł by takiego sukcesu .
Tokens: 1__ 2__ 3______ 4 5__________ 6____ 7___________ 8 9____ 10_________ 11 12_____ 13 14___ 15_ 16_____ 17 18_____ 19_____ 20

Chunks:
  FalseNegative nam [12,12] = Kosheen

(ChunkerEvaluator) Sentence #6951 from articles/00107661 from sent12

Text  : Zespół miał wymarzony stary .
Tokens: 1_____ 2___ 3________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #6952 from articles/00107661 from sent13

Text  : Debiutancki album " Resist " był naszpikowany przebojami , które przez długie miesiące rozbrzmiewały nie tylko w  klubach ,  ale w  mainstreamowych radiostacjach i  telewizjach muzycznych .
Tokens: 1__________ 2____ 3 4_____ 5 6__ 7___________ 8_________ 9 10___ 11___ 12____ 13______ 14___________ 15_ 16___ 17 18_____ 19 20_ 21 22_____________ 23___________ 24 25_________ 26________ 27

Chunks:
  FalseNegative nam [4,4] = Resist

(ChunkerEvaluator) Sentence #6953 from articles/00107661 from sent14

Text  : " Hide U " , " Catch " , "  Empty Skies "  czy "  Hungry "  inspirowały młodych artystów i  didżejów do łączenia breakbeatu i  drum'n'bassu z  rockową energią i  melodyjnym kobiecym głosem .
Tokens: 1 2___ 3 4 5 6 7____ 8 9 10 11___ 12___ 13 14_ 15 16____ 17 18_________ 19_____ 20______ 21 22______ 23 24______ 25________ 26 27__________ 28 29_____ 30_____ 31 32________ 33______ 34____ 35

Chunks:
  TruePositive nam [11,12] = Empty Skies
  FalseNegative nam [2,3] = Hide U
  FalseNegative nam [7,7] = Catch
  FalseNegative nam [16,16] = Hungry

(ChunkerEvaluator) Sentence #6954 from articles/00107661 from sent15

Text  : " Resist " i jego następca z 2003 r .
Tokens: 1 2_____ 3 4 5___ 6_______ 7 8___ 9 10

Chunks:
  FalseNegative nam [2,2] = Resist

(ChunkerEvaluator) Sentence #6955 from articles/00107661 from sent16

Text  : - " Kokopelli " - pokryły się na Wyspach złotem ,  w  kilku innych europejskich krajach także wspięły się na wysokie miejsca list sprzedaży .
Tokens: 1 2 3________ 4 5 6______ 7__ 8_ 9______ 10____ 11 12 13___ 14____ 15__________ 16_____ 17___ 18_____ 19_ 20 21_____ 22_____ 23__ 24_______ 25

Chunks:
  FalseNegative nam [3,3] = Kokopelli

(ChunkerEvaluator) Sentence #6956 from articles/00107661 from sent17

Text  : Później było już gorzej .
Tokens: 1______ 2___ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #6957 from articles/00107661 from sent18

Text  : Album " Damage " z 2007 r . przeszedł właściwie niezauważony .
Tokens: 1____ 2 3_____ 4 5 6___ 7 8 9________ 10_______ 11__________ 12

Chunks:
  FalseNegative nam [3,3] = Damage

(ChunkerEvaluator) Sentence #6958 from articles/00107661 from sent19

Text  : Wkrótce ma się ukazać czwarty album zatytułowany " Independence "  .
Tokens: 1______ 2_ 3__ 4_____ 5______ 6____ 7___________ 8 9___________ 10 11

Chunks:
  FalseNegative nam [9,9] = Independence

(ChunkerEvaluator) Sentence #6959 from articles/00107661 from sent20

Text  : Promuje go singiel " Get A New One " .
Tokens: 1______ 2_ 3______ 4 5__ 6 7__ 8__ 9 10

Chunks:
  TruePositive nam [5,8] = Get A New One

(ChunkerEvaluator) Sentence #6960 from articles/00107661 from sent21

Text  : Christophera Howella , ukrywającego się pod pseudonimem Luna - C  ,  gościli śmy w  Łodzi już kilka razy .
Tokens: 1___________ 2______ 3 4___________ 5__ 6__ 7__________ 8___ 9 10 11 12_____ 13_ 14 15___ 16_ 17___ 18__ 19

Chunks:
  TruePositive nam [1,2] = Christophera Howella
  TruePositive nam [8,10] = Luna - C
  TruePositive nam [15,15] = Łodzi

(ChunkerEvaluator) Sentence #6961 from articles/00107661 from sent22

Text  : Ten mieszkający dziś w Stanach Brytyjczyk założył w 1993 r  .  wytwórnię Kniteforce ,  której wydawnictwa cieszą się uznaniem miłośników breakbeatu ,  oldschoolu ,  hardcore'a ,  happy hardcore'a czy drum'n'bassu na całym świecie .
Tokens: 1__ 2__________ 3___ 4 5______ 6_________ 7______ 8 9___ 10 11 12_______ 13________ 14 15____ 16_________ 17____ 18_ 19______ 20________ 21________ 22 23________ 24 25________ 26 27___ 28________ 29_ 30__________ 31 32___ 33_____ 34

Chunks:
  FalsePositive nam [5,6] = Stanach Brytyjczyk
  FalseNegative nam [5,5] = Stanach
  FalseNegative nam [6,6] = Brytyjczyk
  FalseNegative nam [13,13] = Kniteforce

(ChunkerEvaluator) Sentence #6962 from articles/00107661 from sent23

Text  : Imprezy pod patronatem Kniteforce łódzcy didżeje i promotorzy organizowali w  nieistniejących już Kontrastach ,  a  wcześniej w  Nexusie .
Tokens: 1______ 2__ 3_________ 4_________ 5_____ 6______ 7 8_________ 9___________ 10 11_____________ 12_ 13_________ 14 15 16_______ 17 18_____ 19

Chunks:
  TruePositive nam [13,13] = Kontrastach
  FalseNegative nam [4,4] = Kniteforce
  FalseNegative nam [18,18] = Nexusie

(ChunkerEvaluator) Sentence #6963 from articles/00107661 from sent24

Text  : Skład wykonawców pierwszej imprezy pod hasłem " Beat Me "  (  następne są niewykluczone )  uzupełniają dobrze znani łodzianie .
Tokens: 1____ 2_________ 3________ 4______ 5__ 6_____ 7 8___ 9_ 10 11 12______ 13 14___________ 15 16_________ 17____ 18___ 19_______ 20

Chunks:
  TruePositive nam [8,9] = Beat Me
  FalseNegative nam [19,19] = łodzianie

(ChunkerEvaluator) Sentence #6964 from articles/00107661 from sent25

Text  : Breakbeatowy duet Audiodealers tworzą producent i didżej ExWookie , jeden z  założycieli ekipy Sonic Trip ,  wokół której skupiała się łódzka i  polska scena drum'n'bassowa ,  oraz wokalistka Lollie .
Tokens: 1___________ 2___ 3___________ 4_____ 5________ 6 7_____ 8_______ 9 10___ 11 12_________ 13___ 14___ 15__ 16 17___ 18____ 19______ 20_ 21____ 22 23____ 24___ 25____________ 26 27__ 28________ 29____ 30

Chunks:
  TruePositive nam [14,15] = Sonic Trip
  FalseNegative nam [3,3] = Audiodealers
  FalseNegative nam [8,8] = ExWookie
  FalseNegative nam [29,29] = Lollie

(ChunkerEvaluator) Sentence #6965 from articles/00107661 from sent26

Text  : Na żywo wspiera ich gitarzysta Peter Gryfin .
Tokens: 1_ 2___ 3______ 4__ 5_________ 6____ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Peter Gryfin

(ChunkerEvaluator) Sentence #6966 from articles/00107661 from sent27

Text  : Ekipa Hypnotize to dwóch dobrze znanych w Łodzi producentów i  didżejów :  Bolty i  Nefti .
Tokens: 1____ 2________ 3_ 4____ 5_____ 6______ 7 8____ 9__________ 10 11______ 12 13___ 14 15___ 16

Chunks:
  TruePositive nam [8,8] = Łodzi
  TruePositive nam [15,15] = Nefti
  FalsePositive nam [1,2] = Ekipa Hypnotize
  FalseNegative nam [2,2] = Hypnotize
  FalseNegative nam [13,13] = Bolty

(ChunkerEvaluator) Sentence #6967 from articles/00107661 from sent28

Text  : Zagra także inny stary wyjadacz łódzkiej sceny - DJ Mykee .
Tokens: 1____ 2____ 3___ 4____ 5_______ 6_______ 7____ 8 9_ 10___ 11

Chunks:
  TruePositive nam [9,10] = DJ Mykee

(ChunkerEvaluator) Sentence #6968 from articles/00107661 from sent29

Text  : O oprawę wizualną wieczoru zadba VJ Bladykrzych .
Tokens: 1 2_____ 3_______ 4_______ 5____ 6_ 7__________ 8

Chunks:
  TruePositive nam [6,7] = VJ Bladykrzych

(ChunkerEvaluator) Sentence #6969 from articles/00107661 from sent30

Text  : Bilety w przedsprzedaży kosztują 60 zł ( do kupienia w  Strefie Biletów ,  ul .  Piotrkowska 59 )  .
Tokens: 1_____ 2 3_____________ 4_______ 5_ 6_ 7 8_ 9_______ 10 11_____ 12_____ 13 14 15 16_________ 17 18 19

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [16,16] = Piotrkowska
  FalsePositive nam [11,12] = Strefie Biletów

(ChunkerEvaluator) Sentence #6970 from articles/00107661 from sent31

Text  : W dniu imprezy - 70 zł .
Tokens: 1 2___ 3______ 4 5_ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #6971 from articles/00107661 from sent32

Text  : Kosheen to trio założone w 1999 r . w Bristolu ,  jednym z  najważniejszych w  tym czasie centrów muzyki elektronicznej na świecie ,  przez producentów Substance'a i  Decodera oraz pochodzącą z  Walii wokalistkę Sian Evans .
Tokens: 1______ 2_ 3___ 4_______ 5 6___ 7 8 9 10______ 11 12____ 13 14_____________ 15 16_ 17____ 18_____ 19____ 20____________ 21 22_____ 23 24___ 25_________ 26_________ 27 28______ 29__ 30________ 31 32___ 33________ 34__ 35___ 36

Chunks:
  TruePositive nam [10,10] = Bristolu
  TruePositive nam [32,32] = Walii
  TruePositive nam [34,35] = Sian Evans
  FalsePositive nam [26,26] = Substance'a
  FalsePositive nam [28,28] = Decodera
  FalseNegative nam [1,1] = Kosheen
  FalseNegative nam [26,28] = Substance'a i Decodera

(ChunkerEvaluator) Sentence #6972 from articles/00107661 from sent33

Text  : Bez jej tekstów i przyjemnego głosu zabarwionego „ nutką melancholii ”  Kosheen na pewno nie odniósł by takiego sukcesu .
Tokens: 1__ 2__ 3______ 4 5__________ 6____ 7___________ 8 9____ 10_________ 11 12_____ 13 14___ 15_ 16_____ 17 18_____ 19_____ 20

Chunks:
  FalseNegative nam [12,12] = Kosheen

(ChunkerEvaluator) Sentence #6973 from articles/00107661 from sent34

Text  : Zespół miał wymarzony stary .
Tokens: 1_____ 2___ 3________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #6974 from articles/00107661 from sent35

Text  : Debiutancki album „ Resist ” był naszpikowany przebojami , które przez długie miesiące rozbrzmiewały nie tylko w  klubach ,  ale w  mainstreamowych radiostacjach i  telewizjach muzycznych .
Tokens: 1__________ 2____ 3 4_____ 5 6__ 7___________ 8_________ 9 10___ 11___ 12____ 13______ 14___________ 15_ 16___ 17 18_____ 19 20_ 21 22_____________ 23___________ 24 25_________ 26________ 27

Chunks:
  FalseNegative nam [4,4] = Resist

(ChunkerEvaluator) Sentence #6975 from articles/00107661 from sent36

Text  : „ Hide U ” , „ Catch ” , „  Empty Skies ”  czy „  Hungry ”  inspirowały młodych artystów i  didżejów do łączenia breakbeatu i  drum'n'bassu z  rockową energią i  melodyjnym kobiecym głosem .
Tokens: 1 2___ 3 4 5 6 7____ 8 9 10 11___ 12___ 13 14_ 15 16____ 17 18_________ 19_____ 20______ 21 22______ 23 24______ 25________ 26 27__________ 28 29_____ 30_____ 31 32________ 33______ 34____ 35

Chunks:
  FalsePositive nam [11,13] = Empty Skies ”
  FalseNegative nam [2,3] = Hide U
  FalseNegative nam [7,7] = Catch
  FalseNegative nam [11,12] = Empty Skies
  FalseNegative nam [16,16] = Hungry

(ChunkerEvaluator) Sentence #6976 from articles/00107661 from sent37

Text  : „ Resist ” i jego następca z 2003 r .
Tokens: 1 2_____ 3 4 5___ 6_______ 7 8___ 9 10

Chunks:
  FalseNegative nam [2,2] = Resist

(ChunkerEvaluator) Sentence #6977 from articles/00107661 from sent38

Text  : - „ Kokopelli ” - pokryły się na Wyspach złotem ,  w  kilku innych europejskich krajach także wspięły się na wysokie miejsca list sprzedaży .
Tokens: 1 2 3________ 4 5 6______ 7__ 8_ 9______ 10____ 11 12 13___ 14____ 15__________ 16_____ 17___ 18_____ 19_ 20 21_____ 22_____ 23__ 24_______ 25

Chunks:
  FalseNegative nam [3,3] = Kokopelli

(ChunkerEvaluator) Sentence #6978 from articles/00107661 from sent39

Text  : Później było już gorzej .
Tokens: 1______ 2___ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #6979 from articles/00107661 from sent40

Text  : Album „ Damage ” z 2007 r . przeszedł właściwie niezauważony .
Tokens: 1____ 2 3_____ 4 5 6___ 7 8 9________ 10_______ 11__________ 12

Chunks:
  FalseNegative nam [3,3] = Damage

(ChunkerEvaluator) Sentence #6980 from articles/00107661 from sent41

Text  : Wkrótce ma się ukazać czwarty album zatytułowany „ Independence ”  .
Tokens: 1______ 2_ 3__ 4_____ 5______ 6____ 7___________ 8 9___________ 10 11

Chunks:
  FalseNegative nam [9,9] = Independence

(ChunkerEvaluator) Sentence #6981 from articles/00107661 from sent42

Text  : Promuje go singiel „ Get A New One ” .
Tokens: 1______ 2_ 3______ 4 5__ 6 7__ 8__ 9 10

Chunks:
  TruePositive nam [5,8] = Get A New One

(ChunkerEvaluator) Sentence #6982 from articles/00107661 from sent43

Text  : Skład wykonawców pierwszej imprezy pod hasłem „ Beat Me ”  (  następne są niewykluczone )  uzupełniają dobrze znani łodzianie .
Tokens: 1____ 2_________ 3________ 4______ 5__ 6_____ 7 8___ 9_ 10 11 12______ 13 14___________ 15 16_________ 17____ 18___ 19_______ 20

Chunks:
  TruePositive nam [8,9] = Beat Me

(ChunkerEvaluator) Sentence #6983 from articles/00107661 from sent44

Text  : Breakbeatowy duet Audiodealers tworzą producent i didżej ExWookie , jeden z  założycieli ekipy Sonic Trip ,  wokół której skupiała się łódzka i  polska scena drum'n'bassowa ,  oraz wokalistka Lollie .
Tokens: 1___________ 2___ 3___________ 4_____ 5________ 6 7_____ 8_______ 9 10___ 11 12_________ 13___ 14___ 15__ 16 17___ 18____ 19______ 20_ 21____ 22 23____ 24___ 25____________ 26 27__ 28________ 29____ 30

Chunks:
  TruePositive nam [14,15] = Sonic Trip
  FalseNegative nam [3,3] = Audiodealers
  FalseNegative nam [8,8] = ExWookie
  FalseNegative nam [29,29] = Lollie

(ChunkerEvaluator) Sentence #6984 from articles/00107661 from sent45

Text  : Na żywo wspiera ich gitarzysta Peter Gryfin .
Tokens: 1_ 2___ 3______ 4__ 5_________ 6____ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Peter Gryfin

(ChunkerEvaluator) Sentence #6985 from articles/00107661 from sent46

Text  : Ekipa Hypnotize to dwóch dobrze znanych w Łodzi producentów i  didżejów :  Bolty i  Nefti .
Tokens: 1____ 2________ 3_ 4____ 5_____ 6______ 7 8____ 9__________ 10 11______ 12 13___ 14 15___ 16

Chunks:
  TruePositive nam [8,8] = Łodzi
  TruePositive nam [15,15] = Nefti
  FalsePositive nam [1,2] = Ekipa Hypnotize
  FalseNegative nam [2,2] = Hypnotize
  FalseNegative nam [13,13] = Bolty

(ChunkerEvaluator) Sentence #6986 from articles/00107661 from sent47

Text  : Zagra także inny stary wyjadacz łódzkiej sceny - DJ Mykee .
Tokens: 1____ 2____ 3___ 4____ 5_______ 6_______ 7____ 8 9_ 10___ 11

Chunks:
  TruePositive nam [9,10] = DJ Mykee

(ChunkerEvaluator) Sentence #6987 from articles/00107661 from sent48

Text  : O oprawę wizualną wieczoru zadba VJ Bladykrzych .
Tokens: 1 2_____ 3_______ 4_______ 5____ 6_ 7__________ 8

Chunks:
  TruePositive nam [6,7] = VJ Bladykrzych

(ChunkerEvaluator) Sentence #6988 from articles/00107661 from sent49

Text  : Bilety w przedsprzedaży kosztują 60 zł ( do kupienia w  Strefie Biletów ,  ul .  Piotrkowska 59 )  .
Tokens: 1_____ 2 3_____________ 4_______ 5_ 6_ 7 8_ 9_______ 10 11_____ 12_____ 13 14 15 16_________ 17 18 19

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [16,16] = Piotrkowska
  FalsePositive nam [11,12] = Strefie Biletów

(ChunkerEvaluator) Sentence #6989 from articles/00107661 from sent50

Text  : W dniu imprezy - 70 zł .
Tokens: 1 2___ 3______ 4 5_ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

2016-10-27 14:59:46,497 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 294 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107662.xml
(ChunkerEvaluator) Sentence #6990 from articles/00107662 from sent1

Text  : Koszykarze blisko historycznego awansu do play - off
Tokens: 1_________ 2_____ 3____________ 4_____ 5_ 6___ 7 8__

Chunks:
  FalseNegative nam [6,8] = play - off

(ChunkerEvaluator) Sentence #6991 from articles/00107662 from sent2

Text  : Efektownym zwycięstwem zakończył się niedzielny wyjazd olsztyńskich koszykarzy do Żyrardowa 65 :  90 .
Tokens: 1_________ 2__________ 3________ 4__ 5_________ 6_____ 7___________ 8_________ 9_ 10_______ 11 12 13 14

Chunks:
  TruePositive nam [10,10] = Żyrardowa

(ChunkerEvaluator) Sentence #6992 from articles/00107662 from sent3

Text  : Inter Parst AZS UWM odniósł 11 . wygraną w sezonie i  jest o  włos od zapewniania sobie udziału w  rundzie play -  off
Tokens: 1____ 2____ 3__ 4__ 5______ 6_ 7 8______ 9 10_____ 11 12__ 13 14__ 15 16_________ 17___ 18_____ 19 20_____ 21__ 22 23_

Chunks:
  TruePositive nam [1,4] = Inter Parst AZS UWM
  FalseNegative nam [21,23] = play - off

(ChunkerEvaluator) Sentence #6993 from articles/00107662 from sent4

Text  : - Wiedzieli śmy jak trzeba się bronić i jak atakować drużyną Żyrardowianki -  mówi Rafał Kacprzak ,  trener akademików .
Tokens: 1 2________ 3__ 4__ 5_____ 6__ 7_____ 8 9__ 10______ 11_____ 12___________ 13 14__ 15___ 16______ 17 18____ 19________ 20

Chunks:
  TruePositive nam [12,12] = Żyrardowianki
  TruePositive nam [15,16] = Rafał Kacprzak

(ChunkerEvaluator) Sentence #6994 from articles/00107662 from sent5

Text  : - Poza kilkoma momentami , kiedy gospodarze zbliżali się na różnicę 5  -  6  punktów ,  byli bezsilni .
Tokens: 1 2___ 3______ 4________ 5 6____ 7_________ 8_______ 9__ 10 11_____ 12 13 14 15_____ 16 17__ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #6995 from articles/00107662 from sent6

Text  : Mnie cieszy przede wszystkim , że byli śmy dobrze przygotowani do tego spotkania i  na boisku zrobili śmy różnicę .
Tokens: 1___ 2_____ 3_____ 4________ 5 6_ 7___ 8__ 9_____ 10__________ 11 12__ 13_______ 14 15 16____ 17_____ 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #6996 from articles/00107662 from sent7

Text  : Jak więc to możliwe , że olsztynianie w listopadzie ubiegłego roku przegrali 75 :  83 właśnie z  Żyrardowianką ?
Tokens: 1__ 2___ 3_ 4______ 5 6_ 7___________ 8 9__________ 10_______ 11__ 12_______ 13 14 15 16_____ 17 18___________ 19

Chunks:
  TruePositive nam [18,18] = Żyrardowianką
  FalseNegative nam [7,7] = olsztynianie

(ChunkerEvaluator) Sentence #6997 from articles/00107662 from sent8

Text  : - Mieli śmy świadomość , że to była nasza wpadka -  przyznaje Kacprzak .
Tokens: 1 2____ 3__ 4_________ 5 6_ 7_ 8___ 9____ 10____ 11 12_______ 13______ 14

Chunks:
  TruePositive nam [13,13] = Kacprzak

(ChunkerEvaluator) Sentence #6998 from articles/00107662 from sent9

Text  : - Prawda jest też taka , że w rewanżu w  szeregach rywali zabrakło zawodnika podkoszowego ,  który w  międzyczasie rozstał się z  Żyrardowianką .
Tokens: 1 2_____ 3___ 4__ 5___ 6 7_ 8 9______ 10 11_______ 12____ 13______ 14_______ 15__________ 16 17___ 18 19__________ 20_____ 21_ 22 23___________ 24

Chunks:
  TruePositive nam [23,23] = Żyrardowianką

(ChunkerEvaluator) Sentence #6999 from articles/00107662 from sent10

Text  : A był ich mocnym punktem .
Tokens: 1 2__ 3__ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7000 from articles/00107662 from sent11

Text  : Trzeba też podkreślić , że przeciwnicy od wspomnianego zwycięstwa w  Olsztynie nie wygrali ani razu .
Tokens: 1_____ 2__ 3_________ 4 5_ 6__________ 7_ 8___________ 9_________ 10 11_______ 12_ 13_____ 14_ 15__ 16

Chunks:
  TruePositive nam [11,11] = Olsztynie

(ChunkerEvaluator) Sentence #7001 from articles/00107662 from sent12

Text  : Niedzielna porażka z Inter Parts była ich 12 . z  rzędu .
Tokens: 1_________ 2______ 3 4____ 5____ 6___ 7__ 8_ 9 10 11___ 12

Chunks:
  TruePositive nam [4,5] = Inter Parts

(ChunkerEvaluator) Sentence #7002 from articles/00107662 from sent13

Text  : - Jadąc tam chcieli śmy wziąć srogi rewanż za poprzedni mecz w  Kortowie .
Tokens: 1 2____ 3__ 4______ 5__ 6____ 7____ 8_____ 9_ 10_______ 11__ 12 13______ 14

Chunks:
  FalseNegative nam [13,13] = Kortowie

(ChunkerEvaluator) Sentence #7003 from articles/00107662 from sent14

Text  : Co więcej tą wygraną zapewnili śmy sobie utrzymanie w rozgrywkach -  podkreśla trener Inter Parts AZS UWM .
Tokens: 1_ 2_____ 3_ 4______ 5________ 6__ 7____ 8_________ 9 10_________ 11 12_______ 13____ 14___ 15___ 16_ 17_ 18

Chunks:
  TruePositive nam [14,17] = Inter Parts AZS UWM

(ChunkerEvaluator) Sentence #7004 from articles/00107662 from sent15

Text  : W tym sezonie akademicy mają jednak o wiele ambitniejszy cel .
Tokens: 1 2__ 3______ 4________ 5___ 6_____ 7 8____ 9___________ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #7005 from articles/00107662 from sent16

Text  : Jeżeli bowiem Trefl II Sopot przegra , którykolwiek ze swoich ostatnich czterech meczów rundy zasadniczej ,  Inter Parts awansuje do rundy play -  off .
Tokens: 1_____ 2_____ 3____ 4_ 5____ 6______ 7 8___________ 9_ 10____ 11_______ 12______ 13____ 14___ 15_________ 16 17___ 18___ 19______ 20 21___ 22__ 23 24_ 25

Chunks:
  TruePositive nam [3,5] = Trefl II Sopot
  TruePositive nam [17,18] = Inter Parts
  FalseNegative nam [22,24] = play - off

(ChunkerEvaluator) Sentence #7006 from articles/00107662 from sent17

Text  : - A przegrać mogą już w najbliższą środę , kiedy podejmą u  siebie Astorię Bydgoszcz -  uważa Kacprzak .
Tokens: 1 2 3_______ 4___ 5__ 6 7_________ 8____ 9 10___ 11_____ 12 13____ 14_____ 15_______ 16 17___ 18______ 19

Chunks:
  TruePositive nam [14,15] = Astorię Bydgoszcz
  TruePositive nam [18,18] = Kacprzak

(ChunkerEvaluator) Sentence #7007 from articles/00107662 from sent18

Text  : - Prawdę mówiąc wątpię by gdańszczanie mieli taką serię do końca rundy .
Tokens: 1 2_____ 3_____ 4_____ 5_ 6___________ 7____ 8___ 9____ 10 11___ 12___ 13

Chunks:
  FalseNegative nam [6,6] = gdańszczanie

(ChunkerEvaluator) Sentence #7008 from articles/00107662 from sent19

Text  : Ich kolejnymi rywalami będą bowiem Księżak Łowicz , SMS Władysławowo i  Wilki Morskie Szczecin .
Tokens: 1__ 2________ 3_______ 4___ 5_____ 6______ 7_____ 8 9__ 10__________ 11 12___ 13_____ 14______ 15

Chunks:
  TruePositive nam [6,7] = Księżak Łowicz
  TruePositive nam [9,10] = SMS Władysławowo
  TruePositive nam [12,14] = Wilki Morskie Szczecin

(ChunkerEvaluator) Sentence #7009 from articles/00107662 from sent20

Text  : Inter Parts AZS UWM udziału w play - off może więc być niemal pewny .
Tokens: 1____ 2____ 3__ 4__ 5______ 6 7___ 8 9__ 10__ 11__ 12_ 13____ 14___ 15

Chunks:
  TruePositive nam [1,4] = Inter Parts AZS UWM
  FalseNegative nam [7,9] = play - off

(ChunkerEvaluator) Sentence #7010 from articles/00107662 from sent21

Text  : - Teraz kluczowe będą wyniki w ostatnich kolejkach i to ,  na którym meczu wylądujemy .
Tokens: 1 2____ 3_______ 4___ 5_____ 6 7________ 8________ 9 10 11 12 13____ 14___ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #7011 from articles/00107662 from sent22

Text  : Naszym cele jest zajęcie co najmniej siódmego miejsca by uniknąć na początku play -  offów meczów z  Pleszewem -  dodaje szkoleniowiec .
Tokens: 1_____ 2___ 3___ 4______ 5_ 6_______ 7_______ 8______ 9_ 10_____ 11 12______ 13__ 14 15___ 16____ 17 18_______ 19 20____ 21___________ 22

Chunks:
  FalseNegative nam [13,15] = play - offów
  FalseNegative nam [18,18] = Pleszewem

(ChunkerEvaluator) Sentence #7012 from articles/00107662 from sent23

Text  : Przed olsztynianami jeszcze pojedynki z Żurawiem Gniewino ( 10 marca )  ,  Politechniką Poznań (  17 marca )  i  Astorią (  31 marca ,  wszystkie na wyjeździe )  .
Tokens: 1____ 2____________ 3______ 4________ 5 6_______ 7_______ 8 9_ 10___ 11 12 13__________ 14____ 15 16 17___ 18 19 20_____ 21 22 23___ 24 25_______ 26 27_______ 28 29

Chunks:
  TruePositive nam [6,7] = Żurawiem Gniewino
  TruePositive nam [13,14] = Politechniką Poznań
  TruePositive nam [20,20] = Astorią
  FalseNegative nam [2,2] = olsztynianami

(ChunkerEvaluator) Sentence #7013 from articles/00107662 from sent24

Text  : AZS Politechnika Poznań - TS Żuraw Gniewino 85 : 71 ,  KS Księżak Łowicz -  GKK Gorzów Wielkopolski 95 :  86 ,  Korsarz Gdańsk -  KK Świecie 84 :  89 ,  SMS PZKosz Władysławowo -  Open Florentyna Pleszew ,  Trefl II Sopot -  Astoria Bydgoszcz (  oba mecze przełożone na środę )  .
Tokens: 1__ 2___________ 3_____ 4 5_ 6____ 7_______ 8_ 9 10 11 12 13_____ 14____ 15 16_ 17____ 18__________ 19 20 21 22 23_____ 24____ 25 26 27_____ 28 29 30 31 32_ 33____ 34__________ 35 36__ 37________ 38_____ 39 40___ 41 42___ 43 44_____ 45_______ 46 47_ 48___ 49________ 50 51___ 52 53

Chunks:
  TruePositive nam [1,3] = AZS Politechnika Poznań
  TruePositive nam [5,7] = TS Żuraw Gniewino
  TruePositive nam [13,14] = Księżak Łowicz
  TruePositive nam [23,24] = Korsarz Gdańsk
  TruePositive nam [26,27] = KK Świecie
  TruePositive nam [36,38] = Open Florentyna Pleszew
  TruePositive nam [40,42] = Trefl II Sopot
  TruePositive nam [44,45] = Astoria Bydgoszcz
  FalsePositive nam [17,18] = Gorzów Wielkopolski
  FalsePositive nam [32,34] = SMS PZKosz Władysławowo
  FalseNegative nam [16,18] = GKK Gorzów Wielkopolski
  FalseNegative nam [33,34] = PZKosz Władysławowo

2016-10-27 14:59:46,621 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 295 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107663.xml
(ChunkerEvaluator) Sentence #7014 from articles/00107663 from sent1

Text  : Dla Wisły Can - Pack polska liga ważniejsza od Euroligi
Tokens: 1__ 2____ 3__ 4 5___ 6_____ 7___ 8_________ 9_ 10______

Chunks:
  TruePositive nam [10,10] = Euroligi
  FalsePositive nam [2,5] = Wisły Can - Pack
  FalseNegative nam [2,2] = Wisły
  FalseNegative nam [3,5] = Can - Pack

(ChunkerEvaluator) Sentence #7015 from articles/00107663 from sent2

Text  : Po zdobyciu Pucharu Polski Wisła koncentruje się na obronie tytułu .
Tokens: 1_ 2_______ 3______ 4_____ 5____ 6__________ 7__ 8_ 9______ 10____ 11

Chunks:
  TruePositive nam [3,4] = Pucharu Polski
  TruePositive nam [5,5] = Wisła

(ChunkerEvaluator) Sentence #7016 from articles/00107663 from sent3

Text  : W Eurolidze krakowianki liczą na piąte miejsce
Tokens: 1 2________ 3__________ 4____ 5_ 6____ 7______

Chunks:
  TruePositive nam [2,2] = Eurolidze
  FalseNegative nam [3,3] = krakowianki

(ChunkerEvaluator) Sentence #7017 from articles/00107663 from sent4

Text  : Pod koniec marca wiślaczki polecą do Stambułu na turniej finałowy europejskich pucharów .
Tokens: 1__ 2_____ 3____ 4________ 5_____ 6_ 7_______ 8_ 9______ 10______ 11__________ 12______ 13

Chunks:
  TruePositive nam [7,7] = Stambułu
  FalseNegative nam [4,4] = wiślaczki

(ChunkerEvaluator) Sentence #7018 from articles/00107663 from sent5

Text  : W grupie mają bardzo silnych rywali - Spartak Moskwa ,  UMMC Jekaterynburg i  Ros Casares Walencja .
Tokens: 1 2_____ 3___ 4_____ 5______ 6_____ 7 8______ 9_____ 10 11__ 12___________ 13 14_ 15_____ 16______ 17

Chunks:
  TruePositive nam [11,12] = UMMC Jekaterynburg
  TruePositive nam [14,16] = Ros Casares Walencja
  FalsePositive nam [9,9] = Moskwa
  FalseNegative nam [8,9] = Spartak Moskwa

(ChunkerEvaluator) Sentence #7019 from articles/00107663 from sent6

Text  : Już jedno zwycięstwo będzie sukcesem podopiecznych trenera Jose Hernandeza .
Tokens: 1__ 2____ 3_________ 4_____ 5_______ 6____________ 7______ 8___ 9_________ 10

Chunks:
  TruePositive nam [8,9] = Jose Hernandeza

(ChunkerEvaluator) Sentence #7020 from articles/00107663 from sent7

Text  : 17 marca zakończą rundę zasadniczą w polskiej lidze .
Tokens: 1_ 2____ 3_______ 4____ 5_________ 6 7_______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #7021 from articles/00107663 from sent8

Text  : Do play - off powinny przystąpić jako lider , co w  finale da im atut własnego boiska .
Tokens: 1_ 2___ 3 4__ 5______ 6_________ 7___ 8____ 9 10 11 12____ 13 14 15__ 16______ 17____ 18

Chunks:
  FalseNegative nam [2,4] = play - off

(ChunkerEvaluator) Sentence #7022 from articles/00107663 from sent9

Text  : Andrzej Klemba : W finale PP z Lotosem Gdynia miało być łatwiej niż w  półfinale z  CCC Polkowice ,  ale .  .  .
Tokens: 1______ 2_____ 3 4 5_____ 6_ 7 8______ 9_____ 10___ 11_ 12_____ 13_ 14 15_______ 16 17_ 18_______ 19 20_ 21 22 23

Chunks:
  TruePositive nam [1,2] = Andrzej Klemba
  TruePositive nam [8,9] = Lotosem Gdynia
  TruePositive nam [17,18] = CCC Polkowice
  FalseNegative nam [6,6] = PP

(ChunkerEvaluator) Sentence #7023 from articles/00107663 from sent10

Text  : Ewelina Kobryn : . . . emocje były do samego końca ,  co wpłynęło na jakość widowiska .
Tokens: 1______ 2_____ 3 4 5 6 7_____ 8___ 9_ 10____ 11___ 12 13 14______ 15 16____ 17_______ 18

Chunks:
  TruePositive nam [1,2] = Ewelina Kobryn

(ChunkerEvaluator) Sentence #7024 from articles/00107663 from sent11

Text  : Nie spodziewały śmy się , że Lotos będzie tak silnym rywalem .
Tokens: 1__ 2__________ 3__ 4__ 5 6_ 7____ 8_____ 9__ 10____ 11_____ 12

Chunks:
  TruePositive nam [7,7] = Lotos

(ChunkerEvaluator) Sentence #7025 from articles/00107663 from sent12

Text  : A okazało się , że było nam trudniej wygrać niż z  CCC .
Tokens: 1 2______ 3__ 4 5_ 6___ 7__ 8_______ 9_____ 10_ 11 12_ 13

Chunks:
  FalseNegative nam [12,12] = CCC

(ChunkerEvaluator) Sentence #7026 from articles/00107663 from sent13

Text  : Gdynianki pokazały , że nie są bez szans w walce o  finał mistrzostw Polski .
Tokens: 1________ 2_______ 3 4_ 5__ 6_ 7__ 8____ 9 10___ 11 12___ 13________ 14____ 15

Chunks:
  FalsePositive nam [14,14] = Polski
  FalseNegative nam [1,1] = Gdynianki
  FalseNegative nam [13,14] = mistrzostw Polski

(ChunkerEvaluator) Sentence #7027 from articles/00107663 from sent14

Text  : Na szczęście w końcówce w porę pokazały śmy , że jesteśmy lepsze .
Tokens: 1_ 2________ 3 4_______ 5 6___ 7_______ 8__ 9 10 11______ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #7028 from articles/00107663 from sent15

Text  : Zasłużyły śmy na puchar , a trofeum zdobyte po emocjonującej końcówce smakuje jeszcze lepiej niż łatwa wygrana np .  15 punktami .
Tokens: 1________ 2__ 3_ 4_____ 5 6 7______ 8______ 9_ 10___________ 11______ 12_____ 13_____ 14____ 15_ 16___ 17_____ 18 19 20 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #7029 from articles/00107663 from sent16

Text  : CCC do Krakowa przyjedzie za dwa tygodnie .
Tokens: 1__ 2_ 3______ 4_________ 5_ 6__ 7_______ 8

Chunks:
  TruePositive nam [3,3] = Krakowa
  FalseNegative nam [1,1] = CCC

(ChunkerEvaluator) Sentence #7030 from articles/00107663 from sent17

Text  : - Bardzo możliwe , że to spotkanie nie będzie już o  niczym decydować ,  jeśli chodzi o  kolejność przed play -  off .
Tokens: 1 2_____ 3______ 4 5_ 6_ 7________ 8__ 9_____ 10_ 11 12____ 13_______ 14 15___ 16____ 17 18_______ 19___ 20__ 21 22_ 23

Chunks:
  FalseNegative nam [20,22] = play - off

(ChunkerEvaluator) Sentence #7031 from articles/00107663 from sent18

Text  : Przed wami jeszcze dwie okazje , by świętować .
Tokens: 1____ 2___ 3______ 4___ 5_____ 6 7_ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7032 from articles/00107663 from sent19

Text  : - Najważniejszy cel to mistrzostwo .
Tokens: 1 2____________ 3__ 4_ 5__________ 6

Chunks:
  FalseNegative nam [5,5] = mistrzostwo

(ChunkerEvaluator) Sentence #7033 from articles/00107663 from sent20

Text  : A co z turniejem finałowym Euroligi ?
Tokens: 1 2_ 3 4________ 5________ 6_______ 7

Chunks:
  TruePositive nam [6,6] = Euroligi

(ChunkerEvaluator) Sentence #7034 from articles/00107663 from sent21

Text  : - Zdajemy sobie sprawę z tego , że w Stambule zagrają dużo silniejsze drużyny od nas .
Tokens: 1 2______ 3____ 4_____ 5 6___ 7 8_ 9 10______ 11_____ 12__ 13________ 14_____ 15 16_ 17

Chunks:
  TruePositive nam [10,10] = Stambule

(ChunkerEvaluator) Sentence #7035 from articles/00107663 from sent22

Text  : Mam jednak nadzieję , że zagramy o miejsca 5 .  -  6  .
Tokens: 1__ 2_____ 3_______ 4 5_ 6______ 7 8______ 9 10 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #7036 from articles/00107663 from sent23

Text  : To jest minimum , którego można od nas oczekiwać .
Tokens: 1_ 2___ 3______ 4 5______ 6____ 7_ 8__ 9________ 10

Chunks:

2016-10-27 14:59:46,709 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 296 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107664.xml
(ChunkerEvaluator) Sentence #7037 from articles/00107664 from sent1

Text  : Z uwagi na żałobę juniorzy Rosy zagrają w czwartek
Tokens: 1 2____ 3_ 4_____ 5_______ 6___ 7______ 8 9_______

Chunks:
  TruePositive nam [6,6] = Rosy

(ChunkerEvaluator) Sentence #7038 from articles/00107664 from sent2

Text  : KOSZYKÓWKA .
Tokens: 1_________ 2

Chunks:

(ChunkerEvaluator) Sentence #7039 from articles/00107664 from sent3

Text  : W poniedziałek miał odbyć się ostatni , decydujący o zajęciu pierwszego miejsca mecz w  Mazowieckiej Lidze Juniorów .
Tokens: 1 2___________ 3___ 4____ 5__ 6______ 7 8_________ 9 10_____ 11________ 12_____ 13__ 14 15__________ 16___ 17______ 18

Chunks:
  TruePositive nam [15,17] = Mazowieckiej Lidze Juniorów

(ChunkerEvaluator) Sentence #7040 from articles/00107664 from sent4

Text  : Spotkanie Polonii Warszawa z Rosą Radom nie doszło do skutku ze względu na ogłoszoną w  niedzielę przez prezydenta Bronisława Komorowskiego żałobę narodową .
Tokens: 1________ 2______ 3_______ 4 5___ 6____ 7__ 8_____ 9_ 10____ 11 12_____ 13 14_______ 15 16_______ 17___ 18________ 19________ 20___________ 21____ 22______ 23

Chunks:
  TruePositive nam [2,3] = Polonii Warszawa
  TruePositive nam [5,6] = Rosą Radom
  TruePositive nam [19,20] = Bronisława Komorowskiego

(ChunkerEvaluator) Sentence #7041 from articles/00107664 from sent5

Text  : Spotkanie Polonii z Rosą zostało przełożone na czwartek i rozpocznie się w  Warszawie o  godz .  17 .
Tokens: 1________ 2______ 3 4___ 5______ 6_________ 7_ 8_______ 9 10________ 11_ 12 13_______ 14 15__ 16 17 18

Chunks:
  TruePositive nam [2,2] = Polonii
  TruePositive nam [4,4] = Rosą
  TruePositive nam [13,13] = Warszawie

(ChunkerEvaluator) Sentence #7042 from articles/00107664 from sent6

Text  : Do stolicy radomianie wybierają się w roli faworytów .
Tokens: 1_ 2______ 3_________ 4________ 5__ 6 7___ 8________ 9

Chunks:
  FalseNegative nam [3,3] = radomianie

(ChunkerEvaluator) Sentence #7043 from articles/00107664 from sent7

Text  : Do tej pory nie przegrali żadnego meczu w lidze .
Tokens: 1_ 2__ 3___ 4__ 5________ 6______ 7____ 8 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #7044 from articles/00107664 from sent8

Text  : Ich rywalem będzie druga w tabeli drużyna „ Czarnych Koszul ”  ,  która punkty straciła tylko raz ,  właśnie w  rywalizacji z  Rosą .
Tokens: 1__ 2______ 3_____ 4____ 5 6_____ 7______ 8 9_______ 10____ 11 12 13___ 14____ 15______ 16___ 17_ 18 19_____ 20 21_________ 22 23__ 24

Chunks:
  TruePositive nam [9,10] = Czarnych Koszul
  TruePositive nam [23,23] = Rosą

(ChunkerEvaluator) Sentence #7045 from articles/00107664 from sent9

Text  : - Jedziemy do Warszawy by wygrać .
Tokens: 1 2_______ 3_ 4_______ 5_ 6_____ 7

Chunks:
  TruePositive nam [4,4] = Warszawy

(ChunkerEvaluator) Sentence #7046 from articles/00107664 from sent10

Text  : Nie kalkulujemy , mimo że mamy 32 . punkty w  zapasie uzyskane po zwycięstwie w  pierwszym meczu w  Radomiu -  oznajmił trener Karol Gutkowski .
Tokens: 1__ 2__________ 3 4___ 5_ 6___ 7_ 8 9_____ 10 11_____ 12______ 13 14_________ 15 16_______ 17___ 18 19_____ 20 21______ 22____ 23___ 24_______ 25

Chunks:
  TruePositive nam [19,19] = Radomiu
  TruePositive nam [23,24] = Karol Gutkowski

(ChunkerEvaluator) Sentence #7047 from articles/00107664 from sent11

Text  : Szkoleniowiec nie będzie mógł skorzystać z trzech zawodników trenujących na co dzień w  Szkole Mistrzostwa Sportowego we Władysławowie ,  którzy po półfinałach wyjechali na Pomorze .
Tokens: 1____________ 2__ 3_____ 4___ 5_________ 6 7_____ 8_________ 9__________ 10 11 12___ 13 14____ 15_________ 16________ 17 18___________ 19 20____ 21 22_________ 23_______ 24 25_____ 26

Chunks:
  TruePositive nam [14,16] = Szkole Mistrzostwa Sportowego
  TruePositive nam [18,18] = Władysławowie
  TruePositive nam [25,25] = Pomorze

(ChunkerEvaluator) Sentence #7048 from articles/00107664 from sent12

Text  : - Całą trójka wróci na najważniejsze mecze mistrzostw juniorów ,  bo do nich już się zakwalifikowali śmy -  przyznał Gutkowski .
Tokens: 1 2___ 3_____ 4____ 5_ 6____________ 7____ 8_________ 9_______ 10 11 12 13__ 14_ 15_ 16_____________ 17_ 18 19______ 20_______ 21

Chunks:
  TruePositive nam [20,20] = Gutkowski

(ChunkerEvaluator) Sentence #7049 from articles/00107664 from sent13

Text  : Teraz pozostaje pytanie , z którego miejsca młodzi zawodnicy Rosy w  nich zagrają .
Tokens: 1____ 2________ 3______ 4 5 6______ 7______ 8_____ 9________ 10__ 11 12__ 13_____ 14

Chunks:
  TruePositive nam [10,10] = Rosy

(ChunkerEvaluator) Sentence #7050 from articles/00107664 from sent14

Text  : Jeśli z pierwszego ( co jest wielce prawdopodobne ) wówczas będą gospodarzami jednego z  ćwierćfinałów .
Tokens: 1____ 2 3_________ 4 5_ 6___ 7_____ 8____________ 9 10_____ 11__ 12__________ 13_____ 14 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #7051 from articles/00107664 from sent15

Text  : Gdyby tak się stało rywalem Rosy będzie silna drużyna Trefla Sopot ,  MKK MDK Kielce i  zespół z  tzw .  dziką kartą .
Tokens: 1____ 2__ 3__ 4____ 5______ 6___ 7_____ 8____ 9______ 10____ 11___ 12 13_ 14_ 15____ 16 17____ 18 19_ 20 21___ 22___ 23

Chunks:
  TruePositive nam [6,6] = Rosy
  TruePositive nam [10,11] = Trefla Sopot
  FalsePositive nam [13,15] = MKK MDK Kielce
  FalseNegative nam [13,13] = MKK
  FalseNegative nam [14,15] = MDK Kielce

(ChunkerEvaluator) Sentence #7052 from articles/00107664 from sent16

Text  : Może to być m . in . Zastal Zielona Góra ,  bądź ŁKS Łódź .
Tokens: 1___ 2_ 3__ 4 5 6_ 7 8_____ 9______ 10__ 11 12__ 13_ 14__ 15

Chunks:
  TruePositive nam [13,14] = ŁKS Łódź
  FalsePositive nam [9,10] = Zielona Góra
  FalseNegative nam [8,10] = Zastal Zielona Góra

(ChunkerEvaluator) Sentence #7053 from articles/00107664 from sent17

Text  : - Może się okazać , że nasza grupa ćwierćfinałowa będzie trudniejsza niż w  ewentualny półfinał ,  ale my się nikogo nie boimy -  podsumował szkoleniowiec .
Tokens: 1 2___ 3__ 4_____ 5 6_ 7____ 8____ 9_____________ 10____ 11_________ 12_ 13 14________ 15______ 16 17_ 18 19_ 20____ 21_ 22___ 23 24________ 25___________ 26

Chunks:

2016-10-27 14:59:46,796 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 297 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107665.xml
(ChunkerEvaluator) Sentence #7054 from articles/00107665 from sent1

Text  : Doprowadził do zderzenia trzech aut [ ZDJĘCIA ]
Tokens: 1__________ 2_ 3________ 4_____ 5__ 6 7______ 8

Chunks:
  FalsePositive nam [7,7] = ZDJĘCIA

(ChunkerEvaluator) Sentence #7055 from articles/00107665 from sent2

Text  : 26 - letni kierowca renault wymusił pierwszeństwo na 51 -  latku prowadzącym volkswagena passata .
Tokens: 1_ 2 3____ 4_______ 5______ 6______ 7____________ 8_ 9_ 10 11___ 12_________ 13_________ 14_____ 15

Chunks:
  FalseNegative nam [5,5] = renault
  FalseNegative nam [13,13] = volkswagena
  FalseNegative nam [14,14] = passata

(ChunkerEvaluator) Sentence #7056 from articles/00107665 from sent3

Text  : Vw zjechał na przeciwny pas , gdzie wjechał w niego land rover .
Tokens: 1_ 2______ 3_ 4________ 5__ 6 7____ 8______ 9 10___ 11__ 12___ 13

Chunks:
  FalseNegative nam [1,1] = Vw
  FalseNegative nam [11,12] = land rover

(ChunkerEvaluator) Sentence #7057 from articles/00107665 from sent4

Text  : Do wypadku doszło w poniedziałek około godziny 20 . 15 na ul .  Leśnej w  Kadłubie Turawskim .
Tokens: 1_ 2______ 3_____ 4 5___________ 6____ 7______ 8_ 9 10 11 12 13 14____ 15 16______ 17_______ 18

Chunks:
  TruePositive nam [14,14] = Leśnej
  TruePositive nam [16,17] = Kadłubie Turawskim

(ChunkerEvaluator) Sentence #7058 from articles/00107665 from sent5

Text  : W wypadku ranni zostali kierowcy volkswagena i renault .
Tokens: 1 2______ 3____ 4______ 5_______ 6__________ 7 8______ 9

Chunks:
  FalseNegative nam [6,6] = volkswagena
  FalseNegative nam [8,8] = renault

(ChunkerEvaluator) Sentence #7059 from articles/00107665 from sent6

Text  : Przewieziono ich do szpitala .
Tokens: 1___________ 2__ 3_ 4_______ 5

Chunks:

2016-10-27 14:59:46,818 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 298 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107666.xml
(ChunkerEvaluator) Sentence #7060 from articles/00107666 from sent1

Text  : Podlaskie .
Tokens: 1________ 2

Chunks:
  FalseNegative nam [1,1] = Podlaskie

(ChunkerEvaluator) Sentence #7061 from articles/00107666 from sent2

Text  : 10 mln z UE na tworzenie przedszkoli
Tokens: 1_ 2__ 3 4_ 5_ 6________ 7__________

Chunks:
  TruePositive nam [4,4] = UE

(ChunkerEvaluator) Sentence #7062 from articles/00107666 from sent3

Text  : 10 mln zł z UE mogą zdobyć w Podlaskiem samorządy i  placówki przedszkolne na tworzenie nowych przedszkoli i  rozwijanie już istniejących .
Tokens: 1_ 2__ 3_ 4 5_ 6___ 7_____ 8 9_________ 10_______ 11 12______ 13__________ 14 15_______ 16____ 17_________ 18 19________ 20_ 21__________ 22

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [5,5] = UE
  FalseNegative nam [9,9] = Podlaskiem

(ChunkerEvaluator) Sentence #7063 from articles/00107666 from sent4

Text  : We wtorek ruszył konkurs na najlepsze projekty , które dostaną unijne dotacje .
Tokens: 1_ 2_____ 3_____ 4______ 5_ 6________ 7_______ 8 9____ 10_____ 11____ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #7064 from articles/00107666 from sent5

Text  : Pieniądze pochodzą z programu Kapitał Ludzki .
Tokens: 1________ 2_______ 3 4_______ 5______ 6_____ 7

Chunks:
  TruePositive nam [5,6] = Kapitał Ludzki

(ChunkerEvaluator) Sentence #7065 from articles/00107666 from sent6

Text  : O pieniądze na zakładanie nowych przedszkoli mogą się ubiegać gminy z  regionu ,  które mają najmniej przedszkoli w  województwie .
Tokens: 1 2________ 3_ 4_________ 5_____ 6__________ 7___ 8__ 9______ 10___ 11 12_____ 13 14___ 15__ 16______ 17_________ 18 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #7066 from articles/00107666 from sent7

Text  : To statystycznie co trzecia podlaska gmina , ich listę ma Urząd Marszałkowski .
Tokens: 1_ 2____________ 3_ 4______ 5_______ 6____ 7 8__ 9____ 10 11___ 12___________ 13

Chunks:
  TruePositive nam [11,12] = Urząd Marszałkowski

(ChunkerEvaluator) Sentence #7067 from articles/00107666 from sent8

Text  : O środki na tworzenie nowych miejsc w przedszkolach już istniejących mogą się ubiegać samorządy jak i  same placówki przedszkolne -  zarówno publiczne jak i  niepubliczne -  z  całego województwa -  poinformowała we wtorek PAP dyrektor departamentu Europejskiego Funduszu Społecznego w  Urzędzie Marszałkowskim w  Białymstoku Elżbieta Romańczuk .
Tokens: 1 2_____ 3_ 4________ 5_____ 6_____ 7 8____________ 9__ 10__________ 11__ 12_ 13_____ 14_______ 15_ 16 17__ 18______ 19__________ 20 21_____ 22_______ 23_ 24 25__________ 26 27 28____ 29_________ 30 31___________ 32 33____ 34_ 35______ 36__________ 37___________ 38______ 39_________ 40 41______ 42____________ 43 44_________ 45______ 46_______ 47

Chunks:
  TruePositive nam [34,34] = PAP
  TruePositive nam [44,44] = Białymstoku
  TruePositive nam [45,46] = Elżbieta Romańczuk
  FalsePositive nam [37,42] = Europejskiego Funduszu Społecznego w Urzędzie Marszałkowskim
  FalseNegative nam [37,39] = Europejskiego Funduszu Społecznego
  FalseNegative nam [41,42] = Urzędzie Marszałkowskim

(ChunkerEvaluator) Sentence #7068 from articles/00107666 from sent9

Text  : Minimalna wartość projektu musi wynosić 50 tys . zł .
Tokens: 1________ 2______ 3_______ 4___ 5______ 6_ 7__ 8 9_ 10

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #7069 from articles/00107666 from sent10

Text  : Nie ma maksymalnej wartości .
Tokens: 1__ 2_ 3__________ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #7070 from articles/00107666 from sent11

Text  : Wnioski można składać do Urzędu Marszałkowskiego do wyczerpania środków .
Tokens: 1______ 2____ 3______ 4_ 5_____ 6_______________ 7_ 8__________ 9______ 10

Chunks:
  TruePositive nam [5,6] = Urzędu Marszałkowskiego

(ChunkerEvaluator) Sentence #7071 from articles/00107666 from sent12

Text  : Z UE z programu Kapitał Ludzki w Podlaskiem na lata 2007 -  2013 jest łącznie blisko 48 ,  7  mln zł na edukację przedszkolną .
Tokens: 1 2_ 3 4_______ 5______ 6_____ 7 8_________ 9_ 10__ 11__ 12 13__ 14__ 15_____ 16____ 17 18 19 20_ 21 22 23______ 24__________ 25

Chunks:
  TruePositive nam [2,2] = UE
  TruePositive nam [5,6] = Kapitał Ludzki
  TruePositive nam [21,21] = zł
  FalseNegative nam [8,8] = Podlaskiem

(ChunkerEvaluator) Sentence #7072 from articles/00107666 from sent13

Text  : Dotychczas rozdysponowano blisko 38 , 3 mln zł z tej kwoty .
Tokens: 1_________ 2_____________ 3_____ 4_ 5 6 7__ 8_ 9 10_ 11___ 12

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #7073 from articles/00107666 from sent14

Text  : Obecny konkurs to już końcówka środków przyznanych na działania ,  które mają poprawić najmłodszym dostęp do edukacji przedszkolnej .
Tokens: 1_____ 2______ 3_ 4__ 5_______ 6______ 7__________ 8_ 9________ 10 11___ 12__ 13______ 14_________ 15____ 16 17______ 18___________ 19

Chunks:

(ChunkerEvaluator) Sentence #7074 from articles/00107666 from sent15

Text  : Z danych Urzędu Marszałkowskiego wynika , że dotychczas dzięki unijnym dotacjom utworzono w  regionie 94 ośrodki przedszkolne -  zespoły i  punkty przedszkolne .
Tokens: 1 2_____ 3_____ 4_______________ 5_____ 6 7_ 8_________ 9_____ 10_____ 11______ 12_______ 13 14______ 15 16_____ 17__________ 18 19_____ 20 21____ 22__________ 23

Chunks:
  TruePositive nam [3,4] = Urzędu Marszałkowskiego

(ChunkerEvaluator) Sentence #7075 from articles/00107666 from sent16

Text  : Nie podano , ile maluchów z nich korzysta .
Tokens: 1__ 2_____ 3 4__ 5_______ 6 7___ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #7076 from articles/00107666 from sent17

Text  : Urząd Marszałkowski zawarł umowy z 11 gminami w regionie na takie punkty przedszkolne ,  które dostaną pieniądze w  wyniku konkursu przeprowadzonego w  2011 r  .
Tokens: 1____ 2____________ 3_____ 4____ 5 6_ 7______ 8 9_______ 10 11___ 12____ 13__________ 14 15___ 16_____ 17_______ 18 19____ 20______ 21______________ 22 23__ 24 25

Chunks:
  TruePositive nam [1,2] = Urząd Marszałkowski

(ChunkerEvaluator) Sentence #7077 from articles/00107666 from sent18

Text  : Z danych Podlaskiego Kuratorium Oświaty w Białymstoku z jesieni 2011 r  .  wynika ,  że w  Podlaskiem do przedszkoli uczęszcza około 60 proc .  dzieci .
Tokens: 1 2_____ 3__________ 4_________ 5______ 6 7__________ 8 9______ 10__ 11 12 13____ 14 15 16 17________ 18 19_________ 20_______ 21___ 22 23__ 24 25____ 26

Chunks:
  TruePositive nam [3,5] = Podlaskiego Kuratorium Oświaty
  TruePositive nam [7,7] = Białymstoku
  FalseNegative nam [17,17] = Podlaskiem

(ChunkerEvaluator) Sentence #7078 from articles/00107666 from sent19

Text  : W czerwcu 2011 r . w 32 gminach w regionie nie było przedszkoli ,  ale ta liczba spada ,  bo były otwierane nowe placówki .  (  PAP )
Tokens: 1 2______ 3___ 4 5 6 7_ 8______ 9 10______ 11_ 12__ 13_________ 14 15_ 16 17____ 18___ 19 20 21__ 22_______ 23__ 24______ 25 26 27_ 28

Chunks:
  TruePositive nam [27,27] = PAP

2016-10-27 14:59:46,912 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 299 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107667.xml
(ChunkerEvaluator) Sentence #7079 from articles/00107667 from sent1

Text  : Polska miała szczęście do wspaniałych wspinaczy
Tokens: 1_____ 2____ 3________ 4_ 5__________ 6________

Chunks:
  FalseNegative nam [1,1] = Polska

(ChunkerEvaluator) Sentence #7080 from articles/00107667 from sent2

Text  : - To była gotowa , niesamowita historia , którą trzeba było jedynie opisać .
Tokens: 1 2_ 3___ 4_____ 5 6__________ 7_______ 8 9____ 10____ 11__ 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #7081 from articles/00107667 from sent3

Text  : I tylko dziwię się , że nikt nie zrobił tego przede mną -  mówiła we wtorek w  „  Gazeta Cafe ”  Bernadette McDonald ,  autorka książki „  Ucieczka na szczyt ”  .
Tokens: 1 2____ 3_____ 4__ 5 6_ 7___ 8__ 9_____ 10__ 11____ 12_ 13 14____ 15 16____ 17 18 19____ 20__ 21 22________ 23______ 24 25_____ 26_____ 27 28______ 29 30____ 31 32

Chunks:
  TruePositive nam [19,20] = Gazeta Cafe
  TruePositive nam [22,23] = Bernadette McDonald
  FalsePositive nam [28,28] = Ucieczka
  FalseNegative nam [28,30] = Ucieczka na szczyt

(ChunkerEvaluator) Sentence #7082 from articles/00107667 from sent4

Text  : Nie ma wątpliwości : historia Polaków na szczytach ośmiotysięcznych jest niebywała .
Tokens: 1__ 2_ 3__________ 4 5_______ 6______ 7_ 8________ 9_______________ 10__ 11_______ 12

Chunks:
  TruePositive nam [6,6] = Polaków

(ChunkerEvaluator) Sentence #7083 from articles/00107667 from sent5

Text  : Gdy w 1964 r . wszystkie najwyższe szczyty zostały zdobyte ,  a  w  Polsce nie było szans na paszporty i  środki na wyprawy ,  wydawało się ,  że nie ma już czego szukać w  Himalajach i  Karakorum .
Tokens: 1__ 2 3___ 4 5 6________ 7________ 8______ 9______ 10_____ 11 12 13 14____ 15_ 16__ 17___ 18 19_______ 20 21____ 22 23_____ 24 25______ 26_ 27 28 29_ 30 31_ 32___ 33____ 34 35________ 36 37_______ 38

Chunks:
  TruePositive nam [14,14] = Polsce
  TruePositive nam [35,35] = Himalajach
  TruePositive nam [37,37] = Karakorum

(ChunkerEvaluator) Sentence #7084 from articles/00107667 from sent6

Text  : Mimo to Polacy pokazali , że wciąż wiele można tam zrobić .
Tokens: 1___ 2_ 3_____ 4_______ 5 6_ 7____ 8____ 9____ 10_ 11____ 12

Chunks:
  TruePositive nam [3,3] = Polacy

(ChunkerEvaluator) Sentence #7085 from articles/00107667 from sent7

Text  : Choć o sukcesach tych w środowisku wspinaczkowym mówi się od lat ,  to „  Ucieczka na szczyt ”  (  polskie wydanie książki „  Freedom climbers ”  niedawno trafiło do księgarń )  jest pierwszym tak obszernym przedstawieniem tego „  złotego okresu ”  przez autora znanego na całym świecie .
Tokens: 1___ 2 3________ 4___ 5 6_________ 7____________ 8___ 9__ 10 11_ 12 13 14 15______ 16 17____ 18 19 20_____ 21_____ 22_____ 23 24_____ 25______ 26 27______ 28_____ 29 30______ 31 32__ 33_______ 34_ 35_______ 36_____________ 37__ 38 39_____ 40____ 41 42___ 43____ 44_____ 45 46___ 47_____ 48

Chunks:
  FalseNegative nam [15,17] = Ucieczka na szczyt
  FalseNegative nam [24,25] = Freedom climbers

(ChunkerEvaluator) Sentence #7086 from articles/00107667 from sent8

Text  : We wtorek Bernadette McDonald odwiedziła Kraków .
Tokens: 1_ 2_____ 3_________ 4_______ 5_________ 6_____ 7

Chunks:
  TruePositive nam [3,4] = Bernadette McDonald
  TruePositive nam [6,6] = Kraków

(ChunkerEvaluator) Sentence #7087 from articles/00107667 from sent9

Text  : W „ Gazeta Cafe ” opowiadała o swojej ostatniej książce w  towarzystwie dwóch jej bohaterów -  himalaistów Krzysztofa Wielickiego i  Wojciecha Kurtyki .
Tokens: 1 2 3_____ 4___ 5 6_________ 7 8_____ 9________ 10_____ 11 12__________ 13___ 14_ 15_______ 16 17_________ 18________ 19_________ 20 21_______ 22_____ 23

Chunks:
  TruePositive nam [3,4] = Gazeta Cafe
  TruePositive nam [18,19] = Krzysztofa Wielickiego
  TruePositive nam [21,22] = Wojciecha Kurtyki

(ChunkerEvaluator) Sentence #7088 from articles/00107667 from sent10

Text  : - Polacy posiadali wyjątkowe predyspozycje do zmagania się z samym sobą ,  a  Bernadette jest pierwszą znaną pisarką ,  która wprowadza ten złoty wiek polskiego himalaizmu do światowego obiegu .
Tokens: 1 2_____ 3________ 4________ 5____________ 6_ 7_______ 8__ 9 10___ 11__ 12 13 14________ 15__ 16______ 17___ 18_____ 19 20___ 21_______ 22_ 23___ 24__ 25_______ 26________ 27 28________ 29____ 30

Chunks:
  TruePositive nam [2,2] = Polacy
  TruePositive nam [14,14] = Bernadette

(ChunkerEvaluator) Sentence #7089 from articles/00107667 from sent11

Text  : W środowisku te sukcesy są znane , ale dopiero ta książka wprowadziła nas do historii -  stwierdził Kurtyka .
Tokens: 1 2_________ 3_ 4______ 5_ 6____ 7 8__ 9______ 10 11_____ 12_________ 13_ 14 15______ 16 17________ 18_____ 19

Chunks:
  FalseNegative nam [18,18] = Kurtyka

(ChunkerEvaluator) Sentence #7090 from articles/00107667 from sent12

Text  : - Być może wydawało się to szalone : kobieta z  drugiego końca świata ,  która nigdy nie wspięła się na ośmiotysięcznik ,  zabiera się za opisywanie historii polskiego himalaizmu .
Tokens: 1 2__ 3___ 4_______ 5__ 6_ 7______ 8 9______ 10 11______ 12___ 13____ 14 15___ 16___ 17_ 18_____ 19_ 20 21_____________ 22 23_____ 24_ 25 26________ 27______ 28_______ 29________ 30

Chunks:

(ChunkerEvaluator) Sentence #7091 from articles/00107667 from sent13

Text  : Ale pochłonęło mnie to bez reszty , a w Polsce doznała m  tyle sympatii ,  że poczuła m  się tu jak w  domu -  wspomina Bernadette .
Tokens: 1__ 2_________ 3___ 4_ 5__ 6_____ 7 8 9 10____ 11_____ 12 13__ 14______ 15 16 17_____ 18 19_ 20 21_ 22 23__ 24 25______ 26________ 27

Chunks:
  TruePositive nam [10,10] = Polsce
  FalseNegative nam [26,26] = Bernadette

(ChunkerEvaluator) Sentence #7092 from articles/00107667 from sent14

Text  : Przez kilka tygodni odwiedzała polskich wspinaczy i rodziny tych ,  którzy w  górach zostali na zawsze .
Tokens: 1____ 2____ 3______ 4_________ 5_______ 6________ 7 8______ 9___ 10 11____ 12 13____ 14_____ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #7093 from articles/00107667 from sent15

Text  : Przejrzała setki zdjęć , zapisków , odbyła godziny rozmów .
Tokens: 1_________ 2____ 3____ 4 5_______ 6 7_____ 8______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #7094 from articles/00107667 from sent16

Text  : Do Kanady wróciła z opasłymi tomami polskiej historii i zaczęła jej studiowanie .
Tokens: 1_ 2_____ 3______ 4 5_______ 6_____ 7_______ 8_______ 9 10_____ 11_ 12_________ 13

Chunks:
  TruePositive nam [2,2] = Kanady

(ChunkerEvaluator) Sentence #7095 from articles/00107667 from sent17

Text  : - Ta historia wciągała mnie coraz mocniej .
Tokens: 1 2_ 3_______ 4_______ 5___ 6____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #7096 from articles/00107667 from sent18

Text  : Coraz bardziej podziwiała m polskich wspinaczy : Wandę Rutkiewicz ,  z  którą ,  jako kobiecie ,  łatwo mi się było utożsamić ,  Andrzeja Zawadę za jego niebywałe zdolności przywódcze ,  Krzysztofa za jego indywidualizm i  Wojtka za niesamowitą filozofię i  dostrzeganie piękna gór .
Tokens: 1____ 2_______ 3_________ 4 5_______ 6________ 7 8____ 9_________ 10 11 12___ 13 14__ 15______ 16 17___ 18 19_ 20__ 21_______ 22 23______ 24____ 25 26__ 27_______ 28_______ 29________ 30 31________ 32 33__ 34___________ 35 36____ 37 38_________ 39_______ 40 41__________ 42____ 43_ 44

Chunks:
  TruePositive nam [8,9] = Wandę Rutkiewicz
  TruePositive nam [23,24] = Andrzeja Zawadę
  TruePositive nam [31,31] = Krzysztofa
  TruePositive nam [36,36] = Wojtka

(ChunkerEvaluator) Sentence #7097 from articles/00107667 from sent19

Text  : Polska miała szczęście do wspaniałych wspinaczy - mówiła McDonald w  Krakowie .
Tokens: 1_____ 2____ 3________ 4_ 5__________ 6________ 7 8_____ 9_______ 10 11______ 12

Chunks:
  TruePositive nam [9,9] = McDonald
  TruePositive nam [11,11] = Krakowie
  FalseNegative nam [1,1] = Polska

2016-10-27 14:59:47,029 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 300 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107668.xml
(ChunkerEvaluator) Sentence #7098 from articles/00107668 from sent1

Text  : Zielone budynki w Dąbrowie Górniczej ?
Tokens: 1______ 2______ 3 4_______ 5________ 6

Chunks:
  TruePositive nam [4,5] = Dąbrowie Górniczej

(ChunkerEvaluator) Sentence #7099 from articles/00107668 from sent2

Text  : Dąbrowa Górnicza przystąpiła do realizacji projektu współpracy międzyregionalnej RE -  GREEN „  Polityki regionalne na rzecz zielonych budynków ”  w  ramach programu unijnego INTEREG IVC .
Tokens: 1______ 2_______ 3__________ 4_ 5_________ 6_______ 7_________ 8________________ 9_ 10 11___ 12 13______ 14________ 15 16___ 17_______ 18______ 19 20 21____ 22______ 23______ 24_____ 25_ 26

Chunks:
  TruePositive nam [1,2] = Dąbrowa Górnicza
  TruePositive nam [9,11] = RE - GREEN
  TruePositive nam [24,25] = INTEREG IVC
  FalseNegative nam [13,18] = Polityki regionalne na rzecz zielonych budynków

(ChunkerEvaluator) Sentence #7100 from articles/00107668 from sent3

Text  : Celem projektu jest wymiana doświadczeń i dobrych praktyk w zakresie wprowadzania w  publicznych budynkach rozwiązań proekologicznych ,  w  szczególności energooszczędnych ,  a  także wykorzystujących odnawialne zasoby energii .
Tokens: 1____ 2_______ 3___ 4______ 5__________ 6 7______ 8______ 9 10______ 11__________ 12 13_________ 14_______ 15_______ 16______________ 17 18 19___________ 20_______________ 21 22 23___ 24______________ 25________ 26____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #7101 from articles/00107668 from sent4

Text  : Jednym z narzędzi do osiągnięcia tego celu mają być odpowiednie procedury zamówień publicznych (  np .  zapisy w  dokumentacji przetargowej i  sposób oceny ofert )  .
Tokens: 1_____ 2 3_______ 4_ 5__________ 6___ 7___ 8___ 9__ 10_________ 11_______ 12______ 13_________ 14 15 16 17____ 18 19__________ 20__________ 21 22____ 23___ 24___ 25 26

Chunks:

(ChunkerEvaluator) Sentence #7102 from articles/00107668 from sent5

Text  : Sektor budownictwa odpowiada za dużą część emisji gazów cieplarnianych i  to właśnie w  tym sektorze odbywa się aż 40 %  ostatecznego zużycia energii .
Tokens: 1_____ 2__________ 3________ 4_ 5___ 6____ 7_____ 8____ 9_____________ 10 11 12_____ 13 14_ 15______ 16____ 17_ 18 19 20 21__________ 22_____ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #7103 from articles/00107668 from sent6

Text  : Dlatego w całej Europie poszukuje się rozwiązań pozwalających na uzyskanie oszczędności na tym polu .
Tokens: 1______ 2 3____ 4______ 5________ 6__ 7________ 8____________ 9_ 10_______ 11__________ 12 13_ 14__ 15

Chunks:
  TruePositive nam [4,4] = Europie

(ChunkerEvaluator) Sentence #7104 from articles/00107668 from sent7

Text  : Budynki , w których zastosowano rozwiązania pozwalające na oszczędzaniu zasobów naturalnych i  tworzeniu środowiska przyjaznego mieszkańcom nazywa się „  zielonymi ”  .
Tokens: 1______ 2 3 4______ 5__________ 6__________ 7__________ 8_ 9___________ 10_____ 11_________ 12 13_______ 14________ 15_________ 16_________ 17____ 18_ 19 20_______ 21 22

Chunks:

(ChunkerEvaluator) Sentence #7105 from articles/00107668 from sent8

Text  : W projekcie RE - GREEN biorą udział : Polska ,  Szwecja ,  Wielka Brytania ,  Irlandia ,  Niemcy ,  Portugalia ,  Hiszpania ,  Rumunia ,  Estonia ,  Słowenia .
Tokens: 1 2________ 3_ 4 5____ 6____ 7_____ 8 9_____ 10 11_____ 12 13____ 14______ 15 16______ 17 18____ 19 20________ 21 22_______ 23 24_____ 25 26_____ 27 28______ 29

Chunks:
  TruePositive nam [3,5] = RE - GREEN
  TruePositive nam [9,9] = Polska
  TruePositive nam [11,11] = Szwecja
  TruePositive nam [13,14] = Wielka Brytania
  TruePositive nam [16,16] = Irlandia
  TruePositive nam [18,18] = Niemcy
  TruePositive nam [20,20] = Portugalia
  TruePositive nam [22,22] = Hiszpania
  TruePositive nam [24,24] = Rumunia
  TruePositive nam [26,26] = Estonia
  TruePositive nam [28,28] = Słowenia

(ChunkerEvaluator) Sentence #7106 from articles/00107668 from sent9

Text  : Wśród partnerów są zarówno instytucje naukowe , jak i przedstawiciele regionów (  władz lokalnych i  agencji energetycznych )  .
Tokens: 1____ 2________ 3_ 4______ 5_________ 6______ 7 8__ 9 10_____________ 11______ 12 13___ 14_______ 15 16_____ 17____________ 18 19

Chunks:

(ChunkerEvaluator) Sentence #7107 from articles/00107668 from sent10

Text  : W sieci jest już dostępna strona www.re-green.eu - na razie tylko w  wersji anglojęzycznej .
Tokens: 1 2____ 3___ 4__ 5_______ 6_____ 7______________ 8 9_ 10___ 11___ 12 13____ 14____________ 15

Chunks:
  FalseNegative nam [7,7] = www.re-green.eu

(ChunkerEvaluator) Sentence #7108 from articles/00107668 from sent11

Text  : Pod koniec lutego w Portugalii odbyła się konferencja otwierająca projekt .
Tokens: 1__ 2_____ 3_____ 4 5_________ 6_____ 7__ 8__________ 9__________ 10_____ 11

Chunks:
  TruePositive nam [5,5] = Portugalii

(ChunkerEvaluator) Sentence #7109 from articles/00107668 from sent12

Text  : Wśród zaproszonych gości ( poza partnerami ) byli przedstawiciele innych organizacji zajmujących się „  zielonymi budynkami "  ,  m  .  in .  The Green Building Council (  którego sieć obejmuje także Polskę )  oraz programu ONZ na rzecz zrównoważonego budownictwa .
Tokens: 1____ 2___________ 3____ 4 5___ 6_________ 7 8___ 9______________ 10____ 11_________ 12_________ 13_ 14 15_______ 16_______ 17 18 19 20 21 22 23_ 24___ 25______ 26_____ 27 28_____ 29__ 30______ 31___ 32____ 33 34__ 35______ 36_ 37 38___ 39____________ 40_________ 41

Chunks:
  TruePositive nam [32,32] = Polskę
  TruePositive nam [36,36] = ONZ
  FalsePositive nam [24,26] = Green Building Council
  FalseNegative nam [23,26] = The Green Building Council

(ChunkerEvaluator) Sentence #7110 from articles/00107668 from sent13

Text  : Efektem końcowym współpracy międzynarodowej oraz konsultacji z lokalnymi ekspertami i  politykami będzie dla Dąbrowy Górniczej przygotowanie i  wdrażanie w  kolejnych latach planu konkretnych działań (  z  budżetem i  harmonogramem )  nastawionych na wprowadzanie w  budynkach publicznych zielonych rozwiązań .
Tokens: 1______ 2_______ 3_________ 4______________ 5___ 6__________ 7 8________ 9_________ 10 11________ 12____ 13_ 14_____ 15_______ 16___________ 17 18_______ 19 20_______ 21____ 22___ 23_________ 24_____ 25 26 27______ 28 29___________ 30 31__________ 32 33__________ 34 35_______ 36_________ 37_______ 38_______ 39

Chunks:
  TruePositive nam [14,15] = Dąbrowy Górniczej

(ChunkerEvaluator) Sentence #7111 from articles/00107668 from sent14

Text  : Projekt współfinansowany ze środków Europejskiego Funduszu Rozwoju Regionalnego ? .
Tokens: 1______ 2_______________ 3_ 4______ 5____________ 6_______ 7______ 8___________ 9 10

Chunks:
  TruePositive nam [5,8] = Europejskiego Funduszu Rozwoju Regionalnego

(ChunkerEvaluator) Sentence #7112 from articles/00107668 from sent15

Text  : źródło : UM Dąbrowa Górnicza
Tokens: 1_____ 2 3_ 4______ 5_______

Chunks:
  FalsePositive nam [3,5] = UM Dąbrowa Górnicza
  FalseNegative nam [3,3] = UM
  FalseNegative nam [4,5] = Dąbrowa Górnicza

2016-10-27 14:59:47,126 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 301 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107669.xml
(ChunkerEvaluator) Sentence #7113 from articles/00107669 from sent1

Text  : Ukraina .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Ukraina

(ChunkerEvaluator) Sentence #7114 from articles/00107669 from sent2

Text  : Rodzina Tymoszenko spędzi z nią trzy dni w więzieniu
Tokens: 1______ 2_________ 3_____ 4 5__ 6___ 7__ 8 9________

Chunks:
  FalseNegative nam [2,2] = Tymoszenko

(ChunkerEvaluator) Sentence #7115 from articles/00107669 from sent3

Text  : Matka i córka odsiadującej wyrok siedmiu lat pozbawienia wolności byłej premier Ukrainy Julii Tymoszenko spędzą z  nią trzy dni w  kolonii karnej w  Charkowie ,  gdzie więziona jest opozycjonistka -  podała w  czwartek ukraińska służba więzienna .
Tokens: 1____ 2 3____ 4___________ 5____ 6______ 7__ 8__________ 9_______ 10___ 11_____ 12_____ 13___ 14________ 15____ 16 17_ 18__ 19_ 20 21_____ 22____ 23 24_______ 25 26___ 27______ 28__ 29____________ 30 31____ 32 33______ 34_______ 35____ 36_______ 37

Chunks:
  TruePositive nam [24,24] = Charkowie
  FalsePositive nam [12,14] = Ukrainy Julii Tymoszenko
  FalseNegative nam [12,12] = Ukrainy
  FalseNegative nam [13,14] = Julii Tymoszenko

(ChunkerEvaluator) Sentence #7116 from articles/00107669 from sent4

Text  : Tego dnia Tymoszenko dostała zgodę na widzenie ze swymi bliskimi ,  które odbędzie się w  przeznaczonym dla tego pomieszczeniu więziennym .
Tokens: 1___ 2___ 3_________ 4______ 5____ 6_ 7_______ 8_ 9____ 10______ 11 12___ 13______ 14_ 15 16___________ 17_ 18__ 19___________ 20________ 21

Chunks:
  FalseNegative nam [3,3] = Tymoszenko

(ChunkerEvaluator) Sentence #7117 from articles/00107669 from sent5

Text  : Skazana i jej rodzina mogą tam przebywać razem do trzech dób .
Tokens: 1______ 2 3__ 4______ 5___ 6__ 7________ 8____ 9_ 10____ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #7118 from articles/00107669 from sent6

Text  : Widzenie rozpocznie się w piątek i potrwa do niedzieli -  poinformowano .
Tokens: 1_______ 2_________ 3__ 4 5_____ 6 7_____ 8_ 9________ 10 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #7119 from articles/00107669 from sent7

Text  : Z prośbą o zgodę na spotkanie z rodziną Tymoszenko zwróciła się do władz charkowskiej kolonii 25 lutego .
Tokens: 1 2_____ 3 4____ 5_ 6________ 7 8______ 9_________ 10______ 11_ 12 13___ 14__________ 15_____ 16 17____ 18

Chunks:
  TruePositive nam [9,9] = Tymoszenko

(ChunkerEvaluator) Sentence #7120 from articles/00107669 from sent8

Text  : W czwartek kierownictwo więzienia poinformowało , że podanie rozpatrzono pozytywnie .
Tokens: 1 2_______ 3___________ 4________ 5____________ 6 7_ 8______ 9__________ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #7121 from articles/00107669 from sent9

Text  : " Zgodnie z obowiązującym prawem osoba skazana ma prawo do takiego długiego widzenia z  bliskimi raz na trzy miesiące "  -  głosi komunikat .
Tokens: 1 2______ 3 4____________ 5_____ 6____ 7______ 8_ 9____ 10 11_____ 12______ 13______ 14 15______ 16_ 17 18__ 19______ 20 21 22___ 23_______ 24

Chunks:

(ChunkerEvaluator) Sentence #7122 from articles/00107669 from sent10

Text  : W sierpniu ub . roku była premier została aresztowana w  związku z  podejrzeniami o  nadużycia ,  do których doszło przy zawieraniu przez jej rząd umów gazowych z  Rosją w  2009 r  .
Tokens: 1 2_______ 3_ 4 5___ 6___ 7______ 8______ 9__________ 10 11_____ 12 13___________ 14 15_______ 16 17 18_____ 19____ 20__ 21________ 22___ 23_ 24__ 25__ 26______ 27 28___ 29 30__ 31 32

Chunks:
  TruePositive nam [28,28] = Rosją

(ChunkerEvaluator) Sentence #7123 from articles/00107669 from sent11

Text  : Wyrok w tej sprawie zapadł w październiku .
Tokens: 1____ 2 3__ 4______ 5_____ 6 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #7124 from articles/00107669 from sent12

Text  : Skazanie Tymoszenko zostało ostro skrytykowane m . in . przez Unię Europejską ,  która uznała ,  że padła ona ofiarą wybiórczego stosowania prawa na Ukrainie .
Tokens: 1_______ 2_________ 3______ 4____ 5___________ 6 7 8_ 9 10___ 11__ 12________ 13 14___ 15____ 16 17 18___ 19_ 20____ 21_________ 22________ 23___ 24 25______ 26

Chunks:
  TruePositive nam [11,12] = Unię Europejską
  TruePositive nam [25,25] = Ukrainie
  FalseNegative nam [2,2] = Tymoszenko

(ChunkerEvaluator) Sentence #7125 from articles/00107669 from sent13

Text  : Bruksela uważa , że byłą premier ukarano za podjęcie decyzji o  charakterze politycznym .
Tokens: 1_______ 2____ 3 4_ 5___ 6______ 7______ 8_ 9_______ 10_____ 11 12_________ 13_________ 14

Chunks:
  TruePositive nam [1,1] = Bruksela

(ChunkerEvaluator) Sentence #7126 from articles/00107669 from sent14

Text  : Tymoszenko jest przeciwniczką prezydenta Ukrainy Wiktora Janukowycza , z którym bez powodzenia konkurowała w  przeprowadzonych na początku 2010 r  .  wyborach prezydenckich .
Tokens: 1_________ 2___ 3____________ 4_________ 5______ 6______ 7__________ 8 9 10____ 11_ 12________ 13_________ 14 15______________ 16 17______ 18__ 19 20 21______ 22___________ 23

Chunks:
  TruePositive nam [5,5] = Ukrainy
  TruePositive nam [6,7] = Wiktora Janukowycza
  FalseNegative nam [1,1] = Tymoszenko

2016-10-27 14:59:47,204 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 302 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107670.xml
(ChunkerEvaluator) Sentence #7127 from articles/00107670 from sent1

Text  : Empatia Kozłowskiego
Tokens: 1______ 2___________

Chunks:
  TruePositive nam [2,2] = Kozłowskiego

(ChunkerEvaluator) Sentence #7128 from articles/00107670 from sent2

Text  : Jarosław Kozłowski w siedzibie Fundacji Profile
Tokens: 1_______ 2________ 3 4________ 5_______ 6______

Chunks:
  TruePositive nam [1,2] = Jarosław Kozłowski
  TruePositive nam [5,6] = Fundacji Profile

(ChunkerEvaluator) Sentence #7129 from articles/00107670 from sent3

Text  : „ Empatia przewodniczącego Mao do narodu chińskiego i vice versa ”  to jedna z  najnowszych prac Jarosława Kozłowskiego ,  które zobaczymy na wystawie otwieranej w  piątek o  godz .  19 w  siedzibie Fundacji Profile (  ul .  Hoża 41 /  22 )  .
Tokens: 1 2______ 3_______________ 4__ 5_ 6_____ 7_________ 8 9___ 10___ 11 12 13___ 14 15_________ 16__ 17_______ 18__________ 19 20___ 21_______ 22 23______ 24________ 25 26____ 27 28__ 29 30 31 32_______ 33______ 34_____ 35 36 37 38__ 39 40 41 42 43

Chunks:
  TruePositive nam [17,18] = Jarosława Kozłowskiego
  TruePositive nam [33,34] = Fundacji Profile
  TruePositive nam [38,38] = Hoża
  FalsePositive nam [4,4] = Mao
  FalseNegative nam [2,10] = Empatia przewodniczącego Mao do narodu chińskiego i vice versa

(ChunkerEvaluator) Sentence #7130 from articles/00107670 from sent4

Text  : Przywołując pojęcie empatii Kozłowski odsłania kulturowe , polityczne i ekonomiczne użycia (  i  nadużycia )  ikonicznych przedstawień ,  które wydają się znajome i  oczywiste .
Tokens: 1__________ 2______ 3______ 4________ 5_______ 6________ 7 8_________ 9 10_________ 11____ 12 13 14_______ 15 16_________ 17__________ 18 19___ 20____ 21_ 22_____ 23 24_______ 25

Chunks:
  TruePositive nam [4,4] = Kozłowski

2016-10-27 14:59:47,228 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 303 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107671.xml
(ChunkerEvaluator) Sentence #7131 from articles/00107671 from sent1

Text  : Konką przez Białystok
Tokens: 1____ 2____ 3________

Chunks:
  TruePositive nam [3,3] = Białystok

(ChunkerEvaluator) Sentence #7132 from articles/00107671 from sent2

Text  : NA DWÓJKĘ
Tokens: 1_ 2_____

Chunks:
  FalsePositive nam [2,2] = DWÓJKĘ

(ChunkerEvaluator) Sentence #7133 from articles/00107671 from sent3

Text  : Konka , ropucha i cennik
Tokens: 1____ 2 3______ 4 5_____

Chunks:

(ChunkerEvaluator) Sentence #7134 from articles/00107671 from sent4

Text  : Dokładnie 108 lat temu po Białymstoku zaczął kursować pierwszy tramwaj konny .
Tokens: 1________ 2__ 3__ 4___ 5_ 6__________ 7_____ 8_______ 9_______ 10_____ 11___ 12

Chunks:
  TruePositive nam [6,6] = Białymstoku

(ChunkerEvaluator) Sentence #7135 from articles/00107671 from sent5

Text  : Pieszczotliwie zwano go konką , czasem ropuchą .
Tokens: 1_____________ 2____ 3_ 4____ 5 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #7136 from articles/00107671 from sent6

Text  : Za przejazd wagonem I klasy trzeba było zapłacić 5 kopiejek ,  za przejazd II klasą -  3  kopiejki .
Tokens: 1_ 2_______ 3______ 4 5____ 6_____ 7___ 8_______ 9 10______ 11 12 13______ 14 15___ 16 17 18______ 19

Chunks:
  FalseNegative nam [10,10] = kopiejek
  FalseNegative nam [18,18] = kopiejki

(ChunkerEvaluator) Sentence #7137 from articles/00107671 from sent7

Text  : Do zniżki upoważniona była tylko młodzież ucząca się - za przejazd w  obu klasach placiła 3  kopiejki (  nic dziwnego więc ,  że uczniacy oblepiali głównie wagony I  klasy ,  zawsze to większy komfort )  .
Tokens: 1_ 2_____ 3__________ 4___ 5____ 6_______ 7_____ 8__ 9 10 11______ 12 13_ 14_____ 15_____ 16 17______ 18 19_ 20______ 21__ 22 23 24______ 25_______ 26_____ 27____ 28 29___ 30 31____ 32 33_____ 34_____ 35 36

Chunks:
  FalseNegative nam [17,17] = kopiejki

(ChunkerEvaluator) Sentence #7138 from articles/00107671 from sent8

Text  : Za darmo natomiast mogli jeździć tylko policjanci w mundurach i  dzieci do lat sześciu .
Tokens: 1_ 2____ 3________ 4____ 5______ 6____ 7_________ 8 9________ 10 11____ 12 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7139 from articles/00107671 from sent9

Text  : Bagaż ręczny przewożono bezpłatnie , jeśli zaś było się posiadaczem większego -  co do opłat trzeba było się dogadywać z  bagażowym .
Tokens: 1____ 2_____ 3_________ 4_________ 5 6____ 7__ 8___ 9__ 10_________ 11_______ 12 13 14 15___ 16____ 17__ 18_ 19_______ 20 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #7140 from articles/00107671 from sent10

Text  : Regulamin konki mówił : „ jeśli zdarzy się wypadek ,  spowodowany niewłaściwym utrzymaniem toru ,  lub nieuwagą obsługi ,  pasażerowi przysługiwało odszkodowanie w  wysokości 25 rubli ”  .
Tokens: 1________ 2____ 3____ 4 5 6____ 7_____ 8__ 9______ 10 11_________ 12__________ 13_________ 14__ 15 16_ 17______ 18_____ 19 20________ 21___________ 22___________ 23 24_______ 25 26___ 27 28

Chunks:
  FalseNegative nam [26,26] = rubli

(ChunkerEvaluator) Sentence #7141 from articles/00107671 from sent11

Text  : Czy regulaminu trzymano się ściśle i ile było wypadków -  tego nie wiadomo .
Tokens: 1__ 2_________ 3_______ 4__ 5_____ 6 7__ 8___ 9_______ 10 11__ 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #7142 from articles/00107671 from sent12

Text  : Konka nie była jedynym osiągnięciem technicznym ostatniej dekady XIX wieku w  Białymstoku .
Tokens: 1____ 2__ 3___ 4______ 5___________ 6__________ 7________ 8_____ 9__ 10___ 11 12_________ 13

Chunks:
  TruePositive nam [12,12] = Białymstoku

(ChunkerEvaluator) Sentence #7143 from articles/00107671 from sent13

Text  : Cztery lata przed uruchomieniem konki , w 1891 roku ,  w  białostockich domach po raz pierwszy rozdzwonił się telefon .
Tokens: 1_____ 2___ 3____ 4____________ 5____ 6 7 8___ 9___ 10 11 12___________ 13____ 14 15_ 16______ 17________ 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #7144 from articles/00107671 from sent14

Text  : Korzystało z niego wówczas 360 abonentów ( na 60 tys .  mieszkańców )
Tokens: 1_________ 2 3____ 4______ 5__ 6________ 7 8_ 9_ 10_ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #7145 from articles/00107671 from sent15

Text  : w 1889 roku pierwszą instalację wodociągową w Białymstoku zaczął uruchamiać Mojżesz Tropp ,  tyle że .  .  .  zbankrutował po kilkunastu miesiącach .
Tokens: 1 2___ 3___ 4_______ 5_________ 6__________ 7 8__________ 9_____ 10________ 11_____ 12___ 13 14__ 15 16 17 18 19__________ 20 21________ 22________ 23

Chunks:
  TruePositive nam [8,8] = Białymstoku
  TruePositive nam [11,12] = Mojżesz Tropp

(ChunkerEvaluator) Sentence #7146 from articles/00107671 from sent16

Text  : Trzy lata później sprawą zajęło się świeżo powołane Towarzystwo Wodociągów Białostockich .
Tokens: 1___ 2___ 3______ 4_____ 5_____ 6__ 7_____ 8_______ 9__________ 10________ 11___________ 12

Chunks:
  TruePositive nam [9,11] = Towarzystwo Wodociągów Białostockich

(ChunkerEvaluator) Sentence #7147 from articles/00107671 from sent17

Text  : Pierwszy wodociąg uruchomiło w 1892 roku .
Tokens: 1_______ 2_______ 3_________ 4 5___ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #7148 from articles/00107671 from sent18

Text  : W 1897 roku Białystok po raz pierwszy rozjarzył się światłem elektrycznym .
Tokens: 1 2___ 3___ 4________ 5_ 6__ 7_______ 8________ 9__ 10______ 11__________ 12

Chunks:
  TruePositive nam [4,4] = Białystok

(ChunkerEvaluator) Sentence #7149 from articles/00107671 from sent19

Text  : Miał przyjechać car Mikołaj , więc nakazano iluminację ulic .
Tokens: 1___ 2_________ 3__ 4______ 5 6___ 7_______ 8_________ 9___ 10

Chunks:
  TruePositive nam [4,4] = Mikołaj

(ChunkerEvaluator) Sentence #7150 from articles/00107671 from sent20

Text  : Instalacji podjęła się firma Strauss - Sawicki z Kijowa ,  zadanie wykonała ,  ale po kilku miesiącach zbankrutowała ,  a  wraz z  nią zgasły światła .
Tokens: 1_________ 2______ 3__ 4____ 5______ 6 7______ 8 9_____ 10 11_____ 12______ 13 14_ 15 16___ 17________ 18___________ 19 20 21__ 22 23_ 24____ 25_____ 26

Chunks:
  TruePositive nam [5,7] = Strauss - Sawicki
  TruePositive nam [9,9] = Kijowa

(ChunkerEvaluator) Sentence #7151 from articles/00107671 from sent21

Text  : Na elektryfikację trzeba było czekać do 1910 roku , kiedy ruszyła pierwsza białostocka elektrownia .
Tokens: 1_ 2_____________ 3_____ 4___ 5_____ 6_ 7___ 8___ 9 10___ 11_____ 12______ 13_________ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #7152 from articles/00107671 from sent22

Text  : O historii konki w Białymstoku - czytaj na str .  10
Tokens: 1 2_______ 3____ 4 5__________ 6 7_____ 8_ 9__ 10 11

Chunks:
  TruePositive nam [5,5] = Białymstoku

2016-10-27 14:59:47,323 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 304 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107672.xml
(ChunkerEvaluator) Sentence #7153 from articles/00107672 from sent1

Text  : Msza w katedrze w intencji ludzi kultury
Tokens: 1___ 2 3_______ 4 5_______ 6____ 7______

Chunks:

(ChunkerEvaluator) Sentence #7154 from articles/00107672 from sent2

Text  : W intencji ludzi kultury
Tokens: 1 2_______ 3____ 4______

Chunks:

(ChunkerEvaluator) Sentence #7155 from articles/00107672 from sent3

Text  : Wspominkową mszę św . w intencji zmarłych ludzi szczecińskiej kultury odprawili w  niedzielę w  południe w  katedrze ks .  infułat Roman Kostynowicz ,  archidiecezjalny konserwator zabytków ,  ks .  dr Jan Mazur ,  diecezjalny duszpasterz środowisk twórczych ,  i  ks .  proboszcz Jan Kazieczko .
Tokens: 1__________ 2___ 3_ 4 5 6_______ 7_______ 8____ 9____________ 10_____ 11_______ 12 13_______ 14 15______ 16 17______ 18 19 20_____ 21___ 22_________ 23 24______________ 25_________ 26______ 27 28 29 30 31_ 32___ 33 34_________ 35_________ 36_______ 37_______ 38 39 40 41 42_______ 43_ 44_______ 45

Chunks:
  TruePositive nam [21,22] = Roman Kostynowicz
  TruePositive nam [31,32] = Jan Mazur
  TruePositive nam [43,44] = Jan Kazieczko

(ChunkerEvaluator) Sentence #7156 from articles/00107672 from sent4

Text  : - Artysta jest człowiekiem obdarowanym przez pierwszego artystę - Boga ,  który powołuje go do udziału w  stwórczej mocy -  przypomniał w  kazaniu słowa papieża ks .  Mazur .
Tokens: 1 2______ 3___ 4__________ 5__________ 6____ 7_________ 8______ 9 10__ 11 12___ 13______ 14 15 16_____ 17 18_______ 19__ 20 21_________ 22 23_____ 24___ 25_____ 26 27 28___ 29

Chunks:
  TruePositive nam [10,10] = Boga
  TruePositive nam [28,28] = Mazur

(ChunkerEvaluator) Sentence #7157 from articles/00107672 from sent5

Text  : - Nasi szczecińscy i pomorscy twórcy ratowali tę ziemię przed rozpaczą ,  przed brzydotą ,  przełamywali potęgę zła .
Tokens: 1 2___ 3__________ 4 5_______ 6_____ 7_______ 8_ 9_____ 10___ 11______ 12 13___ 14______ 15 16__________ 17____ 18_ 19

Chunks:

2016-10-27 14:59:47,360 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 305 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107673.xml
(ChunkerEvaluator) Sentence #7158 from articles/00107673 from sent1

Text  : Głupota Piotra Klepczarka , wolny Vladimira Boljevicia i uderzenia Hesdey &  amp ;  apos ;  a  Suarta [  SKRÓT MECZU CRACOVII ]
Tokens: 1______ 2_____ 3_________ 4 5____ 6________ 7_________ 8 9________ 10____ 11 12_ 13 14__ 15 16 17____ 18 19___ 20___ 21______ 22

Chunks:
  TruePositive nam [2,3] = Piotra Klepczarka
  TruePositive nam [6,7] = Vladimira Boljevicia
  FalsePositive nam [19,21] = SKRÓT MECZU CRACOVII
  FalseNegative nam [10,17] = Hesdey & amp ; apos ; a Suarta
  FalseNegative nam [21,21] = CRACOVII

(ChunkerEvaluator) Sentence #7159 from articles/00107673 from sent2

Text  : W pierwszym meczu pod wodzą Tomasza Kafarskiego krakowianie zremisowali z  ŁKS-em 2  :  2  ,  choć po pierwszej połowie przegrywali dwoma bramkami .
Tokens: 1 2________ 3____ 4__ 5____ 6______ 7__________ 8__________ 9__________ 10 11____ 12 13 14 15 16__ 17 18_______ 19_____ 20_________ 21___ 22______ 23

Chunks:
  TruePositive nam [6,7] = Tomasza Kafarskiego
  TruePositive nam [11,11] = ŁKS-em
  FalseNegative nam [8,8] = krakowianie

(ChunkerEvaluator) Sentence #7160 from articles/00107673 from sent3

Text  : Pięć minut po przerwie czerwoną kartkę otrzymał Klepczarek .
Tokens: 1___ 2____ 3_ 4_______ 5_______ 6_____ 7_______ 8_________ 9

Chunks:
  FalseNegative nam [8,8] = Klepczarek

(ChunkerEvaluator) Sentence #7161 from articles/00107673 from sent4

Text  : Grająca w przewadze Cracovia wyrównała .
Tokens: 1______ 2 3________ 4_______ 5________ 6

Chunks:
  TruePositive nam [4,4] = Cracovia

(ChunkerEvaluator) Sentence #7162 from articles/00107673 from sent5

Text  : Najpierw gola z rzutu wolnego zdobył Boljević , a sześć minut przed końcem punkt gościom zapewnił Suart .
Tokens: 1_______ 2___ 3 4____ 5______ 6_____ 7_______ 8 9 10___ 11___ 12___ 13____ 14___ 15_____ 16______ 17___ 18

Chunks:
  FalseNegative nam [7,7] = Boljević
  FalseNegative nam [17,17] = Suart

2016-10-27 14:59:47,384 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 306 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107674.xml
(ChunkerEvaluator) Sentence #7163 from articles/00107674 from sent1

Text  : Młoda Legia pokonała Młode Podbeskidzie
Tokens: 1____ 2____ 3_______ 4____ 5___________

Chunks:
  TruePositive nam [1,2] = Młoda Legia
  TruePositive nam [4,5] = Młode Podbeskidzie

(ChunkerEvaluator) Sentence #7164 from articles/00107674 from sent2

Text  : Młodzi legioniści ograli rówieśników z Bielska - Białej 3 :  0  i  umocnili się na prowadzeniu w  tabeli Młodej Ekstraklasy .
Tokens: 1_____ 2_________ 3_____ 4__________ 5 6______ 7 8_____ 9 10 11 12 13______ 14_ 15 16_________ 17 18____ 19____ 20_________ 21

Chunks:
  TruePositive nam [6,8] = Bielska - Białej
  TruePositive nam [19,20] = Młodej Ekstraklasy
  FalseNegative nam [2,2] = legioniści

(ChunkerEvaluator) Sentence #7165 from articles/00107674 from sent3

Text  : Po 19 . kolejkach mają cztery punkty przewagi nad Zagłębiem Lubin .
Tokens: 1_ 2_ 3 4________ 5___ 6_____ 7_____ 8_______ 9__ 10_______ 11___ 12

Chunks:
  TruePositive nam [10,11] = Zagłębiem Lubin

(ChunkerEvaluator) Sentence #7166 from articles/00107674 from sent4

Text  : Już do przerwy warszawiacy prowadzili dwiema bramkami .
Tokens: 1__ 2_ 3______ 4__________ 5_________ 6_____ 7_______ 8

Chunks:
  FalseNegative nam [4,4] = warszawiacy

(ChunkerEvaluator) Sentence #7167 from articles/00107674 from sent5

Text  : W 14 . minucie trafił Daniel Łukasik .
Tokens: 1 2_ 3 4______ 5_____ 6_____ 7______ 8

Chunks:
  TruePositive nam [6,7] = Daniel Łukasik

(ChunkerEvaluator) Sentence #7168 from articles/00107674 from sent6

Text  : Pomocnik na co dzień trenuje z pierwszym zespołem , ale szans na grę na razie tam nie ma .
Tokens: 1_______ 2_ 3_ 4____ 5______ 6 7________ 8_______ 9 10_ 11___ 12 13_ 14 15___ 16_ 17_ 18 19

Chunks:

(ChunkerEvaluator) Sentence #7169 from articles/00107674 from sent7

Text  : Gdy pierwsza połowa powoli dobiegała końca , legionistom drugi raz udało się skutecznie zaskoczyć rywali .
Tokens: 1__ 2_______ 3_____ 4_____ 5________ 6____ 7 8__________ 9____ 10_ 11___ 12_ 13________ 14_______ 15____ 16

Chunks:
  FalseNegative nam [8,8] = legionistom

(ChunkerEvaluator) Sentence #7170 from articles/00107674 from sent8

Text  : Długo rozgrywali piłkę wszerz pola karnego , aż wreszcie Michał Kopczyński dograł do Aleksandra Jagiełły ,  ustawionego na prawym skraju szesnastki .
Tokens: 1____ 2_________ 3____ 4_____ 5___ 6______ 7 8_ 9_______ 10____ 11________ 12____ 13 14________ 15______ 16 17_________ 18 19____ 20____ 21________ 22

Chunks:
  TruePositive nam [10,11] = Michał Kopczyński
  TruePositive nam [14,15] = Aleksandra Jagiełły

(ChunkerEvaluator) Sentence #7171 from articles/00107674 from sent9

Text  : Ten zszedł na lewą nogę i momentalnie huknął w kierunku dalszego słupka .
Tokens: 1__ 2_____ 3_ 4___ 5___ 6 7__________ 8_____ 9 10______ 11______ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #7172 from articles/00107674 from sent10

Text  : Futbolówka odbiła się jeszcze od poprzeczki i zatrzepotała w siatce .
Tokens: 1_________ 2_____ 3__ 4______ 5_ 6_________ 7 8___________ 9 10____ 11

Chunks:
  FalsePositive nam [1,1] = Futbolówka

(ChunkerEvaluator) Sentence #7173 from articles/00107674 from sent11

Text  : W 64 . minucie Mateusz Pogonowski strzelił trzeciego gola w  meczu po prostopadłym podaniu od Norberta Misiaka .
Tokens: 1 2_ 3 4______ 5______ 6_________ 7_______ 8________ 9___ 10 11___ 12 13__________ 14_____ 15 16______ 17_____ 18

Chunks:
  TruePositive nam [5,6] = Mateusz Pogonowski
  TruePositive nam [16,17] = Norberta Misiaka

(ChunkerEvaluator) Sentence #7174 from articles/00107674 from sent12

Text  : Od tej chwili , piłkarze lidera Młodej Ekstraklasy skutecznie wybijali rywali z  rytmu ,  choć wydaje się ,  że mogli strzelić kolejne gole .
Tokens: 1_ 2__ 3_____ 4 5_______ 6_____ 7_____ 8__________ 9_________ 10______ 11____ 12 13___ 14 15__ 16____ 17_ 18 19 20___ 21______ 22_____ 23__ 24

Chunks:
  TruePositive nam [7,8] = Młodej Ekstraklasy

(ChunkerEvaluator) Sentence #7175 from articles/00107674 from sent13

Text  : Chwile dekoncentracji sprawiły że , Młode Podbeskidzie doszło do dwóch niezłych sytuacji ,  ale za każdym razem na świetnie bronił Jakub Szumski .
Tokens: 1_____ 2_____________ 3_______ 4_ 5 6____ 7___________ 8_____ 9_ 10___ 11______ 12______ 13 14_ 15 16____ 17___ 18 19______ 20____ 21___ 22_____ 23

Chunks:
  TruePositive nam [6,7] = Młode Podbeskidzie
  TruePositive nam [21,22] = Jakub Szumski

(ChunkerEvaluator) Sentence #7176 from articles/00107674 from sent14

Text  : Drugi mecz w tym sezonie zagrał Michał Efir .
Tokens: 1____ 2___ 3 4__ 5______ 6_____ 7_____ 8___ 9

Chunks:
  TruePositive nam [7,8] = Michał Efir

(ChunkerEvaluator) Sentence #7177 from articles/00107674 from sent15

Text  : Młody napastnik wcześniej zmagał się z kontuzją kolana .
Tokens: 1____ 2________ 3________ 4_____ 5__ 6 7_______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #7178 from articles/00107674 from sent16

Text  : Przed tygodniem strzelił gola młodym piłkarzom ŁKS .
Tokens: 1____ 2________ 3_______ 4___ 5_____ 6________ 7__ 8

Chunks:
  TruePositive nam [7,7] = ŁKS

(ChunkerEvaluator) Sentence #7179 from articles/00107674 from sent17

Text  : Tym razem mecz skończył bez gola .
Tokens: 1__ 2____ 3___ 4_______ 5__ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #7180 from articles/00107674 from sent18

Text  : Czołówka tabeli
Tokens: 1_______ 2_____

Chunks:

(ChunkerEvaluator) Sentence #7181 from articles/00107674 from sent19

Text  : kolejno : zespół , mecze , punkty , bramki
Tokens: 1______ 2 3_____ 4 5____ 6 7_____ 8 9_____

Chunks:

2016-10-27 14:59:47,461 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 307 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107675.xml
(ChunkerEvaluator) Sentence #7182 from articles/00107675 from sent1

Text  : W weekend policja złapała 29 poszukiwanych przestępców
Tokens: 1 2______ 3______ 4______ 5_ 6____________ 7__________

Chunks:

(ChunkerEvaluator) Sentence #7183 from articles/00107675 from sent2

Text  : Dolnośląscy policjanci mieli sporo pracy w ten weekend .
Tokens: 1__________ 2_________ 3____ 4____ 5____ 6 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #7184 from articles/00107675 from sent3

Text  : Na drogach całego regionu doszło do 10 drogowych wypadków .
Tokens: 1_ 2______ 3_____ 4______ 5_____ 6_ 7_ 8________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #7185 from articles/00107675 from sent4

Text  : Policjanci podczas kontroli zatrzymali aż 98 pijanych kierowców
Tokens: 1_________ 2______ 3_______ 4_________ 5_ 6_ 7_______ 8________

Chunks:

(ChunkerEvaluator) Sentence #7186 from articles/00107675 from sent5

Text  : Łącznie funkcjonariusze na całym Dolnym Śląsku przeprowadzili 1729 interwencji .
Tokens: 1______ 2______________ 3_ 4____ 5_____ 6_____ 7_____________ 8___ 9__________ 10

Chunks:
  TruePositive nam [5,6] = Dolnym Śląsku

(ChunkerEvaluator) Sentence #7187 from articles/00107675 from sent6

Text  : M.in . złapali na gorącym uczynku 212 podejrzanych , a  także 29 poszukiwanych przestępców ,  w  tym siedmiu nieletnich .
Tokens: 1___ 2 3______ 4_ 5______ 6______ 7__ 8___________ 9 10 11___ 12 13___________ 14_________ 15 16 17_ 18_____ 19________ 20

Chunks:

2016-10-27 14:59:47,482 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 308 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107676.xml
(ChunkerEvaluator) Sentence #7188 from articles/00107676 from sent1

Text  : Co w trawie piszczy , czyli o czym piszą w  regionie
Tokens: 1_ 2 3_____ 4______ 5 6____ 7 8___ 9____ 10 11______

Chunks:

(ChunkerEvaluator) Sentence #7189 from articles/00107676 from sent2

Text  : Czy można bezkarnie wejść na czyjąś działkę i wyciąć 130 drzew ?
Tokens: 1__ 2____ 3________ 4____ 5_ 6_____ 7______ 8 9_____ 10_ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #7190 from articles/00107676 from sent3

Text  : Okazuje się , że można .
Tokens: 1______ 2__ 3 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #7191 from articles/00107676 from sent4

Text  : Do sytuacji takiej doszło w Nowej Woli w gminie Michałowo .
Tokens: 1_ 2_______ 3_____ 4_____ 5 6____ 7___ 8 9_____ 10_______ 11

Chunks:
  TruePositive nam [6,7] = Nowej Woli
  TruePositive nam [10,10] = Michałowo

(ChunkerEvaluator) Sentence #7192 from articles/00107676 from sent5

Text  : Drwalami była firma zajmująca się pozyskiwaniem biomasy i odkrzaczaniem rowów .
Tokens: 1_______ 2___ 3____ 4________ 5__ 6____________ 7______ 8 9____________ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #7193 from articles/00107676 from sent6

Text  : Pod piły poszły nawet dziesięcioletnie drzewa oraz chroniona kalina koralowa .
Tokens: 1__ 2___ 3_____ 4____ 5_______________ 6_____ 7___ 8________ 9_____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #7194 from articles/00107676 from sent7

Text  : Teraz właściciele działki obawiają się restrykcji - może pójść fama ,  że to oni sami wycięli drzewa .
Tokens: 1____ 2__________ 3______ 4_______ 5__ 6_________ 7 8___ 9____ 10__ 11 12 13 14_ 15__ 16_____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #7195 from articles/00107676 from sent8

Text  : Rozmowy z firmą , która zajmowała się wycinką jak do tej pory nie przyniosły efektów .
Tokens: 1______ 2 3____ 4 5____ 6________ 7__ 8______ 9__ 10 11_ 12__ 13_ 14________ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #7196 from articles/00107676 from sent9

Text  : Do winy nie poczuwa się też gmina Michałowo , która wycinkę zamówiła .
Tokens: 1_ 2___ 3__ 4______ 5__ 6__ 7____ 8________ 9 10___ 11_____ 12______ 13

Chunks:
  TruePositive nam [8,8] = Michałowo

(ChunkerEvaluator) Sentence #7197 from articles/00107676 from sent10

Text  : To historia z pierwszej strony dzisiejszej „ Gazety Współczesnej ”  .
Tokens: 1_ 2_______ 3 4________ 5_____ 6__________ 7 8_____ 9___________ 10 11

Chunks:
  TruePositive nam [8,9] = Gazety Współczesnej

(ChunkerEvaluator) Sentence #7198 from articles/00107676 from sent11

Text  : „ Kurier Poranny ” natomiast wylicza które inwestycje zostaną ukończone w  tym roku .
Tokens: 1 2_____ 3______ 4 5________ 6______ 7____ 8_________ 9______ 10_______ 11 12_ 13__ 14

Chunks:
  TruePositive nam [2,3] = Kurier Poranny

(ChunkerEvaluator) Sentence #7199 from articles/00107676 from sent12

Text  : Sporo tego - bo i Park Naukowo - Technologiczny ,  i  Lipowa ,  i  Opera .
Tokens: 1____ 2___ 3 4_ 5 6___ 7______ 8 9_____________ 10 11 12____ 13 14 15___ 16

Chunks:
  TruePositive nam [6,9] = Park Naukowo - Technologiczny
  TruePositive nam [12,12] = Lipowa
  TruePositive nam [15,15] = Opera

(ChunkerEvaluator) Sentence #7200 from articles/00107676 from sent13

Text  : W regionie natomiast bliżej końca są obwodnica Zambrowa i odcinek Białystok -  Jeżewo na krajowej „  ósemce ”  .
Tokens: 1 2_______ 3________ 4_____ 5____ 6_ 7________ 8_______ 9 10_____ 11_______ 12 13____ 14 15______ 16 17____ 18 19

Chunks:
  TruePositive nam [8,8] = Zambrowa
  FalsePositive nam [11,13] = Białystok - Jeżewo
  FalseNegative nam [11,11] = Białystok
  FalseNegative nam [13,13] = Jeżewo
  FalseNegative nam [15,18] = krajowej „ ósemce ”

(ChunkerEvaluator) Sentence #7201 from articles/00107676 from sent14

Text  : Radio 5 z kolei informuje , że w Suwałkach przy Zespole Szkół nr 6  nie będą już organizowane wyścigi kartingowe .
Tokens: 1____ 2 3 4____ 5________ 6 7_ 8 9________ 10__ 11_____ 12___ 13 14 15_ 16__ 17_ 18__________ 19_____ 20________ 21

Chunks:
  TruePositive nam [9,9] = Suwałkach
  FalsePositive nam [11,12] = Zespole Szkół
  FalseNegative nam [1,2] = Radio 5
  FalseNegative nam [11,14] = Zespole Szkół nr 6

(ChunkerEvaluator) Sentence #7202 from articles/00107676 from sent15

Text  : Okazało się , że hałas - na który skarżą się mieszkańcy okolicznych bloków -  przekracza tu wszelkie dopuszczalne normy .
Tokens: 1______ 2__ 3 4_ 5____ 6 7_ 8____ 9_____ 10_ 11________ 12_________ 13____ 14 15________ 16 17______ 18__________ 19___ 20

Chunks:

2016-10-27 14:59:47,546 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 309 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107677.xml
(ChunkerEvaluator) Sentence #7203 from articles/00107677 from sent1

Text  : Hiszpania .
Tokens: 1________ 2

Chunks:
  TruePositive nam [1,1] = Hiszpania

(ChunkerEvaluator) Sentence #7204 from articles/00107677 from sent2

Text  : Odwołano serię strajków w liniach lotniczych Iberia
Tokens: 1_______ 2____ 3_______ 4 5______ 6_________ 7_____

Chunks:
  TruePositive nam [7,7] = Iberia

(ChunkerEvaluator) Sentence #7205 from articles/00107677 from sent3

Text  : Piloci i personel pokładowy hiszpańskich linii lotniczych Iberia odwołali planowaną kolejną serię strajków przeciwko uruchomieniu przez tego przewoźnika tanich linii lotniczych .
Tokens: 1_____ 2 3_______ 4________ 5___________ 6____ 7_________ 8_____ 9_______ 10_______ 11_____ 12___ 13______ 14_______ 15__________ 16___ 17__ 18_________ 19____ 20___ 21________ 22

Chunks:
  TruePositive nam [8,8] = Iberia

(ChunkerEvaluator) Sentence #7206 from articles/00107677 from sent4

Text  : Jak powiedziała rzeczniczka Iberii , piloci zgodzili się na udział mediatora w  sporze z  zarządem Iberii .
Tokens: 1__ 2__________ 3__________ 4_____ 5 6_____ 7_______ 8__ 9_ 10____ 11_______ 12 13____ 14 15______ 16____ 17

Chunks:
  TruePositive nam [4,4] = Iberii
  TruePositive nam [16,16] = Iberii

(ChunkerEvaluator) Sentence #7207 from articles/00107677 from sent5

Text  : Ze strony związku zawodowego pilotów SEPLA nie udało się uzyskać komentarza -  pisze agencja Reutera .
Tokens: 1_ 2_____ 3______ 4_________ 5______ 6____ 7__ 8____ 9__ 10_____ 11________ 12 13___ 14_____ 15_____ 16

Chunks:
  TruePositive nam [15,15] = Reutera
  FalseNegative nam [6,6] = SEPLA

(ChunkerEvaluator) Sentence #7208 from articles/00107677 from sent6

Text  : Piloci Iberii zapowiadali 24 akcje strajkowe między 16 marca a  28 maja .
Tokens: 1_____ 2_____ 3__________ 4_ 5____ 6________ 7_____ 8_ 9____ 10 11 12__ 13

Chunks:
  TruePositive nam [2,2] = Iberii

(ChunkerEvaluator) Sentence #7209 from articles/00107677 from sent7

Text  : Związki zawodowe pilotów SEPLA i personelu pokładowego Stavla są zaniepokojone możliwością likwidacji tysięcy miejsc pracy z  powodu uruchomienia tanich linii Iberia Express ,  które mają rozpocząć działalność 25 marca i  zapewnić połączenia między Hiszpanią a  resztą Europy .
Tokens: 1______ 2_______ 3______ 4____ 5 6________ 7__________ 8_____ 9_ 10___________ 11_________ 12________ 13_____ 14____ 15___ 16 17____ 18__________ 19____ 20___ 21____ 22_____ 23 24___ 25__ 26_______ 27_________ 28 29___ 30 31______ 32________ 33____ 34_______ 35 36____ 37____ 38

Chunks:
  TruePositive nam [21,22] = Iberia Express
  TruePositive nam [34,34] = Hiszpanią
  TruePositive nam [37,37] = Europy
  FalseNegative nam [4,4] = SEPLA
  FalseNegative nam [8,8] = Stavla

(ChunkerEvaluator) Sentence #7210 from articles/00107677 from sent8

Text  : Od grudnia piloci Iberii strajkowali już w sumie 12 dni ,  a  13 lutego do ich protestu przyłączyli się członkowie związku zawodowego personelu latającego Stavla .
Tokens: 1_ 2______ 3_____ 4_____ 5__________ 6__ 7 8____ 9_ 10_ 11 12 13 14____ 15 16_ 17______ 18_________ 19_ 20________ 21_____ 22________ 23_______ 24________ 25____ 26

Chunks:
  TruePositive nam [4,4] = Iberii
  FalseNegative nam [25,25] = Stavla

(ChunkerEvaluator) Sentence #7211 from articles/00107677 from sent9

Text  : Iberia w związku z tymi strajkami musiała odwołać około 1400 lotów i  poniosła straty w  wysokości 36 mln euro .
Tokens: 1_____ 2 3______ 4 5___ 6________ 7______ 8______ 9____ 10__ 11___ 12 13______ 14____ 15 16_______ 17 18_ 19__ 20

Chunks:
  TruePositive nam [19,19] = euro
  FalseNegative nam [1,1] = Iberia

2016-10-27 14:59:47,597 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 310 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107678.xml
(ChunkerEvaluator) Sentence #7212 from articles/00107678 from sent1

Text  : Józefinki na pięciolinii w Filharmonii Lubelskiej - 18 marca 2012 (  niedziela )  o  godz .  11
Tokens: 1________ 2_ 3__________ 4 5__________ 6_________ 7 8_ 9____ 10__ 11 12_______ 13 14 15__ 16 17

Chunks:
  TruePositive nam [5,6] = Filharmonii Lubelskiej
  FalseNegative nam [1,3] = Józefinki na pięciolinii

(ChunkerEvaluator) Sentence #7213 from articles/00107678 from sent2

Text  : W koncercie udział weźmie Magdalena Idzik , solistka warszawskiej Opery Narodowej ,  która śpiewała m  .  in .  podczas gali „  Gwiazdy dla Europy ”  ,  pod batutą Jose Cury ,  a  także u  boku Andrea Bocellego .
Tokens: 1 2________ 3_____ 4_____ 5________ 6____ 7 8_______ 9___________ 10___ 11_______ 12 13___ 14______ 15 16 17 18 19_____ 20__ 21 22_____ 23_ 24____ 25 26 27_ 28____ 29__ 30__ 31 32 33___ 34 35__ 36____ 37_______ 38

Chunks:
  TruePositive nam [5,6] = Magdalena Idzik
  TruePositive nam [10,11] = Opery Narodowej
  TruePositive nam [29,30] = Jose Cury
  TruePositive nam [36,37] = Andrea Bocellego
  FalsePositive nam [24,24] = Europy
  FalseNegative nam [22,24] = Gwiazdy dla Europy

(ChunkerEvaluator) Sentence #7214 from articles/00107678 from sent3

Text  : Artystka wystąpi wspólnie z Robertem Grudniem , wirtuozem organów oraz Arturem Jaroniem ,  znanym pianistą .
Tokens: 1_______ 2______ 3_______ 4 5_______ 6_______ 7 8________ 9______ 10__ 11_____ 12______ 13 14____ 15______ 16

Chunks:
  TruePositive nam [5,6] = Robertem Grudniem
  TruePositive nam [11,12] = Arturem Jaroniem

(ChunkerEvaluator) Sentence #7215 from articles/00107678 from sent4

Text  : Koncert zatytułowany „ Józefinki na pięciolinii ” , nawiązuje do staropolskiej tradycji przełamania postu .
Tokens: 1______ 2___________ 3 4________ 5_ 6__________ 7 8 9________ 10 11___________ 12______ 13_________ 14___ 15

Chunks:
  FalsePositive nam [4,4] = Józefinki
  FalseNegative nam [4,6] = Józefinki na pięciolinii

(ChunkerEvaluator) Sentence #7216 from articles/00107678 from sent5

Text  : Według niej , w dniu imienin Józefa można sobie pozwolić jeśli nie na huczne zabawy ,  to na spędzenie czasu w  sposób bardziej radosny ,  wolny od umartwień .
Tokens: 1_____ 2___ 3 4 5___ 6______ 7_____ 8____ 9____ 10______ 11___ 12_ 13 14____ 15____ 16 17 18 19_______ 20___ 21 22____ 23______ 24_____ 25 26___ 27 28_______ 29

Chunks:
  TruePositive nam [7,7] = Józefa

(ChunkerEvaluator) Sentence #7217 from articles/00107678 from sent6

Text  : Dlatego w programie znajdą się zarówno utwory sakralne , klasyka oraz melodie ,  które lubimy i  chętnie słuchamy .
Tokens: 1______ 2 3________ 4_____ 5__ 6______ 7_____ 8_______ 9 10_____ 11__ 12_____ 13 14___ 15____ 16 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #7218 from articles/00107678 from sent7

Text  : Publiczność usłyszy także utwór „ Duet koncertujący ” Tadeusza Paciorkiewicza ,  oparty na rywalizacji brzmień .
Tokens: 1__________ 2______ 3____ 4____ 5 6___ 7___________ 8 9_______ 10____________ 11 12____ 13 14_________ 15_____ 16

Chunks:
  TruePositive nam [9,10] = Tadeusza Paciorkiewicza
  FalseNegative nam [6,7] = Duet koncertujący

(ChunkerEvaluator) Sentence #7219 from articles/00107678 from sent8

Text  : O sympatię widzów zmagać się będą organy nazywane przez Mozarta królem instrumentów z  fortepianem ,  który od połowy XIX stulecia zyskał miano najbardziej popularnego instrumentu europejskiego i  tego imienia dzielnie broni do dziś ,  wkraczając nawet do muzyki rozrywkowej .
Tokens: 1 2_______ 3_____ 4_____ 5__ 6___ 7_____ 8_______ 9____ 10_____ 11____ 12__________ 13 14_________ 15 16___ 17 18____ 19_ 20______ 21____ 22___ 23_________ 24_________ 25_________ 26___________ 27 28__ 29_____ 30______ 31___ 32 33__ 34 35________ 36___ 37 38____ 39_________ 40

Chunks:
  TruePositive nam [10,10] = Mozarta

(ChunkerEvaluator) Sentence #7220 from articles/00107678 from sent9

Text  : Najcenniejsze dźwięki organowe wydobędzie Robert Grudzień , znany muzyk ,  kompozytor ,  solista Filharmonii Lubelskiej .
Tokens: 1____________ 2______ 3_______ 4_________ 5_____ 6_______ 7 8____ 9____ 10 11________ 12 13_____ 14_________ 15________ 16

Chunks:
  TruePositive nam [5,6] = Robert Grudzień
  TruePositive nam [14,15] = Filharmonii Lubelskiej

(ChunkerEvaluator) Sentence #7221 from articles/00107678 from sent10

Text  : Na fortepianie zagra Artur Jaroń , ceniony jako solista i  kameralista ,  występujący z  najlepszymi polskimi orkiestrami .
Tokens: 1_ 2__________ 3____ 4____ 5____ 6 7______ 8___ 9______ 10 11_________ 12 13_________ 14 15_________ 16______ 17_________ 18

Chunks:
  TruePositive nam [4,5] = Artur Jaroń

(ChunkerEvaluator) Sentence #7222 from articles/00107678 from sent11

Text  : „ Józefinki na pięciolinii ” to także okazja , aby usłyszeć Borysa Somerschafa ,  kompozytora ,  piosenkarza ,  wokalistę ,  śpiewającego barytonem .
Tokens: 1 2________ 3_ 4__________ 5 6_ 7____ 8_____ 9 10_ 11______ 12____ 13_________ 14 15_________ 16 17_________ 18 19_______ 20 21__________ 22_______ 23

Chunks:
  TruePositive nam [12,13] = Borysa Somerschafa
  FalseNegative nam [2,4] = Józefinki na pięciolinii

(ChunkerEvaluator) Sentence #7223 from articles/00107678 from sent12

Text  : Artysta prowadzi także Męski Zespół Wokalny Kairos w Lublinie .
Tokens: 1______ 2_______ 3____ 4____ 5_____ 6______ 7_____ 8 9_______ 10

Chunks:
  FalsePositive nam [4,9] = Męski Zespół Wokalny Kairos w Lublinie
  FalseNegative nam [4,7] = Męski Zespół Wokalny Kairos
  FalseNegative nam [9,9] = Lublinie

(ChunkerEvaluator) Sentence #7224 from articles/00107678 from sent13

Text  : Koncert to także promocja młodych lubelskich talentów .
Tokens: 1______ 2_ 3____ 4_______ 5______ 6_________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #7225 from articles/00107678 from sent14

Text  : Obok znanych artystów wystąpi także trzynastoletni lublinianin , Sebastian Kozub ,  który mimo młodego wieku jest już laureatem kilkunastu konkursów muzycznych ,  m  .  in .  w  Austrii ,  Czechach ,  Estonii ,  Chorwacji oraz na Ukrainie i  na Węgrzech .
Tokens: 1___ 2______ 3_______ 4______ 5____ 6_____________ 7__________ 8 9________ 10___ 11 12___ 13__ 14_____ 15___ 16__ 17_ 18_______ 19________ 20_______ 21________ 22 23 24 25 26 27 28_____ 29 30______ 31 32_____ 33 34_______ 35__ 36 37______ 38 39 40______ 41

Chunks:
  TruePositive nam [9,10] = Sebastian Kozub
  TruePositive nam [28,28] = Austrii
  TruePositive nam [30,30] = Czechach
  TruePositive nam [32,32] = Estonii
  TruePositive nam [34,34] = Chorwacji
  TruePositive nam [37,37] = Ukrainie
  TruePositive nam [40,40] = Węgrzech
  FalseNegative nam [7,7] = lublinianin

(ChunkerEvaluator) Sentence #7226 from articles/00107678 from sent15

Text  : Program oraz wykonawcy gwarantują , iż koncert „ Józefinki na pięciolinii ”  to propozycja nie tylko dla wytrawnych melomanów ,  ale dla wszystkich ,  którzy w  muzyce poszukują piękna i  harmonii .
Tokens: 1______ 2___ 3________ 4_________ 5 6_ 7______ 8 9________ 10 11_________ 12 13 14________ 15_ 16___ 17_ 18________ 19_______ 20 21_ 22_ 23________ 24 25____ 26 27____ 28_______ 29____ 30 31______ 32

Chunks:
  FalsePositive nam [9,9] = Józefinki
  FalseNegative nam [9,11] = Józefinki na pięciolinii

(ChunkerEvaluator) Sentence #7227 from articles/00107678 from sent16

Text  : To także okazja dla nastolatków i studentów , chcących poznać i  docenić walory muzyki klasycznej .
Tokens: 1_ 2____ 3_____ 4__ 5__________ 6 7________ 8 9_______ 10____ 11 12_____ 13____ 14____ 15________ 16

Chunks:

2016-10-27 14:59:47,702 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 311 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107679.xml
(ChunkerEvaluator) Sentence #7228 from articles/00107679 from sent1

Text  : Znów zmiany na A2 .
Tokens: 1___ 2_____ 3_ 4_ 5

Chunks:
  TruePositive nam [4,4] = A2

(ChunkerEvaluator) Sentence #7229 from articles/00107679 from sent2

Text  : Nowy wykonawca uratuje autostradę ?
Tokens: 1___ 2________ 3______ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #7230 from articles/00107679 from sent3

Text  : Znowu zmienił się główny wykonawca jednego z odcinków autostrady do Warszawy .
Tokens: 1____ 2______ 3__ 4_____ 5________ 6______ 7 8_______ 9_________ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Warszawy

(ChunkerEvaluator) Sentence #7231 from articles/00107679 from sent4

Text  : Żeby zdążyć na Euro , odpowiedzialność za wszystkie roboty w  rejonie Żyrardowa przejęła firma Bögl &  amp ;  Krýsl .
Tokens: 1___ 2_____ 3_ 4___ 5 6_______________ 7_ 8________ 9_____ 10 11_____ 12_______ 13______ 14___ 15__ 16 17_ 18 19___ 20

Chunks:
  TruePositive nam [4,4] = Euro
  TruePositive nam [12,12] = Żyrardowa
  FalsePositive nam [19,19] = Krýsl
  FalseNegative nam [15,19] = Bögl & amp ; Krýsl

(ChunkerEvaluator) Sentence #7232 from articles/00107679 from sent5

Text  : Nowy wykonawca uratuje A2 ?
Tokens: 1___ 2________ 3______ 4_ 5

Chunks:
  TruePositive nam [4,4] = A2

(ChunkerEvaluator) Sentence #7233 from articles/00107679 from sent6

Text  : Znowu zmienił się główny wykonawca jednego z odcinków autostrady do Warszawy .
Tokens: 1____ 2______ 3__ 4_____ 5________ 6______ 7 8_______ 9_________ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Warszawy

(ChunkerEvaluator) Sentence #7234 from articles/00107679 from sent7

Text  : Żeby zdążyć na Euro , odpowiedzialność za wszystkie roboty w  rejonie Żyrardowa przejęła firma Bögl &  Krýsl .
Tokens: 1___ 2_____ 3_ 4___ 5 6_______________ 7_ 8________ 9_____ 10 11_____ 12_______ 13______ 14___ 15__ 16 17___ 18

Chunks:
  TruePositive nam [4,4] = Euro
  TruePositive nam [12,12] = Żyrardowa
  TruePositive nam [15,17] = Bögl & Krýsl

(ChunkerEvaluator) Sentence #7235 from articles/00107679 from sent8

Text  : Ta czesko - niemiecka spółka od sierpnia buduje już 20 -  kilometrowy odcinek C  autostrady w  konsorcjum z  firmą Dolnośląskie Surowce Skalne .
Tokens: 1_ 2_____ 3 4________ 5_____ 6_ 7_______ 8_____ 9__ 10 11 12_________ 13_____ 14 15________ 16 17________ 18 19___ 20__________ 21_____ 22____ 23

Chunks:
  TruePositive nam [20,22] = Dolnośląskie Surowce Skalne
  FalseNegative nam [13,14] = odcinek C

(ChunkerEvaluator) Sentence #7236 from articles/00107679 from sent9

Text  : Obie przejęły roboty po Chińczykach , którzy wiosną porzucili plac budowy .
Tokens: 1___ 2_______ 3_____ 4_ 5__________ 6 7_____ 8_____ 9________ 10__ 11____ 12

Chunks:
  TruePositive nam [5,5] = Chińczykach

(ChunkerEvaluator) Sentence #7237 from articles/00107679 from sent10

Text  : Dotychczas to jednak spółka DSS - jako lider tego konsorcjum -  była odpowiedzialna za kontrakt .
Tokens: 1_________ 2_ 3_____ 4_____ 5__ 6 7___ 8____ 9___ 10________ 11 12__ 13____________ 14 15______ 16

Chunks:
  TruePositive nam [5,5] = DSS

(ChunkerEvaluator) Sentence #7238 from articles/00107679 from sent11

Text  : Niestety , co chwila pojawiały się wątpliwości , że może ona nie poradzić sobie z  inwestycją .
Tokens: 1_______ 2 3_ 4_____ 5________ 6__ 7__________ 8 9_ 10__ 11_ 12_ 13______ 14___ 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #7239 from articles/00107679 from sent12

Text  : Głównym problemem były kolejne doniesienia o zaległościach finansowych wobec podwykonawców .
Tokens: 1______ 2________ 3___ 4______ 5__________ 6 7____________ 8__________ 9____ 10___________ 11

Chunks:

(ChunkerEvaluator) Sentence #7240 from articles/00107679 from sent13

Text  : Odcinek C to także najbardziej opóźniony fragment autostrady spośród wszystkich pięciu między Łodzią i  Warszawą .
Tokens: 1______ 2 3_ 4____ 5__________ 6________ 7_______ 8_________ 9______ 10________ 11____ 12____ 13____ 14 15______ 16

Chunks:
  TruePositive nam [1,2] = Odcinek C
  TruePositive nam [13,13] = Łodzią
  TruePositive nam [15,15] = Warszawą

(ChunkerEvaluator) Sentence #7241 from articles/00107679 from sent14

Text  : Generalna Dyrekcja Dróg i Autostrad zdecydowała więc , że odpowiedzialność za cały kontrakt przejmie teraz Bögl &  Krýsl ,  który swoją część robót ,  m  .  in .  budowę betonowych wiaduktów ,  wykonywał w  terminie .
Tokens: 1________ 2_______ 3___ 4 5________ 6__________ 7___ 8 9_ 10______________ 11 12__ 13______ 14______ 15___ 16__ 17 18___ 19 20___ 21___ 22___ 23___ 24 25 26 27 28 29____ 30________ 31_______ 32 33_______ 34 35______ 36

Chunks:
  TruePositive nam [1,5] = Generalna Dyrekcja Dróg i Autostrad
  FalseNegative nam [16,18] = Bögl & Krýsl

(ChunkerEvaluator) Sentence #7242 from articles/00107679 from sent15

Text  : Jego zakres prac po raz pierwszy zwiększono już w styczniu .
Tokens: 1___ 2_____ 3___ 4_ 5__ 6_______ 7_________ 8__ 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #7243 from articles/00107679 from sent16

Text  : Nowy podział ról ma zapewnić przejezdność autostrady tuż przed Euro 2012 i  zakończenie wszystkich robót w  ustalonym terminie ,  czyli w  październiku .
Tokens: 1___ 2______ 3__ 4_ 5_______ 6___________ 7_________ 8__ 9____ 10__ 11__ 12 13_________ 14________ 15___ 16 17_______ 18______ 19 20___ 21 22__________ 23

Chunks:
  TruePositive nam [10,11] = Euro 2012

(ChunkerEvaluator) Sentence #7244 from articles/00107679 from sent17

Text  : Firma DSS nadal pozostaje w konsorcjum , ale jej rola znacznie zmalała .
Tokens: 1____ 2__ 3____ 4________ 5 6_________ 7 8__ 9__ 10__ 11______ 12_____ 13

Chunks:
  TruePositive nam [2,2] = DSS

2016-10-27 14:59:47,779 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 312 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107680.xml
(ChunkerEvaluator) Sentence #7245 from articles/00107680 from sent1

Text  : Podobno . . .
Tokens: 1______ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #7246 from articles/00107680 from sent2

Text  : Podobno skończyła m elitarne studia . . .
Tokens: 1______ 2________ 3 4_______ 5_____ 6 7 8

Chunks:

(ChunkerEvaluator) Sentence #7247 from articles/00107680 from sent3

Text  : Podobno , bo połowa mieszkańców mojego miasteczka nie wie jak „  ugryźć ”  biotechnologię .
Tokens: 1______ 2 3_ 4_____ 5__________ 6_____ 7_________ 8__ 9__ 10_ 11 12____ 13 14____________ 15

Chunks:

(ChunkerEvaluator) Sentence #7248 from articles/00107680 from sent4

Text  : Jejku , a ja mam się dziwić zwykłym ludziom ?
Tokens: 1____ 2 3 4_ 5__ 6__ 7_____ 8______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7249 from articles/00107680 from sent5

Text  : Chyba ignorancji powinna m zacząć szukać wyżej .
Tokens: 1____ 2_________ 3______ 4 5_____ 6_____ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #7250 from articles/00107680 from sent6

Text  : Przykład ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #7251 from articles/00107680 from sent7

Text  : Przebieg rejestracji bezrobotnej absolwentki w urzędzie pracy .
Tokens: 1_______ 2__________ 3__________ 4__________ 5 6_______ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #7252 from articles/00107680 from sent8

Text  : Profil , w jakim mamy panią zarejestrować : BRAK !
Tokens: 1_____ 2 3 4____ 5___ 6____ 7____________ 8 9___ 10

Chunks:
  FalsePositive nam [9,9] = BRAK

(ChunkerEvaluator) Sentence #7253 from articles/00107680 from sent9

Text  : Jejku , brak w krajowym systemie rejestracji bezrobotnych o profilu wykształcenia „  chemia /  farmacja ”  .
Tokens: 1____ 2 3___ 4 5_______ 6_______ 7__________ 8___________ 9 10_____ 11___________ 12 13____ 14 15______ 16 17

Chunks:
  FalseNegative nam [5,8] = krajowym systemie rejestracji bezrobotnych

(ChunkerEvaluator) Sentence #7254 from articles/00107680 from sent10

Text  : Nie wiem , czy po tych studiach nie powinna m  być bezrobotna .
Tokens: 1__ 2___ 3 4__ 5_ 6___ 7_______ 8__ 9______ 10 11_ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #7255 from articles/00107680 from sent11

Text  : W końcu upchnięto moje dane w profilu „ techniczny ”  .
Tokens: 1 2____ 3________ 4___ 5___ 6 7______ 8 9_________ 10 11

Chunks:

(ChunkerEvaluator) Sentence #7256 from articles/00107680 from sent12

Text  : Teraz czeka mnie ciąg dalszy przyjemności .
Tokens: 1____ 2____ 3___ 4___ 5_____ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #7257 from articles/00107680 from sent13

Text  : Za kilka dni w urzędzie pracy mam wysłuchać wykładu o  aktywacji bezrobotnych absolwentów studiów ,  zapoznać się z  formą CV ,  listu motywacyjnego (  po 120 wysłanych ofertach chyba wiem ,  jak je pisać ?  )  .
Tokens: 1_ 2____ 3__ 4 5_______ 6____ 7__ 8________ 9______ 10 11_______ 12__________ 13_________ 14_____ 15 16______ 17_ 18 19___ 20 21 22___ 23___________ 24 25 26_ 27_______ 28______ 29___ 30__ 31 32_ 33 34___ 35 36 37

Chunks:
  FalsePositive nam [20,20] = CV

(ChunkerEvaluator) Sentence #7258 from articles/00107680 from sent14

Text  : I jeszcze dowiem się , jak wygląda teoretycznie spotkanie z  pracodawcą .
Tokens: 1 2______ 3_____ 4__ 5 6__ 7______ 8___________ 9________ 10 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #7259 from articles/00107680 from sent15

Text  : Kiedy ja już wiem , jak to wygląda w rzeczywistości !
Tokens: 1____ 2_ 3__ 4___ 5 6__ 7_ 8______ 9 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #7260 from articles/00107680 from sent16

Text  : I po tych rozmowach dociera do mnie , że mam jedną wadę :  brak doświadczenia .
Tokens: 1 2_ 3___ 4________ 5______ 6_ 7___ 8 9_ 10_ 11___ 12__ 13 14__ 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #7261 from articles/00107680 from sent17

Text  : Ale ja je zdobędę i jestem pewna , że urząd pracy mi w  tym nie pomoże .
Tokens: 1__ 2_ 3_ 4______ 5 6_____ 7____ 8 9_ 10___ 11___ 12 13 14_ 15_ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #7262 from articles/00107680 from sent18

Text  : Co więcej , zmarnuje mój czas i pieniądze podatników na rzeczy ,  które już znam .
Tokens: 1_ 2_____ 3 4_______ 5__ 6___ 7 8________ 9_________ 10 11____ 12 13___ 14_ 15__ 16

Chunks:

2016-10-27 14:59:47,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 313 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107682.xml
(ChunkerEvaluator) Sentence #7263 from articles/00107682 from sent1

Text  : & quot ; Gazeta Polska codziennie & quot ; :  Setki sędziów pozwało skarb państwa
Tokens: 1 2___ 3 4_____ 5_____ 6_________ 7 8___ 9 10 11___ 12_____ 13_____ 14___ 15_____

Chunks:
  FalsePositive nam [4,5] = Gazeta Polska
  FalseNegative nam [4,6] = Gazeta Polska codziennie

(ChunkerEvaluator) Sentence #7264 from articles/00107682 from sent2

Text  : Polscy sędziowie składają pozwy do sądów pracy przeciwko skarbowi państwa ,  protestując przeciwko zamrożeniu waloryzacji ich pensji -  informuje &  quot ;  Gazeta Polska codziennie &  quot ;  .
Tokens: 1_____ 2________ 3_______ 4____ 5_ 6____ 7____ 8________ 9_______ 10_____ 11 12_________ 13_______ 14________ 15_________ 16_ 17____ 18 19_______ 20 21__ 22 23____ 24____ 25________ 26 27__ 28 29

Chunks:
  FalsePositive nam [23,24] = Gazeta Polska
  FalseNegative nam [23,25] = Gazeta Polska codziennie

(ChunkerEvaluator) Sentence #7265 from articles/00107682 from sent3

Text  : Ustawa o ustroju sądów powszechnych gwarantuje sędziom coroczną waloryzację ich wynagrodzeń .
Tokens: 1_____ 2 3______ 4____ 5___________ 6_________ 7______ 8_______ 9__________ 10_ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #7266 from articles/00107682 from sent4

Text  : Tymczasem w ustawie okołobudżetowej na 2012 r . zamrożono pensje sędziów .
Tokens: 1________ 2 3______ 4______________ 5_ 6___ 7 8 9________ 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #7267 from articles/00107682 from sent5

Text  : Uznali to oni za złamanie konstytucji i zdecydowali się składać pozwy do sądów pracy ,  domagając się wypłaty 300 zł za każdy przepracowany miesiąc .
Tokens: 1_____ 2_ 3__ 4_ 5_______ 6__________ 7 8__________ 9__ 10_____ 11___ 12 13___ 14___ 15 16_______ 17_ 18_____ 19_ 20 21 22___ 23___________ 24_____ 25

Chunks:
  TruePositive nam [20,20] = zł

(ChunkerEvaluator) Sentence #7268 from articles/00107682 from sent6

Text  : Akcja dopiero się rozwija - czytamy w " Gazecie Polskiej codziennie "  .
Tokens: 1____ 2______ 3__ 4______ 5 6______ 7 8 9______ 10______ 11________ 12 13

Chunks:
  FalsePositive nam [9,10] = Gazecie Polskiej
  FalseNegative nam [9,11] = Gazecie Polskiej codziennie

(ChunkerEvaluator) Sentence #7269 from articles/00107682 from sent7

Text  : Również w tej sprawie pierwszy prezes Sądu Najwyższego złożył skargę do Trybunału Konstytucyjnego .
Tokens: 1______ 2 3__ 4______ 5_______ 6_____ 7___ 8__________ 9_____ 10____ 11 12_______ 13_____________ 14

Chunks:
  TruePositive nam [7,8] = Sądu Najwyższego
  TruePositive nam [12,13] = Trybunału Konstytucyjnego

2016-10-27 14:59:47,882 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 314 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107683.xml
(ChunkerEvaluator) Sentence #7270 from articles/00107683 from sent1

Text  : Dzieciaki , chcecie zagrać w turnieju piłkarskim ?
Tokens: 1________ 2 3______ 4_____ 5 6_______ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #7271 from articles/00107683 from sent2

Text  : Musicie się pospieszyć
Tokens: 1______ 2__ 3_________

Chunks:

(ChunkerEvaluator) Sentence #7272 from articles/00107683 from sent3

Text  : Tylko do 31 marca można zapisywać się do XII edycji turnieju „  Z  podwórka na stadion o  Puchar Tymbarku ”  .
Tokens: 1____ 2_ 3_ 4____ 5____ 6________ 7__ 8_ 9__ 10____ 11______ 12 13 14______ 15 16_____ 17 18____ 19______ 20 21

Chunks:
  FalsePositive nam [18,19] = Puchar Tymbarku
  FalseNegative nam [13,19] = Z podwórka na stadion o Puchar Tymbarku

(ChunkerEvaluator) Sentence #7273 from articles/00107683 from sent4

Text  : Zespoły mogą zgłaszać nauczyciele , trenerzy oraz opiekunowie .
Tokens: 1______ 2___ 3_______ 4__________ 5 6_______ 7___ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #7274 from articles/00107683 from sent5

Text  : W turnieju zagrają zespoły dziewcząt i chłopców do 10 .  roku życia .
Tokens: 1 2_______ 3______ 4______ 5________ 6 7_______ 8_ 9_ 10 11__ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #7275 from articles/00107683 from sent6

Text  : Nagrodą główną będzie wspaniała podróż na mecz mistrzów Europy ,  którzy zostaną wyłonieni podczas tegorocznego turnieju w  Polsce i  na Ukrainie .
Tokens: 1______ 2_____ 3_____ 4________ 5_____ 6_ 7___ 8_______ 9_____ 10 11____ 12_____ 13_______ 14_____ 15__________ 16______ 17 18____ 19 20 21______ 22

Chunks:
  TruePositive nam [9,9] = Europy
  TruePositive nam [18,18] = Polsce
  TruePositive nam [21,21] = Ukrainie

(ChunkerEvaluator) Sentence #7276 from articles/00107683 from sent7

Text  : Dla uczestników przewidziano też wiele innych upominków .
Tokens: 1__ 2__________ 3___________ 4__ 5____ 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #7277 from articles/00107683 from sent8

Text  : W ubiegłorocznej edycji wzięło udział ponad 85 tys . dzieci z  całej Polski ,  co oznacza ,  że już co piąty dziesięciolatek walczył o  tytuł mistrzów U  -  10 .
Tokens: 1 2_____________ 3_____ 4_____ 5_____ 6____ 7_ 8__ 9 10____ 11 12___ 13____ 14 15 16_____ 17 18 19_ 20 21___ 22_____________ 23_____ 24 25___ 26______ 27 28 29 30

Chunks:
  TruePositive nam [13,13] = Polski

(ChunkerEvaluator) Sentence #7278 from articles/00107683 from sent9

Text  : - Mam nadzieję , że rok 2012 będzie szczególny dla turnieju .
Tokens: 1 2__ 3_______ 4 5_ 6__ 7___ 8_____ 9_________ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #7279 from articles/00107683 from sent10

Text  : W poprzedniej edycji wzięły udział reprezentacje wszystkich powiatów z całej Polski .
Tokens: 1 2__________ 3_____ 4_____ 5_____ 6____________ 7_________ 8_______ 9 10___ 11____ 12

Chunks:
  TruePositive nam [11,11] = Polski

(ChunkerEvaluator) Sentence #7280 from articles/00107683 from sent11

Text  : Najważniejsza jest jednak radość z gry i szansa na rozwój piłkarskich talentów -  podkreśla Tomasz Zabielski ,  koordynator Turnieju z  ramienia Polskiego Związku Piłki Nożnej .
Tokens: 1____________ 2___ 3_____ 4_____ 5 6__ 7 8_____ 9_ 10____ 11_________ 12______ 13 14_______ 15____ 16_______ 17 18_________ 19______ 20 21______ 22_______ 23_____ 24___ 25____ 26

Chunks:
  TruePositive nam [15,16] = Tomasz Zabielski
  TruePositive nam [19,19] = Turnieju
  TruePositive nam [22,25] = Polskiego Związku Piłki Nożnej

(ChunkerEvaluator) Sentence #7281 from articles/00107683 from sent12

Text  : Dariusz Czech , prezes firmy Tymbark : - Zawsze ,  kiedy próbuję spojrzeć na turniej „  Z  podwórka na stadion o  Puchar Tymbarku ”  oczyma dziecka ,  widzę emocjonujące rozgrywki ,  w  których spełniają się małe i  duże marzenia .
Tokens: 1______ 2____ 3 4_____ 5____ 6______ 7 8 9_____ 10 11___ 12_____ 13______ 14 15_____ 16 17 18______ 19 20_____ 21 22____ 23______ 24 25____ 26_____ 27 28___ 29__________ 30_______ 31 32 33_____ 34_______ 35_ 36__ 37 38__ 39______ 40

Chunks:
  TruePositive nam [1,2] = Dariusz Czech
  TruePositive nam [6,6] = Tymbark
  FalsePositive nam [22,23] = Puchar Tymbarku
  FalseNegative nam [17,23] = Z podwórka na stadion o Puchar Tymbarku

(ChunkerEvaluator) Sentence #7282 from articles/00107683 from sent13

Text  : Zapisy i szczegóły i dotyczące turnieju „ Z podwórka na stadion o  Puchar Tymbarku ”  na stronie www.zpodworkanastadion.pl .
Tokens: 1_____ 2 3________ 4 5________ 6_______ 7 8 9_______ 10 11_____ 12 13____ 14______ 15 16 17_____ 18_______________________ 19

Chunks:
  TruePositive nam [18,18] = www.zpodworkanastadion.pl
  FalsePositive nam [13,14] = Puchar Tymbarku
  FalseNegative nam [8,14] = Z podwórka na stadion o Puchar Tymbarku

2016-10-27 14:59:47,952 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 315 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107684.xml
(ChunkerEvaluator) Sentence #7283 from articles/00107684 from sent1

Text  : Zamiast piły kupił klocek drewna i łańcuch .
Tokens: 1______ 2___ 3____ 4_____ 5_____ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #7284 from articles/00107684 from sent2

Text  : Za 1 , 2 tys .
Tokens: 1_ 2 3 4 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #7285 from articles/00107684 from sent3

Text  : Do komendy w Przeworsku zgłosił się mężczyzna , który robiąc zakupy przez internet padł ofiarą oszustwa .
Tokens: 1_ 2______ 3 4_________ 5______ 6__ 7________ 8 9____ 10____ 11____ 12___ 13______ 14__ 15____ 16______ 17

Chunks:
  FalsePositive nam [13,13] = internet
  FalseNegative nam [4,4] = Przeworsku

(ChunkerEvaluator) Sentence #7286 from articles/00107684 from sent4

Text  : Zamiast zamówionej piły spalinowej otrzymał klocek drewna i łańcuch .
Tokens: 1______ 2_________ 3___ 4_________ 5_______ 6_____ 7_____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7287 from articles/00107684 from sent5

Text  : W środę po południu do komendy w Przeworsku zgłosił się mężczyzna ,  który chcąc kupić piłę spalinową wziął udział w  aukcji na portalu internetowym .
Tokens: 1 2____ 3_ 4_______ 5_ 6______ 7 8_________ 9______ 10_ 11_______ 12 13___ 14___ 15___ 16__ 17_______ 18___ 19____ 20 21____ 22 23_____ 24__________ 25

Chunks:
  FalseNegative nam [8,8] = Przeworsku

(ChunkerEvaluator) Sentence #7288 from articles/00107684 from sent6

Text  : Zachęciła go niska cena piły .
Tokens: 1________ 2_ 3____ 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #7289 from articles/00107684 from sent7

Text  : Po wygraniu aukcji skontaktował się telefonicznie ze sprzedającym i ustalił formę zapłaty .
Tokens: 1_ 2_______ 3_____ 4___________ 5__ 6____________ 7_ 8___________ 9 10_____ 11___ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #7290 from articles/00107684 from sent8

Text  : Miał zapłacić na poczcie przy odbiorze przesyłki .
Tokens: 1___ 2_______ 3_ 4______ 5___ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #7291 from articles/00107684 from sent9

Text  : Gdy mężczyzna otrzymał informację , że przesyłka jest do odebrania ,  udał się na pocztę .
Tokens: 1__ 2________ 3_______ 4_________ 5 6_ 7________ 8___ 9_ 10_______ 11 12__ 13_ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #7292 from articles/00107684 from sent10

Text  : Zapłacił 1 , 2 tys . zł i odebrał przesyłkę .
Tokens: 1_______ 2 3 4 5__ 6 7_ 8 9______ 10_______ 11

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #7293 from articles/00107684 from sent11

Text  : Rozpakował ją wracając do domu .
Tokens: 1_________ 2_ 3_______ 4_ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #7294 from articles/00107684 from sent12

Text  : Okazało się , że w pudełku zamiast piły spalinowej znajduje się klocek drewna i  łańcuch .
Tokens: 1______ 2__ 3 4_ 5 6______ 7______ 8___ 9_________ 10______ 11_ 12____ 13____ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #7295 from articles/00107684 from sent13

Text  : Mężczyzna widząc , ze został oszukany , zgłosił się na policję .
Tokens: 1________ 2_____ 3 4_ 5_____ 6_______ 7 8______ 9__ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #7296 from articles/00107684 from sent14

Text  : Policjanci ustalają okoliczności tego oszustwa .
Tokens: 1_________ 2_______ 3___________ 4___ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #7297 from articles/00107684 from sent15

Text  : Kodeks karany za oszustwo przewiduję karę do 8 lat pozbawienia wolności .
Tokens: 1_____ 2_____ 3_ 4_______ 5_________ 6___ 7_ 8 9__ 10_________ 11______ 12

Chunks:

2016-10-27 14:59:48,006 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 316 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107685.xml
(ChunkerEvaluator) Sentence #7298 from articles/00107685 from sent1

Text  : Jan Krzysztof Bielecki kandydatem na szefa EBOiR
Tokens: 1__ 2________ 3_______ 4_________ 5_ 6____ 7____

Chunks:
  TruePositive nam [1,3] = Jan Krzysztof Bielecki
  TruePositive nam [7,7] = EBOiR

(ChunkerEvaluator) Sentence #7299 from articles/00107685 from sent2

Text  : Prezes NBP Marek Belka zgłosił kandydaturę Jana Krzysztofa Bieleckiego na stanowisko szefa Europejskiego Banku Odbudowy i  Rozwoju Wokół nominacji kandydatów panuje na razie ogromne zamieszanie
Tokens: 1_____ 2__ 3____ 4____ 5______ 6__________ 7___ 8_________ 9__________ 10 11________ 12___ 13___________ 14___ 15______ 16 17_____ 18___ 19_______ 20________ 21____ 22 23___ 24_____ 25_________

Chunks:
  TruePositive nam [2,2] = NBP
  TruePositive nam [3,4] = Marek Belka
  TruePositive nam [7,9] = Jana Krzysztofa Bieleckiego
  FalsePositive nam [13,18] = Europejskiego Banku Odbudowy i Rozwoju Wokół
  FalseNegative nam [13,17] = Europejskiego Banku Odbudowy i Rozwoju

(ChunkerEvaluator) Sentence #7300 from articles/00107685 from sent3

Text  : " Prezes NBP działając jako gubernator reprezentujący Polskę w EBOiR zgłosił kandydaturę Jana Krzysztofa Bieleckiego na prezesa tego banku na czteroletnią kadencję zaczynającą się w  lipcu 2012 roku "  -  poinformowało biuro prasowe NBP .
Tokens: 1 2_____ 3__ 4________ 5___ 6_________ 7_____________ 8_____ 9 10___ 11_____ 12_________ 13__ 14________ 15_________ 16 17_____ 18__ 19___ 20 21__________ 22______ 23_________ 24_ 25 26___ 27__ 28__ 29 30 31___________ 32___ 33_____ 34_ 35

Chunks:
  TruePositive nam [3,3] = NBP
  TruePositive nam [8,8] = Polskę
  TruePositive nam [10,10] = EBOiR
  TruePositive nam [13,15] = Jana Krzysztofa Bieleckiego
  TruePositive nam [34,34] = NBP

(ChunkerEvaluator) Sentence #7301 from articles/00107685 from sent4

Text  : - To człowiek , który zna bank , bo był w  jego zarządzie ,  zna problemu krajów ,  które są adresatem EBOiR .
Tokens: 1 2_ 3_______ 4 5____ 6__ 7___ 8 9_ 10_ 11 12__ 13_______ 14 15_ 16______ 17____ 18 19___ 20 21_______ 22___ 23

Chunks:
  TruePositive nam [22,22] = EBOiR

(ChunkerEvaluator) Sentence #7302 from articles/00107685 from sent5

Text  : Dotychczas dominowali w tej funkcji ludzie z Francji albo z  Niemiec ,  więc czas na nową erę .
Tokens: 1_________ 2_________ 3 4__ 5______ 6_____ 7 8______ 9___ 10 11_____ 12 13__ 14__ 15 16__ 17_ 18

Chunks:
  TruePositive nam [8,8] = Francji
  TruePositive nam [11,11] = Niemiec

(ChunkerEvaluator) Sentence #7303 from articles/00107685 from sent6

Text  : Warto robić wszystko , żeby ta funkcja przypadła Polsce -  powiedział „  Wyborczej.biz ”  komisarz UE ds .  budżetu Janusz Lewandowski .
Tokens: 1____ 2____ 3_______ 4 5___ 6_ 7______ 8________ 9_____ 10 11________ 12 13___________ 14 15______ 16 17 18 19_____ 20____ 21_________ 22

Chunks:
  TruePositive nam [9,9] = Polsce
  TruePositive nam [13,13] = Wyborczej.biz
  TruePositive nam [16,16] = UE
  TruePositive nam [20,21] = Janusz Lewandowski

(ChunkerEvaluator) Sentence #7304 from articles/00107685 from sent7

Text  : Jan Krzysztof Bielecki , były premier , obecnie szef Rady Gospodarczej przy premierze ,  pracował już w  Europejskim Banku Odbudowy i  Rozwoju jako dyrektor i  przedstawiciel Polski .
Tokens: 1__ 2________ 3_______ 4 5___ 6______ 7 8______ 9___ 10__ 11__________ 12__ 13_______ 14 15______ 16_ 17 18_________ 19___ 20______ 21 22_____ 23__ 24______ 25 26____________ 27____ 28

Chunks:
  TruePositive nam [1,3] = Jan Krzysztof Bielecki
  TruePositive nam [18,22] = Europejskim Banku Odbudowy i Rozwoju
  TruePositive nam [27,27] = Polski
  FalseNegative nam [10,11] = Rady Gospodarczej

(ChunkerEvaluator) Sentence #7305 from articles/00107685 from sent8

Text  : Głosowanie Rady Gubernatorów w sprawie wyboru nowego prezesa odbędzie się 18 -  19 maja w  Londynie podczas dorocznego spotkania EBOiR .
Tokens: 1_________ 2___ 3___________ 4 5______ 6_____ 7_____ 8______ 9_______ 10_ 11 12 13 14__ 15 16______ 17_____ 18________ 19_______ 20___ 21

Chunks:
  TruePositive nam [2,3] = Rady Gubernatorów
  TruePositive nam [16,16] = Londynie
  TruePositive nam [20,20] = EBOiR

(ChunkerEvaluator) Sentence #7306 from articles/00107685 from sent9

Text  : Kandydaci Rosji , Francji , Wielkiej Brytanii . . .
Tokens: 1________ 2____ 3 4______ 5 6_______ 7_______ 8 9 10

Chunks:
  TruePositive nam [2,2] = Rosji
  TruePositive nam [4,4] = Francji
  TruePositive nam [6,7] = Wielkiej Brytanii

(ChunkerEvaluator) Sentence #7307 from articles/00107685 from sent10

Text  : Z informacji „ Financial Times Deutschland ” wynika , że z  tego powodu doszło nawet do zgrzytu podczas wtorkowego spotkania ministrów finansów Unii Europejskiej w  Brukseli .
Tokens: 1 2_________ 3 4________ 5____ 6__________ 7 8_____ 9 10 11 12__ 13____ 14____ 15___ 16 17_____ 18_____ 19________ 20_______ 21_______ 22______ 23__ 24__________ 25 26______ 27

Chunks:
  TruePositive nam [4,6] = Financial Times Deutschland
  TruePositive nam [23,24] = Unii Europejskiej
  TruePositive nam [26,26] = Brukseli

(ChunkerEvaluator) Sentence #7308 from articles/00107685 from sent11

Text  : Na jaw wyszło bowiem , że Rosja zaproponowała , aby szefem Europejskiego Banku Odbudowy i  Rozwoju pozostał na kolejną kadencję Niemiec Thomas Mirow .
Tokens: 1_ 2__ 3_____ 4_____ 5 6_ 7____ 8____________ 9 10_ 11____ 12___________ 13___ 14______ 15 16_____ 17______ 18 19_____ 20______ 21_____ 22____ 23___ 24

Chunks:
  TruePositive nam [7,7] = Rosja
  TruePositive nam [12,16] = Europejskiego Banku Odbudowy i Rozwoju
  FalsePositive nam [21,23] = Niemiec Thomas Mirow
  FalseNegative nam [21,21] = Niemiec
  FalseNegative nam [22,23] = Thomas Mirow

(ChunkerEvaluator) Sentence #7309 from articles/00107685 from sent12

Text  : Berlin nie chciał jednak proponować Mirowa , bo nie chciał osłabiać francuskiego kandydata Philippe de Fontaine Vive Curtaz'a .
Tokens: 1_____ 2__ 3_____ 4_____ 5_________ 6_____ 7 8_ 9__ 10____ 11______ 12__________ 13_______ 14______ 15 16______ 17__ 18______ 19

Chunks:
  TruePositive nam [6,6] = Mirowa
  TruePositive nam [14,18] = Philippe de Fontaine Vive Curtaz'a
  FalseNegative nam [1,1] = Berlin

(ChunkerEvaluator) Sentence #7310 from articles/00107685 from sent13

Text  : Później okazało się jednak , że ta personalna propozycja Paryża jest nie do przyjęcia dla Wielkiej Brytanii ,  która zgłosiła swojego kandydata Sumę Chakrabarti'ego .
Tokens: 1______ 2______ 3__ 4_____ 5 6_ 7_ 8_________ 9_________ 10____ 11__ 12_ 13 14_______ 15_ 16______ 17______ 18 19___ 20______ 21_____ 22_______ 23__ 24_____________ 25

Chunks:
  TruePositive nam [10,10] = Paryża
  TruePositive nam [16,17] = Wielkiej Brytanii
  TruePositive nam [23,24] = Sumę Chakrabarti'ego

(ChunkerEvaluator) Sentence #7311 from articles/00107685 from sent14

Text  : W tym kontekście gazeta dodaje , że o fotel szefa banku powalczy także były polski premier Jan Krzysztof Bielecki .
Tokens: 1 2__ 3_________ 4_____ 5_____ 6 7_ 8 9____ 10___ 11___ 12______ 13___ 14__ 15____ 16_____ 17_ 18_______ 19______ 20

Chunks:
  TruePositive nam [17,19] = Jan Krzysztof Bielecki

(ChunkerEvaluator) Sentence #7312 from articles/00107685 from sent15

Text  : Schaeuble zastąpi Junckera ?
Tokens: 1________ 2______ 3_______ 4

Chunks:
  FalseNegative nam [1,1] = Schaeuble
  FalseNegative nam [3,3] = Junckera

(ChunkerEvaluator) Sentence #7313 from articles/00107685 from sent16

Text  : „ Financial Times Deutschland ” donosi dziś także o zmianach na stanowisku szefa eurogrupy .
Tokens: 1 2________ 3____ 4__________ 5 6_____ 7___ 8____ 9 10______ 11 12________ 13___ 14_______ 15

Chunks:
  TruePositive nam [2,4] = Financial Times Deutschland
  FalseNegative nam [14,14] = eurogrupy

(ChunkerEvaluator) Sentence #7314 from articles/00107685 from sent17

Text  : Jean - Claude Juncker'a może zastąpić minister finansów Niemiec Wolfgang Schaeuble .
Tokens: 1___ 2 3_____ 4________ 5___ 6_______ 7_______ 8_______ 9______ 10______ 11_______ 12

Chunks:
  TruePositive nam [1,4] = Jean - Claude Juncker'a
  TruePositive nam [9,9] = Niemiec
  TruePositive nam [10,11] = Wolfgang Schaeuble

(ChunkerEvaluator) Sentence #7315 from articles/00107685 from sent18

Text  : Ma o to zabiegać kanclerz Angela Merkel .
Tokens: 1_ 2 3_ 4_______ 5_______ 6_____ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Angela Merkel

(ChunkerEvaluator) Sentence #7316 from articles/00107685 from sent19

Text  : „ FTD ” zaznacza , że możliwy wybór Niemca na stanowisko szefa eurogrupy nie podoba się Francji ,  bo oznaczał by jeszcze większy wpływ Berlina na strefę euro .
Tokens: 1 2__ 3 4_______ 5 6_ 7______ 8____ 9_____ 10 11________ 12___ 13_______ 14_ 15____ 16_ 17_____ 18 19 20______ 21 22_____ 23_____ 24___ 25_____ 26 27____ 28__ 29

Chunks:
  TruePositive nam [9,9] = Niemca
  TruePositive nam [17,17] = Francji
  TruePositive nam [25,25] = Berlina
  FalsePositive nam [28,28] = euro
  FalseNegative nam [2,2] = FTD
  FalseNegative nam [13,13] = eurogrupy
  FalseNegative nam [27,28] = strefę euro

(ChunkerEvaluator) Sentence #7317 from articles/00107685 from sent20

Text  : Zdaniem „ Financial Times Deutschland ” , propozycję objęcia sterów eurogrupy odrzucili premier Włoch Mario Monti oraz premier Finlandii Jyrki Katainen .
Tokens: 1______ 2 3________ 4____ 5__________ 6 7 8_________ 9______ 10____ 11_______ 12_______ 13_____ 14___ 15___ 16___ 17__ 18_____ 19_______ 20___ 21______ 22

Chunks:
  TruePositive nam [3,5] = Financial Times Deutschland
  TruePositive nam [14,14] = Włoch
  TruePositive nam [15,16] = Mario Monti
  TruePositive nam [19,19] = Finlandii
  TruePositive nam [20,21] = Jyrki Katainen
  FalseNegative nam [11,11] = eurogrupy

(ChunkerEvaluator) Sentence #7318 from articles/00107685 from sent21

Text  : Nie jest jednak wykluczone , że pod naciskiem europejskich liderów na stanowisku pozostanie Jean -  Claude Juncker ,  który chce odejść ,  bo skarży się na nadmiar obowiązków .
Tokens: 1__ 2___ 3_____ 4_________ 5 6_ 7__ 8________ 9___________ 10_____ 11 12________ 13________ 14__ 15 16____ 17_____ 18 19___ 20__ 21____ 22 23 24____ 25_ 26 27_____ 28________ 29

Chunks:
  TruePositive nam [14,17] = Jean - Claude Juncker

(ChunkerEvaluator) Sentence #7319 from articles/00107685 from sent22

Text  : Juncker , który jest jednocześnie premierem Luksemburga , stoi na czele eurogrupy od siedmiu lat .
Tokens: 1______ 2 3____ 4___ 5___________ 6________ 7__________ 8 9___ 10 11___ 12_______ 13 14_____ 15_ 16

Chunks:
  TruePositive nam [7,7] = Luksemburga
  FalseNegative nam [1,1] = Juncker
  FalseNegative nam [12,12] = eurogrupy

2016-10-27 14:59:48,240 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 317 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107686.xml
(ChunkerEvaluator) Sentence #7320 from articles/00107686 from sent1

Text  : Będą odszkodowania za wakacje na Krymie ?
Tokens: 1___ 2____________ 3_ 4______ 5_ 6_____ 7

Chunks:
  TruePositive nam [6,6] = Krymie

(ChunkerEvaluator) Sentence #7321 from articles/00107686 from sent2

Text  : Turyści domagają się po 2 , 5 tys . zł
Tokens: 1______ 2_______ 3__ 4_ 5 6 7 8__ 9 10

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #7322 from articles/00107686 from sent3

Text  : Niezadowoleni turyści złożyli pozew zbiorowy do Sądu Okręgowego w Katowicach .
Tokens: 1____________ 2______ 3______ 4____ 5_______ 6_ 7___ 8_________ 9 10________ 11

Chunks:
  FalsePositive nam [7,10] = Sądu Okręgowego w Katowicach
  FalseNegative nam [7,8] = Sądu Okręgowego
  FalseNegative nam [10,10] = Katowicach

(ChunkerEvaluator) Sentence #7323 from articles/00107686 from sent4

Text  : Sąd pozew przyjął , teraz mogą domagać się odszkodowań i  zadośćuczynień
Tokens: 1__ 2____ 3______ 4 5____ 6___ 7______ 8__ 9__________ 10 11____________

Chunks:

(ChunkerEvaluator) Sentence #7324 from articles/00107686 from sent5

Text  : Pod pozwem podpisało się 10 turystów .
Tokens: 1__ 2_____ 3________ 4__ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #7325 from articles/00107686 from sent6

Text  : To pierwsza tego typu sprawa w katowickim sądzie .
Tokens: 1_ 2_______ 3___ 4___ 5_____ 6 7_________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #7326 from articles/00107686 from sent7

Text  : Podczas piątkowego posiedzenia sąd uznał , że zostały spełnione wszystkie warunki ,  by sprawę móc rozpatrywać w  postępowaniu grupowym .
Tokens: 1______ 2_________ 3__________ 4__ 5____ 6 7_ 8______ 9________ 10_______ 11_____ 12 13 14____ 15_ 16_________ 17 18__________ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #7327 from articles/00107686 from sent8

Text  : To roszczenia konsumenckie ; powód reprezentuje 10 osób , które mają ujednolicone roszczenia -  mówiła przewodnicząca składu orzekającego Jolanta Polko .
Tokens: 1_ 2_________ 3___________ 4 5____ 6___________ 7_ 8___ 9 10___ 11__ 12__________ 13________ 14 15____ 16____________ 17____ 18__________ 19_____ 20___ 21

Chunks:
  TruePositive nam [19,20] = Jolanta Polko

(ChunkerEvaluator) Sentence #7328 from articles/00107686 from sent9

Text  : Na decyzję o rozpoznaniu sprawy w trybie postępowanie grupowego stronom przysługuje zażalenie .
Tokens: 1_ 2______ 3 4__________ 5_____ 6 7_____ 8___________ 9________ 10_____ 11_________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #7329 from articles/00107686 from sent10

Text  : Pozwany właściciel biura turystycznego TOP z Chorzowa Janusz Trybus powiedział ,  że nie zamierza jej skarżyć .
Tokens: 1______ 2_________ 3____ 4____________ 5__ 6 7_______ 8_____ 9_____ 10________ 11 12 13_ 14______ 15_ 16_____ 17

Chunks:
  TruePositive nam [5,5] = TOP
  TruePositive nam [7,7] = Chorzowa
  TruePositive nam [8,9] = Janusz Trybus

(ChunkerEvaluator) Sentence #7330 from articles/00107686 from sent11

Text  : - Będę starał się podważyć większość zarzutów przedstawionych przez powoda ,  który ucieka się do różnych insynuacji ,  pomówień -  powiedział .
Tokens: 1 2___ 3_____ 4__ 5_______ 6________ 7_______ 8______________ 9____ 10____ 11 12___ 13____ 14_ 15 16_____ 17________ 18 19______ 20 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #7331 from articles/00107686 from sent12

Text  : Powód Zbigniew Kowalski reprezentował w sądzie grupę osób z różnych regionów Polski ,  bo -  jak tłumaczył -  mieszka najbliżej Katowic .
Tokens: 1____ 2_______ 3_______ 4____________ 5 6_____ 7____ 8___ 9 10_____ 11______ 12____ 13 14 15 16_ 17_______ 18 19_____ 20_______ 21_____ 22

Chunks:
  TruePositive nam [2,3] = Zbigniew Kowalski
  TruePositive nam [12,12] = Polski
  TruePositive nam [21,21] = Katowic

(ChunkerEvaluator) Sentence #7332 from articles/00107686 from sent13

Text  : Po posiedzeniu opowiadał dziennikarzom , że w drugim dniu wczasów zepsuł się autobus ,  a  grupa jeździła wynajętymi pojazdami ,  za które sami płacili .
Tokens: 1_ 2__________ 3________ 4____________ 5 6_ 7 8_____ 9___ 10_____ 11____ 12_ 13_____ 14 15 16___ 17______ 18________ 19_______ 20 21 22___ 23__ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #7333 from articles/00107686 from sent14

Text  : Plan wyjazdu nie został zrealizowany w 80 proc . -  ocenił powód .
Tokens: 1___ 2______ 3__ 4_____ 5___________ 6 7_ 8___ 9 10 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #7334 from articles/00107686 from sent15

Text  : Jak dodał , zdenerwowani turyści chcieli wrócić do kraju ,  ale nie było na to szans .
Tokens: 1__ 2____ 3 4___________ 5______ 6______ 7_____ 8_ 9____ 10 11_ 12_ 13__ 14 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #7335 from articles/00107686 from sent16

Text  : - Każdy z nas pojechał w konkretnym celu .
Tokens: 1 2____ 3 4__ 5_______ 6 7_________ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #7336 from articles/00107686 from sent17

Text  : Zaznaczyli śmy , że chcemy wszystkie wycieczki i obligatoryjne ,  i  fakultatywne .
Tokens: 1_________ 2__ 3 4_ 5_____ 6________ 7________ 8 9____________ 10 11 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #7337 from articles/00107686 from sent18

Text  : My nie pojechali śmy na leżenie na plaży , chcieli śmy zobaczyć wszystkie atrakcje ,  które nam zapewniano -  podkreślił .
Tokens: 1_ 2__ 3________ 4__ 5_ 6______ 7_ 8____ 9 10_____ 11_ 12______ 13_______ 14______ 15 16___ 17_ 18________ 19 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #7338 from articles/00107686 from sent19

Text  : Kowalski mówił , że niezadowoleni turyści próbowali załatwić sprawę polubownie ,  ale właściciel biura nie zgodził się na wysokość roszczeń .
Tokens: 1_______ 2____ 3 4_ 5____________ 6______ 7________ 8_______ 9_____ 10________ 11 12_ 13________ 14___ 15_ 16_____ 17_ 18 19______ 20______ 21

Chunks:
  TruePositive nam [1,1] = Kowalski

(ChunkerEvaluator) Sentence #7339 from articles/00107686 from sent20

Text  : - Dla mnie jest to przykład grupy turystów , coraz bardziej uciążliwych dla organizatorów turystyki ,  którzy starają się jak najbardziej obniżyć koszty wyjazdów turystycznych ,  czasem nawet uzyskać zupełną refundację ;  oczywiście musi być jakiś pretekst -  odpowiada na zarzuty Trybus .
Tokens: 1 2__ 3___ 4___ 5_ 6_______ 7____ 8_______ 9 10___ 11______ 12_________ 13_ 14___________ 15_______ 16 17____ 18_____ 19_ 20_ 21_________ 22_____ 23____ 24______ 25___________ 26 27____ 28___ 29_____ 30_____ 31________ 32 33________ 34__ 35_ 36___ 37______ 38 39_______ 40 41_____ 42____ 43

Chunks:
  TruePositive nam [42,42] = Trybus

(ChunkerEvaluator) Sentence #7340 from articles/00107686 from sent21

Text  : W tym przypadku pretekstem - według właściciela biura - była sytuacja losowa ,  czyli awaria autokaru i  związane z  tym reperkusje .
Tokens: 1 2__ 3________ 4_________ 5 6_____ 7__________ 8____ 9 10__ 11______ 12____ 13 14___ 15____ 16______ 17 18______ 19 20_ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #7341 from articles/00107686 from sent22

Text  : - Zainicjowało to łańcuszek wydarzeń , które doprowadziły do eskalacji niezadowolenia w  grupie .
Tokens: 1 2___________ 3_ 4________ 5_______ 6 7____ 8___________ 9_ 10_______ 11____________ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #7342 from articles/00107686 from sent23

Text  : Czegoś takiego nie miałem przez 22 lata działalności w turystyce -  podkreślił .
Tokens: 1_____ 2______ 3__ 4_____ 5____ 6_ 7___ 8___________ 9 10_______ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #7343 from articles/00107686 from sent24

Text  : Klienci domagają się od właściciela po 2 , 5 tys .  zł tytułem zwrotu kosztów oraz zadośćuczynienia za nieudane wakacje na Krymie .
Tokens: 1______ 2_______ 3__ 4_ 5__________ 6_ 7 8 9 10_ 11 12 13_____ 14____ 15_____ 16__ 17______________ 18 19______ 20_____ 21 22____ 23

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [22,22] = Krymie

(ChunkerEvaluator) Sentence #7344 from articles/00107686 from sent25

Text  : W lipcu ubiegłego roku autokarem pojechało tam kilkudziesięciu turystów ze Śląska .
Tokens: 1 2____ 3________ 4___ 5________ 6________ 7__ 8______________ 9_______ 10 11____ 12

Chunks:
  TruePositive nam [11,11] = Śląska

(ChunkerEvaluator) Sentence #7345 from articles/00107686 from sent26

Text  : Za 13 - dniowy wypoczynek zapłacili po 499 euro .
Tokens: 1_ 2_ 3 4_____ 5_________ 6________ 7_ 8__ 9___ 10

Chunks:
  TruePositive nam [9,9] = euro

(ChunkerEvaluator) Sentence #7346 from articles/00107686 from sent27

Text  : Pełnomocniczka Kowalskiego , radca prawny Barbara Sosna , nie wykluczyła ,  że do pozwu dołączą kolejne osoby ,  niezadowolone z  wakacji na Krymie .
Tokens: 1_____________ 2__________ 3 4____ 5_____ 6______ 7____ 8 9__ 10________ 11 12 13 14___ 15_____ 16_____ 17___ 18 19___________ 20 21_____ 22 23____ 24

Chunks:
  TruePositive nam [6,7] = Barbara Sosna
  TruePositive nam [23,23] = Krymie
  FalsePositive nam [1,2] = Pełnomocniczka Kowalskiego
  FalseNegative nam [2,2] = Kowalskiego

(ChunkerEvaluator) Sentence #7347 from articles/00107686 from sent28

Text  : W przesłanym sądowi dokumencie zarzucają przedsiębiorstwu wiele uchybień - poza awarią autokaru wyrazili przekonanie ,  że towarzyszący im pilot był niekompetentny ,  a  kierowcy gubili drogę .
Tokens: 1 2_________ 3_____ 4_________ 5________ 6_______________ 7____ 8_______ 9 10__ 11____ 12______ 13______ 14_________ 15 16 17__________ 18 19___ 20_ 21____________ 22 23 24______ 25____ 26___ 27

Chunks:

2016-10-27 14:59:48,377 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 318 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107687.xml
(ChunkerEvaluator) Sentence #7348 from articles/00107687 from sent1

Text  : Syria .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Syria

(ChunkerEvaluator) Sentence #7349 from articles/00107687 from sent2

Text  : 27 zabitych , blisko 100 rannych w eksplozjach w Damaszku
Tokens: 1_ 2_______ 3 4_____ 5__ 6______ 7 8__________ 9 10______

Chunks:
  TruePositive nam [10,10] = Damaszku

(ChunkerEvaluator) Sentence #7350 from articles/00107687 from sent3

Text  : # dochodzi liczba zabitych i rannych #
Tokens: 1 2_______ 3_____ 4_______ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #7351 from articles/00107687 from sent4

Text  : 17 . 03 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #7352 from articles/00107687 from sent5

Text  : Damaszek ( PAP / AFP , AP , Reuters )  -  Co najmniej 27 osób zginęło ,  a  97 odniosło obrażenia w  wyniku dwóch eksplozji ,  jakie miały miejsce w  sobotę rano w  pobliżu budynków sił bezpieczeństwa w  Damaszku -  podała syryjska telewizja ,  powołując się na ministerstwo zdrowia .
Tokens: 1_______ 2 3__ 4 5__ 6 7_ 8 9______ 10 11 12 13______ 14 15__ 16_____ 17 18 19 20______ 21_______ 22 23____ 24___ 25_______ 26 27___ 28___ 29_____ 30 31____ 32__ 33 34_____ 35______ 36_ 37____________ 38 39______ 40 41____ 42______ 43_______ 44 45_______ 46_ 47 48__________ 49_____ 50

Chunks:
  TruePositive nam [1,1] = Damaszek
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,5] = AFP
  TruePositive nam [7,7] = AP
  TruePositive nam [9,9] = Reuters
  TruePositive nam [39,39] = Damaszku
  FalsePositive nam [48,49] = ministerstwo zdrowia

(ChunkerEvaluator) Sentence #7353 from articles/00107687 from sent6

Text  : Według najnowszych doniesień , ładunki wybuchowe umieszczone w samochodach wybuchły ok .  godz .  5  .  30 (  7  .  30 czasu polskiego )  w  pobliżu siedziby wywiadu oraz głównej siedziby policji .
Tokens: 1_____ 2__________ 3________ 4 5______ 6________ 7__________ 8 9__________ 10______ 11 12 13__ 14 15 16 17 18 19 20 21 22___ 23_______ 24 25 26_____ 27______ 28_____ 29__ 30_____ 31______ 32_____ 33

Chunks:

(ChunkerEvaluator) Sentence #7354 from articles/00107687 from sent7

Text  : Siła jednego z wybuchów sprawiła , że od jednego z  budynków odpadła fasada .
Tokens: 1___ 2______ 3 4_______ 5_______ 6 7_ 8_ 9______ 10 11______ 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #7355 from articles/00107687 from sent8

Text  : Dotychczas nikt nie przyznał się do zorganizowania ataków .
Tokens: 1_________ 2___ 3__ 4_______ 5__ 6_ 7_____________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #7356 from articles/00107687 from sent9

Text  : Reuters zauważa , że do ataków doszło w dwa dni po rocznicy wybuchu antyreżimowych protestów w  Syrii ,  a  także w  czasie ,  gdy swą działalność miała rozpocząć połączona misja syryjskiego rządu ,  ONZ i  Organizacji Współpracy Islamskiej (  OIC )  ,  która ma ocenić potrzeby humanitarne w  syryjskich miastach ,  które ucierpiały podczas protestów .
Tokens: 1______ 2______ 3 4_ 5_ 6_____ 7_____ 8 9__ 10_ 11 12______ 13_____ 14____________ 15_______ 16 17___ 18 19 20___ 21 22____ 23 24_ 25_ 26_________ 27___ 28_______ 29_______ 30___ 31_________ 32___ 33 34_ 35 36_________ 37________ 38________ 39 40_ 41 42 43___ 44 45____ 46______ 47_________ 48 49________ 50______ 51 52___ 53________ 54_____ 55_______ 56

Chunks:
  TruePositive nam [1,1] = Reuters
  TruePositive nam [17,17] = Syrii
  TruePositive nam [34,34] = ONZ
  TruePositive nam [36,38] = Organizacji Współpracy Islamskiej
  FalseNegative nam [40,40] = OIC

(ChunkerEvaluator) Sentence #7357 from articles/00107687 from sent10

Text  : Nie jest to pierwszy atak na cele rządowe .
Tokens: 1__ 2___ 3_ 4_______ 5___ 6_ 7___ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #7358 from articles/00107687 from sent11

Text  : Jeden z większych zamachów miał miejsce 10 lutego w mieście Aleppo na północy kraju ,  w  którym zginęło 28 osób .
Tokens: 1____ 2 3________ 4_______ 5___ 6______ 7_ 8_____ 9 10_____ 11____ 12 13_____ 14___ 15 16 17____ 18_____ 19 20__ 21

Chunks:
  TruePositive nam [11,11] = Aleppo

(ChunkerEvaluator) Sentence #7359 from articles/00107687 from sent12

Text  : W samym Damaszku od grudnia miały miejsce trzy eksplozje .
Tokens: 1 2____ 3_______ 4_ 5______ 6____ 7______ 8___ 9________ 10

Chunks:
  TruePositive nam [3,3] = Damaszku

(ChunkerEvaluator) Sentence #7360 from articles/00107687 from sent13

Text  : Reżim prezydenta Baszara el - Asada wskazuje podobne ataki jako dowód ,  że w  kraju chaos sieją zbrojne ugrupowania terrorystyczne .
Tokens: 1____ 2_________ 3______ 4_ 5 6____ 7_______ 8______ 9____ 10__ 11___ 12 13 14 15___ 16___ 17___ 18_____ 19_________ 20____________ 21

Chunks:
  TruePositive nam [3,6] = Baszara el - Asada

(ChunkerEvaluator) Sentence #7361 from articles/00107687 from sent14

Text  : Z kolei opozycja oskarża rząd o przeprowadzanie podobnych ataków ,  by zmniejszyć poparcie dla powstania .
Tokens: 1 2____ 3_______ 4______ 5___ 6 7______________ 8________ 9_____ 10 11 12________ 13______ 14_ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #7362 from articles/00107687 from sent15

Text  : Rewolta w Syrii przeciwko reżimowi Asada , inspirowana arabską wiosną ,  trwa od roku .
Tokens: 1______ 2 3____ 4________ 5_______ 6____ 7 8__________ 9______ 10____ 11 12__ 13 14__ 15

Chunks:
  TruePositive nam [3,3] = Syrii
  FalseNegative nam [6,6] = Asada

(ChunkerEvaluator) Sentence #7363 from articles/00107687 from sent16

Text  : Według szacunków ONZ w wyniku tłumienia antyprezydenckich wystąpień przez siły rządowe oraz starć z  dezerterami z  armii zginęło co najmniej 8000 ludzi .
Tokens: 1_____ 2________ 3__ 4 5_____ 6________ 7________________ 8________ 9____ 10__ 11_____ 12__ 13___ 14 15_________ 16 17___ 18_____ 19 20______ 21__ 22___ 23

Chunks:
  TruePositive nam [3,3] = ONZ

(ChunkerEvaluator) Sentence #7364 from articles/00107687 from sent17

Text  : Opozycja syryjska mówi o co najmniej 8 , 5 tys .  ofiar ,  w  większości cywilów .
Tokens: 1_______ 2_______ 3___ 4 5_ 6_______ 7 8 9 10_ 11 12___ 13 14 15________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #7365 from articles/00107687 from sent18

Text  : Władze syryjskie o rewoltę oskarżają " terrorystów " , którzy chcą podzielić kraj .  (  PAP )
Tokens: 1_____ 2________ 3 4______ 5________ 6 7__________ 8 9 10____ 11__ 12_______ 13__ 14 15 16_ 17

Chunks:
  TruePositive nam [16,16] = PAP

2016-10-27 14:59:48,479 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 319 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107688.xml
(ChunkerEvaluator) Sentence #7366 from articles/00107688 from sent1

Text  : Wkrótce rusza PDO w Tauron Wytwarzanie
Tokens: 1______ 2____ 3__ 4 5_____ 6__________

Chunks:
  TruePositive nam [3,3] = PDO
  TruePositive nam [5,6] = Tauron Wytwarzanie

(ChunkerEvaluator) Sentence #7367 from articles/00107688 from sent2

Text  : - Myślę , że w ciągu 1 - 2 miesięcy podpiszemy końcowe porozumienie o  PDO w  obszarze wytwarzania i  rozopcznie się jego realizacja -  powiedział w  poniedziałek prezes Taurona Dariusz Lubera .
Tokens: 1 2____ 3 4_ 5 6____ 7 8 9 10______ 11________ 12_____ 13__________ 14 15_ 16 17______ 18_________ 19 20________ 21_ 22__ 23________ 24 25________ 26 27__________ 28____ 29_____ 30_____ 31____ 32

Chunks:
  TruePositive nam [15,15] = PDO
  TruePositive nam [30,31] = Dariusz Lubera
  FalseNegative nam [29,29] = Taurona

(ChunkerEvaluator) Sentence #7368 from articles/00107688 from sent3

Text  : Z programu będzie mogło skorzystać ok . 1300 osób .
Tokens: 1 2_______ 3_____ 4____ 5_________ 6_ 7 8___ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #7369 from articles/00107688 from sent4

Text  : - W tym roku w dalszym ciągu będzie prowadzony Program Dobrowolnych Odejść .
Tokens: 1 2 3__ 4___ 5 6______ 7____ 8_____ 9_________ 10_____ 11__________ 12____ 13

Chunks:
  TruePositive nam [10,12] = Program Dobrowolnych Odejść

(ChunkerEvaluator) Sentence #7370 from articles/00107688 from sent5

Text  : Kontynuowane będzie PDO w obszarze dystrybucji .
Tokens: 1___________ 2_____ 3__ 4 5_______ 6__________ 7

Chunks:
  TruePositive nam [3,3] = PDO

(ChunkerEvaluator) Sentence #7371 from articles/00107688 from sent6

Text  : Przygotowujemy też duży program w obszarze wytwarzania i kontynuowany będzie mniejszy liczbowo program w  obszarze ciepła -  powiedział podczas dzisiejszej konferencji prasowej Dariusz Lubera prezes grupy Tauron .
Tokens: 1_____________ 2__ 3___ 4______ 5 6_______ 7__________ 8 9___________ 10____ 11______ 12______ 13_____ 14 15______ 16____ 17 18________ 19_____ 20_________ 21_________ 22______ 23_____ 24____ 25____ 26___ 27____ 28

Chunks:
  TruePositive nam [23,24] = Dariusz Lubera
  FalseNegative nam [27,27] = Tauron

(ChunkerEvaluator) Sentence #7372 from articles/00107688 from sent7

Text  : Korzystając z odpraw dobrowolnie odejść ze spółek w obszarze wytwarzania Tauronu będzie mogło ok .  1300 osób .
Tokens: 1__________ 2 3_____ 4__________ 5_____ 6_ 7_____ 8 9_______ 10_________ 11_____ 12____ 13___ 14 15 16__ 17__ 18

Chunks:
  FalseNegative nam [11,11] = Tauronu

(ChunkerEvaluator) Sentence #7373 from articles/00107688 from sent8

Text  : Z tego część pracowników przejdzie jednak do osobnej spółki remontowej .
Tokens: 1 2___ 3____ 4__________ 5________ 6_____ 7_ 8______ 9_____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #7374 from articles/00107688 from sent9

Text  : Zdaniem prezesa Tauronu w tym roku kolejne kilkaset osób będzie mogło skorzystać z  PDO w  obszarze dystrybucji ,  gdzie program się już kończy .
Tokens: 1______ 2______ 3______ 4 5__ 6___ 7______ 8_______ 9___ 10____ 11___ 12________ 13 14_ 15 16______ 17_________ 18 19___ 20_____ 21_ 22_ 23____ 24

Chunks:
  TruePositive nam [14,14] = PDO
  FalseNegative nam [3,3] = Tauronu

(ChunkerEvaluator) Sentence #7375 from articles/00107688 from sent10

Text  : Kilkadziesiąt osób obejmie ponadto program spółce Tauron Ciepło .
Tokens: 1____________ 2___ 3______ 4______ 5______ 6_____ 7_____ 8_____ 9

Chunks:
  TruePositive nam [7,8] = Tauron Ciepło

(ChunkerEvaluator) Sentence #7376 from articles/00107688 from sent11

Text  : Jak poinformował Krzysztof Zawadzki , wiceprezes Tauronu , w latach 2010 -  2011 do Programu Dobrowolnych Odjeść przystąpiło 1697 pracowników ,  z  czego umowy rozwiązało 1677 osób .
Tokens: 1__ 2___________ 3________ 4_______ 5 6_________ 7______ 8 9 10____ 11__ 12 13__ 14 15______ 16__________ 17____ 18_________ 19__ 20_________ 21 22 23___ 24___ 25________ 26__ 27__ 28

Chunks:
  TruePositive nam [3,4] = Krzysztof Zawadzki
  TruePositive nam [15,17] = Programu Dobrowolnych Odjeść
  FalsePositive nam [6,7] = wiceprezes Tauronu
  FalseNegative nam [7,7] = Tauronu

2016-10-27 14:59:48,537 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 320 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107689.xml
(ChunkerEvaluator) Sentence #7377 from articles/00107689 from sent1

Text  : Tajemnice „ Tajemniczego dziecka ” .
Tokens: 1________ 2 3___________ 4______ 5 6

Chunks:
  FalseNegative nam [3,4] = Tajemniczego dziecka

(ChunkerEvaluator) Sentence #7378 from articles/00107689 from sent2

Text  : Premiera w Lalce
Tokens: 1_______ 2 3____

Chunks:
  TruePositive nam [3,3] = Lalce

(ChunkerEvaluator) Sentence #7379 from articles/00107689 from sent3

Text  : Słowacki reżyser Marian Pecko , dyrektor artystyczny teatru w Bańskiej Bystrzycy ,  przygotowuje w  Lalce spektakl na motywach „  Tajemniczego dziecka ”  -  baśni E  .  T  .  A  .  Hoffmanna .
Tokens: 1_______ 2______ 3_____ 4____ 5 6_______ 7__________ 8_____ 9 10______ 11_______ 12 13__________ 14 15___ 16______ 17 18______ 19 20__________ 21_____ 22 23 24___ 25 26 27 28 29 30 31_______ 32

Chunks:
  TruePositive nam [3,4] = Marian Pecko
  TruePositive nam [10,11] = Bańskiej Bystrzycy
  TruePositive nam [15,15] = Lalce
  TruePositive nam [25,31] = E . T . A . Hoffmanna
  FalseNegative nam [20,21] = Tajemniczego dziecka

(ChunkerEvaluator) Sentence #7380 from articles/00107689 from sent4

Text  : Premiera w sobotę 24 marca .
Tokens: 1_______ 2 3_____ 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #7381 from articles/00107689 from sent5

Text  : Dwoje starych ludzi spotyka się w parku - on karmi nieistniejące gołębie ,  ona leciutko z  niego kpi .
Tokens: 1____ 2______ 3____ 4______ 5__ 6 7____ 8 9_ 10___ 11___________ 12_____ 13 14_ 15______ 16 17___ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #7382 from articles/00107689 from sent6

Text  : On opowiada swoją ulubioną historię o tkwiącym w każdym z  nas tajemniczym dziecku ,  ona słucha coraz bardziej zainteresowana .
Tokens: 1_ 2_______ 3____ 4_______ 5_______ 6 7_______ 8 9_____ 10 11_ 12_________ 13_____ 14 15_ 16____ 17___ 18______ 19____________ 20

Chunks:

(ChunkerEvaluator) Sentence #7383 from articles/00107689 from sent7

Text  : Obydwoje są samotni i bardzo stęsknieni .
Tokens: 1_______ 2_ 3______ 4 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #7384 from articles/00107689 from sent8

Text  : Czy tajemnicze dziecko istnieje ?
Tokens: 1__ 2_________ 3______ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #7385 from articles/00107689 from sent9

Text  : Jeśli tak , to gdzie ?
Tokens: 1____ 2__ 3 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #7386 from articles/00107689 from sent10

Text  : W Lalce trwają próby przed prapremierą baśni E . T  .  A  .  Hoffmanna „  Tajemnicze dziecko ”  .
Tokens: 1 2____ 3_____ 4____ 5____ 6__________ 7____ 8 9 10 11 12 13 14_______ 15 16________ 17_____ 18 19

Chunks:
  TruePositive nam [2,2] = Lalce
  FalsePositive nam [8,17] = E . T . A . Hoffmanna „ Tajemnicze dziecko
  FalseNegative nam [8,14] = E . T . A . Hoffmanna
  FalseNegative nam [16,17] = Tajemnicze dziecko

(ChunkerEvaluator) Sentence #7387 from articles/00107689 from sent11

Text  : Kto chciał by przed pójściem do teatru poznać tekst baśni ,  może mieć pewien kłopot -  Hoffmann ,  autor m  .  in .  popularnego i  często wystawianego „  Dziadka do orzechów ”  ,  napisał ją w  1817 roku .
Tokens: 1__ 2_____ 3_ 4____ 5_______ 6_ 7_____ 8_____ 9____ 10___ 11 12__ 13__ 14____ 15____ 16 17______ 18 19___ 20 21 22 23 24_________ 25 26____ 27__________ 28 29_____ 30 31______ 32 33 34_____ 35 36 37__ 38__ 39

Chunks:
  TruePositive nam [17,17] = Hoffmann
  FalsePositive nam [1,1] = Kto
  FalseNegative nam [29,31] = Dziadka do orzechów

(ChunkerEvaluator) Sentence #7388 from articles/00107689 from sent12

Text  : Pierwsze polskie wydanie ukazało się w 1923 r . w  przekładzie Zofii Modrzewskiej -  Schillerowej ,  autorem drugiego i  jak dotąd ostatniego wydanego przekładu był Józef Kramsztyk ,  a  wyszło ono w  1935 r  .
Tokens: 1_______ 2______ 3______ 4______ 5__ 6 7___ 8 9 10 11_________ 12___ 13__________ 14 15__________ 16 17_____ 18______ 19 20_ 21___ 22________ 23______ 24_______ 25_ 26___ 27_______ 28 29 30____ 31_ 32 33__ 34 35

Chunks:
  TruePositive nam [12,15] = Zofii Modrzewskiej - Schillerowej
  TruePositive nam [26,27] = Józef Kramsztyk

(ChunkerEvaluator) Sentence #7389 from articles/00107689 from sent13

Text  : - Na wzmiankę o tej baśni Hoffmanna natknęła m się w  książce francuskiego socjologa zajmującego się m  .  in .  filozofią dzieciństwa Pierre'a Peju „  Dziewczynka w  baśniowym lesie ”  .
Tokens: 1 2_ 3_______ 4 5__ 6____ 7________ 8_______ 9 10_ 11 12_____ 13__________ 14_______ 15_________ 16_ 17 18 19 20 21_______ 22_________ 23______ 24__ 25 26_________ 27 28_______ 29___ 30 31

Chunks:
  TruePositive nam [7,7] = Hoffmanna
  FalsePositive nam [23,23] = Pierre'a
  FalseNegative nam [23,24] = Pierre'a Peju
  FalseNegative nam [26,29] = Dziewczynka w baśniowym lesie

(ChunkerEvaluator) Sentence #7390 from articles/00107689 from sent14

Text  : Jego opis mnie wielce zaintrygował , zaczęła m więc szukać tekstu Hoffmanna .
Tokens: 1___ 2___ 3___ 4_____ 5___________ 6 7______ 8 9___ 10____ 11____ 12_______ 13

Chunks:
  TruePositive nam [12,12] = Hoffmanna

(ChunkerEvaluator) Sentence #7391 from articles/00107689 from sent15

Text  : Spolszczenie zrobione przez Zofię Modrzewską - Schillerową znajduje się w  zbiorach Muzeum Książki Dziecięcej ,  ale nie spodobało mi się ono .
Tokens: 1___________ 2_______ 3____ 4____ 5_________ 6 7__________ 8_______ 9__ 10 11______ 12____ 13_____ 14________ 15 16_ 17_ 18_______ 19 20_ 21_ 22

Chunks:
  TruePositive nam [4,7] = Zofię Modrzewską - Schillerową
  TruePositive nam [12,14] = Muzeum Książki Dziecięcej

(ChunkerEvaluator) Sentence #7392 from articles/00107689 from sent16

Text  : Zupełnie inne wrażenie zrobił na mnie tekst Józefa Kramsztyka ,  który znajduje się w  zbiorach Biblioteki Narodowej -  mówi Joanna Rogacka ,  kierownik artystyczny Lalki .
Tokens: 1_______ 2___ 3_______ 4_____ 5_ 6___ 7____ 8_____ 9_________ 10 11___ 12______ 13_ 14 15______ 16________ 17_______ 18 19__ 20____ 21_____ 22 23_______ 24_________ 25___ 26

Chunks:
  TruePositive nam [8,9] = Józefa Kramsztyka
  TruePositive nam [16,17] = Biblioteki Narodowej
  TruePositive nam [20,21] = Joanna Rogacka
  TruePositive nam [25,25] = Lalki

(ChunkerEvaluator) Sentence #7393 from articles/00107689 from sent17

Text  : I zdradza : - Tym razem nie rozpoczynała m myślenia o  najbliższej premierze od tytułu ,  ale od tematu .
Tokens: 1 2______ 3 4 5__ 6____ 7__ 8___________ 9 10______ 11 12_________ 13_______ 14 15____ 16 17_ 18 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #7394 from articles/00107689 from sent18

Text  : Chcieli śmy podjąć rozmowę z naszymi widzami o zrywaniu więzi między starym a  młodym pokoleniem .
Tokens: 1______ 2__ 3_____ 4______ 5 6______ 7______ 8 9_______ 10___ 11____ 12____ 13 14____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #7395 from articles/00107689 from sent19

Text  : Kult młodości spycha na dramatyczny margines ludzi starszych , traktuje się ich w  szczególny sposób .
Tokens: 1___ 2_______ 3_____ 4_ 5__________ 6_______ 7____ 8________ 9 10______ 11_ 12_ 13 14________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #7396 from articles/00107689 from sent20

Text  : Zaczęła m więc szukać literatury , w której te dwa światy zostaną skonfrontowane ,  i  „  Tajemnicze dziecko ”  znakomicie sobie z  tym radzi .
Tokens: 1______ 2 3___ 4_____ 5_________ 6 7 8_____ 9_ 10_ 11____ 12_____ 13____________ 14 15 16 17________ 18_____ 19 20________ 21___ 22 23_ 24___ 25

Chunks:
  FalseNegative nam [17,18] = Tajemnicze dziecko

(ChunkerEvaluator) Sentence #7397 from articles/00107689 from sent21

Text  : To niezwykle poetycka , krucha , spokojna , cudowna opowieść .
Tokens: 1_ 2________ 3_______ 4 5_____ 6 7_______ 8 9______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #7398 from articles/00107689 from sent22

Text  : Przedstawienie reżyseruje Słowak Marian Pecko , dyrektor artystyczny Teatru Lalek na Rozdrożu w  Bańskiej Bystrzycy .
Tokens: 1_____________ 2_________ 3_____ 4_____ 5____ 6 7_______ 8__________ 9_____ 10___ 11 12______ 13 14______ 15_______ 16

Chunks:
  TruePositive nam [3,3] = Słowak
  TruePositive nam [4,5] = Marian Pecko
  TruePositive nam [14,15] = Bańskiej Bystrzycy
  FalsePositive nam [9,10] = Teatru Lalek
  FalsePositive nam [12,12] = Rozdrożu
  FalseNegative nam [9,12] = Teatru Lalek na Rozdrożu

(ChunkerEvaluator) Sentence #7399 from articles/00107689 from sent23

Text  : Widzom Lalki znany chociażby z „ Opowieści wigilijnej ” ,  przed rokiem na Warszawskich Spotkaniach Teatralnych mogli śmy oglądać jego wielokrotnie nagradzaną „  Iwonę ,  książeczkę Burgunda ”  ,  którą wystawił w  opolskim Teatrze Lalki i  Aktora im .  Alojzego Smolki .
Tokens: 1_____ 2____ 3____ 4________ 5 6 7________ 8_________ 9 10 11___ 12____ 13 14__________ 15_________ 16_________ 17___ 18_ 19_____ 20__ 21__________ 22________ 23 24___ 25 26________ 27______ 28 29 30___ 31______ 32 33______ 34_____ 35___ 36 37____ 38 39 40______ 41____ 42

Chunks:
  TruePositive nam [14,16] = Warszawskich Spotkaniach Teatralnych
  FalsePositive nam [1,2] = Widzom Lalki
  FalsePositive nam [24,24] = Iwonę
  FalsePositive nam [27,27] = Burgunda
  FalsePositive nam [34,35] = Teatrze Lalki
  FalsePositive nam [37,41] = Aktora im . Alojzego Smolki
  FalseNegative nam [2,2] = Lalki
  FalseNegative nam [7,8] = Opowieści wigilijnej
  FalseNegative nam [24,27] = Iwonę , książeczkę Burgunda
  FalseNegative nam [34,41] = Teatrze Lalki i Aktora im . Alojzego Smolki

(ChunkerEvaluator) Sentence #7400 from articles/00107689 from sent24

Text  : - Gdy wysłała m Marianowi tekst Hoffmanna , zadzwonił po trzech dniach .
Tokens: 1 2__ 3______ 4 5________ 6____ 7________ 8 9________ 10 11____ 12____ 13

Chunks:
  TruePositive nam [5,5] = Marianowi
  TruePositive nam [7,7] = Hoffmanna

(ChunkerEvaluator) Sentence #7401 from articles/00107689 from sent25

Text  : Powiedział krótko : „ Robimy ” .
Tokens: 1_________ 2_____ 3 4 5_____ 6 7

Chunks:

(ChunkerEvaluator) Sentence #7402 from articles/00107689 from sent26

Text  : Poprzez to przedstawienie chcemy powiedzieć dziecku , że jest istotą wyjątkową i  wspaniałą .
Tokens: 1______ 2_ 3_____________ 4_____ 5_________ 6______ 7 8_ 9___ 10____ 11_______ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #7403 from articles/00107689 from sent27

Text  : Żeby się nie bało swoich marzeń i fantazji .
Tokens: 1___ 2__ 3__ 4___ 5_____ 6_____ 7 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #7404 from articles/00107689 from sent28

Text  : I że każdy z nas - mały i duży -  nosi w  sobie tajemnicze dziecko ,  które bardzo łatwo wraz z  dorosłością wytracić -  dodaje Joanna Rogacka .
Tokens: 1 2_ 3____ 4 5__ 6 7___ 8 9___ 10 11__ 12 13___ 14________ 15_____ 16 17___ 18____ 19___ 20__ 21 22_________ 23______ 24 25____ 26____ 27_____ 28

Chunks:
  TruePositive nam [26,27] = Joanna Rogacka

(ChunkerEvaluator) Sentence #7405 from articles/00107689 from sent29

Text  : Reżyser zaprosił do współpracy swoją ekipę .
Tokens: 1______ 2_______ 3_ 4_________ 5____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #7406 from articles/00107689 from sent30

Text  : Autorką scenariusza jest Emilia Hoffmanová .
Tokens: 1______ 2__________ 3___ 4_____ 5_________ 6

Chunks:
  TruePositive nam [4,5] = Emilia Hoffmanová

(ChunkerEvaluator) Sentence #7407 from articles/00107689 from sent31

Text  : Podobieństwo nazwisk z autorem baśni jest zupełnie przypadkowe .
Tokens: 1___________ 2______ 3 4______ 5____ 6___ 7_______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #7408 from articles/00107689 from sent32

Text  : To jeden z pseudonimów literackich Ivety Skripkovéj - Horvátovej ,  słowackiej dramatopisarki ,  reżyserki ,  dyrektorki teatru w  Bańskiej Bystrzycy .
Tokens: 1_ 2____ 3 4__________ 5__________ 6____ 7_________ 8 9_________ 10 11________ 12____________ 13 14_______ 15 16________ 17____ 18 19______ 20_______ 21

Chunks:
  TruePositive nam [6,9] = Ivety Skripkovéj - Horvátovej
  TruePositive nam [19,20] = Bańskiej Bystrzycy

(ChunkerEvaluator) Sentence #7409 from articles/00107689 from sent33

Text  : To już trzeci jej tekst , jaki zostanie wystawiony w  Lalce -  widzowie tego teatru oglądali tu jej „  Opowieść wigilijną ”  (  1995 r  .  )  i  „  O  trzech weteranach ”  (  1998 r  .  )  .
Tokens: 1_ 2__ 3_____ 4__ 5____ 6 7___ 8_______ 9_________ 10 11___ 12 13______ 14__ 15____ 16______ 17 18_ 19 20______ 21_______ 22 23 24__ 25 26 27 28 29 30 31____ 32________ 33 34 35__ 36 37 38 39

Chunks:
  TruePositive nam [11,11] = Lalce
  FalseNegative nam [20,21] = Opowieść wigilijną
  FalseNegative nam [30,32] = O trzech weteranach

(ChunkerEvaluator) Sentence #7410 from articles/00107689 from sent34

Text  : Scenografię przygotował Pavol Andraško , kostiumy i lalki zaprojektowała Eva Farkašová ,  muzykę skomponował Pavel Helebrand .
Tokens: 1__________ 2__________ 3____ 4_______ 5 6_______ 7 8____ 9_____________ 10_ 11_______ 12 13____ 14_________ 15___ 16_______ 17

Chunks:
  TruePositive nam [10,11] = Eva Farkašová
  TruePositive nam [15,16] = Pavel Helebrand
  FalseNegative nam [3,4] = Pavol Andraško

(ChunkerEvaluator) Sentence #7411 from articles/00107689 from sent35

Text  : „ Tajemnicze dziecko ” to pierwsza premiera w Lalce w  tym sezonie .
Tokens: 1 2_________ 3______ 4 5_ 6_______ 7_______ 8 9____ 10 11_ 12_____ 13

Chunks:
  TruePositive nam [9,9] = Lalce
  FalseNegative nam [2,3] = Tajemnicze dziecko

(ChunkerEvaluator) Sentence #7412 from articles/00107689 from sent36

Text  : - Nie tracę nadziei , że przygotujemy jeszcze jedną -  „  Bankructwo małego Dżeka ”  Janusza Korczaka w  reżyserii Łukasza Kosa .
Tokens: 1 2__ 3____ 4______ 5 6_ 7___________ 8______ 9____ 10 11 12________ 13____ 14___ 15 16_____ 17______ 18 19_______ 20_____ 21__ 22

Chunks:
  TruePositive nam [16,17] = Janusza Korczaka
  TruePositive nam [20,21] = Łukasza Kosa
  FalseNegative nam [12,14] = Bankructwo małego Dżeka

(ChunkerEvaluator) Sentence #7413 from articles/00107689 from sent37

Text  : Chcę też wmurować w teatrze tablicę poświęconą Staremu Doktorowi .
Tokens: 1___ 2__ 3_______ 4 5______ 6______ 7_________ 8______ 9________ 10

Chunks:
  TruePositive nam [8,9] = Staremu Doktorowi

(ChunkerEvaluator) Sentence #7414 from articles/00107689 from sent38

Text  : Już rozpoczęła m starania - podkreśla Joanna Rogacka .
Tokens: 1__ 2_________ 3 4_______ 5 6________ 7_____ 8______ 9

Chunks:
  TruePositive nam [7,8] = Joanna Rogacka

(ChunkerEvaluator) Sentence #7415 from articles/00107689 from sent39

Text  : W związku z Euro 2012 i planowaną budową strefy kibica na placu Defilad Teatr Lalka będzie grał w  swojej siedzibie tylko do 1  czerwca .
Tokens: 1 2______ 3 4___ 5___ 6 7________ 8_____ 9_____ 10____ 11 12___ 13_____ 14___ 15___ 16____ 17__ 18 19____ 20_______ 21___ 22 23 24_____ 25

Chunks:
  TruePositive nam [4,5] = Euro 2012
  FalsePositive nam [13,15] = Defilad Teatr Lalka
  FalseNegative nam [12,13] = placu Defilad
  FalseNegative nam [14,15] = Teatr Lalka

(ChunkerEvaluator) Sentence #7416 from articles/00107689 from sent40

Text  : Potem swoje małoobsadowe przedstawienia - „ Tygryski ” , „  Daszeńkę ”  i  „  Q  -  Q  -  RY -  Q  ,  czyli Przyjaciół ze skrzyni ”  -  pokaże m  .  in .  w  Instytucie Teatralnym i  Bielańskim Ośrodku Kultury .
Tokens: 1____ 2____ 3___________ 4_____________ 5 6 7_______ 8 9 10 11______ 12 13 14 15 16 17 18 19 20 21 22 23___ 24________ 25 26_____ 27 28 29____ 30 31 32 33 34 35________ 36________ 37 38________ 39_____ 40_____ 41

Chunks:
  TruePositive nam [7,7] = Tygryski
  TruePositive nam [35,36] = Instytucie Teatralnym
  TruePositive nam [38,40] = Bielańskim Ośrodku Kultury
  FalsePositive nam [15,21] = Q - Q - RY - Q
  FalsePositive nam [24,24] = Przyjaciół
  FalseNegative nam [11,11] = Daszeńkę
  FalseNegative nam [15,26] = Q - Q - RY - Q , czyli Przyjaciół ze skrzyni

(ChunkerEvaluator) Sentence #7417 from articles/00107689 from sent41

Text  : W Teatrze Rampa zaplanowano też trzy spektakle „ Cudów w  Budzie ”  .
Tokens: 1 2______ 3____ 4__________ 5__ 6___ 7________ 8 9____ 10 11____ 12 13

Chunks:
  TruePositive nam [2,3] = Teatrze Rampa
  FalsePositive nam [11,11] = Budzie
  FalseNegative nam [9,11] = Cudów w Budzie

(ChunkerEvaluator) Sentence #7418 from articles/00107689 from sent42

Text  : „ Tajemnicze dziecko ” na motywach baśni E . T  .  A  .  Hoffmanna „  Das fremde Kind ”  ,  scenariusz Emilia Hoffmanová ,  przekład z  języka słowackiego Joanna Goszczyńska ,  reżyseria Marian Pecko ,  scenografia Pavol Andraško ,  kostiumy i  lalki Eva Farkašová ,  muzyka Pavel Helebrand .
Tokens: 1 2_________ 3______ 4 5_ 6_______ 7____ 8 9 10 11 12 13 14_______ 15 16_ 17____ 18__ 19 20 21________ 22____ 23________ 24 25______ 26 27____ 28_________ 29____ 30_________ 31 32_______ 33____ 34___ 35 36_________ 37___ 38______ 39 40______ 41 42___ 43_ 44_______ 45 46____ 47___ 48_______ 49

Chunks:
  TruePositive nam [22,23] = Emilia Hoffmanová
  TruePositive nam [29,30] = Joanna Goszczyńska
  TruePositive nam [33,34] = Marian Pecko
  TruePositive nam [43,44] = Eva Farkašová
  TruePositive nam [47,48] = Pavel Helebrand
  FalsePositive nam [8,18] = E . T . A . Hoffmanna „ Das fremde Kind
  FalseNegative nam [2,3] = Tajemnicze dziecko
  FalseNegative nam [8,14] = E . T . A . Hoffmanna
  FalseNegative nam [16,18] = Das fremde Kind
  FalseNegative nam [37,38] = Pavol Andraško

(ChunkerEvaluator) Sentence #7419 from articles/00107689 from sent43

Text  : Na scenie : Monika Babula , Beata Duda - Perzyna ,  Grzegorz Feluś ,  Aneta Harasimczuk ,  Mariusz Laskowski ,  Wojciech Pałęcki ,  Piotr Tworek -  prapremiera w  Teatrze Lalka 24 marca
Tokens: 1_ 2_____ 3 4_____ 5_____ 6 7____ 8___ 9 10_____ 11 12______ 13___ 14 15___ 16_________ 17 18_____ 19_______ 20 21______ 22_____ 23 24___ 25____ 26 27_________ 28 29_____ 30___ 31 32___

Chunks:
  TruePositive nam [4,5] = Monika Babula
  TruePositive nam [7,10] = Beata Duda - Perzyna
  TruePositive nam [12,13] = Grzegorz Feluś
  TruePositive nam [15,16] = Aneta Harasimczuk
  TruePositive nam [18,19] = Mariusz Laskowski
  TruePositive nam [21,22] = Wojciech Pałęcki
  TruePositive nam [24,25] = Piotr Tworek
  TruePositive nam [29,30] = Teatrze Lalka

2016-10-27 14:59:48,775 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 321 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107691.xml
(ChunkerEvaluator) Sentence #7420 from articles/00107691 from sent1

Text  : Przestępca marca : Zapomniała , że ma iść za kratki i  .  .  .
Tokens: 1_________ 2____ 3 4_________ 5 6_ 7_ 8__ 9_ 10____ 11 12 13 14

Chunks:

(ChunkerEvaluator) Sentence #7421 from articles/00107691 from sent2

Text  : Mieszkanka gm . Korsze dowiedziała się , że jest poszukiwana przez policję ,  ale pomyślała ,  że to pomyłka i  poszła na policję ze skargą .
Tokens: 1_________ 2_ 3 4_____ 5__________ 6__ 7 8_ 9___ 10_________ 11___ 12_____ 13 14_ 15_______ 16 17 18 19_____ 20 21____ 22 23_____ 24 25____ 26

Chunks:
  FalseNegative nam [4,4] = Korsze

(ChunkerEvaluator) Sentence #7422 from articles/00107691 from sent3

Text  : Tam spotkała ją przykra niespodzianka
Tokens: 1__ 2_______ 3_ 4______ 5____________

Chunks:

(ChunkerEvaluator) Sentence #7423 from articles/00107691 from sent4

Text  : Kobieta , gdy dowiedziała się od znajomego , że szuka jej policja ,  zdziwiła się .
Tokens: 1______ 2 3__ 4__________ 5__ 6_ 7________ 8 9_ 10___ 11_ 12_____ 13 14______ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #7424 from articles/00107691 from sent5

Text  : Nie wiedziała za co miała by być poszukiwana .
Tokens: 1__ 2________ 3_ 4_ 5____ 6_ 7__ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #7425 from articles/00107691 from sent6

Text  : Poszła więc na komisariat w Korszach , by wyjaśnić to nieporozumienie .
Tokens: 1_____ 2___ 3_ 4_________ 5 6_______ 7 8_ 9_______ 10 11_____________ 12

Chunks:
  FalseNegative nam [6,6] = Korszach

(ChunkerEvaluator) Sentence #7426 from articles/00107691 from sent7

Text  : - Gdy podała funkcjonariuszom swoje dane osobowe , okazało się ,  że to nie była jednak pomyłka -  mówi Mariola Plichta z  biura prasowego Komendy Wojewódzkiej Policji w  Olsztynie .
Tokens: 1 2__ 3_____ 4_______________ 5____ 6___ 7______ 8 9______ 10_ 11 12 13 14_ 15__ 16____ 17_____ 18 19__ 20_____ 21_____ 22 23___ 24_______ 25_____ 26__________ 27_____ 28 29_______ 30

Chunks:
  TruePositive nam [20,21] = Mariola Plichta
  TruePositive nam [25,27] = Komendy Wojewódzkiej Policji
  TruePositive nam [29,29] = Olsztynie

(ChunkerEvaluator) Sentence #7427 from articles/00107691 from sent8

Text  : Mieszkanka gminy Korsze była poszukiwana na podstawie nakazu doprowadzenia do zakładu karnego wydanego przez Sąd Rejonowy w  Kętrzynie .
Tokens: 1_________ 2____ 3_____ 4___ 5__________ 6_ 7________ 8_____ 9____________ 10 11_____ 12_____ 13______ 14___ 15_ 16______ 17 18_______ 19

Chunks:
  FalsePositive nam [15,18] = Sąd Rejonowy w Kętrzynie
  FalseNegative nam [3,3] = Korsze
  FalseNegative nam [15,16] = Sąd Rejonowy
  FalseNegative nam [18,18] = Kętrzynie

(ChunkerEvaluator) Sentence #7428 from articles/00107691 from sent9

Text  : Zapomniała , że w 2008 r . dokonała kradzieży telefonu komórkowego i  za to miała trafić za kratki .
Tokens: 1_________ 2 3_ 4 5___ 6 7 8_______ 9________ 10______ 11_________ 12 13 14 15___ 16____ 17 18____ 19

Chunks:

2016-10-27 14:59:48,820 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 322 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107692.xml
(ChunkerEvaluator) Sentence #7429 from articles/00107692 from sent1

Text  : MF : zapadalność zadłużenia krajowego w 2012 r . wynosi 94 ,  781 mld zł
Tokens: 1_ 2 3__________ 4_________ 5________ 6 7___ 8 9 10____ 11 12 13_ 14_ 15

Chunks:
  TruePositive nam [1,1] = MF
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #7430 from articles/00107692 from sent2

Text  : Zapadalność zadłużenia krajowego w 2012 roku , według stanu na 31 stycznia 2012 roku ,  wynosi 94 ,  781 mld zł ;  w  2013 roku jest to 84 ,  1  mld zł -  poinformowało we wtorkowym komunikacie Ministerstwo Finansów .
Tokens: 1__________ 2_________ 3________ 4 5___ 6___ 7 8_____ 9____ 10 11 12______ 13__ 14__ 15 16____ 17 18 19_ 20_ 21 22 23 24__ 25__ 26__ 27 28 29 30 31_ 32 33 34___________ 35 36_______ 37_________ 38__________ 39______ 40

Chunks:
  TruePositive nam [21,21] = zł
  TruePositive nam [32,32] = zł
  TruePositive nam [38,39] = Ministerstwo Finansów

(ChunkerEvaluator) Sentence #7431 from articles/00107692 from sent3

Text  : Zapadalność zadłużenia Skarbu Państwa ( dług krajowy i zagraniczny )  ,  według stanu na koniec stycznia br .  ,  wynosi w  2012 roku 110 ,  7  mld zł ,  a  w  2013 roku 100 ,  0  mld zł .
Tokens: 1__________ 2_________ 3_____ 4______ 5 6___ 7______ 8 9__________ 10 11 12____ 13___ 14 15____ 16______ 17 18 19 20____ 21 22__ 23__ 24_ 25 26 27_ 28 29 30 31 32__ 33__ 34_ 35 36 37_ 38 39

Chunks:
  TruePositive nam [3,4] = Skarbu Państwa
  TruePositive nam [28,28] = zł
  TruePositive nam [38,38] = zł

2016-10-27 14:59:48,847 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 323 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107693.xml
(ChunkerEvaluator) Sentence #7432 from articles/00107693 from sent1

Text  : CBOS : 63 proc . badanych dobrze o pracy prezydenta ;  61 proc .  źle o  pracy Sejmu
Tokens: 1___ 2 3_ 4___ 5 6_______ 7_____ 8 9____ 10________ 11 12 13__ 14 15_ 16 17___ 18___

Chunks:
  TruePositive nam [1,1] = CBOS
  TruePositive nam [18,18] = Sejmu

(ChunkerEvaluator) Sentence #7433 from articles/00107693 from sent2

Text  : 63 proc . badanych dobrze ocenia działalność prezydenta Bronisława Komorowskiego ,  a  24 proc .  źle .
Tokens: 1_ 2___ 3 4_______ 5_____ 6_____ 7__________ 8_________ 9_________ 10___________ 11 12 13 14__ 15 16_ 17

Chunks:
  TruePositive nam [9,10] = Bronisława Komorowskiego

(ChunkerEvaluator) Sentence #7434 from articles/00107693 from sent3

Text  : Z kolei działalność Sejmu podoba się 23 proc . respondentów ,  a  krytycznie ocenia ją 61 proc .  -  wynika z  marcowego sondażu CBOS ,  przekazanego w  czwartek PAP .
Tokens: 1 2____ 3__________ 4____ 5_____ 6__ 7_ 8___ 9 10__________ 11 12 13________ 14____ 15 16 17__ 18 19 20____ 21 22_______ 23_____ 24__ 25 26__________ 27 28______ 29_ 30

Chunks:
  TruePositive nam [4,4] = Sejmu
  TruePositive nam [24,24] = CBOS
  TruePositive nam [29,29] = PAP

(ChunkerEvaluator) Sentence #7435 from articles/00107693 from sent4

Text  : Sondaż pokazuje , że pracę Sejmu dobrze ocenia w marcu o  3  punkty proc .  więcej ankietowanych niż w  lutym .
Tokens: 1_____ 2_______ 3 4_ 5____ 6____ 7_____ 8_____ 9 10___ 11 12 13____ 14__ 15 16____ 17___________ 18_ 19 20___ 21

Chunks:
  TruePositive nam [6,6] = Sejmu

(ChunkerEvaluator) Sentence #7436 from articles/00107693 from sent5

Text  : Z kolei negatywnie o działalności Sejmu wypowiedziało się o 3  punkty proc .  mniej badanych niż w  poprzednim sondażu .
Tokens: 1 2____ 3_________ 4 5___________ 6____ 7____________ 8__ 9 10 11____ 12__ 13 14___ 15______ 16_ 17 18________ 19_____ 20

Chunks:
  TruePositive nam [6,6] = Sejmu

(ChunkerEvaluator) Sentence #7437 from articles/00107693 from sent6

Text  : 16 proc . respondentów nie miało zaś zdania w tej sprawie .
Tokens: 1_ 2___ 3 4___________ 5__ 6____ 7__ 8_____ 9 10_ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #7438 from articles/00107693 from sent7

Text  : O funkcjonowaniu Senatu z dezaprobatą wypowiedziało się w marcu 46 proc .  badanych (  bez zmian w  porównaniu z  lutowym sondażem )  .
Tokens: 1 2_____________ 3_____ 4 5__________ 6____________ 7__ 8 9____ 10 11__ 12 13______ 14 15_ 16___ 17 18________ 19 20_____ 21______ 22 23

Chunks:
  TruePositive nam [3,3] = Senatu

(ChunkerEvaluator) Sentence #7439 from articles/00107693 from sent8

Text  : 26 proc . ankietowanych , czyli o 1 proc .  więcej niż w  poprzednim badaniu dobrze oceniło pracę senatorów .
Tokens: 1_ 2___ 3 4____________ 5 6____ 7 8 9___ 10 11____ 12_ 13 14________ 15_____ 16____ 17_____ 18___ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #7440 from articles/00107693 from sent9

Text  : 28 proc . respondentów nie miało zdania w tej kwestii .
Tokens: 1_ 2___ 3 4___________ 5__ 6____ 7_____ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #7441 from articles/00107693 from sent10

Text  : CBOS zwraca uwagę , że działalność Sejmu i Senatu lepiej oceniają osoby z  wyższym wykształceniem i  znajdujące się w  dobrej sytuacji materialnej .
Tokens: 1___ 2_____ 3____ 4 5_ 6__________ 7____ 8 9_____ 10____ 11______ 12___ 13 14_____ 15____________ 16 17________ 18_ 19 20____ 21______ 22_________ 23

Chunks:
  TruePositive nam [1,1] = CBOS
  TruePositive nam [7,7] = Sejmu
  TruePositive nam [9,9] = Senatu

(ChunkerEvaluator) Sentence #7442 from articles/00107693 from sent11

Text  : Ponadto - jak pokazuje badanie - nieco lepiej wypowiadają się o  parlamencie badani najczęściej praktykujący religijnie .
Tokens: 1______ 2 3__ 4_______ 5______ 6 7____ 8_____ 9__________ 10_ 11 12_________ 13____ 14_________ 15__________ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #7443 from articles/00107693 from sent12

Text  : CBOS podaje , że notowania prezydenta są stabilne .
Tokens: 1___ 2_____ 3 4_ 5________ 6_________ 7_ 8_______ 9

Chunks:
  TruePositive nam [1,1] = CBOS

(ChunkerEvaluator) Sentence #7444 from articles/00107693 from sent13

Text  : Pozytywną ocenę pracy Komorowskiego wystawiło w marcu o 2 punkty proc .  mniej ankietowanych niż w  lutym ,  a  źle pracę prezydenta oceniło zaś o  2  punkty proc .  więcej badanych niż w  poprzednim miesiącu .
Tokens: 1________ 2____ 3____ 4____________ 5________ 6 7____ 8 9 10____ 11__ 12 13___ 14___________ 15_ 16 17___ 18 19 20_ 21___ 22________ 23_____ 24_ 25 26 27____ 28__ 29 30____ 31______ 32_ 33 34________ 35______ 36

Chunks:
  TruePositive nam [4,4] = Komorowskiego

(ChunkerEvaluator) Sentence #7445 from articles/00107693 from sent14

Text  : 13 proc . respondentów nie miało zdania w tej sprawie .
Tokens: 1_ 2___ 3 4___________ 5__ 6____ 7_____ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #7446 from articles/00107693 from sent15

Text  : CBOS podkreśla , że na ocenę działalności prezydenta w pewnym stopniu wpływa wiek ,  a  także deklarowane poglądy polityczne .
Tokens: 1___ 2________ 3 4_ 5_ 6____ 7___________ 8_________ 9 10____ 11_____ 12____ 13__ 14 15 16___ 17_________ 18_____ 19________ 20

Chunks:
  TruePositive nam [1,1] = CBOS

(ChunkerEvaluator) Sentence #7447 from articles/00107693 from sent16

Text  : Krytyczne nastawienie do pracy Komorowskiego relatywnie częściej deklarują najmłodsi respondenci oraz osoby o  prawicowej orientacji politycznej .
Tokens: 1________ 2__________ 3_ 4____ 5____________ 6_________ 7_______ 8________ 9________ 10_________ 11__ 12___ 13 14________ 15________ 16_________ 17

Chunks:
  TruePositive nam [5,5] = Komorowskiego

(ChunkerEvaluator) Sentence #7448 from articles/00107693 from sent17

Text  : Ponadprzeciętnie często - jak podaje CBOS - z uznaniem o  działalności prezydenta wypowiadają się zwolennicy PO i  PSL ,  a  także potencjalni wyborcy SLD ,  z  kolei najbardziej podzieleni i  jednocześnie krytyczni w  ocenach są sympatycy PiS .
Tokens: 1_______________ 2_____ 3 4__ 5_____ 6___ 7 8 9_______ 10 11__________ 12________ 13_________ 14_ 15________ 16 17 18_ 19 20 21___ 22_________ 23_____ 24_ 25 26 27___ 28_________ 29________ 30 31__________ 32_______ 33 34_____ 35 36_______ 37_ 38

Chunks:
  TruePositive nam [6,6] = CBOS
  TruePositive nam [16,16] = PO
  TruePositive nam [18,18] = PSL
  TruePositive nam [24,24] = SLD
  TruePositive nam [37,37] = PiS

(ChunkerEvaluator) Sentence #7449 from articles/00107693 from sent18

Text  : CBOS spytał także ankietowanych , jak oceniają działalność władz samorządowych .
Tokens: 1___ 2_____ 3____ 4____________ 5 6__ 7_______ 8__________ 9____ 10___________ 11

Chunks:
  TruePositive nam [1,1] = CBOS

(ChunkerEvaluator) Sentence #7450 from articles/00107693 from sent19

Text  : 60 proc . badanych dobrze ocenia funkcjonowanie władz lokalnych (  o  7  punktów proc .  mniej w  porównaniu z  badaniem z  września 2011 roku )  .
Tokens: 1_ 2___ 3 4_______ 5_____ 6_____ 7_____________ 8____ 9________ 10 11 12 13_____ 14__ 15 16___ 17 18________ 19 20______ 21 22______ 23__ 24__ 25 26

Chunks:

(ChunkerEvaluator) Sentence #7451 from articles/00107693 from sent20

Text  : 29 proc . respondentów źle ocenia działalność samorządów ( więcej o  5  punktów procentowych w  porównaniu z  wrześniowym sondażem )  .
Tokens: 1_ 2___ 3 4___________ 5__ 6_____ 7__________ 8_________ 9 10____ 11 12 13_____ 14__________ 15 16________ 17 18_________ 19______ 20 21

Chunks:

(ChunkerEvaluator) Sentence #7452 from articles/00107693 from sent21

Text  : CBOS zauważa , że władze lokalne są relatywnie lepiej postrzegane przez mieszkańców wsi i  małych miast (  do 20 tys .  ludności )  niż przez respondentów z  większych ośrodków ,  zwłaszcza największych aglomeracji .
Tokens: 1___ 2______ 3 4_ 5_____ 6______ 7_ 8_________ 9_____ 10_________ 11___ 12_________ 13_ 14 15____ 16___ 17 18 19 20_ 21 22______ 23 24_ 25___ 26__________ 27 28_______ 29______ 30 31_______ 32__________ 33_________ 34

Chunks:
  TruePositive nam [1,1] = CBOS

(ChunkerEvaluator) Sentence #7453 from articles/00107693 from sent22

Text  : Badanie przeprowadzono w dniach 8 - 14 marca 2012 roku na liczącej 1015 osób reprezentatywnej próbie losowej dorosłych mieszkańców Polski .
Tokens: 1______ 2_____________ 3 4_____ 5 6 7_ 8____ 9___ 10__ 11 12______ 13__ 14__ 15______________ 16____ 17_____ 18_______ 19_________ 20____ 21

Chunks:
  TruePositive nam [20,20] = Polski

2016-10-27 14:59:48,985 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 324 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107694.xml
(ChunkerEvaluator) Sentence #7454 from articles/00107694 from sent1

Text  : Rozdano nagrody laureatom konkursu & quot ; Seniorzy w akcji &  quot ;
Tokens: 1______ 2______ 3________ 4_______ 5 6___ 7 8_______ 9 10___ 11 12__ 13

Chunks:
  FalsePositive nam [8,8] = Seniorzy
  FalseNegative nam [8,10] = Seniorzy w akcji

(ChunkerEvaluator) Sentence #7455 from articles/00107694 from sent2

Text  : Dyplomami i statuetkami nagrodzono w poniedziałek wolontariuszy i aktywnych na rzecz społeczności lokalnych seniorów -  laureatów konkursu &  quot ;  Seniorzy w  akcji &  quot ;  .
Tokens: 1________ 2 3__________ 4_________ 5 6___________ 7____________ 8 9________ 10 11___ 12__________ 13_______ 14______ 15 16_______ 17______ 18 19__ 20 21______ 22 23___ 24 25__ 26 27

Chunks:
  FalsePositive nam [21,21] = Seniorzy
  FalseNegative nam [21,23] = Seniorzy w akcji

(ChunkerEvaluator) Sentence #7456 from articles/00107694 from sent3

Text  : Nagrody wręczono podczas Kongresu Uniwersytetów Trzeciego Wieku w Warszawie .
Tokens: 1______ 2_______ 3______ 4_______ 5____________ 6________ 7____ 8 9________ 10

Chunks:
  TruePositive nam [4,7] = Kongresu Uniwersytetów Trzeciego Wieku
  TruePositive nam [9,9] = Warszawie

(ChunkerEvaluator) Sentence #7457 from articles/00107694 from sent4

Text  : Ogólnopolski konkurs przeprowadziło Towarzystwo Inicjatyw Twórczych " ę " w  ramach programu "  Uniwersytety Trzeciego wieku "  Polsko -  Amerykańskiej Fundacji Wolności .
Tokens: 1___________ 2______ 3_____________ 4__________ 5________ 6________ 7 8 9 10 11____ 12______ 13 14__________ 15_______ 16___ 17 18____ 19 20___________ 21______ 22______ 23

Chunks:
  TruePositive nam [14,16] = Uniwersytety Trzeciego wieku
  TruePositive nam [18,22] = Polsko - Amerykańskiej Fundacji Wolności
  FalsePositive nam [4,6] = Towarzystwo Inicjatyw Twórczych
  FalseNegative nam [4,9] = Towarzystwo Inicjatyw Twórczych " ę "

(ChunkerEvaluator) Sentence #7458 from articles/00107694 from sent5

Text  : Konkurs odbywał się w dwóch kategoriach : Dobra praktyka UTW -  za obecnie realizowany lub zrealizowany w  ciągu ostatnich trzech lat projekt uniwersytetów trzeciego wieku na rzecz społeczności lokalnej (  np .  wolontariat seniorów ,  współpraca międzypokoleniowa ,  projekty obywatelskie )  i  Wolontariusz UTW -  za działania słuchaczy UTW powyżej 50 .  roku życia na rzecz wspólnoty lokalnej lub ciekawą formę współpracy osób młodych z  UTW .
Tokens: 1______ 2______ 3__ 4 5____ 6__________ 7 8____ 9_______ 10_ 11 12 13_____ 14_________ 15_ 16__________ 17 18___ 19_______ 20____ 21_ 22_____ 23___________ 24_______ 25___ 26 27___ 28__________ 29______ 30 31 32 33_________ 34______ 35 36________ 37_______________ 38 39______ 40__________ 41 42 43__________ 44_ 45 46 47_______ 48_______ 49_ 50_____ 51 52 53__ 54___ 55 56___ 57_______ 58______ 59_ 60_____ 61___ 62________ 63__ 64_____ 65 66_ 67

Chunks:
  FalsePositive nam [43,44] = Wolontariusz UTW
  FalseNegative nam [10,10] = UTW
  FalseNegative nam [44,44] = UTW
  FalseNegative nam [49,49] = UTW
  FalseNegative nam [66,66] = UTW

(ChunkerEvaluator) Sentence #7459 from articles/00107694 from sent6

Text  : O przyznaniu nagród decydowało jury pod honorowym przewodnictwem szefa Kancelarii Prezydenta Jacka Michałowskiego .
Tokens: 1 2_________ 3_____ 4_________ 5___ 6__ 7________ 8_____________ 9____ 10________ 11________ 12___ 13____________ 14

Chunks:
  FalsePositive nam [10,13] = Kancelarii Prezydenta Jacka Michałowskiego
  FalseNegative nam [10,11] = Kancelarii Prezydenta
  FalseNegative nam [12,13] = Jacka Michałowskiego

(ChunkerEvaluator) Sentence #7460 from articles/00107694 from sent7

Text  : Laureatami w kategorii Wolontariusz UTW zostali : Józef Żuchowski -  wspierający wychowanków z  domu dziecka w  Stargardzie Szczecińskim ,  Wanda Drozd -  koordynatorka wolontariatu UTW w  Słupsku ,  Elżbieta Iwanicka z  Wielopokoleniowego Klubu Wolontariusza w  Lublinie i  wolontariuszka UTW w  Toruniu Agata Grzecznowska .
Tokens: 1_________ 2 3________ 4___________ 5__ 6______ 7 8____ 9________ 10 11_________ 12_________ 13 14__ 15_____ 16 17_________ 18__________ 19 20___ 21___ 22 23___________ 24__________ 25_ 26 27_____ 28 29______ 30______ 31 32________________ 33___ 34___________ 35 36______ 37 38____________ 39_ 40 41_____ 42___ 43__________ 44

Chunks:
  TruePositive nam [8,9] = Józef Żuchowski
  TruePositive nam [17,18] = Stargardzie Szczecińskim
  TruePositive nam [20,21] = Wanda Drozd
  TruePositive nam [27,27] = Słupsku
  TruePositive nam [29,30] = Elżbieta Iwanicka
  TruePositive nam [32,34] = Wielopokoleniowego Klubu Wolontariusza
  TruePositive nam [36,36] = Lublinie
  TruePositive nam [41,41] = Toruniu
  TruePositive nam [42,43] = Agata Grzecznowska
  FalsePositive nam [4,5] = Wolontariusz UTW
  FalseNegative nam [5,5] = UTW
  FalseNegative nam [25,25] = UTW
  FalseNegative nam [39,39] = UTW

(ChunkerEvaluator) Sentence #7461 from articles/00107694 from sent8

Text  : Jury nagrodziło także - w kategorii Dobra Praktyka UTW -  akcję "  Żyj Kolorowo "  Usteckiego Uniwersytetu Trzeciego Wieku ,  polegającą m  .  in .  na organizowaniu zajęć dla przedszkolaków ,  Uniwersytet Trzeciego Wieku w  Łazach -  inicjatora Ogólnopolskiej Olimpiady Sportowej "  Trzeci wiek na start "  ,  UTW na Uniwersytecie Wrocławskim za kompleksową promocję wolontariatu wśród seniorów i  działalność wrocławskiego Zespołu Łączenia Pokoleń oraz filię lubelskiego UTW w  Radzyniu Podlaskim za produkcję filmu ze wspomnieniami najstarszych mieszkańców miasta .
Tokens: 1___ 2_________ 3____ 4 5 6________ 7____ 8_______ 9__ 10 11___ 12 13_ 14______ 15 16________ 17__________ 18_______ 19___ 20 21________ 22 23 24 25 26 27___________ 28___ 29_ 30____________ 31 32_________ 33_______ 34___ 35 36____ 37 38________ 39____________ 40_______ 41_______ 42 43____ 44__ 45 46___ 47 48 49_ 50 51___________ 52_________ 53 54_________ 55______ 56__________ 57___ 58______ 59 60_________ 61___________ 62_____ 63______ 64_____ 65__ 66___ 67_________ 68_ 69 70______ 71_______ 72 73_______ 74___ 75 76___________ 77__________ 78_________ 79____ 80

Chunks:
  TruePositive nam [13,14] = Żyj Kolorowo
  TruePositive nam [39,41] = Ogólnopolskiej Olimpiady Sportowej
  TruePositive nam [51,52] = Uniwersytecie Wrocławskim
  TruePositive nam [62,64] = Zespołu Łączenia Pokoleń
  TruePositive nam [70,71] = Radzyniu Podlaskim
  FalsePositive nam [1,1] = Jury
  FalsePositive nam [7,9] = Dobra Praktyka UTW
  FalsePositive nam [17,19] = Uniwersytetu Trzeciego Wieku
  FalsePositive nam [32,36] = Uniwersytet Trzeciego Wieku w Łazach
  FalseNegative nam [9,9] = UTW
  FalseNegative nam [16,19] = Usteckiego Uniwersytetu Trzeciego Wieku
  FalseNegative nam [32,34] = Uniwersytet Trzeciego Wieku
  FalseNegative nam [36,36] = Łazach
  FalseNegative nam [43,46] = Trzeci wiek na start
  FalseNegative nam [49,49] = UTW
  FalseNegative nam [68,68] = UTW

(ChunkerEvaluator) Sentence #7462 from articles/00107694 from sent9

Text  : Nagrodę publiczności , przyznawaną przez internautów w ramach kategorii Dobra praktyka UTW ,  zdobyli słuchacze Uniwersytetu Trzeciego Wieku w  Międzychodzie ,  którzy razem z  przedszkolakami dbają o  zieleń miejską -  m  .  in .  zaprojektowali i  wykonali miejski klomb kwiatowy .
Tokens: 1______ 2___________ 3 4__________ 5____ 6__________ 7 8_____ 9________ 10___ 11______ 12_ 13 14_____ 15_______ 16__________ 17_______ 18___ 19 20___________ 21 22____ 23___ 24 25_____________ 26___ 27 28____ 29_____ 30 31 32 33 34 35____________ 36 37______ 38_____ 39___ 40______ 41

Chunks:
  TruePositive nam [16,18] = Uniwersytetu Trzeciego Wieku
  FalsePositive nam [6,6] = internautów
  FalsePositive nam [10,10] = Dobra
  FalseNegative nam [12,12] = UTW
  FalseNegative nam [20,20] = Międzychodzie

(ChunkerEvaluator) Sentence #7463 from articles/00107694 from sent10

Text  : Dyplomy i statuetki wręczyli laureatom Jacek Michałowski i szef Polsko -  Amerykańskiej Fundacji Wolności Jerzy Koźmiński podczas Kongresu Uniwersytetów Trzeciego Wieku ,  odbywającego się pod hasłem :  "  Innowacyjne uniwersytety trzeciego wieku dla społeczeństwa obywatelskiego i  gospodarki "  .
Tokens: 1______ 2 3________ 4_______ 5________ 6____ 7__________ 8 9___ 10____ 11 12___________ 13______ 14______ 15___ 16_______ 17_____ 18______ 19___________ 20_______ 21___ 22 23__________ 24_ 25_ 26____ 27 28 29_________ 30__________ 31_______ 32___ 33_ 34___________ 35____________ 36 37________ 38 39

Chunks:
  TruePositive nam [6,7] = Jacek Michałowski
  TruePositive nam [10,14] = Polsko - Amerykańskiej Fundacji Wolności
  TruePositive nam [15,16] = Jerzy Koźmiński
  TruePositive nam [18,21] = Kongresu Uniwersytetów Trzeciego Wieku
  FalseNegative nam [29,37] = Innowacyjne uniwersytety trzeciego wieku dla społeczeństwa obywatelskiego i gospodarki

(ChunkerEvaluator) Sentence #7464 from articles/00107694 from sent11

Text  : W Kongresie wzięło udział blisko trzy tysiące osób związanych z  ruchem UTW .
Tokens: 1 2________ 3_____ 4_____ 5_____ 6___ 7______ 8___ 9_________ 10 11____ 12_ 13

Chunks:
  FalsePositive nam [2,2] = Kongresie
  FalseNegative nam [12,12] = UTW

(ChunkerEvaluator) Sentence #7465 from articles/00107694 from sent12

Text  : Wśród gości honorowych byli m . in . małżonka prezydenta Anna Komorowska ,  premier Donald Tusk i  minister zdrowia Bartosz Arłukowicz .
Tokens: 1____ 2____ 3_________ 4___ 5 6 7_ 8 9_______ 10________ 11__ 12________ 13 14_____ 15____ 16__ 17 18______ 19_____ 20_____ 21________ 22

Chunks:
  TruePositive nam [11,12] = Anna Komorowska
  TruePositive nam [15,16] = Donald Tusk
  TruePositive nam [20,21] = Bartosz Arłukowicz

(ChunkerEvaluator) Sentence #7466 from articles/00107694 from sent13

Text  : Rok 2012 ustanowiony został przez Senat Rokiem Uniwersytetów Trzeciego Wieku ,  a  przez Radę UE -  Europejskim Roku Aktywności Osób Starszych i  Solidarności Międzypokoleniowej .
Tokens: 1__ 2___ 3__________ 4_____ 5____ 6____ 7_____ 8____________ 9________ 10___ 11 12 13___ 14__ 15 16 17_________ 18__ 19________ 20__ 21_______ 22 23__________ 24________________ 25

Chunks:
  TruePositive nam [14,15] = Radę UE
  TruePositive nam [17,24] = Europejskim Roku Aktywności Osób Starszych i Solidarności Międzypokoleniowej
  FalsePositive nam [6,10] = Senat Rokiem Uniwersytetów Trzeciego Wieku
  FalseNegative nam [6,6] = Senat
  FalseNegative nam [7,10] = Rokiem Uniwersytetów Trzeciego Wieku

(ChunkerEvaluator) Sentence #7467 from articles/00107694 from sent14

Text  : Honorowy patronat nad obchodami roku Uniwersytetów Trzeciego Wieku objęła małżonka prezydenta Anna Komorowska .
Tokens: 1_______ 2_______ 3__ 4________ 5___ 6____________ 7________ 8____ 9_____ 10______ 11________ 12__ 13________ 14

Chunks:
  TruePositive nam [6,8] = Uniwersytetów Trzeciego Wieku
  TruePositive nam [12,13] = Anna Komorowska

(ChunkerEvaluator) Sentence #7468 from articles/00107694 from sent15

Text  : Obecnie w Polsce działa 385 uniwersytetów trzeciego wieku , skupiają one ponad 100 tys .  słuchaczy .
Tokens: 1______ 2 3_____ 4_____ 5__ 6____________ 7________ 8____ 9 10______ 11_ 12___ 13_ 14_ 15 16_______ 17

Chunks:
  FalsePositive nam [3,3] = Polsce

(ChunkerEvaluator) Sentence #7469 from articles/00107694 from sent16

Text  : Działają one w różnych ramach organizacyjnych , w większości pod auspicjami uczelni wyższych .
Tokens: 1_______ 2__ 3 4______ 5_____ 6______________ 7 8 9_________ 10_ 11________ 12_____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #7470 from articles/00107694 from sent17

Text  : Oferują różnego rodzaju zajęcia : wykłady , zajęcia artystyczne ,  sportowe .
Tokens: 1______ 2______ 3______ 4______ 5 6______ 7 8______ 9__________ 10 11______ 12

Chunks:

2016-10-27 14:59:49,137 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 325 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107695.xml
(ChunkerEvaluator) Sentence #7471 from articles/00107695 from sent1

Text  : Chłodni grozi odwilż .
Tokens: 1______ 2____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #7472 from articles/00107695 from sent2

Text  : Ludzie boją się zwolnień
Tokens: 1_____ 2___ 3__ 4_______

Chunks:

(ChunkerEvaluator) Sentence #7473 from articles/00107695 from sent3

Text  : Chłodnia Białystok sprzedaje swoje nieruchomości przy ul . Baranowickiej .
Tokens: 1_______ 2________ 3________ 4____ 5____________ 6___ 7_ 8 9____________ 10

Chunks:
  TruePositive nam [1,2] = Chłodnia Białystok
  TruePositive nam [9,9] = Baranowickiej

(ChunkerEvaluator) Sentence #7474 from articles/00107695 from sent4

Text  : - A przy okazji chce pozbyć się prawie siedemdziesięciu z  setki zatrudnionych -  alarmuje Artur Suszczenia ,  przewodniczący komisji zakładowej NSZZ „  Solidarność ”  .
Tokens: 1 2 3___ 4_____ 5___ 6_____ 7__ 8_____ 9_______________ 10 11___ 12___________ 13 14______ 15___ 16________ 17 18____________ 19_____ 20________ 21__ 22 23_________ 24 25

Chunks:
  TruePositive nam [15,16] = Artur Suszczenia
  TruePositive nam [21,24] = NSZZ „ Solidarność ”

(ChunkerEvaluator) Sentence #7475 from articles/00107695 from sent5

Text  : Chłodni grozi odwilż .
Tokens: 1______ 2____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #7476 from articles/00107695 from sent6

Text  : Ludzie boją się zwolnień
Tokens: 1_____ 2___ 3__ 4_______

Chunks:

(ChunkerEvaluator) Sentence #7477 from articles/00107695 from sent7

Text  : Chłodnia Białystok sprzedaje swoje nieruchomości przy ul . Baranowickiej .
Tokens: 1_______ 2________ 3________ 4____ 5____________ 6___ 7_ 8 9____________ 10

Chunks:
  TruePositive nam [1,2] = Chłodnia Białystok
  TruePositive nam [9,9] = Baranowickiej

(ChunkerEvaluator) Sentence #7478 from articles/00107695 from sent8

Text  : - A przy okazji chce pozbyć się prawie siedemdziesięciu z  setki zatrudnionych -  alarmuje Artur Suszczenia ,  przewodniczący komisji zakładowej NSZZ „  Solidarność ”  .
Tokens: 1 2 3___ 4_____ 5___ 6_____ 7__ 8_____ 9_______________ 10 11___ 12___________ 13 14______ 15___ 16________ 17 18____________ 19_____ 20________ 21__ 22 23_________ 24 25

Chunks:
  TruePositive nam [15,16] = Artur Suszczenia
  TruePositive nam [21,24] = NSZZ „ Solidarność ”

(ChunkerEvaluator) Sentence #7479 from articles/00107695 from sent9

Text  : Sytuacja spółki już od kilku lat nie jest najlepsza .
Tokens: 1_______ 2_____ 3__ 4_ 5____ 6__ 7__ 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #7480 from articles/00107695 from sent10

Text  : Sprawozdania finansowe z lat 2007 - 2009 pokazują , że wyniki netto zakładu były na minusie .
Tokens: 1___________ 2________ 3 4__ 5___ 6 7___ 8_______ 9 10 11____ 12___ 13_____ 14__ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #7481 from articles/00107695 from sent11

Text  : Na początku ubiegłego roku Ministerstwo Skarbu Państwa , które posiada blisko 49 proc .  akcji spółki ,  chciał ich się pozbyć .
Tokens: 1_ 2_______ 3________ 4___ 5___________ 6_____ 7______ 8 9____ 10_____ 11____ 12 13__ 14 15___ 16____ 17 18____ 19_ 20_ 21____ 22

Chunks:
  TruePositive nam [5,7] = Ministerstwo Skarbu Państwa

(ChunkerEvaluator) Sentence #7482 from articles/00107695 from sent12

Text  : Nie znalazł się jednak chętny .
Tokens: 1__ 2______ 3__ 4_____ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #7483 from articles/00107695 from sent13

Text  : Większościowy udziałowiec - Grupa PMB - postanowił więc przeprowadzić w  zakładzie restrukturyzację .
Tokens: 1____________ 2__________ 3 4____ 5__ 6 7_________ 8___ 9____________ 10 11_______ 12______________ 13

Chunks:
  FalseNegative nam [4,5] = Grupa PMB

(ChunkerEvaluator) Sentence #7484 from articles/00107695 from sent14

Text  : - Polegała ona głównie na redukcji etatów .
Tokens: 1 2_______ 3__ 4______ 5_ 6_______ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #7485 from articles/00107695 from sent15

Text  : Jeszcze w lipcu 2011 r . w Chłodni Białystok zatrudnionych było 165 osób ,  w  styczniu tego roku już 117 ,  a  dziś zostało nas około setki -  twierdzi Artur Suszczenia .
Tokens: 1______ 2 3____ 4___ 5 6 7 8______ 9________ 10___________ 11__ 12_ 13__ 14 15 16______ 17__ 18__ 19_ 20_ 21 22 23__ 24_____ 25_ 26___ 27___ 28 29______ 30___ 31________ 32

Chunks:
  TruePositive nam [8,9] = Chłodni Białystok
  TruePositive nam [30,31] = Artur Suszczenia

(ChunkerEvaluator) Sentence #7486 from articles/00107695 from sent16

Text  : I jak się okazuje na tym nie koniec .
Tokens: 1 2__ 3__ 4______ 5_ 6__ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #7487 from articles/00107695 from sent17

Text  : 20 marca pojawił się komunikat odnośnie sprzedaży wszystkich nieruchomości spółki znajdujących się przy ul .  Baranowickiej [  druga chłodnia tej spółki mieści się przy ul .  Poziomej 4  w  Białymstoku ]  .
Tokens: 1_ 2____ 3______ 4__ 5________ 6_______ 7________ 8_________ 9____________ 10____ 11__________ 12_ 13__ 14 15 16___________ 17 18___ 19______ 20_ 21____ 22____ 23_ 24__ 25 26 27______ 28 29 30_________ 31 32

Chunks:
  TruePositive nam [27,27] = Poziomej
  TruePositive nam [30,30] = Białymstoku
  FalseNegative nam [16,16] = Baranowickiej

(ChunkerEvaluator) Sentence #7488 from articles/00107695 from sent18

Text  : Cena wywoławcza działek usytuowanych na ponad dwóch hektarach wraz ze znajdującymi się na niej nieruchomościami to 12 ,  1  mln zł (  wadium wynosi 242 tys .  zł )  .
Tokens: 1___ 2_________ 3______ 4___________ 5_ 6____ 7____ 8________ 9___ 10 11__________ 12_ 13 14__ 15______________ 16 17 18 19 20_ 21 22 23____ 24____ 25_ 26_ 27 28 29 30

Chunks:
  TruePositive nam [21,21] = zł
  TruePositive nam [28,28] = zł

(ChunkerEvaluator) Sentence #7489 from articles/00107695 from sent19

Text  : Rozstrzygnięcie przetargu nastąpi 5 kwietnia .
Tokens: 1______________ 2________ 3______ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #7490 from articles/00107695 from sent20

Text  : - Chłodnia przy Baranowickiej powstała w 1952 r . i  przez lata służyła jako miejsce składowania surowców i  gotowych produktów .
Tokens: 1 2_______ 3___ 4____________ 5_______ 6 7___ 8 9 10 11___ 12__ 13_____ 14__ 15_____ 16_________ 17______ 18 19______ 20_______ 21

Chunks:
  TruePositive nam [4,4] = Baranowickiej

(ChunkerEvaluator) Sentence #7491 from articles/00107695 from sent21

Text  : Mamy dwudziesty pierwszy wiek i już nie potrzebujemy takich miejsc .
Tokens: 1___ 2_________ 3_______ 4___ 5 6__ 7__ 8___________ 9_____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #7492 from articles/00107695 from sent22

Text  : Pieniądze ze sprzedaży tego majątku chcemy więc przeznaczyć na rozbudowę i  modernizację drugiej naszej chłodni -  tłumaczy decyzję Wiesław Chomicki ,  prezes Chłodni Białystok .
Tokens: 1________ 2_ 3________ 4___ 5______ 6_____ 7___ 8__________ 9_ 10_______ 11 12__________ 13_____ 14____ 15_____ 16 17______ 18_____ 19_____ 20______ 21 22____ 23_____ 24_______ 25

Chunks:
  TruePositive nam [19,20] = Wiesław Chomicki
  TruePositive nam [23,24] = Chłodni Białystok

(ChunkerEvaluator) Sentence #7493 from articles/00107695 from sent23

Text  : Pozwolenie na rozbudowę istniejącego budynku spółka już otrzymała .
Tokens: 1_________ 2_ 3________ 4___________ 5______ 6_____ 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7494 from articles/00107695 from sent24

Text  : Jeszcze nie wiadomo kiedy prace mogły by się rozpocząć .
Tokens: 1______ 2__ 3______ 4____ 5____ 6____ 7_ 8__ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #7495 from articles/00107695 from sent25

Text  : Wiadomo natomiast jaki los czeka załogę zatrudnioną w zakładzie .
Tokens: 1______ 2________ 3___ 4__ 5____ 6_____ 7__________ 8 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #7496 from articles/00107695 from sent26

Text  : - Niedawno otrzymał em informację , która nie ukrywam ,  zmroziła mnie .
Tokens: 1 2_______ 3_______ 4_ 5_________ 6 7____ 8__ 9______ 10 11______ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #7497 from articles/00107695 from sent27

Text  : Zarząd spółki już od 2 kwietnia chce prawie 70 osób z  zakładu przenieść do spółek zewnętrznych .
Tokens: 1_____ 2_____ 3__ 4_ 5 6_______ 7___ 8_____ 9_ 10__ 11 12_____ 13_______ 14 15____ 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #7498 from articles/00107695 from sent28

Text  : Do jakich ?
Tokens: 1_ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #7499 from articles/00107695 from sent29

Text  : Tego nie wiem .
Tokens: 1___ 2__ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #7500 from articles/00107695 from sent30

Text  : Czyli de facto na etacie w chłodni zostanie jakieś trzydzieści osób .
Tokens: 1____ 2_ 3____ 4_ 5_____ 6 7______ 8_______ 9_____ 10_________ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #7501 from articles/00107695 from sent31

Text  : To zamach na pracowników i na związki zawodowe - mówi przewodniczący „  Solidarności ”  .
Tokens: 1_ 2_____ 3_ 4__________ 5 6_ 7______ 8_______ 9 10__ 11____________ 12 13__________ 14 15

Chunks:
  FalsePositive nam [13,14] = Solidarności ”
  FalseNegative nam [13,13] = Solidarności

(ChunkerEvaluator) Sentence #7502 from articles/00107695 from sent32

Text  : Prezes Chomicki nie chciał komentować kwestii personalnych .
Tokens: 1_____ 2_______ 3__ 4_____ 5_________ 6______ 7___________ 8

Chunks:
  FalseNegative nam [2,2] = Chomicki

(ChunkerEvaluator) Sentence #7503 from articles/00107695 from sent33

Text  : Na dłuższą rozmowę z „ Gazetą ” znajdzie czas dopiero w  przyszłym tygodniu .
Tokens: 1_ 2______ 3______ 4 5 6_____ 7 8_______ 9___ 10_____ 11 12_______ 13______ 14

Chunks:
  TruePositive nam [6,6] = Gazetą

(ChunkerEvaluator) Sentence #7504 from articles/00107695 from sent34

Text  : Chłodnia Białystok to jeden z największych polskich producentów mrożonych warzyw (  m  .  in .  kalafiora ,  marchwi ,  brokuł )  i  owoców (  m  .  in .  truskawek ,  wiśni ,  czarnej porzeczki )  oraz gotowych wyrobów .
Tokens: 1_______ 2________ 3_ 4____ 5 6___________ 7_______ 8__________ 9________ 10____ 11 12 13 14 15 16_______ 17 18_____ 19 20____ 21 22 23____ 24 25 26 27 28 29_______ 30 31___ 32 33_____ 34_______ 35 36__ 37______ 38_____ 39

Chunks:
  TruePositive nam [1,2] = Chłodnia Białystok

(ChunkerEvaluator) Sentence #7505 from articles/00107695 from sent35

Text  : Świadczy również usługi chłodnicze dla przemysłu spożywczego w zakresie składowania i  zamrażania .
Tokens: 1_______ 2______ 3_____ 4_________ 5__ 6________ 7__________ 8 9_______ 10_________ 11 12________ 13

Chunks:

2016-10-27 14:59:49,279 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 326 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107696.xml
(ChunkerEvaluator) Sentence #7506 from articles/00107696 from sent1

Text  : Rozmowy w konińskim szpitalu przerwane do poniedziałku
Tokens: 1______ 2 3________ 4_______ 5________ 6_ 7___________

Chunks:

(ChunkerEvaluator) Sentence #7507 from articles/00107696 from sent2

Text  : W piątek wieczorem zakończyły się negocjacje z protestującymi pracownikami Wojewódzkiego Szpitala Zespolonego w  Koninie .
Tokens: 1 2_____ 3________ 4_________ 5__ 6_________ 7 8_____________ 9___________ 10___________ 11______ 12_________ 13 14_____ 15

Chunks:
  FalsePositive nam [10,14] = Wojewódzkiego Szpitala Zespolonego w Koninie
  FalseNegative nam [10,12] = Wojewódzkiego Szpitala Zespolonego
  FalseNegative nam [14,14] = Koninie

(ChunkerEvaluator) Sentence #7508 from articles/00107696 from sent3

Text  : Nie przyniosły one żadnego rezultatu i w związku z tym zostaną wznowione w  poniedziałek -  poinformował rzecznik szpitala .
Tokens: 1__ 2_________ 3__ 4______ 5________ 6 7 8______ 9 10_ 11_____ 12_______ 13 14__________ 15 16__________ 17______ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #7509 from articles/00107696 from sent4

Text  : Jak poinformował PAP rzecznik szpitala Leszek Czajor , na początku negocjacji strony ustaliły ,  że do czasu zawarcia ewentualnego porozumienia nie będą udzielać prasie żadnych informacji na temat ich przebiegu .
Tokens: 1__ 2___________ 3__ 4_______ 5_______ 6_____ 7_____ 8 9_ 10______ 11________ 12____ 13______ 14 15 16 17___ 18______ 19__________ 20__________ 21_ 22__ 23______ 24____ 25_____ 26________ 27 28___ 29_ 30_______ 31

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,7] = Leszek Czajor

(ChunkerEvaluator) Sentence #7510 from articles/00107696 from sent5

Text  : " Dyrektor szpitala nie przekazywał mediom informacji o ich przebiegu i  ustępstw ,  do których zgłosił gotowość ,  mimo bardzo trudnej sytuacji finansowej szpitala "  -  powiedział Czajor .
Tokens: 1 2_______ 3_______ 4__ 5__________ 6_____ 7_________ 8 9__ 10_______ 11 12______ 13 14 15_____ 16_____ 17______ 18 19__ 20____ 21_____ 22______ 23________ 24______ 25 26 27________ 28____ 29

Chunks:
  FalseNegative nam [28,28] = Czajor

(ChunkerEvaluator) Sentence #7511 from articles/00107696 from sent6

Text  : W czasie rozmów przedstawiciele czterech szpitalnych związków zawodowych pikietowali budynek lecznicy .
Tokens: 1 2_____ 3_____ 4______________ 5_______ 6__________ 7_______ 8_________ 9__________ 10_____ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #7512 from articles/00107696 from sent7

Text  : " Mamy dość dyskusji o zarządzaniu tym szpitalem , o  problemach finansowych ,  o  długach .
Tokens: 1 2___ 3___ 4_______ 5 6__________ 7__ 8________ 9 10 11________ 12_________ 13 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #7513 from articles/00107696 from sent8

Text  : O wszystkim doskonale wiemy od kilku lat , śledzimy tę sytuację na bieżąco .
Tokens: 1 2________ 3________ 4____ 5_ 6____ 7__ 8 9_______ 10 11______ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #7514 from articles/00107696 from sent9

Text  : Domagamy się , żeby ten poniedziałek był w końcu rzeczywiście dniem negocjacji płacowych "  -  mówili protestujący .
Tokens: 1_______ 2__ 3 4___ 5__ 6___________ 7__ 8 9____ 10__________ 11___ 12________ 13_______ 14 15 16____ 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #7515 from articles/00107696 from sent10

Text  : Strajk trwa od 20 lutego , a głodówka części protestujących od 1  marca .
Tokens: 1_____ 2___ 3_ 4_ 5_____ 6 7 8_______ 9_____ 10____________ 11 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #7516 from articles/00107696 from sent11

Text  : Pracownicy szpitala początkowo domagali się 600 zł podwyżki .
Tokens: 1_________ 2_______ 3_________ 4_______ 5__ 6__ 7_ 8_______ 9

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #7517 from articles/00107696 from sent12

Text  : Obecnie nie podają już konkretnych kwot , żądają prawnych deklaracji ,  że wynagrodzenia wzrosną .
Tokens: 1______ 2__ 3_____ 4__ 5__________ 6___ 7 8_____ 9_______ 10________ 11 12 13___________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7518 from articles/00107696 from sent13

Text  : W szpitalu nie są wykonywane zabiegi planowe , tylko operacje ratujące życie .
Tokens: 1 2_______ 3__ 4_ 5_________ 6______ 7______ 8 9____ 10______ 11______ 12___ 13

Chunks:

2016-10-27 14:59:49,342 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 327 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107697.xml
(ChunkerEvaluator) Sentence #7519 from articles/00107697 from sent1

Text  : Chcą zamienić ul . Krupniczą w deptak .
Tokens: 1___ 2_______ 3_ 4 5________ 6 7_____ 8

Chunks:
  FalseNegative nam [5,5] = Krupniczą

(ChunkerEvaluator) Sentence #7520 from articles/00107697 from sent2

Text  : Uda się ?
Tokens: 1__ 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #7521 from articles/00107697 from sent3

Text  : Uwolnić ulicę Krupniczą od samochodów !
Tokens: 1______ 2____ 3________ 4_ 5_________ 6

Chunks:
  TruePositive nam [3,3] = Krupniczą

(ChunkerEvaluator) Sentence #7522 from articles/00107697 from sent4

Text  : Tę mało funkcjonalną ulicę można zmienić w tętniący życiem deptak .
Tokens: 1_ 2___ 3___________ 4____ 5____ 6______ 7 8_______ 9_____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #7523 from articles/00107697 from sent5

Text  : Wystarczy ograniczyć liczbę parkujących tam aut , a resztę zrobią restauratorzy i  przedsiębiorcy .
Tokens: 1________ 2_________ 3_____ 4__________ 5__ 6__ 7 8 9_____ 10____ 11___________ 12 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #7524 from articles/00107697 from sent6

Text  : Zamiast szpalerów ciasno zaparkowanych samochodów - stoliki , zieleń ,  miejsca dla rowerów ,  piesi i  beztrosko bawiące się na ulicy dzieci .
Tokens: 1______ 2________ 3_____ 4____________ 5_________ 6 7______ 8 9_____ 10 11_____ 12_ 13_____ 14 15___ 16 17_______ 18_____ 19_ 20 21___ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #7525 from articles/00107697 from sent7

Text  : Ta miejska utopia stała się rzeczywistością w ubiegłym roku ,  kiedy w  jeden wrześniowy dzień ,  za sprawą happeningu „  Park (  ing )  Day ”  część ulicy Krupniczej od skrzyżowania z  Loretańską aż do teatru Bagatela wyglądała jak w  cywilizowanym mieście Europy .
Tokens: 1_ 2______ 3_____ 4____ 5__ 6______________ 7 8_______ 9___ 10 11___ 12 13___ 14________ 15___ 16 17 18____ 19________ 20 21__ 22 23_ 24 25_ 26 27___ 28___ 29________ 30 31__________ 32 33________ 34 35 36____ 37______ 38_______ 39_ 40 41___________ 42_____ 43____ 44

Chunks:
  TruePositive nam [29,29] = Krupniczej
  TruePositive nam [33,33] = Loretańską
  TruePositive nam [37,37] = Bagatela
  TruePositive nam [43,43] = Europy
  FalsePositive nam [21,21] = Park
  FalseNegative nam [21,25] = Park ( ing ) Day

(ChunkerEvaluator) Sentence #7526 from articles/00107697 from sent8

Text  : Wystarczyło wyrzucić z niej samochody , reszta działa się już spontanicznie .
Tokens: 1__________ 2_______ 3 4___ 5________ 6 7_____ 8_____ 9__ 10_ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #7527 from articles/00107697 from sent9

Text  : Restauratorzy wystawili stoliki , ktoś dostawił krzesła .
Tokens: 1____________ 2________ 3______ 4 5___ 6_______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #7528 from articles/00107697 from sent10

Text  : Ożyły kamienice .
Tokens: 1____ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #7529 from articles/00107697 from sent11

Text  : Zrobiło się klimatycznie . . .
Tokens: 1______ 2__ 3___________ 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #7530 from articles/00107697 from sent12

Text  : Od tamtego czasu właściciele lokali gastronomicznych i okoliczni mieszkańcy nie mogą zapomnieć widoku swojej odmienionej ulicy .
Tokens: 1_ 2______ 3____ 4__________ 5_____ 6_______________ 7 8________ 9_________ 10_ 11__ 12_______ 13____ 14____ 15_________ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #7531 from articles/00107697 from sent13

Text  : Bez samochodów blokujących drogę pieszym i rowerzystom , a nierzadko też sobie nawzajem .
Tokens: 1__ 2_________ 3__________ 4____ 5______ 6 7__________ 8 9 10_______ 11_ 12___ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #7532 from articles/00107697 from sent14

Text  : Jeśli tylko miasto im pomoże , gotowi są zakasać rękawy i  przywrócić miejscu przyjazny wszystkim wymiar .
Tokens: 1____ 2____ 3_____ 4_ 5_____ 6 7_____ 8_ 9______ 10____ 11 12________ 13_____ 14_______ 15_______ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #7533 from articles/00107697 from sent15

Text  : - Krupnicza to bardzo piękna część Krakowa , pełna secesyjnych kamienic ,  ale nie widać tego na co dzień .
Tokens: 1 2________ 3_ 4_____ 5_____ 6____ 7______ 8 9____ 10_________ 11______ 12 13_ 14_ 15___ 16__ 17 18 19___ 20

Chunks:
  TruePositive nam [7,7] = Krakowa
  FalseNegative nam [2,2] = Krupnicza

(ChunkerEvaluator) Sentence #7534 from articles/00107697 from sent16

Text  : Jest bardzo zaniedbana .
Tokens: 1___ 2_____ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #7535 from articles/00107697 from sent17

Text  : Tu jest jak w Podgórzu czy na Kazimierzu .
Tokens: 1_ 2___ 3__ 4 5_______ 6__ 7_ 8_________ 9

Chunks:
  TruePositive nam [5,5] = Podgórzu
  TruePositive nam [8,8] = Kazimierzu

(ChunkerEvaluator) Sentence #7536 from articles/00107697 from sent18

Text  : Jest energia , są ludzie z pomysłami , którzy tylko czekają na impuls do działania .
Tokens: 1___ 2______ 3 4_ 5_____ 6 7________ 8 9_____ 10___ 11_____ 12 13____ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #7537 from articles/00107697 from sent19

Text  : Wszystko , czego potrzeba , to odrobina odwagi władz miasta ,  aby zrobić ten pierwszy krok -  mówi Monika Góralewska ,  która jeszcze niedawno współprowadziła przy Krupniczej trattorię Da Cesare ,  a  od miesiąca ma tam już własną restaurację Da Monika .
Tokens: 1_______ 2 3____ 4_______ 5 6_ 7_______ 8_____ 9____ 10____ 11 12_ 13____ 14_ 15______ 16__ 17 18__ 19____ 20________ 21 22___ 23_____ 24______ 25_____________ 26__ 27________ 28_______ 29 30____ 31 32 33 34______ 35 36_ 37_ 38____ 39_________ 40 41____ 42

Chunks:
  TruePositive nam [19,20] = Monika Góralewska
  TruePositive nam [27,27] = Krupniczej
  TruePositive nam [29,30] = Da Cesare
  TruePositive nam [40,41] = Da Monika

(ChunkerEvaluator) Sentence #7538 from articles/00107697 from sent20

Text  : Wierzy , że choć w tej chwili ulica wygląda potwornie ,  to jej los się odmieni .
Tokens: 1_____ 2 3_ 4___ 5 6__ 7_____ 8____ 9______ 10_______ 11 12 13_ 14_ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #7539 from articles/00107697 from sent21

Text  : Wiary nie brak też jej sąsiadom .
Tokens: 1____ 2__ 3___ 4__ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #7540 from articles/00107697 from sent22

Text  : Cukiernia Michałka , azjatycka restauracja YellowDog , lokal z organiczną kuchnią Kama ,  lanch bar Dynia -  to popularne wśród młodych krakowian miejsca .
Tokens: 1________ 2_______ 3 4________ 5__________ 6________ 7 8____ 9 10________ 11_____ 12__ 13 14___ 15_ 16___ 17 18 19_______ 20___ 21_____ 22_______ 23_____ 24

Chunks:
  TruePositive nam [1,2] = Cukiernia Michałka
  TruePositive nam [12,12] = Kama
  TruePositive nam [16,16] = Dynia
  FalseNegative nam [6,6] = YellowDog
  FalseNegative nam [22,22] = krakowian

(ChunkerEvaluator) Sentence #7541 from articles/00107697 from sent23

Text  : Tutaj swoją filię otworzyła kawiarnioksięgarnia Bona .
Tokens: 1____ 2____ 3____ 4________ 5__________________ 6___ 7

Chunks:
  TruePositive nam [6,6] = Bona

(ChunkerEvaluator) Sentence #7542 from articles/00107697 from sent24

Text  : Z okolicznych lokali w niedzielne poranki swoje audycje nadaje gościnnie lokalna stacja studencka Radiofonia .
Tokens: 1 2__________ 3_____ 4 5_________ 6______ 7____ 8______ 9_____ 10_______ 11_____ 12____ 13_______ 14________ 15

Chunks:
  TruePositive nam [14,14] = Radiofonia

(ChunkerEvaluator) Sentence #7543 from articles/00107697 from sent25

Text  : W słoneczne dni restauratorzy szeroko otwierają drzwi i witryny .
Tokens: 1 2________ 3__ 4____________ 5______ 6________ 7____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7544 from articles/00107697 from sent26

Text  : - Nasze obserwacje i reakcje mieszkańców pokazują , że największym problemem Krupniczej nie jest sam ruch samochodowy ,  ale podobnie jak na Kazimierzu nieuporządkowana kwestia parkujących tam pojazdów .
Tokens: 1 2____ 3_________ 4 5______ 6__________ 7_______ 8 9_ 10_________ 11_______ 12________ 13_ 14__ 15_ 16__ 17_________ 18 19_ 20______ 21_ 22 23________ 24______________ 25_____ 26_________ 27_ 28______ 29

Chunks:
  TruePositive nam [12,12] = Krupniczej
  TruePositive nam [23,23] = Kazimierzu

(ChunkerEvaluator) Sentence #7545 from articles/00107697 from sent27

Text  : A wystarczy , by miasto na wzór ul . Sławkowskiej ograniczyło liczbę zaparkowanych samochodów .
Tokens: 1 2________ 3 4_ 5_____ 6_ 7___ 8_ 9 10__________ 11_________ 12____ 13___________ 14________ 15

Chunks:
  TruePositive nam [10,10] = Sławkowskiej

(ChunkerEvaluator) Sentence #7546 from articles/00107697 from sent28

Text  : Przebudowa ulicy to kwestia kilku lat .
Tokens: 1_________ 2____ 3_ 4______ 5____ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #7547 from articles/00107697 from sent29

Text  : Potrzebne są konsultacje społeczne i pieniądze na nowy bruk ,  ławki ,  stojaki rowerowe .
Tokens: 1________ 2_ 3__________ 4________ 5 6________ 7_ 8___ 9___ 10 11___ 12 13_____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #7548 from articles/00107697 from sent30

Text  : Pierwszym krokiem może być wprowadzenie tu strefy zamieszkania .
Tokens: 1________ 2______ 3___ 4__ 5___________ 6_ 7_____ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #7549 from articles/00107697 from sent31

Text  : W ten sposób piesi będą mieli pierwszeństwo przed samochodami ,  a  parkować będą mogli tam tylko mieszkańcy -  przekonuje Jan Szpil z  inicjatywy Kraków Miastem Rowerów ,  jeden z  koordynatorów akcji „  Projekt :  Nowa Krupnicza ”  .
Tokens: 1 2__ 3_____ 4____ 5___ 6____ 7____________ 8____ 9__________ 10 11 12______ 13__ 14___ 15_ 16___ 17________ 18 19________ 20_ 21___ 22 23________ 24____ 25_____ 26_____ 27 28___ 29 30___________ 31___ 32 33_____ 34 35__ 36_______ 37 38

Chunks:
  TruePositive nam [20,21] = Jan Szpil
  TruePositive nam [24,26] = Kraków Miastem Rowerów
  FalsePositive nam [35,36] = Nowa Krupnicza
  FalseNegative nam [33,36] = Projekt : Nowa Krupnicza

(ChunkerEvaluator) Sentence #7550 from articles/00107697 from sent32

Text  : Według działaczy KMR na 30 parkujących tam aut , tylko połowa ma krakowskie rejestracje ,  a  jeszcze mniej abonament mieszkańca .
Tokens: 1_____ 2________ 3__ 4_ 5_ 6__________ 7__ 8__ 9 10___ 11____ 12 13________ 14_________ 15 16 17_____ 18___ 19_______ 20________ 21

Chunks:
  FalseNegative nam [3,3] = KMR

(ChunkerEvaluator) Sentence #7551 from articles/00107697 from sent33

Text  : Pomysł „ wyciszenia ” ulicy popiera Olgierd Sęczek , przewodniczący Komisji Architektury i  Infrastruktury Komunalnej Dzielnicy I  Śródmieście .
Tokens: 1_____ 2 3_________ 4 5____ 6______ 7______ 8_____ 9 10____________ 11_____ 12__________ 13 14____________ 15________ 16_______ 17 18_________ 19

Chunks:
  TruePositive nam [7,8] = Olgierd Sęczek
  FalsePositive nam [10,12] = przewodniczący Komisji Architektury
  FalsePositive nam [14,18] = Infrastruktury Komunalnej Dzielnicy I Śródmieście
  FalseNegative nam [11,18] = Komisji Architektury i Infrastruktury Komunalnej Dzielnicy I Śródmieście

(ChunkerEvaluator) Sentence #7552 from articles/00107697 from sent34

Text  : - Rozmawiał em już w tej sprawie z mieszkańcami i  inicjatorami wrześniowej akcji ,  a  także z  gospodarzami teartu Bagatela ,  którym również zależy na uporządkowaniu ulicy ,  bo w  przypadku pożaru dojazd wozu strażackiego od strony ul .  Krupniczej jest zazwyczaj niemożliwy .
Tokens: 1 2________ 3_ 4__ 5 6__ 7______ 8 9___________ 10 11__________ 12_________ 13___ 14 15 16___ 17 18__________ 19____ 20______ 21 22____ 23_____ 24____ 25 26____________ 27___ 28 29 30 31_______ 32____ 33____ 34__ 35__________ 36 37____ 38 39 40________ 41__ 42_______ 43________ 44

Chunks:
  TruePositive nam [20,20] = Bagatela
  TruePositive nam [40,40] = Krupniczej

(ChunkerEvaluator) Sentence #7553 from articles/00107697 from sent35

Text  : Z kolei mieszkańcom zależy na polepszeniu wizerunku ulicy .
Tokens: 1 2____ 3__________ 4_____ 5_ 6__________ 7________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #7554 from articles/00107697 from sent36

Text  : Nie chcą jednak stracić miejsc do parkowania - tłumaczy przewodniczący Sęczek .
Tokens: 1__ 2___ 3_____ 4______ 5_____ 6_ 7_________ 8 9_______ 10____________ 11____ 12

Chunks:
  TruePositive nam [11,11] = Sęczek

(ChunkerEvaluator) Sentence #7555 from articles/00107697 from sent37

Text  : Zapowiada , że już w kwietniu w siedzibie rady dzielnicy zorganizuje spotkanie wszystkich zainteresowanych stron .
Tokens: 1________ 2 3_ 4__ 5 6_______ 7 8________ 9___ 10_______ 11_________ 12_______ 13________ 14______________ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #7556 from articles/00107697 from sent38

Text  : Tymczasem Zarząd Infrastruktury Komunalnej i Transportu na razie z uwagą śledzi rozwój zdarzeń i  czeka na informacje z  rady dzielnicy .
Tokens: 1________ 2_____ 3_____________ 4_________ 5 6_________ 7_ 8____ 9 10___ 11____ 12____ 13_____ 14 15___ 16 17________ 18 19__ 20_______ 21

Chunks:
  FalsePositive nam [2,4] = Zarząd Infrastruktury Komunalnej
  FalsePositive nam [6,6] = Transportu
  FalseNegative nam [2,6] = Zarząd Infrastruktury Komunalnej i Transportu

(ChunkerEvaluator) Sentence #7557 from articles/00107697 from sent39

Text  : - Chcemy , aby propozycja zmian wyszła od radnych „  jedynki ”  ,  bo to oni są najbliżej mieszkańców i  wiedzą najlepiej ,  jakie są ich oczekiwania .
Tokens: 1 2_____ 3 4__ 5_________ 6____ 7_____ 8_ 9______ 10 11_____ 12 13 14 15 16_ 17 18_______ 19_________ 20 21____ 22_______ 23 24___ 25 26_ 27_________ 28

Chunks:

(ChunkerEvaluator) Sentence #7558 from articles/00107697 from sent40

Text  : Dopiero wtedy będziemy zastanawiać się nad dalszymi działaniami .
Tokens: 1______ 2____ 3_______ 4__________ 5__ 6__ 7_______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #7559 from articles/00107697 from sent41

Text  : Chcemy , aby wizja zmian wyszła oddolnie - mówi Michał Pyclik z  ZIKiT .
Tokens: 1_____ 2 3__ 4____ 5____ 6_____ 7_______ 8 9___ 10____ 11____ 12 13___ 14

Chunks:
  TruePositive nam [10,11] = Michał Pyclik
  FalseNegative nam [13,13] = ZIKiT

2016-10-27 14:59:49,538 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 328 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107699.xml
(ChunkerEvaluator) Sentence #7560 from articles/00107699 from sent1

Text  : Łódzkie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Łódzkie

(ChunkerEvaluator) Sentence #7561 from articles/00107699 from sent2

Text  : Wjechali do Polski ukryci w naczepie tira
Tokens: 1_______ 2_ 3_____ 4_____ 5 6_______ 7___

Chunks:
  TruePositive nam [3,3] = Polski

(ChunkerEvaluator) Sentence #7562 from articles/00107699 from sent3

Text  : Policja zatrzymała w okolicach Radomska ( Łódzkie ) czterech nastoletnich cudzoziemców ,  którzy ukryci w  naczepie tira nielegalnie wjechali na teren Polski .
Tokens: 1______ 2_________ 3 4________ 5_______ 6 7______ 8 9_______ 10__________ 11__________ 12 13____ 14____ 15 16______ 17__ 18_________ 19______ 20 21___ 22____ 23

Chunks:
  TruePositive nam [5,5] = Radomska
  TruePositive nam [7,7] = Łódzkie
  TruePositive nam [22,22] = Polski

(ChunkerEvaluator) Sentence #7563 from articles/00107699 from sent4

Text  : Sprawę wyjaśnia Straż Graniczna - poinformowała w sobotę PAP rzeczniczka łódzkiej policji Joanna Kącka .
Tokens: 1_____ 2_______ 3____ 4________ 5 6____________ 7 8_____ 9__ 10_________ 11______ 12_____ 13____ 14___ 15

Chunks:
  TruePositive nam [3,4] = Straż Graniczna
  TruePositive nam [9,9] = PAP
  TruePositive nam [13,14] = Joanna Kącka

(ChunkerEvaluator) Sentence #7564 from articles/00107699 from sent5

Text  : Z policją skontaktował się telefonicznie kierowca tira przewożącego z Grecji materiały kamieniarskie .
Tokens: 1 2______ 3___________ 4__ 5____________ 6_______ 7___ 8___________ 9 10____ 11_______ 12___________ 13

Chunks:
  TruePositive nam [10,10] = Grecji

(ChunkerEvaluator) Sentence #7565 from articles/00107699 from sent6

Text  : Z Grecji wyjechał kilka dni temu .
Tokens: 1 2_____ 3_______ 4____ 5__ 6___ 7

Chunks:
  TruePositive nam [2,2] = Grecji

(ChunkerEvaluator) Sentence #7566 from articles/00107699 from sent7

Text  : Zaniepokoiły go odgłosy dochodzące z naczepy , które wskazywały ,  że mogą się tam znajdować ludzie .
Tokens: 1___________ 2_ 3______ 4_________ 5 6______ 7 8____ 9_________ 10 11 12__ 13_ 14_ 15_______ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #7567 from articles/00107699 from sent8

Text  : Zatrzymał się na parkingu przy krajowej jedynce w okolicach zjazdu "  Port Radomsko "  .
Tokens: 1________ 2__ 3_ 4_______ 5___ 6_______ 7______ 8 9________ 10____ 11 12__ 13______ 14 15

Chunks:
  TruePositive nam [12,13] = Port Radomsko

(ChunkerEvaluator) Sentence #7568 from articles/00107699 from sent9

Text  : Przybyli na miejsce policjanci nie stwierdzili , aby były naruszone plomby przy drzwiach naczepy .
Tokens: 1_______ 2_ 3______ 4_________ 5__ 6__________ 7 8__ 9___ 10_______ 11____ 12__ 13______ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7569 from articles/00107699 from sent10

Text  : Postanowiono jednak sprawdzić ładunek .
Tokens: 1___________ 2_____ 3________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #7570 from articles/00107699 from sent11

Text  : Jak się okazało w środku było czterech młodych mężczyzn niewiadomej narodowości .
Tokens: 1__ 2__ 3______ 4 5_____ 6___ 7_______ 8______ 9_______ 10_________ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #7571 from articles/00107699 from sent12

Text  : Zatrzymani nie posiadali przy sobie żadnych dokumentów tożsamości .
Tokens: 1_________ 2__ 3________ 4___ 5____ 6______ 7_________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #7572 from articles/00107699 from sent13

Text  : Wiadomo tylko , że mają około 16 - 17 lat .
Tokens: 1______ 2____ 3 4_ 5___ 6____ 7_ 8 9_ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #7573 from articles/00107699 from sent14

Text  : Byli w dobrym stanie i nie wymagali pomocy lekarskiej .
Tokens: 1___ 2 3_____ 4_____ 5 6__ 7_______ 8_____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #7574 from articles/00107699 from sent15

Text  : O zdarzeniu powiadomiono Nadwiślański Oddział Straży Granicznej w Łodzi .
Tokens: 1 2________ 3___________ 4___________ 5______ 6_____ 7_________ 8 9____ 10

Chunks:
  FalsePositive nam [4,9] = Nadwiślański Oddział Straży Granicznej w Łodzi
  FalseNegative nam [4,7] = Nadwiślański Oddział Straży Granicznej
  FalseNegative nam [9,9] = Łodzi

(ChunkerEvaluator) Sentence #7575 from articles/00107699 from sent16

Text  : Do momentu wyjaśnienia sprawy zostali umieszczeni w jednym z ośrodków dla cudzoziemców .
Tokens: 1_ 2______ 3__________ 4_____ 5______ 6__________ 7 8_____ 9 10______ 11_ 12__________ 13

Chunks:

2016-10-27 14:59:49,593 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 329 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107700.xml
(ChunkerEvaluator) Sentence #7576 from articles/00107700 from sent1

Text  : USA .
Tokens: 1__ 2

Chunks:
  TruePositive nam [1,1] = USA

(ChunkerEvaluator) Sentence #7577 from articles/00107700 from sent2

Text  : Dick Cheney po transplantacji serca
Tokens: 1___ 2_____ 3_ 4_____________ 5____

Chunks:
  FalseNegative nam [1,2] = Dick Cheney

(ChunkerEvaluator) Sentence #7578 from articles/00107700 from sent3

Text  : Dick Cheney , były wiceprezydent USA , przeszedł w sobotę w  szpitalu w  Falls Church w  stanie Wirginia operację przeszczepu serca -  poinformowała w  komunikacie prasowym jego rzeczniczka ,  Kara Ahern .
Tokens: 1___ 2_____ 3 4___ 5____________ 6__ 7 8________ 9 10____ 11 12______ 13 14___ 15____ 16 17____ 18______ 19______ 20_________ 21___ 22 23___________ 24 25_________ 26______ 27__ 28_________ 29 30__ 31___ 32

Chunks:
  TruePositive nam [6,6] = USA
  TruePositive nam [14,15] = Falls Church
  TruePositive nam [18,18] = Wirginia
  TruePositive nam [30,31] = Kara Ahern
  FalseNegative nam [1,2] = Dick Cheney

(ChunkerEvaluator) Sentence #7579 from articles/00107700 from sent4

Text  : 71 - letni Cheney przebywa teraz na oddziale intensywnej terapii .
Tokens: 1_ 2 3____ 4_____ 5_______ 6____ 7_ 8_______ 9__________ 10_____ 11

Chunks:
  FalseNegative nam [4,4] = Cheney

(ChunkerEvaluator) Sentence #7580 from articles/00107700 from sent5

Text  : Były wiceprezydent i jego rodzina nie wiedzą , kto był dawcą organu ,  ale wyrazili swoją wdzięczność za ten "  ratujący życie dar "  .
Tokens: 1___ 2____________ 3 4___ 5______ 6__ 7_____ 8 9__ 10_ 11___ 12____ 13 14_ 15______ 16___ 17_________ 18 19_ 20 21______ 22___ 23_ 24 25

Chunks:

(ChunkerEvaluator) Sentence #7581 from articles/00107700 from sent6

Text  : Cheney czekał na transplantację 20 miesięcy .
Tokens: 1_____ 2_____ 3_ 4_____________ 5_ 6_______ 7

Chunks:
  FalseNegative nam [1,1] = Cheney

(ChunkerEvaluator) Sentence #7582 from articles/00107700 from sent7

Text  : Dick Cheney , który był wiceprezydentem USA w administracji George'a W  .  Busha ,  podczas dwóch jego kadencji w  latach 2001 -  2009 ,  od dawna miał poważnie problemy z  sercem .
Tokens: 1___ 2_____ 3 4____ 5__ 6______________ 7__ 8 9____________ 10______ 11 12 13___ 14 15_____ 16___ 17__ 18______ 19 20____ 21__ 22 23__ 24 25 26___ 27__ 28______ 29______ 30 31____ 32

Chunks:
  TruePositive nam [7,7] = USA
  TruePositive nam [10,13] = George'a W . Busha
  FalseNegative nam [1,2] = Dick Cheney

(ChunkerEvaluator) Sentence #7583 from articles/00107700 from sent8

Text  : Przeszedł kilka zawałów .
Tokens: 1________ 2____ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #7584 from articles/00107700 from sent9

Text  : Pierwszy już w wieku 37 lat .
Tokens: 1_______ 2__ 3 4____ 5_ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #7585 from articles/00107700 from sent10

Text  : Był także wielokrotnie operowany .
Tokens: 1__ 2____ 3___________ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #7586 from articles/00107700 from sent11

Text  : W ocenie wielu politologów i historyków , Cheney był jednym z  najbardziej wpływowych ,  ale też kontrowersyjnych wiceprezydentów w  historii USA .
Tokens: 1 2_____ 3____ 4__________ 5 6_________ 7 8_____ 9__ 10____ 11 12_________ 13________ 14 15_ 16_ 17______________ 18_____________ 19 20______ 21_ 22

Chunks:
  TruePositive nam [21,21] = USA
  FalseNegative nam [8,8] = Cheney

(ChunkerEvaluator) Sentence #7587 from articles/00107700 from sent12

Text  : Odegrał kluczową rolę w podejmowaniu decyzji o amerykańskim ataku na Irak w  2003 roku .
Tokens: 1______ 2_______ 3___ 4 5___________ 6______ 7 8___________ 9____ 10 11__ 12 13__ 14__ 15

Chunks:
  TruePositive nam [11,11] = Irak

2016-10-27 14:59:49,644 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 330 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107701.xml
(ChunkerEvaluator) Sentence #7588 from articles/00107701 from sent1

Text  : The Sun : Abramowicz oferuje Guardioli 40 milionów funtów
Tokens: 1__ 2__ 3 4_________ 5______ 6________ 7_ 8_______ 9_____

Chunks:
  TruePositive nam [1,2] = The Sun
  TruePositive nam [4,4] = Abramowicz
  TruePositive nam [9,9] = funtów
  FalseNegative nam [6,6] = Guardioli

(ChunkerEvaluator) Sentence #7589 from articles/00107701 from sent2

Text  : Właściciel Chelsea Londyn Rosjanin Roman Abramowicz zaproponował trenerowi Josepowi Guardioli 40 milionów funtów (  ok .  200 mln zł )  za czteroletni kontrakt -  podała gazeta &  quot ;  The Sun &  quot ;  .
Tokens: 1_________ 2______ 3_____ 4_______ 5____ 6_________ 7___________ 8________ 9_______ 10_______ 11 12______ 13____ 14 15 16 17_ 18_ 19 20 21 22_________ 23______ 24 25____ 26____ 27 28__ 29 30_ 31_ 32 33__ 34 35

Chunks:
  TruePositive nam [5,6] = Roman Abramowicz
  TruePositive nam [9,10] = Josepowi Guardioli
  TruePositive nam [13,13] = funtów
  TruePositive nam [19,19] = zł
  FalsePositive nam [1,4] = Właściciel Chelsea Londyn Rosjanin
  FalsePositive nam [30,32] = The Sun &
  FalseNegative nam [2,3] = Chelsea Londyn
  FalseNegative nam [4,4] = Rosjanin
  FalseNegative nam [30,31] = The Sun

(ChunkerEvaluator) Sentence #7590 from articles/00107701 from sent3

Text  : Hiszpanowi w czerwcu wygasa umowa z Barceloną .
Tokens: 1_________ 2 3______ 4_____ 5____ 6 7________ 8

Chunks:
  TruePositive nam [7,7] = Barceloną
  FalseNegative nam [1,1] = Hiszpanowi

(ChunkerEvaluator) Sentence #7591 from articles/00107701 from sent4

Text  : Wielkim marzeniem rosyjskiego miliardera jest triumf w Lidze Mistrzów .
Tokens: 1______ 2________ 3__________ 4_________ 5___ 6_____ 7 8____ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Lidze Mistrzów

(ChunkerEvaluator) Sentence #7592 from articles/00107701 from sent5

Text  : Nie udało się tego osiągnąć żadnemu z do tej pory zatrudnionych przez Abramowicza szkoleniowców -  Włochowi Claudio Ranieriemu ,  Portugalczykowi Jose Mourinho ,  Izraelczykowi Avramowi Grantowi ,  Brazylijczykowi Luis Felipe Scolariemu ,  Holendrowi Guusowi Hiddinkowi i  Włochowi Carlo Ancelottiemu .
Tokens: 1__ 2____ 3__ 4___ 5_______ 6______ 7 8_ 9__ 10__ 11___________ 12___ 13_________ 14___________ 15 16______ 17_____ 18________ 19 20_____________ 21__ 22______ 23 24___________ 25______ 26______ 27 28_____________ 29__ 30____ 31________ 32 33________ 34_____ 35________ 36 37______ 38___ 39__________ 40

Chunks:
  TruePositive nam [13,13] = Abramowicza
  TruePositive nam [20,20] = Portugalczykowi
  TruePositive nam [21,22] = Jose Mourinho
  TruePositive nam [37,37] = Włochowi
  TruePositive nam [38,39] = Carlo Ancelottiemu
  FalsePositive nam [16,18] = Włochowi Claudio Ranieriemu
  FalsePositive nam [24,26] = Izraelczykowi Avramowi Grantowi
  FalsePositive nam [28,31] = Brazylijczykowi Luis Felipe Scolariemu
  FalsePositive nam [33,35] = Holendrowi Guusowi Hiddinkowi
  FalseNegative nam [16,16] = Włochowi
  FalseNegative nam [17,18] = Claudio Ranieriemu
  FalseNegative nam [24,24] = Izraelczykowi
  FalseNegative nam [25,26] = Avramowi Grantowi
  FalseNegative nam [28,28] = Brazylijczykowi
  FalseNegative nam [29,31] = Luis Felipe Scolariemu
  FalseNegative nam [33,33] = Holendrowi
  FalseNegative nam [34,35] = Guusowi Hiddinkowi

(ChunkerEvaluator) Sentence #7593 from articles/00107701 from sent6

Text  : Ten sukces ma osiągnąć z Chelsea 41 - letni Guardiola ,  który dwukrotnie z  Barceloną wygrywał Champions League (  2009 ,  2011 )  .
Tokens: 1__ 2_____ 3_ 4_______ 5 6______ 7_ 8 9____ 10_______ 11 12___ 13________ 14 15_______ 16______ 17_______ 18____ 19 20__ 21 22__ 23 24

Chunks:
  TruePositive nam [6,6] = Chelsea
  TruePositive nam [15,15] = Barceloną
  TruePositive nam [17,18] = Champions League
  FalseNegative nam [10,10] = Guardiola

(ChunkerEvaluator) Sentence #7594 from articles/00107701 from sent7

Text  : " O mojej przyszłości nie chcę teraz rozmawiać .
Tokens: 1 2 3____ 4__________ 5__ 6___ 7____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7595 from articles/00107701 from sent8

Text  : Wszystko okaże się w swoim czasie " - skomentował Hiszpan .
Tokens: 1_______ 2____ 3__ 4 5____ 6_____ 7 8 9__________ 10_____ 11

Chunks:
  TruePositive nam [10,10] = Hiszpan

(ChunkerEvaluator) Sentence #7596 from articles/00107701 from sent9

Text  : " The Blues " w 2010 roku zdobyli po raz ostatni tytuł mistrzów Anglii ,  a  dla Abramowicza to zbyt mało .
Tokens: 1 2__ 3____ 4 5 6___ 7___ 8______ 9_ 10_ 11_____ 12___ 13______ 14____ 15 16 17_ 18_________ 19 20__ 21__ 22

Chunks:
  TruePositive nam [2,3] = The Blues
  TruePositive nam [14,14] = Anglii
  TruePositive nam [18,18] = Abramowicza

(ChunkerEvaluator) Sentence #7597 from articles/00107701 from sent10

Text  : Rosjanin zawsze zapowiadał , że chce , by Chelsea była najlepszą ekipą w  Europie .
Tokens: 1_______ 2_____ 3_________ 4 5_ 6___ 7 8_ 9______ 10__ 11_______ 12___ 13 14_____ 15

Chunks:
  TruePositive nam [1,1] = Rosjanin
  TruePositive nam [9,9] = Chelsea
  TruePositive nam [14,14] = Europie

(ChunkerEvaluator) Sentence #7598 from articles/00107701 from sent11

Text  : W tym sezonie drużyna z Londynu na niewiele może już liczyć .
Tokens: 1 2__ 3______ 4______ 5 6______ 7_ 8_______ 9___ 10_ 11____ 12

Chunks:
  TruePositive nam [6,6] = Londynu

(ChunkerEvaluator) Sentence #7599 from articles/00107701 from sent12

Text  : W tabeli Premier League zajmuje piąte miejsce , a do prowadzących drużyn z  Manchesteru -  City i  United traci 20 punktów .
Tokens: 1 2_____ 3______ 4_____ 5______ 6____ 7______ 8 9 10 11__________ 12____ 13 14_________ 15 16__ 17 18____ 19___ 20 21_____ 22

Chunks:
  TruePositive nam [3,4] = Premier League
  FalsePositive nam [14,14] = Manchesteru
  FalsePositive nam [16,16] = City
  FalseNegative nam [14,16] = Manchesteru - City
  FalseNegative nam [18,18] = United

(ChunkerEvaluator) Sentence #7600 from articles/00107701 from sent13

Text  : W związku z tym niedawno pracę stracił Andre Villas -  Boas .
Tokens: 1 2______ 3 4__ 5_______ 6____ 7______ 8____ 9_____ 10 11__ 12

Chunks:
  TruePositive nam [8,11] = Andre Villas - Boas

(ChunkerEvaluator) Sentence #7601 from articles/00107701 from sent14

Text  : Jego miejsce zajął Włoch Roberto di Matteo , ale to rozwiązanie tymczasowe do końca sezonu .
Tokens: 1___ 2______ 3____ 4____ 5______ 6_ 7_____ 8 9__ 10 11_________ 12________ 13 14___ 15____ 16

Chunks:
  TruePositive nam [4,4] = Włoch
  FalsePositive nam [5,5] = Roberto
  FalseNegative nam [5,7] = Roberto di Matteo

2016-10-27 14:59:49,716 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 331 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107702.xml
(ChunkerEvaluator) Sentence #7602 from articles/00107702 from sent1

Text  : Pedofil zaatakował przy kościele .
Tokens: 1______ 2_________ 3___ 4_______ 5

Chunks:
  FalsePositive nam [1,1] = Pedofil

(ChunkerEvaluator) Sentence #7603 from articles/00107702 from sent2

Text  : Dzielne kobiety same go złapały
Tokens: 1______ 2______ 3___ 4_ 5______

Chunks:

(ChunkerEvaluator) Sentence #7604 from articles/00107702 from sent3

Text  : Mieszkanki osiedla Bohaterów Monte Cassino najpierw zauważyły zanoszące się od płaczu dwie dziewczynki .
Tokens: 1_________ 2______ 3________ 4____ 5______ 6_______ 7________ 8________ 9__ 10 11____ 12__ 13_________ 14

Chunks:
  TruePositive nam [3,5] = Bohaterów Monte Cassino

(ChunkerEvaluator) Sentence #7605 from articles/00107702 from sent4

Text  : Kilka minut później w pościgu złapały mężczyznę , który napastował nieletnie w  przykościelnej toalecie .
Tokens: 1____ 2____ 3______ 4 5______ 6______ 7________ 8 9____ 10________ 11_______ 12 13____________ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #7606 from articles/00107702 from sent5

Text  : Policja sprawdza , czy zatrzymany kilka dni wcześniej zaatakował też dziewczynkę w  windzie
Tokens: 1______ 2_______ 3 4__ 5_________ 6____ 7__ 8________ 9_________ 10_ 11_________ 12 13_____

Chunks:

(ChunkerEvaluator) Sentence #7607 from articles/00107702 from sent6

Text  : Daria Ryfka - Muszalska w miniony piątek poszła pod kościół św .  Floriana na osiedlu Bohaterów Monte Cassino .
Tokens: 1____ 2____ 3 4________ 5 6______ 7_____ 8_____ 9__ 10_____ 11 12 13______ 14 15_____ 16_______ 17___ 18_____ 19

Chunks:
  TruePositive nam [1,4] = Daria Ryfka - Muszalska
  TruePositive nam [16,18] = Bohaterów Monte Cassino
  FalsePositive nam [13,13] = Floriana
  FalseNegative nam [10,13] = kościół św . Floriana

(ChunkerEvaluator) Sentence #7608 from articles/00107702 from sent7

Text  : Chciała odebrać córkę z nabożeństwa drogi krzyżowej .
Tokens: 1______ 2______ 3____ 4 5__________ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #7609 from articles/00107702 from sent8

Text  : - Zabrała m ze sobą naszą labradorkę Tigrę .
Tokens: 1 2______ 3 4_ 5___ 6____ 7_________ 8____ 9

Chunks:
  FalseNegative nam [8,8] = Tigrę

(ChunkerEvaluator) Sentence #7610 from articles/00107702 from sent9

Text  : Pod kościołem spotkała m Joannę Szymczyk , moją koleżankę ,  i  razem czekały śmy na dzieci -  wspomina .
Tokens: 1__ 2________ 3_______ 4 5_____ 6_______ 7 8___ 9________ 10 11 12___ 13_____ 14_ 15 16____ 17 18______ 19

Chunks:
  TruePositive nam [5,6] = Joannę Szymczyk

(ChunkerEvaluator) Sentence #7611 from articles/00107702 from sent10

Text  : Msza zakończyła się o godz . 17 . 30 .
Tokens: 1___ 2_________ 3__ 4 5___ 6 7_ 8 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #7612 from articles/00107702 from sent11

Text  : - Kościół już pustoszał , a my już razem z  dziećmi rozmawiały śmy przed drzwiami świątyni .
Tokens: 1 2______ 3__ 4________ 5 6 7_ 8__ 9____ 10 11_____ 12________ 13_ 14___ 15______ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #7613 from articles/00107702 from sent12

Text  : Dołączyła do nas siostra zakonna .
Tokens: 1________ 2_ 3__ 4______ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7614 from articles/00107702 from sent13

Text  : Nagle zobaczyły śmy dwie zapłakane dziewczynki .
Tokens: 1____ 2________ 3__ 4___ 5________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #7615 from articles/00107702 from sent14

Text  : Poprosiły nas o chusteczki higieniczne .
Tokens: 1________ 2__ 3 4_________ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #7616 from articles/00107702 from sent15

Text  : Odeszły na bok i moja córka poszła zapytać , co się stało .
Tokens: 1______ 2_ 3__ 4 5___ 6____ 7_____ 8______ 9 10 11_ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #7617 from articles/00107702 from sent16

Text  : To , co usłyszała m , przeraziło mnie - mówi Ryfka -  Muszalska .
Tokens: 1_ 2 3_ 4________ 5 6 7_________ 8___ 9 10__ 11___ 12 13_______ 14

Chunks:
  TruePositive nam [11,13] = Ryfka - Muszalska

(ChunkerEvaluator) Sentence #7618 from articles/00107702 from sent17

Text  : Okazało się , że dwie 8 - latki po zakończonym nabożeństwie poszły do publicznej toalety w  pobliżu kościoła .
Tokens: 1______ 2__ 3 4_ 5___ 6 7 8____ 9_ 10_________ 11__________ 12____ 13 14________ 15_____ 16 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #7619 from articles/00107702 from sent18

Text  : Wtedy do kabiny jednej z dziewczynek wtargnął mężczyzna .
Tokens: 1____ 2_ 3_____ 4_____ 5 6__________ 7_______ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7620 from articles/00107702 from sent19

Text  : Kazał jej ściągać majtki .
Tokens: 1____ 2__ 3______ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #7621 from articles/00107702 from sent20

Text  : Przerażona dziewczynka zaczęła krzyczeć .
Tokens: 1_________ 2__________ 3______ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #7622 from articles/00107702 from sent21

Text  : Z pomocą przybiegła jej koleżanka .
Tokens: 1 2_____ 3_________ 4__ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #7623 from articles/00107702 from sent22

Text  : Mężczyzna też ją złapał i próbował je rozbierać .
Tokens: 1________ 2__ 3_ 4_____ 5 6_______ 7_ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7624 from articles/00107702 from sent23

Text  : Dziewczynki zaczęły się z nim szarpać , kopać go .
Tokens: 1__________ 2______ 3__ 4 5__ 6______ 7 8____ 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #7625 from articles/00107702 from sent24

Text  : W końcu udało im się wyrwać i uciec .
Tokens: 1 2____ 3____ 4_ 5__ 6_____ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #7626 from articles/00107702 from sent25

Text  : Nie zareagował nikt
Tokens: 1__ 2_________ 3___

Chunks:

(ChunkerEvaluator) Sentence #7627 from articles/00107702 from sent26

Text  : - Z Joanną natychmiast pobiegły śmy do toalety .
Tokens: 1 2 3_____ 4__________ 5_______ 6__ 7_ 8______ 9

Chunks:
  FalseNegative nam [3,3] = Joanną

(ChunkerEvaluator) Sentence #7628 from articles/00107702 from sent27

Text  : Ja z jednej strony kościoła , ona z drugiej .
Tokens: 1_ 2 3_____ 4_____ 5_______ 6 7__ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7629 from articles/00107702 from sent28

Text  : Dzieci zostały razem z zakonnicą .
Tokens: 1_____ 2______ 3____ 4 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #7630 from articles/00107702 from sent29

Text  : Wszystkie kabiny były puste .
Tokens: 1________ 2_____ 3___ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #7631 from articles/00107702 from sent30

Text  : Wybiegły śmy więc na zewnątrz .
Tokens: 1_______ 2__ 3___ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #7632 from articles/00107702 from sent31

Text  : Nagle Joanna zauważyło kogoś w krzakach - opowiada pani Daria .
Tokens: 1____ 2_____ 3________ 4____ 5 6_______ 7 8_______ 9___ 10___ 11

Chunks:
  TruePositive nam [2,2] = Joanna
  TruePositive nam [10,10] = Daria

(ChunkerEvaluator) Sentence #7633 from articles/00107702 from sent32

Text  : Kobieta natychmiast wyciągnęła komórkę i wybrała numer policji .
Tokens: 1______ 2__________ 3_________ 4______ 5 6______ 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #7634 from articles/00107702 from sent33

Text  : - Być może stało się coś złego .
Tokens: 1 2__ 3___ 4____ 5__ 6__ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #7635 from articles/00107702 from sent34

Text  : Wygląda na to , że dzieci były napastowane .
Tokens: 1______ 2_ 3_ 4 5_ 6_____ 7___ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #7636 from articles/00107702 from sent35

Text  : Przyjedźcie szybko ! - zdążyła wykrzyczeć do słuchawki .
Tokens: 1__________ 2_____ 3 4 5______ 6_________ 7_ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #7637 from articles/00107702 from sent36

Text  : W tym czasie z krzaków wybiegł mężczyzna .
Tokens: 1 2__ 3_____ 4 5______ 6______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #7638 from articles/00107702 from sent37

Text  : Kobiety bez zastanowienia pobiegły za nim .
Tokens: 1______ 2__ 3____________ 4_______ 5_ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #7639 from articles/00107702 from sent38

Text  : Choć dookoła było sporo ludzi , a obie krzyczały :  „  Trzymajcie go !  ”  ,  nie zareagował nikt .
Tokens: 1___ 2______ 3___ 4____ 5____ 6 7 8___ 9________ 10 11 12________ 13 14 15 16 17_ 18________ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #7640 from articles/00107702 from sent39

Text  : - Dogoniły śmy go , bo zatrzymał się .
Tokens: 1 2_______ 3__ 4_ 5 6_ 7________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #7641 from articles/00107702 from sent40

Text  : Prawdopodobnie wystraszył się Tigry .
Tokens: 1_____________ 2_________ 3__ 4____ 5

Chunks:
  TruePositive nam [4,4] = Tigry

(ChunkerEvaluator) Sentence #7642 from articles/00107702 from sent41

Text  : Miała nastroszoną sierść i przeraźliwie szczekała .
Tokens: 1____ 2__________ 3_____ 4 5___________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #7643 from articles/00107702 from sent42

Text  : Krzyknęła m do niego , że jeśli zacznie uciekać ,  spuszczę psa ze smyczy .
Tokens: 1________ 2 3_ 4____ 5 6_ 7____ 8______ 9______ 10 11______ 12_ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #7644 from articles/00107702 from sent43

Text  : Na szczęście nie było takiej potrzeby - mówi Ryfka -  Muszalska .
Tokens: 1_ 2________ 3__ 4___ 5_____ 6_______ 7 8___ 9____ 10 11_______ 12

Chunks:
  TruePositive nam [9,11] = Ryfka - Muszalska

(ChunkerEvaluator) Sentence #7645 from articles/00107702 from sent44

Text  : Zatrzymany przez kobiety mężczyzna był szczupły , miał 170 cm wzrostu .
Tokens: 1_________ 2____ 3______ 4________ 5__ 6_______ 7 8___ 9__ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #7646 from articles/00107702 from sent45

Text  : Jasne włosy , zarost na twarzy , a pod okiem wytatuowane trzy łezki .
Tokens: 1____ 2____ 3 4_____ 5_ 6_____ 7 8 9__ 10___ 11_________ 12__ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #7647 from articles/00107702 from sent46

Text  : W ręku trzymał reklamówkę .
Tokens: 1 2___ 3______ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #7648 from articles/00107702 from sent47

Text  : - Co pan robił w tej toalecie ? - pytały go kobiety ,  trzymając cały czas za ręce .
Tokens: 1 2_ 3__ 4____ 5 6__ 7_______ 8 9 10____ 11 12_____ 13 14_______ 15__ 16__ 17 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #7649 from articles/00107702 from sent48

Text  : - Ja tam w ogóle nie był em .
Tokens: 1 2_ 3__ 4 5____ 6__ 7__ 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #7650 from articles/00107702 from sent49

Text  : Nie rozumiem , o co wam chodzi - powtarzał mężczyzna .
Tokens: 1__ 2_______ 3 4 5_ 6__ 7_____ 8 9________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #7651 from articles/00107702 from sent50

Text  : Tak zareagowała by każda matka
Tokens: 1__ 2__________ 3_ 4____ 5____

Chunks:

(ChunkerEvaluator) Sentence #7652 from articles/00107702 from sent51

Text  : Ryfka - Muszalska przyznaje , że zaczęła wątpić , czy zatrzymały właściwego człowieka .
Tokens: 1____ 2 3________ 4________ 5 6_ 7______ 8_____ 9 10_ 11________ 12________ 13_______ 14

Chunks:
  TruePositive nam [1,3] = Ryfka - Muszalska

(ChunkerEvaluator) Sentence #7653 from articles/00107702 from sent52

Text  : - Miał takie wystraszone oczy .
Tokens: 1 2___ 3____ 4__________ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #7654 from articles/00107702 from sent53

Text  : Może to nie on ? - opowiada .
Tokens: 1___ 2_ 3__ 4_ 5 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #7655 from articles/00107702 from sent54

Text  : Jej wątpliwości rozwiały dzieci , które razem z siostrą nadeszły od strony kościoła .
Tokens: 1__ 2__________ 3_______ 4_____ 5 6____ 7____ 8 9______ 10______ 11 12____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #7656 from articles/00107702 from sent55

Text  : - Dziewczynki go rozpoznały .
Tokens: 1 2__________ 3_ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #7657 from articles/00107702 from sent56

Text  : Powiedziały , że „ to ten pan ” .
Tokens: 1__________ 2 3_ 4 5_ 6__ 7__ 8 9

Chunks:

(ChunkerEvaluator) Sentence #7658 from articles/00107702 from sent57

Text  : W tym momencie podjechał radiowóz - mówią kobiety .
Tokens: 1 2__ 3_______ 4________ 5_______ 6 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #7659 from articles/00107702 from sent58

Text  : Tomasz Czerniak , rzecznik sosnowieckiej policji , jest pełen uznania dla kobiet .
Tokens: 1_____ 2_______ 3 4_______ 5____________ 6______ 7 8___ 9____ 10_____ 11_ 12____ 13

Chunks:
  TruePositive nam [1,2] = Tomasz Czerniak

(ChunkerEvaluator) Sentence #7660 from articles/00107702 from sent59

Text  : Chwali też napadnięte dziewczynki .
Tokens: 1_____ 2__ 3_________ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #7661 from articles/00107702 from sent60

Text  : - Zachowały się bardzo przytomnie i odważnie , uciekając z  miejsca napadu ,  i  dobrze zrobiły ,  natychmiast informując dorosłych ,  co się stało -  podkreśla rzecznik .
Tokens: 1 2________ 3__ 4_____ 5_________ 6 7_______ 8 9________ 10 11_____ 12____ 13 14 15____ 16_____ 17 18_________ 19________ 20_______ 21 22 23_ 24___ 25 26_______ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #7662 from articles/00107702 from sent61

Text  : Po zatrzymaniu mężczyzna został aresztowany na dwa miesiące .
Tokens: 1_ 2__________ 3________ 4_____ 5__________ 6_ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #7663 from articles/00107702 from sent62

Text  : - Postawiono mu zarzut usiłowania doprowadzenia małoletnich do innej czynności seksualnej -  dodaje Czerniak .
Tokens: 1 2_________ 3_ 4_____ 5_________ 6____________ 7__________ 8_ 9____ 10_______ 11________ 12 13____ 14______ 15

Chunks:
  TruePositive nam [14,14] = Czerniak

(ChunkerEvaluator) Sentence #7664 from articles/00107702 from sent63

Text  : Daria Ryfka - Muszalska i Joanna Szymczyk twierdzą , że zatrzymując zboczeńca ,  nie zrobiły nic wyjątkowego .
Tokens: 1____ 2____ 3 4________ 5 6_____ 7_______ 8_______ 9 10 11_________ 12_______ 13 14_ 15_____ 16_ 17_________ 18

Chunks:
  TruePositive nam [1,4] = Daria Ryfka - Muszalska
  TruePositive nam [6,7] = Joanna Szymczyk

(ChunkerEvaluator) Sentence #7665 from articles/00107702 from sent64

Text  : - Tak zareagowała by każda matka .
Tokens: 1 2__ 3__________ 4_ 5____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #7666 from articles/00107702 from sent65

Text  : To , że inni nie pomogli , jest mało ważne .
Tokens: 1_ 2 3_ 4___ 5__ 6______ 7 8___ 9___ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #7667 from articles/00107702 from sent66

Text  : Najgorsze jest to , że od policjantów , którzy nas przesłuchiwali ,  dowiedziały śmy się ,  że to nie pierwszy atak pedofila w  ostatnim czasie .
Tokens: 1________ 2___ 3_ 4 5_ 6_ 7__________ 8 9_____ 10_ 11____________ 12 13_________ 14_ 15_ 16 17 18 19_ 20______ 21__ 22______ 23 24______ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #7668 from articles/00107702 from sent67

Text  : Być może chodzi o tego mężczyznę , ale tego nie możemy być pewne -  mówią kobiety .
Tokens: 1__ 2___ 3_____ 4 5___ 6________ 7 8__ 9___ 10_ 11____ 12_ 13___ 14 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #7669 from articles/00107702 from sent68

Text  : Czerniak potwierdza .
Tokens: 1_______ 2_________ 3

Chunks:
  FalsePositive nam [1,1] = Czerniak

(ChunkerEvaluator) Sentence #7670 from articles/00107702 from sent69

Text  : - Dwa tygodnie temu w jednym z bloków doszło do podobnego zdarzenia w  windzie .
Tokens: 1 2__ 3_______ 4___ 5 6_____ 7 8_____ 9_____ 10 11_______ 12_______ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7671 from articles/00107702 from sent70

Text  : Mężczyzna kazał rozbierać się dziewczynce .
Tokens: 1________ 2____ 3________ 4__ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #7672 from articles/00107702 from sent71

Text  : Na szczęście udało jej się uciec .
Tokens: 1_ 2________ 3____ 4__ 5__ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #7673 from articles/00107702 from sent72

Text  : Podejrzewamy , że może mieć to związek ze sprawą spod kościoła .
Tokens: 1___________ 2 3_ 4___ 5___ 6_ 7______ 8_ 9_____ 10__ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #7674 from articles/00107702 from sent73

Text  : Na tym etapie postępowania trudno jednak powiedzieć , czy w  windzie zaatakował ten sam mężczyzna -  mówi rzecznik .
Tokens: 1_ 2__ 3_____ 4___________ 5_____ 6_____ 7_________ 8 9__ 10 11_____ 12________ 13_ 14_ 15_______ 16 17__ 18______ 19

Chunks:

2016-10-27 14:59:50,048 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 332 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107703.xml
(ChunkerEvaluator) Sentence #7675 from articles/00107703 from sent1

Text  : Lisowski : wyszło nam koncertowo
Tokens: 1_______ 2 3_____ 4__ 5_________

Chunks:
  TruePositive nam [1,1] = Lisowski

(ChunkerEvaluator) Sentence #7676 from articles/00107703 from sent2

Text  : Płyną pochwały pod adresem piłkarzy Korony Kielce po efektownej wygranej 3  :  0  nad warszawską Polonią .
Tokens: 1____ 2_______ 3__ 4______ 5_______ 6_____ 7_____ 8_ 9_________ 10______ 11 12 13 14_ 15________ 16_____ 17

Chunks:
  TruePositive nam [6,7] = Korony Kielce
  TruePositive nam [16,16] = Polonią

(ChunkerEvaluator) Sentence #7677 from articles/00107703 from sent3

Text  : - Korona wygrała w pełni zasłużenie , była lepsza -  przyznał trener Jacek Zieliński .
Tokens: 1 2_____ 3______ 4 5____ 6_________ 7 8___ 9_____ 10 11______ 12____ 13___ 14_______ 15

Chunks:
  TruePositive nam [2,2] = Korona
  TruePositive nam [13,14] = Jacek Zieliński

(ChunkerEvaluator) Sentence #7678 from articles/00107703 from sent4

Text  : - Odkąd jestem w Kielcach tak wysoko jeszcze nie wygrali śmy -  cieszył się jego vis -  a  -  vis Leszek Ojrzyński .
Tokens: 1 2____ 3_____ 4 5_______ 6__ 7_____ 8______ 9__ 10_____ 11_ 12 13_____ 14_ 15__ 16_ 17 18 19 20_ 21____ 22_______ 23

Chunks:
  TruePositive nam [5,5] = Kielcach
  TruePositive nam [21,22] = Leszek Ojrzyński

(ChunkerEvaluator) Sentence #7679 from articles/00107703 from sent5

Text  : Najlepsi w rundzie wiosennej kielczanie ( 16 punktów w sześciu meczach i  już tylko trzy oczka straty do lidera -  Legii Warszawa )  potrzebowali ledwie kwadransa drugiej połowy ,  by rozmontować obronę jednego z  kandydatów do mistrzostwa Polski .
Tokens: 1_______ 2 3______ 4________ 5_________ 6 7_ 8______ 9 10_____ 11_____ 12 13_ 14___ 15__ 16___ 17____ 18 19____ 20 21___ 22______ 23 24__________ 25____ 26_______ 27_____ 28____ 29 30 31_________ 32____ 33_____ 34 35________ 36 37_________ 38____ 39

Chunks:
  TruePositive nam [21,22] = Legii Warszawa
  FalsePositive nam [38,38] = Polski
  FalseNegative nam [5,5] = kielczanie
  FalseNegative nam [37,38] = mistrzostwa Polski

(ChunkerEvaluator) Sentence #7680 from articles/00107703 from sent6

Text  : Zaczął Paweł Golański ( 48 min . ) , poprawił Maciej Korzym (  54 .  )  ,  a  dobił rywala Artur Lenartowski (  59 .  )  .
Tokens: 1_____ 2____ 3_______ 4 5_ 6__ 7 8 9 10______ 11____ 12____ 13 14 15 16 17 18 19___ 20____ 21___ 22_________ 23 24 25 26 27

Chunks:
  TruePositive nam [2,3] = Paweł Golański
  TruePositive nam [11,12] = Maciej Korzym
  TruePositive nam [21,22] = Artur Lenartowski

(ChunkerEvaluator) Sentence #7681 from articles/00107703 from sent7

Text  : Ten pierwszy razem z pomocnikiem Pawłem Sobolewskim trafił nawet do jedenastki 23 .  kolejki stacji Canal +  .
Tokens: 1__ 2_______ 3____ 4 5__________ 6_____ 7__________ 8_____ 9____ 10 11________ 12 13 14_____ 15____ 16___ 17 18

Chunks:
  TruePositive nam [6,7] = Pawłem Sobolewskim
  TruePositive nam [16,17] = Canal +

(ChunkerEvaluator) Sentence #7682 from articles/00107703 from sent8

Text  : - Po takim meczu trudno zebrać myśli .
Tokens: 1 2_ 3____ 4____ 5_____ 6_____ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #7683 from articles/00107703 from sent9

Text  : Nie mogę zrozumieć , co się stało w pierwszych piętnastu minutach po przerwie .
Tokens: 1__ 2___ 3________ 4 5_ 6__ 7____ 8 9_________ 10_______ 11______ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #7684 from articles/00107703 from sent10

Text  : Dla mnie to zagadka , science fiction .
Tokens: 1__ 2___ 3_ 4______ 5 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #7685 from articles/00107703 from sent11

Text  : Ale Korona wygrała w pełni zasłużenie , była lepsza .
Tokens: 1__ 2_____ 3______ 4 5____ 6_________ 7 8___ 9_____ 10

Chunks:
  TruePositive nam [2,2] = Korona

(ChunkerEvaluator) Sentence #7686 from articles/00107703 from sent12

Text  : Mnie trudno jest dojść do równowagi - ocenił Jacek Zieliński ,  trener Polonii Warszawa .
Tokens: 1___ 2_____ 3___ 4____ 5_ 6________ 7 8_____ 9____ 10_______ 11 12____ 13_____ 14______ 15

Chunks:
  TruePositive nam [9,10] = Jacek Zieliński
  TruePositive nam [13,14] = Polonii Warszawa

(ChunkerEvaluator) Sentence #7687 from articles/00107703 from sent13

Text  : Leszek Ojrzyński zauważył : - Widzieli śmy dziś jak mogą być różne dwie połowy .
Tokens: 1_____ 2________ 3_______ 4 5 6_______ 7__ 8___ 9__ 10__ 11_ 12___ 13__ 14____ 15

Chunks:
  TruePositive nam [1,2] = Leszek Ojrzyński

(ChunkerEvaluator) Sentence #7688 from articles/00107703 from sent14

Text  : Bo pierwsza wypadła inaczej niż tego oczekiwali śmy .
Tokens: 1_ 2_______ 3______ 4______ 5__ 6___ 7_________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #7689 from articles/00107703 from sent15

Text  : To Polonia prowadziła grę .
Tokens: 1_ 2______ 3_________ 4__ 5

Chunks:
  TruePositive nam [2,2] = Polonia

(ChunkerEvaluator) Sentence #7690 from articles/00107703 from sent16

Text  : W przerwie dokonali śmy kilku korekt .
Tokens: 1 2_______ 3_______ 4__ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #7691 from articles/00107703 from sent17

Text  : Na szczęście szybko przyszły efekty .
Tokens: 1_ 2________ 3_____ 4_______ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #7692 from articles/00107703 from sent18

Text  : Moim piłkarzom pomógł też doping [ sektor najzagorzalszych fanów ciągle się jednak nie zapełnił -  przyp .  red .  ]  ,  który dodatkowo ich niósł .
Tokens: 1___ 2________ 3_____ 4__ 5_____ 6 7_____ 8_______________ 9____ 10____ 11_ 12____ 13_ 14______ 15 16___ 17 18_ 19 20 21 22___ 23_______ 24_ 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #7693 from articles/00107703 from sent19

Text  : Odkąd jestem w Kielcach tak wysoko jeszcze nie wygrali śmy -  przyznał .
Tokens: 1____ 2_____ 3 4_______ 5__ 6_____ 7______ 8__ 9______ 10_ 11 12______ 13

Chunks:
  TruePositive nam [4,4] = Kielcach

(ChunkerEvaluator) Sentence #7694 from articles/00107703 from sent20

Text  : Kielczanie podkreślają , że fetowanie wygranej będzie bardzo krótkie .
Tokens: 1_________ 2__________ 3 4_ 5________ 6_______ 7_____ 8_____ 9______ 10

Chunks:
  FalseNegative nam [1,1] = Kielczanie

(ChunkerEvaluator) Sentence #7695 from articles/00107703 from sent21

Text  : - Druga połowa wyszła nam koncertowo .
Tokens: 1 2____ 3_____ 4_____ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #7696 from articles/00107703 from sent22

Text  : Tak szybko strzelony gol zawsze dodaje sił , a rywalom podciął skrzydła .
Tokens: 1__ 2_____ 3________ 4__ 5_____ 6_____ 7__ 8 9 10_____ 11_____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #7697 from articles/00107703 from sent23

Text  : Cieszymy się bardzo z tego zwycięstwa , ale radość będzie krótka ,  bo już w  niedzielę [  o  godz .  14 .  30 -  przyp .  red .  ]  czeka nas mecz w  Zabrzu .
Tokens: 1_______ 2__ 3_____ 4 5___ 6_________ 7 8__ 9_____ 10____ 11____ 12 13 14_ 15 16_______ 17 18 19__ 20 21 22 23 24 25___ 26 27_ 28 29 30___ 31_ 32__ 33 34____ 35

Chunks:
  TruePositive nam [34,34] = Zabrzu

(ChunkerEvaluator) Sentence #7698 from articles/00107703 from sent24

Text  : I on jest teraz najważniejszy - zapowiedział Tomasz Lisowski ,  obrońca Korony Kielce .
Tokens: 1 2_ 3___ 4____ 5____________ 6 7___________ 8_____ 9_______ 10 11_____ 12____ 13____ 14

Chunks:
  TruePositive nam [8,9] = Tomasz Lisowski
  TruePositive nam [12,13] = Korony Kielce

2016-10-27 14:59:50,152 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 333 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107704.xml
(ChunkerEvaluator) Sentence #7699 from articles/00107704 from sent1

Text  : Wielkopolskie .
Tokens: 1____________ 2

Chunks:
  FalseNegative nam [1,1] = Wielkopolskie

(ChunkerEvaluator) Sentence #7700 from articles/00107704 from sent2

Text  : Nowe obiekty na Szlaku Piastowskim
Tokens: 1___ 2______ 3_ 4_____ 5__________

Chunks:
  TruePositive nam [4,5] = Szlaku Piastowskim

(ChunkerEvaluator) Sentence #7701 from articles/00107704 from sent3

Text  : Gród Piastów na Zawodziu z okresu IX - XII wieku w  Kaliszu oraz miejscowe Muzeum Okręgowe zostały wpisane na wielkopolską mapę Szlaku Piastowskiego .
Tokens: 1___ 2______ 3_ 4_______ 5 6_____ 7_ 8 9__ 10___ 11 12_____ 13__ 14_______ 15____ 16______ 17_____ 18_____ 19 20__________ 21__ 22____ 23___________ 24

Chunks:
  TruePositive nam [4,4] = Zawodziu
  TruePositive nam [12,12] = Kaliszu
  TruePositive nam [15,16] = Muzeum Okręgowe
  TruePositive nam [22,23] = Szlaku Piastowskiego
  FalsePositive nam [2,2] = Piastów
  FalsePositive nam [7,9] = IX - XII
  FalseNegative nam [1,2] = Gród Piastów

(ChunkerEvaluator) Sentence #7702 from articles/00107704 from sent4

Text  : Informacje o obu obiektach będą teraz podawane we wszystkich materiałach dla turystów .
Tokens: 1_________ 2 3__ 4________ 5___ 6____ 7_______ 8_ 9_________ 10_________ 11_ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #7703 from articles/00107704 from sent5

Text  : Jak poinformował PAP dyrektor kaliskiego muzeum Jerzy Splitt , dzięki pracom zespołu naukowego ,  powołanego przez marszałków województw wielkopolskiego i  kujawsko -  pomorskiego ,  zweryfikowano znajdujące się dotychczas na Szlaku miejscowości i  pousuwano te ,  które się z  nim bezpośrednio nie wiązały .
Tokens: 1__ 2___________ 3__ 4_______ 5_________ 6_____ 7____ 8_____ 9 10____ 11____ 12_____ 13_______ 14 15________ 16___ 17________ 18________ 19_____________ 20 21______ 22 23_________ 24 25___________ 26________ 27_ 28________ 29 30____ 31__________ 32 33_______ 34 35 36___ 37_ 38 39_ 40__________ 41_ 42_____ 43

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [7,8] = Jerzy Splitt
  TruePositive nam [19,19] = wielkopolskiego
  FalseNegative nam [21,23] = kujawsko - pomorskiego
  FalseNegative nam [30,30] = Szlaku

(ChunkerEvaluator) Sentence #7704 from articles/00107704 from sent6

Text  : " Pozostaną one jedynie jako miejscowości towarzyszące .
Tokens: 1 2________ 3__ 4______ 5___ 6___________ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #7705 from articles/00107704 from sent7

Text  : Zespół wojewodów podkreślił jednak , że zabytki i dobrze udokumentowane związki Wielkopolski z  Piastami ,  to nie tylko Szlak z  Poznania do Gniezna ,  ale także szereg innych miejscowości ,  które znajdują się w  innych częściach tego regionu "  -  wyjaśnił Splitt .
Tokens: 1_____ 2________ 3_________ 4_____ 5 6_ 7______ 8 9_____ 10____________ 11_____ 12__________ 13 14______ 15 16 17_ 18___ 19___ 20 21______ 22 23_____ 24 25_ 26___ 27____ 28____ 29__________ 30 31___ 32______ 33_ 34 35____ 36_______ 37__ 38_____ 39 40 41______ 42____ 43

Chunks:
  TruePositive nam [12,12] = Wielkopolski
  TruePositive nam [14,14] = Piastami
  TruePositive nam [19,19] = Szlak
  TruePositive nam [21,21] = Poznania
  TruePositive nam [23,23] = Gniezna
  FalseNegative nam [42,42] = Splitt

(ChunkerEvaluator) Sentence #7706 from articles/00107704 from sent8

Text  : Podał , że przedłużono Szlak już istniejący od Lubinia przez Poznań ,  Gniezno do Włocławka i  wprowadzono drugi fragment szlaku od Klasztoru Cystersów w  Łeknie przez Gniezno ,  Konin i  Ląd nad Wartą do Kalisza .
Tokens: 1____ 2 3_ 4__________ 5____ 6__ 7_________ 8_ 9______ 10___ 11____ 12 13_____ 14 15_______ 16 17_________ 18___ 19______ 20____ 21 22_______ 23_______ 24 25____ 26___ 27_____ 28 29___ 30 31_ 32_ 33___ 34 35_____ 36

Chunks:
  TruePositive nam [5,5] = Szlak
  TruePositive nam [11,11] = Poznań
  TruePositive nam [13,13] = Gniezno
  TruePositive nam [15,15] = Włocławka
  TruePositive nam [22,23] = Klasztoru Cystersów
  TruePositive nam [27,27] = Gniezno
  TruePositive nam [29,29] = Konin
  TruePositive nam [35,35] = Kalisza
  FalsePositive nam [31,31] = Ląd
  FalsePositive nam [33,33] = Wartą
  FalseNegative nam [9,9] = Lubinia
  FalseNegative nam [25,25] = Łeknie
  FalseNegative nam [31,33] = Ląd nad Wartą

(ChunkerEvaluator) Sentence #7707 from articles/00107704 from sent9

Text  : Zespół wybrał miejsca , zabytki i muzea , w których znajduje się dużo informacji dla turystów na temat piastowskiej Wielkopolski .
Tokens: 1_____ 2_____ 3______ 4 5______ 6 7____ 8 9 10_____ 11______ 12_ 13__ 14________ 15_ 16______ 17 18___ 19__________ 20__________ 21

Chunks:
  TruePositive nam [20,20] = Wielkopolski

(ChunkerEvaluator) Sentence #7708 from articles/00107704 from sent10

Text  : Grodzisko na Zawodziu pochodzi z okresu IX - XII wieku .
Tokens: 1________ 2_ 3_______ 4_______ 5 6_____ 7_ 8 9__ 10___ 11

Chunks:
  TruePositive nam [3,3] = Zawodziu
  FalsePositive nam [7,9] = IX - XII
  FalseNegative nam [1,1] = Grodzisko

(ChunkerEvaluator) Sentence #7709 from articles/00107704 from sent11

Text  : Dzięki środkom UE , zrekonstruowano tutaj za ok . 6  mln zł m  .  in .  przyziemie kolegiaty ,  drewniane chaty ,  pomosty i  fragmenty umocnień z  epoki pierwszych Piastów .
Tokens: 1_____ 2______ 3_ 4 5______________ 6____ 7_ 8_ 9 10 11_ 12 13 14 15 16 17________ 18_______ 19 20_______ 21___ 22 23_____ 24 25_______ 26______ 27 28___ 29________ 30_____ 31

Chunks:
  TruePositive nam [3,3] = UE
  TruePositive nam [12,12] = zł
  TruePositive nam [30,30] = Piastów

(ChunkerEvaluator) Sentence #7710 from articles/00107704 from sent12

Text  : UE uznała projekt Kaliskiego Grodu Piastów jako kluczowy w promocji dziedzictwa kulturalnego Europy .
Tokens: 1_ 2_____ 3______ 4_________ 5____ 6______ 7___ 8_______ 9 10______ 11_________ 12__________ 13____ 14

Chunks:
  TruePositive nam [1,1] = UE
  TruePositive nam [4,6] = Kaliskiego Grodu Piastów
  TruePositive nam [13,13] = Europy

(ChunkerEvaluator) Sentence #7711 from articles/00107704 from sent13

Text  : Od IX do XIII wieku , na Zawodziu znajdowało się silnie ufortyfikowane centrum wczesnośredniowiecznego państwa .
Tokens: 1_ 2_ 3_ 4___ 5____ 6 7_ 8_______ 9_________ 10_ 11____ 12____________ 13_____ 14_____________________ 15_____ 16

Chunks:
  TruePositive nam [8,8] = Zawodziu

(ChunkerEvaluator) Sentence #7712 from articles/00107704 from sent14

Text  : Była tu siedziba kasztelanii , ziemi i księstwa oraz władzy kościelnej .
Tokens: 1___ 2_ 3_______ 4__________ 5 6____ 7 8_______ 9___ 10____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #7713 from articles/00107704 from sent15

Text  : Położenie grodu na skrzyżowaniu ważnych szlaków handlowych i komunikacyjnych zdecydowało o  szybkim rozwoju miejscowego rzemiosła i  handlu .
Tokens: 1________ 2____ 3_ 4___________ 5______ 6______ 7_________ 8 9______________ 10_________ 11 12_____ 13_____ 14_________ 15_______ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #7714 from articles/00107704 from sent16

Text  : Gród najbardziej rozwijał się w okresie panowania Mieszka III Starego ,  zwanego powszechnie "  księciem całej Polski "  .
Tokens: 1___ 2__________ 3_______ 4__ 5 6______ 7________ 8______ 9__ 10_____ 11 12_____ 13_________ 14 15______ 16___ 17____ 18 19

Chunks:
  TruePositive nam [8,10] = Mieszka III Starego
  TruePositive nam [17,17] = Polski

(ChunkerEvaluator) Sentence #7715 from articles/00107704 from sent17

Text  : Kaliską dzielnicę wspominał w 1106 r .
Tokens: 1______ 2________ 3________ 4 5___ 6 7

Chunks:

(ChunkerEvaluator) Sentence #7716 from articles/00107704 from sent18

Text  : Gall Anonim .
Tokens: 1___ 2_____ 3

Chunks:
  TruePositive nam [1,2] = Gall Anonim

(ChunkerEvaluator) Sentence #7717 from articles/00107704 from sent19

Text  : Muzeum należy do najstarszych tego typu placówek regionalnych w Polsce .
Tokens: 1_____ 2_____ 3_ 4___________ 5___ 6___ 7_______ 8___________ 9 10____ 11

Chunks:
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #7718 from articles/00107704 from sent20

Text  : Od 1958 r . znajduje się w nim skarb ze Słuszkowa ,  na który składa się m  .  in .  najliczniejszy w  kraju zbiór denarów Sieciecha .
Tokens: 1_ 2___ 3 4 5_______ 6__ 7 8__ 9____ 10 11_______ 12 13 14___ 15____ 16_ 17 18 19 20 21____________ 22 23___ 24___ 25_____ 26_______ 27

Chunks:
  TruePositive nam [11,11] = Słuszkowa
  TruePositive nam [26,26] = Sieciecha
  FalseNegative nam [25,25] = denarów

(ChunkerEvaluator) Sentence #7719 from articles/00107704 from sent21

Text  : Liczne zbiory można oglądać w oddziałach muzeum : w Centrum Rysunku i  Grafiki im .  Tadeusza Kulisiewicza ,  w  Muzeum Wnętrz Pałacowych w  Lewkowie i  w  Dworku Marii Dąbrowskiej w  Russowie .
Tokens: 1_____ 2_____ 3____ 4______ 5 6_________ 7_____ 8 9 10_____ 11_____ 12 13_____ 14 15 16______ 17__________ 18 19 20____ 21____ 22________ 23 24______ 25 26 27____ 28___ 29_________ 30 31______ 32

Chunks:
  TruePositive nam [31,31] = Russowie
  FalsePositive nam [13,17] = Grafiki im . Tadeusza Kulisiewicza
  FalsePositive nam [20,22] = Muzeum Wnętrz Pałacowych
  FalsePositive nam [27,27] = Dworku
  FalsePositive nam [28,29] = Marii Dąbrowskiej
  FalseNegative nam [10,17] = Centrum Rysunku i Grafiki im . Tadeusza Kulisiewicza
  FalseNegative nam [20,24] = Muzeum Wnętrz Pałacowych w Lewkowie
  FalseNegative nam [27,29] = Dworku Marii Dąbrowskiej

(ChunkerEvaluator) Sentence #7720 from articles/00107704 from sent22

Text  : Splitt poinformował , że w maju ukaże się folder o  Szlaku Piastowskim i  wprowadzonych zmianach .  (  PAP )
Tokens: 1_____ 2___________ 3 4_ 5 6___ 7____ 8__ 9_____ 10 11____ 12_________ 13 14___________ 15______ 16 17 18_ 19

Chunks:
  TruePositive nam [11,12] = Szlaku Piastowskim
  TruePositive nam [18,18] = PAP
  FalseNegative nam [1,1] = Splitt

2016-10-27 14:59:50,274 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 334 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107705.xml
(ChunkerEvaluator) Sentence #7721 from articles/00107705 from sent1

Text  : Palikot pozywa Millera
Tokens: 1______ 2_____ 3______

Chunks:
  TruePositive nam [3,3] = Millera
  FalseNegative nam [1,1] = Palikot

(ChunkerEvaluator) Sentence #7722 from articles/00107705 from sent2

Text  : - Leszek Miller ma krew na rękach , jest odpowiedzialny za wojnę w  Iraku i  Afganistanie i  więzienia CIA -  oświadczył w  Sejmie Janusz Palikot .
Tokens: 1 2_____ 3_____ 4_ 5___ 6_ 7_____ 8 9___ 10____________ 11 12___ 13 14___ 15 16__________ 17 18_______ 19_ 20 21________ 22 23____ 24____ 25_____ 26

Chunks:
  TruePositive nam [2,3] = Leszek Miller
  TruePositive nam [14,14] = Iraku
  TruePositive nam [16,16] = Afganistanie
  TruePositive nam [19,19] = CIA
  TruePositive nam [23,23] = Sejmie
  TruePositive nam [24,25] = Janusz Palikot

(ChunkerEvaluator) Sentence #7723 from articles/00107705 from sent3

Text  : Lider Ruchu Palikota powiedział dziennikarzom , że pozywa do sądu szefa SLD za to ,  ze w  radiowej Trójce nazwał go „  oszustem ,  który nie będzie uczył go honoru ”  .
Tokens: 1____ 2____ 3_______ 4_________ 5____________ 6 7_ 8_____ 9_ 10__ 11___ 12_ 13 14 15 16 17 18______ 19____ 20____ 21 22 23______ 24 25___ 26_ 27____ 28___ 29 30____ 31 32

Chunks:
  TruePositive nam [2,3] = Ruchu Palikota
  TruePositive nam [12,12] = SLD
  TruePositive nam [19,19] = Trójce

(ChunkerEvaluator) Sentence #7724 from articles/00107705 from sent4

Text  : - Zamiast znieważać innych , Leszek Miller powinien jak mężczyzna przyjąć odpowiedzialność za błędy ,  które popełnił jako premier -  powiedział Palikot .
Tokens: 1 2______ 3________ 4_____ 5 6_____ 7_____ 8_______ 9__ 10_______ 11_____ 12______________ 13 14___ 15 16___ 17______ 18__ 19_____ 20 21________ 22_____ 23

Chunks:
  TruePositive nam [6,7] = Leszek Miller
  FalseNegative nam [22,22] = Palikot

(ChunkerEvaluator) Sentence #7725 from articles/00107705 from sent5

Text  : Dodał , że zaangażowanie przez rząd Millera Polski do walki z  terroryzmem u  boku USA oznaczało „  zaproszenie terrorystów do Polski ”  .
Tokens: 1____ 2 3_ 4____________ 5____ 6___ 7______ 8_____ 9_ 10___ 11 12_________ 13 14__ 15_ 16_______ 17 18_________ 19_________ 20 21____ 22 23

Chunks:
  TruePositive nam [15,15] = USA
  TruePositive nam [21,21] = Polski
  FalsePositive nam [7,8] = Millera Polski
  FalseNegative nam [7,7] = Millera
  FalseNegative nam [8,8] = Polski

(ChunkerEvaluator) Sentence #7726 from articles/00107705 from sent6

Text  : Podczas dzisiejszego wywiadu w Trójce prowadząca rozmowę z Millerem ,  Beata Michniewicz zażartowała ,  ze swoimi wypowiedziami „  prowokuje Palikota do pozwu ”  .
Tokens: 1______ 2___________ 3______ 4 5_____ 6_________ 7______ 8 9_______ 10 11___ 12_________ 13_________ 14 15 16____ 17___________ 18 19_______ 20______ 21 22___ 23 24

Chunks:
  TruePositive nam [5,5] = Trójce
  TruePositive nam [9,9] = Millerem
  TruePositive nam [11,12] = Beata Michniewicz
  FalseNegative nam [20,20] = Palikota

2016-10-27 14:59:50,314 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 335 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107706.xml
(ChunkerEvaluator) Sentence #7727 from articles/00107706 from sent1

Text  : Bitwa o Rzeszów - freestyle'owcy biją się na słowa
Tokens: 1____ 2 3______ 4 5_____________ 6___ 7__ 8_ 9____

Chunks:
  FalsePositive nam [3,3] = Rzeszów
  FalseNegative nam [1,3] = Bitwa o Rzeszów

(ChunkerEvaluator) Sentence #7728 from articles/00107706 from sent2

Text  : W piątek w klubie Blue Moon w Rzeszowie ośmiu zawodników stoczy walkę na słowa do odtwarzanego przez DJ-a podkładu .
Tokens: 1 2_____ 3 4_____ 5___ 6___ 7 8________ 9____ 10________ 11____ 12___ 13 14___ 15 16__________ 17___ 18__ 19______ 20

Chunks:
  FalsePositive nam [5,8] = Blue Moon w Rzeszowie
  FalsePositive nam [18,18] = DJ-a
  FalseNegative nam [5,6] = Blue Moon
  FalseNegative nam [8,8] = Rzeszowie

(ChunkerEvaluator) Sentence #7729 from articles/00107706 from sent3

Text  : Bez wcześniej napisanego tekstu i żadnego przygotowania .
Tokens: 1__ 2________ 3_________ 4_____ 5 6______ 7____________ 8

Chunks:

(ChunkerEvaluator) Sentence #7730 from articles/00107706 from sent4

Text  : To istota bitwy freestyle'owej - rodzaju turnieju popularnego w środowisku hip -  hopowym .
Tokens: 1_ 2_____ 3____ 4_____________ 5 6______ 7_______ 8__________ 9 10________ 11_ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #7731 from articles/00107706 from sent5

Text  : Uczestnicy podzieleni na pary losują tematy i rymują na tle podkładu muzycznego ,  musząc wykazać się dużą umiejętnością improwizacji .
Tokens: 1_________ 2_________ 3_ 4___ 5_____ 6_____ 7 8_____ 9_ 10_ 11______ 12________ 13 14____ 15_____ 16_ 17__ 18___________ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #7732 from articles/00107706 from sent6

Text  : Wydarzenie zorganizowało Zrzeszenie Studentów Polskich przy Uniwersytecie Rzeszowskim .
Tokens: 1_________ 2____________ 3_________ 4________ 5_______ 6___ 7____________ 8__________ 9

Chunks:
  TruePositive nam [3,5] = Zrzeszenie Studentów Polskich
  TruePositive nam [7,8] = Uniwersytecie Rzeszowskim

(ChunkerEvaluator) Sentence #7733 from articles/00107706 from sent7

Text  : Główny sponsor to urząd marszałkowski .
Tokens: 1_____ 2______ 3_ 4____ 5____________ 6

Chunks:
  FalseNegative nam [4,5] = urząd marszałkowski

(ChunkerEvaluator) Sentence #7734 from articles/00107706 from sent8

Text  : Urząd dał 7 tysięcy złotych na nagrody dla uczestników i  promocję .
Tokens: 1____ 2__ 3 4______ 5______ 6_ 7______ 8__ 9__________ 10 11______ 12

Chunks:
  FalsePositive nam [5,5] = złotych

(ChunkerEvaluator) Sentence #7735 from articles/00107706 from sent9

Text  : Jak udało się nakłonić poważnego partnera do sponsorowania projektu ?
Tokens: 1__ 2____ 3__ 4_______ 5________ 6_______ 7_ 8____________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #7736 from articles/00107706 from sent10

Text  : - Przekonali śmy UM , że takie wydarzenie to nowość -  mówi przewodnicząca ZSP Iwona Strzępka .
Tokens: 1 2_________ 3__ 4_ 5 6_ 7____ 8_________ 9_ 10____ 11 12__ 13____________ 14_ 15___ 16______ 17

Chunks:
  TruePositive nam [4,4] = UM
  TruePositive nam [14,14] = ZSP
  TruePositive nam [15,16] = Iwona Strzępka

(ChunkerEvaluator) Sentence #7737 from articles/00107706 from sent11

Text  : - Podkarpacie cierpiało , ponieważ długo nie było obecne na freestyle'owej mapie Polski .
Tokens: 1 2__________ 3________ 4 5_______ 6____ 7__ 8___ 9_____ 10 11____________ 12___ 13____ 14

Chunks:
  TruePositive nam [13,13] = Polski
  FalseNegative nam [2,2] = Podkarpacie

(ChunkerEvaluator) Sentence #7738 from articles/00107706 from sent12

Text  : W słownej potyczce weźmie udział 8 zawodników z całego kraju wybranych spośród najlepszych freestyle'owców na podstawie oficjalnego rankingu -  Konrad ,  Theodor ,  Edzio ,  Ymcyk ,  Villmar ,  Czeski ,  Szyderca ,  Bonez .
Tokens: 1 2______ 3_______ 4_____ 5_____ 6 7_________ 8 9_____ 10___ 11_______ 12_____ 13_________ 14_____________ 15 16_______ 17_________ 18______ 19 20____ 21 22_____ 23 24___ 25 26___ 27 28_____ 29 30____ 31 32______ 33 34___ 35

Chunks:
  TruePositive nam [20,20] = Konrad
  TruePositive nam [22,22] = Theodor
  TruePositive nam [24,24] = Edzio
  TruePositive nam [26,26] = Ymcyk
  TruePositive nam [30,30] = Czeski
  TruePositive nam [32,32] = Szyderca
  TruePositive nam [34,34] = Bonez
  FalseNegative nam [28,28] = Villmar

(ChunkerEvaluator) Sentence #7739 from articles/00107706 from sent13

Text  : - Oczywiście to nie jest pierwsza ósemka .
Tokens: 1 2_________ 3_ 4__ 5___ 6_______ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #7740 from articles/00107706 from sent14

Text  : Nie każdy chciał przyjechać na bitwę nieposiadającą żadnej renomy .
Tokens: 1__ 2____ 3_____ 4_________ 5_ 6____ 7_____________ 8_____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #7741 from articles/00107706 from sent15

Text  : Jednak nagrody są bardzo atrakcyjne - dla zwycięzcy tablet ,  za drugie miejsce iPod ,  za trzecie pendrive .
Tokens: 1_____ 2______ 3_ 4_____ 5_________ 6 7__ 8________ 9_____ 10 11 12____ 13_____ 14__ 15 16 17_____ 18______ 19

Chunks:
  FalseNegative nam [14,14] = iPod

(ChunkerEvaluator) Sentence #7742 from articles/00107706 from sent16

Text  : Zawodników będzie oceniać 3 - osobowe jury : Jakub Pietz Piecuch -  producent muzyczny ,  Maciej Antoniuk -  dziennikarz z  Radia Centrum i  Artur Zygmunt -  przedstawiciel ZSP .
Tokens: 1_________ 2_____ 3______ 4 5 6______ 7___ 8 9____ 10___ 11_____ 12 13_______ 14______ 15 16____ 17______ 18 19_________ 20 21___ 22_____ 23 24___ 25_____ 26 27____________ 28_ 29

Chunks:
  TruePositive nam [9,11] = Jakub Pietz Piecuch
  TruePositive nam [16,17] = Maciej Antoniuk
  TruePositive nam [21,22] = Radia Centrum
  TruePositive nam [24,25] = Artur Zygmunt
  TruePositive nam [28,28] = ZSP

(ChunkerEvaluator) Sentence #7743 from articles/00107706 from sent17

Text  : Organizatorzy reklamują turniej jako „ Pierwszą Bitwę Freestyle na Podkarpaciu ”  ,  jednak z  informacji „  Gazety "  wynika ,  że podobne wydarzenie miało miejsce w  2005 roku w  legendarnym klubie Akademia .
Tokens: 1____________ 2________ 3______ 4___ 5 6_______ 7____ 8________ 9_ 10_________ 11 12 13____ 14 15________ 16 17____ 18 19____ 20 21 22_____ 23________ 24___ 25_____ 26 27__ 28__ 29 30_________ 31____ 32______ 33

Chunks:
  TruePositive nam [32,32] = Akademia
  FalsePositive nam [6,10] = Pierwszą Bitwę Freestyle na Podkarpaciu
  FalseNegative nam [10,10] = Podkarpaciu
  FalseNegative nam [17,17] = Gazety

(ChunkerEvaluator) Sentence #7744 from articles/00107706 from sent18

Text  : - To była pierwsza bitwa freestyle'owa w Rzeszowie .
Tokens: 1 2_ 3___ 4_______ 5____ 6____________ 7 8________ 9

Chunks:
  TruePositive nam [8,8] = Rzeszowie

(ChunkerEvaluator) Sentence #7745 from articles/00107706 from sent19

Text  : Przy okazji koncertu promującego płytę Kodex 2 oraz trzecich urodzin ekipy Art De Rue .
Tokens: 1___ 2_____ 3_______ 4__________ 5____ 6____ 7 8___ 9_______ 10_____ 11___ 12_ 13 14_ 15

Chunks:
  TruePositive nam [12,14] = Art De Rue
  FalseNegative nam [6,7] = Kodex 2

(ChunkerEvaluator) Sentence #7746 from articles/00107706 from sent20

Text  : Wygrał em wtedy plecak i mam go do dziś -  wspomina Eskaubei ,  rzeszowski raper obecny na scenie od 1997 roku .
Tokens: 1_____ 2_ 3____ 4_____ 5 6__ 7_ 8_ 9___ 10 11______ 12______ 13 14________ 15___ 16____ 17 18____ 19 20__ 21__ 22

Chunks:
  FalseNegative nam [12,12] = Eskaubei

(ChunkerEvaluator) Sentence #7747 from articles/00107706 from sent21

Text  : W Rzeszowie w 2006 roku odbyły się również WBW Freestyle Grand Prix ,  eliminacje do Wielkiej Bitwy Warszawskiej ,  najpopularniejszej imprezy freestyle'owej w  kraju .
Tokens: 1 2________ 3 4___ 5___ 6_____ 7__ 8______ 9__ 10_______ 11___ 12__ 13 14________ 15 16______ 17___ 18__________ 19 20________________ 21_____ 22____________ 23 24___ 25

Chunks:
  TruePositive nam [2,2] = Rzeszowie
  TruePositive nam [16,18] = Wielkiej Bitwy Warszawskiej
  FalsePositive nam [10,12] = Freestyle Grand Prix
  FalseNegative nam [9,12] = WBW Freestyle Grand Prix

(ChunkerEvaluator) Sentence #7748 from articles/00107706 from sent22

Text  : Eskaubei zajął 2 . miejsce , pokonał go Green raper z  Brzezin .
Tokens: 1_______ 2____ 3 4 5______ 6 7______ 8_ 9____ 10___ 11 12_____ 13

Chunks:
  TruePositive nam [9,9] = Green
  TruePositive nam [12,12] = Brzezin
  FalseNegative nam [1,1] = Eskaubei

(ChunkerEvaluator) Sentence #7749 from articles/00107706 from sent23

Text  : Początek Bitwy o Rzeszów planowany jest na godzinę 19 .
Tokens: 1_______ 2____ 3 4______ 5________ 6___ 7_ 8______ 9_ 10

Chunks:
  FalsePositive nam [2,2] = Bitwy
  FalsePositive nam [4,4] = Rzeszów
  FalseNegative nam [2,4] = Bitwy o Rzeszów

(ChunkerEvaluator) Sentence #7750 from articles/00107706 from sent24

Text  : Bilety w cenie 10 zł , z legitymacją studencką 5  zł .
Tokens: 1_____ 2 3____ 4_ 5_ 6 7 8__________ 9________ 10 11 12

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [11,11] = zł

2016-10-27 14:59:50,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 336 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107707.xml
(ChunkerEvaluator) Sentence #7751 from articles/00107707 from sent1

Text  : Francja .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Francja

(ChunkerEvaluator) Sentence #7752 from articles/00107707 from sent2

Text  : Proces fizyka jądrowego oskarżonego o kontakty z Al - Kaidą
Tokens: 1_____ 2_____ 3________ 4__________ 5 6_______ 7 8_ 9 10___

Chunks:
  TruePositive nam [8,10] = Al - Kaidą

(ChunkerEvaluator) Sentence #7753 from articles/00107707 from sent3

Text  : W Paryżu rozpoczął się w czwartek proces Adlene'a Hicheura ,  35 -  letniego fizyka pracującego w  przeszłości dla ośrodka CERN w  Genewie ,  oskarżonego o  kontakty z  Al -  Kaidą Islamskiego Maghrebu (  AQMI )  w  celu planowania zamachów terrorystycznych .
Tokens: 1 2_____ 3________ 4__ 5 6_______ 7_____ 8_______ 9_______ 10 11 12 13______ 14____ 15_________ 16 17_________ 18_ 19_____ 20__ 21 22_____ 23 24_________ 25 26______ 27 28 29 30___ 31_________ 32______ 33 34__ 35 36 37__ 38________ 39______ 40______________ 41

Chunks:
  TruePositive nam [2,2] = Paryżu
  TruePositive nam [8,9] = Adlene'a Hicheura
  TruePositive nam [20,20] = CERN
  TruePositive nam [22,22] = Genewie
  TruePositive nam [28,32] = Al - Kaidą Islamskiego Maghrebu
  TruePositive nam [34,34] = AQMI

(ChunkerEvaluator) Sentence #7754 from articles/00107707 from sent4

Text  : Urodzony w Agierii Hicheur został zatrzymany w 2008 roku .
Tokens: 1_______ 2 3______ 4______ 5_____ 6_________ 7 8___ 9___ 10

Chunks:
  FalsePositive nam [3,4] = Agierii Hicheur
  FalseNegative nam [3,3] = Agierii
  FalseNegative nam [4,4] = Hicheur

(ChunkerEvaluator) Sentence #7755 from articles/00107707 from sent5

Text  : Nastąpiło to na kilka godzin przed jego planowaną podróżą do Algierii w  celu -  jak informują jego obrońcy -  kupna nieruchomości .
Tokens: 1________ 2_ 3_ 4____ 5_____ 6____ 7___ 8________ 9______ 10 11______ 12 13__ 14 15_ 16_______ 17__ 18_____ 19 20___ 21___________ 22

Chunks:
  TruePositive nam [11,11] = Algierii

(ChunkerEvaluator) Sentence #7756 from articles/00107707 from sent6

Text  : Jest jedynym oskarżonym w sprawie .
Tokens: 1___ 2______ 3_________ 4 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7757 from articles/00107707 from sent7

Text  : Oczekując na proces spędził w więzieniu 2 , 5 roku .
Tokens: 1________ 2_ 3_____ 4______ 5 6________ 7 8 9 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #7758 from articles/00107707 from sent8

Text  : W 2009 roku Hicheur napisał szereg e - maili ,  w  których wskazywał na konieczność ukarania Zachodu za antymuzułmańskie ,  jego zdaniem ,  wojny w  Iraku i  Afganistanie .
Tokens: 1 2___ 3___ 4______ 5______ 6_____ 7 8 9____ 10 11 12_____ 13_______ 14 15_________ 16______ 17_____ 18 19______________ 20 21__ 22_____ 23 24___ 25 26___ 27 28__________ 29

Chunks:
  TruePositive nam [26,26] = Iraku
  TruePositive nam [28,28] = Afganistanie
  FalsePositive nam [17,17] = Zachodu
  FalseNegative nam [4,4] = Hicheur

(ChunkerEvaluator) Sentence #7759 from articles/00107707 from sent9

Text  : Oskarżenie zarzuca mu , że naradzał się z osobą ,  która miała należeć do Al -  Kaidy ,  w  sprawie potencjalnych zabójstw lub planów zamachów bombowych .
Tokens: 1_________ 2______ 3_ 4 5_ 6_______ 7__ 8 9____ 10 11___ 12___ 13_____ 14 15 16 17___ 18 19 20_____ 21___________ 22______ 23_ 24____ 25______ 26_______ 27

Chunks:
  TruePositive nam [15,17] = Al - Kaidy

(ChunkerEvaluator) Sentence #7760 from articles/00107707 from sent10

Text  : Zarzuty mówią o " stowarzyszeniu przestępczym w celu planowania ataków terrorystycznych "  .
Tokens: 1______ 2____ 3 4 5_____________ 6___________ 7 8___ 9_________ 10____ 11______________ 12 13

Chunks:

(ChunkerEvaluator) Sentence #7761 from articles/00107707 from sent11

Text  : Śledczy oparli się na blisko 40 e - mailach ,  które Hicheur wymienił z  domniemaną osobą kontaktową z  Al -  Kaidy Islamskiego Maghrebu .
Tokens: 1______ 2_____ 3__ 4_ 5_____ 6_ 7 8 9______ 10 11___ 12_____ 13______ 14 15________ 16___ 17________ 18 19 20 21___ 22_________ 23______ 24

Chunks:
  TruePositive nam [19,23] = Al - Kaidy Islamskiego Maghrebu
  FalseNegative nam [12,12] = Hicheur

(ChunkerEvaluator) Sentence #7762 from articles/00107707 from sent12

Text  : Według śledczych mowa była w nich o potencjalnych celach zamachów ,  m  .  in .  francuskich obiektach wojskowych w  Alpach .
Tokens: 1_____ 2________ 3___ 4___ 5 6___ 7 8____________ 9_____ 10______ 11 12 13 14 15 16_________ 17_______ 18________ 19 20____ 21

Chunks:
  TruePositive nam [20,20] = Alpach

(ChunkerEvaluator) Sentence #7763 from articles/00107707 from sent13

Text  : Obrońcy argumentują , że aktywność Hicheura polegała na słowach ,  a  nie czynach .
Tokens: 1______ 2__________ 3 4_ 5________ 6_______ 7_______ 8_ 9______ 10 11 12_ 13_____ 14

Chunks:
  FalseNegative nam [6,6] = Hicheura

(ChunkerEvaluator) Sentence #7764 from articles/00107707 from sent14

Text  : Wskazują , że jest zintegrowany ze społeczeństwem francuskim ; ma rodzinę ,  przyjaciół i  kolegów ,  nie był nigdy notowany przez policję i  nie próbował zaopatrzyć się w  broń .
Tokens: 1_______ 2 3_ 4___ 5___________ 6_ 7_____________ 8_________ 9 10 11_____ 12 13________ 14 15_____ 16 17_ 18_ 19___ 20______ 21___ 22_____ 23 24_ 25______ 26________ 27_ 28 29__ 30

Chunks:

(ChunkerEvaluator) Sentence #7765 from articles/00107707 from sent15

Text  : W trakcie przesłuchania Hicheur przyznał , że był przekonany ,  iż jego korespondent ,  piszący z  Algierii ,  należał do AQMI .
Tokens: 1 2______ 3____________ 4______ 5_______ 6 7_ 8__ 9_________ 10 11 12__ 13__________ 14 15_____ 16 17______ 18 19_____ 20 21__ 22

Chunks:
  TruePositive nam [17,17] = Algierii
  TruePositive nam [21,21] = AQMI
  FalseNegative nam [4,4] = Hicheur

(ChunkerEvaluator) Sentence #7766 from articles/00107707 from sent16

Text  : Według materiałów sądowych mężczyzna ten , o nazwisku Mustapha Debchi ,  miał namawiać fizyka do zamachu samobójczego .
Tokens: 1_____ 2_________ 3_______ 4________ 5__ 6 7 8_______ 9_______ 10____ 11 12__ 13______ 14____ 15 16_____ 17__________ 18

Chunks:
  TruePositive nam [9,10] = Mustapha Debchi

(ChunkerEvaluator) Sentence #7767 from articles/00107707 from sent17

Text  : Ten odmówił , odpowiadając , że jest to sprzeczne z  islamem .
Tokens: 1__ 2______ 3 4___________ 5 6_ 7___ 8_ 9________ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #7768 from articles/00107707 from sent18

Text  : Hicheur pracował dla CERN jako badacz po doktoracie .
Tokens: 1______ 2_______ 3__ 4___ 5___ 6_____ 7_ 8_________ 9

Chunks:
  TruePositive nam [4,4] = CERN
  FalseNegative nam [1,1] = Hicheur

(ChunkerEvaluator) Sentence #7769 from articles/00107707 from sent19

Text  : Jego kontrakt wygasł pod koniec marca 2010 roku , kilka miesięcy po jego aresztowaniu .
Tokens: 1___ 2_______ 3_____ 4__ 5_____ 6____ 7___ 8___ 9 10___ 11______ 12 13__ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #7770 from articles/00107707 from sent20

Text  : Jego obrońcy wskazują , że władze francuskie , które najbardziej obawiają się narodzenia się terroryzmu na krajowym gruncie ,  mogą dopasować fizyka do "  profilu "  osób ,  które uznają za potencjalne zagrożenie .
Tokens: 1___ 2______ 3_______ 4 5_ 6_____ 7_________ 8 9____ 10_________ 11______ 12_ 13________ 14_ 15________ 16 17______ 18_____ 19 20__ 21_______ 22____ 23 24 25_____ 26 27__ 28 29___ 30____ 31 32_________ 33________ 34

Chunks:

(ChunkerEvaluator) Sentence #7771 from articles/00107707 from sent21

Text  : Chodzi o ludzi młodych , wyznających islam , wykształconych ,  biegłych w  internecie ,  a  przy tym oburzonych na Zachód i  zradykalizowanych .
Tokens: 1_____ 2 3____ 4______ 5 6__________ 7____ 8 9_____________ 10 11______ 12 13________ 14 15 16__ 17_ 18________ 19 20____ 21 22_______________ 23

Chunks:
  FalsePositive nam [13,13] = internecie
  FalsePositive nam [20,20] = Zachód

(ChunkerEvaluator) Sentence #7772 from articles/00107707 from sent22

Text  : Adwokaci zauważają też , że sprawie Hicheura może zaszkodzić atmosfera we Francji po serii ataków w  Tuluzie i  Montauban .
Tokens: 1_______ 2________ 3__ 4 5_ 6______ 7_______ 8___ 9_________ 10_______ 11 12_____ 13 14___ 15____ 16 17_____ 18 19_______ 20

Chunks:
  TruePositive nam [12,12] = Francji
  TruePositive nam [17,17] = Tuluzie
  TruePositive nam [19,19] = Montauban
  FalseNegative nam [7,7] = Hicheura

(ChunkerEvaluator) Sentence #7773 from articles/00107707 from sent23

Text  : Dżihadysta Mohamed Merah , także Algierczyk , zabił w zamachach trzech żołnierzy oraz dzieci i  nauczyciela przed szkołą żydowską .
Tokens: 1_________ 2______ 3____ 4 5____ 6_________ 7 8____ 9 10_______ 11____ 12_______ 13__ 14____ 15 16_________ 17___ 18____ 19______ 20

Chunks:
  TruePositive nam [2,3] = Mohamed Merah
  TruePositive nam [6,6] = Algierczyk

2016-10-27 14:59:50,553 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 337 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107708.xml
(ChunkerEvaluator) Sentence #7774 from articles/00107708 from sent1

Text  : Michał Figurski już ma zarzut , Wojewódzki wkrótce usłyszy .
Tokens: 1_____ 2_______ 3__ 4_ 5_____ 6 7_________ 8______ 9______ 10

Chunks:
  TruePositive nam [1,2] = Michał Figurski
  TruePositive nam [7,7] = Wojewódzki

(ChunkerEvaluator) Sentence #7775 from articles/00107708 from sent2

Text  : Za „ Murzina ” i Ku - Klux - Klan
Tokens: 1_ 2 3______ 4 5 6_ 7 8___ 9 10__

Chunks:
  TruePositive nam [6,10] = Ku - Klux - Klan
  FalseNegative nam [3,3] = Murzina

(ChunkerEvaluator) Sentence #7776 from articles/00107708 from sent3

Text  : Współprowadzący w Esce Rock „ Poranny WF ” dziennikarz Michał Figurski usłyszał zarzut znieważenia Alvina Gajadhura ,  rzecznika prasowego Głównego Inspektoratu Transportu Drogowego .
Tokens: 1______________ 2 3___ 4___ 5 6______ 7_ 8 9__________ 10____ 11______ 12______ 13____ 14_________ 15____ 16_______ 17 18_______ 19_______ 20______ 21__________ 22________ 23_______ 24

Chunks:
  TruePositive nam [10,11] = Michał Figurski
  TruePositive nam [15,16] = Alvina Gajadhura
  TruePositive nam [20,23] = Głównego Inspektoratu Transportu Drogowego
  FalsePositive nam [3,7] = Esce Rock „ Poranny WF
  FalseNegative nam [3,4] = Esce Rock
  FalseNegative nam [6,7] = Poranny WF

(ChunkerEvaluator) Sentence #7777 from articles/00107708 from sent4

Text  : Grozi mu do trzech lat więzienia .
Tokens: 1____ 2_ 3_ 4_____ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #7778 from articles/00107708 from sent5

Text  : Podobny zarzut ma usłyszeć drugi prowadzący program , Kuba Wojewódzki ,  który nie stawił się na wezwanie prokuratury .
Tokens: 1______ 2_____ 3_ 4_______ 5____ 6_________ 7______ 8 9___ 10________ 11 12___ 13_ 14____ 15_ 16 17______ 18_________ 19

Chunks:
  TruePositive nam [9,10] = Kuba Wojewódzki

(ChunkerEvaluator) Sentence #7779 from articles/00107708 from sent6

Text  : Awantura o „ Murzina ” i Ku - Klux -  Klan
Tokens: 1_______ 2 3 4______ 5 6 7_ 8 9___ 10 11__

Chunks:
  TruePositive nam [7,11] = Ku - Klux - Klan
  FalseNegative nam [4,4] = Murzina

(ChunkerEvaluator) Sentence #7780 from articles/00107708 from sent7

Text  : Gajadhur : Znam się na żartach , ale oni przegięli
Tokens: 1_______ 2 3___ 4__ 5_ 6______ 7 8__ 9__ 10_______

Chunks:
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7781 from articles/00107708 from sent8

Text  : - Znam się na żartach .
Tokens: 1 2___ 3__ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7782 from articles/00107708 from sent9

Text  : Wiem , co to pastisz i mam dystans do siebie ,  ale to było przegięcie .
Tokens: 1___ 2 3_ 4_ 5______ 6 7__ 8______ 9_ 10____ 11 12_ 13 14__ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #7783 from articles/00107708 from sent10

Text  : Kpiny z koloru skóry nie mają nic wspólnego z żartem -  mówił w  2011 r  .
Tokens: 1____ 2 3_____ 4____ 5__ 6___ 7__ 8________ 9 10____ 11 12___ 13 14__ 15 16

Chunks:

(ChunkerEvaluator) Sentence #7784 from articles/00107708 from sent11

Text  : Alvin Gajadhur .
Tokens: 1____ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Alvin Gajadhur

(ChunkerEvaluator) Sentence #7785 from articles/00107708 from sent12

Text  : Matka rzecznika prasowego Głównego Inspektoratu Transportu Drogowego jest Polką ,  a  jego ojciec Hindusem .
Tokens: 1____ 2________ 3________ 4_______ 5___________ 6_________ 7________ 8___ 9____ 10 11 12__ 13____ 14______ 15

Chunks:
  TruePositive nam [4,7] = Głównego Inspektoratu Transportu Drogowego
  TruePositive nam [9,9] = Polką
  TruePositive nam [14,14] = Hindusem

(ChunkerEvaluator) Sentence #7786 from articles/00107708 from sent13

Text  : Gajadhur od urodzenia mieszka w Polsce , ma polskie obywatelstwo .
Tokens: 1_______ 2_ 3________ 4______ 5 6_____ 7 8_ 9______ 10__________ 11

Chunks:
  TruePositive nam [6,6] = Polsce
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7787 from articles/00107708 from sent14

Text  : Michał Figurski : To bezpodstawne zarzuty
Tokens: 1_____ 2_______ 3 4_ 5___________ 6______

Chunks:
  TruePositive nam [1,2] = Michał Figurski

(ChunkerEvaluator) Sentence #7788 from articles/00107708 from sent15

Text  : Gajadhur zapowiedział , że odwoła się od tej decyzji .
Tokens: 1_______ 2___________ 3 4_ 5_____ 6__ 7_ 8__ 9______ 10

Chunks:
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7789 from articles/00107708 from sent16

Text  : Dziś ma satysfakcję - prokuratura zdecydowała się postawić zarzuty .
Tokens: 1___ 2_ 3__________ 4 5__________ 6__________ 7__ 8_______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7790 from articles/00107708 from sent17

Text  : Michał F . podtrzymuje , że zarzuty są bezpodstawne .
Tokens: 1_____ 2 3 4__________ 5 6_ 7______ 8_ 9___________ 10

Chunks:
  TruePositive nam [1,3] = Michał F .

(ChunkerEvaluator) Sentence #7791 from articles/00107708 from sent18

Text  : - Sąd rozstrzygnie , kto ma rację - powiedział serwisowi Press.pl dziennikarz .
Tokens: 1 2__ 3___________ 4 5__ 6_ 7____ 8 9_________ 10_______ 11______ 12_________ 13

Chunks:
  TruePositive nam [11,11] = Press.pl

(ChunkerEvaluator) Sentence #7792 from articles/00107708 from sent19

Text  : Z kolei specjalistka ds . PR w Grupie Radiowej Time Agnieszka Korotyńska zapowiedziała ,  że grupa nie ma zamiaru zdejmować z  anteny audycji Michała F  .  i  Kuby Wojewódzkiego .
Tokens: 1 2____ 3___________ 4_ 5 6_ 7 8_____ 9_______ 10__ 11_______ 12________ 13___________ 14 15 16___ 17_ 18 19_____ 20_______ 21 22____ 23_____ 24_____ 25 26 27 28__ 29___________ 30

Chunks:
  TruePositive nam [24,26] = Michała F .
  TruePositive nam [28,29] = Kuby Wojewódzkiego
  FalsePositive nam [8,12] = Grupie Radiowej Time Agnieszka Korotyńska
  FalseNegative nam [8,10] = Grupie Radiowej Time
  FalseNegative nam [11,12] = Agnieszka Korotyńska

(ChunkerEvaluator) Sentence #7793 from articles/00107708 from sent20

Text  : Celebryta usłyszał zarzut
Tokens: 1________ 2_______ 3_____

Chunks:

(ChunkerEvaluator) Sentence #7794 from articles/00107708 from sent21

Text  : Michał F . został oskarżony o znieważenie Alvina Gajadhura .
Tokens: 1_____ 2 3 4_____ 5________ 6 7__________ 8_____ 9________ 10

Chunks:
  TruePositive nam [1,3] = Michał F .
  TruePositive nam [8,9] = Alvina Gajadhura

(ChunkerEvaluator) Sentence #7795 from articles/00107708 from sent22

Text  : Zarzut ma też dostać Kuba Wojewódzki
Tokens: 1_____ 2_ 3__ 4_____ 5___ 6_________

Chunks:
  TruePositive nam [5,6] = Kuba Wojewódzki

(ChunkerEvaluator) Sentence #7796 from articles/00107708 from sent23

Text  : Michał F . usłyszał zarzut znieważenia podczas audycji w Eska Rock Alvina Gajadhura ,  ,  rzecznika prasowego GITD .
Tokens: 1_____ 2 3 4_______ 5_____ 6__________ 7______ 8______ 9 10__ 11__ 12____ 13_______ 14 15 16_______ 17_______ 18__ 19

Chunks:
  TruePositive nam [1,3] = Michał F .
  FalsePositive nam [11,13] = Rock Alvina Gajadhura
  FalseNegative nam [10,11] = Eska Rock
  FalseNegative nam [12,13] = Alvina Gajadhura
  FalseNegative nam [18,18] = GITD

(ChunkerEvaluator) Sentence #7797 from articles/00107708 from sent24

Text  : Podobny zarzut ma usłyszeć też Kuba Wojewódzki
Tokens: 1______ 2_____ 3_ 4_______ 5__ 6___ 7_________

Chunks:
  TruePositive nam [6,7] = Kuba Wojewódzki

(ChunkerEvaluator) Sentence #7798 from articles/00107708 from sent25

Text  : Współprowadzący w Esce Rock " Poranny WF " dziennikarz Michał F  .  usłyszał zarzut znieważenia Alvina Gajadhura ,  rzecznika prasowego Głównego Inspektoratu Transportu Drogowego .
Tokens: 1______________ 2 3___ 4___ 5 6______ 7_ 8 9__________ 10____ 11 12 13______ 14____ 15_________ 16____ 17_______ 18 19_______ 20_______ 21______ 22__________ 23________ 24_______ 25

Chunks:
  TruePositive nam [10,12] = Michał F .
  TruePositive nam [16,17] = Alvina Gajadhura
  TruePositive nam [21,24] = Głównego Inspektoratu Transportu Drogowego
  FalsePositive nam [3,7] = Esce Rock " Poranny WF
  FalseNegative nam [3,4] = Esce Rock
  FalseNegative nam [6,7] = Poranny WF

(ChunkerEvaluator) Sentence #7799 from articles/00107708 from sent26

Text  : Grozi mu do trzech lat więzienia .
Tokens: 1____ 2_ 3_ 4_____ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #7800 from articles/00107708 from sent27

Text  : Podobny zarzut ma usłyszeć drugi prowadzący program , Kuba Wojewódzki ,  który nie stawił się na wezwanie prokuratury .
Tokens: 1______ 2_____ 3_ 4_______ 5____ 6_________ 7______ 8 9___ 10________ 11 12___ 13_ 14____ 15_ 16 17______ 18_________ 19

Chunks:
  TruePositive nam [9,10] = Kuba Wojewódzki

(ChunkerEvaluator) Sentence #7801 from articles/00107708 from sent28

Text  : Informację o zarzutach dla F . i Wojewódzkiego podał serwis Press.pl ,  powołując się na serwis Stowarzyszenia Dziennikarzy Polskich (  SDP )  .
Tokens: 1_________ 2 3________ 4__ 5 6 7 8____________ 9____ 10____ 11______ 12 13_______ 14_ 15 16____ 17____________ 18__________ 19______ 20 21_ 22 23

Chunks:
  TruePositive nam [11,11] = Press.pl
  TruePositive nam [17,19] = Stowarzyszenia Dziennikarzy Polskich
  TruePositive nam [21,21] = SDP
  FalsePositive nam [5,8] = F . i Wojewódzkiego
  FalseNegative nam [5,6] = F .
  FalseNegative nam [8,8] = Wojewódzkiego

(ChunkerEvaluator) Sentence #7802 from articles/00107708 from sent29

Text  : Sprawa dotyczy audycji wyemitowanej w Esce Rock 25 maja 2011 r  .  ,  w  której dziennikarze żartowali z  koloru skóry Alvina Gajadhura ,  rzecznika GITD .
Tokens: 1_____ 2______ 3______ 4___________ 5 6___ 7___ 8_ 9___ 10__ 11 12 13 14 15____ 16__________ 17_______ 18 19____ 20___ 21____ 22_______ 23 24_______ 25__ 26

Chunks:
  TruePositive nam [21,22] = Alvina Gajadhura
  FalsePositive nam [7,7] = Rock
  FalseNegative nam [6,7] = Esce Rock
  FalseNegative nam [25,25] = GITD

(ChunkerEvaluator) Sentence #7803 from articles/00107708 from sent30

Text  : Kuba Wojewódzki i Michał F . , próbując dodzwonić się do Alvina Gajadhura ,  mówili m  .  in .  :  "  Może zadzwonimy teraz do Murzyna ?
Tokens: 1___ 2_________ 3 4_____ 5 6 7 8_______ 9________ 10_ 11 12____ 13_______ 14 15____ 16 17 18 19 20 21 22__ 23________ 24___ 25 26_____ 27

Chunks:
  TruePositive nam [1,2] = Kuba Wojewódzki
  TruePositive nam [4,6] = Michał F .
  TruePositive nam [12,13] = Alvina Gajadhura
  TruePositive nam [26,26] = Murzyna

(ChunkerEvaluator) Sentence #7804 from articles/00107708 from sent31

Text  : Krajowy rejestr Murzynów . . .
Tokens: 1______ 2______ 3_______ 4 5 6

Chunks:
  FalsePositive nam [3,5] = Murzynów . .
  FalseNegative nam [3,3] = Murzynów

(ChunkerEvaluator) Sentence #7805 from articles/00107708 from sent32

Text  : Gajadhur , tak , Murzin .
Tokens: 1_______ 2 3__ 4 5_____ 6

Chunks:
  FalseNegative nam [1,1] = Gajadhur
  FalseNegative nam [5,5] = Murzin

(ChunkerEvaluator) Sentence #7806 from articles/00107708 from sent33

Text  : Dzisiejszą audycję sponsoruje warszawski oddział Ku - Klux - Klanu "  .
Tokens: 1_________ 2______ 3_________ 4_________ 5______ 6_ 7 8___ 9 10___ 11 12

Chunks:
  TruePositive nam [6,10] = Ku - Klux - Klanu

(ChunkerEvaluator) Sentence #7807 from articles/00107708 from sent34

Text  : Dziennikarze sugerowali także , że telefon Gajadhura działa w "  buszmeńskiej sieci dla czarnych "  .
Tokens: 1___________ 2_________ 3____ 4 5_ 6______ 7________ 8_____ 9 10 11__________ 12___ 13_ 14______ 15 16

Chunks:
  TruePositive nam [7,7] = Gajadhura

(ChunkerEvaluator) Sentence #7808 from articles/00107708 from sent35

Text  : - Znam się na żartach .
Tokens: 1 2___ 3__ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7809 from articles/00107708 from sent36

Text  : Wiem , co to pastisz i mam dystans do siebie ,  ale to było przegięcie .
Tokens: 1___ 2 3_ 4_ 5______ 6 7__ 8______ 9_ 10____ 11 12_ 13 14__ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #7810 from articles/00107708 from sent37

Text  : Kpiny z koloru skóry nie mają nic wspólnego z żartem -  mówił w  2011 r  .
Tokens: 1____ 2 3_____ 4____ 5__ 6___ 7__ 8________ 9 10____ 11 12___ 13 14__ 15 16

Chunks:

(ChunkerEvaluator) Sentence #7811 from articles/00107708 from sent38

Text  : Alvin Gajadhur .
Tokens: 1____ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Alvin Gajadhur

(ChunkerEvaluator) Sentence #7812 from articles/00107708 from sent39

Text  : Matka rzecznika prasowego Głównego Inspektoratu Transportu Drogowego jest Polką ,  a  jego ojciec Hindusem .
Tokens: 1____ 2________ 3________ 4_______ 5___________ 6_________ 7________ 8___ 9____ 10 11 12__ 13____ 14______ 15

Chunks:
  TruePositive nam [4,7] = Głównego Inspektoratu Transportu Drogowego
  TruePositive nam [9,9] = Polką
  TruePositive nam [14,14] = Hindusem

(ChunkerEvaluator) Sentence #7813 from articles/00107708 from sent40

Text  : Gajadhur od urodzenia mieszka w Polsce , ma polskie obywatelstwo .
Tokens: 1_______ 2_ 3________ 4______ 5 6_____ 7 8_ 9______ 10__________ 11

Chunks:
  TruePositive nam [6,6] = Polsce
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7814 from articles/00107708 from sent41

Text  : Na początku czerwca 2011 r .
Tokens: 1_ 2_______ 3______ 4___ 5 6

Chunks:

(ChunkerEvaluator) Sentence #7815 from articles/00107708 from sent42

Text  : Gajadhur złożył skargę w sprawie audycji do Rady Etyki Mediów i  KRRiT .
Tokens: 1_______ 2_____ 3_____ 4 5______ 6______ 7_ 8___ 9____ 10____ 11 12___ 13

Chunks:
  TruePositive nam [8,10] = Rady Etyki Mediów
  TruePositive nam [12,12] = KRRiT
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7816 from articles/00107708 from sent43

Text  : Krajowa Rada Radiofonii i Telewizji nałożyła karę na nadawcę stacji .
Tokens: 1______ 2___ 3_________ 4 5________ 6_______ 7___ 8_ 9______ 10____ 11

Chunks:
  TruePositive nam [1,5] = Krajowa Rada Radiofonii i Telewizji

(ChunkerEvaluator) Sentence #7817 from articles/00107708 from sent44

Text  : 17 czerwca 2011 r .
Tokens: 1_ 2______ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #7818 from articles/00107708 from sent45

Text  : Gajadhur złożył zawiadomienie do prokuratury .
Tokens: 1_______ 2_____ 3____________ 4_ 5__________ 6

Chunks:
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7819 from articles/00107708 from sent46

Text  : Zarzucił w nim dziennikarzom znieważenie go z powodu przynależności rasowej oraz pomówienie za pośrednictwem mediów .
Tokens: 1_______ 2 3__ 4____________ 5__________ 6_ 7 8_____ 9_____________ 10_____ 11__ 12________ 13 14___________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #7820 from articles/00107708 from sent47

Text  : Prokuratura umorzyła śledztwo pod koniec września .
Tokens: 1__________ 2_______ 3_______ 4__ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #7821 from articles/00107708 from sent48

Text  : Gajadhur zapowiedział , że odwoła się od tej decyzji .
Tokens: 1_______ 2___________ 3 4_ 5_____ 6__ 7_ 8__ 9______ 10

Chunks:
  FalseNegative nam [1,1] = Gajadhur

(ChunkerEvaluator) Sentence #7822 from articles/00107708 from sent49

Text  : Dziś ma satysfakcję - prokuratura zdecydowała się postawić zarzuty .
Tokens: 1___ 2_ 3__________ 4 5__________ 6__________ 7__ 8_______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #7823 from articles/00107708 from sent50

Text  : Michał F . podtrzymuje , że zarzuty są bezpodstawne .
Tokens: 1_____ 2 3 4__________ 5 6_ 7______ 8_ 9___________ 10

Chunks:
  TruePositive nam [1,3] = Michał F .

(ChunkerEvaluator) Sentence #7824 from articles/00107708 from sent51

Text  : - Sąd rozstrzygnie , kto ma rację - powiedział serwisowi Press.pl dziennikarz .
Tokens: 1 2__ 3___________ 4 5__ 6_ 7____ 8 9_________ 10_______ 11______ 12_________ 13

Chunks:
  TruePositive nam [11,11] = Press.pl

(ChunkerEvaluator) Sentence #7825 from articles/00107708 from sent52

Text  : Z kolei specjalistka ds . PR w Grupie Radiowej Time Agnieszka Korotyńska zapowiedziała ,  że grupa nie ma zamiaru zdejmować z  anteny audycji Michała F  .  i  Kuby Wojewódzkiego .
Tokens: 1 2____ 3___________ 4_ 5 6_ 7 8_____ 9_______ 10__ 11_______ 12________ 13___________ 14 15 16___ 17_ 18 19_____ 20_______ 21 22____ 23_____ 24_____ 25 26 27 28__ 29___________ 30

Chunks:
  TruePositive nam [24,26] = Michała F .
  TruePositive nam [28,29] = Kuby Wojewódzkiego
  FalsePositive nam [8,12] = Grupie Radiowej Time Agnieszka Korotyńska
  FalseNegative nam [8,10] = Grupie Radiowej Time
  FalseNegative nam [11,12] = Agnieszka Korotyńska

2016-10-27 14:59:50,747 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 338 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107709.xml
(ChunkerEvaluator) Sentence #7826 from articles/00107709 from sent1

Text  : Policja zawiedziona , bo dostanie mniej rosomaków
Tokens: 1______ 2__________ 3 4_ 5_______ 6____ 7________

Chunks:

(ChunkerEvaluator) Sentence #7827 from articles/00107709 from sent2

Text  : W Olsztynie powstanie pilotażowa jednostka policyjna wyposażona w słynne transportery opancerzone .
Tokens: 1 2________ 3________ 4_________ 5________ 6________ 7_________ 8 9_____ 10__________ 11_________ 12

Chunks:
  TruePositive nam [2,2] = Olsztynie

(ChunkerEvaluator) Sentence #7828 from articles/00107709 from sent3

Text  : Niestety , zamiast planowanych sześciu pojazdów funkcjonariusze otrzymają jedynie dwa rosomaki .
Tokens: 1_______ 2 3______ 4__________ 5______ 6_______ 7______________ 8________ 9______ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #7829 from articles/00107709 from sent4

Text  : Pierwszy już przechodzi próby drogowe .
Tokens: 1_______ 2__ 3_________ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7830 from articles/00107709 from sent5

Text  : Jednostka jest autorskim pomysłem nowego komendanta wojewódzkiego Józefa Gdańskiego .
Tokens: 1________ 2___ 3________ 4_______ 5_____ 6_________ 7____________ 8_____ 9_________ 10

Chunks:
  TruePositive nam [8,9] = Józefa Gdańskiego
  FalsePositive nam [1,1] = Jednostka

(ChunkerEvaluator) Sentence #7831 from articles/00107709 from sent6

Text  : Opancerzone pojazdy zamiast działka mają armatkę wodną , a także fotoradar ,  kamery monitoringu i  kolczatki do blokady dróg .
Tokens: 1__________ 2______ 3______ 4______ 5___ 6______ 7____ 8 9 10___ 11_______ 12 13____ 14_________ 15 16_______ 17 18_____ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #7832 from articles/00107709 from sent7

Text  : Rosomak może np . zabezpieczać manifestacje , strajki i imprezy masowe .
Tokens: 1______ 2___ 3_ 4 5___________ 6___________ 7 8______ 9 10_____ 11____ 12

Chunks:
  FalsePositive nam [1,1] = Rosomak

(ChunkerEvaluator) Sentence #7833 from articles/00107709 from sent8

Text  : Mocny pancerz predestynuje także te pojazdy do niebezpiecznych akcji ,  w  których zachodzi podejrzenie ,  że przestępcy użyją broni .
Tokens: 1____ 2______ 3___________ 4____ 5_ 6______ 7_ 8______________ 9____ 10 11 12_____ 13______ 14_________ 15 16 17________ 18___ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #7834 from articles/00107709 from sent9

Text  : Na tym jednak nie koniec .
Tokens: 1_ 2__ 3_____ 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #7835 from articles/00107709 from sent10

Text  : Dzięki zmianom wprowadzonym w stosunku do modelu wojskowego pojazd będzie szybszy i  może np .  brać udział w  pościgach za wyjątkowo niebezpiecznymi piratami drogowymi ,  jadącymi np .  tirami .
Tokens: 1_____ 2______ 3___________ 4 5_______ 6_ 7_____ 8_________ 9_____ 10____ 11_____ 12 13__ 14 15 16__ 17____ 18 19_______ 20 21_______ 22_____________ 23______ 24_______ 25 26______ 27 28 29____ 30

Chunks:

2016-10-27 14:59:50,791 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 339 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107710.xml
(ChunkerEvaluator) Sentence #7836 from articles/00107710 from sent1

Text  : Otwarcie terminalu T2 na lotnisku w Gdańsku już w sobotę
Tokens: 1_______ 2________ 3_ 4_ 5_______ 6 7______ 8__ 9 10____

Chunks:
  TruePositive nam [3,3] = T2
  TruePositive nam [7,7] = Gdańsku

(ChunkerEvaluator) Sentence #7837 from articles/00107710 from sent2

Text  : Nadszedł jeden z najważniejszych dni w historii gdańskiego lotniska .
Tokens: 1_______ 2____ 3 4______________ 5__ 6 7_______ 8_________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #7838 from articles/00107710 from sent3

Text  : W sobotę późnym popołudniem uroczyście otwarty zostanie terminal T2 .
Tokens: 1 2_____ 3_____ 4__________ 5_________ 6______ 7_______ 8_______ 9_ 10

Chunks:
  TruePositive nam [9,9] = T2

(ChunkerEvaluator) Sentence #7839 from articles/00107710 from sent4

Text  : Pierwsi pasażerowie skorzystają z niego już w najbliższy czwartek
Tokens: 1______ 2__________ 3__________ 4 5____ 6__ 7 8_________ 9_______

Chunks:

(ChunkerEvaluator) Sentence #7840 from articles/00107710 from sent5

Text  : Budowa ruszyła w lutym 2010 i terminy były bardzo napięte .
Tokens: 1_____ 2______ 3 4____ 5___ 6 7______ 8___ 9_____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #7841 from articles/00107710 from sent6

Text  : Od początku lotnisko było też czerwonym punktem na mapie przygotowań Gdańska do Euro 2012 .
Tokens: 1_ 2_______ 3_______ 4___ 5__ 6________ 7______ 8_ 9____ 10_________ 11_____ 12 13__ 14__ 15

Chunks:
  TruePositive nam [11,11] = Gdańska
  TruePositive nam [13,14] = Euro 2012

(ChunkerEvaluator) Sentence #7842 from articles/00107710 from sent7

Text  : I choć optymistów wierzących , że inwestycja zakończy się zgodnie z  planem ,  było niewielu ,  to jednak się udało .
Tokens: 1 2___ 3_________ 4_________ 5 6_ 7_________ 8_______ 9__ 10_____ 11 12____ 13 14__ 15______ 16 17 18____ 19_ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #7843 from articles/00107710 from sent8

Text  : Koszt inwestycji wyniósł 247 mln zł , z czego 87 mln zł pochodziło z  unijnych dotacji .
Tokens: 1____ 2_________ 3______ 4__ 5__ 6_ 7 8 9____ 10 11_ 12 13________ 14 15______ 16_____ 17

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #7844 from articles/00107710 from sent9

Text  : Dzięki otwarciu m . in . nowego terminalu przepustowość lotniska zwiększy się do 5  mln pasażerów rocznie i  będzie blisko dwukrotnie większa niż obecnie .
Tokens: 1_____ 2_______ 3 4 5_ 6 7_____ 8________ 9____________ 10______ 11______ 12_ 13 14 15_ 16_______ 17_____ 18 19____ 20____ 21________ 22_____ 23_ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #7845 from articles/00107710 from sent10

Text  : W Rębiechowie w ostatnim czasie wybudowano też drogę kołowania ,  płyty postojowe i  stanowisko do odladzania samolotów .
Tokens: 1 2__________ 3 4_______ 5_____ 6_________ 7__ 8____ 9________ 10 11___ 12_______ 13 14________ 15 16________ 17_______ 18

Chunks:
  FalseNegative nam [2,2] = Rębiechowie

(ChunkerEvaluator) Sentence #7846 from articles/00107710 from sent11

Text  : Trwa przebudowa starego terminalu , w którym będzie hala przylotów (  na parterze )  i  odlotów non -  Schengen (  I  piętro )  .
Tokens: 1___ 2_________ 3______ 4________ 5 6 7_____ 8_____ 9___ 10_______ 11 12 13______ 14 15 16_____ 17_ 18 19______ 20 21 22____ 23 24

Chunks:
  FalsePositive nam [17,19] = non - Schengen

(ChunkerEvaluator) Sentence #7847 from articles/00107710 from sent12

Text  : W T2 znajdą się natomiast wszystkie stanowiska check in oraz odloty do strefy Schengen .
Tokens: 1 2_ 3_____ 4__ 5________ 6________ 7_________ 8____ 9_ 10__ 11____ 12 13____ 14______ 15

Chunks:
  TruePositive nam [2,2] = T2
  FalsePositive nam [14,14] = Schengen
  FalseNegative nam [13,14] = strefy Schengen

2016-10-27 14:59:50,844 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 340 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107712.xml
(ChunkerEvaluator) Sentence #7848 from articles/00107712 from sent1

Text  : Babskie miasto Makoffskiej : Sroka na prezydentkę
Tokens: 1______ 2_____ 3__________ 4 5____ 6_ 7__________

Chunks:
  TruePositive nam [3,3] = Makoffskiej
  FalsePositive nam [5,5] = Sroka

(ChunkerEvaluator) Sentence #7849 from articles/00107712 from sent2

Text  : Nie ma więc w Zielonej Górze problemu niskiej dzietności .
Tokens: 1__ 2_ 3___ 4 5_______ 6____ 7_______ 8______ 9_________ 10

Chunks:
  TruePositive nam [5,6] = Zielonej Górze

(ChunkerEvaluator) Sentence #7850 from articles/00107712 from sent3

Text  : Problem tkwi w tym , że nikt u nas nie dba o  interesy kobiet .
Tokens: 1______ 2___ 3 4__ 5 6_ 7___ 8 9__ 10_ 11_ 12 13______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #7851 from articles/00107712 from sent4

Text  : Dlatego jesteśmy miastem srok .
Tokens: 1______ 2_______ 3______ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #7852 from articles/00107712 from sent5

Text  : Tylko one mają tu dogodne warunki do rozmnażania się
Tokens: 1____ 2__ 3___ 4_ 5______ 6______ 7_ 8__________ 9__

Chunks:

(ChunkerEvaluator) Sentence #7853 from articles/00107712 from sent6

Text  : Na Ziemię Lubuską przyleciały bociany , a niedawno ulicami Zielonej Góry przeszedł Marsz dla Życia .
Tokens: 1_ 2_____ 3______ 4__________ 5______ 6 7 8_______ 9______ 10______ 11__ 12_______ 13___ 14_ 15___ 16

Chunks:
  TruePositive nam [2,3] = Ziemię Lubuską
  TruePositive nam [10,11] = Zielonej Góry
  FalsePositive nam [13,13] = Marsz
  FalsePositive nam [15,15] = Życia
  FalseNegative nam [13,15] = Marsz dla Życia

(ChunkerEvaluator) Sentence #7854 from articles/00107712 from sent7

Text  : Mogło by to sugerować , że już wkrótce będzie nas więcej ,  ale umówmy się -  z  boćkami to taka sama bujda jak z  kapustą ,  a  i  maszerowanie ,  choćby pod najświętszym sztandarem ,  do zapłodnienia nie prowadzi .
Tokens: 1____ 2_ 3_ 4________ 5 6_ 7__ 8______ 9_____ 10_ 11____ 12 13_ 14____ 15_ 16 17 18_____ 19 20__ 21__ 22___ 23_ 24 25_____ 26 27 28 29__________ 30 31____ 32_ 33__________ 34________ 35 36 37__________ 38_ 39______ 40

Chunks:

(ChunkerEvaluator) Sentence #7855 from articles/00107712 from sent8

Text  : Podobno do tego trzeba seksu
Tokens: 1______ 2_ 3___ 4_____ 5____

Chunks:

(ChunkerEvaluator) Sentence #7856 from articles/00107712 from sent9

Text  : Tak rozpowiadają w szkole po korytarzach , ale nastolatki wiedzą to tylko z  plotek ,  bo w  naszym mieście edukacji seksualnej się nie uprawia ,  a  jak już jakieś odważne ciało pedagogiczne mierzy się z  tematem ,  to raczej operuje obrazową metaforą o  jednookim wężu wślizgującym się do jaskini albo o  miękkim gnieździe dla ptaszka .
Tokens: 1__ 2___________ 3 4_____ 5_ 6__________ 7 8__ 9_________ 10____ 11 12___ 13 14____ 15 16 17 18____ 19_____ 20______ 21________ 22_ 23_ 24_____ 25 26 27_ 28_ 29____ 30_____ 31___ 32__________ 33____ 34_ 35 36_____ 37 38 39____ 40_____ 41______ 42______ 43 44_______ 45__ 46__________ 47_ 48 49_____ 50__ 51 52_____ 53_______ 54_ 55_____ 56

Chunks:

(ChunkerEvaluator) Sentence #7857 from articles/00107712 from sent10

Text  : To z reguły wystarcza , by tak rozbawić rozbrykanych gimnazjalistów ,  że do dzwonka trzeba ich uspokajać ,  a  w  zaprowadzaniu dyscypliny nauczyciele mają znacznie większe doświadczenie niż w  rozmowach o  seksie .
Tokens: 1_ 2 3_____ 4________ 5 6_ 7__ 8_______ 9___________ 10____________ 11 12 13 14_____ 15____ 16_ 17_______ 18 19 20 21___________ 22________ 23_________ 24__ 25______ 26_____ 27___________ 28_ 29 30_______ 31 32____ 33

Chunks:

(ChunkerEvaluator) Sentence #7858 from articles/00107712 from sent11

Text  : Podobno do tego trzeba faceta
Tokens: 1______ 2_ 3___ 4_____ 5_____

Chunks:

(ChunkerEvaluator) Sentence #7859 from articles/00107712 from sent12

Text  : I była by to zdecydowanie niedobra wiadomość , bo mężczyzn w  okolicy coraz mniej .
Tokens: 1 2___ 3_ 4_ 5___________ 6_______ 7________ 8 9_ 10______ 11 12_____ 13___ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #7860 from articles/00107712 from sent13

Text  : Narodowy spis powszechny pokazuje , że w województwie lubuskim na 108 kobiet przypada 100 mężczyzn ,  na dodatek gorzej wykształconych i  lichszego zdrowia .
Tokens: 1_______ 2___ 3_________ 4_______ 5 6_ 7 8___________ 9_______ 10 11_ 12____ 13______ 14_ 15______ 16 17 18_____ 19____ 20____________ 21 22_______ 23_____ 24

Chunks:
  TruePositive nam [9,9] = lubuskim

(ChunkerEvaluator) Sentence #7861 from articles/00107712 from sent14

Text  : Z rodzimej kinematografii znamy jednak scenariusze , w których do rozrodczości wcale nie trzeba dwojga ,  a  przy odrobinie silnej woli i  propagandy da się nawet w  społeczeństwie zaszczepić przekonanie ,  że Kopernik była kobietą .
Tokens: 1 2_______ 3_____________ 4____ 5_____ 6__________ 7 8 9______ 10 11__________ 12___ 13_ 14____ 15____ 16 17 18__ 19_______ 20____ 21__ 22 23________ 24 25_ 26___ 27 28____________ 29________ 30_________ 31 32 33______ 34__ 35_____ 36

Chunks:
  TruePositive nam [33,33] = Kopernik

(ChunkerEvaluator) Sentence #7862 from articles/00107712 from sent15

Text  : Jestem za tym , by już dziś zacząć pijarowskie majsterkowanie nad wizerunkiem naszych rządzących ,  z  Janką Kubicką na czele ,  by płeć władzy należycie reprezentowała płeć poddanych .
Tokens: 1_____ 2_ 3__ 4 5_ 6__ 7___ 8_____ 9__________ 10____________ 11_ 12_________ 13_____ 14________ 15 16 17___ 18_____ 19 20___ 21 22 23__ 24____ 25_______ 26____________ 27__ 28_______ 29

Chunks:
  TruePositive nam [17,18] = Janką Kubicką

(ChunkerEvaluator) Sentence #7863 from articles/00107712 from sent16

Text  : Podobno jest to przyjemne
Tokens: 1______ 2___ 3_ 4________

Chunks:

(ChunkerEvaluator) Sentence #7864 from articles/00107712 from sent17

Text  : Znany seksuolog z Uniwersytetu Zielonogórskiego , prof . Zbigniew Izdebski ,  przebadał Polaków wzdłuż i  wszerz i  wyszło mu ,  że mieszkańcy Ziemi Lubuskiej są ze swoich wyczynów seksualnych zadowoleni najbardziej w  kraju .
Tokens: 1____ 2________ 3 4___________ 5_______________ 6 7___ 8 9_______ 10______ 11 12_______ 13_____ 14____ 15 16____ 17 18____ 19 20 21 22________ 23___ 24_______ 25 26 27____ 28______ 29_________ 30________ 31_________ 32 33___ 34

Chunks:
  TruePositive nam [4,5] = Uniwersytetu Zielonogórskiego
  TruePositive nam [9,10] = Zbigniew Izdebski
  TruePositive nam [13,13] = Polaków
  TruePositive nam [23,24] = Ziemi Lubuskiej

(ChunkerEvaluator) Sentence #7865 from articles/00107712 from sent18

Text  : To mogło by oznaczać , że u nas seks jest najlepszy i  najbardziej upojny .
Tokens: 1_ 2____ 3_ 4_______ 5 6_ 7 8__ 9___ 10__ 11_______ 12 13_________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #7866 from articles/00107712 from sent19

Text  : Nic bardziej mylnego .
Tokens: 1__ 2_______ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #7867 from articles/00107712 from sent20

Text  : Izdebski opowiada anegdotę o pani po pięćdziesiątce , która zapytana ,  czy satysfakcjonuje ją pożycie seksualne ,  odpowiada :  „  O  tak ,  bardzo .
Tokens: 1_______ 2_______ 3_______ 4 5___ 6_ 7_____________ 8 9____ 10______ 11 12_ 13_____________ 14 15_____ 16_______ 17 18_______ 19 20 21 22_ 23 24____ 25

Chunks:
  TruePositive nam [1,1] = Izdebski

(ChunkerEvaluator) Sentence #7868 from articles/00107712 from sent21

Text  : Już nie muszę tego robić tak często .
Tokens: 1__ 2__ 3____ 4___ 5____ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #7869 from articles/00107712 from sent22

Text  : Ostatnio kochała m się 2 lata temu .
Tokens: 1_______ 2______ 3 4__ 5 6___ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #7870 from articles/00107712 from sent23

Text  : Jest wspaniale ” .
Tokens: 1___ 2________ 3 4

Chunks:

(ChunkerEvaluator) Sentence #7871 from articles/00107712 from sent24

Text  : Podobnie młodzi ludzie : co piąty woli podłączenie do Internetu aniżeli nudne zbliżenie płci w  realu .
Tokens: 1_______ 2_____ 3_____ 4 5_ 6____ 7___ 8__________ 9_ 10_______ 11_____ 12___ 13_______ 14__ 15 16___ 17

Chunks:
  TruePositive nam [10,10] = Internetu

(ChunkerEvaluator) Sentence #7872 from articles/00107712 from sent25

Text  : Podobno jest to poważny problem
Tokens: 1______ 2___ 3_ 4______ 5______

Chunks:

(ChunkerEvaluator) Sentence #7873 from articles/00107712 from sent26

Text  : Bo niż demograficzny , bo kryzys rodziny , bo krach systemu emerytalnego ,  bo zagrożony rozwój ekonomiczny i  marny militarny -  gardłują nam różni panowie (  fakt ,  że niektórzy w  sukienkach )  .
Tokens: 1_ 2__ 3____________ 4 5_ 6_____ 7______ 8 9_ 10___ 11_____ 12__________ 13 14 15_______ 16____ 17_________ 18 19___ 20_______ 21 22______ 23_ 24___ 25_____ 26 27__ 28 29 30_______ 31 32________ 33 34

Chunks:

(ChunkerEvaluator) Sentence #7874 from articles/00107712 from sent27

Text  : Nie znam jednak nikogo , kto zdecydował by się na dziecko ,  by te problemy rozwiązać ;  nie słyszała m  ,  żeby ciężarne w  szkole rodzenia rozprawiały :  „  Pomyślała m  ,  że dzięki maluszkowi wesprę gospodarkę państwa .
Tokens: 1__ 2___ 3_____ 4_____ 5 6__ 7_________ 8_ 9__ 10 11_____ 12 13 14 15______ 16_______ 17 18_ 19______ 20 21 22__ 23______ 24 25____ 26______ 27_________ 28 29 30_______ 31 32 33 34____ 35________ 36____ 37________ 38_____ 39

Chunks:

(ChunkerEvaluator) Sentence #7875 from articles/00107712 from sent28

Text  : A ja chciała m mojego dla armii Moje bliźniaki zapracują na emeryturę dla starców !
Tokens: 1 2_ 3______ 4 5_____ 6__ 7____ 8___ 9________ 10_______ 11 12_______ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7876 from articles/00107712 from sent29

Text  : A moja malutka podtrzyma równowagę pokoleń ” .
Tokens: 1 2___ 3______ 4________ 5________ 6______ 7 8

Chunks:

(ChunkerEvaluator) Sentence #7877 from articles/00107712 from sent30

Text  : Ale słyszała m , jak się martwią o kompetencje położnika ,  wydatki na nianię ,  ceny ubranek i  pieluch ,  o  to ,  kto posprząta po pępkowym i  czy szef ich nie zwolni z  pracy Wiele tych zmartwień .
Tokens: 1__ 2_______ 3 4 5__ 6__ 7______ 8 9__________ 10_______ 11 12_____ 13 14____ 15 16__ 17_____ 18 19_____ 20 21 22 23 24_ 25_______ 26 27______ 28 29_ 30__ 31_ 32_ 33____ 34 35___ 36___ 37__ 38_______ 39

Chunks:

(ChunkerEvaluator) Sentence #7878 from articles/00107712 from sent31

Text  : Nie ma więc w Zielonej Górze problemu niskiej dzietności .
Tokens: 1__ 2_ 3___ 4 5_______ 6____ 7_______ 8______ 9_________ 10

Chunks:
  TruePositive nam [5,6] = Zielonej Górze

(ChunkerEvaluator) Sentence #7879 from articles/00107712 from sent32

Text  : Problem tkwi w tym , że nikt u nas nie dba o  interesy kobiet .
Tokens: 1______ 2___ 3 4__ 5 6_ 7___ 8 9__ 10_ 11_ 12 13______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #7880 from articles/00107712 from sent33

Text  : Dlatego jesteśmy miastem srok .
Tokens: 1______ 2_______ 3______ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #7881 from articles/00107712 from sent34

Text  : Tylko one mają tu dogodne warunki do rozmnażania się .
Tokens: 1____ 2__ 3___ 4_ 5______ 6______ 7_ 8__________ 9__ 10

Chunks:

2016-10-27 14:59:51,020 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 341 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107713.xml
(ChunkerEvaluator) Sentence #7882 from articles/00107713 from sent1

Text  : Korki i remonty na drogach w Krakowie
Tokens: 1____ 2 3______ 4_ 5______ 6 7_______

Chunks:
  TruePositive nam [7,7] = Krakowie

(ChunkerEvaluator) Sentence #7883 from articles/00107713 from sent2

Text  : W centrum miasta rozpoczął się remont ul . św .  Filipa .
Tokens: 1 2______ 3_____ 4________ 5__ 6_____ 7_ 8 9_ 10 11____ 12

Chunks:
  TruePositive nam [9,11] = św . Filipa

(ChunkerEvaluator) Sentence #7884 from articles/00107713 from sent3

Text  : W Krakowie trwa także akcja łatania dziur po zimie .
Tokens: 1 2_______ 3___ 4____ 5____ 6______ 7____ 8_ 9____ 10

Chunks:
  TruePositive nam [2,2] = Krakowie

(ChunkerEvaluator) Sentence #7885 from articles/00107713 from sent4

Text  : Korki na al . 29 Listopada .
Tokens: 1____ 2_ 3_ 4 5_ 6________ 7

Chunks:
  FalseNegative nam [5,6] = 29 Listopada

(ChunkerEvaluator) Sentence #7886 from articles/00107713 from sent5

Text  : Tam szpaler samochodów ciągnie się od Górni Narodowej do Opolskiej oraz na Rakowickiej .
Tokens: 1__ 2______ 3_________ 4______ 5__ 6_ 7____ 8________ 9_ 10_______ 11__ 12 13_________ 14

Chunks:
  FalsePositive nam [7,10] = Górni Narodowej do Opolskiej
  FalseNegative nam [7,8] = Górni Narodowej
  FalseNegative nam [10,10] = Opolskiej
  FalseNegative nam [13,13] = Rakowickiej

(ChunkerEvaluator) Sentence #7887 from articles/00107713 from sent6

Text  : Wzmożony ruch również na Opolskiej w kierunku Nowohuckiej , a  także na Wielickiej od Nowosądeckiej ,  bardzo tłoczno na Bronowickiej i  Czarnowiejskiej ,  Zakopiańskiej i  na al .  Trzech Wieszczów .
Tokens: 1_______ 2___ 3______ 4_ 5________ 6 7_______ 8__________ 9 10 11___ 12 13________ 14 15___________ 16 17____ 18_____ 19 20__________ 21 22_____________ 23 24___________ 25 26 27 28 29____ 30_______ 31

Chunks:
  TruePositive nam [5,5] = Opolskiej
  TruePositive nam [8,8] = Nowohuckiej
  TruePositive nam [13,13] = Wielickiej
  TruePositive nam [15,15] = Nowosądeckiej
  TruePositive nam [20,20] = Bronowickiej
  TruePositive nam [24,24] = Zakopiańskiej
  TruePositive nam [29,30] = Trzech Wieszczów
  FalseNegative nam [22,22] = Czarnowiejskiej

(ChunkerEvaluator) Sentence #7888 from articles/00107713 from sent7

Text  : W regionie ciasno na krajowej „ czwórce ” .
Tokens: 1 2_______ 3_____ 4_ 5_______ 6 7______ 8 9

Chunks:
  FalseNegative nam [5,8] = krajowej „ czwórce ”

(ChunkerEvaluator) Sentence #7889 from articles/00107713 from sent8

Text  : W centrum miasta rozpoczął się remont ul . św .  Filipa .
Tokens: 1 2______ 3_____ 4________ 5__ 6_____ 7_ 8 9_ 10 11____ 12

Chunks:
  TruePositive nam [9,11] = św . Filipa

(ChunkerEvaluator) Sentence #7890 from articles/00107713 from sent9

Text  : Z ruchu wyłączony jest odcinek od ul . Długiej do Kleparza .
Tokens: 1 2____ 3________ 4___ 5______ 6_ 7_ 8 9______ 10 11______ 12

Chunks:
  TruePositive nam [9,9] = Długiej
  TruePositive nam [11,11] = Kleparza

(ChunkerEvaluator) Sentence #7891 from articles/00107713 from sent10

Text  : Prace potrwają do końca sierpnia z przerwą na Euro 2012 (  od 8  do 28 czerwca )  .
Tokens: 1____ 2_______ 3_ 4____ 5_______ 6 7______ 8_ 9___ 10__ 11 12 13 14 15 16_____ 17 18

Chunks:
  TruePositive nam [9,10] = Euro 2012

(ChunkerEvaluator) Sentence #7892 from articles/00107713 from sent11

Text  : W Krakowie trwa także akcja łatania dziur po zimie .
Tokens: 1 2_______ 3___ 4____ 5____ 6______ 7____ 8_ 9____ 10

Chunks:
  TruePositive nam [2,2] = Krakowie

(ChunkerEvaluator) Sentence #7893 from articles/00107713 from sent12

Text  : Dziś przez cały dzień drogowcy będą uzupełniać ubytki - w  związku z  tym w  całym mieście można spodziewać się chwilowych utrudnień .
Tokens: 1___ 2____ 3___ 4____ 5_______ 6___ 7_________ 8_____ 9 10 11_____ 12 13_ 14 15___ 16_____ 17___ 18________ 19_ 20________ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #7894 from articles/00107713 from sent13

Text  : W poniedziałek pogoda w Małopolsce w kratkę .
Tokens: 1 2___________ 3_____ 4 5_________ 6 7_____ 8

Chunks:
  TruePositive nam [5,5] = Małopolsce

(ChunkerEvaluator) Sentence #7895 from articles/00107713 from sent14

Text  : Możliwe przelotne opary deszczu .
Tokens: 1______ 2________ 3____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #7896 from articles/00107713 from sent15

Text  : Wietrznie .
Tokens: 1________ 2

Chunks:

(ChunkerEvaluator) Sentence #7897 from articles/00107713 from sent16

Text  : Temperatura od 4 st . C w Zakopanem do 8  4  st .  C  w  północnej części regionu .
Tokens: 1__________ 2_ 3 4_ 5 6 7 8________ 9_ 10 11 12 13 14 15 16_______ 17____ 18_____ 19

Chunks:
  TruePositive nam [8,8] = Zakopanem

(ChunkerEvaluator) Sentence #7898 from articles/00107713 from sent17

Text  : W Tatrach wysoki trzeci stopień zagrożenia lawinowego .
Tokens: 1 2______ 3_____ 4_____ 5______ 6_________ 7_________ 8

Chunks:
  TruePositive nam [2,2] = Tatrach

(ChunkerEvaluator) Sentence #7899 from articles/00107713 from sent18

Text  : Warunki do uprawiania turystyki w Tatrach są trudne .
Tokens: 1______ 2_ 3_________ 4________ 5 6______ 7_ 8_____ 9

Chunks:
  TruePositive nam [6,6] = Tatrach

(ChunkerEvaluator) Sentence #7900 from articles/00107713 from sent19

Text  : Szlaki pokrywa gruba warstwa świeżego śniegu ; są nieprzetarte ,  a  ich torowanie jest wyczerpujące .
Tokens: 1_____ 2______ 3____ 4______ 5_______ 6_____ 7 8_ 9___________ 10 11 12_ 13_______ 14__ 15__________ 16

Chunks:

(ChunkerEvaluator) Sentence #7901 from articles/00107713 from sent20

Text  : W wyższych partiach wieje silny , porywisty wiatr a na niektórych szlakach można spotkać powalone drzewa .
Tokens: 1 2_______ 3_______ 4____ 5____ 6 7________ 8____ 9 10 11________ 12______ 13___ 14_____ 15______ 16____ 17

Chunks:

2016-10-27 14:59:51,095 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 342 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107714.xml
(ChunkerEvaluator) Sentence #7902 from articles/00107714 from sent1

Text  : Urząd Miasta zwalnia .
Tokens: 1____ 2_____ 3______ 4

Chunks:
  FalseNegative nam [1,2] = Urząd Miasta

(ChunkerEvaluator) Sentence #7903 from articles/00107714 from sent2

Text  : „ Schodzimy poniżej tysiąca osób ”
Tokens: 1 2________ 3______ 4______ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #7904 from articles/00107714 from sent3

Text  : Od poniedziałku w urzędzie miejskim obowiązuje nowa organizacja pracy -  etaty traci 37 osób ,  a  magistrat w  przyszłym roku ma na tym ruchu zaoszczędzić 2  mln zł .
Tokens: 1_ 2___________ 3 4_______ 5_______ 6_________ 7___ 8__________ 9____ 10 11___ 12___ 13 14__ 15 16 17_______ 18 19_______ 20__ 21 22 23_ 24___ 25__________ 26 27_ 28 29

Chunks:
  TruePositive nam [28,28] = zł

(ChunkerEvaluator) Sentence #7905 from articles/00107714 from sent4

Text  : W sprawie oszczędności i zwolnień prezydent Szczecina zwołał specjalną konferencję prasową
Tokens: 1 2______ 3___________ 4 5_______ 6________ 7________ 8_____ 9________ 10_________ 11_____

Chunks:
  TruePositive nam [7,7] = Szczecina

(ChunkerEvaluator) Sentence #7906 from articles/00107714 from sent5

Text  : - Schodzimy do zatrudnienia poniżej tysiąca osób .
Tokens: 1 2________ 3_ 4___________ 5______ 6______ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #7907 from articles/00107714 from sent6

Text  : Teraz w urzędzie miejskim będą 993 etaty - powiedział i  dodał :  -  Ważne aby śmy oszczędności szukali także na naszych strukturach .
Tokens: 1____ 2 3_______ 4_______ 5___ 6__ 7____ 8 9_________ 10 11___ 12 13 14___ 15_ 16_ 17__________ 18_____ 19___ 20 21_____ 22_________ 23

Chunks:

(ChunkerEvaluator) Sentence #7908 from articles/00107714 from sent7

Text  : W magistracie cięcia nie będą jednak dotkliwe .
Tokens: 1 2__________ 3_____ 4__ 5___ 6_____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #7909 from articles/00107714 from sent8

Text  : Kto straci pracę ?
Tokens: 1__ 2_____ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #7910 from articles/00107714 from sent9

Text  : Większość - 20 osób - to urzędnicy w wieku emerytalnym .
Tokens: 1________ 2 3_ 4___ 5 6_ 7________ 8 9____ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #7911 from articles/00107714 from sent10

Text  : Ustawa o pracownikach samorządowych gwarantuje , że po przejściu na emeryturę -  magistrat będzie musiał wypłacić im odprawy w  wysokości dwukrotności ,  a  nawet sześciokrotności miesięcznej pensji .
Tokens: 1_____ 2 3___________ 4____________ 5_________ 6 7_ 8_ 9________ 10 11_______ 12 13_______ 14____ 15____ 16______ 17 18_____ 19 20_______ 21__________ 22 23 24___ 25______________ 26_________ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #7912 from articles/00107714 from sent11

Text  : Odprawa zależy od okresu zatrudnienia w samorządzie , im dłuższy -  tym wyższa odprawa .
Tokens: 1______ 2_____ 3_ 4_____ 5___________ 6 7__________ 8 9_ 10_____ 11 12_ 13____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7913 from articles/00107714 from sent12

Text  : Prezydent zastosował też dodatkowe zachęty .
Tokens: 1________ 2_________ 3__ 4________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #7914 from articles/00107714 from sent13

Text  : Każdy z urzędników , który zdecyduje się odejść na emeryturę ,  dostanie jeszcze 5  tys .  zł ekstra .
Tokens: 1____ 2 3_________ 4 5____ 6________ 7__ 8_____ 9_ 10_______ 11 12______ 13_____ 14 15_ 16 17 18____ 19

Chunks:
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #7915 from articles/00107714 from sent14

Text  : - To taki quasi program dobrowolnych odejść - mówi Krzystek .
Tokens: 1 2_ 3___ 4____ 5______ 6___________ 7_____ 8 9___ 10______ 11

Chunks:
  FalseNegative nam [10,10] = Krzystek

(ChunkerEvaluator) Sentence #7916 from articles/00107714 from sent15

Text  : - Należy pamiętać , że przejście na emeryturę jest przywilejem ,  a  nie obowiązkiem .
Tokens: 1 2_____ 3_______ 4 5_ 6________ 7_ 8________ 9___ 10_________ 11 12 13_ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #7917 from articles/00107714 from sent16

Text  : Oprócz emerytów trzy etaty stracą osoby w sile wieku .
Tokens: 1_____ 2_______ 3___ 4____ 5_____ 6____ 7 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #7918 from articles/00107714 from sent17

Text  : - W wyniku reorganizacji ich stanowiska pracy zostały zlikwidowane -  wyjaśnił sekretarz miasta Ryszard Słoka ,  prawa ręka Krzystka w  sprawach kadrowych .
Tokens: 1 2 3_____ 4____________ 5__ 6_________ 7____ 8______ 9___________ 10 11______ 12_______ 13____ 14_____ 15___ 16 17___ 18__ 19______ 20 21______ 22_______ 23

Chunks:
  TruePositive nam [14,15] = Ryszard Słoka
  FalseNegative nam [19,19] = Krzystka

(ChunkerEvaluator) Sentence #7919 from articles/00107714 from sent18

Text  : Jest jeszcze grupa 14 osób , która tylko formalnie straci pracę .
Tokens: 1___ 2______ 3____ 4_ 5___ 6 7____ 8____ 9________ 10____ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #7920 from articles/00107714 from sent19

Text  : Nie będzie bezpośrednio podlegać prezydentowi , a przejdzie do miejskiej jednostki Zarząd Budynków i  Lokali Komunalnych .
Tokens: 1__ 2_____ 3___________ 4_______ 5___________ 6 7 8________ 9_ 10_______ 11_______ 12____ 13______ 14 15____ 16_________ 17

Chunks:
  FalsePositive nam [12,13] = Zarząd Budynków
  FalsePositive nam [15,16] = Lokali Komunalnych
  FalseNegative nam [12,16] = Zarząd Budynków i Lokali Komunalnych

(ChunkerEvaluator) Sentence #7921 from articles/00107714 from sent20

Text  : Ta przeprowadzka spotka pracowników Wydziału Gospodarki Nieruchomościami .
Tokens: 1_ 2____________ 3_____ 4__________ 5_______ 6_________ 7_______________ 8

Chunks:
  TruePositive nam [5,7] = Wydziału Gospodarki Nieruchomościami

(ChunkerEvaluator) Sentence #7922 from articles/00107714 from sent21

Text  : Biurka i adres pracy zmienią 1 maja .
Tokens: 1_____ 2 3____ 4____ 5______ 6 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #7923 from articles/00107714 from sent22

Text  : Przejście urzędników na emerytury , likwidacja dwóch etatów i przeprowadzka 14 urzędników w  rubryce :  fundusz płac w  magistracie -  ma przynieść 2  mln zł oszczędności .
Tokens: 1________ 2_________ 3_ 4________ 5 6_________ 7____ 8_____ 9 10___________ 11 12________ 13 14_____ 15 16_____ 17__ 18 19_________ 20 21 22_______ 23 24_ 25 26__________ 27

Chunks:
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #7924 from articles/00107714 from sent23

Text  : Efekty będzie widać w przyszłym roku .
Tokens: 1_____ 2_____ 3____ 4 5________ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #7925 from articles/00107714 from sent24

Text  : Jak zaznaczył Krzystek , likwidację blisko 40 etatów umożliwiła nowa organizacja pracy urzędu .
Tokens: 1__ 2________ 3_______ 4 5_________ 6_____ 7_ 8_____ 9_________ 10__ 11_________ 12___ 13____ 14

Chunks:
  FalseNegative nam [3,3] = Krzystek

(ChunkerEvaluator) Sentence #7926 from articles/00107714 from sent25

Text  : Co te zmiany oznaczają dla petentów .
Tokens: 1_ 2_ 3_____ 4________ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #7927 from articles/00107714 from sent26

Text  : - W obsłudze mieszkańców nic się nie zmieni .
Tokens: 1 2 3_______ 4__________ 5__ 6__ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #7928 from articles/00107714 from sent27

Text  : - Sprawy szczecinian będą załatwiane na tym samym dobrym poziomie -  odpowiadał Piotr Krzystek .
Tokens: 1 2_____ 3__________ 4___ 5_________ 6_ 7__ 8____ 9_____ 10______ 11 12________ 13___ 14______ 15

Chunks:
  TruePositive nam [13,14] = Piotr Krzystek
  FalseNegative nam [3,3] = szczecinian

(ChunkerEvaluator) Sentence #7929 from articles/00107714 from sent28

Text  : Taka sama reorganizacja pracy przeprowadzana jest także w innych zakładach budżetowych i  spółkach gminy Szczecin .
Tokens: 1___ 2___ 3____________ 4____ 5_____________ 6___ 7____ 8 9_____ 10_______ 11_________ 12 13______ 14___ 15______ 16

Chunks:
  TruePositive nam [15,15] = Szczecin

(ChunkerEvaluator) Sentence #7930 from articles/00107714 from sent29

Text  : Jak wyjaśniał Krzystek , skala zwolnień pracowników zostanie przeprowadzona na podobnym poziomie jak w  magistracie .
Tokens: 1__ 2________ 3_______ 4 5____ 6_______ 7__________ 8_______ 9_____________ 10 11______ 12______ 13_ 14 15_________ 16

Chunks:
  FalseNegative nam [3,3] = Krzystek

(ChunkerEvaluator) Sentence #7931 from articles/00107714 from sent30

Text  : W przyszłym roku w urzędzie miejskim kolejne zwolnienia .
Tokens: 1 2________ 3___ 4 5_______ 6_______ 7______ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #7932 from articles/00107714 from sent31

Text  : Ile osób straci etaty ?
Tokens: 1__ 2___ 3_____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #7933 from articles/00107714 from sent32

Text  : - Te dane będą znane późną jesienią - odpowiada Krzystek .
Tokens: 1 2_ 3___ 4___ 5____ 6____ 7_______ 8 9________ 10______ 11

Chunks:
  FalseNegative nam [10,10] = Krzystek

2016-10-27 14:59:51,223 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 343 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107715.xml
(ChunkerEvaluator) Sentence #7934 from articles/00107715 from sent1

Text  : Wyłączą światła na objeździe .
Tokens: 1______ 2______ 3_ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #7935 from articles/00107715 from sent2

Text  : Ruch się upłynni ?
Tokens: 1___ 2__ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #7936 from articles/00107715 from sent3

Text  : Codziennie w godzinach porannego szczytu komunikacyjnego sygnalizacja świetna na skrzyżowaniu ulic Budowlanych i  Kępskiej będzie wyłączona .
Tokens: 1_________ 2 3________ 4________ 5______ 6______________ 7___________ 8______ 9_ 10__________ 11__ 12_________ 13 14______ 15____ 16_______ 17

Chunks:
  TruePositive nam [12,12] = Budowlanych
  FalseNegative nam [14,14] = Kępskiej

(ChunkerEvaluator) Sentence #7937 from articles/00107715 from sent4

Text  : Zdaniem drogowców i policji zmiana ta powinna znacznie usprawnić w  tym miejscu .
Tokens: 1______ 2________ 3 4______ 5_____ 6_ 7______ 8_______ 9________ 10 11_ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #7938 from articles/00107715 from sent5

Text  : Skrzyżowanie to znajduje się na trasie objazdu remontowanego wiaduktu na obwodnicy północnej .
Tokens: 1___________ 2_ 3_______ 4__ 5_ 6_____ 7______ 8____________ 9_______ 10 11_______ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #7939 from articles/00107715 from sent6

Text  : Ruch na modernizowanym obiekcie odbywa się wyłącznie w kierunku Wrocławia ,  zaś kierowcy jadący w  kierunku Katowic muszą zjeżdżać z  obwodnicy w  ulicę Budowlanych ,  potem skręcić w  lewo w  ul .  Kępską ,  potem znowu w  lewo na ul .  Luboszycką ,  z  której wracają na obwodnicę .
Tokens: 1___ 2_ 3_____________ 4_______ 5_____ 6__ 7________ 8 9_______ 10_______ 11 12_ 13______ 14____ 15 16______ 17_____ 18___ 19______ 20 21_______ 22 23___ 24_________ 25 26___ 27_____ 28 29__ 30 31 32 33____ 34 35___ 36___ 37 38__ 39 40 41 42________ 43 44 45____ 46_____ 47 48_______ 49

Chunks:
  TruePositive nam [10,10] = Wrocławia
  TruePositive nam [17,17] = Katowic
  TruePositive nam [42,42] = Luboszycką
  FalseNegative nam [24,24] = Budowlanych
  FalseNegative nam [33,33] = Kępską

(ChunkerEvaluator) Sentence #7940 from articles/00107715 from sent7

Text  : Zdaniem policji winne tego były sygnalizatory ustawione na skrzyżowaniu ulic Budowlanych i  Kępskiej .
Tokens: 1______ 2______ 3____ 4___ 5___ 6____________ 7________ 8_ 9___________ 10__ 11_________ 12 13______ 14

Chunks:
  TruePositive nam [11,11] = Budowlanych
  TruePositive nam [13,13] = Kępskiej

(ChunkerEvaluator) Sentence #7941 from articles/00107715 from sent8

Text  : Dlatego po konsultacji z Miejskim Zarządem Dróg zapadła decyzja ,  by podczas porannego szczytu światła tam wyłączać .
Tokens: 1______ 2_ 3__________ 4 5_______ 6_______ 7___ 8______ 9______ 10 11 12_____ 13_______ 14_____ 15_____ 16_ 17______ 18

Chunks:
  TruePositive nam [5,7] = Miejskim Zarządem Dróg

(ChunkerEvaluator) Sentence #7942 from articles/00107715 from sent9

Text  : - O tej porze ruch odbywa się przede wszystkim w  kierunku Opola .
Tokens: 1 2 3__ 4____ 5___ 6_____ 7__ 8_____ 9________ 10 11______ 12___ 13

Chunks:
  TruePositive nam [12,12] = Opola

(ChunkerEvaluator) Sentence #7943 from articles/00107715 from sent10

Text  : Światła ten ruch niepotrzebnie wstrzymują .
Tokens: 1______ 2__ 3___ 4____________ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #7944 from articles/00107715 from sent11

Text  : Po ich wyłączeniu odbywa się on znacznie bardziej płynnie -  przekonuje Dariusz Bernacki ,  naczelnik wydziału ruchu drogowego komendy wojewódzkiej policji w  Opolu .
Tokens: 1_ 2__ 3_________ 4_____ 5__ 6_ 7_______ 8_______ 9______ 10 11________ 12_____ 13______ 14 15_______ 16______ 17___ 18_______ 19_____ 20__________ 21_____ 22 23___ 24

Chunks:
  TruePositive nam [12,13] = Dariusz Bernacki
  TruePositive nam [23,23] = Opolu

(ChunkerEvaluator) Sentence #7945 from articles/00107715 from sent12

Text  : Nie zanosi się jednak na to , aby światła były wyłączane na ul .  Budowlanych także po południu .
Tokens: 1__ 2_____ 3__ 4_____ 5_ 6_ 7 8__ 9______ 10__ 11_______ 12 13 14 15_________ 16___ 17 18______ 19

Chunks:
  FalseNegative nam [15,15] = Budowlanych

(ChunkerEvaluator) Sentence #7946 from articles/00107715 from sent13

Text  : - Wtedy ruch tranzytowy odbywający się objazdem jest zbyt duży .
Tokens: 1 2____ 3___ 4_________ 5_________ 6__ 7_______ 8___ 9___ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #7947 from articles/00107715 from sent14

Text  : A że pojazdy poruszające się po trasie objazdu mają pierwszeństwo ,  istniało by ryzyko ,  że ruch w  kierunku obwodnicy był by wstrzymywany -  zauważa Bernacki .
Tokens: 1 2_ 3______ 4__________ 5__ 6_ 7_____ 8______ 9___ 10___________ 11 12______ 13 14____ 15 16 17__ 18 19______ 20_______ 21_ 22 23__________ 24 25_____ 26______ 27

Chunks:
  FalseNegative nam [26,26] = Bernacki

(ChunkerEvaluator) Sentence #7948 from articles/00107715 from sent15

Text  : Utrudnienia związane z remontem wiaduktu na obwodnicy potrwają co najmniej do pierwszych dni czerwca .
Tokens: 1__________ 2_______ 3 4_______ 5_______ 6_ 7________ 8_______ 9_ 10______ 11 12________ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #7949 from articles/00107715 from sent16

Text  : Wteyd bowiem inwestycja ma być zakończona .
Tokens: 1____ 2_____ 3_________ 4_ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #7950 from articles/00107715 from sent17

Text  : Jej koszt to 3 , 3 mln zł .
Tokens: 1__ 2____ 3_ 4 5 6 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #7951 from articles/00107715 from sent18

Text  : Tu non stop możesz śledzić , gdzie tworzą się korki .
Tokens: 1_ 2__ 3___ 4_____ 5______ 6 7____ 8_____ 9__ 10___ 11

Chunks:

2016-10-27 14:59:51,306 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 344 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107716.xml
(ChunkerEvaluator) Sentence #7952 from articles/00107716 from sent1

Text  : Sąd odroczył rozprawę ; brak podpisu Z . Ziobry na apelacji
Tokens: 1__ 2_______ 3_______ 4 5___ 6______ 7 8 9_____ 10 11______

Chunks:
  FalsePositive nam [9,9] = Ziobry
  FalseNegative nam [7,9] = Z . Ziobry

(ChunkerEvaluator) Sentence #7953 from articles/00107716 from sent2

Text  : Z powodu braku podpisu Zbigniewa Ziobry pod wniesioną przez niego apelacją Sąd Apelacyjny w  Krakowie odroczył we wtorek rozprawę apelacyjną w  procesie wytoczonym Ziobrze przez Grzegorza Schetynę o  zniesławienie go na antenie Radia Maryja .
Tokens: 1 2_____ 3____ 4______ 5________ 6_____ 7__ 8________ 9____ 10___ 11______ 12_ 13________ 14 15______ 16______ 17 18____ 19______ 20________ 21 22______ 23________ 24_____ 25___ 26_______ 27______ 28 29___________ 30 31 32_____ 33___ 34____ 35

Chunks:
  TruePositive nam [5,6] = Zbigniewa Ziobry
  TruePositive nam [24,24] = Ziobrze
  TruePositive nam [26,27] = Grzegorza Schetynę
  TruePositive nam [33,34] = Radia Maryja
  FalsePositive nam [12,15] = Sąd Apelacyjny w Krakowie
  FalseNegative nam [12,13] = Sąd Apelacyjny
  FalseNegative nam [15,15] = Krakowie

(ChunkerEvaluator) Sentence #7954 from articles/00107716 from sent3

Text  : Sąd wyznaczył Ziobrze tydzień na uzupełnienie braku .
Tokens: 1__ 2________ 3______ 4______ 5_ 6___________ 7____ 8

Chunks:
  TruePositive nam [3,3] = Ziobrze

(ChunkerEvaluator) Sentence #7955 from articles/00107716 from sent4

Text  : Jeżeli tego nie zrobi , jego apelacja zostanie odrzucona .
Tokens: 1_____ 2___ 3__ 4____ 5 6___ 7_______ 8_______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #7956 from articles/00107716 from sent5

Text  : We wrześniu ub . roku Sąd Okręgowy w Krakowie uznał ,  że Zbigniew Ziobro musi przeprosić Grzegorza Schetynę za naruszenie jego dóbr osobistych -  czci ,  godności i  dobrego imienia ;  ma też zapłacić 20 tys .  zł na cele społeczne .
Tokens: 1_ 2_______ 3_ 4 5___ 6__ 7_______ 8 9_______ 10___ 11 12 13______ 14____ 15__ 16________ 17_______ 18______ 19 20________ 21__ 22__ 23________ 24 25__ 26 27______ 28 29_____ 30_____ 31 32 33_ 34______ 35 36_ 37 38 39 40__ 41_______ 42

Chunks:
  TruePositive nam [6,7] = Sąd Okręgowy
  TruePositive nam [9,9] = Krakowie
  TruePositive nam [13,14] = Zbigniew Ziobro
  TruePositive nam [17,18] = Grzegorza Schetynę
  TruePositive nam [38,38] = zł

(ChunkerEvaluator) Sentence #7957 from articles/00107716 from sent6

Text  : W maju 2009 r . ówczesny wicepremier i szef MSWiA Sejmu Grzegorz Schetyna wytoczył Ziobrze proces o  ochronę dóbr osobistych za jego wypowiedź w  Radiu Maryja z  17 marca 2009 r  .
Tokens: 1 2___ 3___ 4 5 6_______ 7__________ 8 9___ 10___ 11___ 12______ 13______ 14______ 15_____ 16____ 17 18_____ 19__ 20________ 21 22__ 23_______ 24 25___ 26____ 27 28 29___ 30__ 31 32

Chunks:
  TruePositive nam [12,13] = Grzegorz Schetyna
  TruePositive nam [15,15] = Ziobrze
  TruePositive nam [25,26] = Radiu Maryja
  FalsePositive nam [10,11] = MSWiA Sejmu
  FalseNegative nam [10,10] = MSWiA
  FalseNegative nam [11,11] = Sejmu

(ChunkerEvaluator) Sentence #7958 from articles/00107716 from sent7

Text  : Ziobro - były minister sprawiedliwości i ówczesny poseł PiS -  mówił m  .  in .  ,  że Schetyna jest "  ciemną postacią ,  nie szarą eminencją ,  a  ciemną postacią tego rządu "  ;  "  człowiekiem ,  o  którym się mówi ,  że odpowiada za wszystkie takie ciemne sprawki ,  które są związane m  .  in .  z  nadużywaniem służb specjalnych przeciwko opozycji "  .
Tokens: 1_____ 2 3___ 4_______ 5______________ 6 7_______ 8____ 9__ 10 11___ 12 13 14 15 16 17 18______ 19__ 20 21____ 22______ 23 24_ 25___ 26_______ 27 28 29____ 30______ 31__ 32___ 33 34 35 36_________ 37 38 39____ 40_ 41__ 42 43 44_______ 45 46_______ 47___ 48____ 49_____ 50 51___ 52 53______ 54 55 56 57 58 59__________ 60___ 61_________ 62_______ 63______ 64 65

Chunks:
  TruePositive nam [1,1] = Ziobro
  TruePositive nam [9,9] = PiS
  TruePositive nam [18,18] = Schetyna

(ChunkerEvaluator) Sentence #7959 from articles/00107716 from sent8

Text  : Powołując się również na wypowiedzi " niektórych posłów PO z  kuluarów "  ,  Ziobro stwierdził ,  że jest to "  człowiek od brudnych zadań ,  jego postać jest szczególna ,  więc jeżeli jest ktoś z  nim związany ,  to rzeczywiście może cieszyć się później poczuciem bezkarności ,  takie są podejrzenia "  .
Tokens: 1________ 2__ 3______ 4_ 5_________ 6 7_________ 8_____ 9_ 10 11______ 12 13 14____ 15________ 16 17 18__ 19 20 21______ 22 23______ 24___ 25 26__ 27____ 28__ 29________ 30 31__ 32____ 33__ 34__ 35 36_ 37______ 38 39 40__________ 41__ 42_____ 43_ 44_____ 45_______ 46_________ 47 48___ 49 50_________ 51 52

Chunks:
  TruePositive nam [9,9] = PO
  TruePositive nam [14,14] = Ziobro

(ChunkerEvaluator) Sentence #7960 from articles/00107716 from sent9

Text  : Schetyna domagał się od Ziobry przeprosin , które miały by zostać opublikowane w  Radiu Maryja ,  Radiu Zet i  w  "  Gazecie Wyborczej "  oraz wpłaty 30 tys .  zł na Fundację Ewy Błaszczyk "  Akogo ?  "  .
Tokens: 1_______ 2______ 3__ 4_ 5_____ 6_________ 7 8____ 9____ 10 11____ 12__________ 13 14___ 15____ 16 17___ 18_ 19 20 21 22_____ 23_______ 24 25__ 26____ 27 28_ 29 30 31 32______ 33_ 34_______ 35 36___ 37 38 39

Chunks:
  TruePositive nam [1,1] = Schetyna
  TruePositive nam [5,5] = Ziobry
  TruePositive nam [14,15] = Radiu Maryja
  TruePositive nam [17,18] = Radiu Zet
  TruePositive nam [22,23] = Gazecie Wyborczej
  TruePositive nam [30,30] = zł
  FalsePositive nam [32,34] = Fundację Ewy Błaszczyk
  FalseNegative nam [33,34] = Ewy Błaszczyk
  FalseNegative nam [36,37] = Akogo ?

(ChunkerEvaluator) Sentence #7961 from articles/00107716 from sent10

Text  : Proces w tej sprawie rozpoczął się w styczniu 2010 roku .
Tokens: 1_____ 2 3__ 4______ 5________ 6__ 7 8_______ 9___ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #7962 from articles/00107716 from sent11

Text  : W wyroku sąd uznał argumenty powoda i zobowiązał Ziobrę do opublikowania przeprosin na antenie Radia Maryja i  Radia Zet w  ciągu miesiąca od uprawomocnienia się wyroku .
Tokens: 1 2_____ 3__ 4____ 5________ 6_____ 7 8_________ 9_____ 10 11___________ 12________ 13 14_____ 15___ 16____ 17 18___ 19_ 20 21___ 22______ 23 24_____________ 25_ 26____ 27

Chunks:
  TruePositive nam [9,9] = Ziobrę
  TruePositive nam [15,16] = Radia Maryja
  TruePositive nam [18,19] = Radia Zet

(ChunkerEvaluator) Sentence #7963 from articles/00107716 from sent12

Text  : Zasądził także od niego 20 tys . zł na rzecz Fundacji Ewy Błaszczyk "  Akogo ?  "  i  2  tys .  zł kosztów dla powoda .
Tokens: 1_______ 2____ 3_ 4____ 5_ 6__ 7 8_ 9_ 10___ 11______ 12_ 13_______ 14 15___ 16 17 18 19 20_ 21 22 23_____ 24_ 25____ 26

Chunks:
  TruePositive nam [8,8] = zł
  FalsePositive nam [11,13] = Fundacji Ewy Błaszczyk
  FalseNegative nam [12,13] = Ewy Błaszczyk
  FalseNegative nam [15,16] = Akogo ?
  FalseNegative nam [22,22] = zł

(ChunkerEvaluator) Sentence #7964 from articles/00107716 from sent13

Text  : W obszernej apelacji Ziobro zarzuca m . in . ,  iż sąd błędnie przyjął ,  że udzielając wywiadu ,  nie działał w  ramach mandatu poselskiego ,  tzn .  że nie chronił go immunitet poselski ;  że nie przekazał sprawy do Warszawy ,  o  co on wnosił ,  gdyż tam znajduje się jego centrum życiowe ;  że nie wyłączył sędzi mimo -  jak podaje -  uzasadnionej wątpliwości co do jej bezstronności ,  czyli nieprzychylnego stosunku do strony pozwanej (  uchylała pytania do świadków ,  wyznaczała terminy przed wyborami )  .
Tokens: 1 2________ 3_______ 4_____ 5______ 6 7 8_ 9 10 11 12_ 13_____ 14_____ 15 16 17________ 18_____ 19 20_ 21_____ 22 23____ 24_____ 25_________ 26 27_ 28 29 30_ 31_____ 32 33_______ 34______ 35 36 37_ 38_______ 39____ 40 41______ 42 43 44 45 46____ 47 48__ 49_ 50______ 51_ 52__ 53_____ 54_____ 55 56 57_ 58______ 59___ 60__ 61 62_ 63____ 64 65__________ 66_________ 67 68 69_ 70___________ 71 72___ 73_____________ 74______ 75 76____ 77______ 78 79______ 80_____ 81 82______ 83 84________ 85_____ 86___ 87______ 88 89

Chunks:
  TruePositive nam [4,4] = Ziobro
  TruePositive nam [41,41] = Warszawy

(ChunkerEvaluator) Sentence #7965 from articles/00107716 from sent14

Text  : Podnosi także , że sąd pominął szereg wniosków dowodowych ,  w  tym przesłuchanie kilkudziesięciu świadków ;  naruszył jego wolność wypowiedzi i  błędnie ustalił ,  że wypowiedzi naruszyły godność powoda .
Tokens: 1______ 2____ 3 4_ 5__ 6______ 7_____ 8_______ 9_________ 10 11 12_ 13___________ 14_____________ 15______ 16 17______ 18__ 19_____ 20________ 21 22_____ 23_____ 24 25 26________ 27_______ 28_____ 29____ 30

Chunks:

(ChunkerEvaluator) Sentence #7966 from articles/00107716 from sent15

Text  : Prosi też o przekazanie apelacji do Sądu Apelacyjnego w Warszawie .
Tokens: 1____ 2__ 3 4__________ 5_______ 6_ 7___ 8___________ 9 10_______ 11

Chunks:
  FalsePositive nam [7,10] = Sądu Apelacyjnego w Warszawie
  FalseNegative nam [7,8] = Sądu Apelacyjnego
  FalseNegative nam [10,10] = Warszawie

(ChunkerEvaluator) Sentence #7967 from articles/00107716 from sent16

Text  : Zarówno powód , jak i pozwany nie stawili się we wtorek sądzie .  (  PAP )
Tokens: 1______ 2____ 3 4__ 5 6______ 7__ 8______ 9__ 10 11____ 12____ 13 14 15_ 16

Chunks:
  TruePositive nam [15,15] = PAP

2016-10-27 14:59:51,459 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 345 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107717.xml
(ChunkerEvaluator) Sentence #7968 from articles/00107717 from sent1

Text  : „ Do boju , Panie Jarosławie ! ”
Tokens: 1 2_ 3___ 4 5____ 6_________ 7 8

Chunks:
  FalsePositive nam [5,7] = Panie Jarosławie !
  FalseNegative nam [6,6] = Jarosławie

(ChunkerEvaluator) Sentence #7969 from articles/00107717 from sent2

Text  : Nowy wiersz Rymkiewicza ?
Tokens: 1___ 2_____ 3__________ 4

Chunks:
  TruePositive nam [3,3] = Rymkiewicza

(ChunkerEvaluator) Sentence #7970 from articles/00107717 from sent3

Text  : Fronda dała się nabrać . . .
Tokens: 1_____ 2___ 3__ 4_____ 5 6 7

Chunks:
  FalseNegative nam [1,1] = Fronda

(ChunkerEvaluator) Sentence #7971 from articles/00107717 from sent4

Text  : Prawicowy portal padł prawdopodobnie ofiarą primaaprilisowego wiersza wzorowanego na politycznych pismach Jarosława Marka Rymkiewicza .
Tokens: 1________ 2_____ 3___ 4_____________ 5_____ 6________________ 7______ 8__________ 9_ 10__________ 11_____ 12_______ 13___ 14_________ 15

Chunks:
  TruePositive nam [12,14] = Jarosława Marka Rymkiewicza

(ChunkerEvaluator) Sentence #7972 from articles/00107717 from sent5

Text  : Strofy o „ szalejącej ” na „ świeżym trupie Polski ”  KPP i  „  niecnym Żydowinie ”  ,  co „  śmie pozwać Poetę ”  Fronda.pl umieściła na swojej stronie internetowej .  .  .
Tokens: 1_____ 2 3 4_________ 5 6_ 7 8______ 9_____ 10____ 11 12_ 13 14 15_____ 16_______ 17 18 19 20 21__ 22____ 23___ 24 25_______ 26_______ 27 28____ 29_____ 30__________ 31 32 33

Chunks:
  TruePositive nam [10,10] = Polski
  TruePositive nam [12,12] = KPP
  TruePositive nam [16,16] = Żydowinie
  TruePositive nam [25,25] = Fronda.pl
  FalsePositive nam [23,23] = Poetę

(ChunkerEvaluator) Sentence #7973 from articles/00107717 from sent6

Text  : Wiersz został umieszczony na stronie Fronda.pl . Co prawda ze znakiem zapytania i  dopiskiem do tytułu „  ZART ”  .
Tokens: 1_____ 2_____ 3__________ 4_ 5______ 6________ 7 8_ 9_____ 10 11_____ 12_______ 13 14_______ 15 16____ 17 18__ 19 20

Chunks:
  TruePositive nam [6,6] = Fronda.pl

(ChunkerEvaluator) Sentence #7974 from articles/00107717 from sent7

Text  : Profesor Sadurski szybko skomentował publikację pod swoim wpisem : -  Jak się wydaje ,  portal Fronda opublikował dziś nowy wiersz J  .  M  .  Rymkiewicza dokładnie tej samej treści ,  co powyżej zamieszczony w  moim blogu .
Tokens: 1_______ 2_______ 3_____ 4__________ 5_________ 6__ 7____ 8_____ 9 10 11_ 12_ 13____ 14 15____ 16____ 17_________ 18__ 19__ 20____ 21 22 23 24 25_________ 26_______ 27_ 28___ 29____ 30 31 32_____ 33__________ 34 35__ 36___ 37

Chunks:
  TruePositive nam [16,16] = Fronda
  TruePositive nam [21,25] = J . M . Rymkiewicza
  FalseNegative nam [2,2] = Sadurski

(ChunkerEvaluator) Sentence #7975 from articles/00107717 from sent8

Text  : W tej sytuacji , pozostaje mi chyba tylko przyznać się do plagiatu .  .  .
Tokens: 1 2__ 3_______ 4 5________ 6_ 7____ 8____ 9_______ 10_ 11 12______ 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #7976 from articles/00107717 from sent9

Text  : Ale jednocześnie oznacza to , ze wszystkie obiekcje natury poetycko -  estetycznej należy kierować bezpośrednio pod adresem Wieszcza -  napisał .
Tokens: 1__ 2___________ 3______ 4_ 5 6_ 7________ 8_______ 9_____ 10______ 11 12_________ 13____ 14______ 15__________ 16_ 17_____ 18______ 19 20_____ 21

Chunks:
  TruePositive nam [18,18] = Wieszcza

2016-10-27 14:59:51,507 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 346 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107718.xml
(ChunkerEvaluator) Sentence #7977 from articles/00107718 from sent1

Text  : Marzysz o firmie ?
Tokens: 1______ 2 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #7978 from articles/00107718 from sent2

Text  : Taka szansa może się nie powtórzyć
Tokens: 1___ 2_____ 3___ 4__ 5__ 6________

Chunks:

(ChunkerEvaluator) Sentence #7979 from articles/00107718 from sent3

Text  : Założenie własnej firmy oraz wysoka nagroda finansowa czekają na ambitnych studentów .
Tokens: 1________ 2______ 3____ 4___ 5_____ 6______ 7________ 8______ 9_ 10_______ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #7980 from articles/00107718 from sent4

Text  : Kielecki Park Technologiczny przedłużył termin składania projektów .
Tokens: 1_______ 2___ 3_____________ 4_________ 5_____ 6________ 7________ 8

Chunks:
  FalsePositive nam [2,3] = Park Technologiczny
  FalseNegative nam [1,3] = Kielecki Park Technologiczny

(ChunkerEvaluator) Sentence #7981 from articles/00107718 from sent5

Text  : Żeby wziąć udział w konkursie wystarczy wypełnić tylko fiszkę i  opisać pomysł na wymarzoną firmę .
Tokens: 1___ 2____ 3_____ 4 5________ 6________ 7_______ 8____ 9_____ 10 11____ 12____ 13 14_______ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #7982 from articles/00107718 from sent6

Text  : Zgłoszenia można składać do 17 kwietnia .
Tokens: 1_________ 2____ 3______ 4_ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #7983 from articles/00107718 from sent7

Text  : Osoby , których plany zostaną uznane za najciekawsze zostaną zaproszone na bezpłatne szkolenia i  warsztaty .
Tokens: 1____ 2 3______ 4____ 5______ 6_____ 7_ 8___________ 9______ 10________ 11 12_______ 13_______ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #7984 from articles/00107718 from sent8

Text  : Część z nich odbędzie się poza Kielcami .
Tokens: 1____ 2 3___ 4_______ 5__ 6___ 7_______ 8

Chunks:
  TruePositive nam [7,7] = Kielcami

(ChunkerEvaluator) Sentence #7985 from articles/00107718 from sent9

Text  : W trakcie warsztatów , studenci będą mogli dowiedzieć się m  .  in .  jak tworzyć profesjonalny biznesplan i  jakie warunki należy spełnić ,  żeby założyć firmę .
Tokens: 1 2______ 3_________ 4 5_______ 6___ 7____ 8_________ 9__ 10 11 12 13 14_ 15_____ 16___________ 17________ 18 19___ 20_____ 21____ 22_____ 23 24__ 25_____ 26___ 27

Chunks:

(ChunkerEvaluator) Sentence #7986 from articles/00107718 from sent10

Text  : Po zakończeniu szkoleń , ich uczestnicy przygotują biznesplany , a  profesjonalne jury wybierze najlepsze pomysły na biznes .
Tokens: 1_ 2__________ 3______ 4 5__ 6_________ 7_________ 8__________ 9 10 11___________ 12__ 13______ 14_______ 15_____ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #7987 from articles/00107718 from sent11

Text  : Na zwycięzców czekać będzie nagroda finansowa - 5 tys .  zł .
Tokens: 1_ 2_________ 3_____ 4_____ 5______ 6________ 7 8 9__ 10 11 12

Chunks:
  TruePositive nam [11,11] = zł

2016-10-27 14:59:51,549 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 347 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107719.xml
(ChunkerEvaluator) Sentence #7988 from articles/00107719 from sent1

Text  : Sesja Keiry Knightley dla & quot ; Interview & quot ;
Tokens: 1____ 2____ 3________ 4__ 5 6___ 7 8________ 9 10__ 11

Chunks:
  FalsePositive nam [1,3] = Sesja Keiry Knightley
  FalsePositive nam [8,10] = Interview & quot
  FalseNegative nam [2,3] = Keiry Knightley
  FalseNegative nam [8,8] = Interview

(ChunkerEvaluator) Sentence #7989 from articles/00107719 from sent2

Text  : Sesja Keiry Knightley dla " Interview "
Tokens: 1____ 2____ 3________ 4__ 5 6________ 7

Chunks:
  TruePositive nam [6,6] = Interview
  FalsePositive nam [1,3] = Sesja Keiry Knightley
  FalseNegative nam [2,3] = Keiry Knightley

(ChunkerEvaluator) Sentence #7990 from articles/00107719 from sent3

Text  : Aktorka wygląda świetnie na kwietniowej okładce magazynu
Tokens: 1______ 2______ 3_______ 4_ 5__________ 6______ 7_______

Chunks:

(ChunkerEvaluator) Sentence #7991 from articles/00107719 from sent4

Text  : Keira Knightley wygląda świetnie na kwietniowej okładce magazynu " Interview "  .
Tokens: 1____ 2________ 3______ 4_______ 5_ 6__________ 7______ 8_______ 9 10_______ 11 12

Chunks:
  TruePositive nam [10,10] = Interview
  FalseNegative nam [1,2] = Keira Knightley

(ChunkerEvaluator) Sentence #7992 from articles/00107719 from sent5

Text  : W środku czasopisma znajdziecie pełną sesję - nietypową dla jej wizerunku .
Tokens: 1 2_____ 3_________ 4__________ 5____ 6____ 7 8________ 9__ 10_ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #7993 from articles/00107719 from sent6

Text  : Keira Knightley wygląda świetnie na kwietniowej okładce magazynu .
Tokens: 1____ 2________ 3______ 4_______ 5_ 6__________ 7______ 8_______ 9

Chunks:
  FalseNegative nam [1,2] = Keira Knightley

(ChunkerEvaluator) Sentence #7994 from articles/00107719 from sent7

Text  : W środku czasopisma znajdziecie pełną sesję - nietypową dla jej wizerunku .
Tokens: 1 2_____ 3_________ 4__________ 5____ 6____ 7 8________ 9__ 10_ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #7995 from articles/00107719 from sent8

Text  : Brytyjka okazała się intrygującą femme fatale .
Tokens: 1_______ 2______ 3__ 4__________ 5____ 6_____ 7

Chunks:
  TruePositive nam [1,1] = Brytyjka

(ChunkerEvaluator) Sentence #7996 from articles/00107719 from sent9

Text  : Może rola pacjentki i kochanki Carla Junga w " Niebezpiecznej metodzie "  Davida Kronenberga otworzyła aktorkę na nowe wyzwania .
Tokens: 1___ 2___ 3________ 4 5_______ 6____ 7____ 8 9 10____________ 11______ 12 13____ 14_________ 15_______ 16_____ 17 18__ 19______ 20

Chunks:
  TruePositive nam [6,7] = Carla Junga
  TruePositive nam [10,11] = Niebezpiecznej metodzie
  TruePositive nam [13,14] = Davida Kronenberga

(ChunkerEvaluator) Sentence #7997 from articles/00107719 from sent10

Text  : Zdjęciom towarzyszy wywiad , którego Keira udzieliła reżyserowi tego filmu .
Tokens: 1_______ 2_________ 3_____ 4 5______ 6____ 7________ 8_________ 9___ 10___ 11

Chunks:
  FalseNegative nam [6,6] = Keira

(ChunkerEvaluator) Sentence #7998 from articles/00107719 from sent11

Text  : Zdjęcia wykonał duet Mert Alas i Marcus Piggott .
Tokens: 1______ 2______ 3___ 4___ 5___ 6 7_____ 8______ 9

Chunks:
  TruePositive nam [4,5] = Mert Alas
  TruePositive nam [7,8] = Marcus Piggott

(ChunkerEvaluator) Sentence #7999 from articles/00107719 from sent12

Text  : Fotografowie mają wyrazisty styl , na ich zdjęciach zarówno kolory ,  jak i  czerń ,  są mocno nasycone .
Tokens: 1___________ 2___ 3________ 4___ 5 6_ 7__ 8________ 9______ 10____ 11 12_ 13 14___ 15 16 17___ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #8000 from articles/00107719 from sent13

Text  : To ulubiony duet Toma Forda , autorzy wielu jego kampanii .
Tokens: 1_ 2_______ 3___ 4___ 5____ 6 7______ 8____ 9___ 10______ 11

Chunks:
  TruePositive nam [4,5] = Toma Forda

(ChunkerEvaluator) Sentence #8001 from articles/00107719 from sent14

Text  : Mroczne wcielenie aktorki jest oparte głównie na czarnych strojach .
Tokens: 1______ 2________ 3______ 4___ 5_____ 6______ 7_ 8_______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #8002 from articles/00107719 from sent15

Text  : Stylizacje Karla Templera są pełne skórzanych kurtek i żakietów .
Tokens: 1_________ 2____ 3_______ 4_ 5____ 6_________ 7_____ 8 9_______ 10

Chunks:
  TruePositive nam [2,3] = Karla Templera

(ChunkerEvaluator) Sentence #8003 from articles/00107719 from sent16

Text  : Pojawił się także świetny płaszcz od Diane von Furstenberg .
Tokens: 1______ 2__ 3____ 4______ 5______ 6_ 7____ 8__ 9__________ 10

Chunks:
  TruePositive nam [7,9] = Diane von Furstenberg

(ChunkerEvaluator) Sentence #8004 from articles/00107719 from sent17

Text  : Ubrania wykorzystane w sesji to m . in . :  Celine ,  Balenciaga ,  Louis Vuitton ,  Chanel i  Yves Saint Laurent .
Tokens: 1______ 2___________ 3 4____ 5_ 6 7 8_ 9 10 11____ 12 13________ 14 15___ 16_____ 17 18____ 19 20__ 21___ 22_____ 23

Chunks:
  TruePositive nam [15,16] = Louis Vuitton
  TruePositive nam [18,18] = Chanel
  TruePositive nam [20,22] = Yves Saint Laurent
  FalseNegative nam [11,11] = Celine
  FalseNegative nam [13,13] = Balenciaga

(ChunkerEvaluator) Sentence #8005 from articles/00107719 from sent18

Text  : Delikatna Knightley w czarnym , skórzanym kombinezonie to nietypowy widok ,  ale zarówno stylizacje ,  jak i  krótka czarna fryzurka bardzo jej pasują .
Tokens: 1________ 2________ 3 4______ 5 6________ 7___________ 8_ 9________ 10___ 11 12_ 13_____ 14________ 15 16_ 17 18____ 19____ 20______ 21____ 22_ 23____ 24

Chunks:
  FalseNegative nam [2,2] = Knightley

2016-10-27 14:59:51,612 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 348 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107720.xml
(ChunkerEvaluator) Sentence #8006 from articles/00107720 from sent1

Text  : Ciężarówki niszczą nasze drogi .
Tokens: 1_________ 2______ 3____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #8007 from articles/00107720 from sent2

Text  : Wszystkie przeciążone
Tokens: 1________ 2__________

Chunks:

(ChunkerEvaluator) Sentence #8008 from articles/00107720 from sent3

Text  : Małopolska Inspekcja Transportu Drogowego skontrolowała dziś wagę ciężarówek jeżdżących po drogach województwa .
Tokens: 1_________ 2________ 3_________ 4________ 5____________ 6___ 7___ 8_________ 9_________ 10 11_____ 12_________ 13

Chunks:
  TruePositive nam [1,4] = Małopolska Inspekcja Transportu Drogowego

(ChunkerEvaluator) Sentence #8009 from articles/00107720 from sent4

Text  : Wszystkie sześć aut zatrzymanych do ważenia było przeciążonych .
Tokens: 1________ 2____ 3__ 4___________ 5_ 6______ 7___ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #8010 from articles/00107720 from sent5

Text  : Inspekcja Transportu Drogowego pracowała na drodze krajowej nr 7 na wysokości Miechowa -  zatrzymywano pojazdy ,  które teoretycznie powinny ważyć ok .  3  ,  5  tony .
Tokens: 1________ 2_________ 3________ 4________ 5_ 6_____ 7_______ 8_ 9 10 11_______ 12______ 13 14__________ 15_____ 16 17___ 18__________ 19_____ 20___ 21 22 23 24 25 26__ 27

Chunks:
  TruePositive nam [12,12] = Miechowa
  FalsePositive nam [2,3] = Transportu Drogowego
  FalseNegative nam [1,3] = Inspekcja Transportu Drogowego
  FalseNegative nam [6,9] = drodze krajowej nr 7

(ChunkerEvaluator) Sentence #8011 from articles/00107720 from sent6

Text  : Wśród sześciu zatrzymanych waga wynosiła od 7 , 8 do 9  ton .
Tokens: 1____ 2______ 3___________ 4___ 5_______ 6_ 7 8 9 10 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #8012 from articles/00107720 from sent7

Text  : Ma to nie tylko wpływ na jakość dróg , ale głównie na bezpieczeństwo -  takie pojazdy nie mają odpowiednio silnych hamulców ,  by zatrzymać sprawnie taką masę ,  a  na kołach mają założone zwykłe opony ,  które mogą nie wytrzymać obciążenia .
Tokens: 1_ 2_ 3__ 4____ 5____ 6_ 7_____ 8___ 9 10_ 11_____ 12 13____________ 14 15___ 16_____ 17_ 18__ 19_________ 20_____ 21______ 22 23 24_______ 25______ 26__ 27__ 28 29 30 31____ 32__ 33______ 34____ 35___ 36 37___ 38__ 39_ 40_______ 41________ 42

Chunks:

(ChunkerEvaluator) Sentence #8013 from articles/00107720 from sent8

Text  : Jakie zagrożenie niesie za sobą przeciążenie przekonali się sami inspektorzy ITD .
Tokens: 1____ 2_________ 3_____ 4_ 5___ 6___________ 7_________ 8__ 9___ 10_________ 11_ 12

Chunks:
  TruePositive nam [11,11] = ITD

(ChunkerEvaluator) Sentence #8014 from articles/00107720 from sent9

Text  : Jeden z zatrzymanych dostawczaków - ważący 9 ton - nie był w  stanie wyhamować na wysokości patrolu .
Tokens: 1____ 2 3___________ 4___________ 5 6_____ 7 8__ 9 10_ 11_ 12 13____ 14_______ 15 16_______ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #8015 from articles/00107720 from sent10

Text  : W pojeździe inspektorzy odkryli uszkodzone zawieszenie , a kierowca z  powodu nadmiernego obciążenia nie był w  stanie przy małych prędkościach kręcić kierownicą .
Tokens: 1 2________ 3__________ 4______ 5_________ 6__________ 7 8 9_______ 10 11____ 12_________ 13________ 14_ 15_ 16 17____ 18__ 19____ 20__________ 21____ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #8016 from articles/00107720 from sent11

Text  : Wszyscy zatrzymani dostali mandaty w wysokości 500 zł .
Tokens: 1______ 2_________ 3______ 4______ 5 6________ 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #8017 from articles/00107720 from sent12

Text  : Musieli także wyładować część towaru .
Tokens: 1______ 2____ 3________ 4____ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #8018 from articles/00107720 from sent13

Text  : By jeszcze bardziej zmniejszyć szansę na uniknięcie przez kierowców kontroli ITD ,  Sejm zmierza do zmiany ustawy regulującej zasady pracy inspekcji .
Tokens: 1_ 2______ 3_______ 4_________ 5_____ 6_ 7_________ 8____ 9________ 10______ 11_ 12 13__ 14_____ 15 16____ 17____ 18_________ 19____ 20___ 21_______ 22

Chunks:
  TruePositive nam [11,11] = ITD
  TruePositive nam [13,13] = Sejm

(ChunkerEvaluator) Sentence #8019 from articles/00107720 from sent14

Text  : Na razie ITD może pracować tylko w dni powszednie ,  od rana do godz .  22 .
Tokens: 1_ 2____ 3__ 4___ 5_______ 6____ 7 8__ 9_________ 10 11 12__ 13 14__ 15 16 17

Chunks:
  TruePositive nam [3,3] = ITD

(ChunkerEvaluator) Sentence #8020 from articles/00107720 from sent15

Text  : Oznacza to , że każda przeciążona ciężarówka może nocami i  w  weekendy bezkarnie poruszać się po Polsce .
Tokens: 1______ 2_ 3 4_ 5____ 6__________ 7_________ 8___ 9_____ 10 11 12______ 13_______ 14______ 15_ 16 17____ 18

Chunks:
  TruePositive nam [17,17] = Polsce

2016-10-27 14:59:51,685 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 349 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107721.xml
(ChunkerEvaluator) Sentence #8021 from articles/00107721 from sent1

Text  : Mleczarnia Jerozolimska , czyli leniweeeeee proszeeeeee !
Tokens: 1_________ 2___________ 3 4____ 5__________ 6__________ 7

Chunks:
  TruePositive nam [1,2] = Mleczarnia Jerozolimska

(ChunkerEvaluator) Sentence #8022 from articles/00107721 from sent2

Text  : Dla mnie probierzem baru mlecznego są pierogi leniwe .
Tokens: 1__ 2___ 3_________ 4___ 5________ 6_ 7______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #8023 from articles/00107721 from sent3

Text  : Nigdy i nigdzie nie jadłem równie doskonałych jak te w  nieodżałowanym „  Karaluchu ”  ,  czyli Barze Uniwersyteckim na Krakowskim Przedmieściu .
Tokens: 1____ 2 3______ 4__ 5_____ 6_____ 7__________ 8__ 9_ 10 11____________ 12 13_______ 14 15 16___ 17___ 18____________ 19 20________ 21__________ 22

Chunks:
  TruePositive nam [13,13] = Karaluchu
  TruePositive nam [17,18] = Barze Uniwersyteckim
  TruePositive nam [20,21] = Krakowskim Przedmieściu

(ChunkerEvaluator) Sentence #8024 from articles/00107721 from sent4

Text  : W Mleczarni Jerozolimskiej leniwe nie mają tej doskonałości , ale są całkowicie zjadliwe .
Tokens: 1 2________ 3_____________ 4_____ 5__ 6___ 7__ 8___________ 9 10_ 11 12________ 13______ 14

Chunks:
  TruePositive nam [2,3] = Mleczarni Jerozolimskiej

(ChunkerEvaluator) Sentence #8025 from articles/00107721 from sent5

Text  : Mleczarnia Jerozolimska
Tokens: 1_________ 2___________

Chunks:
  TruePositive nam [1,2] = Mleczarnia Jerozolimska

(ChunkerEvaluator) Sentence #8026 from articles/00107721 from sent6

Text  : Mleczarnia Jerozolimska działa już od mniej więcej roku .
Tokens: 1_________ 2___________ 3_____ 4__ 5_ 6____ 7_____ 8___ 9

Chunks:
  TruePositive nam [1,2] = Mleczarnia Jerozolimska

(ChunkerEvaluator) Sentence #8027 from articles/00107721 from sent7

Text  : Jadłem tam kilka razy , ale nie pisał em ,  bo nie miałem na jej temat jasnego zdania .
Tokens: 1_____ 2__ 3____ 4___ 5 6__ 7__ 8____ 9_ 10 11 12_ 13____ 14 15_ 16___ 17_____ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #8028 from articles/00107721 from sent8

Text  : Niby lubię lokale specjalizujące się w jedzeniu domowym , niby szaleję za naszymi mieloniakami ,  pierogami i  gołąbkami ,  jednak nie umiał em odnaleźć szczególnego do nich entuzjazmu właśnie w  Mleczarni .
Tokens: 1___ 2____ 3_____ 4_____________ 5__ 6 7_______ 8______ 9 10__ 11_____ 12 13_____ 14__________ 15 16_______ 17 18_______ 19 20____ 21_ 22___ 23 24______ 25__________ 26 27__ 28________ 29_____ 30 31_______ 32

Chunks:
  TruePositive nam [31,31] = Mleczarni

(ChunkerEvaluator) Sentence #8029 from articles/00107721 from sent9

Text  : Nie , nie mogę powiedzieć , że były niesmaczne .
Tokens: 1__ 2 3__ 4___ 5_________ 6 7_ 8___ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #8030 from articles/00107721 from sent10

Text  : Wręcz przeciwnie .
Tokens: 1____ 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #8031 from articles/00107721 from sent11

Text  : Tyle że nie do końca zrozumiała była formuła tego lokalu .
Tokens: 1___ 2_ 3__ 4_ 5____ 6_________ 7___ 8______ 9___ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #8032 from articles/00107721 from sent12

Text  : Teraz , gdy przy Bagateli powstała jego filia , gdy na szyldzie pojawiło się określenie bar mleczny ,  wszystko stało się czytelne .
Tokens: 1____ 2 3__ 4___ 5_______ 6_______ 7___ 8____ 9 10_ 11 12______ 13______ 14_ 15________ 16_ 17_____ 18 19______ 20___ 21_ 22______ 23

Chunks:
  TruePositive nam [5,5] = Bagateli

(ChunkerEvaluator) Sentence #8033 from articles/00107721 from sent13

Text  : Oto mamy zalążek pierwszej polskiej sieci popularnych jadłodajni specjalizujących się w  rodzimej kuchni .
Tokens: 1__ 2___ 3______ 4________ 5_______ 6____ 7__________ 8_________ 9_______________ 10_ 11 12______ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #8034 from articles/00107721 from sent14

Text  : A takiemu zamysłowi nie mogę nie przyklasnąć .
Tokens: 1 2______ 3________ 4__ 5___ 6__ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #8035 from articles/00107721 from sent15

Text  : Bary mleczne obok polskich bistro to jedyne dwa oryginalne formaty gastronomiczne stworzone nad Wisłą .
Tokens: 1___ 2______ 3___ 4_______ 5_____ 6_ 7_____ 8__ 9_________ 10_____ 11____________ 12_______ 13_ 14___ 15

Chunks:
  TruePositive nam [14,14] = Wisłą

(ChunkerEvaluator) Sentence #8036 from articles/00107721 from sent16

Text  : Przez ponad 60 lat , które minęły od powstania pierwszego baru mlecznego ,  były nieustającym tematem żartów i  szyderstw .
Tokens: 1____ 2____ 3_ 4__ 5 6____ 7_____ 8_ 9________ 10________ 11__ 12_______ 13 14__ 15__________ 16_____ 17____ 18 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #8037 from articles/00107721 from sent17

Text  : Pamiętacie scenę z „ Misia ” Stanisława Barei ?
Tokens: 1_________ 2____ 3 4 5____ 6 7_________ 8____ 9

Chunks:
  TruePositive nam [5,5] = Misia
  TruePositive nam [7,8] = Stanisława Barei

(ChunkerEvaluator) Sentence #8038 from articles/00107721 from sent18

Text  : Są ludzie , którzy twierdzą , że jadali w takich barach ,  gdzie sztućce zabezpieczano łańcuchami ,  a  metalowe miski przytwierdzane były do stołów .
Tokens: 1_ 2_____ 3 4_____ 5_______ 6 7_ 8_____ 9 10____ 11____ 12 13___ 14_____ 15___________ 16________ 17 18 19______ 20___ 21____________ 22__ 23 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #8039 from articles/00107721 from sent19

Text  : I za nic nie chcą przyjąć do wiadomości , że był to wyłącznie żart Barei .
Tokens: 1 2_ 3__ 4__ 5___ 6______ 7_ 8_________ 9 10 11_ 12 13_______ 14__ 15___ 16

Chunks:
  TruePositive nam [15,15] = Barei

(ChunkerEvaluator) Sentence #8040 from articles/00107721 from sent20

Text  : Ironiczny stosunek do barów generowali przede wszystkim intelektualiści , którym od samego początku zestawienie baru z  mlekiem wydawało się czymś kabaretowym .
Tokens: 1________ 2_______ 3_ 4____ 5_________ 6_____ 7________ 8______________ 9 10____ 11 12____ 13______ 14_________ 15__ 16 17_____ 18______ 19_ 20___ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #8041 from articles/00107721 from sent21

Text  : Gdy więc w roku 1948 obywatelka Szymczakiewicz Zofia została kierowniczką baru mlecznego Pionier w  Krakowie ,  śmiechom nie było końca .
Tokens: 1__ 2___ 3 4___ 5___ 6_________ 7_____________ 8____ 9______ 10__________ 11__ 12_______ 13_____ 14 15______ 16 17______ 18_ 19__ 20___ 21

Chunks:
  TruePositive nam [7,8] = Szymczakiewicz Zofia
  TruePositive nam [13,13] = Pionier
  TruePositive nam [15,15] = Krakowie

(ChunkerEvaluator) Sentence #8042 from articles/00107721 from sent22

Text  : Szybko jednak lokale tego typu stały się jednym z najważniejszych segmentów gastronomii popularnej .
Tokens: 1_____ 2_____ 3_____ 4___ 5___ 6____ 7__ 8_____ 9 10_____________ 11_______ 12_________ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #8043 from articles/00107721 from sent23

Text  : W najlepszym okresie działało ich ponad 500 .
Tokens: 1 2_________ 3______ 4_______ 5__ 6____ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #8044 from articles/00107721 from sent24

Text  : W okresie transformacji przełomu lat 80 . i 90 .  nadszedł dla nich zły czas .
Tokens: 1 2______ 3____________ 4_______ 5__ 6_ 7 8 9_ 10 11______ 12_ 13__ 14_ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #8045 from articles/00107721 from sent25

Text  : Kojarzone z ancien régime'em , zostały spisane na straty ,  likwidowano je z  nadzwyczajną pilnością .
Tokens: 1________ 2 3_____ 4________ 5 6______ 7______ 8_ 9_____ 10 11_________ 12 13 14__________ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #8046 from articles/00107721 from sent26

Text  : Przełom nastąpił w ostatnim roku .
Tokens: 1______ 2_______ 3 4_______ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #8047 from articles/00107721 from sent27

Text  : Z jednej strony zachwycili się nimi reporterzy zachodnich gazet penetrujący nasz kraj przed Euro 2012 ,  z  drugiej -  o  prawo do demokratycznych jadłodajni upomnieli się aktywiści miejscy .
Tokens: 1 2_____ 3_____ 4_________ 5__ 6___ 7_________ 8_________ 9____ 10_________ 11__ 12__ 13___ 14__ 15__ 16 17 18_____ 19 20 21___ 22 23_____________ 24________ 25_______ 26_ 27_______ 28_____ 29

Chunks:
  TruePositive nam [14,15] = Euro 2012

(ChunkerEvaluator) Sentence #8048 from articles/00107721 from sent28

Text  : Skuteczna obrona baru mlecznego Prasowego na Marszałkowskiej stała się jednym z  najbardziej wyrazistych przykładów obywatelskiego oporu wobec neoliberalnych działań władz .
Tokens: 1________ 2_____ 3___ 4________ 5________ 6_ 7______________ 8____ 9__ 10____ 11 12_________ 13_________ 14________ 15____________ 16___ 17___ 18____________ 19_____ 20___ 21

Chunks:
  TruePositive nam [5,5] = Prasowego
  TruePositive nam [7,7] = Marszałkowskiej

(ChunkerEvaluator) Sentence #8049 from articles/00107721 from sent29

Text  : Oferta kulinarna barów mlecznych kontynuowała tradycje popularnych przed wojną mleczarni .
Tokens: 1_____ 2________ 3____ 4________ 5___________ 6_______ 7__________ 8____ 9____ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #8050 from articles/00107721 from sent30

Text  : Najsłynniejsza z nich , Nadnarwiańska , działała na Nowym Świecie przy Świętokrzyskiej i  przyciągała wielbicieli kaszy gryczanej ze skwarkami i  zsiadłym mlekiem .
Tokens: 1_____________ 2 3___ 4 5____________ 6 7_______ 8_ 9____ 10_____ 11__ 12_____________ 13 14_________ 15_________ 16___ 17_______ 18 19_______ 20 21______ 22_____ 23

Chunks:
  TruePositive nam [5,5] = Nadnarwiańska
  TruePositive nam [9,10] = Nowym Świecie
  TruePositive nam [12,12] = Świętokrzyskiej

(ChunkerEvaluator) Sentence #8051 from articles/00107721 from sent31

Text  : Niestety , w Mleczarni Jerozolimskiej takich specjałów nie znajdziemy .
Tokens: 1_______ 2 3 4________ 5_____________ 6_____ 7________ 8__ 9_________ 10

Chunks:
  TruePositive nam [4,5] = Mleczarni Jerozolimskiej

(ChunkerEvaluator) Sentence #8052 from articles/00107721 from sent32

Text  : Tutejsze menu wypełnione jest raczej typowymi domowymi daniami mięsnymi podawanymi w  tradycyjny sposób z  ziemniakami i  surówką :  duszona karkówka ,  gulasz ,  kotlet .
Tokens: 1_______ 2___ 3_________ 4___ 5_____ 6_______ 7_______ 8______ 9_______ 10________ 11 12________ 13____ 14 15_________ 16 17_____ 18 19_____ 20______ 21 22____ 23 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #8053 from articles/00107721 from sent33

Text  : Do tego babcine zabielane zupy , takie jak ogórkowa czy fasolkowa ,  oraz wielki wybór pierogów i  naleśników .
Tokens: 1_ 2___ 3______ 4________ 5___ 6 7____ 8__ 9_______ 10_ 11_______ 12 13__ 14____ 15___ 16______ 17 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #8054 from articles/00107721 from sent34

Text  : I one są naprawdę wyśmienitej jakości .
Tokens: 1 2__ 3_ 4_______ 5__________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8055 from articles/00107721 from sent35

Text  : Dla mnie probierzem baru mlecznego są pierogi leniwe .
Tokens: 1__ 2___ 3_________ 4___ 5________ 6_ 7______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #8056 from articles/00107721 from sent36

Text  : Nigdy i nigdzie nie jadłem równie doskonałych jak te w  nieodżałowanym „  Karaluchu ”  ,  czyli Barze Uniwersyteckim na Krakowskim Przedmieściu .
Tokens: 1____ 2 3______ 4__ 5_____ 6_____ 7__________ 8__ 9_ 10 11____________ 12 13_______ 14 15 16___ 17___ 18____________ 19 20________ 21__________ 22

Chunks:
  TruePositive nam [13,13] = Karaluchu
  TruePositive nam [17,18] = Barze Uniwersyteckim
  TruePositive nam [20,21] = Krakowskim Przedmieściu

(ChunkerEvaluator) Sentence #8057 from articles/00107721 from sent37

Text  : Miały marcepanową sprężystość , a w strukturze wyczuwalne były grudki twarogu .
Tokens: 1____ 2__________ 3__________ 4 5 6 7_________ 8_________ 9___ 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #8058 from articles/00107721 from sent38

Text  : Zawsze zamawiał em ich półtorej porcji bez cukru , co wywoływało konsternację pani kasjerki .
Tokens: 1_____ 2_______ 3_ 4__ 5_______ 6_____ 7__ 8____ 9 10 11________ 12__________ 13__ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #8059 from articles/00107721 from sent39

Text  : W Mleczarni Jerozolimskiej leniwe nie mają tej doskonałości , ale są całkowicie zjadliwe .
Tokens: 1 2________ 3_____________ 4_____ 5__ 6___ 7__ 8___________ 9 10_ 11 12________ 13______ 14

Chunks:
  TruePositive nam [2,3] = Mleczarni Jerozolimskiej

(ChunkerEvaluator) Sentence #8060 from articles/00107721 from sent40

Text  : A gdy dodatkowo przywoływany jesteś po nie dźwięcznym okrzykiem „  Leniweeeeee proszeeeeee !  ”  ,  czujesz się jak za dawnych dobrych czasów .
Tokens: 1 2__ 3________ 4___________ 5_____ 6_ 7__ 8_________ 9________ 10 11_________ 12_________ 13 14 15 16_____ 17_ 18_ 19 20_____ 21_____ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #8061 from articles/00107721 from sent41

Text  : Mleczarnia Jerozolimska , Al . Jerozolimskie 32 , ul .  Bagatela 15 ,  tel .  604 334 409 ,  www.mleczarniajerozolimska.pl ,  nie można płacić kartą ,  brak toalety dla niepełnosprawnych
Tokens: 1_________ 2___________ 3 4_ 5 6____________ 7_ 8 9_ 10 11______ 12 13 14_ 15 16_ 17_ 18_ 19 20___________________________ 21 22_ 23___ 24____ 25___ 26 27__ 28_____ 29_ 30_______________

Chunks:
  TruePositive nam [1,2] = Mleczarnia Jerozolimska
  TruePositive nam [4,6] = Al . Jerozolimskie
  TruePositive nam [11,11] = Bagatela
  TruePositive nam [20,20] = www.mleczarniajerozolimska.pl

2016-10-27 14:59:51,960 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 350 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107722.xml
(ChunkerEvaluator) Sentence #8062 from articles/00107722 from sent1

Text  : Wielki Czwartek .
Tokens: 1_____ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Wielki Czwartek

(ChunkerEvaluator) Sentence #8063 from articles/00107722 from sent2

Text  : Abp obmył nogi 12 mężczyznom .
Tokens: 1__ 2____ 3___ 4_ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #8064 from articles/00107722 from sent3

Text  : ZDJĘCIA
Tokens: 1______

Chunks:

(ChunkerEvaluator) Sentence #8065 from articles/00107722 from sent4

Text  : Pierwszy dzień Triduum Paschalnego zaczął się Mszą Świętą Krzyżma w  archikatedrze ,  nabożeństwem odprawianym w  wielkoczwartkowe przedpołudnie jedynie w  kościołach katedralnych .
Tokens: 1_______ 2____ 3______ 4__________ 5_____ 6__ 7___ 8_____ 9______ 10 11___________ 12 13__________ 14_________ 15 16______________ 17___________ 18_____ 19 20________ 21__________ 22

Chunks:
  TruePositive nam [3,4] = Triduum Paschalnego
  TruePositive nam [7,9] = Mszą Świętą Krzyżma

(ChunkerEvaluator) Sentence #8066 from articles/00107722 from sent5

Text  : Księża odnawiają wtedy swoje przyrzeczenia kapłańskie , a pod koniec mszy święci się krzyżmo ,  czyli olej używany do namaszczenia chorych ,  a  także ścian i  ołtarzy nowych kościołów
Tokens: 1_____ 2________ 3____ 4____ 5____________ 6_________ 7 8 9__ 10____ 11__ 12____ 13_ 14_____ 15 16___ 17__ 18_____ 19 20__________ 21_____ 22 23 24___ 25___ 26 27_____ 28____ 29_______

Chunks:

(ChunkerEvaluator) Sentence #8067 from articles/00107722 from sent6

Text  : Triduum Paschalne
Tokens: 1______ 2________

Chunks:
  TruePositive nam [1,2] = Triduum Paschalne

(ChunkerEvaluator) Sentence #8068 from articles/00107722 from sent7

Text  : Wielkie Dni
Tokens: 1______ 2__

Chunks:
  TruePositive nam [1,2] = Wielkie Dni

(ChunkerEvaluator) Sentence #8069 from articles/00107722 from sent8

Text  : Pierwszy dzień Triduum Paschalnego zaczął się Mszą Świętą Krzyżma w  archikatedrze ,  nabożeństwem odprawianym w  wielkoczwartkowe przedpołudnie jedynie w  kościołach katedralnych .
Tokens: 1_______ 2____ 3______ 4__________ 5_____ 6__ 7___ 8_____ 9______ 10 11___________ 12 13__________ 14_________ 15 16______________ 17___________ 18_____ 19 20________ 21__________ 22

Chunks:
  TruePositive nam [3,4] = Triduum Paschalnego
  TruePositive nam [7,9] = Mszą Świętą Krzyżma

(ChunkerEvaluator) Sentence #8070 from articles/00107722 from sent9

Text  : Księża odnawiają wtedy swoje przyrzeczenia kapłańskie , a pod koniec mszy święci się krzyżmo ,  czyli olej używany do namaszczenia chorych ,  a  także ścian i  ołtarzy nowych kościołów
Tokens: 1_____ 2________ 3____ 4____ 5____________ 6_________ 7 8 9__ 10____ 11__ 12____ 13_ 14_____ 15 16___ 17__ 18_____ 19 20__________ 21_____ 22 23 24___ 25___ 26 27_____ 28____ 29_______

Chunks:

(ChunkerEvaluator) Sentence #8071 from articles/00107722 from sent10

Text  : Była to pierwsza Msza Święta Krzyżma , którą abp Stanisław Budzik odprawił jako metropolita lubelski .
Tokens: 1___ 2_ 3_______ 4___ 5_____ 6______ 7 8____ 9__ 10_______ 11____ 12______ 13__ 14_________ 15______ 16

Chunks:
  TruePositive nam [4,6] = Msza Święta Krzyżma
  TruePositive nam [10,11] = Stanisław Budzik

(ChunkerEvaluator) Sentence #8072 from articles/00107722 from sent11

Text  : Wieczorem zgodnie z tradycją w kościołach odbyła się Msza Wieczerzy Pańskiej ,  inaugurująca Triduum Paschalne .
Tokens: 1________ 2______ 3 4_______ 5 6_________ 7_____ 8__ 9___ 10_______ 11______ 12 13__________ 14_____ 15_______ 16

Chunks:
  TruePositive nam [9,11] = Msza Wieczerzy Pańskiej
  TruePositive nam [14,15] = Triduum Paschalne

(ChunkerEvaluator) Sentence #8073 from articles/00107722 from sent12

Text  : W archikatedrze kazanie wygłosił bp Artur Miziński a nogi 12 mężczyznom obmywał abp Stanisław Budzik .
Tokens: 1 2____________ 3______ 4_______ 5_ 6____ 7_______ 8 9___ 10 11________ 12_____ 13_ 14_______ 15____ 16

Chunks:
  TruePositive nam [6,7] = Artur Miziński
  TruePositive nam [14,15] = Stanisław Budzik

(ChunkerEvaluator) Sentence #8074 from articles/00107722 from sent13

Text  : Wielki Piątek jest jedynym dniem w ciągu roku , gdy w  kościołach nie odprawia się mszy .
Tokens: 1_____ 2_____ 3___ 4______ 5____ 6 7____ 8___ 9 10_ 11 12________ 13_ 14______ 15_ 16__ 17

Chunks:
  FalsePositive nam [2,2] = Piątek
  FalseNegative nam [1,2] = Wielki Piątek

(ChunkerEvaluator) Sentence #8075 from articles/00107722 from sent14

Text  : Wieczorem odbędzie się Liturgia Męki Pańskiej , którą odprawi bp Artur Miziński ,  a  kazanie wygłosi bp Mieczysław Cisło .
Tokens: 1________ 2_______ 3__ 4_______ 5___ 6_______ 7 8____ 9______ 10 11___ 12______ 13 14 15_____ 16_____ 17 18________ 19___ 20

Chunks:
  TruePositive nam [4,6] = Liturgia Męki Pańskiej
  TruePositive nam [11,12] = Artur Miziński
  TruePositive nam [18,19] = Mieczysław Cisło

(ChunkerEvaluator) Sentence #8076 from articles/00107722 from sent15

Text  : Po liturgii ulicami Starego Miasta przejdzie droga krzyżowa z udziałem przedstawicieli różnych wyznań chrześcijańskich ,  która rozpocznie się około godz .  20 .
Tokens: 1_ 2_______ 3______ 4______ 5_____ 6________ 7____ 8_______ 9 10______ 11_____________ 12_____ 13____ 14______________ 15 16___ 17________ 18_ 19___ 20__ 21 22 23

Chunks:
  TruePositive nam [4,5] = Starego Miasta

2016-10-27 14:59:52,032 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 351 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107723.xml
(ChunkerEvaluator) Sentence #8077 from articles/00107723 from sent1

Text  : Z serii : mam pomysł .
Tokens: 1 2____ 3 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #8078 from articles/00107723 from sent2

Text  : Jak tanio „ odbudować ” bramę bielską
Tokens: 1__ 2____ 3 4________ 5 6____ 7______

Chunks:
  FalseNegative nam [6,7] = bramę bielską

(ChunkerEvaluator) Sentence #8079 from articles/00107723 from sent3

Text  : Ciągle nie wiadomo , kiedy na płockiej starówce powstanie brama bielska .
Tokens: 1_____ 2__ 3______ 4 5____ 6_ 7_______ 8_______ 9________ 10___ 11_____ 12

Chunks:
  FalseNegative nam [10,11] = brama bielska

(ChunkerEvaluator) Sentence #8080 from articles/00107723 from sent4

Text  : Stanisław Płuciennik - znany płocki historyk i plastyk - ma pomysł .  .  .
Tokens: 1________ 2_________ 3 4____ 5_____ 6_______ 7 8______ 9 10 11____ 12 13 14

Chunks:
  TruePositive nam [1,2] = Stanisław Płuciennik

(ChunkerEvaluator) Sentence #8081 from articles/00107723 from sent5

Text  : O odtworzeniu bramy bielskiej mówi się od lat .
Tokens: 1 2__________ 3____ 4________ 5___ 6__ 7_ 8__ 9

Chunks:
  FalseNegative nam [3,4] = bramy bielskiej

(ChunkerEvaluator) Sentence #8082 from articles/00107723 from sent6

Text  : Była częścią XIV - wiecznych murów obronnych Płocka .
Tokens: 1___ 2______ 3__ 4 5________ 6____ 7________ 8_____ 9

Chunks:
  TruePositive nam [8,8] = Płocka

(ChunkerEvaluator) Sentence #8083 from articles/00107723 from sent7

Text  : Baszta stała mniej więcej tam , gdzie dziś na Bielskiej jest ,  zachowanego do dziś ,  fragment średniowiecznego muru .
Tokens: 1_____ 2____ 3____ 4_____ 5__ 6 7____ 8___ 9_ 10_______ 11__ 12 13_________ 14 15__ 16 17______ 18______________ 19__ 20

Chunks:
  TruePositive nam [10,10] = Bielskiej

(ChunkerEvaluator) Sentence #8084 from articles/00107723 from sent8

Text  : Na półkę odłożono pomysł Marka Hryniewickiego , który proponował przedłużenie pierzei kamienic wzdłuż ul .  Kwiatka ,  wraz z  dwoma ceglanymi pylonami i  olbrzymią ,  przeszkloną częścią .
Tokens: 1_ 2____ 3_______ 4_____ 5____ 6_____________ 7 8____ 9_________ 10__________ 11_____ 12______ 13____ 14 15 16_____ 17 18__ 19 20___ 21_______ 22______ 23 24_______ 25 26_________ 27_____ 28

Chunks:
  TruePositive nam [5,6] = Marka Hryniewickiego
  TruePositive nam [16,16] = Kwiatka

(ChunkerEvaluator) Sentence #8085 from articles/00107723 from sent9

Text  : Miały się w niej znaleźć kawiarnie lub placówki kultury .
Tokens: 1____ 2__ 3 4___ 5______ 6________ 7__ 8_______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #8086 from articles/00107723 from sent10

Text  : Kolejne koncepcje też nie doczekały się akceptacji i realizacji .
Tokens: 1______ 2________ 3__ 4__ 5________ 6__ 7_________ 8 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #8087 from articles/00107723 from sent11

Text  : Według Stanisława Płuciennika nikt nie wie , jak wyglądała oryginalna brama bielska .
Tokens: 1_____ 2_________ 3__________ 4___ 5__ 6__ 7 8__ 9________ 10________ 11___ 12_____ 13

Chunks:
  TruePositive nam [2,3] = Stanisława Płuciennika
  FalseNegative nam [11,12] = brama bielska

(ChunkerEvaluator) Sentence #8088 from articles/00107723 from sent12

Text  : Ale - twierdzi - idąc tropem koncepcji średniowiecznych władców ,  można to sobie wyobrazić .
Tokens: 1__ 2 3_______ 4 5___ 6_____ 7________ 8_______________ 9______ 10 11___ 12 13___ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #8089 from articles/00107723 from sent13

Text  : Np . jako mały barbakan , taki jak w Krakowie .
Tokens: 1_ 2 3___ 4___ 5_______ 6 7___ 8__ 9 10______ 11

Chunks:
  TruePositive nam [10,10] = Krakowie
  FalseNegative nam [4,5] = mały barbakan

(ChunkerEvaluator) Sentence #8090 from articles/00107723 from sent14

Text  : - W oczekiwaniu na odtworzenie bramy bielskiej proponował by m  coś znacznie prostszego -  dodaje historyk .
Tokens: 1 2 3__________ 4_ 5__________ 6____ 7________ 8_________ 9_ 10 11_ 12______ 13________ 14 15____ 16______ 17

Chunks:
  FalseNegative nam [6,7] = bramy bielskiej

(ChunkerEvaluator) Sentence #8091 from articles/00107723 from sent15

Text  : - Można by dać jej wyobrażenie , odpowiednio komponując kwiaty na obecnym chodniku ,  stosując różne kolory kostki brukowej ,  a  nawet malując stosowne graffiti .
Tokens: 1 2____ 3_ 4__ 5__ 6__________ 7 8__________ 9_________ 10____ 11 12_____ 13______ 14 15______ 16___ 17____ 18____ 19______ 20 21 22___ 23_____ 24______ 25______ 26

Chunks:

2016-10-27 14:59:52,093 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 352 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107724.xml
(ChunkerEvaluator) Sentence #8092 from articles/00107724 from sent1

Text  : 1 . liga piłkarska .
Tokens: 1 2 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #8093 from articles/00107724 from sent2

Text  : Ryszard Tarasiewicz trenerem Pogoni
Tokens: 1______ 2__________ 3_______ 4_____

Chunks:
  TruePositive nam [1,2] = Ryszard Tarasiewicz
  TruePositive nam [4,4] = Pogoni

(ChunkerEvaluator) Sentence #8094 from articles/00107724 from sent3

Text  : Ryszard Tarasiewicz został trenerem Pogoni Szczecin , wicelidera pierwszej ligi piłkarskiej -  poinformowano na stronie internetowej drużyny .
Tokens: 1______ 2__________ 3_____ 4_______ 5_____ 6_______ 7 8_________ 9________ 10__ 11_________ 12 13___________ 14 15_____ 16__________ 17_____ 18

Chunks:
  TruePositive nam [1,2] = Ryszard Tarasiewicz
  TruePositive nam [5,6] = Pogoni Szczecin

(ChunkerEvaluator) Sentence #8095 from articles/00107724 from sent4

Text  : Zastąpił Marcina Sasala , którego władze klubu zwolniły po trzech porażkach z  rzędu .
Tokens: 1_______ 2______ 3_____ 4 5______ 6_____ 7____ 8_______ 9_ 10____ 11_______ 12 13___ 14

Chunks:
  TruePositive nam [2,3] = Marcina Sasala

(ChunkerEvaluator) Sentence #8096 from articles/00107724 from sent5

Text  : Tarasiewicz w styczniu rozwiązał kontrakt z ŁKS Łódź i od tamtego momentu pozostawał bez pracy .
Tokens: 1__________ 2 3_______ 4________ 5_______ 6 7__ 8___ 9 10 11_____ 12_____ 13________ 14_ 15___ 16

Chunks:
  TruePositive nam [7,8] = ŁKS Łódź
  FalseNegative nam [1,1] = Tarasiewicz

(ChunkerEvaluator) Sentence #8097 from articles/00107724 from sent6

Text  : 49 - letni szkoleniowiec ma doświadczenie we wprowadzaniu drużyn do ekstraklasy .
Tokens: 1_ 2 3____ 4____________ 5_ 6____________ 7_ 8___________ 9_____ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #8098 from articles/00107724 from sent7

Text  : W sezonie 2007 / 08 dokonał tej sztuki ze Śląskiem Wrocław .
Tokens: 1 2______ 3___ 4 5_ 6______ 7__ 8_____ 9_ 10______ 11_____ 12

Chunks:
  TruePositive nam [10,11] = Śląskiem Wrocław

(ChunkerEvaluator) Sentence #8099 from articles/00107724 from sent8

Text  : - Cel jest jeden - awans .
Tokens: 1 2__ 3___ 4____ 5 6____ 7

Chunks:
  FalsePositive nam [2,2] = Cel

(ChunkerEvaluator) Sentence #8100 from articles/00107724 from sent9

Text  : Mam tego świadomość .
Tokens: 1__ 2___ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #8101 from articles/00107724 from sent10

Text  : Dla mnie sytuacja jest jasna .
Tokens: 1__ 2___ 3_______ 4___ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #8102 from articles/00107724 from sent11

Text  : Przeżył em to w Śląsku Wrocław .
Tokens: 1______ 2_ 3_ 4 5_____ 6______ 7

Chunks:
  TruePositive nam [5,6] = Śląsku Wrocław

(ChunkerEvaluator) Sentence #8103 from articles/00107724 from sent12

Text  : Mamy dziesięć kolejek do końca sezonu .
Tokens: 1___ 2_______ 3______ 4_ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #8104 from articles/00107724 from sent13

Text  : Ciśnienie jest duże - przyznał Tarasiewicz , który po konferencji prasowej poprowadził pierwszy trening .
Tokens: 1________ 2___ 3___ 4 5_______ 6__________ 7 8____ 9_ 10_________ 11______ 12_________ 13______ 14_____ 15

Chunks:
  FalseNegative nam [6,6] = Tarasiewicz

(ChunkerEvaluator) Sentence #8105 from articles/00107724 from sent14

Text  : 41 - letni Sasal pracował w Pogoni od czerwca 2011 roku .
Tokens: 1_ 2 3____ 4____ 5_______ 6 7_____ 8_ 9______ 10__ 11__ 12

Chunks:
  TruePositive nam [7,7] = Pogoni
  FalseNegative nam [4,4] = Sasal

(ChunkerEvaluator) Sentence #8106 from articles/00107724 from sent15

Text  : Wcześniej prowadził m . in . Koronę Kielce i Dolcan Ząbki .
Tokens: 1________ 2________ 3 4 5_ 6 7_____ 8_____ 9 10____ 11___ 12

Chunks:
  TruePositive nam [7,8] = Koronę Kielce
  TruePositive nam [10,11] = Dolcan Ząbki

(ChunkerEvaluator) Sentence #8107 from articles/00107724 from sent16

Text  : W ostatnich trzech spotkaniach Pogoń przegrała kolejno z Sandecją Nowy Sącz 0  :  1  ,  Termalicą Bruk -  Bet Nieciecza 0  :  2  i  ostatnią w  tabeli Olimpią Elbląg 1  :  2  .
Tokens: 1 2________ 3_____ 4__________ 5____ 6________ 7______ 8 9_______ 10__ 11__ 12 13 14 15 16_______ 17__ 18 19_ 20_______ 21 22 23 24 25______ 26 27____ 28_____ 29____ 30 31 32 33

Chunks:
  TruePositive nam [5,5] = Pogoń
  TruePositive nam [9,11] = Sandecją Nowy Sącz
  TruePositive nam [28,29] = Olimpią Elbląg
  FalsePositive nam [17,20] = Bruk - Bet Nieciecza
  FalseNegative nam [16,20] = Termalicą Bruk - Bet Nieciecza

(ChunkerEvaluator) Sentence #8108 from articles/00107724 from sent17

Text  : W efekcie po 24 kolejkach " Portowcy " spadli na drugie miejsce w  tabeli -  mają 44 punkty (  tak jak lider Termalica )  .
Tokens: 1 2______ 3_ 4_ 5________ 6 7_______ 8 9_____ 10 11____ 12_____ 13 14____ 15 16__ 17 18____ 19 20_ 21_ 22___ 23_______ 24 25

Chunks:
  TruePositive nam [7,7] = Portowcy
  FalseNegative nam [23,23] = Termalica

2016-10-27 14:59:52,156 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 353 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107725.xml
(ChunkerEvaluator) Sentence #8109 from articles/00107725 from sent1

Text  : Poland still home to many barriers to business : report
Tokens: 1_____ 2____ 3___ 4_ 5___ 6_______ 7_ 8_______ 9 10____

Chunks:
  FalseNegative nam [1,1] = Poland

(ChunkerEvaluator) Sentence #8110 from articles/00107725 from sent2

Text  : According to the latest “ black list ” published by the Polish Confederation of Private Employers Lewiatan (  PKPP Lewiatan )  ,  Poland is still home to a  number of barriers to doing business .
Tokens: 1________ 2_ 3__ 4_____ 5 6____ 7___ 8 9________ 10 11_ 12____ 13___________ 14 15_____ 16_______ 17______ 18 19__ 20______ 21 22 23____ 24 25___ 26__ 27 28 29____ 30 31______ 32 33___ 34______ 35

Chunks:
  TruePositive nam [12,17] = Polish Confederation of Private Employers Lewiatan
  TruePositive nam [19,20] = PKPP Lewiatan
  TruePositive nam [23,23] = Poland

(ChunkerEvaluator) Sentence #8111 from articles/00107725 from sent3

Text  : The latest list , the company's ninth annual publication ,  includes 366 items that act as barriers to business growth ,  reported Rzeczpospolita .
Tokens: 1__ 2_____ 3___ 4 5__ 6________ 7____ 8_____ 9__________ 10 11______ 12_ 13___ 14__ 15_ 16 17______ 18 19______ 20____ 21 22______ 23____________ 24

Chunks:
  TruePositive nam [23,23] = Rzeczpospolita

(ChunkerEvaluator) Sentence #8112 from articles/00107725 from sent4

Text  : This figure constitutes a significant increase on the 170 barriers that were listed in the 2008 edition .
Tokens: 1___ 2_____ 3__________ 4 5__________ 6_______ 7_ 8__ 9__ 10______ 11__ 12__ 13____ 14 15_ 16__ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #8113 from articles/00107725 from sent5

Text  : Employment issues , tax difficulties and laws governing public procurement were seen as the most significant barriers to doing business in Poland .
Tokens: 1_________ 2_____ 3 4__ 5___________ 6__ 7___ 8________ 9_____ 10_________ 11__ 12__ 13 14_ 15__ 16_________ 17______ 18 19___ 20______ 21 22____ 23

Chunks:
  TruePositive nam [22,22] = Poland

(ChunkerEvaluator) Sentence #8114 from articles/00107725 from sent6

Text  : “ Along with a worsening global financial climate , we're also seeing increasing competition from abroad ,  so we will continue to point out laws which serve to slow economic growth ,  ”  said Lewiatan president Henryka Bochniarz .
Tokens: 1 2____ 3___ 4 5________ 6_____ 7________ 8______ 9 10___ 11__ 12____ 13________ 14_________ 15__ 16____ 17 18 19 20__ 21______ 22 23___ 24_ 25__ 26___ 27___ 28 29__ 30______ 31____ 32 33 34__ 35______ 36_______ 37_____ 38_______ 39

Chunks:
  TruePositive nam [35,35] = Lewiatan
  TruePositive nam [37,38] = Henryka Bochniarz

(ChunkerEvaluator) Sentence #8115 from articles/00107725 from sent7

Text  : Poland A . M .
Tokens: 1_____ 2 3 4 5

Chunks:
  FalsePositive nam [1,4] = Poland A . M
  FalseNegative nam [1,5] = Poland A . M .

2016-10-27 14:59:52,196 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 354 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107726.xml
(ChunkerEvaluator) Sentence #8116 from articles/00107726 from sent1

Text  : F1 .
Tokens: 1_ 2

Chunks:
  FalseNegative nam [1,1] = F1

(ChunkerEvaluator) Sentence #8117 from articles/00107726 from sent2

Text  : Jak się ścigać w trakcie wojny domowej
Tokens: 1__ 2__ 3_____ 4 5______ 6____ 7______

Chunks:

(ChunkerEvaluator) Sentence #8118 from articles/00107726 from sent3

Text  : Zespoły nalegają , aby odwołać planowany za tydzień Grand Prix Bahrajnu ,  jedno z  najbardziej lukratywnych w  Formule 1  .
Tokens: 1______ 2_______ 3 4__ 5______ 6________ 7_ 8______ 9____ 10__ 11______ 12 13___ 14 15_________ 16__________ 17 18_____ 19 20

Chunks:
  TruePositive nam [9,11] = Grand Prix Bahrajnu
  FalsePositive nam [18,18] = Formule
  FalseNegative nam [18,19] = Formule 1

(ChunkerEvaluator) Sentence #8119 from articles/00107726 from sent4

Text  : Arabska wiosna przeżywa tam pełen rozkwit .
Tokens: 1______ 2_____ 3_______ 4__ 5____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8120 from articles/00107726 from sent5

Text  : Ta w Bahrajnie jest przeciw wyścigowi .
Tokens: 1_ 2 3________ 4___ 5______ 6________ 7

Chunks:
  TruePositive nam [3,3] = Bahrajnie

(ChunkerEvaluator) Sentence #8121 from articles/00107726 from sent6

Text  : - Czuję wewnętrzny sprzeciw na myśl , że mamy lecieć do Bahrajnu .
Tokens: 1 2____ 3_________ 4_______ 5_ 6___ 7 8_ 9___ 10____ 11 12______ 13

Chunks:
  TruePositive nam [12,12] = Bahrajnu

(ChunkerEvaluator) Sentence #8122 from articles/00107726 from sent7

Text  : Brutalnie mówiąc , aby zapewnić nam bezpieczeństwo , tor musiał by się zamienić w  wojskową twierdzę .
Tokens: 1________ 2_____ 3 4__ 5_______ 6__ 7_____________ 8 9__ 10____ 11 12_ 13______ 14 15______ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #8123 from articles/00107726 from sent8

Text  : Nasi ubezpieczyciele mają potężne wątpliwości - cytują brytyjskie „ Guardian ”  i  BBC anonimowych rozmówców z  czołowych zespołów F1 kilka dni po wybuchu bomby ,  która zraniła siedmiu policjantów w  stolicy królestwa Manamie .
Tokens: 1___ 2______________ 3___ 4______ 5__________ 6 7_____ 8_________ 9 10______ 11 12 13_ 14_________ 15_______ 16 17_______ 18______ 19 20___ 21_ 22 23_____ 24___ 25 26___ 27_____ 28_____ 29_________ 30 31_____ 32_______ 33_____ 34

Chunks:
  TruePositive nam [13,13] = BBC
  TruePositive nam [33,33] = Manamie
  FalseNegative nam [10,10] = Guardian
  FalseNegative nam [19,19] = F1

(ChunkerEvaluator) Sentence #8124 from articles/00107726 from sent9

Text  : „ Guardian ” twierdzi , że opinie są reprezentatywne dla zespołów F1 .
Tokens: 1 2_______ 3 4_______ 5 6_ 7_____ 8_ 9______________ 10_ 11______ 12 13

Chunks:
  FalseNegative nam [2,2] = Guardian
  FalseNegative nam [12,12] = F1

(ChunkerEvaluator) Sentence #8125 from articles/00107726 from sent10

Text  : Warto je przytoczyć , gdyż Formuła 1 to głównie Brytyjczycy ,  w  lwiej części właśnie oni organizują wyścigi ,  szefują ekipami z  wielomilionowymi budżetami ,  stanowią największą część zatrudnionych ,  a  większość zespołów ma swoje siedziby w  promieniu 200 mil od Londynu .
Tokens: 1____ 2_ 3_________ 4 5___ 6______ 7 8_ 9______ 10_________ 11 12 13___ 14____ 15_____ 16_ 17________ 18_____ 19 20_____ 21_____ 22 23______________ 24_______ 25 26______ 27________ 28___ 29___________ 30 31 32_______ 33______ 34 35___ 36______ 37 38_______ 39_ 40_ 41 42_____ 43

Chunks:
  TruePositive nam [10,10] = Brytyjczycy
  TruePositive nam [42,42] = Londynu
  FalsePositive nam [6,6] = Formuła
  FalseNegative nam [6,7] = Formuła 1

(ChunkerEvaluator) Sentence #8126 from articles/00107726 from sent11

Text  : Zespoły powinny zjechać do Bahrajnu w następny czwartek , w  piątek trenować ,  w  sobotę przeprowadzić kwalifikacje ,  w  niedzielę wystartować w  wyścigu .
Tokens: 1______ 2______ 3______ 4_ 5_______ 6 7_______ 8_______ 9 10 11____ 12______ 13 14 15____ 16___________ 17__________ 18 19 20_______ 21_________ 22 23_____ 24

Chunks:
  TruePositive nam [5,5] = Bahrajnu

(ChunkerEvaluator) Sentence #8127 from articles/00107726 from sent12

Text  : W królestwie nad Zatoką Perską pojawią się nie tylko członkowie ekip -  jest ich kilkudziesięciu -  ale również zaproszeni przez nich goście ,  zwykle inwestorzy ,  sponsorzy ,  celebryci ,  kibice -  zwycięzcy konkursów .
Tokens: 1 2_________ 3__ 4_____ 5_____ 6______ 7__ 8__ 9____ 10________ 11__ 12 13__ 14_ 15_____________ 16 17_ 18_____ 19________ 20___ 21__ 22____ 23 24____ 25________ 26 27_______ 28 29_______ 30 31____ 32 33_______ 34_______ 35

Chunks:
  TruePositive nam [4,5] = Zatoką Perską

(ChunkerEvaluator) Sentence #8128 from articles/00107726 from sent13

Text  : Dla firm związanych z motoryzacją wizyta w regionie - imperium ropy -  jest jednym z  najważniejszych punktów biznesowych planów .
Tokens: 1__ 2___ 3_________ 4 5__________ 6_____ 7 8_______ 9 10______ 11__ 12 13__ 14____ 15 16_____________ 17_____ 18_________ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #8129 from articles/00107726 from sent14

Text  : Ale od lutego zeszłego roku trwa tam bunt przeciwko dziedzicznej władzy dynastii Al -  Khalifa i  króla Hamada ibn Isy ,  tłumiony przez policję i  wojsko nie tylko królewskie ,  ale również z  zagranicy -  z  Arabii Saudyjskiej i  Zjednoczonych Emiratów Arabskich .
Tokens: 1__ 2_ 3_____ 4_______ 5___ 6___ 7__ 8___ 9________ 10__________ 11____ 12______ 13 14 15_____ 16 17___ 18____ 19_ 20_ 21 22______ 23___ 24_____ 25 26____ 27_ 28___ 29________ 30 31_ 32_____ 33 34_______ 35 36 37____ 38_________ 39 40___________ 41______ 42_______ 43

Chunks:
  TruePositive nam [13,15] = Al - Khalifa
  TruePositive nam [37,38] = Arabii Saudyjskiej
  TruePositive nam [40,42] = Zjednoczonych Emiratów Arabskich
  FalsePositive nam [18,18] = Hamada
  FalseNegative nam [18,20] = Hamada ibn Isy

(ChunkerEvaluator) Sentence #8130 from articles/00107726 from sent15

Text  : Jesień i zima były spokojniejsze , ale 9 marca na placu Perłowym w  Manamie demonstrowało ponad 100 tys .  ludzi w  kraju ,  który liczy zaledwie 1  ,  2  mln mieszkańców .
Tokens: 1_____ 2 3___ 4___ 5____________ 6 7__ 8 9____ 10 11___ 12______ 13 14_____ 15___________ 16___ 17_ 18_ 19 20___ 21 22___ 23 24___ 25___ 26______ 27 28 29 30_ 31_________ 32

Chunks:
  FalseNegative nam [12,12] = Perłowym
  FalseNegative nam [14,14] = Manamie

(ChunkerEvaluator) Sentence #8131 from articles/00107726 from sent16

Text  : W więzieniu strajk głodowy prowadził od dwóch miesięcy szef Centrum Praw Człowieka w  Bahrajnie ,  skazany na dożywocie Abdulhadi al -  Khawaja ,  zanim został przeniesiony do szpitala ,  gdy jego stan się pogorszył .
Tokens: 1 2________ 3_____ 4______ 5________ 6_ 7____ 8_______ 9___ 10_____ 11__ 12_______ 13 14_______ 15 16_____ 17 18_______ 19_______ 20 21 22_____ 23 24___ 25____ 26__________ 27 28______ 29 30_ 31__ 32__ 33_ 34_______ 35

Chunks:
  TruePositive nam [10,12] = Centrum Praw Człowieka
  TruePositive nam [14,14] = Bahrajnie
  TruePositive nam [19,22] = Abdulhadi al - Khawaja

(ChunkerEvaluator) Sentence #8132 from articles/00107726 from sent17

Text  : Opozycja chce ustąpienia króla , zmiany konstytucji , zakończenia dyskryminacji szyitów ,  którymi rządzi sunnicka mniejszość ,  demokratyzacji ,  wycofania obcych sił ,  uwolnienia więźniów politycznych .
Tokens: 1_______ 2___ 3_________ 4____ 5 6_____ 7__________ 8 9__________ 10___________ 11_____ 12 13_____ 14____ 15______ 16________ 17 18____________ 19 20_______ 21____ 22_ 23 24________ 25______ 26__________ 27

Chunks:

(ChunkerEvaluator) Sentence #8133 from articles/00107726 from sent18

Text  : I odwołania wyścigu .
Tokens: 1 2________ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #8134 from articles/00107726 from sent19

Text  : Od początku protestów zginęło ponad 60 osób , aresztowano około 2  tys .  Raporty organizacji praw człowieka donoszą o  torturach .
Tokens: 1_ 2_______ 3________ 4______ 5____ 6_ 7___ 8 9__________ 10___ 11 12_ 13 14_____ 15_________ 16__ 17_______ 18_____ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #8135 from articles/00107726 from sent20

Text  : W kraju się gotuje .
Tokens: 1 2____ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #8136 from articles/00107726 from sent21

Text  : Już rok temu wyścig z powodu pierwszej fali zamieszek antyrządowych został najpierw przeniesiony na inny termin ,  a  następnie odwołany .
Tokens: 1__ 2__ 3___ 4_____ 5 6_____ 7________ 8___ 9________ 10___________ 11____ 12______ 13__________ 14 15__ 16____ 17 18 19_______ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #8137 from articles/00107726 from sent22

Text  : Nie zrobiła tego ani FIA , czyli Międzynarodowa Federacja Samochodowa ,  pod egidą której organizowane są wyścigi .
Tokens: 1__ 2______ 3___ 4__ 5__ 6 7____ 8_____________ 9________ 10_________ 11 12_ 13___ 14____ 15__________ 16 17_____ 18

Chunks:
  TruePositive nam [8,10] = Międzynarodowa Federacja Samochodowa
  FalseNegative nam [5,5] = FIA

(ChunkerEvaluator) Sentence #8138 from articles/00107726 from sent23

Text  : Odwołali go sami organizatorzy .
Tokens: 1_______ 2_ 3___ 4____________ 5

Chunks:

(ChunkerEvaluator) Sentence #8139 from articles/00107726 from sent24

Text  : Dzięki temu Formuła 1 mogła zatrzymać w kieszeni 40 mln dol .  od Bahrajnu za prawo do przeprowadzenia Grand Prix .
Tokens: 1_____ 2___ 3______ 4 5____ 6________ 7 8_______ 9_ 10_ 11_ 12 13 14______ 15 16___ 17 18_____________ 19___ 20__ 21

Chunks:
  TruePositive nam [14,14] = Bahrajnu
  TruePositive nam [19,20] = Grand Prix
  FalsePositive nam [3,3] = Formuła
  FalsePositive nam [11,11] = dol
  FalseNegative nam [3,4] = Formuła 1

(ChunkerEvaluator) Sentence #8140 from articles/00107726 from sent25

Text  : Teraz walka toczy się o zwiększoną stawkę - nie tylko o  przyszłotygodniowy wyścig i  o  następne 40 mln ,  ale też o  kolejne Grand Prix nad Zatoką Perską .
Tokens: 1____ 2____ 3____ 4__ 5 6_________ 7_____ 8 9__ 10___ 11 12________________ 13____ 14 15 16______ 17 18_ 19 20_ 21_ 22 23_____ 24___ 25__ 26_ 27____ 28____ 29

Chunks:
  TruePositive nam [24,25] = Grand Prix
  TruePositive nam [27,28] = Zatoką Perską

(ChunkerEvaluator) Sentence #8141 from articles/00107726 from sent26

Text  : Formuła 1 podpisała bowiem z Bahrajnem umowę obowiązującą do 2016 roku ,  ale jest w  niej klauzula ,  która mówi ,  że gdy nie odbędą się dwa wyścigi z  rzędu ,  kontrakt przestaje obowiązywać .
Tokens: 1______ 2 3________ 4_____ 5 6________ 7____ 8___________ 9_ 10__ 11__ 12 13_ 14__ 15 16__ 17______ 18 19___ 20__ 21 22 23_ 24_ 25____ 26_ 27_ 28_____ 29 30___ 31 32______ 33_______ 34_________ 35

Chunks:
  TruePositive nam [6,6] = Bahrajnem
  FalsePositive nam [1,1] = Formuła
  FalseNegative nam [1,2] = Formuła 1

(ChunkerEvaluator) Sentence #8142 from articles/00107726 from sent27

Text  : Bahrajn dąży do tego , aby za wszelką cenę sprowadzić Grand Prix nie tylko z  powodu niebagatelnych dochodów z  wyścigu dla rodziny królewskiej ,  ale też aby pokazać ,  że kraj się uspokaja .
Tokens: 1______ 2___ 3_ 4___ 5 6__ 7_ 8______ 9___ 10________ 11___ 12__ 13_ 14___ 15 16____ 17____________ 18______ 19 20_____ 21_ 22_____ 23_________ 24 25_ 26_ 27_ 28_____ 29 30 31__ 32_ 33______ 34

Chunks:
  TruePositive nam [1,1] = Bahrajn
  TruePositive nam [11,12] = Grand Prix

(ChunkerEvaluator) Sentence #8143 from articles/00107726 from sent28

Text  : Organizatorzy używają różnych chwytów , by przekonać wahających się :  ostatnio opublikowali na swojej stronie kilka zdań z  poufnego raportu „  zwiadowców ”  z  ekipy Lotusa ,  którzy wizytowali Bahrajn ,  żeby wybadać ,  czy jest w  nim bezpiecznie .
Tokens: 1____________ 2______ 3______ 4______ 5 6_ 7________ 8_________ 9__ 10 11______ 12__________ 13 14____ 15_____ 16___ 17__ 18 19______ 20_____ 21 22________ 23 24 25___ 26____ 27 28____ 29________ 30_____ 31 32__ 33_____ 34 35_ 36__ 37 38_ 39_________ 40

Chunks:
  TruePositive nam [30,30] = Bahrajn
  FalseNegative nam [26,26] = Lotusa

(ChunkerEvaluator) Sentence #8144 from articles/00107726 from sent29

Text  : Mieli oni napisać , że wyjechali pewniejsi o bezpieczeństwo zespołów i  właśnie to zdanie przytoczono na oficjalnej stronie wyścigu .
Tokens: 1____ 2__ 3______ 4 5_ 6________ 7________ 8 9_____________ 10______ 11 12_____ 13 14____ 15_________ 16 17________ 18_____ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #8145 from articles/00107726 from sent30

Text  : Pełny raport przedstawiciele Lotusa przekazali tydzień temu wszystkim zespołom F1 .
Tokens: 1____ 2_____ 3______________ 4_____ 5_________ 6______ 7___ 8________ 9_______ 10 11

Chunks:
  FalseNegative nam [4,4] = Lotusa
  FalseNegative nam [10,10] = F1

(ChunkerEvaluator) Sentence #8146 from articles/00107726 from sent31

Text  : W ostatnich dniach przedstawiciele rządu prowadzili kampanię PR - ową ,  w  której demonstrantów przedstawiają jako ekstremistów lub nieświadome tłumy kierowane przez nieokreślonych kanapowych manipulatorów .
Tokens: 1 2________ 3_____ 4______________ 5____ 6_________ 7_______ 8_ 9 10_ 11 12 13____ 14___________ 15___________ 16__ 17__________ 18_ 19_________ 20___ 21_______ 22___ 23____________ 24________ 25___________ 26

Chunks:
  FalsePositive nam [8,10] = PR - ową

(ChunkerEvaluator) Sentence #8147 from articles/00107726 from sent32

Text  : W tej sytuacji wątpliwości mają nawet rekiny Formuły 1 .
Tokens: 1 2__ 3_______ 4__________ 5___ 6____ 7_____ 8______ 9 10

Chunks:
  FalsePositive nam [8,8] = Formuły
  FalseNegative nam [8,9] = Formuły 1

(ChunkerEvaluator) Sentence #8148 from articles/00107726 from sent33

Text  : Czy zrezygnować z lukratywnego wyścigu ?
Tokens: 1__ 2__________ 3 4___________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #8149 from articles/00107726 from sent34

Text  : Jeśli tak , kto ma podjąć decyzję i jaki ma być jej powód ?
Tokens: 1____ 2__ 3 4__ 5_ 6_____ 7______ 8 9___ 10 11_ 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #8150 from articles/00107726 from sent35

Text  : Brak bezpieczeństwa dla członków zespołów czy sprzeciw wobec przemocy rządowej policji ?
Tokens: 1___ 2_____________ 3__ 4_______ 5_______ 6__ 7_______ 8____ 9_______ 10______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #8151 from articles/00107726 from sent36

Text  : Ostateczna decyzja zostanie podjęta zapewne podczas najbliższego wyścigu , Grand Prix Chin w  Szanghaju ,  który odbędzie się w  niedzielę .
Tokens: 1_________ 2______ 3_______ 4______ 5______ 6______ 7___________ 8______ 9 10___ 11__ 12__ 13 14_______ 15 16___ 17______ 18_ 19 20_______ 21

Chunks:
  TruePositive nam [10,12] = Grand Prix Chin
  TruePositive nam [14,14] = Szanghaju

(ChunkerEvaluator) Sentence #8152 from articles/00107726 from sent37

Text  : Formalnie należy ona do FIA , jednak federacja nie podejmie jej bez konsultacji z  zespołami i  z  szefem F1 Bernim Ecclestonem .
Tokens: 1________ 2_____ 3__ 4_ 5__ 6 7_____ 8________ 9__ 10______ 11_ 12_ 13_________ 14 15_______ 16 17 18____ 19 20____ 21_________ 22

Chunks:
  FalsePositive nam [19,21] = F1 Bernim Ecclestonem
  FalseNegative nam [5,5] = FIA
  FalseNegative nam [19,19] = F1
  FalseNegative nam [20,21] = Bernim Ecclestonem

(ChunkerEvaluator) Sentence #8153 from articles/00107726 from sent38

Text  : Jak mówi 82 - letni miliarder - „ jeśli zespoły nie zechcą tam jechać ,  nikt ich nie zmusi ”  .
Tokens: 1__ 2___ 3_ 4 5____ 6________ 7 8 9____ 10_____ 11_ 12____ 13_ 14____ 15 16__ 17_ 18_ 19___ 20 21

Chunks:

(ChunkerEvaluator) Sentence #8154 from articles/00107726 from sent39

Text  : Nie dodaje , że ich nieobecność miała by wspomniane konsekwencje finansowe .
Tokens: 1__ 2_____ 3 4_ 5__ 6__________ 7____ 8_ 9_________ 10__________ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #8155 from articles/00107726 from sent40

Text  : Chyba że decyzję podejmie za nich FIA . . .
Tokens: 1____ 2_ 3______ 4_______ 5_ 6___ 7__ 8 9 10

Chunks:
  FalseNegative nam [7,7] = FIA

2016-10-27 14:59:52,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 355 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107727.xml
(ChunkerEvaluator) Sentence #8156 from articles/00107727 from sent1

Text  : Ekstraklasa koszykarek - CCC - Lotos 76 : 66
Tokens: 1__________ 2_________ 3 4__ 5 6____ 7_ 8 9_

Chunks:
  TruePositive nam [6,6] = Lotos
  FalseNegative nam [4,4] = CCC

(ChunkerEvaluator) Sentence #8157 from articles/00107727 from sent2

Text  : # dochodzą punkty #
Tokens: 1 2_______ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #8158 from articles/00107727 from sent3

Text  : 12 . 04 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #8159 from articles/00107727 from sent4

Text  : Polkowice ( PAP ) - Drugi mecz półfinałowy : CCC Polkowice -  Lotos Gdynia 76 :  66 (  27 :  18 ,  16 :  11 ,  20 :  17 ,  13 :  20 )  .
Tokens: 1________ 2 3__ 4 5 6____ 7___ 8__________ 9 10_ 11_______ 12 13___ 14____ 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [10,11] = CCC Polkowice
  TruePositive nam [13,14] = Lotos Gdynia
  FalseNegative nam [1,1] = Polkowice

(ChunkerEvaluator) Sentence #8160 from articles/00107727 from sent5

Text  : Stan rywalizacji ( do trzech zwycięstw ) 2 - 0  .
Tokens: 1___ 2__________ 3 4_ 5_____ 6________ 7 8 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #8161 from articles/00107727 from sent6

Text  : Trzeci mecz odbędzie się w sobotę w Gdyni .
Tokens: 1_____ 2___ 3_______ 4__ 5 6_____ 7 8____ 9

Chunks:
  TruePositive nam [8,8] = Gdyni

(ChunkerEvaluator) Sentence #8162 from articles/00107727 from sent7

Text  : Punkty : CCC Polkowice - Sharnee Zoll 12 , Jantel Lavender 11 ,  Walerija Musina 11 ,  Evanthia Maltsi 11 ,  Iva Perovanovic 8  ,  Joanna Walich 8  ,  Agnieszka Majewska 7  ,  Agata Gajda 4  ,  Agnieszka Bibrzycka 4  .
Tokens: 1_____ 2 3__ 4________ 5 6______ 7___ 8_ 9 10____ 11______ 12 13 14______ 15____ 16 17 18______ 19____ 20 21 22_ 23_________ 24 25 26____ 27____ 28 29 30_______ 31______ 32 33 34___ 35___ 36 37 38_______ 39_______ 40 41

Chunks:
  TruePositive nam [3,4] = CCC Polkowice
  TruePositive nam [6,7] = Sharnee Zoll
  TruePositive nam [10,11] = Jantel Lavender
  TruePositive nam [14,15] = Walerija Musina
  TruePositive nam [18,19] = Evanthia Maltsi
  TruePositive nam [30,31] = Agnieszka Majewska
  TruePositive nam [34,35] = Agata Gajda
  FalsePositive nam [22,24] = Iva Perovanovic 8
  FalsePositive nam [26,28] = Joanna Walich 8
  FalsePositive nam [38,40] = Agnieszka Bibrzycka 4
  FalseNegative nam [22,23] = Iva Perovanovic
  FalseNegative nam [26,27] = Joanna Walich
  FalseNegative nam [38,39] = Agnieszka Bibrzycka

(ChunkerEvaluator) Sentence #8163 from articles/00107727 from sent8

Text  : Lotos Gdynia - Constance Jinks 24 , Geraldine Robert 20 ,  Aneika Henry 10 ,  Jolene Anderson 4  ,  Magdalena Ziętara 6  ,  Adrijana Knezevic 2  ,  Magdalena Kaczmarska 0  ,  Małgorzata Misiuk 0  .  (  PAP )
Tokens: 1____ 2_____ 3 4________ 5____ 6_ 7 8________ 9_____ 10 11 12____ 13___ 14 15 16____ 17______ 18 19 20_______ 21_____ 22 23 24______ 25______ 26 27 28_______ 29________ 30 31 32________ 33____ 34 35 36 37_ 38

Chunks:
  TruePositive nam [1,2] = Lotos Gdynia
  TruePositive nam [4,5] = Constance Jinks
  TruePositive nam [8,9] = Geraldine Robert
  TruePositive nam [20,21] = Magdalena Ziętara
  TruePositive nam [24,25] = Adrijana Knezevic
  TruePositive nam [28,29] = Magdalena Kaczmarska
  TruePositive nam [37,37] = PAP
  FalsePositive nam [13,13] = Henry
  FalsePositive nam [16,18] = Jolene Anderson 4
  FalsePositive nam [32,35] = Małgorzata Misiuk 0 .
  FalseNegative nam [12,13] = Aneika Henry
  FalseNegative nam [16,17] = Jolene Anderson
  FalseNegative nam [32,33] = Małgorzata Misiuk

2016-10-27 14:59:52,464 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 356 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107728.xml
(ChunkerEvaluator) Sentence #8164 from articles/00107728 from sent1

Text  : Jest trzeci następca doktora Kanigowskiego .
Tokens: 1___ 2_____ 3_______ 4______ 5____________ 6

Chunks:
  FalseNegative nam [5,5] = Kanigowskiego

(ChunkerEvaluator) Sentence #8165 from articles/00107728 from sent2

Text  : Onkolog Teresa Żółtowska
Tokens: 1______ 2_____ 3________

Chunks:
  TruePositive nam [2,3] = Teresa Żółtowska
  FalsePositive nam [1,1] = Onkolog

(ChunkerEvaluator) Sentence #8166 from articles/00107728 from sent3

Text  : - Kocham swoją pracę i nigdy , naprawdę nigdy ,  nie żałowała m  ,  że została m  onkologiem -  mówi Teresa Żóltowska ,  laureatka trzeciej już edycji nagrody im .  Krzysztofa Kanigowskiego ,  którą przyznano w  Białymstoku .
Tokens: 1 2_____ 3____ 4____ 5 6____ 7 8_______ 9____ 10 11_ 12______ 13 14 15 16_____ 17 18________ 19 20__ 21____ 22_______ 23 24_______ 25______ 26_ 27____ 28_____ 29 30 31________ 32___________ 33 34___ 35_______ 36 37_________ 38

Chunks:
  TruePositive nam [21,22] = Teresa Żóltowska
  TruePositive nam [31,32] = Krzysztofa Kanigowskiego
  TruePositive nam [37,37] = Białymstoku

(ChunkerEvaluator) Sentence #8167 from articles/00107728 from sent4

Text  : Ewa Kanigowska podczas uroczystości w Galerii Arsenał wyraziła nadzieję ,  że w  kolejnych latach nie zbraknie lekarzy ,  których będą zgłaszać pacjenci .
Tokens: 1__ 2_________ 3______ 4___________ 5 6______ 7______ 8_______ 9_______ 10 11 12 13_______ 14____ 15_ 16______ 17_____ 18 19_____ 20__ 21______ 22______ 23

Chunks:
  TruePositive nam [1,2] = Ewa Kanigowska
  TruePositive nam [6,7] = Galerii Arsenał

(ChunkerEvaluator) Sentence #8168 from articles/00107728 from sent5

Text  : - Taki dzień to nadzieja , że kropla drąży skałę i  zmienimy służbę zdrowia -  mówiła .
Tokens: 1 2___ 3____ 4_ 5_______ 6 7_ 8_____ 9____ 10___ 11 12______ 13____ 14_____ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #8169 from articles/00107728 from sent6

Text  : Leszek Kozłowski , Robert Kozłowski , Jadwiga Peczyńska , Anna Adamczuk i  Ireneusz Najmoła -  to lekarze nominowani w  tym roku .
Tokens: 1_____ 2________ 3 4_____ 5________ 6 7______ 8________ 9 10__ 11______ 12 13______ 14_____ 15 16 17_____ 18________ 19 20_ 21__ 22

Chunks:
  TruePositive nam [1,2] = Leszek Kozłowski
  TruePositive nam [4,5] = Robert Kozłowski
  TruePositive nam [7,8] = Jadwiga Peczyńska
  TruePositive nam [10,11] = Anna Adamczuk
  FalsePositive nam [13,15] = Ireneusz Najmoła -
  FalseNegative nam [13,14] = Ireneusz Najmoła

(ChunkerEvaluator) Sentence #8170 from articles/00107728 from sent7

Text  : Do tej edycji napłynęło 121 zgłoszeń , w sumie zgłoszono 16 lekarzy .
Tokens: 1_ 2__ 3_____ 4________ 5__ 6_______ 7 8 9____ 10_______ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8171 from articles/00107728 from sent8

Text  : Podczas gali zaprezentowano film , który został zrealizowany przy udziale Telewizji Białystok .
Tokens: 1______ 2___ 3_____________ 4___ 5 6____ 7_____ 8___________ 9___ 10_____ 11_______ 12_______ 13

Chunks:
  TruePositive nam [11,12] = Telewizji Białystok

(ChunkerEvaluator) Sentence #8172 from articles/00107728 from sent9

Text  : To krótki dokument o patronie nagrody .
Tokens: 1_ 2_____ 3_______ 4 5_______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8173 from articles/00107728 from sent10

Text  : Wspominają go pacjenci , koledzy z pracy i najbliżsi .
Tokens: 1_________ 2_ 3_______ 4 5______ 6 7____ 8 9________ 10

Chunks:

2016-10-27 14:59:52,511 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 357 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107729.xml
(ChunkerEvaluator) Sentence #8174 from articles/00107729 from sent1

Text  : Poranny komentarz rynkowy XTB - co dalej z ożywieniem ?
Tokens: 1______ 2________ 3______ 4__ 5 6_ 7____ 8 9_________ 10

Chunks:
  FalseNegative nam [4,4] = XTB

(ChunkerEvaluator) Sentence #8175 from articles/00107729 from sent2

Text  : Piątkowa wyprzedaż sprawiła , iż dwa pierwsze tygodnie kwietnia rynki akcji oraz euro skończyły pod kreską .
Tokens: 1_______ 2________ 3_______ 4 5_ 6__ 7_______ 8_______ 9_______ 10___ 11___ 12__ 13__ 14_______ 15_ 16____ 17

Chunks:
  TruePositive nam [13,13] = euro

(ChunkerEvaluator) Sentence #8176 from articles/00107729 from sent3

Text  : Stało się tak pomimo dobrych raportów spółek , które zapoczątkowały sezon wyników w  USA .
Tokens: 1____ 2__ 3__ 4_____ 5______ 6_______ 7_____ 8 9____ 10____________ 11___ 12_____ 13 14_ 15

Chunks:
  TruePositive nam [14,14] = USA

(ChunkerEvaluator) Sentence #8177 from articles/00107729 from sent4

Text  : Tematem przewodnim pogorszenia nastrojów były rosnące rentowności obligacji w Europie ,  choć należy to uznać za konsekwencję pogarszających się perspektyw makro (  o  czym pisali śmy już w  marcu )  .
Tokens: 1______ 2_________ 3__________ 4________ 5___ 6______ 7__________ 8________ 9 10_____ 11 12__ 13____ 14 15___ 16 17__________ 18____________ 19_ 20________ 21___ 22 23 24__ 25____ 26_ 27_ 28 29___ 30 31

Chunks:
  TruePositive nam [10,10] = Europie

(ChunkerEvaluator) Sentence #8178 from articles/00107729 from sent5

Text  : Więcej na temat perspektyw makroekonomicznych powie nam bieżący tydzień ,  gdyż poznamy raporty o  koniunkturze w  Niemczech i  USA .
Tokens: 1_____ 2_ 3____ 4_________ 5_________________ 6____ 7__ 8______ 9______ 10 11__ 12_____ 13_____ 14 15__________ 16 17_______ 18 19_ 20

Chunks:
  TruePositive nam [17,17] = Niemczech
  TruePositive nam [19,19] = USA

(ChunkerEvaluator) Sentence #8179 from articles/00107729 from sent6

Text  : Już dziś poznamy kwietniowy indeks aktywności z USA , który może okazać się bardziej istotny niż dane o  sprzedaży detalicznej .
Tokens: 1__ 2___ 3______ 4_________ 5_____ 6_________ 7 8__ 9 10___ 11__ 12____ 13_ 14______ 15_____ 16_ 17__ 18 19_______ 20_________ 21

Chunks:
  TruePositive nam [8,8] = USA

(ChunkerEvaluator) Sentence #8180 from articles/00107729 from sent7

Text  : Koniec passy w USA ?
Tokens: 1_____ 2____ 3 4__ 5

Chunks:
  TruePositive nam [4,4] = USA

(ChunkerEvaluator) Sentence #8181 from articles/00107729 from sent8

Text  : Reakcja na tygodniowy raport o liczbie nowych bezrobotnych – pierwsze dane za kwiecień (  380 tys .  ,  najwyżej od końca stycznia )  –  była zadziwiająco krótkotrwała .
Tokens: 1______ 2_ 3_________ 4_____ 5 6______ 7_____ 8___________ 9 10______ 11__ 12 13______ 14 15_ 16_ 17 18 19______ 20 21___ 22______ 23 24 25__ 26__________ 27__________ 28

Chunks:

(ChunkerEvaluator) Sentence #8182 from articles/00107729 from sent9

Text  : Być może wynikało to z faktu , iż rynek miał ochotę na odbicie po wcześniejszych silnych spadkach ,  których motywem przewodnim był słabszy miesięczny raport o  zatrudnieniu (  opublikowany w  Wielki Piątek )  .
Tokens: 1__ 2___ 3_______ 4_ 5 6____ 7 8_ 9____ 10__ 11____ 12 13_____ 14 15____________ 16_____ 17______ 18 19_____ 20_____ 21________ 22_ 23_____ 24________ 25____ 26 27__________ 28 29__________ 30 31____ 32____ 33 34

Chunks:
  TruePositive nam [31,32] = Wielki Piątek

(ChunkerEvaluator) Sentence #8183 from articles/00107729 from sent10

Text  : Jednak dane niepokoją , nie tylko dlatego , że nowych bezrobotnych było o  25 tys .  niż oczekiwano .
Tokens: 1_____ 2___ 3________ 4 5__ 6____ 7______ 8 9_ 10____ 11__________ 12__ 13 14 15_ 16 17_ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #8184 from articles/00107729 from sent11

Text  : Niepokoją przede wszystkim dlatego , że są kolejną sugestią ,  iż schemat z  ubiegłego roku –  mocny pierwszy kwartał i  osłabienie wiosną –  powtarza się .
Tokens: 1________ 2_____ 3________ 4______ 5 6_ 7_ 8______ 9_______ 10 11 12_____ 13 14_______ 15__ 16 17___ 18______ 19_____ 20 21________ 22____ 23 24______ 25_ 26

Chunks:

(ChunkerEvaluator) Sentence #8185 from articles/00107729 from sent12

Text  : Przyczyny , dla których taki schemat miał by się powtórzyć są dwojakie .
Tokens: 1________ 2 3__ 4______ 5___ 6______ 7___ 8_ 9__ 10_______ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #8186 from articles/00107729 from sent13

Text  : Z jednej strony mówi się o błędach w odsezonowaniu .
Tokens: 1 2_____ 3_____ 4___ 5__ 6 7______ 8 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #8187 from articles/00107729 from sent14

Text  : Po drugie , ponownie pojawiają się negatywne czynniki o charakterze „  nadzwyczajnym ”  :  w  ubiegłym roku było to połączenie wysokich cen ropy z  trzęsieniem ziemi w  Japonii ,  w  tym wysokim cenom ropy towarzyszy słaba koniunktura w  strefie i  obawy o  spowolnienie w  Chinach .
Tokens: 1_ 2_____ 3 4_______ 5________ 6__ 7________ 8_______ 9 10_________ 11 12___________ 13 14 15 16______ 17__ 18__ 19 20________ 21______ 22_ 23__ 24 25_________ 26___ 27 28_____ 29 30 31_ 32_____ 33___ 34__ 35________ 36___ 37_________ 38 39_____ 40 41___ 42 43__________ 44 45_____ 46

Chunks:
  TruePositive nam [28,28] = Japonii
  TruePositive nam [45,45] = Chinach

(ChunkerEvaluator) Sentence #8188 from articles/00107729 from sent15

Text  : Bieżący tydzień da nowe wskazówki w tej kwestii – poza tygodniowym raportem o  nowych bezrobotnych (  czwartek )  będą to wskaźniki aktywności w  rejonie Nowego Jorku (  dane już dziś o  14 .  30 )  oraz w  rejonie Filadelfii (  czwartek )  .
Tokens: 1______ 2______ 3_ 4___ 5________ 6 7__ 8______ 9 10__ 11_________ 12______ 13 14____ 15__________ 16 17______ 18 19__ 20 21_______ 22________ 23 24_____ 25____ 26___ 27 28__ 29_ 30__ 31 32 33 34 35 36__ 37 38_____ 39________ 40 41______ 42 43

Chunks:
  TruePositive nam [25,26] = Nowego Jorku
  TruePositive nam [39,39] = Filadelfii

(ChunkerEvaluator) Sentence #8189 from articles/00107729 from sent16

Text  : Co pokaże Ifo ?
Tokens: 1_ 2_____ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #8190 from articles/00107729 from sent17

Text  : Niemniej ważne będą dane z Niemiec .
Tokens: 1_______ 2____ 3___ 4___ 5 6______ 7

Chunks:
  TruePositive nam [6,6] = Niemiec

(ChunkerEvaluator) Sentence #8191 from articles/00107729 from sent18

Text  : Jakkolwiek na rynku głośno jest przede wszystkim wokół Hiszpanii ,  problemy Hiszpanów wynikają (  przynajmniej w  obecnej fazie )  w  dużym stopniu z  braku ożywienia w  strefie euro .
Tokens: 1_________ 2_ 3____ 4_____ 5___ 6_____ 7________ 8____ 9________ 10 11______ 12_______ 13______ 14 15__________ 16 17_____ 18___ 19 20 21___ 22_____ 23 24___ 25_______ 26 27_____ 28__ 29

Chunks:
  TruePositive nam [9,9] = Hiszpanii
  TruePositive nam [12,12] = Hiszpanów
  FalsePositive nam [28,28] = euro
  FalseNegative nam [27,28] = strefie euro

(ChunkerEvaluator) Sentence #8192 from articles/00107729 from sent19

Text  : Marcowe dane z Niemiec były bardzo niejednoznaczne – z jednej strony mieli śmy silny spadek PMI ,  z  drugiej wzrosty wskaźników ZEW oraz Ifo .
Tokens: 1______ 2___ 3 4______ 5___ 6_____ 7______________ 8 9 10____ 11____ 12___ 13_ 14___ 15____ 16_ 17 18 19_____ 20_____ 21________ 22_ 23__ 24_ 25

Chunks:
  TruePositive nam [4,4] = Niemiec
  FalsePositive nam [22,22] = ZEW

(ChunkerEvaluator) Sentence #8193 from articles/00107729 from sent20

Text  : Te dwa ostatnie poznamy już w tym tygodniu , podczas gdy na PMI trzeba będzie jeszcze poczekać .
Tokens: 1_ 2__ 3_______ 4______ 5__ 6 7__ 8_______ 9 10_____ 11_ 12 13_ 14____ 15____ 16_____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #8194 from articles/00107729 from sent21

Text  : Po publikacji marcowego Ifo pisali śmy o tym , iż podczas zwrotów koniunktury Ifo potrafi „  spóźnić się ”  w  relacji do PMI ,  dlatego spadek tego wskaźnika w  kwietniu były złym sygnałem (  sugerującym ,  iż to słaby PMI był bliżej rzeczywistości )  –  zarówno dla rynków akcji ,  jak i  dla euro
Tokens: 1_ 2_________ 3________ 4__ 5_____ 6__ 7 8__ 9 10 11_____ 12_____ 13_________ 14_ 15_____ 16 17_____ 18_ 19 20 21_____ 22 23_ 24 25_____ 26____ 27__ 28_______ 29 30______ 31__ 32__ 33______ 34 35_________ 36 37 38 39___ 40_ 41_ 42____ 43____________ 44 45 46_____ 47_ 48____ 49___ 50 51_ 52 53_ 54__

Chunks:
  FalsePositive nam [54,54] = euro

(ChunkerEvaluator) Sentence #8195 from articles/00107729 from sent22

Text  : Belka o inflacji i stopach
Tokens: 1____ 2 3_______ 4 5______

Chunks:
  FalseNegative nam [1,1] = Belka

(ChunkerEvaluator) Sentence #8196 from articles/00107729 from sent23

Text  : Po publikacji piątkowych danych o inflacji w Polsce ( 3  ,  9  %  )  prezes NBP stwierdził ,  iż Rada prawdopodobnie rozważy wniosek o  podwyżkę stóp w  maju .
Tokens: 1_ 2_________ 3_________ 4_____ 5 6_______ 7 8_____ 9 10 11 12 13 14 15____ 16_ 17________ 18 19 20__ 21____________ 22_____ 23_____ 24 25______ 26__ 27 28__ 29

Chunks:
  TruePositive nam [8,8] = Polsce
  TruePositive nam [16,16] = NBP
  TruePositive nam [20,20] = Rada

(ChunkerEvaluator) Sentence #8197 from articles/00107729 from sent24

Text  : Wiele wskazuje na to , iż ewentualna podwyżka stóp przypadnie w  niefortunnym momencie –  ogólnego pogorszenia koniunktury (  oraz nastrojów )  w  globalnej gospodarce .
Tokens: 1____ 2_______ 3_ 4_ 5 6_ 7_________ 8_______ 9___ 10________ 11 12__________ 13______ 14 15______ 16_________ 17_________ 18 19__ 20_______ 21 22 23_______ 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #8198 from articles/00107729 from sent25

Text  : W związku z tym , iż takie pogorszenie nie pozostanie bez wpływu na polską gospodarkę ,  nie widzimy możliwości ,  aby rynek odebrał decyzję RPP jako początek cyklu zacieśnienia ,  a  zatem nie będzie ona miała pozytywnego wpływu na notowania złotego .
Tokens: 1 2______ 3 4__ 5 6_ 7____ 8__________ 9__ 10________ 11_ 12____ 13 14____ 15________ 16 17_ 18_____ 19________ 20 21_ 22___ 23_____ 24_____ 25_ 26__ 27______ 28___ 29__________ 30 31 32___ 33_ 34____ 35_ 36___ 37_________ 38____ 39 40_______ 41_____ 42

Chunks:
  TruePositive nam [25,25] = RPP
  TruePositive nam [41,41] = złotego

(ChunkerEvaluator) Sentence #8199 from articles/00107729 from sent26

Text  : Na wykresach :
Tokens: 1_ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #8200 from articles/00107729 from sent27

Text  : EURUSD , D1 – ubiegły tydzień na parze EURUSD przebiegał pod znakiem walki o  przełamane wcześniej dolne ograniczenie kanału wzrostowego ,  który opisywał zachowanie pary przez większą część pierwszego kwartału .
Tokens: 1_____ 2 3_ 4 5______ 6______ 7_ 8____ 9_____ 10________ 11_ 12_____ 13___ 14 15________ 16_______ 17___ 18__________ 19____ 20_________ 21 22___ 23______ 24________ 25__ 26___ 27_____ 28___ 29________ 30______ 31

Chunks:
  FalsePositive nam [1,1] = EURUSD
  FalsePositive nam [9,9] = EURUSD

(ChunkerEvaluator) Sentence #8201 from articles/00107729 from sent28

Text  : Ostatecznie bykom nie udało się sforsować tego oporu i czwartkowa próba zakończyła się objęciem bessy w  piątek .
Tokens: 1__________ 2____ 3__ 4____ 5__ 6________ 7___ 8____ 9 10________ 11___ 12________ 13_ 14______ 15___ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #8202 from articles/00107729 from sent29

Text  : Bieżący tydzień rozpoczynamy od testu psychologicznego poziomu 1 , 30 ,  niewiele niżej jest kolejne wsparcie 1  ,  2968 .
Tokens: 1______ 2______ 3___________ 4_ 5____ 6_______________ 7______ 8 9 10 11 12______ 13___ 14__ 15_____ 16______ 17 18 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #8203 from articles/00107729 from sent30

Text  : Gdyby udało się te poziomy przełamać , potencjał spadkowy na parze EURUSD będzie znaczący
Tokens: 1____ 2____ 3__ 4_ 5______ 6________ 7 8________ 9_______ 10 11___ 12____ 13____ 14______

Chunks:
  FalsePositive nam [12,12] = EURUSD

(ChunkerEvaluator) Sentence #8204 from articles/00107729 from sent31

Text  : Apple ( kontrakt ) , H4 – kilkukrotnie już sygnalizowali śmy ,  iż zachowanie notowań największej spółki na Wall Street może mieć znaczenie dla globalnych rynków akcji ;  w  piątek nastąpiło przełamanie dolnego ograniczenia bardzo agresywnego kanału wzrostowego ,  w  którym notowania pozostawały od początku roku (  rosnąc z  ok .  400 USD do ponad 640 USD !  )  ;  natomiast nienaruszonym wsparciem jest poziom 600 USD –  gdyby sprzedającym udało się go przełamać ,  spadki mogły by sięgnąć poziomu 548 USD
Tokens: 1____ 2 3_______ 4 5 6_ 7 8___________ 9__ 10___________ 11_ 12 13 14________ 15_____ 16_________ 17____ 18 19__ 20____ 21__ 22__ 23_______ 24_ 25________ 26____ 27___ 28 29 30____ 31_______ 32_________ 33_____ 34__________ 35____ 36_________ 37____ 38_________ 39 40 41____ 42_______ 43_________ 44 45______ 46__ 47 48____ 49 50 51 52_ 53_ 54 55___ 56_ 57_ 58 59 60 61_______ 62___________ 63_______ 64__ 65____ 66_ 67_ 68 69___ 70__________ 71___ 72_ 73 74_______ 75 76____ 77___ 78 79_____ 80_____ 81_ 82_

Chunks:
  TruePositive nam [19,20] = Wall Street
  FalseNegative nam [1,1] = Apple
  FalseNegative nam [6,6] = H4
  FalseNegative nam [53,53] = USD
  FalseNegative nam [57,57] = USD
  FalseNegative nam [67,67] = USD

(ChunkerEvaluator) Sentence #8205 from articles/00107729 from sent32

Text  : EURPLN , D1 – konsekwentnie wobec euro traci polski złoty –  mimo ,  iż notowania w  ubiegłym tygodniu cofnęły się spod górnego ograniczenia kanału wzrostowego ,  rynek nie miał siły na dojście do dolnego ograniczenia ;  pierwszym celem sprzedających złotego jest poziom 4  ,  24 –  wybicie górą z  opisanego kanału przyspieszyło by jego realizację
Tokens: 1_____ 2 3_ 4 5____________ 6____ 7___ 8____ 9_____ 10___ 11 12__ 13 14 15_______ 16 17______ 18______ 19_____ 20_ 21__ 22_____ 23__________ 24____ 25_________ 26 27___ 28_ 29__ 30__ 31 32_____ 33 34_____ 35__________ 36 37_______ 38___ 39___________ 40_____ 41__ 42____ 43 44 45 46 47_____ 48__ 49 50_______ 51____ 52___________ 53 54__ 55________

Chunks:
  FalsePositive nam [7,7] = euro
  FalsePositive nam [10,10] = złoty
  FalsePositive nam [40,40] = złotego

(ChunkerEvaluator) Sentence #8206 from articles/00107729 from sent33

Text  : dr Przemysław Kwiecień Główny Ekonomista X - Trade Brokers Dom Maklerski S  .  A  .  Przemyslaw .  kwiecien @  xtb .  pl www.xtb.pl
Tokens: 1_ 2_________ 3_______ 4_____ 5_________ 6 7 8____ 9______ 10_ 11_______ 12 13 14 15 16________ 17 18______ 19 20_ 21 22 23________

Chunks:
  FalsePositive nam [2,23] = Przemysław Kwiecień Główny Ekonomista X - Trade Brokers Dom Maklerski S . A . Przemyslaw . kwiecien @ xtb . pl www.xtb.pl
  FalseNegative nam [2,3] = Przemysław Kwiecień
  FalseNegative nam [4,5] = Główny Ekonomista
  FalseNegative nam [6,14] = X - Trade Brokers Dom Maklerski S . A
  FalseNegative nam [16,22] = Przemyslaw . kwiecien @ xtb . pl
  FalseNegative nam [23,23] = www.xtb.pl

(ChunkerEvaluator) Sentence #8207 from articles/00107729 from sent34

Text  : Przedstawione w powyższym opracowaniu treści , sporządzone z najwyższą starannością i  według najlepszej wiedzy autora ,  mają charakter wyłącznie informacyjny .
Tokens: 1____________ 2 3________ 4__________ 5_____ 6 7__________ 8 9________ 10__________ 11 12____ 13________ 14____ 15____ 16 17__ 18_______ 19_______ 20__________ 21

Chunks:

(ChunkerEvaluator) Sentence #8208 from articles/00107729 from sent35

Text  : Nie stanowią one porady inwestycyjnej , ani rekomendacji w rozumieniu rozporządzenia Ministra Finansów z  dnia 19 października 2005 r  .
Tokens: 1__ 2_______ 3__ 4_____ 5____________ 6 7__ 8___________ 9 10________ 11____________ 12______ 13______ 14 15__ 16 17__________ 18__ 19 20

Chunks:
  FalsePositive nam [12,13] = Ministra Finansów

(ChunkerEvaluator) Sentence #8209 from articles/00107729 from sent36

Text  : ( Dz . U . z 2005 r .
Tokens: 1 2_ 3 4 5 6 7___ 8 9

Chunks:

(ChunkerEvaluator) Sentence #8210 from articles/00107729 from sent37

Text  : Nr 206 , poz . 1715 ) w sprawie informacji stanowiących rekomendacje dotyczące instrumentów finansowych ,  ich emitentów lub wystawców .
Tokens: 1_ 2__ 3 4__ 5 6___ 7 8 9______ 10________ 11__________ 12__________ 13_______ 14__________ 15_________ 16 17_ 18_______ 19_ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #8211 from articles/00107729 from sent38

Text  : Dom Maklerski X - Trade Brokers S . A .  nie ponosi odpowiedzialności za decyzje inwestycyjne podjęte na podstawie powyższych danych ,  ani za szkody poniesione w  ich wyniku .
Tokens: 1__ 2________ 3 4 5____ 6______ 7 8 9 10 11_ 12____ 13_______________ 14 15_____ 16__________ 17_____ 18 19_______ 20________ 21____ 22 23_ 24 25____ 26________ 27 28_ 29____ 30

Chunks:
  FalsePositive nam [1,10] = Dom Maklerski X - Trade Brokers S . A .

(ChunkerEvaluator) Sentence #8212 from articles/00107729 from sent39

Text  : Transakcje na instrumentach inwestycyjnych , w szczególności instrumentach wykorzystujących dźwignię finansową zawsze związane są z  ryzykiem i  mogą w  efekcie przynieść zyski oraz straty ,  przekraczające zaangażowany przez inwestora kapitał początkowy .
Tokens: 1_________ 2_ 3____________ 4_____________ 5 6 7____________ 8____________ 9_______________ 10______ 11_______ 12____ 13______ 14 15 16______ 17 18__ 19 20_____ 21_______ 22___ 23__ 24____ 25 26____________ 27__________ 28___ 29_______ 30_____ 31________ 32

Chunks:

2016-10-27 14:59:52,785 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 358 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107730.xml
(ChunkerEvaluator) Sentence #8213 from articles/00107730 from sent1

Text  : Zaszczepią nastolatki , bo chcą chronić je przed rakiem
Tokens: 1_________ 2_________ 3 4_ 5___ 6______ 7_ 8____ 9_____

Chunks:

(ChunkerEvaluator) Sentence #8214 from articles/00107730 from sent2

Text  : Prawdopodobnie od września tego roku w Kielcach rozpoczną się szczepienia dwunastoletnich dziewcząt przeciwko wirusowi HPV powodującego raka szyjki macicy .
Tokens: 1_____________ 2_ 3_______ 4___ 5___ 6 7_______ 8________ 9__ 10_________ 11_____________ 12_______ 13_______ 14______ 15_ 16__________ 17__ 18____ 19____ 20

Chunks:
  TruePositive nam [7,7] = Kielcach

(ChunkerEvaluator) Sentence #8215 from articles/00107730 from sent3

Text  : - Na sesję w maju będziemy chcieli zgłosić projekt uchwały .
Tokens: 1 2_ 3____ 4 5___ 6_______ 7______ 8______ 9______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #8216 from articles/00107730 from sent4

Text  : Dwunastoletnie dziewczęta mogły by być zaszczepione we wrześniu - informuje Andrzej Włoch z  Urzędu Miasta w  Kielcach .
Tokens: 1_____________ 2_________ 3____ 4_ 5__ 6___________ 7_ 8_______ 9 10_______ 11_____ 12___ 13 14____ 15____ 16 17______ 18

Chunks:
  TruePositive nam [11,12] = Andrzej Włoch
  FalsePositive nam [14,17] = Urzędu Miasta w Kielcach
  FalseNegative nam [14,15] = Urzędu Miasta
  FalseNegative nam [17,17] = Kielcach

(ChunkerEvaluator) Sentence #8217 from articles/00107730 from sent5

Text  : Zaszczepienie ośmiuset nastolatek kosztowało by 300 tys . zł .
Tokens: 1____________ 2_______ 3_________ 4_________ 5_ 6__ 7__ 8 9_ 10

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #8218 from articles/00107730 from sent6

Text  : Szczepienia odbywały by się w kieleckich przychodniach .
Tokens: 1__________ 2_______ 3_ 4__ 5 6_________ 7____________ 8

Chunks:

(ChunkerEvaluator) Sentence #8219 from articles/00107730 from sent7

Text  : Kieleccy radni będą głosować nad projektem uchwały prawdopodobnie podczas sesji w  maju .
Tokens: 1_______ 2____ 3___ 4_______ 5__ 6________ 7______ 8_____________ 9______ 10___ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #8220 from articles/00107730 from sent8

Text  : Szczepionki podawane były by w trzech turach , z czego dwie nastolatki otrzymały by jeszcze w  tym roku .
Tokens: 1__________ 2_______ 3___ 4_ 5 6_____ 7_____ 8 9 10___ 11__ 12________ 13_______ 14 15_____ 16 17_ 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #8221 from articles/00107730 from sent9

Text  : Program zakłada również akcję profilaktyczną dla mam dwunastolatek .
Tokens: 1______ 2______ 3______ 4____ 5_____________ 6__ 7__ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #8222 from articles/00107730 from sent10

Text  : Mogły by one wykonać bezpłatnie badanie cytologiczne .
Tokens: 1____ 2_ 3__ 4______ 5_________ 6______ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #8223 from articles/00107730 from sent11

Text  : To będzie kolejny pogram profilaktyczny , który realizują Kielce .
Tokens: 1_ 2_____ 3______ 4_____ 5_____________ 6 7____ 8________ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Kielce

(ChunkerEvaluator) Sentence #8224 from articles/00107730 from sent12

Text  : Młodzi kielczanie od kilku lat mogą korzystać ze szczepień przeciwko pneumokokom i  meningokokom ,  a  seniorzy -  przeciwko grypie .
Tokens: 1_____ 2_________ 3_ 4____ 5__ 6___ 7________ 8_ 9________ 10_______ 11_________ 12 13__________ 14 15 16______ 17 18_______ 19____ 20

Chunks:
  FalseNegative nam [2,2] = kielczanie

2016-10-27 14:59:52,832 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 359 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107731.xml
(ChunkerEvaluator) Sentence #8225 from articles/00107731 from sent1

Text  : & quot ; Rz & quot ; : Rewolucja w  VAT płaconym przez firmy
Tokens: 1 2___ 3 4_ 5 6___ 7 8 9________ 10 11_ 12______ 13___ 14___

Chunks:
  TruePositive nam [11,11] = VAT
  FalseNegative nam [4,4] = Rz

(ChunkerEvaluator) Sentence #8226 from articles/00107731 from sent2

Text  : Radykalnie zmieni się filozofia rozliczeń podatkowych przedsiębiorców z urzędem skarbowym -  czytamy w  &  quot ;  Rzeczpospolitej &  quot ;  .
Tokens: 1_________ 2_____ 3__ 4________ 5________ 6__________ 7______________ 8 9______ 10_______ 11 12_____ 13 14 15__ 16 17_____________ 18 19__ 20 21

Chunks:
  TruePositive nam [17,17] = Rzeczpospolitej

(ChunkerEvaluator) Sentence #8227 from articles/00107731 from sent3

Text  : VAT zaraz po transakcji
Tokens: 1__ 2____ 3_ 4_________

Chunks:
  TruePositive nam [1,1] = VAT

(ChunkerEvaluator) Sentence #8228 from articles/00107731 from sent4

Text  : " Rz " : Rewolucja w VAT płaconym przez firmy
Tokens: 1 2_ 3 4 5________ 6 7__ 8_______ 9____ 10___

Chunks:
  TruePositive nam [7,7] = VAT
  FalsePositive nam [5,5] = Rewolucja
  FalseNegative nam [2,2] = Rz

(ChunkerEvaluator) Sentence #8229 from articles/00107731 from sent5

Text  : Ministerstwo Finansów zmieni sposób naliczania VAT-u tak , by data wystawienia faktury nie decydowała o  tym ,  kiedy podatnik rozliczy się z  fiskusem .
Tokens: 1___________ 2_______ 3_____ 4_____ 5_________ 6____ 7__ 8 9_ 10__ 11_________ 12_____ 13_ 14________ 15 16_ 17 18___ 19______ 20______ 21_ 22 23______ 24

Chunks:
  TruePositive nam [1,2] = Ministerstwo Finansów
  TruePositive nam [6,6] = VAT-u

(ChunkerEvaluator) Sentence #8230 from articles/00107731 from sent6

Text  : " Rzeczpospolita " dotarła do najnowszego projektu zmian w VAT przygotowanego przez Ministerstwo Finansów .
Tokens: 1 2_____________ 3 4______ 5_ 6__________ 7_______ 8____ 9 10_ 11____________ 12___ 13__________ 14______ 15

Chunks:
  TruePositive nam [2,2] = Rzeczpospolita
  TruePositive nam [10,10] = VAT
  TruePositive nam [13,14] = Ministerstwo Finansów

(ChunkerEvaluator) Sentence #8231 from articles/00107731 from sent7

Text  : Wynika z niego , że data wystawienia faktury przestanie decydować już o  tym ,  kiedy podatnik rozliczy się z  fiskusem .
Tokens: 1_____ 2 3____ 4 5_ 6___ 7__________ 8______ 9_________ 10_______ 11_ 12 13_ 14 15___ 16______ 17______ 18_ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #8232 from articles/00107731 from sent8

Text  : " Rzeczpospolita " wyjaśnia , że obecnie , gdy na przykład podatnik sprzeda towar 30 marca ,  może zdecydować ,  czy wystawić fakturę od razu i  zapłacić podatek w  deklaracji za marzec ,  czy opóźnić ją i  przesunąć uiszczenie podatku nawet do maja .
Tokens: 1 2_____________ 3 4_______ 5 6_ 7______ 8 9__ 10 11______ 12______ 13_____ 14___ 15 16___ 17 18__ 19________ 20 21_ 22______ 23_____ 24 25__ 26 27______ 28_____ 29 30________ 31 32____ 33 34_ 35_____ 36 37 38_______ 39________ 40_____ 41___ 42 43__ 44

Chunks:
  TruePositive nam [2,2] = Rzeczpospolita

(ChunkerEvaluator) Sentence #8233 from articles/00107731 from sent9

Text  : Ministerstwo chce to ukrócić i proponuje , by przedsiębiorca z  zasady płacił podatek po tym miesiącu ,  w  którym doszło do transakcji .
Tokens: 1___________ 2___ 3_ 4______ 5 6________ 7 8_ 9_____________ 10 11____ 12____ 13_____ 14 15_ 16______ 17 18 19____ 20____ 21 22________ 23

Chunks:
  FalseNegative nam [1,1] = Ministerstwo

(ChunkerEvaluator) Sentence #8234 from articles/00107731 from sent10

Text  : Resort chce też zwiększyć do 20 złotych wartość gadżetów i  próbek przekazywanych odbiorcom w  celach promocyjnych ,  od których nie będzie trzeba płacić VAT-u .
Tokens: 1_____ 2___ 3__ 4________ 5_ 6_ 7______ 8______ 9_______ 10 11____ 12____________ 13_______ 14 15____ 16__________ 17 18 19_____ 20_ 21____ 22____ 23____ 24___ 25

Chunks:
  TruePositive nam [24,24] = VAT-u
  FalseNegative nam [7,7] = złotych

(ChunkerEvaluator) Sentence #8235 from articles/00107731 from sent11

Text  : Uproszczona zostanie też dokumentacja w wystawianiu faktur .
Tokens: 1__________ 2_______ 3__ 4___________ 5 6__________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #8236 from articles/00107731 from sent12

Text  : Według gazety te propozycje cieszą przedsiębiorców , bo likwidują bariery ,  które znalazły się na szczycie listy ograniczeń biznesu opracowanej przez PKPP Lewiatan .
Tokens: 1_____ 2_____ 3_ 4_________ 5_____ 6______________ 7 8_ 9________ 10_____ 11 12___ 13______ 14_ 15 16______ 17___ 18________ 19_____ 20_________ 21___ 22__ 23______ 24

Chunks:
  TruePositive nam [22,23] = PKPP Lewiatan

(ChunkerEvaluator) Sentence #8237 from articles/00107731 from sent13

Text  : Zmiany mają wejść w życie 1 stycznia przyszłego roku .
Tokens: 1_____ 2___ 3____ 4 5____ 6 7_______ 8_________ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #8238 from articles/00107731 from sent14

Text  : Gazeta dotarła do najnowszego projektu zmian w VAT przygotowanego przez Ministerstwa Finansów .
Tokens: 1_____ 2______ 3_ 4__________ 5_______ 6____ 7 8__ 9_____________ 10___ 11__________ 12______ 13

Chunks:
  TruePositive nam [8,8] = VAT
  TruePositive nam [11,12] = Ministerstwa Finansów

(ChunkerEvaluator) Sentence #8239 from articles/00107731 from sent15

Text  : Wynika z niego , że data wystawienia faktury przestanie decydować już o  tym ,  kiedy podatnik rozliczy się z  fiskusem .  "
Tokens: 1_____ 2 3____ 4 5_ 6___ 7__________ 8______ 9_________ 10_______ 11_ 12 13_ 14 15___ 16______ 17______ 18_ 19 20______ 21 22

Chunks:

(ChunkerEvaluator) Sentence #8240 from articles/00107731 from sent16

Text  : Rzeczpospolita " wyjaśnia , że obecnie gdy na przykład podatnik sprzeda towar 30 marca ,  może zdecydować czy wystawić fakturę od razu i  zapłacić podatek w  deklaracji za marzec ,  czy opóźnić ją i  przesunąć uiszczenie podatku nawet do maja .
Tokens: 1_____________ 2 3_______ 4 5_ 6______ 7__ 8_ 9_______ 10______ 11_____ 12___ 13 14___ 15 16__ 17________ 18_ 19______ 20_____ 21 22__ 23 24______ 25_____ 26 27________ 28 29____ 30 31_ 32_____ 33 34 35_______ 36________ 37_____ 38___ 39 40__ 41

Chunks:
  FalseNegative nam [1,1] = Rzeczpospolita

(ChunkerEvaluator) Sentence #8241 from articles/00107731 from sent17

Text  : Ministerstwo chce to ukrócić i proponuje , by przedsiębiorca z  zasady płacił podatek po tym miesiącu ,  w  którym doszło do transakcji .
Tokens: 1___________ 2___ 3_ 4______ 5 6________ 7 8_ 9_____________ 10 11____ 12____ 13_____ 14 15_ 16______ 17 18 19____ 20____ 21 22________ 23

Chunks:
  FalseNegative nam [1,1] = Ministerstwo

(ChunkerEvaluator) Sentence #8242 from articles/00107731 from sent18

Text  : Resort chce też zwiększyć do 20 złotych wartość gadżetów i  próbek przekazywanych odbiorcom w  celach promocyjnych ,  od których nie będzie trzeba płacić VAT-u .
Tokens: 1_____ 2___ 3__ 4________ 5_ 6_ 7______ 8______ 9_______ 10 11____ 12____________ 13_______ 14 15____ 16__________ 17 18 19_____ 20_ 21____ 22____ 23____ 24___ 25

Chunks:
  TruePositive nam [24,24] = VAT-u
  FalseNegative nam [7,7] = złotych

(ChunkerEvaluator) Sentence #8243 from articles/00107731 from sent19

Text  : Uproszczona zostanie też dokumentacja w wystawianiu faktur .
Tokens: 1__________ 2_______ 3__ 4___________ 5 6__________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #8244 from articles/00107731 from sent20

Text  : Według gazety te propozycje cieszą przedsiębiorców , bo likwidują bariery ,  które znalazły się na szczycie listy ograniczeń biznesu opracowanej przez PKPP Lewiatan .
Tokens: 1_____ 2_____ 3_ 4_________ 5_____ 6______________ 7 8_ 9________ 10_____ 11 12___ 13______ 14_ 15 16______ 17___ 18________ 19_____ 20_________ 21___ 22__ 23______ 24

Chunks:
  TruePositive nam [22,23] = PKPP Lewiatan

(ChunkerEvaluator) Sentence #8245 from articles/00107731 from sent21

Text  : Zmiany mają wejść w życie 1 stycznia przyszłego roku .
Tokens: 1_____ 2___ 3____ 4 5____ 6 7_______ 8_________ 9___ 10

Chunks:

2016-10-27 14:59:52,951 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 360 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107732.xml
(ChunkerEvaluator) Sentence #8246 from articles/00107732 from sent1

Text  : Niezwykłe odkrycie naukowców z UMK
Tokens: 1________ 2_______ 3________ 4 5__

Chunks:
  TruePositive nam [5,5] = UMK

(ChunkerEvaluator) Sentence #8247 from articles/00107732 from sent2

Text  : Badali dzieła Leonarda da Vinci , teraz prześwietlają XV -  wieczny obraz z  kościoła św .  Jakuba
Tokens: 1_____ 2_____ 3_______ 4_ 5____ 6 7____ 8____________ 9_ 10 11_____ 12___ 13 14______ 15 16 17____

Chunks:
  FalsePositive nam [3,3] = Leonarda
  FalsePositive nam [5,5] = Vinci
  FalsePositive nam [17,17] = Jakuba
  FalseNegative nam [3,5] = Leonarda da Vinci
  FalseNegative nam [14,17] = kościoła św . Jakuba

(ChunkerEvaluator) Sentence #8248 from articles/00107732 from sent3

Text  : ” Pasja ” jest prześwietlana tomografem optycznym skonstruowanym przez fizyków z  UMK .
Tokens: 1 2____ 3 4___ 5____________ 6_________ 7________ 8_____________ 9____ 10_____ 11 12_ 13

Chunks:
  TruePositive nam [2,2] = Pasja
  TruePositive nam [12,12] = UMK

(ChunkerEvaluator) Sentence #8249 from articles/00107732 from sent4

Text  : Jak się okazuje urządzenie kojarzone z medycyną , znakomicie sprawdza się również podczas badania dzieł sztuki .
Tokens: 1__ 2__ 3______ 4_________ 5________ 6 7_______ 8 9_________ 10______ 11_ 12_____ 13_____ 14_____ 15___ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #8250 from articles/00107732 from sent5

Text  : Jak donosi dzisiejsza ” Gazeta Pomorska ” naukowcy właśnie wzięli na warsztat ”  Pasję ”  ,  XV -  wieczny obraz z  toruńskiego kościoła św .  Jakuba .
Tokens: 1__ 2_____ 3_________ 4 5_____ 6_______ 7 8_______ 9______ 10____ 11 12______ 13 14___ 15 16 17 18 19_____ 20___ 21 22_________ 23______ 24 25 26____ 27

Chunks:
  TruePositive nam [5,6] = Gazeta Pomorska
  TruePositive nam [14,14] = Pasję
  FalsePositive nam [17,17] = XV
  FalsePositive nam [26,26] = Jakuba
  FalseNegative nam [23,26] = kościoła św . Jakuba

(ChunkerEvaluator) Sentence #8251 from articles/00107732 from sent6

Text  : Dzięki tomografowi udało im się odkryć , co kryje się pod warstwą farby .
Tokens: 1_____ 2__________ 3____ 4_ 5__ 6_____ 7 8_ 9____ 10_ 11_ 12_____ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #8252 from articles/00107732 from sent7

Text  : Okazało się , że malowidło przykryło piękny rysunek , będący pierwszym szkicem ”  Pasji ”  .
Tokens: 1______ 2__ 3 4_ 5________ 6________ 7_____ 8______ 9 10____ 11_______ 12_____ 13 14___ 15 16

Chunks:
  TruePositive nam [14,14] = Pasji

(ChunkerEvaluator) Sentence #8253 from articles/00107732 from sent8

Text  : Autorstwo dzieła przypisuje się jednemu z artystów niderlandzkich .
Tokens: 1________ 2_____ 3_________ 4__ 5______ 6 7_______ 8_____________ 9

Chunks:

(ChunkerEvaluator) Sentence #8254 from articles/00107732 from sent9

Text  : Badania uczonych pozwolą skorygować defekty prac konserwatorskich dokonanych w XIX i  XX w  .
Tokens: 1______ 2_______ 3______ 4_________ 5______ 6___ 7_______________ 8_________ 9 10_ 11 12 13 14

Chunks:
  FalsePositive nam [10,10] = XIX

(ChunkerEvaluator) Sentence #8255 from articles/00107732 from sent10

Text  : Konserwatorzy zastanawiają się , co zrobić z celowymi zniszczeniami -  w  przeszłości ktoś wydrapał oczy oprawców Chrystusa .
Tokens: 1____________ 2___________ 3__ 4 5_ 6_____ 7 8_______ 9____________ 10 11 12_________ 13__ 14______ 15__ 16______ 17_______ 18

Chunks:
  TruePositive nam [17,17] = Chrystusa

(ChunkerEvaluator) Sentence #8256 from articles/00107732 from sent11

Text  : Toruńscy specjaliści przebadali już tomografem m . in . słynny ”  Sąd Ostateczny ”  Hansa Memlinga oraz ”  Pokłon trzech króli ”  ,  dzieło genialnego Leonarda da Vinci ,  znajdujące się we Florencji .
Tokens: 1_______ 2__________ 3_________ 4__ 5_________ 6 7 8_ 9 10____ 11 12_ 13________ 14 15___ 16______ 17__ 18 19____ 20____ 21___ 22 23 24____ 25________ 26______ 27 28___ 29 30________ 31_ 32 33_______ 34

Chunks:
  TruePositive nam [12,13] = Sąd Ostateczny
  TruePositive nam [15,16] = Hansa Memlinga
  TruePositive nam [19,21] = Pokłon trzech króli
  TruePositive nam [33,33] = Florencji
  FalsePositive nam [26,26] = Leonarda
  FalsePositive nam [28,28] = Vinci
  FalseNegative nam [26,28] = Leonarda da Vinci

2016-10-27 14:59:53,010 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 361 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107733.xml
(ChunkerEvaluator) Sentence #8257 from articles/00107733 from sent1

Text  : Francja .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Francja

(ChunkerEvaluator) Sentence #8258 from articles/00107733 from sent2

Text  : Sondaż : w 1 . turze 28 proc . za Hollandem ,  za Sarkozym 25 proc .
Tokens: 1_____ 2 3 4 5 6____ 7_ 8___ 9 10 11_______ 12 13 14______ 15 16__ 17

Chunks:
  TruePositive nam [11,11] = Hollandem
  TruePositive nam [14,14] = Sarkozym
  FalsePositive nam [1,1] = Sondaż

(ChunkerEvaluator) Sentence #8259 from articles/00107733 from sent3

Text  : W pierwszej turze wyborów prezydenckich we Francji na socjalistycznego kandydata Francoisa Hollande'a zmierza głosować w  niedzielę 28 proc .  wyborców ,  a  25 proc .  na ustępującego prezydenta Nicolasa Sarkozy'ego -  wynika z  opublikowanego w  czwartek sondażu CSA .
Tokens: 1 2________ 3____ 4______ 5____________ 6_ 7______ 8_ 9_______________ 10_______ 11_______ 12________ 13_____ 14______ 15 16_______ 17 18__ 19 20______ 21 22 23 24__ 25 26 27__________ 28________ 29______ 30_________ 31 32____ 33 34____________ 35 36______ 37_____ 38_ 39

Chunks:
  TruePositive nam [7,7] = Francji
  TruePositive nam [11,12] = Francoisa Hollande'a
  TruePositive nam [29,30] = Nicolasa Sarkozy'ego
  TruePositive nam [38,38] = CSA

(ChunkerEvaluator) Sentence #8260 from articles/00107733 from sent4

Text  : W porównaniu z poprzednim sondażem CSA sprzed dwóch dni Hollande przed niedzielnym głosowaniem stracił 1  pkt procentowy ,  a  centroprawicowy Sarkozy 1  pkt procentowy zyskał .
Tokens: 1 2_________ 3 4_________ 5_______ 6__ 7_____ 8____ 9__ 10______ 11___ 12_________ 13_________ 14_____ 15 16_ 17________ 18 19 20_____________ 21_____ 22 23_ 24________ 25____ 26

Chunks:
  TruePositive nam [6,6] = CSA
  TruePositive nam [21,21] = Sarkozy
  FalseNegative nam [10,10] = Hollande

(ChunkerEvaluator) Sentence #8261 from articles/00107733 from sent5

Text  : W tyle za dwoma głównymi rywalami do fotela prezydenckiego uplasowała się ultraprawicowa szefowa Frontu Narodowego Marine Le Pen ,  na którą gotowych głosować jest 16 proc .  (  o  1  pkt proc .  mniej niż dwa dni wcześniej )  i  przedstawiciel radykalnej lewicy Jean -  Luc Melenchon z  14 ,  5  proc .  poparciem .
Tokens: 1 2___ 3_ 4____ 5_______ 6_______ 7_ 8_____ 9_____________ 10________ 11_ 12____________ 13_____ 14____ 15________ 16____ 17 18_ 19 20 21___ 22______ 23______ 24__ 25 26__ 27 28 29 30 31_ 32__ 33 34___ 35_ 36_ 37_ 38_______ 39 40 41____________ 42________ 43____ 44__ 45 46_ 47_______ 48 49 50 51 52__ 53 54_______ 55

Chunks:
  TruePositive nam [44,47] = Jean - Luc Melenchon
  FalsePositive nam [14,18] = Frontu Narodowego Marine Le Pen
  FalseNegative nam [14,15] = Frontu Narodowego
  FalseNegative nam [16,18] = Marine Le Pen

(ChunkerEvaluator) Sentence #8262 from articles/00107733 from sent6

Text  : Na piątym miejscu uplasował się z 10 , 5 proc .  poparciem centrysta Francois Bayrou .
Tokens: 1_ 2_____ 3______ 4________ 5__ 6 7_ 8 9 10__ 11 12_______ 13_______ 14______ 15____ 16

Chunks:
  TruePositive nam [14,15] = Francois Bayrou

(ChunkerEvaluator) Sentence #8263 from articles/00107733 from sent7

Text  : Poparcie dla pozostałej piątki kandydatów oscyluje wokół 1 - 2  proc .
Tokens: 1_______ 2__ 3_________ 4_____ 5_________ 6_______ 7____ 8 9 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #8264 from articles/00107733 from sent8

Text  : W drugiej turze wyborów Hollande według sondażu CSA może liczyć na 55 proc .  głosów (  o  6  pkt procentowych więcej niż w  poprzednim sondażu )  ,  a  Sarkozy na 25 proc .  (  o  2  pkt procentowe mniej )  .
Tokens: 1 2______ 3____ 4______ 5_______ 6_____ 7______ 8__ 9___ 10____ 11 12 13__ 14 15____ 16 17 18 19_ 20__________ 21____ 22_ 23 24________ 25_____ 26 27 28 29_____ 30 31 32__ 33 34 35 36 37_ 38________ 39___ 40 41

Chunks:
  TruePositive nam [8,8] = CSA
  FalseNegative nam [5,5] = Hollande
  FalseNegative nam [29,29] = Sarkozy

(ChunkerEvaluator) Sentence #8265 from articles/00107733 from sent9

Text  : Aż 38 proc . respondentów mówi , że wciąż może zmienić zdanie w  niedzielę ;  natomiast w  drugiej turze skłonnych zmienić zdanie deklaruje tylko 23 proc .
Tokens: 1_ 2_ 3___ 4 5___________ 6___ 7 8_ 9____ 10__ 11_____ 12____ 13 14_______ 15 16_______ 17 18_____ 19___ 20_______ 21_____ 22____ 23_______ 24___ 25 26__ 27

Chunks:

(ChunkerEvaluator) Sentence #8266 from articles/00107733 from sent10

Text  : W bilansie sił politycznych całkowite poparcie dla lewicy wyniosło 47 proc .  ,  a  dla prawicy reprezentowanej w  parlamencie nieco mniej niż 27 proc .
Tokens: 1 2_______ 3__ 4___________ 5________ 6_______ 7__ 8_____ 9_______ 10 11__ 12 13 14 15_ 16_____ 17_____________ 18 19_________ 20___ 21___ 22_ 23 24__ 25

Chunks:

(ChunkerEvaluator) Sentence #8267 from articles/00107733 from sent11

Text  : Sondażem przeprowadzonym telefonicznie w środę i czwartek objęto 1134 osoby w  wieku ponad 18 lat .
Tokens: 1_______ 2______________ 3____________ 4 5____ 6 7_______ 8_____ 9___ 10___ 11 12___ 13___ 14 15_ 16

Chunks:

2016-10-27 14:59:53,090 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 362 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107734.xml
(ChunkerEvaluator) Sentence #8268 from articles/00107734 from sent1

Text  : Eksperci lecą do Smoleńska . . .
Tokens: 1_______ 2___ 3_ 4________ 5 6 7

Chunks:
  FalsePositive nam [4,6] = Smoleńska . .
  FalseNegative nam [4,4] = Smoleńska

(ChunkerEvaluator) Sentence #8269 from articles/00107734 from sent2

Text  : „ Siedział em przy kokpicie i pamiętam dobrze : drzwi były otwarte ”
Tokens: 1 2_______ 3_ 4___ 5_______ 6 7_______ 8_____ 9 10___ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8270 from articles/00107734 from sent3

Text  : W swojej najnowszej książce „ Moja czarna skrzynka ” Edmund Klich wspomina swój lot do Smoleńska po katastrofie -  jak mówi ,  wtedy też załoga nie przestrzegała zasad bezpieczeństwa .
Tokens: 1 2_____ 3_________ 4______ 5 6___ 7_____ 8_______ 9 10____ 11___ 12______ 13__ 14_ 15 16_______ 17 18_________ 19 20_ 21__ 22 23___ 24_ 25____ 26_ 27___________ 28___ 29____________ 30

Chunks:
  TruePositive nam [10,11] = Edmund Klich
  TruePositive nam [16,16] = Smoleńska
  FalseNegative nam [6,8] = Moja czarna skrzynka

(ChunkerEvaluator) Sentence #8271 from articles/00107734 from sent4

Text  : „ Siedział em w salonce , a więc blisko kokpitu ,  i  pamiętam to dobrze .
Tokens: 1 2_______ 3_ 4 5______ 6 7 8___ 9_____ 10_____ 11 12 13______ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #8272 from articles/00107734 from sent5

Text  : Były otwarte ” .
Tokens: 1___ 2______ 3 4

Chunks:

(ChunkerEvaluator) Sentence #8273 from articles/00107734 from sent6

Text  : Wywiad - rzeka z byłym szefem Państwowej Komisji Badania Wypadków Lotniczych ,  pisany na gorąco od 10 kwietnia 2010 r  .  właśnie trafił do księgarń .
Tokens: 1_____ 2 3____ 4 5____ 6_____ 7_________ 8______ 9______ 10______ 11________ 12 13____ 14 15____ 16 17 18______ 19__ 20 21 22_____ 23____ 24 25______ 26

Chunks:
  TruePositive nam [7,11] = Państwowej Komisji Badania Wypadków Lotniczych

(ChunkerEvaluator) Sentence #8274 from articles/00107734 from sent7

Text  : „ Budził em się o trzeciej , czwartej rano i  pisał em .
Tokens: 1 2_____ 3_ 4__ 5 6_______ 7 8_______ 9___ 10 11___ 12 13

Chunks:

(ChunkerEvaluator) Sentence #8275 from articles/00107734 from sent8

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #8276 from articles/00107734 from sent9

Text  : Odprawy , rozmowy z Rosjanami , przesłuchania , telefony do ministrów ,  emocje ,  to ,  że bał em się zawału .
Tokens: 1______ 2 3______ 4 5________ 6 7____________ 8 9_______ 10 11_______ 12 13____ 14 15 16 17 18_ 19 20_ 21____ 22

Chunks:
  TruePositive nam [5,5] = Rosjanami

(ChunkerEvaluator) Sentence #8277 from articles/00107734 from sent10

Text  : Wszystko ” - mówi pułkownik Klich w pierwszych zdaniach wywiadu ,  jakiego udzielił dziennikarzowi tygodnika „  Wprost ”  Michałowi Krzymowskiemu .
Tokens: 1_______ 2 3 4___ 5________ 6____ 7 8_________ 9_______ 10_____ 11 12_____ 13______ 14____________ 15_______ 16 17____ 18 19_______ 20___________ 21

Chunks:
  TruePositive nam [19,20] = Michałowi Krzymowskiemu
  FalseNegative nam [6,6] = Klich
  FalseNegative nam [17,17] = Wprost

(ChunkerEvaluator) Sentence #8278 from articles/00107734 from sent11

Text  : Przedstawiciel Polski akredytowany przy rosyjskim Międzypaństwowym Komitecie Lotniczym ( MAK )  opowiada ,  o  czym myślał w  drodze na lotnisko ,  dlaczego lecąc do Smoleńska ,  płacił z  własnej kieszeni i  dlaczego nawet podczas lotu na miejsce tragedii drzwi do kokpitu były otwarte .
Tokens: 1_____________ 2_____ 3___________ 4___ 5________ 6_______________ 7________ 8________ 9 10_ 11 12______ 13 14 15__ 16____ 17 18____ 19 20______ 21 22______ 23___ 24 25_______ 26 27____ 28 29_____ 30______ 31 32______ 33___ 34_____ 35__ 36 37_____ 38______ 39___ 40 41_____ 42__ 43_____ 44

Chunks:
  TruePositive nam [2,2] = Polski
  TruePositive nam [6,8] = Międzypaństwowym Komitecie Lotniczym
  TruePositive nam [10,10] = MAK
  TruePositive nam [25,25] = Smoleńska

(ChunkerEvaluator) Sentence #8279 from articles/00107734 from sent12

Text  : W Siłach Powietrznych bez zmian ?
Tokens: 1 2_____ 3___________ 4__ 5____ 6

Chunks:
  TruePositive nam [2,3] = Siłach Powietrznych

(ChunkerEvaluator) Sentence #8280 from articles/00107734 from sent13

Text  : „ Był em tym przerażony ”
Tokens: 1 2__ 3_ 4__ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #8281 from articles/00107734 from sent14

Text  : W drodze na lotnisko , zaledwie trzy godziny po tragedii ,  Klich przyznaje ,  że już wtedy był zdania ,  że katastrofa prezydenckiego samolotu to efekt niewprowadzonych zaleceń po katastrofie CASY .
Tokens: 1 2_____ 3_ 4_______ 5 6_______ 7___ 8______ 9_ 10______ 11 12___ 13_______ 14 15 16_ 17___ 18_ 19____ 20 21 22________ 23____________ 24______ 25 26___ 27______________ 28_____ 29 30_________ 31__ 32

Chunks:
  FalseNegative nam [12,12] = Klich
  FalseNegative nam [31,31] = CASY

(ChunkerEvaluator) Sentence #8282 from articles/00107734 from sent15

Text  : „ Wcześniej słyszał em o złej pogodzie i mgle ,  więc od razu skojarzyły mi się dwie katastrofy :  Su -  22 [  miała miejsce podczas lądowania w  Powidzu w  nocy 13 czerwca 2001 r  .  ;  zginęło dwóch pilotów -  przyp .  red .  ]  i  CASY C  -  295M (  podczas podchodzenia do lądowania w  bazie wojskowej w  Mirosławcu 23 stycznia 2008 r  .  ;  śmierć na miejscu poniosło czterech członków załogi i  szesnastu pasażerów -  wysokich rangą oficerów polskiego lotnictwa -  przyp .  red .  ]  .
Tokens: 1 2________ 3______ 4_ 5 6___ 7_______ 8 9___ 10 11__ 12 13__ 14________ 15 16_ 17__ 18________ 19 20 21 22 23 24___ 25_____ 26_____ 27_______ 28 29_____ 30 31__ 32 33_____ 34__ 35 36 37 38_____ 39___ 40_____ 41 42___ 43 44_ 45 46 47 48__ 49 50 51__ 52 53_____ 54__________ 55 56_______ 57 58___ 59_______ 60 61________ 62 63______ 64__ 65 66 67 68____ 69 70_____ 71______ 72______ 73______ 74____ 75 76_______ 77_______ 78 79______ 80___ 81______ 82_______ 83_______ 84 85___ 86 87_ 88 89 90

Chunks:
  TruePositive nam [20,22] = Su - 22
  TruePositive nam [48,51] = CASY C - 295M
  FalseNegative nam [29,29] = Powidzu
  FalseNegative nam [61,61] = Mirosławcu

(ChunkerEvaluator) Sentence #8283 from articles/00107734 from sent16

Text  : Obie skończyły się częściowym zamieceniem zaleceń pod dywan , ich wykonanie w  niektórych obszarach było fikcją .
Tokens: 1___ 2________ 3__ 4_________ 5__________ 6______ 7__ 8____ 9 10_ 11_______ 12 13________ 14_______ 15__ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #8284 from articles/00107734 from sent17

Text  : Nie poprawiono niczego , co dotyczy współpracy w załodze ,  oceny ryzyka i  umiejętności podejmowania decyzji w  trudnych sytuacjach ”  -  opowiada Edmund Klich .
Tokens: 1__ 2_________ 3______ 4 5_ 6______ 7_________ 8 9______ 10 11___ 12____ 13 14__________ 15__________ 16_____ 17 18______ 19________ 20 21 22______ 23____ 24___ 25

Chunks:
  TruePositive nam [23,24] = Edmund Klich

(ChunkerEvaluator) Sentence #8285 from articles/00107734 from sent18

Text  : Przypomina sobie , jak trzy tygodnie wcześniej był na konferencji w  Dowództwie Sił Powietrznych dotyczącej bezpieczeństwa w  lotnictwie .
Tokens: 1_________ 2____ 3 4__ 5___ 6_______ 7________ 8__ 9_ 10_________ 11 12________ 13_ 14__________ 15________ 16____________ 17 18________ 19

Chunks:
  TruePositive nam [12,14] = Dowództwie Sił Powietrznych

(ChunkerEvaluator) Sentence #8286 from articles/00107734 from sent19

Text  : Byli na niej szef Sztabu Generalnego gen . Franciszek Gągor ,  gen .  Andrzej Błasik ,  dowódcy wszystkich rodzajów sił zbrojnych :  „  Powiało tam optymizmem ,  wszyscy się cieszyli ,  że przez rok w  Siłach Powietrznych nie doszło do żadnej katastrofy .
Tokens: 1___ 2_ 3___ 4___ 5_____ 6__________ 7__ 8 9_________ 10___ 11 12_ 13 14_____ 15____ 16 17_____ 18________ 19______ 20_ 21_______ 22 23 24_____ 25_ 26________ 27 28_____ 29_ 30______ 31 32 33___ 34_ 35 36____ 37__________ 38_ 39____ 40 41____ 42________ 43

Chunks:
  TruePositive nam [5,6] = Sztabu Generalnego
  TruePositive nam [9,10] = Franciszek Gągor
  TruePositive nam [14,15] = Andrzej Błasik
  TruePositive nam [36,37] = Siłach Powietrznych

(ChunkerEvaluator) Sentence #8287 from articles/00107734 from sent20

Text  : Natomiast miał miejsce wypadek śmigłowca Mi - 24 w lotnictwie wojsk lądowych [  28 lutego 2009 r  .  pod Toruniem ;  zginął jeden pilot -  przyp .  red .  ]  i  Bryzy -  2RF w  Marynarce Wojennej [  31 marca 2009 r  .  na lotnisku w  Babich Dołach w  Gdyni ;  zginęło czterech członków załogi -  przyp .  red .  ]  .
Tokens: 1________ 2___ 3______ 4______ 5________ 6_ 7 8_ 9 10________ 11___ 12______ 13 14 15____ 16__ 17 18 19_ 20______ 21 22____ 23___ 24___ 25 26___ 27 28_ 29 30 31 32___ 33 34_ 35 36_______ 37______ 38 39 40___ 41__ 42 43 44 45______ 46 47____ 48____ 49 50___ 51 52_____ 53______ 54______ 55____ 56 57___ 58 59_ 60 61 62

Chunks:
  TruePositive nam [6,8] = Mi - 24
  TruePositive nam [20,20] = Toruniem
  TruePositive nam [32,34] = Bryzy - 2RF
  TruePositive nam [36,37] = Marynarce Wojennej
  TruePositive nam [47,48] = Babich Dołach
  TruePositive nam [50,50] = Gdyni

(ChunkerEvaluator) Sentence #8288 from articles/00107734 from sent21

Text  : Obydwie związane z poziomem wyszkolenia załóg .
Tokens: 1______ 2_______ 3 4_______ 5__________ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #8289 from articles/00107734 from sent22

Text  : A w Siłach Powietrznych - pomimo niedawnej katastrofy CASY -  okazało się ,  że jest super .
Tokens: 1 2 3_____ 4___________ 5 6_____ 7________ 8_________ 9___ 10 11_____ 12_ 13 14 15__ 16___ 17

Chunks:
  TruePositive nam [3,4] = Siłach Powietrznych
  FalseNegative nam [9,9] = CASY

(ChunkerEvaluator) Sentence #8290 from articles/00107734 from sent23

Text  : Był em tym przerażony ” .
Tokens: 1__ 2_ 3__ 4_________ 5 6

Chunks:

(ChunkerEvaluator) Sentence #8291 from articles/00107734 from sent24

Text  : Kto leci do Smoleńska ?
Tokens: 1__ 2___ 3_ 4________ 5

Chunks:
  TruePositive nam [4,4] = Smoleńska

(ChunkerEvaluator) Sentence #8292 from articles/00107734 from sent25

Text  : Jaki sprzęt zabrać ?
Tokens: 1___ 2_____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #8293 from articles/00107734 from sent26

Text  : Pułkownik Klich postanowił , że do Smoleńska poleci z nim dwóch członków komisji :  były pilot specpułku ,  który latał na tupolewach Waldemar Targalski i  Bogdan Fydrych ,  inżynier ,  specjalista od ruchu lotniczego .
Tokens: 1________ 2____ 3_________ 4 5_ 6_ 7________ 8_____ 9 10_ 11___ 12______ 13_____ 14 15__ 16___ 17_______ 18 19___ 20___ 21 22________ 23______ 24_______ 25 26____ 27_____ 28 29______ 30 31_________ 32 33___ 34________ 35

Chunks:
  TruePositive nam [7,7] = Smoleńska
  TruePositive nam [23,24] = Waldemar Targalski
  TruePositive nam [26,27] = Bogdan Fydrych
  FalseNegative nam [2,2] = Klich
  FalseNegative nam [22,22] = tupolewach

(ChunkerEvaluator) Sentence #8294 from articles/00107734 from sent27

Text  : Wydarzenia potoczyły się błyskawicznie .
Tokens: 1_________ 2________ 3__ 4____________ 5

Chunks:

(ChunkerEvaluator) Sentence #8295 from articles/00107734 from sent28

Text  : Były szef PKBWL wspomina , że paszport podrzucił mu w  drodze na lotnisko syn ,  a  on sam jechał w  garniturze :  „  Dopiero w  samolocie przebrał em się w  kombinezon i  starą kurtkę lotniczą .
Tokens: 1___ 2___ 3____ 4_______ 5 6_ 7_______ 8________ 9_ 10 11____ 12 13______ 14_ 15 16 17 18_ 19____ 20 21________ 22 23 24_____ 25 26_______ 27______ 28 29_ 30 31________ 32 33___ 34____ 35______ 36

Chunks:
  TruePositive nam [3,3] = PKBWL

(ChunkerEvaluator) Sentence #8296 from articles/00107734 from sent29

Text  : Samego sprzętu komisja ma niewiele : trzy aparaty fotograficzne ,  kamera ,  GPS ,  kółka do mierzenia odległości ,  kamizelki ,  kombinezony ”  .
Tokens: 1_____ 2______ 3______ 4_ 5_______ 6 7___ 8______ 9____________ 10 11____ 12 13_ 14 15___ 16 17_______ 18________ 19 20_______ 21 22_________ 23 24

Chunks:
  TruePositive nam [13,13] = GPS

(ChunkerEvaluator) Sentence #8297 from articles/00107734 from sent30

Text  : Komisja nie ma służbowej karty kredytowej , a pieniądze znikły
Tokens: 1______ 2__ 3_ 4________ 5____ 6_________ 7 8 9________ 10____

Chunks:

(ChunkerEvaluator) Sentence #8298 from articles/00107734 from sent31

Text  : Paszport , sprzęt to jednak nie największe zmartwienie .
Tokens: 1_______ 2 3_____ 4_ 5_____ 6__ 7_________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #8299 from articles/00107734 from sent32

Text  : „ Przy takich nagłych wyjazdach największy problem jest jednak z  pieniędzmi ”  -  mówi w  wywiadzie Klich i  wyjaśnia ,  że nikt z  członków komisji ,  nawet on ,  nie miał służbowej karty kredytowej .
Tokens: 1 2___ 3_____ 4______ 5________ 6_________ 7______ 8___ 9_____ 10 11________ 12 13 14__ 15 16_______ 17___ 18 19______ 20 21 22__ 23 24______ 25_____ 26 27___ 28 29 30_ 31__ 32_______ 33___ 34________ 35

Chunks:
  FalseNegative nam [17,17] = Klich

(ChunkerEvaluator) Sentence #8300 from articles/00107734 from sent33

Text  : „ Kiedyś w sejfie mieli śmy kopertę z trzema tysiącami złotych .
Tokens: 1 2_____ 3 4_____ 5____ 6__ 7______ 8 9_____ 10_______ 11_____ 12

Chunks:
  TruePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #8301 from articles/00107734 from sent34

Text  : Jadąc na wypadek , można było je pobrać , opłacić hotel ,  kupić obiad i  na końcu ze wszystkiego się rozliczyć .
Tokens: 1____ 2_ 3______ 4 5____ 6___ 7_ 8_____ 9 10_____ 11___ 12 13___ 14___ 15 16 17___ 18 19_________ 20_ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #8302 from articles/00107734 from sent35

Text  : Ale potem ktoś wymyślił , że możemy te trzy tysiące odłożyć sobie na procent i  zarobić kosztem państwa ,  więc koperta zniknęła .
Tokens: 1__ 2____ 3___ 4_______ 5 6_ 7_____ 8_ 9___ 10_____ 11_____ 12___ 13 14_____ 15 16_____ 17_____ 18_____ 19 20__ 21_____ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #8303 from articles/00107734 from sent36

Text  : Śmiechu warte .
Tokens: 1______ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #8304 from articles/00107734 from sent37

Text  : Dziś każdy musi liczyć na siebie albo na kolegę .
Tokens: 1___ 2____ 3___ 4_____ 5_ 6_____ 7___ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #8305 from articles/00107734 from sent38

Text  : Kilka lat temu pojechał em z jednym z członków komisji na wypadek ,  w  którym zginął gen .  Jacek Bartoszcze [  katastrofa samolotu turystycznego RV -  6  ,  20 sierpnia 2005 r  .  w  Nadrybiu Dworze -  przyp .  red .  ]  .
Tokens: 1____ 2__ 3___ 4_______ 5_ 6 7_____ 8 9_______ 10_____ 11 12_____ 13 14 15____ 16____ 17_ 18 19___ 20________ 21 22________ 23______ 24___________ 25 26 27 28 29 30______ 31__ 32 33 34 35______ 36____ 37 38___ 39 40_ 41 42 43

Chunks:
  TruePositive nam [19,20] = Jacek Bartoszcze
  TruePositive nam [35,36] = Nadrybiu Dworze
  FalseNegative nam [25,27] = RV - 6

(ChunkerEvaluator) Sentence #8306 from articles/00107734 from sent39

Text  : Idziemy do hotelu , a on mówi : > >  Słuchaj ,  głupia sprawa ,  mam puste konto ,  nie założył by ś  za mnie ?
Tokens: 1______ 2_ 3_____ 4 5 6_ 7___ 8 9 10 11_____ 12 13____ 14____ 15 16_ 17___ 18___ 19 20_ 21_____ 22 23 24 25__ 26

Chunks:

(ChunkerEvaluator) Sentence #8307 from articles/00107734 from sent40

Text  : < < Założył em .
Tokens: 1 2 3______ 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #8308 from articles/00107734 from sent41

Text  : Do Smoleńska także pojechał em z prywatną kartą debetową ”  -  relacjonuje były szef PKBWL .
Tokens: 1_ 2________ 3____ 4_______ 5_ 6 7_______ 8____ 9_______ 10 11 12_________ 13__ 14__ 15___ 16

Chunks:
  TruePositive nam [2,2] = Smoleńska
  TruePositive nam [15,15] = PKBWL

(ChunkerEvaluator) Sentence #8309 from articles/00107734 from sent42

Text  : Bezpieczeństwo ?
Tokens: 1_____________ 2

Chunks:

(ChunkerEvaluator) Sentence #8310 from articles/00107734 from sent43

Text  : Klich : Siedział em blisko , drzwi były otwarte
Tokens: 1____ 2 3_______ 4_ 5_____ 6 7____ 8___ 9______

Chunks:
  FalseNegative nam [1,1] = Klich

(ChunkerEvaluator) Sentence #8311 from articles/00107734 from sent44

Text  : W swoich wspomnieniach Klich przyznaje , że wtedy , w  drodze do Smoleńska ,  zakładał ,  że akredytowanym zostanie Mirosław Grochowski .
Tokens: 1 2_____ 3____________ 4____ 5________ 6 7_ 8____ 9 10 11____ 12 13_______ 14 15______ 16 17 18___________ 19______ 20______ 21________ 22

Chunks:
  TruePositive nam [13,13] = Smoleńska
  TruePositive nam [20,21] = Mirosław Grochowski
  FalseNegative nam [4,4] = Klich

(ChunkerEvaluator) Sentence #8312 from articles/00107734 from sent45

Text  : Dlaczego Grochowski ?
Tokens: 1_______ 2_________ 3

Chunks:
  TruePositive nam [2,2] = Grochowski

(ChunkerEvaluator) Sentence #8313 from articles/00107734 from sent46

Text  : „ Bo tupolew był wojskowy , a Grochowski to szef Inspektoratu Bezpieczeństwa Lotów w  MON-ie ”  -  wyjaśnia Edmund Klich i  dodaje ,  że Grochowski nie zdążył wtedy na pierwszy samolot ,  bo urzęduje w  Poznaniu .
Tokens: 1 2_ 3______ 4__ 5_______ 6 7 8_________ 9_ 10__ 11__________ 12____________ 13___ 14 15____ 16 17 18______ 19____ 20___ 21 22____ 23 24 25________ 26_ 27____ 28___ 29 30______ 31_____ 32 33 34______ 35 36______ 37

Chunks:
  TruePositive nam [8,8] = Grochowski
  TruePositive nam [11,13] = Inspektoratu Bezpieczeństwa Lotów
  TruePositive nam [15,15] = MON-ie
  TruePositive nam [19,20] = Edmund Klich
  TruePositive nam [25,25] = Grochowski
  TruePositive nam [36,36] = Poznaniu
  FalseNegative nam [3,3] = tupolew

(ChunkerEvaluator) Sentence #8314 from articles/00107734 from sent47

Text  : Przy okazji lotu do Smoleńska wyszło na jaw , że eksperci złamali jedną z  podstawowych zasad bezpieczeństwa :  hermetyczność kabiny .
Tokens: 1___ 2_____ 3___ 4_ 5________ 6_____ 7_ 8__ 9 10 11______ 12_____ 13___ 14 15__________ 16___ 17____________ 18 19___________ 20____ 21

Chunks:
  TruePositive nam [5,5] = Smoleńska

(ChunkerEvaluator) Sentence #8315 from articles/00107734 from sent48

Text  : „ Siedział em w salonce , a więc blisko kokpitu ,  i  pamiętam to dobrze .
Tokens: 1 2_______ 3_ 4 5______ 6 7 8___ 9_____ 10_____ 11 12 13______ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #8316 from articles/00107734 from sent49

Text  : Były otwarte ” - zdradza pułkownik , ale zaraz dodaje ,  że on się w  życiu nalatał i  nigdzie nie wchodził .
Tokens: 1___ 2______ 3 4 5______ 6________ 7 8__ 9____ 10____ 11 12 13 14_ 15 16___ 17_____ 18 19_____ 20_ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #8317 from articles/00107734 from sent50

Text  : „ Po co miał by m się do kokpitu pakować ?  ”  -  pyta retorycznie Edmund Klich .
Tokens: 1 2_ 3_ 4___ 5_ 6 7__ 8_ 9______ 10_____ 11 12 13 14__ 15_________ 16____ 17___ 18

Chunks:
  TruePositive nam [16,17] = Edmund Klich

(ChunkerEvaluator) Sentence #8318 from articles/00107734 from sent51

Text  : Katastrofa to był wypadek ?
Tokens: 1_________ 2_ 3__ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #8319 from articles/00107734 from sent52

Text  : Klich : Tylko się w tym upewnił em
Tokens: 1____ 2 3____ 4__ 5 6__ 7______ 8_

Chunks:
  FalseNegative nam [1,1] = Klich

(ChunkerEvaluator) Sentence #8320 from articles/00107734 from sent53

Text  : Były szef PKBWL opowiada też , jak następnego dnia po przylocie do Smoleńska wrócili razem z  ekspertami na lotnisko Siewiernyj :  „  Poszedł em w  rejon bliższej radiolatarni ,  gdzie nastąpiło pierwsze zderzenie z  drzewem .
Tokens: 1___ 2___ 3____ 4_______ 5__ 6 7__ 8_________ 9___ 10 11_______ 12 13_______ 14_____ 15___ 16 17________ 18 19______ 20________ 21 22 23_____ 24 25 26___ 27______ 28__________ 29 30___ 31_______ 32______ 33_______ 34 35_____ 36

Chunks:
  TruePositive nam [3,3] = PKBWL
  TruePositive nam [13,13] = Smoleńska
  FalseNegative nam [20,20] = Siewiernyj

(ChunkerEvaluator) Sentence #8321 from articles/00107734 from sent54

Text  : W tym czasie Ryszard Szczepanik ( specjalista od napędów odrzutowych -  red .  )  poszedł do wraku obejrzeć silniki .
Tokens: 1 2__ 3_____ 4______ 5_________ 6 7__________ 8_ 9______ 10_________ 11 12_ 13 14 15_____ 16 17___ 18______ 19_____ 20

Chunks:
  TruePositive nam [4,5] = Ryszard Szczepanik

(ChunkerEvaluator) Sentence #8322 from articles/00107734 from sent55

Text  : Potem mówił mi , że po stanie łopatek ocenił ,  iż do końca pracowały na pełnych obrotach .
Tokens: 1____ 2____ 3_ 4 5_ 6_ 7_____ 8______ 9_____ 10 11 12 13___ 14_______ 15 16_____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #8323 from articles/00107734 from sent56

Text  : Wrak oglądał również Antoni Milkiewicz ( były główny inżynier wojsk lotniczych ,  rzeczoznawca MON -  red .  )  ,  który również nie zauważył niczego ,  co wskazywało by na działania z  zewnątrz .
Tokens: 1___ 2______ 3______ 4_____ 5_________ 6 7___ 8_____ 9_______ 10___ 11________ 12 13__________ 14_ 15 16_ 17 18 19 20___ 21_____ 22_ 23______ 24_____ 25 26 27________ 28 29 30_______ 31 32______ 33

Chunks:
  TruePositive nam [4,5] = Antoni Milkiewicz
  TruePositive nam [14,14] = MON
  FalsePositive nam [1,1] = Wrak

(ChunkerEvaluator) Sentence #8324 from articles/00107734 from sent57

Text  : Przeszedł em sobie cały tor ostatniej fazy lotu ” .
Tokens: 1________ 2_ 3____ 4___ 5__ 6________ 7___ 8___ 9 10

Chunks:

(ChunkerEvaluator) Sentence #8325 from articles/00107734 from sent58

Text  : Po oględzinach na miejscu katastrofy Klich miał już pewność ,  że 10 kwietnia doszło do wypadku :  „  Tylko się w  tym upewnił em .
Tokens: 1_ 2__________ 3_ 4______ 5_________ 6____ 7___ 8__ 9______ 10 11 12 13______ 14____ 15 16_____ 17 18 19___ 20_ 21 22_ 23_____ 24 25

Chunks:
  FalseNegative nam [6,6] = Klich

(ChunkerEvaluator) Sentence #8326 from articles/00107734 from sent59

Text  : Szedł em po śladach i po kolei wszystko oglądał em :  pościnane czubki drzew ,  brzozę ,  zerwaną linię energetyczną ,  obłamane gałęzie ,  ślady na ziemi i  wreszcie wrak .
Tokens: 1____ 2_ 3_ 4______ 5 6_ 7____ 8_______ 9______ 10 11 12_______ 13____ 14___ 15 16____ 17 18_____ 19___ 20__________ 21 22______ 23_____ 24 25___ 26 27___ 28 29______ 30__ 31

Chunks:

(ChunkerEvaluator) Sentence #8327 from articles/00107734 from sent60

Text  : Nie miałem pojęcia , że ta brzoza urośnie później do takiej rangi .
Tokens: 1__ 2_____ 3______ 4 5_ 6_ 7_____ 8______ 9______ 10 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #8328 from articles/00107734 from sent61

Text  : Do głowy mi nie przyszło , że ludzie zaczną tworzyć w  związku z  nią tak zwariowane teorie ”  .
Tokens: 1_ 2____ 3_ 4__ 5_______ 6 7_ 8_____ 9_____ 10_____ 11 12_____ 13 14_ 15_ 16________ 17____ 18 19

Chunks:

2016-10-27 14:59:53,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 363 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107736.xml
(ChunkerEvaluator) Sentence #8329 from articles/00107736 from sent1

Text  : Sondaż : Hiszpanie wybaczają królowi polowanie na słonie w Botswanie
Tokens: 1_____ 2 3________ 4________ 5______ 6________ 7_ 8_____ 9 10_______

Chunks:
  TruePositive nam [3,3] = Hiszpanie
  TruePositive nam [10,10] = Botswanie

(ChunkerEvaluator) Sentence #8330 from articles/00107736 from sent2

Text  : Większość Hiszpanów wybaczyło królowi Juanowi Carlosowi jego wyjazd do Botswany ,  gdzie polował na słonie ,  a  ponad połowa nadal popiera monarchię -  wynika z  sondaży opublikowanych w  niedzielę przez dzienniki &  quot ;  El Mundo &  quot ;  i  &  quot ;  La Razon &  quot ;  .
Tokens: 1________ 2________ 3________ 4______ 5______ 6________ 7___ 8_____ 9_ 10______ 11 12___ 13_____ 14 15____ 16 17 18___ 19____ 20___ 21_____ 22_______ 23 24____ 25 26_____ 27____________ 28 29_______ 30___ 31_______ 32 33__ 34 35 36___ 37 38__ 39 40 41 42__ 43 44 45___ 46 47__ 48 49

Chunks:
  TruePositive nam [2,2] = Hiszpanów
  TruePositive nam [5,6] = Juanowi Carlosowi
  TruePositive nam [10,10] = Botswany
  FalsePositive nam [35,37] = El Mundo &
  FalsePositive nam [44,46] = La Razon &
  FalseNegative nam [35,36] = El Mundo
  FalseNegative nam [44,45] = La Razon

(ChunkerEvaluator) Sentence #8331 from articles/00107736 from sent3

Text  : Wyjazd wybaczyło królowi 70 , 3 proc .
Tokens: 1_____ 2________ 3______ 4_ 5 6 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #8332 from articles/00107736 from sent4

Text  : Hiszpanów , a 73 proc . wciąż dobrze lub bardzo dobrze ocenia okres jego panowania -  wynika z  badania instytutu Sigma Dos opublikowanego w  "  El Mundo "  .
Tokens: 1________ 2 3 4_ 5___ 6 7____ 8_____ 9__ 10____ 11____ 12____ 13___ 14__ 15_______ 16 17____ 18 19_____ 20_______ 21___ 22_ 23____________ 24 25 26 27___ 28 29

Chunks:
  TruePositive nam [21,22] = Sigma Dos
  TruePositive nam [26,27] = El Mundo
  FalseNegative nam [1,1] = Hiszpanów

(ChunkerEvaluator) Sentence #8333 from articles/00107736 from sent5

Text  : Jednak 52 proc .
Tokens: 1_____ 2_ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #8334 from articles/00107736 from sent6

Text  : Hiszpanów uważa , że kosztowną eskapadą w czasach głębokiego kryzysu król zaszkodził wizerunkowi hiszpańskiej monarchii .
Tokens: 1________ 2____ 3 4_ 5________ 6_______ 7 8______ 9_________ 10_____ 11__ 12________ 13_________ 14__________ 15_______ 16

Chunks:
  TruePositive nam [1,1] = Hiszpanów

(ChunkerEvaluator) Sentence #8335 from articles/00107736 from sent7

Text  : Podobny procent ankietowanych jest zdania , że na zagraniczne podróże Juana Carlosa zgodę powinien wydawać rząd .
Tokens: 1______ 2______ 3____________ 4___ 5_____ 6 7_ 8_ 9__________ 10_____ 11___ 12_____ 13___ 14______ 15_____ 16__ 17

Chunks:
  TruePositive nam [11,12] = Juana Carlosa

(ChunkerEvaluator) Sentence #8336 from articles/00107736 from sent8

Text  : Sondaż dla " El Mundo " przeprowadzono 19 i 20 kwietnia ,  czyli już po publicznych przeprosinach monarchy .
Tokens: 1_____ 2__ 3 4_ 5____ 6 7_____________ 8_ 9 10 11______ 12 13___ 14_ 15 16_________ 17___________ 18______ 19

Chunks:
  TruePositive nam [4,5] = El Mundo

(ChunkerEvaluator) Sentence #8337 from articles/00107736 from sent9

Text  : " Jest mi bardzo przykro .
Tokens: 1 2___ 3_ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #8338 from articles/00107736 from sent10

Text  : Popełnił em błąd .
Tokens: 1_______ 2_ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #8339 from articles/00107736 from sent11

Text  : To się więcej nie powtórzy " - oświadczył 18 kwietnia w  telewizji 74 -  letni król ,  który podczas wyprawy złamał sobie biodro i  musiał być operowany .
Tokens: 1_ 2__ 3_____ 4__ 5_______ 6 7 8_________ 9_ 10______ 11 12_______ 13 14 15___ 16__ 17 18___ 19_____ 20_____ 21____ 22___ 23____ 24 25____ 26_ 27_______ 28

Chunks:

(ChunkerEvaluator) Sentence #8340 from articles/00107736 from sent12

Text  : To właśnie z powodu wypadku i nagłego powrotu Juana Carlosa do kraju opinia publiczna dowiedziała się o  eskapadzie .
Tokens: 1_ 2______ 3 4_____ 5______ 6 7______ 8______ 9____ 10_____ 11 12___ 13____ 14_______ 15_________ 16_ 17 18________ 19

Chunks:
  TruePositive nam [9,10] = Juana Carlosa

(ChunkerEvaluator) Sentence #8341 from articles/00107736 from sent13

Text  : Z kolei z badania instytutu NC Report , który ukazał się w  "  La Razon "  ,  wynika ,  że według 50 proc .  ankietowanych monarchia jest kluczową instytucją w  Hiszpanii .
Tokens: 1 2____ 3 4______ 5________ 6_ 7_____ 8 9____ 10____ 11_ 12 13 14 15___ 16 17 18____ 19 20 21____ 22 23__ 24 25___________ 26_______ 27__ 28______ 29________ 30 31_______ 32

Chunks:
  TruePositive nam [6,7] = NC Report
  TruePositive nam [14,15] = La Razon
  TruePositive nam [31,31] = Hiszpanii

(ChunkerEvaluator) Sentence #8342 from articles/00107736 from sent14

Text  : Król Juan Carlos był ostro krytykowany za eskapadę , w  sytuacji gdy jego kraj boryka się z  największym od lat kryzysem finansowym ,  a  co drugi młody Hiszpan nie ma pracy .
Tokens: 1___ 2___ 3_____ 4__ 5____ 6__________ 7_ 8_______ 9 10 11______ 12_ 13__ 14__ 15____ 16_ 17 18_________ 19 20_ 21______ 22________ 23 24 25 26___ 27___ 28_____ 29_ 30 31___ 32

Chunks:
  TruePositive nam [2,3] = Juan Carlos
  TruePositive nam [28,28] = Hiszpan

(ChunkerEvaluator) Sentence #8343 from articles/00107736 from sent15

Text  : Niektóre media podają , że wyjazd sfinansował syryjski przedsiębiorca ,  blisko związany z  saudyjską rodziną królewską .
Tokens: 1_______ 2____ 3_____ 4 5_ 6_____ 7__________ 8_______ 9_____________ 10 11____ 12______ 13 14_______ 15_____ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #8344 from articles/00107736 from sent16

Text  : Kilka dni po powrocie króla z Botswany hiszpańskie dzienniki i  stacje telewizyjne eksponowały zdjęcie Juana Carlosa przed zabitym słoniem ,  zrobione podczas polowania w  tym kraju w  2006 roku .
Tokens: 1____ 2__ 3_ 4_______ 5____ 6 7_______ 8__________ 9________ 10 11____ 12_________ 13_________ 14_____ 15___ 16_____ 17___ 18_____ 19_____ 20 21______ 22_____ 23_______ 24 25_ 26___ 27 28__ 29__ 30

Chunks:
  TruePositive nam [7,7] = Botswany
  TruePositive nam [15,16] = Juana Carlosa

(ChunkerEvaluator) Sentence #8345 from articles/00107736 from sent17

Text  : Internauci nie omieszkali wypomnieć monarsze wyprawy łowieckiej do Rosji w  2006 roku ,  kiedy to -  jak głosiły plotki -  Juan Carlos zastrzelił niedźwiedzia ,  którego wcześniej specjalnie na tę okazję upito miodem z  wódką ,  żeby nie uciekł .
Tokens: 1_________ 2__ 3_________ 4________ 5_______ 6______ 7_________ 8_ 9____ 10 11__ 12__ 13 14___ 15 16 17_ 18_____ 19____ 20 21__ 22____ 23________ 24__________ 25 26_____ 27_______ 28________ 29 30 31____ 32___ 33____ 34 35___ 36 37__ 38_ 39____ 40

Chunks:
  TruePositive nam [9,9] = Rosji
  TruePositive nam [21,22] = Juan Carlos

2016-10-27 14:59:53,643 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 364 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107737.xml
(ChunkerEvaluator) Sentence #8346 from articles/00107737 from sent1

Text  : Splajtował eś ?
Tokens: 1_________ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #8347 from articles/00107737 from sent2

Text  : Zrestartuj się !
Tokens: 1_________ 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #8348 from articles/00107737 from sent3

Text  : Jest ktoś , kto ci pomoże
Tokens: 1___ 2___ 3 4__ 5_ 6_____

Chunks:

(ChunkerEvaluator) Sentence #8349 from articles/00107737 from sent4

Text  : Polska Fundacja Przedsiębiorczości i Oxford Innovation Ltd . z Wielkiej Brytanii realizują projekt „  Re :  start ”  ,  który otrzymał dofinansowanie ze środków Unii Europejskiej w  ramach Programu Operacyjnego Kapitał Ludzki .
Tokens: 1_____ 2_______ 3_________________ 4 5_____ 6_________ 7__ 8 9 10______ 11______ 12_______ 13_____ 14 15 16 17___ 18 19 20___ 21______ 22____________ 23 24_____ 25__ 26__________ 27 28____ 29______ 30__________ 31_____ 32____ 33

Chunks:
  TruePositive nam [1,3] = Polska Fundacja Przedsiębiorczości
  TruePositive nam [5,8] = Oxford Innovation Ltd .
  TruePositive nam [10,11] = Wielkiej Brytanii
  TruePositive nam [15,17] = Re : start
  TruePositive nam [25,26] = Unii Europejskiej
  TruePositive nam [29,32] = Programu Operacyjnego Kapitał Ludzki

(ChunkerEvaluator) Sentence #8350 from articles/00107737 from sent5

Text  : Oxford Innovation Ltd istnieje na rynku brytyjskim od 1987 r  .  i  pomaga ambitnym firmom w  odniesieniu sukcesu ,  zapewniając wsparcie biznesowe oraz dostęp do finansowania .
Tokens: 1_____ 2_________ 3__ 4_______ 5_ 6____ 7_________ 8_ 9___ 10 11 12 13____ 14______ 15____ 16 17_________ 18_____ 19 20_________ 21______ 22_______ 23__ 24____ 25 26__________ 27

Chunks:
  TruePositive nam [1,3] = Oxford Innovation Ltd

(ChunkerEvaluator) Sentence #8351 from articles/00107737 from sent6

Text  : W Polsce w ciągu ostatnich 12 miesięcy liczba zamykanych firm zwiększyła się o  jedną trzecią .
Tokens: 1 2_____ 3 4____ 5________ 6_ 7_______ 8_____ 9_________ 10__ 11________ 12_ 13 14___ 15_____ 16

Chunks:
  TruePositive nam [2,2] = Polsce

(ChunkerEvaluator) Sentence #8352 from articles/00107737 from sent7

Text  : Celem projektu Restart jest zwiększenie skuteczności działań na rzecz utrzymania na rynku pracy osób (  restarterów ,  którzy prowadzili firmę ,  zamknęli ją z  różnych powodów i  chcieli by ponownie otworzyć nową działalność gospodarczą oraz posiadają adres zamieszkania w  województwie zachodniopomorskim )  w  okresie 6  miesięcy od zakończenia ich udziału w  projekcie oraz wzrost liczby nowych założonych przez nich firm .
Tokens: 1____ 2_______ 3______ 4___ 5__________ 6___________ 7______ 8_ 9____ 10________ 11 12___ 13___ 14__ 15 16_________ 17 18____ 19________ 20___ 21 22______ 23 24 25_____ 26_____ 27 28_____ 29 30______ 31______ 32__ 33_________ 34_________ 35__ 36_______ 37___ 38__________ 39 40__________ 41________________ 42 43 44_____ 45 46______ 47 48_________ 49_ 50_____ 51 52_______ 53__ 54____ 55____ 56____ 57________ 58___ 59__ 60__ 61

Chunks:
  FalseNegative nam [3,3] = Restart
  FalseNegative nam [41,41] = zachodniopomorskim

(ChunkerEvaluator) Sentence #8353 from articles/00107737 from sent8

Text  : Centrum Restart oferuje wsparcie restarterom poprzez : coaching , mentoring ,  spotkania z  ekspertami oraz warsztaty i  szkolenia .
Tokens: 1______ 2______ 3______ 4_______ 5__________ 6______ 7 8_______ 9 10_______ 11 12_______ 13 14________ 15__ 16_______ 17 18_______ 19

Chunks:
  FalseNegative nam [1,2] = Centrum Restart

(ChunkerEvaluator) Sentence #8354 from articles/00107737 from sent9

Text  : Jak twierdzą organizatorzy projektu , „ ogromna i sprawdzona wartość instrumentu polega na indywidualnym podejściu do każdego przypadku i  wykorzystaniu wiedzy bardzo doświadczonych osób ”  .
Tokens: 1__ 2_______ 3____________ 4_______ 5 6 7______ 8 9_________ 10_____ 11_________ 12____ 13 14___________ 15_______ 16 17_____ 18_______ 19 20___________ 21____ 22____ 23____________ 24__ 25 26

Chunks:

(ChunkerEvaluator) Sentence #8355 from articles/00107737 from sent10

Text  : Kontakt : Polska Fundacja Przedsiębiorczości , ul . Monte Cassino 32 ,  70 -  466 Szczecin ,  pok .  21 ,  tel .  91 312 92 06 .
Tokens: 1______ 2 3_____ 4_______ 5_________________ 6 7_ 8 9____ 10_____ 11 12 13 14 15_ 16______ 17 18_ 19 20 21 22_ 23 24 25_ 26 27 28

Chunks:
  TruePositive nam [3,5] = Polska Fundacja Przedsiębiorczości
  TruePositive nam [9,10] = Monte Cassino
  FalseNegative nam [16,16] = Szczecin

2016-10-27 14:59:53,712 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 365 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107738.xml
(ChunkerEvaluator) Sentence #8356 from articles/00107738 from sent1

Text  : Tyszowce .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Tyszowce

(ChunkerEvaluator) Sentence #8357 from articles/00107738 from sent2

Text  : Jak hieny cmentarne rozbiły płyty nagrobne
Tokens: 1__ 2____ 3________ 4______ 5____ 6_______

Chunks:

(ChunkerEvaluator) Sentence #8358 from articles/00107738 from sent3

Text  : Czterech nastolatków urządziło sobie zabawę na terenie cmentarza parafialnego w  Tyszowcach .
Tokens: 1_______ 2__________ 3________ 4____ 5_____ 6_ 7______ 8________ 9___________ 10 11________ 12

Chunks:
  TruePositive nam [11,11] = Tyszowcach

(ChunkerEvaluator) Sentence #8359 from articles/00107738 from sent4

Text  : Rozbijali znicze i flakony na grobach .
Tokens: 1________ 2_____ 3 4______ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8360 from articles/00107738 from sent5

Text  : Sprawę zgłosiła na policję 25 - letnia mieszkanka gminy Tyszowce ,  która zauważyła ,  że grób jej bliskich ma porysowaną płytę .
Tokens: 1_____ 2_______ 3_ 4______ 5_ 6 7_____ 8_________ 9____ 10______ 11 12___ 13_______ 14 15 16__ 17_ 18______ 19 20________ 21___ 22

Chunks:
  TruePositive nam [10,10] = Tyszowce

(ChunkerEvaluator) Sentence #8361 from articles/00107738 from sent6

Text  : Kobieta wyceniła straty na 800 złotych .
Tokens: 1______ 2_______ 3_____ 4_ 5__ 6______ 7

Chunks:
  TruePositive nam [6,6] = złotych

(ChunkerEvaluator) Sentence #8362 from articles/00107738 from sent7

Text  : Sprawcami okazali się dwaj 16 - latkowie i ich dwaj o  rok starsi koledzy .
Tokens: 1________ 2______ 3__ 4___ 5_ 6 7_______ 8 9__ 10__ 11 12_ 13____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #8363 from articles/00107738 from sent8

Text  : Trzej mieszkają w Tyszowcach , a czwarty jest z gminy Tomaszów Lubelski .
Tokens: 1____ 2________ 3 4_________ 5 6 7______ 8___ 9 10___ 11______ 12______ 13

Chunks:
  TruePositive nam [4,4] = Tyszowcach
  TruePositive nam [11,12] = Tomaszów Lubelski

(ChunkerEvaluator) Sentence #8364 from articles/00107738 from sent9

Text  : Policja informuje , że szesnastolatkowie staną przed sądem rodzinnym ,  a  ich starszym o  rok kolegom grozi do pięciu lat więzienia .
Tokens: 1______ 2________ 3 4_ 5________________ 6____ 7____ 8____ 9________ 10 11 12_ 13______ 14 15_ 16_____ 17___ 18 19____ 20_ 21_______ 22

Chunks:

2016-10-27 14:59:53,744 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 366 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107739.xml
(ChunkerEvaluator) Sentence #8365 from articles/00107739 from sent1

Text  : Harold James : France and Frankfurt
Tokens: 1_____ 2____ 3 4_____ 5__ 6________

Chunks:
  TruePositive nam [4,4] = France
  TruePositive nam [6,6] = Frankfurt
  FalsePositive nam [2,2] = James
  FalseNegative nam [1,2] = Harold James

(ChunkerEvaluator) Sentence #8366 from articles/00107739 from sent2

Text  : PRINCETON - Over the past two years , financial markets have turned the spotlight on a  succession of countries -  Greece ,  Ireland ,  Portugal ,  Spain ,  and Italy -  turning each into the epicenter of a  seemingly perpetual European financial earthquake .
Tokens: 1________ 2 3___ 4__ 5___ 6__ 7____ 8 9________ 10_____ 11__ 12____ 13_ 14_______ 15 16 17________ 18 19_______ 20 21____ 22 23_____ 24 25______ 26 27___ 28 29_ 30___ 31 32_____ 33__ 34__ 35_ 36_______ 37 38 39_______ 40_______ 41______ 42_______ 43________ 44

Chunks:
  TruePositive nam [23,23] = Ireland
  TruePositive nam [25,25] = Portugal
  FalsePositive nam [41,41] = European
  FalseNegative nam [21,21] = Greece
  FalseNegative nam [27,27] = Spain
  FalseNegative nam [30,30] = Italy

(ChunkerEvaluator) Sentence #8367 from articles/00107739 from sent3

Text  : But politicians always recognized that the heart of the European project was the relationship between France and Germany .
Tokens: 1__ 2__________ 3_____ 4_________ 5___ 6__ 7____ 8_ 9__ 10______ 11_____ 12_ 13_ 14__________ 15_____ 16____ 17_ 18_____ 19

Chunks:
  FalsePositive nam [10,10] = European
  FalsePositive nam [16,18] = France and Germany
  FalseNegative nam [16,16] = France
  FalseNegative nam [18,18] = Germany

(ChunkerEvaluator) Sentence #8368 from articles/00107739 from sent4

Text  : Is that relationship now in jeopardy ?
Tokens: 1_ 2___ 3___________ 4__ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #8369 from articles/00107739 from sent5

Text  : There is a falling - domino argument that suggests that the crises on Europe's periphery will have a  knock -  on effect on the Franco -  German core .
Tokens: 1____ 2_ 3 4______ 5 6_____ 7_______ 8___ 9_______ 10__ 11_ 12____ 13 14______ 15_______ 16__ 17__ 18 19___ 20 21 22____ 23 24_ 25____ 26 27____ 28__ 29

Chunks:
  TruePositive nam [14,14] = Europe's
  FalsePositive nam [25,27] = Franco - German

(ChunkerEvaluator) Sentence #8370 from articles/00107739 from sent6

Text  : France , in the aftermath of a property and asset -  price bubble ,  is vulnerable to some of the same combination of banking and public -  finance problems .
Tokens: 1_____ 2 3_ 4__ 5________ 6_ 7 8_______ 9__ 10___ 11 12___ 13____ 14 15 16________ 17 18__ 19 20_ 21__ 22_________ 23 24_____ 25_ 26____ 27 28_____ 29______ 30

Chunks:
  TruePositive nam [1,1] = France

(ChunkerEvaluator) Sentence #8371 from articles/00107739 from sent7

Text  : Indeed , now France's presidential election has politicized the link between peripheral dominos and Europe's French heart .
Tokens: 1_____ 2 3__ 4_______ 5___________ 6_______ 7__ 8__________ 9__ 10__ 11_____ 12________ 13_____ 14_ 15______ 16____ 17___ 18

Chunks:
  TruePositive nam [15,15] = Europe's
  FalsePositive nam [4,4] = France's

(ChunkerEvaluator) Sentence #8372 from articles/00107739 from sent8

Text  : In his final campaign rally before the first round of the presidential election ,  Nicolas Sarkozy stood in front of a  banner proclaiming "  la France forte ,  ”  or strong France .
Tokens: 1_ 2__ 3____ 4_______ 5____ 6_____ 7__ 8____ 9____ 10 11_ 12__________ 13______ 14 15_____ 16_____ 17___ 18 19___ 20 21 22____ 23_________ 24 25 26____ 27___ 28 29 30 31____ 32____ 33

Chunks:
  TruePositive nam [15,16] = Nicolas Sarkozy
  TruePositive nam [26,26] = France
  TruePositive nam [32,32] = France

(ChunkerEvaluator) Sentence #8373 from articles/00107739 from sent9

Text  : For much of his audience , Sarkozy's head obscured the "  e  ”  in France ,  so that the slogan looked more like "  franc fort ,  ”  or strong French franc -  which sounds like nothing if not "  Frankfurt ,  ”  the German financial center that is the seat of the European Central Bank .
Tokens: 1__ 2___ 3_ 4__ 5_______ 6 7________ 8___ 9_______ 10_ 11 12 13 14 15____ 16 17 18__ 19_ 20____ 21____ 22__ 23__ 24 25___ 26__ 27 28 29 30____ 31____ 32___ 33 34___ 35____ 36__ 37_____ 38 39_ 40 41_______ 42 43 44_ 45____ 46_______ 47____ 48__ 49 50_ 51__ 52 53_ 54______ 55_____ 56__ 57

Chunks:
  TruePositive nam [7,7] = Sarkozy's
  TruePositive nam [15,15] = France
  TruePositive nam [41,41] = Frankfurt
  TruePositive nam [54,56] = European Central Bank
  FalsePositive nam [45,45] = German
  FalseNegative nam [25,25] = franc
  FalseNegative nam [32,32] = franc

(ChunkerEvaluator) Sentence #8374 from articles/00107739 from sent10

Text  : Sarkozy's speech reinforced that message .
Tokens: 1________ 2_____ 3_________ 4___ 5______ 6

Chunks:
  FalseNegative nam [1,1] = Sarkozy's

(ChunkerEvaluator) Sentence #8375 from articles/00107739 from sent11

Text  : Only reelecting the president could save a strong currency that guaranteed French wealth and incomes .
Tokens: 1___ 2_________ 3__ 4________ 5____ 6___ 7 8_____ 9_______ 10__ 11________ 12____ 13____ 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #8376 from articles/00107739 from sent12

Text  : The left would trigger a currency collapse and a run on French securities that would bring the euro crisis from Greece ,  Spain ,  or Italy to the heart of the European process ,  France's relationship with Germany .
Tokens: 1__ 2___ 3____ 4______ 5 6_______ 7_______ 8__ 9 10_ 11 12____ 13________ 14__ 15___ 16___ 17_ 18__ 19____ 20__ 21____ 22 23___ 24 25 26___ 27 28_ 29___ 30 31_ 32______ 33_____ 34 35______ 36__________ 37__ 38_____ 39

Chunks:
  TruePositive nam [18,18] = euro
  TruePositive nam [35,35] = France's
  TruePositive nam [38,38] = Germany
  FalsePositive nam [32,32] = European
  FalseNegative nam [21,21] = Greece
  FalseNegative nam [23,23] = Spain
  FalseNegative nam [26,26] = Italy

(ChunkerEvaluator) Sentence #8377 from articles/00107739 from sent13

Text  : The French presidential campaign has reopened an old theme of French politics .
Tokens: 1__ 2_____ 3___________ 4_______ 5__ 6_______ 7_ 8__ 9____ 10 11____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #8378 from articles/00107739 from sent14

Text  : Left - wing politicians see themselves as the victims of financial conspiracies .
Tokens: 1___ 2 3___ 4__________ 5__ 6_________ 7_ 8__ 9______ 10 11_______ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #8379 from articles/00107739 from sent15

Text  : In 1924 , a socialist and center - left coalition ,  the cartel des gauches ,  was met by a  flight of money and a  run on the franc ,  which the left believed was organized and facilitated by the Banque de France (  the central bank )  .
Tokens: 1_ 2___ 3 4 5________ 6__ 7_____ 8 9___ 10_______ 11 12_ 13____ 14_ 15_____ 16 17_ 18_ 19 20 21____ 22 23___ 24_ 25 26_ 27 28_ 29___ 30 31___ 32_ 33__ 34______ 35_ 36_______ 37_ 38_________ 39 40_ 41____ 42 43____ 44 45_ 46_____ 47__ 48 49

Chunks:
  FalsePositive nam [43,43] = France
  FalseNegative nam [29,29] = franc
  FalseNegative nam [41,43] = Banque de France

(ChunkerEvaluator) Sentence #8380 from articles/00107739 from sent16

Text  : In 1936 , when communists allied with socialists in Léon Blum's Popular Front ,  and pushed through wage increases and reductions in working hours ,  another franc crisis erupted ,  and ,  within two years ,  the center right was back in power .
Tokens: 1_ 2___ 3 4___ 5_________ 6_____ 7___ 8_________ 9_ 10__ 11____ 12_____ 13___ 14 15_ 16____ 17_____ 18__ 19_______ 20_ 21________ 22 23_____ 24___ 25 26_____ 27___ 28____ 29_____ 30 31_ 32 33____ 34_ 35___ 36 37_ 38____ 39___ 40_ 41__ 42 43___ 44

Chunks:
  FalsePositive nam [10,13] = Léon Blum's Popular Front
  FalseNegative nam [10,11] = Léon Blum's
  FalseNegative nam [12,13] = Popular Front

(ChunkerEvaluator) Sentence #8381 from articles/00107739 from sent17

Text  : In the meantime , though , the left had nationalized the central bank .
Tokens: 1_ 2__ 3_______ 4 5_____ 6 7__ 8___ 9__ 10__________ 11_ 12_____ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #8382 from articles/00107739 from sent18

Text  : The most recent episode in this long - standing drama came with François Mitterrand's victory in 1981 .
Tokens: 1__ 2___ 3_____ 4______ 5_ 6___ 7___ 8 9_______ 10___ 11__ 12__ 13______ 14__________ 15_____ 16 17__ 18

Chunks:
  TruePositive nam [13,14] = François Mitterrand's

(ChunkerEvaluator) Sentence #8383 from articles/00107739 from sent19

Text  : As President , for the next two years he ran an experiment in socialist economics ,  designed to woo communist supporters .
Tokens: 1_ 2________ 3 4__ 5__ 6___ 7__ 8____ 9_ 10_ 11 12________ 13 14_______ 15_______ 16 17______ 18 19_ 20_______ 21________ 22

Chunks:
  FalsePositive nam [1,2] = As President

(ChunkerEvaluator) Sentence #8384 from articles/00107739 from sent20

Text  : Banks were nationalized and wages were raised , causing repeated runs on the franc .
Tokens: 1____ 2___ 3___________ 4__ 5____ 6___ 7_____ 8 9______ 10______ 11__ 12 13_ 14___ 15

Chunks:
  FalseNegative nam [14,14] = franc

(ChunkerEvaluator) Sentence #8385 from articles/00107739 from sent21

Text  : The government was forced to impose harsh capital controls ,  including restrictions on what citizens could spend abroad as tourists .
Tokens: 1__ 2_________ 3__ 4_____ 5_ 6_____ 7____ 8______ 9_______ 10 11_______ 12__________ 13 14__ 15______ 16___ 17___ 18____ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #8386 from articles/00107739 from sent22

Text  : After two years , Mitterrand faced a dramatic question :  should France continue on the path of "  socialism in one country ,  ”  or did European integration require a  U  -  turn ?
Tokens: 1____ 2__ 3____ 4 5_________ 6____ 7 8_______ 9_______ 10 11____ 12____ 13______ 14 15_ 16__ 17 18 19_______ 20 21_ 22_____ 23 24 25 26_ 27______ 28_________ 29_____ 30 31 32 33__ 34

Chunks:
  TruePositive nam [5,5] = Mitterrand
  TruePositive nam [12,12] = France

(ChunkerEvaluator) Sentence #8387 from articles/00107739 from sent23

Text  : As Finance Minister , the moderate and Europhile Jacques Delors executed the U  -  turn that brought France back to Europe and to the "  franc fort .  ”
Tokens: 1_ 2______ 3_______ 4 5__ 6_______ 7__ 8________ 9______ 10____ 11______ 12_ 13 14 15__ 16__ 17_____ 18____ 19__ 20 21____ 22_ 23 24_ 25 26___ 27__ 28 29

Chunks:
  TruePositive nam [9,10] = Jacques Delors
  TruePositive nam [18,18] = France
  FalsePositive nam [1,8] = As Finance Minister , the moderate and Europhile
  FalseNegative nam [21,21] = Europe
  FalseNegative nam [26,26] = franc

(ChunkerEvaluator) Sentence #8388 from articles/00107739 from sent24

Text  : The parallels between now and 1981 are very close .
Tokens: 1__ 2________ 3______ 4__ 5__ 6___ 7__ 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #8389 from articles/00107739 from sent25

Text  : In 1981 , there was a European framework for currency stability ,  the European Monetary System ,  which Mitterrand regarded as the personal project of his right -  wing opponent ,  the incumbent President Valéry Giscard d'Estaing .
Tokens: 1_ 2___ 3 4____ 5__ 6 7_______ 8________ 9__ 10______ 11_______ 12 13_ 14______ 15______ 16____ 17 18___ 19________ 20______ 21 22_ 23______ 24_____ 25 26_ 27___ 28 29__ 30______ 31 32_ 33_______ 34_______ 35____ 36_____ 37_______ 38

Chunks:
  TruePositive nam [14,16] = European Monetary System
  TruePositive nam [19,19] = Mitterrand
  TruePositive nam [35,37] = Valéry Giscard d'Estaing
  FalsePositive nam [7,7] = European

(ChunkerEvaluator) Sentence #8390 from articles/00107739 from sent26

Text  : It seemed obvious for him to attack the stable currency as a  conservative project for holding down working -  class wages .
Tokens: 1_ 2_____ 3______ 4__ 5__ 6_ 7_____ 8__ 9_____ 10______ 11 12 13__________ 14_____ 15_ 16_____ 17__ 18_____ 19 20___ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #8391 from articles/00107739 from sent27

Text  : In the middle of a recession , it also looked like the cause of unemployment in France .
Tokens: 1_ 2__ 3_____ 4_ 5 6________ 7 8_ 9___ 10____ 11__ 12_ 13___ 14 15__________ 16 17____ 18

Chunks:
  TruePositive nam [17,17] = France

(ChunkerEvaluator) Sentence #8392 from articles/00107739 from sent28

Text  : In 2012 , rescuing the euro was personalized as a  tango between Sarkozy and German Chancellor Angela Merkel ,  a  duo derided as "  Merkozy .  ”
Tokens: 1_ 2___ 3 4_______ 5__ 6___ 7__ 8___________ 9_ 10 11___ 12_____ 13_____ 14_ 15____ 16________ 17____ 18____ 19 20 21_ 22_____ 23 24 25_____ 26 27

Chunks:
  TruePositive nam [6,6] = euro
  FalsePositive nam [15,18] = German Chancellor Angela Merkel
  FalsePositive nam [25,26] = Merkozy .
  FalseNegative nam [13,13] = Sarkozy
  FalseNegative nam [17,18] = Angela Merkel

(ChunkerEvaluator) Sentence #8393 from articles/00107739 from sent29

Text  : They made the crucial decisions .
Tokens: 1___ 2___ 3__ 4______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #8394 from articles/00107739 from sent30

Text  : They insisted on budgetary stability and the " six -  pack ”  that the left dislikes .
Tokens: 1___ 2_______ 3_ 4________ 5________ 6__ 7__ 8 9__ 10 11__ 12 13__ 14_ 15__ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #8395 from articles/00107739 from sent31

Text  : Both the far - left candidate , Jean - Luc Mélenchon ,  and the right -  wing populist ,  Marine Le Pen ,  have put anti -  German rhetoric at the center of their campaigns .
Tokens: 1___ 2__ 3__ 4 5___ 6________ 7 8___ 9 10_ 11_______ 12 13_ 14_ 15___ 16 17__ 18______ 19 20____ 21 22_ 23 24__ 25_ 26__ 27 28____ 29______ 30 31_ 32____ 33 34___ 35_______ 36

Chunks:
  TruePositive nam [8,11] = Jean - Luc Mélenchon
  TruePositive nam [20,22] = Marine Le Pen
  FalsePositive nam [28,28] = German

(ChunkerEvaluator) Sentence #8396 from articles/00107739 from sent32

Text  : But so did the mainstream left candidate , François Hollande ,  who now seems poised to win the election .
Tokens: 1__ 2_ 3__ 4__ 5_________ 6___ 7________ 8 9_______ 10______ 11 12_ 13_ 14___ 15____ 16 17_ 18_ 19______ 20

Chunks:
  TruePositive nam [9,10] = François Hollande

(ChunkerEvaluator) Sentence #8397 from articles/00107739 from sent33

Text  : He repeatedly contrasts the ECB's rigor and orthodoxy with the flexibility -  a  euphemism for willingness to print money -  of the British and American central banks .
Tokens: 1_ 2_________ 3________ 4__ 5____ 6____ 7__ 8________ 9___ 10_ 11_________ 12 13 14_______ 15_ 16_________ 17 18___ 19___ 20 21 22_ 23_____ 24_ 25______ 26_____ 27___ 28

Chunks:
  TruePositive nam [5,5] = ECB's

(ChunkerEvaluator) Sentence #8398 from articles/00107739 from sent34

Text  : His case seems strengthened by the collapse of the Dutch government as a  result of the populist Geert Wilders '  objection to German -  imposed austerity ,  as well as by the strength of Le Pen's support in France .
Tokens: 1__ 2___ 3____ 4___________ 5_ 6__ 7_______ 8_ 9__ 10___ 11________ 12 13 14____ 15 16_ 17______ 18___ 19_____ 20 21_______ 22 23____ 24 25_____ 26_______ 27 28 29__ 30 31 32_ 33______ 34 35 36___ 37_____ 38 39____ 40

Chunks:
  TruePositive nam [18,19] = Geert Wilders
  TruePositive nam [35,36] = Le Pen's
  TruePositive nam [39,39] = France
  FalsePositive nam [23,25] = German - imposed

(ChunkerEvaluator) Sentence #8399 from articles/00107739 from sent35

Text  : Bringing France to Mitterrand's U - turn required a profound change in the European approach .
Tokens: 1_______ 2_____ 3_ 4___________ 5 6 7___ 8_______ 9 10______ 11____ 12 13_ 14______ 15______ 16

Chunks:
  TruePositive nam [2,2] = France
  FalsePositive nam [14,14] = European
  FalseNegative nam [4,4] = Mitterrand's

(ChunkerEvaluator) Sentence #8400 from articles/00107739 from sent36

Text  : The European Commission worried that the left under Mitterrand would reject the European Monetary System .
Tokens: 1__ 2_______ 3_________ 4______ 5___ 6__ 7___ 8____ 9_________ 10___ 11____ 12_ 13______ 14______ 15____ 16

Chunks:
  TruePositive nam [2,3] = European Commission
  TruePositive nam [9,9] = Mitterrand
  TruePositive nam [13,15] = European Monetary System

(ChunkerEvaluator) Sentence #8401 from articles/00107739 from sent37

Text  : Something needed to be done in order to appeal to French socialists ,  and France needed to be given a  greater say over German monetary policy .
Tokens: 1________ 2_____ 3_ 4_ 5___ 6_ 7____ 8_ 9_____ 10 11____ 12________ 13 14_ 15____ 16____ 17 18 19___ 20 21_____ 22_ 23__ 24____ 25______ 26____ 27

Chunks:
  TruePositive nam [15,15] = France
  FalsePositive nam [24,24] = German

(ChunkerEvaluator) Sentence #8402 from articles/00107739 from sent38

Text  : Germans , and particularly the powerful central bankers at the Frankfurt -  based Bundesbank ,  were appalled .
Tokens: 1______ 2 3__ 4___________ 5__ 6_______ 7______ 8______ 9_ 10_ 11_______ 12 13___ 14________ 15 16__ 17______ 18

Chunks:
  FalsePositive nam [11,14] = Frankfurt - based Bundesbank
  FalseNegative nam [1,1] = Germans
  FalseNegative nam [14,14] = Bundesbank

(ChunkerEvaluator) Sentence #8403 from articles/00107739 from sent39

Text  : A leading Commission official was dispatched to confront the central bankers .
Tokens: 1 2______ 3_________ 4_______ 5__ 6_________ 7_ 8_______ 9__ 10_____ 11_____ 12

Chunks:
  FalseNegative nam [3,3] = Commission

(ChunkerEvaluator) Sentence #8404 from articles/00107739 from sent40

Text  : He explained that Germany's monetary stewardship had been too successful in the fight for stability ,  with the result that it had become politically vulnerable .
Tokens: 1_ 2________ 3___ 4________ 5_______ 6__________ 7__ 8___ 9__ 10________ 11 12_ 13___ 14_ 15_______ 16 17__ 18_ 19____ 20__ 21 22_ 23____ 24_________ 25________ 26

Chunks:
  TruePositive nam [4,4] = Germany's

(ChunkerEvaluator) Sentence #8405 from articles/00107739 from sent41

Text  : France's U - turn generated the set of arguments that would justify the creation of the euro .
Tokens: 1_______ 2 3 4___ 5________ 6__ 7__ 8_ 9________ 10__ 11___ 12_____ 13_ 14______ 15 16_ 17__ 18

Chunks:
  TruePositive nam [17,17] = euro
  FalseNegative nam [1,1] = France's

(ChunkerEvaluator) Sentence #8406 from articles/00107739 from sent42

Text  : German - imposed austerity required some Europeanized mechanism to soften it ,  and to make it politically acceptable .
Tokens: 1_____ 2 3______ 4________ 5_______ 6___ 7___________ 8________ 9_ 10____ 11 12 13_ 14 15__ 16 17_________ 18________ 19

Chunks:
  FalsePositive nam [1,3] = German - imposed
  FalsePositive nam [7,7] = Europeanized

(ChunkerEvaluator) Sentence #8407 from articles/00107739 from sent43

Text  : France's side of the pact was to think about budgetary rules .
Tokens: 1_______ 2___ 3_ 4__ 5___ 6__ 7_ 8____ 9____ 10_______ 11___ 12

Chunks:
  FalseNegative nam [1,1] = France's

(ChunkerEvaluator) Sentence #8408 from articles/00107739 from sent44

Text  : The 3 % - of - GDP cap on budget deficit ,  established somewhat arbitrarily in the 1990's ,  also originated from the traumas of the Mitterrand experiment .
Tokens: 1__ 2 3 4 5_ 6 7__ 8__ 9_ 10____ 11_____ 12 13_________ 14______ 15_________ 16 17_ 18____ 19 20__ 21________ 22__ 23_ 24_____ 25 26_ 27________ 28________ 29

Chunks:
  FalsePositive nam [7,7] = GDP
  FalsePositive nam [27,27] = Mitterrand

(ChunkerEvaluator) Sentence #8409 from articles/00107739 from sent45

Text  : Three percent of GDP was the figure that Delors calculated as the maximum deficit compatible with monetary stability in the circumstances of 1983 .
Tokens: 1____ 2______ 3_ 4__ 5__ 6__ 7_____ 8___ 9_____ 10________ 11 12_ 13_____ 14_____ 15________ 16__ 17______ 18_______ 19 20_ 21___________ 22 23__ 24

Chunks:
  FalsePositive nam [4,4] = GDP
  FalseNegative nam [9,9] = Delors

(ChunkerEvaluator) Sentence #8410 from articles/00107739 from sent46

Text  : It then simply hardened into a general European rule in the 1990's .
Tokens: 1_ 2___ 3_____ 4_______ 5___ 6 7______ 8_______ 9___ 10 11_ 12____ 13

Chunks:
  FalsePositive nam [8,8] = European

(ChunkerEvaluator) Sentence #8411 from articles/00107739 from sent47

Text  : Financial markets nowadays are much more aggressive than they were in 1981 .
Tokens: 1________ 2______ 3_______ 4__ 5___ 6___ 7_________ 8___ 9___ 10__ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #8412 from articles/00107739 from sent48

Text  : There is no possibility of a two - year period of experimentation .
Tokens: 1____ 2_ 3_ 4__________ 5_ 6 7__ 8 9___ 10____ 11 12_____________ 13

Chunks:

(ChunkerEvaluator) Sentence #8413 from articles/00107739 from sent49

Text  : The result will be very intense pressure for a rapid redesign of European institutions ,  with the risk that the outcome will lack credibility -  less a  U  -  turn than a  dead end .
Tokens: 1__ 2_____ 3___ 4_ 5___ 6______ 7_______ 8__ 9 10___ 11______ 12 13______ 14__________ 15 16__ 17_ 18__ 19__ 20_ 21_____ 22__ 23__ 24_________ 25 26__ 27 28 29 30__ 31__ 32 33__ 34_ 35

Chunks:
  FalsePositive nam [13,13] = European

(ChunkerEvaluator) Sentence #8414 from articles/00107739 from sent50

Text  : www.project-syndicate.org
Tokens: 1________________________

Chunks:
  TruePositive nam [1,1] = www.project-syndicate.org

2016-10-27 14:59:54,019 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 367 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107740.xml
(ChunkerEvaluator) Sentence #8415 from articles/00107740 from sent1

Text  : Bogusława Latawiec i Edward Balcerzan w Klubie Związków Twórczych
Tokens: 1________ 2_______ 3 4_____ 5________ 6 7_____ 8_______ 9________

Chunks:
  TruePositive nam [1,2] = Bogusława Latawiec
  TruePositive nam [4,5] = Edward Balcerzan
  TruePositive nam [7,9] = Klubie Związków Twórczych

(ChunkerEvaluator) Sentence #8416 from articles/00107740 from sent2

Text  : Piątek ( 22 listopada ) , godz . 18
Tokens: 1_____ 2 3_ 4________ 5 6 7___ 8 9_

Chunks:
  FalsePositive nam [1,1] = Piątek

(ChunkerEvaluator) Sentence #8417 from articles/00107740 from sent3

Text  : W piątek ( 22 . 11 ) o godz .  18 w  Klubie Związków Twórczych rozpocznie się spotkanie autorskie z  Bogusławą Latawiec ,  autorką m  .  in .  książek „  Solarium ”  ,  „  Pusta szkoła ”  ,  tomów poezji „  Przestrzenie ”  ,  „  Z  żywych jeszcze źrenic ”  oraz Edwardem Balcerzanem ,  poetą ,  prozaikiem i  krytykiem literackim ,  prof .  Uniwersytetu Adama Mickiewicza .
Tokens: 1 2_____ 3 4_ 5 6_ 7 8 9___ 10 11 12 13____ 14______ 15_______ 16________ 17_ 18_______ 19_______ 20 21_______ 22______ 23 24_____ 25 26 27 28 29_____ 30 31______ 32 33 34 35___ 36____ 37 38 39___ 40____ 41 42__________ 43 44 45 46 47____ 48_____ 49____ 50 51__ 52______ 53_________ 54 55___ 56 57________ 58 59_______ 60________ 61 62__ 63 64__________ 65___ 66_________ 67

Chunks:
  TruePositive nam [13,15] = Klubie Związków Twórczych
  TruePositive nam [21,22] = Bogusławą Latawiec
  TruePositive nam [31,31] = Solarium
  TruePositive nam [52,53] = Edwardem Balcerzanem
  TruePositive nam [64,66] = Uniwersytetu Adama Mickiewicza
  FalseNegative nam [35,36] = Pusta szkoła
  FalseNegative nam [42,42] = Przestrzenie
  FalseNegative nam [46,49] = Z żywych jeszcze źrenic

2016-10-27 14:59:54,045 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 368 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107741.xml
(ChunkerEvaluator) Sentence #8418 from articles/00107741 from sent1

Text  : GUS : stopa bezrobocia w marcu wyniosła 13 , 3  proc .
Tokens: 1__ 2 3____ 4_________ 5 6____ 7_______ 8_ 9 10 11__ 12

Chunks:
  TruePositive nam [1,1] = GUS

(ChunkerEvaluator) Sentence #8419 from articles/00107741 from sent2

Text  : Stopa bezrobocia w marcu tego roku wyniosła 13 , 3  proc .  wobec 13 ,  5  proc .  w  lutym -  poinformował w  środę Główny Urząd Statystyczny .
Tokens: 1____ 2_________ 3 4____ 5___ 6___ 7_______ 8_ 9 10 11__ 12 13___ 14 15 16 17__ 18 19 20___ 21 22__________ 23 24___ 25____ 26___ 27__________ 28

Chunks:
  TruePositive nam [25,27] = Główny Urząd Statystyczny

(ChunkerEvaluator) Sentence #8420 from articles/00107741 from sent3

Text  : Dodał , że najwyższe bezrobocie odnotowano w województwach : warmińsko -  mazurskim ,  zachodniopomorskim i  kujawsko -  pomorskim .
Tokens: 1____ 2 3_ 4________ 5_________ 6_________ 7 8____________ 9 10_______ 11 12_______ 13 14________________ 15 16______ 17 18_______ 19

Chunks:
  TruePositive nam [10,12] = warmińsko - mazurskim
  TruePositive nam [16,18] = kujawsko - pomorskim
  FalseNegative nam [14,14] = zachodniopomorskim

(ChunkerEvaluator) Sentence #8421 from articles/00107741 from sent4

Text  : GUS podał , że w marcu br . w porównaniu do lutego nastąpił nieznaczny spadek liczby bezrobotnych i  stopy bezrobocia .
Tokens: 1__ 2____ 3 4_ 5 6____ 7_ 8 9 10________ 11 12____ 13______ 14________ 15____ 16____ 17__________ 18 19___ 20________ 21

Chunks:
  TruePositive nam [1,1] = GUS

(ChunkerEvaluator) Sentence #8422 from articles/00107741 from sent5

Text  : Liczba bezrobotnych zarejestrowanych w urzędach pracy w końcu marca wyniosła 2  mln 141 ,  9  tys .  osób (  w  tym 1  mln 102 ,  8  tys .  kobiet )  .
Tokens: 1_____ 2___________ 3_______________ 4 5_______ 6____ 7 8____ 9____ 10______ 11 12_ 13_ 14 15 16_ 17 18__ 19 20 21_ 22 23_ 24_ 25 26 27_ 28 29____ 30 31

Chunks:

(ChunkerEvaluator) Sentence #8423 from articles/00107741 from sent6

Text  : Była niższa niż przed miesiącem o 26 , 3 tys .  osób ,  czyli o  1  ,  2  proc .
Tokens: 1___ 2_____ 3__ 4____ 5________ 6 7_ 8 9 10_ 11 12__ 13 14___ 15 16 17 18 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #8424 from articles/00107741 from sent7

Text  : W ujęciu rocznym wzrosła o 8 , 0 tys .  osób (  w  analogicznym okresie 2011 roku zanotowano spadek o  16 ,  3  tys .  ,  czyli o  0  ,  8  proc .  )  .
Tokens: 1 2_____ 3______ 4______ 5 6 7 8 9__ 10 11__ 12 13 14__________ 15_____ 16__ 17__ 18________ 19____ 20 21 22 23 24_ 25 26 27___ 28 29 30 31 32__ 33 34 35

Chunks:

(ChunkerEvaluator) Sentence #8425 from articles/00107741 from sent8

Text  : Najwyższa stopa bezrobocia utrzymywała się nadal w województwach : warmińsko -  mazurskim (  21 ,  1  proc .  )  ,  zachodniopomorskim (  18 ,  5  proc .  )  ,  kujawsko -  pomorskim (  17 ,  8  proc .  )  ,  lubuskim i  podkarpackim (  po 16 ,  3  proc .  )  oraz świętokrzyskim (  16 ,  0  proc .  )  .
Tokens: 1________ 2____ 3_________ 4__________ 5__ 6____ 7 8____________ 9 10_______ 11 12_______ 13 14 15 16 17__ 18 19 20 21________________ 22 23 24 25 26__ 27 28 29 30______ 31 32_______ 33 34 35 36 37__ 38 39 40 41______ 42 43__________ 44 45 46 47 48 49__ 50 51 52__ 53____________ 54 55 56 57 58__ 59 60 61

Chunks:
  TruePositive nam [10,12] = warmińsko - mazurskim
  TruePositive nam [30,32] = kujawsko - pomorskim
  TruePositive nam [41,41] = lubuskim
  FalseNegative nam [21,21] = zachodniopomorskim
  FalseNegative nam [43,43] = podkarpackim
  FalseNegative nam [53,53] = świętokrzyskim

(ChunkerEvaluator) Sentence #8426 from articles/00107741 from sent9

Text  : Najniższa stopa bezrobocia była w województwach : wielkopolskim ( 10 ,  0  proc .  )  ,  mazowieckim (  10 ,  6  proc .  )  ,  śląskim (  11 ,  0  proc .  )  i  małopolskim (  11 ,  3  proc .  )  .
Tokens: 1________ 2____ 3_________ 4___ 5 6____________ 7 8____________ 9 10 11 12 13__ 14 15 16 17_________ 18 19 20 21 22__ 23 24 25 26_____ 27 28 29 30 31__ 32 33 34 35_________ 36 37 38 39 40__ 41 42 43

Chunks:
  TruePositive nam [8,8] = wielkopolskim
  TruePositive nam [17,17] = mazowieckim
  TruePositive nam [26,26] = śląskim
  TruePositive nam [35,35] = małopolskim

(ChunkerEvaluator) Sentence #8427 from articles/00107741 from sent10

Text  : W stosunku do lutego br . spadek liczby bezrobotnych odnotowano w  15 województwach ,  najbardziej znaczący w  :  podlaskim (  o  2  ,  4  proc .  )  ,  opolskim (  o  2  ,  3  proc .  )  ,  podkarpackim (  o  2  ,  1  proc .  )  oraz lubuskim i  świętokrzyskim (  po 2  ,  0  proc .  )  .
Tokens: 1 2_______ 3_ 4_____ 5_ 6 7_____ 8_____ 9___________ 10________ 11 12 13___________ 14 15_________ 16______ 17 18 19_______ 20 21 22 23 24 25__ 26 27 28 29______ 30 31 32 33 34 35__ 36 37 38 39__________ 40 41 42 43 44 45__ 46 47 48__ 49______ 50 51____________ 52 53 54 55 56 57__ 58 59 60

Chunks:
  FalsePositive nam [49,51] = lubuskim i świętokrzyskim
  FalseNegative nam [19,19] = podlaskim
  FalseNegative nam [29,29] = opolskim
  FalseNegative nam [39,39] = podkarpackim
  FalseNegative nam [49,49] = lubuskim
  FalseNegative nam [51,51] = świętokrzyskim

(ChunkerEvaluator) Sentence #8428 from articles/00107741 from sent11

Text  : W porównaniu z marcem 2011 r . bezrobocie zwiększyło się w  marcu br .  w  ośmiu województwach ,  najbardziej znaczący wzrost odnotowano w  województwach :  łódzkim (  o  4  ,  8  proc .  )  ,  małopolskim (  o  2  ,  4  proc .  )  ,  mazowieckim (  o  1  ,  8  proc .  )  ,  śląskim (  o  1  ,  7  proc .  )  ,  podkarpackim i  podlaskim (  po 0  ,  9  proc .  )  .
Tokens: 1 2_________ 3 4_____ 5___ 6 7 8_________ 9_________ 10_ 11 12___ 13 14 15 16___ 17___________ 18 19_________ 20______ 21____ 22________ 23 24___________ 25 26_____ 27 28 29 30 31 32__ 33 34 35 36_________ 37 38 39 40 41 42__ 43 44 45 46_________ 47 48 49 50 51 52__ 53 54 55 56_____ 57 58 59 60 61 62__ 63 64 65 66__________ 67 68_______ 69 70 71 72 73 74__ 75 76 77

Chunks:
  TruePositive nam [36,36] = małopolskim
  TruePositive nam [46,46] = mazowieckim
  TruePositive nam [56,56] = śląskim
  TruePositive nam [66,66] = podkarpackim
  FalseNegative nam [26,26] = łódzkim
  FalseNegative nam [68,68] = podlaskim

(ChunkerEvaluator) Sentence #8429 from articles/00107741 from sent12

Text  : Natomiast w siedmiu województwach liczba bezrobotnych spadła : w dolnośląskim (  o  3  ,  6  proc .  )  ,  zachodniopomorskim (  o  2  ,  7  proc .  )  ,  warmińsko -  mazurskim (  o  1  ,  6  proc .  )  ,  świętokrzyskim (  o  1  ,  4  proc .  )  ,  pomorskim (  o  0  ,  7  proc .  )  ,  kujawsko -  pomorskim (  o  0  ,  6  proc .  )  i  opolskim (  o  0  ,  1  proc .  )  .
Tokens: 1________ 2 3______ 4____________ 5_____ 6___________ 7_____ 8 9 10__________ 11 12 13 14 15 16__ 17 18 19 20________________ 21 22 23 24 25 26__ 27 28 29 30_______ 31 32_______ 33 34 35 36 37 38__ 39 40 41 42____________ 43 44 45 46 47 48__ 49 50 51 52_______ 53 54 55 56 57 58__ 59 60 61 62______ 63 64_______ 65 66 67 68 69 70__ 71 72 73 74______ 75 76 77 78 79 80__ 81 82 83

Chunks:
  TruePositive nam [30,32] = warmińsko - mazurskim
  TruePositive nam [42,42] = świętokrzyskim
  TruePositive nam [62,64] = kujawsko - pomorskim
  FalseNegative nam [10,10] = dolnośląskim
  FalseNegative nam [20,20] = zachodniopomorskim
  FalseNegative nam [52,52] = pomorskim
  FalseNegative nam [74,74] = opolskim

(ChunkerEvaluator) Sentence #8430 from articles/00107741 from sent13

Text  : Z danych GUS na koniec marca br . wynika ,  że do urzędów pracy w  ciągu tego miesiąca zgłosiło się 193 ,  7  tys .  osób poszukujących zatrudnienia ,  o  17 ,  3  tys .  osób mniej niż w  lutym i  o  25 ,  2  tys .  osób mniej niż w  marcu 2011 r  .
Tokens: 1 2_____ 3__ 4_ 5_____ 6____ 7_ 8 9_____ 10 11 12 13_____ 14___ 15 16___ 17__ 18______ 19______ 20_ 21_ 22 23 24_ 25 26__ 27___________ 28__________ 29 30 31 32 33 34_ 35 36__ 37___ 38_ 39 40___ 41 42 43 44 45 46_ 47 48__ 49___ 50_ 51 52___ 53__ 54 55

Chunks:
  TruePositive nam [3,3] = GUS

(ChunkerEvaluator) Sentence #8431 from articles/00107741 from sent14

Text  : Ponadto GUS poinformował , że na koniec marca 303 zakłady pracy zadeklarowały zwolnienie w  najbliższym czasie 23 ,  6  tys .  pracowników ,  w  tym z  sektora publicznego 7  ,  8  tys .  osób .
Tokens: 1______ 2__ 3___________ 4 5_ 6_ 7_____ 8____ 9__ 10_____ 11___ 12___________ 13________ 14 15_________ 16____ 17 18 19 20_ 21 22_________ 23 24 25_ 26 27_____ 28_________ 29 30 31 32_ 33 34__ 35

Chunks:
  TruePositive nam [2,2] = GUS

(ChunkerEvaluator) Sentence #8432 from articles/00107741 from sent15

Text  : Przed rokiem było to odpowiednio : 355 zakładów , 35 ,  9  tys .  pracowników ,  w  tym z  sektora publicznego 25 ,  1  tys .  osób .
Tokens: 1____ 2_____ 3___ 4_ 5__________ 6 7__ 8_______ 9 10 11 12 13_ 14 15_________ 16 17 18_ 19 20_____ 21_________ 22 23 24 25_ 26 27__ 28

Chunks:

(ChunkerEvaluator) Sentence #8433 from articles/00107741 from sent16

Text  : W marcu pracodawcy zgłosili do urzędów pracy 86 , 9  tys .  ofert pracy ,  dla porównania przed miesiącem było to 60 ,  8  tys .  ,  a  przed rokiem 83 ,  2  tys .
Tokens: 1 2____ 3_________ 4_______ 5_ 6______ 7____ 8_ 9 10 11_ 12 13___ 14___ 15 16_ 17________ 18___ 19_______ 20__ 21 22 23 24 25_ 26 27 28 29___ 30____ 31 32 33 34_ 35

Chunks:

2016-10-27 14:59:54,213 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 369 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107742.xml
(ChunkerEvaluator) Sentence #8434 from articles/00107742 from sent1

Text  : Kidawa - Błońska ma gotowy projekt ustawy ws . in vitro
Tokens: 1_____ 2 3______ 4_ 5_____ 6______ 7_____ 8_ 9 10 11___

Chunks:
  TruePositive nam [1,3] = Kidawa - Błońska

(ChunkerEvaluator) Sentence #8435 from articles/00107742 from sent2

Text  : Utworzenie rejestru dawców komórek rozrodczych i zarodków , a także Polskiej Rady Bioetycznej ,  zakaz macierzyństwa surogacyjnego oraz handlu zarodkami -  to niektóre z  zapisów projektu ustawy o  in vitro autorstwa m  .  in .  Małgorzaty Kidawy -  Błońskiej (  PO )  ,  do którego dotarła PAP .
Tokens: 1_________ 2_______ 3_____ 4______ 5__________ 6 7_______ 8 9 10___ 11______ 12__ 13_________ 14 15___ 16___________ 17___________ 18__ 19____ 20_______ 21 22 23______ 24 25_____ 26______ 27____ 28 29 30___ 31_______ 32 33 34 35 36________ 37____ 38 39_______ 40 41 42 43 44 45_____ 46_____ 47_ 48

Chunks:
  TruePositive nam [11,13] = Polskiej Rady Bioetycznej
  TruePositive nam [36,39] = Małgorzaty Kidawy - Błońskiej
  TruePositive nam [41,41] = PO
  TruePositive nam [47,47] = PAP

(ChunkerEvaluator) Sentence #8436 from articles/00107742 from sent3

Text  : Niewykluczone , że jeszcze w tym tygodniu projektem zajmą się władze klubu PO .
Tokens: 1____________ 2 3_ 4______ 5 6__ 7_______ 8________ 9____ 10_ 11____ 12___ 13 14

Chunks:
  TruePositive nam [13,13] = PO

(ChunkerEvaluator) Sentence #8437 from articles/00107742 from sent4

Text  : Kidawa - Błońska ma nadzieję , że zaraz po tym ,  gdy kierownictwo klubu zatwierdzi projekt ,  trafi on do Sejmu i  rozpoczną się prace nad nim w  komisjach sejmowych .
Tokens: 1_____ 2 3______ 4_ 5_______ 6 7_ 8____ 9_ 10_ 11 12_ 13__________ 14___ 15________ 16_____ 17 18___ 19 20 21___ 22 23_______ 24_ 25___ 26_ 27_ 28 29_______ 30_______ 31

Chunks:
  TruePositive nam [1,3] = Kidawa - Błońska
  TruePositive nam [21,21] = Sejmu

(ChunkerEvaluator) Sentence #8438 from articles/00107742 from sent5

Text  : W projekcie mowa jest o " medycznie wspomaganej prokreacji "  -  przy zastosowaniu komórek rozrodczych i  zarodków ,  która może polegać na :  przeniesieniu męskich komórek rozrodczych do organizmu biorczyni (  tzw .  sztuczne unasiennienie )  albo pozaustrojowym utworzeniu zarodków (  zapłodnienie in vitro )  i  przeniesieniu ich do organizmu biorczyni .
Tokens: 1 2________ 3___ 4___ 5 6 7________ 8__________ 9_________ 10 11 12__ 13__________ 14_____ 15_________ 16 17______ 18 19___ 20__ 21_____ 22 23 24___________ 25_____ 26_____ 27_________ 28 29_______ 30_______ 31 32_ 33 34______ 35___________ 36 37__ 38____________ 39________ 40______ 41 42__________ 43 44___ 45 46 47___________ 48_ 49 50_______ 51_______ 52

Chunks:

(ChunkerEvaluator) Sentence #8439 from articles/00107742 from sent6

Text  : " Procedurę medycznie wspomaganej prokreacji podejmuje się mając na względzie przede wszystkim wskazania medyczne ,  bezpieczeństwo zdrowotne pacjentów oraz dobro dziecka "  -  czytamy w  projekcie .
Tokens: 1 2________ 3________ 4__________ 5_________ 6________ 7__ 8____ 9_ 10_______ 11____ 12_______ 13_______ 14______ 15 16____________ 17_______ 18_______ 19__ 20___ 21_____ 22 23 24_____ 25 26_______ 27

Chunks:

(ChunkerEvaluator) Sentence #8440 from articles/00107742 from sent7

Text  : Zapisano tam , że z procedury " medycznie wspomaganej prokreacji "  -  w  tym z  in vitro -  mogą skorzystać kobiety lub pary -  niekoniecznie małżeństwa -  w  sytuacji ,  gdy w  stosunku do jednej lub obojga tych osób stwierdzono "  niezamierzoną bezdzietność "  .
Tokens: 1_______ 2__ 3 4_ 5 6________ 7 8________ 9__________ 10________ 11 12 13 14_ 15 16 17___ 18 19__ 20________ 21_____ 22_ 23__ 24 25___________ 26________ 27 28 29______ 30 31_ 32 33______ 34 35____ 36_ 37____ 38__ 39__ 40_________ 41 42___________ 43__________ 44 45

Chunks:

(ChunkerEvaluator) Sentence #8441 from articles/00107742 from sent8

Text  : Zgodnie z projektem , " gromadzeniem , przechowywaniem i dystrybucją komórek rozrodczych oraz zarodków "  mają zajmować się banki tkanek i  komórek .
Tokens: 1______ 2 3________ 4 5 6___________ 7 8______________ 9 10_________ 11_____ 12_________ 13__ 14______ 15 16__ 17______ 18_ 19___ 20____ 21 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #8442 from articles/00107742 from sent9

Text  : Projekt dopuszcza mrożenie zarodków - jako metody ich przechowywania -  zakazuje natomiast handlu komórkami rozrodczymi lub zarodkami .
Tokens: 1______ 2________ 3_______ 4_______ 5 6___ 7_____ 8__ 9_____________ 10 11______ 12_______ 13____ 14_______ 15_________ 16_ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #8443 from articles/00107742 from sent10

Text  : Projekt zakazuje ponadto niszczenia zarodków zdolnych do prawidłowego rozwoju oraz tworzenia zarodka z  komórek rozrodczych dla celów badawczych lub naukowych .
Tokens: 1______ 2_______ 3______ 4_________ 5_______ 6_______ 7_ 8___________ 9______ 10__ 11_______ 12_____ 13 14_____ 15_________ 16_ 17___ 18________ 19_ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #8444 from articles/00107742 from sent11

Text  : Zakazem objęte jest macierzyństwo surogacyjne ( zajście w ciążę ze z  góry powziętym zamiarem oddania urodzonego dziecka określonej osobie )  .
Tokens: 1______ 2_____ 3___ 4____________ 5__________ 6 7______ 8 9____ 10 11 12__ 13_______ 14______ 15_____ 16________ 17_____ 18________ 19____ 20 21

Chunks:

(ChunkerEvaluator) Sentence #8445 from articles/00107742 from sent12

Text  : Do projektu ustawy wpisano też zakaz ingerencji w genom ludzki w  celach innych niż lecznicze ,  zakaz klonowania ,  jak również zakaz tworzenia chimer (  organizmów powstałych z  co najmniej dwóch zarodków )  oraz hybryd (  organizmów powstałych z  połączenia ludzkich i  zwierzęcych komórek rozrodczych )  .
Tokens: 1_ 2_______ 3_____ 4______ 5__ 6____ 7_________ 8 9____ 10____ 11 12____ 13____ 14_ 15_______ 16 17___ 18________ 19 20_ 21_____ 22___ 23_______ 24____ 25 26________ 27________ 28 29 30______ 31___ 32______ 33 34__ 35____ 36 37________ 38________ 39 40________ 41______ 42 43_________ 44_____ 45_________ 46 47

Chunks:

(ChunkerEvaluator) Sentence #8446 from articles/00107742 from sent13

Text  : Projekt dopuszcza dawstwo komórek rozrodczych oraz zarodków pod warunkiem ,  że zostaną one przekazane anonimowej biorczyni .
Tokens: 1______ 2________ 3______ 4______ 5__________ 6___ 7_______ 8__ 9________ 10 11 12_____ 13_ 14________ 15________ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #8447 from articles/00107742 from sent14

Text  : Jeśli pozostaje ona w związku małżeńskim , przekazanie zarodka musi nastąpić za zgodą jej męża .
Tokens: 1____ 2________ 3__ 4 5______ 6_________ 7 8__________ 9______ 10__ 11______ 12 13___ 14_ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #8448 from articles/00107742 from sent15

Text  : Kidawa - Błońska proponuje utworzenie centralnego rejestru dawców i biorczyń komórek rozrodczych oraz zarodków .
Tokens: 1_____ 2 3______ 4________ 5_________ 6__________ 7_______ 8_____ 9 10______ 11_____ 12_________ 13__ 14______ 15

Chunks:
  TruePositive nam [1,3] = Kidawa - Błońska

(ChunkerEvaluator) Sentence #8449 from articles/00107742 from sent16

Text  : W takim rejestrze zamieszczane były by m . in .  dane osobowe biorczyń i  dawców a  także wykaz i  charakterystyka komórek rozrodczych i  zarodków "  pobranych ,  przetworzonych ,  przechowywanych i  zastosowanych w  procedurze medycznie wspomaganej prokreacji "  .
Tokens: 1 2____ 3________ 4___________ 5___ 6_ 7 8 9_ 10 11__ 12_____ 13______ 14 15____ 16 17___ 18___ 19 20_____________ 21_____ 22_________ 23 24______ 25 26_______ 27 28____________ 29 30_____________ 31 32___________ 33 34________ 35_______ 36_________ 37________ 38 39

Chunks:

(ChunkerEvaluator) Sentence #8450 from articles/00107742 from sent17

Text  : Rejestr zawierał by także informacje o dacie urodzin , stanie zdrowia i  płci każdego dziecka urodzonego w  ramach medycznie wspomaganej prokreacji .
Tokens: 1______ 2_______ 3_ 4____ 5_________ 6 7____ 8______ 9 10____ 11_____ 12 13__ 14_____ 15_____ 16________ 17 18____ 19_______ 20_________ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #8451 from articles/00107742 from sent18

Text  : Dane osobowe dotyczące dawców i biorczyń komórek rozrodczych ( i  zarodków )  mają podlegać ochronie przewidzianej w  przepisach o  tajemnicy zawodowej i  służbowej ,  a  także dokumentacji medycznej .
Tokens: 1___ 2______ 3________ 4_____ 5 6_______ 7______ 8__________ 9 10 11______ 12 13__ 14______ 15______ 16___________ 17 18________ 19 20_______ 21_______ 22 23_______ 24 25 26___ 27__________ 28_______ 29

Chunks:

(ChunkerEvaluator) Sentence #8452 from articles/00107742 from sent19

Text  : Za pisemną zgodą dawcy komórek rozrodczych lub zarodka , biorczyni (  albo dziecko urodzone w  efekcie dawstwa )  będą mogli zapoznać się z  informacjami z  rejestru .
Tokens: 1_ 2______ 3____ 4____ 5______ 6__________ 7__ 8______ 9 10_______ 11 12__ 13_____ 14______ 15 16_____ 17_____ 18 19__ 20___ 21______ 22_ 23 24__________ 25 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #8453 from articles/00107742 from sent20

Text  : Jednak informacje na temat stanu zdrowia dawcy oraz wyniki badań jakim był poddawany udostępniane będą jedynie w  sytuacji zagrożenia życia lub zdrowia osoby urodzonej w  efekcie dawstwa .
Tokens: 1_____ 2_________ 3_ 4____ 5____ 6______ 7____ 8___ 9_____ 10___ 11___ 12_ 13_______ 14__________ 15__ 16_____ 17 18______ 19________ 20___ 21_ 22_____ 23___ 24_______ 25 26_____ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #8454 from articles/00107742 from sent21

Text  : Kwalifikacje zawodowe osób zajmujących się przeprowadzaniem zabiegów in vitro ma określić w  rozporządzeniu minister zdrowia .
Tokens: 1___________ 2_______ 3___ 4__________ 5__ 6_______________ 7_______ 8_ 9____ 10 11______ 12 13____________ 14______ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #8455 from articles/00107742 from sent22

Text  : Określić ma on też zasady i sposób informowania banków tkanek i  komórek o  "  każdym przypadku zaistnienia istotnego zdarzenia niepożądanego lub reakcji niepożądanej w  trakcie lub po zastosowaniu komórek rozrodczych lub zarodków u  ludzi "  .
Tokens: 1_______ 2_ 3_ 4__ 5_____ 6 7_____ 8___________ 9_____ 10____ 11 12_____ 13 14 15____ 16_______ 17_________ 18_______ 19_______ 20___________ 21_ 22_____ 23__________ 24 25_____ 26_ 27 28__________ 29_____ 30_________ 31_ 32______ 33 34___ 35 36

Chunks:

(ChunkerEvaluator) Sentence #8456 from articles/00107742 from sent23

Text  : Projekt zakłada utworzenie podległego ministrowi zdrowia Centrum Organizacyjno - Koordynacyjnego do Spraw Medycznie Wspomaganej Prokreacji "  PolART "  z  siedzibą w  Warszawie .
Tokens: 1______ 2______ 3_________ 4_________ 5_________ 6______ 7______ 8____________ 9 10_____________ 11 12___ 13_______ 14_________ 15________ 16 17____ 18 19 20______ 21 22_______ 23

Chunks:
  TruePositive nam [22,22] = Warszawie
  FalsePositive nam [7,10] = Centrum Organizacyjno - Koordynacyjnego
  FalsePositive nam [12,15] = Spraw Medycznie Wspomaganej Prokreacji
  FalseNegative nam [7,18] = Centrum Organizacyjno - Koordynacyjnego do Spraw Medycznie Wspomaganej Prokreacji " PolART "

(ChunkerEvaluator) Sentence #8457 from articles/00107742 from sent24

Text  : Do zadań Centrum należało by m . in . prowadzenie ośrodków medycznie wspomaganej prokreacji ,  a  także udzielanie zgody na wywóz i  przywóz do Polski komórek rozrodczych czy zarodków ,  ale też działalność informacyjna i  edukacyjna mająca na celu "  upowszechniania leczenia niepłodności za pomocą procedur medycznie wspomaganej prokreacji "  .
Tokens: 1_ 2____ 3______ 4_______ 5_ 6 7 8_ 9 10_________ 11______ 12_______ 13_________ 14________ 15 16 17___ 18________ 19___ 20 21___ 22 23_____ 24 25____ 26_____ 27_________ 28_ 29______ 30 31_ 32_ 33_________ 34__________ 35 36________ 37____ 38 39__ 40 41_____________ 42______ 43__________ 44 45____ 46______ 47_______ 48_________ 49________ 50 51

Chunks:
  TruePositive nam [25,25] = Polski
  FalseNegative nam [3,3] = Centrum

(ChunkerEvaluator) Sentence #8458 from articles/00107742 from sent25

Text  : Projekt przewiduje też utworzenie Polskiej Rady Bioetycznej - jako organu opiniodawczo -  doradczego przy premierze w  zakresie m  .  in .  embriologii ,  genetyki oraz biotechnologii .
Tokens: 1______ 2_________ 3__ 4_________ 5_______ 6___ 7__________ 8 9___ 10____ 11__________ 12 13________ 14__ 15_______ 16 17______ 18 19 20 21 22_________ 23 24______ 25__ 26____________ 27

Chunks:
  TruePositive nam [5,7] = Polskiej Rady Bioetycznej

(ChunkerEvaluator) Sentence #8459 from articles/00107742 from sent26

Text  : W projekcie zapisano kary dotyczące m . in . handlu zarodkami .
Tokens: 1 2________ 3_______ 4___ 5________ 6 7 8_ 9 10____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #8460 from articles/00107742 from sent27

Text  : Karze grzywny , ograniczenia wolności albo pozbawienia wolności do lat 2  podlegać ma osoba ,  która przeprowadza testowanie zarodków w  celu dokonania wyboru płci przyszłego dziecka -  chyba ,  że wybór taki pozwala uniknąć ciężkiej choroby dziedzicznej .
Tokens: 1____ 2______ 3 4___________ 5_______ 6___ 7__________ 8_______ 9_ 10_ 11 12______ 13 14___ 15 16___ 17__________ 18________ 19______ 20 21__ 22_______ 23____ 24__ 25________ 26_____ 27 28___ 29 30 31___ 32__ 33_____ 34_____ 35______ 36_____ 37__________ 38

Chunks:

(ChunkerEvaluator) Sentence #8461 from articles/00107742 from sent28

Text  : Za rozpowszechnianie ogłoszeń o odpłatnym zbyciu , nabyciu komórki rozrodczej lub zarodka grozić będzie grzywna ,  kara ograniczenia wolności lub pozbawienia wolności (  do roku )  .
Tokens: 1_ 2________________ 3_______ 4 5________ 6_____ 7 8______ 9______ 10________ 11_ 12_____ 13____ 14____ 15_____ 16 17__ 18__________ 19______ 20_ 21_________ 22______ 23 24 25__ 26 27

Chunks:

(ChunkerEvaluator) Sentence #8462 from articles/00107742 from sent29

Text  : Projekt zakazuje także macierzyństwa surogacyjnego pod groźbą 2 lat więzienia .
Tokens: 1______ 2_______ 3____ 4____________ 5____________ 6__ 7_____ 8 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #8463 from articles/00107742 from sent30

Text  : Za umyślne niszczenie zarodków zdolnych do prawidłowego rozwoju grozić ma kara więzienia od 3  miesięcy do 5  lat .
Tokens: 1_ 2______ 3_________ 4_______ 5_______ 6_ 7___________ 8______ 9_____ 10 11__ 12_______ 13 14 15______ 16 17 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #8464 from articles/00107742 from sent31

Text  : Kara więzienia do lat 3 ma grozić temu , kto tworzy zarodek z  ludzkich komórek rozrodczych dla celów badawczych lub naukowych .
Tokens: 1___ 2________ 3_ 4__ 5 6_ 7_____ 8___ 9 10_ 11____ 12_____ 13 14______ 15_____ 16_________ 17_ 18___ 19________ 20_ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #8465 from articles/00107742 from sent32

Text  : Stosowanie rozrodu wspomaganego medycznie w celu sklonowania człowieka podlegać ma karze więzienia do 5  lat .
Tokens: 1_________ 2______ 3___________ 4________ 5 6___ 7__________ 8________ 9_______ 10 11___ 12_______ 13 14 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #8466 from articles/00107742 from sent33

Text  : W projekcie nie ma mowy o refundacji in vitro z  budżetu państwa .
Tokens: 1 2________ 3__ 4_ 5___ 6 7_________ 8_ 9____ 10 11_____ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8467 from articles/00107742 from sent34

Text  : " Refundacja to jest następny krok .
Tokens: 1 2_________ 3_ 4___ 5_______ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #8468 from articles/00107742 from sent35

Text  : Jeżeli określimy , na jakich zasadach w Polsce jest stosowane in vitro ,  że są kliniki ,  które mają certyfikaty ,  pozostają pod specjalną kontrolą ,  to wtedy z  czystym sumieniem możemy mówić o  dalszym kroku ,  czyli o  refundacji ,  która będzie zależna od zasobności budżetu .
Tokens: 1_____ 2________ 3 4_ 5_____ 6_______ 7 8_____ 9___ 10_______ 11 12___ 13 14 15 16_____ 17 18___ 19__ 20_________ 21 22_______ 23_ 24_______ 25______ 26 27 28___ 29 30_____ 31_______ 32____ 33___ 34 35_____ 36___ 37 38___ 39 40________ 41 42___ 43____ 44_____ 45 46________ 47_____ 48

Chunks:
  TruePositive nam [8,8] = Polsce

(ChunkerEvaluator) Sentence #8469 from articles/00107742 from sent36

Text  : Nie można dawać pieniędzy , kiedy nie jest uporządkowany system .
Tokens: 1__ 2____ 3____ 4________ 5 6____ 7__ 8___ 9____________ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #8470 from articles/00107742 from sent37

Text  : Chodzi o to , żeby ludzie , którzy decydują się na in vitro ,  czuli się bezpiecznie "  -  powiedziała PAP Kidawa -  Błońska .
Tokens: 1_____ 2 3_ 4 5___ 6_____ 7 8_____ 9_______ 10_ 11 12 13___ 14 15___ 16_ 17_________ 18 19 20_________ 21_ 22____ 23 24_____ 25

Chunks:
  TruePositive nam [21,21] = PAP
  TruePositive nam [22,24] = Kidawa - Błońska

(ChunkerEvaluator) Sentence #8471 from articles/00107742 from sent38

Text  : Politycy PO są podzieleni w kwestii in vitro .
Tokens: 1_______ 2_ 3_ 4_________ 5 6______ 7_ 8____ 9

Chunks:
  TruePositive nam [2,2] = PO

(ChunkerEvaluator) Sentence #8472 from articles/00107742 from sent39

Text  : Kidawa - Błońska projekt w sprawie in vitro przygotowała już w  ubiegłej kadencji ,  a  wtedy konkurencyjny projekt ustawy w  tej sprawie zgłosił obecny minister sprawiedliwości Jarosław Gowin .
Tokens: 1_____ 2 3______ 4______ 5 6______ 7_ 8____ 9___________ 10_ 11 12______ 13______ 14 15 16___ 17___________ 18_____ 19____ 20 21_ 22_____ 23_____ 24____ 25______ 26_____________ 27______ 28___ 29

Chunks:
  TruePositive nam [1,3] = Kidawa - Błońska
  TruePositive nam [27,28] = Jarosław Gowin

(ChunkerEvaluator) Sentence #8473 from articles/00107742 from sent40

Text  : Według projektu Gowina in vitro było by dostępne tylko dla małżeństw ,  projekt ten nie przewiduje też mrożenia zarodków (  proponował ,  by można było wytwarzać ich maksymalnie dwa ,  ale pod warunkiem ,  że oba miały by być implantowane )  .
Tokens: 1_____ 2_______ 3_____ 4_ 5____ 6___ 7_ 8_______ 9____ 10_ 11_______ 12 13_____ 14_ 15_ 16________ 17_ 18______ 19______ 20 21________ 22 23 24___ 25__ 26_______ 27_ 28_________ 29_ 30 31_ 32_ 33_______ 34 35 36_ 37___ 38 39_ 40__________ 41 42

Chunks:
  TruePositive nam [3,3] = Gowina

(ChunkerEvaluator) Sentence #8474 from articles/00107742 from sent41

Text  : W połowie kwietnia br . Jarosław Gowin zapowiedział , że jeśli do Sejmu trafi projekt Małgorzaty Kidawy -  Błońskiej ,  to złożony zostanie także drugi projekt -  jego autorstwa .
Tokens: 1 2______ 3_______ 4_ 5 6_______ 7____ 8___________ 9 10 11___ 12 13___ 14___ 15_____ 16________ 17____ 18 19_______ 20 21 22_____ 23______ 24___ 25___ 26_____ 27 28__ 29_______ 30

Chunks:
  TruePositive nam [6,7] = Jarosław Gowin
  TruePositive nam [13,13] = Sejmu
  TruePositive nam [16,19] = Małgorzaty Kidawy - Błońskiej

(ChunkerEvaluator) Sentence #8475 from articles/00107742 from sent42

Text  : Poseł Jacek Żalek z konserwatywnego skrzydła PO zapowiedział w rozmowie z  PAP ,  że będzie przeciwny projektowi Kidawy -  Błońskiej .
Tokens: 1____ 2____ 3____ 4 5______________ 6_______ 7_ 8___________ 9 10______ 11 12_ 13 14 15____ 16_______ 17________ 18____ 19 20_______ 21

Chunks:
  TruePositive nam [2,3] = Jacek Żalek
  TruePositive nam [7,7] = PO
  TruePositive nam [12,12] = PAP
  TruePositive nam [18,20] = Kidawy - Błońskiej

(ChunkerEvaluator) Sentence #8476 from articles/00107742 from sent43

Text  : " Ten projekt jest niestety projektem przypominającym ten SLD ,  a  nie odpowiadającym próbie poszukiwania kompromisu ,  o  ile w  ogóle możliwy jest tutaj kompromis .
Tokens: 1 2__ 3______ 4___ 5_______ 6________ 7______________ 8__ 9__ 10 11 12_ 13____________ 14____ 15__________ 16________ 17 18 19_ 20 21___ 22_____ 23__ 24___ 25_______ 26

Chunks:
  TruePositive nam [9,9] = SLD

(ChunkerEvaluator) Sentence #8477 from articles/00107742 from sent44

Text  : Bo albo uznajemy , że prawo do życia jest nienaruszalne ,  albo nie "  -  powiedział .
Tokens: 1_ 2___ 3_______ 4 5_ 6____ 7_ 8____ 9___ 10___________ 11 12__ 13_ 14 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #8478 from articles/00107742 from sent45

Text  : Żalek ocenił , że medycyna szybko się rozwija i w  przyszłości najprawdopodobniej rozwiązany zostanie problem bezpłodności .
Tokens: 1____ 2_____ 3 4_ 5_______ 6_____ 7__ 8______ 9 10 11_________ 12________________ 13________ 14______ 15_____ 16__________ 17

Chunks:
  FalseNegative nam [1,1] = Żalek

(ChunkerEvaluator) Sentence #8479 from articles/00107742 from sent46

Text  : " To jest kwestia czasu , kiedy in vitro ,  jako droga nieskuteczna przejdzie do historii "  -  stwierdził .
Tokens: 1 2_ 3___ 4______ 5____ 6 7____ 8_ 9____ 10 11__ 12___ 13__________ 14_______ 15 16______ 17 18 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #8480 from articles/00107742 from sent47

Text  : Poseł uważa , że najlepszym projektem w sprawie in vitro był by ten zakazujący poczęcie dziecka tą metodą .
Tokens: 1____ 2____ 3 4_ 5_________ 6________ 7 8______ 9_ 10___ 11_ 12 13_ 14________ 15______ 16_____ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #8481 from articles/00107742 from sent48

Text  : " Nie może być tak , że dajemy życie odbierając inne życie "  -  podkreślił .
Tokens: 1 2__ 3___ 4__ 5__ 6 7_ 8_____ 9____ 10________ 11__ 12___ 13 14 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #8482 from articles/00107742 from sent49

Text  : Jak dodał , coraz więcej lekarzy wycofuje się z tej metody ,  dostrzegając jej minusy .
Tokens: 1__ 2____ 3 4____ 5_____ 6______ 7_______ 8__ 9 10_ 11____ 12 13__________ 14_ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #8483 from articles/00107742 from sent50

Text  : Według niego , przeciwko projektowi Kidawy - Błońskiej może głosować od 60 do 80 posłów PO ,  którzy -  jak mówił -  "  w  głosowaniach dają wyraz przywiązania do wartości fundamentalnych ,  przede wszystkim prawa do życia "  .
Tokens: 1_____ 2____ 3 4________ 5_________ 6_____ 7 8________ 9___ 10______ 11 12 13 14 15____ 16 17 18____ 19 20_ 21___ 22 23 24 25__________ 26__ 27___ 28__________ 29 30______ 31_____________ 32 33____ 34_______ 35___ 36 37___ 38 39

Chunks:
  TruePositive nam [6,8] = Kidawy - Błońskiej
  TruePositive nam [16,16] = PO

(ChunkerEvaluator) Sentence #8484 from articles/00107742 from sent51

Text  : Żalek zaznaczył , że nie wyobraża sobie , aby podczas głosowania w  Sejmie nad projektem Kidawy -  Błońskiej wprowadzono dyscyplinę partyjną .
Tokens: 1____ 2________ 3 4_ 5__ 6_______ 7____ 8 9__ 10_____ 11________ 12 13____ 14_ 15_______ 16____ 17 18_______ 19_________ 20________ 21______ 22

Chunks:
  TruePositive nam [13,13] = Sejmie
  TruePositive nam [16,18] = Kidawy - Błońskiej
  FalseNegative nam [1,1] = Żalek

(ChunkerEvaluator) Sentence #8485 from articles/00107742 from sent52

Text  : " W kwestiach światopoglądowych kierujemy się własnym sumieniem " -  dodał .
Tokens: 1 2 3________ 4________________ 5________ 6__ 7______ 8________ 9 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #8486 from articles/00107742 from sent53

Text  : Szef klubu PO Rafał Grupiński powiedział w środę dziennikarzom ,  że przy sprawach światopoglądowych w  klubie PO stara się nie wprowadzać dyscypliny głosowania .
Tokens: 1___ 2____ 3_ 4____ 5________ 6_________ 7 8____ 9____________ 10 11 12__ 13______ 14_______________ 15 16____ 17 18___ 19_ 20_ 21________ 22________ 23________ 24

Chunks:
  TruePositive nam [3,3] = PO
  TruePositive nam [4,5] = Rafał Grupiński
  TruePositive nam [17,17] = PO

(ChunkerEvaluator) Sentence #8487 from articles/00107742 from sent54

Text  : " W sprawach światopoglądowych ani nie przewidujemy żadnych zapisów regulaminowych ,  ani nie mamy zamiaru wprowadzać dyscypliny na zasadzie jakiejś stałej umowy "  -  zaznaczył Grupiński .
Tokens: 1 2 3_______ 4________________ 5__ 6__ 7___________ 8______ 9______ 10____________ 11 12_ 13_ 14__ 15_____ 16________ 17________ 18 19______ 20_____ 21____ 22___ 23 24 25_______ 26_______ 27

Chunks:
  FalseNegative nam [26,26] = Grupiński

(ChunkerEvaluator) Sentence #8488 from articles/00107742 from sent55

Text  : Marta Tumidalska i Paweł Żebrowski
Tokens: 1____ 2_________ 3 4____ 5________

Chunks:
  TruePositive nam [1,2] = Marta Tumidalska
  TruePositive nam [4,5] = Paweł Żebrowski

2016-10-27 14:59:54,599 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 370 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107743.xml
(ChunkerEvaluator) Sentence #8489 from articles/00107743 from sent1

Text  : Spotkania z różnymi kulturami w jeden weekend
Tokens: 1________ 2 3______ 4________ 5 6____ 7______

Chunks:

(ChunkerEvaluator) Sentence #8490 from articles/00107743 from sent2

Text  : Cygańskie klimaty , japońska sztuka formowania drzewek , irlandzkie spacery ,  a  także egzotyczne Indie -  wrocławskie spotkania weekendowe mogą przenieść nas wirtualnie w  inne części globu .
Tokens: 1________ 2______ 3 4_______ 5_____ 6_________ 7______ 8 9_________ 10_____ 11 12 13___ 14________ 15___ 16 17_________ 18_______ 19________ 20__ 21_______ 22_ 23________ 24 25__ 26____ 27___ 28

Chunks:
  TruePositive nam [15,15] = Indie

(ChunkerEvaluator) Sentence #8491 from articles/00107743 from sent3

Text  : Wieści z miasta
Tokens: 1_____ 2 3_____

Chunks:

(ChunkerEvaluator) Sentence #8492 from articles/00107743 from sent4

Text  : Wideowspomnienia
Tokens: 1_______________

Chunks:

(ChunkerEvaluator) Sentence #8493 from articles/00107743 from sent5

Text  : Zdjęcia i filmy z włóczęgi po Indiach i Nepalu obejrzą w  piątek goście kawiarni Nalanda (  pl .  Kościuszki 12 )  .
Tokens: 1______ 2 3____ 4 5_______ 6_ 7______ 8 9_____ 10_____ 11 12____ 13____ 14______ 15_____ 16 17 18 19________ 20 21 22

Chunks:
  TruePositive nam [7,7] = Indiach
  TruePositive nam [9,9] = Nepalu
  TruePositive nam [19,19] = Kościuszki
  FalseNegative nam [15,15] = Nalanda

(ChunkerEvaluator) Sentence #8494 from articles/00107743 from sent6

Text  : Będzie okazja , by zobaczyć zdjęcia legendarnej kolei indyjskiej ,  piękne azjatyckie pejzaże i  foty z  miejsc rzadko odwiedzanych przez turystów .
Tokens: 1_____ 2_____ 3 4_ 5_______ 6______ 7__________ 8____ 9_________ 10 11____ 12________ 13_____ 14 15__ 16 17____ 18____ 19__________ 20___ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #8495 from articles/00107743 from sent7

Text  : Spotkanie o godz . 18 .
Tokens: 1________ 2 3___ 4 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #8496 from articles/00107743 from sent8

Text  : Wstęp wolny .
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #8497 from articles/00107743 from sent9

Text  : Tłumacz , który znał Joyce'a
Tokens: 1______ 2 3____ 4___ 5______

Chunks:
  TruePositive nam [5,5] = Joyce'a

(ChunkerEvaluator) Sentence #8498 from articles/00107743 from sent10

Text  : Na spotkanie z Krzysztofem Bartnickim , autorem przekładu „ najtrudniejszej książki świata ”  ,  czyli „  Finnegans Wake ”  Jamesa Joyce'a ,  zaprasza Mediateka (  pl .  Teatralny 5  )  .
Tokens: 1_ 2________ 3 4__________ 5_________ 6 7______ 8________ 9 10_____________ 11_____ 12____ 13 14 15___ 16 17_______ 18__ 19 20____ 21_____ 22 23______ 24_______ 25 26 27 28_______ 29 30 31

Chunks:
  TruePositive nam [4,5] = Krzysztofem Bartnickim
  TruePositive nam [24,24] = Mediateka
  TruePositive nam [28,28] = Teatralny
  FalsePositive nam [17,21] = Finnegans Wake ” Jamesa Joyce'a
  FalseNegative nam [10,12] = najtrudniejszej książki świata
  FalseNegative nam [17,18] = Finnegans Wake
  FalseNegative nam [20,21] = Jamesa Joyce'a

(ChunkerEvaluator) Sentence #8499 from articles/00107743 from sent11

Text  : Spotkanie , które poprowadzi Adam Poprawa , rozpocznie się w  piątek o  godz .  18 .
Tokens: 1________ 2 3____ 4_________ 5___ 6______ 7 8_________ 9__ 10 11____ 12 13__ 14 15 16

Chunks:
  TruePositive nam [5,6] = Adam Poprawa

(ChunkerEvaluator) Sentence #8500 from articles/00107743 from sent12

Text  : Wstęp wolny .
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #8501 from articles/00107743 from sent13

Text  : Australia na wieczór
Tokens: 1________ 2_ 3______

Chunks:
  TruePositive nam [1,1] = Australia

(ChunkerEvaluator) Sentence #8502 from articles/00107743 from sent14

Text  : W piątek miłośnicy podróży mogą wybrać się do gorącej Australii .
Tokens: 1 2_____ 3________ 4______ 5___ 6_____ 7__ 8_ 9______ 10_______ 11

Chunks:
  TruePositive nam [10,10] = Australii

(ChunkerEvaluator) Sentence #8503 from articles/00107743 from sent15

Text  : Wszystko dzięki spotkaniu , jakie wieczorem odbędzie się w American Corner (  Rynek 58 )  .
Tokens: 1_______ 2_____ 3________ 4 5____ 6________ 7_______ 8__ 9 10______ 11____ 12 13___ 14 15 16

Chunks:
  TruePositive nam [10,11] = American Corner
  FalseNegative nam [13,13] = Rynek

(ChunkerEvaluator) Sentence #8504 from articles/00107743 from sent16

Text  : O godz . 18 . 30 rozpocznie się tam dyskusja poświęcona książce Bruce'a Chatwina „  Ścieżki śpiewu ”  .
Tokens: 1 2___ 3 4_ 5 6_ 7_________ 8__ 9__ 10______ 11________ 12_____ 13_____ 14______ 15 16_____ 17____ 18 19

Chunks:
  FalsePositive nam [13,13] = Bruce'a
  FalseNegative nam [13,14] = Bruce'a Chatwina
  FalseNegative nam [16,17] = Ścieżki śpiewu

(ChunkerEvaluator) Sentence #8505 from articles/00107743 from sent17

Text  : To opowieść oparta na aborygeńskich wierzeniach w przodków i poruszająca problem ich koczowniczego trybu życia .
Tokens: 1_ 2_______ 3_____ 4_ 5____________ 6__________ 7 8_______ 9 10_________ 11_____ 12_ 13___________ 14___ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #8506 from articles/00107743 from sent18

Text  : Rozmowę poprzedzi prezentacja zdjęć z podróży Joanny Sroki .
Tokens: 1______ 2________ 3__________ 4____ 5 6______ 7_____ 8____ 9

Chunks:
  TruePositive nam [7,8] = Joanny Sroki

(ChunkerEvaluator) Sentence #8507 from articles/00107743 from sent19

Text  : Wschód spotyka Zachód
Tokens: 1_____ 2______ 3_____

Chunks:
  FalsePositive nam [3,3] = Zachód

(ChunkerEvaluator) Sentence #8508 from articles/00107743 from sent20

Text  : We Wrocławskim Centrum Kongresowym w sobotę i niedzielę oglądać można Międzynarodową Wystawę Bonsai „  Bonsai Triennale -  East meets West ”  .
Tokens: 1_ 2__________ 3______ 4__________ 5 6_____ 7 8________ 9______ 10___ 11____________ 12_____ 13____ 14 15____ 16_______ 17 18__ 19___ 20__ 21 22

Chunks:
  TruePositive nam [2,4] = Wrocławskim Centrum Kongresowym
  FalsePositive nam [11,16] = Międzynarodową Wystawę Bonsai „ Bonsai Triennale
  FalsePositive nam [20,20] = West
  FalseNegative nam [11,13] = Międzynarodową Wystawę Bonsai
  FalseNegative nam [15,20] = Bonsai Triennale - East meets West

(ChunkerEvaluator) Sentence #8509 from articles/00107743 from sent21

Text  : Pokazane na niej zostaną drzewka pochodzące z kolekcji europejskich ,  a  swoje prace zaprezentują twórcy z  Polski ,  Japonii ,  Wielkiej Brytanii ,  USA ,  Hiszpanii ,  Belgii ,  Niemiec ,  Szwajcarii ,  Czech ,  Słowacji ,  Węgier i  Rosji .
Tokens: 1_______ 2_ 3___ 4______ 5______ 6_________ 7 8_______ 9___________ 10 11 12___ 13___ 14__________ 15____ 16 17____ 18 19_____ 20 21______ 22______ 23 24_ 25 26_______ 27 28____ 29 30_____ 31 32________ 33 34___ 35 36______ 37 38____ 39 40___ 41

Chunks:
  TruePositive nam [17,17] = Polski
  TruePositive nam [19,19] = Japonii
  TruePositive nam [21,22] = Wielkiej Brytanii
  TruePositive nam [24,24] = USA
  TruePositive nam [26,26] = Hiszpanii
  TruePositive nam [28,28] = Belgii
  TruePositive nam [30,30] = Niemiec
  TruePositive nam [32,32] = Szwajcarii
  TruePositive nam [34,34] = Czech
  TruePositive nam [36,36] = Słowacji
  TruePositive nam [38,38] = Węgier
  TruePositive nam [40,40] = Rosji

(ChunkerEvaluator) Sentence #8510 from articles/00107743 from sent22

Text  : Zaplanowano wykłady i pokazy artystycznego formowania drzewek , które poprowadzą :  Walter Pall ,  Kevin Willson ,  Andrea Melloni ,  Vaclav Novak ,  Piotr Modzelewski i  Paul Finch .
Tokens: 1__________ 2______ 3 4_____ 5____________ 6_________ 7______ 8 9____ 10________ 11 12____ 13__ 14 15___ 16_____ 17 18____ 19_____ 20 21____ 22___ 23 24___ 25_________ 26 27__ 28___ 29

Chunks:
  TruePositive nam [12,13] = Walter Pall
  TruePositive nam [15,16] = Kevin Willson
  TruePositive nam [18,19] = Andrea Melloni
  TruePositive nam [21,22] = Vaclav Novak
  TruePositive nam [24,25] = Piotr Modzelewski
  TruePositive nam [27,28] = Paul Finch

(ChunkerEvaluator) Sentence #8511 from articles/00107743 from sent23

Text  : Wystawy oglądać można od godz . 9 rano , szczegółowy program na stronie www .  emw .  bonsai .  pl .  Bilety jednodniowe 10 zł ,  wstęp na wystawę i  pokazy 45 zł ,  karnet dwudniowy (  wystawa ,  wykłady ,  pokazy )  80 zł .
Tokens: 1______ 2______ 3____ 4_ 5___ 6 7 8___ 9 10_________ 11_____ 12 13_____ 14_ 15 16_ 17 18____ 19 20 21 22____ 23_________ 24 25 26 27___ 28 29_____ 30 31____ 32 33 34 35____ 36_______ 37 38_____ 39 40_____ 41 42____ 43 44 45 46

Chunks:
  TruePositive nam [25,25] = zł
  TruePositive nam [33,33] = zł
  TruePositive nam [45,45] = zł
  FalsePositive nam [14,22] = www . emw . bonsai . pl . Bilety
  FalseNegative nam [14,20] = www . emw . bonsai . pl

(ChunkerEvaluator) Sentence #8512 from articles/00107743 from sent24

Text  : Hiszpańska fiesta
Tokens: 1_________ 2_____

Chunks:

(ChunkerEvaluator) Sentence #8513 from articles/00107743 from sent25

Text  : Grupa muzyczna „ La Bogusha y su grupo ” wykonuje najbardziej ortodoksyjny nurt flamenco ,  tzw .  puro .
Tokens: 1____ 2_______ 3 4_ 5______ 6 7_ 8____ 9 10______ 11_________ 12__________ 13__ 14______ 15 16_ 17 18__ 19

Chunks:
  FalsePositive nam [4,5] = La Bogusha
  FalseNegative nam [4,8] = La Bogusha y su grupo

(ChunkerEvaluator) Sentence #8514 from articles/00107743 from sent26

Text  : Założycielką zespołu jest Bogumiła Delimata , polska Cyganka , tancerka i  malarka ,  która poszukując korzeni flamenco w  2006 roku wyruszyła z  Krakowa do Granady .
Tokens: 1___________ 2______ 3___ 4_______ 5_______ 6 7_____ 8______ 9 10______ 11 12_____ 13 14___ 15________ 16_____ 17______ 18 19__ 20__ 21_______ 22 23_____ 24 25_____ 26

Chunks:
  TruePositive nam [4,5] = Bogumiła Delimata
  TruePositive nam [8,8] = Cyganka
  TruePositive nam [23,23] = Krakowa
  FalseNegative nam [25,25] = Granady

(ChunkerEvaluator) Sentence #8515 from articles/00107743 from sent27

Text  : Teraz swoją pasją dzieli się z innymi .
Tokens: 1____ 2____ 3____ 4_____ 5__ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #8516 from articles/00107743 from sent28

Text  : Do współpracy zaprosiła mieszkającego w Granadzie śpiewaka flamenco Juana Rubio oraz polskiego gitarzystę Michała Krygowskiego .
Tokens: 1_ 2_________ 3________ 4____________ 5 6________ 7_______ 8_______ 9____ 10___ 11__ 12_______ 13________ 14_____ 15__________ 16

Chunks:
  TruePositive nam [9,10] = Juana Rubio
  TruePositive nam [14,15] = Michała Krygowskiego
  FalseNegative nam [6,6] = Granadzie

(ChunkerEvaluator) Sentence #8517 from articles/00107743 from sent29

Text  : Koncert w niedzielę w Mleczarni ( Włodkowica 5 ) .
Tokens: 1______ 2 3________ 4 5________ 6 7_________ 8 9 10

Chunks:
  TruePositive nam [5,5] = Mleczarni
  TruePositive nam [7,7] = Włodkowica

(ChunkerEvaluator) Sentence #8518 from articles/00107743 from sent30

Text  : Start godz . 19 .
Tokens: 1____ 2___ 3 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #8519 from articles/00107743 from sent31

Text  : Wstęp 25 i 35 zł .
Tokens: 1____ 2_ 3 4_ 5_ 6

Chunks:
  TruePositive nam [5,5] = zł

2016-10-27 14:59:54,729 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 371 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107744.xml
(ChunkerEvaluator) Sentence #8520 from articles/00107744 from sent1

Text  : Arka Gdynia zagra z Bogdanką Łęczna .
Tokens: 1___ 2_____ 3____ 4 5_______ 6_____ 7

Chunks:
  TruePositive nam [1,2] = Arka Gdynia
  TruePositive nam [5,6] = Bogdanką Łęczna

(ChunkerEvaluator) Sentence #8521 from articles/00107744 from sent2

Text  : To mógł być mecz na szczycie
Tokens: 1_ 2___ 3__ 4___ 5_ 6_______

Chunks:

(ChunkerEvaluator) Sentence #8522 from articles/00107744 from sent3

Text  : W czterech pierwszych wiosennych kolejkach Arka Gdynia i Bogdanka Łęczna zdobyły po 10 punktów ,  najwięcej ze wszystkich zespołów I  ligi .
Tokens: 1 2_______ 3_________ 4_________ 5________ 6___ 7_____ 8 9_______ 10____ 11_____ 12 13 14_____ 15 16_______ 17 18________ 19______ 20 21__ 22

Chunks:
  TruePositive nam [6,7] = Arka Gdynia
  TruePositive nam [9,10] = Bogdanka Łęczna

(ChunkerEvaluator) Sentence #8523 from articles/00107744 from sent4

Text  : Obie drużyny mocno jednak potem wyhamowały , stąd w ich niedzielnym starciu stawka będzie już niewielka .
Tokens: 1___ 2______ 3____ 4_____ 5____ 6_________ 7 8___ 9 10_ 11_________ 12_____ 13____ 14____ 15_ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #8524 from articles/00107744 from sent5

Text  : Przerwę zimową Arka i Bogdanka spędziły w tabeli po sąsiedzku ,  na siódmym i  ósmym miejscu .
Tokens: 1______ 2_____ 3___ 4 5_______ 6_______ 7 8_____ 9_ 10_______ 11 12 13_____ 14 15___ 16_____ 17

Chunks:
  TruePositive nam [3,3] = Arka
  TruePositive nam [5,5] = Bogdanka

(ChunkerEvaluator) Sentence #8525 from articles/00107744 from sent6

Text  : Gdynianie do miejsca dającego awans tracili wtedy osiem punktów ,  Bogdanka siedem .
Tokens: 1________ 2_ 3______ 4_______ 5____ 6______ 7____ 8____ 9______ 10 11______ 12____ 13

Chunks:
  TruePositive nam [11,11] = Bogdanka
  FalseNegative nam [1,1] = Gdynianie

(ChunkerEvaluator) Sentence #8526 from articles/00107744 from sent7

Text  : Od tamtego momentu obie drużyny zdążyły zanotować piękną zwyżkę formy ,  która zresztą pozwoliła im włączyć się do walki o  ekstraklasę .
Tokens: 1_ 2______ 3______ 4___ 5______ 6______ 7________ 8_____ 9_____ 10___ 11 12___ 13_____ 14_______ 15 16_____ 17_ 18 19___ 20 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #8527 from articles/00107744 from sent8

Text  : Oraz niczym nieusprawiedliwiony zjazd , który z marzeń o awansie praktycznie je odarł .
Tokens: 1___ 2_____ 3__________________ 4____ 5 6____ 7 8_____ 9 10_____ 11_________ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #8528 from articles/00107744 from sent9

Text  : Arka wiosnę zaczęła znakomicie .
Tokens: 1___ 2_____ 3______ 4_________ 5

Chunks:
  FalseNegative nam [1,1] = Arka

(ChunkerEvaluator) Sentence #8529 from articles/00107744 from sent10

Text  : Przejeżdżając niczym walec po Śląsku Wrocław wdarła się do półfinału Pucharu Polski ,  a  w  lidze ograła Termalikę Bruk -  Bet Nieciecza ,  ówczesnego i  obecnego wicelidera I  ligi .
Tokens: 1____________ 2_____ 3____ 4_ 5_____ 6______ 7_____ 8__ 9_ 10_______ 11_____ 12____ 13 14 15 16___ 17____ 18_______ 19__ 20 21_ 22_______ 23 24________ 25 26______ 27________ 28 29__ 30

Chunks:
  TruePositive nam [5,6] = Śląsku Wrocław
  TruePositive nam [11,12] = Pucharu Polski
  TruePositive nam [18,22] = Termalikę Bruk - Bet Nieciecza

(ChunkerEvaluator) Sentence #8530 from articles/00107744 from sent11

Text  : Wywiozła też cenne zwycięstwa z Elbląga ( 4 : 1  z  Olimpią )  i  Radzionkowa (  3  :  2  z  Ruchem )  .
Tokens: 1_______ 2__ 3____ 4_________ 5 6______ 7 8 9 10 11 12_____ 13 14 15_________ 16 17 18 19 20 21____ 22 23

Chunks:
  TruePositive nam [6,6] = Elbląga
  TruePositive nam [21,21] = Ruchem
  FalseNegative nam [12,12] = Olimpią
  FalseNegative nam [15,15] = Radzionkowa

(ChunkerEvaluator) Sentence #8531 from articles/00107744 from sent12

Text  : Symptomem kryzysu był za to remis na własnym stadionie z  Olimpią Grudziądz (  1  :  1  )  ,  który zdaniem trenera Arki Petra Nemeca miał odbijać się zespołowi czkawką aż do końca rozgrywek .
Tokens: 1________ 2______ 3__ 4_ 5_ 6____ 7_ 8______ 9________ 10 11_____ 12_______ 13 14 15 16 17 18 19___ 20_____ 21_____ 22__ 23___ 24____ 25__ 26_____ 27_ 28_______ 29_____ 30 31 32___ 33_______ 34

Chunks:
  TruePositive nam [11,12] = Olimpią Grudziądz
  FalsePositive nam [22,24] = Arki Petra Nemeca
  FalseNegative nam [22,22] = Arki
  FalseNegative nam [23,24] = Petra Nemeca

(ChunkerEvaluator) Sentence #8532 from articles/00107744 from sent13

Text  : Nie będzie , bo Arka za chwilę zremisowała z Flotą Świnoujście i  Dolcanem Ząbki (  po 1  :  1  )  ,  a  w  ostatniej kolejce pozbawiła się złudzeń przegrywając u  siebie z  Kolejarzem Stróże (  0  :  1  )  .
Tokens: 1__ 2_____ 3 4_ 5___ 6_ 7_____ 8__________ 9 10___ 11_________ 12 13______ 14___ 15 16 17 18 19 20 21 22 23 24_______ 25_____ 26_______ 27_ 28_____ 29__________ 30 31____ 32 33________ 34____ 35 36 37 38 39 40

Chunks:
  TruePositive nam [5,5] = Arka
  TruePositive nam [10,11] = Flotą Świnoujście
  TruePositive nam [13,14] = Dolcanem Ząbki
  TruePositive nam [33,34] = Kolejarzem Stróże

(ChunkerEvaluator) Sentence #8533 from articles/00107744 from sent14

Text  : Arka znów traci więc osiem punktów do miejsca dającego ekstraklasę ,  z  tym że w  odróżnieniu od sytuacji z  połowy marca ,  do końca sezonu pozostało siedem meczów mniej .
Tokens: 1___ 2___ 3____ 4___ 5____ 6______ 7_ 8______ 9_______ 10_________ 11 12 13_ 14 15 16_________ 17 18______ 19 20____ 21___ 22 23 24___ 25____ 26_______ 27____ 28____ 29___ 30

Chunks:
  TruePositive nam [1,1] = Arka

(ChunkerEvaluator) Sentence #8534 from articles/00107744 from sent15

Text  : Szanse na awans są już tylko matematyczne , czyli .  .  .  tak naprawdę żadne .
Tokens: 1_____ 2_ 3____ 4_ 5__ 6____ 7___________ 8 9____ 10 11 12 13_ 14______ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #8535 from articles/00107744 from sent16

Text  : Podobnie sytuacja ma się w Łęcznej .
Tokens: 1_______ 2_______ 3_ 4__ 5 6______ 7

Chunks:
  TruePositive nam [6,6] = Łęcznej

(ChunkerEvaluator) Sentence #8536 from articles/00107744 from sent17

Text  : Wtedy gdy Arka remisowała z Flotą , Bogdanka dawała się ograć przeciętnym Katowicom .
Tokens: 1____ 2__ 3___ 4_________ 5 6____ 7 8_______ 9_____ 10_ 11___ 12_________ 13_______ 14

Chunks:
  TruePositive nam [3,3] = Arka
  TruePositive nam [6,6] = Flotą
  TruePositive nam [8,8] = Bogdanka
  TruePositive nam [13,13] = Katowicom

(ChunkerEvaluator) Sentence #8537 from articles/00107744 from sent18

Text  : Potem zdołała jeszcze wygrać z Zawiszą Bydgoszcz , ale w  następnej kolejce uległa już wyraźnie beniaminkowi z  Wisły Płock (  1  :  3  )  .
Tokens: 1____ 2______ 3______ 4_____ 5 6______ 7________ 8 9__ 10 11_______ 12_____ 13____ 14_ 15______ 16__________ 17 18___ 19___ 20 21 22 23 24 25

Chunks:
  TruePositive nam [6,7] = Zawiszą Bydgoszcz
  TruePositive nam [18,19] = Wisły Płock

(ChunkerEvaluator) Sentence #8538 from articles/00107744 from sent19

Text  : W tabeli jest teraz tuż nad Arką , wyprzedza ją raptem o  dwa oczka .
Tokens: 1 2_____ 3___ 4____ 5__ 6__ 7___ 8 9________ 10 11____ 12 13_ 14___ 15

Chunks:
  TruePositive nam [7,7] = Arką

(ChunkerEvaluator) Sentence #8539 from articles/00107744 from sent20

Text  : Ale do miejsca dającego awans traci już sześć .
Tokens: 1__ 2_ 3______ 4_______ 5____ 6____ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #8540 from articles/00107744 from sent21

Text  : Wpływ na zniżkę Bogdanki mogą mieć Brazylijczycy związani w pewien sposób z  Arką ,  czyli Nildo i  Peres .
Tokens: 1____ 2_ 3_____ 4_______ 5___ 6___ 7____________ 8_______ 9 10____ 11____ 12 13__ 14 15___ 16___ 17 18___ 19

Chunks:
  TruePositive nam [4,4] = Bogdanki
  TruePositive nam [7,7] = Brazylijczycy
  TruePositive nam [13,13] = Arką
  TruePositive nam [16,16] = Nildo
  TruePositive nam [18,18] = Peres

(ChunkerEvaluator) Sentence #8541 from articles/00107744 from sent22

Text  : Ten drugi zimą zamienił bowiem właśnie Łęczną na Gdynię ,  wcześniej będąc przecież filarem defensywy Bogdanki .
Tokens: 1__ 2____ 3___ 4_______ 5_____ 6______ 7_____ 8_ 9_____ 10 11_______ 12___ 13______ 14_____ 15_______ 16______ 17

Chunks:
  TruePositive nam [7,7] = Łęczną
  TruePositive nam [9,9] = Gdynię
  TruePositive nam [16,16] = Bogdanki

(ChunkerEvaluator) Sentence #8542 from articles/00107744 from sent23

Text  : W dodatku zadziwiająco skutecznym , jesienią zdobył trzy gole ,  w  tym jednego w  pierwszym starciu z  Arką (  2  :  2  )  .
Tokens: 1 2______ 3___________ 4_________ 5 6_______ 7_____ 8___ 9___ 10 11 12_ 13_____ 14 15_______ 16_____ 17 18__ 19 20 21 22 23 24

Chunks:
  TruePositive nam [18,18] = Arką

(ChunkerEvaluator) Sentence #8543 from articles/00107744 from sent24

Text  : W Gdyni jednak już tak dobrze się mu nie wiedzie .
Tokens: 1 2____ 3_____ 4__ 5__ 6_____ 7__ 8_ 9__ 10_____ 11

Chunks:
  TruePositive nam [2,2] = Gdyni

(ChunkerEvaluator) Sentence #8544 from articles/00107744 from sent25

Text  : W lidze zagrał tylko trzy mecze , bramki nie zdobył .
Tokens: 1 2____ 3_____ 4____ 5___ 6____ 7 8_____ 9__ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #8545 from articles/00107744 from sent26

Text  : Przegrywa rywalizację ze Sławomirem Mazurkiewiczem i Omarem Jarunem .
Tokens: 1________ 2__________ 3_ 4_________ 5_____________ 6 7_____ 8______ 9

Chunks:
  TruePositive nam [4,5] = Sławomirem Mazurkiewiczem
  TruePositive nam [7,8] = Omarem Jarunem

(ChunkerEvaluator) Sentence #8546 from articles/00107744 from sent27

Text  : Z kolei Nildo jesienią był jednym z najlepszych strzelców ligi (  11 bramek )  i  najgroźniejszą bronią drużyny prowadzonej przez byłego napastnika Arki Piotra Rzepkę .
Tokens: 1 2____ 3____ 4_______ 5__ 6_____ 7 8__________ 9________ 10__ 11 12 13____ 14 15 16____________ 17____ 18_____ 19_________ 20___ 21____ 22________ 23__ 24____ 25____ 26

Chunks:
  TruePositive nam [3,3] = Nildo
  TruePositive nam [23,23] = Arki
  TruePositive nam [24,25] = Piotra Rzepkę

(ChunkerEvaluator) Sentence #8547 from articles/00107744 from sent28

Text  : Gdynianie byli zimą mocno zainteresowani jego pozyskaniem .
Tokens: 1________ 2___ 3___ 4____ 5_____________ 6___ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #8548 from articles/00107744 from sent29

Text  : Ostatecznie Brazylijczyk został jednak w Łęcznej , ale w międzyczasie na światło dzienne wyszły kłopoty z  jego zachowaniem poza boiskiem .
Tokens: 1__________ 2___________ 3_____ 4_____ 5 6______ 7 8__ 9 10__________ 11 12_____ 13_____ 14____ 15_____ 16 17__ 18_________ 19__ 20______ 21

Chunks:
  TruePositive nam [2,2] = Brazylijczyk
  TruePositive nam [6,6] = Łęcznej

(ChunkerEvaluator) Sentence #8549 from articles/00107744 from sent30

Text  : Wiosną Nildo nie gra więc już prawie wcale , wszedł tylko na niewiele ponad pół godziny we wspomnianym meczu z  Katowicami .
Tokens: 1_____ 2____ 3__ 4__ 5___ 6__ 7_____ 8____ 9 10____ 11___ 12 13______ 14___ 15_ 16_____ 17 18_________ 19___ 20 21________ 22

Chunks:
  TruePositive nam [21,21] = Katowicami
  FalseNegative nam [2,2] = Nildo

(ChunkerEvaluator) Sentence #8550 from articles/00107744 from sent31

Text  : Nie dziwi więc , że pozbawiona swojego żądła oraz ostoi defensywy drużyna z  Łęcznej prędzej czy później musiała złapać zadyszkę .
Tokens: 1__ 2____ 3___ 4 5_ 6_________ 7______ 8____ 9___ 10___ 11_______ 12_____ 13 14_____ 15_____ 16_ 17_____ 18_____ 19____ 20______ 21

Chunks:
  TruePositive nam [14,14] = Łęcznej

(ChunkerEvaluator) Sentence #8551 from articles/00107744 from sent32

Text  : Zwycięzca niedzielnego meczu przy szczęśliwym układzie wyników pozostałych meczów będzie mógł jeszcze raz delikatnie i  nieśmiało pomyśleć o  walce o  awans .
Tokens: 1________ 2___________ 3____ 4___ 5__________ 6_______ 7______ 8__________ 9_____ 10____ 11__ 12_____ 13_ 14________ 15 16_______ 17______ 18 19___ 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #8552 from articles/00107744 from sent33

Text  : Patrząc jednak na prezentowaną ostatnio formę obu zespołów i tak prędzej czy później będzie musiał tych myśli się wyzbyć .
Tokens: 1______ 2_____ 3_ 4___________ 5_______ 6____ 7__ 8_______ 9 10_ 11_____ 12_ 13_____ 14____ 15____ 16__ 17___ 18_ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #8553 from articles/00107744 from sent34

Text  : Początek meczu o 11 : 45 , transmisja w Orange Sport .
Tokens: 1_______ 2____ 3 4_ 5 6_ 7 8_________ 9 10____ 11___ 12

Chunks:
  TruePositive nam [10,11] = Orange Sport

2016-10-27 14:59:54,902 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 372 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107745.xml
(ChunkerEvaluator) Sentence #8554 from articles/00107745 from sent1

Text  : Mecz PGE Marmy z Unią Leszno w Rzeszowie czy .  .  .
Tokens: 1___ 2__ 3____ 4 5___ 6_____ 7 8________ 9__ 10 11 12

Chunks:
  TruePositive nam [2,3] = PGE Marmy
  TruePositive nam [5,6] = Unią Leszno
  TruePositive nam [8,8] = Rzeszowie

(ChunkerEvaluator) Sentence #8555 from articles/00107745 from sent2

Text  : Lublinie ?
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Lublinie

(ChunkerEvaluator) Sentence #8556 from articles/00107745 from sent3

Text  : Zaległe spotkanie żużlowców PGE Marmy Rzeszów z Unią Leszno w  Speedway Ekstralidze było dziś poważnie zagrożone .
Tokens: 1______ 2________ 3________ 4__ 5____ 6______ 7 8___ 9_____ 10 11______ 12_________ 13__ 14__ 15______ 16_______ 17

Chunks:
  TruePositive nam [4,6] = PGE Marmy Rzeszów
  TruePositive nam [8,9] = Unią Leszno
  TruePositive nam [11,12] = Speedway Ekstralidze

(ChunkerEvaluator) Sentence #8557 from articles/00107745 from sent4

Text  : Choć władze rzeszowskiego klubu poczyniły praktycznie wszystkie przygotowania , by w  niedzielę zainaugurować sezon na stadionie miejskim ,  to .  .  .  brakowało jeszcze pozwolenia Polskiego Związku Motorowego .
Tokens: 1___ 2_____ 3____________ 4____ 5________ 6__________ 7________ 8____________ 9 10 11 12_______ 13___________ 14___ 15 16_______ 17______ 18 19 20 21 22 23_______ 24_____ 25________ 26_______ 27_____ 28________ 29

Chunks:
  TruePositive nam [26,28] = Polskiego Związku Motorowego

(ChunkerEvaluator) Sentence #8558 from articles/00107745 from sent5

Text  : I nadal brakuje .
Tokens: 1 2____ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #8559 from articles/00107745 from sent6

Text  : Przez modernizację stadionu miejskiego w Rzeszowie żużlowcy PGE Marmy od kilku miesięcy mieli zdecydowanie pod górkę .
Tokens: 1____ 2___________ 3_______ 4_________ 5 6________ 7_______ 8__ 9____ 10 11___ 12______ 13___ 14__________ 15_ 16___ 17

Chunks:
  TruePositive nam [6,6] = Rzeszowie
  FalseNegative nam [8,9] = PGE Marmy

(ChunkerEvaluator) Sentence #8560 from articles/00107745 from sent7

Text  : Nie mieli gdzie trenować ani pojechać sparingów .
Tokens: 1__ 2____ 3____ 4_______ 5__ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8561 from articles/00107745 from sent8

Text  : Nie udało się też oddać obiektu na czas .
Tokens: 1__ 2____ 3__ 4__ 5____ 6______ 7_ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #8562 from articles/00107745 from sent9

Text  : Opóźniła się bowiem budowa nowej trybuny , przez co później rozpoczęto też modernizację toru .
Tokens: 1_______ 2__ 3_____ 4_____ 5____ 6______ 7 8____ 9_ 10_____ 11________ 12_ 13__________ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #8563 from articles/00107745 from sent10

Text  : Mecz z Unią został więc przełożony z 15 kwietnia właśnie na najbliższą niedzielę .
Tokens: 1___ 2 3___ 4_____ 5___ 6_________ 7 8_ 9_______ 10_____ 11 12________ 13_______ 14

Chunks:
  FalseNegative nam [3,3] = Unią

(ChunkerEvaluator) Sentence #8564 from articles/00107745 from sent11

Text  : Ostatecznie tor uzyskał licencję , ale . . . rozpoczęły się kolejne problemy .
Tokens: 1__________ 2__ 3______ 4_______ 5 6__ 7 8 9 10________ 11_ 12_____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #8565 from articles/00107745 from sent12

Text  : Zgody na rozegranie meczu w Rzeszowie nie wyraził Polski Związek Motorowy .
Tokens: 1____ 2_ 3_________ 4____ 5 6________ 7__ 8______ 9_____ 10_____ 11______ 12

Chunks:
  TruePositive nam [6,6] = Rzeszowie
  TruePositive nam [9,11] = Polski Związek Motorowy

(ChunkerEvaluator) Sentence #8566 from articles/00107745 from sent13

Text  : Wszystko przez umowę użytkowania stadionu przez PGE Marmę obowiązującą jedynie do końca lipca .
Tokens: 1_______ 2____ 3____ 4__________ 5_______ 6____ 7__ 8____ 9___________ 10_____ 11 12___ 13___ 14

Chunks:
  TruePositive nam [7,8] = PGE Marmę

(ChunkerEvaluator) Sentence #8567 from articles/00107745 from sent14

Text  : Do zmiany licencji , która pozwalała PGE Marmie jeździć w  Lublinie ,  potrzeba było umowy ważnej do końca listopada .
Tokens: 1_ 2_____ 3_______ 4 5____ 6________ 7__ 8_____ 9______ 10 11______ 12 13______ 14__ 15___ 16____ 17 18___ 19_______ 20

Chunks:
  TruePositive nam [7,8] = PGE Marmie
  TruePositive nam [11,11] = Lublinie

(ChunkerEvaluator) Sentence #8568 from articles/00107745 from sent15

Text  : Jeszcze dziś rano wszystko wskazywało na to , że centrala zgodzi się jedynie ,  aby mecz odbył się w  Lublinie .
Tokens: 1______ 2___ 3___ 4_______ 5_________ 6_ 7_ 8 9_ 10______ 11____ 12_ 13_____ 14 15_ 16__ 17___ 18_ 19 20______ 21

Chunks:
  TruePositive nam [20,20] = Lublinie

(ChunkerEvaluator) Sentence #8569 from articles/00107745 from sent16

Text  : Do akcji musiały wkroczyć władze miasta , które wystosowały pismo z  przyrzeczeniem ,  że stadion zostanie użyczony PGE Marmie we wszystkich terminach ,  w  których zaplanowane są mecze rzeszowskich żużlowców .
Tokens: 1_ 2____ 3______ 4_______ 5_____ 6_____ 7 8____ 9__________ 10___ 11 12____________ 13 14 15_____ 16______ 17______ 18_ 19____ 20 21________ 22_______ 23 24 25_____ 26_________ 27 28___ 29__________ 30_______ 31

Chunks:
  FalseNegative nam [18,19] = PGE Marmie

(ChunkerEvaluator) Sentence #8570 from articles/00107745 from sent17

Text  : Decyzja PZMot-u jednak jeszcze nie zapadła .
Tokens: 1______ 2______ 3_____ 4______ 5__ 6______ 7

Chunks:
  TruePositive nam [2,2] = PZMot-u

(ChunkerEvaluator) Sentence #8571 from articles/00107745 from sent18

Text  : Centrala ma ją ogłosić do piątku do południa .
Tokens: 1_______ 2_ 3_ 4______ 5_ 6_____ 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #8572 from articles/00107745 from sent19

Text  : Nieoficjalnie jednak słychać , że pojedynek odbędzie się w Rzeszowie .
Tokens: 1____________ 2_____ 3______ 4 5_ 6________ 7_______ 8__ 9 10_______ 11

Chunks:
  TruePositive nam [10,10] = Rzeszowie

2016-10-27 14:59:54,979 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 373 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107746.xml
(ChunkerEvaluator) Sentence #8573 from articles/00107746 from sent1

Text  : Fizyka w medycynie - prelekcja
Tokens: 1_____ 2 3________ 4 5________

Chunks:

(ChunkerEvaluator) Sentence #8574 from articles/00107746 from sent2

Text  : Centrum Dydaktyczne Wydziału Fizyki UAM ( Umultowska 85 ) ,  środa 27 listopada ,  godz .  10 .  45
Tokens: 1______ 2__________ 3_______ 4_____ 5__ 6 7_________ 8_ 9 10 11___ 12 13_______ 14 15__ 16 17 18 19

Chunks:
  FalsePositive nam [1,5] = Centrum Dydaktyczne Wydziału Fizyki UAM
  FalseNegative nam [7,7] = Umultowska

(ChunkerEvaluator) Sentence #8575 from articles/00107746 from sent3

Text  : O silnych związkach fizyki z medycyną i nowoczesną diagnostyką medyczną będzie mowa w  wykładzie prof .  Ryszarda Krzyminiewskiego inaugurującego cykl „  Fizyka w  Medycynie "  .
Tokens: 1 2______ 3________ 4_____ 5 6_______ 7 8_________ 9__________ 10______ 11____ 12__ 13 14_______ 15__ 16 17______ 18______________ 19____________ 20__ 21 22____ 23 24_______ 25 26

Chunks:
  TruePositive nam [17,18] = Ryszarda Krzyminiewskiego
  TruePositive nam [22,24] = Fizyka w Medycynie

(ChunkerEvaluator) Sentence #8576 from articles/00107746 from sent4

Text  : Wykład będzie na żywo transmitowany na stronie http / ifnt .  fizyka .  amu .  edu .  pl /  demon /
Tokens: 1_____ 2_____ 3_ 4___ 5____________ 6_ 7______ 8___ 9 10__ 11 12____ 13 14_ 15 16_ 17 18 19 20___ 21

Chunks:
  FalsePositive nam [12,20] = fizyka . amu . edu . pl / demon
  FalseNegative nam [8,21] = http / ifnt . fizyka . amu . edu . pl / demon /

2016-10-27 14:59:55,000 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 374 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107747.xml
(ChunkerEvaluator) Sentence #8577 from articles/00107747 from sent1

Text  : Dzień Dobry .
Tokens: 1____ 2____ 3

Chunks:
  FalsePositive nam [1,2] = Dzień Dobry

(ChunkerEvaluator) Sentence #8578 from articles/00107747 from sent2

Text  : Dziś pojawią się chmurki , ale upał będzie
Tokens: 1___ 2______ 3__ 4______ 5 6__ 7___ 8_____

Chunks:

(ChunkerEvaluator) Sentence #8579 from articles/00107747 from sent3

Text  : Termometry pokażą do 27 stopni Celsjusza .
Tokens: 1_________ 2_____ 3_ 4_ 5_____ 6________ 7

Chunks:
  FalsePositive nam [6,6] = Celsjusza

(ChunkerEvaluator) Sentence #8580 from articles/00107747 from sent4

Text  : Korzystajmy ze słońca , bo pod koniec tygodnia prognozy zapowiadają pogorszenie pogody
Tokens: 1__________ 2_ 3_____ 4 5_ 6__ 7_____ 8_______ 9_______ 10_________ 11_________ 12____

Chunks:

(ChunkerEvaluator) Sentence #8581 from articles/00107747 from sent5

Text  : Dziś ważne święto : Dzień Flagi .
Tokens: 1___ 2____ 3_____ 4 5____ 6____ 7

Chunks:
  TruePositive nam [5,6] = Dzień Flagi

(ChunkerEvaluator) Sentence #8582 from articles/00107747 from sent6

Text  : Zachęcamy , aby kto tylko może eksponował barwy narodowe .
Tokens: 1________ 2 3__ 4__ 5____ 6___ 7_________ 8____ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #8583 from articles/00107747 from sent7

Text  : Niech to się stanie tradycją , że flagi pojawiają się na naszych domach ,  nie tylko 1  ,  2  i  3  maja ,  czy 11 listopada ,  ale także w  zwykłe dni .
Tokens: 1____ 2_ 3__ 4_____ 5_______ 6 7_ 8____ 9________ 10_ 11 12_____ 13____ 14 15_ 16___ 17 18 19 20 21 22__ 23 24_ 25 26_______ 27 28_ 29___ 30 31____ 32_ 33

Chunks:

(ChunkerEvaluator) Sentence #8584 from articles/00107747 from sent8

Text  : Tak , jak to robią Amerykanie , którzy demonstrują w  ten sposób dumę narodową .
Tokens: 1__ 2 3__ 4_ 5____ 6_________ 7 8_____ 9__________ 10 11_ 12____ 13__ 14______ 15

Chunks:
  TruePositive nam [6,6] = Amerykanie

(ChunkerEvaluator) Sentence #8585 from articles/00107747 from sent9

Text  : A więc flagi na maszt !
Tokens: 1 2___ 3____ 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #8586 from articles/00107747 from sent10

Text  : Czas na życzenia .
Tokens: 1___ 2_ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #8587 from articles/00107747 from sent11

Text  : Te imieninowe przyjmuje dziś Anatol i Zygmunt .
Tokens: 1_ 2_________ 3________ 4___ 5_____ 6 7______ 8

Chunks:
  TruePositive nam [5,5] = Anatol
  TruePositive nam [7,7] = Zygmunt

(ChunkerEvaluator) Sentence #8588 from articles/00107747 from sent12

Text  : Urodziny świętują : Bogusław Kaczyński , dziennikarz , publicysta ,  krytyk filmowy i  znawca savoir -  vivre ,  wokaliści Małgorzata Ostrowska i  Norbi ,  piłkarz David Beckham i  polski aktor Wojciech Pszoniak .
Tokens: 1_______ 2_______ 3 4_______ 5________ 6 7__________ 8 9_________ 10 11____ 12_____ 13 14____ 15____ 16 17___ 18 19_______ 20________ 21_______ 22 23___ 24 25_____ 26___ 27_____ 28 29____ 30___ 31______ 32______ 33

Chunks:
  TruePositive nam [4,5] = Bogusław Kaczyński
  TruePositive nam [20,21] = Małgorzata Ostrowska
  TruePositive nam [26,27] = David Beckham
  TruePositive nam [31,32] = Wojciech Pszoniak
  FalseNegative nam [23,23] = Norbi

(ChunkerEvaluator) Sentence #8589 from articles/00107747 from sent13

Text  : Pamiętacie ten dialog z „ Ziemi obiecanej ” ?
Tokens: 1_________ 2__ 3_____ 4 5 6____ 7________ 8 9

Chunks:
  FalseNegative nam [6,7] = Ziemi obiecanej

(ChunkerEvaluator) Sentence #8590 from articles/00107747 from sent14

Text  : - Zakładamy fabrykę .
Tokens: 1 2________ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #8591 from articles/00107747 from sent15

Text  : - Tak , ja nie mam nic , ty nie masz nic ,  on nie ma nic .
Tokens: 1 2__ 3 4_ 5__ 6__ 7__ 8 9_ 10_ 11__ 12_ 13 14 15_ 16 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #8592 from articles/00107747 from sent16

Text  : - To razem właśnie mamy tyle , w sam raz tyle ,  żeby założyć wielką fabrykę .
Tokens: 1 2_ 3____ 4______ 5___ 6___ 7 8 9__ 10_ 11__ 12 13__ 14_____ 15____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #8593 from articles/00107747 from sent17

Text  : Film był prawdziwym popisem sztuki aktorskiej .
Tokens: 1___ 2__ 3_________ 4______ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #8594 from articles/00107747 from sent18

Text  : Zobaczcie :
Tokens: 1________ 2

Chunks:

(ChunkerEvaluator) Sentence #8595 from articles/00107747 from sent19

Text  : 2 maja swoje małe święto ma też . . .
Tokens: 1 2___ 3____ 4___ 5_____ 6_ 7__ 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #8596 from articles/00107747 from sent20

Text  : Pałac Nauki i Kultury w Warszawie .
Tokens: 1____ 2____ 3 4______ 5 6________ 7

Chunks:
  TruePositive nam [1,4] = Pałac Nauki i Kultury
  TruePositive nam [6,6] = Warszawie

(ChunkerEvaluator) Sentence #8597 from articles/00107747 from sent21

Text  : Dokładnie 60 lat temu wbito pierwszą łopatę na budowie tego najwyższego wówczas w  Polsce budynku .
Tokens: 1________ 2_ 3__ 4___ 5____ 6_______ 7_____ 8_ 9______ 10__ 11_________ 12_____ 13 14____ 15_____ 16

Chunks:
  TruePositive nam [14,14] = Polsce

(ChunkerEvaluator) Sentence #8598 from articles/00107747 from sent22

Text  : Był darem narodu radzieckiego dla narodu polskiego .
Tokens: 1__ 2____ 3_____ 4___________ 5__ 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8599 from articles/00107747 from sent23

Text  : Wybudowano go w trzy lata , według projektu radzieckiego architekta Lwa Rudniewa .
Tokens: 1_________ 2_ 3 4___ 5___ 6 7_____ 8_______ 9___________ 10________ 11_ 12______ 13

Chunks:
  TruePositive nam [11,12] = Lwa Rudniewa

(ChunkerEvaluator) Sentence #8600 from articles/00107747 from sent24

Text  : Architektonicznie pałac jest mieszanką art . deco , socrealizmu i  polskiego historyzmu .
Tokens: 1________________ 2____ 3___ 4________ 5__ 6 7___ 8 9__________ 10 11_______ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #8601 from articles/00107747 from sent25

Text  : Obecnie mieści się tam wiele firm oraz instytucji użyteczności publicznej ,  takich jak kina ,  teatry ,  księgarnia ,  kluby sportowe ,  wyższe uczelnie .
Tokens: 1______ 2_____ 3__ 4__ 5____ 6___ 7___ 8_________ 9___________ 10________ 11 12____ 13_ 14__ 15 16____ 17 18________ 19 20___ 21______ 22 23____ 24______ 25

Chunks:

2016-10-27 14:59:55,086 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 375 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107748.xml
(ChunkerEvaluator) Sentence #8602 from articles/00107748 from sent1

Text  : Problemy Resovii przed meczem z Pogonią Siedlce
Tokens: 1_______ 2______ 3____ 4_____ 5 6______ 7______

Chunks:
  TruePositive nam [6,7] = Pogonią Siedlce
  FalseNegative nam [2,2] = Resovii

(ChunkerEvaluator) Sentence #8603 from articles/00107748 from sent2

Text  : Beniaminek Pogoń Siedlce będzie najbliższym rywalem drugoligowej Resovii .
Tokens: 1_________ 2____ 3______ 4_____ 5__________ 6______ 7___________ 8______ 9

Chunks:
  FalsePositive nam [1,3] = Beniaminek Pogoń Siedlce
  FalseNegative nam [2,3] = Pogoń Siedlce
  FalseNegative nam [8,8] = Resovii

(ChunkerEvaluator) Sentence #8604 from articles/00107748 from sent3

Text  : Mecz na stadionie przy ul . Wyspiańskiego rozegrany zostanie bez kibiców .
Tokens: 1___ 2_ 3________ 4___ 5_ 6 7____________ 8________ 9_______ 10_ 11_____ 12

Chunks:
  TruePositive nam [7,7] = Wyspiańskiego

(ChunkerEvaluator) Sentence #8605 from articles/00107748 from sent4

Text  : Po dość nieoczekiwanej ostatniej porażce w środę z Wigrami Suwałki zespół Resovii w  znacznym stopniu pogrzebał swoje szanse na awans do I  ligi .
Tokens: 1_ 2___ 3_____________ 4________ 5______ 6 7____ 8 9______ 10_____ 11____ 12_____ 13 14______ 15_____ 16_______ 17___ 18____ 19 20___ 21 22 23__ 24

Chunks:
  TruePositive nam [9,10] = Wigrami Suwałki
  FalseNegative nam [12,12] = Resovii

(ChunkerEvaluator) Sentence #8606 from articles/00107748 from sent5

Text  : Podopieczni Marcina Jałochy na sześć kolejek przed zakończeniem sezonu tracą bowiem dziesieć punktów do drugiego Stomilu Olsztyn i  trudno przypuszczać ,  aby wicelider stracił bezpieczną przewagę .
Tokens: 1__________ 2______ 3______ 4_ 5____ 6______ 7____ 8___________ 9_____ 10___ 11____ 12______ 13_____ 14 15______ 16_____ 17_____ 18 19____ 20__________ 21 22_ 23_______ 24_____ 25________ 26______ 27

Chunks:
  TruePositive nam [2,3] = Marcina Jałochy
  TruePositive nam [16,17] = Stomilu Olsztyn

(ChunkerEvaluator) Sentence #8607 from articles/00107748 from sent6

Text  : - Strata jest już spora , ale my staramy się na to w  ten sposób nie parzeć .
Tokens: 1 2_____ 3___ 4__ 5____ 6 7__ 8_ 9______ 10_ 11 12 13 14_ 15____ 16_ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #8608 from articles/00107748 from sent7

Text  : Gramy , aby cały czas ze sobą się zgrywać i  zdobywać jak najwięcej punktów .
Tokens: 1____ 2 3__ 4___ 5___ 6_ 7___ 8__ 9______ 10 11______ 12_ 13_______ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #8609 from articles/00107748 from sent8

Text  : Po sezonie zobaczymy , na którym miejscu skończymy - tłumaczy Marcin Pietryka ,  bramkarz pasiaków ,  które w  najbliższą sobotę zmierzą się na własnym stadionie z  Pogonią Siedlce .
Tokens: 1_ 2______ 3________ 4 5_ 6_____ 7______ 8________ 9 10______ 11____ 12______ 13 14______ 15______ 16 17___ 18 19________ 20____ 21_____ 22_ 23 24_____ 25_______ 26 27_____ 28_____ 29

Chunks:
  TruePositive nam [11,12] = Marcin Pietryka
  TruePositive nam [27,28] = Pogonią Siedlce

(ChunkerEvaluator) Sentence #8610 from articles/00107748 from sent9

Text  : - Powinno być dobrze .
Tokens: 1 2______ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #8611 from articles/00107748 from sent10

Text  : U siebie mamy dobrą passę i w sobotę postaramy się ją przedłużyć [  Resovia na własnym stadionie nie przegrała od 21 maja 2011 roku -  przyp .  red .  ]  -  dodaje golkiper rzeszowskiej drużyny .
Tokens: 1 2_____ 3___ 4____ 5____ 6 7 8_____ 9________ 10_ 11 12________ 13 14_____ 15 16_____ 17_______ 18_ 19_______ 20 21 22__ 23__ 24__ 25 26___ 27 28_ 29 30 31 32____ 33______ 34__________ 35_____ 36

Chunks:
  FalseNegative nam [14,14] = Resovia

(ChunkerEvaluator) Sentence #8612 from articles/00107748 from sent11

Text  : Resoviacy w konfrontacji z beniaminkiem ligi będą musieli radzić sobie jednak bez kibiców .
Tokens: 1________ 2 3___________ 4 5___________ 6___ 7___ 8______ 9_____ 10___ 11____ 12_ 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Resoviacy

(ChunkerEvaluator) Sentence #8613 from articles/00107748 from sent12

Text  : To efekt kary nałożonej przez Wydział Dyscypliny Polskiego Związku Piłki Nożnej za odpalenie rac podczas derbowego spotkania ze Stalą Rzeszów .
Tokens: 1_ 2____ 3___ 4________ 5____ 6______ 7_________ 8________ 9______ 10___ 11____ 12 13_______ 14_ 15_____ 16_______ 17_______ 18 19___ 20_____ 21

Chunks:
  TruePositive nam [19,20] = Stalą Rzeszów
  FalsePositive nam [6,11] = Wydział Dyscypliny Polskiego Związku Piłki Nożnej

(ChunkerEvaluator) Sentence #8614 from articles/00107748 from sent13

Text  : Decyzją WD stadion został zamknięty na dwa spotkania , a  Resovia dodatkowo ma zapłacić 5  tys .  zł kary .
Tokens: 1______ 2_ 3______ 4_____ 5________ 6_ 7__ 8________ 9 10 11_____ 12_______ 13 14______ 15 16_ 17 18 19__ 20

Chunks:
  FalseNegative nam [2,2] = WD
  FalseNegative nam [11,11] = Resovia

(ChunkerEvaluator) Sentence #8615 from articles/00107748 from sent14

Text  : Zamknięty stadion to niejedyny problem pasiaków przed spotkaniem z Pogonią .
Tokens: 1________ 2______ 3_ 4________ 5______ 6_______ 7____ 8_________ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Pogonią

(ChunkerEvaluator) Sentence #8616 from articles/00107748 from sent15

Text  : Z nieoficjalnych informacji wynika , że klub ma wobec zawodników spore zaległości finansowe .
Tokens: 1 2_____________ 3_________ 4_____ 5 6_ 7___ 8_ 9____ 10________ 11___ 12________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #8617 from articles/00107748 from sent16

Text  : Nie chodzi jednak o premie , a o wypłaty zapisane w  kontraktach .
Tokens: 1__ 2_____ 3_____ 4 5_____ 6 7 8 9______ 10______ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #8618 from articles/00107748 from sent17

Text  : Piłkarze , chcąc zwrócić uwagę na tę sytuację , postanowili zaprotestować i  dopiero w  dniu meczu wyjechali na ostatnie spotkanie do Suwałk .
Tokens: 1_______ 2 3____ 4______ 5____ 6_ 7_ 8_______ 9 10_________ 11___________ 12 13_____ 14 15__ 16___ 17_______ 18 19______ 20_______ 21 22____ 23

Chunks:
  TruePositive nam [22,22] = Suwałk

(ChunkerEvaluator) Sentence #8619 from articles/00107748 from sent18

Text  : - Była to decyzja rady drużyny .
Tokens: 1 2___ 3_ 4______ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8620 from articles/00107748 from sent19

Text  : Wszystko było przygotowane , hotel zarezerwowany , pieniądze na wyjazd gotowe -  mówi prezes sekcji piłki nożnej Resovii Adam Sadecki ,  który zapytany o  wspomniane zaległości finansowe przyznaje :  -  Nie ma co ukrywać ,  że nie zawsze pieniądze są na tego dziesiątego ,  ale chyba byli by śmy ewenementem ,  gdyby tak wszystko było regularnie płacone .
Tokens: 1_______ 2___ 3___________ 4 5____ 6____________ 7 8________ 9_ 10____ 11____ 12 13__ 14____ 15____ 16___ 17____ 18_____ 19__ 20_____ 21 22___ 23______ 24 25________ 26________ 27_______ 28_______ 29 30 31_ 32 33 34_____ 35 36 37_ 38____ 39_______ 40 41 42__ 43_________ 44 45_ 46___ 47__ 48 49_ 50_________ 51 52___ 53_ 54______ 55__ 56________ 57_____ 58

Chunks:
  TruePositive nam [19,20] = Adam Sadecki
  FalseNegative nam [18,18] = Resovii

(ChunkerEvaluator) Sentence #8621 from articles/00107748 from sent20

Text  : Są poślizgi , ale nie wyróżniamy się pod tym względem od innych klubów w  ekstraklasie ,  pierwszej czy drugiej lidze .
Tokens: 1_ 2_______ 3 4__ 5__ 6_________ 7__ 8__ 9__ 10______ 11 12____ 13____ 14 15__________ 16 17_______ 18_ 19_____ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #8622 from articles/00107748 from sent21

Text  : Co na to piłkarze ?
Tokens: 1_ 2_ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #8623 from articles/00107748 from sent22

Text  : - Nie możemy się na ten temat wypowiadać .
Tokens: 1 2__ 3_____ 4__ 5_ 6__ 7____ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #8624 from articles/00107748 from sent23

Text  : Skupiamy się na tym , aby jak najlepiej robić swoją robotę i  czekamy na sobotni mecz z  Pogonią -  ucina szybko Pietryka .
Tokens: 1_______ 2__ 3_ 4__ 5 6__ 7__ 8________ 9____ 10___ 11____ 12 13_____ 14 15_____ 16__ 17 18_____ 19 20___ 21____ 22______ 23

Chunks:
  TruePositive nam [18,18] = Pogonią
  FalseNegative nam [22,22] = Pietryka

(ChunkerEvaluator) Sentence #8625 from articles/00107748 from sent24

Text  : Początek spotkania z Pogonią o godz . 17 .
Tokens: 1_______ 2________ 3 4______ 5 6___ 7 8_ 9

Chunks:
  TruePositive nam [4,4] = Pogonią

(ChunkerEvaluator) Sentence #8626 from articles/00107748 from sent25

Text  : Pelikan Łowicz - Stal Sandeco , Jeziorak Iława - Stal Stalowa Wola ,  Puszcza Niepołomice -  Garbarnia Kraków ,  Motor Lublin -  Znicz Pruszków ,  Wigry Suwałki -  Świt Nowy Dwór Mazowiecki ,  KSZO Ostrowiec Świętokrzyski -  Stomil Olsztyn 0  :  3  (  w  )  .
Tokens: 1______ 2_____ 3 4___ 5______ 6 7_______ 8____ 9 10__ 11_____ 12__ 13 14_____ 15_________ 16 17_______ 18____ 19 20___ 21____ 22 23___ 24______ 25 26___ 27_____ 28 29__ 30__ 31__ 32________ 33 34__ 35_______ 36___________ 37 38____ 39_____ 40 41 42 43 44 45 46

Chunks:
  TruePositive nam [7,8] = Jeziorak Iława
  TruePositive nam [10,12] = Stal Stalowa Wola
  TruePositive nam [14,15] = Puszcza Niepołomice
  TruePositive nam [17,18] = Garbarnia Kraków
  TruePositive nam [20,21] = Motor Lublin
  TruePositive nam [23,24] = Znicz Pruszków
  TruePositive nam [26,27] = Wigry Suwałki
  TruePositive nam [29,32] = Świt Nowy Dwór Mazowiecki
  TruePositive nam [38,39] = Stomil Olsztyn
  FalsePositive nam [1,5] = Pelikan Łowicz - Stal Sandeco
  FalsePositive nam [35,36] = Ostrowiec Świętokrzyski
  FalseNegative nam [1,2] = Pelikan Łowicz
  FalseNegative nam [4,5] = Stal Sandeco
  FalseNegative nam [34,36] = KSZO Ostrowiec Świętokrzyski

(ChunkerEvaluator) Sentence #8627 from articles/00107748 from sent26

Text  : Pauza : Okocimski Brzesko , Wisła Puławy .
Tokens: 1____ 2 3________ 4______ 5 6____ 7_____ 8

Chunks:
  TruePositive nam [3,4] = Okocimski Brzesko
  TruePositive nam [6,7] = Wisła Puławy
  FalsePositive nam [1,1] = Pauza

2016-10-27 14:59:55,229 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 376 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107749.xml
(ChunkerEvaluator) Sentence #8628 from articles/00107749 from sent1

Text  : Będą utrudnienia na ul . Conrada .
Tokens: 1___ 2__________ 3_ 4_ 5 6______ 7

Chunks:
  TruePositive nam [6,6] = Conrada

(ChunkerEvaluator) Sentence #8629 from articles/00107749 from sent2

Text  : Remont potrwa miesiąc
Tokens: 1_____ 2_____ 3______

Chunks:

(ChunkerEvaluator) Sentence #8630 from articles/00107749 from sent3

Text  : Zakończyły się prace przygotowawcze na ul . Conrada .
Tokens: 1_________ 2__ 3____ 4_____________ 5_ 6_ 7 8______ 9

Chunks:
  TruePositive nam [8,8] = Conrada

(ChunkerEvaluator) Sentence #8631 from articles/00107749 from sent4

Text  : W poniedziałek rozpocznie się tam właściwy remont , więc kierowcy muszą liczyć się z  utrudnieniami .
Tokens: 1 2___________ 3_________ 4__ 5__ 6_______ 7_____ 8 9___ 10______ 11___ 12____ 13_ 14 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #8632 from articles/00107749 from sent5

Text  : - W związku z remontem z ruchu wyłączona zostanie południowa część ul .  Conrada ,  a  samochody zostaną skierowane na nitkę północną ,  po jednym pasie ruchu w  każdą ze stron .
Tokens: 1 2 3______ 4 5_______ 6 7____ 8________ 9_______ 10________ 11___ 12 13 14_____ 15 16 17_______ 18_____ 19________ 20 21___ 22______ 23 24 25____ 26___ 27___ 28 29___ 30 31___ 32

Chunks:
  TruePositive nam [14,14] = Conrada

(ChunkerEvaluator) Sentence #8633 from articles/00107749 from sent6

Text  : Inaczej niż do tej pory rozplanowane będzie również skrzyżowanie przy sklepie IKEA .
Tokens: 1______ 2__ 3_ 4__ 5___ 6___________ 7_____ 8______ 9___________ 10__ 11_____ 12__ 13

Chunks:
  TruePositive nam [12,12] = IKEA

(ChunkerEvaluator) Sentence #8634 from articles/00107749 from sent7

Text  : Nie będzie lewoskrętu od strony ronda Ofiar Katynia - informuje Zarząd Infrastruktury Komunalnej i  Transportu .
Tokens: 1__ 2_____ 3_________ 4_ 5_____ 6____ 7____ 8______ 9 10_______ 11____ 12____________ 13________ 14 15________ 16

Chunks:
  TruePositive nam [7,8] = Ofiar Katynia
  FalsePositive nam [11,13] = Zarząd Infrastruktury Komunalnej
  FalsePositive nam [15,15] = Transportu
  FalseNegative nam [11,15] = Zarząd Infrastruktury Komunalnej i Transportu

(ChunkerEvaluator) Sentence #8635 from articles/00107749 from sent8

Text  : Takie utrudnienia kierowcy będą musieli znosić przez miesiąc .
Tokens: 1____ 2__________ 3_______ 4___ 5______ 6_____ 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #8636 from articles/00107749 from sent9

Text  : Na czas EURO 2012 prace zostaną wstrzymane i organizacja ruchu wróci do normy .
Tokens: 1_ 2___ 3___ 4___ 5____ 6______ 7_________ 8 9__________ 10___ 11___ 12 13___ 14

Chunks:
  FalsePositive nam [3,3] = EURO
  FalseNegative nam [3,4] = EURO 2012

(ChunkerEvaluator) Sentence #8637 from articles/00107749 from sent10

Text  : Jednak zaraz po mistrzostwach drogowcy rozpoczną się drugi etap przebudowy i  zabiorą się za północną część ul .  Conrada .
Tokens: 1_____ 2____ 3_ 4____________ 5_______ 6________ 7__ 8____ 9___ 10________ 11 12_____ 13_ 14 15______ 16___ 17 18 19_____ 20

Chunks:
  TruePositive nam [19,19] = Conrada

2016-10-27 14:59:55,273 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 377 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107750.xml
(ChunkerEvaluator) Sentence #8638 from articles/00107750 from sent1

Text  : Kurs złotego lekko osłabł na rynku walutowym
Tokens: 1___ 2______ 3____ 4_____ 5_ 6____ 7________

Chunks:
  TruePositive nam [2,2] = złotego

(ChunkerEvaluator) Sentence #8639 from articles/00107750 from sent2

Text  : Złoty lekko osłabł podczas piątkowej sesji na rynku walutowym .
Tokens: 1____ 2____ 3_____ 4______ 5________ 6____ 7_ 8____ 9________ 10

Chunks:
  TruePositive nam [1,1] = Złoty

(ChunkerEvaluator) Sentence #8640 from articles/00107750 from sent3

Text  : Za euro płacono ok . 4 , 188 zł .
Tokens: 1_ 2___ 3______ 4_ 5 6 7 8__ 9_ 10

Chunks:
  TruePositive nam [2,2] = euro
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #8641 from articles/00107750 from sent4

Text  : Analitycy wskazywali na małe obroty na rynku .
Tokens: 1________ 2_________ 3_ 4___ 5_____ 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #8642 from articles/00107750 from sent5

Text  : " Cały dzień mieli śmy niskie obroty , dopiero w  przyszłym tygodniu (  .  .  .  )  wrócimy do normalnego handlu "  -  powiedział PAP Karol Zaluski ,  szef dilerów walutowych z  ING BSK .
Tokens: 1 2___ 3____ 4____ 5__ 6_____ 7_____ 8 9______ 10 11_______ 12______ 13 14 15 16 17 18_____ 19 20________ 21____ 22 23 24________ 25_ 26___ 27_____ 28 29__ 30_____ 31________ 32 33_ 34_ 35

Chunks:
  TruePositive nam [25,25] = PAP
  TruePositive nam [26,27] = Karol Zaluski
  TruePositive nam [33,34] = ING BSK

(ChunkerEvaluator) Sentence #8643 from articles/00107750 from sent6

Text  : Dodał , że złoty lekko osłabł , ale - jego zdaniem -  trudno powiedzieć ,  czy była to reakcja na dane z  USA .
Tokens: 1____ 2 3_ 4____ 5____ 6_____ 7 8__ 9 10__ 11_____ 12 13____ 14________ 15 16_ 17__ 18 19_____ 20 21__ 22 23_ 24

Chunks:
  TruePositive nam [4,4] = złoty
  TruePositive nam [23,23] = USA

(ChunkerEvaluator) Sentence #8644 from articles/00107750 from sent7

Text  : Amerykański Departament Pracy podał w piątek , że stopa bezrobocia w  USA w  kwietniu br .  wyniosła 8  ,  1  proc .  wobec 8  ,  2  proc .  w  marcu .
Tokens: 1__________ 2__________ 3____ 4____ 5 6_____ 7 8_ 9____ 10________ 11 12_ 13 14______ 15 16 17______ 18 19 20 21__ 22 23___ 24 25 26 27__ 28 29 30___ 31

Chunks:
  TruePositive nam [12,12] = USA
  FalsePositive nam [2,3] = Departament Pracy
  FalseNegative nam [1,3] = Amerykański Departament Pracy

(ChunkerEvaluator) Sentence #8645 from articles/00107750 from sent8

Text  : W kwietniu liczba miejsc pracy w sektorach pozarolniczych wzrosła o  115 tys .  ,  podczas gdy w  marcu wzrosła o  154 tys .  ,  po korekcie .
Tokens: 1 2_______ 3_____ 4_____ 5____ 6 7________ 8_____________ 9______ 10 11_ 12_ 13 14 15_____ 16_ 17 18___ 19_____ 20 21_ 22_ 23 24 25 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #8646 from articles/00107750 from sent9

Text  : Liczba miejsc pracy w amerykańskim sektorze prywatnym wzrosła w kwietniu o  130 tys .  ,  podczas gdy w  marcu -  o  166 tys .  ,  po korekcie .
Tokens: 1_____ 2_____ 3____ 4 5___________ 6_______ 7________ 8______ 9 10______ 11 12_ 13_ 14 15 16_____ 17_ 18 19___ 20 21 22_ 23_ 24 25 26 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #8647 from articles/00107750 from sent10

Text  : Analitycy ankietowani przez agencję Bloomberg spodziewali się stopy bezrobocia w  USA na poziomie 8  ,  2  proc .  ,  a  także ,  że liczba miejsc pracy w  sektorach pozarolniczych wzrośnie o  160 tys .  ,  a  w  sektorze prywatnym -  o  165 tys .
Tokens: 1________ 2__________ 3____ 4______ 5________ 6__________ 7__ 8____ 9_________ 10 11_ 12 13______ 14 15 16 17__ 18 19 20 21___ 22 23 24____ 25____ 26___ 27 28_______ 29____________ 30______ 31 32_ 33_ 34 35 36 37 38______ 39_______ 40 41 42_ 43_ 44

Chunks:
  TruePositive nam [11,11] = USA
  FalseNegative nam [5,5] = Bloomberg

(ChunkerEvaluator) Sentence #8648 from articles/00107750 from sent11

Text  : EUR / PLN 4 , 1880 4 , 1803 4  ,  1720 USD /  PLN 3  ,  1823 3  ,  1811 3  ,  1767 EUR /  USD 1  ,  3155 1  ,  3137 1  ,  3131
Tokens: 1__ 2 3__ 4 5 6___ 7 8 9___ 10 11 12__ 13_ 14 15_ 16 17 18__ 19 20 21__ 22 23 24__ 25_ 26 27_ 28 29 30__ 31 32 33__ 34 35 36__

Chunks:
  TruePositive nam [13,13] = USD
  TruePositive nam [27,27] = USD
  FalseNegative nam [1,1] = EUR
  FalseNegative nam [3,3] = PLN
  FalseNegative nam [15,15] = PLN
  FalseNegative nam [25,25] = EUR

2016-10-27 14:59:55,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 378 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107752.xml
(ChunkerEvaluator) Sentence #8649 from articles/00107752 from sent1

Text  : Samoobrona : projekt o referendach - do komisji ( krótka3 )
Tokens: 1_________ 2 3______ 4 5__________ 6 7_ 8______ 9 10_____ 11

Chunks:
  TruePositive nam [1,1] = Samoobrona

(ChunkerEvaluator) Sentence #8650 from articles/00107752 from sent2

Text  : 22 . 11 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #8651 from articles/00107752 from sent3

Text  : Warszawa ( PAP ) - Lider Samoobrony Andrzej Lepper opowiedział się za skierowaniem do komisji prezydenckiego projektu o  referendach ogólnokrajowych .
Tokens: 1_______ 2 3__ 4 5 6____ 7_________ 8______ 9_____ 10_________ 11_ 12 13__________ 14 15_____ 16____________ 17______ 18 19_________ 20_____________ 21

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [8,9] = Andrzej Lepper
  FalsePositive nam [6,7] = Lider Samoobrony
  FalseNegative nam [7,7] = Samoobrony

(ChunkerEvaluator) Sentence #8652 from articles/00107752 from sent4

Text  : Jego zdaniem projekt wymaga dużych zmian
Tokens: 1___ 2______ 3______ 4_____ 5_____ 6____

Chunks:

(ChunkerEvaluator) Sentence #8653 from articles/00107752 from sent5

Text  : Sejm debatuje w piątek nad prezydenckim projektem , który reguluje zasady przeprowadzania referendum w  sprawach dotyczących przystąpienia Polski do Unii Europejskiej ,  zmian konstytucji i  innych kwestii o  szczególnym znaczeniu dla państwa
Tokens: 1___ 2_______ 3 4_____ 5__ 6___________ 7________ 8 9____ 10______ 11____ 12_____________ 13________ 14 15______ 16_________ 17___________ 18____ 19 20__ 21__________ 22 23___ 24_________ 25 26____ 27_____ 28 29_________ 30_______ 31_ 32_____

Chunks:
  TruePositive nam [1,1] = Sejm
  TruePositive nam [18,18] = Polski
  TruePositive nam [20,21] = Unii Europejskiej

(ChunkerEvaluator) Sentence #8654 from articles/00107752 from sent6

Text  : " Samoobrona opowiada się za dużymi zmianami , ale na pewno nie będziemy projektu odrzucać ,  opowiadamy się za skierowaniem do komisji "  -  zapowiedział Lepper .
Tokens: 1 2_________ 3_______ 4__ 5_ 6_____ 7_______ 8 9__ 10 11___ 12_ 13______ 14______ 15______ 16 17________ 18_ 19 20__________ 21 22_____ 23 24 25__________ 26____ 27

Chunks:
  TruePositive nam [26,26] = Lepper
  FalseNegative nam [2,2] = Samoobrona

(ChunkerEvaluator) Sentence #8655 from articles/00107752 from sent7

Text  : " Ustawa o referendum jest potrzebna , choć nie w  tym kształcie "  -  zastrzegł
Tokens: 1 2_____ 3 4_________ 5___ 6________ 7 8___ 9__ 10 11_ 12_______ 13 14 15_______

Chunks:

(ChunkerEvaluator) Sentence #8656 from articles/00107752 from sent8

Text  : " Czas , aby śmy społeczeństwu powiedzieli prawdę o Unii Europejskiej ,  przed referendum akcesyjnym "  -  podkreślił Lepper
Tokens: 1 2___ 3 4__ 5__ 6____________ 7__________ 8_____ 9 10__ 11__________ 12 13___ 14________ 15________ 16 17 18________ 19____

Chunks:
  TruePositive nam [10,11] = Unii Europejskiej
  TruePositive nam [19,19] = Lepper

(ChunkerEvaluator) Sentence #8657 from articles/00107752 from sent9

Text  : Dodał , że Samoobrona jest ugrupowaniem eurorealistycznym
Tokens: 1____ 2 3_ 4_________ 5___ 6___________ 7________________

Chunks:
  TruePositive nam [4,4] = Samoobrona

(ChunkerEvaluator) Sentence #8658 from articles/00107752 from sent10

Text  : Jego zdaniem , w kampanii przedreferendalnej " nie będzie sprawiedliwego podziału czasu "  .
Tokens: 1___ 2______ 3 4 5_______ 6_________________ 7 8__ 9_____ 10____________ 11______ 12___ 13 14

Chunks:

(ChunkerEvaluator) Sentence #8659 from articles/00107752 from sent11

Text  : Lepper podkreślił też , że potrzebna jest edukacja społeczeństwa dotycząca warunków wejścia Polski do Unii .
Tokens: 1_____ 2_________ 3__ 4 5_ 6________ 7___ 8_______ 9____________ 10_______ 11______ 12_____ 13____ 14 15__ 16

Chunks:
  TruePositive nam [1,1] = Lepper
  TruePositive nam [13,13] = Polski
  FalseNegative nam [15,15] = Unii

(ChunkerEvaluator) Sentence #8660 from articles/00107752 from sent12

Text  : " Dziś społeczeństwo edukuje pan Wiatr " - powiedział
Tokens: 1 2___ 3____________ 4______ 5__ 6____ 7 8 9_________

Chunks:
  TruePositive nam [6,6] = Wiatr

(ChunkerEvaluator) Sentence #8661 from articles/00107752 from sent13

Text  : Według Leppera , należało by w ustawie o referendum i  w  konstytucji wprowadzić obowiązek udziału w  głosowaniach -  w  referendach i  wyborach .
Tokens: 1_____ 2______ 3 4_______ 5_ 6 7______ 8 9_________ 10 11 12_________ 13________ 14_______ 15_____ 16 17__________ 18 19 20_________ 21 22______ 23

Chunks:
  TruePositive nam [2,2] = Leppera

(ChunkerEvaluator) Sentence #8662 from articles/00107752 from sent14

Text  : " Obywatele muszą czuć się odpowiedzialni za państwo " -  argumentował szef Samoobrony .
Tokens: 1 2________ 3____ 4___ 5__ 6_____________ 7_ 8______ 9 10 11__________ 12__ 13________ 14

Chunks:
  TruePositive nam [13,13] = Samoobrony

(ChunkerEvaluator) Sentence #8663 from articles/00107752 from sent15

Text  : " Wybory to obowiązek wobec własnej ojczyzny " - dodał
Tokens: 1 2_____ 3_ 4________ 5____ 6______ 7_______ 8 9 10___

Chunks:

(ChunkerEvaluator) Sentence #8664 from articles/00107752 from sent16

Text  : Kazimierz Ujazdowski z Prawa i Sprawiedliwości powiedział , że jego ugrupowanie jest zdecydowanie za tym ,  by "  prawdziwe referendum było silną instytucją ustrojową Rzeczpospolitej "  .
Tokens: 1________ 2_________ 3 4____ 5 6______________ 7_________ 8 9_ 10__ 11_________ 12__ 13__________ 14 15_ 16 17 18 19_______ 20________ 21__ 22___ 23________ 24_______ 25_____________ 26 27

Chunks:
  TruePositive nam [1,2] = Kazimierz Ujazdowski
  TruePositive nam [4,6] = Prawa i Sprawiedliwości
  TruePositive nam [25,25] = Rzeczpospolitej

(ChunkerEvaluator) Sentence #8665 from articles/00107752 from sent17

Text  : ( PAP ) kg / la / bug /
Tokens: 1 2__ 3 4_ 5 6_ 7 8__ 9

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:55,521 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 379 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107753.xml
(ChunkerEvaluator) Sentence #8666 from articles/00107753 from sent1

Text  : Wiceprezes Wisły oburzony : Jeśli Śląsk ma być mistrzem ,  niech sobie na to zasłuży
Tokens: 1_________ 2____ 3_______ 4 5____ 6____ 7_ 8__ 9_______ 10 11___ 12___ 13 14 15_____

Chunks:
  FalsePositive nam [5,6] = Jeśli Śląsk
  FalseNegative nam [2,2] = Wisły
  FalseNegative nam [6,6] = Śląsk

(ChunkerEvaluator) Sentence #8667 from articles/00107753 from sent2

Text  : PRZEGLĄD PRASY .
Tokens: 1_______ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #8668 from articles/00107753 from sent3

Text  : Wiceprezes Wisły Kraków , Jacek Bednarz oburza się , gdy słyszy ,  że jego drużyna mogła by się podłożyć Śląskowi w  niedzielnym meczu przyjaźni -  pisze dzisiejszy „  Przegląd Sportowy ”  .
Tokens: 1_________ 2____ 3_____ 4 5____ 6______ 7_____ 8__ 9 10_ 11____ 12 13 14__ 15_____ 16___ 17 18_ 19______ 20______ 21 22_________ 23___ 24_______ 25 26___ 27________ 28 29______ 30______ 31 32

Chunks:
  TruePositive nam [5,6] = Jacek Bednarz
  TruePositive nam [20,20] = Śląskowi
  TruePositive nam [29,30] = Przegląd Sportowy
  FalsePositive nam [1,3] = Wiceprezes Wisły Kraków
  FalseNegative nam [2,3] = Wisły Kraków

(ChunkerEvaluator) Sentence #8669 from articles/00107753 from sent4

Text  : Przed niedzielnym meczem Śląska z Wisłą nie cichną spekulacje ,  że krakowianie ten mecz mogą odpuścić .
Tokens: 1____ 2__________ 3_____ 4_____ 5 6____ 7__ 8_____ 9_________ 10 11 12_________ 13_ 14__ 15__ 16______ 17

Chunks:
  TruePositive nam [4,4] = Śląska
  TruePositive nam [6,6] = Wisłą
  FalseNegative nam [12,12] = krakowianie

(ChunkerEvaluator) Sentence #8670 from articles/00107753 from sent5

Text  : Nie jest bowiem tajemnicą , że kibice obu klubów przyjaźnią się .
Tokens: 1__ 2___ 3_____ 4________ 5 6_ 7_____ 8__ 9_____ 10________ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #8671 from articles/00107753 from sent6

Text  : Zwycięstwo Śląska sprawiło by , że wrocławianie bez względu na pozostałe wyniki ,  zostali by mistrzem Polski .
Tokens: 1_________ 2_____ 3_______ 4_ 5 6_ 7___________ 8__ 9______ 10 11_______ 12____ 13 14_____ 15 16______ 17____ 18

Chunks:
  TruePositive nam [17,17] = Polski
  FalsePositive nam [1,2] = Zwycięstwo Śląska
  FalseNegative nam [2,2] = Śląska
  FalseNegative nam [7,7] = wrocławianie

(ChunkerEvaluator) Sentence #8672 from articles/00107753 from sent7

Text  : - Nie przyjmuję tego do wiadomości - irytuje się wiceprezes Wisły ,  gdy słyszy o  takiej możliwości .
Tokens: 1 2__ 3________ 4___ 5_ 6_________ 7 8______ 9__ 10________ 11___ 12 13_ 14____ 15 16____ 17________ 18

Chunks:
  TruePositive nam [11,11] = Wisły

(ChunkerEvaluator) Sentence #8673 from articles/00107753 from sent8

Text  : Jednocześnie przekonuje , że krakowianie zrobią wszystko , żeby sezon zakończyć zwycięstwem .
Tokens: 1___________ 2_________ 3 4_ 5__________ 6_____ 7_______ 8 9___ 10___ 11_______ 12_________ 13

Chunks:
  FalseNegative nam [5,5] = krakowianie

(ChunkerEvaluator) Sentence #8674 from articles/00107753 from sent9

Text  : - Inni piłkarze widzą , że gdy grasz bez determinacji ,  to następuje reakcja trenera .
Tokens: 1 2___ 3_______ 4____ 5 6_ 7__ 8____ 9__ 10__________ 11 12 13_______ 14_____ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #8675 from articles/00107753 from sent10

Text  : Jeśli Śląsk ma być mistrzem , niech sobie na to zasłuży .
Tokens: 1____ 2____ 3_ 4__ 5_______ 6 7____ 8____ 9_ 10 11_____ 12

Chunks:
  FalsePositive nam [1,2] = Jeśli Śląsk
  FalseNegative nam [2,2] = Śląsk

(ChunkerEvaluator) Sentence #8676 from articles/00107753 from sent11

Text  : Mistrzostwo się wygrywa , a nie dostaje .
Tokens: 1__________ 2__ 3______ 4 5 6__ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #8677 from articles/00107753 from sent12

Text  : Przyjaźń przyjaźnią , ale trzeba się szanować .
Tokens: 1_______ 2_________ 3 4__ 5_____ 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #8678 from articles/00107753 from sent13

Text  : Takie pogłoski są dla nas bardzo obraźliwe - mówi Bednarz .
Tokens: 1____ 2_______ 3_ 4__ 5__ 6_____ 7________ 8 9___ 10_____ 11

Chunks:
  TruePositive nam [10,10] = Bednarz

(ChunkerEvaluator) Sentence #8679 from articles/00107753 from sent14

Text  : Mecz Śląska z Wisłą odbędzie się na stadionie przy ul .  Reymonta w  Krakowie ,  o  godz .  17 .
Tokens: 1___ 2_____ 3 4____ 5_______ 6__ 7_ 8________ 9___ 10 11 12______ 13 14______ 15 16 17__ 18 19 20

Chunks:
  TruePositive nam [4,4] = Wisłą
  TruePositive nam [12,12] = Reymonta
  TruePositive nam [14,14] = Krakowie
  FalsePositive nam [1,2] = Mecz Śląska
  FalseNegative nam [2,2] = Śląska

2016-10-27 14:59:55,580 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 380 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107754.xml
(ChunkerEvaluator) Sentence #8680 from articles/00107754 from sent1

Text  : Tragiczny weekend na drogach - zginęły 62 osoby
Tokens: 1________ 2______ 3_ 4______ 5 6______ 7_ 8____

Chunks:

(ChunkerEvaluator) Sentence #8681 from articles/00107754 from sent2

Text  : Kończący się właśnie majowy weekend policjanci zaliczają do tragicznych .
Tokens: 1_______ 2__ 3______ 4_____ 5______ 6_________ 7________ 8_ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #8682 from articles/00107754 from sent3

Text  : W ciągu ostatnich kilku dni na polskich drogach zginęły 62 osoby ,  a  1129 zostało rannych .
Tokens: 1 2____ 3________ 4____ 5__ 6_ 7_______ 8______ 9______ 10 11___ 12 13 14__ 15_____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #8683 from articles/00107754 from sent4

Text  : Niestety , te statystyki mogą się zmienić , gdyż wielu majówkowiczów właśnie w  niedzielę (  6  .  05 )  planuje wracać z  wypoczynku do domu .
Tokens: 1_______ 2 3_ 4_________ 5___ 6__ 7______ 8 9___ 10___ 11___________ 12_____ 13 14_______ 15 16 17 18 19 20_____ 21____ 22 23________ 24 25__ 26

Chunks:

(ChunkerEvaluator) Sentence #8684 from articles/00107754 from sent5

Text  : Tragiczny weekend na drogach - zginęły 62 osoby
Tokens: 1________ 2______ 3_ 4______ 5 6______ 7_ 8____

Chunks:

(ChunkerEvaluator) Sentence #8685 from articles/00107754 from sent6

Text  : Do tragicznych policjanci zaliczają kończący się właśnie majowy weekend .
Tokens: 1_ 2__________ 3_________ 4________ 5_______ 6__ 7______ 8_____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #8686 from articles/00107754 from sent7

Text  : W ciągu ostatnich kilku dni na polskich drogach zginęły 62 osoby ,  a  1129 zostało rannych .
Tokens: 1 2____ 3________ 4____ 5__ 6_ 7_______ 8______ 9______ 10 11___ 12 13 14__ 15_____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #8687 from articles/00107754 from sent8

Text  : Niestety te statystyki mogą się zmienić , gdyż wielu majówkowiczów właśnie w  niedzielę planuje wracać z  wypoczynku do domu .
Tokens: 1_______ 2_ 3_________ 4___ 5__ 6______ 7 8___ 9____ 10___________ 11_____ 12 13_______ 14_____ 15____ 16 17________ 18 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #8688 from articles/00107754 from sent9

Text  : Na krajowych drogach od początku długiego , majowego weekendu doszło do 876 wypadków .
Tokens: 1_ 2________ 3______ 4_ 5_______ 6_______ 7 8_______ 9_______ 10____ 11 12_ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #8689 from articles/00107754 from sent10

Text  : Zginęły w nich 62 osoby , rannych zostało 1129 osób .
Tokens: 1______ 2 3___ 4_ 5____ 6 7______ 8______ 9___ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #8690 from articles/00107754 from sent11

Text  : Najczęstszymi przyczynami tych tragicznych zdarzeń była brawura kierowców .
Tokens: 1____________ 2__________ 3___ 4__________ 5______ 6___ 7______ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #8691 from articles/00107754 from sent12

Text  : Czyli : nadmierna prędkość czy wyprzedzanie „ na trzeciego ”  .
Tokens: 1____ 2 3________ 4_______ 5__ 6___________ 7 8_ 9________ 10 11

Chunks:

(ChunkerEvaluator) Sentence #8692 from articles/00107754 from sent13

Text  : Do tego wielu kierowców siadało do auta na podwójnym gazie -  policjanci zatrzymali ponad cztery tys .  pijanych kierowców .
Tokens: 1_ 2___ 3____ 4________ 5______ 6_ 7___ 8_ 9________ 10___ 11 12________ 13________ 14___ 15____ 16_ 17 18______ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #8693 from articles/00107754 from sent14

Text  : Niestety , te statystyki mogą się jeszcze zmienić .
Tokens: 1_______ 2 3_ 4_________ 5___ 6__ 7______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #8694 from articles/00107754 from sent15

Text  : Bo właśnie na niedzielę wiele osób zaplanowało powroty z majówkowych wojaży .
Tokens: 1_ 2______ 3_ 4________ 5____ 6___ 7__________ 8______ 9 10_________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #8695 from articles/00107754 from sent16

Text  : Policjanci apelują o zachowanie ostrożności na drogach .
Tokens: 1_________ 2______ 3 4_________ 5__________ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #8696 from articles/00107754 from sent17

Text  : Zwłaszcza , że paradoksalnie do wypadków dochodzi częściej przy pięknej ,  słonecznej pogodzie ,  niż kiedy jest jest deszcz czy mgła .
Tokens: 1________ 2 3_ 4____________ 5_ 6_______ 7_______ 8_______ 9___ 10_____ 11 12________ 13______ 14 15_ 16___ 17__ 18__ 19____ 20_ 21__ 22

Chunks:

2016-10-27 14:59:55,647 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 381 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107755.xml
(ChunkerEvaluator) Sentence #8697 from articles/00107755 from sent1

Text  : Przejścia przez ulice to koszmar .
Tokens: 1________ 2____ 3____ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #8698 from articles/00107755 from sent2

Text  : Walczą o zmiany
Tokens: 1_____ 2 3_____

Chunks:

(ChunkerEvaluator) Sentence #8699 from articles/00107755 from sent3

Text  : Fundacja Szansa dla Niewidomych od początku roku upomina się o  dostosowanie przejść dla pieszych w  Zielonej Górze .
Tokens: 1_______ 2_____ 3__ 4__________ 5_ 6_______ 7___ 8______ 9__ 10 11__________ 12_____ 13_ 14______ 15 16______ 17___ 18

Chunks:
  TruePositive nam [16,17] = Zielonej Górze
  FalsePositive nam [1,2] = Fundacja Szansa
  FalsePositive nam [4,4] = Niewidomych
  FalseNegative nam [2,4] = Szansa dla Niewidomych

(ChunkerEvaluator) Sentence #8700 from articles/00107755 from sent4

Text  : Przy zebrach brakuje tzw . groszków , czyli wypustków ,  które oznaczają kraniec chodnika ,  i  sygnalizacji dźwiękowej .
Tokens: 1___ 2______ 3______ 4__ 5 6_______ 7 8____ 9________ 10 11___ 12_______ 13_____ 14______ 15 16 17__________ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #8701 from articles/00107755 from sent5

Text  : Pierwsze modyfikacje mają ruszyć w wakacje
Tokens: 1_______ 2__________ 3___ 4_____ 5 6______

Chunks:

(ChunkerEvaluator) Sentence #8702 from articles/00107755 from sent6

Text  : Niewidzący i niedowidzący nie mają łatwego życia w mieście .
Tokens: 1_________ 2 3___________ 4__ 5___ 6______ 7____ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #8703 from articles/00107755 from sent7

Text  : Potykają się o za wysokie krawężniki , muszą nasłuchiwać ,  czy po ścieżce przypadkiem nie jedzie rowerzysta .
Tokens: 1_______ 2__ 3 4_ 5______ 6_________ 7 8____ 9__________ 10 11_ 12 13_____ 14_________ 15_ 16____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #8704 from articles/00107755 from sent8

Text  : Bez towarzysza pod ręką nie wybierają się na spacer .
Tokens: 1__ 2_________ 3__ 4___ 5__ 6________ 7__ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #8705 from articles/00107755 from sent9

Text  : Dlaczego ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #8706 from articles/00107755 from sent10

Text  : Brak sygnalizacji dźwiękowej oznacza całkowitą bezradność .
Tokens: 1___ 2___________ 3_________ 4______ 5________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #8707 from articles/00107755 from sent11

Text  : Jak dodamy do tego brak „ groszków ” , bezpieczne przejście po pasach graniczy niemal z  cudem .
Tokens: 1__ 2_____ 3_ 4___ 5___ 6 7_______ 8 9 10________ 11_______ 12 13____ 14______ 15____ 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #8708 from articles/00107755 from sent12

Text  : Od kilku lat niewidomi przechodzą specjalne szkolenia z orientacji w  przestrzeni .
Tokens: 1_ 2____ 3__ 4________ 5_________ 6________ 7________ 8 9_________ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #8709 from articles/00107755 from sent13

Text  : Do domu osoby niepełnosprawnej przyjeżdża trener i zabiera ją na wycieczkę po mieście .
Tokens: 1_ 2___ 3____ 4_______________ 5_________ 6_____ 7 8______ 9_ 10 11_______ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #8710 from articles/00107755 from sent14

Text  : Razem badają wszystkie elementy drogi , od krawężników , przez nawierzchnię ,  aż po okoliczną roślinność .
Tokens: 1____ 2_____ 3________ 4_______ 5____ 6 7_ 8__________ 9 10___ 11__________ 12 13 14 15_______ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #8711 from articles/00107755 from sent15

Text  : Żeby przypadkiem nie wejść w trawnik .
Tokens: 1___ 2__________ 3__ 4____ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #8712 from articles/00107755 from sent16

Text  : Fundacja Szansa dla Niewidomych postanowiła ruszyć martwy temat przejść dla pieszych .
Tokens: 1_______ 2_____ 3__ 4__________ 5__________ 6_____ 7_____ 8____ 9______ 10_ 11______ 12

Chunks:
  FalsePositive nam [1,2] = Fundacja Szansa
  FalsePositive nam [4,4] = Niewidomych
  FalseNegative nam [2,4] = Szansa dla Niewidomych

(ChunkerEvaluator) Sentence #8713 from articles/00107755 from sent17

Text  : Bożena Bąk , przedstawicielka zielonogórskiego Tyflopunktu , w styczniu poprosiła urząd miasta o  inwentaryzację wszystkich zebr .
Tokens: 1_____ 2__ 3 4_______________ 5_______________ 6__________ 7 8 9_______ 10_______ 11___ 12____ 13 14____________ 15________ 16__ 17

Chunks:
  TruePositive nam [1,2] = Bożena Bąk
  FalseNegative nam [6,6] = Tyflopunktu

(ChunkerEvaluator) Sentence #8714 from articles/00107755 from sent18

Text  : - Początkowo chciała m się tylko dowiedzieć , dlaczego przejścia ,  które kiedyś sygnalizowały pikaniem zielone światło ,  przestały dźwięczeć .
Tokens: 1 2_________ 3______ 4 5__ 6____ 7_________ 8 9_______ 10_______ 11 12___ 13____ 14___________ 15______ 16_____ 17_____ 18 19_______ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #8715 from articles/00107755 from sent19

Text  : Z tego rozwiązania korzystali przecież nie tylko niewidomi , ale i  całkowicie pełnosprawni .
Tokens: 1 2___ 3__________ 4_________ 5_______ 6__ 7____ 8________ 9 10_ 11 12________ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #8716 from articles/00107755 from sent20

Text  : Każdy z nas ma gorszy dzień .
Tokens: 1____ 2 3__ 4_ 5_____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #8717 from articles/00107755 from sent21

Text  : Można nie zauważyć światła przez ostre słońce lub przez zmęczenie wejść na pasy bez sprawdzenia ,  czy aby na pewno jest zielone -  opowiada Bąk .
Tokens: 1____ 2__ 3_______ 4______ 5____ 6____ 7_____ 8__ 9____ 10_______ 11___ 12 13__ 14_ 15_________ 16 17_ 18_ 19 20___ 21__ 22_____ 23 24______ 25_ 26

Chunks:
  TruePositive nam [25,25] = Bąk

(ChunkerEvaluator) Sentence #8718 from articles/00107755 from sent22

Text  : Ostateczna inwentaryzacja zebr dotarła do niej w marcu .
Tokens: 1_________ 2_____________ 3___ 4______ 5_ 6___ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #8719 from articles/00107755 from sent23

Text  : Wtedy Bąk skontaktowała się z Marzeną Bobińską , niewidomą ,  która na co dzień mieszka w  Zielonej Górze .
Tokens: 1____ 2__ 3____________ 4__ 5 6______ 7_______ 8 9________ 10 11___ 12 13 14___ 15_____ 16 17______ 18___ 19

Chunks:
  TruePositive nam [2,2] = Bąk
  TruePositive nam [6,7] = Marzeną Bobińską
  TruePositive nam [17,18] = Zielonej Górze

(ChunkerEvaluator) Sentence #8720 from articles/00107755 from sent24

Text  : Bobińska wystąpiła w styczniu na sesji rady miasta .
Tokens: 1_______ 2________ 3 4_______ 5_ 6____ 7___ 8_____ 9

Chunks:
  TruePositive nam [1,1] = Bobińska

(ChunkerEvaluator) Sentence #8721 from articles/00107755 from sent25

Text  : Zdenerwowana wytknęła prezydentowi , jakie bariery uniemożliwiają jej życie w  mieście .
Tokens: 1___________ 2_______ 3___________ 4 5____ 6______ 7_____________ 8__ 9____ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #8722 from articles/00107755 from sent26

Text  : - Wiele razy stała m sama na pasach i nie miała m  kogo poprosić o  przeprowadzenie przez ulicę .
Tokens: 1 2____ 3___ 4____ 5 6___ 7_ 8_____ 9 10_ 11___ 12 13__ 14______ 15 16_____________ 17___ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #8723 from articles/00107755 from sent27

Text  : Pomoc przy ocenieniu odległości samochodu jest niezbędna .
Tokens: 1____ 2___ 3________ 4_________ 5________ 6___ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8724 from articles/00107755 from sent28

Text  : Zresztą ludzie nie zawsze chcą mi podpowiadać .
Tokens: 1______ 2_____ 3__ 4_____ 5___ 6_ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #8725 from articles/00107755 from sent29

Text  : To jest koszmar - mówiła do radnych .
Tokens: 1_ 2___ 3______ 4 5_____ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #8726 from articles/00107755 from sent30

Text  : Panie razem wybrały się na spacer po ulicach miasta .
Tokens: 1____ 2____ 3______ 4__ 5_ 6_____ 7_ 8______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #8727 from articles/00107755 from sent31

Text  : Wypisały , na które przejścia i skrzyżowania należy zwrócić uwagę ,  które zostały wybudowane prawidłowo .
Tokens: 1_______ 2 3_ 4____ 5________ 6 7___________ 8_____ 9______ 10___ 11 12___ 13_____ 14________ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #8728 from articles/00107755 from sent32

Text  : Na wzorcową ocenę zasłużyły przejścia na ul . Łużyckiej .
Tokens: 1_ 2_______ 3____ 4________ 5________ 6_ 7_ 8 9________ 10

Chunks:
  TruePositive nam [9,9] = Łużyckiej

(ChunkerEvaluator) Sentence #8729 from articles/00107755 from sent33

Text  : Mają jednak jedno „ ale ” .
Tokens: 1___ 2_____ 3____ 4 5__ 6 7

Chunks:

(ChunkerEvaluator) Sentence #8730 from articles/00107755 from sent34

Text  : - Przez ostatnie pół roku ani razu nie słyszała m  tam dźwięku ,  który informuje o  zielonym świetle .
Tokens: 1 2____ 3_______ 4__ 5___ 6__ 7___ 8__ 9_______ 10 11_ 12_____ 13 14___ 15_______ 16 17______ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #8731 from articles/00107755 from sent35

Text  : Poza tym to jedne z najbezpieczniejszych zebr w mieście -  komentuje Bąk .
Tokens: 1___ 2__ 3_ 4____ 5 6___________________ 7___ 8 9______ 10 11_______ 12_ 13

Chunks:
  TruePositive nam [12,12] = Bąk

(ChunkerEvaluator) Sentence #8732 from articles/00107755 from sent36

Text  : Paweł Urbański , dyrektor wydziału inwestycji miejskich i zarządzania drogami ,  w  przesłanej inwentaryzacji solidnie opisał wszystkie przejścia z  sygnalizacją świetlną .
Tokens: 1____ 2_______ 3 4_______ 5_______ 6_________ 7________ 8 9__________ 10_____ 11 12 13________ 14____________ 15______ 16____ 17_______ 18_______ 19 20__________ 21______ 22

Chunks:
  TruePositive nam [1,2] = Paweł Urbański

(ChunkerEvaluator) Sentence #8733 from articles/00107755 from sent37

Text  : Prawda okazała się brutalna .
Tokens: 1_____ 2______ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #8734 from articles/00107755 from sent38

Text  : Koniecznych napraw urządzeń wysyłających dźwięk jest tak dużo , że trzeba na nie ogłosić przetarg .
Tokens: 1__________ 2_____ 3_______ 4___________ 5_____ 6___ 7__ 8___ 9 10 11____ 12 13_ 14_____ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #8735 from articles/00107755 from sent39

Text  : - Z pewnością zmieni się firma zajmująca się konserwacją takich urządzeń .
Tokens: 1 2 3________ 4_____ 5__ 6____ 7________ 8__ 9__________ 10____ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #8736 from articles/00107755 from sent40

Text  : Ponadto wszędzie tam , gdzie są lub będą prowadzone remonty ulic ,  zamontujemy oznaczenia dla osób niepełnosprawnych .
Tokens: 1______ 2_______ 3__ 4 5____ 6_ 7__ 8___ 9_________ 10_____ 11__ 12 13_________ 14________ 15_ 16__ 17_______________ 18

Chunks:

(ChunkerEvaluator) Sentence #8737 from articles/00107755 from sent41

Text  : Na każdym przejściu pojawią się „ groszki ” .
Tokens: 1_ 2_____ 3________ 4______ 5__ 6 7______ 8 9

Chunks:

(ChunkerEvaluator) Sentence #8738 from articles/00107755 from sent42

Text  : Sygnalizacja dźwiękowa będzie działać tam , gdzie już znajdują się światła -  zapewnia Tomasz Misiak ,  rzecznik prezydenta miasta .
Tokens: 1___________ 2________ 3_____ 4______ 5__ 6 7____ 8__ 9_______ 10_ 11_____ 12 13______ 14____ 15____ 16 17______ 18________ 19____ 20

Chunks:
  TruePositive nam [14,15] = Tomasz Misiak

(ChunkerEvaluator) Sentence #8739 from articles/00107755 from sent43

Text  : Naprawy sygnalizacji dźwiękowych i wbudowanie „ groszków ” mają potrwać do końca wakacji .
Tokens: 1______ 2___________ 3__________ 4 5_________ 6 7_______ 8 9___ 10_____ 11 12___ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #8740 from articles/00107755 from sent44

Text  : Spora część modernizacji została też przeniesiona na 2013 r .
Tokens: 1____ 2____ 3___________ 4______ 5__ 6___________ 7_ 8___ 9 10

Chunks:

(ChunkerEvaluator) Sentence #8741 from articles/00107755 from sent45

Text  : Wówczas w budżecie miasta ma się pojawić zapis o potrzebie dostosowania przejść dla osób niepełnosprawnych .
Tokens: 1______ 2 3_______ 4_____ 5_ 6__ 7______ 8____ 9 10_______ 11__________ 12_____ 13_ 14__ 15_______________ 16

Chunks:

(ChunkerEvaluator) Sentence #8742 from articles/00107755 from sent46

Text  : Które przejścia należy przebudować w pierwszej kolejności ?
Tokens: 1____ 2________ 3_____ 4__________ 5 6________ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #8743 from articles/00107755 from sent47

Text  : Bąk typuje : - Przy rondzie PCK , bo słychać pikanie tylko na dwóch przejściach .
Tokens: 1__ 2_____ 3 4 5___ 6______ 7__ 8 9_ 10_____ 11_____ 12___ 13 14___ 15_________ 16

Chunks:
  TruePositive nam [1,1] = Bąk
  TruePositive nam [7,7] = PCK

(ChunkerEvaluator) Sentence #8744 from articles/00107755 from sent48

Text  : Przy Focusie , bo za szybko zmieniają się światła i  ludzie pędzą jak szaleni .
Tokens: 1___ 2______ 3 4_ 5_ 6_____ 7________ 8__ 9______ 10 11____ 12___ 13_ 14_____ 15

Chunks:
  TruePositive nam [2,2] = Focusie

(ChunkerEvaluator) Sentence #8745 from articles/00107755 from sent49

Text  : Na ulicy Ułańskiej , bo przejeżdża tam mnóstwo samochodów ,  a  przecież obok jest dworzec PKS .
Tokens: 1_ 2____ 3________ 4 5_ 6_________ 7__ 8______ 9_________ 10 11 12______ 13__ 14__ 15_____ 16_ 17

Chunks:
  TruePositive nam [3,3] = Ułańskiej
  TruePositive nam [16,16] = PKS

(ChunkerEvaluator) Sentence #8746 from articles/00107755 from sent50

Text  : I oczywiście przy urzędzie pracy na Sienkiewicza .
Tokens: 1 2_________ 3___ 4_______ 5____ 6_ 7___________ 8

Chunks:
  TruePositive nam [7,7] = Sienkiewicza

(ChunkerEvaluator) Sentence #8747 from articles/00107755 from sent51

Text  : 15 maja Fundacja Szansa dla Niewidomych planuje otwarte spotkanie niewidomych i  słabowidzących z  urzędnikami .
Tokens: 1_ 2___ 3_______ 4_____ 5__ 6__________ 7______ 8______ 9________ 10_________ 11 12____________ 13 14_________ 15

Chunks:
  FalsePositive nam [3,4] = Fundacja Szansa
  FalsePositive nam [6,6] = Niewidomych
  FalseNegative nam [4,6] = Szansa dla Niewidomych

(ChunkerEvaluator) Sentence #8748 from articles/00107755 from sent52

Text  : Na spotkanie może przyjść każdy .
Tokens: 1_ 2________ 3___ 4______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #8749 from articles/00107755 from sent53

Text  : Godzina i miejsce jeszcze nie są ustalone .
Tokens: 1______ 2 3______ 4______ 5__ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #8750 from articles/00107755 from sent54

Text  : Które przejścia są niebezpiecznie ?
Tokens: 1____ 2________ 3_ 4_____________ 5

Chunks:

(ChunkerEvaluator) Sentence #8751 from articles/00107755 from sent55

Text  : Które należało by uzupełnić o sygnał dźwiękowy ?
Tokens: 1____ 2_______ 3_ 4________ 5 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8752 from articles/00107755 from sent56

Text  : Piszcie swoje propozycje na adres agata . zralko @ zielona .  agora .  pl .
Tokens: 1______ 2____ 3_________ 4_ 5____ 6____ 7 8_____ 9 10_____ 11 12___ 13 14 15

Chunks:
  FalsePositive nam [10,14] = zielona . agora . pl
  FalseNegative nam [6,14] = agata . zralko @ zielona . agora . pl

2016-10-27 14:59:55,858 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 382 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107756.xml
(ChunkerEvaluator) Sentence #8753 from articles/00107756 from sent1

Text  : Akazienstraße
Tokens: 1____________

Chunks:
  FalseNegative nam [1,1] = Akazienstraße

(ChunkerEvaluator) Sentence #8754 from articles/00107756 from sent2

Text  : Od 1945 r ul . Akacjowa
Tokens: 1_ 2___ 3 4_ 5 6_______

Chunks:
  TruePositive nam [6,6] = Akacjowa

2016-10-27 14:59:55,862 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 383 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107757.xml
(ChunkerEvaluator) Sentence #8755 from articles/00107757 from sent1

Text  : Grecka giełda w dół o ponad 7 proc . po wyborach
Tokens: 1_____ 2_____ 3 4__ 5 6____ 7 8___ 9 10 11______

Chunks:

(ChunkerEvaluator) Sentence #8756 from articles/00107757 from sent2

Text  : Indeks greckiej giełdy spadł w poniedziałek rano o ponad 7  proc .  w  reakcji na wybory parlamentarne ,  w  wyniku których partie koalicji rządzącej ,  która zatwierdziła program oszczędności w  zamian za zagraniczną pomoc ,  nie uzyskały większości parlamentarnej .
Tokens: 1_____ 2_______ 3_____ 4____ 5 6___________ 7___ 8 9____ 10 11__ 12 13 14_____ 15 16____ 17___________ 18 19 20____ 21_____ 22____ 23______ 24_______ 25 26___ 27__________ 28_____ 29__________ 30 31____ 32 33_________ 34___ 35 36_ 37______ 38________ 39____________ 40

Chunks:

(ChunkerEvaluator) Sentence #8757 from articles/00107757 from sent3

Text  : Giełda w Atenach spadła na początku notowań o 7 ,  7  proc .
Tokens: 1_____ 2 3______ 4_____ 5_ 6_______ 7______ 8 9 10 11 12__ 13

Chunks:
  TruePositive nam [3,3] = Atenach

(ChunkerEvaluator) Sentence #8758 from articles/00107757 from sent4

Text  : Agencja ratingowa Standard ' s , która w styczniu odebrała Francji najwyższą notę AAA ,  poinformowała w  poniedziałek ,  że zwycięstwo Francois Hollande'a w  wyborach prezydenckich we Francji nie miało "  natychmiastowego wpływu "  na rating tego kraju .
Tokens: 1______ 2________ 3_______ 4 5 6 7____ 8 9_______ 10______ 11_____ 12_______ 13__ 14_ 15 16___________ 17 18__________ 19 20 21________ 22______ 23________ 24 25______ 26___________ 27 28_____ 29_ 30___ 31 32______________ 33____ 34 35 36____ 37__ 38___ 39

Chunks:
  TruePositive nam [11,11] = Francji
  TruePositive nam [22,23] = Francois Hollande'a
  TruePositive nam [28,28] = Francji
  FalsePositive nam [14,14] = AAA
  FalseNegative nam [3,5] = Standard ' s

(ChunkerEvaluator) Sentence #8759 from articles/00107757 from sent5

Text  : Nota Francji , obecnie AA + , pozostaje obciążona "  negatywną perspektywą "  ,  co oznacza ,  że szansa kolejnej obniżki w  2013 roku jest jak "  jeden do trzech "  -  pisze S  w  komunikacie .
Tokens: 1___ 2______ 3 4______ 5_ 6 7 8________ 9________ 10 11_______ 12_________ 13 14 15 16_____ 17 18 19____ 20______ 21_____ 22 23__ 24__ 25__ 26_ 27 28___ 29 30____ 31 32 33___ 34 35 36_________ 37

Chunks:
  FalsePositive nam [1,2] = Nota Francji
  FalsePositive nam [5,6] = AA +
  FalseNegative nam [2,2] = Francji
  FalseNegative nam [34,34] = S

(ChunkerEvaluator) Sentence #8760 from articles/00107757 from sent6

Text  : S to jedyna z trzech wielkich agencji ratingowych , która odebrała Francji najwyższą notę .
Tokens: 1 2_ 3_____ 4 5_____ 6_______ 7______ 8__________ 9 10___ 11______ 12_____ 13_______ 14__ 15

Chunks:
  TruePositive nam [12,12] = Francji
  FalseNegative nam [1,1] = S

(ChunkerEvaluator) Sentence #8761 from articles/00107757 from sent7

Text  : " Będziemy analizować polityczne decyzje prezydenta elekta Francji i nowego rządu ,  biorąc pod uwagę wyniki wyborów parlamentarnych w  czerwcu "  -  ostrzega agencja .
Tokens: 1 2_______ 3_________ 4_________ 5______ 6_________ 7_____ 8______ 9 10____ 11___ 12 13____ 14_ 15___ 16____ 17_____ 18_____________ 19 20_____ 21 22 23______ 24_____ 25

Chunks:
  TruePositive nam [8,8] = Francji

(ChunkerEvaluator) Sentence #8762 from articles/00107757 from sent8

Text  : Główne europejskie giełdy otworzyły się w poniedziałek spadkami , co analitycy przypisują niezadowalającemu wynikowi dwóch partii sprzyjających oszczędnościom w  Grecji i  niepewności po wygranej Hollande'a we Francji .
Tokens: 1_____ 2__________ 3_____ 4________ 5__ 6 7___________ 8_______ 9 10 11_______ 12________ 13_______________ 14______ 15___ 16____ 17___________ 18____________ 19 20____ 21 22_________ 23 24______ 25________ 26 27_____ 28

Chunks:
  TruePositive nam [20,20] = Grecji
  TruePositive nam [25,25] = Hollande'a
  TruePositive nam [27,27] = Francji

(ChunkerEvaluator) Sentence #8763 from articles/00107757 from sent9

Text  : Giełda w Paryżu odnotowała spadek o 1 , 57 proc .  ,  a  we Frankfurcie -  o  2  ,  20 proc .
Tokens: 1_____ 2 3_____ 4_________ 5_____ 6 7 8 9_ 10__ 11 12 13 14 15_________ 16 17 18 19 20 21__ 22

Chunks:
  TruePositive nam [3,3] = Paryżu
  TruePositive nam [15,15] = Frankfurcie

(ChunkerEvaluator) Sentence #8764 from articles/00107757 from sent10

Text  : Straciła także giełda w Mediolanie ( 2 , 03 proc .  )  ,  Madrycie (  1  ,  66 proc .  )  i  w  Lizbonie (  0  ,  70 proc .  )  .
Tokens: 1_______ 2____ 3_____ 4 5_________ 6 7 8 9_ 10__ 11 12 13 14______ 15 16 17 18 19__ 20 21 22 23 24______ 25 26 27 28 29__ 30 31 32

Chunks:
  TruePositive nam [5,5] = Mediolanie
  TruePositive nam [14,14] = Madrycie
  TruePositive nam [24,24] = Lizbonie

(ChunkerEvaluator) Sentence #8765 from articles/00107757 from sent11

Text  : Giełda w Londynie w poniedziałek nie działa .
Tokens: 1_____ 2 3_______ 4 5___________ 6__ 7_____ 8

Chunks:
  TruePositive nam [3,3] = Londynie

(ChunkerEvaluator) Sentence #8766 from articles/00107757 from sent12

Text  : Spadkiem zakończyły się także notowania na giełdzie tokijskiej , gdzie indeks Nikkei stracił 2  ,  78 proc .  w  związku z  obawami o  przyszłość polityki oszczędności w  Europie .
Tokens: 1_______ 2_________ 3__ 4____ 5________ 6_ 7_______ 8_________ 9 10___ 11____ 12____ 13_____ 14 15 16 17__ 18 19 20_____ 21 22_____ 23 24________ 25______ 26__________ 27 28_____ 29

Chunks:
  TruePositive nam [28,28] = Europie
  FalseNegative nam [12,12] = Nikkei

2016-10-27 14:59:55,950 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 384 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107758.xml
(ChunkerEvaluator) Sentence #8767 from articles/00107758 from sent1

Text  : Do PZPN wpłynęło wystąpienie pokontrolne z ministerstwa sportu
Tokens: 1_ 2___ 3_______ 4__________ 5__________ 6 7___________ 8_____

Chunks:
  TruePositive nam [2,2] = PZPN

(ChunkerEvaluator) Sentence #8768 from articles/00107758 from sent2

Text  : We wtorek do siedziby PZPN wpłynęło wystąpienie pokontrolne z Ministerstwa Sportu i  Turystyki .
Tokens: 1_ 2_____ 3_ 4_______ 5___ 6_______ 7__________ 8__________ 9 10__________ 11____ 12 13_______ 14

Chunks:
  TruePositive nam [5,5] = PZPN
  FalsePositive nam [10,11] = Ministerstwa Sportu
  FalsePositive nam [13,13] = Turystyki
  FalseNegative nam [10,13] = Ministerstwa Sportu i Turystyki

(ChunkerEvaluator) Sentence #8769 from articles/00107758 from sent3

Text  : Resort zarządził kontrolę w grudniu ub . r . w  wyniku doniesień o  możliwych nieprawidłowościach w  piłkarskiej centrali .
Tokens: 1_____ 2________ 3_______ 4 5______ 6_ 7 8 9 10 11____ 12_______ 13 14_______ 15_________________ 16 17_________ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #8770 from articles/00107758 from sent4

Text  : " Właśnie zapoznajemy się z tym pismem i zauważyli śmy pewne niezgodności z  protokołem kontrolnym ,  podpisanym na początku kwietnia przez prezesa Grzegorza Latę ,  w  którym nie stwierdzono żadnych uchybień merytorycznych .
Tokens: 1 2______ 3__________ 4__ 5 6__ 7_____ 8 9________ 10_ 11___ 12__________ 13 14________ 15________ 16 17________ 18 19______ 20______ 21___ 22_____ 23_______ 24__ 25 26 27____ 28_ 29_________ 30_____ 31______ 32____________ 33

Chunks:
  TruePositive nam [23,24] = Grzegorza Latę

(ChunkerEvaluator) Sentence #8771 from articles/00107758 from sent5

Text  : Teraz będziemy to analizować , a na ustosunkowanie się i  odpowiedź mamy 30 dni "  -  powiedziała PAP rzeczniczka PZPN Agnieszka Olejkowska .
Tokens: 1____ 2_______ 3_ 4_________ 5 6 7_ 8_____________ 9__ 10 11_______ 12__ 13 14_ 15 16 17_________ 18_ 19_________ 20__ 21_______ 22________ 23

Chunks:
  TruePositive nam [18,18] = PAP
  FalsePositive nam [20,22] = PZPN Agnieszka Olejkowska
  FalseNegative nam [20,20] = PZPN
  FalseNegative nam [21,22] = Agnieszka Olejkowska

(ChunkerEvaluator) Sentence #8772 from articles/00107758 from sent6

Text  : Ministerstwo rozpoczęło kontrolę w piłkarskim związku 7 grudnia ub .  r  .
Tokens: 1___________ 2_________ 3_______ 4 5_________ 6______ 7 8______ 9_ 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #8773 from articles/00107758 from sent7

Text  : Był to efekt dezyderatu przyjętego kilka dni wcześniej przez sejmową komisję ,  przed którą prezes Grzegorz Lato odpowiadał na pytania o  możliwej korupcji w  PZPN .
Tokens: 1__ 2_ 3____ 4_________ 5_________ 6____ 7__ 8________ 9____ 10_____ 11_____ 12 13___ 14___ 15____ 16______ 17__ 18________ 19 20_____ 21 22______ 23______ 24 25__ 26

Chunks:
  TruePositive nam [16,17] = Grzegorz Lato
  TruePositive nam [25,25] = PZPN

(ChunkerEvaluator) Sentence #8774 from articles/00107758 from sent8

Text  : Kontrola dotyczyła działalności PZPN pod względem zgodności z przepisami prawa i  postanowieniami statutu w  latach 2008 -  2011 .
Tokens: 1_______ 2________ 3___________ 4___ 5__ 6_______ 7________ 8 9_________ 10___ 11 12_____________ 13_____ 14 15____ 16__ 17 18__ 19

Chunks:
  TruePositive nam [4,4] = PZPN

(ChunkerEvaluator) Sentence #8775 from articles/00107758 from sent9

Text  : Burzę wokół związku wywołała publikacja nagrań dokonanych przez byłego sponsora i  działacza PZPN Grzegorza Kulikowskiego ,  który sugerował ,  że były sekretarz generalny Zdzisław Kręcina i  Lato mogli dopuścić się korupcji przy przetargu na budowę nowej siedziby związku .
Tokens: 1____ 2____ 3______ 4_______ 5_________ 6_____ 7_________ 8____ 9_____ 10______ 11 12_______ 13__ 14_______ 15___________ 16 17___ 18_______ 19 20 21__ 22_______ 23_______ 24______ 25_____ 26 27__ 28___ 29______ 30_ 31______ 32__ 33_______ 34 35____ 36___ 37______ 38_____ 39

Chunks:
  TruePositive nam [13,13] = PZPN
  TruePositive nam [14,15] = Grzegorza Kulikowskiego
  TruePositive nam [24,25] = Zdzisław Kręcina
  TruePositive nam [27,27] = Lato

(ChunkerEvaluator) Sentence #8776 from articles/00107758 from sent10

Text  : Obaj temu zaprzeczyli .
Tokens: 1___ 2___ 3__________ 4

Chunks:

2016-10-27 14:59:56,012 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 385 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107759.xml
(ChunkerEvaluator) Sentence #8777 from articles/00107759 from sent1

Text  : Wyniki i tabela IV ligi piłkarskiej
Tokens: 1_____ 2 3_____ 4_ 5___ 6__________

Chunks:

(ChunkerEvaluator) Sentence #8778 from articles/00107759 from sent2

Text  : Małapanew Ozimek - Sudety Burgrabice 4 : 2 , Fortuna Głogówek -  Start Namysłów 2  :  2  ,  OKS Olesno -  Włókniarz II Kietrz 0  :  2  ,  Polonia Głubczyce -  Swornica Czarnowąsy 3  :  3  ,  Śląsk Łubniany -  Victoria Cisek 1  :  3  ,  KS Kędzierzyn -  Koźle -  MKS Gogolin 5  :  1  ,  LKS Kuniów -  Odra II Opole 2  :  1  ,  Polonia Nysa -  Silesius Kotórz Mały 3  :  2  ,  TOR Dobrzeń Wielki -  Hetman Byczyna 0  :  0  .
Tokens: 1________ 2_____ 3 4_____ 5_________ 6 7 8 9 10_____ 11______ 12 13___ 14______ 15 16 17 18 19_ 20____ 21 22_______ 23 24____ 25 26 27 28 29_____ 30_______ 31 32______ 33________ 34 35 36 37 38___ 39______ 40 41______ 42___ 43 44 45 46 47 48________ 49 50___ 51 52_ 53_____ 54 55 56 57 58_ 59____ 60 61__ 62 63___ 64 65 66 67 68_____ 69__ 70 71______ 72____ 73__ 74 75 76 77 78_ 79_____ 80____ 81 82____ 83_____ 84 85 86 87

Chunks:
  TruePositive nam [4,5] = Sudety Burgrabice
  TruePositive nam [19,20] = OKS Olesno
  TruePositive nam [22,24] = Włókniarz II Kietrz
  TruePositive nam [29,30] = Polonia Głubczyce
  TruePositive nam [32,33] = Swornica Czarnowąsy
  TruePositive nam [38,39] = Śląsk Łubniany
  TruePositive nam [41,42] = Victoria Cisek
  TruePositive nam [52,53] = MKS Gogolin
  TruePositive nam [58,59] = LKS Kuniów
  TruePositive nam [78,80] = TOR Dobrzeń Wielki
  TruePositive nam [82,83] = Hetman Byczyna
  FalsePositive nam [2,2] = Ozimek
  FalsePositive nam [10,14] = Fortuna Głogówek - Start Namysłów
  FalsePositive nam [47,50] = KS Kędzierzyn - Koźle
  FalsePositive nam [61,61] = Odra
  FalsePositive nam [63,63] = Opole
  FalsePositive nam [68,73] = Polonia Nysa - Silesius Kotórz Mały
  FalseNegative nam [1,2] = Małapanew Ozimek
  FalseNegative nam [10,11] = Fortuna Głogówek
  FalseNegative nam [13,14] = Start Namysłów
  FalseNegative nam [48,50] = Kędzierzyn - Koźle
  FalseNegative nam [61,63] = Odra II Opole
  FalseNegative nam [68,69] = Polonia Nysa
  FalseNegative nam [71,73] = Silesius Kotórz Mały

2016-10-27 14:59:56,041 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 386 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107760.xml
(ChunkerEvaluator) Sentence #8779 from articles/00107760 from sent1

Text  : Judo .
Tokens: 1___ 2

Chunks:

(ChunkerEvaluator) Sentence #8780 from articles/00107760 from sent2

Text  : Daria Pogorzelec wystąpi na Igrzyskach Olimpijskich !
Tokens: 1____ 2_________ 3______ 4_ 5_________ 6___________ 7

Chunks:
  TruePositive nam [1,2] = Daria Pogorzelec
  TruePositive nam [5,6] = Igrzyskach Olimpijskich

(ChunkerEvaluator) Sentence #8781 from articles/00107760 from sent3

Text  : Daria Pogorzelec ( 78 kg , Wybrzeże Gdańsk ) ,  jako szósta reprezentanta Polski w  judo ,  wystąpi w  olimpijskim turnieju w  Londynie .
Tokens: 1____ 2_________ 3 4_ 5_ 6 7_______ 8_____ 9 10 11__ 12____ 13___________ 14____ 15 16__ 17 18_____ 19 20_________ 21______ 22 23______ 24

Chunks:
  TruePositive nam [1,2] = Daria Pogorzelec
  TruePositive nam [7,8] = Wybrzeże Gdańsk
  TruePositive nam [14,14] = Polski
  TruePositive nam [23,23] = Londynie

(ChunkerEvaluator) Sentence #8782 from articles/00107760 from sent4

Text  : Listę uczestników igrzysk ogłosiła w środę międzynarodowa federacja ( IJF )  .
Tokens: 1____ 2__________ 3______ 4_______ 5 6____ 7_____________ 8________ 9 10_ 11 12

Chunks:
  FalseNegative nam [10,10] = IJF

(ChunkerEvaluator) Sentence #8783 from articles/00107760 from sent5

Text  : Pogorzelec na IO 2012
Tokens: 1_________ 2_ 3_ 4___

Chunks:
  TruePositive nam [1,1] = Pogorzelec
  FalsePositive nam [3,3] = IO
  FalseNegative nam [3,4] = IO 2012

(ChunkerEvaluator) Sentence #8784 from articles/00107760 from sent6

Text  : Daria Pogorzelec dołączy do reprezentacji Polski w judo na Igrzyskach Olimpijskich w  Londynie
Tokens: 1____ 2_________ 3______ 4_ 5____________ 6_____ 7 8___ 9_ 10________ 11__________ 12 13______

Chunks:
  TruePositive nam [1,2] = Daria Pogorzelec
  TruePositive nam [6,6] = Polski
  TruePositive nam [10,11] = Igrzyskach Olimpijskich
  TruePositive nam [13,13] = Londynie

(ChunkerEvaluator) Sentence #8785 from articles/00107760 from sent7

Text  : Daria Pogorzelec jako szósta reprezentanta Polski w judo wystąpi w  olimpijskim turnieju w  Londynie .
Tokens: 1____ 2_________ 3___ 4_____ 5____________ 6_____ 7 8___ 9______ 10 11_________ 12______ 13 14______ 15

Chunks:
  TruePositive nam [1,2] = Daria Pogorzelec
  TruePositive nam [6,6] = Polski
  TruePositive nam [14,14] = Londynie

(ChunkerEvaluator) Sentence #8786 from articles/00107760 from sent8

Text  : Listę uczestników igrzysk ogłosiła w federacja IJF .
Tokens: 1____ 2__________ 3______ 4_______ 5 6________ 7__ 8

Chunks:
  FalseNegative nam [7,7] = IJF

(ChunkerEvaluator) Sentence #8787 from articles/00107760 from sent9

Text  : Pogorzelec ( 78 kg , Wybrzeże Gdańsk ) , jako szósta reprezentanta Polski w  judo wystąpi w  olimpijskim turnieju w  Londynie .
Tokens: 1_________ 2 3_ 4_ 5 6_______ 7_____ 8 9 10__ 11____ 12___________ 13____ 14 15__ 16_____ 17 18_________ 19______ 20 21______ 22

Chunks:
  TruePositive nam [1,1] = Pogorzelec
  TruePositive nam [6,7] = Wybrzeże Gdańsk
  TruePositive nam [13,13] = Polski
  TruePositive nam [21,21] = Londynie

(ChunkerEvaluator) Sentence #8788 from articles/00107760 from sent10

Text  : Listę uczestników igrzysk ogłosiła w środę międzynarodowa federacja ( IJF )  .
Tokens: 1____ 2__________ 3______ 4_______ 5 6____ 7_____________ 8________ 9 10_ 11 12

Chunks:
  FalseNegative nam [10,10] = IJF

(ChunkerEvaluator) Sentence #8789 from articles/00107760 from sent11

Text  : Już wcześniej prawo występu w IO 2012 wywalczyło - na podstawie rankingu -  czworo naszych zawodników :  Tomasz Kowalski (  66 kg ,  AZS Opole )  ,  Tomasz Adamiec (  73 kg ,  Ryś Warszawa )  ,  Janusz Wojnarowicz (  +  100 kg ,  Czarni Bytom )  i  Urszula Sadkowska (  +  78 kg ,  Nippon Olsztyn )  .
Tokens: 1__ 2________ 3____ 4______ 5 6_ 7___ 8_________ 9 10 11_______ 12______ 13 14____ 15_____ 16________ 17 18____ 19______ 20 21 22 23 24_ 25___ 26 27 28____ 29_____ 30 31 32 33 34_ 35______ 36 37 38____ 39_________ 40 41 42_ 43 44 45____ 46___ 47 48 49_____ 50_______ 51 52 53 54 55 56____ 57_____ 58 59

Chunks:
  TruePositive nam [18,19] = Tomasz Kowalski
  TruePositive nam [24,25] = AZS Opole
  TruePositive nam [28,29] = Tomasz Adamiec
  TruePositive nam [34,35] = Ryś Warszawa
  TruePositive nam [38,39] = Janusz Wojnarowicz
  TruePositive nam [45,46] = Czarni Bytom
  TruePositive nam [49,50] = Urszula Sadkowska
  TruePositive nam [56,57] = Nippon Olsztyn
  FalseNegative nam [6,7] = IO 2012

(ChunkerEvaluator) Sentence #8790 from articles/00107760 from sent12

Text  : W niedawnych mistrzostwach Europy kwalifikację zapewniła sobie Katarzyna Kłys (  70 kg ,  Wisła Kraków )  ,  która zdobyła tytuł wicemistrzowski -  podobnie jak Kowalski -  i  awansowała na 14 .  miejsce ,  ostatnie premiowane awansem z  listy światowej .
Tokens: 1 2_________ 3____________ 4_____ 5___________ 6________ 7____ 8________ 9___ 10 11 12 13 14___ 15____ 16 17 18___ 19_____ 20___ 21_____________ 22 23______ 24_ 25______ 26 27 28________ 29 30 31 32_____ 33 34______ 35________ 36_____ 37 38___ 39_______ 40

Chunks:
  TruePositive nam [8,9] = Katarzyna Kłys
  TruePositive nam [14,15] = Wisła Kraków
  TruePositive nam [25,25] = Kowalski
  FalsePositive nam [4,4] = Europy

(ChunkerEvaluator) Sentence #8791 from articles/00107760 from sent13

Text  : Z kolei Pogorzelec bilet na igrzyska wywalczyła na podstawie rankingu europejskiego .
Tokens: 1 2____ 3_________ 4____ 5_ 6_______ 7_________ 8_ 9________ 10______ 11___________ 12

Chunks:
  TruePositive nam [3,3] = Pogorzelec

(ChunkerEvaluator) Sentence #8792 from articles/00107760 from sent14

Text  : - Dwuletni system kwalifikacji sprawił , że startów było bardzo dużo .
Tokens: 1 2_______ 3_____ 4___________ 5______ 6 7_ 8______ 9___ 10____ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #8793 from articles/00107760 from sent15

Text  : Zweryfikowały one możliwości poszczególnych judoków .
Tokens: 1____________ 2__ 3_________ 4_____________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #8794 from articles/00107760 from sent16

Text  : Do Londynu pojadą najmocniejsi w poszczególnych wagach - powiedział Polskiej Agencji Prasowej dyrektor sportowy Polskiego Związku Judo Jarosław Wołowicz .
Tokens: 1_ 2______ 3_____ 4___________ 5 6_____________ 7_____ 8 9_________ 10______ 11_____ 12______ 13______ 14______ 15_______ 16_____ 17__ 18______ 19______ 20

Chunks:
  TruePositive nam [2,2] = Londynu
  TruePositive nam [10,12] = Polskiej Agencji Prasowej
  TruePositive nam [15,17] = Polskiego Związku Judo
  TruePositive nam [18,19] = Jarosław Wołowicz

(ChunkerEvaluator) Sentence #8795 from articles/00107760 from sent17

Text  : W rankingu olimpijskim IJF najwyższą pozycję z Polaków zajął Kowalski -  9  .
Tokens: 1 2_______ 3__________ 4__ 5________ 6______ 7 8______ 9____ 10______ 11 12 13

Chunks:
  TruePositive nam [8,8] = Polaków
  TruePositive nam [10,10] = Kowalski
  FalseNegative nam [4,4] = IJF

(ChunkerEvaluator) Sentence #8796 from articles/00107760 from sent18

Text  : Wojnarowicz był 10 . , Sadkowska - 12 . ,  a  Adamca i  Kłys sklasyfikowano na 14 .  miejscu .
Tokens: 1__________ 2__ 3_ 4 5 6________ 7 8_ 9 10 11 12____ 13 14__ 15____________ 16 17 18 19_____ 20

Chunks:
  TruePositive nam [6,6] = Sadkowska
  TruePositive nam [12,12] = Adamca
  FalseNegative nam [1,1] = Wojnarowicz
  FalseNegative nam [14,14] = Kłys

(ChunkerEvaluator) Sentence #8797 from articles/00107760 from sent19

Text  : Już wcześniej prawo występu w IO 2012 wywalczyło - na podstawie rankingu -  czworo biało -  czerwonych :  Tomasz Kowalski (  66 kg ,  AZS Opole )  ,  Tomasz Adamiec (  73 kg ,  Ryś Warszawa )  ,  Janusz Wojnarowicz (  +  100 kg ,  Czarni Bytom )  i  Urszula Sadkowska (  +  78 kg ,  Nippon Olsztyn )  .
Tokens: 1__ 2________ 3____ 4______ 5 6_ 7___ 8_________ 9 10 11_______ 12______ 13 14____ 15___ 16 17________ 18 19____ 20______ 21 22 23 24 25_ 26___ 27 28 29____ 30_____ 31 32 33 34 35_ 36______ 37 38 39____ 40_________ 41 42 43_ 44 45 46____ 47___ 48 49 50_____ 51_______ 52 53 54 55 56 57____ 58_____ 59 60

Chunks:
  TruePositive nam [19,20] = Tomasz Kowalski
  TruePositive nam [25,26] = AZS Opole
  TruePositive nam [29,30] = Tomasz Adamiec
  TruePositive nam [35,36] = Ryś Warszawa
  TruePositive nam [39,40] = Janusz Wojnarowicz
  TruePositive nam [46,47] = Czarni Bytom
  TruePositive nam [50,51] = Urszula Sadkowska
  TruePositive nam [57,58] = Nippon Olsztyn
  FalseNegative nam [6,7] = IO 2012

(ChunkerEvaluator) Sentence #8798 from articles/00107760 from sent20

Text  : W niedawnych mistrzostwach Europy kwalifikację zapewniła sobie Katarzyna Kłys (  70 kg ,  Wisła Kraków )  ,  która zdobyła tytuł wicemistrzowski -  podobnie jak Kowalski -  i  awansowała na 14 .  miejsce ,  ostatnie premiowane awansem z  listy światowej .
Tokens: 1 2_________ 3____________ 4_____ 5___________ 6________ 7____ 8________ 9___ 10 11 12 13 14___ 15____ 16 17 18___ 19_____ 20___ 21_____________ 22 23______ 24_ 25______ 26 27 28________ 29 30 31 32_____ 33 34______ 35________ 36_____ 37 38___ 39_______ 40

Chunks:
  TruePositive nam [4,4] = Europy
  TruePositive nam [8,9] = Katarzyna Kłys
  TruePositive nam [14,15] = Wisła Kraków
  TruePositive nam [25,25] = Kowalski

(ChunkerEvaluator) Sentence #8799 from articles/00107760 from sent21

Text  : Z kolei Pogorzelec bilet na igrzyska wywalczyła na podstawie rankingu europejskiego .
Tokens: 1 2____ 3_________ 4____ 5_ 6_______ 7_________ 8_ 9________ 10______ 11___________ 12

Chunks:
  TruePositive nam [3,3] = Pogorzelec

(ChunkerEvaluator) Sentence #8800 from articles/00107760 from sent22

Text  : - Dwuletni system kwalifikacji sprawił , że startów było bardzo dużo .
Tokens: 1 2_______ 3_____ 4___________ 5______ 6 7_ 8______ 9___ 10____ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #8801 from articles/00107760 from sent23

Text  : Zweryfikowały one możliwości poszczególnych judoków .
Tokens: 1____________ 2__ 3_________ 4_____________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #8802 from articles/00107760 from sent24

Text  : Do Londynu pojadą najmocniejsi w poszczególnych wagach - powiedział Polskiej Agencji Prasowej dyrektor sportowy Polskiego Związku Judo Jarosław Wołowicz .
Tokens: 1_ 2______ 3_____ 4___________ 5 6_____________ 7_____ 8 9_________ 10______ 11_____ 12______ 13______ 14______ 15_______ 16_____ 17__ 18______ 19______ 20

Chunks:
  TruePositive nam [2,2] = Londynu
  TruePositive nam [10,12] = Polskiej Agencji Prasowej
  TruePositive nam [15,17] = Polskiego Związku Judo
  TruePositive nam [18,19] = Jarosław Wołowicz

(ChunkerEvaluator) Sentence #8803 from articles/00107760 from sent25

Text  : W rankingu olimpijskim IJF najwyższą pozycję z Polaków zajął Kowalski -  9  .
Tokens: 1 2_______ 3__________ 4__ 5________ 6______ 7 8______ 9____ 10______ 11 12 13

Chunks:
  TruePositive nam [8,8] = Polaków
  TruePositive nam [10,10] = Kowalski
  FalseNegative nam [4,4] = IJF

(ChunkerEvaluator) Sentence #8804 from articles/00107760 from sent26

Text  : Wojnarowicz był 10 . , Sadkowska - 12 . ,  a  Adamca i  Kłys sklasyfikowano na 14 .  miejscu .
Tokens: 1__________ 2__ 3_ 4 5 6________ 7 8_ 9 10 11 12____ 13 14__ 15____________ 16 17 18 19_____ 20

Chunks:
  TruePositive nam [6,6] = Sadkowska
  TruePositive nam [12,12] = Adamca
  FalseNegative nam [1,1] = Wojnarowicz
  FalseNegative nam [14,14] = Kłys

2016-10-27 14:59:56,178 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 387 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107761.xml
(ChunkerEvaluator) Sentence #8805 from articles/00107761 from sent1

Text  : Nowy okap wyspowy firmy Samsung
Tokens: 1___ 2___ 3______ 4____ 5______

Chunks:
  TruePositive nam [5,5] = Samsung

(ChunkerEvaluator) Sentence #8806 from articles/00107761 from sent2

Text  : Wyspa to coraz częściej wykorzystywane rozwiązanie w aranżacji wnętrza nowoczesnej kuchni .
Tokens: 1____ 2_ 3____ 4_______ 5_____________ 6__________ 7 8________ 9______ 10_________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #8807 from articles/00107761 from sent3

Text  : To doskonałe miejsce uzupełniające zabudowę o dodatkowy blat do pracy i  schowki .
Tokens: 1_ 2________ 3______ 4____________ 5_______ 6 7________ 8___ 9_ 10___ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8808 from articles/00107761 from sent4

Text  : W kuchni połączonej z salonem wyspa w atrakcyjny sposób wydziela strefy o  różnym przeznaczeniu oraz staje się idealnym miejscem na kulinarne przygody .
Tokens: 1 2_____ 3_________ 4 5______ 6____ 7 8_________ 9_____ 10______ 11____ 12 13____ 14___________ 15__ 16___ 17_ 18______ 19______ 20 21_______ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #8809 from articles/00107761 from sent5

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #8810 from articles/00107761 from sent6

Text  : Wyspa to coraz częściej wykorzystywane rozwiązanie w aranżacji wnętrza nowoczesnej kuchni .
Tokens: 1____ 2_ 3____ 4_______ 5_____________ 6__________ 7 8________ 9______ 10_________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #8811 from articles/00107761 from sent7

Text  : To doskonałe miejsce uzupełniające zabudowę o dodatkowy blat do pracy i  schowki .
Tokens: 1_ 2________ 3______ 4____________ 5_______ 6 7________ 8___ 9_ 10___ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8812 from articles/00107761 from sent8

Text  : W kuchni połączonej z salonem wyspa w atrakcyjny sposób wydziela strefy o  różnym przeznaczeniu oraz staje się idealnym miejscem na kulinarne przygody .
Tokens: 1 2_____ 3_________ 4 5______ 6____ 7 8_________ 9_____ 10______ 11____ 12 13____ 14___________ 15__ 16___ 17_ 18______ 19______ 20 21_______ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #8813 from articles/00107761 from sent9

Text  : Samsung wychodzi więc naprzeciw oczekiwaniom swoich konsumentów i do swojej oferty wprowadza okap wyspowy .
Tokens: 1______ 2_______ 3___ 4________ 5___________ 6_____ 7__________ 8 9_ 10____ 11____ 12_______ 13__ 14_____ 15

Chunks:
  FalseNegative nam [1,1] = Samsung

(ChunkerEvaluator) Sentence #8814 from articles/00107761 from sent10

Text  : Model HDC9B90UX pozwoli szybko i skutecznie pozbyć się intensywnych zapachów i  oparów ,  a  także będzie atrakcyjnym elementem wyposażenia .
Tokens: 1____ 2________ 3______ 4_____ 5 6_________ 7_____ 8__ 9___________ 10______ 11 12____ 13 14 15___ 16____ 17_________ 18_______ 19_________ 20

Chunks:
  TruePositive nam [2,2] = HDC9B90UX

(ChunkerEvaluator) Sentence #8815 from articles/00107761 from sent11

Text  : Adaptacja wyspy kuchennej często wymaga niestandardowych rozwiązań .
Tokens: 1________ 2____ 3________ 4_____ 5_____ 6_______________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8816 from articles/00107761 from sent12

Text  : Możemy na niej zainstalować takie urządzenia do zabudowy jak płyta indukcyjna ,  czy płyta gazowa .
Tokens: 1_____ 2_ 3___ 4___________ 5____ 6_________ 7_ 8_______ 9__ 10___ 11________ 12 13_ 14___ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #8817 from articles/00107761 from sent13

Text  : Jednak każde stanowisko do gotowania wymaga okapu .
Tokens: 1_____ 2____ 3_________ 4_ 5________ 6_____ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #8818 from articles/00107761 from sent14

Text  : W przypadku wyspy potrzebny jest specjalny okap , który mocowany jest do sufitu .
Tokens: 1 2________ 3____ 4________ 5___ 6________ 7___ 8 9____ 10______ 11__ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #8819 from articles/00107761 from sent15

Text  : Tak wyeksponowany sprzęt w kuchni powinien łączyć w sobie atrakcyjny wygląd i  funkcjonalność .
Tokens: 1__ 2____________ 3_____ 4 5_____ 6_______ 7_____ 8 9____ 10________ 11____ 12 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #8820 from articles/00107761 from sent16

Text  : Nowy okap marki Samsung zawdzięcza swoją elegancką stylistykę trwałemu wykończeniu ze stali nierdzewnej .
Tokens: 1___ 2___ 3____ 4______ 5_________ 6____ 7________ 8_________ 9_______ 10_________ 11 12___ 13_________ 14

Chunks:
  TruePositive nam [4,4] = Samsung

(ChunkerEvaluator) Sentence #8821 from articles/00107761 from sent17

Text  : Model HDC9B90UX został wyposażony w dotykowy panel i niebieski wyświetlacz LED ,  ułatwiające sterowanie urządzeniem .
Tokens: 1____ 2________ 3_____ 4_________ 5 6_______ 7____ 8 9________ 10_________ 11_ 12 13_________ 14________ 15_________ 16

Chunks:
  TruePositive nam [2,2] = HDC9B90UX
  TruePositive nam [11,11] = LED

(ChunkerEvaluator) Sentence #8822 from articles/00107761 from sent18

Text  : Miejsce pracy na wyspie oświetlą żarówki halogenowe , które emitują jasne ,  naturalnie wyglądające światło .
Tokens: 1______ 2____ 3_ 4_____ 5_______ 6______ 7_________ 8 9____ 10_____ 11___ 12 13________ 14_________ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #8823 from articles/00107761 from sent19

Text  : Nowoczesne rozwiązania zastosowane w okapie , oraz jego cicha i  wydajna praca są gwarancją skuteczności w  oczyszczaniu powietrza .
Tokens: 1_________ 2__________ 3__________ 4 5_____ 6 7___ 8___ 9____ 10 11_____ 12___ 13 14_______ 15__________ 16 17__________ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #8824 from articles/00107761 from sent20

Text  : Na wysoką funkcjonalność modelu Samsung HDC9B90UX , wpływają specjalne węglowe i  aluminiowe filtry ,  które zatrzymują zanieczyszczenia i  tłuszcz i  pomagają utrzymać kuchnię w  czystości .
Tokens: 1_ 2_____ 3_____________ 4_____ 5______ 6________ 7 8_______ 9________ 10_____ 11 12________ 13____ 14 15___ 16________ 17______________ 18 19_____ 20 21______ 22______ 23_____ 24 25_______ 26

Chunks:
  FalsePositive nam [5,6] = Samsung HDC9B90UX
  FalseNegative nam [5,5] = Samsung
  FalseNegative nam [6,6] = HDC9B90UX

(ChunkerEvaluator) Sentence #8825 from articles/00107761 from sent21

Text  : Oferowane w okapie cztery opcje prędkości wentylacji , umożliwiają eliminację zapachów ,  pary i  dymu ,  powstających podczas gotowania nawet kilku potraw jednocześnie .
Tokens: 1________ 2 3_____ 4_____ 5____ 6________ 7_________ 8 9__________ 10________ 11______ 12 13__ 14 15__ 16 17__________ 18_____ 19_______ 20___ 21___ 22____ 23__________ 24

Chunks:

(ChunkerEvaluator) Sentence #8826 from articles/00107761 from sent22

Text  : Dodatkowo , funkcja Booster pozwala na natychmiastowe osiągnięcie maksymalnej wydajności działającego wyciągu .
Tokens: 1________ 2 3______ 4______ 5______ 6_ 7_____________ 8__________ 9__________ 10________ 11__________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8827 from articles/00107761 from sent23

Text  : Ponadto opcja AirClean uruchamia okap automatycznie , co godzinę na 10 minut na minimalnej prędkości ,  dzięki czemu powietrze w  kuchni jest zawsze czyste i  świeże .
Tokens: 1______ 2____ 3_______ 4________ 5___ 6____________ 7 8_ 9______ 10 11 12___ 13 14________ 15_______ 16 17____ 18___ 19_______ 20 21____ 22__ 23____ 24____ 25 26____ 27

Chunks:
  FalsePositive nam [3,3] = AirClean

(ChunkerEvaluator) Sentence #8828 from articles/00107761 from sent24

Text  : Sugerowana cena detaliczna : 2 899 zł .
Tokens: 1_________ 2___ 3_________ 4 5 6__ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

2016-10-27 14:59:56,289 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 388 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107762.xml
(ChunkerEvaluator) Sentence #8829 from articles/00107762 from sent1

Text  : Niemiecka ekipa na Euro odwiedzi Auschwitz - Birkenau
Tokens: 1________ 2____ 3_ 4___ 5_______ 6________ 7 8_______

Chunks:
  TruePositive nam [4,4] = Euro
  TruePositive nam [6,8] = Auschwitz - Birkenau

(ChunkerEvaluator) Sentence #8830 from articles/00107762 from sent2

Text  : Niemieccy piłkarze oddadzą hołd ofiarom Holokaustu , odwiedzając przed pierwszym meczem mistrzostw Europy Muzeum Auschwitz -  Birkenau -  poinformował prezes federacji (  DFB )  Wolfgang Niersbach .
Tokens: 1________ 2_______ 3______ 4___ 5______ 6_________ 7 8__________ 9____ 10_______ 11____ 12________ 13____ 14____ 15_______ 16 17______ 18 19__________ 20____ 21_______ 22 23_ 24 25______ 26_______ 27

Chunks:
  TruePositive nam [6,6] = Holokaustu
  TruePositive nam [25,26] = Wolfgang Niersbach
  FalsePositive nam [13,17] = Europy Muzeum Auschwitz - Birkenau
  FalseNegative nam [13,13] = Europy
  FalseNegative nam [14,17] = Muzeum Auschwitz - Birkenau
  FalseNegative nam [23,23] = DFB

(ChunkerEvaluator) Sentence #8831 from articles/00107762 from sent3

Text  : W Gdańsku drużyna zamelduje się 4 czerwca .
Tokens: 1 2______ 3______ 4________ 5__ 6 7______ 8

Chunks:
  TruePositive nam [2,2] = Gdańsku

(ChunkerEvaluator) Sentence #8832 from articles/00107762 from sent4

Text  : - Nad wizytą w Auschwitz zastanawiali śmy się już w  ubiegłym roku .
Tokens: 1 2__ 3_____ 4 5________ 6___________ 7__ 8__ 9__ 10 11______ 12__ 13

Chunks:
  TruePositive nam [5,5] = Auschwitz

(ChunkerEvaluator) Sentence #8833 from articles/00107762 from sent5

Text  : Przed pierwszym spotkaniem grupowym delegacja , w której będą też gracze ,  pojedzie do byłego obozu koncentracyjnego w  Auschwitz -  powiedział Niersbach w  wywiadzie dla "  Sport Bildu "  .
Tokens: 1____ 2________ 3_________ 4_______ 5________ 6 7 8_____ 9___ 10_ 11____ 12 13______ 14 15____ 16___ 17______________ 18 19_______ 20 21________ 22_______ 23 24_______ 25_ 26 27___ 28___ 29 30

Chunks:
  TruePositive nam [19,19] = Auschwitz
  TruePositive nam [27,28] = Sport Bildu
  FalseNegative nam [22,22] = Niersbach

(ChunkerEvaluator) Sentence #8834 from articles/00107762 from sent6

Text  : Z materiału wynika , że kilku zawodników wyraziło zainteresowanie udziałem w  wyjeździe ,  ale nadal trwają poszukiwania dogodnego terminu .
Tokens: 1 2________ 3_____ 4 5_ 6____ 7_________ 8_______ 9______________ 10______ 11 12_______ 13 14_ 15___ 16____ 17__________ 18_______ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #8835 from articles/00107762 from sent7

Text  : Według gazety , drużyna narodowa Niemiec chce oddać hołd ofiarom w  "  ciszy i  bez większego rozgłosu "  .
Tokens: 1_____ 2_____ 3 4______ 5_______ 6______ 7___ 8____ 9___ 10_____ 11 12 13___ 14 15_ 16_______ 17______ 18 19

Chunks:
  TruePositive nam [6,6] = Niemiec

(ChunkerEvaluator) Sentence #8836 from articles/00107762 from sent8

Text  : Niemcy zainaugurują występy w Euro - 2012 meczem z Portugalczykami 9  czerwca we Lwowie .
Tokens: 1_____ 2___________ 3______ 4 5___ 6 7___ 8_____ 9 10_____________ 11 12_____ 13 14____ 15

Chunks:
  TruePositive nam [1,1] = Niemcy
  TruePositive nam [5,7] = Euro - 2012
  TruePositive nam [10,10] = Portugalczykami
  TruePositive nam [14,14] = Lwowie

(ChunkerEvaluator) Sentence #8837 from articles/00107762 from sent9

Text  : Ekipa trenera Joachima Loewa w hotelu Dwór Oliwski w Gdańsku -  Oliwie ,  który będzie jej bazą podczas turnieju ,  zamelduje się 4  czerwca .
Tokens: 1____ 2______ 3_______ 4____ 5 6_____ 7___ 8______ 9 10_____ 11 12____ 13 14___ 15____ 16_ 17__ 18_____ 19______ 20 21_______ 22_ 23 24_____ 25

Chunks:
  TruePositive nam [3,4] = Joachima Loewa
  TruePositive nam [7,8] = Dwór Oliwski
  TruePositive nam [10,12] = Gdańsku - Oliwie

2016-10-27 14:59:56,339 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 389 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107763.xml
(ChunkerEvaluator) Sentence #8838 from articles/00107763 from sent1

Text  : MŚ w hokeju - USA - Białoruś 5 : 3
Tokens: 1_ 2 3_____ 4 5__ 6 7_______ 8 9 10

Chunks:
  TruePositive nam [5,5] = USA
  TruePositive nam [7,7] = Białoruś
  FalseNegative nam [1,1] = MŚ

(ChunkerEvaluator) Sentence #8839 from articles/00107763 from sent2

Text  : Stany Zjednoczone pokonały w Helsinkach Białoruś 5 : 3 (  2  :  1  ,  1  :  1  ,  2  :  1  )  w  mistrzostwach świata elity w  hokeju na lodzie .
Tokens: 1____ 2__________ 3_______ 4 5_________ 6_______ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24___________ 25____ 26___ 27 28____ 29 30____ 31

Chunks:
  TruePositive nam [1,2] = Stany Zjednoczone
  TruePositive nam [5,5] = Helsinkach
  TruePositive nam [6,6] = Białoruś

(ChunkerEvaluator) Sentence #8840 from articles/00107763 from sent3

Text  : Wieczorem , w drugim meczu grupy A Finlandia zmierzy się z  Francją .
Tokens: 1________ 2 3 4_____ 5____ 6____ 7 8________ 9______ 10_ 11 12_____ 13

Chunks:
  TruePositive nam [8,8] = Finlandia
  TruePositive nam [12,12] = Francją

(ChunkerEvaluator) Sentence #8841 from articles/00107763 from sent4

Text  : Współgospodarzem imprezy jest Sztokholm , gdzie rywalizuje grupa B .
Tokens: 1_______________ 2______ 3___ 4________ 5 6____ 7_________ 8____ 9 10

Chunks:
  TruePositive nam [4,4] = Sztokholm

(ChunkerEvaluator) Sentence #8842 from articles/00107763 from sent5

Text  : USA - Białoruś 5 : 3 ( 2 : 1  ,  1  :  1  ,  2  :  1  )
Tokens: 1__ 2 3_______ 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

Chunks:
  TruePositive nam [1,1] = USA
  TruePositive nam [3,3] = Białoruś

(ChunkerEvaluator) Sentence #8843 from articles/00107763 from sent6

Text  : Bramki : dla USA - Justin Abdelkader ( 2 )  ,  Cam Atkinson (  7  )  ,  Nate Thompson (  39 )  ,  Bobby Ryan (  53 )  ,  Paul Stastny (  56 )  ;  dla Białorusi -  Aljaksej Kaljużny (  17 )  ,  Aljaksej Uharau (  23 )  ,  Jauhen Kawyrszin (  60 )  .
Tokens: 1_____ 2 3__ 4__ 5 6_____ 7_________ 8 9 10 11 12_ 13______ 14 15 16 17 18__ 19______ 20 21 22 23 24___ 25__ 26 27 28 29 30__ 31_____ 32 33 34 35 36_ 37_______ 38 39______ 40______ 41 42 43 44 45______ 46____ 47 48 49 50 51____ 52_______ 53 54 55 56

Chunks:
  TruePositive nam [4,4] = USA
  TruePositive nam [6,7] = Justin Abdelkader
  TruePositive nam [12,13] = Cam Atkinson
  TruePositive nam [18,19] = Nate Thompson
  TruePositive nam [24,25] = Bobby Ryan
  TruePositive nam [30,31] = Paul Stastny
  TruePositive nam [37,37] = Białorusi
  TruePositive nam [39,40] = Aljaksej Kaljużny
  TruePositive nam [45,46] = Aljaksej Uharau
  TruePositive nam [51,52] = Jauhen Kawyrszin
  FalsePositive nam [1,1] = Bramki

(ChunkerEvaluator) Sentence #8844 from articles/00107763 from sent7

Text  : Kary : USA - 22 min ; Białoruś - 16 min .
Tokens: 1___ 2 3__ 4 5_ 6__ 7 8_______ 9 10 11_ 12

Chunks:
  TruePositive nam [3,3] = USA
  TruePositive nam [8,8] = Białoruś
  FalsePositive nam [1,1] = Kary

2016-10-27 14:59:56,378 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 390 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107764.xml
(ChunkerEvaluator) Sentence #8845 from articles/00107764 from sent1

Text  : Grecja pogrąża Europę
Tokens: 1_____ 2______ 3_____

Chunks:
  TruePositive nam [1,1] = Grecja
  TruePositive nam [3,3] = Europę

(ChunkerEvaluator) Sentence #8846 from articles/00107764 from sent2

Text  : W czwartek 10 maja Grecja otrzymała kolejną ratę z Europejskiego Funduszu Stabilności Finansowej -  4  ,  2  mld euro .
Tokens: 1 2_______ 3_ 4___ 5_____ 6________ 7______ 8___ 9 10___________ 11______ 12_________ 13________ 14 15 16 17 18_ 19__ 20

Chunks:
  TruePositive nam [5,5] = Grecja
  TruePositive nam [10,13] = Europejskiego Funduszu Stabilności Finansowej
  TruePositive nam [19,19] = euro

(ChunkerEvaluator) Sentence #8847 from articles/00107764 from sent3

Text  : Następny miliard będzie wypłacony „ w razie potrzeby ” .
Tokens: 1_______ 2______ 3_____ 4________ 5 6 7____ 8_______ 9 10

Chunks:

(ChunkerEvaluator) Sentence #8848 from articles/00107764 from sent4

Text  : To znak , że politycy europejscy nie przyjmują do wiadomości niewygodnych dla siebie faktów i  wyrzucają w  błoto miliardy podatników .
Tokens: 1_ 2___ 3 4_ 5_______ 6_________ 7__ 8________ 9_ 10________ 11__________ 12_ 13____ 14____ 15 16_______ 17 18___ 19______ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #8849 from articles/00107764 from sent5

Text  : Wybory w Grecji , które odbyły się 6 maja ,  były nierozstrzygnięte .
Tokens: 1_____ 2 3_____ 4 5____ 6_____ 7__ 8 9___ 10 11__ 12_______________ 13

Chunks:
  TruePositive nam [3,3] = Grecji

(ChunkerEvaluator) Sentence #8850 from articles/00107764 from sent6

Text  : Niewielką przewagę osiągnęły partie przeciwne programowi naprawy finansów publicznych ,  który poprzednie dwa rządy wynegocjowały z  Unią Europejską i  MFW w  zamian za fundusz ratunkowy -  174 mld euro -  bez którego finanse tego kraju by się załamały .
Tokens: 1________ 2_______ 3________ 4_____ 5________ 6_________ 7______ 8_______ 9__________ 10 11___ 12________ 13_ 14___ 15___________ 16 17__ 18________ 19 20_ 21 22____ 23 24_____ 25_______ 26 27_ 28_ 29__ 30 31_ 32_____ 33_____ 34__ 35___ 36 37_ 38______ 39

Chunks:
  TruePositive nam [17,18] = Unią Europejską
  TruePositive nam [20,20] = MFW
  TruePositive nam [29,29] = euro

(ChunkerEvaluator) Sentence #8851 from articles/00107764 from sent7

Text  : Ale rządu prawdopodobnie nie da się utworzyć i w czerwcu odbędą się kolejne wybory .
Tokens: 1__ 2____ 3_____________ 4__ 5_ 6__ 7_______ 8 9 10_____ 11____ 12_ 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #8852 from articles/00107764 from sent8

Text  : Uwolnienie transzy pomocy będzie dla wyborców sygnałem , że Europa pęka przed oporem Greków .
Tokens: 1_________ 2______ 3_____ 4_____ 5__ 6_______ 7_______ 8 9_ 10____ 11__ 12___ 13____ 14____ 15

Chunks:
  TruePositive nam [10,10] = Europa
  TruePositive nam [14,14] = Greków

(ChunkerEvaluator) Sentence #8853 from articles/00107764 from sent9

Text  : Po ogłoszeniu wyników wyborów Charles Dallara , szef Instytutu Międzynarodowych Finansów ,  który reprezentuje prywatnych wierzycieli Grecji ,  stwierdził ,  że powinno to skłonić liderów europejskich do zmiękczenia stanowiska wobec Grecji .
Tokens: 1_ 2_________ 3______ 4______ 5______ 6______ 7 8___ 9________ 10______________ 11______ 12 13___ 14__________ 15________ 16_________ 17____ 18 19________ 20 21 22_____ 23 24_____ 25_____ 26__________ 27 28_________ 29________ 30___ 31____ 32

Chunks:
  TruePositive nam [5,6] = Charles Dallara
  TruePositive nam [17,17] = Grecji
  TruePositive nam [31,31] = Grecji
  FalsePositive nam [10,11] = Międzynarodowych Finansów
  FalseNegative nam [9,11] = Instytutu Międzynarodowych Finansów

(ChunkerEvaluator) Sentence #8854 from articles/00107764 from sent10

Text  : Krótko mówiąc - Dallara radzi , by europejscy podatnicy okazali się bardziej hojni dla Greków i  dla .  .  .  prywatnych banków ,  które Grecji pożyczały .
Tokens: 1_____ 2_____ 3 4______ 5____ 6 7_ 8_________ 9________ 10_____ 11_ 12______ 13___ 14_ 15____ 16 17_ 18 19 20 21________ 22____ 23 24___ 25____ 26_______ 27

Chunks:
  TruePositive nam [15,15] = Greków
  TruePositive nam [25,25] = Grecji
  FalseNegative nam [4,4] = Dallara

(ChunkerEvaluator) Sentence #8855 from articles/00107764 from sent11

Text  : Ale niezależnie od hojności podatników europejskich , których nikt o  zdanie nie pyta ,  bo decyzję podejmują za nich politycy ,  dotychczasowa polityka wobec Grecji wyczerpała się .
Tokens: 1__ 2__________ 3_ 4_______ 5_________ 6___________ 7 8______ 9___ 10 11____ 12_ 13__ 14 15 16_____ 17_______ 18 19__ 20______ 21 22___________ 23______ 24___ 25____ 26________ 27_ 28

Chunks:
  TruePositive nam [25,25] = Grecji

(ChunkerEvaluator) Sentence #8856 from articles/00107764 from sent12

Text  : Politykę tę narzuciła Angela Merkel , kanclerz Niemiec , kraju w  największym stopniu partycypującym w  tworzeniu Europejskiego Funduszu Stabilności Finansowej .
Tokens: 1_______ 2_ 3________ 4_____ 5_____ 6 7_______ 8______ 9 10___ 11 12_________ 13_____ 14____________ 15 16_______ 17___________ 18______ 19_________ 20________ 21

Chunks:
  TruePositive nam [4,5] = Angela Merkel
  TruePositive nam [8,8] = Niemiec
  TruePositive nam [17,20] = Europejskiego Funduszu Stabilności Finansowej

(ChunkerEvaluator) Sentence #8857 from articles/00107764 from sent13

Text  : Można ją streścić w trzech punktach :
Tokens: 1____ 2_ 3_______ 4 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #8858 from articles/00107764 from sent14

Text  : 1 ) Bankrutujące kraje otrzymają pomoc od tych , których finanse są w  lepszym stanie .
Tokens: 1 2 3___________ 4____ 5________ 6____ 7_ 8___ 9 10_____ 11_____ 12 13 14_____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #8859 from articles/00107764 from sent15

Text  : 2 ) Bankruci naprawią swoje finanse i przeprowadzą reformy ,  które pozwolą ich gospodarkom szybciej rosnąć .
Tokens: 1 2 3_______ 4_______ 5____ 6______ 7 8___________ 9______ 10 11___ 12_____ 13_ 14_________ 15______ 16____ 17

Chunks:
  FalsePositive nam [3,3] = Bankruci

(ChunkerEvaluator) Sentence #8860 from articles/00107764 from sent16

Text  : 3 ) Kraje strefy euro zobowiążą się prowadzić bardziej zdyscyplinowana politykę finansową ,  zawierając tzw .  pakt fiskalny .
Tokens: 1 2 3____ 4_____ 5___ 6________ 7__ 8________ 9_______ 10_____________ 11______ 12_______ 13 14________ 15_ 16 17__ 18______ 19

Chunks:
  FalsePositive nam [5,5] = euro
  FalseNegative nam [4,5] = strefy euro

(ChunkerEvaluator) Sentence #8861 from articles/00107764 from sent17

Text  : Wyniki wyborów w Grecji i Francji pokazują , że plan Angeli Merkel się załamał .
Tokens: 1_____ 2______ 3 4_____ 5 6______ 7_______ 8 9_ 10__ 11____ 12____ 13_ 14_____ 15

Chunks:
  TruePositive nam [4,4] = Grecji
  TruePositive nam [6,6] = Francji
  TruePositive nam [11,12] = Angeli Merkel

(ChunkerEvaluator) Sentence #8862 from articles/00107764 from sent18

Text  : Dziś wcale nie jest pewne , czy wszystkie kraje strefy euro ratyfikują pakt fiskalny .
Tokens: 1___ 2____ 3__ 4___ 5____ 6 7__ 8________ 9____ 10____ 11__ 12________ 13__ 14______ 15

Chunks:
  FalsePositive nam [11,11] = euro
  FalseNegative nam [10,11] = strefy euro

(ChunkerEvaluator) Sentence #8863 from articles/00107764 from sent19

Text  : Problem w tym , że nie ma innego pomysłu na wyjście z  kryzysu zadłużenia Grecji i  kilku krajów południowej Europy .
Tokens: 1______ 2 3__ 4 5_ 6__ 7_ 8_____ 9______ 10 11_____ 12 13_____ 14________ 15____ 16 17___ 18____ 19_________ 20____ 21

Chunks:
  TruePositive nam [15,15] = Grecji
  TruePositive nam [20,20] = Europy

(ChunkerEvaluator) Sentence #8864 from articles/00107764 from sent20

Text  : Po tym jak Grecy powiedzieli Europie „ nie ” ,  przywódcy europejscy powinni natychmiast się spotkać na nadzwyczajnym szczycie i  uzgodnić stanowisko .
Tokens: 1_ 2__ 3__ 4____ 5__________ 6______ 7 8__ 9 10 11_______ 12________ 13_____ 14_________ 15_ 16_____ 17 18___________ 19______ 20 21______ 22________ 23

Chunks:
  TruePositive nam [4,4] = Grecy
  TruePositive nam [6,6] = Europie

(ChunkerEvaluator) Sentence #8865 from articles/00107764 from sent21

Text  : Ale Francja , główny partner Niemiec , jest na rozdrożu ,  więc nie ma komu podejmować decyzji .
Tokens: 1__ 2______ 3 4_____ 5______ 6______ 7 8___ 9_ 10______ 11 12__ 13_ 14 15__ 16________ 17_____ 18

Chunks:
  TruePositive nam [2,2] = Francja
  TruePositive nam [6,6] = Niemiec

(ChunkerEvaluator) Sentence #8866 from articles/00107764 from sent22

Text  : Europa jak nigdy jeszcze dotąd odczuwa brak spójnego przywództwa .
Tokens: 1_____ 2__ 3____ 4______ 5____ 6______ 7___ 8_______ 9__________ 10

Chunks:
  TruePositive nam [1,1] = Europa

(ChunkerEvaluator) Sentence #8867 from articles/00107764 from sent23

Text  : Jej politycy nie po raz pierwszy chowają głowę w piasek ,  udając ,  że nic się nie stało .
Tokens: 1__ 2_______ 3__ 4_ 5__ 6_______ 7______ 8____ 9 10____ 11 12____ 13 14 15_ 16_ 17_ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #8868 from articles/00107764 from sent24

Text  : Być może mają nadzieję na cud , na to ,  że Grecy w  kolejnych wyborach opowiedzą się za reformami .
Tokens: 1__ 2___ 3___ 4_______ 5_ 6__ 7 8_ 9_ 10 11 12___ 13 14_______ 15______ 16_______ 17_ 18 19_______ 20

Chunks:
  TruePositive nam [12,12] = Grecy

(ChunkerEvaluator) Sentence #8869 from articles/00107764 from sent25

Text  : Na taki scenariusz postawili 5 mld euro .
Tokens: 1_ 2___ 3_________ 4________ 5 6__ 7___ 8

Chunks:
  TruePositive nam [7,7] = euro

(ChunkerEvaluator) Sentence #8870 from articles/00107764 from sent26

Text  : To kupowanie czasu kosztować będzie coraz więcej , przybliżając katastrofę całej strefy euro i  Unii Europejskiej .
Tokens: 1_ 2________ 3____ 4________ 5_____ 6____ 7_____ 8 9___________ 10________ 11___ 12____ 13__ 14 15__ 16__________ 17

Chunks:
  TruePositive nam [15,16] = Unii Europejskiej
  FalsePositive nam [13,13] = euro
  FalseNegative nam [12,13] = strefy euro

(ChunkerEvaluator) Sentence #8871 from articles/00107764 from sent27

Text  : Grecja to mały , 10 - milionowy kraj , który nie jest niezbędny dla funkcjonowania strefy euro .
Tokens: 1_____ 2_ 3___ 4 5_ 6 7________ 8___ 9 10___ 11_ 12__ 13_______ 14_ 15____________ 16____ 17__ 18

Chunks:
  TruePositive nam [1,1] = Grecja
  FalsePositive nam [17,17] = euro
  FalseNegative nam [16,17] = strefy euro

(ChunkerEvaluator) Sentence #8872 from articles/00107764 from sent28

Text  : Ci , którzy użalają się nad biednymi Grekami , którym Europa chciała odebrać przywileje socjalne ,  powinni spojrzeć na Łotwę ,  której premier Valdis Dombrovskis mówił niedawno w  wywiadzie dla „  Rzeczpospolitej ”  :  „  Najważniejsze było wprowadzenie restrykcyjnych metod obniżania deficytu ,  tak by uzyskać równowagę w  finansach publicznych .
Tokens: 1_ 2 3_____ 4______ 5__ 6__ 7_______ 8______ 9 10____ 11____ 12_____ 13_____ 14________ 15______ 16 17_____ 18______ 19 20___ 21 22____ 23_____ 24____ 25_________ 26___ 27______ 28 29_______ 30_ 31 32_____________ 33 34 35 36___________ 37__ 38__________ 39____________ 40___ 41_______ 42______ 43 44_ 45 46_____ 47_______ 48 49_______ 50_________ 51

Chunks:
  TruePositive nam [8,8] = Grekami
  TruePositive nam [11,11] = Europa
  TruePositive nam [20,20] = Łotwę
  TruePositive nam [24,25] = Valdis Dombrovskis
  TruePositive nam [32,32] = Rzeczpospolitej

(ChunkerEvaluator) Sentence #8873 from articles/00107764 from sent29

Text  : Przeprowadzili śmy to szybko , co pomogło przywrócić stabilizację i  wzrost gospodarczy .
Tokens: 1_____________ 2__ 3_ 4_____ 5 6_ 7______ 8_________ 9___________ 10 11____ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #8874 from articles/00107764 from sent30

Text  : W innych krajach , np . w Grecji , widzimy próby zwlekania z  oszczędzaniem .
Tokens: 1 2_____ 3______ 4 5_ 6 7 8_____ 9 10_____ 11___ 12_______ 13 14___________ 15

Chunks:
  TruePositive nam [8,8] = Grecji

(ChunkerEvaluator) Sentence #8875 from articles/00107764 from sent31

Text  : Kraje takie nie odzyskują stabilności finansowej i bardziej popadają w  recesję .
Tokens: 1____ 2____ 3__ 4________ 5__________ 6_________ 7 8_______ 9_______ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #8876 from articles/00107764 from sent32

Text  : A stabilność jest warunkiem wstępnym wzrostu gospodarczego ” .
Tokens: 1 2_________ 3___ 4________ 5_______ 6______ 7____________ 8 9

Chunks:

(ChunkerEvaluator) Sentence #8877 from articles/00107764 from sent33

Text  : Łotwa przed trzema laty była w równie złej sytuacji co dziś Grecja .
Tokens: 1____ 2____ 3_____ 4___ 5___ 6 7_____ 8___ 9_______ 10 11__ 12____ 13

Chunks:
  TruePositive nam [1,1] = Łotwa
  TruePositive nam [12,12] = Grecja

(ChunkerEvaluator) Sentence #8878 from articles/00107764 from sent34

Text  : Przed tygodniem agencje ratingowe podniosły ocenę jej wiarygodności .
Tokens: 1____ 2________ 3______ 4________ 5________ 6____ 7__ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #8879 from articles/00107764 from sent35

Text  : Jej gospodarka rozwijała się w I kwartale najszybciej w Europie .
Tokens: 1__ 2_________ 3________ 4__ 5 6 7_______ 8__________ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Europie

(ChunkerEvaluator) Sentence #8880 from articles/00107764 from sent36

Text  : Drastyczną kurację finansów publicznych przeprowadziła sąsiadująca z Grecją Bułgaria ,  7  ,  5  -  milionowy kraj ,  znacznie biedniejszy od Grecji .
Tokens: 1_________ 2______ 3_______ 4__________ 5_____________ 6__________ 7 8_____ 9_______ 10 11 12 13 14 15_______ 16__ 17 18______ 19_________ 20 21____ 22

Chunks:
  TruePositive nam [8,8] = Grecją
  TruePositive nam [9,9] = Bułgaria
  TruePositive nam [21,21] = Grecji

(ChunkerEvaluator) Sentence #8881 from articles/00107764 from sent37

Text  : Jej gospodarka rośnie , choć powoli .
Tokens: 1__ 2_________ 3_____ 4 5___ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #8882 from articles/00107764 from sent38

Text  : Nie stanowi problemu dla Europy .
Tokens: 1__ 2______ 3_______ 4__ 5_____ 6

Chunks:
  TruePositive nam [5,5] = Europy

(ChunkerEvaluator) Sentence #8883 from articles/00107764 from sent39

Text  : Według badań greckiej opinii publicznej większość mieszkańców opowiada się za utrzymaniem europejskiej waluty .
Tokens: 1_____ 2____ 3_______ 4_____ 5_________ 6________ 7__________ 8_______ 9__ 10 11_________ 12__________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #8884 from articles/00107764 from sent40

Text  : Te same badania pokazują jednak , że Grecy nie chcą za to zapłacić koniecznej ceny .
Tokens: 1_ 2___ 3______ 4_______ 5_____ 6 7_ 8____ 9__ 10__ 11 12 13______ 14________ 15__ 16

Chunks:
  TruePositive nam [8,8] = Grecy

(ChunkerEvaluator) Sentence #8885 from articles/00107764 from sent41

Text  : Grecja pogrąża Europę głównie dlatego , że jest w strefie euro i  europejscy politycy obawiają się ,  że opuszczenie strefy przez Grecję będzie początkiem jej rozpadu .
Tokens: 1_____ 2______ 3_____ 4______ 5______ 6 7_ 8___ 9 10_____ 11__ 12 13________ 14______ 15______ 16_ 17 18 19_________ 20____ 21___ 22____ 23____ 24________ 25_ 26_____ 27

Chunks:
  TruePositive nam [1,1] = Grecja
  TruePositive nam [3,3] = Europę
  TruePositive nam [22,22] = Grecję
  FalsePositive nam [11,11] = euro
  FalseNegative nam [10,11] = strefie euro

(ChunkerEvaluator) Sentence #8886 from articles/00107764 from sent42

Text  : Boją się przyznać przed własnymi wyborcami , że dając Grekom pieniądze ,  postąpili nierozważnie .
Tokens: 1___ 2__ 3_______ 4____ 5_______ 6________ 7 8_ 9____ 10____ 11_______ 12 13_______ 14__________ 15

Chunks:
  TruePositive nam [10,10] = Grekom

(ChunkerEvaluator) Sentence #8887 from articles/00107764 from sent43

Text  : Ale powinni to przyznać , gdyż kontynuowanie dotychczasowej polityki nie ma sensu .
Tokens: 1__ 2______ 3_ 4_______ 5 6___ 7____________ 8_____________ 9_______ 10_ 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #8888 from articles/00107764 from sent44

Text  : To była by lekcja demoralizacji , którą doskonale zapamiętają wyborcy we wszystkich europejskich krajach .
Tokens: 1_ 2___ 3_ 4_____ 5____________ 6 7____ 8________ 9__________ 10_____ 11 12________ 13__________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #8889 from articles/00107764 from sent45

Text  : Skończy się katastrofą całego kontynentu .
Tokens: 1______ 2__ 3_________ 4_____ 5_________ 6

Chunks:

2016-10-27 14:59:56,598 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 391 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107765.xml
(ChunkerEvaluator) Sentence #8890 from articles/00107765 from sent1

Text  : Wenezuela .
Tokens: 1________ 2

Chunks:
  TruePositive nam [1,1] = Wenezuela

(ChunkerEvaluator) Sentence #8891 from articles/00107765 from sent2

Text  : Hugo Chavez zakończył radioterapię na Kubie
Tokens: 1___ 2_____ 3________ 4___________ 5_ 6____

Chunks:
  TruePositive nam [1,2] = Hugo Chavez
  TruePositive nam [6,6] = Kubie

(ChunkerEvaluator) Sentence #8892 from articles/00107765 from sent3

Text  : Prezydent Wenezueli Hugo Chavez zakończył w Hawanie - jak zapewnił -  pełnym powodzeniem radioterapię w  leczeniu nowotworu i  w  piątek późnym wieczorem ,  po 11 dniach pobytu na Kubie ,  powrócił do kraju .
Tokens: 1________ 2________ 3___ 4_____ 5________ 6 7______ 8 9__ 10______ 11 12____ 13_________ 14__________ 15 16______ 17_______ 18 19 20____ 21____ 22_______ 23 24 25 26____ 27____ 28 29___ 30 31______ 32 33___ 34

Chunks:
  TruePositive nam [2,2] = Wenezueli
  TruePositive nam [3,4] = Hugo Chavez
  TruePositive nam [7,7] = Hawanie
  TruePositive nam [29,29] = Kubie

(ChunkerEvaluator) Sentence #8893 from articles/00107765 from sent4

Text  : " Muszę was poinformować , że w ostatnich dniach pomyślnie zakończył em pełny cykl radioterapii "  -  powiedział na lotnisku w  Caracas ,  tuż po przylocie z  Hawany .
Tokens: 1 2____ 3__ 4___________ 5 6_ 7 8________ 9_____ 10_______ 11_______ 12 13___ 14__ 15__________ 16 17 18________ 19 20______ 21 22_____ 23 24_ 25 26_______ 27 28____ 29

Chunks:
  TruePositive nam [22,22] = Caracas
  TruePositive nam [28,28] = Hawany

(ChunkerEvaluator) Sentence #8894 from articles/00107765 from sent5

Text  : Jego wystąpienie transmitowały kolumbijskie radio i telewizja .
Tokens: 1___ 2__________ 3____________ 4___________ 5____ 6 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8895 from articles/00107765 from sent6

Text  : Prezydent Wenezueli wyjechał na Kubę 30 kwietnia i poddał się tam kolejnej kuracji antynowotworowej .
Tokens: 1________ 2________ 3_______ 4_ 5___ 6_ 7_______ 8 9_____ 10_ 11_ 12______ 13_____ 14______________ 15

Chunks:
  TruePositive nam [2,2] = Wenezueli
  TruePositive nam [5,5] = Kubę

(ChunkerEvaluator) Sentence #8896 from articles/00107765 from sent7

Text  : Wcześniej przeszedł w Hawanie także dwie operacje usunięcia zmian nowotworowych w  obrębie jamy brzusznej ,  ostatnią -  w  lutym tego roku .
Tokens: 1________ 2________ 3 4______ 5____ 6___ 7_______ 8________ 9____ 10___________ 11 12_____ 13__ 14_______ 15 16______ 17 18 19___ 20__ 21__ 22

Chunks:
  TruePositive nam [4,4] = Hawanie

(ChunkerEvaluator) Sentence #8897 from articles/00107765 from sent8

Text  : Mimo poważnych problemów ze zdrowiem , Hugo Chavez , który jest u  władzy od 1999 roku ,  zapewnia ,  że będzie ubiegał się o  reelekcję w  zaplanowanych na październik wyborach prezydenckich .
Tokens: 1___ 2________ 3________ 4_ 5_______ 6 7___ 8_____ 9 10___ 11__ 12 13____ 14 15__ 16__ 17 18______ 19 20 21____ 22_____ 23_ 24 25_______ 26 27___________ 28 29_________ 30______ 31___________ 32

Chunks:
  TruePositive nam [7,8] = Hugo Chavez

2016-10-27 14:59:56,643 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 392 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107766.xml
(ChunkerEvaluator) Sentence #8898 from articles/00107766 from sent1

Text  : Super !
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #8899 from articles/00107766 from sent2

Text  : 18 listopada tego roku na skutek chwilowej niedyspozycji zamiast jakiejś przeintelektualizowanej gazety kupił em „  Super Express ”  ,  aby wszystko łatwo i  bez wysiłku zrozumieć .
Tokens: 1_ 2________ 3___ 4___ 5_ 6_____ 7________ 8____________ 9______ 10_____ 11_____________________ 12____ 13___ 14 15 16___ 17_____ 18 19 20_ 21______ 22___ 23 24_ 25_____ 26_______ 27

Chunks:
  TruePositive nam [16,17] = Super Express

(ChunkerEvaluator) Sentence #8900 from articles/00107766 from sent3

Text  : Kłopoty zaczęły się już przy kronice kryminalnej , gdzie zatrzymał em się przy zdaniu :  „  Porywaczy zgubiło to ,  że dzwonili z  komórki -  w  ten sposób mogli ustalić ,  gdzie są ”  .
Tokens: 1______ 2______ 3__ 4__ 5___ 6______ 7__________ 8 9____ 10_______ 11 12_ 13__ 14____ 15 16 17_______ 18_____ 19 20 21 22______ 23 24_____ 25 26 27_ 28____ 29___ 30_____ 31 32___ 33 34 35

Chunks:

(ChunkerEvaluator) Sentence #8901 from articles/00107766 from sent4

Text  : Mechanizm przestępstwa całkowicie wykraczał poza moje zdolności rozumowania .
Tokens: 1________ 2___________ 3_________ 4________ 5___ 6___ 7________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #8902 from articles/00107766 from sent5

Text  : Oto porywacze ustalają najpierw telefonicznie miejsce swojego pobytu - jest to może trochę dziwne ,  ale jeszcze do pojęcia -  ale dlaczego gubić ma ich świadomość ,  gdzie są ?
Tokens: 1__ 2________ 3_______ 4_______ 5____________ 6______ 7______ 8_____ 9 10__ 11 12__ 13____ 14____ 15 16_ 17_____ 18 19_____ 20 21_ 22______ 23___ 24 25_ 26________ 27 28___ 29 30

Chunks:

(ChunkerEvaluator) Sentence #8903 from articles/00107766 from sent6

Text  : Czyżby chodziło o to , że się znaleźli w „  Super Expressie ”  ?
Tokens: 1_____ 2_______ 3 4_ 5 6_ 7__ 8_______ 9 10 11___ 12_______ 13 14

Chunks:
  TruePositive nam [11,12] = Super Expressie

(ChunkerEvaluator) Sentence #8904 from articles/00107766 from sent7

Text  : W tej sytuacji z gazety postanowił em zrozumieć chociaż pogodę .
Tokens: 1 2__ 3_______ 4 5_____ 6_________ 7_ 8________ 9______ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #8905 from articles/00107766 from sent8

Text  : „ W nocy pociąg towarowy relacji Zwardoń - Żywiec w  miejscowości Rajcza najechał na drzewo ,  które spadło na tory ,  uderzając w  lokomotywę ”  .
Tokens: 1 2 3___ 4_____ 5_______ 6______ 7______ 8 9_____ 10 11__________ 12____ 13______ 14 15____ 16 17___ 18____ 19 20__ 21 22_______ 23 24________ 25 26

Chunks:
  TruePositive nam [7,7] = Zwardoń
  TruePositive nam [9,9] = Żywiec
  TruePositive nam [12,12] = Rajcza

(ChunkerEvaluator) Sentence #8906 from articles/00107766 from sent9

Text  : Drzewo okazało się gorsze niż porywacz : pociąg najechał na nie ,  zanim spadło na tory ,  a  ono ,  już leżąc ,  jeszcze mu oddało w  lokomotywę !
Tokens: 1_____ 2______ 3__ 4_____ 5__ 6_______ 7 8_____ 9_______ 10 11_ 12 13___ 14____ 15 16__ 17 18 19_ 20 21_ 22___ 23 24_____ 25 26____ 27 28________ 29

Chunks:

(ChunkerEvaluator) Sentence #8907 from articles/00107766 from sent10

Text  : Widząc , że tracę kontakt z rzeczywistością , uczepił em się jeszcze ostatniej nadziei ,  że może zrozumiem jakiś wynik sportowy .
Tokens: 1_____ 2 3_ 4____ 5______ 6 7______________ 8 9______ 10 11_ 12_____ 13_______ 14_____ 15 16 17__ 18_______ 19___ 20___ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #8908 from articles/00107766 from sent11

Text  : Niestety , nic z tego : „ Nie będziemy jednak szukać winnych ,  tylko zrobimy wszystko ,  żeby jak najlepiej przygotować się do ostatniego w  tym sezonie meczu ligowego i  rozpoczęcia nowej passy spotkań bez porażki ,  skoro stara została przerwana po trzydziestu trzech ”  .
Tokens: 1_______ 2 3__ 4 5___ 6 7 8__ 9_______ 10____ 11____ 12_____ 13 14___ 15_____ 16______ 17 18__ 19_ 20_______ 21_________ 22_ 23 24________ 25 26_ 27_____ 28___ 29______ 30 31_________ 32___ 33___ 34_____ 35_ 36_____ 37 38___ 39___ 40_____ 41_______ 42 43_________ 44____ 45 46

Chunks:

(ChunkerEvaluator) Sentence #8909 from articles/00107766 from sent12

Text  : Do rozpoczęcia nowej passy rozumienia , co mówią do mnie w  „  Super Expressie ”  ,  nie był em przygotowany .
Tokens: 1_ 2__________ 3____ 4____ 5_________ 6 7_ 8____ 9_ 10__ 11 12 13___ 14_______ 15 16 17_ 18_ 19 20__________ 21

Chunks:
  TruePositive nam [13,14] = Super Expressie

2016-10-27 14:59:56,723 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 393 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107767.xml
(ChunkerEvaluator) Sentence #8910 from articles/00107767 from sent1

Text  : Sikorski i Store w & quot ; NYT & quot ;  o  NATO ,  Rosji i  taktycznej broni jądrowej
Tokens: 1_______ 2 3____ 4 5 6___ 7 8__ 9 10__ 11 12 13__ 14 15___ 16 17________ 18___ 19______

Chunks:
  TruePositive nam [1,1] = Sikorski
  TruePositive nam [13,13] = NATO
  TruePositive nam [15,15] = Rosji
  FalseNegative nam [3,3] = Store
  FalseNegative nam [8,8] = NYT

(ChunkerEvaluator) Sentence #8911 from articles/00107767 from sent2

Text  : NATO powinno wykorzystać zbliżający się szczyt w Chicago , aby dokonać przeglądu swojej polityki nuklearnej i  włączyć do współpracy Rosję -  napisali ministrowie spraw zagranicznych Polski i  Norwegii -  Radosław Sikorski i  Jonas Gahr Store .
Tokens: 1___ 2______ 3__________ 4_________ 5__ 6_____ 7 8______ 9 10_ 11_____ 12_______ 13____ 14______ 15________ 16 17_____ 18 19________ 20___ 21 22______ 23_________ 24___ 25___________ 26____ 27 28______ 29 30______ 31______ 32 33___ 34__ 35___ 36

Chunks:
  TruePositive nam [1,1] = NATO
  TruePositive nam [8,8] = Chicago
  TruePositive nam [20,20] = Rosję
  TruePositive nam [26,26] = Polski
  TruePositive nam [28,28] = Norwegii
  TruePositive nam [30,31] = Radosław Sikorski
  TruePositive nam [33,35] = Jonas Gahr Store

(ChunkerEvaluator) Sentence #8912 from articles/00107767 from sent3

Text  : Wspólny list szefów dyplomacji ukazał się w poniedziałek w internetowym wydaniu "  New York Timesa "  .
Tokens: 1______ 2___ 3_____ 4_________ 5_____ 6__ 7 8___________ 9 10__________ 11_____ 12 13_ 14__ 15____ 16 17

Chunks:
  TruePositive nam [13,15] = New York Timesa

(ChunkerEvaluator) Sentence #8913 from articles/00107767 from sent4

Text  : Ministrowie przypomnieli , że na szczycie NATO w Lizbonie w  2010 roku sojusz zobowiązał się do stworzenia warunków dla świata pozbawionego broni nuklearnej i  powinien to zobowiązanie wypełnić .
Tokens: 1__________ 2___________ 3 4_ 5_ 6_______ 7___ 8 9_______ 10 11__ 12__ 13____ 14________ 15_ 16 17________ 18______ 19_ 20____ 21__________ 22___ 23________ 24 25______ 26 27__________ 28______ 29

Chunks:
  TruePositive nam [7,7] = NATO
  TruePositive nam [9,9] = Lizbonie

(ChunkerEvaluator) Sentence #8914 from articles/00107767 from sent5

Text  : " Taktyczna broń jądrowa nie podlega pod żaden istniejący system kontroli zbrojeń .
Tokens: 1 2________ 3___ 4______ 5__ 6______ 7__ 8____ 9_________ 10____ 11______ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #8915 from articles/00107767 from sent6

Text  : Dlatego też ponad 20 lat po zakończeniu zimnej wojny w  Europie nadal znajdują się tysiące sztuk taktycznej broni jądrowej "  -  zwrócili uwagę .
Tokens: 1______ 2__ 3____ 4_ 5__ 6_ 7__________ 8_____ 9____ 10 11_____ 12___ 13______ 14_ 15_____ 16___ 17________ 18___ 19______ 20 21 22______ 23___ 24

Chunks:
  TruePositive nam [11,11] = Europie

(ChunkerEvaluator) Sentence #8916 from articles/00107767 from sent7

Text  : Sikorski i Store podkreślili w liście , że do tej pory nie wypracowano wiarygodnego systemu kontroli tej broni .
Tokens: 1_______ 2 3____ 4__________ 5 6_____ 7 8_ 9_ 10_ 11__ 12_ 13_________ 14__________ 15_____ 16______ 17_ 18___ 19

Chunks:
  TruePositive nam [1,1] = Sikorski
  TruePositive nam [3,3] = Store

(ChunkerEvaluator) Sentence #8917 from articles/00107767 from sent8

Text  : " Nie znamy dokładnej wielkości amerykańskich i rosyjskich arsenałów ,  ani nie mamy pewności co do ich lokalizacji "  -  napisali .
Tokens: 1 2__ 3____ 4________ 5________ 6____________ 7 8_________ 9________ 10 11_ 12_ 13__ 14______ 15 16 17_ 18_________ 19 20 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #8918 from articles/00107767 from sent9

Text  : Jak zaznaczyli , wprawdzie NATO zmniejsza swą zależność od broni jądrowej ,  a  USA i  Rosja ograniczyły zapasy taktycznej broni nuklearnej w  Europie ,  to fakt "  dalszego niekontrolowanego istnienia tej broni podważa wiarygodność naszych zobowiązań dotyczących stworzenia świata wolnego od broni jądrowej "  .
Tokens: 1__ 2_________ 3 4________ 5___ 6________ 7__ 8________ 9_ 10___ 11______ 12 13 14_ 15 16___ 17_________ 18____ 19________ 20___ 21________ 22 23_____ 24 25 26__ 27 28______ 29_______________ 30_______ 31_ 32___ 33_____ 34__________ 35_____ 36________ 37_________ 38________ 39____ 40_____ 41 42___ 43______ 44 45

Chunks:
  TruePositive nam [5,5] = NATO
  TruePositive nam [14,14] = USA
  TruePositive nam [16,16] = Rosja
  TruePositive nam [23,23] = Europie

(ChunkerEvaluator) Sentence #8919 from articles/00107767 from sent10

Text  : Szefowie dyplomacji wyrazili opinię , że nowa polityka nuklearna "  musi ułatwić poważny i  konstruktywny dialog z  Rosją dotyczący broni jądrowej "  .
Tokens: 1_______ 2_________ 3_______ 4_____ 5 6_ 7___ 8_______ 9________ 10 11__ 12_____ 13_____ 14 15___________ 16____ 17 18___ 19_______ 20___ 21______ 22 23

Chunks:
  TruePositive nam [18,18] = Rosją

(ChunkerEvaluator) Sentence #8920 from articles/00107767 from sent11

Text  : " Ratyfikacja nowego układu START z 2010 roku ( o  ograniczeniu strategicznych zbrojeń nuklearnych -  PAP )  zwiększyła oczekiwania ,  że również taktyczna broń jądrowa została by objęta kontrolą zbrojeń "  -  podkreślili ,  przypominając ,  że Polska i  Norwegia dwa lata temu rozpoczęły debatę na temat możliwych działań NATO w  tym kierunku .
Tokens: 1 2__________ 3_____ 4_____ 5____ 6 7___ 8___ 9 10 11__________ 12____________ 13_____ 14_________ 15 16_ 17 18________ 19_________ 20 21 22_____ 23_______ 24__ 25_____ 26_____ 27 28____ 29______ 30_____ 31 32 33_________ 34 35___________ 36 37 38____ 39 40______ 41_ 42__ 43__ 44________ 45____ 46 47___ 48_______ 49_____ 50__ 51 52_ 53______ 54

Chunks:
  TruePositive nam [5,5] = START
  TruePositive nam [16,16] = PAP
  TruePositive nam [38,38] = Polska
  TruePositive nam [40,40] = Norwegia
  TruePositive nam [50,50] = NATO

(ChunkerEvaluator) Sentence #8921 from articles/00107767 from sent12

Text  : Sikorski i Store napisali następnie , że dialog NATO -  Rosja dotyczący w  szczególności taktycznej broni jądrowej mógł by być pozytywny dla obustronnych relacji ,  nadać większą przejrzystość i  zwiększyć wzajemnie zaufanie .
Tokens: 1_______ 2 3____ 4_______ 5________ 6 7_ 8_____ 9___ 10 11___ 12_______ 13 14___________ 15________ 16___ 17______ 18__ 19 20_ 21_______ 22_ 23__________ 24_____ 25 26___ 27_____ 28___________ 29 30_______ 31_______ 32______ 33

Chunks:
  TruePositive nam [1,1] = Sikorski
  TruePositive nam [3,3] = Store
  TruePositive nam [9,9] = NATO
  TruePositive nam [11,11] = Rosja

(ChunkerEvaluator) Sentence #8922 from articles/00107767 from sent13

Text  : " Zwiększyło by to następnie prawdopodobieństwo dalszej redukcji zbrojeń i  przybliżyło by nas do celu ,  jakim jest wyeliminowanie taktycznej broni jądrowej z  Europy "  -  ocenili autorzy listu .
Tokens: 1 2_________ 3_ 4_ 5________ 6_________________ 7______ 8_______ 9______ 10 11_________ 12 13_ 14 15__ 16 17___ 18__ 19____________ 20________ 21___ 22______ 23 24____ 25 26 27_____ 28_____ 29___ 30

Chunks:
  TruePositive nam [24,24] = Europy

(ChunkerEvaluator) Sentence #8923 from articles/00107767 from sent14

Text  : " Naszym celem jest wzmocnienie partnerstwa między NATO a Rosją i  wniesienie wkładu w  bezpieczeństwo transatlantyckie "  -  oświadczyli na koniec ministrowie .
Tokens: 1 2_____ 3____ 4___ 5__________ 6__________ 7_____ 8___ 9 10___ 11 12________ 13____ 14 15____________ 16______________ 17 18 19_________ 20 21____ 22_________ 23

Chunks:
  TruePositive nam [8,8] = NATO
  TruePositive nam [10,10] = Rosją

2016-10-27 14:59:56,833 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 394 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107768.xml
(ChunkerEvaluator) Sentence #8924 from articles/00107768 from sent1

Text  : Schroeder potwierdził , że Niemcy dostarczą Izraelowi rakiety ( aktl .  )
Tokens: 1________ 2__________ 3 4_ 5_____ 6________ 7________ 8______ 9 10__ 11 12

Chunks:
  TruePositive nam [1,1] = Schroeder
  TruePositive nam [5,5] = Niemcy
  TruePositive nam [7,7] = Izraelowi

(ChunkerEvaluator) Sentence #8925 from articles/00107768 from sent2

Text  : ( dochodzi wypowiedź kanclerza ) 26 . 11 .
Tokens: 1 2_______ 3________ 4________ 5 6_ 7 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #8926 from articles/00107768 from sent3

Text  : Berlin ( PAP / dpa ) - Rząd niemiecki spełni prośbę Izraela o  rakiety obronne typu Patriot -  potwierdził kanclerz Niemiec Gerhard Schroeder
Tokens: 1_____ 2 3__ 4 5__ 6 7 8___ 9________ 10____ 11____ 12_____ 13 14_____ 15_____ 16__ 17_____ 18 19_________ 20______ 21_____ 22_____ 23_______

Chunks:
  TruePositive nam [1,1] = Berlin
  TruePositive nam [3,3] = PAP
  TruePositive nam [12,12] = Izraela
  TruePositive nam [21,21] = Niemiec
  TruePositive nam [22,23] = Gerhard Schroeder
  FalseNegative nam [8,8] = Rząd
  FalseNegative nam [17,17] = Patriot

(ChunkerEvaluator) Sentence #8927 from articles/00107768 from sent4

Text  : W wywiadzie dla tygodnika " Die Zeit " ( numer ukaże się w  czwartek )  Schroeder zadeklarował :  "  Jeśli rząd izraelski potrzebuje zwiększonego bezpieczeństwa ,  pomożemy mu -  i  to szybko .
Tokens: 1 2________ 3__ 4________ 5 6__ 7___ 8 9 10___ 11___ 12_ 13 14______ 15 16_______ 17__________ 18 19 20___ 21__ 22_______ 23________ 24__________ 25____________ 26 27______ 28 29 30 31 32____ 33

Chunks:
  TruePositive nam [6,7] = Die Zeit
  TruePositive nam [16,16] = Schroeder

(ChunkerEvaluator) Sentence #8928 from articles/00107768 from sent5

Text  : Jest to nasz obowiązek historyczny i moralny "
Tokens: 1___ 2_ 3___ 4________ 5__________ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #8929 from articles/00107768 from sent6

Text  : Kanclerz dodał , że system Patriot jest czysto defensywny
Tokens: 1_______ 2____ 3 4_ 5_____ 6______ 7___ 8_____ 9_________

Chunks:
  FalseNegative nam [6,6] = Patriot

(ChunkerEvaluator) Sentence #8930 from articles/00107768 from sent7

Text  : Wcześniej we wtorek źródła zbliżone do rządu niemieckiego poinformowały ,  że Niemcy prawdopodobnie dostarczą Izraelowi trzy baterie amerykańskich pocisków antyrakietowych Patriot
Tokens: 1________ 2_ 3_____ 4_____ 5_______ 6_ 7____ 8___________ 9____________ 10 11 12____ 13____________ 14_______ 15_______ 16__ 17_____ 18___________ 19______ 20_____________ 21_____

Chunks:
  TruePositive nam [12,12] = Niemcy
  TruePositive nam [15,15] = Izraelowi
  FalseNegative nam [21,21] = Patriot

(ChunkerEvaluator) Sentence #8931 from articles/00107768 from sent8

Text  : Według tych źródeł , Niemcy dysponują w sumie 36 systemami pocisków Patriot ,  wśród których tylko sześć nie jest używanych .
Tokens: 1_____ 2___ 3_____ 4 5_____ 6________ 7 8____ 9_ 10_______ 11______ 12_____ 13 14___ 15_____ 16___ 17___ 18_ 19__ 20_______ 21

Chunks:
  TruePositive nam [5,5] = Niemcy
  FalseNegative nam [12,12] = Patriot

(ChunkerEvaluator) Sentence #8932 from articles/00107768 from sent9

Text  : Z tych sześciu trzy są przedmiotem prośby o sprzedaż ze strony Holandii .
Tokens: 1 2___ 3______ 4___ 5_ 6__________ 7_____ 8 9_______ 10 11____ 12______ 13

Chunks:
  TruePositive nam [12,12] = Holandii

(ChunkerEvaluator) Sentence #8933 from articles/00107768 from sent10

Text  : A zatem pozostają tylko trzy baterie pocisków antyrakietowych , które mogły by być dostarczone Izraelowi -  uważa to samo źródło
Tokens: 1 2____ 3________ 4____ 5___ 6______ 7_______ 8______________ 9 10___ 11___ 12 13_ 14_________ 15_______ 16 17___ 18 19__ 20____

Chunks:
  TruePositive nam [15,15] = Izraelowi

(ChunkerEvaluator) Sentence #8934 from articles/00107768 from sent11

Text  : Rzecznik niemieckiego ministerstwa obrony oświadczył , że nie jest w  stanie sprecyzować ,  czy Izrael chce je pożyczyć czy kupić
Tokens: 1_______ 2___________ 3___________ 4_____ 5_________ 6 7_ 8__ 9___ 10 11____ 12_________ 13 14_ 15____ 16__ 17 18______ 19_ 20___

Chunks:
  TruePositive nam [15,15] = Izrael
  FalsePositive nam [3,4] = ministerstwa obrony

(ChunkerEvaluator) Sentence #8935 from articles/00107768 from sent12

Text  : Pewna niejasność panuje co do daty złożenia prośby przez Izrael
Tokens: 1____ 2_________ 3_____ 4_ 5_ 6___ 7_______ 8_____ 9____ 10____

Chunks:
  TruePositive nam [10,10] = Izrael

(ChunkerEvaluator) Sentence #8936 from articles/00107768 from sent13

Text  : Izraelskie źródła oficjalne twierdzą , że było to ponad rok temu
Tokens: 1_________ 2_____ 3________ 4_______ 5 6_ 7___ 8_ 9____ 10_ 11__

Chunks:

(ChunkerEvaluator) Sentence #8937 from articles/00107768 from sent14

Text  : Niemiecki minister obrony Peter Struck wyjaśnił we wtorek , że izraelska prośba w  zasadzie została zaaprobowana przez władze niemieckie przed dwoma laty i  skonkretyzowana w  minionym tygodniu
Tokens: 1________ 2_______ 3_____ 4____ 5_____ 6_______ 7_ 8_____ 9 10 11_______ 12____ 13 14______ 15_____ 16__________ 17___ 18____ 19________ 20___ 21___ 22__ 23 24_____________ 25 26______ 27______

Chunks:
  TruePositive nam [4,5] = Peter Struck

(ChunkerEvaluator) Sentence #8938 from articles/00107768 from sent15

Text  : Struck powiedział , że rząd niemiecki zastanawia się obecnie nad "  warunkami i  datą oddania broni do dyspozycji "  .
Tokens: 1_____ 2_________ 3 4_ 5___ 6________ 7_________ 8__ 9______ 10_ 11 12_______ 13 14__ 15_____ 16___ 17 18________ 19 20

Chunks:
  FalseNegative nam [1,1] = Struck

(ChunkerEvaluator) Sentence #8939 from articles/00107768 from sent16

Text  : " Żadna decyzja jeszcze nie zapadła " - dodał
Tokens: 1 2____ 3______ 4______ 5__ 6______ 7 8 9____

Chunks:

(ChunkerEvaluator) Sentence #8940 from articles/00107768 from sent17

Text  : Nie jest też jasna przyczyna , dla której Izrael wystąpił z  prośbą .
Tokens: 1__ 2___ 3__ 4____ 5________ 6 7__ 8_____ 9_____ 10______ 11 12____ 13

Chunks:
  TruePositive nam [9,9] = Izrael

(ChunkerEvaluator) Sentence #8941 from articles/00107768 from sent18

Text  : Władze izraelskie twierdzą , że ich apel nie ma "  żadnego związku z  obecnym kryzysem z  Irakiem "  .
Tokens: 1_____ 2_________ 3_______ 4 5_ 6__ 7___ 8__ 9_ 10 11_____ 12_____ 13 14_____ 15______ 16 17_____ 18 19

Chunks:
  TruePositive nam [17,17] = Irakiem

(ChunkerEvaluator) Sentence #8942 from articles/00107768 from sent19

Text  : ( PAP ) kd / mc / raf / 5315
Tokens: 1 2__ 3 4_ 5 6_ 7 8__ 9 10__

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:56,922 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 395 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107769.xml
(ChunkerEvaluator) Sentence #8943 from articles/00107769 from sent1

Text  : 22 lata starań .
Tokens: 1_ 2___ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #8944 from articles/00107769 from sent2

Text  : Kto doczeka łyku legalnej śliwowicy ?
Tokens: 1__ 2______ 3___ 4_______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #8945 from articles/00107769 from sent3

Text  : Mija 22 . rocznica starań mieszkańców Łącka o zalegalizowanie ich słynnej śliwowicy .
Tokens: 1___ 2_ 3 4_______ 5_____ 6__________ 7____ 8 9______________ 10_ 11_____ 12_______ 13

Chunks:
  FalseNegative nam [7,7] = Łącka

(ChunkerEvaluator) Sentence #8946 from articles/00107769 from sent4

Text  : Właśnie kolejny rząd ogłosił , że zrobi wszystko , by za handel destylatem wciąż nie groziło więzienie .
Tokens: 1______ 2______ 3___ 4______ 5 6_ 7____ 8_______ 9 10 11 12____ 13________ 14___ 15_ 16_____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #8947 from articles/00107769 from sent5

Text  : Chyba że nie zrobi .
Tokens: 1____ 2_ 3__ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #8948 from articles/00107769 from sent6

Text  : Tak jak poprzednicy .
Tokens: 1__ 2__ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #8949 from articles/00107769 from sent7

Text  : Przez ten czas zdążyło już wyrosnąć nowe pokolenie .
Tokens: 1____ 2__ 3___ 4______ 5__ 6_______ 7___ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #8950 from articles/00107769 from sent8

Text  : Urodzeni wtedy - już w III RP - dzisiaj powoli zbierają materiały do pisania prac magisterskich .
Tokens: 1_______ 2____ 3 4__ 5 6__ 7_ 8 9______ 10____ 11______ 12_______ 13 14_____ 15__ 16___________ 17

Chunks:
  TruePositive nam [6,7] = III RP

(ChunkerEvaluator) Sentence #8951 from articles/00107769 from sent9

Text  : A w Łącku po staremu .
Tokens: 1 2 3____ 4_ 5______ 6

Chunks:
  FalseNegative nam [3,3] = Łącku

(ChunkerEvaluator) Sentence #8952 from articles/00107769 from sent10

Text  : Śliwowica jak była nielegalna , tak dalej jest wyjęta spod prawa .
Tokens: 1________ 2__ 3___ 4_________ 5 6__ 7____ 8___ 9_____ 10__ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #8953 from articles/00107769 from sent11

Text  : Za produkcję , handel - w myśl ciągle obowiązujących przepisów antybimbrowniczych -  można nawet na dwa lata trafić do więzienia ,  o  konfiskacie aparatury nie wspominając .
Tokens: 1_ 2________ 3 4_____ 5 6 7___ 8_____ 9_____________ 10_______ 11________________ 12 13___ 14___ 15 16_ 17__ 18____ 19 20_______ 21 22 23_________ 24_______ 25_ 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #8954 from articles/00107769 from sent12

Text  : Była receptura , no i nadwyżka śliwek
Tokens: 1___ 2________ 3 4_ 5 6_______ 7_____

Chunks:

(ChunkerEvaluator) Sentence #8955 from articles/00107769 from sent13

Text  : Mało już jest takich , którzy pamiętają smak legalnego destylatu .
Tokens: 1___ 2__ 3___ 4_____ 5 6_____ 7________ 8___ 9________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #8956 from articles/00107769 from sent14

Text  : Bo Łącko dostało pozwolenie na pędzenie w majestacie prawa jeszcze za nieboszczki monarchii austro -  węgierskiej .
Tokens: 1_ 2____ 3______ 4_________ 5_ 6_______ 7 8_________ 9____ 10_____ 11 12_________ 13_______ 14____ 15 16_________ 17

Chunks:
  FalsePositive nam [1,2] = Bo Łącko
  FalseNegative nam [2,2] = Łącko

(ChunkerEvaluator) Sentence #8957 from articles/00107769 from sent15

Text  : Decyzję Austriaków - do dzisiaj słynących z przednich nalewek -  podtrzymały władze II RP .
Tokens: 1______ 2_________ 3 4_ 5______ 6________ 7 8________ 9______ 10 11_________ 12____ 13 14 15

Chunks:
  TruePositive nam [2,2] = Austriaków
  TruePositive nam [13,14] = II RP

(ChunkerEvaluator) Sentence #8958 from articles/00107769 from sent16

Text  : Dzięki temu trunek mogła produkować gorzelnia Samuela Grossbarda .
Tokens: 1_____ 2___ 3_____ 4____ 5_________ 6________ 7______ 8_________ 9

Chunks:
  TruePositive nam [7,8] = Samuela Grossbarda

(ChunkerEvaluator) Sentence #8959 from articles/00107769 from sent17

Text  : Przed wybuchem II wojny światowej wytwarzano rocznie ok . 20 tysięcy litrów 70 -  procentowego alkoholu .
Tokens: 1____ 2_______ 3_ 4____ 5________ 6_________ 7______ 8_ 9 10 11_____ 12____ 13 14 15__________ 16______ 17

Chunks:
  TruePositive nam [3,5] = II wojny światowej

(ChunkerEvaluator) Sentence #8960 from articles/00107769 from sent18

Text  : W czasie okupacji gorzelnia została zniszczona .
Tokens: 1 2_____ 3_______ 4________ 5______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #8961 from articles/00107769 from sent19

Text  : W PRL-u ostała się receptura oraz nadwyżka śliwek z okolicznych sadów ,  z  których gospodarze zaczęli sami pędzić śliwowicę .
Tokens: 1 2____ 3_____ 4__ 5________ 6___ 7_______ 8_____ 9 10_________ 11___ 12 13 14_____ 15________ 16_____ 17__ 18____ 19_______ 20

Chunks:
  TruePositive nam [2,2] = PRL-u

(ChunkerEvaluator) Sentence #8962 from articles/00107769 from sent20

Text  : Już nielegalnie .
Tokens: 1__ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #8963 from articles/00107769 from sent21

Text  : Jak wspominają miejscowi , szczególnym wzięciem zakazany trunek cieszył się w  latach 70 .  ,  kiedy za butelkę „  łąckiej ”  można było załatwić niemal wszystko .
Tokens: 1__ 2_________ 3________ 4 5__________ 6_______ 7_______ 8_____ 9______ 10_ 11 12____ 13 14 15 16___ 17 18_____ 19 20_____ 21 22___ 23__ 24______ 25____ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #8964 from articles/00107769 from sent22

Text  : To czasy reformy administracyjnej , która miała zdecydować , czy nowe województwo ,  obejmujące m  .  in .  Tatry ,  Gorce i  Beskid Sądecki ,  będzie miało stolicę w  Nowym Targu czy Nowym Sączu .
Tokens: 1_ 2____ 3______ 4_______________ 5 6____ 7____ 8_________ 9 10_ 11__ 12_________ 13 14________ 15 16 17 18 19___ 20 21___ 22 23____ 24_____ 25 26____ 27___ 28_____ 29 30___ 31___ 32_ 33___ 34___ 35

Chunks:
  TruePositive nam [19,19] = Tatry
  TruePositive nam [21,21] = Gorce
  TruePositive nam [23,24] = Beskid Sądecki
  TruePositive nam [30,31] = Nowym Targu
  TruePositive nam [33,34] = Nowym Sączu

(ChunkerEvaluator) Sentence #8965 from articles/00107769 from sent23

Text  : A że z Łącka bliżej do tego drugiego miasta .  .  .
Tokens: 1 2_ 3 4____ 5_____ 6_ 7___ 8_______ 9_____ 10 11 12

Chunks:
  FalseNegative nam [4,4] = Łącka

(ChunkerEvaluator) Sentence #8966 from articles/00107769 from sent24

Text  : - Niektórzy mówili , że tylko dzięki śliwowicy powstało województwo nowosądeckie ,  a  nie nowotarskie -  przyznaje Franciszek Młynarczyk ,  były wójt Łącka .
Tokens: 1 2________ 3_____ 4 5_ 6____ 7_____ 8________ 9_______ 10_________ 11__________ 12 13 14_ 15_________ 16 17_______ 18________ 19________ 20 21__ 22__ 23___ 24

Chunks:
  TruePositive nam [18,19] = Franciszek Młynarczyk
  FalseNegative nam [11,11] = nowosądeckie
  FalseNegative nam [23,23] = Łącka

(ChunkerEvaluator) Sentence #8967 from articles/00107769 from sent25

Text  : Śliwowica - niematerialne dobro kultury
Tokens: 1________ 2 3____________ 4____ 5______

Chunks:

(ChunkerEvaluator) Sentence #8968 from articles/00107769 from sent26

Text  : Nielegalnego smaku śliwowicy zakosztowali przedstawiciele wszystkich głównych opcji politycznych zasiadających w  polskim Sejmie po 1989 roku :  UW ,  KLD ,  UD ,  ROP ,  ZChN ,  AWS ,  SLD ,  UP ,  SdPL ,  PSL ,  LPR ,  Samoobrony ,  PiS i  oczywiście PO .
Tokens: 1___________ 2____ 3________ 4___________ 5______________ 6_________ 7_______ 8____ 9___________ 10___________ 11 12_____ 13____ 14 15__ 16__ 17 18 19 20_ 21 22 23 24_ 25 26__ 27 28_ 29 30_ 31 32 33 34__ 35 36_ 37 38_ 39 40________ 41 42_ 43 44________ 45 46

Chunks:
  TruePositive nam [13,13] = Sejmie
  TruePositive nam [18,18] = UW
  TruePositive nam [20,20] = KLD
  TruePositive nam [22,22] = UD
  TruePositive nam [24,24] = ROP
  TruePositive nam [26,26] = ZChN
  TruePositive nam [28,28] = AWS
  TruePositive nam [30,30] = SLD
  TruePositive nam [32,32] = UP
  TruePositive nam [34,34] = SdPL
  TruePositive nam [36,36] = PSL
  TruePositive nam [38,38] = LPR
  TruePositive nam [42,42] = PiS
  TruePositive nam [45,45] = PO
  FalsePositive nam [40,40] = Samoobrony

(ChunkerEvaluator) Sentence #8969 from articles/00107769 from sent27

Text  : A ostatnio nawet Ruchu Palikota .
Tokens: 1 2_______ 3____ 4____ 5_______ 6

Chunks:
  TruePositive nam [4,5] = Ruchu Palikota

(ChunkerEvaluator) Sentence #8970 from articles/00107769 from sent28

Text  : O zalegalizowanie produkcji zabiegano zaraz po przemianach ustrojowych .
Tokens: 1 2______________ 3________ 4________ 5____ 6_ 7__________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #8971 from articles/00107769 from sent29

Text  : W 1990 roku wojewódzki konserwator zabytków w Nowym Sączu uznał pędzenie śliwowicy domowym sposobem za „  niematerialne dobro kultury ”  .
Tokens: 1 2___ 3___ 4_________ 5__________ 6_______ 7 8____ 9____ 10___ 11______ 12_______ 13_____ 14______ 15 16 17___________ 18___ 19_____ 20 21

Chunks:
  TruePositive nam [8,9] = Nowym Sączu

(ChunkerEvaluator) Sentence #8972 from articles/00107769 from sent30

Text  : Rok później łącki samorząd powołał spółkę z o . o  .  Łącko ,  która zwróciła się do Ministerstwa Rolnictwa o  umożliwienie eksperymentalnej produkcji .
Tokens: 1__ 2______ 3____ 4_______ 5______ 6_____ 7 8 9 10 11 12___ 13 14___ 15______ 16_ 17 18__________ 19_______ 20 21__________ 22______________ 23_______ 24

Chunks:
  TruePositive nam [18,19] = Ministerstwa Rolnictwa
  FalsePositive nam [8,12] = o . o . Łącko
  FalseNegative nam [12,12] = Łącko

(ChunkerEvaluator) Sentence #8973 from articles/00107769 from sent31

Text  : Po kilku miesiącach otrzymała promesę koncesji .
Tokens: 1_ 2____ 3_________ 4________ 5______ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #8974 from articles/00107769 from sent32

Text  : Rozpoczęły się rozmowy z krajowymi i zagranicznymi kontrahentami , które bez zalegalizowania produkcji nie mogły jednak przynieść rezultatu .
Tokens: 1_________ 2__ 3______ 4 5________ 6 7____________ 8____________ 9 10___ 11_ 12_____________ 13_______ 14_ 15___ 16____ 17_______ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #8975 from articles/00107769 from sent33

Text  : Od tego czasu każdy rząd obiecuje , że zalegalizuje śliwowicę .
Tokens: 1_ 2___ 3____ 4____ 5___ 6_______ 7 8_ 9___________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #8976 from articles/00107769 from sent34

Text  : Najdalej poszedł minister Andrzej Śmietanko z PSL , który w  1995 roku kilka dni przed ustąpieniem ze stanowiska podpisał -  wzorem innych krajów europejskich -  koncesję na produkcję nalewek .
Tokens: 1_______ 2______ 3_______ 4______ 5________ 6 7__ 8 9____ 10 11__ 12__ 13___ 14_ 15___ 16_________ 17 18________ 19______ 20 21____ 22____ 23____ 24__________ 25 26______ 27 28_______ 29_____ 30

Chunks:
  TruePositive nam [4,5] = Andrzej Śmietanko
  TruePositive nam [7,7] = PSL

(ChunkerEvaluator) Sentence #8977 from articles/00107769 from sent35

Text  : W Łącku już się cieszyli , przygotowywano się nawet do wypuszczenia akcji .
Tokens: 1 2____ 3__ 4__ 5_______ 6 7_____________ 8__ 9____ 10 11__________ 12___ 13

Chunks:
  FalseNegative nam [2,2] = Łącku

(ChunkerEvaluator) Sentence #8978 from articles/00107769 from sent36

Text  : Przedwcześnie .
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #8979 from articles/00107769 from sent37

Text  : Bo kolejny minister nie wprowadził w życie aktów wykonawczych do decyzji swego poprzednika .
Tokens: 1_ 2______ 3_______ 4__ 5_________ 6 7____ 8____ 9___________ 10 11_____ 12___ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #8980 from articles/00107769 from sent38

Text  : Pędzić w majestacie prawa
Tokens: 1_____ 2 3_________ 4____

Chunks:

(ChunkerEvaluator) Sentence #8981 from articles/00107769 from sent39

Text  : 10 lat później - za rządów PiS - przychylnie spoglądał na śliwowicę też minister rolnictwa Krzysztof Jurgiel ,  ale na spoglądaniu się skończyło .
Tokens: 1_ 2__ 3______ 4 5_ 6_____ 7__ 8 9__________ 10_______ 11 12_______ 13_ 14______ 15_______ 16_______ 17_____ 18 19_ 20 21_________ 22_ 23_______ 24

Chunks:
  TruePositive nam [7,7] = PiS
  TruePositive nam [16,17] = Krzysztof Jurgiel

(ChunkerEvaluator) Sentence #8982 from articles/00107769 from sent40

Text  : Bo nastąpił kryzys polityczny i resortem rolnictwa na przemian zaczęli zarządzać a  to Jarosław Kaczyński ,  a  to Andrzej Lepper .
Tokens: 1_ 2_______ 3_____ 4_________ 5 6_______ 7________ 8_ 9_______ 10_____ 11_______ 12 13 14______ 15_______ 16 17 18 19_____ 20____ 21

Chunks:
  TruePositive nam [14,15] = Jarosław Kaczyński
  TruePositive nam [19,20] = Andrzej Lepper

(ChunkerEvaluator) Sentence #8983 from articles/00107769 from sent41

Text  : I mieli inne sprawy na głowie niż śliwowicę .
Tokens: 1 2____ 3___ 4_____ 5_ 6_____ 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #8984 from articles/00107769 from sent42

Text  : Gdy do władzy doszła PO , weszła wprawdzie w życie nowa ustawa zezwalająca na handel alkoholem z  przydomowej produkcji ,  jednak zakup śliwowicy nadal jest nielegalny ,  bo przepisy pozwalają plantatorom sprzedawać tylko wino .
Tokens: 1__ 2_ 3_____ 4_____ 5_ 6 7_____ 8________ 9 10___ 11__ 12____ 13_________ 14 15____ 16_______ 17 18_________ 19_______ 20 21____ 22___ 23_______ 24___ 25__ 26________ 27 28 29______ 30_______ 31_________ 32________ 33___ 34__ 35

Chunks:
  TruePositive nam [5,5] = PO

(ChunkerEvaluator) Sentence #8985 from articles/00107769 from sent43

Text  : Teraz z destylatem zamierza zmierzyć się resort sprawiedliwości pod kierownictwem Jarosława Gowina .
Tokens: 1____ 2 3_________ 4_______ 5_______ 6__ 7_____ 8______________ 9__ 10___________ 11_______ 12____ 13

Chunks:
  TruePositive nam [11,12] = Jarosława Gowina

(ChunkerEvaluator) Sentence #8986 from articles/00107769 from sent44

Text  : I obiecuje , że trunek zalegalizuje .
Tokens: 1 2_______ 3 4_ 5_____ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #8987 from articles/00107769 from sent45

Text  : Ciekawe , czy doczekam łyku legalnej śliwowicy .
Tokens: 1______ 2 3__ 4_______ 5___ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #8988 from articles/00107769 from sent46

Text  : Do osiągnięcia wieku emerytalnego pozostały mi jakieś trzy dekady .
Tokens: 1_ 2__________ 3____ 4___________ 5________ 6_ 7_____ 8___ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #8989 from articles/00107769 from sent47

Text  : Niewiele więcej , niż trwają starania Łącka o pędzenie w  majestacie prawa .
Tokens: 1_______ 2_____ 3 4__ 5_____ 6_______ 7____ 8 9_______ 10 11________ 12___ 13

Chunks:
  FalseNegative nam [7,7] = Łącka

2016-10-27 14:59:57,220 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 396 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107770.xml
(ChunkerEvaluator) Sentence #8990 from articles/00107770 from sent1

Text  : Uwaga na skrzyżowanie Roosevelta i Dąbrowskiego !
Tokens: 1____ 2_ 3___________ 4_________ 5 6___________ 7

Chunks:
  TruePositive nam [4,4] = Roosevelta
  TruePositive nam [6,6] = Dąbrowskiego

(ChunkerEvaluator) Sentence #8991 from articles/00107770 from sent2

Text  : Awaria
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #8992 from articles/00107770 from sent3

Text  : Poznaniacy skarzą się na chaos na skrzyżowaniu Roosevelta i Dąbrowskiego ,  na którym nie działa sygnalizacja świetlna .
Tokens: 1_________ 2_____ 3__ 4_ 5____ 6_ 7___________ 8_________ 9 10__________ 11 12 13____ 14_ 15____ 16__________ 17______ 18

Chunks:
  TruePositive nam [8,8] = Roosevelta
  TruePositive nam [10,10] = Dąbrowskiego
  FalseNegative nam [1,1] = Poznaniacy

(ChunkerEvaluator) Sentence #8993 from articles/00107770 from sent4

Text  : Ruchem na skrzyżowaniu kierują obecnie pracownicy nadzoru ruchu MPK .
Tokens: 1_____ 2_ 3___________ 4______ 5______ 6_________ 7______ 8____ 9__ 10

Chunks:
  TruePositive nam [9,9] = MPK

(ChunkerEvaluator) Sentence #8994 from articles/00107770 from sent5

Text  : - Trzeba bardzo uważać , by samochód nie wjechał ci w  nogi -  relacjonuje pani Aleksandra ,  nasza czytelniczka .
Tokens: 1 2_____ 3_____ 4_____ 5 6_ 7_______ 8__ 9______ 10 11 12__ 13 14_________ 15__ 16________ 17 18___ 19__________ 20

Chunks:
  TruePositive nam [16,16] = Aleksandra

(ChunkerEvaluator) Sentence #8995 from articles/00107770 from sent6

Text  : Policja potwierdza , że sygnalizacja świetlna nie działa .
Tokens: 1______ 2_________ 3 4_ 5___________ 6_______ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #8996 from articles/00107770 from sent7

Text  : - Ale to nawet lepiej dla samochodów , bo ruch na ulicy odbywa się płynniej i  nie ma korków -  powiedział nam dyżurny drogówki .
Tokens: 1 2__ 3_ 4____ 5_____ 6__ 7_________ 8 9_ 10__ 11 12___ 13____ 14_ 15______ 16 17_ 18 19____ 20 21________ 22_ 23_____ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #8997 from articles/00107770 from sent8

Text  : Sytuację na skrzyżowaniu na kilkanaście minut utrudniła awaria jednego z  tramwajów ,  który spowodował korek na zjeździe z  estakady Pestki w  Roosevelta .
Tokens: 1_______ 2_ 3___________ 4_ 5__________ 6____ 7________ 8_____ 9______ 10 11_______ 12 13___ 14________ 15___ 16 17______ 18 19______ 20____ 21 22________ 23

Chunks:
  TruePositive nam [22,22] = Roosevelta
  FalsePositive nam [20,20] = Pestki

(ChunkerEvaluator) Sentence #8998 from articles/00107770 from sent9

Text  : - Opanowali śmy już sytuację , korek się rozładował -  zapewniają w  MPK .
Tokens: 1 2________ 3__ 4__ 5_______ 6 7____ 8__ 9_________ 10 11________ 12 13_ 14

Chunks:
  TruePositive nam [13,13] = MPK

2016-10-27 14:59:57,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 397 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107771.xml
(ChunkerEvaluator) Sentence #8999 from articles/00107771 from sent1

Text  : Kamil Łączyński o sezonie w Koszalinie : Uczył em się od Milicicia i  Urlepa
Tokens: 1____ 2________ 3 4______ 5 6_________ 7 8____ 9_ 10_ 11 12_______ 13 14____

Chunks:
  TruePositive nam [1,2] = Kamil Łączyński
  TruePositive nam [6,6] = Koszalinie
  FalsePositive nam [8,8] = Uczył
  FalseNegative nam [12,12] = Milicicia
  FalseNegative nam [14,14] = Urlepa

(ChunkerEvaluator) Sentence #9000 from articles/00107771 from sent2

Text  : - W Koszalinie ambicje były duże , zdecydowanie przewyższały te z  Warszawy .
Tokens: 1 2 3_________ 4______ 5___ 6___ 7 8___________ 9___________ 10 11 12______ 13

Chunks:
  TruePositive nam [3,3] = Koszalinie
  TruePositive nam [12,12] = Warszawy

(ChunkerEvaluator) Sentence #9001 from articles/00107771 from sent3

Text  : Musiałem wyżej zawiesić sobie poprzeczkę , ale jestem zadowolony z  wyboru -  miałem okazję pouczyć się koszykówki od Igora Milicicia -  mówi Warszawa.sport.pl wychowanek Polonii Kamil Łączyński .
Tokens: 1_______ 2____ 3_______ 4____ 5_________ 6 7__ 8_____ 9_________ 10 11____ 12 13____ 14____ 15_____ 16_ 17________ 18 19___ 20_______ 21 22__ 23_______________ 24________ 25_____ 26___ 27_______ 28

Chunks:
  TruePositive nam [19,20] = Igora Milicicia
  TruePositive nam [23,23] = Warszawa.sport.pl
  TruePositive nam [25,25] = Polonii
  TruePositive nam [26,27] = Kamil Łączyński

(ChunkerEvaluator) Sentence #9002 from articles/00107771 from sent4

Text  : 23 - letni rozgrywający miał w AZS Koszalin świetną końcówkę sezonu -  jego zespół przegrał w  ćwierćfinale play -  off 2  -  3  z  Asseco Prokomem Gdynia ,  ale Łączyński w  dwóch ostatnich spotkaniach rzucał obrońcom tytułu odpowiednio 14 i  16 punktów .
Tokens: 1_ 2 3____ 4___________ 5___ 6 7__ 8_______ 9______ 10______ 11____ 12 13__ 14____ 15______ 16 17__________ 18__ 19 20_ 21 22 23 24 25____ 26______ 27____ 28 29_ 30_______ 31 32___ 33_______ 34_________ 35____ 36______ 37____ 38_________ 39 40 41 42_____ 43

Chunks:
  TruePositive nam [7,8] = AZS Koszalin
  TruePositive nam [25,27] = Asseco Prokomem Gdynia
  TruePositive nam [30,30] = Łączyński

(ChunkerEvaluator) Sentence #9003 from articles/00107771 from sent5

Text  : W całym sezonie zdobywał średnio po 5 , 0 punktu i  4  ,  2  asysty na mecz .
Tokens: 1 2____ 3______ 4_______ 5______ 6_ 7 8 9 10____ 11 12 13 14 15____ 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #9004 from articles/00107771 from sent6

Text  : Zagrał w aż 38 meczach - aż , bo utalentowanego rozgrywającego ,  który w  ekstraklasie gra od 2006 roku ,  przez kilka lat trapiły częste kontuzje kolana .
Tokens: 1_____ 2 3_ 4_ 5______ 6 7_ 8 9_ 10____________ 11____________ 12 13___ 14 15__________ 16_ 17 18__ 19__ 20 21___ 22___ 23_ 24_____ 25____ 26______ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #9005 from articles/00107771 from sent7

Text  : Przeszedł sześć operacji , ostatnią w marcu 2010 roku .
Tokens: 1________ 2____ 3_______ 4 5_______ 6 7____ 8___ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #9006 from articles/00107771 from sent8

Text  : Łukasz Cegliński : Kolana nie bolą ?
Tokens: 1_____ 2________ 3 4_____ 5__ 6___ 7

Chunks:
  TruePositive nam [1,2] = Łukasz Cegliński
  FalsePositive nam [4,4] = Kolana

(ChunkerEvaluator) Sentence #9007 from articles/00107771 from sent9

Text  : Kamil Łączyński : Wszystko jest w porządku , nic poważnego się nie działo .
Tokens: 1____ 2________ 3 4_______ 5___ 6 7_______ 8 9__ 10_______ 11_ 12_ 13____ 14

Chunks:
  TruePositive nam [1,2] = Kamil Łączyński
  FalsePositive nam [4,4] = Wszystko

(ChunkerEvaluator) Sentence #9008 from articles/00107771 from sent10

Text  : Małe problemy były , ale ja nigdy tyle nie grał em i  nie trenował em ,  więc to pewnie dlatego .
Tokens: 1___ 2_______ 3___ 4 5__ 6_ 7____ 8___ 9__ 10__ 11 12 13_ 14______ 15 16 17__ 18 19____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #9009 from articles/00107771 from sent11

Text  : Jak brak problemów z kolanami wpływa na twoją grę ?
Tokens: 1__ 2___ 3________ 4 5_______ 6_____ 7_ 8____ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #9010 from articles/00107771 from sent12

Text  : - Jestem zdecydowanie bardziej aktywny , jeśli chodzi o wejścia pod kosz czy grę w  obronie -  wiem ,  że kolano ,  że mięśnie wszystko trzymają i  nie boję się gry fizycznej ,  kontaktu z  rywalem .
Tokens: 1 2_____ 3___________ 4_______ 5______ 6 7____ 8_____ 9 10_____ 11_ 12__ 13_ 14_ 15 16_____ 17 18__ 19 20 21____ 22 23 24_____ 25______ 26______ 27 28_ 29__ 30_ 31_ 32_______ 33 34______ 35 36_____ 37

Chunks:

(ChunkerEvaluator) Sentence #9011 from articles/00107771 from sent13

Text  : Ale ta pewność siebie wynika też z ogromu pracy ,  jaki wkładam w  to ,  by nogę wzmocnić .
Tokens: 1__ 2_ 3______ 4_____ 5_____ 6__ 7 8_____ 9____ 10 11__ 12_____ 13 14 15 16 17__ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #9012 from articles/00107771 from sent14

Text  : Jesteś po pierwszym sezonie gry poza Warszawą .
Tokens: 1_____ 2_ 3________ 4______ 5__ 6___ 7_______ 8

Chunks:
  TruePositive nam [7,7] = Warszawą

(ChunkerEvaluator) Sentence #9013 from articles/00107771 from sent15

Text  : Jakie wrażenia ?
Tokens: 1____ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #9014 from articles/00107771 from sent16

Text  : - Na początku obawiał em się czy odnajdę się w  mieście ,  jak będzie mi się mieszkało samemu itp .
Tokens: 1 2_ 3_______ 4______ 5_ 6__ 7__ 8______ 9__ 10 11_____ 12 13_ 14____ 15 16_ 17_______ 18____ 19_ 20

Chunks:

(ChunkerEvaluator) Sentence #9015 from articles/00107771 from sent17

Text  : Ale z czasem się przyzwyczaił em .
Tokens: 1__ 2 3_____ 4__ 5___________ 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #9016 from articles/00107771 from sent18

Text  : Miałem zupełnie inną drużynę - nie taką , która gra o  przetrwanie ,  a  ja ,  jako młody gracz ,  mogę -  ale nie muszę -  coś wnieść .
Tokens: 1_____ 2_______ 3___ 4______ 5 6__ 7___ 8 9____ 10_ 11 12_________ 13 14 15 16 17__ 18___ 19___ 20 21__ 22 23_ 24_ 25___ 26 27_ 28____ 29

Chunks:

(ChunkerEvaluator) Sentence #9017 from articles/00107771 from sent19

Text  : W Koszalinie były duże ambicje , zespół złożony był z  weteranów i  wymagania ze strony kibiców i  klubu zdecydowanie przewyższały te z  Warszawy .
Tokens: 1 2_________ 3___ 4___ 5______ 6 7_____ 8______ 9__ 10 11_______ 12 13_______ 14 15____ 16_____ 17 18___ 19__________ 20__________ 21 22 23______ 24

Chunks:
  TruePositive nam [2,2] = Koszalinie
  TruePositive nam [23,23] = Warszawy

(ChunkerEvaluator) Sentence #9018 from articles/00107771 from sent20

Text  : Musiałem wyżej zawiesić sobie poprzeczkę , ale jestem zadowolony z  wyboru -  miałem m  .  in .  okazję pouczyć się koszykówki od Igora Milicicia .
Tokens: 1_______ 2____ 3_______ 4____ 5_________ 6 7__ 8_____ 9_________ 10 11____ 12 13____ 14 15 16 17 18____ 19_____ 20_ 21________ 22 23___ 24_______ 25

Chunks:
  TruePositive nam [23,24] = Igora Milicicia

(ChunkerEvaluator) Sentence #9019 from articles/00107771 from sent21

Text  : Czego nauczył cię 36 - letni Milicić , jeden z  najlepszych rozgrywających w  historii ligi ?
Tokens: 1____ 2______ 3__ 4_ 5 6____ 7______ 8 9____ 10 11_________ 12____________ 13 14______ 15__ 16

Chunks:
  FalseNegative nam [7,7] = Milicić

(ChunkerEvaluator) Sentence #9020 from articles/00107771 from sent22

Text  : - Spojrzenia na grę .
Tokens: 1 2_________ 3_ 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #9021 from articles/00107771 from sent23

Text  : Po jednym z przedsezonowych sparingów Igor powiedział mi tak :  „  Kamil ,  ja ci mogę różne rzeczy mówić ,  bo na razie nie mam komu przekazywać wiedzy o  koszykówce ,  moi synowie są jeszcze za mali .
Tokens: 1_ 2_____ 3 4______________ 5________ 6___ 7_________ 8_ 9__ 10 11 12___ 13 14 15 16__ 17___ 18____ 19___ 20 21 22 23___ 24_ 25_ 26__ 27_________ 28____ 29 30________ 31 32_ 33_____ 34 35_____ 36 37__ 38

Chunks:
  TruePositive nam [6,6] = Igor
  TruePositive nam [12,12] = Kamil

(ChunkerEvaluator) Sentence #9022 from articles/00107771 from sent24

Text  : Jak chcesz to słuchaj i podpatruj , jak nie chcesz ,  to nie ”  .
Tokens: 1__ 2_____ 3_ 4______ 5 6________ 7 8__ 9__ 10____ 11 12 13_ 14 15

Chunks:

(ChunkerEvaluator) Sentence #9023 from articles/00107771 from sent25

Text  : Spodobało mi się to , że nie powiedział : rób to ,  co ja !
Tokens: 1________ 2_ 3__ 4_ 5 6_ 7__ 8_________ 9 10_ 11 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #9024 from articles/00107771 from sent26

Text  : Złożył propozycję , a ja ją przyjął em - w  trakcie sezonu odbyli śmy kilkanaście rozmów o  graniu na pozycji rozgrywającego ,  o  koszykówce .
Tokens: 1_____ 2_________ 3 4 5_ 6_ 7______ 8_ 9 10 11_____ 12____ 13____ 14_ 15_________ 16____ 17 18____ 19 20_____ 21____________ 22 23 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #9025 from articles/00107771 from sent27

Text  : Uczył em się od Igora prowadzenia drużyny na boisku ,  ale także od strony szatni .
Tokens: 1____ 2_ 3__ 4_ 5____ 6__________ 7______ 8_ 9_____ 10 11_ 12___ 13 14____ 15____ 16

Chunks:
  TruePositive nam [5,5] = Igora

(ChunkerEvaluator) Sentence #9026 from articles/00107771 from sent28

Text  : Ja jestem zawodnikiem , który lubi napędzać drużynę , dużo gadam itd .
Tokens: 1_ 2_____ 3__________ 4 5____ 6___ 7_______ 8______ 9 10__ 11___ 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #9027 from articles/00107771 from sent29

Text  : Igor tu też mi pomógł .
Tokens: 1___ 2_ 3__ 4_ 5_____ 6

Chunks:
  FalseNegative nam [1,1] = Igor

(ChunkerEvaluator) Sentence #9028 from articles/00107771 from sent30

Text  : Ale dopiero na boisku okaże się , czy coś z  tego wyniosł em .
Tokens: 1__ 2______ 3_ 4_____ 5____ 6__ 7 8__ 9__ 10 11__ 12_____ 13 14

Chunks:

(ChunkerEvaluator) Sentence #9029 from articles/00107771 from sent31

Text  : Na razie boisko pokazuje , że - inaczej niż w  Warszawie -  rzadziej i  słabiej rzucasz z  dystansu ,  ale stajesz się rozgrywającym pełną gębą .
Tokens: 1_ 2____ 3_____ 4_______ 5 6_ 7 8______ 9__ 10 11_______ 12 13______ 14 15_____ 16_____ 17 18______ 19 20_ 21_____ 22_ 23___________ 24___ 25__ 26

Chunks:
  TruePositive nam [11,11] = Warszawie

(ChunkerEvaluator) Sentence #9030 from articles/00107771 from sent32

Text  : Masz coraz więcej asyst .
Tokens: 1___ 2____ 3_____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #9031 from articles/00107771 from sent33

Text  : - Zawsze bardzo lubił em podawać , a że nie było tego widać .  .  .
Tokens: 1 2_____ 3_____ 4____ 5_ 6______ 7 8 9_ 10_ 11__ 12__ 13___ 14 15 16

Chunks:

(ChunkerEvaluator) Sentence #9032 from articles/00107771 from sent34

Text  : W Polonii często była taka sytuacja , że jak grał em z  Marcinem Nowakowskim ,  Michałem Kwiatkowskim ,  a  wcześniej Krzyśkiem Szubargą i  Tomkiem Ochońko to bywało tak ,  że nie miało znaczenia ,  kto na jakiej pozycji gra na obwodzie .
Tokens: 1 2______ 3_____ 4___ 5___ 6_______ 7 8_ 9__ 10__ 11 12 13______ 14_________ 15 16______ 17__________ 18 19 20_______ 21_______ 22______ 23 24_____ 25_____ 26 27____ 28_ 29 30 31_ 32___ 33_______ 34 35_ 36 37____ 38_____ 39_ 40 41______ 42

Chunks:
  TruePositive nam [2,2] = Polonii
  TruePositive nam [13,14] = Marcinem Nowakowskim
  TruePositive nam [16,17] = Michałem Kwiatkowskim
  TruePositive nam [21,22] = Krzyśkiem Szubargą
  TruePositive nam [24,25] = Tomkiem Ochońko

(ChunkerEvaluator) Sentence #9033 from articles/00107771 from sent35

Text  : Może dlatego czasem więcej rzucał em .
Tokens: 1___ 2______ 3_____ 4_____ 5_____ 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #9034 from articles/00107771 from sent36

Text  : W AZS , szczególnie od momentu jak zespół przejął trener Andrej Urlep ,  grał em tylko jako rozgrywający .
Tokens: 1 2__ 3 4__________ 5_ 6______ 7__ 8_____ 9______ 10____ 11____ 12___ 13 14__ 15 16___ 17__ 18__________ 19

Chunks:
  TruePositive nam [2,2] = AZS
  TruePositive nam [11,12] = Andrej Urlep

(ChunkerEvaluator) Sentence #9035 from articles/00107771 from sent37

Text  : A jak dostawał em więcej szans , to , siłą rzeczy ,  miałem też więcej okazji do kreowania kolegów .
Tokens: 1 2__ 3_______ 4_ 5_____ 6____ 7 8_ 9 10__ 11____ 12 13____ 14_ 15____ 16____ 17 18_______ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #9036 from articles/00107771 from sent38

Text  : Ale nad skutecznością muszę pracować , bo końcówkę sezonu miałem tragiczną .
Tokens: 1__ 2__ 3____________ 4____ 5_______ 6 7_ 8_______ 9_____ 10____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #9037 from articles/00107771 from sent39

Text  : Wywołał eś nazwisko Urlepa - jakie wrażenia z pracy z  legendą ?
Tokens: 1______ 2_ 3_______ 4_____ 5 6____ 7_______ 8 9____ 10 11_____ 12

Chunks:
  FalseNegative nam [4,4] = Urlepa

(ChunkerEvaluator) Sentence #9038 from articles/00107771 from sent40

Text  : - Na początku miałem stracha , bo krążą o nim różne opowieści .
Tokens: 1 2_ 3_______ 4_____ 5______ 6 7_ 8____ 9 10_ 11___ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #9039 from articles/00107771 from sent41

Text  : Ale po paru miesiącach jestem bardzo zadowolony .
Tokens: 1__ 2_ 3___ 4_________ 5_____ 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #9040 from articles/00107771 from sent42

Text  : Facet żyje koszykówką , ma ogromną wiedzę i poświęca mnóstwo czasu by jakiegoś Łączyńskiego uczyć i  podnosić jego poziom .
Tokens: 1____ 2___ 3_________ 4 5_ 6______ 7_____ 8 9_______ 10_____ 11___ 12 13______ 14__________ 15___ 16 17______ 18__ 19____ 20

Chunks:
  TruePositive nam [14,14] = Łączyńskiego

(ChunkerEvaluator) Sentence #9041 from articles/00107771 from sent43

Text  : Trenerowi zwykle zależy tylko na wyniku drużyny , ale Urlep pracował też z  każdym z  nas .
Tokens: 1________ 2_____ 3_____ 4____ 5_ 6_____ 7______ 8 9__ 10___ 11______ 12_ 13 14____ 15 16_ 17

Chunks:
  FalseNegative nam [10,10] = Urlep

(ChunkerEvaluator) Sentence #9042 from articles/00107771 from sent44

Text  : Mieli śmy indywidualne wideo , także z drugim trenerem Davidem Dedkiem -  oglądali śmy mecze analizując je akcja po akcji .
Tokens: 1____ 2__ 3___________ 4____ 5 6____ 7 8_____ 9_______ 10_____ 11_____ 12 13______ 14_ 15___ 16________ 17 18___ 19 20___ 21

Chunks:
  FalsePositive nam [10,10] = Davidem
  FalseNegative nam [10,11] = Davidem Dedkiem

(ChunkerEvaluator) Sentence #9043 from articles/00107771 from sent45

Text  : Słyszał em od trenerów , w których konkretnych sytuacjach zachował em się źle ,  bo mam złe nawyki ,  a  w  których dobrze i  co muszę powielać .
Tokens: 1______ 2_ 3_ 4_______ 5 6 7______ 8__________ 9_________ 10______ 11 12_ 13_ 14 15 16_ 17_ 18____ 19 20 21 22_____ 23____ 24 25 26___ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #9044 from articles/00107771 from sent46

Text  : Wcześniej w karierze czegoś takiego nie doświadczył em .
Tokens: 1________ 2 3_______ 4_____ 5______ 6__ 7__________ 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #9045 from articles/00107771 from sent47

Text  : Trener Urlep jest oczywiście zwariowany , ale w dobrym tego słowa znaczeniu .
Tokens: 1_____ 2____ 3___ 4_________ 5_________ 6 7__ 8 9_____ 10__ 11___ 12_______ 13

Chunks:
  FalseNegative nam [2,2] = Urlep

(ChunkerEvaluator) Sentence #9046 from articles/00107771 from sent48

Text  : Wybucha , ale te wybuchy mają pozytywny wydźwięk .
Tokens: 1______ 2 3__ 4_ 5______ 6___ 7________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #9047 from articles/00107771 from sent49

Text  : Zrobił w Koszalinie wielką robotę - może nie widać tego tak bardzo po wynikach ,  ale po jego przyjściu zespół zaczął funkcjonować jak drużyna .
Tokens: 1_____ 2 3_________ 4_____ 5_____ 6 7___ 8__ 9____ 10__ 11_ 12____ 13 14______ 15 16_ 17 18__ 19_______ 20____ 21____ 22__________ 23_ 24_____ 25

Chunks:
  TruePositive nam [3,3] = Koszalinie

(ChunkerEvaluator) Sentence #9048 from articles/00107771 from sent50

Text  : W ćwierćfinale play - off grali ście z Asseco Prokomem Gdynia .
Tokens: 1 2___________ 3___ 4 5__ 6____ 7___ 8 9_____ 10______ 11____ 12

Chunks:
  TruePositive nam [9,11] = Asseco Prokomem Gdynia
  FalseNegative nam [3,5] = play - off

(ChunkerEvaluator) Sentence #9049 from articles/00107771 from sent51

Text  : Przegrali ście 2 - 3 , ale wypadli ście nieźle ,  szczególnie ty .
Tokens: 1________ 2___ 3 4 5 6 7__ 8______ 9___ 10____ 11 12_________ 13 14

Chunks:

(ChunkerEvaluator) Sentence #9050 from articles/00107771 from sent52

Text  : - Grało mi się bardzo dobrze .
Tokens: 1 2____ 3_ 4__ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #9051 from articles/00107771 from sent53

Text  : Nie spodziewał em się , że będziemy aż tak z  Prokomem walczyli ,  choć wiedzieli śmy ,  że mamy szansę im się postawić -  szczególnie w  Koszalinie .
Tokens: 1__ 2_________ 3_ 4__ 5 6_ 7_______ 8_ 9__ 10 11______ 12______ 13 14__ 15_______ 16_ 17 18 19__ 20____ 21 22_ 23______ 24 25_________ 26 27________ 28

Chunks:
  TruePositive nam [27,27] = Koszalinie
  FalseNegative nam [11,11] = Prokomem

(ChunkerEvaluator) Sentence #9052 from articles/00107771 from sent54

Text  : Spodziewał em się , że wygramy dwa mecze u siebie ,  bo to specyficzna hala .
Tokens: 1_________ 2_ 3__ 4 5_ 6______ 7__ 8____ 9 10____ 11 12 13 14_________ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #9053 from articles/00107771 from sent55

Text  : Ja miałem pretensje do siebie za końcówkę piątego , decydującego meczu w  Gdyni -  słabo ją rozegrał em ,  nie wziął em odpowiedzialności na siebie .
Tokens: 1_ 2_____ 3________ 4_ 5_____ 6_ 7_______ 8______ 9 10__________ 11___ 12 13___ 14 15___ 16 17______ 18 19 20_ 21___ 22 23_______________ 24 25____ 26

Chunks:
  TruePositive nam [13,13] = Gdyni

(ChunkerEvaluator) Sentence #9054 from articles/00107771 from sent56

Text  : Szło mi , zdobył em 10 punktów z rzędu ,  a  w  trzech ostatnich minutach nie oddał em rzutu .
Tokens: 1___ 2_ 3 4_____ 5_ 6_ 7______ 8 9____ 10 11 12 13____ 14_______ 15______ 16_ 17___ 18 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #9055 from articles/00107771 from sent57

Text  : A przegrali śmy tylko siedmioma punktami .
Tokens: 1 2________ 3__ 4____ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #9056 from articles/00107771 from sent58

Text  : W minionym sezonie Tauron Basket Ligi , łącznie z tobą ,  zagrało tylko 10 koszykarzy zaczynających grać w  koszykówkę w  Warszawie lub okolicach .
Tokens: 1 2_______ 3______ 4_____ 5_____ 6___ 7 8______ 9 10__ 11 12_____ 13___ 14 15________ 16___________ 17__ 18 19________ 20 21_______ 22_ 23_______ 24

Chunks:
  TruePositive nam [4,6] = Tauron Basket Ligi
  TruePositive nam [21,21] = Warszawie

(ChunkerEvaluator) Sentence #9057 from articles/00107771 from sent59

Text  : To chyba źle świadczy o regionie ?
Tokens: 1_ 2____ 3__ 4_______ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #9058 from articles/00107771 from sent60

Text  : - Zdecydowanie .
Tokens: 1 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #9059 from articles/00107771 from sent61

Text  : To porażka .
Tokens: 1_ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #9060 from articles/00107771 from sent62

Text  : Największe województwo , największe miasto powinny być fabryką młodych sportowców ,  koszykarzy .
Tokens: 1_________ 2__________ 3 4_________ 5_____ 6______ 7__ 8______ 9______ 10________ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #9061 from articles/00107771 from sent63

Text  : A w przyszłym roku znów może nie być w Warszawie koszykówki w  ekstraklasie .
Tokens: 1 2 3________ 4___ 5___ 6___ 7__ 8__ 9 10_______ 11________ 12 13__________ 14

Chunks:
  TruePositive nam [10,10] = Warszawie

(ChunkerEvaluator) Sentence #9062 from articles/00107771 from sent64

Text  : Z czego wynika ten regres ?
Tokens: 1 2____ 3_____ 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #9063 from articles/00107771 from sent65

Text  : - W Warszawie jest wiele klubów młodzieżowych , w których grają fajni chłopcy .
Tokens: 1 2 3________ 4___ 5____ 6_____ 7____________ 8 9 10_____ 11___ 12___ 13_____ 14

Chunks:
  TruePositive nam [3,3] = Warszawie

(ChunkerEvaluator) Sentence #9064 from articles/00107771 from sent66

Text  : Te drużyny grają w półfinałach lub finałach mistrzostw Polski w  swoich kategoriach ,  więc nie jest tak ,  że nie mamy młodych ,  ambitnych zawodników i  trenerów .
Tokens: 1_ 2______ 3____ 4 5__________ 6__ 7_______ 8_________ 9_____ 10 11____ 12_________ 13 14__ 15_ 16__ 17_ 18 19 20_ 21__ 22_____ 23 24_______ 25________ 26 27______ 28

Chunks:
  FalsePositive nam [9,9] = Polski
  FalseNegative nam [8,9] = mistrzostw Polski

(ChunkerEvaluator) Sentence #9065 from articles/00107771 from sent67

Text  : Warszawa nie chce jednak zainwestować w dorosłą koszykówkę - ci ,  którzy kończą wiek juniora ,  nie mają gdzie we własnym mieście grać w  seniorach na dobrym poziomie .
Tokens: 1_______ 2__ 3___ 4_____ 5___________ 6 7______ 8_________ 9 10 11 12____ 13____ 14__ 15_____ 16 17_ 18__ 19___ 20 21_____ 22_____ 23__ 24 25_______ 26 27____ 28______ 29

Chunks:
  TruePositive nam [1,1] = Warszawa

(ChunkerEvaluator) Sentence #9066 from articles/00107771 from sent68

Text  : Muszą wyjeżdżać , a to jest często skok na głęboką wodę .
Tokens: 1____ 2________ 3 4 5_ 6___ 7_____ 8___ 9_ 10_____ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #9067 from articles/00107771 from sent69

Text  : Czasem się nie udaje , człowiek się podłamuje .
Tokens: 1_____ 2__ 3__ 4____ 5 6_______ 7__ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #9068 from articles/00107771 from sent70

Text  : Brakuje inicjatywy ze strony miasta , nie ma ludzi ,  którzy chcą inwestować w  koszykówkę .
Tokens: 1______ 2_________ 3_ 4_____ 5_____ 6 7__ 8_ 9____ 10 11____ 12__ 13________ 14 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #9069 from articles/00107771 from sent71

Text  : Warszawa zasługuje na zespół grający na najwyższym poziomie i tylko taki zdoła przyciągnąć ludzi .
Tokens: 1_______ 2________ 3_ 4_____ 5______ 6_ 7_________ 8_______ 9 10___ 11__ 12___ 13_________ 14___ 15

Chunks:
  TruePositive nam [1,1] = Warszawa

(ChunkerEvaluator) Sentence #9070 from articles/00107771 from sent72

Text  : Drużyny walczące w dole tabeli nie wzbudzają zainteresowania .
Tokens: 1______ 2_______ 3 4___ 5_____ 6__ 7________ 8______________ 9

Chunks:

(ChunkerEvaluator) Sentence #9071 from articles/00107771 from sent73

Text  : Mam nadzieję , że w górę pójdzie Legia i za jakiś czas znajdzie się w  ekstraklasie .
Tokens: 1__ 2_______ 3 4_ 5 6___ 7______ 8____ 9 10 11___ 12__ 13______ 14_ 15 16__________ 17

Chunks:
  TruePositive nam [8,8] = Legia

2016-10-27 14:59:57,608 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 398 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107772.xml
(ChunkerEvaluator) Sentence #9072 from articles/00107772 from sent1

Text  : Pioneer Arbitrażowy SFIZI nabycie aktywów o znacznej wartości
Tokens: 1______ 2__________ 3____ 4______ 5______ 6 7_______ 8_______

Chunks:
  TruePositive nam [1,3] = Pioneer Arbitrażowy SFIZI

(ChunkerEvaluator) Sentence #9073 from articles/00107772 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - PIONEER PEKAO
Tokens: 1_____ 2 3_____ 4 5________ 6 7______ 8____

Chunks:
  FalsePositive nam [1,7] = GIEŁDA - SPÓŁKI - KOMUNIKAT - PIONEER
  FalsePositive nam [8,8] = PEKAO
  FalseNegative nam [7,8] = PIONEER PEKAO

(ChunkerEvaluator) Sentence #9074 from articles/00107772 from sent3

Text  : Raport Bieżący Nr _ 364 _ E / ARBITER /  2002 :  Pioneer Pekao Towarzystwo Funduszy Inwestycyjnych S  .  A  .  działając w  imieniu Pioneer Arbitrażowego Specjalistycznego Funduszu Inwestycyjnego Zamkniętego niniejszym informuje ,  że w  dniu 26 .  11 .  2002 roku Pioneer Arbitrażowy Specjalistyczny Fundusz Inwestycyjny Zamknięty zawarł transakcję zakupu papierów wartościowych :
Tokens: 1_____ 2______ 3_ 4 5__ 6 7 8 9______ 10 11__ 12 13_____ 14___ 15_________ 16______ 17____________ 18 19 20 21 22_______ 23 24_____ 25_____ 26___________ 27_______________ 28______ 29____________ 30_________ 31________ 32_______ 33 34 35 36__ 37 38 39 40 41__ 42__ 43_____ 44_________ 45_____________ 46_____ 47__________ 48_______ 49____ 50________ 51____ 52______ 53___________ 54

Chunks:
  TruePositive nam [9,9] = ARBITER
  TruePositive nam [13,21] = Pioneer Pekao Towarzystwo Funduszy Inwestycyjnych S . A .
  TruePositive nam [25,30] = Pioneer Arbitrażowego Specjalistycznego Funduszu Inwestycyjnego Zamkniętego
  TruePositive nam [43,48] = Pioneer Arbitrażowy Specjalistyczny Fundusz Inwestycyjny Zamknięty
  FalsePositive nam [2,2] = Bieżący

(ChunkerEvaluator) Sentence #9075 from articles/00107772 from sent4

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9076 from articles/00107772 from sent5

Text  : nazwa i podstawowe dane podmiotu zbywającego aktywa : BRE Bank SA 00 -  950 Warszawa ul .  Senatorska 18
Tokens: 1____ 2 3_________ 4___ 5_______ 6__________ 7_____ 8 9__ 10__ 11 12 13 14_ 15______ 16 17 18________ 19

Chunks:
  TruePositive nam [18,18] = Senatorska
  FalsePositive nam [9,15] = BRE Bank SA 00 - 950 Warszawa
  FalseNegative nam [9,11] = BRE Bank SA
  FalseNegative nam [15,15] = Warszawa

(ChunkerEvaluator) Sentence #9077 from articles/00107772 from sent6

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9078 from articles/00107772 from sent7

Text  : data i sposób nabycia aktywów : 26 . 11 .  2002 roku transakcja zakupu papierów wartościowych
Tokens: 1___ 2 3_____ 4______ 5______ 6 7_ 8 9_ 10 11__ 12__ 13________ 14____ 15______ 16___________

Chunks:

(ChunkerEvaluator) Sentence #9079 from articles/00107772 from sent8

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9080 from articles/00107772 from sent9

Text  : charakterystyka nabytych aktywów : transakcja została zawarta na warunkach przyrzeczenia przez kontrahenta odkupienia sprzedanych papierów wartościowych w  dniu 27 .  11 .  2002 r  .
Tokens: 1______________ 2_______ 3______ 4 5_________ 6______ 7______ 8_ 9________ 10___________ 11___ 12_________ 13________ 14_________ 15______ 16___________ 17 18__ 19 20 21 22 23__ 24 25

Chunks:

(ChunkerEvaluator) Sentence #9081 from articles/00107772 from sent10

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9082 from articles/00107772 from sent11

Text  : przedmiotem transakcji były : Bony Skarbowe : PL0000002150 o wartości nominalnej :  56 870 000 .  00 zł terminie wykupu :  25 .  06 .  03 !
Tokens: 1__________ 2_________ 3___ 4 5___ 6_______ 7 8___________ 9 10______ 11________ 12 13 14_ 15_ 16 17 18 19______ 20____ 21 22 23 24 25 26 27

Chunks:
  TruePositive nam [18,18] = zł
  FalsePositive nam [5,6] = Bony Skarbowe

(ChunkerEvaluator) Sentence #9083 from articles/00107772 from sent12

Text  : wartość transakcji : 54 944 836 . 76 zł (  cena 9  661 .  48 zł za 1  szt .  )
Tokens: 1______ 2_________ 3 4_ 5__ 6__ 7 8_ 9_ 10 11__ 12 13_ 14 15 16 17 18 19_ 20 21

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #9084 from articles/00107772 from sent13

Text  : co stanowi : 87 % wartości Aktywów Netto Funduszu z  dnia ostatniej wyceny
Tokens: 1_ 2______ 3 4_ 5 6_______ 7______ 8____ 9_______ 10 11__ 12_______ 13____

Chunks:
  FalsePositive nam [7,9] = Aktywów Netto Funduszu

(ChunkerEvaluator) Sentence #9085 from articles/00107772 from sent14

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9086 from articles/00107772 from sent15

Text  : Kryterium będące podstawą uznania aktywów za aktywa o znacznej wartości :  Wartość przedmiotu transakcji stanowi co najmniej 10 %  wartości Aktywów Netto Funduszu
Tokens: 1________ 2_____ 3_______ 4______ 5______ 6_ 7_____ 8 9_______ 10______ 11 12_____ 13________ 14________ 15_____ 16 17______ 18 19 20______ 21_____ 22___ 23______

Chunks:
  FalsePositive nam [21,23] = Aktywów Netto Funduszu

(ChunkerEvaluator) Sentence #9087 from articles/00107772 from sent16

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9088 from articles/00107772 from sent17

Text  : Nie ma powiązań pomiędzy emitentem i osobami zarządzającymi lub nadzorującymi emitenta a  zbywającym aktywa ,  w  rozumieniu Rozporządzenia Rady Ministrów z  dnia 16 października 2001 r  .  w  sprawie informacji bieżących i  okresowych przekazywanych przez emitentów papierów wartościowych
Tokens: 1__ 2_ 3_______ 4_______ 5________ 6 7______ 8_____________ 9__ 10___________ 11______ 12 13________ 14____ 15 16 17________ 18____________ 19__ 20_______ 21 22__ 23 24__________ 25__ 26 27 28 29_____ 30________ 31_______ 32 33________ 34____________ 35___ 36_______ 37______ 38___________

Chunks:
  TruePositive nam [18,20] = Rozporządzenia Rady Ministrów

(ChunkerEvaluator) Sentence #9089 from articles/00107772 from sent18

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9090 from articles/00107772 from sent19

Text  : Źródłem finansowania nabytych aktywów są kwoty wpłacone przez nabywców Certyfikatów Inwestycyjnych funduszu po powiększeniu o  dochody funduszu .
Tokens: 1______ 2___________ 3_______ 4______ 5_ 6____ 7_______ 8____ 9_______ 10__________ 11____________ 12______ 13 14__________ 15 16_____ 17______ 18

Chunks:
  FalsePositive nam [10,11] = Certyfikatów Inwestycyjnych

2016-10-27 14:59:57,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 399 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107773.xml
(ChunkerEvaluator) Sentence #9091 from articles/00107773 from sent1

Text  : Członkowie Rady Przejrzystości otrzymają zaległe wynagrodzenia
Tokens: 1_________ 2___ 3_____________ 4________ 5______ 6____________

Chunks:
  TruePositive nam [2,3] = Rady Przejrzystości

(ChunkerEvaluator) Sentence #9092 from articles/00107773 from sent2

Text  : Członkowie Rady Przejrzystości otrzymają zaległe od lutego wynagrodzenia za pracę w  radzie .
Tokens: 1_________ 2___ 3_____________ 4________ 5______ 6_ 7_____ 8____________ 9_ 10___ 11 12____ 13

Chunks:
  TruePositive nam [2,3] = Rady Przejrzystości

(ChunkerEvaluator) Sentence #9093 from articles/00107773 from sent3

Text  : Minister zdrowia podpisał rozporządzenie określające wysokość tych wynagrodzeń .
Tokens: 1_______ 2______ 3_______ 4_____________ 5__________ 6_______ 7___ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #9094 from articles/00107773 from sent4

Text  : Rada wydaje dla resortu m . in . opinie dotyczące wpisania leków na listę refundacyjną .
Tokens: 1___ 2_____ 3__ 4______ 5 6 7_ 8 9_____ 10_______ 11______ 12___ 13 14___ 15__________ 16

Chunks:
  FalseNegative nam [1,1] = Rada

(ChunkerEvaluator) Sentence #9095 from articles/00107773 from sent5

Text  : Na początku maja członkowie Rady wystosowali do ministra zdrowia pismo ws .  braku rozporządzenia dotyczącego ich wynagrodzenia za pracę .
Tokens: 1_ 2_______ 3___ 4_________ 5___ 6__________ 7_ 8_______ 9______ 10___ 11 12 13___ 14____________ 15_________ 16_ 17___________ 18 19___ 20

Chunks:
  FalseNegative nam [5,5] = Rady

(ChunkerEvaluator) Sentence #9096 from articles/00107773 from sent6

Text  : Od czasu powołania Rady , czyli od lutego , pracują bez wynagrodzenia .
Tokens: 1_ 2____ 3________ 4___ 5 6____ 7_ 8_____ 9 10_____ 11_ 12___________ 13

Chunks:
  FalseNegative nam [4,4] = Rady

(ChunkerEvaluator) Sentence #9097 from articles/00107773 from sent7

Text  : Niektórzy jej członkowie rozważali odejście .
Tokens: 1________ 2__ 3_________ 4________ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #9098 from articles/00107773 from sent8

Text  : Jak poinformowała w piątek PAP rzeczniczka resortu zdrowia Agnieszka Gołąbek ,  minister podpisał rozporządzenie ,  a  członkowie Rady otrzymają wypłatę za wszystkie odbyte do tej pory posiedzenia .
Tokens: 1__ 2____________ 3 4_____ 5__ 6__________ 7______ 8______ 9________ 10_____ 11 12______ 13______ 14____________ 15 16 17________ 18__ 19_______ 20_____ 21 22_______ 23____ 24 25_ 26__ 27_________ 28

Chunks:
  TruePositive nam [5,5] = PAP
  TruePositive nam [9,10] = Agnieszka Gołąbek
  FalseNegative nam [18,18] = Rady

(ChunkerEvaluator) Sentence #9099 from articles/00107773 from sent9

Text  : Według rozporządzenia przewodniczący Rady otrzyma 3 tys . zł za posiedzenie ,  wiceprzewodniczący -  2  ,  7  tys .  zł ,  a  członkowie po 2  ,  5  tys .  zł .
Tokens: 1_____ 2_____________ 3_____________ 4___ 5______ 6 7__ 8 9_ 10 11_________ 12 13________________ 14 15 16 17 18_ 19 20 21 22 23________ 24 25 26 27 28_ 29 30 31

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [20,20] = zł
  TruePositive nam [30,30] = zł
  FalseNegative nam [4,4] = Rady

(ChunkerEvaluator) Sentence #9100 from articles/00107773 from sent10

Text  : Zgodnie z ustawą eksperci Rady powinni otrzymywać maksymalnie 3 ,  5  tys .  zł za posiedzenie ,  nie więcej niż 10 ,  5  tys .  zł miesięcznie ,  zaś dokładne stawki określa minister zdrowia .
Tokens: 1______ 2 3_____ 4_______ 5___ 6______ 7_________ 8__________ 9 10 11 12_ 13 14 15 16_________ 17 18_ 19____ 20_ 21 22 23 24_ 25 26 27_________ 28 29_ 30______ 31____ 32_____ 33______ 34_____ 35

Chunks:
  TruePositive nam [14,14] = zł
  TruePositive nam [26,26] = zł
  FalseNegative nam [5,5] = Rady

(ChunkerEvaluator) Sentence #9101 from articles/00107773 from sent11

Text  : Projekt rozporządzenia , w którym zaproponowano wynagrodzenia na poziomie 3  tys .  -  przewodniczący ,  2  ,  7  tys .  -  wiceprzewodniczący oraz 2  ,  5  tys .  -  członkowie ,  trafił w  marcu do konsultacji .
Tokens: 1______ 2_____________ 3 4 5_____ 6____________ 7____________ 8_ 9_______ 10 11_ 12 13 14____________ 15 16 17 18 19_ 20 21 22________________ 23__ 24 25 26 27_ 28 29 30________ 31 32____ 33 34___ 35 36_________ 37

Chunks:

(ChunkerEvaluator) Sentence #9102 from articles/00107773 from sent12

Text  : Jak podawały niektóre media , minister finansów zakwestionował wysokość wynagrodzeń i  proponował znacznie niższe stawki .
Tokens: 1__ 2_______ 3_______ 4____ 5 6_______ 7_______ 8_____________ 9_______ 10_________ 11 12________ 13______ 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #9103 from articles/00107773 from sent13

Text  : Resort zdrowia nie potwierdzał jednak takich informacji .
Tokens: 1_____ 2______ 3__ 4__________ 5_____ 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #9104 from articles/00107773 from sent14

Text  : W skład Rady Przejrzystości , która zgodnie z obowiązującą od 1  stycznia ustawą refundacyjną w  lutym zastąpiła Radę Konsultacyjną Agencji Oceny Technologii Medycznych ,  powinno wchodzić dziesięć osób posiadających doświadczenie ,  uznany dorobek oraz co najmniej stopień naukowy doktora nauk medycznych lub dziedzin pokrewnych ,  lub innych dziedzin odpowiednich dla przeprowadzenia oceny świadczeń opieki zdrowotnej ,  w  tym etyki ,  a  także czterech przedstawicieli ministra zdrowia ,  dwóch przedstawicieli prezesa Narodowego Funduszu Zdrowia ,  dwóch przedstawicieli prezesa urzędu rejestracji produktów leczniczych ,  wyrobów medycznych i  produktów biobójczych oraz dwóch przedstawicieli rzecznika praw pacjenta .
Tokens: 1 2____ 3___ 4_____________ 5 6____ 7______ 8 9___________ 10 11 12______ 13____ 14__________ 15 16___ 17_______ 18__ 19___________ 20_____ 21___ 22_________ 23________ 24 25_____ 26______ 27______ 28__ 29___________ 30___________ 31 32____ 33_____ 34__ 35 36______ 37_____ 38_____ 39_____ 40__ 41________ 42_ 43______ 44________ 45 46_ 47____ 48______ 49__________ 50_ 51_____________ 52___ 53_______ 54____ 55________ 56 57 58_ 59___ 60 61 62___ 63______ 64_____________ 65______ 66_____ 67 68___ 69_____________ 70_____ 71________ 72______ 73_____ 74 75___ 76_____________ 77_____ 78____ 79_________ 80_______ 81_________ 82 83_____ 84________ 85 86_______ 87_________ 88__ 89___ 90_____________ 91_______ 92__ 93______ 94

Chunks:
  TruePositive nam [3,4] = Rady Przejrzystości
  TruePositive nam [18,23] = Radę Konsultacyjną Agencji Oceny Technologii Medycznych
  TruePositive nam [71,73] = Narodowego Funduszu Zdrowia

(ChunkerEvaluator) Sentence #9105 from articles/00107773 from sent15

Text  : Obecnie Rada liczy 18 członków .
Tokens: 1______ 2___ 3____ 4_ 5_______ 6

Chunks:
  FalseNegative nam [2,2] = Rada

(ChunkerEvaluator) Sentence #9106 from articles/00107773 from sent16

Text  : Rada wydaje m . in . opinie dla ministra zdrowia ws .  wpisania na listę refundacyjną nowych leków lub rozszerzenia refundacji niektórych leków poza wskazania rejestracyjne .
Tokens: 1___ 2_____ 3 4 5_ 6 7_____ 8__ 9_______ 10_____ 11 12 13______ 14 15___ 16__________ 17____ 18___ 19_ 20__________ 21________ 22________ 23___ 24__ 25_______ 26___________ 27

Chunks:
  FalseNegative nam [1,1] = Rada

(ChunkerEvaluator) Sentence #9107 from articles/00107773 from sent17

Text  : Opiniuje też programy zdrowotne realizowane przez samorządy .
Tokens: 1_______ 2__ 3_______ 4________ 5__________ 6____ 7________ 8

Chunks:

2016-10-27 14:59:57,806 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 400 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107774.xml
(ChunkerEvaluator) Sentence #9108 from articles/00107774 from sent1

Text  : Tragedia w Stargardzie Szczecińskim : 9 - latka nie żyje ,  jej siostra ranna
Tokens: 1_______ 2 3__________ 4___________ 5 6 7 8____ 9__ 10__ 11 12_ 13_____ 14___

Chunks:
  TruePositive nam [3,4] = Stargardzie Szczecińskim

(ChunkerEvaluator) Sentence #9109 from articles/00107774 from sent2

Text  : W mieszkaniu w Stargardzie Szczecińskim policjanci znaleźli ciało 9 -  letniej dziewczynki i  jej 3  ,  5  -  letnią siostrę z  poważnymi obrażeniami ciała .
Tokens: 1 2_________ 3 4__________ 5___________ 6_________ 7_______ 8____ 9 10 11_____ 12_________ 13 14_ 15 16 17 18 19____ 20_____ 21 22_______ 23_________ 24___ 25

Chunks:
  TruePositive nam [4,5] = Stargardzie Szczecińskim

(ChunkerEvaluator) Sentence #9110 from articles/00107774 from sent3

Text  : Trwają poszukiwania matki dzieci .
Tokens: 1_____ 2___________ 3____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #9111 from articles/00107774 from sent4

Text  : Policjanci otrzymali zgłoszenie o tragedii od babci dziewczynek w piątek około godziny 17 .
Tokens: 1_________ 2________ 3_________ 4 5_______ 6_ 7____ 8__________ 9 10____ 11___ 12_____ 13 14

Chunks:

(ChunkerEvaluator) Sentence #9112 from articles/00107774 from sent5

Text  : Kobieta wróciła do domu i zastała otwarte drzwi do mieszkania .
Tokens: 1______ 2______ 3_ 4___ 5 6______ 7______ 8____ 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #9113 from articles/00107774 from sent6

Text  : W środku było ciało starszej dziewczynki z ranami zadanymi ostrym narzędziem .
Tokens: 1 2_____ 3___ 4____ 5_______ 6__________ 7 8_____ 9_______ 10____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #9114 from articles/00107774 from sent7

Text  : Jej młodsza siostra również miała na ciele podobne rany i  została przewieziona do szpitala .
Tokens: 1__ 2______ 3______ 4______ 5____ 6_ 7____ 8______ 9___ 10 11_____ 12__________ 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #9115 from articles/00107774 from sent8

Text  : Tego dnia do południa dziećmi opiekowała się ich ciocia .
Tokens: 1___ 2___ 3_ 4_______ 5______ 6_________ 7__ 8__ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #9116 from articles/00107774 from sent9

Text  : Po południu do mieszkania wróciła z pracy 45 - letnia matka dziewczynek .
Tokens: 1_ 2_______ 3_ 4_________ 5______ 6 7____ 8_ 9 10____ 11___ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #9117 from articles/00107774 from sent10

Text  : Trwają jej poszukiwania .
Tokens: 1_____ 2__ 3___________ 4

Chunks:

(ChunkerEvaluator) Sentence #9118 from articles/00107774 from sent11

Text  : Funkcjonariusze mają zdjęcia kobiety .
Tokens: 1______________ 2___ 3______ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #9119 from articles/00107774 from sent12

Text  : W poszukiwaniach biorą udział psy tropiące .
Tokens: 1 2_____________ 3____ 4_____ 5__ 6_______ 7

Chunks:

2016-10-27 14:59:57,852 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 401 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107775.xml
(ChunkerEvaluator) Sentence #9120 from articles/00107775 from sent1

Text  : Tober : niewykluczone dodatkowe posiedzenie rządu ws . negocjacji
Tokens: 1____ 2 3____________ 4________ 5__________ 6____ 7_ 8 9_________

Chunks:
  FalseNegative nam [1,1] = Tober

(ChunkerEvaluator) Sentence #9121 from articles/00107775 from sent2

Text  : 27 . 11 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #9122 from articles/00107775 from sent3

Text  : Warszawa ( PAP ) - Rzecznik rządu Michał Tober nie wykluczył ,  że Rada Ministrów zbierze się ponownie jeszcze w  tym tygodniu ,  by odnieść się do nowych propozycji finansowych zaprezentowanych przez przedstawicieli Unii Europejskiej państwom kandydującym
Tokens: 1_______ 2 3__ 4 5 6_______ 7____ 8_____ 9____ 10_ 11_______ 12 13 14__ 15_______ 16_____ 17_ 18______ 19_____ 20 21_ 22______ 23 24 25_____ 26_ 27 28____ 29________ 30_________ 31______________ 32___ 33_____________ 34__ 35__________ 36______ 37__________

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [8,9] = Michał Tober
  TruePositive nam [14,15] = Rada Ministrów
  TruePositive nam [34,35] = Unii Europejskiej

(ChunkerEvaluator) Sentence #9123 from articles/00107775 from sent4

Text  : We wtorek w Brukseli przedstawiciele 10 państw kandydujących zapoznali się z  przygotowanymi przez przewodzącą Unii Danię indywidualnymi pakietami kompromisowych rozwiązań w  kwestiach finansowych negocjowanych z  UE
Tokens: 1_ 2_____ 3 4_______ 5______________ 6_ 7_____ 8____________ 9________ 10_ 11 12____________ 13___ 14_________ 15__ 16___ 17____________ 18_______ 19____________ 20_______ 21 22_______ 23_________ 24___________ 25 26

Chunks:
  TruePositive nam [4,4] = Brukseli
  TruePositive nam [26,26] = UE
  FalsePositive nam [15,16] = Unii Danię
  FalseNegative nam [15,15] = Unii
  FalseNegative nam [16,16] = Danię

(ChunkerEvaluator) Sentence #9124 from articles/00107775 from sent5

Text  : " Niewykluczone , że w tym tygodniu Rada Ministrów zbierze się jeszcze raz ,  aby odnieść się dokładnie do nowych propozycji finansowania rozszerzenia UE .
Tokens: 1 2____________ 3 4_ 5 6__ 7_______ 8___ 9________ 10_____ 11_ 12_____ 13_ 14 15_ 16_____ 17_ 18_______ 19 20____ 21________ 22__________ 23__________ 24 25

Chunks:
  TruePositive nam [8,9] = Rada Ministrów
  TruePositive nam [24,24] = UE

(ChunkerEvaluator) Sentence #9125 from articles/00107775 from sent6

Text  : Traktujemy te propozycje jako krok w dobrym kierunku , ale również jako materiał wyjściowy do dalszej dyskusji ,  do dalszych negocjacji "  -  powiedział Tober na konferencji prasowej po środowym posiedzeniu rządu
Tokens: 1_________ 2_ 3_________ 4___ 5___ 6 7_____ 8_______ 9 10_ 11_____ 12__ 13______ 14_______ 15 16_____ 17______ 18 19 20______ 21________ 22 23 24________ 25___ 26 27_________ 28______ 29 30______ 31_________ 32___

Chunks:
  FalseNegative nam [25,25] = Tober

(ChunkerEvaluator) Sentence #9126 from articles/00107775 from sent7

Text  : Dodał , że wśród członków rządu jest bardzo wielu kibiców piłki nożnej i  ministrowie są zgodni ,  że "  najlepsze drużyny grają do ostatniej minuty "
Tokens: 1____ 2 3_ 4____ 5_______ 6____ 7___ 8_____ 9____ 10_____ 11___ 12____ 13 14_________ 15 16____ 17 18 19 20_______ 21_____ 22___ 23 24_______ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #9127 from articles/00107775 from sent8

Text  : " Jesteśmy w trakcie negocjacji .
Tokens: 1 2_______ 3 4______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #9128 from articles/00107775 from sent9

Text  : Jestem przekonany , że warunki , na których uda nam się zamknąć negocjacje na szczycie w  Kopenhadze ,  będą dla polskiego rolnictwa i  pozostałych segmentów polskiej gospodarki jak najkorzystniejsze "  -  powiedział rzecznik rządu
Tokens: 1_____ 2_________ 3 4_ 5______ 6 7_ 8______ 9__ 10_ 11_ 12_____ 13________ 14 15______ 16 17________ 18 19__ 20_ 21_______ 22_______ 23 24_________ 25_______ 26______ 27________ 28_ 29_______________ 30 31 32________ 33______ 34___

Chunks:
  TruePositive nam [17,17] = Kopenhadze

(ChunkerEvaluator) Sentence #9129 from articles/00107775 from sent10

Text  : Przypomniał , że szef duńskiego rządu Anders Rasmussen , który we wtorek w  Kopenhadze przedstawił nowe propozycje finansowe premierowi Millerowi ,  również powiedział ,  że będą one podstawą dalszych negocjacji
Tokens: 1__________ 2 3_ 4___ 5________ 6____ 7_____ 8________ 9 10___ 11 12____ 13 14________ 15_________ 16__ 17________ 18_______ 19________ 20_______ 21 22_____ 23________ 24 25 26__ 27_ 28______ 29______ 30________

Chunks:
  TruePositive nam [7,8] = Anders Rasmussen
  TruePositive nam [14,14] = Kopenhadze
  TruePositive nam [20,20] = Millerowi

(ChunkerEvaluator) Sentence #9130 from articles/00107775 from sent11

Text  : " Te kwestie , które pozostały do rozstrzygnięcia , a  które wciąż wzbudzają wiele emocji -  choć obserwujemy z  satysfakcją pozytywny ruch Unii Europejskiej -  mamy zamiar negocjować do końca "  -  zapewnił Tober
Tokens: 1 2_ 3______ 4 5____ 6________ 7_ 8______________ 9 10 11___ 12___ 13_______ 14___ 15____ 16 17__ 18_________ 19 20_________ 21_______ 22__ 23__ 24__________ 25 26__ 27____ 28________ 29 30___ 31 32 33______ 34___

Chunks:
  TruePositive nam [23,24] = Unii Europejskiej
  FalseNegative nam [34,34] = Tober

(ChunkerEvaluator) Sentence #9131 from articles/00107775 from sent12

Text  : Oferta zaprezentowana we wtorek kandydatom do UE nie przewiduje podniesienia zaoferowanych wcześniej 25 ,  30 i  35 proc .  dopłat dla rolników w  pierwszych trzech latach członkostwa .
Tokens: 1_____ 2_____________ 3_ 4_____ 5_________ 6_ 7_ 8__ 9_________ 10__________ 11___________ 12_______ 13 14 15 16 17 18__ 19 20____ 21_ 22______ 23 24________ 25____ 26____ 27_________ 28

Chunks:
  TruePositive nam [7,7] = UE

(ChunkerEvaluator) Sentence #9132 from articles/00107775 from sent13

Text  : Dania zaproponowała jednak , żeby UE przystała na dopełnienie ich do poziomu 40 proc .  z  przysługujących nowym członkom funduszy na rozwój wsi .
Tokens: 1____ 2____________ 3_____ 4 5___ 6_ 7________ 8_ 9__________ 10_ 11 12_____ 13 14__ 15 16 17_____________ 18___ 19______ 20______ 21 22____ 23_ 24

Chunks:
  TruePositive nam [1,1] = Dania
  TruePositive nam [6,6] = UE

(ChunkerEvaluator) Sentence #9133 from articles/00107775 from sent14

Text  : Te z kolei muszą być w 20 proc . dofinansowywane ze środków własnych beneficjenta
Tokens: 1_ 2 3____ 4____ 5__ 6 7_ 8___ 9 10_____________ 11 12_____ 13______ 14__________

Chunks:

(ChunkerEvaluator) Sentence #9134 from articles/00107775 from sent15

Text  : Zgodnie z duńską propozycją , Polska dostała by rekompensatę budżetową na poprawę płynności budżetu państwa w  pierwszym roku członkostwa (  ok .  440 mln euro )  .
Tokens: 1______ 2 3_____ 4_________ 5 6_____ 7______ 8_ 9___________ 10_______ 11 12_____ 13_______ 14_____ 15_____ 16 17_______ 18__ 19_________ 20 21 22 23_ 24_ 25__ 26 27

Chunks:
  TruePositive nam [6,6] = Polska
  TruePositive nam [25,25] = euro

(ChunkerEvaluator) Sentence #9135 from articles/00107775 from sent16

Text  : Rekompensata sprawi , że polska składka , i tak zredukowana ze względu na przystąpienie do Unii w  piątym miesiącu (  1  maja )  2004 roku ,  będzie jeszcze o  prawie 30 proc .  niższa
Tokens: 1___________ 2_____ 3 4_ 5_____ 6______ 7 8 9__ 10_________ 11 12_____ 13 14___________ 15 16__ 17 18____ 19______ 20 21 22__ 23 24__ 25__ 26 27____ 28_____ 29 30____ 31 32__ 33 34____

Chunks:
  FalseNegative nam [16,16] = Unii

(ChunkerEvaluator) Sentence #9136 from articles/00107775 from sent17

Text  : Komisja Europejska wyliczyła , że składa za osiem miesięcy członkostwa powinna sięgać 1  ,  541 mld euro ,  zatem pomniejszona o  te ok .  440 mln euro ,  w  rzeczywistości spadnie do ok .  1  ,  1  mld euro
Tokens: 1______ 2_________ 3________ 4 5_ 6_____ 7_ 8____ 9_______ 10_________ 11_____ 12____ 13 14 15_ 16_ 17__ 18 19___ 20__________ 21 22 23 24 25_ 26_ 27__ 28 29 30____________ 31_____ 32 33 34 35 36 37 38_ 39__

Chunks:
  TruePositive nam [1,2] = Komisja Europejska
  TruePositive nam [17,17] = euro
  TruePositive nam [27,27] = euro
  TruePositive nam [39,39] = euro

(ChunkerEvaluator) Sentence #9137 from articles/00107775 from sent18

Text  : ( PAP ) mok / aja / lop / bug /
Tokens: 1 2__ 3 4__ 5 6__ 7 8__ 9 10_ 11

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 14:59:57,981 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 402 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107776.xml
(ChunkerEvaluator) Sentence #9138 from articles/00107776 from sent1

Text  : Serbia .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Serbia

(ChunkerEvaluator) Sentence #9139 from articles/00107776 from sent2

Text  : Lider nacjonalistów Tomislav Nikolić nowym prezydentem
Tokens: 1____ 2____________ 3_______ 4______ 5____ 6__________

Chunks:
  TruePositive nam [3,4] = Tomislav Nikolić

(ChunkerEvaluator) Sentence #9140 from articles/00107776 from sent3

Text  : W Serbii wybory prezydenckie wygrał w niedzielę kandydat nacjonalistycznej opozycji Tomislav Nikolić .
Tokens: 1 2_____ 3_____ 4___________ 5_____ 6 7________ 8_______ 9________________ 10______ 11______ 12_____ 13

Chunks:
  TruePositive nam [2,2] = Serbii
  TruePositive nam [11,12] = Tomislav Nikolić

(ChunkerEvaluator) Sentence #9141 from articles/00107776 from sent4

Text  : Pokonał byłego prezydenta Borisa Tadicia , który zwyciężył w pierwszej turze 6  maja .
Tokens: 1______ 2_____ 3_________ 4_____ 5______ 6 7____ 8________ 9 10_______ 11___ 12 13__ 14

Chunks:
  TruePositive nam [4,5] = Borisa Tadicia

(ChunkerEvaluator) Sentence #9142 from articles/00107776 from sent5

Text  : Do zwycięstwa lidera populistów przyczyniła się niska frekwencja wyborcza .
Tokens: 1_ 2_________ 3_____ 4_________ 5__________ 6__ 7____ 8_________ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #9143 from articles/00107776 from sent6

Text  : Według danych Republikańskiej Komisji Wyborczej w niedzielnej , drugiej turze wyborów prezydenckich Tadić zdobył 46 ,  77 proc .  głosów ,  a  jego rywala poparło 50 ,  21 proc .  wyborców .
Tokens: 1_____ 2_____ 3______________ 4______ 5________ 6 7__________ 8 9______ 10___ 11_____ 12___________ 13___ 14____ 15 16 17 18__ 19 20____ 21 22 23__ 24____ 25_____ 26 27 28 29__ 30 31______ 32

Chunks:
  TruePositive nam [3,5] = Republikańskiej Komisji Wyborczej
  TruePositive nam [13,13] = Tadić

(ChunkerEvaluator) Sentence #9144 from articles/00107776 from sent7

Text  : Oficjalne wyniki wyborów oczekiwane są w poniedziałek .
Tokens: 1________ 2_____ 3______ 4_________ 5_ 6 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #9145 from articles/00107776 from sent8

Text  : Uprawnionych do głosowania było ponad 6 , 7 mln obywateli .
Tokens: 1___________ 2_ 3_________ 4___ 5____ 6 7 8 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #9146 from articles/00107776 from sent9

Text  : Jak podało belgradzkie radio B - 92 , Nikoliciowi sprzyjała niska frekwencja .
Tokens: 1__ 2_____ 3__________ 4____ 5 6 7_ 8 9__________ 10_______ 11___ 12________ 13

Chunks:
  TruePositive nam [5,7] = B - 92
  FalseNegative nam [9,9] = Nikoliciowi

(ChunkerEvaluator) Sentence #9147 from articles/00107776 from sent10

Text  : Do godz . 19 w wyborach wzięło udział 41 ,  5  proc .  uprawnionych .
Tokens: 1_ 2___ 3 4_ 5 6_______ 7_____ 8_____ 9_ 10 11 12__ 13 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #9148 from articles/00107776 from sent11

Text  : Oznacza to , że frekwencja nie przekroczyła prawdopodobnie 46 proc .
Tokens: 1______ 2_ 3 4_ 5_________ 6__ 7___________ 8_____________ 9_ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #9149 from articles/00107776 from sent12

Text  : " Serbia nie zejdzie ze swej europejskiej ścieżki " -  zapowiedział Nikolić ,  odnosząc się do starań Belgradu o  akcesję do UE ,  które niedawno poparł .
Tokens: 1 2_____ 3__ 4______ 5_ 6___ 7___________ 8______ 9 10 11__________ 12_____ 13 14______ 15_ 16 17____ 18______ 19 20_____ 21 22 23 24___ 25______ 26____ 27

Chunks:
  TruePositive nam [2,2] = Serbia
  TruePositive nam [18,18] = Belgradu
  TruePositive nam [22,22] = UE
  FalseNegative nam [12,12] = Nikolić

(ChunkerEvaluator) Sentence #9150 from articles/00107776 from sent13

Text  : Jak komentuje jednak agencja AP , wybór lidera nacjonalistów na prezydenta może spowolnić lub wręcz storpedować starania Serbii o  wejście do Unii .
Tokens: 1__ 2________ 3_____ 4______ 5_ 6 7____ 8_____ 9____________ 10 11________ 12__ 13_______ 14_ 15___ 16_________ 17______ 18____ 19 20_____ 21 22__ 23

Chunks:
  TruePositive nam [5,5] = AP
  TruePositive nam [18,18] = Serbii
  FalseNegative nam [22,22] = Unii

(ChunkerEvaluator) Sentence #9151 from articles/00107776 from sent14

Text  : AFP również poddaje w wątpliwość determinację i szanse Nikolicia na wprowadzenie Serbii do UE .
Tokens: 1__ 2______ 3______ 4 5_________ 6___________ 7 8_____ 9________ 10 11__________ 12____ 13 14 15

Chunks:
  TruePositive nam [1,1] = AFP
  TruePositive nam [12,12] = Serbii
  TruePositive nam [14,14] = UE
  FalseNegative nam [9,9] = Nikolicia

(ChunkerEvaluator) Sentence #9152 from articles/00107776 from sent15

Text  : Nazywa też niedzielne głosowanie " wyborczym trzęsieniem ziemi " ,  zważywszy na to ,  jak nieoczekiwane były takie rezultaty .
Tokens: 1_____ 2__ 3_________ 4_________ 5 6________ 7__________ 8____ 9 10 11_______ 12 13 14 15_ 16___________ 17__ 18___ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #9153 from articles/00107776 from sent16

Text  : Zachodni dyplomaci nie są przekonani co do tego , że polityka Nikolicia jest w  istocie proeuropejska -  podkreśla Reuters .
Tokens: 1_______ 2________ 3__ 4_ 5_________ 6_ 7_ 8___ 9 10 11______ 12_______ 13__ 14 15_____ 16___________ 17 18_______ 19_____ 20

Chunks:
  TruePositive nam [19,19] = Reuters
  FalseNegative nam [12,12] = Nikolicia

(ChunkerEvaluator) Sentence #9154 from articles/00107776 from sent17

Text  : Francuska agencja nazywa zwycięzcę " populistą nawróconym na politykę proeuropejską ,  którą jednak długo kontestował "  .
Tokens: 1________ 2______ 3_____ 4________ 5 6________ 7_________ 8_ 9_______ 10___________ 11 12___ 13____ 14___ 15_________ 16 17

Chunks:

(ChunkerEvaluator) Sentence #9155 from articles/00107776 from sent18

Text  : Reuters i AFP przypominają , że prezydent elekt był blisko związany z  byłym prezydentem Serbii Slobodanem Miloszeviciem ,  którego ONZ-owski trybunał ds .  zbrodni wojennych w  byłej Jugosławii oskarżył o  wywołanie konfliktów wojennych w  Kosowie ,  Chorwacji oraz Bośni i  Hercegowinie .
Tokens: 1______ 2 3__ 4___________ 5 6_ 7________ 8____ 9__ 10____ 11______ 12 13___ 14_________ 15____ 16________ 17___________ 18 19_____ 20_______ 21______ 22 23 24_____ 25_______ 26 27___ 28________ 29______ 30 31_______ 32________ 33_______ 34 35_____ 36 37_______ 38__ 39___ 40 41__________ 42

Chunks:
  TruePositive nam [1,1] = Reuters
  TruePositive nam [3,3] = AFP
  TruePositive nam [15,15] = Serbii
  TruePositive nam [16,17] = Slobodanem Miloszeviciem
  TruePositive nam [20,20] = ONZ-owski
  TruePositive nam [28,28] = Jugosławii
  TruePositive nam [35,35] = Kosowie
  TruePositive nam [37,37] = Chorwacji
  FalsePositive nam [39,39] = Bośni
  FalsePositive nam [41,41] = Hercegowinie
  FalseNegative nam [39,41] = Bośni i Hercegowinie

(ChunkerEvaluator) Sentence #9156 from articles/00107776 from sent19

Text  : Nikolić był też dawniej wiceprzewodniczącym ultranacjonalistycznej Serbskiej Partii Radykalnej (  SRS )  ,  której przewodził Vojislav Szeszelj ,  sądzony obecnie za zbrodnie wojenne przez trybunał w  Hadze .
Tokens: 1______ 2__ 3__ 4______ 5__________________ 6_____________________ 7________ 8_____ 9_________ 10 11_ 12 13 14____ 15________ 16______ 17______ 18 19_____ 20_____ 21 22______ 23_____ 24___ 25______ 26 27___ 28

Chunks:
  TruePositive nam [7,9] = Serbskiej Partii Radykalnej
  TruePositive nam [16,17] = Vojislav Szeszelj
  TruePositive nam [27,27] = Hadze
  FalseNegative nam [1,1] = Nikolić
  FalseNegative nam [11,11] = SRS

(ChunkerEvaluator) Sentence #9157 from articles/00107776 from sent20

Text  : Szeszelj , były wicepremier Serbii , jest oskarżony między innymi o  czystki etniczne ,  popełnione w  latach 1991 -  1993 podczas wojen na Bałkanach .
Tokens: 1_______ 2 3___ 4__________ 5_____ 6 7___ 8________ 9_____ 10____ 11 12_____ 13______ 14 15________ 16 17____ 18__ 19 20__ 21_____ 22___ 23 24_______ 25

Chunks:
  TruePositive nam [5,5] = Serbii
  TruePositive nam [24,24] = Bałkanach
  FalseNegative nam [1,1] = Szeszelj

(ChunkerEvaluator) Sentence #9158 from articles/00107776 from sent21

Text  : Lider radykałów utworzył słynącą z okrucieństw podczas tych wojen paramilitarną organizację "  czetników "  .
Tokens: 1____ 2________ 3_______ 4______ 5 6__________ 7______ 8___ 9____ 10___________ 11_________ 12 13_______ 14 15

Chunks:

(ChunkerEvaluator) Sentence #9159 from articles/00107776 from sent22

Text  : Nikolić wystąpił z ugrupowania Szeszelja w 2008 roku i utworzył populistyczną Serbską Partię Postępową (  SNS )  ,  do której przeciągnął większość zwolenników SRS .
Tokens: 1______ 2_______ 3 4__________ 5________ 6 7___ 8___ 9 10______ 11___________ 12_____ 13____ 14_______ 15 16_ 17 18 19 20____ 21_________ 22_______ 23_________ 24_ 25

Chunks:
  TruePositive nam [12,14] = Serbską Partię Postępową
  TruePositive nam [16,16] = SNS
  FalseNegative nam [1,1] = Nikolić
  FalseNegative nam [5,5] = Szeszelja
  FalseNegative nam [24,24] = SRS

(ChunkerEvaluator) Sentence #9160 from articles/00107776 from sent23

Text  : Nowy prezydent wyznaczy premiera ; zadanie to utrudnią mu jednak wyniki wyborów parlamentarnych z  6  maja -  pisze AP .
Tokens: 1___ 2________ 3_______ 4_______ 5 6______ 7_ 8_______ 9_ 10____ 11____ 12_____ 13_____________ 14 15 16__ 17 18___ 19 20

Chunks:
  TruePositive nam [19,19] = AP

(ChunkerEvaluator) Sentence #9161 from articles/00107776 from sent24

Text  : Choć wygrał je SNS , partia Tadicia uzgodniła wstępnie ,  że utworzy sojusz z  socjalistami -  trzecią siłą w  parlamencie .
Tokens: 1___ 2_____ 3_ 4__ 5 6_____ 7______ 8________ 9_______ 10 11 12_____ 13____ 14 15__________ 16 17_____ 18__ 19 20_________ 21

Chunks:
  TruePositive nam [4,4] = SNS
  FalseNegative nam [7,7] = Tadicia

(ChunkerEvaluator) Sentence #9162 from articles/00107776 from sent25

Text  : Koalicja Demokratów z socjalistami zyska więc większość parlamentarną .
Tokens: 1_______ 2_________ 3 4___________ 5____ 6___ 7________ 8____________ 9

Chunks:
  TruePositive nam [1,2] = Koalicja Demokratów

(ChunkerEvaluator) Sentence #9163 from articles/00107776 from sent26

Text  : Reuters przypomina , że serbska konstytucja daje większą władzę premierowi .
Tokens: 1______ 2_________ 3 4_ 5______ 6__________ 7___ 8______ 9_____ 10________ 11

Chunks:
  TruePositive nam [1,1] = Reuters

(ChunkerEvaluator) Sentence #9164 from articles/00107776 from sent27

Text  : Nikolić , twierdził przed niedzielnymi wyborami , że pierwsza tura została sfałszowana .
Tokens: 1______ 2 3________ 4____ 5___________ 6_______ 7 8_ 9_______ 10__ 11_____ 12_________ 13

Chunks:
  FalseNegative nam [1,1] = Nikolić

(ChunkerEvaluator) Sentence #9165 from articles/00107776 from sent28

Text  : Serbska komisja wyborcza odrzuciła skargi złożone przez SNS , wyjaśniając ,  że nie przedstawiono żadnych dowodów na domniemane fałszerstwa .
Tokens: 1______ 2______ 3_______ 4________ 5_____ 6______ 7____ 8__ 9 10_________ 11 12 13_ 14___________ 15_____ 16_____ 17 18________ 19_________ 20

Chunks:
  TruePositive nam [8,8] = SNS

(ChunkerEvaluator) Sentence #9166 from articles/00107776 from sent29

Text  : Także według międzynarodowych obserwatorów wybory były uczciwe i właściwie przeprowadzone .
Tokens: 1____ 2_____ 3_______________ 4___________ 5_____ 6___ 7______ 8 9________ 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #9167 from articles/00107776 from sent30

Text  : Wybory prezydenckie odbyły się w Serbii przedterminowo .
Tokens: 1_____ 2___________ 3_____ 4__ 5 6_____ 7_____________ 8

Chunks:
  TruePositive nam [6,6] = Serbii

(ChunkerEvaluator) Sentence #9168 from articles/00107776 from sent31

Text  : Zostały ogłoszone , gdy Tadić , najpopularniejszy serbski polityk ,  podał się w  kwietniu do dymisji .
Tokens: 1______ 2________ 3 4__ 5____ 6 7________________ 8______ 9______ 10 11___ 12_ 13 14______ 15 16_____ 17

Chunks:
  FalseNegative nam [5,5] = Tadić

(ChunkerEvaluator) Sentence #9169 from articles/00107776 from sent32

Text  : Uczynił to na dziesięć miesięcy przed wygaśnięciem mandatu .
Tokens: 1______ 2_ 3_ 4_______ 5_______ 6____ 7___________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #9170 from articles/00107776 from sent33

Text  : Oświadczył , że chce w ten sposób umożliwić przeprowadzanie wszystkich wyborów w  jednym terminie .
Tokens: 1_________ 2 3_ 4___ 5 6__ 7_____ 8________ 9______________ 10________ 11_____ 12 13____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #9171 from articles/00107776 from sent34

Text  : Bezrobocie w Serbii wynosi 23 , 7 proc .
Tokens: 1_________ 2 3_____ 4_____ 5_ 6 7 8___ 9

Chunks:
  TruePositive nam [3,3] = Serbii

(ChunkerEvaluator) Sentence #9172 from articles/00107776 from sent35

Text  : Nie ma żadnych sygnałów świadczących o tym , że Serbia wychodzi z  kryzysu ,  a  w  społeczeństwie ,  które liczyło na rychłą poprawę sytuacji materialnej po obaleniu autorytarnej władzy ,  narastają nastroje graniczące z  desperacją .
Tokens: 1__ 2_ 3______ 4_______ 5___________ 6 7__ 8 9_ 10____ 11______ 12 13_____ 14 15 16 17____________ 18 19___ 20_____ 21 22____ 23_____ 24______ 25_________ 26 27______ 28__________ 29____ 30 31_______ 32______ 33________ 34 35________ 36

Chunks:
  TruePositive nam [10,10] = Serbia

(ChunkerEvaluator) Sentence #9173 from articles/00107776 from sent36

Text  : Jak pisze AP , kampania parlamentarna i prezydencka Tadicia ,  zbudowana była wokół prozachodnich haseł i  polityki dążenia do Unii .
Tokens: 1__ 2____ 3_ 4 5_______ 6____________ 7 8__________ 9______ 10 11_______ 12__ 13___ 14___________ 15___ 16 17______ 18_____ 19 20__ 21

Chunks:
  TruePositive nam [3,3] = AP
  FalseNegative nam [9,9] = Tadicia
  FalseNegative nam [20,20] = Unii

(ChunkerEvaluator) Sentence #9174 from articles/00107776 from sent37

Text  : Jednak jego formacji zaszkodziło załamanie gospodarcze , spowolnienie zagranicznych inwestycji oraz wzrost bezrobocia .
Tokens: 1_____ 2___ 3_______ 4__________ 5________ 6__________ 7 8___________ 9____________ 10________ 11__ 12____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #9175 from articles/00107776 from sent38

Text  : Populistyczny program wyborczy Nikolicia obiecywał wzrost zatrudnienia , wielomilionowe inwestycje zagraniczne i  ekonomiczne bezpieczeństwo dla obywateli .  (  PAP )
Tokens: 1____________ 2______ 3_______ 4________ 5________ 6_____ 7___________ 8 9_____________ 10________ 11_________ 12 13_________ 14____________ 15_ 16_______ 17 18 19_ 20

Chunks:
  TruePositive nam [19,19] = PAP
  FalseNegative nam [4,4] = Nikolicia

2016-10-27 14:59:58,176 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 403 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107777.xml
(ChunkerEvaluator) Sentence #9176 from articles/00107777 from sent1

Text  : LM siatkarzy - Zaksa z & quot ; dziką kartą &  quot ;
Tokens: 1_ 2________ 3 4____ 5 6 7___ 8 9____ 10___ 11 12__ 13

Chunks:
  FalseNegative nam [1,1] = LM
  FalseNegative nam [4,4] = Zaksa

(ChunkerEvaluator) Sentence #9177 from articles/00107777 from sent2

Text  : Europejska Konfederacja Piłki Siatkowej ( CEV ) przyznała Zaksie Kędzierzyn -  Koźle dziką kartę ,  dzięki której drużyna wystąpi w  rozgrywkach Ligi Mistrzów -  poinformowała w  poniedziałek prezes klubu Sabina Nowosielska .
Tokens: 1_________ 2___________ 3____ 4________ 5 6__ 7 8________ 9_____ 10________ 11 12___ 13___ 14___ 15 16____ 17____ 18_____ 19_____ 20 21_________ 22__ 23______ 24 25___________ 26 27__________ 28____ 29___ 30____ 31_________ 32

Chunks:
  TruePositive nam [1,4] = Europejska Konfederacja Piłki Siatkowej
  TruePositive nam [9,12] = Zaksie Kędzierzyn - Koźle
  TruePositive nam [22,23] = Ligi Mistrzów
  TruePositive nam [30,31] = Sabina Nowosielska
  FalseNegative nam [6,6] = CEV

(ChunkerEvaluator) Sentence #9178 from articles/00107777 from sent3

Text  : Prezes przyznała , że jest zaskoczona .
Tokens: 1_____ 2________ 3 4_ 5___ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #9179 from articles/00107777 from sent4

Text  : - Niewielu dawało nam szansę , a jednak się udało -  skwitowała .
Tokens: 1 2_______ 3_____ 4__ 5_____ 6 7 8_____ 9__ 10___ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #9180 from articles/00107777 from sent5

Text  : Wśród 28 drużyn klubowych , które zagrają w Lidze Mistrzów będą trze zespoły w  Polski -  mistrz PlusLigi sezonu 2011 /  2012 Asseco Resovia Rzeszów ,  zdobywca pucharu Polski PGE Skra Bełchatów oraz zakwalifikowana właśnie trzecia drużyna PlusLigi Zaksa .
Tokens: 1____ 2_ 3_____ 4________ 5 6____ 7______ 8 9____ 10______ 11__ 12__ 13_____ 14 15____ 16 17____ 18______ 19____ 20__ 21 22__ 23____ 24_____ 25_____ 26 27______ 28_____ 29____ 30_ 31__ 32_______ 33__ 34_____________ 35_____ 36_____ 37_____ 38______ 39___ 40

Chunks:
  TruePositive nam [9,10] = Lidze Mistrzów
  TruePositive nam [15,15] = Polski
  TruePositive nam [23,25] = Asseco Resovia Rzeszów
  TruePositive nam [29,29] = Polski
  FalsePositive nam [31,32] = Skra Bełchatów
  FalseNegative nam [18,18] = PlusLigi
  FalseNegative nam [30,32] = PGE Skra Bełchatów
  FalseNegative nam [38,38] = PlusLigi
  FalseNegative nam [39,39] = Zaksa

(ChunkerEvaluator) Sentence #9181 from articles/00107777 from sent6

Text  : Zespół z Kędzierzyna - Koźla wystąpi w niej już pod wodzą trenera Daniela Castellaniego .
Tokens: 1_____ 2 3__________ 4 5____ 6______ 7 8___ 9__ 10_ 11___ 12_____ 13_____ 14___________ 15

Chunks:
  TruePositive nam [3,5] = Kędzierzyna - Koźla
  TruePositive nam [13,14] = Daniela Castellaniego

(ChunkerEvaluator) Sentence #9182 from articles/00107777 from sent7

Text  : Ciągle trwa kompletowanie składu , kontrakty z zespołem już podpisali Paweł Zagumny ,  Serhiy Kapelus ,  Antonin Rouzier ,  Dominik Witczak ,  Jurij Gladyr ,  Piotr Gacek ,  Michał Ruciak i  Łukasz Wiśniewski .
Tokens: 1_____ 2___ 3____________ 4_____ 5 6________ 7 8_______ 9__ 10_______ 11___ 12_____ 13 14____ 15_____ 16 17_____ 18_____ 19 20_____ 21_____ 22 23___ 24____ 25 26___ 27___ 28 29____ 30____ 31 32____ 33________ 34

Chunks:
  TruePositive nam [11,12] = Paweł Zagumny
  TruePositive nam [14,15] = Serhiy Kapelus
  TruePositive nam [17,18] = Antonin Rouzier
  TruePositive nam [20,21] = Dominik Witczak
  TruePositive nam [23,24] = Jurij Gladyr
  TruePositive nam [26,27] = Piotr Gacek
  TruePositive nam [29,30] = Michał Ruciak
  TruePositive nam [32,33] = Łukasz Wiśniewski

(ChunkerEvaluator) Sentence #9183 from articles/00107777 from sent8

Text  : Pierwsze spotkanie z nowym trenerem planowane jest na początek czerwca .
Tokens: 1_______ 2________ 3 4____ 5_______ 6________ 7___ 8_ 9_______ 10_____ 11

Chunks:

2016-10-27 14:59:58,228 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 404 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107778.xml
(ChunkerEvaluator) Sentence #9184 from articles/00107778 from sent1

Text  : Ile na kulturę
Tokens: 1__ 2_ 3______

Chunks:

(ChunkerEvaluator) Sentence #9185 from articles/00107778 from sent2

Text  : W piątek Sejmik Województwa Dolnośląskiego będzie rozpatrywał projekt budżetu na ten rok .
Tokens: 1 2_____ 3_____ 4__________ 5_____________ 6_____ 7__________ 8______ 9______ 10 11_ 12_ 13

Chunks:
  TruePositive nam [3,5] = Sejmik Województwa Dolnośląskiego

(ChunkerEvaluator) Sentence #9186 from articles/00107778 from sent3

Text  : Ile na kulturę
Tokens: 1__ 2_ 3______

Chunks:

(ChunkerEvaluator) Sentence #9187 from articles/00107778 from sent4

Text  : W piątek Sejmik Województwa Dolnośląskiego będzie rozpatrywał projekt budżetu na ten rok .
Tokens: 1 2_____ 3_____ 4__________ 5_____________ 6_____ 7__________ 8______ 9______ 10 11_ 12_ 13

Chunks:
  TruePositive nam [3,5] = Sejmik Województwa Dolnośląskiego

(ChunkerEvaluator) Sentence #9188 from articles/00107778 from sent5

Text  : Pieniądze i artyści
Tokens: 1________ 2 3______

Chunks:

(ChunkerEvaluator) Sentence #9189 from articles/00107778 from sent6

Text  : PROJEKT BUDŻETU .
Tokens: 1______ 2______ 3

Chunks:
  FalsePositive nam [2,2] = BUDŻETU

(ChunkerEvaluator) Sentence #9190 from articles/00107778 from sent7

Text  : Ile sejmik wojewódzki wyda w tym roku na kulturę
Tokens: 1__ 2_____ 3_________ 4___ 5 6__ 7___ 8_ 9______

Chunks:

(ChunkerEvaluator) Sentence #9191 from articles/00107778 from sent8

Text  : Dolnośląski Urząd Marszałkowski finansuje flagowe okręty kultury naszego regionu :  m  .  in .  Operę Dolnośląską ,  filharmonie we Wrocławiu ,  Jeleniej Górze i  Wałbrzychu ,  wrocławski Teatr Polski ,  Teatr Dramatyczny w  Wałbrzychu .
Tokens: 1__________ 2____ 3____________ 4________ 5______ 6_____ 7______ 8______ 9______ 10 11 12 13 14 15___ 16_________ 17 18_________ 19 20_______ 21 22______ 23___ 24 25________ 26 27________ 28___ 29____ 30 31___ 32_________ 33 34________ 35

Chunks:
  TruePositive nam [1,3] = Dolnośląski Urząd Marszałkowski
  TruePositive nam [15,16] = Operę Dolnośląską
  TruePositive nam [20,20] = Wrocławiu
  TruePositive nam [22,23] = Jeleniej Górze
  TruePositive nam [25,25] = Wałbrzychu
  TruePositive nam [28,29] = Teatr Polski
  TruePositive nam [31,32] = Teatr Dramatyczny
  TruePositive nam [34,34] = Wałbrzychu

(ChunkerEvaluator) Sentence #9192 from articles/00107778 from sent9

Text  : W sumie kilkanaście instytucji , większych i mniejszych .
Tokens: 1 2____ 3__________ 4_________ 5 6________ 7 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #9193 from articles/00107778 from sent10

Text  : Projekt budżetu , który będzie omawiany na dzisiejszej sesji sejmiku ,  przewiduje ,  że Urząd Marszałkowski przeznaczy na nie 43 mln zł ,  czyli 15 ,  59 proc .  wszystkich pieniędzy ,  które zostaną wydane w  tym roku .
Tokens: 1______ 2______ 3 4____ 5_____ 6_______ 7_ 8__________ 9____ 10_____ 11 12________ 13 14 15___ 16___________ 17________ 18 19_ 20 21_ 22 23 24___ 25 26 27 28__ 29 30________ 31_______ 32 33___ 34_____ 35____ 36 37_ 38__ 39

Chunks:
  TruePositive nam [22,22] = zł
  FalseNegative nam [15,16] = Urząd Marszałkowski

(ChunkerEvaluator) Sentence #9194 from articles/00107778 from sent11

Text  : Dla porównania , Małopolski Urząd Marszałkowski , obejmujący miasto i  region ,  gdzie do kultury przykłada się szczególną wagę ,  i  mający na utrzymaniu 21 instytucji ,  w  tym tak ważne ,  jak Teatr im .  Słowackiego oraz operę i  filharmonię w  Krakowie ,  przeznaczy na finansowanie kultury 42 ,  6  mln zł ,  czyli 18 ,  9  proc .  całego swojego budżetu .
Tokens: 1__ 2_________ 3 4_________ 5____ 6____________ 7 8_________ 9_____ 10 11____ 12 13___ 14 15_____ 16_______ 17_ 18________ 19__ 20 21 22____ 23 24________ 25 26________ 27 28 29_ 30_ 31___ 32 33_ 34___ 35 36 37_________ 38__ 39___ 40 41_________ 42 43______ 44 45________ 46 47__________ 48_____ 49 50 51 52_ 53 54 55___ 56 57 58 59__ 60 61____ 62_____ 63_____ 64

Chunks:
  TruePositive nam [4,6] = Małopolski Urząd Marszałkowski
  TruePositive nam [34,37] = Teatr im . Słowackiego
  TruePositive nam [43,43] = Krakowie
  TruePositive nam [53,53] = zł

(ChunkerEvaluator) Sentence #9195 from articles/00107778 from sent12

Text  : Liczby mylą
Tokens: 1_____ 2___

Chunks:

(ChunkerEvaluator) Sentence #9196 from articles/00107778 from sent13

Text  : Dolnośląskie 43 mln zł to o ponad 5 mln zł mniej ,  niż przewidywał budżet ubiegłoroczny .
Tokens: 1___________ 2_ 3__ 4_ 5_ 6 7____ 8 9__ 10 11___ 12 13_ 14_________ 15____ 16___________ 17

Chunks:
  TruePositive nam [4,4] = zł
  TruePositive nam [10,10] = zł
  FalseNegative nam [1,1] = Dolnośląskie

(ChunkerEvaluator) Sentence #9197 from articles/00107778 from sent14

Text  : Ale suche liczby mogą wprowadzić w błąd .
Tokens: 1__ 2____ 3_____ 4___ 5_________ 6 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #9198 from articles/00107778 from sent15

Text  : Bo choć na początku roku pieniędzy jest mało , to pod koniec -  może być ich znacznie więcej .
Tokens: 1_ 2___ 3_ 4_______ 5___ 6________ 7___ 8___ 9 10 11_ 12____ 13 14__ 15_ 16_ 17______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #9199 from articles/00107778 from sent16

Text  : Tak jak rok temu , gdy w styczniu była mowa o  48 ,  6  mln zł ,  w  grudniu zaś -  po doliczeniu wielu dotacji celowych z  budżetu centralnego -  budżet dolnośląskiej kultury wzrósł do ponad 66 mln zł .
Tokens: 1__ 2__ 3__ 4___ 5 6__ 7 8_______ 9___ 10__ 11 12 13 14 15_ 16 17 18 19_____ 20_ 21 22 23________ 24___ 25_____ 26______ 27 28_____ 29_________ 30 31____ 32___________ 33_____ 34____ 35 36___ 37 38_ 39 40

Chunks:
  TruePositive nam [16,16] = zł
  TruePositive nam [39,39] = zł

(ChunkerEvaluator) Sentence #9200 from articles/00107778 from sent17

Text  : Choć nie wiadomo jeszcze , ile dodatkowych pieniędzy otrzymamy ,  Norbert Raba ,  dyrektor Wydziału Kultury i  Nauki w  Urzędzie Marszałkowskim ,  ma nadzieję ,  że nie będzie ich mniej niż w  tym roku .
Tokens: 1___ 2__ 3______ 4______ 5 6__ 7__________ 8________ 9________ 10 11_____ 12__ 13 14______ 15______ 16_____ 17 18___ 19 20______ 21____________ 22 23 24______ 25 26 27_ 28____ 29_ 30___ 31_ 32 33_ 34__ 35

Chunks:
  TruePositive nam [11,12] = Norbert Raba
  TruePositive nam [15,21] = Wydziału Kultury i Nauki w Urzędzie Marszałkowskim

(ChunkerEvaluator) Sentence #9201 from articles/00107778 from sent18

Text  : Najwięcej z tych pieniędzy - 40 , 5 mln zł (  analogicznie w  zeszłym roku -  31 mln ,  w  sumie wydano 45 mln zł )  -  pochłoną wydatki bieżące ,  czyli działalność instytucji kulturalnych (  pensje dla pracowników i  obsługa budynków pochłoną 37 ,  65 mln zł )  ,  dofinansowanie imprez ,  organizowanych przez stowarzyszenia ,  towarzystwa ,  fundacje i  wydawnictwa (  800 tys .  zł )  ,  remonty i  konserwacja zabytków ,  w  tym np .  remonty zabytków w  parafiach (  1  ,  3  mln zł )  i  imprezy okazjonalne ,  np .  Dni Alzacji na Dolnym Śląsku ,   Dni Dolnego Śląska w   Saksonii ,   Nagroda Kulturalna Śląska (   750 tys .   zł  )   .
Tokens: 1________ 2 3___ 4________ 5 6_ 7 8 9__ 10 11 12__________ 13 14_____ 15__ 16 17 18_ 19 20 21___ 22____ 23 24_ 25 26 27 28______ 29_____ 30_____ 31 32___ 33_________ 34________ 35__________ 36 37____ 38_ 39_________ 40 41_____ 42______ 43______ 44 45 46 47_ 48 49 50 51____________ 52____ 53 54____________ 55___ 56____________ 57 58_________ 59 60______ 61 62_________ 63 64_ 65_ 66 67 68 69 70_____ 71 72_________ 73______ 74 75 76_ 77 78 79_____ 80______ 81 82_______ 83 84 85 86 87_ 88 89 90 91_____ 92_________ 93 94 95 96_ 97_____ 98 99____ 100___ 101 102 103____ 104___ 105 106_____ 107 108____ 109_______ 110___ 111 112 113 114 115 116 117

Chunks:
  TruePositive nam [10,10] = zł
  TruePositive nam [25,25] = zł
  TruePositive nam [48,48] = zł
  TruePositive nam [67,67] = zł
  TruePositive nam [88,88] = zł
  TruePositive nam [108,110] = Nagroda Kulturalna Śląska
  TruePositive nam [115,115] = zł
  FalsePositive nam [96,97] = Dni Alzacji
  FalsePositive nam [99,100] = Dolnym Śląsku
  FalsePositive nam [102,104] = Dni Dolnego Śląska
  FalsePositive nam [106,106] = Saksonii
  FalseNegative nam [96,100] = Dni Alzacji na Dolnym Śląsku
  FalseNegative nam [102,106] = Dni Dolnego Śląska w Saksonii

(ChunkerEvaluator) Sentence #9202 from articles/00107778 from sent19

Text  : Najwięcej pieniędzy spośród wszystkich instytucji kulturalnych na Dolnym Śląsku przewidziano dla Opery Dolnośląskiej -  ponad 9  ,  3  mln zł .
Tokens: 1________ 2________ 3______ 4_________ 5_________ 6___________ 7_ 8_____ 9_____ 10__________ 11_ 12___ 13___________ 14 15___ 16 17 18 19_ 20 21

Chunks:
  TruePositive nam [8,9] = Dolnym Śląsku
  TruePositive nam [12,13] = Opery Dolnośląskiej
  TruePositive nam [20,20] = zł

(ChunkerEvaluator) Sentence #9203 from articles/00107778 from sent20

Text  : Jest to związane z remontem generalnym budynku przy ul .  Świdnickiej .
Tokens: 1___ 2_ 3_______ 4 5_______ 6_________ 7______ 8___ 9_ 10 11_________ 12

Chunks:
  TruePositive nam [11,11] = Świdnickiej

(ChunkerEvaluator) Sentence #9204 from articles/00107778 from sent21

Text  : Opera , wrocławski Ośrodek Kultury i Sztuki ( dotacja w  wysokości ponad miliona złotych )  oraz Wojewódzka i  Miejska Biblioteka Publiczna to jedyne -  z  wymienionych w  projekcie budżetu -  instytucje ,  które już teraz wiedzą ,  ile pieniędzy dostaną w  najgorszej sytuacji ,  tzn .  wtedy ,  gdyby dotacja z  budżetu centralnego okazała się mniejsza ,  niż zakłada Zarząd Województwa .
Tokens: 1____ 2 3_________ 4______ 5______ 6 7_____ 8 9______ 10 11_______ 12___ 13_____ 14_____ 15 16__ 17________ 18 19_____ 20________ 21_______ 22 23____ 24 25 26__________ 27 28_______ 29_____ 30 31________ 32 33___ 34_ 35___ 36____ 37 38_ 39_______ 40_____ 41 42________ 43______ 44 45_ 46 47___ 48 49___ 50_____ 51 52_____ 53_________ 54_____ 55_ 56______ 57 58_ 59_____ 60____ 61_________ 62

Chunks:
  TruePositive nam [1,1] = Opera
  TruePositive nam [4,7] = Ośrodek Kultury i Sztuki
  TruePositive nam [14,14] = złotych
  FalsePositive nam [17,17] = Wojewódzka
  FalsePositive nam [19,21] = Miejska Biblioteka Publiczna
  FalseNegative nam [17,21] = Wojewódzka i Miejska Biblioteka Publiczna
  FalseNegative nam [60,61] = Zarząd Województwa

(ChunkerEvaluator) Sentence #9205 from articles/00107778 from sent22

Text  : Ponad 1 , 1 mln zł ma dostać Międzynarodowy Festiwal „  Wratislavia Cantans ”  .
Tokens: 1____ 2 3 4 5__ 6_ 7_ 8_____ 9_____________ 10______ 11 12_________ 13_____ 14 15

Chunks:
  TruePositive nam [6,6] = zł
  FalsePositive nam [9,13] = Międzynarodowy Festiwal „ Wratislavia Cantans
  FalseNegative nam [9,14] = Międzynarodowy Festiwal „ Wratislavia Cantans ”

(ChunkerEvaluator) Sentence #9206 from articles/00107778 from sent23

Text  : Z tych pieniędzy , oprócz kosztów działalności bieżącej biura festiwalu ,  ma być sfinansowana część takich przedsięwzięć ,  jak wielkanocny koncert pasyjny ,  występ baletu Bejarta z  Lozanny i  Koncert Bożonarodzeniowy .
Tokens: 1 2___ 3________ 4 5_____ 6______ 7___________ 8_______ 9____ 10_______ 11 12 13_ 14__________ 15___ 16____ 17___________ 18 19_ 20_________ 21_____ 22_____ 23 24____ 25____ 26_____ 27 28_____ 29 30_____ 31______________ 32

Chunks:
  TruePositive nam [26,26] = Bejarta
  TruePositive nam [28,28] = Lozanny
  TruePositive nam [30,31] = Koncert Bożonarodzeniowy

(ChunkerEvaluator) Sentence #9207 from articles/00107778 from sent24

Text  : Nie wiadomo za to , jak ponad 6 , 9  mln zł podzielą między siebie Teatr Polski we Wrocławiu ,  Wrocławski Teatr Pantomimy i  Teatr Dramatyczny w  Wałbrzychu .
Tokens: 1__ 2______ 3_ 4_ 5 6__ 7____ 8 9 10 11_ 12 13______ 14____ 15____ 16___ 17____ 18 19_______ 20 21________ 22___ 23_______ 24 25___ 26_________ 27 28________ 29

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [16,17] = Teatr Polski
  TruePositive nam [19,19] = Wrocławiu
  TruePositive nam [21,23] = Wrocławski Teatr Pantomimy
  TruePositive nam [25,26] = Teatr Dramatyczny
  TruePositive nam [28,28] = Wałbrzychu

(ChunkerEvaluator) Sentence #9208 from articles/00107778 from sent25

Text  : Nie wiadomo , jaką część z ponad 7 , 5  mln zł dostaną filharmonie we Wrocławiu ,  Jeleniej Górze i  w  Wałbrzychu .
Tokens: 1__ 2______ 3 4___ 5____ 6 7____ 8 9 10 11_ 12 13_____ 14_________ 15 16_______ 17 18______ 19___ 20 21 22________ 23

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [16,16] = Wrocławiu
  TruePositive nam [18,19] = Jeleniej Górze
  TruePositive nam [22,22] = Wałbrzychu

(ChunkerEvaluator) Sentence #9209 from articles/00107778 from sent26

Text  : Podobnie nie wiadomo , jak ponad 9 , 6 mln zł podzielą między siebie Muzeum Narodowe we Wrocławiu ,  Muzeum Karkonoskie w  Jeleniej Górze ,  Muzeum Papiernictwa w  Dusznikach Zdroju ,  Muzeum Poczty i  Telekomunikacji we Wrocławiu i  Muzeum Gross -  Rosen w  Rogoźnicy .
Tokens: 1_______ 2__ 3______ 4 5__ 6____ 7 8 9 10_ 11 12______ 13____ 14____ 15____ 16______ 17 18_______ 19 20____ 21_________ 22 23______ 24___ 25 26____ 27__________ 28 29________ 30____ 31 32____ 33____ 34 35_____________ 36 37_______ 38 39____ 40___ 41 42___ 43 44_______ 45

Chunks:
  TruePositive nam [11,11] = zł
  TruePositive nam [15,16] = Muzeum Narodowe
  TruePositive nam [18,18] = Wrocławiu
  TruePositive nam [20,21] = Muzeum Karkonoskie
  TruePositive nam [23,24] = Jeleniej Górze
  TruePositive nam [26,27] = Muzeum Papiernictwa
  TruePositive nam [29,30] = Dusznikach Zdroju
  TruePositive nam [32,35] = Muzeum Poczty i Telekomunikacji
  TruePositive nam [37,37] = Wrocławiu
  TruePositive nam [39,42] = Muzeum Gross - Rosen
  TruePositive nam [44,44] = Rogoźnicy

(ChunkerEvaluator) Sentence #9210 from articles/00107778 from sent27

Text  : Co na to dyrektorzy
Tokens: 1_ 2_ 3_ 4_________

Chunks:

(ChunkerEvaluator) Sentence #9211 from articles/00107778 from sent28

Text  : Kazimierz Budzanowski , dyrektor naczelny Teatru Polskiego we Wrocławiu ,  mimo że -  prawdopodobnie -  będzie dysponował nieco mniejszym budżetem niż rok temu ,  nie traci ducha :  -  W  tym roku planujemy wystawienie siedmiu premier .
Tokens: 1________ 2__________ 3 4_______ 5_______ 6_____ 7________ 8_ 9________ 10 11__ 12 13 14____________ 15 16____ 17________ 18___ 19_______ 20______ 21_ 22_ 23__ 24 25_ 26___ 27___ 28 29 30 31_ 32__ 33_______ 34_________ 35_____ 36_____ 37

Chunks:
  TruePositive nam [1,2] = Kazimierz Budzanowski
  TruePositive nam [6,7] = Teatru Polskiego
  TruePositive nam [9,9] = Wrocławiu

(ChunkerEvaluator) Sentence #9212 from articles/00107778 from sent29

Text  : Biorąc pod uwagę dochody , które możemy sami wypracować ,  czyli ok .  2  ,  5  mln zł ,  jeśli Urząd Marszałkowski da nam ok .  5  mln zł ,  to już będzie dobrze .
Tokens: 1_____ 2__ 3____ 4______ 5 6____ 7_____ 8___ 9_________ 10 11___ 12 13 14 15 16 17_ 18 19 20___ 21___ 22___________ 23 24_ 25 26 27 28_ 29 30 31 32_ 33____ 34____ 35

Chunks:
  TruePositive nam [18,18] = zł
  TruePositive nam [29,29] = zł
  FalseNegative nam [21,22] = Urząd Marszałkowski

(ChunkerEvaluator) Sentence #9213 from articles/00107778 from sent30

Text  : Złożył em zapotrzebowanie i z niepotwierdzonych informacji wynika , że dostaniemy 4  ,  5  mln zł .
Tokens: 1_____ 2_ 3______________ 4 5 6________________ 7_________ 8_____ 9 10 11________ 12 13 14 15_ 16 17

Chunks:
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #9214 from articles/00107778 from sent31

Text  : Ale i tak mam nadzieję , że uda nam się zrobić wszystko ,  co zaplanowali śmy .
Tokens: 1__ 2 3__ 4__ 5_______ 6 7_ 8__ 9__ 10_ 11____ 12______ 13 14 15_________ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #9215 from articles/00107778 from sent32

Text  : Tego optymizmu nie podziela Tadeusz Nesterowicz , zastępca dyrektor Filharmonii Wrocławskiej :  -  Nie jestem pewien ,  jaka będzie kwota dotacji .
Tokens: 1___ 2________ 3__ 4_______ 5______ 6__________ 7 8_______ 9_______ 10_________ 11__________ 12 13 14_ 15____ 16____ 17 18__ 19____ 20___ 21_____ 22

Chunks:
  TruePositive nam [5,6] = Tadeusz Nesterowicz
  TruePositive nam [10,11] = Filharmonii Wrocławskiej

(ChunkerEvaluator) Sentence #9216 from articles/00107778 from sent33

Text  : W naszej branży trudno cokolwiek planować , zapraszać gwiazdy ,  jeśli nie wiadomo ,  ile konkretnie będzie można zapłacić .
Tokens: 1 2_____ 3_____ 4_____ 5________ 6_______ 7 8________ 9______ 10 11___ 12_ 13_____ 14 15_ 16________ 17____ 18___ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #9217 from articles/00107778 from sent34

Text  : Duże pieniądze pozwalają zaprosić wybitnych artystów , a tych z  pierwszej światowej półki kontraktuje się z  co najmniej rocznym wyprzedzeniem .
Tokens: 1___ 2________ 3________ 4_______ 5________ 6_______ 7 8 9___ 10 11_______ 12_______ 13___ 14_________ 15_ 16 17 18______ 19_____ 20___________ 21

Chunks:

(ChunkerEvaluator) Sentence #9218 from articles/00107778 from sent35

Text  : Potrzeby i możliwości są nieograniczone .
Tokens: 1_______ 2 3_________ 4_ 5_____________ 6

Chunks:

(ChunkerEvaluator) Sentence #9219 from articles/00107778 from sent36

Text  : W zeszłym roku wydali śmy 3 , 7 mln zł .
Tokens: 1 2______ 3___ 4_____ 5__ 6 7 8 9__ 10 11

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #9220 from articles/00107778 from sent37

Text  : To było za mało , żeby zrealizować wszystkie pomysły .
Tokens: 1_ 2___ 3_ 4___ 5 6___ 7__________ 8________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #9221 from articles/00107778 from sent38

Text  : W tym roku w Filharmonii Wrocławskiej wystąpi cała polska czołówka :  Konstanty Andrzej Kulka ,  Piotr Paleczny ,  Krzysztof Jabłoński .
Tokens: 1 2__ 3___ 4 5__________ 6___________ 7______ 8___ 9_____ 10______ 11 12_______ 13_____ 14___ 15 16___ 17______ 18 19_______ 20_______ 21

Chunks:
  TruePositive nam [5,6] = Filharmonii Wrocławskiej
  TruePositive nam [16,17] = Piotr Paleczny
  TruePositive nam [19,20] = Krzysztof Jabłoński
  FalsePositive nam [12,14] = Konstanty Andrzej Kulka
  FalseNegative nam [13,14] = Andrzej Kulka

(ChunkerEvaluator) Sentence #9222 from articles/00107778 from sent39

Text  : A nazwiska głośne na świecie pojawią się tylko wtedy ,  gdy znajdzie się sponsor .
Tokens: 1 2_______ 3_____ 4_ 5______ 6______ 7__ 8____ 9____ 10 11_ 12______ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #9223 from articles/00107778 from sent40

Text  : Niezależnie od tego , bardzo by m chciał , żeby znalazły się pieniądze na istotne podwyżki dla pracujących w  filharmonii muzyków .
Tokens: 1__________ 2_ 3___ 4 5_____ 6_ 7 8_____ 9 10__ 11______ 12_ 13_______ 14 15_____ 16______ 17_ 18_________ 19 20_________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #9224 from articles/00107778 from sent41

Text  : Czy tak się stanie , radni sejmiku zadecydują już dzisiaj .
Tokens: 1__ 2__ 3__ 4_____ 5 6____ 7______ 8_________ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #9225 from articles/00107778 from sent42

Text  : Adam Domagała
Tokens: 1___ 2_______

Chunks:
  TruePositive nam [1,2] = Adam Domagała

2016-10-27 14:59:58,503 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 405 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107779.xml
(ChunkerEvaluator) Sentence #9226 from articles/00107779 from sent1

Text  : Radomski tancerz mistrzem Polski juniorów w hip - hopie
Tokens: 1_______ 2______ 3_______ 4_____ 5_______ 6 7__ 8 9____

Chunks:
  FalsePositive nam [4,4] = Polski
  FalseNegative nam [3,4] = mistrzem Polski

(ChunkerEvaluator) Sentence #9227 from articles/00107779 from sent2

Text  : Maks Wojtowicz tancerz radomskiej Fabryki Tańca IDOL został nowym Mistrzem Polski w  tańcu Hip -  Hop na 2012 rok w  kategorii juniorów
Tokens: 1___ 2________ 3______ 4_________ 5______ 6____ 7___ 8_____ 9____ 10______ 11____ 12 13___ 14_ 15 16_ 17 18__ 19_ 20 21_______ 22______

Chunks:
  TruePositive nam [1,2] = Maks Wojtowicz
  TruePositive nam [5,7] = Fabryki Tańca IDOL
  FalsePositive nam [11,11] = Polski
  FalsePositive nam [14,16] = Hip - Hop
  FalseNegative nam [10,11] = Mistrzem Polski

(ChunkerEvaluator) Sentence #9228 from articles/00107779 from sent3

Text  : - Podczas rozgrywanych w ubiegły weekend w Szczecinie Krajowych Mistrzostw Polski ,  Maks nie dał szans swoim rywalom z  innych miast pokonał 20 solistów .
Tokens: 1 2______ 3___________ 4 5______ 6______ 7 8_________ 9________ 10________ 11____ 12 13__ 14_ 15_ 16___ 17___ 18_____ 19 20____ 21___ 22_____ 23 24______ 25

Chunks:
  TruePositive nam [13,13] = Maks
  FalsePositive nam [8,11] = Szczecinie Krajowych Mistrzostw Polski
  FalseNegative nam [8,8] = Szczecinie
  FalseNegative nam [9,11] = Krajowych Mistrzostw Polski

(ChunkerEvaluator) Sentence #9229 from articles/00107779 from sent4

Text  : Zdobywając złoty medal dostał kwalifikację do Kadry Narodowej na Mistrzostwa Europy i  Świata w  2012 roku .
Tokens: 1_________ 2____ 3____ 4_____ 5___________ 6_ 7____ 8________ 9_ 10_________ 11____ 12 13____ 14 15__ 16__ 17

Chunks:
  TruePositive nam [7,8] = Kadry Narodowej
  FalsePositive nam [2,2] = złoty
  FalsePositive nam [10,11] = Mistrzostwa Europy
  FalsePositive nam [13,13] = Świata
  FalseNegative nam [10,13] = Mistrzostwa Europy i Świata

(ChunkerEvaluator) Sentence #9230 from articles/00107779 from sent5

Text  : Nie zawiodła również Jagoda Brzezińska - Spiczak na tych samych mistrzostwach zdobyła srebro w  kategorii solistek do 11 lat ,  brawurowo pokonując 61 uczestniczek !
Tokens: 1__ 2_______ 3______ 4_____ 5_________ 6 7______ 8_ 9___ 10____ 11___________ 12_____ 13____ 14 15_______ 16______ 17 18 19_ 20 21_______ 22_______ 23 24__________ 25

Chunks:
  TruePositive nam [4,7] = Jagoda Brzezińska - Spiczak
  FalseNegative nam [11,11] = mistrzostwach

(ChunkerEvaluator) Sentence #9231 from articles/00107779 from sent6

Text  : Przy tak licznej obsadzie to duża sztuka osiągnąć tak wiele .
Tokens: 1___ 2__ 3______ 4_______ 5_ 6___ 7_____ 8_______ 9__ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #9232 from articles/00107779 from sent7

Text  : Jagodę również zobaczymy na tegorocznych Mistrzostwach Europy i Świata -  informuje Jakub Pankowski z  Fabryki Tańca IDOL .
Tokens: 1_____ 2______ 3________ 4_ 5___________ 6____________ 7_____ 8 9_____ 10 11_______ 12___ 13_______ 14 15_____ 16___ 17__ 18

Chunks:
  TruePositive nam [12,13] = Jakub Pankowski
  TruePositive nam [15,17] = Fabryki Tańca IDOL
  FalsePositive nam [6,7] = Mistrzostwach Europy
  FalsePositive nam [9,9] = Świata
  FalseNegative nam [1,1] = Jagodę
  FalseNegative nam [6,9] = Mistrzostwach Europy i Świata

(ChunkerEvaluator) Sentence #9233 from articles/00107779 from sent8

Text  : Kolejna tancerka radomskiej formacji , Nikola Pośnik , zdobyła w  mistrzostwach szóste miejsce .
Tokens: 1______ 2_______ 3_________ 4_______ 5 6_____ 7_____ 8 9______ 10 11___________ 12____ 13_____ 14

Chunks:
  TruePositive nam [6,7] = Nikola Pośnik
  FalseNegative nam [3,3] = radomskiej
  FalseNegative nam [11,11] = mistrzostwach

(ChunkerEvaluator) Sentence #9234 from articles/00107779 from sent9

Text  : - To największy sukces Nikolii .
Tokens: 1 2_ 3_________ 4_____ 5______ 6

Chunks:
  FalseNegative nam [5,5] = Nikolii

(ChunkerEvaluator) Sentence #9235 from articles/00107779 from sent10

Text  : Ta bardzo zdolna tancerka , na pewno nie jeden raz zadziwi nas swoim poziomem tańca ,  a  także medalami na największych zawodach -  uważa Jakub Pankowski .
Tokens: 1_ 2_____ 3_____ 4_______ 5 6_ 7____ 8__ 9____ 10_ 11_____ 12_ 13___ 14______ 15___ 16 17 18___ 19______ 20 21__________ 22______ 23 24___ 25___ 26_______ 27

Chunks:
  TruePositive nam [25,26] = Jakub Pankowski

(ChunkerEvaluator) Sentence #9236 from articles/00107779 from sent11

Text  : Jak informuje , formacja IDOL w kategorii do 11 lat oraz formacja powyżej 31 lat uplasowała się na 4  pozycji .
Tokens: 1__ 2________ 3 4_______ 5___ 6 7________ 8_ 9_ 10_ 11__ 12______ 13_____ 14 15_ 16________ 17_ 18 19 20_____ 21

Chunks:
  TruePositive nam [5,5] = IDOL

(ChunkerEvaluator) Sentence #9237 from articles/00107779 from sent12

Text  : Tancerze Fabryki Tańca IDOL aktualnie zaczynają przygotowania do Mistrzostw Europy ,  które odbędą się tym razem w  Słowenii w  miejscowości Koper już w  lipcu .
Tokens: 1_______ 2______ 3____ 4___ 5________ 6________ 7____________ 8_ 9_________ 10____ 11 12___ 13____ 14_ 15_ 16___ 17 18______ 19 20__________ 21___ 22_ 23 24___ 25

Chunks:
  TruePositive nam [2,4] = Fabryki Tańca IDOL
  TruePositive nam [9,10] = Mistrzostw Europy
  TruePositive nam [18,18] = Słowenii
  TruePositive nam [21,21] = Koper

2016-10-27 14:59:58,571 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 406 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107780.xml
(ChunkerEvaluator) Sentence #9238 from articles/00107780 from sent1

Text  : Niemcy .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Niemcy

(ChunkerEvaluator) Sentence #9239 from articles/00107780 from sent2

Text  : Rząd wzmocnił prawa pacjentów
Tokens: 1___ 2_______ 3____ 4________

Chunks:
  FalseNegative nam [1,1] = Rząd

(ChunkerEvaluator) Sentence #9240 from articles/00107780 from sent3

Text  : Niemiecki rząd przyjął na posiedzeniu w środę projekt ustawy wzmacniającej prawa pacjentów .
Tokens: 1________ 2___ 3______ 4_ 5__________ 6 7____ 8______ 9_____ 10___________ 11___ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #9241 from articles/00107780 from sent4

Text  : Nowe przepisy zobowiązują lekarzy do zrozumiałego i wyczerpującego informowania chorych o  proponowanej metodzie leczenia -  podała agencja dpa .
Tokens: 1___ 2_______ 3__________ 4______ 5_ 6___________ 7 8_____________ 9___________ 10_____ 11 12__________ 13______ 14______ 15 16____ 17_____ 18_ 19

Chunks:
  FalseNegative nam [18,18] = dpa

(ChunkerEvaluator) Sentence #9242 from articles/00107780 from sent5

Text  : Ustawa nakłada ponadto na lekarzy obowiązek zwrócenia uwagi - podczas osobistej rozmowy z  pacjentem -  na ewentualne ryzyko związane z  planowanym zabiegiem .
Tokens: 1_____ 2______ 3______ 4_ 5______ 6________ 7________ 8____ 9 10_____ 11_______ 12_____ 13 14_______ 15 16 17________ 18____ 19______ 20 21________ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #9243 from articles/00107780 from sent6

Text  : Rząd chce też zagwarantować większą transparentność w sprawach dotyczących błędów lekarskich .
Tokens: 1___ 2___ 3__ 4____________ 5______ 6______________ 7 8_______ 9__________ 10____ 11________ 12

Chunks:
  FalseNegative nam [1,1] = Rząd

(ChunkerEvaluator) Sentence #9244 from articles/00107780 from sent7

Text  : W przypadku popełnienia poważnego błędu , lekarz będzie musiał udowodnić ,  że nie doszło do wyrządzenia szkody .
Tokens: 1 2________ 3__________ 4________ 5____ 6 7_____ 8_____ 9_____ 10_______ 11 12 13_ 14____ 15 16_________ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #9245 from articles/00107780 from sent8

Text  : W sprawach o mniejszym ciężarze gatunkowym to pacjent będzie musiał -  tak jak dotychczas -  wykazać ,  że szkoda wystąpiła z  winy lekarza .
Tokens: 1 2_______ 3 4________ 5_______ 6_________ 7_ 8______ 9_____ 10____ 11 12_ 13_ 14________ 15 16_____ 17 18 19____ 20_______ 21 22__ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #9246 from articles/00107780 from sent9

Text  : Projekt ustawy zobowiązuje kasy chorych do wspierania ubezpieczonych w ich staraniach o  odszkodowanie .
Tokens: 1______ 2_____ 3__________ 4___ 5______ 6_ 7_________ 8_____________ 9 10_ 11________ 12 13___________ 14

Chunks:

2016-10-27 14:59:58,611 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 407 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107781.xml
(ChunkerEvaluator) Sentence #9247 from articles/00107781 from sent1

Text  : Nie żyje dyrektor Lwowskiej Galerii Sztuki Borys Woźnicki
Tokens: 1__ 2___ 3_______ 4________ 5______ 6_____ 7____ 8_______

Chunks:
  TruePositive nam [4,6] = Lwowskiej Galerii Sztuki
  TruePositive nam [7,8] = Borys Woźnicki

(ChunkerEvaluator) Sentence #9248 from articles/00107781 from sent2

Text  : W wieku 86 lat w wypadku samochodowym nieopodal Lwowa zginął w  środę Borys Woźnicki ,  ukraiński historyk sztuki ,  wieloletni dyrektor Lwowskiej Galerii Sztuki ,  znany z  ratowania dzieł polskiego i  ukraińskiego dziedzictwa kulturowego .
Tokens: 1 2____ 3_ 4__ 5 6______ 7___________ 8________ 9____ 10____ 11 12___ 13___ 14______ 15 16_______ 17______ 18____ 19 20________ 21______ 22_______ 23_____ 24____ 25 26___ 27 28_______ 29___ 30_______ 31 32__________ 33_________ 34_________ 35

Chunks:
  TruePositive nam [9,9] = Lwowa
  TruePositive nam [13,14] = Borys Woźnicki
  TruePositive nam [22,24] = Lwowskiej Galerii Sztuki

(ChunkerEvaluator) Sentence #9249 from articles/00107781 from sent3

Text  : Do wypadku doszło około godziny 8 czasu polskiego w rejonie złoczowskim .
Tokens: 1_ 2______ 3_____ 4____ 5______ 6 7____ 8________ 9 10_____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #9250 from articles/00107781 from sent4

Text  : Według delegatury MSW Ukrainy w obwodzie lwowskim Woźnicki , który sam prowadził samochód służbowy ,  zasłabł za kierownicą ,  po czym jego pojazd wyjechał na przeciwny pas ruchu i  zderzył się z  nadjeżdżającym z  naprzeciwka autobusem .
Tokens: 1_____ 2_________ 3__ 4______ 5 6_______ 7_______ 8_______ 9 10___ 11_ 12_______ 13______ 14______ 15 16_____ 17 18________ 19 20 21__ 22__ 23____ 24______ 25 26_______ 27_ 28___ 29 30_____ 31_ 32 33____________ 34 35_________ 36_______ 37

Chunks:
  TruePositive nam [3,4] = MSW Ukrainy
  TruePositive nam [8,8] = Woźnicki

(ChunkerEvaluator) Sentence #9251 from articles/00107781 from sent5

Text  : Lwowskie media podały , że Woźnicki najprawdopodobniej doznał ataku serca .
Tokens: 1_______ 2____ 3_____ 4 5_ 6_______ 7_________________ 8_____ 9____ 10___ 11

Chunks:
  TruePositive nam [6,6] = Woźnicki

(ChunkerEvaluator) Sentence #9252 from articles/00107781 from sent6

Text  : Według historyków sztuki i muzealników Borys Woźnicki był niekwestionowanym autorytetem w  swej dziedzinie na świecie .
Tokens: 1_____ 2_________ 3_____ 4 5__________ 6____ 7_______ 8__ 9________________ 10_________ 11 12__ 13________ 14 15_____ 16

Chunks:
  TruePositive nam [6,7] = Borys Woźnicki

(ChunkerEvaluator) Sentence #9253 from articles/00107781 from sent7

Text  : Przez 50 lat kierował Lwowską Galerią Sztuki , nazywaną do 1998 r  .
Tokens: 1____ 2_ 3__ 4_______ 5______ 6______ 7_____ 8 9_______ 10 11__ 12 13

Chunks:
  TruePositive nam [5,7] = Lwowską Galerią Sztuki

(ChunkerEvaluator) Sentence #9254 from articles/00107781 from sent8

Text  : Lwowską Galerią Obrazów .
Tokens: 1______ 2______ 3______ 4

Chunks:
  FalsePositive nam [2,3] = Galerią Obrazów
  FalseNegative nam [1,3] = Lwowską Galerią Obrazów

(ChunkerEvaluator) Sentence #9255 from articles/00107781 from sent9

Text  : Zorganizował w niej wiele głośnych wystaw , m . in .  "  Ukrzyżowanie "  ,  na której zaprezentował szczątki krucyfiksów zebranych na całej Ukrainie .
Tokens: 1___________ 2 3___ 4____ 5_______ 6_____ 7 8 9 10 11 12 13__________ 14 15 16 17____ 18___________ 19______ 20_________ 21_______ 22 23___ 24______ 25

Chunks:
  TruePositive nam [13,13] = Ukrzyżowanie
  TruePositive nam [24,24] = Ukrainie

(ChunkerEvaluator) Sentence #9256 from articles/00107781 from sent10

Text  : W lwowskiej galerii i jej oddziałach znajduje się ok .  siedmiu tysięcy obrazów i  ponad dwa tysiące rzeźb .
Tokens: 1 2________ 3______ 4 5__ 6_________ 7_______ 8__ 9_ 10 11_____ 12_____ 13_____ 14 15___ 16_ 17_____ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #9257 from articles/00107781 from sent11

Text  : W czasie wojny zbiory przetrzebili hitlerowcy ( wywożąc m .  in .  "  Autoportret "  Rembrandta )  ,  a  następnie konfiskowali je sowieci .
Tokens: 1 2_____ 3____ 4_____ 5___________ 6_________ 7 8______ 9 10 11 12 13 14_________ 15 16________ 17 18 19 20_______ 21__________ 22 23_____ 24

Chunks:
  TruePositive nam [14,14] = Autoportret
  TruePositive nam [16,16] = Rembrandta
  FalseNegative nam [23,23] = sowieci

(ChunkerEvaluator) Sentence #9258 from articles/00107781 from sent12

Text  : Dzięki działalności Woźnickiego większość tych dzieł odzyskano .
Tokens: 1_____ 2___________ 3__________ 4________ 5___ 6____ 7________ 8

Chunks:
  TruePositive nam [3,3] = Woźnickiego

(ChunkerEvaluator) Sentence #9259 from articles/00107781 from sent13

Text  : Jedna z najważniejszych części lwowskiej galerii to zbiory polskiego malarstwa (  od XVI wieku do II wojny światowej )  .
Tokens: 1____ 2 3______________ 4_____ 5________ 6______ 7_ 8_____ 9________ 10_______ 11 12 13_ 14___ 15 16 17___ 18_______ 19 20

Chunks:
  FalsePositive nam [16,18] = II wojny światowej

(ChunkerEvaluator) Sentence #9260 from articles/00107781 from sent14

Text  : Są wśród nich prace m . in . Jana Matejki ,  Aleksandra Gierymskiego ,  Józefa Chełmońskiego ,  Józefa Mehoffera oraz kolekcja dzieł Jacka Malczewskiego ,  złożona z  68 obrazów i  szkiców oraz 18 rysunków i  akwarel .
Tokens: 1_ 2____ 3___ 4____ 5 6 7_ 8 9___ 10_____ 11 12________ 13__________ 14 15____ 16___________ 17 18____ 19_______ 20__ 21______ 22___ 23___ 24___________ 25 26_____ 27 28 29_____ 30 31_____ 32__ 33 34______ 35 36_____ 37

Chunks:
  TruePositive nam [9,10] = Jana Matejki
  TruePositive nam [12,13] = Aleksandra Gierymskiego
  TruePositive nam [15,16] = Józefa Chełmońskiego
  TruePositive nam [18,19] = Józefa Mehoffera
  TruePositive nam [23,24] = Jacka Malczewskiego

(ChunkerEvaluator) Sentence #9261 from articles/00107781 from sent15

Text  : Zasługą Woźnickiego jest ocalenie tysięcy bezcennych zabytków wspólnego dziedzictwa kulturowego Polski i  Ukrainy ,  dzieł sztuki pochodzących z  zamykanych i  niszczonych w  czasach b  .  ZSRR cerkwi ,  kościołów cmentarzy ,  oraz zamków ,  pałaców i  dworów .
Tokens: 1______ 2__________ 3___ 4_______ 5______ 6_________ 7_______ 8________ 9__________ 10_________ 11____ 12 13_____ 14 15___ 16____ 17__________ 18 19________ 20 21_________ 22 23_____ 24 25 26__ 27____ 28 29_______ 30_______ 31 32__ 33____ 34 35_____ 36 37____ 38

Chunks:
  TruePositive nam [2,2] = Woźnickiego
  TruePositive nam [11,11] = Polski
  TruePositive nam [13,13] = Ukrainy
  FalseNegative nam [26,26] = ZSRR

(ChunkerEvaluator) Sentence #9262 from articles/00107781 from sent16

Text  : Dzięki niemu uratowano m . in . zamek w Olesku ,  miejsce urodzenia Jana Sobieskiego ,  a  także zamki w  Żółkwi ,  Złoczowie ,  Podhorcach ,  basztę w  Pietniczanach i  kaplicę Boimów we Lwowie .
Tokens: 1_____ 2____ 3________ 4 5 6_ 7 8____ 9 10____ 11 12_____ 13_______ 14__ 15_________ 16 17 18___ 19___ 20 21____ 22 23_______ 24 25________ 26 27____ 28 29___________ 30 31_____ 32____ 33 34____ 35

Chunks:
  TruePositive nam [14,15] = Jana Sobieskiego
  TruePositive nam [21,21] = Żółkwi
  TruePositive nam [23,23] = Złoczowie
  TruePositive nam [25,25] = Podhorcach
  TruePositive nam [29,29] = Pietniczanach
  TruePositive nam [34,34] = Lwowie
  FalseNegative nam [10,10] = Olesku
  FalseNegative nam [32,32] = Boimów

(ChunkerEvaluator) Sentence #9263 from articles/00107781 from sent17

Text  : Uratowane zabytki trafiły m . in . do Lwowskiej Galerii Sztuki oraz utworzonego przez Woźnickiego Muzeum Jana Jerzego Pinzla we Lwowie .
Tokens: 1________ 2______ 3______ 4 5 6_ 7 8_ 9________ 10_____ 11____ 12__ 13_________ 14___ 15_________ 16____ 17__ 18_____ 19____ 20 21____ 22

Chunks:
  TruePositive nam [9,11] = Lwowskiej Galerii Sztuki
  TruePositive nam [21,21] = Lwowie
  FalsePositive nam [15,19] = Woźnickiego Muzeum Jana Jerzego Pinzla
  FalseNegative nam [15,15] = Woźnickiego
  FalseNegative nam [16,19] = Muzeum Jana Jerzego Pinzla

(ChunkerEvaluator) Sentence #9264 from articles/00107781 from sent18

Text  : W swej pracy naukowej Woźnicki zajmował się problemami sztuki ukraińskiej i  badaniami nad lwowską rzeźbą barokową .
Tokens: 1 2___ 3____ 4_______ 5_______ 6_______ 7__ 8_________ 9_____ 10_________ 11 12_______ 13_ 14_____ 15____ 16______ 17

Chunks:
  TruePositive nam [5,5] = Woźnicki

(ChunkerEvaluator) Sentence #9265 from articles/00107781 from sent19

Text  : W 2003 r . za swą działalność uhonorowany został Nagrodą Pojednania za "  ratowanie -  w  trudnych warunkach społecznych ,  a  przede wszystkim politycznych -  polskiego i  ukraińskiego dziedzictwa kulturowego "  .
Tokens: 1 2___ 3 4 5_ 6__ 7__________ 8__________ 9_____ 10_____ 11________ 12 13 14_______ 15 16 17______ 18_______ 19_________ 20 21 22____ 23_______ 24__________ 25 26_______ 27 28__________ 29_________ 30_________ 31 32

Chunks:
  TruePositive nam [10,11] = Nagrodą Pojednania

(ChunkerEvaluator) Sentence #9266 from articles/00107781 from sent20

Text  : W 2004 r . otrzymał tytuł doktora honoris causa Akademii Sztuk Pięknych w  Warszawie .
Tokens: 1 2___ 3 4 5_______ 6____ 7______ 8______ 9____ 10______ 11___ 12______ 13 14_______ 15

Chunks:
  TruePositive nam [10,12] = Akademii Sztuk Pięknych
  TruePositive nam [14,14] = Warszawie
  FalseNegative nam [7,9] = doktora honoris causa

(ChunkerEvaluator) Sentence #9267 from articles/00107781 from sent21

Text  : Woznicki odznaczony był także Krzyżem Komandorskim Orderu Odrodzenia Polski ,  uhonorowany złotym medalem Zasłużony Kulturze -  Gloria Artis ,  oraz wyróżniony odznaką Zasłużony dla Kultury Polskiej .
Tokens: 1_______ 2_________ 3__ 4____ 5______ 6___________ 7_____ 8_________ 9_____ 10 11_________ 12____ 13_____ 14_______ 15______ 16 17____ 18___ 19 20__ 21________ 22_____ 23_______ 24_ 25_____ 26______ 27

Chunks:
  TruePositive nam [5,9] = Krzyżem Komandorskim Orderu Odrodzenia Polski
  FalsePositive nam [12,12] = złotym
  FalsePositive nam [14,15] = Zasłużony Kulturze
  FalsePositive nam [17,18] = Gloria Artis
  FalsePositive nam [23,23] = Zasłużony
  FalsePositive nam [25,26] = Kultury Polskiej
  FalseNegative nam [1,1] = Woznicki
  FalseNegative nam [14,18] = Zasłużony Kulturze - Gloria Artis
  FalseNegative nam [23,26] = Zasłużony dla Kultury Polskiej

(ChunkerEvaluator) Sentence #9268 from articles/00107781 from sent22

Text  : Borys Woźnicki urodził się w 1926 roku .
Tokens: 1____ 2_______ 3______ 4__ 5 6___ 7___ 8

Chunks:
  TruePositive nam [1,2] = Borys Woźnicki

(ChunkerEvaluator) Sentence #9269 from articles/00107781 from sent23

Text  : Studiował w Lwowskiej Szkole Sztuki Stosowanej , a potem w  Leningradzkim Instytucie Malarstwa ,  Rzeźby i  Architektury przy ASP ZSRR ,  otrzymując z  wyróżnieniem dyplom historyka sztuki .
Tokens: 1________ 2 3________ 4_____ 5_____ 6_________ 7 8 9____ 10 11___________ 12________ 13_______ 14 15____ 16 17__________ 18__ 19_ 20__ 21 22________ 23 24__________ 25____ 26_______ 27____ 28

Chunks:
  TruePositive nam [3,6] = Lwowskiej Szkole Sztuki Stosowanej
  TruePositive nam [19,20] = ASP ZSRR
  FalsePositive nam [11,13] = Leningradzkim Instytucie Malarstwa
  FalsePositive nam [15,15] = Rzeźby
  FalsePositive nam [17,17] = Architektury
  FalseNegative nam [11,17] = Leningradzkim Instytucie Malarstwa , Rzeźby i Architektury

(ChunkerEvaluator) Sentence #9270 from articles/00107781 from sent24

Text  : Był nauczycielem rysunków i zastępcą dyrektora Lwowskiego Muzeum Sztuki Ukraińskiej .
Tokens: 1__ 2___________ 3_______ 4 5_______ 6________ 7_________ 8_____ 9_____ 10_________ 11

Chunks:
  TruePositive nam [7,10] = Lwowskiego Muzeum Sztuki Ukraińskiej

(ChunkerEvaluator) Sentence #9271 from articles/00107781 from sent25

Text  : W 1962 roku został dyrektorem Lwowskiej Galerii Obrazów .
Tokens: 1 2___ 3___ 4_____ 5_________ 6________ 7______ 8______ 9

Chunks:
  FalsePositive nam [7,8] = Galerii Obrazów
  FalseNegative nam [6,8] = Lwowskiej Galerii Obrazów

(ChunkerEvaluator) Sentence #9272 from articles/00107781 from sent26

Text  : Z Kijowa Jarosław Junko
Tokens: 1 2_____ 3_______ 4____

Chunks:
  TruePositive nam [2,2] = Kijowa
  TruePositive nam [3,4] = Jarosław Junko

2016-10-27 14:59:58,772 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 408 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107782.xml
(ChunkerEvaluator) Sentence #9273 from articles/00107782 from sent1

Text  : Odwołanie kierownika Ośrodka Pomocy Społecznej
Tokens: 1________ 2_________ 3______ 4_____ 5_________

Chunks:
  TruePositive nam [3,5] = Ośrodka Pomocy Społecznej

(ChunkerEvaluator) Sentence #9274 from articles/00107782 from sent2

Text  : Zarząd gminy Warszawa Włochy odwołał wczoraj ze stanowiska kierownik Ośrodka Pomocy Społecznej Elżbietę Smolińską .
Tokens: 1_____ 2____ 3_______ 4_____ 5______ 6______ 7_ 8_________ 9________ 10_____ 11____ 12________ 13______ 14_______ 15

Chunks:
  TruePositive nam [10,12] = Ośrodka Pomocy Społecznej
  TruePositive nam [13,14] = Elżbietę Smolińską
  FalsePositive nam [3,4] = Warszawa Włochy
  FalseNegative nam [1,2] = Zarząd gminy
  FalseNegative nam [3,3] = Warszawa
  FalseNegative nam [4,4] = Włochy

(ChunkerEvaluator) Sentence #9275 from articles/00107782 from sent3

Text  : Odwołanie kierownika Ośrodka Pomocy Społecznej
Tokens: 1________ 2_________ 3______ 4_____ 5_________

Chunks:
  TruePositive nam [3,5] = Ośrodka Pomocy Społecznej

(ChunkerEvaluator) Sentence #9276 from articles/00107782 from sent4

Text  : Zarząd gminy Warszawa Włochy odwołał wczoraj ze stanowiska kierownik Ośrodka Pomocy Społecznej Elżbietę Smolińską .
Tokens: 1_____ 2____ 3_______ 4_____ 5______ 6______ 7_ 8_________ 9________ 10_____ 11____ 12________ 13______ 14_______ 15

Chunks:
  TruePositive nam [10,12] = Ośrodka Pomocy Społecznej
  TruePositive nam [13,14] = Elżbietę Smolińską
  FalsePositive nam [3,4] = Warszawa Włochy
  FalseNegative nam [1,2] = Zarząd gminy
  FalseNegative nam [3,3] = Warszawa
  FalseNegative nam [4,4] = Włochy

(ChunkerEvaluator) Sentence #9277 from articles/00107782 from sent5

Text  : Powodem odwołania były wyniki kontroli przeprowadzonej przez wydział spraw społecznych mazowieckiego urzędu wojewódzkiego .
Tokens: 1______ 2________ 3___ 4_____ 5_______ 6______________ 7____ 8______ 9____ 10_________ 11___________ 12____ 13___________ 14

Chunks:
  FalseNegative nam [8,10] = wydział spraw społecznych
  FalseNegative nam [11,13] = mazowieckiego urzędu wojewódzkiego

(ChunkerEvaluator) Sentence #9278 from articles/00107782 from sent6

Text  : Wynika z nich m . in . , że Smolińska podpisywała decyzje administracyjne bez upoważnienia rady gminy .
Tokens: 1_____ 2 3___ 4 5 6_ 7 8 9_ 10_______ 11_________ 12_____ 13_____________ 14_ 15__________ 16__ 17___ 18

Chunks:
  TruePositive nam [10,10] = Smolińska
  FalseNegative nam [16,17] = rady gminy

(ChunkerEvaluator) Sentence #9279 from articles/00107782 from sent7

Text  : Ponadto w ośrodku wypłacono na zasiłki stałe ok . 2  ,  4  tys .  zł osobom z  umiarkowanym stopniem niepełnosprawności .
Tokens: 1______ 2 3______ 4________ 5_ 6______ 7____ 8_ 9 10 11 12 13_ 14 15 16____ 17 18__________ 19______ 20________________ 21

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #9280 from articles/00107782 from sent8

Text  : Według kontrolujących było to niezgodne z prawem .
Tokens: 1_____ 2_____________ 3___ 4_ 5________ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #9281 from articles/00107782 from sent9

Text  : - Urząd wojewódzki wzywa panią Smolińską do oddania tej sumy .
Tokens: 1 2____ 3_________ 4____ 5____ 6________ 7_ 8______ 9__ 10__ 11

Chunks:
  TruePositive nam [6,6] = Smolińską
  FalseNegative nam [2,3] = Urząd wojewódzki

(ChunkerEvaluator) Sentence #9282 from articles/00107782 from sent10

Text  : Sprawa zostanie skierowana do rzecznika dyscypliny finansów publicznych - powiedział Ryszard Hoffman z  urzędu gminy Warszawa Włochy .
Tokens: 1_____ 2_______ 3_________ 4_ 5________ 6_________ 7_______ 8__________ 9 10________ 11_____ 12_____ 13 14____ 15___ 16______ 17____ 18

Chunks:
  TruePositive nam [11,12] = Ryszard Hoffman
  FalsePositive nam [16,17] = Warszawa Włochy
  FalseNegative nam [14,15] = urzędu gminy
  FalseNegative nam [16,16] = Warszawa
  FalseNegative nam [17,17] = Włochy

(ChunkerEvaluator) Sentence #9283 from articles/00107782 from sent11

Text  : ak
Tokens: 1_

Chunks:

2016-10-27 14:59:58,813 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 409 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107783.xml
(ChunkerEvaluator) Sentence #9284 from articles/00107783 from sent1

Text  : Niemcy .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Niemcy

(ChunkerEvaluator) Sentence #9285 from articles/00107783 from sent2

Text  : Skłócona Lewica szuka drogi wyjścia z kryzysu partii
Tokens: 1_______ 2_____ 3____ 4____ 5______ 6 7______ 8_____

Chunks:
  TruePositive nam [2,2] = Lewica

(ChunkerEvaluator) Sentence #9286 from articles/00107783 from sent3

Text  : Lewicowe ugrupowania zyskują poparcie w wielu krajach zmagającej się z  kryzysem Europy .
Tokens: 1_______ 2__________ 3______ 4_______ 5 6____ 7______ 8_________ 9__ 10 11______ 12____ 13

Chunks:
  TruePositive nam [12,12] = Europy

(ChunkerEvaluator) Sentence #9287 from articles/00107783 from sent4

Text  : Ale nie w Niemczech , gdzie Lewica toczy spory personalne i  traci poparcie .
Tokens: 1__ 2__ 3 4________ 5 6____ 7_____ 8____ 9____ 10________ 11 12___ 13______ 14

Chunks:
  TruePositive nam [4,4] = Niemczech
  TruePositive nam [7,7] = Lewica

(ChunkerEvaluator) Sentence #9288 from articles/00107783 from sent5

Text  : Szansą na zakończenie kryzysu będą wybory nowych szefów partii na zjeździe w  przyszłym tygodniu .
Tokens: 1_____ 2_ 3__________ 4______ 5___ 6_____ 7_____ 8_____ 9_____ 10 11______ 12 13_______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #9289 from articles/00107783 from sent6

Text  : " W minionych miesiącach utrwalił się obraz skłóconej Lewicy ,  która nie atakuje swych politycznych przeciwników ,  tylko toczy wewnętrzne walki -  przyznała w  czwartek na spotkaniu z  zagraniczną prasą w  Berlinie czołowa polityk Lewicy Sahra Wagenknecht .
Tokens: 1 2 3________ 4_________ 5_______ 6__ 7____ 8________ 9_____ 10 11___ 12_ 13_____ 14___ 15__________ 16__________ 17 18___ 19___ 20________ 21___ 22 23_______ 24 25______ 26 27_______ 28 29_________ 30___ 31 32______ 33_____ 34_____ 35____ 36___ 37_________ 38

Chunks:
  TruePositive nam [9,9] = Lewicy
  TruePositive nam [32,32] = Berlinie
  FalsePositive nam [35,37] = Lewicy Sahra Wagenknecht
  FalseNegative nam [35,35] = Lewicy
  FalseNegative nam [36,37] = Sahra Wagenknecht

(ChunkerEvaluator) Sentence #9290 from articles/00107783 from sent7

Text  : - Gdy tylko na pierwszy plan wróci nasz program ,  zaczniemy odzyskiwać zwolenników "  .
Tokens: 1 2__ 3____ 4_ 5_______ 6___ 7____ 8___ 9______ 10 11_______ 12________ 13_________ 14 15

Chunks:

(ChunkerEvaluator) Sentence #9291 from articles/00107783 from sent8

Text  : Jej zdaniem aktualny kryzys strefy euro pokazał , że "  neoliberalne koncepcje nie funkcjonują "  i  dlatego ludzie w  wielu krajach Europy zwracają się ku lewicowym ideom .
Tokens: 1__ 2______ 3_______ 4_____ 5_____ 6___ 7______ 8 9_ 10 11__________ 12_______ 13_ 14_________ 15 16 17_____ 18____ 19 20___ 21_____ 22____ 23______ 24_ 25 26_______ 27___ 28

Chunks:
  TruePositive nam [22,22] = Europy
  FalsePositive nam [6,6] = euro
  FalseNegative nam [5,6] = strefy euro

(ChunkerEvaluator) Sentence #9292 from articles/00107783 from sent9

Text  : " W wyborach prezydenckich we Francji kandydat Frontu Lewicowego (  Jean -  Luc Melenchon )  zdobył ponad 11 procent .
Tokens: 1 2 3_______ 4____________ 5_ 6______ 7_______ 8_____ 9_________ 10 11__ 12 13_ 14_______ 15 16____ 17___ 18 19_____ 20

Chunks:
  TruePositive nam [6,6] = Francji
  TruePositive nam [11,14] = Jean - Luc Melenchon
  FalsePositive nam [8,9] = Frontu Lewicowego

(ChunkerEvaluator) Sentence #9293 from articles/00107783 from sent10

Text  : W Grecji lewicowa koalicja ( SYRIZA ) ma szansę objąć rządy ,  choć wcześniej należące do niej partie były marginalizowane "  -  powiedziała Wagenknecht .
Tokens: 1 2_____ 3_______ 4_______ 5 6_____ 7 8_ 9_____ 10___ 11___ 12 13__ 14_______ 15______ 16 17__ 18____ 19__ 20_____________ 21 22 23_________ 24_________ 25

Chunks:
  TruePositive nam [2,2] = Grecji
  FalseNegative nam [6,6] = SYRIZA
  FalseNegative nam [24,24] = Wagenknecht

(ChunkerEvaluator) Sentence #9294 from articles/00107783 from sent11

Text  : - Wierzę , że również w Niemczech możliwe są podobne zmiany ,  jeśli Lewica uporządkuje swoje sprawy "  .
Tokens: 1 2_____ 3 4_ 5______ 6 7________ 8______ 9_ 10_____ 11____ 12 13___ 14____ 15_________ 16___ 17____ 18 19

Chunks:
  TruePositive nam [7,7] = Niemczech
  TruePositive nam [14,14] = Lewica

(ChunkerEvaluator) Sentence #9295 from articles/00107783 from sent12

Text  : W wyborach parlamentarnych w 2009 roku Lewica ( niem .  Die Linke )  ,  uważana za partię postkomunistów ze wschodnich Niemiec oraz uciekinierów z  socjaldemokratycznej SPD ,  uzyskała 11 ,  9  proc .  głosów .
Tokens: 1 2_______ 3______________ 4 5___ 6___ 7_____ 8 9___ 10 11_ 12___ 13 14 15_____ 16 17____ 18____________ 19 20________ 21_____ 22__ 23__________ 24 25__________________ 26_ 27 28______ 29 30 31 32__ 33 34____ 35

Chunks:
  TruePositive nam [7,7] = Lewica
  TruePositive nam [11,12] = Die Linke
  TruePositive nam [21,21] = Niemiec
  TruePositive nam [26,26] = SPD

(ChunkerEvaluator) Sentence #9296 from articles/00107783 from sent13

Text  : i weszła do Bundestagu jako trzecia siła polityczna .
Tokens: 1 2_____ 3_ 4_________ 5___ 6______ 7___ 8_________ 9

Chunks:
  TruePositive nam [4,4] = Bundestagu

(ChunkerEvaluator) Sentence #9297 from articles/00107783 from sent14

Text  : Do dziś notowania tej partii stopniały jednak do 6 -  7  proc .
Tokens: 1_ 2___ 3________ 4__ 5_____ 6________ 7_____ 8_ 9 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #9298 from articles/00107783 from sent15

Text  : W ważnych wyborach w Nadrenii Północnej - Westfalii 13 maja zdobyła zaledwie 2  ,  5  proc .  i  straciła mandaty w  parlamencie najludniejszego regionu .
Tokens: 1 2______ 3_______ 4 5_______ 6________ 7 8________ 9_ 10__ 11_____ 12______ 13 14 15 16__ 17 18 19______ 20_____ 21 22_________ 23_____________ 24_____ 25

Chunks:
  TruePositive nam [5,8] = Nadrenii Północnej - Westfalii

(ChunkerEvaluator) Sentence #9299 from articles/00107783 from sent16

Text  : O ile na zachodzie Niemiec Die Linke jest marginalizowana ,  to we wschodnich krajach związkowych stanowi nadal ważną siłę polityczną .
Tokens: 1 2__ 3_ 4________ 5______ 6__ 7____ 8___ 9______________ 10 11 12 13________ 14_____ 15_________ 16_____ 17___ 18___ 19__ 20________ 21

Chunks:
  TruePositive nam [5,5] = Niemiec
  TruePositive nam [6,7] = Die Linke

(ChunkerEvaluator) Sentence #9300 from articles/00107783 from sent17

Text  : Tworzy koalicję rządzącą z socjaldemokratami w Brandenburgii , a do jesieni zeszłego roku współrządziła Berlinem -  ale i  tutaj poniosła straty w  ostatnich wyborach .
Tokens: 1_____ 2_______ 3_______ 4 5________________ 6 7____________ 8 9 10 11_____ 12______ 13__ 14___________ 15______ 16 17_ 18 19___ 20______ 21____ 22 23_______ 24______ 25

Chunks:
  TruePositive nam [7,7] = Brandenburgii
  TruePositive nam [15,15] = Berlinem

(ChunkerEvaluator) Sentence #9301 from articles/00107783 from sent18

Text  : Odpowiedzialnością za spadek poparcia obarczono mało wyrazistych przewodniczących Klausa Ernsta i  Gesine Loetsch ,  którzy na zjeździe partii w  Getyndze (  2  -  3  czerwca )  nie staną ponownie do wyborów .
Tokens: 1_________________ 2_ 3_____ 4_______ 5________ 6___ 7__________ 8_______________ 9_____ 10____ 11 12____ 13_____ 14 15____ 16 17______ 18____ 19 20______ 21 22 23 24 25_____ 26 27_ 28___ 29______ 30 31_____ 32

Chunks:
  TruePositive nam [9,10] = Klausa Ernsta
  TruePositive nam [12,13] = Gesine Loetsch
  TruePositive nam [20,20] = Getyndze

(ChunkerEvaluator) Sentence #9302 from articles/00107783 from sent19

Text  : " Potrzebujemy nowego przywództwa , które zjednoczy partię , zamiast pogłębiać podziały i  będzie uosabiać nasz program "  -  oceniła w  czwartek Wagenknecht .
Tokens: 1 2___________ 3_____ 4__________ 5 6____ 7________ 8_____ 9 10_____ 11_______ 12______ 13 14____ 15______ 16__ 17_____ 18 19 20_____ 21 22______ 23_________ 24

Chunks:
  FalseNegative nam [23,23] = Wagenknecht

(ChunkerEvaluator) Sentence #9303 from articles/00107783 from sent20

Text  : Ona sama odmawia na razie kandydowania na funkcję przewodniczącej Lewicy .
Tokens: 1__ 2___ 3______ 4_ 5____ 6___________ 7_ 8______ 9______________ 10____ 11

Chunks:
  TruePositive nam [10,10] = Lewicy

(ChunkerEvaluator) Sentence #9304 from articles/00107783 from sent21

Text  : Poparła jednak tandem , złożony z dwóch młodych działaczek :  Katji Kipping oraz Kathariny Schwabedissen ;  zgodnie ze statutem ugrupowania ,  na jego czele stać ma dwoje szefów ze wschodu i  zachodu Niemiec ,  w  tym co najmniej jedna kobieta .
Tokens: 1______ 2_____ 3_____ 4 5______ 6 7____ 8______ 9_________ 10 11___ 12_____ 13__ 14_______ 15___________ 16 17_____ 18 19______ 20_________ 21 22 23__ 24___ 25__ 26 27___ 28____ 29 30_____ 31 32_____ 33_____ 34 35 36_ 37 38______ 39___ 40_____ 41

Chunks:
  TruePositive nam [11,12] = Katji Kipping
  TruePositive nam [14,15] = Kathariny Schwabedissen
  TruePositive nam [33,33] = Niemiec

(ChunkerEvaluator) Sentence #9305 from articles/00107783 from sent22

Text  : Szanse na wybór ma także poseł z Rostocku i zwolennik reformowania partii Dietmar Bartsch .
Tokens: 1_____ 2_ 3____ 4_ 5____ 6____ 7 8_______ 9 10_______ 11__________ 12____ 13_____ 14_____ 15

Chunks:
  TruePositive nam [8,8] = Rostocku
  TruePositive nam [13,14] = Dietmar Bartsch

(ChunkerEvaluator) Sentence #9306 from articles/00107783 from sent23

Text  : Do zeszłej środy zgłosiło się jeszcze pięcioro mniej znanych kandydatów .
Tokens: 1_ 2______ 3____ 4_______ 5__ 6______ 7_______ 8____ 9______ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #9307 from articles/00107783 from sent24

Text  : Wielu działaczy partii miało nadzieję , że ich przewodniczącym ponownie zostanie charyzmatyczny Oskar Lafontaine ,  były lider socjaldemokracji i  współzałożyciel Lewicy .
Tokens: 1____ 2________ 3_____ 4____ 5_______ 6 7_ 8__ 9______________ 10______ 11______ 12____________ 13___ 14________ 15 16__ 17___ 18______________ 19 20_____________ 21____ 22

Chunks:
  TruePositive nam [13,14] = Oskar Lafontaine
  TruePositive nam [21,21] = Lewicy

(ChunkerEvaluator) Sentence #9308 from articles/00107783 from sent25

Text  : Dwa lata temu zrezygnował z kierowania partią ze względów zdrowotnych .
Tokens: 1__ 2___ 3___ 4__________ 5 6_________ 7_____ 8_ 9_______ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #9309 from articles/00107783 from sent26

Text  : We wtorek ogłosił on jednak , że nie zamierza stawać do walki ,  bo jego rywal Dietmar Bartsch nie zgodził się wycofać swojej kandydatury .
Tokens: 1_ 2_____ 3______ 4_ 5_____ 6 7_ 8__ 9_______ 10____ 11 12___ 13 14 15__ 16___ 17_____ 18_____ 19_ 20_____ 21_ 22_____ 23____ 24_________ 25

Chunks:
  TruePositive nam [17,18] = Dietmar Bartsch

(ChunkerEvaluator) Sentence #9310 from articles/00107783 from sent27

Text  : " Nie chciał em wdawać się w walkę kogutów .
Tokens: 1 2__ 3_____ 4_ 5_____ 6__ 7 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #9311 from articles/00107783 from sent28

Text  : Wiem , że wiele osób jest rozczarowanych " - tłumaczył Lafontaine w  telewizyjnym talk -  show .
Tokens: 1___ 2 3_ 4____ 5___ 6___ 7_____________ 8 9 10_______ 11________ 12 13__________ 14__ 15 16__ 17

Chunks:
  FalseNegative nam [11,11] = Lafontaine

(ChunkerEvaluator) Sentence #9312 from articles/00107783 from sent29

Text  : Zdaniem Sahry Wagenknecht poszczególni kandydaci na przewodniczących Lewicy różnią się przede wszystkim swoim podejściem do współpracy z  Socjaldemokratyczną Partią Niemiec (  SPD )  .
Tokens: 1______ 2____ 3__________ 4___________ 5________ 6_ 7_______________ 8_____ 9_____ 10_ 11____ 12_______ 13___ 14________ 15 16________ 17 18_________________ 19____ 20_____ 21 22_ 23 24

Chunks:
  TruePositive nam [8,8] = Lewicy
  TruePositive nam [18,20] = Socjaldemokratyczną Partią Niemiec
  TruePositive nam [22,22] = SPD
  FalseNegative nam [2,3] = Sahry Wagenknecht

(ChunkerEvaluator) Sentence #9313 from articles/00107783 from sent30

Text  : " Chodzi o wybór , czy mamy być autentyczni i  bronić naszych antykapitalistycznych i  antywojennych postulatów ,  czy też zawierać kompromisy w  zamian za możliwość wejścia w  koalicje z  SPD "  -  powiedziała .
Tokens: 1 2_____ 3 4____ 5 6__ 7___ 8__ 9__________ 10 11____ 12_____ 13___________________ 14 15___________ 16________ 17 18_ 19_ 20______ 21________ 22 23____ 24 25_______ 26_____ 27 28______ 29 30_ 31 32 33_________ 34

Chunks:
  TruePositive nam [30,30] = SPD

(ChunkerEvaluator) Sentence #9314 from articles/00107783 from sent31

Text  : Bardziej skłonni do kompromisów z SPD są działacze Lewicy ze wschodnich landów ,  gdzie partia ta ma rzeczywiste szanse na współtworzenie rządów w  krajach związkowych .
Tokens: 1_______ 2______ 3_ 4__________ 5 6__ 7_ 8________ 9_____ 10 11________ 12____ 13 14___ 15____ 16 17 18_________ 19____ 20 21____________ 22____ 23 24_____ 25_________ 26

Chunks:
  TruePositive nam [6,6] = SPD
  TruePositive nam [9,9] = Lewicy

(ChunkerEvaluator) Sentence #9315 from articles/00107783 from sent32

Text  : Wśród lewicowych działaczy na zachodzie Niemiec dominują fundamentaliści , jak Wagenknecht .
Tokens: 1____ 2_________ 3________ 4_ 5________ 6______ 7_______ 8______________ 9 10_ 11_________ 12

Chunks:
  TruePositive nam [6,6] = Niemiec
  FalseNegative nam [11,11] = Wagenknecht

(ChunkerEvaluator) Sentence #9316 from articles/00107783 from sent33

Text  : Lewica domaga się m . in . wysokich podatków dla najbogatszych ,  płacy minimalnej w  wysokości 10 euro za godzinę ,  wyższych zasiłków dla bezrobotnych ,  regulacji rynków finansowych oraz ograniczenia wpływów banków i  wielkich koncernów .
Tokens: 1_____ 2_____ 3__ 4 5 6_ 7 8_______ 9_______ 10_ 11___________ 12 13___ 14________ 15 16_______ 17 18__ 19 20_____ 21 22______ 23______ 24_ 25__________ 26 27_______ 28____ 29_________ 30__ 31__________ 32_____ 33____ 34 35______ 36_______ 37

Chunks:
  TruePositive nam [18,18] = euro
  FalseNegative nam [1,1] = Lewica

(ChunkerEvaluator) Sentence #9317 from articles/00107783 from sent34

Text  : Sprzeciwia się też zaangażowaniu niemieckich wojsk w Afganistanie i odrzuca politykę europejską rządu Angeli Merkel ,  w  tym unijny pakt fiskalny .
Tokens: 1_________ 2__ 3__ 4____________ 5__________ 6____ 7 8___________ 9 10_____ 11______ 12________ 13___ 14____ 15____ 16 17 18_ 19____ 20__ 21______ 22

Chunks:
  TruePositive nam [8,8] = Afganistanie
  TruePositive nam [14,15] = Angeli Merkel

(ChunkerEvaluator) Sentence #9318 from articles/00107783 from sent35

Text  : W Bundestagu partia ta ciągle jest izolowana .
Tokens: 1 2_________ 3_____ 4_ 5_____ 6___ 7________ 8

Chunks:
  TruePositive nam [2,2] = Bundestagu

(ChunkerEvaluator) Sentence #9319 from articles/00107783 from sent36

Text  : Z Berlina Anna Widzyk
Tokens: 1 2______ 3___ 4_____

Chunks:
  TruePositive nam [2,2] = Berlina
  TruePositive nam [3,4] = Anna Widzyk

2016-10-27 14:59:59,119 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 410 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107784.xml
(ChunkerEvaluator) Sentence #9320 from articles/00107784 from sent1

Text  : Prezydent : krzyż harcerski jest wspólnym znakiem
Tokens: 1________ 2 3____ 4________ 5___ 6_______ 7______

Chunks:

(ChunkerEvaluator) Sentence #9321 from articles/00107784 from sent2

Text  : Krzyż harcerski jest wspólnym znakiem , wspólną busolą wyznaczającą kierunek harcerskiej drogi dla wszystkich -  mówił prezydent Bronisław Komorowski podczas uroczystości objęcia honorowego protektoratu nad Ruchem Harcerskim w  Polsce i  poza granicami kraju .
Tokens: 1____ 2________ 3___ 4_______ 5______ 6 7______ 8_____ 9___________ 10______ 11_________ 12___ 13_ 14________ 15 16___ 17_______ 18_______ 19________ 20_____ 21__________ 22_____ 23________ 24__________ 25_ 26____ 27________ 28 29____ 30 31__ 32_______ 33___ 34

Chunks:
  TruePositive nam [18,19] = Bronisław Komorowski
  TruePositive nam [26,27] = Ruchem Harcerskim
  TruePositive nam [29,29] = Polsce

(ChunkerEvaluator) Sentence #9322 from articles/00107784 from sent3

Text  : W uroczystości wzięły udział reprezentacje Związku Harcerstwa Polskiego , Związku Harcerstwa Rzeczypospolitej ,  Związku Harcerstwa Polskiego poza granicami Kraju ,  Związku Harcerstwa Polskiego na Litwie ,  Republikańskiego Społecznego Zjednoczenia "  Harcerstwo "  (  Białoruś )  ,  Harcerstwa Polskiego na Ukrainie ,  Stowarzyszenia Harcerskiego i  Stowarzyszenia Harcerstwa Katolickiego "  Zawisza "  FSE .
Tokens: 1 2___________ 3_____ 4_____ 5____________ 6______ 7_________ 8________ 9 10_____ 11________ 12______________ 13 14_____ 15________ 16_______ 17__ 18_______ 19___ 20 21_____ 22________ 23_______ 24 25____ 26 27______________ 28_________ 29__________ 30 31________ 32 33 34______ 35 36 37________ 38_______ 39 40______ 41 42____________ 43__________ 44 45____________ 46________ 47__________ 48 49_____ 50 51_ 52

Chunks:
  TruePositive nam [6,8] = Związku Harcerstwa Polskiego
  TruePositive nam [10,12] = Związku Harcerstwa Rzeczypospolitej
  TruePositive nam [14,16] = Związku Harcerstwa Polskiego
  TruePositive nam [34,34] = Białoruś
  FalsePositive nam [19,19] = Kraju
  FalsePositive nam [21,23] = Związku Harcerstwa Polskiego
  FalsePositive nam [25,25] = Litwie
  FalsePositive nam [27,31] = Republikańskiego Społecznego Zjednoczenia " Harcerstwo
  FalsePositive nam [37,38] = Harcerstwa Polskiego
  FalsePositive nam [40,40] = Ukrainie
  FalsePositive nam [42,47] = Stowarzyszenia Harcerskiego i Stowarzyszenia Harcerstwa Katolickiego
  FalsePositive nam [49,49] = Zawisza
  FalseNegative nam [21,25] = Związku Harcerstwa Polskiego na Litwie
  FalseNegative nam [27,32] = Republikańskiego Społecznego Zjednoczenia " Harcerstwo "
  FalseNegative nam [37,40] = Harcerstwa Polskiego na Ukrainie
  FalseNegative nam [42,43] = Stowarzyszenia Harcerskiego
  FalseNegative nam [45,51] = Stowarzyszenia Harcerstwa Katolickiego " Zawisza " FSE

(ChunkerEvaluator) Sentence #9323 from articles/00107784 from sent4

Text  : Prezydent podkreślił , że uroczystość jest okazją , by podziękować wszystkim harcerzom i  harcerkom w  Polsce i  poza granicami kraju za to ,  co udało się dzisiaj osiągnąć .
Tokens: 1________ 2_________ 3 4_ 5__________ 6___ 7_____ 8 9_ 10_________ 11_______ 12_______ 13 14_______ 15 16____ 17 18__ 19_______ 20___ 21 22 23 24 25___ 26_ 27_____ 28______ 29

Chunks:
  TruePositive nam [16,16] = Polsce

(ChunkerEvaluator) Sentence #9324 from articles/00107784 from sent5

Text  : " Bo przecież droga do protektoratu prezydenckiego musiała wieść przez zrozumienie ,  że krzyż harcerski jest wspólną wartością ,  wspólnym znakiem ,  wspólną busolą wyznaczającą kierunek harcerskiej drogi dla wszystkich .
Tokens: 1 2_ 3_______ 4____ 5_ 6___________ 7_____________ 8______ 9____ 10___ 11_________ 12 13 14___ 15_______ 16__ 17_____ 18_______ 19 20______ 21_____ 22 23_____ 24____ 25__________ 26______ 27_________ 28___ 29_ 30________ 31

Chunks:

(ChunkerEvaluator) Sentence #9325 from articles/00107784 from sent6

Text  : Za to serdecznie dziękuję " - powiedział Komorowski .
Tokens: 1_ 2_ 3_________ 4_______ 5 6 7_________ 8_________ 9

Chunks:
  TruePositive nam [8,8] = Komorowski

(ChunkerEvaluator) Sentence #9326 from articles/00107784 from sent7

Text  : Zaznaczył , że przyjęcie protektoratu traktuje niezwykle poważnie .
Tokens: 1________ 2 3_ 4________ 5___________ 6_______ 7________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #9327 from articles/00107784 from sent8

Text  : " Mam świadomość , że pewnie nieczęsto się zdarza w  historii harcerstwa ,  że protektorat przyjmuje nie tylko prezydent ,  ale druh prezydent ;  rzadko się zdarza ,  żeby u  jego boku stała jego dawna szefowa z  harcerstwa druhna prezydentowa .
Tokens: 1 2__ 3_________ 4 5_ 6_____ 7________ 8__ 9_____ 10 11______ 12________ 13 14 15_________ 16_______ 17_ 18___ 19_______ 20 21_ 22__ 23_______ 24 25____ 26_ 27____ 28 29__ 30 31__ 32__ 33___ 34__ 35___ 36_____ 37 38________ 39____ 40__________ 41

Chunks:

(ChunkerEvaluator) Sentence #9328 from articles/00107784 from sent9

Text  : To nas wszystkich zobowiązuje i to jest nasza wspólna szansa "  -  dodał .
Tokens: 1_ 2__ 3_________ 4__________ 5 6_ 7___ 8____ 9______ 10____ 11 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #9329 from articles/00107784 from sent10

Text  : " W tym samym miejscu , gdzie my dzisiaj stoimy ,  w  szeregach harcerskich ,  w  1920 r  .  marszałek Józef Piłsudski jako naczelnik państwa polskiego przyjmował protektorat nad harcerstwem polskim .
Tokens: 1 2 3__ 4____ 5______ 6 7____ 8_ 9______ 10____ 11 12 13_______ 14_________ 15 16 17__ 18 19 20_______ 21___ 22_______ 23__ 24_______ 25_____ 26_______ 27________ 28_________ 29_ 30_________ 31_____ 32

Chunks:
  TruePositive nam [21,22] = Józef Piłsudski

(ChunkerEvaluator) Sentence #9330 from articles/00107784 from sent11

Text  : Powiedział wtedy , że marzy , że chce , że przywiduje ,  iż duch harcerski będzie się szerzył wśród młodzieży polskiej .
Tokens: 1_________ 2____ 3 4_ 5____ 6 7_ 8___ 9 10 11________ 12 13 14__ 15_______ 16____ 17_ 18_____ 19___ 20_______ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #9331 from articles/00107784 from sent12

Text  : Znamy wszyscy niełatwą historię polskiego harcerstwa , znamy wszyscy piękną ,  heroiczną i  bogatą historię ruchu harcerskiego .
Tokens: 1____ 2______ 3_______ 4_______ 5________ 6_________ 7 8____ 9______ 10____ 11 12_______ 13 14____ 15______ 16___ 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #9332 from articles/00107784 from sent13

Text  : To wszystko był przejaw trwałości ducha harcerskiego " - mówił Komorowski .
Tokens: 1_ 2_______ 3__ 4______ 5________ 6____ 7___________ 8 9 10___ 11________ 12

Chunks:
  TruePositive nam [11,11] = Komorowski
  FalsePositive nam [6,7] = ducha harcerskiego

(ChunkerEvaluator) Sentence #9333 from articles/00107784 from sent14

Text  : Podkreślił , że obecnie stoi przed harcerstwem zadanie szukania miejsca we współczesnej Polsce dla zróżnicowanego ruchu harcerskiego .
Tokens: 1_________ 2 3_ 4______ 5___ 6____ 7__________ 8______ 9_______ 10_____ 11 12__________ 13____ 14_ 15____________ 16___ 17__________ 18

Chunks:
  TruePositive nam [13,13] = Polsce

(ChunkerEvaluator) Sentence #9334 from articles/00107784 from sent15

Text  : W imieniu wszystkich organizacji harcerskich podziękowania prezydentowi złożyła przewodnicząca Związku Harcerstwa Polskiego poza granicami Kraju hm .
Tokens: 1 2______ 3_________ 4__________ 5__________ 6____________ 7___________ 8______ 9_____________ 10_____ 11________ 12_______ 13__ 14_______ 15___ 16 17

Chunks:
  TruePositive nam [10,12] = Związku Harcerstwa Polskiego
  FalsePositive nam [15,15] = Kraju

(ChunkerEvaluator) Sentence #9335 from articles/00107784 from sent16

Text  : Teresa Ciecierska .
Tokens: 1_____ 2_________ 3

Chunks:
  TruePositive nam [1,2] = Teresa Ciecierska

(ChunkerEvaluator) Sentence #9336 from articles/00107784 from sent17

Text  : Wręczyła mu również pamiątkową busolę .
Tokens: 1_______ 2_ 3______ 4_________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #9337 from articles/00107784 from sent18

Text  : " Protektorat głowy państwa jest uznaniem naszej codziennej pracy .
Tokens: 1 2__________ 3____ 4______ 5___ 6_______ 7_____ 8_________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #9338 from articles/00107784 from sent19

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #9339 from articles/00107784 from sent20

Text  : Wierzymy , że ten protektorat symbolicznie otwiera nowy rozdział w  historii polskiego ruchu harcerskiego i  wszystkie organizacje harcerskie w  kraju i  za granicą będą dążyć do wspólnej reprezentacji i  podnoszenia rangi harcerstwa w  społeczeństwie .
Tokens: 1_______ 2 3_ 4__ 5__________ 6___________ 7______ 8___ 9_______ 10 11______ 12_______ 13___ 14__________ 15 16_______ 17_________ 18________ 19 20___ 21 22 23_____ 24__ 25___ 26 27______ 28___________ 29 30_________ 31___ 32________ 33 34____________ 35

Chunks:

(ChunkerEvaluator) Sentence #9340 from articles/00107784 from sent21

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #9341 from articles/00107784 from sent22

Text  : Wierzymy również , że silne harcerstwo jest także polską racją stanu .
Tokens: 1_______ 2______ 3 4_ 5____ 6_________ 7___ 8____ 9_____ 10___ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #9342 from articles/00107784 from sent23

Text  : Niech ta busola wskazuje zawsze panu prezydentowi na najlepsze wartości zawarte w  prawie i  przyrzeczeniu harcerskim "  -  mówiła .
Tokens: 1____ 2_ 3_____ 4_______ 5_____ 6___ 7___________ 8_ 9________ 10______ 11_____ 12 13____ 14 15___________ 16________ 17 18 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #9343 from articles/00107784 from sent24

Text  : Uroczystość miała miejsce w 101 . rocznicę wydania pierwszego rozkazu przez Andrzeja Małkowskiego powołującego pierwsze drużyny harcerskie .
Tokens: 1__________ 2____ 3______ 4 5__ 6 7_______ 8______ 9_________ 10_____ 11___ 12______ 13__________ 14__________ 15______ 16_____ 17________ 18

Chunks:
  TruePositive nam [12,13] = Andrzeja Małkowskiego

(ChunkerEvaluator) Sentence #9344 from articles/00107784 from sent25

Text  : Wzięli w niej udział przedstawiciele wszystkich organizacji harcerskich działających w  Polsce i  poza granicami kraju .
Tokens: 1_____ 2 3___ 4_____ 5______________ 6_________ 7__________ 8__________ 9___________ 10 11____ 12 13__ 14_______ 15___ 16

Chunks:
  TruePositive nam [11,11] = Polsce

(ChunkerEvaluator) Sentence #9345 from articles/00107784 from sent26

Text  : Protektorat to forma sprawowania tej opieki i wsparcia , zarówno moralna i  ideowa ,  ale również praktyczna i  prawna -  przekładająca się na instytucjonalne wsparcie działania -  w  tym przypadku organizacji harcerskich .
Tokens: 1__________ 2_ 3____ 4__________ 5__ 6_____ 7 8_______ 9 10_____ 11_____ 12 13____ 14 15_ 16_____ 17________ 18 19____ 20 21___________ 22_ 23 24_____________ 25______ 26_______ 27 28 29_ 30_______ 31_________ 32_________ 33

Chunks:

(ChunkerEvaluator) Sentence #9346 from articles/00107784 from sent27

Text  : Jako pierwszy protektorat nad harcerstwem objął jako Naczelnik Państwa Marszałek Józef Piłsudski .
Tokens: 1___ 2_______ 3__________ 4__ 5__________ 6____ 7___ 8________ 9______ 10_______ 11___ 12_______ 13

Chunks:
  TruePositive nam [11,12] = Józef Piłsudski
  FalsePositive nam [8,9] = Naczelnik Państwa
  FalsePositive nam [10,10] = Marszałek

(ChunkerEvaluator) Sentence #9347 from articles/00107784 from sent28

Text  : Kolejnymi protektorami byli prezydent Stanisław Wojciechowski oraz prezydent Ignacy Mościcki .
Tokens: 1________ 2___________ 3___ 4________ 5________ 6____________ 7___ 8________ 9_____ 10______ 11

Chunks:
  TruePositive nam [5,6] = Stanisław Wojciechowski
  TruePositive nam [9,10] = Ignacy Mościcki

(ChunkerEvaluator) Sentence #9348 from articles/00107784 from sent29

Text  : W 1946 r . , gdy powstał Związek Harcerstwa Polskiego działający poza granicami Kraju ,  protektorat objął Prezydent na Uchodźstwie Stanisław Ostrowski .
Tokens: 1 2___ 3 4 5 6__ 7______ 8______ 9_________ 10_______ 11________ 12__ 13_______ 14___ 15 16_________ 17___ 18_______ 19 20_________ 21_______ 22_______ 23

Chunks:
  TruePositive nam [8,10] = Związek Harcerstwa Polskiego
  TruePositive nam [21,22] = Stanisław Ostrowski
  FalsePositive nam [14,14] = Kraju
  FalsePositive nam [18,18] = Prezydent
  FalsePositive nam [20,20] = Uchodźstwie

(ChunkerEvaluator) Sentence #9349 from articles/00107784 from sent30

Text  : Kolejni prezydenci Edward Raczyński , Kazimierz Sabbat i Ryszard Kaczorowski kontynuowali tę tradycję .
Tokens: 1______ 2_________ 3_____ 4________ 5 6________ 7_____ 8 9______ 10_________ 11__________ 12 13______ 14

Chunks:
  TruePositive nam [3,4] = Edward Raczyński
  TruePositive nam [6,7] = Kazimierz Sabbat
  TruePositive nam [9,10] = Ryszard Kaczorowski

(ChunkerEvaluator) Sentence #9350 from articles/00107784 from sent31

Text  : Po 1989 r . protektorat nad harcerstwem obejmowali prezydenci Lech Wałęsa ,  Aleksander Kwaśniewski i  Lech Kaczyński .
Tokens: 1_ 2___ 3 4 5__________ 6__ 7__________ 8_________ 9_________ 10__ 11____ 12 13________ 14_________ 15 16__ 17_______ 18

Chunks:
  TruePositive nam [10,11] = Lech Wałęsa
  TruePositive nam [13,14] = Aleksander Kwaśniewski
  TruePositive nam [16,17] = Lech Kaczyński

2016-10-27 14:59:59,305 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 411 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107785.xml
(ChunkerEvaluator) Sentence #9351 from articles/00107785 from sent1

Text  : Porażka zespołu Lampego z Realem 64 : 73 w półfinale
Tokens: 1______ 2______ 3______ 4 5_____ 6_ 7 8_ 9 10_______

Chunks:
  TruePositive nam [3,3] = Lampego
  TruePositive nam [5,5] = Realem

(ChunkerEvaluator) Sentence #9352 from articles/00107785 from sent2

Text  : Caja Laboral Vitoria z Maciejem Lampem uległa w Madrycie Realowi 64 :  73 w  drugim meczu półfinałowym hiszpańskiej ekstraklasy koszykarzy ACB .
Tokens: 1___ 2______ 3______ 4 5_______ 6_____ 7_____ 8 9_______ 10_____ 11 12 13 14 15____ 16___ 17__________ 18__________ 19_________ 20________ 21_ 22

Chunks:
  TruePositive nam [5,6] = Maciejem Lampem
  TruePositive nam [9,9] = Madrycie
  TruePositive nam [10,10] = Realowi
  FalsePositive nam [2,3] = Laboral Vitoria
  FalseNegative nam [1,3] = Caja Laboral Vitoria
  FalseNegative nam [21,21] = ACB

(ChunkerEvaluator) Sentence #9353 from articles/00107785 from sent3

Text  : W rywalizacji do trzech zwycięstw jest remis 1 - 1  ,  a  kolejne dwa spotkania odbędą się we wtorek i  czwartek w  Vitorii .
Tokens: 1 2__________ 3_ 4_____ 5________ 6___ 7____ 8 9 10 11 12 13_____ 14_ 15_______ 16____ 17_ 18 19____ 20 21______ 22 23_____ 24

Chunks:
  FalseNegative nam [23,23] = Vitorii

(ChunkerEvaluator) Sentence #9354 from articles/00107785 from sent4

Text  : Tym razem reprezentant Polski nie zagrał tak dobrze , jak dwa dni temu ,  gdy był najlepszym zawodnikiem spotkania (  21 pkt i  11 zbiórek )  .
Tokens: 1__ 2____ 3___________ 4_____ 5__ 6_____ 7__ 8_____ 9 10_ 11_ 12_ 13__ 14 15_ 16_ 17________ 18_________ 19_______ 20 21 22_ 23 24 25_____ 26 27

Chunks:
  TruePositive nam [4,4] = Polski

(ChunkerEvaluator) Sentence #9355 from articles/00107785 from sent5

Text  : W sobotę przebywał na parkiecie 24 i pół minuty -  zdobył 3  punkty (  trafił tylko raz za dwa punkty i  jeden z  dwóch wolnych )  ,  miał 7  zbiórek oraz asystę .
Tokens: 1 2_____ 3________ 4_ 5________ 6_ 7 8__ 9_____ 10 11____ 12 13____ 14 15____ 16___ 17_ 18 19_ 20____ 21 22___ 23 24___ 25_____ 26 27 28__ 29 30_____ 31__ 32____ 33

Chunks:

(ChunkerEvaluator) Sentence #9356 from articles/00107785 from sent6

Text  : Zespół Caja Laboral sezon zasadniczy zakończył na trzeciej pozycji z  bilansem 23 wygranych i  11 porażek .
Tokens: 1_____ 2___ 3______ 4____ 5_________ 6________ 7_ 8_______ 9______ 10 11______ 12 13_______ 14 15 16_____ 17

Chunks:
  FalsePositive nam [1,3] = Zespół Caja Laboral
  FalseNegative nam [2,3] = Caja Laboral

(ChunkerEvaluator) Sentence #9357 from articles/00107785 from sent7

Text  : Z pierwszego miejsca w play off gra obrońca tytułu FC Barcelona (  29 -  5  )  ,  a  z  drugiej pozycji Real Madryt (  26 -  8  )  .
Tokens: 1 2_________ 3______ 4 5___ 6__ 7__ 8______ 9_____ 10 11_______ 12 13 14 15 16 17 18 19 20_____ 21_____ 22__ 23____ 24 25 26 27 28 29

Chunks:
  TruePositive nam [10,11] = FC Barcelona
  TruePositive nam [22,23] = Real Madryt

(ChunkerEvaluator) Sentence #9358 from articles/00107785 from sent8

Text  : W ćwierćfinale Caja wyeliminował drużynę Gescrap Bilbao , która po sezonie zasadniczym uplasowała się na szóstej pozycji (  19 -  15 )  .
Tokens: 1 2___________ 3___ 4___________ 5______ 6______ 7_____ 8 9____ 10 11_____ 12_________ 13________ 14_ 15 16_____ 17_____ 18 19 20 21 22 23

Chunks:
  TruePositive nam [6,7] = Gescrap Bilbao
  FalseNegative nam [3,3] = Caja

(ChunkerEvaluator) Sentence #9359 from articles/00107785 from sent9

Text  : Był to szesnasty mecz Lampego w barwach hiszpańskiego klubu .
Tokens: 1__ 2_ 3________ 4___ 5______ 6 7______ 8____________ 9____ 10

Chunks:
  TruePositive nam [5,5] = Lampego

(ChunkerEvaluator) Sentence #9360 from articles/00107785 from sent10

Text  : Polak , grający poprzednio w lidze rosyjskiej w Uniksie Kazań ,  dołączył do zespołu z  Kraju Basków na początku lutego po pięciomiesięcznej rehabilitacji operowanego w  USA biodra .
Tokens: 1____ 2 3______ 4_________ 5 6____ 7_________ 8 9______ 10___ 11 12______ 13 14_____ 15 16___ 17____ 18 19______ 20____ 21 22_______________ 23___________ 24_________ 25 26_ 27____ 28

Chunks:
  TruePositive nam [1,1] = Polak
  TruePositive nam [9,10] = Uniksie Kazań
  TruePositive nam [16,17] = Kraju Basków
  TruePositive nam [26,26] = USA

(ChunkerEvaluator) Sentence #9361 from articles/00107785 from sent11

Text  : Jego przerwa trwała 247 dni . ( PAP )
Tokens: 1___ 2______ 3_____ 4__ 5__ 6 7 8__ 9

Chunks:
  TruePositive nam [8,8] = PAP

2016-10-27 14:59:59,371 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 412 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107786.xml
(ChunkerEvaluator) Sentence #9362 from articles/00107786 from sent1

Text  : Kierowcy ciężarówek zakłócali pracę tachografów , chcieli dłużej pracować
Tokens: 1_______ 2_________ 3________ 4____ 5__________ 6 7______ 8_____ 9_______

Chunks:

(ChunkerEvaluator) Sentence #9363 from articles/00107786 from sent2

Text  : Przyłapali ich funkcjonariusze służby celnej : dwaj kierowcy ciężarowych DAF-ów umieścili magnesy na impulsatorze tachografów ,  by oszukać urządzenie rejestrujące ,  a  tym samym &  quot ;  wydłużyć &  quot ;  sobie czas jazdy .
Tokens: 1_________ 2__ 3______________ 4_____ 5_____ 6 7___ 8_______ 9__________ 10____ 11_______ 12_____ 13 14__________ 15_________ 16 17 18_____ 19________ 20__________ 21 22 23_ 24___ 25 26__ 27 28______ 29 30__ 31 32___ 33__ 34___ 35

Chunks:
  TruePositive nam [10,10] = DAF-ów

(ChunkerEvaluator) Sentence #9364 from articles/00107786 from sent3

Text  : Na autostradzie A4 funkcjonariusze SC zatrzymali do kontroli dwa samochody ciężarowe .
Tokens: 1_ 2___________ 3_ 4______________ 5_ 6_________ 7_ 8_______ 9__ 10_______ 11_______ 12

Chunks:
  FalseNegative nam [3,3] = A4
  FalseNegative nam [5,5] = SC

(ChunkerEvaluator) Sentence #9365 from articles/00107786 from sent4

Text  : Wydruki dzienne z tachografów cyfrowych wykazały , że obaj kierowcy od blisko 60 minut są w  trakcie "  pauzy "  ,  mimo to prowadzili pojazdy .
Tokens: 1______ 2______ 3 4__________ 5________ 6_______ 7 8_ 9___ 10______ 11 12____ 13 14___ 15 16 17_____ 18 19___ 20 21 22__ 23 24________ 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #9366 from articles/00107786 from sent5

Text  : Dodatkowo jeden z nich przekroczył dzienny czas pracy i skrócił wymagany czas odpoczynku .
Tokens: 1________ 2____ 3 4___ 5__________ 6______ 7___ 8____ 9 10_____ 11______ 12__ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #9367 from articles/00107786 from sent6

Text  : Zgodnie z przepisami , kierowca dziennie za kółkiem nie może spędzić więcej niż 9  godzin ,  a  tygodniowo maksymalnie 56 .
Tokens: 1______ 2 3_________ 4 5_______ 6_______ 7_ 8______ 9__ 10__ 11_____ 12____ 13_ 14 15____ 16 17 18________ 19_________ 20 21

Chunks:

(ChunkerEvaluator) Sentence #9368 from articles/00107786 from sent7

Text  : Nierzadko kierowcy chcąc oszukać urządzenie rejestrujące , montują niedozwolone urządzenia ,  np .  magnesy ,  które zakłócają prawidłową pracę tachografów ,  tak jak w  przypadku dwójki zatrzymanych .
Tokens: 1________ 2_______ 3____ 4______ 5_________ 6___________ 7 8______ 9___________ 10________ 11 12 13 14_____ 15 16___ 17_______ 18________ 19___ 20_________ 21 22_ 23_ 24 25_______ 26____ 27__________ 28

Chunks:

(ChunkerEvaluator) Sentence #9369 from articles/00107786 from sent8

Text  : Mężczyźni za używanie urządzenia zakłócającego pracę tachografu odpowiedzą przed sądem .
Tokens: 1________ 2_ 3_______ 4_________ 5____________ 6____ 7_________ 8_________ 9____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #9370 from articles/00107786 from sent9

Text  : Z racji tego , że obaj byli właścicielami firm transportowych ,  służba celna będzie prowadzić przeciwko nim postępowanie o  naruszenie przepisów o  transporcie drogowym .
Tokens: 1 2____ 3___ 4 5_ 6___ 7___ 8____________ 9___ 10____________ 11 12____ 13___ 14____ 15_______ 16_______ 17_ 18__________ 19 20________ 21_______ 22 23_________ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #9371 from articles/00107786 from sent10

Text  : Mężczyznom grozi kara pieniężna .
Tokens: 1_________ 2____ 3___ 4________ 5

Chunks:

2016-10-27 14:59:59,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 413 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107787.xml
(ChunkerEvaluator) Sentence #9372 from articles/00107787 from sent1

Text  : & quot ; Piłka w grze & quot ; -  wystawa rysunku satyrycznego
Tokens: 1 2___ 3 4____ 5 6___ 7 8___ 9 10 11_____ 12_____ 13__________

Chunks:
  FalsePositive nam [4,4] = Piłka
  FalseNegative nam [4,6] = Piłka w grze

(ChunkerEvaluator) Sentence #9373 from articles/00107787 from sent2

Text  : & quot ; Piłka w grze & quot ; -  taki tytuł nosił międzynarodowy konkurs na rysunek satyryczny o  tematyce związanej z  piłką nożną .
Tokens: 1 2___ 3 4____ 5 6___ 7 8___ 9 10 11__ 12___ 13___ 14____________ 15_____ 16 17_____ 18________ 19 20______ 21_______ 22 23___ 24___ 25

Chunks:
  FalsePositive nam [4,4] = Piłka
  FalseNegative nam [4,6] = Piłka w grze

(ChunkerEvaluator) Sentence #9374 from articles/00107787 from sent3

Text  : W poniedziałek w Muzeum Karykatury w Warszawie , podczas otwarcia wystawy pokonkursowej ,  wręczono nagrody laureatom .
Tokens: 1 2___________ 3 4_____ 5_________ 6 7________ 8 9______ 10______ 11_____ 12___________ 13 14______ 15_____ 16_______ 17

Chunks:
  TruePositive nam [4,5] = Muzeum Karykatury
  TruePositive nam [7,7] = Warszawie

(ChunkerEvaluator) Sentence #9375 from articles/00107787 from sent4

Text  : Grand Prix konkursu otrzymał Krzysztof Grzondziel za dwie prace bez tytułów .
Tokens: 1____ 2___ 3_______ 4_______ 5________ 6_________ 7_ 8___ 9____ 10_ 11_____ 12

Chunks:
  TruePositive nam [1,2] = Grand Prix
  TruePositive nam [5,6] = Krzysztof Grzondziel

(ChunkerEvaluator) Sentence #9376 from articles/00107787 from sent5

Text  : Pierwsza z nich pokazuje w dużym zbliżeniu stopy piłkarzy w  butach ,  które przemieniają się w  głowy smoków i  na widok piłki szczerzą ogromne kły .
Tokens: 1_______ 2 3___ 4_______ 5 6____ 7________ 8____ 9_______ 10 11____ 12 13___ 14__________ 15_ 16 17___ 18____ 19 20 21___ 22___ 23______ 24_____ 25_ 26

Chunks:

(ChunkerEvaluator) Sentence #9377 from articles/00107787 from sent6

Text  : Drugi z rysunków Grzondziela pokazuje leżącego na murawie piłkarza ,  stojącego przed nim sędziego oraz modlącą się do niego ,  klęczącą młodą kobietę w  ciąży .
Tokens: 1____ 2 3_______ 4__________ 5_______ 6_______ 7_ 8______ 9_______ 10 11_______ 12___ 13_ 14______ 15__ 16_____ 17_ 18 19___ 20 21______ 22___ 23_____ 24 25___ 26

Chunks:
  FalseNegative nam [4,4] = Grzondziela

(ChunkerEvaluator) Sentence #9378 from articles/00107787 from sent7

Text  : Towarzyszy jej dwoje dzieci : jedno leżące w wózku ,  drugie chwytające sędziego za nogę .
Tokens: 1_________ 2__ 3____ 4_____ 5 6____ 7_____ 8 9____ 10 11____ 12________ 13______ 14 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #9379 from articles/00107787 from sent8

Text  : Pierwszą nagrodę otrzymał rysownik z Austrii Gerhard Gepp za pracę "  Kozetka "  ,  ukazującą Zygmunta Freuda siedzącego na krześle obok kozetki ,  na której leży piłka .
Tokens: 1_______ 2______ 3_______ 4_______ 5 6______ 7______ 8___ 9_ 10___ 11 12_____ 13 14 15_______ 16______ 17____ 18________ 19 20_____ 21__ 22_____ 23 24 25____ 26__ 27___ 28

Chunks:
  TruePositive nam [6,6] = Austrii
  TruePositive nam [7,8] = Gerhard Gepp
  TruePositive nam [12,12] = Kozetka
  TruePositive nam [16,17] = Zygmunta Freuda

(ChunkerEvaluator) Sentence #9380 from articles/00107787 from sent9

Text  : Drugą nagrodę otrzymał Vladimir Kazanevsky z Ukrainy za pracę bez tytułu ,  na której można zobaczyć fragment meczu i  piłkarzy unoszących się w  powietrzu ,  tworzących mur ,  z  tym ,  że odwróceni są oni do piłki tyłem .
Tokens: 1____ 2______ 3_______ 4_______ 5_________ 6 7______ 8_ 9____ 10_ 11____ 12 13 14____ 15___ 16______ 17______ 18___ 19 20______ 21________ 22_ 23 24_______ 25 26________ 27_ 28 29 30_ 31 32 33_______ 34 35_ 36 37___ 38___ 39

Chunks:
  TruePositive nam [4,5] = Vladimir Kazanevsky
  TruePositive nam [7,7] = Ukrainy

(ChunkerEvaluator) Sentence #9381 from articles/00107787 from sent10

Text  : Trzecią nagrodę otrzymał Ross Thomson z Wielkiej Brytanii za pracę "  Ikea Goalposts "  ,  na której pokazano składanie bramek z  drewnianych elementów .
Tokens: 1______ 2______ 3_______ 4___ 5______ 6 7_______ 8_______ 9_ 10___ 11 12__ 13_______ 14 15 16 17____ 18______ 19_______ 20____ 21 22_________ 23_______ 24

Chunks:
  TruePositive nam [4,5] = Ross Thomson
  TruePositive nam [7,8] = Wielkiej Brytanii
  TruePositive nam [12,13] = Ikea Goalposts

(ChunkerEvaluator) Sentence #9382 from articles/00107787 from sent11

Text  : W konkursie przyznano też nagrody specjalne .
Tokens: 1 2________ 3________ 4__ 5______ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #9383 from articles/00107787 from sent12

Text  : Nagrodę za najlepszą pracę dla uczestnika , który nie ukończył 30 .  roku życia ,  otrzymał Nikola Hendrickx z  Belgii ,  nagrodę Muzeum Sportu i  Turystyki -  Oleksy Kustovsky z  Ukrainy ,  nagrodę Stowarzyszenia Polskich Artystów Karykatury (  SPAK )  -  Vasiliy Alexandrov z  Rosji ,  a  nagrodę Media Corporation -  Run Tang Li z  Chin .
Tokens: 1______ 2_ 3________ 4____ 5__ 6_________ 7 8____ 9__ 10______ 11 12 13__ 14___ 15 16______ 17____ 18_______ 19 20____ 21 22_____ 23____ 24____ 25 26_______ 27 28____ 29_______ 30 31_____ 32 33_____ 34____________ 35______ 36______ 37________ 38 39__ 40 41 42_____ 43________ 44 45___ 46 47 48_____ 49___ 50_________ 51 52_ 53__ 54 55 56__ 57

Chunks:
  TruePositive nam [17,18] = Nikola Hendrickx
  TruePositive nam [20,20] = Belgii
  TruePositive nam [23,26] = Muzeum Sportu i Turystyki
  TruePositive nam [31,31] = Ukrainy
  TruePositive nam [34,37] = Stowarzyszenia Polskich Artystów Karykatury
  TruePositive nam [39,39] = SPAK
  TruePositive nam [42,43] = Vasiliy Alexandrov
  TruePositive nam [45,45] = Rosji
  TruePositive nam [49,50] = Media Corporation
  TruePositive nam [52,54] = Run Tang Li
  TruePositive nam [56,56] = Chin
  FalsePositive nam [28,28] = Oleksy
  FalseNegative nam [28,29] = Oleksy Kustovsky

(ChunkerEvaluator) Sentence #9384 from articles/00107787 from sent13

Text  : Jak zauważył podczas otwarcia wystawy dyrektor Muzeum Karykatury , Zygmunt Zaradkiewicz ,  z  tematem piłki nożnej zmierzyli się w  konkursie rysownicy z  całego świata .
Tokens: 1__ 2_______ 3______ 4_______ 5______ 6_______ 7_____ 8_________ 9 10_____ 11__________ 12 13 14_____ 15___ 16____ 17_______ 18_ 19 20_______ 21_______ 22 23____ 24____ 25

Chunks:
  TruePositive nam [7,8] = Muzeum Karykatury
  TruePositive nam [10,11] = Zygmunt Zaradkiewicz

(ChunkerEvaluator) Sentence #9385 from articles/00107787 from sent14

Text  : Na konkurs nadesłano blisko 1200 prac z ponad 50 krajów ,  w  tym z  Albanii ,  Azerbejdżanu ,  Birmy ,  Kazachstanu ,  Mołdawii .
Tokens: 1_ 2______ 3________ 4_____ 5___ 6___ 7 8____ 9_ 10____ 11 12 13_ 14 15_____ 16 17__________ 18 19___ 20 21_________ 22 23______ 24

Chunks:
  TruePositive nam [15,15] = Albanii
  TruePositive nam [17,17] = Azerbejdżanu
  TruePositive nam [19,19] = Birmy
  TruePositive nam [21,21] = Kazachstanu
  TruePositive nam [23,23] = Mołdawii

(ChunkerEvaluator) Sentence #9386 from articles/00107787 from sent15

Text  : Na wystawie pokonkursowej można zobaczyć ponad 100 najlepszych prac .
Tokens: 1_ 2_______ 3____________ 4____ 5_______ 6____ 7__ 8__________ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #9387 from articles/00107787 from sent16

Text  : Patronat honorowy nad wystawą objęły m . in . :  minister sportu i  turystyki Joanna Mucha oraz prezydent Warszawy Hanna Gronkiewicz -  Waltz .
Tokens: 1_______ 2_______ 3__ 4______ 5_____ 6 7 8_ 9 10 11______ 12____ 13 14_______ 15____ 16___ 17__ 18_______ 19______ 20___ 21_________ 22 23___ 24

Chunks:
  TruePositive nam [15,16] = Joanna Mucha
  TruePositive nam [20,23] = Hanna Gronkiewicz - Waltz
  FalsePositive nam [18,19] = prezydent Warszawy
  FalseNegative nam [19,19] = Warszawy

(ChunkerEvaluator) Sentence #9388 from articles/00107787 from sent17

Text  : Wystawa jest elementem Akcji Społecznej " 2012 - Wszyscy jesteśmy gospodarzami "  prowadzonej przez PL .  2012 .
Tokens: 1______ 2___ 3________ 4____ 5_________ 6 7___ 8 9______ 10______ 11__________ 12 13_________ 14___ 15 16 17__ 18

Chunks:
  FalsePositive nam [4,5] = Akcji Społecznej
  FalsePositive nam [15,18] = PL . 2012 .
  FalseNegative nam [7,11] = 2012 - Wszyscy jesteśmy gospodarzami
  FalseNegative nam [15,17] = PL . 2012

(ChunkerEvaluator) Sentence #9389 from articles/00107787 from sent18

Text  : Wystawa będzie czynna do 16 września .
Tokens: 1______ 2_____ 3_____ 4_ 5_ 6_______ 7

Chunks:

2016-10-27 14:59:59,545 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 414 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107788.xml
(ChunkerEvaluator) Sentence #9390 from articles/00107788 from sent1

Text  : Transakcje z podmiotami powiązanymi
Tokens: 1_________ 2 3_________ 4__________

Chunks:

(ChunkerEvaluator) Sentence #9391 from articles/00107788 from sent2

Text  : GRUPA KĘTY SA
Tokens: 1____ 2___ 3_

Chunks:
  FalseNegative nam [1,3] = GRUPA KĘTY SA

(ChunkerEvaluator) Sentence #9392 from articles/00107788 from sent3

Text  : WIADOMOŚĆ
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #9393 from articles/00107788 from sent4

Text  : Raport Bieżący 59 / 2001
Tokens: 1_____ 2______ 3_ 4 5___

Chunks:
  FalsePositive nam [2,2] = Bieżący

(ChunkerEvaluator) Sentence #9394 from articles/00107788 from sent5

Text  : Zarząd Grupy KĘTY SA informuje , że po raz kolejny została przekroczona równowartość kwoty 500 000 Euro w  transakcjach z  podmiotami zależnymi ;  tj .  Metalplast -  Bielsko i  Alupol .
Tokens: 1_____ 2____ 3___ 4_ 5________ 6 7_ 8_ 9__ 10_____ 11_____ 12__________ 13__________ 14___ 15_ 16_ 17__ 18 19__________ 20 21________ 22_______ 23 24 25 26________ 27 28_____ 29 30____ 31

Chunks:
  TruePositive nam [17,17] = Euro
  TruePositive nam [26,28] = Metalplast - Bielsko
  TruePositive nam [30,30] = Alupol
  FalseNegative nam [1,4] = Zarząd Grupy KĘTY SA

(ChunkerEvaluator) Sentence #9395 from articles/00107788 from sent6

Text  : Łączna suma wzajemnych transakcji z Metalplastem wyniosła 2 , 4  mln zł .
Tokens: 1_____ 2___ 3_________ 4_________ 5 6___________ 7_______ 8 9 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł
  FalseNegative nam [6,6] = Metalplastem

(ChunkerEvaluator) Sentence #9396 from articles/00107788 from sent7

Text  : Przedmiotem transakcji są wyroby wyciskane i ciągnione oraz usługi anodowania .
Tokens: 1__________ 2_________ 3_ 4_____ 5________ 6 7________ 8___ 9_____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #9397 from articles/00107788 from sent8

Text  : Łączna suma wzajemnych transakcji z Alupolem wyniosła 4 , 9  mln zł .
Tokens: 1_____ 2___ 3_________ 4_________ 5 6_______ 7_______ 8 9 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł
  FalseNegative nam [6,6] = Alupolem

(ChunkerEvaluator) Sentence #9398 from articles/00107788 from sent9

Text  : Przedmiotem transakcji ze strony Alupolu są usługi powlekania laminatów i  cięcia ,  a  ze strony Kęt sprzedaż materiałów do produkcji opakowań (  papier zadrukowany ,  folia aluminiowa )  .
Tokens: 1__________ 2_________ 3_ 4_____ 5______ 6_ 7_____ 8_________ 9________ 10 11____ 12 13 14 15____ 16_ 17______ 18________ 19 20_______ 21______ 22 23____ 24_________ 25 26___ 27________ 28 29

Chunks:
  TruePositive nam [5,5] = Alupolu
  FalseNegative nam [16,16] = Kęt

(ChunkerEvaluator) Sentence #9399 from articles/00107788 from sent10

Text  : PODSTAWA PRAWNA
Tokens: 1_______ 2_____

Chunks:

(ChunkerEvaluator) Sentence #9400 from articles/00107788 from sent11

Text  : RRM GPW § 4 ust . 1 pkt 8
Tokens: 1__ 2__ 3 4 5__ 6 7 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #9401 from articles/00107788 from sent12

Text  : MESSAGE ( ENGLISH VERSION )
Tokens: 1______ 2 3______ 4______ 5

Chunks:
  FalsePositive nam [3,4] = ENGLISH VERSION

(ChunkerEvaluator) Sentence #9402 from articles/00107788 from sent13

Text  : PODPISY
Tokens: 1______

Chunks:

2016-10-27 14:59:59,583 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 415 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107789.xml
(ChunkerEvaluator) Sentence #9403 from articles/00107789 from sent1

Text  : zgoda na zaliczenie do funduszy uzupełniających Banku środków pieniężnych pochodzących ze sprzedaży obligacji
Tokens: 1____ 2_ 3_________ 4_ 5_______ 6______________ 7____ 8______ 9__________ 10__________ 11 12_______ 13_______

Chunks:
  FalsePositive nam [7,8] = Banku środków
  FalseNegative nam [7,7] = Banku

(ChunkerEvaluator) Sentence #9404 from articles/00107789 from sent2

Text  : BBG SA
Tokens: 1__ 2_

Chunks:
  FalseNegative nam [1,2] = BBG SA

(ChunkerEvaluator) Sentence #9405 from articles/00107789 from sent3

Text  : WIADOMOŚĆ
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #9406 from articles/00107789 from sent4

Text  : KOMUNIKAT Nr 103 / 2001
Tokens: 1________ 2_ 3__ 4 5___

Chunks:

(ChunkerEvaluator) Sentence #9407 from articles/00107789 from sent5

Text  : Zarząd BIG Bank GDAŃSKI S . A . w Warszawie (  "  Bank "  )  zawiadamia ,  iż w  dniu 12 grudnia 2001 r  .  otrzymał decyzję nr 242 /  01 Komisji Nadzoru Bankowego z  dnia 11 grudnia 2001 r  .  w  sprawie wyrażenia zgody na zaliczenie do funduszy uzupełniających Banku do dnia 31 grudnia 2006 r  .  ,  środków pieniężnych w  kwocie 275 .  000 .  000 zł ,  pochodzących ze sprzedaży obligacji wyemitowanych przez Bank i  nabytych przez spółkę zależną od Banku BBG Finance B  .  V  .  z  siedzibą w  Holandii .
Tokens: 1_____ 2__ 3___ 4______ 5 6 7 8 9 10_______ 11 12 13__ 14 15 16________ 17 18 19 20__ 21 22_____ 23__ 24 25 26______ 27_____ 28 29_ 30 31 32_____ 33_____ 34_______ 35 36__ 37 38_____ 39__ 40 41 42 43_____ 44_______ 45___ 46 47________ 48 49______ 50_____________ 51___ 52 53__ 54 55_____ 56__ 57 58 59 60_____ 61_________ 62 63____ 64_ 65 66_ 67 68_ 69 70 71__________ 72 73_______ 74_______ 75___________ 76___ 77__ 78 79______ 80___ 81____ 82_____ 83 84___ 85_ 86_____ 87 88 89 90 91 92______ 93 94______ 95

Chunks:
  TruePositive nam [10,10] = Warszawie
  TruePositive nam [13,13] = Bank
  TruePositive nam [32,34] = Komisji Nadzoru Bankowego
  TruePositive nam [69,69] = zł
  TruePositive nam [77,77] = Bank
  TruePositive nam [94,94] = Holandii
  FalsePositive nam [2,8] = BIG Bank GDAŃSKI S . A .
  FalsePositive nam [51,51] = Banku
  FalsePositive nam [84,89] = Banku BBG Finance B . V
  FalseNegative nam [1,8] = Zarząd BIG Bank GDAŃSKI S . A .
  FalseNegative nam [84,90] = Banku BBG Finance B . V .

(ChunkerEvaluator) Sentence #9408 from articles/00107789 from sent6

Text  : PODSTAWA PRAWNA
Tokens: 1_______ 2_____

Chunks:

(ChunkerEvaluator) Sentence #9409 from articles/00107789 from sent7

Text  : PPO , art . 81 ust . 1 pkt 2
Tokens: 1__ 2 3__ 4 5_ 6__ 7 8 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #9410 from articles/00107789 from sent8

Text  : MESSAGE ( ENGLISH VERSION )
Tokens: 1______ 2 3______ 4______ 5

Chunks:
  FalsePositive nam [3,4] = ENGLISH VERSION

(ChunkerEvaluator) Sentence #9411 from articles/00107789 from sent9

Text  : PODPISY
Tokens: 1______

Chunks:

2016-10-27 14:59:59,624 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 416 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107790.xml
(ChunkerEvaluator) Sentence #9412 from articles/00107790 from sent1

Text  : Budimex SA zawarcie kontraktu przez Budimex Dromex SA
Tokens: 1______ 2_ 3_______ 4________ 5____ 6______ 7_____ 8_

Chunks:
  TruePositive nam [6,8] = Budimex Dromex SA
  FalseNegative nam [1,2] = Budimex SA

(ChunkerEvaluator) Sentence #9413 from articles/00107790 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - BUDIMEX
Tokens: 1_____ 2 3_____ 4 5________ 6 7______

Chunks:
  FalsePositive nam [1,7] = GIEŁDA - SPÓŁKI - KOMUNIKAT - BUDIMEX
  FalseNegative nam [7,7] = BUDIMEX

(ChunkerEvaluator) Sentence #9414 from articles/00107790 from sent3

Text  : Raport bieżący Bx / 101 / 02 Zarząd Budimex S  .  A  .  informuje ,  że w  dniu 29 .  11 .  2002 Budimex Dromex S  .  A  .  (  spółka zależna w  100 %  od Budimex S  .  A  .  )  podpisała kontrakt na :  budowę drogi do lotniska w  Katowicach Pyrzowice -  Podwarpie -  etap 1  ,  węzła Podwarpie i  remont drogi krajowej Nr 1  .
Tokens: 1_____ 2______ 3_ 4 5__ 6 7_ 8_____ 9______ 10 11 12 13 14_______ 15 16 17 18__ 19 20 21 22 23__ 24_____ 25____ 26 27 28 29 30 31____ 32_____ 33 34_ 35 36 37_____ 38 39 40 41 42 43_______ 44______ 45 46 47____ 48___ 49 50______ 51 52________ 53_______ 54 55_______ 56 57__ 58 59 60___ 61_______ 62 63____ 64___ 65______ 66 67 68

Chunks:
  TruePositive nam [8,13] = Zarząd Budimex S . A .
  TruePositive nam [37,41] = Budimex S . A .
  TruePositive nam [61,61] = Podwarpie
  FalsePositive nam [19,29] = 29 . 11 . 2002 Budimex Dromex S . A .
  FalsePositive nam [52,55] = Katowicach Pyrzowice - Podwarpie
  FalsePositive nam [66,66] = Nr
  FalseNegative nam [24,29] = Budimex Dromex S . A .
  FalseNegative nam [52,52] = Katowicach
  FalseNegative nam [53,53] = Pyrzowice
  FalseNegative nam [55,55] = Podwarpie

(ChunkerEvaluator) Sentence #9415 from articles/00107790 from sent4

Text  : Zamawiający - Generalna Dyrekcja Dróg Krajowych i Autostrad Oddział w  Katowicach .
Tokens: 1__________ 2 3________ 4_______ 5___ 6________ 7 8________ 9______ 10 11________ 12

Chunks:
  TruePositive nam [3,9] = Generalna Dyrekcja Dróg Krajowych i Autostrad Oddział
  TruePositive nam [11,11] = Katowicach

(ChunkerEvaluator) Sentence #9416 from articles/00107790 from sent5

Text  : Wartość kontraktu - 19 . 860 . 128 , 15 EUR =  78 .  602 .  415 ,  19 zł .  (  1  EUR z  29 .  11 .  2002 =  3  ,  9578 zł .  )
Tokens: 1______ 2________ 3 4_ 5 6__ 7 8__ 9 10 11_ 12 13 14 15_ 16 17_ 18 19 20 21 22 23 24_ 25 26 27 28 29 30__ 31 32 33 34__ 35 36 37

Chunks:
  TruePositive nam [11,11] = EUR
  TruePositive nam [20,20] = zł
  TruePositive nam [24,24] = EUR
  TruePositive nam [35,35] = zł

(ChunkerEvaluator) Sentence #9417 from articles/00107790 from sent6

Text  : Termin rozpoczęcia robót - data będzie określona w wezwaniu do rozpoczęcia robót (  przyjęto 01 .  12 .  2002 )  .
Tokens: 1_____ 2__________ 3____ 4 5___ 6_____ 7________ 8 9_______ 10 11_________ 12___ 13 14______ 15 16 17 18 19__ 20 21

Chunks:

(ChunkerEvaluator) Sentence #9418 from articles/00107790 from sent7

Text  : Termin zakończenia robót - 30 . 09 . 2004 .
Tokens: 1_____ 2__________ 3____ 4 5_ 6 7_ 8 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #9419 from articles/00107790 from sent8

Text  : Okres gwarancji - 12 m - cy tj . do 30 .  09 .  2005 .
Tokens: 1____ 2________ 3 4_ 5 6 7_ 8_ 9 10 11 12 13 14 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #9420 from articles/00107790 from sent9

Text  : Warunki finansowe - zaliczka 7 . 860 . 241 ,  54 zł .  ,  zwrot zaliczki -  potrącanie z  Przejściowych Świadectw Płatnosci zgodnie z  harmonogramem od zaawansowania robót 15 %  (  5  %  )  ,  koniec :  65 %  (  100 %  )  .
Tokens: 1______ 2________ 3 4_______ 5 6 7__ 8 9__ 10 11 12 13 14 15___ 16______ 17 18________ 19 20___________ 21_______ 22_______ 23_____ 24 25___________ 26 27___________ 28___ 29 30 31 32 33 34 35 36____ 37 38 39 40 41_ 42 43 44

Chunks:
  TruePositive nam [12,12] = zł
  FalsePositive nam [20,22] = Przejściowych Świadectw Płatnosci

(ChunkerEvaluator) Sentence #9421 from articles/00107790 from sent10

Text  : Warunki płatności - Przejściowe Świadectwo Płatności , wystawiane co miesiąc jeżeli min .  wartość robót do zafakturowania osiągnie 500 .  000 EUR .
Tokens: 1______ 2________ 3 4__________ 5_________ 6________ 7 8_________ 9_ 10_____ 11____ 12_ 13 14_____ 15___ 16 17____________ 18______ 19_ 20 21_ 22_ 23

Chunks:
  TruePositive nam [22,22] = EUR
  FalsePositive nam [4,6] = Przejściowe Świadectwo Płatności

(ChunkerEvaluator) Sentence #9422 from articles/00107790 from sent11

Text  : Termin płatności - 60 dni roboczych od dostarczenia Przejściowego ,  a  45 dni roboczych Końcowego Świadectwa Płatności ,  Kaucja gwarancyjna -  5  %  ceny kontraktu (  potrącana po 10 %  z  Przejściowych Świadectw Płatności )  .
Tokens: 1_____ 2________ 3 4_ 5__ 6________ 7_ 8___________ 9____________ 10 11 12 13_ 14_______ 15_______ 16________ 17_______ 18 19____ 20_________ 21 22 23 24__ 25_______ 26 27_______ 28 29 30 31 32___________ 33_______ 34_______ 35 36

Chunks:
  FalsePositive nam [15,17] = Końcowego Świadectwa Płatności
  FalsePositive nam [32,34] = Przejściowych Świadectw Płatności

(ChunkerEvaluator) Sentence #9423 from articles/00107790 from sent12

Text  : Gwarancja bankowa pod zaliczkę - 10 % wartości kontraktu .
Tokens: 1________ 2______ 3__ 4_______ 5 6_ 7 8_______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #9424 from articles/00107790 from sent13

Text  : Gwarancja bankowa dobrego wykonania - 10 % wartości kontraktu .
Tokens: 1________ 2______ 3______ 4________ 5 6_ 7 8_______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #9425 from articles/00107790 from sent14

Text  : Kary umowne : - płacone przez Wykonawcę - za niedotrzymanie czasu wykonania 0  ,  05 %  do max .  10 %  ceny kontraktu w  EUR .  -  płacone przez Zamawiającego :  a  )  za opóźnienie w  przekazaniu rysunków lub instrukcji i  placu budowy -  dodanie do ceny kontraktowej ustalonej kwoty (  w  porozumieniu z  Zamawiającym )  wynikającej z  kosztów poniesionych z  tego tytułu przez Wykonawcę .
Tokens: 1___ 2_____ 3 4 5______ 6____ 7________ 8 9_ 10____________ 11___ 12_______ 13 14 15 16 17 18_ 19 20 21 22__ 23_______ 24 25_ 26 27 28_____ 29___ 30___________ 31 32 33 34 35________ 36 37_________ 38______ 39_ 40________ 41 42___ 43____ 44 45_____ 46 47__ 48__________ 49_______ 50___ 51 52 53__________ 54 55__________ 56 57_________ 58 59_____ 60__________ 61 62__ 63____ 64___ 65_______ 66

Chunks:
  FalsePositive nam [7,7] = Wykonawcę
  FalsePositive nam [25,26] = EUR .
  FalsePositive nam [30,30] = Zamawiającego
  FalsePositive nam [55,55] = Zamawiającym
  FalsePositive nam [65,65] = Wykonawcę
  FalseNegative nam [25,25] = EUR

(ChunkerEvaluator) Sentence #9426 from articles/00107790 from sent15

Text  : b ) za opóźnienie płatności odsetki wg rocznej stopy procentowej depozytów w  odniesieniu do 1  m  -  ca dla EUR ,  ogłaszanej przez LIBOR National Westminster Bank London .
Tokens: 1 2 3_ 4_________ 5________ 6______ 7_ 8______ 9____ 10_________ 11_______ 12 13_________ 14 15 16 17 18 19_ 20_ 21 22________ 23___ 24___ 25______ 26_________ 27__ 28____ 29

Chunks:
  TruePositive nam [20,20] = EUR
  TruePositive nam [24,28] = LIBOR National Westminster Bank London

(ChunkerEvaluator) Sentence #9427 from articles/00107790 from sent16

Text  : Kryterium uznania umowy za znaczącą - wartość zawartego kontraktu przekracza 10 %  kapitałów własnych Budimex S  .  A  .
Tokens: 1________ 2______ 3____ 4_ 5_______ 6 7______ 8________ 9________ 10________ 11 12 13_______ 14______ 15_____ 16 17 18 19

Chunks:
  TruePositive nam [15,19] = Budimex S . A .

2016-10-27 14:59:59,740 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 417 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107791.xml
(ChunkerEvaluator) Sentence #9428 from articles/00107791 from sent1

Text  : Co piąte dziecko w Polsce jest ubogie
Tokens: 1_ 2____ 3______ 4 5_____ 6___ 7_____

Chunks:
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #9429 from articles/00107791 from sent2

Text  : Raport UNICEF : W Polsce 1 , 3 miliona dzieci nie ma tego ,  co im jest niezbędne do prawidłowego rozwoju .
Tokens: 1_____ 2_____ 3 4 5_____ 6 7 8 9______ 10____ 11_ 12 13__ 14 15 16 17__ 18_______ 19 20__________ 21_____ 22

Chunks:
  TruePositive nam [2,2] = UNICEF
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #9430 from articles/00107791 from sent3

Text  : Najuboższe są dzieci rodziców gorzej wykształconych i samotnych .
Tokens: 1_________ 2_ 3_____ 4_______ 5_____ 6_____________ 7 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #9431 from articles/00107791 from sent4

Text  : Co powinno mieć każde dziecko ?
Tokens: 1_ 2______ 3___ 4____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #9432 from articles/00107791 from sent5

Text  : Trzy posiłki dziennie , z których przynajmniej jeden zawiera mięso lub rybę .
Tokens: 1___ 2______ 3_______ 4 5 6______ 7___________ 8____ 9______ 10___ 11_ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #9433 from articles/00107791 from sent6

Text  : Codziennie świeże warzywa i owoce .
Tokens: 1_________ 2_____ 3______ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #9434 from articles/00107791 from sent7

Text  : Książki i przynajmniej jedną grę edukacyjną odpowiednie dla swojego wieku .
Tokens: 1______ 2 3___________ 4____ 5__ 6_________ 7__________ 8__ 9______ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #9435 from articles/00107791 from sent8

Text  : Sprzęt do zabaw na podwórku , jak rower czy hulajnoga .
Tokens: 1_____ 2_ 3____ 4_ 5_______ 6 7__ 8____ 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #9436 from articles/00107791 from sent9

Text  : Pieniądze na wycieczki szkolne .
Tokens: 1________ 2_ 3________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #9437 from articles/00107791 from sent10

Text  : Spokojne miejsce do odrabiania lekcji i internet .
Tokens: 1_______ 2______ 3_ 4_________ 5_____ 6 7_______ 8

Chunks:
  FalsePositive nam [7,7] = internet

(ChunkerEvaluator) Sentence #9438 from articles/00107791 from sent11

Text  : Chociaż kilka nowych ubrań i dwie pary pasujących butów .
Tokens: 1______ 2____ 3_____ 4____ 5 6___ 7___ 8_________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #9439 from articles/00107791 from sent12

Text  : Możliwość zapraszania przyjaciół i świętowania urodzin .
Tokens: 1________ 2__________ 3_________ 4 5__________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #9440 from articles/00107791 from sent13

Text  : Według najnowszego raportu UNICEF co piąte polskie dziecko jest pozbawione przynajmniej dwóch z  tych rzeczy .
Tokens: 1_____ 2__________ 3______ 4_____ 5_ 6____ 7______ 8______ 9___ 10________ 11__________ 12___ 13 14__ 15____ 16

Chunks:
  TruePositive nam [4,4] = UNICEF

(ChunkerEvaluator) Sentence #9441 from articles/00107791 from sent14

Text  : A to są , zdaniem ekspertów , podstawowe dobra niezbędne do prawidłowego rozwoju .
Tokens: 1 2_ 3_ 4 5______ 6________ 7 8_________ 9____ 10_______ 11 12__________ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #9442 from articles/00107791 from sent15

Text  : - U nas się przyjęło , że dziecko ubogie to dziecko głodne czy obdarte .
Tokens: 1 2 3__ 4__ 5_______ 6 7_ 8______ 9_____ 10 11_____ 12____ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #9443 from articles/00107791 from sent16

Text  : A nikt nie myśli o innej sferze - wykluczenia -  tłumaczy Ewa Falkowska z  UNICEF Polska .
Tokens: 1 2___ 3__ 4____ 5 6____ 7_____ 8 9__________ 10 11______ 12_ 13_______ 14 15____ 16____ 17

Chunks:
  TruePositive nam [12,13] = Ewa Falkowska
  TruePositive nam [15,16] = UNICEF Polska

(ChunkerEvaluator) Sentence #9444 from articles/00107791 from sent17

Text  : - U nas dzieci nie umierają z głodu .
Tokens: 1 2 3__ 4_____ 5__ 6_______ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #9445 from articles/00107791 from sent18

Text  : Ale co piąte nie ma dostępu do rzeczy i dóbr ,  które zapewniają im właściwe funkcjonowanie w  grupie rówieśników i  pozwalają zbudować poczucie własnej wartości .
Tokens: 1__ 2_ 3____ 4__ 5_ 6______ 7_ 8_____ 9 10__ 11 12___ 13________ 14 15______ 16____________ 17 18____ 19_________ 20 21_______ 22______ 23______ 24_____ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #9446 from articles/00107791 from sent19

Text  : Pływalnia , świętowanie urodzin - czy to nie przesada ?
Tokens: 1________ 2 3__________ 4______ 5 6__ 7_ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #9447 from articles/00107791 from sent20

Text  : - Nie - twierdzi Falkowska .
Tokens: 1 2__ 3 4_______ 5________ 6

Chunks:
  TruePositive nam [5,5] = Falkowska

(ChunkerEvaluator) Sentence #9448 from articles/00107791 from sent21

Text  : - Tu nie chodzi o wyprawianie przyjęcia w domu czy sali zabaw ale choćby o  przyniesienie cukierków do szkoły .
Tokens: 1 2_ 3__ 4_____ 5 6__________ 7________ 8 9___ 10_ 11__ 12___ 13_ 14____ 15 16___________ 17_______ 18 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #9449 from articles/00107791 from sent22

Text  : Dla nas , dorosłych to błahostka ale wyobraźmy sobie ,  jak czuje się dziecko ,  które rok w  rok nie może tych cukierków przynieść ?
Tokens: 1__ 2__ 3 4________ 5_ 6________ 7__ 8________ 9____ 10 11_ 12___ 13_ 14_____ 15 16___ 17_ 18 19_ 20_ 21__ 22__ 23_______ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #9450 from articles/00107791 from sent23

Text  : Albo gdy wszyscy w klasie wiedzą , że Zosia to na wycieczki szkolne nie jeździ ?
Tokens: 1___ 2__ 3______ 4 5_____ 6_____ 7 8_ 9____ 10 11 12_______ 13_____ 14_ 15____ 16

Chunks:
  TruePositive nam [9,9] = Zosia

(ChunkerEvaluator) Sentence #9451 from articles/00107791 from sent24

Text  : To wytwarza w dziecku ogromnie poczucie niższości .
Tokens: 1_ 2_______ 3 4______ 5_______ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #9452 from articles/00107791 from sent25

Text  : I decyduje o całym życiu .
Tokens: 1 2_______ 3 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #9453 from articles/00107791 from sent26

Text  : Jakim obywatelem i pracownikiem będzie ktoś , kto wie ,  że jest gorszy ,  bo zawsze nim był ?
Tokens: 1____ 2_________ 3 4___________ 5_____ 6___ 7 8__ 9__ 10 11 12__ 13____ 14 15 16____ 17_ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #9454 from articles/00107791 from sent27

Text  : Dzieci , które nie mają dostępu do podstawowych dóbr ,  mają słabsze wyniki w  nauce i  gorszą sytuację zdrowotną -  twierdzą autorzy raportu .
Tokens: 1_____ 2 3____ 4__ 5___ 6______ 7_ 8___________ 9___ 10 11__ 12_____ 13____ 14 15___ 16 17____ 18______ 19_______ 20 21______ 22_____ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #9455 from articles/00107791 from sent28

Text  : A w przyszłości są dużo bardziej narażeni na bezrobocie i  na uzależnienia od pomocy społecznej .
Tokens: 1 2 3__________ 4_ 5___ 6_______ 7_______ 8_ 9_________ 10 11 12__________ 13 14____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #9456 from articles/00107791 from sent29

Text  : Takich dzieci jest wg UNICEF ponad 13 mln w Unii Europejskiej (  wraz z  Norwegią i  Islandią )  .
Tokens: 1_____ 2_____ 3___ 4_ 5_____ 6____ 7_ 8__ 9 10__ 11__________ 12 13__ 14 15______ 16 17______ 18 19

Chunks:
  TruePositive nam [5,5] = UNICEF
  TruePositive nam [10,11] = Unii Europejskiej
  TruePositive nam [15,15] = Norwegią
  TruePositive nam [17,17] = Islandią

(ChunkerEvaluator) Sentence #9457 from articles/00107791 from sent30

Text  : W Polsce - prawie 1 , 3 mln .
Tokens: 1 2_____ 3 4_____ 5 6 7 8__ 9

Chunks:
  TruePositive nam [2,2] = Polsce

(ChunkerEvaluator) Sentence #9458 from articles/00107791 from sent31

Text  : W rankingu państw UE wypadamy źle : jesteśmy na 24 .  miejscu z  29 badanych krajów .
Tokens: 1 2_______ 3_____ 4_ 5_______ 6__ 7 8_______ 9_ 10 11 12_____ 13 14 15______ 16____ 17

Chunks:
  TruePositive nam [4,4] = UE

(ChunkerEvaluator) Sentence #9459 from articles/00107791 from sent32

Text  : Gorzej mają tylko dzieci z Węgier , Bułgarii i Rumunii .
Tokens: 1_____ 2___ 3____ 4_____ 5 6_____ 7 8_______ 9 10_____ 11

Chunks:
  TruePositive nam [6,6] = Węgier
  TruePositive nam [8,8] = Bułgarii
  TruePositive nam [10,10] = Rumunii

(ChunkerEvaluator) Sentence #9460 from articles/00107791 from sent33

Text  : Nietrudno zgadnąć , że w najlepszej sytuacji są dzieci w  krajach skandynawskich i  Islandii .
Tokens: 1________ 2______ 3 4_ 5 6_________ 7_______ 8_ 9_____ 10 11_____ 12____________ 13 14______ 15

Chunks:
  TruePositive nam [14,14] = Islandii
  FalseNegative nam [12,12] = skandynawskich

(ChunkerEvaluator) Sentence #9461 from articles/00107791 from sent34

Text  : Jednak popularne wyjaśnienie , że bogatszym państwom jest łatwiej dbać o  biedne dzieci ,  w  tym wypadku się nie sprawdza .
Tokens: 1_____ 2________ 3__________ 4 5_ 6________ 7_______ 8___ 9______ 10__ 11 12____ 13____ 14 15 16_ 17_____ 18_ 19_ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #9462 from articles/00107791 from sent35

Text  : Według raportu PKB na mieszkańca Polski wynosi prawie 19 tys .  dolarów .
Tokens: 1_____ 2______ 3__ 4_ 5_________ 6_____ 7_____ 8_____ 9_ 10_ 11 12_____ 13

Chunks:
  TruePositive nam [3,3] = PKB
  TruePositive nam [6,6] = Polski
  FalsePositive nam [12,12] = dolarów

(ChunkerEvaluator) Sentence #9463 from articles/00107791 from sent36

Text  : Podobnie jest w Estonii ( 19 , 6 tys .  )  ,  ale odsetek ubogich dzieci wynosi tam zaledwie 12 ,  4  proc .  (  w  Polsce -  21 proc .  )  .
Tokens: 1_______ 2___ 3 4______ 5 6_ 7 8 9__ 10 11 12 13_ 14_____ 15_____ 16____ 17____ 18_ 19______ 20 21 22 23__ 24 25 26 27____ 28 29 30__ 31 32 33

Chunks:
  TruePositive nam [4,4] = Estonii
  TruePositive nam [27,27] = Polsce

(ChunkerEvaluator) Sentence #9464 from articles/00107791 from sent37

Text  : - Ten i inne przykłady dowodzą , że to polityka państwa ma wpływ na zmniejszenie ubóstwa dzieci -  tłumaczy Falkowska .
Tokens: 1 2__ 3 4___ 5________ 6______ 7 8_ 9_ 10______ 11_____ 12 13___ 14 15__________ 16_____ 17____ 18 19______ 20_______ 21

Chunks:
  TruePositive nam [20,20] = Falkowska

(ChunkerEvaluator) Sentence #9465 from articles/00107791 from sent38

Text  : - Nie wystarczą same świadczenia , powinno się zadbać o  to ,  żeby były kierowane do najbardziej potrzebujących .
Tokens: 1 2__ 3________ 4___ 5__________ 6 7______ 8__ 9_____ 10 11 12 13__ 14__ 15_______ 16 17_________ 18____________ 19

Chunks:

(ChunkerEvaluator) Sentence #9466 from articles/00107791 from sent39

Text  : Trzeba też zapobiegać przyczynom ubóstwa dzieci .
Tokens: 1_____ 2__ 3_________ 4_________ 5______ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #9467 from articles/00107791 from sent40

Text  : - Najważniejsze to bezrobocie - mówi Falkowska .
Tokens: 1 2____________ 3_ 4_________ 5 6___ 7________ 8

Chunks:
  TruePositive nam [7,7] = Falkowska

(ChunkerEvaluator) Sentence #9468 from articles/00107791 from sent41

Text  : - Odsetek dzieci ubogich w rodzinach , w których rodzice nie mają pracy ,  wynosi 47 proc .
Tokens: 1 2______ 3_____ 4______ 5 6________ 7 8 9______ 10_____ 11_ 12__ 13___ 14 15____ 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #9469 from articles/00107791 from sent42

Text  : A w Szwecji - 8 proc .
Tokens: 1 2 3______ 4 5 6___ 7

Chunks:
  TruePositive nam [3,3] = Szwecji

(ChunkerEvaluator) Sentence #9470 from articles/00107791 from sent43

Text  : Z raportu wynika też , że w ubóstwie żyje aż 42 ,  6  proc .  dzieci wychowywanych przez samotnych rodziców ,  najczęściej matki .
Tokens: 1 2______ 3_____ 4__ 5 6_ 7 8_______ 9___ 10 11 12 13 14__ 15 16____ 17___________ 18___ 19_______ 20______ 21 22_________ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #9471 from articles/00107791 from sent44

Text  : - W Polsce mamy jeden z najniższych odsetków pracujących matek -  przypomina Falkowska .
Tokens: 1 2 3_____ 4___ 5____ 6 7__________ 8_______ 9__________ 10___ 11 12________ 13_______ 14

Chunks:
  TruePositive nam [3,3] = Polsce
  TruePositive nam [13,13] = Falkowska

(ChunkerEvaluator) Sentence #9472 from articles/00107791 from sent45

Text  : - Świetnie by było , gdyby matki zostawały w domy z  dziećmi ,  bo chcą ,  ale z  reguły nie jest to ich wybór ,  bo przedszkoli i  żłobków brakuje .
Tokens: 1 2_______ 3_ 4___ 5 6____ 7____ 8________ 9 10__ 11 12_____ 13 14 15__ 16 17_ 18 19____ 20_ 21__ 22 23_ 24___ 25 26 27_________ 28 29_____ 30_____ 31

Chunks:

(ChunkerEvaluator) Sentence #9473 from articles/00107791 from sent46

Text  : Bieda wynika też z braku wykształcenia - aż 61 proc .  dzieci wychowywanych przez rodziców o  niskim wykształceniu żyje w  ubóstwie .
Tokens: 1____ 2_____ 3__ 4 5____ 6____________ 7 8_ 9_ 10__ 11 12____ 13___________ 14___ 15______ 16 17____ 18___________ 19__ 20 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #9474 from articles/00107791 from sent47

Text  : - Ubóstwo dzieci to problem , który prędzej czy później dotknie nas wszystkich -  mówi Falkowska .
Tokens: 1 2______ 3_____ 4_ 5______ 6 7____ 8______ 9__ 10_____ 11_____ 12_ 13________ 14 15__ 16_______ 17

Chunks:
  TruePositive nam [16,16] = Falkowska

(ChunkerEvaluator) Sentence #9475 from articles/00107791 from sent48

Text  : - Tymczasem decydenci nawet tego nawet nie monitorują .
Tokens: 1 2________ 3________ 4____ 5___ 6____ 7__ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #9476 from articles/00107791 from sent49

Text  : Dzieci są zawsze spychane z agendy , a przecież powinny być najważniejsze .
Tokens: 1_____ 2_ 3_____ 4_______ 5 6_____ 7 8 9_______ 10_____ 11_ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #9477 from articles/00107791 from sent50

Text  : W USA obliczono , że straty z tytułu tego ,  że dzieci dorastające w  biedzie jako ludzie dorośli są gorzej wykształceni ,  mniej wydajni ,  mają gorsze zdrowie ,  popadają w  konflikty z  prawem ,  wynoszą rocznie 2  proc .  PKB .
Tokens: 1 2__ 3________ 4 5_ 6_____ 7 8_____ 9___ 10 11 12____ 13_________ 14 15_____ 16__ 17____ 18_____ 19 20____ 21__________ 22 23___ 24_____ 25 26__ 27____ 28_____ 29 30______ 31 32_______ 33 34____ 35 36_____ 37_____ 38 39__ 40 41_ 42

Chunks:
  TruePositive nam [2,2] = USA
  TruePositive nam [41,41] = PKB

2016-10-27 14:59:59,960 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 418 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107792.xml
(ChunkerEvaluator) Sentence #9478 from articles/00107792 from sent1

Text  : Trzaska - Wieczorek : emerytalne konsultacje prezydenta - już tylko z  prawnikami
Tokens: 1______ 2 3________ 4 5_________ 6__________ 7_________ 8 9__ 10___ 11 12________

Chunks:
  TruePositive nam [1,3] = Trzaska - Wieczorek

(ChunkerEvaluator) Sentence #9479 from articles/00107792 from sent2

Text  : Prezydent konsultuje się ws . reformy emerytalnej już tylko z  prawnikami -  powiedziała PAP szefowa prezydenckiego biura prasowego Joanna Trzaska -  Wieczorek .
Tokens: 1________ 2_________ 3__ 4_ 5 6______ 7__________ 8__ 9____ 10 11________ 12 13_________ 14_ 15_____ 16____________ 17___ 18_______ 19____ 20_____ 21 22_______ 23

Chunks:
  TruePositive nam [14,14] = PAP
  TruePositive nam [19,22] = Joanna Trzaska - Wieczorek

(ChunkerEvaluator) Sentence #9480 from articles/00107792 from sent3

Text  : Podkreśliła , że piątkowe spotkanie prezydenta z przedstawicielami partii nie jest elementem tych konsultacji .
Tokens: 1__________ 2 3_ 4_______ 5________ 6_________ 7 8________________ 9_____ 10_ 11__ 12_______ 13__ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #9481 from articles/00107792 from sent4

Text  : " Pan prezydent konsultuje się w sprawie reformy emerytalnej już tylko z  prawnikami .
Tokens: 1 2__ 3________ 4_________ 5__ 6 7______ 8______ 9__________ 10_ 11___ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #9482 from articles/00107792 from sent5

Text  : Na konsultacje zaprosił przedstawicieli wszystkich sił politycznych kilka miesięcy temu w  momencie rozpoczęcia debaty na temat reformy emerytalnej "  -  powiedziała w  czwartek PAP Trzaska -  Wieczorek .
Tokens: 1_ 2__________ 3_______ 4______________ 5_________ 6__ 7___________ 8____ 9_______ 10__ 11 12______ 13_________ 14____ 15 16___ 17_____ 18_________ 19 20 21_________ 22 23______ 24_ 25_____ 26 27_______ 28

Chunks:
  TruePositive nam [24,24] = PAP
  TruePositive nam [25,27] = Trzaska - Wieczorek

(ChunkerEvaluator) Sentence #9483 from articles/00107792 from sent6

Text  : W środę prezes PiS Jarosław Kaczyński wezwał prezydenta , aby nie podpisywał ustawy podwyższającej wiek emerytalny do 67 .  roku życia .
Tokens: 1 2____ 3_____ 4__ 5_______ 6________ 7_____ 8_________ 9 10_ 11_ 12________ 13____ 14____________ 15__ 16________ 17 18 19 20__ 21___ 22

Chunks:
  TruePositive nam [4,4] = PiS
  TruePositive nam [5,6] = Jarosław Kaczyński

(ChunkerEvaluator) Sentence #9484 from articles/00107792 from sent7

Text  : Prezes PiS zadeklarował , że jest gotowy do rozmowy z  prezydentem ws .  zmian w  systemie emerytalnym .  (  PAP )
Tokens: 1_____ 2__ 3___________ 4 5_ 6___ 7_____ 8_ 9______ 10 11_________ 12 13 14___ 15 16______ 17_________ 18 19 20_ 21

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [20,20] = PAP

2016-10-27 15:00:00,006 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 419 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107793.xml
(ChunkerEvaluator) Sentence #9485 from articles/00107793 from sent1

Text  : Pięciogwiazdkowy hotel powstaje tuż przy lotnisku
Tokens: 1_______________ 2____ 3_______ 4__ 5___ 6_______

Chunks:

(ChunkerEvaluator) Sentence #9486 from articles/00107793 from sent2

Text  : Luksusowy hotel Renaissance powstaje naprzeciw wyjścia z Terminala 2 lotniska na Okęciu .
Tokens: 1________ 2____ 3__________ 4_______ 5________ 6______ 7 8________ 9 10______ 11 12____ 13

Chunks:
  TruePositive nam [12,12] = Okęciu
  FalsePositive nam [8,8] = Terminala
  FalseNegative nam [3,3] = Renaissance
  FalseNegative nam [8,9] = Terminala 2

(ChunkerEvaluator) Sentence #9487 from articles/00107793 from sent3

Text  : We wtorek wmurowano kamień węgielny .
Tokens: 1_ 2_____ 3________ 4_____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #9488 from articles/00107793 from sent4

Text  : Budowa hotelu rozpoczęła się jesienią 2011 r .
Tokens: 1_____ 2_____ 3_________ 4__ 5_______ 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #9489 from articles/00107793 from sent5

Text  : We wtorek kamień węgielny pod nowy hotel na lotnisku wmurował dyrektor lotniska Chopina Michał Marzec .
Tokens: 1_ 2_____ 3_____ 4_______ 5__ 6___ 7____ 8_ 9_______ 10______ 11______ 12______ 13_____ 14____ 15____ 16

Chunks:
  TruePositive nam [13,13] = Chopina
  TruePositive nam [14,15] = Michał Marzec

(ChunkerEvaluator) Sentence #9490 from articles/00107793 from sent6

Text  : Wykonawcą hotelu jest austriacki koncern Alpine .
Tokens: 1________ 2_____ 3___ 4_________ 5______ 6_____ 7

Chunks:
  FalseNegative nam [6,6] = Alpine

(ChunkerEvaluator) Sentence #9491 from articles/00107793 from sent7

Text  : Zaprojektowany przez pracownię JEMS Architekci budynek będzie mieć ciemnografitową elewację .
Tokens: 1_____________ 2____ 3________ 4___ 5_________ 6______ 7_____ 8___ 9______________ 10______ 11

Chunks:
  FalsePositive nam [4,5] = JEMS Architekci
  FalseNegative nam [4,4] = JEMS

(ChunkerEvaluator) Sentence #9492 from articles/00107793 from sent8

Text  : Oglądany z lotu ptaka będzie kształtem trochę przypominać fortepian ,  a  trochę -  niewykrywalny przez radary myśliwiec .
Tokens: 1_______ 2 3___ 4____ 5_____ 6________ 7_____ 8__________ 9________ 10 11 12____ 13 14___________ 15___ 16____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #9493 from articles/00107793 from sent9

Text  : Znajdzie się w nim 225 pokoi , 5 sal konferencyjnych ,  restauracje i  bar ,  a  także basen ,  centrum fitness i  SPA .
Tokens: 1_______ 2__ 3 4__ 5__ 6____ 7 8 9__ 10_____________ 11 12_________ 13 14_ 15 16 17___ 18___ 19 20_____ 21_____ 22 23_ 24

Chunks:
  FalsePositive nam [23,23] = SPA

(ChunkerEvaluator) Sentence #9494 from articles/00107793 from sent10

Text  : Budynek powstaje na trzykondygnacyjnym parkingu naprzeciwko Terminala 2 .
Tokens: 1______ 2_______ 3_ 4_________________ 5_______ 6__________ 7________ 8 9

Chunks:
  FalsePositive nam [7,7] = Terminala
  FalseNegative nam [7,8] = Terminala 2

(ChunkerEvaluator) Sentence #9495 from articles/00107793 from sent11

Text  : Parking został częściowo rozebrany , a pozostałą część konstrukcji trzeba było wzmocnić .
Tokens: 1______ 2_____ 3________ 4________ 5 6 7________ 8____ 9__________ 10____ 11__ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #9496 from articles/00107793 from sent12

Text  : Budowa będzie kosztować 141 mln zł .
Tokens: 1_____ 2_____ 3________ 4__ 5__ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #9497 from articles/00107793 from sent13

Text  : Hotel będzie gotowy latem przyszłego roku .
Tokens: 1____ 2_____ 3_____ 4____ 5_________ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #9498 from articles/00107793 from sent14

Text  : Będzie miał standard 5 gwiazdek plus .
Tokens: 1_____ 2___ 3_______ 4 5_______ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #9499 from articles/00107793 from sent15

Text  : Najbliższy tego standardu obiekt - według przedstawicieli Marriotta - jest dopiero w  Zurychu
Tokens: 1_________ 2___ 3________ 4_____ 5 6_____ 7______________ 8________ 9 10__ 11_____ 12 13_____

Chunks:
  TruePositive nam [8,8] = Marriotta
  TruePositive nam [13,13] = Zurychu

2016-10-27 15:00:00,055 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 420 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107794.xml
(ChunkerEvaluator) Sentence #9500 from articles/00107794 from sent1

Text  : Lech Poznań wygrał turniej Adidasa .
Tokens: 1___ 2_____ 3_____ 4______ 5______ 6

Chunks:
  TruePositive nam [1,2] = Lech Poznań
  FalsePositive nam [5,5] = Adidasa
  FalseNegative nam [4,5] = turniej Adidasa

(ChunkerEvaluator) Sentence #9501 from articles/00107794 from sent2

Text  : Warta Poznań druga
Tokens: 1____ 2_____ 3____

Chunks:
  TruePositive nam [1,2] = Warta Poznań

(ChunkerEvaluator) Sentence #9502 from articles/00107794 from sent3

Text  : Młodzi piłkarze Kolejorza okazali się najlepsi w kategorii do lat 11 .
Tokens: 1_____ 2_______ 3________ 4______ 5__ 6_______ 7 8________ 9_ 10_ 11 12

Chunks:
  FalseNegative nam [3,3] = Kolejorza

(ChunkerEvaluator) Sentence #9503 from articles/00107794 from sent4

Text  : Czy takie nazwiska jak Kamil Ławniczak , Kacper Koralewski czy Dawid Witkowski kibice Lecha powinni zapamiętać na przyszłość ?
Tokens: 1__ 2____ 3_______ 4__ 5____ 6________ 7 8_____ 9_________ 10_ 11___ 12_______ 13____ 14___ 15_____ 16________ 17 18________ 19

Chunks:
  TruePositive nam [5,6] = Kamil Ławniczak
  TruePositive nam [8,9] = Kacper Koralewski
  TruePositive nam [11,12] = Dawid Witkowski
  TruePositive nam [14,14] = Lecha

(ChunkerEvaluator) Sentence #9504 from articles/00107794 from sent5

Text  : Finał turnieju Football Dreams odbył się na obiektach Legii Warszawa w  kilku grupach wiekowych .
Tokens: 1____ 2_______ 3_______ 4_____ 5____ 6__ 7_ 8________ 9____ 10______ 11 12___ 13_____ 14_______ 15

Chunks:
  TruePositive nam [3,4] = Football Dreams
  TruePositive nam [9,10] = Legii Warszawa

(ChunkerEvaluator) Sentence #9505 from articles/00107794 from sent6

Text  : Lechici zdominowali kategorię U - 11 .
Tokens: 1______ 2__________ 3________ 4 5 6_ 7

Chunks:
  FalseNegative nam [1,1] = Lechici

(ChunkerEvaluator) Sentence #9506 from articles/00107794 from sent7

Text  : Kolejorz w meczu o pierwsze miejsce pokonał Polonię Środa Śląska .
Tokens: 1_______ 2 3____ 4 5_______ 6______ 7______ 8______ 9____ 10____ 11

Chunks:
  TruePositive nam [8,10] = Polonię Środa Śląska
  FalseNegative nam [1,1] = Kolejorz

(ChunkerEvaluator) Sentence #9507 from articles/00107794 from sent8

Text  : Trzecia lokata przypadła ekipie SP 109 Warszawa .
Tokens: 1______ 2_____ 3________ 4_____ 5_ 6__ 7_______ 8

Chunks:
  FalsePositive nam [5,5] = SP
  FalsePositive nam [7,7] = Warszawa
  FalseNegative nam [5,7] = SP 109 Warszawa

(ChunkerEvaluator) Sentence #9508 from articles/00107794 from sent9

Text  : Natomiast w kategorii do lat 15 Warta Poznań zajęła drugie miejsce ,  za zespołem z  Gliwic .
Tokens: 1________ 2 3________ 4_ 5__ 6_ 7____ 8_____ 9_____ 10____ 11_____ 12 13 14______ 15 16____ 17

Chunks:
  TruePositive nam [7,8] = Warta Poznań
  TruePositive nam [16,16] = Gliwic

(ChunkerEvaluator) Sentence #9509 from articles/00107794 from sent10

Text  : Warciarz Marcin Borski został wybrany najlepszym bramkarzem turnieju w tej kategorii .
Tokens: 1_______ 2_____ 3_____ 4_____ 5______ 6_________ 7_________ 8_______ 9 10_ 11_______ 12

Chunks:
  TruePositive nam [2,3] = Marcin Borski

(ChunkerEvaluator) Sentence #9510 from articles/00107794 from sent11

Text  : Zwycięzcy turnieju wygrali bilety na mecz Euro 2012 między Polską a  Czechami .
Tokens: 1________ 2_______ 3______ 4_____ 5_ 6___ 7___ 8___ 9_____ 10____ 11 12______ 13

Chunks:
  TruePositive nam [10,10] = Polską
  TruePositive nam [12,12] = Czechami
  FalsePositive nam [7,7] = Euro
  FalseNegative nam [7,8] = Euro 2012

2016-10-27 15:00:00,093 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 421 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107795.xml
(ChunkerEvaluator) Sentence #9511 from articles/00107795 from sent1

Text  : Ulicami Warszawy po raz 11 . przeszła Parada Równości
Tokens: 1______ 2_______ 3_ 4__ 5_ 6 7_______ 8_____ 9_______

Chunks:
  TruePositive nam [2,2] = Warszawy
  TruePositive nam [8,9] = Parada Równości

(ChunkerEvaluator) Sentence #9512 from articles/00107795 from sent2

Text  : # dochodzą informacje od policji i organizatorów oraz kolejne szczegóły #
Tokens: 1 2_______ 3_________ 4_ 5______ 6 7____________ 8___ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #9513 from articles/00107795 from sent3

Text  : 02 . 06 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #9514 from articles/00107795 from sent4

Text  : Warszawa ( PAP ) - Po raz 11 . ulicami Warszawy przeszła w  sobotę Parada Równości -  coroczna manifestacja lesbijek ,  gejów ,  biseksualistów i  osób transseksualnych oraz sprzeciwiających się homofobii i  dyskryminacji .
Tokens: 1_______ 2 3__ 4 5 6_ 7__ 8_ 9 10_____ 11______ 12______ 13 14____ 15____ 16______ 17 18______ 19__________ 20______ 21 22___ 23 24____________ 25 26__ 27______________ 28__ 29______________ 30_ 31_______ 32 33___________ 34

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [11,11] = Warszawy
  TruePositive nam [15,16] = Parada Równości

(ChunkerEvaluator) Sentence #9515 from articles/00107795 from sent5

Text  : Marsz odbył się pod hasłem " Po prostu równość "  .
Tokens: 1____ 2____ 3__ 4__ 5_____ 6 7_ 8_____ 9______ 10 11

Chunks:

(ChunkerEvaluator) Sentence #9516 from articles/00107795 from sent6

Text  : Według organizatorów w marszu wzięło udział ok . 4 -  5  tys .  osób .
Tokens: 1_____ 2____________ 3 4_____ 5_____ 6_____ 7_ 8 9 10 11 12_ 13 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #9517 from articles/00107795 from sent7

Text  : Nie doszło do poważniejszych incydentów ; na trasie parady było jednak kilka kontrmanifestacji .
Tokens: 1__ 2_____ 3_ 4_____________ 5_________ 6 7_ 8_____ 9_____ 10__ 11____ 12___ 13_______________ 14

Chunks:

(ChunkerEvaluator) Sentence #9518 from articles/00107795 from sent8

Text  : Parada wyruszyła z pl . Konstytucji i przeszła na Plac Teatralny ;  rozpoczęła się od odegrania Mazurka Dąbrowskiego .
Tokens: 1_____ 2________ 3 4_ 5 6__________ 7 8_______ 9_ 10__ 11_______ 12 13________ 14_ 15 16_______ 17_____ 18__________ 19

Chunks:
  TruePositive nam [10,11] = Plac Teatralny
  TruePositive nam [17,18] = Mazurka Dąbrowskiego
  FalsePositive nam [6,6] = Konstytucji
  FalseNegative nam [1,1] = Parada
  FalseNegative nam [4,6] = pl . Konstytucji

(ChunkerEvaluator) Sentence #9519 from articles/00107795 from sent9

Text  : Uczestniczyli w niej zarówno ludzie młodzi , jak i rodziny z  dziećmi ,  część osób przyszła z  psami ,  niektórzy jechali na rowerach ,  hulajnogach i  dekorolkach .
Tokens: 1____________ 2 3___ 4______ 5_____ 6_____ 7 8__ 9 10_____ 11 12_____ 13 14___ 15__ 16______ 17 18___ 19 20_______ 21_____ 22 23______ 24 25_________ 26 27_________ 28

Chunks:

(ChunkerEvaluator) Sentence #9520 from articles/00107795 from sent10

Text  : Była też grupa motocyklistów .
Tokens: 1___ 2__ 3____ 4____________ 5

Chunks:

(ChunkerEvaluator) Sentence #9521 from articles/00107795 from sent11

Text  : Wśród manifestujących byli również członkowie organizacji lewicowych , politycy Sojuszu Lewicy Demokratycznej ,  m  .  in .  Ryszard Kalisz ,  radna Paulina Piechna -  Więckiewicz oraz Ruchu Palikota -  Janusz Palikot ,  Robert Biedroń ,  a  także obcokrajowcy .
Tokens: 1____ 2______________ 3___ 4______ 5_________ 6__________ 7_________ 8 9_______ 10_____ 11____ 12____________ 13 14 15 16 17 18_____ 19____ 20 21___ 22_____ 23_____ 24 25_________ 26__ 27___ 28______ 29 30____ 31_____ 32 33____ 34_____ 35 36 37___ 38__________ 39

Chunks:
  TruePositive nam [10,12] = Sojuszu Lewicy Demokratycznej
  TruePositive nam [18,19] = Ryszard Kalisz
  TruePositive nam [22,25] = Paulina Piechna - Więckiewicz
  TruePositive nam [27,28] = Ruchu Palikota
  TruePositive nam [30,31] = Janusz Palikot
  TruePositive nam [33,34] = Robert Biedroń

(ChunkerEvaluator) Sentence #9522 from articles/00107795 from sent12

Text  : Na czterech , przystrojonych w tęczowe barwy platformach , które jechały w  Paradzie ,  w  rytm muzyki tańczyli uczestnicy manifestacji .
Tokens: 1_ 2_______ 3 4_____________ 5 6______ 7____ 8__________ 9 10___ 11_____ 12 13______ 14 15 16__ 17____ 18______ 19________ 20__________ 21

Chunks:
  TruePositive nam [13,13] = Paradzie

(ChunkerEvaluator) Sentence #9523 from articles/00107795 from sent13

Text  : Własne platformy miały SLD i Ruch Palikota .
Tokens: 1_____ 2________ 3____ 4__ 5 6___ 7_______ 8

Chunks:
  TruePositive nam [4,4] = SLD
  TruePositive nam [6,7] = Ruch Palikota

(ChunkerEvaluator) Sentence #9524 from articles/00107795 from sent14

Text  : Niektórzy uczestnicy marszu nieśli transparenty i flagi z hasłami :  "  Posłowie i  posłanki wyjdźcie z  szafy "  ,  "  Żądamy związków partnerskich dla naszych dzieci "  ,  "  Równość seksualna ,  równość ekonomiczna "  ,  "  Lepiej być gejem niż dyktatorem "  ,  "  Nienawiść nie jest wartością rodzinną "  .
Tokens: 1________ 2_________ 3_____ 4_____ 5___________ 6 7____ 8 9______ 10 11 12______ 13 14______ 15______ 16 17___ 18 19 20 21____ 22______ 23__________ 24_ 25_____ 26____ 27 28 29 30_____ 31_______ 32 33_____ 34_________ 35 36 37 38____ 39_ 40___ 41_ 42________ 43 44 45 46_______ 47_ 48__ 49_______ 50______ 51 52

Chunks:
  FalsePositive nam [46,46] = Nienawiść

(ChunkerEvaluator) Sentence #9525 from articles/00107795 from sent15

Text  : Ambasador Wielkiej Brytanii Robin Barnett powiedział , że bierze udział w  Paradzie ,  aby zamanifestować sprzeciw wobec dyskryminacji ,  a  także poparcie dla równości .
Tokens: 1________ 2_______ 3_______ 4____ 5______ 6_________ 7 8_ 9_____ 10____ 11 12______ 13 14_ 15____________ 16______ 17___ 18___________ 19 20 21___ 22______ 23_ 24______ 25

Chunks:
  TruePositive nam [2,3] = Wielkiej Brytanii
  TruePositive nam [12,12] = Paradzie
  FalsePositive nam [4,4] = Robin
  FalseNegative nam [4,5] = Robin Barnett

(ChunkerEvaluator) Sentence #9526 from articles/00107795 from sent16

Text  : Jego zdaniem Polska jest tolerancyjnym krajem .
Tokens: 1___ 2______ 3_____ 4___ 5____________ 6_____ 7

Chunks:
  TruePositive nam [3,3] = Polska

(ChunkerEvaluator) Sentence #9527 from articles/00107795 from sent17

Text  : Incydenty związane z brakiem tolerancji zdarzają się na całym świecie -  podkreślił .
Tokens: 1________ 2_______ 3 4______ 5_________ 6_______ 7__ 8_ 9____ 10_____ 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #9528 from articles/00107795 from sent18

Text  : List do uczestników wystosowała pełnomicniczka rządu ds . równego traktowania Agnieszka Kozłowska -  Rajewicz .
Tokens: 1___ 2_ 3__________ 4__________ 5_____________ 6____ 7_ 8 9______ 10_________ 11_______ 12_______ 13 14______ 15

Chunks:
  TruePositive nam [11,14] = Agnieszka Kozłowska - Rajewicz

(ChunkerEvaluator) Sentence #9529 from articles/00107795 from sent19

Text  : " Popieram postulaty Parady Równości , nawołujące do przestrzegania praw jednostki ,  praw mniejszości ,  do poszanowania godności człowieka .
Tokens: 1 2_______ 3________ 4_____ 5_______ 6 7_________ 8_ 9_____________ 10__ 11_______ 12 13__ 14_________ 15 16 17__________ 18______ 19_______ 20

Chunks:
  TruePositive nam [4,5] = Parady Równości

(ChunkerEvaluator) Sentence #9530 from articles/00107795 from sent20

Text  : Homofobia tak jak każda fobia ma charakter irracjonalny .
Tokens: 1________ 2__ 3__ 4____ 5____ 6_ 7________ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #9531 from articles/00107795 from sent21

Text  : Wynika najczęściej ze skłonności do oceniania rzeczywistości przez pryzmat stereotypu i  ogólnie przyjętych opinii .
Tokens: 1_____ 2__________ 3_ 4_________ 5_ 6________ 7_____________ 8____ 9______ 10________ 11 12_____ 13________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #9532 from articles/00107795 from sent22

Text  : Moje działania zmierzają do tego , aby zachęcić do otwartej postawy polegającej na dążeniu do przełamywania wewnętrznych barier i  uprzedzeń .
Tokens: 1___ 2________ 3________ 4_ 5___ 6 7__ 8_______ 9_ 10______ 11_____ 12_________ 13 14_____ 15 16___________ 17__________ 18____ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #9533 from articles/00107795 from sent23

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #9534 from articles/00107795 from sent24

Text  : Gratuluję wszystkim uczestnikom Parady Równości postawy obywatelskiej .
Tokens: 1________ 2________ 3__________ 4_____ 5_______ 6______ 7____________ 8

Chunks:
  TruePositive nam [4,5] = Parady Równości

(ChunkerEvaluator) Sentence #9535 from articles/00107795 from sent25

Text  : Cieszę się , że marsz co roku jest wydarzeniem pozbawionym agresji ,  emanującym pozytywnymi emocjami ,  które często udzielają się również tym ,  którzy w  tym wydarzeniu nie uczestniczą "  -  napisała .
Tokens: 1_____ 2__ 3 4_ 5____ 6_ 7___ 8___ 9__________ 10_________ 11_____ 12 13________ 14_________ 15______ 16 17___ 18____ 19_______ 20_ 21_____ 22_ 23 24____ 25 26_ 27________ 28_ 29_________ 30 31 32______ 33

Chunks:

(ChunkerEvaluator) Sentence #9536 from articles/00107795 from sent26

Text  : Manifestację zabezpieczało kilkuset policjantów .
Tokens: 1___________ 2____________ 3_______ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #9537 from articles/00107795 from sent27

Text  : Nie doszło do poważniejszych incydentów .
Tokens: 1__ 2_____ 3_ 4_____________ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #9538 from articles/00107795 from sent28

Text  : Na trasie parady były jednak kontrmanifestacje ; nieopodal Placu Konstytucji stała grupa osób z  flagą "  Solidarności "  oraz transparentem :  "  Jak geje i  ludzie ich pokroju chcą paradować ,  to niech sobie wybudują nową Warszawę .
Tokens: 1_ 2_____ 3_____ 4___ 5_____ 6________________ 7 8________ 9____ 10_________ 11___ 12___ 13__ 14 15___ 16 17__________ 18 19__ 20___________ 21 22 23_ 24__ 25 26____ 27_ 28_____ 29__ 30_______ 31 32 33___ 34___ 35______ 36__ 37______ 38

Chunks:
  TruePositive nam [9,10] = Placu Konstytucji
  TruePositive nam [37,37] = Warszawę
  FalsePositive nam [16,18] = " Solidarności "
  FalseNegative nam [17,17] = Solidarności

(ChunkerEvaluator) Sentence #9539 from articles/00107795 from sent29

Text  : Tę wybudowali biali ludzie i mają do niej prawo .
Tokens: 1_ 2_________ 3____ 4_____ 5 6___ 7_ 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #9540 from articles/00107795 from sent30

Text  : Lech Wałęsa " .
Tokens: 1___ 2_____ 3 4

Chunks:
  TruePositive nam [1,2] = Lech Wałęsa

(ChunkerEvaluator) Sentence #9541 from articles/00107795 from sent31

Text  : Później ten sam transparent pojawił się na Krakowskim Przedmieściu nieopodal Pałacu Prezydenckiego .
Tokens: 1______ 2__ 3__ 4__________ 5______ 6__ 7_ 8_________ 9___________ 10_______ 11____ 12____________ 13

Chunks:
  TruePositive nam [8,9] = Krakowskim Przedmieściu
  TruePositive nam [11,12] = Pałacu Prezydenckiego

(ChunkerEvaluator) Sentence #9542 from articles/00107795 from sent32

Text  : Na Krakowskim Przedmieściu , przy ulicy Królewskiej pikietowali także przedstawiciele Ruchu Suwerenności Narodu Polskiego .
Tokens: 1_ 2_________ 3___________ 4 5___ 6____ 7__________ 8__________ 9____ 10_____________ 11___ 12__________ 13____ 14_______ 15

Chunks:
  TruePositive nam [2,3] = Krakowskim Przedmieściu
  TruePositive nam [7,7] = Królewskiej
  TruePositive nam [11,14] = Ruchu Suwerenności Narodu Polskiego

(ChunkerEvaluator) Sentence #9543 from articles/00107795 from sent33

Text  : Na transparentach widniały hasła : " Każdy Polak kulturalny dba o  przyrost naturalny "  ,  "  Za promocję eurosodomii i  HIV szczególne podziękowania dla pani Hanny Gronkiewicz -  Waltz i  innych równie szczerych katolików "  .
Tokens: 1_ 2_____________ 3_______ 4____ 5 6 7____ 8____ 9_________ 10_ 11 12______ 13_______ 14 15 16 17 18______ 19_________ 20 21_ 22________ 23___________ 24_ 25__ 26___ 27_________ 28 29___ 30 31____ 32____ 33_______ 34_______ 35 36

Chunks:
  TruePositive nam [8,8] = Polak
  TruePositive nam [26,29] = Hanny Gronkiewicz - Waltz
  FalsePositive nam [21,21] = HIV

(ChunkerEvaluator) Sentence #9544 from articles/00107795 from sent34

Text  : Powiewały też biało - czerwone flagi .
Tokens: 1________ 2__ 3____ 4 5_______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #9545 from articles/00107795 from sent35

Text  : Podczas przemarszu przez Krakowskie Przedmieście jedna z kontramnifestacji zajęła pas jezdni i  policja musiała usunąć jej uczestników ,  aby Parada mogła przejść .
Tokens: 1______ 2_________ 3____ 4_________ 5___________ 6____ 7 8________________ 9_____ 10_ 11____ 12 13_____ 14_____ 15____ 16_ 17_________ 18 19_ 20____ 21___ 22_____ 23

Chunks:
  TruePositive nam [4,5] = Krakowskie Przedmieście
  TruePositive nam [20,20] = Parada

(ChunkerEvaluator) Sentence #9546 from articles/00107795 from sent36

Text  : Po zakończeniu imprezy , rzecznik Parady Równości przedstawiający się jako Jej Perfekcyjność powiedział PAP ,  że jest zadowolony z  jej przebiegu .
Tokens: 1_ 2__________ 3______ 4 5_______ 6_____ 7_______ 8______________ 9__ 10__ 11_ 12___________ 13________ 14_ 15 16 17__ 18________ 19 20_ 21_______ 22

Chunks:
  TruePositive nam [6,7] = Parady Równości
  TruePositive nam [14,14] = PAP
  FalsePositive nam [12,12] = Perfekcyjność

(ChunkerEvaluator) Sentence #9547 from articles/00107795 from sent37

Text  : " Było bezpiecznie , a to jest najważniejsze " -  podkreślił .
Tokens: 1 2___ 3__________ 4 5 6_ 7___ 8____________ 9 10 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #9548 from articles/00107795 from sent38

Text  : Dodał , że organizatorzy wstępnie szacują , że w Paradzie wzięło udział ok .  4  -  5  tys .  osób .
Tokens: 1____ 2 3_ 4____________ 5_______ 6______ 7 8_ 9 10______ 11____ 12____ 13 14 15 16 17 18_ 19 20__ 21

Chunks:
  TruePositive nam [10,10] = Paradzie

(ChunkerEvaluator) Sentence #9549 from articles/00107795 from sent39

Text  : " Cieszymy się , że mimo pogody przyszło tyle ludzi .
Tokens: 1 2_______ 3__ 4 5_ 6___ 7_____ 8_______ 9___ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #9550 from articles/00107795 from sent40

Text  : To olbrzymi sukces " - ocenił .
Tokens: 1_ 2_______ 3_____ 4 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #9551 from articles/00107795 from sent41

Text  : Jak powiedział PAP rzecznik KSP mł . insp .
Tokens: 1__ 2_________ 3__ 4_______ 5__ 6_ 7 8___ 9

Chunks:
  TruePositive nam [3,3] = PAP
  FalseNegative nam [5,5] = KSP

(ChunkerEvaluator) Sentence #9552 from articles/00107795 from sent42

Text  : Maciej Karczyński podczas parady na ulicach było bardzo spokojnie .
Tokens: 1_____ 2_________ 3______ 4_____ 5_ 6______ 7___ 8_____ 9________ 10

Chunks:
  TruePositive nam [1,2] = Maciej Karczyński

(ChunkerEvaluator) Sentence #9553 from articles/00107795 from sent43

Text  : Funkcjonariusze wylegitymowali wiele osób .
Tokens: 1______________ 2_____________ 3____ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #9554 from articles/00107795 from sent44

Text  : Znaleziono jedną pałkę teleskopową oraz petardy .
Tokens: 1_________ 2____ 3____ 4__________ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #9555 from articles/00107795 from sent45

Text  : Trasa Parady została zmieniona w porównaniu do pierwotnie zgłoszonej .
Tokens: 1____ 2_____ 3______ 4________ 5 6_________ 7_ 8_________ 9_________ 10

Chunks:
  FalsePositive nam [1,2] = Trasa Parady
  FalseNegative nam [2,2] = Parady

(ChunkerEvaluator) Sentence #9556 from articles/00107795 from sent46

Text  : Wcześniej planowano , że wyruszy ona sprzed Sejmu .
Tokens: 1________ 2________ 3 4_ 5______ 6__ 7_____ 8____ 9

Chunks:
  TruePositive nam [8,8] = Sejmu

(ChunkerEvaluator) Sentence #9557 from articles/00107795 from sent47

Text  : Jak poinformowali PAP organizatorzy , do ustalenia zmiany doszło na spotkaniu ,  które co roku poprzedza paradę ,  a  które organizuje stołeczne biuro bezpieczeństwa i  zarządzania kryzysowego .
Tokens: 1__ 2____________ 3__ 4____________ 5 6_ 7________ 8_____ 9_____ 10 11_______ 12 13___ 14 15__ 16_______ 17____ 18 19 20___ 21________ 22_______ 23___ 24____________ 25 26_________ 27_________ 28

Chunks:
  TruePositive nam [3,3] = PAP

(ChunkerEvaluator) Sentence #9558 from articles/00107795 from sent48

Text  : Organizatorzy wyjaśnili , że zgłoszone obok Parady Równości zgromadzenia publiczne uniemożliwiały by uczestnikom wyjście sprzed Sejmu ;  na pierwotnej trasie parady zarejestrowano 13 kontrmanifestacji .
Tokens: 1____________ 2________ 3 4_ 5________ 6___ 7_____ 8_______ 9___________ 10_______ 11____________ 12 13_________ 14_____ 15____ 16___ 17 18 19________ 20____ 21____ 22____________ 23 24_______________ 25

Chunks:
  TruePositive nam [7,8] = Parady Równości
  TruePositive nam [16,16] = Sejmu

(ChunkerEvaluator) Sentence #9559 from articles/00107795 from sent49

Text  : Organizatorzy Parady podkreślają , że nie walczą jedynie o prawa osób LGBT ,  ale o  prawa wszystkich wykluczonych .
Tokens: 1____________ 2_____ 3__________ 4 5_ 6__ 7_____ 8______ 9 10___ 11__ 12__ 13 14_ 15 16___ 17________ 18__________ 19

Chunks:
  TruePositive nam [2,2] = Parady
  FalseNegative nam [12,12] = LGBT

(ChunkerEvaluator) Sentence #9560 from articles/00107795 from sent50

Text  : Ich postulaty to m . in . znoszenie barier architektonicznych ;  uchwalenie ustawy o  związkach partnerskich ;  wprowadzenie aktywnej polityki antydyskryminacyjnej dotyczącej wszystkich mniejszości ,  w  tym rozszerzenie przepisów dotyczących mowy nienawiści o  kwestie dotyczące tożsamości płciowej i  orientacji seksualnej .
Tokens: 1__ 2________ 3_ 4 5 6_ 7 8________ 9_____ 10________________ 11 12________ 13____ 14 15_______ 16__________ 17 18__________ 19______ 20______ 21__________________ 22________ 23________ 24_________ 25 26 27_ 28__________ 29_______ 30_________ 31__ 32________ 33 34_____ 35_______ 36________ 37______ 38 39________ 40________ 41

Chunks:

(ChunkerEvaluator) Sentence #9561 from articles/00107795 from sent51

Text  : Parady Równości odbywają się w Polsce od 2001 r .
Tokens: 1_____ 2_______ 3_______ 4__ 5 6_____ 7_ 8___ 9 10

Chunks:
  TruePositive nam [1,2] = Parady Równości
  TruePositive nam [6,6] = Polsce

(ChunkerEvaluator) Sentence #9562 from articles/00107795 from sent52

Text  : Organizacji imprezy zakazał w 2004 r . ówczesny prezydent Warszawy Lech Kaczyński -  wtedy zamiast niej odbył się wiec przed Ratuszem ,  a  w  2005 r  .  -  parada przeszła mimo zakazu prezydenta .
Tokens: 1__________ 2______ 3______ 4 5___ 6 7 8_______ 9________ 10______ 11__ 12_______ 13 14___ 15_____ 16__ 17___ 18_ 19__ 20___ 21______ 22 23 24 25__ 26 27 28 29____ 30______ 31__ 32____ 33________ 34

Chunks:
  TruePositive nam [10,10] = Warszawy
  TruePositive nam [11,12] = Lech Kaczyński
  TruePositive nam [21,21] = Ratuszem

(ChunkerEvaluator) Sentence #9563 from articles/00107795 from sent53

Text  : Później uznano , że zakaz był niezgodny z prawem ,  co potwierdził m  .  in .  Trybunał Konstytucyjny .
Tokens: 1______ 2_____ 3 4_ 5____ 6__ 7________ 8 9_____ 10 11 12_________ 13 14 15 16 17______ 18___________ 19

Chunks:
  TruePositive nam [17,18] = Trybunał Konstytucyjny

2016-10-27 15:00:00,360 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 422 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107796.xml
(ChunkerEvaluator) Sentence #9564 from articles/00107796 from sent1

Text  : Wydarzenia sportowe w skrócie , sobota 2 czerwca , 22 .  00
Tokens: 1_________ 2_______ 3 4______ 5 6_____ 7 8______ 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #9565 from articles/00107796 from sent2

Text  : Przekazujemy skrót wiadomości sportowych :
Tokens: 1___________ 2____ 3_________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #9566 from articles/00107796 from sent3

Text  : Piłkarska reprezentacja Polski , przygotowująca się do turnieju Euro 2012 ,  pokonała w  Warszawie Andorę 4  :  0  (  3  :  0  )  w  meczu towarzyskim .
Tokens: 1________ 2____________ 3_____ 4 5_____________ 6__ 7_ 8_______ 9___ 10__ 11 12______ 13 14_______ 15____ 16 17 18 19 20 21 22 23 24 25___ 26_________ 27

Chunks:
  TruePositive nam [3,3] = Polski
  TruePositive nam [9,10] = Euro 2012
  TruePositive nam [14,14] = Warszawie
  TruePositive nam [15,15] = Andorę

(ChunkerEvaluator) Sentence #9567 from articles/00107796 from sent4

Text  : Bramki zdobyli Ludovic Obraniak , Robert Lewandowski oraz Jakub Błaszczykowski i  Marcin Wasilewski z  rzutów karnych .
Tokens: 1_____ 2______ 3______ 4_______ 5 6_____ 7__________ 8___ 9____ 10____________ 11 12____ 13________ 14 15____ 16_____ 17

Chunks:
  TruePositive nam [3,4] = Ludovic Obraniak
  TruePositive nam [6,7] = Robert Lewandowski
  TruePositive nam [9,10] = Jakub Błaszczykowski
  TruePositive nam [12,13] = Marcin Wasilewski

(ChunkerEvaluator) Sentence #9568 from articles/00107796 from sent5

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9569 from articles/00107796 from sent6

Text  : Polska pokonała Finlandię 3 : 0 ( 26 : 24 ,  25 :  18 ,  25 :  18 )  w  pierwszym sobotnim meczu turnieju grupy B  Ligi Światowej siatkarzy rozgrywanego w  Katowicach .
Tokens: 1_____ 2_______ 3________ 4 5 6 7 8_ 9 10 11 12 13 14 15 16 17 18 19 20 21_______ 22______ 23___ 24______ 25___ 26 27__ 28_______ 29_______ 30__________ 31 32________ 33

Chunks:
  TruePositive nam [1,1] = Polska
  TruePositive nam [3,3] = Finlandię
  TruePositive nam [32,32] = Katowicach
  FalsePositive nam [26,28] = B Ligi Światowej
  FalseNegative nam [27,28] = Ligi Światowej

(ChunkerEvaluator) Sentence #9570 from articles/00107796 from sent7

Text  : W drugim spotkaniu Brazylia zagra z Kanadą .
Tokens: 1 2_____ 3________ 4_______ 5____ 6 7_____ 8

Chunks:
  TruePositive nam [4,4] = Brazylia
  TruePositive nam [7,7] = Kanadą

(ChunkerEvaluator) Sentence #9571 from articles/00107796 from sent8

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9572 from articles/00107796 from sent9

Text  : Debel Mariusz Fyrstenberg i Marcin Matkowski przegrał w sobotę z  Włochami Daniele Braccialim i  Potito Starace 6  :  7  (  4  -  7  )  ,  3  :  6  w  meczu 1  /  8  finału w  wielkoszlemowym turnieju tenisowym na kortach ziemnych im .  Rolanda Garrosa w  Paryżu (  pula nagród 18 ,  718 mln euro )  .
Tokens: 1____ 2______ 3__________ 4 5_____ 6________ 7_______ 8 9_____ 10 11______ 12_____ 13________ 14 15____ 16_____ 17 18 19 20 21 22 23 24 25 26 27 28 29 30___ 31 32 33 34____ 35 36_____________ 37______ 38_______ 39 40_____ 41______ 42 43 44_____ 45_____ 46 47____ 48 49__ 50____ 51 52 53_ 54_ 55__ 56 57

Chunks:
  TruePositive nam [2,3] = Mariusz Fyrstenberg
  TruePositive nam [5,6] = Marcin Matkowski
  TruePositive nam [11,11] = Włochami
  TruePositive nam [12,13] = Daniele Braccialim
  TruePositive nam [44,45] = Rolanda Garrosa
  TruePositive nam [47,47] = Paryżu
  TruePositive nam [55,55] = euro
  FalseNegative nam [15,16] = Potito Starace

(ChunkerEvaluator) Sentence #9573 from articles/00107796 from sent10

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9574 from articles/00107796 from sent11

Text  : Asseco Prokom Gdynia przegrał z Treflem Sopot 71 : 76 (  15 :  18 ,  20 :  16 ,  20 :  19 ,  16 :  23 )  w  piątym meczu finału mistrzostw Polski koszykarzy .
Tokens: 1_____ 2_____ 3_____ 4_______ 5 6______ 7____ 8_ 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29____ 30___ 31____ 32________ 33____ 34________ 35

Chunks:
  TruePositive nam [6,7] = Treflem Sopot
  FalsePositive nam [2,3] = Prokom Gdynia
  FalsePositive nam [33,33] = Polski
  FalseNegative nam [1,3] = Asseco Prokom Gdynia
  FalseNegative nam [32,34] = mistrzostw Polski koszykarzy

(ChunkerEvaluator) Sentence #9575 from articles/00107796 from sent12

Text  : W rywalizacji play off do czterech zwycięstw Asseco prowadzi 3  -  2  .
Tokens: 1 2__________ 3___ 4__ 5_ 6_______ 7________ 8_____ 9_______ 10 11 12 13

Chunks:
  FalseNegative nam [8,8] = Asseco

(ChunkerEvaluator) Sentence #9576 from articles/00107796 from sent13

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9577 from articles/00107796 from sent14

Text  : Treningi w Tatrach , którymi zawsze jestem zauroczona , były ciężkie ,  ale niezwykle udane -  tak Justyna Kowalczyk podsumowała w  rozmowie z  PAP zakończony w  sobotę dwunastodniowy obóz w  Zakopanem .
Tokens: 1_______ 2 3______ 4 5______ 6_____ 7_____ 8_________ 9 10__ 11_____ 12 13_ 14_______ 15___ 16 17_ 18_____ 19_______ 20_________ 21 22______ 23 24_ 25________ 26 27____ 28____________ 29__ 30 31_______ 32

Chunks:
  TruePositive nam [3,3] = Tatrach
  TruePositive nam [18,19] = Justyna Kowalczyk
  TruePositive nam [24,24] = PAP
  TruePositive nam [31,31] = Zakopanem

(ChunkerEvaluator) Sentence #9578 from articles/00107796 from sent15

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9579 from articles/00107796 from sent16

Text  : Marzena Karpińska ( Znicz Biłgoraj ) wywalczyła złoty medal w  kategorii 48 kg w  rozpoczętych w  sobotę w  Piekarach Śląskich mistrzostwach Polski w  podnoszeniu ciężarów kobiet .
Tokens: 1______ 2________ 3 4____ 5_______ 6 7_________ 8____ 9____ 10 11_______ 12 13 14 15__________ 16 17____ 18 19_______ 20______ 21___________ 22____ 23 24_________ 25______ 26____ 27

Chunks:
  TruePositive nam [1,2] = Marzena Karpińska
  TruePositive nam [4,5] = Znicz Biłgoraj
  TruePositive nam [19,20] = Piekarach Śląskich
  FalsePositive nam [22,22] = Polski
  FalseNegative nam [21,22] = mistrzostwach Polski

(ChunkerEvaluator) Sentence #9580 from articles/00107796 from sent17

Text  : Ustanowiła trzy rekordy kraju : w rwaniu - 86 kg ,  podrzucie -  103 kg i  dwuboju -  189 kg .
Tokens: 1_________ 2___ 3______ 4____ 5 6 7_____ 8 9_ 10 11 12_______ 13 14_ 15 16 17_____ 18 19_ 20 21

Chunks:

(ChunkerEvaluator) Sentence #9581 from articles/00107796 from sent18

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9582 from articles/00107796 from sent19

Text  : Adam Małysz z pilotem Rafałem Martonem jadący Mitsubishi L200 wygrali w  sobotę czwarty ,  ostatni odcinek specjalny (  Rocchetta 2  ,  25 ,  4  km )  rajdu terenowego Baja Puglia &  Lucania i  awansowali w  klasyfikacji generalnej na drugie miejsce .
Tokens: 1___ 2_____ 3 4______ 5______ 6_______ 7_____ 8_________ 9___ 10_____ 11 12____ 13_____ 14 15_____ 16_____ 17_______ 18 19_______ 20 21 22 23 24 25 26 27___ 28________ 29__ 30____ 31 32_____ 33 34________ 35 36__________ 37________ 38 39____ 40_____ 41

Chunks:
  TruePositive nam [1,2] = Adam Małysz
  TruePositive nam [5,6] = Rafałem Martonem
  TruePositive nam [29,32] = Baja Puglia & Lucania
  FalsePositive nam [8,9] = Mitsubishi L200
  FalseNegative nam [8,8] = Mitsubishi
  FalseNegative nam [9,9] = L200
  FalseNegative nam [19,19] = Rocchetta

(ChunkerEvaluator) Sentence #9583 from articles/00107796 from sent20

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9584 from articles/00107796 from sent21

Text  : Obrońca tytułu mistrzowskiego Kajetan Kajetanowicz ( Subaru Impreza ) wygrał ostatnią próbę pierwszego dnia w  27 .
Tokens: 1______ 2_____ 3_____________ 4______ 5___________ 6 7_____ 8______ 9 10____ 11______ 12___ 13________ 14__ 15 16 17

Chunks:
  TruePositive nam [4,5] = Kajetan Kajetanowicz
  FalsePositive nam [7,8] = Subaru Impreza
  FalseNegative nam [7,7] = Subaru
  FalseNegative nam [8,8] = Impreza

(ChunkerEvaluator) Sentence #9585 from articles/00107796 from sent22

Text  : Rajdu Karkonoskiego , trzeciej rundy mistrzostw Polski - odcinek Zabobrze 2  o  długości 1  ,  48 km i  umocnił się na pozycji lidera klasyfikacji generalnej .
Tokens: 1____ 2____________ 3 4_______ 5____ 6_________ 7_____ 8 9______ 10______ 11 12 13______ 14 15 16 17 18 19_____ 20_ 21 22_____ 23____ 24__________ 25________ 26

Chunks:
  TruePositive nam [1,2] = Rajdu Karkonoskiego
  FalsePositive nam [7,7] = Polski
  FalseNegative nam [6,7] = mistrzostw Polski
  FalseNegative nam [10,10] = Zabobrze

(ChunkerEvaluator) Sentence #9586 from articles/00107796 from sent23

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9587 from articles/00107796 from sent24

Text  : Przemysław Czerwiński ( OSOT Szczecin ) zajął pierwsze miejsce w  skoku o  tyczce w  mityngu w  Innsbrucku ,  pokonując 5  ,  60 m  .
Tokens: 1_________ 2_________ 3 4___ 5_______ 6 7____ 8_______ 9______ 10 11___ 12 13____ 14 15_____ 16 17________ 18 19_______ 20 21 22 23 24

Chunks:
  TruePositive nam [1,2] = Przemysław Czerwiński
  TruePositive nam [4,5] = OSOT Szczecin
  TruePositive nam [17,17] = Innsbrucku

(ChunkerEvaluator) Sentence #9588 from articles/00107796 from sent25

Text  : Polski lekkoatleta był bliski uzyskania minimum PZLA na igrzyska w  Londynie -  5  ,  72 ,  ale strącił poprzeczkę .
Tokens: 1_____ 2__________ 3__ 4_____ 5________ 6______ 7___ 8_ 9_______ 10 11______ 12 13 14 15 16 17_ 18_____ 19________ 20

Chunks:
  TruePositive nam [7,7] = PZLA
  TruePositive nam [11,11] = Londynie

(ChunkerEvaluator) Sentence #9589 from articles/00107796 from sent26

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9590 from articles/00107796 from sent27

Text  : Anita Włodarczyk ( Skra Warszawa ) zajęła drugie miejsce w  rzucie młotem w  mityngu Diamentowej Ligi w  amerykańskim Eugene .
Tokens: 1____ 2_________ 3 4___ 5_______ 6 7_____ 8_____ 9______ 10 11____ 12____ 13 14_____ 15_________ 16__ 17 18__________ 19____ 20

Chunks:
  TruePositive nam [1,2] = Anita Włodarczyk
  TruePositive nam [4,5] = Skra Warszawa
  TruePositive nam [15,16] = Diamentowej Ligi
  TruePositive nam [19,19] = Eugene

(ChunkerEvaluator) Sentence #9591 from articles/00107796 from sent28

Text  : Polka przegrała jedynie o 33 cm z rekordzistką świata Niemką Betty Heidler ,  a  wynik 75 ,  60 jest jej najlepszym w  sezonie .
Tokens: 1____ 2________ 3______ 4 5_ 6_ 7 8___________ 9_____ 10____ 11___ 12_____ 13 14 15___ 16 17 18 19__ 20_ 21________ 22 23_____ 24

Chunks:
  TruePositive nam [1,1] = Polka
  FalsePositive nam [10,12] = Niemką Betty Heidler
  FalseNegative nam [10,10] = Niemką
  FalseNegative nam [11,12] = Betty Heidler

(ChunkerEvaluator) Sentence #9592 from articles/00107796 from sent29

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9593 from articles/00107796 from sent30

Text  : Szkot Paul Lambert został trenerem klubu Premier League Aston Villa -  poinformowano w  sobotę na stronie drużyny z  Birmingham .
Tokens: 1____ 2___ 3______ 4_____ 5_______ 6____ 7______ 8_____ 9____ 10___ 11 12___________ 13 14____ 15 16_____ 17_____ 18 19________ 20

Chunks:
  TruePositive nam [2,3] = Paul Lambert
  TruePositive nam [19,19] = Birmingham
  FalsePositive nam [7,10] = Premier League Aston Villa
  FalseNegative nam [1,1] = Szkot
  FalseNegative nam [7,8] = Premier League
  FalseNegative nam [9,10] = Aston Villa

(ChunkerEvaluator) Sentence #9594 from articles/00107796 from sent31

Text  : Pracujący dotychczas w Norwich City szkoleniowiec zastąpił rodaka Alexa McLeisha ,  który stracił pracę dzień po zakończeniu rozgrywek .
Tokens: 1________ 2_________ 3 4______ 5___ 6____________ 7_______ 8_____ 9____ 10______ 11 12___ 13_____ 14___ 15___ 16 17_________ 18_______ 19

Chunks:
  TruePositive nam [4,5] = Norwich City
  TruePositive nam [9,10] = Alexa McLeisha

(ChunkerEvaluator) Sentence #9595 from articles/00107796 from sent32

Text  : x x x
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9596 from articles/00107796 from sent33

Text  : Bośniak Vladimir Petkovic został trenerem piłkarzy Lazio Rzym , zespołu występującego we włoskiej Serie A  .
Tokens: 1______ 2_______ 3_______ 4_____ 5_______ 6_______ 7____ 8___ 9 10_____ 11___________ 12 13______ 14___ 15 16

Chunks:
  TruePositive nam [1,1] = Bośniak
  TruePositive nam [2,3] = Vladimir Petkovic
  TruePositive nam [7,8] = Lazio Rzym
  FalsePositive nam [14,15] = Serie A

(ChunkerEvaluator) Sentence #9597 from articles/00107796 from sent34

Text  : Były szkoleniowiec szwajcarskiego FC Sion zastąpił Edoardo Reję , który zrezygnował z  tej funkcji .
Tokens: 1___ 2____________ 3_____________ 4_ 5___ 6_______ 7______ 8___ 9 10___ 11_________ 12 13_ 14_____ 15

Chunks:
  TruePositive nam [4,5] = FC Sion
  TruePositive nam [7,8] = Edoardo Reję

(ChunkerEvaluator) Sentence #9598 from articles/00107796 from sent35

Text  : Koszykarze Boston Celtics pokonali Miami Heat 101 : 91 w  trzecim meczu finału Konferencji Wschodniej ligi NBA .
Tokens: 1_________ 2_____ 3______ 4_______ 5____ 6___ 7__ 8 9_ 10 11_____ 12___ 13____ 14_________ 15________ 16__ 17_ 18

Chunks:
  TruePositive nam [2,3] = Boston Celtics
  TruePositive nam [5,6] = Miami Heat
  TruePositive nam [14,15] = Konferencji Wschodniej
  TruePositive nam [17,17] = NBA

(ChunkerEvaluator) Sentence #9599 from articles/00107796 from sent36

Text  : W rywalizacji do czterech zwycięstw 2 - 1 prowadzi zespół z  Florydy .
Tokens: 1 2__________ 3_ 4_______ 5________ 6 7 8 9_______ 10____ 11 12_____ 13

Chunks:
  TruePositive nam [12,12] = Florydy

(ChunkerEvaluator) Sentence #9600 from articles/00107796 from sent37

Text  : Najskuteczniejszy w ekipie zwycięzców był Kevin Garnett - 24 pkt i  11 zbiórek .
Tokens: 1________________ 2 3_____ 4_________ 5__ 6____ 7______ 8 9_ 10_ 11 12 13_____ 14

Chunks:
  TruePositive nam [6,7] = Kevin Garnett

2016-10-27 15:00:00,540 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 423 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107797.xml
(ChunkerEvaluator) Sentence #9601 from articles/00107797 from sent1

Text  : Smart dalej stoi i reklamuje .
Tokens: 1____ 2____ 3___ 4 5________ 6

Chunks:
  FalseNegative nam [1,1] = Smart

(ChunkerEvaluator) Sentence #9602 from articles/00107797 from sent2

Text  : Ale już bez blokady na kole
Tokens: 1__ 2__ 3__ 4______ 5_ 6___

Chunks:

(ChunkerEvaluator) Sentence #9603 from articles/00107797 from sent3

Text  : Smart oklejony reklamą restauracji serwującej sushi jak stał , tak stoi .
Tokens: 1____ 2_______ 3______ 4__________ 5_________ 6____ 7__ 8___ 9 10_ 11__ 12

Chunks:
  FalseNegative nam [1,1] = Smart

(ChunkerEvaluator) Sentence #9604 from articles/00107797 from sent4

Text  : W tym samym , niedozwolonym miejscu .
Tokens: 1 2__ 3____ 4 5____________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #9605 from articles/00107797 from sent5

Text  : Coś się zmieniło ?
Tokens: 1__ 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #9606 from articles/00107797 from sent6

Text  : Samochód nie ma już blokady na kole .
Tokens: 1_______ 2__ 3_ 4__ 5______ 6_ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #9607 from articles/00107797 from sent7

Text  : Jak to możliwe ?
Tokens: 1__ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #9608 from articles/00107797 from sent8

Text  : W piątek , kiedy ukazał się nasz poprzedni tekst o  smarcie ,  odnalazła się właścicielka samochodu ,  która przyznała się do zaparkowania go u  wylotu ul .  Św .  Jana .
Tokens: 1 2_____ 3 4____ 5_____ 6__ 7___ 8________ 9____ 10 11_____ 12 13_______ 14_ 15__________ 16_______ 17 18___ 19_______ 20_ 21 22__________ 23 24 25____ 26 27 28 29 30__ 31

Chunks:
  TruePositive nam [28,30] = Św . Jana

(ChunkerEvaluator) Sentence #9609 from articles/00107797 from sent9

Text  : Jak relacjonuje Janusz Wiaterek , komendant krakowskiej straży miejskiej ,  właścicielka smarta jest jednocześnie współwłaścicielką restauracji .
Tokens: 1__ 2__________ 3_____ 4_______ 5 6________ 7__________ 8_____ 9________ 10 11__________ 12____ 13__ 14__________ 15_______________ 16_________ 17

Chunks:
  TruePositive nam [3,4] = Janusz Wiaterek
  FalseNegative nam [12,12] = smarta

(ChunkerEvaluator) Sentence #9610 from articles/00107797 from sent10

Text  : - Zgodziła się usunąć samochód .
Tokens: 1 2_______ 3__ 4_____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #9611 from articles/00107797 from sent11

Text  : Po uruchomieniu silnika przejechała pół metra , po czym silnik zgasł ,  a  właścicielka pojazdu oświadczyła ,  że rozładował jej się akumulator i  musi go doładować -  przypomina komendant Wiaterek .
Tokens: 1_ 2___________ 3______ 4__________ 5__ 6____ 7 8_ 9___ 10____ 11___ 12 13 14__________ 15_____ 16_________ 17 18 19________ 20_ 21_ 22________ 23 24__ 25 26_______ 27 28________ 29_______ 30______ 31

Chunks:
  TruePositive nam [30,30] = Wiaterek

(ChunkerEvaluator) Sentence #9612 from articles/00107797 from sent12

Text  : Straż : potraktujemy surowiej
Tokens: 1____ 2 3___________ 4_______

Chunks:

(ChunkerEvaluator) Sentence #9613 from articles/00107797 from sent13

Text  : Wszystko wskazuje na to , że od piątku do niedzielnego popołudnia nie zdążyła tego zrobić .
Tokens: 1_______ 2_______ 3_ 4_ 5 6_ 7_ 8_____ 9_ 10__________ 11________ 12_ 13_____ 14__ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #9614 from articles/00107797 from sent14

Text  : - Jeśli auto nadal będzie tam stało , potraktujemy to jako wykroczenie ciągłe ,  a  więc surowiej .
Tokens: 1 2____ 3___ 4____ 5_____ 6__ 7____ 8 9___________ 10 11__ 12_________ 13____ 14 15 16__ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #9615 from articles/00107797 from sent15

Text  : Właścicielka smarta otrzymała wezwanie do straży miejskiej .
Tokens: 1___________ 2_____ 3________ 4_______ 5_ 6_____ 7________ 8

Chunks:
  FalseNegative nam [2,2] = smarta

(ChunkerEvaluator) Sentence #9616 from articles/00107797 from sent16

Text  : Wprawdzie przyznaje się do popełnienia wykroczenia , ale nie przyjmuje mandatu .
Tokens: 1________ 2________ 3__ 4_ 5__________ 6__________ 7 8__ 9__ 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #9617 from articles/00107797 from sent17

Text  : Wygląda na to , że sprawa będzie miała finał w  sądzie ,  który może w  takiej sytuacji nałożyć karę do 5  tys .  zł .
Tokens: 1______ 2_ 3_ 4 5_ 6_____ 7_____ 8____ 9____ 10 11____ 12 13___ 14__ 15 16____ 17______ 18_____ 19__ 20 21 22_ 23 24 25

Chunks:
  TruePositive nam [24,24] = zł

(ChunkerEvaluator) Sentence #9618 from articles/00107797 from sent18

Text  : To , że ktoś zna się na prawie , nie oznacza ,  że będzie bezkarny -  kwituje komendant Wiaterek .
Tokens: 1_ 2 3_ 4___ 5__ 6__ 7_ 8_____ 9 10_ 11_____ 12 13 14____ 15______ 16 17_____ 18_______ 19______ 20

Chunks:
  TruePositive nam [19,19] = Wiaterek

(ChunkerEvaluator) Sentence #9619 from articles/00107797 from sent19

Text  : Tymczasem nasi czytelnicy prześcigają się na forum „ Gazety ”  w  pomysłach na usunięcie smarta .
Tokens: 1________ 2___ 3_________ 4__________ 5__ 6_ 7____ 8 9_____ 10 11 12_______ 13 14_______ 15____ 16

Chunks:
  TruePositive nam [9,9] = Gazety
  FalseNegative nam [15,15] = smarta

(ChunkerEvaluator) Sentence #9620 from articles/00107797 from sent20

Text  : „ Wystarczy ustawić znak mówiący , że w następnym dniu od godziny x  do y  obowiązuje zakaz parkowania pojazdów ,  a  wszystkie pozostawione pojazdy zostaną wywiezione na koszt właściciela .
Tokens: 1 2________ 3______ 4___ 5______ 6 7_ 8 9________ 10__ 11 12_____ 13 14 15 16________ 17___ 18________ 19______ 20 21 22_______ 23__________ 24_____ 25_____ 26________ 27 28___ 29_________ 30

Chunks:

(ChunkerEvaluator) Sentence #9621 from articles/00107797 from sent21

Text  : Tym sposobem można rozwiązać problem większości złomu stojącego w Krakowie ”  -  proponuje Piotrek .
Tokens: 1__ 2_______ 3____ 4________ 5______ 6_________ 7____ 8________ 9 10______ 11 12 13_______ 14_____ 15

Chunks:
  TruePositive nam [10,10] = Krakowie
  TruePositive nam [14,14] = Piotrek

(ChunkerEvaluator) Sentence #9622 from articles/00107797 from sent22

Text  : Inne podpowiedzi są bardziej karkołomne : „ Są takie naklejki z  napisem '  karny kutas '  ,  wątpię ,  czy samochód oklejony nimi był by fajną reklamą ”  .
Tokens: 1___ 2__________ 3_ 4_______ 5_________ 6 7 8_ 9____ 10______ 11 12_____ 13 14___ 15___ 16 17 18____ 19 20_ 21______ 22______ 23__ 24_ 25 26___ 27_____ 28 29

Chunks:

(ChunkerEvaluator) Sentence #9623 from articles/00107797 from sent23

Text  : Kolejnych użytkowników forum fantazja ponosi jeszcze dalej : „ A  wystarczyło na dach smarta wysypać karmę dla gołębi ”  .
Tokens: 1________ 2___________ 3____ 4_______ 5_____ 6______ 7____ 8 9 10 11_________ 12 13__ 14____ 15_____ 16___ 17_ 18____ 19 20

Chunks:
  FalseNegative nam [14,14] = smarta

(ChunkerEvaluator) Sentence #9624 from articles/00107797 from sent24

Text  : Zagrożenie terrorystyczne
Tokens: 1_________ 2_____________

Chunks:

(ChunkerEvaluator) Sentence #9625 from articles/00107797 from sent25

Text  : Jestem daleki od namawiania kogokolwiek do niszczenia cudzej własności ,  ale nielegalnie zaparkowany smart przypomina mi problem ,  jaki sześć lat temu straż miejska i  policja miały ze starym fordem sierrą na brytyjskich numerach rejestracyjnych ,  szpecącym przez dłuższy czas ul .  Grodzką .
Tokens: 1_____ 2_____ 3_ 4_________ 5__________ 6_ 7_________ 8_____ 9________ 10 11_ 12_________ 13_________ 14___ 15________ 16 17_____ 18 19__ 20___ 21_ 22__ 23___ 24_____ 25 26_____ 27___ 28 29____ 30____ 31____ 32 33_________ 34______ 35_____________ 36 37_______ 38___ 39_____ 40__ 41 42 43_____ 44

Chunks:
  TruePositive nam [43,43] = Grodzką
  FalseNegative nam [30,30] = fordem
  FalseNegative nam [31,31] = sierrą

(ChunkerEvaluator) Sentence #9626 from articles/00107797 from sent26

Text  : Tak jak smart ford był zaparkowany w nieprawidłowym miejscu .
Tokens: 1__ 2__ 3____ 4___ 5__ 6__________ 7 8_____________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #9627 from articles/00107797 from sent27

Text  : I tak jak smart zgodnie z przepisami nie kwalifikował się do odholowania .
Tokens: 1 2__ 3__ 4____ 5______ 6 7_________ 8__ 9___________ 10_ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #9628 from articles/00107797 from sent28

Text  : Po pewnym czasie policjanci uznali jednak , że gruchot z  ul .  Grodzkiej może stanowić zagrożenie terrorystyczne .
Tokens: 1_ 2_____ 3_____ 4_________ 5_____ 6_____ 7 8_ 9______ 10 11 12 13_______ 14__ 15______ 16________ 17____________ 18

Chunks:
  TruePositive nam [13,13] = Grodzkiej

(ChunkerEvaluator) Sentence #9629 from articles/00107797 from sent29

Text  : Jak twierdzili , na tylnym siedzeniu zauważyli sklejone taśmą puszki i  zaczęli podejrzewać ,  że może to być bomba .
Tokens: 1__ 2_________ 3 4_ 5_____ 6________ 7________ 8_______ 9____ 10____ 11 12_____ 13_________ 14 15 16__ 17 18_ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #9630 from articles/00107797 from sent30

Text  : Wieczorem na miejscu pojawili się antyterroryści , którzy zamontowali na drzwiach auta niewielkie ładunki wybuchowe ,  by dostać się do środka .
Tokens: 1________ 2_ 3______ 4_______ 5__ 6_____________ 7 8_____ 9__________ 10 11______ 12__ 13________ 14_____ 15_______ 16 17 18____ 19_ 20 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #9631 from articles/00107797 from sent31

Text  : Szczęśliwie , okazało się , że w środku bomby jednak nie było .
Tokens: 1__________ 2 3______ 4__ 5 6_ 7 8_____ 9____ 10____ 11_ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #9632 from articles/00107797 from sent32

Text  : Nie było już także drzwi auta , a to dało podstawy do odholowania samochodu .
Tokens: 1__ 2___ 3__ 4____ 5____ 6___ 7 8 9_ 10__ 11______ 12 13_________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #9633 from articles/00107797 from sent33

Text  : Nie było by tamtej sytuacji ani dyskusji toczącej się na naszym forum ,  gdyby przepisy dotyczące parkowania były szczelne .
Tokens: 1__ 2___ 3_ 4_____ 5_______ 6__ 7_______ 8_______ 9__ 10 11____ 12___ 13 14___ 15______ 16_______ 17________ 18__ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #9634 from articles/00107797 from sent34

Text  : Nie są , a w takiej sytuacji zawsze znajdzie się chętny do wykorzystania luk w  prawie .
Tokens: 1__ 2_ 3 4 5 6_____ 7_______ 8_____ 9_______ 10_ 11____ 12 13___________ 14_ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #9635 from articles/00107797 from sent35

Text  : Pomysłowość w jego obchodzeniu nie świadczy jednak , że przepisy są złe .
Tokens: 1__________ 2 3___ 4__________ 5__ 6_______ 7_____ 8 9_ 10______ 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #9636 from articles/00107797 from sent36

Text  : Dowodzi raczej stosunku głównego zainteresowanego do tych norm , które niekoniecznie muszą być spisane .
Tokens: 1______ 2_____ 3_______ 4_______ 5_______________ 6_ 7___ 8___ 9 10___ 11___________ 12___ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #9637 from articles/00107797 from sent37

Text  : A w tym przypadku chodzi już nie tylko o samo parkowanie ,  ale o  dbałość o  krajobraz najbardziej turystycznej części Krakowa .
Tokens: 1 2 3__ 4________ 5_____ 6__ 7__ 8____ 9 10__ 11________ 12 13_ 14 15_____ 16 17_______ 18_________ 19__________ 20____ 21_____ 22

Chunks:
  TruePositive nam [21,21] = Krakowa

2016-10-27 15:00:00,709 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 424 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107798.xml
(ChunkerEvaluator) Sentence #9638 from articles/00107798 from sent1

Text  : Cichocki , Widejko i Kopczyński z Młodej Legii pojadą na zgrupowanie pierwszego zespołu
Tokens: 1_______ 2 3______ 4 5_________ 6 7_____ 8____ 9_____ 10 11_________ 12________ 13_____

Chunks:
  TruePositive nam [1,1] = Cichocki
  TruePositive nam [3,3] = Widejko
  TruePositive nam [5,5] = Kopczyński
  TruePositive nam [7,8] = Młodej Legii

(ChunkerEvaluator) Sentence #9639 from articles/00107798 from sent2

Text  : Po wygranej w mazowieckim Pucharze Polski , młodzi legioniści odbyli indywidualne rozmowy z  trenerami ,  w  czasie których zapadły decyzje względem ich przyszłości .
Tokens: 1_ 2_______ 3 4__________ 5_______ 6_____ 7 8_____ 9_________ 10____ 11__________ 12_____ 13 14_______ 15 16 17____ 18_____ 19_____ 20_____ 21______ 22_ 23_________ 24

Chunks:
  TruePositive nam [5,6] = Pucharze Polski

(ChunkerEvaluator) Sentence #9640 from articles/00107798 from sent3

Text  : Jak zdradził serwisowi Legia .
Tokens: 1__ 2_______ 3________ 4____ 5

Chunks:
  TruePositive nam [4,4] = Legia

(ChunkerEvaluator) Sentence #9641 from articles/00107798 from sent4

Text  : Net Dariusz Banasik - trener Młodej Legii , w ostatnich dniach długo rozmawiał z  Janem Urbanem na tematy związane z  najlepszymi zdobywcami podwójnej korony .
Tokens: 1__ 2______ 3______ 4 5_____ 6_____ 7____ 8 9 10_______ 11____ 12___ 13_______ 14 15___ 16_____ 17 18____ 19______ 20 21_________ 22________ 23_______ 24____ 25

Chunks:
  TruePositive nam [2,3] = Dariusz Banasik
  TruePositive nam [6,7] = Młodej Legii
  TruePositive nam [15,16] = Janem Urbanem
  FalsePositive nam [24,24] = korony

(ChunkerEvaluator) Sentence #9642 from articles/00107798 from sent5

Text  : Trzech graczy Młodej Legii dołączy do pierwszego zespołu i pojedzie na zgrupowanie do Austrii .
Tokens: 1_____ 2_____ 3_____ 4____ 5______ 6_ 7_________ 8______ 9 10______ 11 12_________ 13 14_____ 15

Chunks:
  TruePositive nam [3,4] = Młodej Legii
  TruePositive nam [14,14] = Austrii

(ChunkerEvaluator) Sentence #9643 from articles/00107798 from sent6

Text  : Będą to : środkowy obrońca Mateusz Cichocki , lewy defensor Bartosz Widejko oraz środkowy pomocnik Michał Kopczyński .
Tokens: 1___ 2_ 3 4_______ 5______ 6______ 7_______ 8 9___ 10______ 11_____ 12_____ 13__ 14______ 15______ 16____ 17________ 18

Chunks:
  TruePositive nam [6,7] = Mateusz Cichocki
  TruePositive nam [11,12] = Bartosz Widejko
  TruePositive nam [16,17] = Michał Kopczyński

(ChunkerEvaluator) Sentence #9644 from articles/00107798 from sent7

Text  : Widejko przeszedł do Legii w 2008 roku .
Tokens: 1______ 2________ 3_ 4____ 5 6___ 7___ 8

Chunks:
  TruePositive nam [4,4] = Legii
  FalseNegative nam [1,1] = Widejko

(ChunkerEvaluator) Sentence #9645 from articles/00107798 from sent8

Text  : Z napastnika stał się lewym obrońcą .
Tokens: 1 2_________ 3___ 4__ 5____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #9646 from articles/00107798 from sent9

Text  : Zaliczył świetną wiosnę , należał do najlepszych w zespole .
Tokens: 1_______ 2______ 3_____ 4 5______ 6_ 7__________ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #9647 from articles/00107798 from sent10

Text  : Wcześniej nie był sprawdzany w pierwszej drużynie .
Tokens: 1________ 2__ 3__ 4_________ 5 6________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #9648 from articles/00107798 from sent11

Text  : Kopczyński , jako 8 - latek , pojawił się w  2000 roku na jednym z  naborów do Akademii .
Tokens: 1_________ 2 3___ 4 5 6____ 7 8______ 9__ 10 11__ 12__ 13 14____ 15 16_____ 17 18______ 19

Chunks:
  TruePositive nam [1,1] = Kopczyński
  TruePositive nam [18,18] = Akademii

(ChunkerEvaluator) Sentence #9649 from articles/00107798 from sent12

Text  : Został przyjęty i od tamtej pory szlifował swoje umiejętności trenując w  roczniku 1992 .
Tokens: 1_____ 2_______ 3 4_ 5_____ 6___ 7________ 8____ 9___________ 10______ 11 12______ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #9650 from articles/00107798 from sent13

Text  : Zimą 2010 został przeniesiony do Młodej Legii , ale już wcześniej ,  jeszcze za poprzedniej kadencji Urbana ,  był sprawdzany w  pierwszym zespole Legii .
Tokens: 1___ 2___ 3_____ 4___________ 5_ 6_____ 7____ 8 9__ 10_ 11_______ 12 13_____ 14 15_________ 16______ 17____ 18 19_ 20________ 21 22_______ 23_____ 24___ 25

Chunks:
  TruePositive nam [6,7] = Młodej Legii
  TruePositive nam [17,17] = Urbana
  TruePositive nam [24,24] = Legii

(ChunkerEvaluator) Sentence #9651 from articles/00107798 from sent14

Text  : Wystąpił wtedy nawet w sparingach z Olimpią Elbląg i Górnikiem Łęczna .
Tokens: 1_______ 2____ 3____ 4 5_________ 6 7______ 8_____ 9 10_______ 11____ 12

Chunks:
  TruePositive nam [7,8] = Olimpią Elbląg
  TruePositive nam [10,11] = Górnikiem Łęczna

2016-10-27 15:00:00,874 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 425 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107799.xml
(ChunkerEvaluator) Sentence #9652 from articles/00107799 from sent1

Text  : Co robią szkolne samorządy
Tokens: 1_ 2____ 3______ 4________

Chunks:

(ChunkerEvaluator) Sentence #9653 from articles/00107799 from sent2

Text  : Szkolny samorząd ma sporo uprawnień .
Tokens: 1______ 2_______ 3_ 4____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #9654 from articles/00107799 from sent3

Text  : Osoby aktywne mają szansę realizować dzięki niemu własne pomysły ,  jeśli nie kolidują one ze statutem szkoły .
Tokens: 1____ 2______ 3___ 4_____ 5_________ 6_____ 7____ 8_____ 9______ 10 11___ 12_ 13______ 14_ 15 16______ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #9655 from articles/00107799 from sent4

Text  : Ale nie zawsze młodzież ma ochotę poświęcać swój czas na działanie społeczne .
Tokens: 1__ 2__ 3_____ 4_______ 5_ 6_____ 7________ 8___ 9___ 10 11_______ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #9656 from articles/00107799 from sent5

Text  : Jednak w Gimnazjum nr 5 z Zespołu Szkół nr 9  przy ul .  Pawłowa wybory do samorządu zaangażowała się cała szkoła .
Tokens: 1_____ 2 3________ 4_ 5 6 7______ 8____ 9_ 10 11__ 12 13 14_____ 15____ 16 17_______ 18__________ 19_ 20__ 21____ 22

Chunks:
  FalsePositive nam [3,3] = Gimnazjum
  FalsePositive nam [7,8] = Zespołu Szkół
  FalseNegative nam [3,5] = Gimnazjum nr 5
  FalseNegative nam [7,10] = Zespołu Szkół nr 9
  FalseNegative nam [14,14] = Pawłowa

(ChunkerEvaluator) Sentence #9657 from articles/00107799 from sent6

Text  : Kampania wyborcza była zabawna .
Tokens: 1_______ 2_______ 3___ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #9658 from articles/00107799 from sent7

Text  : Nad zdjęciem Janka Figla , kandydata klasy Ib , widniało pytanie :  "  Czy te oczy mogą kłamać ?  "  .
Tokens: 1__ 2_______ 3____ 4____ 5 6________ 7____ 8_ 9 10______ 11_____ 12 13 14_ 15 16__ 17__ 18____ 19 20 21

Chunks:
  TruePositive nam [3,4] = Janka Figla

(ChunkerEvaluator) Sentence #9659 from articles/00107799 from sent8

Text  : Janek podkreślał też , że jest " mądry , inteligentny i  potrafi walczyć o  swoje "  .
Tokens: 1____ 2_________ 3__ 4 5_ 6___ 7 8____ 9 10__________ 11 12_____ 13_____ 14 15___ 16 17

Chunks:
  TruePositive nam [1,1] = Janek

(ChunkerEvaluator) Sentence #9660 from articles/00107799 from sent9

Text  : Monika Kubeczka z IIIa zapowiedziała , że będzie starać się o  otwarcie wszystkich toalet ,  gdyż "  wiele osób w  szkole ma chory pęcherz "  .
Tokens: 1_____ 2_______ 3 4___ 5____________ 6 7_ 8_____ 9_____ 10_ 11 12______ 13________ 14____ 15 16__ 17 18___ 19__ 20 21____ 22 23___ 24_____ 25 26

Chunks:
  TruePositive nam [1,2] = Monika Kubeczka

(ChunkerEvaluator) Sentence #9661 from articles/00107799 from sent10

Text  : Część szkolnych ubikacji jest zamknięta , gdyż niszczyli je sami uczniowie .
Tokens: 1____ 2________ 3_______ 4___ 5________ 6 7___ 8________ 9_ 10__ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #9662 from articles/00107799 from sent11

Text  : Większość klas wystawiła swojego kandydata , z niektórych było nawet kilku .
Tokens: 1________ 2___ 3________ 4______ 5________ 6 7 8_________ 9___ 10___ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #9663 from articles/00107799 from sent12

Text  : Prawie każdy obiecywał większą liczbę dyskotek .
Tokens: 1_____ 2____ 3________ 4______ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #9664 from articles/00107799 from sent13

Text  : Kandydaci mówili też np . , że zapewnią automat do coca -  coli czy lepszy sprzęt komputerowy .
Tokens: 1________ 2_____ 3__ 4_ 5 6 7_ 8_______ 9______ 10 11__ 12 13__ 14_ 15____ 16____ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #9665 from articles/00107799 from sent14

Text  : - Chcę , aby regularnie zaczęła wychodzić szkolna gazetka -  powiedział nam Maciek Donajski z  IId .
Tokens: 1 2___ 3 4__ 5_________ 6______ 7________ 8______ 9______ 10 11________ 12_ 13____ 14______ 15 16_ 17

Chunks:
  TruePositive nam [13,14] = Maciek Donajski

(ChunkerEvaluator) Sentence #9666 from articles/00107799 from sent15

Text  : - Założę szkolny radiowęzeł - zapowiadała z kolei Agnieszka Anklewicz z  IIIb .
Tokens: 1 2_____ 3______ 4_________ 5 6__________ 7 8____ 9________ 10_______ 11 12__ 13

Chunks:
  TruePositive nam [9,10] = Agnieszka Anklewicz

(ChunkerEvaluator) Sentence #9667 from articles/00107799 from sent16

Text  : Szkoła mieści się na razie w dwóch budynkach .
Tokens: 1_____ 2_____ 3__ 4_ 5____ 6 7____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #9668 from articles/00107799 from sent17

Text  : Klasy II i III gimnazjum do września uczą się jeszcze przy Podwalu ,  klasy I  -  już przy Pawłowa .
Tokens: 1____ 2_ 3 4__ 5________ 6_ 7_______ 8___ 9__ 10_____ 11__ 12_____ 13 14___ 15 16 17_ 18__ 19_____ 20

Chunks:
  TruePositive nam [12,12] = Podwalu
  TruePositive nam [19,19] = Pawłowa

(ChunkerEvaluator) Sentence #9669 from articles/00107799 from sent18

Text  : Kandydaci twierdzili , że będą się starać o zbliżenie uczniów dwóch budynków -  poprzez wycieczki ,  wspólne zawody sportowe itp .
Tokens: 1________ 2_________ 3 4_ 5___ 6__ 7_____ 8 9________ 10_____ 11___ 12______ 13 14_____ 15_______ 16 17_____ 18____ 19______ 20_ 21

Chunks:

(ChunkerEvaluator) Sentence #9670 from articles/00107799 from sent19

Text  : Andrzej Słoka , dyrektor zespołu , podkreślał , że hasła nie są wydumane .
Tokens: 1______ 2____ 3 4_______ 5______ 6 7_________ 8 9_ 10___ 11_ 12 13______ 14

Chunks:
  TruePositive nam [1,2] = Andrzej Słoka

(ChunkerEvaluator) Sentence #9671 from articles/00107799 from sent20

Text  : - Może być więcej dyskotek , jeśli samorząd znajdzie opiekunów na czas ich trwania .
Tokens: 1 2___ 3__ 4_____ 5_______ 6 7____ 8_______ 9_______ 10_______ 11 12__ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #9672 from articles/00107799 from sent21

Text  : Oczywiście można otworzyć toalety , jeśli uczniowie sami będą pilnować ,  aby nie były niszczone -  zapewnia dyrektor .
Tokens: 1_________ 2____ 3_______ 4______ 5 6____ 7________ 8___ 9___ 10______ 11 12_ 13_ 14__ 15_______ 16 17______ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #9673 from articles/00107799 from sent22

Text  : Samorząd szkolny może wydawać gazetkę szkolną , prowadzić radiowęzeł ,  a  także uczestniczyć w  spotkaniach Rady Pedagogicznej -  bez prawa głosu i  nie w  obradach dotyczących klasyfikacji .
Tokens: 1_______ 2______ 3___ 4______ 5______ 6______ 7 8________ 9_________ 10 11 12___ 13__________ 14 15_________ 16__ 17___________ 18 19_ 20___ 21___ 22 23_ 24 25______ 26_________ 27__________ 28

Chunks:
  TruePositive nam [16,17] = Rady Pedagogicznej

(ChunkerEvaluator) Sentence #9674 from articles/00107799 from sent23

Text  : Z 18 kandydatów wyłoniono sześcioosobowy samorząd .
Tokens: 1 2_ 3_________ 4________ 5_____________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #9675 from articles/00107799 from sent24

Text  : - Na pewno spełnię przedwyborcze obietnice ! - zarzekała się Agnieszka Anklewicz .
Tokens: 1 2_ 3____ 4______ 5____________ 6________ 7 8 9________ 10_ 11_______ 12_______ 13

Chunks:
  TruePositive nam [11,12] = Agnieszka Anklewicz

(ChunkerEvaluator) Sentence #9676 from articles/00107799 from sent25

Text  : Do wyborców ze swoim programem trafił też m . in .  Janek Figiel .
Tokens: 1_ 2_______ 3_ 4____ 5________ 6_____ 7__ 8 9 10 11 12___ 13____ 14

Chunks:
  TruePositive nam [12,13] = Janek Figiel

(ChunkerEvaluator) Sentence #9677 from articles/00107799 from sent26

Text  : Za to w Gimnazjum nr 14 przy ul . Kołłątaja nie wiadomo jeszcze ,  czy wybory w  ogóle się odbędą .
Tokens: 1_ 2_ 3 4________ 5_ 6_ 7___ 8_ 9 10_______ 11_ 12_____ 13_____ 14 15_ 16____ 17 18___ 19_ 20____ 21

Chunks:
  TruePositive nam [10,10] = Kołłątaja
  FalsePositive nam [4,4] = Gimnazjum
  FalseNegative nam [4,6] = Gimnazjum nr 14

(ChunkerEvaluator) Sentence #9678 from articles/00107799 from sent27

Text  : - Może zostanie samorząd z zeszłego roku ? - dywaguje Beata Sienkiewicz ,  wicedyrektorka szkoły .
Tokens: 1 2___ 3_______ 4_______ 5 6_______ 7___ 8 9 10______ 11___ 12_________ 13 14____________ 15____ 16

Chunks:
  TruePositive nam [11,12] = Beata Sienkiewicz

(ChunkerEvaluator) Sentence #9679 from articles/00107799 from sent28

Text  : - Młodzież twierdzi , że nie ma czasu w pełni angażować się w  działania społeczne .
Tokens: 1 2_______ 3_______ 4 5_ 6__ 7_ 8____ 9 10___ 11_______ 12_ 13 14_______ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #9680 from articles/00107799 from sent29

Text  : Nie chcą przychodzić na zebrania .
Tokens: 1__ 2___ 3__________ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #9681 from articles/00107799 from sent30

Text  : Mówią , że mają tyle nauki !
Tokens: 1____ 2 3_ 4___ 5___ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #9682 from articles/00107799 from sent31

Text  : W gimnazjum jest tradycja , że każda klasa przejmuje na jakiś czas władzę nad szkołą -  I  klasy na tydzień ,  starsze -  na dwa tygodnie .
Tokens: 1 2________ 3___ 4_______ 5 6_ 7____ 8____ 9________ 10 11___ 12__ 13____ 14_ 15____ 16 17 18___ 19 20_____ 21 22_____ 23 24 25_ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #9683 from articles/00107799 from sent32

Text  : Przystrajają szkołę , organizują różne konkursy i zabawy .
Tokens: 1___________ 2_____ 3 4_________ 5____ 6_______ 7 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #9684 from articles/00107799 from sent33

Text  : - Przy tej tradycji na pewno zostaniemy - mówi wicedyrektorka .
Tokens: 1 2___ 3__ 4_______ 5_ 6____ 7_________ 8 9___ 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #9685 from articles/00107799 from sent34

Text  : O co walczy samorząd ?
Tokens: 1 2_ 3_____ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #9686 from articles/00107799 from sent35

Text  : W szkole dziewczyny nie mogą nosić butów na szpilkach czy malować się .
Tokens: 1 2_____ 3_________ 4__ 5___ 6____ 7____ 8_ 9________ 10_ 11_____ 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #9687 from articles/00107799 from sent36

Text  : Samorząd wielokrotnie próbował zmienić ten przepis .
Tokens: 1_______ 2___________ 3_______ 4______ 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #9688 from articles/00107799 from sent37

Text  : - Zawsze udaje nam się ich przekonać , że mamy rację -  z  uśmiechem wyjaśnia Beata Sienkiewicz .
Tokens: 1 2_____ 3____ 4__ 5__ 6__ 7________ 8 9_ 10__ 11___ 12 13 14_______ 15______ 16___ 17_________ 18

Chunks:
  TruePositive nam [16,17] = Beata Sienkiewicz

(ChunkerEvaluator) Sentence #9689 from articles/00107799 from sent38

Text  : - Potem absolwenci nam mówią , że tak powinno być -  uczeń musi wyglądać schludnie i  skromnie .
Tokens: 1 2____ 3_________ 4__ 5____ 6 7_ 8__ 9______ 10_ 11 12___ 13__ 14______ 15_______ 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #9690 from articles/00107799 from sent39

Text  : Olga Białobrzeska z IIId działa w samorządzie .
Tokens: 1___ 2___________ 3 4___ 5_____ 6 7__________ 8

Chunks:
  TruePositive nam [1,2] = Olga Białobrzeska

(ChunkerEvaluator) Sentence #9691 from articles/00107799 from sent40

Text  : - Lubię to - przyznaje .
Tokens: 1 2____ 3_ 4 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #9692 from articles/00107799 from sent41

Text  : - Sama kandydowała m i sama się zgłosiła m .
Tokens: 1 2___ 3__________ 4 5 6___ 7__ 8_______ 9 10

Chunks:

(ChunkerEvaluator) Sentence #9693 from articles/00107799 from sent42

Text  : I wybrali mnie !
Tokens: 1 2______ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #9694 from articles/00107799 from sent43

Text  : Organizujemy Dzień Wiosny , apele , konkursy , reprezentujemy szkołę na zewnątrz .
Tokens: 1___________ 2____ 3_____ 4 5____ 6 7_______ 8 9_____________ 10____ 11 12______ 13

Chunks:
  TruePositive nam [2,3] = Dzień Wiosny

(ChunkerEvaluator) Sentence #9695 from articles/00107799 from sent44

Text  : Pilnuję też akcji charytatywnych , np . Góra Grosza .
Tokens: 1______ 2__ 3____ 4_____________ 5 6_ 7 8___ 9_____ 10

Chunks:
  TruePositive nam [8,9] = Góra Grosza

(ChunkerEvaluator) Sentence #9696 from articles/00107799 from sent45

Text  : Kolega Olgi z młodszej klasy - Marek Gulanowski - już w  podstawówce działał w  samorządzie .
Tokens: 1_____ 2___ 3 4_______ 5____ 6 7____ 8_________ 9 10_ 11 12_________ 13_____ 14 15_________ 16

Chunks:
  TruePositive nam [7,8] = Marek Gulanowski
  FalsePositive nam [1,2] = Kolega Olgi

(ChunkerEvaluator) Sentence #9697 from articles/00107799 from sent46

Text  : - Teraz jestem przewodniczącym komisji wyborczej w naszym gimnazjum -  mówi .
Tokens: 1 2____ 3_____ 4______________ 5______ 6________ 7 8_____ 9________ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #9698 from articles/00107799 from sent47

Text  : - Najważniejsza rzecz w szkole to usprawnienie szatni - uważa .
Tokens: 1 2____________ 3____ 4 5_____ 6_ 7___________ 8_____ 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #9699 from articles/00107799 from sent48

Text  : - Są kolejki po numerek , tłok .
Tokens: 1 2_ 3______ 4_ 5______ 6 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #9700 from articles/00107799 from sent49

Text  : Marek chce się też zająć szkolnym radiowęzłem .
Tokens: 1____ 2___ 3__ 4__ 5____ 6_______ 7__________ 8

Chunks:
  TruePositive nam [1,1] = Marek

(ChunkerEvaluator) Sentence #9701 from articles/00107799 from sent50

Text  : - Żeby głośniki były we wszystkich klasach , nie tylko na korytarzu -  dodaje .
Tokens: 1 2___ 3_______ 4___ 5_ 6_________ 7______ 8 9__ 10___ 11 12_______ 13 14____ 15

Chunks:

2016-10-27 15:00:01,071 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 426 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107800.xml
(ChunkerEvaluator) Sentence #9702 from articles/00107800 from sent1

Text  : Kolejne potrącenie rowerzysty .
Tokens: 1______ 2_________ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #9703 from articles/00107800 from sent2

Text  : Tym razem na Wronieckiej
Tokens: 1__ 2____ 3_ 4__________

Chunks:
  FalseNegative nam [4,4] = Wronieckiej

(ChunkerEvaluator) Sentence #9704 from articles/00107800 from sent3

Text  : Przed godz . 9 . na ul . Wronieckiej toyota corolla potrąciła rowerzystę .
Tokens: 1____ 2___ 3 4 5 6_ 7_ 8 9__________ 10____ 11_____ 12_______ 13________ 14

Chunks:
  FalseNegative nam [9,9] = Wronieckiej
  FalseNegative nam [10,10] = toyota
  FalseNegative nam [11,11] = corolla

(ChunkerEvaluator) Sentence #9705 from articles/00107800 from sent4

Text  : Mężczyzna trafił do szpitala
Tokens: 1________ 2_____ 3_ 4_______

Chunks:

(ChunkerEvaluator) Sentence #9706 from articles/00107800 from sent5

Text  : Do wypadku doszło na wysokości numeru 10 .
Tokens: 1_ 2______ 3_____ 4_ 5________ 6_____ 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #9707 from articles/00107800 from sent6

Text  : - Rowerzysta jechał prawidłowo po ścieżce rowerowej .
Tokens: 1 2_________ 3_____ 4_________ 5_ 6______ 7________ 8

Chunks:
  FalsePositive nam [2,2] = Rowerzysta

(ChunkerEvaluator) Sentence #9708 from articles/00107800 from sent7

Text  : Potrącił go 40 - letni kierowca toyoty .
Tokens: 1_______ 2_ 3_ 4 5____ 6_______ 7_____ 8

Chunks:
  FalseNegative nam [7,7] = toyoty

(ChunkerEvaluator) Sentence #9709 from articles/00107800 from sent8

Text  : Rowerzystę przewieziono do szpitala .
Tokens: 1_________ 2___________ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #9710 from articles/00107800 from sent9

Text  : Prawdopodobnie nie odniósł ciężkich obrażeń - mówi Józef Klimczewski ,  naczelnik poznańskiej drogówki .
Tokens: 1_____________ 2__ 3______ 4_______ 5______ 6 7___ 8____ 9__________ 10 11_______ 12_________ 13______ 14

Chunks:
  TruePositive nam [8,9] = Józef Klimczewski

(ChunkerEvaluator) Sentence #9711 from articles/00107800 from sent10

Text  : To kolejne potrącenie w ciągu kilkunastu godzin .
Tokens: 1_ 2______ 3_________ 4 5____ 6_________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #9712 from articles/00107800 from sent11

Text  : W poniedziałek wieczorem kierowca potrącił rowerzystkę na ul . Hlonda .
Tokens: 1 2___________ 3________ 4_______ 5_______ 6__________ 7_ 8_ 9 10____ 11

Chunks:
  TruePositive nam [10,10] = Hlonda

(ChunkerEvaluator) Sentence #9713 from articles/00107800 from sent12

Text  : Rowerzystka jechała ścieżką rowerową .
Tokens: 1__________ 2______ 3______ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #9714 from articles/00107800 from sent13

Text  : Potrącił ją młody kierowca fordzie fiesty .
Tokens: 1_______ 2_ 3____ 4_______ 5______ 6_____ 7

Chunks:
  FalseNegative nam [5,5] = fordzie
  FalseNegative nam [6,6] = fiesty

2016-10-27 15:00:01,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 427 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107801.xml
(ChunkerEvaluator) Sentence #9715 from articles/00107801 from sent1

Text  : Fundusze inwestycyjne - wartość jednostek uczestnictwa
Tokens: 1_______ 2___________ 3 4______ 5________ 6___________

Chunks:

(ChunkerEvaluator) Sentence #9716 from articles/00107801 from sent2

Text  : FUNDUSZE - ZESTAWIENIE - TABELA
Tokens: 1_______ 2 3__________ 4 5_____

Chunks:
  FalsePositive nam [1,5] = FUNDUSZE - ZESTAWIENIE - TABELA

(ChunkerEvaluator) Sentence #9717 from articles/00107801 from sent3

Text  : Brak : ING i PKO FUNDUSZ 02 - 12 29 -  11 Zmiana 3  )  dzienna %
Tokens: 1___ 2 3__ 4 5__ 6______ 7_ 8 9_ 10 11 12 13____ 14 15 16_____ 17

Chunks:
  TruePositive nam [3,3] = ING
  FalsePositive nam [1,1] = Brak
  FalsePositive nam [5,6] = PKO FUNDUSZ
  FalseNegative nam [5,5] = PKO

(ChunkerEvaluator) Sentence #9718 from articles/00107801 from sent4

Text  : ARKA 3 Zrównoważony FIO 1 ) 11 , 33 11 ,  36 -  0  ,  26 2  )  11 ,  80 11 ,  83 ARKA 1  Akcji FIO 1  )  10 ,  57 10 ,  61 -  0  ,  38 2  )  11 ,  01 11 ,  05 ARKA 2  OK FIO 1  )  17 ,  66 17 ,  66 0  ,  00 2  )  17 ,  93 17 ,  93 ARKA Obligacji FIO 1  )  10 ,  49 10 ,  48 0  ,  10 2  )  10 ,  49 10 ,  48 CA -  IB SFIO (  pieniężny )   1   )   1649 ,   53  1648 ,   66  0   ,   05  2   )   1649 ,   53  1648 ,   66  CA  -   IB  FIO (   akcji )   1   )   126 ,   17  126 ,   33  -   0   ,   13  2   )   130 ,   07  130 ,   24  CA  -   IB  FIO (   obligacji )   1   )   149 ,   51  149 ,   48  0   ,   02  2   )   150 ,   26  150 ,   23  CA  -   IB  OFI TOP AMERYKA 1   )   60  ,   16  60  ,   06  0   ,   17  2   )   62  ,   67  62  ,   56  CA  -   IB  OFI TOP EUROPA 1   )   62  ,   52  62  ,   69  -   0   ,   27  2   )   65  ,   13  65  ,   30  CA  -   IB  SFIO Aktyw .
Tokens: 1___ 2 3___________ 4__ 5 6 7_ 8 9_ 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25__ 26 27___ 28_ 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49__ 50 51 52_ 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72__ 73_______ 74_ 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97__ 98 99_______ 100 101 102 103_ 104 105 106_ 107 108 109 110 111 112 113 114_ 115 116 117_ 118 119 120 121 122 123 124 125__ 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152______ 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178____ 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203___ 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227_ 228__ 229

Chunks:
  TruePositive nam [1,1] = ARKA
  TruePositive nam [25,25] = ARKA
  TruePositive nam [49,49] = ARKA
  TruePositive nam [72,72] = ARKA
  TruePositive nam [94,97] = CA - IB SFIO
  TruePositive nam [120,123] = CA - IB FIO
  TruePositive nam [147,150] = CA - IB FIO
  FalsePositive nam [173,177] = CA - IB OFI TOP
  FalsePositive nam [178,178] = AMERYKA
  FalsePositive nam [198,202] = CA - IB OFI TOP
  FalsePositive nam [203,203] = EUROPA
  FalsePositive nam [224,228] = CA - IB SFIO Aktyw
  FalseNegative nam [4,4] = FIO
  FalseNegative nam [28,28] = FIO
  FalseNegative nam [52,52] = FIO
  FalseNegative nam [74,74] = FIO
  FalseNegative nam [173,176] = CA - IB OFI
  FalseNegative nam [177,178] = TOP AMERYKA
  FalseNegative nam [202,203] = TOP EUROPA
  FalseNegative nam [224,227] = CA - IB SFIO

(ChunkerEvaluator) Sentence #9719 from articles/00107801 from sent5

Text  : Zarządz .
Tokens: 1______ 2

Chunks:

(ChunkerEvaluator) Sentence #9720 from articles/00107801 from sent6

Text  : 1 ) 1 , 0927 1 , 0901 0 ,  24 2  )  1  ,  1265 1  ,  0901 CU FIO Depozyt Plus 1  )  107 ,  19 107 ,  14 0  ,  05 2  )  108 ,  27 108 ,  22 CU FIO Obligacji 1  )  114 ,  00 113 ,  87 0  ,  11 2  )  116 ,  33 116 ,  19 CU FIO Polskich Akcji 1  )  111 ,  85 112 ,  44 -  0  ,  52 2  )  117 ,  12 117 ,  74 CU SFIO SI PPE 1  )  113 ,  29 113 ,  42  -   0   ,   11  2   )   115 ,   60  115 ,   73  SEB1 (   zrównoważony )   1   )   125 ,   30  125 ,   59  -   0   ,   23  2   )   130 ,   52  130 ,   82  SEB2 (   obligacji i   bonów )   1   )   178 ,   38  178 ,   12  0   ,   15  2   )   178 ,   38  178 ,   12  SEB3 (   akcji )   1   )   107 ,   87  108 ,   61  -   0   ,   68  2   )   112 ,   36  113 ,   14  SEB4 (   stabilnego wzrostu )   1   )   138 ,   52  138 ,   46  0   ,   04  2   )   138 ,   52  138 ,   46  SEB5 (   rynku pieniężnego )   1   )   124 ,   72  124 ,   66  0   ,   05  2   )   125 ,   35  125 ,   29  PBK ATUT 1   1   )   9   ,   05  9   ,   06  -   0   ,   11  PBK ATUT 2   1   )   21  ,   18  21  ,   16  0   ,   09  PBK ATUT 3   1   )   5   ,   11  5   ,   12  -   0   ,   20  PBK ATUT 4   1   )   5   ,   23  5   ,   25  -   0   ,   38  PBK 60  plus 1   )   11  ,   68  11  ,   68  0   ,   00  PBK ATUT 5   1   )   112 ,   33  112 ,   31  0   ,   02  2   )   112 ,   87  112 ,   87  DWS (   zrównoważony )   1   )   194 ,   49  194 ,   92  -   0   ,   22  2   )   202 ,   27  202 ,   72  DWS (   dpw )   1   )   189 ,   75  189 ,   70  0   ,   03  2   )   190 ,   70  190 ,   65  DWS (   akcji )   1   )   187 ,   92  188 ,   29  -   0   ,   20  2   )   197 ,   32  197 ,   70  DWS (   akcji plus )   1   )   85  ,   58  86  ,   00  -   0   ,   49  2   )   85  ,   58  86  ,   00  DWS (   pieniężny )   1   )   149 ,   99  149 ,   90  0   ,   06  2   )   149 ,   99  149 ,   90  DWS (   emerytalny )   1   )   13  ,   69  13  ,   71  -   0   ,   15  2   )   14  ,   03  14  ,   05  DWS SFIO (   euroobligacji )   1   )   1262 ,   57  1254 ,   88  0   ,   61  2   )   1262 ,   57  1254 ,   88  DWS (   pieniężny plus )   1   )   133 ,   88  133 ,   80  0   ,   06  2   )   133 ,   88  133 ,   80  DWS Top -   50Europa 1   )   69  ,   77  69  ,   45  0   ,   46  2   )   73  ,   26  72  ,   92  DWS Konwergencji 1   )   100 ,   36  100 ,   61  -   0   ,   25  2   )   100 ,   36  100 ,   61  DWS Top -   25  Małych Spółek 1   )   102 ,   20  100 ,   99  1   ,   20  2   )   107 ,   31  106 ,   04  INVESCO ZFIO 1   )   96  ,   63  97  ,   16  -   0   ,   55  2   )   100 ,   66  101 ,   21  INVESCO Akcji OFI 1   )   7   ,   19  7   ,   25  -   0   ,   83  2   )   7   ,   49  7   ,   55  INVESCO ZPD FIO 1   )   10  ,   49  10  ,   43  0   ,   58  2   )   10  ,   70  10  ,   64  INVESCO PD  OFI 1   )   17  ,   31  17  ,   32  -   0   ,   06  2   )   17  ,   40  17  ,   41  GTFI Skarbowy RP  1   )   132 ,   91  132 ,   84  0   ,   05  GTFI SFIO Premium PK  1   )   134 ,   42  134 ,   35  0   ,   05  GTFI FIO OS  1   )   147 ,   64  147 ,   41  0   ,   16  2   )   149 ,   13  148 ,   90  GTFI Salomon FIO AAA 1   )   99  ,   46  99  ,   47  -   0   ,   01  2   )   102 ,   01  102 ,   02  KB  Akcja FIO 1   )   108 ,   26  108 ,   67  -   0   ,   38  2   )   111 ,   51  111 ,   93  KB  Pieniądz FIO 1   )   103 ,   58  103 ,   62  -   0   ,   04  2   )   104 ,   41  104 ,   45  KB  Obligacja FIO 1   )   104 ,   76  104 ,   72  0   ,   04  2   )   106 ,   33  106 ,   29  UniKORONA (   zrównoważony )   1   )   121 ,   40  122 ,   11  -   0   ,   58  2   )   127 ,   79  128 ,   54  UniKORONA (   pieniężny )   1   )   108 ,   62  108 ,   55  0   ,   06  2   )   108 ,   62  108 ,   55  UniKORONA (   akcji )   1   )   59  ,   85  60  ,   16  -   0   ,   52  2   )   63  ,   00  63  ,   33  UniGLOBAL 1   )   19  ,   21  19  ,   12  0   ,   47  2   )   20  ,   22  20  ,   13  UniXXI Wiek 1   )   76  ,   83  76  ,   84  -   0   ,   01  2   )   80  ,   87  80  ,   88  UniKORONA (   obligacje )   1   )   162 ,   44  162 ,   43  0   ,   01  2   )   164 ,   08  164 ,   07  UniDynamic Europa 1   )   24  ,   30  24  ,   26  0   ,   16  2   )   25  ,   85  25  ,   54  PIONEER Zrównoważony 1   )   106 ,   00  106 ,   64  -   0   ,   60  2   )   110 ,   99  111 ,    66   PIONEER WPW  1    )    29   ,    82   29   ,    84   -    0    ,    07   2    )    30   ,    02   30   ,    04   PIONEER AI   1    )    18   ,    95   19   ,    13   -    0    ,    94   2    )    19   ,    84   20   ,    03   PIONEER SU   1    )    4    ,    16   4    ,    18   -    0    ,    48   2    )    4    ,    36   4    ,    38   PIONEER AA   1    )    64   ,    24   64   ,    16   0    ,    12   2    )    67   ,    27   67   ,    18   PIONEER P    1    )    113  ,    79   113  ,    73   0    ,    05   2    )    113  ,    79   113  ,    73   PIONEER Zrównoważony Plus 1    )    157  ,    22   158  ,    03   -    0    ,    51   2    )    164  ,    63   165  ,    48   PIONEER Akcji 1    )    87   ,    90   88   ,    77   -    0    ,    98   2    )    92   ,    04   92   ,    95   PIONEER Obligacji 1    )    214  ,    91   215  ,    11   -    0    ,    09   2    )    220  ,    42   220  ,    63   PIONEER Indeksowy 1    )    87   ,    69   88   ,    78   -    1    ,    23   2    )    91   ,    82   92   ,    96   PIONEER SFIO TP   1    )    11   ,    90   11   ,    94   -    0    ,    34   2    )    11   ,    90   11   ,    94   PIONEER Oblig .
Tokens: 1 2 3 4 5___ 6 7 8___ 9 10 11 12 13 14 15 16__ 17 18 19__ 20 21_ 22_____ 23__ 24 25 26_ 27 28 29_ 30 31 32 33 34 35 36 37_ 38 39 40_ 41 42 43 44_ 45_______ 46 47 48_ 49 50 51_ 52 53 54 55 56 57 58 59_ 60 61 62_ 63 64 65 66_ 67______ 68___ 69 70 71_ 72 73 74_ 75 76 77 78 79 80 81 82 83_ 84 85 86_ 87 88 89 90__ 91 92_ 93 94 95_ 96 97 98_ 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113_ 114 115_________ 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137_ 138 139______ 140 141__ 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162_ 163 164__ 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186_ 187 188_______ 189____ 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210_ 211 212__ 213________ 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235_ 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250_ 251 252 253 254 255 256 257 258 259 260 261 262 263 264_ 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279_ 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295_ 296 297 298 299 300 301 302 303 304 305 306 307 308_ 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331_________ 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378__ 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402__ 403_ 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427______ 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450_______ 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473_ 474 475__________ 476 477 478 479_ 480 481 482_ 483 484 485 486 487 488 489 490_ 491 492 493_ 494 495 496 497 498______ 499_ 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523_____ 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544_________ 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569___ 570___ 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590____ 591_ 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612____ 613__ 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635____ 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657____ 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680_ 681_____ 682 683 684 685 686 687 688 689 690 691 692 693 694_ 695_ 696____ 697 698 699 700 701 702 703 704 705 706 707 708 709_ 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731_ 732____ 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756__ 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779_____ 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802______ 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823______ 824 825_________ 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847______ 848 849______ 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870______ 871 872__ 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894______ 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914___ 915_ 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936______ 937 938______ 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959_______ 960___ 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980____ 981_________ 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002___ 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024___ 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046___ 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068___ 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089___ 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110___ 1111________ 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133___ 1134_ 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155___ 1156_____ 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177___ 1178_____ 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199___ 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222___ 1223_ 1224

Chunks:
  FalseNegative nam [20,21] = CU FIO
  FalseNegative nam [43,44] = CU FIO
  FalseNegative nam [65,66] = CU FIO
  FalseNegative nam [89,92] = CU SFIO SI PPE
  FalseNegative nam [113,113] = SEB1
  FalseNegative nam [137,137] = SEB2
  FalseNegative nam [162,162] = SEB3
  FalseNegative nam [186,186] = SEB4
  FalseNegative nam [210,210] = SEB5
  FalseNegative nam [234,235] = PBK ATUT
  FalseNegative nam [249,250] = PBK ATUT
  FalseNegative nam [263,264] = PBK ATUT
  FalseNegative nam [278,279] = PBK ATUT
  FalseNegative nam [293,293] = PBK
  FalseNegative nam [307,308] = PBK ATUT
  FalseNegative nam [329,329] = DWS
  FalseNegative nam [353,353] = DWS
  FalseNegative nam [376,376] = DWS
  FalseNegative nam [400,400] = DWS
  FalseNegative nam [425,425] = DWS
  FalseNegative nam [448,448] = DWS
  FalseNegative nam [472,473] = DWS SFIO
  FalseNegative nam [496,496] = DWS
  FalseNegative nam [520,523] = DWS Top - 50Europa
  FalseNegative nam [543,543] = DWS
  FalseNegative nam [565,570] = DWS Top - 25 Małych Spółek
  FalseNegative nam [590,591] = INVESCO ZFIO
  FalseNegative nam [612,612] = INVESCO
  FalseNegative nam [614,614] = OFI
  FalseNegative nam [635,637] = INVESCO ZPD FIO
  FalseNegative nam [657,659] = INVESCO PD OFI
  FalseNegative nam [680,682] = GTFI Skarbowy RP
  FalseNegative nam [694,695] = GTFI SFIO
  FalseNegative nam [696,697] = Premium PK
  FalseNegative nam [709,711] = GTFI FIO OS
  FalseNegative nam [731,734] = GTFI Salomon FIO AAA
  FalseNegative nam [755,755] = KB
  FalseNegative nam [757,757] = FIO
  FalseNegative nam [778,780] = KB Pieniądz FIO
  FalseNegative nam [801,803] = KB Obligacja FIO
  FalseNegative nam [823,823] = UniKORONA
  FalseNegative nam [847,847] = UniKORONA
  FalseNegative nam [870,870] = UniKORONA
  FalseNegative nam [894,894] = UniGLOBAL
  FalseNegative nam [914,915] = UniXXI Wiek
  FalseNegative nam [936,936] = UniKORONA
  FalseNegative nam [959,960] = UniDynamic Europa
  FalseNegative nam [980,980] = PIONEER
  FalseNegative nam [1002,1003] = PIONEER WPW
  FalseNegative nam [1024,1025] = PIONEER AI
  FalseNegative nam [1046,1047] = PIONEER SU
  FalseNegative nam [1068,1069] = PIONEER AA
  FalseNegative nam [1089,1090] = PIONEER P
  FalseNegative nam [1110,1110] = PIONEER
  FalseNegative nam [1133,1133] = PIONEER
  FalseNegative nam [1155,1155] = PIONEER
  FalseNegative nam [1177,1177] = PIONEER
  FalseNegative nam [1199,1201] = PIONEER SFIO TP

(ChunkerEvaluator) Sentence #9721 from articles/00107801 from sent7

Text  : Dolar .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Dolar

(ChunkerEvaluator) Sentence #9722 from articles/00107801 from sent8

Text  : 1 ) 39 , 57 39 , 39 0 ,  46 2  )  40 ,  17 39 ,  99 PIONEER Oblig .
Tokens: 1 2 3_ 4 5_ 6_ 7 8_ 9 10 11 12 13 14 15 16 17 18 19 20_____ 21___ 22

Chunks:
  FalsePositive nam [20,21] = PIONEER Oblig
  FalseNegative nam [20,20] = PIONEER

(ChunkerEvaluator) Sentence #9723 from articles/00107801 from sent9

Text  : Dolar .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Dolar

(ChunkerEvaluator) Sentence #9724 from articles/00107801 from sent10

Text  : Plus 1 ) 43 , 09 42 , 93 0  ,  37 2  )  44 ,  19 44 ,  03 PZU POLONEZ (  dp )  1  )  78 ,  15 78 ,  09 0  ,  08 2  )  78 ,  54 78 ,  48 PZU KRAKOWIAK (  akcji )  1  )  55 ,  95 56 ,  25 -  0  ,  53 2  )  58 ,  59 58 ,  90 PZU MAZUREK (  sw )  1  )  72 ,  47 72 ,  57 -  0  ,  14 2  )  75 ,  88 75 ,  99 SKARBIEC Kasa 1  )  203 ,   67  203 ,   57  0   ,   05  2   )   203 ,   67  203 ,   57  SKARBIEC Waga 1   )   139 ,   94  140 ,   63  -   0   ,   49  2   )   148 ,   08  148 ,   81  SKARBIEC Akcja 1   )   96  ,   59  97  ,   32  -   0   ,   75  2   )   102 ,   21  102 ,   98  SKARBIEC Obligacja 1   )   170 ,   61  170 ,   66  -   0   ,   03  2   )   170 ,   61  170 ,   66  SKARBIEC NET 1   )   529 ,   78  530 ,   28  -   0   ,   09  2   )   543 ,   36  543 ,   88  SKARBIEC III Filar 1   )   74  ,   97  75  ,   26  -   0   ,   39  2   )   79  ,   33  79  ,   64  SKARBIEC Dolarowa Obligacja 1   )   102 ,   82  102 ,   24  0   ,   57  2   )   102 ,   82  102 ,   24  wycena w   USD 1   )   25  ,   6550 25  ,   6466 0   ,   03  2   )   25  ,   6550 25  ,   6466 SKARBIEC Kasa Plus 1   )   1052 ,   94  1052 ,   19  0   ,   07  2   )   1052 ,   94  1052 ,   19  SKARBIEC Obligacja Plus 1   )   104 ,   32  104 ,   25  0   ,   07  2   )   104 ,   32  104 ,   25  WARTA GAMMA SFIO 1   )   124 ,   18  124 ,   11  0   ,   06  2   )   124 ,   18  124 ,   11  WARTA PD  FIO 1   )   113 ,   93  113 ,   89  0   ,   04  2   )   115 ,   08  115 ,   04  WARTA III FILAR FIO 1   )   110 ,   64  111 ,   05  -   0   ,   37  2   )   111 ,   76  112 ,   17  CITI FIO (   zrównoważony )   A   1   )   131 ,   55  131 ,   90  -   0   ,   27  2   )   137 ,   03  137 ,   40  CITI FIO (   zrównoważony )   B   1   )   131 ,   55  131 ,   90  -   0   ,   27  2   )   131 ,   55  131 ,   90  CITI FIO (   akcji )   A   1   )   111 ,   73  112 ,   18  -   0   ,   40  2   )   116 ,   39  116 ,   85  CITI FIO (   akcji )   B   1   )   111 ,   73  112 ,   18  -   0   ,   40  2   )   111 ,   73  112 ,   18  CITI FIO (   obligacji )   A   1   )   161 ,   00  160 ,   88  0   ,   07  2   )   161 ,   00  160 ,   88  CITI FIO (   obligacji )   B   1   )   161 ,   00  160 ,   88  0   ,   07  2   )   160 ,   00  160 ,   88  CITI FIO (   pieniężny )   A   1   )   161 ,   95  161 ,   83  0   ,   07  2   )   161 ,   95  161 ,   83  CITI FIO (   pieniężny )   B   1   )   161 ,   95  161 ,   83  0   ,   07  2   )   161 ,   95  161 ,   83  CITI SENIOR SFIO 1   )   145 ,   72  145 ,   78  -   0   ,   04  2   )   148 ,   09  148 ,   15  CITI SFIO (   płynnościowy )   1   )   101692 ,   53  101630 ,   57  0   ,   06  2   )   101692 ,   53  101630 ,   57  MILLENNIUM (   zrównoważony )   1   )   106 ,   02  106 ,   25  -   0   ,   22  2   )   106 ,   02  106 ,   25  MILLENNIUM (   akcji )   1   )   103 ,   14  103 ,   52  -   0   ,   37  2   )   103 ,   14  103 ,   52  MILLENNIUM (   pd  )   1   )   112 ,   14  112 ,   49  -   0   ,   31  2   )   112 ,   14  112 ,   49  MILLENNIUM (   rynku pieniężnego )   1   )   108 ,   30  108 ,   28  0   ,   02  2   )   108 ,   30  108 ,   28
Tokens: 1___ 2 3 4_ 5 6_ 7_ 8 9_ 10 11 12 13 14 15 16 17 18 19 20 21_ 22_____ 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45_ 46_______ 47 48___ 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70_ 71_____ 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95______ 96__ 97 98 99_ 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116_____ 117_ 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138_____ 139__ 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160_____ 161______ 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182_____ 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204_____ 205 206__ 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227_____ 228_____ 229______ 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249___ 250 251 252 253 254 255 256_ 257 258 259_ 260 261 262 263 264 265 266 267_ 268 269 270_ 271_____ 272_ 273_ 274 275 276_ 277 278 279_ 280 281 282 283 284 285 286 287_ 288 289 290_ 291 292 293_____ 294______ 295_ 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315__ 316__ 317_ 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337__ 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359__ 360 361__ 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383_ 384 385 386_________ 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409_ 410 411 412_________ 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435_ 436 437 438__ 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461_ 462 463 464__ 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487_ 488 489 490______ 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512_ 513 514 515______ 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537_ 538 539 540______ 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562_ 563 564 565______ 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587_ 588___ 589_ 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610_ 611_ 612 613_________ 614 615 616 617___ 618 619 620___ 621 622 623 624 625 626 627 628___ 629 630 631___ 632 633 634_______ 635 636_________ 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658_______ 659 660__ 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682_______ 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706_______ 707 708__ 709________ 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729

Chunks:
  TruePositive nam [21,22] = PZU POLONEZ
  TruePositive nam [45,46] = PZU KRAKOWIAK
  TruePositive nam [461,462] = CITI FIO
  TruePositive nam [682,682] = MILLENNIUM
  TruePositive nam [706,706] = MILLENNIUM
  FalsePositive nam [1,1] = Plus
  FalsePositive nam [71,71] = MAZUREK
  FalsePositive nam [95,96] = SKARBIEC Kasa
  FalsePositive nam [117,117] = Waga
  FalsePositive nam [139,139] = Akcja
  FalsePositive nam [161,161] = Obligacja
  FalsePositive nam [183,183] = NET
  FalsePositive nam [206,206] = Filar
  FalsePositive nam [228,229] = Dolarowa Obligacja
  FalsePositive nam [251,251] = USD
  FalsePositive nam [272,273] = Kasa Plus
  FalsePositive nam [295,295] = Plus
  FalsePositive nam [316,317] = GAMMA SFIO
  FalsePositive nam [338,339] = PD FIO
  FalsePositive nam [361,362] = FILAR FIO
  FalsePositive nam [388,388] = A
  FalsePositive nam [414,414] = B
  FalsePositive nam [440,440] = A
  FalsePositive nam [466,466] = B
  FalsePositive nam [517,517] = B
  FalsePositive nam [542,542] = A
  FalsePositive nam [567,567] = B
  FalsePositive nam [588,589] = SENIOR SFIO
  FalseNegative nam [70,71] = PZU MAZUREK
  FalseNegative nam [95,95] = SKARBIEC
  FalseNegative nam [116,116] = SKARBIEC
  FalseNegative nam [138,138] = SKARBIEC
  FalseNegative nam [160,160] = SKARBIEC
  FalseNegative nam [182,183] = SKARBIEC NET
  FalseNegative nam [204,204] = SKARBIEC
  FalseNegative nam [227,227] = SKARBIEC
  FalseNegative nam [271,271] = SKARBIEC
  FalseNegative nam [293,293] = SKARBIEC
  FalseNegative nam [315,317] = WARTA GAMMA SFIO
  FalseNegative nam [337,339] = WARTA PD FIO
  FalseNegative nam [359,362] = WARTA III FILAR FIO
  FalseNegative nam [383,384] = CITI FIO
  FalseNegative nam [409,410] = CITI FIO
  FalseNegative nam [435,436] = CITI FIO
  FalseNegative nam [487,488] = CITI FIO
  FalseNegative nam [512,513] = CITI FIO
  FalseNegative nam [537,538] = CITI FIO
  FalseNegative nam [562,563] = CITI FIO
  FalseNegative nam [587,589] = CITI SENIOR SFIO
  FalseNegative nam [610,611] = CITI SFIO
  FalseNegative nam [634,634] = MILLENNIUM
  FalseNegative nam [658,658] = MILLENNIUM

(ChunkerEvaluator) Sentence #9725 from articles/00107801 from sent11

Text  : 1 ) Wartość aktywów netto na jednostkę uczestnictwa 2 )  Maksymalna cena zakupu 3  )  Maksymalna cena zakupu tylko dla PKO /  CS
Tokens: 1 2 3______ 4______ 5____ 6_ 7________ 8___________ 9 10 11________ 12__ 13____ 14 15 16________ 17__ 18____ 19___ 20_ 21_ 22 23

Chunks:
  FalsePositive nam [21,21] = PKO
  FalseNegative nam [21,23] = PKO / CS

2016-10-27 15:00:01,496 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 428 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107802.xml
(ChunkerEvaluator) Sentence #9726 from articles/00107802 from sent1

Text  : Krakowska AGH bogatsza o nowe laboratorium
Tokens: 1________ 2__ 3_______ 4 5___ 6___________

Chunks:
  TruePositive nam [2,2] = AGH

(ChunkerEvaluator) Sentence #9727 from articles/00107802 from sent2

Text  : W Centrum Informatyki Akademii Górniczo - Hutniczej w Krakowie oddano do użytku nowe laboratorium IPv6 ,  wyposażone przez firmę Cisco .
Tokens: 1 2______ 3__________ 4_______ 5_______ 6 7________ 8 9_______ 10____ 11 12____ 13__ 14__________ 15__ 16 17________ 18___ 19___ 20___ 21

Chunks:
  TruePositive nam [9,9] = Krakowie
  FalsePositive nam [4,7] = Akademii Górniczo - Hutniczej
  FalseNegative nam [2,7] = Centrum Informatyki Akademii Górniczo - Hutniczej
  FalseNegative nam [15,15] = IPv6
  FalseNegative nam [20,20] = Cisco

(ChunkerEvaluator) Sentence #9728 from articles/00107802 from sent3

Text  : Jest ono częścią międzynarodowej sieci ośrodków szkoleniowych , zajmujących się badaniami nad nowoczesnymi protokołami internetowymi .
Tokens: 1___ 2__ 3______ 4______________ 5____ 6_______ 7____________ 8 9__________ 10_ 11_______ 12_ 13__________ 14_________ 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #9729 from articles/00107802 from sent4

Text  : Laboratorium w AGH pod względem technologii i wyposażenia w sprzęt jest dokładną repliką laboratorium zarządzanego przez francuską sieć naukowo -  badawczą RENATER z  centralą w  Paryżu .
Tokens: 1___________ 2 3__ 4__ 5_______ 6__________ 7 8__________ 9 10____ 11__ 12______ 13_____ 14__________ 15__________ 16___ 17_______ 18__ 19_____ 20 21______ 22_____ 23 24______ 25 26____ 27

Chunks:
  TruePositive nam [3,3] = AGH
  TruePositive nam [26,26] = Paryżu
  FalseNegative nam [22,22] = RENATER

(ChunkerEvaluator) Sentence #9730 from articles/00107802 from sent5

Text  : Będzie także skomunikowane z dwudziestoma podobnymi ośrodkami na całym świecie .
Tokens: 1_____ 2____ 3____________ 4 5___________ 6________ 7________ 8_ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #9731 from articles/00107802 from sent6

Text  : Laboratorium umożliwi weryfikowanie rozwiązań , konfiguracji sieci i aplikacji opartych na protokole internetowym nowej generacji ,  IPv6 .
Tokens: 1___________ 2_______ 3____________ 4________ 5 6___________ 7____ 8 9________ 10______ 11 12_______ 13__________ 14___ 15_______ 16 17__ 18

Chunks:
  TruePositive nam [17,17] = IPv6

(ChunkerEvaluator) Sentence #9732 from articles/00107802 from sent7

Text  : Paryski i krakowski ośrodek połączone są europejską siecią transmisji danych GEANT ,  używaną przez społeczności naukowe i  edukacyjne .
Tokens: 1______ 2 3________ 4______ 5________ 6_ 7_________ 8_____ 9_________ 10____ 11___ 12 13_____ 14___ 15__________ 16_____ 17 18________ 19

Chunks:
  FalseNegative nam [11,11] = GEANT

(ChunkerEvaluator) Sentence #9733 from articles/00107802 from sent8

Text  : Dzięki temu możliwe jest wykorzystywanie wolnych zasobów obu placówek .
Tokens: 1_____ 2___ 3______ 4___ 5______________ 6______ 7______ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #9734 from articles/00107802 from sent9

Text  : Jeżeli więc naukowiec chce przeprowadzić testy w czasie , gdy jedno z  laboratoriów jest zajęte ,  można skierować badania do drugiej placówki .
Tokens: 1_____ 2___ 3________ 4___ 5____________ 6____ 7 8_____ 9 10_ 11___ 12 13__________ 14__ 15____ 16 17___ 18_______ 19_____ 20 21_____ 22______ 23

Chunks:

2016-10-27 15:00:01,542 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 429 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107803.xml
(ChunkerEvaluator) Sentence #9735 from articles/00107803 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #9736 from articles/00107803 from sent2

Text  : Gmina Olsztyn szuka inwestora dla jurajskich term
Tokens: 1____ 2______ 3____ 4________ 5__ 6_________ 7___

Chunks:
  TruePositive nam [2,2] = Olsztyn

(ChunkerEvaluator) Sentence #9737 from articles/00107803 from sent3

Text  : Podczęstochowski Olsztyn , znany głównie z ruin średniowiecznego zamku ,  szuka inwestora ,  który chciał by wykorzystać zlokalizowane w  tej gminie wody termalne .
Tokens: 1_______________ 2______ 3 4____ 5______ 6 7___ 8_______________ 9____ 10 11___ 12_______ 13 14___ 15____ 16 17_________ 18___________ 19 20_ 21____ 22__ 23______ 24

Chunks:
  TruePositive nam [2,2] = Olsztyn

(ChunkerEvaluator) Sentence #9738 from articles/00107803 from sent4

Text  : Kosztem ponad 600 tys . zł samorządowcy będą promować ofertę gminy w  kraju i  za granicą .
Tokens: 1______ 2____ 3__ 4__ 5 6_ 7___________ 8___ 9_______ 10____ 11___ 12 13___ 14 15 16_____ 17

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #9739 from articles/00107803 from sent5

Text  : Zaplanowana na przyszły rok kampania " Termy Jurajskie - promocja walorów inwestycyjnych gminy Olsztyn "  w  większej części (  ponad 530 tys .  zł )  będzie sfinansowana ze środków unijnych ,  przeznaczonych na ten cel przez samorząd woj .  śląskiego .
Tokens: 1__________ 2_ 3_______ 4__ 5_______ 6 7____ 8________ 9 10______ 11_____ 12____________ 13___ 14_____ 15 16 17______ 18____ 19 20___ 21_ 22_ 23 24 25 26____ 27__________ 28 29_____ 30______ 31 32____________ 33 34_ 35_ 36___ 37______ 38_ 39 40_______ 41

Chunks:
  TruePositive nam [7,8] = Termy Jurajskie
  TruePositive nam [14,14] = Olsztyn
  TruePositive nam [24,24] = zł
  FalseNegative nam [40,40] = śląskiego

(ChunkerEvaluator) Sentence #9740 from articles/00107803 from sent6

Text  : Pozostałą część dołoży gmina .
Tokens: 1________ 2____ 3_____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #9741 from articles/00107803 from sent7

Text  : Jak poinformowała Monika Kosielak z Urzędu Gminy w Olsztynie ,  samorząd chce znaleźć chętnych na należący do niego 5  -  hektarowy teren i  tamtejsze wody termalne .
Tokens: 1__ 2____________ 3_____ 4_______ 5 6_____ 7____ 8 9________ 10 11______ 12__ 13_____ 14______ 15 16______ 17 18___ 19 20 21_______ 22___ 23 24_______ 25__ 26______ 27

Chunks:
  TruePositive nam [3,4] = Monika Kosielak
  TruePositive nam [6,7] = Urzędu Gminy
  TruePositive nam [9,9] = Olsztynie

(ChunkerEvaluator) Sentence #9742 from articles/00107803 from sent8

Text  : Mógł by tam powstać np . kompleks hotelowo - rekreacyjny z  zespołem basenów .
Tokens: 1___ 2_ 3__ 4______ 5_ 6 7_______ 8_______ 9 10_________ 11 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #9743 from articles/00107803 from sent9

Text  : Projekt przewiduje promocję oferty Olsztyna na targach w Poznaniu ,  a  także w  krajach Unii Europejskiej :  Cannes ,  Wiedniu i  Monachium .
Tokens: 1______ 2_________ 3_______ 4_____ 5_______ 6_ 7______ 8 9_______ 10 11 12___ 13 14_____ 15__ 16__________ 17 18____ 19 20_____ 21 22_______ 23

Chunks:
  TruePositive nam [5,5] = Olsztyna
  TruePositive nam [9,9] = Poznaniu
  TruePositive nam [15,16] = Unii Europejskiej
  TruePositive nam [18,18] = Cannes
  TruePositive nam [20,20] = Wiedniu
  TruePositive nam [22,22] = Monachium

(ChunkerEvaluator) Sentence #9744 from articles/00107803 from sent10

Text  : Podstawowym materiałem promocyjnym kampanii będzie tzw . master plan ,  za pomocą którego samorząd będzie przedstawiać inwestorom swój teren ,  zgodnie z  zapisami w  gminnym planie zagospodarowania przestrzennego .
Tokens: 1__________ 2_________ 3__________ 4_______ 5_____ 6__ 7 8_____ 9___ 10 11 12____ 13_____ 14______ 15____ 16__________ 17________ 18__ 19___ 20 21_____ 22 23______ 24 25_____ 26____ 27______________ 28____________ 29

Chunks:

(ChunkerEvaluator) Sentence #9745 from articles/00107803 from sent11

Text  : Planuje się spotkania z potencjalnymi partnerami , powstanie też film promocyjny ,  foldery ,  ulotki ,  mapy turystyczne i  gadżety promocyjne .
Tokens: 1______ 2__ 3________ 4 5____________ 6_________ 7 8________ 9__ 10__ 11________ 12 13_____ 14 15____ 16 17__ 18_________ 19 20_____ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #9746 from articles/00107803 from sent12

Text  : Jeśli w pobliżu średniowiecznego zamku powstanie kompleks basenów termalnych ,  będzie to pierwsza tego typu inwestycja w  tym regionie .
Tokens: 1____ 2 3______ 4_______________ 5____ 6________ 7_______ 8______ 9_________ 10 11____ 12 13______ 14__ 15__ 16________ 17 18_ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #9747 from articles/00107803 from sent13

Text  : Istnienie tam , na głębokości ok . 500 - 600 m  ,  wód termalnych zostało już udokumentowane ,  ale wymaga dalszych badań i  odwiertów .
Tokens: 1________ 2__ 3 4_ 5_________ 6_ 7 8__ 9 10_ 11 12 13_ 14________ 15_____ 16_ 17____________ 18 19_ 20____ 21______ 22___ 23 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #9748 from articles/00107803 from sent14

Text  : Woda nie jest na tyle gorąca , żeby ją wykorzystać do celów grzewczych ,  ale przy temperaturze 20 -  40 stopni Celsjusza możliwe było by zastosowanie jej w  parku wodnym .
Tokens: 1___ 2__ 3___ 4_ 5___ 6_____ 7 8___ 9_ 10_________ 11 12___ 13________ 14 15_ 16__ 17__________ 18 19 20 21____ 22_______ 23_____ 24__ 25 26__________ 27_ 28 29___ 30____ 31

Chunks:
  TruePositive nam [22,22] = Celsjusza

(ChunkerEvaluator) Sentence #9749 from articles/00107803 from sent15

Text  : Gmina Olsztyn położona jest w Jurze Krakowsko - Częstochowskiej ,  w  granicach parku krajobrazowego i  jego otuliny ,  12 km na południowy wschód od granic Częstochowy .
Tokens: 1____ 2______ 3_______ 4___ 5 6____ 7________ 8 9______________ 10 11 12_______ 13___ 14____________ 15 16__ 17_____ 18 19 20 21 22________ 23____ 24 25____ 26_________ 27

Chunks:
  TruePositive nam [2,2] = Olsztyn
  TruePositive nam [6,9] = Jurze Krakowsko - Częstochowskiej
  TruePositive nam [26,26] = Częstochowy

(ChunkerEvaluator) Sentence #9750 from articles/00107803 from sent16

Text  : Olsztyn należy do najbardziej malowniczych zakątkow Jury .
Tokens: 1______ 2_____ 3_ 4__________ 5___________ 6_______ 7___ 8

Chunks:
  TruePositive nam [7,7] = Jury
  FalseNegative nam [1,1] = Olsztyn

2016-10-27 15:00:01,636 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 430 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107804.xml
(ChunkerEvaluator) Sentence #9751 from articles/00107804 from sent1

Text  : Niemcy - Portugalia .
Tokens: 1_____ 2 3_________ 4

Chunks:
  TruePositive nam [1,1] = Niemcy
  TruePositive nam [3,3] = Portugalia

(ChunkerEvaluator) Sentence #9752 from articles/00107804 from sent2

Text  : Jose Mourinho entuzjastycznie witany we Lwowie
Tokens: 1___ 2_______ 3______________ 4_____ 5_ 6_____

Chunks:
  TruePositive nam [1,2] = Jose Mourinho
  TruePositive nam [6,6] = Lwowie

(ChunkerEvaluator) Sentence #9753 from articles/00107804 from sent3

Text  : Portugalski szkoleniowiec Realu Madryt Jose Mourinho , który przybył do Lwowa na sobotni (  20 .  45 )  mecz piłkarskich mistrzostw Europy swoich rodaków z  Niemcami ,  witany był przed stadionem przez kibiców i  dziennikarzy niczym największa gwiazda .
Tokens: 1__________ 2____________ 3____ 4_____ 5___ 6_______ 7 8____ 9______ 10 11___ 12 13_____ 14 15 16 17 18 19__ 20_________ 21________ 22____ 23____ 24_____ 25 26______ 27 28____ 29_ 30___ 31_______ 32___ 33_____ 34 35__________ 36____ 37________ 38_____ 39

Chunks:
  TruePositive nam [3,4] = Realu Madryt
  TruePositive nam [5,6] = Jose Mourinho
  TruePositive nam [11,11] = Lwowa
  TruePositive nam [26,26] = Niemcami
  FalsePositive nam [22,22] = Europy
  FalseNegative nam [21,22] = mistrzostw Europy

(ChunkerEvaluator) Sentence #9754 from articles/00107804 from sent4

Text  : Mourinho pojawił się w centrum akredytacyjnym już przed godziną 17 .
Tokens: 1_______ 2______ 3__ 4 5______ 6_____________ 7__ 8____ 9______ 10 11

Chunks:
  FalseNegative nam [1,1] = Mourinho

(ChunkerEvaluator) Sentence #9755 from articles/00107804 from sent5

Text  : Czarna limuzyna z przyciemnianymi szybami podjechała pod same drzwi ,  a  szkoleniowcowi towarzyszyło dwóch ochroniarzy .
Tokens: 1_____ 2_______ 3 4______________ 5______ 6_________ 7__ 8___ 9____ 10 11 12____________ 13__________ 14___ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #9756 from articles/00107804 from sent6

Text  : Mimo to portugalscy kibice szybko go rozpoznali i wywołali spore zamieszanie .
Tokens: 1___ 2_ 3__________ 4_____ 5_____ 6_ 7_________ 8 9_______ 10___ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #9757 from articles/00107804 from sent7

Text  : Opuszczając biuro szkoleniowiec jedynie uśmiechnął się do fanów i wsiadł do samochodu .
Tokens: 1__________ 2____ 3____________ 4______ 5_________ 6__ 7_ 8____ 9 10____ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #9758 from articles/00107804 from sent8

Text  : Ten jednak nie opuszczał parkingu , dzięki czemu kibice i  przede wszystkim portugalscy dziennikarze mieli okazję do przekazania mu swoich uwag .
Tokens: 1__ 2_____ 3__ 4________ 5_______ 6 7_____ 8____ 9_____ 10 11____ 12_______ 13_________ 14__________ 15___ 16____ 17 18_________ 19 20____ 21__ 22

Chunks:

(ChunkerEvaluator) Sentence #9759 from articles/00107804 from sent9

Text  : Przedstawiciele portugalskiech mediów niemal przekrzykiwali się w uwielbieniu dla jego warsztatu i  osiągnięć trenerskich .
Tokens: 1______________ 2_____________ 3_____ 4_____ 5_____________ 6__ 7 8__________ 9__ 10__ 11_______ 12 13_______ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #9760 from articles/00107804 from sent10

Text  : Przez przyciemnianą szybę widoczny był jedynie uniesiony kciuk trenera Realu .
Tokens: 1____ 2____________ 3____ 4_______ 5__ 6______ 7________ 8____ 9______ 10___ 11

Chunks:
  TruePositive nam [10,10] = Realu

(ChunkerEvaluator) Sentence #9761 from articles/00107804 from sent11

Text  : Z okazji próbowali skorzystać fani , robiąc pamiątkowe zdjęcia ,  ale skutecznie uniemożliwiał im to ochroniarz odprowadzający limuzynę z  parkingu .
Tokens: 1 2_____ 3________ 4_________ 5___ 6 7_____ 8_________ 9______ 10 11_ 12________ 13___________ 14 15 16________ 17____________ 18______ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #9762 from articles/00107804 from sent12

Text  : Na stadion natomiast , który położony jest na obrzeżach miasta ,  kibice przyjeżdżali już od wczesnych godzin popołudniowych .
Tokens: 1_ 2______ 3________ 4 5____ 6_______ 7___ 8_ 9________ 10____ 11 12____ 13__________ 14_ 15 16_______ 17____ 18____________ 19

Chunks:

(ChunkerEvaluator) Sentence #9763 from articles/00107804 from sent13

Text  : Funkcjonariusze milicji zablokowali drogi dojazdowe do obiektu , pozwalając wjeżdżać w  okolice obiektu tylko miejskim środkom transportu .
Tokens: 1______________ 2______ 3__________ 4____ 5________ 6_ 7______ 8 9_________ 10______ 11 12_____ 13_____ 14___ 15______ 16_____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #9764 from articles/00107804 from sent14

Text  : Niewidoczne były natomiast autobusy , które miały kursować wyłącznie pomiędzy dworcem kolejowym lub centrum miasta a  stadionem .
Tokens: 1__________ 2___ 3________ 4_______ 5 6____ 7____ 8_______ 9________ 10______ 11_____ 12_______ 13_ 14_____ 15____ 16 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #9765 from articles/00107804 from sent15

Text  : Jednak fani , którzy zdecydowali się wcześniej przybyć na obiekt ,  nie mieli problemów z  dojechaniem .
Tokens: 1_____ 2___ 3 4_____ 5__________ 6__ 7________ 8______ 9_ 10____ 11 12_ 13___ 14_______ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #9766 from articles/00107804 from sent16

Text  : Czas do meczu spędzali na trawnikach wokół Areny Lwów ,  a  grupka polskich kibiców rozgrywała mecz na pobliskim prowizorycznym boisku .
Tokens: 1___ 2_ 3____ 4_______ 5_ 6_________ 7____ 8____ 9___ 10 11 12____ 13______ 14_____ 15________ 16__ 17 18_______ 19____________ 20____ 21

Chunks:
  TruePositive nam [8,9] = Areny Lwów

(ChunkerEvaluator) Sentence #9767 from articles/00107804 from sent17

Text  : Zabawę i humory wszystkich kibiców popsuł jednak ulewny deszcz .
Tokens: 1_____ 2 3_____ 4_________ 5______ 6_____ 7_____ 8_____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #9768 from articles/00107804 from sent18

Text  : Sobotnie spotkanie Niemców z Portugalczykami inauguruje Euro 2012 we Lwowie .
Tokens: 1_______ 2________ 3______ 4 5______________ 6_________ 7___ 8___ 9_ 10____ 11

Chunks:
  TruePositive nam [3,3] = Niemców
  TruePositive nam [5,5] = Portugalczykami
  TruePositive nam [10,10] = Lwowie
  FalsePositive nam [7,7] = Euro
  FalseNegative nam [7,8] = Euro 2012

(ChunkerEvaluator) Sentence #9769 from articles/00107804 from sent19

Text  : O godz . 18 . rozpoczął się natomiast inny mecz w  grupie B  .
Tokens: 1 2___ 3 4_ 5 6________ 7__ 8________ 9___ 10__ 11 12____ 13 14

Chunks:
  FalsePositive nam [13,13] = B

(ChunkerEvaluator) Sentence #9770 from articles/00107804 from sent20

Text  : W Charkowie Holendrzy grają z Danią .
Tokens: 1 2________ 3________ 4____ 5 6____ 7

Chunks:
  TruePositive nam [2,2] = Charkowie
  TruePositive nam [3,3] = Holendrzy
  TruePositive nam [6,6] = Danią

2016-10-27 15:00:01,726 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 431 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107805.xml
(ChunkerEvaluator) Sentence #9771 from articles/00107805 from sent1

Text  : Pioneer Arbitrażowy SFIZ nabycie aktywów o znacznej wartości
Tokens: 1______ 2__________ 3___ 4______ 5______ 6 7_______ 8_______

Chunks:
  TruePositive nam [1,3] = Pioneer Arbitrażowy SFIZ

(ChunkerEvaluator) Sentence #9772 from articles/00107805 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - PIONEER PEKAO
Tokens: 1_____ 2 3_____ 4 5________ 6 7______ 8____

Chunks:
  FalsePositive nam [1,7] = GIEŁDA - SPÓŁKI - KOMUNIKAT - PIONEER
  FalsePositive nam [8,8] = PEKAO
  FalseNegative nam [7,8] = PIONEER PEKAO

(ChunkerEvaluator) Sentence #9773 from articles/00107805 from sent3

Text  : Raport Bieżący Nr _ 374 _ E / ARBITER /  2002 Pioneer Pekao Towarzystwo Funduszy Inwestycyjnych S  .  A  .  działając w  imieniu Pioneer Arbitrażowego Specjalistycznego Funduszu Inwestycyjnego Zamkniętego niniejszym informuje ,  że w  dniu 3  .  12 .  2002 roku Pioneer Arbitrażowy Specjalistyczny Fundusz Inwestycyjny Zamknięty zawarł transakcję zakupu papierów wartościowych :
Tokens: 1_____ 2______ 3_ 4 5__ 6 7 8 9______ 10 11__ 12_____ 13___ 14_________ 15______ 16____________ 17 18 19 20 21_______ 22 23_____ 24_____ 25___________ 26_______________ 27______ 28____________ 29_________ 30________ 31_______ 32 33 34 35__ 36 37 38 39 40__ 41__ 42_____ 43_________ 44_____________ 45_____ 46__________ 47_______ 48____ 49________ 50____ 51______ 52___________ 53

Chunks:
  TruePositive nam [9,9] = ARBITER
  TruePositive nam [12,20] = Pioneer Pekao Towarzystwo Funduszy Inwestycyjnych S . A .
  TruePositive nam [24,29] = Pioneer Arbitrażowego Specjalistycznego Funduszu Inwestycyjnego Zamkniętego
  TruePositive nam [42,47] = Pioneer Arbitrażowy Specjalistyczny Fundusz Inwestycyjny Zamknięty
  FalsePositive nam [2,2] = Bieżący

(ChunkerEvaluator) Sentence #9774 from articles/00107805 from sent4

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9775 from articles/00107805 from sent5

Text  : nazwa i podstawowe dane podmiotu zbywającego aktywa : BRE Bank SA 00 -  950 Warszawa ul .  Senatorska 18
Tokens: 1____ 2 3_________ 4___ 5_______ 6__________ 7_____ 8 9__ 10__ 11 12 13 14_ 15______ 16 17 18________ 19

Chunks:
  TruePositive nam [18,18] = Senatorska
  FalsePositive nam [9,15] = BRE Bank SA 00 - 950 Warszawa
  FalseNegative nam [9,11] = BRE Bank SA
  FalseNegative nam [15,15] = Warszawa

(ChunkerEvaluator) Sentence #9776 from articles/00107805 from sent6

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9777 from articles/00107805 from sent7

Text  : data i sposób nabycia aktywów : 3 . 12 .  2002 roku transakcja zakupu papierów wartościowych
Tokens: 1___ 2 3_____ 4______ 5______ 6 7 8 9_ 10 11__ 12__ 13________ 14____ 15______ 16___________

Chunks:

(ChunkerEvaluator) Sentence #9778 from articles/00107805 from sent8

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9779 from articles/00107805 from sent9

Text  : charakterystyka nabytych aktywów : transakcja została zawarta na warunkach przyrzeczenia przez kontrahenta odkupienia sprzedanych papierów wartościowych w  dniu 4  .  12 .  2002 r  .
Tokens: 1______________ 2_______ 3______ 4 5_________ 6______ 7______ 8_ 9________ 10___________ 11___ 12_________ 13________ 14_________ 15______ 16___________ 17 18__ 19 20 21 22 23__ 24 25

Chunks:

(ChunkerEvaluator) Sentence #9780 from articles/00107805 from sent10

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9781 from articles/00107805 from sent11

Text  : przedmiotem transakcji były : Bony Skarbowe : PL0000002259 o wartości nominalnej :  53 450 000 .  00 zł terminie wykupu :  03 .  09 .  03 !
Tokens: 1__________ 2_________ 3___ 4 5___ 6_______ 7 8___________ 9 10______ 11________ 12 13 14_ 15_ 16 17 18 19______ 20____ 21 22 23 24 25 26 27

Chunks:
  TruePositive nam [18,18] = zł
  FalsePositive nam [5,6] = Bony Skarbowe

(ChunkerEvaluator) Sentence #9782 from articles/00107805 from sent12

Text  : wartość transakcji : 51 095 527 . 50 zł (  cena 9  559 .  50 zł za 1  szt .  )
Tokens: 1______ 2_________ 3 4_ 5__ 6__ 7 8_ 9_ 10 11__ 12 13_ 14 15 16 17 18 19_ 20 21

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #9783 from articles/00107805 from sent13

Text  : co stanowi : 81 % wartości Aktywów Netto Funduszu z  dnia ostatniej wyceny
Tokens: 1_ 2______ 3 4_ 5 6_______ 7______ 8____ 9_______ 10 11__ 12_______ 13____

Chunks:
  FalsePositive nam [7,9] = Aktywów Netto Funduszu

(ChunkerEvaluator) Sentence #9784 from articles/00107805 from sent14

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9785 from articles/00107805 from sent15

Text  : Kryterium będące podstawą uznania aktywów za aktywa o znacznej wartości :  Wartość przedmiotu transakcji stanowi co najmniej 10 %  wartości Aktywów Netto Funduszu
Tokens: 1________ 2_____ 3_______ 4______ 5______ 6_ 7_____ 8 9_______ 10______ 11 12_____ 13________ 14________ 15_____ 16 17______ 18 19 20______ 21_____ 22___ 23______

Chunks:
  FalsePositive nam [21,23] = Aktywów Netto Funduszu

(ChunkerEvaluator) Sentence #9786 from articles/00107805 from sent16

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9787 from articles/00107805 from sent17

Text  : Nie ma powiązań pomiędzy emitentem i osobami zarządzającymi lub nadzorującymi emitenta a  zbywającym aktywa ,  w  rozumieniu Rozporządzenia Rady Ministrów z  dnia 16 października 2001 r  .  w  sprawie informacji bieżących i  okresowych przekazywanych przez emitentów papierów wartościowych
Tokens: 1__ 2_ 3_______ 4_______ 5________ 6 7______ 8_____________ 9__ 10___________ 11______ 12 13________ 14____ 15 16 17________ 18____________ 19__ 20_______ 21 22__ 23 24__________ 25__ 26 27 28 29_____ 30________ 31_______ 32 33________ 34____________ 35___ 36_______ 37______ 38___________

Chunks:
  FalsePositive nam [18,20] = Rozporządzenia Rady Ministrów
  FalseNegative nam [19,20] = Rady Ministrów

(ChunkerEvaluator) Sentence #9788 from articles/00107805 from sent18

Text  : !
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #9789 from articles/00107805 from sent19

Text  : Źródłem finansowania nabytych aktywów są kwoty wpłacone przez nabywców Certyfikatów Inwestycyjnych funduszu po powiększeniu o  dochody funduszu .
Tokens: 1______ 2___________ 3_______ 4______ 5_ 6____ 7_______ 8____ 9_______ 10__________ 11____________ 12______ 13 14__________ 15 16_____ 17______ 18

Chunks:
  FalsePositive nam [10,11] = Certyfikatów Inwestycyjnych

2016-10-27 15:00:01,804 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 432 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107806.xml
(ChunkerEvaluator) Sentence #9790 from articles/00107806 from sent1

Text  : Euro 2012 .
Tokens: 1___ 2___ 3

Chunks:
  TruePositive nam [1,2] = Euro 2012

(ChunkerEvaluator) Sentence #9791 from articles/00107806 from sent2

Text  : Ukraina - Szwecja .
Tokens: 1______ 2 3______ 4

Chunks:
  TruePositive nam [1,1] = Ukraina
  TruePositive nam [3,3] = Szwecja

(ChunkerEvaluator) Sentence #9792 from articles/00107806 from sent3

Text  : O honor i miliony
Tokens: 1 2____ 3 4______

Chunks:

(ChunkerEvaluator) Sentence #9793 from articles/00107806 from sent4

Text  : - To nie są mistrzostwa świata , gdzie stracone punkty można odrobić w  spotkaniach ze słabszymi przeciwnikami .
Tokens: 1 2_ 3__ 4_ 5__________ 6_____ 7 8____ 9_______ 10____ 11___ 12_____ 13 14_________ 15 16_______ 17___________ 18

Chunks:
  FalseNegative nam [5,6] = mistrzostwa świata

(ChunkerEvaluator) Sentence #9794 from articles/00107806 from sent5

Text  : Losowanie sprawiło , że wszystkie spotkania będą kluczowe - mówi przed pierwszym meczem w  Euro 2012 Olieg Błochin ,  selekcjoner reprezentacji Ukrainy .
Tokens: 1________ 2_______ 3 4_ 5________ 6________ 7___ 8_______ 9 10__ 11___ 12_______ 13____ 14 15__ 16__ 17___ 18_____ 19 20_________ 21___________ 22_____ 23

Chunks:
  TruePositive nam [17,18] = Olieg Błochin
  TruePositive nam [22,22] = Ukrainy
  FalsePositive nam [15,15] = Euro
  FalseNegative nam [15,16] = Euro 2012

(ChunkerEvaluator) Sentence #9795 from articles/00107806 from sent6

Text  : Relacja Z Czuba i na żywo z meczu Ukraina -  Szwecja w  poniedziałek od 20 .  45 .
Tokens: 1______ 2 3____ 4 5_ 6___ 7 8____ 9______ 10 11_____ 12 13__________ 14 15 16 17 18

Chunks:
  TruePositive nam [9,9] = Ukraina
  TruePositive nam [11,11] = Szwecja
  FalseNegative nam [2,3] = Z Czuba

(ChunkerEvaluator) Sentence #9796 from articles/00107806 from sent7

Text  : Ukraińcy rozpoczną występy w mistrzostwach Europy od pojedynku ze Szwecją na Stadionie Olimpijskim w  Kijowie .
Tokens: 1_______ 2________ 3______ 4 5____________ 6_____ 7_ 8________ 9_ 10_____ 11 12_______ 13_________ 14 15_____ 16

Chunks:
  TruePositive nam [10,10] = Szwecją
  TruePositive nam [12,13] = Stadionie Olimpijskim
  TruePositive nam [15,15] = Kijowie
  FalsePositive nam [6,6] = Europy
  FalseNegative nam [1,1] = Ukraińcy
  FalseNegative nam [5,6] = mistrzostwach Europy

(ChunkerEvaluator) Sentence #9797 from articles/00107806 from sent8

Text  : To będzie jedyny mecz gospodarzy w fazie grupowej w stolicy ,  bo kolejne -  z  Francją i  Anglią -  rozegrają na Donbass Arenie w  Doniecku .
Tokens: 1_ 2_____ 3_____ 4___ 5_________ 6 7____ 8_______ 9 10_____ 11 12 13_____ 14 15 16_____ 17 18____ 19 20_______ 21 22_____ 23____ 24 25______ 26

Chunks:
  TruePositive nam [16,16] = Francją
  TruePositive nam [18,18] = Anglią
  TruePositive nam [22,23] = Donbass Arenie
  TruePositive nam [25,25] = Doniecku

(ChunkerEvaluator) Sentence #9798 from articles/00107806 from sent9

Text  : Drużyna prowadzona przez Błochina na początek zmierzy się z teoretycznie najsłabszym przeciwnikiem ,  ale selekcjoner studzi optymizm ,  uważając ,  że Szwedzi mogą okazać się silniejsi od Francuzów czy Anglików .
Tokens: 1______ 2_________ 3____ 4_______ 5_ 6_______ 7______ 8__ 9 10__________ 11_________ 12___________ 13 14_ 15_________ 16____ 17______ 18 19______ 20 21 22_____ 23__ 24____ 25_ 26_______ 27 28_______ 29_ 30______ 31

Chunks:
  TruePositive nam [4,4] = Błochina
  TruePositive nam [22,22] = Szwedzi
  TruePositive nam [28,28] = Francuzów
  TruePositive nam [30,30] = Anglików

(ChunkerEvaluator) Sentence #9799 from articles/00107806 from sent10

Text  : Co ciekawe , kilka miesięcy temu na Ukrainie dominowało przekonanie ,  że ich reprezentacja jest w  stanie dojść do strefy medalowej .
Tokens: 1_ 2______ 3 4____ 5_______ 6___ 7_ 8_______ 9_________ 10_________ 11 12 13_ 14___________ 15__ 16 17____ 18___ 19 20____ 21_______ 22

Chunks:
  TruePositive nam [8,8] = Ukrainie

(ChunkerEvaluator) Sentence #9800 from articles/00107806 from sent11

Text  : - A dlaczego mieli by śmy nie zagrać w finale ?  -  twierdził pomocnik reprezentacji Anatolij Tymoszczuk .
Tokens: 1 2 3_______ 4____ 5_ 6__ 7__ 8_____ 9 10____ 11 12 13_______ 14______ 15___________ 16______ 17________ 18

Chunks:
  TruePositive nam [16,17] = Anatolij Tymoszczuk

(ChunkerEvaluator) Sentence #9801 from articles/00107806 from sent12

Text  : Im jednak bliżej turnieju , tym nastroje są gorsze .
Tokens: 1_ 2_____ 3_____ 4_______ 5 6__ 7_______ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #9802 from articles/00107806 from sent13

Text  : - I dobrze - uważa selekcjoner .
Tokens: 1 2 3_____ 4 5____ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #9803 from articles/00107806 from sent14

Text  : - Dzięki temu presja na drużynę będzie mniejsza .
Tokens: 1 2_____ 3___ 4_____ 5_ 6______ 7_____ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #9804 from articles/00107806 from sent15

Text  : Krzyki : „ Wygrywajcie mistrzostwa ! ” to głupota .
Tokens: 1_____ 2 3 4__________ 5__________ 6 7 8_ 9______ 10

Chunks:
  FalsePositive nam [1,1] = Krzyki
  FalseNegative nam [5,5] = mistrzostwa

(ChunkerEvaluator) Sentence #9805 from articles/00107806 from sent16

Text  : Naszym pierwszym zadaniem jest wyjście z grupy .
Tokens: 1_____ 2________ 3_______ 4___ 5______ 6 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #9806 from articles/00107806 from sent17

Text  : Później apetyt rośnie w miarę jedzenia . . .
Tokens: 1______ 2_____ 3_____ 4 5____ 6_______ 7 8 9

Chunks:

(ChunkerEvaluator) Sentence #9807 from articles/00107806 from sent18

Text  : Ukraińcy w ostatnim czasie mieli mnóstwo problemów , a największym było zatrucie dziesięciu zawodników .
Tokens: 1_______ 2 3_______ 4_____ 5____ 6______ 7________ 8 9 10_________ 11__ 12______ 13________ 14________ 15

Chunks:
  TruePositive nam [1,1] = Ukraińcy

(ChunkerEvaluator) Sentence #9808 from articles/00107806 from sent19

Text  : Tym tłumaczono porażkę w sparingu z Turcją 0 : 2  .
Tokens: 1__ 2_________ 3______ 4 5_______ 6 7_____ 8 9 10 11

Chunks:
  TruePositive nam [7,7] = Turcją

(ChunkerEvaluator) Sentence #9809 from articles/00107806 from sent20

Text  : Dziś wszyscy są już zdrowi .
Tokens: 1___ 2______ 3_ 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #9810 from articles/00107806 from sent21

Text  : Trener nie jest jednak zadowolony , narzekając na brak czasu na zbudowanie drużyny .
Tokens: 1_____ 2__ 3___ 4_____ 5_________ 6 7_________ 8_ 9___ 10___ 11 12________ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #9811 from articles/00107806 from sent22

Text  : Błochin największe problemy ma z napastnikami , którzy są nieskuteczni .
Tokens: 1______ 2_________ 3_______ 4_ 5 6___________ 7 8_____ 9_ 10__________ 11

Chunks:
  FalseNegative nam [1,1] = Błochin

(ChunkerEvaluator) Sentence #9812 from articles/00107806 from sent23

Text  : - Żaden z nich nie strzelił nawet 15 goli -  narzeka selekcjoner .
Tokens: 1 2____ 3 4___ 5__ 6_______ 7____ 8_ 9___ 10 11_____ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #9813 from articles/00107806 from sent24

Text  : I przypomina , że gwiazda szwedzkiej kadry - Zlatan Ibrahimovic -  w  lidze włoskiej zdobył ich 28 .
Tokens: 1 2_________ 3 4_ 5______ 6_________ 7____ 8 9_____ 10_________ 11 12 13___ 14______ 15____ 16_ 17 18

Chunks:
  TruePositive nam [9,10] = Zlatan Ibrahimovic

(ChunkerEvaluator) Sentence #9814 from articles/00107806 from sent25

Text  : Pietro Kuszłyk , były trener m . in . Widzewa ,  uważa ,  że największym atutem ukraińskiej reprezentacji będzie przygotowanie fizyczne .
Tokens: 1_____ 2______ 3 4___ 5_____ 6 7 8_ 9 10_____ 11 12___ 13 14 15_________ 16____ 17_________ 18___________ 19____ 20___________ 21______ 22

Chunks:
  TruePositive nam [1,2] = Pietro Kuszłyk
  TruePositive nam [10,10] = Widzewa

(ChunkerEvaluator) Sentence #9815 from articles/00107806 from sent26

Text  : - Nasi piłkarze mają też o co grać , bo premie mamy najwyższe spośród wszystkich drużyn występujących w  mistrzostwach [  w  sumie mogą zarobić 13 mln euro ]  -  opowiada .
Tokens: 1 2___ 3_______ 4___ 5__ 6 7_ 8___ 9 10 11____ 12__ 13_______ 14_____ 15________ 16____ 17___________ 18 19___________ 20 21 22___ 23__ 24_____ 25 26_ 27__ 28 29 30______ 31

Chunks:
  TruePositive nam [27,27] = euro
  FalseNegative nam [19,19] = mistrzostwach

2016-10-27 15:00:01,914 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 433 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107807.xml
(ChunkerEvaluator) Sentence #9816 from articles/00107807 from sent1

Text  : Suwalczanie pobili suwalczanina .
Tokens: 1__________ 2_____ 3___________ 4

Chunks:
  FalseNegative nam [1,1] = Suwalczanie
  FalseNegative nam [3,3] = suwalczanina

(ChunkerEvaluator) Sentence #9817 from articles/00107807 from sent2

Text  : Na śmierć .
Tokens: 1_ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #9818 from articles/00107807 from sent3

Text  : Posiedzą w areszcie
Tokens: 1_______ 2 3_______

Chunks:

(ChunkerEvaluator) Sentence #9819 from articles/00107807 from sent4

Text  : Co najmniej najbliższe trzy miesiące za kratami spędzi dwóch młodych mężczyzn ,  których policja podejrzewa o  pobicie ze skutkiem śmiertelnym .
Tokens: 1_ 2_______ 3_________ 4___ 5_______ 6_ 7______ 8_____ 9____ 10_____ 11______ 12 13_____ 14_____ 15________ 16 17_____ 18 19______ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #9820 from articles/00107807 from sent5

Text  : Do zdarzenia doszło w zeszłą środę w Suwałkach , przy ulicy Sejneńskiej .
Tokens: 1_ 2________ 3_____ 4 5_____ 6____ 7 8________ 9 10__ 11___ 12_________ 13

Chunks:
  TruePositive nam [8,8] = Suwałkach
  TruePositive nam [12,12] = Sejneńskiej

(ChunkerEvaluator) Sentence #9821 from articles/00107807 from sent6

Text  : Wówczas to dyżurny suwalskiej Policji otrzymał informację o znalezieniu w  jednym z  mieszkań przy ul .  Sejneńskiej zwłok 28 -  letniego mężczyzny .
Tokens: 1______ 2_ 3______ 4_________ 5______ 6_______ 7_________ 8 9__________ 10 11____ 12 13______ 14__ 15 16 17_________ 18___ 19 20 21______ 22_______ 23

Chunks:
  TruePositive nam [5,5] = Policji
  TruePositive nam [17,17] = Sejneńskiej

(ChunkerEvaluator) Sentence #9822 from articles/00107807 from sent7

Text  : Na miejsce natychmiast została skierowana grupa dochodzeniowo - śledcza ,  która rozpoczęła wyjaśnianie okoliczności śmierci mężczyzny .
Tokens: 1_ 2______ 3__________ 4______ 5_________ 6____ 7____________ 8 9______ 10 11___ 12________ 13_________ 14__________ 15_____ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #9823 from articles/00107807 from sent8

Text  : Ze wstępnych ustaleń wynikało , że przyczyną zgonu mogło być pobicie .
Tokens: 1_ 2________ 3______ 4_______ 5 6_ 7________ 8____ 9____ 10_ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #9824 from articles/00107807 from sent9

Text  : Jednocześnie , suwalscy policjanci ustalili osoby , które mogły mieć związek z  tym przestępstwem .
Tokens: 1___________ 2 3_______ 4_________ 5_______ 6____ 7 8____ 9____ 10__ 11_____ 12 13_ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #9825 from articles/00107807 from sent10

Text  : Już po godzinie funkcjonariusze zatrzymali pierwszego z podejrzewanych o udział w  śmiertelnym pobiciu -  20 -  letniego mieszkańca Suwałk .
Tokens: 1__ 2_ 3_______ 4______________ 5_________ 6_________ 7 8_____________ 9 10____ 11 12_________ 13_____ 14 15 16 17______ 18________ 19____ 20

Chunks:
  TruePositive nam [19,19] = Suwałk

(ChunkerEvaluator) Sentence #9826 from articles/00107807 from sent11

Text  : Dalsze ustalenia w tej sprawie doprowadziły funkcjonariuszy do drugiego z  podejrzewanych mężczyzn -  25 -  letniego suwalczanina .
Tokens: 1_____ 2________ 3 4__ 5______ 6___________ 7______________ 8_ 9_______ 10 11____________ 12______ 13 14 15 16______ 17__________ 18

Chunks:
  FalseNegative nam [17,17] = suwalczanina

(ChunkerEvaluator) Sentence #9827 from articles/00107807 from sent12

Text  : Ten został zatrzymany w miniony piątek .
Tokens: 1__ 2_____ 3_________ 4 5______ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #9828 from articles/00107807 from sent13

Text  : Z dotychczasowych ustaleń wynika , że obaj zatrzymani w jednym z  mieszkań przy ul .  Sejneńskiej wspólnie z  pokrzywdzonym spożywali alkohol .
Tokens: 1 2______________ 3______ 4_____ 5 6_ 7___ 8_________ 9 10____ 11 12______ 13__ 14 15 16_________ 17______ 18 19___________ 20_______ 21_____ 22

Chunks:
  TruePositive nam [16,16] = Sejneńskiej

(ChunkerEvaluator) Sentence #9829 from articles/00107807 from sent14

Text  : Najprawdopodobniej wówczas doszło między nimi do nieporozumień i awantury ,  która dla 28 -  latka zakończyła się tragicznie .
Tokens: 1_________________ 2______ 3_____ 4_____ 5___ 6_ 7____________ 8 9_______ 10 11___ 12_ 13 14 15___ 16________ 17_ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #9830 from articles/00107807 from sent15

Text  : Obydwaj zatrzymani w sobotę zostali doprowadzeni do Sądu Rejonowego w  Suwałkach ,  który zadecydował ,  o  ich tymczasowym aresztowaniu na 3  miesiące .
Tokens: 1______ 2_________ 3 4_____ 5______ 6___________ 7_ 8___ 9_________ 10 11_______ 12 13___ 14_________ 15 16 17_ 18_________ 19__________ 20 21 22______ 23

Chunks:
  FalsePositive nam [8,11] = Sądu Rejonowego w Suwałkach
  FalseNegative nam [8,9] = Sądu Rejonowego
  FalseNegative nam [11,11] = Suwałkach

(ChunkerEvaluator) Sentence #9831 from articles/00107807 from sent16

Text  : Grozi im nawet 10 lat więzienia .
Tokens: 1____ 2_ 3____ 4_ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #9832 from articles/00107807 from sent17

Text  : Suwalscy policjanci wyjaśniają dalsze dalsze okoliczności tragicznego zdarzenia .
Tokens: 1_______ 2_________ 3_________ 4_____ 5_____ 6___________ 7__________ 8________ 9

Chunks:

2016-10-27 15:00:01,985 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 434 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107808.xml
(ChunkerEvaluator) Sentence #9833 from articles/00107808 from sent1

Text  : Jak to we Lwowie - uśmiechy kryją niedoróbki
Tokens: 1__ 2_ 3_ 4_____ 5 6_______ 7____ 8_________

Chunks:
  TruePositive nam [4,4] = Lwowie

(ChunkerEvaluator) Sentence #9834 from articles/00107808 from sent2

Text  : 60 tys . kibiców we Lwowie w ciągu pierwszych dwóch dni Euro .
Tokens: 1_ 2__ 3 4______ 5_ 6_____ 7 8____ 9_________ 10___ 11_ 12__ 13

Chunks:
  TruePositive nam [6,6] = Lwowie
  TruePositive nam [12,12] = Euro

(ChunkerEvaluator) Sentence #9835 from articles/00107808 from sent3

Text  : Większość jest zadowolona .
Tokens: 1________ 2___ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #9836 from articles/00107808 from sent4

Text  : Najgorzej znoszą przejazdy marszrutkami i niedokończoną infrastrukturę wokół stadionu .
Tokens: 1________ 2_____ 3________ 4___________ 5 6____________ 7_____________ 8____ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #9837 from articles/00107808 from sent5

Text  : Takiej ilości obcokrajowców Lwów nie widział od czasu odzyskania niepodległości przez Ukrainę .
Tokens: 1_____ 2_____ 3____________ 4___ 5__ 6______ 7_ 8____ 9_________ 10____________ 11___ 12_____ 13

Chunks:
  TruePositive nam [4,4] = Lwów
  TruePositive nam [12,12] = Ukrainę

(ChunkerEvaluator) Sentence #9838 from articles/00107808 from sent6

Text  : Większość była przyjemnie zaskoczona i prywatnie zwierzała się , że z  powodu stereotypów o  Ukrainie nie przyjechali by ,  gdyby nie Euro .
Tokens: 1________ 2___ 3_________ 4_________ 5 6________ 7________ 8__ 9 10 11 12____ 13_________ 14 15______ 16_ 17_________ 18 19 20___ 21_ 22__ 23

Chunks:
  TruePositive nam [15,15] = Ukrainie
  TruePositive nam [22,22] = Euro

(ChunkerEvaluator) Sentence #9839 from articles/00107808 from sent7

Text  : - Lwów jest tym , o czym chciał by m  opowiedzieć w  domu -  powiedział mi niemiecki kibic .
Tokens: 1 2___ 3___ 4__ 5 6 7___ 8_____ 9_ 10 11_________ 12 13__ 14 15________ 16 17_______ 18___ 19

Chunks:
  TruePositive nam [2,2] = Lwów

(ChunkerEvaluator) Sentence #9840 from articles/00107808 from sent8

Text  : Na mecz Niemcy - Portugalia przyjechało prawie 15 tys .  niemieckich kibiców i  6  tys .  portugalskich .
Tokens: 1_ 2___ 3_____ 4 5_________ 6__________ 7_____ 8_ 9__ 10 11_________ 12_____ 13 14 15_ 16 17___________ 18

Chunks:
  TruePositive nam [3,3] = Niemcy
  TruePositive nam [5,5] = Portugalia

(ChunkerEvaluator) Sentence #9841 from articles/00107808 from sent9

Text  : Lwowianie żartują , że od czasów okupacji hitlerowskiej nie słyszeli na ulicach tak dużo niemieckiego .
Tokens: 1________ 2______ 3 4_ 5_ 6_____ 7_______ 8____________ 9__ 10______ 11 12_____ 13_ 14__ 15__________ 16

Chunks:
  FalseNegative nam [1,1] = Lwowianie

(ChunkerEvaluator) Sentence #9842 from articles/00107808 from sent10

Text  : Chociaż słychać też polski i angielski .
Tokens: 1______ 2______ 3__ 4_____ 5 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #9843 from articles/00107808 from sent11

Text  : Po mieście przewalały się tłumy Niemców , Portugalczyków i Polaków w  barwach narodowych ,  wielu owiniętych flagami .
Tokens: 1_ 2______ 3_________ 4__ 5____ 6______ 7 8_____________ 9 10_____ 11 12_____ 13________ 14 15___ 16________ 17_____ 18

Chunks:
  TruePositive nam [6,6] = Niemców
  TruePositive nam [8,8] = Portugalczyków
  TruePositive nam [10,10] = Polaków

(ChunkerEvaluator) Sentence #9844 from articles/00107808 from sent12

Text  : Śpiewali , wołali .
Tokens: 1_______ 2 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #9845 from articles/00107808 from sent13

Text  : Wszędzie niezwykły hałas .
Tokens: 1_______ 2________ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #9846 from articles/00107808 from sent14

Text  : Ale przez pierwsze dni Euro nie było doniesień o żadnych poważnych konfliktach .
Tokens: 1__ 2____ 3_______ 4__ 5___ 6__ 7___ 8________ 9 10_____ 11_______ 12_________ 13

Chunks:
  TruePositive nam [5,5] = Euro

(ChunkerEvaluator) Sentence #9847 from articles/00107808 from sent15

Text  : Tylko po zwycięstwie Rosji nad Czechami kilku ukraińskich kibiców zaatakowało 20 Rosjan ,  którzy wychodząc ze strefy kibica wykrzykiwali obraźliwe dla Ukraińców hasła .
Tokens: 1____ 2_ 3__________ 4____ 5__ 6_______ 7____ 8__________ 9______ 10_________ 11 12____ 13 14____ 15_______ 16 17____ 18____ 19__________ 20_______ 21_ 22_______ 23___ 24

Chunks:
  TruePositive nam [4,4] = Rosji
  TruePositive nam [6,6] = Czechami
  TruePositive nam [12,12] = Rosjan
  TruePositive nam [22,22] = Ukraińców

(ChunkerEvaluator) Sentence #9848 from articles/00107808 from sent16

Text  : Trwało to tylko chwilę , zaraz do akcji wkroczyła milicja .
Tokens: 1_____ 2_ 3____ 4_____ 5 6____ 7_ 8____ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #9849 from articles/00107808 from sent17

Text  : Zresztą uczyniła to grzecznie , bez zwykłej brutalności .
Tokens: 1______ 2_______ 3_ 4________ 5 6__ 7______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #9850 from articles/00107808 from sent18

Text  : Wygląda na to , że Lwowianie przejęli się wezwaniem władz miasta o  uprzejme zachowanie podczas Euro .
Tokens: 1______ 2_ 3_ 4 5_ 6________ 7_______ 8__ 9________ 10___ 11____ 12 13______ 14________ 15_____ 16__ 17

Chunks:
  TruePositive nam [6,6] = Lwowianie
  TruePositive nam [16,16] = Euro

(ChunkerEvaluator) Sentence #9851 from articles/00107808 from sent19

Text  : We Lwowie nawet żartują , że to mogło by być jednym z  największych osiągnięć mistrzostw .
Tokens: 1_ 2_____ 3____ 4______ 5 6_ 7_ 8____ 9_ 10_ 11____ 12 13__________ 14_______ 15________ 16

Chunks:
  TruePositive nam [2,2] = Lwowie
  FalseNegative nam [15,15] = mistrzostw

(ChunkerEvaluator) Sentence #9852 from articles/00107808 from sent20

Text  : Na ulicach pełno muzyków i artystów ulicznych - grają od rana do nocy .
Tokens: 1_ 2______ 3____ 4______ 5 6_______ 7________ 8 9____ 10 11__ 12 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #9853 from articles/00107808 from sent21

Text  : Jeden z nich powiedział mi , że w kilka godzin zarobił w  przeliczeniu ponad 200 zł .
Tokens: 1____ 2 3___ 4_________ 5_ 6 7_ 8 9____ 10____ 11_____ 12 13__________ 14___ 15_ 16 17

Chunks:
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #9854 from articles/00107808 from sent22

Text  : Miasto w tych dniach jest pełne życia całą dobę .
Tokens: 1_____ 2 3___ 4_____ 5___ 6____ 7____ 8___ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #9855 from articles/00107808 from sent23

Text  : Prawie wszystkie kawiarnie i restauracje są pełne , mimo że ceny wzrosły o  ok .  20 proc .
Tokens: 1_____ 2________ 3________ 4 5__________ 6_ 7____ 8 9___ 10 11__ 12_____ 13 14 15 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #9856 from articles/00107808 from sent24

Text  : Szczególnie popularne są restauracje tematyczne sieci Lokal , jedne poświęcone masochizmowi (  Zacher fon Masoch to znany Lwowianin )  ,  inne Żydom ,  lampie gazowej ,  którą wynaleziono we Lwowie ,  rzece Pełtwie ,  nad którą stoi miasto .
Tokens: 1__________ 2________ 3_ 4__________ 5_________ 6____ 7____ 8 9____ 10________ 11__________ 12 13____ 14_ 15____ 16 17___ 18_______ 19 20 21__ 22___ 23 24____ 25_____ 26 27___ 28_________ 29 30____ 31 32___ 33_____ 34 35_ 36___ 37__ 38____ 39

Chunks:
  TruePositive nam [7,7] = Lokal
  TruePositive nam [18,18] = Lwowianin
  TruePositive nam [22,22] = Żydom
  TruePositive nam [30,30] = Lwowie
  FalsePositive nam [32,33] = rzece Pełtwie
  FalseNegative nam [13,15] = Zacher fon Masoch
  FalseNegative nam [33,33] = Pełtwie

(ChunkerEvaluator) Sentence #9857 from articles/00107808 from sent25

Text  : Ceny nie są zaporowe .
Tokens: 1___ 2__ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #9858 from articles/00107808 from sent26

Text  : W przeliczeniu - piwo kosztuje 6 - 8 zł ,  pierogi lub placki ziemniaczane 10 -  12 zł .
Tokens: 1 2___________ 3 4___ 5_______ 6 7 8 9_ 10 11_____ 12_ 13____ 14__________ 15 16 17 18 19

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [18,18] = zł

(ChunkerEvaluator) Sentence #9859 from articles/00107808 from sent27

Text  : Większość Niemców i Portugalczyków zamieszkała w hotelach i hostelach ,  które rezerwowali już kilka miesięcy temu .
Tokens: 1________ 2______ 3 4_____________ 5__________ 6 7_______ 8 9________ 10 11___ 12_________ 13_ 14___ 15______ 16__ 17

Chunks:
  TruePositive nam [2,2] = Niemców
  TruePositive nam [4,4] = Portugalczyków

(ChunkerEvaluator) Sentence #9860 from articles/00107808 from sent28

Text  : Polacy wolą prywatne kwatery w centrum - przyzwoity pokój można wynająć za 40 -  50 zł za dobę .
Tokens: 1_____ 2___ 3_______ 4______ 5 6______ 7 8_________ 9____ 10___ 11_____ 12 13 14 15 16 17 18__ 19

Chunks:
  TruePositive nam [16,16] = zł
  FalseNegative nam [1,1] = Polacy

(ChunkerEvaluator) Sentence #9861 from articles/00107808 from sent29

Text  : Wyzwaniem dla turystów z Unii jest najbardziej popularny ukraiński transport miejski -  marszutki ,  niewielkie busiki zabierające ok .  10 pasażerów .
Tokens: 1________ 2__ 3_______ 4 5___ 6___ 7__________ 8________ 9________ 10_______ 11_____ 12 13_______ 14 15________ 16____ 17_________ 18 19 20 21_______ 22

Chunks:
  FalseNegative nam [5,5] = Unii

(ChunkerEvaluator) Sentence #9862 from articles/00107808 from sent30

Text  : Miasto zakorkowały samochody przyjezdnych i zamknięcie dla ruchu samego centrum ,  gdzie urządzono strefę kibica .
Tokens: 1_____ 2__________ 3________ 4___________ 5 6_________ 7__ 8____ 9_____ 10_____ 11 12___ 13_______ 14____ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #9863 from articles/00107808 from sent31

Text  : W marszrutkach stojących w tych niekończących się korkach nie ma klimatyzacji ,  pasażerowie mają saunę za darmo i  nigdy nie wiadomo kiedy gdzieś się dojedzie .
Tokens: 1 2___________ 3________ 4 5___ 6____________ 7__ 8______ 9__ 10 11__________ 12 13_________ 14__ 15___ 16 17___ 18 19___ 20_ 21_____ 22___ 23____ 24_ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #9864 from articles/00107808 from sent32

Text  : Do samego stadionu prowadzi wąska droga , którą wykańczano w  ostatnich dniach i  godzinach -  pospiesznie wylewano asfalt ,  już pojawiły się dziury ,  stawiano znaki drogowe .
Tokens: 1_ 2_____ 3_______ 4_______ 5____ 6____ 7 8____ 9_________ 10 11_______ 12____ 13 14_______ 15 16_________ 17______ 18____ 19 20_ 21______ 22_ 23____ 24 25______ 26___ 27_____ 28

Chunks:

(ChunkerEvaluator) Sentence #9865 from articles/00107808 from sent33

Text  : Wszędzie widać niedoróbki .
Tokens: 1_______ 2____ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #9866 from articles/00107808 from sent34

Text  : Były też kłopoty z samym wejściem na stadion .
Tokens: 1___ 2__ 3______ 4 5____ 6_______ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #9867 from articles/00107808 from sent35

Text  : Stały długie kolejki , więc byli tacy , m .  in .  Niemcy ,  którzy próbowali wejść przez ogrodzenie -  ich łapała policja .
Tokens: 1____ 2_____ 3______ 4 5___ 6___ 7___ 8 9 10 11 12 13____ 14 15____ 16_______ 17___ 18___ 19________ 20 21_ 22____ 23_____ 24

Chunks:
  TruePositive nam [13,13] = Niemcy

(ChunkerEvaluator) Sentence #9868 from articles/00107808 from sent36

Text  : Po meczu okazało się , że wokół stadionu jest za mało oświetlenia ,  ludzie zamiast iść do autobusów do centrum ,  pogubili się -  poszli naokoło i  wędrowali nocą aż do pobliskiego supermarketu skąd można było złapać połączenie do centrum .
Tokens: 1_ 2____ 3______ 4__ 5 6_ 7____ 8_______ 9___ 10 11__ 12_________ 13 14____ 15_____ 16_ 17 18_______ 19 20_____ 21 22______ 23_ 24 25____ 26_____ 27 28_______ 29__ 30 31 32_________ 33__________ 34__ 35___ 36__ 37____ 38________ 39 40_____ 41

Chunks:

2016-10-27 15:00:02,152 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 435 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107809.xml
(ChunkerEvaluator) Sentence #9869 from articles/00107809 from sent1

Text  : Na razie bez nielegalnego dopingu w strefie [ ZDJĘCIA ]
Tokens: 1_ 2____ 3__ 4___________ 5______ 6 7______ 8 9______ 10

Chunks:
  FalsePositive nam [9,9] = ZDJĘCIA

(ChunkerEvaluator) Sentence #9870 from articles/00107809 from sent2

Text  : Tłumy torunian w biało - czerwonych barwach znowu opanują dziś strefę kibica na toruńskich Jordankach .
Tokens: 1____ 2_______ 3 4____ 5 6_________ 7______ 8____ 9______ 10__ 11____ 12____ 13 14________ 15________ 16

Chunks:
  TruePositive nam [15,15] = Jordankach
  FalseNegative nam [2,2] = torunian

(ChunkerEvaluator) Sentence #9871 from articles/00107809 from sent3

Text  : O 20 . 45 nasi piłkarze grają dziś mecz -  kto wie czy nie kluczowy dla ich pozycji w  grupie -  z  Rosją ,  która w  piątek rozbiła Czechów 4  :  1  .
Tokens: 1 2_ 3 4_ 5___ 6_______ 7____ 8___ 9___ 10 11_ 12_ 13_ 14_ 15______ 16_ 17_ 18_____ 19 20____ 21 22 23___ 24 25___ 26 27____ 28_____ 29_____ 30 31 32 33

Chunks:
  TruePositive nam [23,23] = Rosją
  TruePositive nam [29,29] = Czechów

(ChunkerEvaluator) Sentence #9872 from articles/00107809 from sent4

Text  : Wysoka frekwencja zatem murowana .
Tokens: 1_____ 2_________ 3____ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #9873 from articles/00107809 from sent5

Text  : Przemawia za nią także liczba kibiców , którzy postanowili wspólnie obejrzeć zakończone remisem 1  :  1  spotkanie Polaków z  Grekami ,  inaugurujące Euro 2012 w  naszym kraju i  na Ukrainie .
Tokens: 1________ 2_ 3__ 4____ 5_____ 6______ 7 8_____ 9__________ 10______ 11______ 12________ 13_____ 14 15 16 17_______ 18_____ 19 20_____ 21 22__________ 23__ 24__ 25 26____ 27___ 28 29 30______ 31

Chunks:
  TruePositive nam [20,20] = Grekami
  TruePositive nam [30,30] = Ukrainie
  FalsePositive nam [23,23] = Euro
  FalseNegative nam [18,18] = Polaków
  FalseNegative nam [23,24] = Euro 2012

(ChunkerEvaluator) Sentence #9874 from articles/00107809 from sent6

Text  : Na Jordanki przyszło wówczas ok . 1 , 5 tys .  fanów .
Tokens: 1_ 2_______ 3_______ 4______ 5_ 6 7 8 9 10_ 11 12___ 13

Chunks:
  TruePositive nam [2,2] = Jordanki

(ChunkerEvaluator) Sentence #9875 from articles/00107809 from sent7

Text  : Chyba nie było takiego , który nie miał by biało -  czerwonej flagi ,  koszulki ,  czapeczki itp .  elementu .
Tokens: 1____ 2__ 3___ 4______ 5 6____ 7__ 8___ 9_ 10___ 11 12_______ 13___ 14 15______ 16 17_______ 18_ 19 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #9876 from articles/00107809 from sent8

Text  : Nieco mniejszym zainteresowaniem piłkarskich fanów cieszyła się strefa w sobotę i  niedzielę ,  gdy nasza reprezentacja odpoczywała .
Tokens: 1____ 2________ 3_______________ 4__________ 5____ 6_______ 7__ 8_____ 9 10____ 11 12_______ 13 14_ 15___ 16___________ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #9877 from articles/00107809 from sent9

Text  : Ale i tak mecze mistrzów świata i Europy Hiszpanów z  Włochami ,  czy Niemców z  Portugalczykami chciało zobaczyć na świeżym powietrzu ponad pół tysiąca osób .
Tokens: 1__ 2 3__ 4____ 5_______ 6_____ 7 8_____ 9________ 10 11______ 12 13_ 14_____ 15 16_____________ 17_____ 18______ 19 20_____ 21_______ 22___ 23_ 24_____ 25__ 26

Chunks:
  TruePositive nam [11,11] = Włochami
  TruePositive nam [14,14] = Niemców
  TruePositive nam [16,16] = Portugalczykami
  FalsePositive nam [8,9] = Europy Hiszpanów
  FalseNegative nam [5,6] = mistrzów świata
  FalseNegative nam [8,8] = Europy
  FalseNegative nam [9,9] = Hiszpanów

(ChunkerEvaluator) Sentence #9878 from articles/00107809 from sent10

Text  : Co najistotniejsze , kibice - jak przystało na sportowe święto -  zajmują się dopingiem i  zabawą ,  a  nie rozrabianiem .
Tokens: 1_ 2______________ 3 4_____ 5 6__ 7________ 8_ 9_______ 10____ 11 12_____ 13_ 14_______ 15 16____ 17 18 19_ 20__________ 21

Chunks:

(ChunkerEvaluator) Sentence #9879 from articles/00107809 from sent11

Text  : Policja nie odnotowała jak dotąd żadnych incydentów .
Tokens: 1______ 2__ 3_________ 4__ 5____ 6______ 7_________ 8

Chunks:
  FalseNegative nam [1,1] = Policja

2016-10-27 15:00:02,213 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 436 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107810.xml
(ChunkerEvaluator) Sentence #9880 from articles/00107810 from sent1

Text  : Ułatwienia celne dla polskich eksporterów na Ukrainę
Tokens: 1_________ 2____ 3__ 4_______ 5__________ 6_ 7______

Chunks:
  TruePositive nam [7,7] = Ukrainę

(ChunkerEvaluator) Sentence #9881 from articles/00107810 from sent2

Text  : Od 1 czerwca Ukraina ma nowy Kodeks celny .
Tokens: 1_ 2 3______ 4______ 5_ 6___ 7_____ 8____ 9

Chunks:
  TruePositive nam [4,4] = Ukraina
  FalseNegative nam [7,8] = Kodeks celny

(ChunkerEvaluator) Sentence #9882 from articles/00107810 from sent3

Text  : Zmiany dają nadzieję ma znaczące ułatwienie życia także polskim przedsiębiorcom ,  zwłaszcza w  zakresie czasu trwania odprawy celnej -  powiedział serwisowi portalspożywczy .  pl dr Maksym Ferenc ,  koordynator Ukrainian Desk ,  Chałas i  Wspólnicy Kancelaria Prawna .
Tokens: 1_____ 2___ 3_______ 4_ 5_______ 6_________ 7____ 8____ 9______ 10_____________ 11 12_______ 13 14______ 15___ 16_____ 17_____ 18____ 19 20________ 21_______ 22_____________ 23 24 25 26____ 27____ 28 29_________ 30_______ 31__ 32 33____ 34 35_______ 36________ 37____ 38

Chunks:
  TruePositive nam [26,27] = Maksym Ferenc
  TruePositive nam [30,31] = Ukrainian Desk
  FalsePositive nam [35,37] = Wspólnicy Kancelaria Prawna
  FalseNegative nam [33,37] = Chałas i Wspólnicy Kancelaria Prawna

(ChunkerEvaluator) Sentence #9883 from articles/00107810 from sent4

Text  : Kodeks został podpisany przez Prezydenta Ukrainy jeszcze w kwietniu ,  lecz zaczął obowiązywać dopiero 1  czerwca .
Tokens: 1_____ 2_____ 3________ 4____ 5_________ 6______ 7______ 8 9_______ 10 11__ 12____ 13_________ 14_____ 15 16_____ 17

Chunks:
  FalsePositive nam [5,6] = Prezydenta Ukrainy
  FalseNegative nam [1,1] = Kodeks
  FalseNegative nam [6,6] = Ukrainy

(ChunkerEvaluator) Sentence #9884 from articles/00107810 from sent5

Text  : Wprowadza do ukraińskiego prawa celnego wiele innowacyjnych rozwiązań , wśród których najważniejszym jest ograniczenie maksymalnego czasu trwania odprawy celnej do 4  godzin od momentu rozpoczęcia procedury odprawy i  złożenia kompletu wymaganych dokumentów .
Tokens: 1________ 2_ 3___________ 4____ 5______ 6____ 7____________ 8________ 9 10___ 11_____ 12____________ 13__ 14__________ 15__________ 16___ 17_____ 18_____ 19____ 20 21 22____ 23 24_____ 25_________ 26_______ 27_____ 28 29______ 30______ 31________ 32________ 33

Chunks:

(ChunkerEvaluator) Sentence #9885 from articles/00107810 from sent6

Text  : Dotychczasowa odprawa mogła trwać do 24 godzin .
Tokens: 1____________ 2______ 3____ 4____ 5_ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #9886 from articles/00107810 from sent7

Text  : Jeśli odprawa celna trwała będzie dłużej niż 4 godziny ,  podmiot gospodarczy będzie mógł domagać się kompensacji za straty wynikające z  przetrzymywania towaru .
Tokens: 1____ 2______ 3____ 4_____ 5_____ 6_____ 7__ 8 9______ 10 11_____ 12_________ 13____ 14__ 15_____ 16_ 17_________ 18 19____ 20________ 21 22_____________ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #9887 from articles/00107810 from sent8

Text  : Nowym rozwiązaniem jest także wprowadzenie personalnej odpowiedzialności organów celnych za błędne decyzje ,  działania niezgodne z  prawem czy bezprawne przeciąganie odprawy celnej .
Tokens: 1____ 2___________ 3___ 4____ 5___________ 6__________ 7________________ 8______ 9______ 10 11____ 12_____ 13 14_______ 15_______ 16 17____ 18_ 19_______ 20__________ 21_____ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #9888 from articles/00107810 from sent9

Text  : Warto też pamiętać o wprowadzeniu instytucji postaudytu - polega ona na tym ,  że organy celne będą mogły przeprowadzać dodatkowe kontrole już po zakończeniu odprawy celnej i  wprowadzeniu towaru do obrotu rynkowego .
Tokens: 1____ 2__ 3_______ 4 5___________ 6_________ 7_________ 8 9_____ 10_ 11 12_ 13 14 15____ 16___ 17__ 18___ 19___________ 20_______ 21______ 22_ 23 24_________ 25_____ 26____ 27 28__________ 29____ 30 31____ 32_______ 33

Chunks:

(ChunkerEvaluator) Sentence #9889 from articles/00107810 from sent10

Text  : Przyjęcie nowego kodeksu pozwala także na rozwiązanie jednego z najbardziej aktualnych problemów ,  jakie mają przedsiębiorstwa prowadzące handel z  Ukrainą -  braku precyzyjnych zasad określania wartości celnej eksportowanych towarów .
Tokens: 1________ 2_____ 3______ 4______ 5____ 6_ 7__________ 8______ 9 10_________ 11________ 12_______ 13 14___ 15__ 16______________ 17________ 18____ 19 20_____ 21 22___ 23__________ 24___ 25________ 26______ 27____ 28____________ 29_____ 30

Chunks:
  TruePositive nam [20,20] = Ukrainą

(ChunkerEvaluator) Sentence #9890 from articles/00107810 from sent11

Text  : Wprawdzie zostały zachowane dotychczasowe podstawowe metody wyznaczania wartości celnej ,  jednak nowe przepisy ograniczają wykaz dokumentów ,  wymaganych przez organ celny w  celu potwierdzenia wartości celnej danego towaru .
Tokens: 1________ 2______ 3________ 4____________ 5_________ 6_____ 7__________ 8_______ 9_____ 10 11____ 12__ 13______ 14_________ 15___ 16________ 17 18________ 19___ 20___ 21___ 22 23__ 24___________ 25______ 26____ 27____ 28____ 29

Chunks:

(ChunkerEvaluator) Sentence #9891 from articles/00107810 from sent12

Text  : W celu dokonania odprawy celnej od przedsiębiorcy wymagane będzie przedstawienie jednie trzech dokumentów :  deklaracji celnej ,  faktury oraz deklaracji wartości celnej .
Tokens: 1 2___ 3________ 4______ 5_____ 6_ 7_____________ 8_______ 9_____ 10____________ 11____ 12____ 13________ 14 15________ 16____ 17 18_____ 19__ 20________ 21______ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #9892 from articles/00107810 from sent13

Text  : Dokumenty te można złożyć w formie elektronicznej jeszcze przed przybyciem towaru do urzędu celnego .
Tokens: 1________ 2_ 3____ 4_____ 5 6_____ 7_____________ 8______ 9____ 10________ 11____ 12 13____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #9893 from articles/00107810 from sent14

Text  : To jedno z najbardziej innowacyjnych rozwiązań wprowadzanych przez nowe przepisy polega na zadeklarowaniu towarów oraz środków transportu poprzez złożenie elektronicznej deklaracji i  innych dokumentów oraz przeprowadzeniu przez urząd celny odprawy na podstawie takiej właśnie dokumentacji elektronicznej .
Tokens: 1_ 2____ 3 4__________ 5____________ 6________ 7____________ 8____ 9___ 10______ 11____ 12 13____________ 14_____ 15__ 16_____ 17________ 18_____ 19______ 20____________ 21________ 22 23____ 24________ 25__ 26_____________ 27___ 28___ 29___ 30_____ 31 32_______ 33____ 34_____ 35__________ 36____________ 37

Chunks:

(ChunkerEvaluator) Sentence #9894 from articles/00107810 from sent15

Text  : Korzystnym dla przedsiębiorców jest także zapis , że w przypadku uzasadnionych wątpliwości organ celny będzie musiał pisemnie poinformować przedsiębiorcę o  przyczynach niezastosowania podstawowej metody wyznaczania wartości celnej towarów ,  a  ciężar udowodnienia nieprawidłowości spadnie na urząd celny ,  a  nie jak dotychczas na samego przedsiębiorcę .
Tokens: 1_________ 2__ 3______________ 4___ 5____ 6____ 7 8_ 9 10_______ 11___________ 12_________ 13___ 14___ 15____ 16____ 17______ 18__________ 19____________ 20 21_________ 22_____________ 23_________ 24____ 25_________ 26______ 27____ 28_____ 29 30 31____ 32__________ 33______________ 34_____ 35 36___ 37___ 38 39 40_ 41_ 42________ 43 44____ 45____________ 46

Chunks:

(ChunkerEvaluator) Sentence #9895 from articles/00107810 from sent16

Text  : Przepisy nowego Kodeksu celnego dają również przedsiębiorcy możliwość wyboru dowolnego urzędu celnego w  celu odprawy towarów wwożonych na Ukrainy .
Tokens: 1_______ 2_____ 3______ 4______ 5___ 6______ 7_____________ 8________ 9_____ 10_______ 11____ 12_____ 13 14__ 15_____ 16_____ 17_______ 18 19_____ 20

Chunks:
  TruePositive nam [19,19] = Ukrainy
  FalseNegative nam [3,4] = Kodeksu celnego

(ChunkerEvaluator) Sentence #9896 from articles/00107810 from sent17

Text  : Istotnym ułatwieniem dla przedsiębiorców , którzy funkcjonują w obrocie międzynarodowym powyżej 3  lat i  nie budzą zastrzeżeń organów celnych Ukrainy jest wprowadzenie instytucji „  wiarygodnego operatora gospodarczego "  .
Tokens: 1_______ 2__________ 3__ 4______________ 5 6_____ 7__________ 8 9______ 10_____________ 11_____ 12 13_ 14 15_ 16___ 17________ 18_____ 19_____ 20_____ 21__ 22__________ 23________ 24 25__________ 26_______ 27___________ 28 29

Chunks:
  TruePositive nam [20,20] = Ukrainy

(ChunkerEvaluator) Sentence #9897 from articles/00107810 from sent18

Text  : Podmiot , który uzyskał taki status , może korzystać z  uproszczonych procedur celnych .
Tokens: 1______ 2 3____ 4______ 5___ 6_____ 7 8___ 9________ 10 11___________ 12______ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #9898 from articles/00107810 from sent19

Text  : Pozytywnym skutkiem wejścia w życie nowego Kodeksu jest także zniesienie odpowiedzialności karnej za naruszenie prawa celnego Ukrainy .
Tokens: 1_________ 2_______ 3______ 4 5____ 6_____ 7______ 8___ 9____ 10________ 11_______________ 12____ 13 14________ 15___ 16_____ 17_____ 18

Chunks:
  TruePositive nam [7,7] = Kodeksu
  TruePositive nam [17,17] = Ukrainy

(ChunkerEvaluator) Sentence #9899 from articles/00107810 from sent20

Text  : W zamian jednak uległy podwyższeniu kary finansowe za tego rodzaju naruszenia .
Tokens: 1 2_____ 3_____ 4_____ 5___________ 6___ 7________ 8_ 9___ 10_____ 11________ 12

Chunks:

2016-10-27 15:00:02,358 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 437 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107811.xml
(ChunkerEvaluator) Sentence #9900 from articles/00107811 from sent1

Text  : Folie optyczne 3M wykorzystane w terminalach komputerowych firmy HP
Tokens: 1____ 2_______ 3_ 4___________ 5 6__________ 7____________ 8____ 9_

Chunks:
  TruePositive nam [9,9] = HP
  FalseNegative nam [3,3] = 3M

(ChunkerEvaluator) Sentence #9901 from articles/00107811 from sent2

Text  : Koncern 3M dostarcza najnowsze rozwiązania technologiczne największym firmom na świecie .
Tokens: 1______ 2_ 3________ 4________ 5__________ 6_____________ 7__________ 8_____ 9_ 10_____ 11

Chunks:
  FalseNegative nam [2,2] = 3M

(ChunkerEvaluator) Sentence #9902 from articles/00107811 from sent3

Text  : Firma HP , dzięki współpracy z 3M , właśnie wprowadziła do oferty inteligentny terminal komputerowy ,  który pobiera dziesięciokrotnie mniej energii elektrycznej niż zwykły komputer stacjonarny .
Tokens: 1____ 2_ 3 4_____ 5_________ 6 7_ 8 9______ 10_________ 11 12____ 13__________ 14______ 15_________ 16 17___ 18_____ 19_______________ 20___ 21_____ 22__________ 23_ 24____ 25______ 26_________ 27

Chunks:
  TruePositive nam [2,2] = HP
  FalseNegative nam [7,7] = 3M

(ChunkerEvaluator) Sentence #9903 from articles/00107811 from sent4

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9904 from articles/00107811 from sent5

Text  : Koncern 3M dostarcza najnowsze rozwiązania technologiczne największym firmom na świecie .
Tokens: 1______ 2_ 3________ 4________ 5__________ 6_____________ 7__________ 8_____ 9_ 10_____ 11

Chunks:
  FalseNegative nam [2,2] = 3M

(ChunkerEvaluator) Sentence #9905 from articles/00107811 from sent6

Text  : Firma HP , dzięki współpracy z 3M , właśnie wprowadziła do oferty inteligentny terminal komputerowy ,  który pobiera dziesięciokrotnie mniej energii elektrycznej niż zwykły komputer stacjonarny .
Tokens: 1____ 2_ 3 4_____ 5_________ 6 7_ 8 9______ 10_________ 11 12____ 13__________ 14______ 15_________ 16 17___ 18_____ 19_______________ 20___ 21_____ 22__________ 23_ 24____ 25______ 26_________ 27

Chunks:
  TruePositive nam [2,2] = HP
  FalseNegative nam [7,7] = 3M

(ChunkerEvaluator) Sentence #9906 from articles/00107811 from sent7

Text  : Stało się to możliwe m . in . dzięki technologii 3M ,  która pozwala na wyświetlenie obrazu wysokiej jakości przy znacznie mniejszym poborze prądu .
Tokens: 1____ 2__ 3_ 4______ 5 6 7_ 8 9_____ 10_________ 11 12 13___ 14_____ 15 16__________ 17____ 18______ 19_____ 20__ 21______ 22_______ 23_____ 24___ 25

Chunks:
  FalseNegative nam [11,11] = 3M

(ChunkerEvaluator) Sentence #9907 from articles/00107811 from sent8

Text  : To zaś pozwoliło na wyeliminowanie konieczności zasilania terminala z tradycyjnej sieci elektrycznej i  zasilanie go poprzez sieć komputerową w  ramach standardu Power over Ethernet .
Tokens: 1_ 2__ 3________ 4_ 5_____________ 6___________ 7________ 8________ 9 10_________ 11___ 12__________ 13 14_______ 15 16_____ 17__ 18_________ 19 20____ 21_______ 22___ 23__ 24______ 25

Chunks:
  FalseNegative nam [22,24] = Power over Ethernet

(ChunkerEvaluator) Sentence #9908 from articles/00107811 from sent9

Text  : Terminale komputerowe swoim wyglądem przypominają komputery , jednak są od nich znacznie mniejsze (  a  coraz częściej umieszczone w  obudowie wyświetlacza )  .
Tokens: 1________ 2__________ 3____ 4_______ 5___________ 6________ 7 8_____ 9_ 10 11__ 12______ 13______ 14 15 16___ 17______ 18_________ 19 20______ 21__________ 22 23

Chunks:

(ChunkerEvaluator) Sentence #9909 from articles/00107811 from sent10

Text  : Dają dostęp do danych przechowywanych i przetwarzanych na firmowych serwerach .
Tokens: 1___ 2_____ 3_ 4_____ 5______________ 6 7_____________ 8_ 9________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #9910 from articles/00107811 from sent11

Text  : Jednym z takich terminali jest nowy HP t410 All -  in -  One Smart Zero Client ,  którego pobór energii elektrycznej to tylko 13 watów .
Tokens: 1_____ 2 3_____ 4________ 5___ 6___ 7_ 8___ 9__ 10 11 12 13_ 14___ 15__ 16____ 17 18_____ 19___ 20_____ 21__________ 22 23___ 24 25___ 26

Chunks:
  TruePositive nam [7,7] = HP
  FalsePositive nam [9,16] = All - in - One Smart Zero Client
  FalseNegative nam [8,16] = t410 All - in - One Smart Zero Client

(ChunkerEvaluator) Sentence #9911 from articles/00107811 from sent12

Text  : Stało się to możliwe dzięki wyprodukowanej przez dział 3M Optical Systems specjalnej folii Dual Brightness Enhancement Film .
Tokens: 1____ 2__ 3_ 4______ 5_____ 6_____________ 7____ 8____ 9_ 10_____ 11_____ 12________ 13___ 14__ 15________ 16_________ 17__ 18

Chunks:
  TruePositive nam [14,17] = Dual Brightness Enhancement Film
  FalseNegative nam [9,9] = 3M
  FalseNegative nam [10,11] = Optical Systems

(ChunkerEvaluator) Sentence #9912 from articles/00107811 from sent13

Text  : Zapewnia ona wysoką jakość wyświetlanego na podświetlanym od tyłu ekranie LED obrazu ,  przyczyniając się do zmniejszenia zapotrzebowania na energię elektryczną konieczną do jego zasilania .
Tokens: 1_______ 2__ 3_____ 4_____ 5____________ 6_ 7____________ 8_ 9___ 10_____ 11_ 12____ 13 14___________ 15_ 16 17__________ 18_____________ 19 20_____ 21_________ 22_______ 23 24__ 25_______ 26

Chunks:
  TruePositive nam [11,11] = LED

(ChunkerEvaluator) Sentence #9913 from articles/00107811 from sent14

Text  : Znacznie mniejszy niż tradycyjnie pobór energii otworzył nowe możliwości .
Tokens: 1_______ 2_______ 3__ 4__________ 5____ 6______ 7_______ 8___ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #9914 from articles/00107811 from sent15

Text  : Najważniejszą jest zasilanie terminala poprzez sieć komputerową w standardzie Power over Ethernet (  PoE )  ,  co daje administratorom pełną kontrolę nad poprawną pracą urządzeń ,  zaś użytkownikom odbiera jeden z  przewodów biegnących od ich biurka ,  zapewniając większą wygodę i  bezpieczeństwo .
Tokens: 1____________ 2___ 3________ 4________ 5______ 6___ 7__________ 8 9__________ 10___ 11__ 12______ 13 14_ 15 16 17 18__ 19_____________ 20___ 21______ 22_ 23______ 24___ 25______ 26 27_ 28__________ 29_____ 30___ 31 32_______ 33________ 34 35_ 36____ 37 38_________ 39_____ 40____ 41 42____________ 43

Chunks:
  TruePositive nam [14,14] = PoE
  FalsePositive nam [12,12] = Ethernet
  FalseNegative nam [10,12] = Power over Ethernet

(ChunkerEvaluator) Sentence #9915 from articles/00107811 from sent16

Text  : Mniejszy pobór energii to także oszczędności na rachunkach elektrycznych –  przy skali dużego przedsiębiorstwa sięgające nawet kilkudziesięciu tysięcy złotych w  skali roku .
Tokens: 1_______ 2____ 3______ 4_ 5____ 6___________ 7_ 8_________ 9____________ 10 11__ 12___ 13____ 14______________ 15_______ 16___ 17_____________ 18_____ 19_____ 20 21___ 22__ 23

Chunks:
  TruePositive nam [19,19] = złotych

(ChunkerEvaluator) Sentence #9916 from articles/00107811 from sent17

Text  : - Nowy terminal , wykorzystujący ekran z folią 3M ,  rozwija obecne modele biznesowe i  stwarza nową wartość w  segmencie korporacyjnym .
Tokens: 1 2___ 3_______ 4 5_____________ 6____ 7 8____ 9_ 10 11_____ 12____ 13____ 14_______ 15 16_____ 17__ 18_____ 19 20_______ 21___________ 22

Chunks:
  FalseNegative nam [9,9] = 3M

(ChunkerEvaluator) Sentence #9917 from articles/00107811 from sent18

Text  : Nasza współpraca z HP pozwoliła na opracowanie inteligentnego monitora ,  który może odbierać sygnał wideo oraz być zasilany tylko przy pomocy jednego kabla sieci komputerowej -  powiedziała Shannon Siefken ,  starszy inżynier w  dziale systemów optycznych firmy 3M -  To rozwiązanie jest modelowym przykładem współpracy i  wzajemnych inspiracji naukowców z  3M ,  którzy odpowiadając na bieżące potrzeby klientów -  sukcesywnie poszerzają zastosowanie folii optycznych .
Tokens: 1____ 2_________ 3 4_ 5________ 6_ 7__________ 8_____________ 9_______ 10 11___ 12__ 13______ 14____ 15___ 16__ 17_ 18______ 19___ 20__ 21____ 22_____ 23___ 24___ 25__________ 26 27_________ 28_____ 29_____ 30 31_____ 32______ 33 34____ 35______ 36________ 37___ 38 39 40 41_________ 42__ 43_______ 44________ 45________ 46 47________ 48________ 49_______ 50 51 52 53____ 54__________ 55 56_____ 57______ 58______ 59 60_________ 61________ 62__________ 63___ 64________ 65

Chunks:
  TruePositive nam [4,4] = HP
  TruePositive nam [28,29] = Shannon Siefken
  FalseNegative nam [38,38] = 3M
  FalseNegative nam [51,51] = 3M

(ChunkerEvaluator) Sentence #9918 from articles/00107811 from sent19

Text  : * * *
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #9919 from articles/00107811 from sent20

Text  : O 3M Poland
Tokens: 1 2_ 3_____

Chunks:
  FalsePositive nam [3,3] = Poland
  FalseNegative nam [2,3] = 3M Poland

(ChunkerEvaluator) Sentence #9920 from articles/00107811 from sent21

Text  : 3M Poland Sp . z o . o . jest filią koncernu Minnesota Mining and Manufacturing .
Tokens: 1_ 2_____ 3_ 4 5 6 7 8 9 10__ 11___ 12______ 13_______ 14____ 15_ 16___________ 17

Chunks:
  TruePositive nam [13,16] = Minnesota Mining and Manufacturing
  FalsePositive nam [2,9] = Poland Sp . z o . o .
  FalseNegative nam [1,9] = 3M Poland Sp . z o . o .

(ChunkerEvaluator) Sentence #9921 from articles/00107811 from sent22

Text  : W ubiegłym roku firma obchodziła dwudziestolecie istnienia na polskim rynku oraz dziesięciolecie rozpoczęcia działalności produkcyjnej .
Tokens: 1 2_______ 3___ 4____ 5_________ 6______________ 7________ 8_ 9______ 10___ 11__ 12_____________ 13_________ 14__________ 15__________ 16

Chunks:

(ChunkerEvaluator) Sentence #9922 from articles/00107811 from sent23

Text  : 3M w Polsce posiada 4 ośrodki produkcyjne oraz zatrudnia ponad 1600 pracowników .
Tokens: 1_ 2 3_____ 4______ 5 6______ 7__________ 8___ 9________ 10___ 11__ 12_________ 13

Chunks:
  TruePositive nam [3,3] = Polsce
  FalseNegative nam [1,1] = 3M

(ChunkerEvaluator) Sentence #9923 from articles/00107811 from sent24

Text  : Centrala firmy mieści się w Kajetanach k / Warszawy ,  a  biuro regionalne we Wrocławiu .
Tokens: 1_______ 2____ 3_____ 4__ 5 6_________ 7 8 9_______ 10 11 12___ 13________ 14 15_______ 16

Chunks:
  TruePositive nam [6,6] = Kajetanach
  TruePositive nam [9,9] = Warszawy
  TruePositive nam [15,15] = Wrocławiu

(ChunkerEvaluator) Sentence #9924 from articles/00107811 from sent25

Text  : 3M Poland oferuje ponad 10 000 produktów z takich sektorów jak :  Ochrona zdrowia ,  Produkty biurowe i  konsumenckie ,  Bezpieczeństwo ,  ochrona i  zabezpieczenia ,  Reklama wizualna i  materiały odblaskowe ,  Przemysł i  transport ,  Energetyka i  telekomunikacja .
Tokens: 1_ 2_____ 3______ 4____ 5_ 6__ 7________ 8 9_____ 10______ 11_ 12 13_____ 14_____ 15 16______ 17_____ 18 19__________ 20 21____________ 22 23_____ 24 25____________ 26 27_____ 28______ 29 30_______ 31________ 32 33______ 34 35_______ 36 37________ 38 39_____________ 40

Chunks:
  FalsePositive nam [2,2] = Poland
  FalsePositive nam [21,21] = Bezpieczeństwo
  FalsePositive nam [33,33] = Przemysł
  FalsePositive nam [37,37] = Energetyka
  FalseNegative nam [1,2] = 3M Poland

(ChunkerEvaluator) Sentence #9925 from articles/00107811 from sent26

Text  : Dotychczasowe inwestycje 3M w Polsce wyniosły ok . 350 mln USD .
Tokens: 1____________ 2_________ 3_ 4 5_____ 6_______ 7_ 8 9__ 10_ 11_ 12

Chunks:
  TruePositive nam [5,5] = Polsce
  TruePositive nam [11,11] = USD
  FalseNegative nam [3,3] = 3M

(ChunkerEvaluator) Sentence #9926 from articles/00107811 from sent27

Text  : 3M Poland od ponad 20 lat wnosi wkład w rozwój polskiego biznesu i  gospodarki za co otrzymuje liczne nagrody i  wyróżnienia m  .  in .  tytuł „  Firmy XX -  lecia 1990 -  2010 ”  przyznany jej przez Polski Klub Biznesu ,  „  Business Superbrand 2010 ”  oraz tytuł Perły Polskiej Gospodarki 2011 .
Tokens: 1_ 2_____ 3_ 4____ 5_ 6__ 7____ 8____ 9 10____ 11_______ 12_____ 13 14________ 15 16 17_______ 18____ 19_____ 20 21_________ 22 23 24 25 26___ 27 28___ 29 30 31___ 32__ 33 34__ 35 36_______ 37_ 38___ 39____ 40__ 41_____ 42 43 44______ 45________ 46__ 47 48__ 49___ 50___ 51______ 52________ 53__ 54

Chunks:
  TruePositive nam [28,34] = Firmy XX - lecia 1990 - 2010
  TruePositive nam [39,41] = Polski Klub Biznesu
  FalsePositive nam [2,2] = Poland
  FalsePositive nam [44,47] = Business Superbrand 2010 ”
  FalsePositive nam [50,52] = Perły Polskiej Gospodarki
  FalseNegative nam [1,2] = 3M Poland
  FalseNegative nam [44,46] = Business Superbrand 2010
  FalseNegative nam [50,53] = Perły Polskiej Gospodarki 2011

(ChunkerEvaluator) Sentence #9927 from articles/00107811 from sent28

Text  : Więcej informacji : www.3m.pl
Tokens: 1_____ 2_________ 3 4________

Chunks:
  TruePositive nam [4,4] = www.3m.pl

(ChunkerEvaluator) Sentence #9928 from articles/00107811 from sent29

Text  : O 3M
Tokens: 1 2_

Chunks:
  FalseNegative nam [2,2] = 3M

(ChunkerEvaluator) Sentence #9929 from articles/00107811 from sent30

Text  : 3M przekształca nowe idee w tysiące pomysłowych produktów .
Tokens: 1_ 2___________ 3___ 4___ 5 6______ 7__________ 8________ 9

Chunks:
  FalseNegative nam [1,1] = 3M

(ChunkerEvaluator) Sentence #9930 from articles/00107811 from sent31

Text  : Nasza kultura twórczej współpracy nieustannie inspiruje powstawanie zaawansowanych technologii ,  których podstawowym celem jest poprawa jakości życia .
Tokens: 1____ 2______ 3_______ 4_________ 5__________ 6________ 7__________ 8_____________ 9__________ 10 11_____ 12_________ 13___ 14__ 15_____ 16_____ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #9931 from articles/00107811 from sent32

Text  : 3M to innowacyjna firma , która od początku swojego istnienia nieprzerwanie tworzy i  dostarcza nowe rozwiązania ułatwiające ludziom życie .
Tokens: 1_ 2_ 3__________ 4____ 5 6____ 7_ 8_______ 9______ 10_______ 11___________ 12____ 13 14_______ 15__ 16_________ 17_________ 18_____ 19___ 20

Chunks:
  FalseNegative nam [1,1] = 3M

(ChunkerEvaluator) Sentence #9932 from articles/00107811 from sent33

Text  : 3M osiąga przychody w wysokości 30 mld USD , zatrudnia 84 000 osób na całym świecie i  działa w  ponad 65 krajach .
Tokens: 1_ 2_____ 3________ 4 5________ 6_ 7__ 8__ 9 10_______ 11 12_ 13__ 14 15___ 16_____ 17 18____ 19 20___ 21 22_____ 23

Chunks:
  TruePositive nam [8,8] = USD
  FalseNegative nam [1,1] = 3M

(ChunkerEvaluator) Sentence #9933 from articles/00107811 from sent34

Text  : Więcej informacji można znaleźć pod adresem www.3M.com albo w kanale @  3MNews na Twitterze .
Tokens: 1_____ 2_________ 3____ 4______ 5__ 6______ 7_________ 8___ 9 10____ 11 12____ 13 14_______ 15

Chunks:
  TruePositive nam [7,7] = www.3M.com
  FalseNegative nam [11,12] = @ 3MNews
  FalseNegative nam [14,14] = Twitterze

2016-10-27 15:00:02,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 438 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107812.xml
(ChunkerEvaluator) Sentence #9934 from articles/00107812 from sent1

Text  : Unibax w play - off ?
Tokens: 1_____ 2 3___ 4 5__ 6

Chunks:
  FalseNegative nam [1,1] = Unibax
  FalseNegative nam [3,5] = play - off

(ChunkerEvaluator) Sentence #9935 from articles/00107812 from sent2

Text  : To nadal możliwe
Tokens: 1_ 2____ 3______

Chunks:

(ChunkerEvaluator) Sentence #9936 from articles/00107812 from sent3

Text  : Rozgrywki w Enea Ekstralidze zbliżają się do półmetka .
Tokens: 1________ 2 3___ 4__________ 5_______ 6__ 7_ 8_______ 9

Chunks:
  TruePositive nam [3,4] = Enea Ekstralidze

(ChunkerEvaluator) Sentence #9937 from articles/00107812 from sent4

Text  : Choć toruński Unibax zawodzi i znajduje się na siódmym miejscu to ma realne szanse na pozycję w  pierwszej czwórce i  jazdę w  fazie play -  off
Tokens: 1___ 2_______ 3_____ 4______ 5 6_______ 7__ 8_ 9______ 10_____ 11 12 13____ 14____ 15 16_____ 17 18_______ 19_____ 20 21___ 22 23___ 24__ 25 26_

Chunks:
  FalseNegative nam [3,3] = Unibax
  FalseNegative nam [24,26] = play - off

(ChunkerEvaluator) Sentence #9938 from articles/00107812 from sent5

Text  : Po ośmiu rozegranych rundach podopieczni Mirosława Kowalika mają na swoim koncie tylko trzy zwycięstwa -  w  Częstochowie z  Włókniarzem oraz z  Polonią Bydgoszcz i  Lotosem Wybrzeże Gdańsk na MotoArenie .
Tokens: 1_ 2____ 3__________ 4______ 5__________ 6________ 7_______ 8___ 9_ 10___ 11____ 12___ 13__ 14________ 15 16 17__________ 18 19_________ 20__ 21 22_____ 23_______ 24 25_____ 26______ 27____ 28 29________ 30

Chunks:
  TruePositive nam [6,7] = Mirosława Kowalika
  TruePositive nam [17,17] = Częstochowie
  TruePositive nam [19,19] = Włókniarzem
  TruePositive nam [22,23] = Polonią Bydgoszcz
  TruePositive nam [25,27] = Lotosem Wybrzeże Gdańsk
  TruePositive nam [29,29] = MotoArenie

(ChunkerEvaluator) Sentence #9939 from articles/00107812 from sent6

Text  : Torunianie remis wywalczyli w Lesznie a przegrali aż cztery pojedynki -  w  Rzeszowie z  PGE Marmą ,  w  Gorzowie ze Stalą oraz na swoim torze z  Tauron Azotami Tarnów oraz Stelmetem Falubaz Zielona Góra .
Tokens: 1_________ 2____ 3_________ 4 5______ 6 7________ 8_ 9_____ 10_______ 11 12 13_______ 14 15_ 16___ 17 18 19______ 20 21___ 22__ 23 24___ 25___ 26 27____ 28_____ 29____ 30__ 31_______ 32_____ 33_____ 34__ 35

Chunks:
  TruePositive nam [5,5] = Lesznie
  TruePositive nam [13,13] = Rzeszowie
  TruePositive nam [15,16] = PGE Marmą
  TruePositive nam [19,19] = Gorzowie
  TruePositive nam [21,21] = Stalą
  TruePositive nam [27,29] = Tauron Azotami Tarnów
  TruePositive nam [31,34] = Stelmetem Falubaz Zielona Góra
  FalseNegative nam [1,1] = Torunianie

(ChunkerEvaluator) Sentence #9940 from articles/00107812 from sent7

Text  : To aż cztery wpadki .
Tokens: 1_ 2_ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #9941 from articles/00107812 from sent8

Text  : Porażkę w Gorzowie można zrozumieć .
Tokens: 1______ 2 3_______ 4____ 5________ 6

Chunks:
  TruePositive nam [3,3] = Gorzowie

(ChunkerEvaluator) Sentence #9942 from articles/00107812 from sent9

Text  : Punkty stracone w Rzeszowie i Lesznie bolą najbardziej .
Tokens: 1_____ 2_______ 3 4________ 5 6______ 7___ 8__________ 9

Chunks:
  TruePositive nam [4,4] = Rzeszowie
  TruePositive nam [6,6] = Lesznie

(ChunkerEvaluator) Sentence #9943 from articles/00107812 from sent10

Text  : Oba spotkania powinny bowiem zakończyć się sukcesami .
Tokens: 1__ 2________ 3______ 4_____ 5________ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #9944 from articles/00107812 from sent11

Text  : W tym pierwszym zabrakło jednak Darcy Warda , który musiał startować w  tym czasie w  półfinale Drużynowego Pucharu Świata .
Tokens: 1 2__ 3________ 4_______ 5_____ 6____ 7____ 8 9____ 10____ 11_______ 12 13_ 14____ 15 16_______ 17_________ 18_____ 19____ 20

Chunks:
  TruePositive nam [6,7] = Darcy Warda
  TruePositive nam [17,19] = Drużynowego Pucharu Świata

(ChunkerEvaluator) Sentence #9945 from articles/00107812 from sent12

Text  : W Lesznie torunianie wygrywali już 39 : 33 , ale ostatecznie tylko zremisowali .
Tokens: 1 2______ 3_________ 4________ 5__ 6_ 7 8_ 9 10_ 11_________ 12___ 13_________ 14

Chunks:
  TruePositive nam [2,2] = Lesznie
  FalseNegative nam [3,3] = torunianie

(ChunkerEvaluator) Sentence #9946 from articles/00107812 from sent13

Text  : Żałować też można porażek na własnym torze , ale w  obu przypadkach trzeba stwierdzić ,  że rywale wygrali zasłużenie .
Tokens: 1______ 2__ 3____ 4______ 5_ 6______ 7____ 8 9__ 10 11_ 12_________ 13____ 14________ 15 16 17____ 18_____ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #9947 from articles/00107812 from sent14

Text  : Do końca fazy zasadniczej rozegra jeszcze 10 spotkań .
Tokens: 1_ 2____ 3___ 4__________ 5______ 6______ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #9948 from articles/00107812 from sent15

Text  : Pomimo kiepskiej postawy szanse na walkę o medale wciąż są .
Tokens: 1_____ 2________ 3______ 4_____ 5_ 6____ 7 8_____ 9____ 10 11

Chunks:

(ChunkerEvaluator) Sentence #9949 from articles/00107812 from sent16

Text  : W najbliższych dwóch kolejkach Unibax zmierzy się z Betardem Spartą Wrocław .
Tokens: 1 2___________ 3____ 4________ 5_____ 6______ 7__ 8 9_______ 10____ 11_____ 12

Chunks:
  TruePositive nam [9,11] = Betardem Spartą Wrocław
  FalseNegative nam [5,5] = Unibax

(ChunkerEvaluator) Sentence #9950 from articles/00107812 from sent17

Text  : Każdy inny scenariusz niż komplet punktów był by klęską .
Tokens: 1____ 2___ 3_________ 4__ 5______ 6______ 7__ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #9951 from articles/00107812 from sent18

Text  : Zespół z Dolnego Śląska zmaga się z kontuzjami i jest na razie najgorszy w  stawce Enea Ekstraligi .
Tokens: 1_____ 2 3______ 4_____ 5____ 6__ 7 8_________ 9 10__ 11 12___ 13_______ 14 15____ 16__ 17________ 18

Chunks:
  TruePositive nam [3,4] = Dolnego Śląska
  TruePositive nam [16,17] = Enea Ekstraligi

(ChunkerEvaluator) Sentence #9952 from articles/00107812 from sent19

Text  : Kolejny mecz to rewanż z Unią Leszno .
Tokens: 1______ 2___ 3_ 4_____ 5 6___ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Unią Leszno

(ChunkerEvaluator) Sentence #9953 from articles/00107812 from sent20

Text  : Gospodarze na MotoArenie powinni sobie poradzić z osłabionym brakiem kontuzjowanego Jarosława Hamepla rywalem i  zdobyć dwa punkty plus bonus .
Tokens: 1_________ 2_ 3_________ 4______ 5____ 6_______ 7 8_________ 9______ 10____________ 11_______ 12_____ 13_____ 14 15____ 16_ 17____ 18__ 19___ 20

Chunks:
  TruePositive nam [11,12] = Jarosława Hamepla
  FalseNegative nam [3,3] = MotoArenie

(ChunkerEvaluator) Sentence #9954 from articles/00107812 from sent21

Text  : Później czeka Unibax starcie w Tarnowie .
Tokens: 1______ 2____ 3_____ 4______ 5 6_______ 7

Chunks:
  TruePositive nam [6,6] = Tarnowie
  FalseNegative nam [3,3] = Unibax

(ChunkerEvaluator) Sentence #9955 from articles/00107812 from sent22

Text  : Tam na dodatkowy dorobek nie ma co liczyć .
Tokens: 1__ 2_ 3________ 4______ 5__ 6_ 7_ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #9956 from articles/00107812 from sent23

Text  : Następny pojedynek nie powinien być wielkim wyzwaniem .
Tokens: 1_______ 2________ 3__ 4_______ 5__ 6______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #9957 from articles/00107812 from sent24

Text  : Do Torunia przyjedzie bowiem Włókniarz Dospel i komplet punktów powinien zostać na miejscu .
Tokens: 1_ 2______ 3_________ 4_____ 5________ 6_____ 7 8______ 9______ 10______ 11____ 12 13_____ 14

Chunks:
  TruePositive nam [2,2] = Torunia
  TruePositive nam [5,6] = Włókniarz Dospel

(ChunkerEvaluator) Sentence #9958 from articles/00107812 from sent25

Text  : 29 lipca dojdzie do bardzo ważnego pojedynku w Bydgoszczy .
Tokens: 1_ 2____ 3______ 4_ 5_____ 6______ 7________ 8 9_________ 10

Chunks:
  TruePositive nam [9,9] = Bydgoszczy

(ChunkerEvaluator) Sentence #9959 from articles/00107812 from sent26

Text  : Zwycięstwo w derby może otworzyć bramy do jazdy w play -  off .
Tokens: 1_________ 2 3____ 4___ 5_______ 6____ 7_ 8____ 9 10__ 11 12_ 13

Chunks:
  FalseNegative nam [10,12] = play - off

(ChunkerEvaluator) Sentence #9960 from articles/00107812 from sent27

Text  : Nie będzie to łatwe zadanie , ale sukces torunian na torze Polonii wcale nie jest niemożliwy .
Tokens: 1__ 2_____ 3_ 4____ 5______ 6 7__ 8_____ 9_______ 10 11___ 12_____ 13___ 14_ 15__ 16________ 17

Chunks:
  TruePositive nam [12,12] = Polonii
  FalseNegative nam [9,9] = torunian

(ChunkerEvaluator) Sentence #9961 from articles/00107812 from sent28

Text  : Kolejne spotkanie wydaje się być łatwym zadaniem - na MotoArenę przyjedzie PGE Marma .
Tokens: 1______ 2________ 3_____ 4__ 5__ 6_____ 7_______ 8 9_ 10_______ 11________ 12_ 13___ 14

Chunks:
  TruePositive nam [12,13] = PGE Marma
  FalseNegative nam [10,10] = MotoArenę

(ChunkerEvaluator) Sentence #9962 from articles/00107812 from sent29

Text  : Tutaj zwycięstwo i bonus jest obowiązkiem .
Tokens: 1____ 2_________ 3 4____ 5___ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #9963 from articles/00107812 from sent30

Text  : W dalszej części sezonu czeka podopiecznych Kowalika spotkanie w Zielonej Górze .
Tokens: 1 2______ 3_____ 4_____ 5____ 6____________ 7_______ 8________ 9 10______ 11___ 12

Chunks:
  TruePositive nam [7,7] = Kowalika
  TruePositive nam [10,11] = Zielonej Górze

(ChunkerEvaluator) Sentence #9964 from articles/00107812 from sent31

Text  : Tam punktów nie należy się spodziewać .
Tokens: 1__ 2______ 3__ 4_____ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #9965 from articles/00107812 from sent32

Text  : Dwie ostatnie kolejki to mecz w Gdańsku gdzie też wygrana jest bardzo możliwa oraz starcie ze Stalą Gorzów .
Tokens: 1___ 2_______ 3______ 4_ 5___ 6 7______ 8____ 9__ 10_____ 11__ 12____ 13_____ 14__ 15_____ 16 17___ 18____ 19

Chunks:
  TruePositive nam [7,7] = Gdańsku
  TruePositive nam [17,18] = Stalą Gorzów

(ChunkerEvaluator) Sentence #9966 from articles/00107812 from sent33

Text  : Dla rywali to spotkanie prawdopodobnie będzie już bez znaczenia .
Tokens: 1__ 2_____ 3_ 4________ 5_____________ 6_____ 7__ 8__ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #9967 from articles/00107812 from sent34

Text  : Dla torunian może być pojedynkiem o wszystko .
Tokens: 1__ 2_______ 3___ 4__ 5__________ 6 7_______ 8

Chunks:
  FalseNegative nam [2,2] = torunian

(ChunkerEvaluator) Sentence #9968 from articles/00107812 from sent35

Text  : Zwycięstwo może dać upragniony awans do play - off .
Tokens: 1_________ 2___ 3__ 4_________ 5____ 6_ 7___ 8 9__ 10

Chunks:
  FalseNegative nam [7,9] = play - off

(ChunkerEvaluator) Sentence #9969 from articles/00107812 from sent36

Text  : Czyim kosztem może to nastąpić ?
Tokens: 1____ 2______ 3___ 4_ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #9970 from articles/00107812 from sent37

Text  : Wszystko wskazuje na to , że Polonii Bydgoszcz i Unii Leszno .
Tokens: 1_______ 2_______ 3_ 4_ 5 6_ 7______ 8________ 9 10__ 11____ 12

Chunks:
  TruePositive nam [7,8] = Polonii Bydgoszcz
  TruePositive nam [10,11] = Unii Leszno

(ChunkerEvaluator) Sentence #9971 from articles/00107812 from sent38

Text  : Ci ostatni na pewno byli by w znacznie lepszej sytuacji gdyby nie kontuzja Hamepla .
Tokens: 1_ 2______ 3_ 4____ 5___ 6_ 7 8_______ 9______ 10______ 11___ 12_ 13______ 14_____ 15

Chunks:
  FalseNegative nam [14,14] = Hamepla

(ChunkerEvaluator) Sentence #9972 from articles/00107812 from sent39

Text  : Dzisiaj trudno powiedzieć kiedy lider „ byków ” wróci do ścigania .
Tokens: 1______ 2_____ 3_________ 4____ 5____ 6 7____ 8 9____ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #9973 from articles/00107812 from sent40

Text  : Bardzo prawdopodobny jest powrót na tor jest dopiero w sierpniu .
Tokens: 1_____ 2____________ 3___ 4_____ 5_ 6__ 7___ 8______ 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #9974 from articles/00107812 from sent41

Text  : Jednak aby te wszystkie kalkulacje znalazły potwierdzenie w rzeczywistości to żużlowcy Unibaksu muszą prezentować lepszą formę .
Tokens: 1_____ 2__ 3_ 4________ 5_________ 6_______ 7____________ 8 9_____________ 10 11______ 12______ 13___ 14_________ 15____ 16___ 17

Chunks:
  FalseNegative nam [12,12] = Unibaksu

(ChunkerEvaluator) Sentence #9975 from articles/00107812 from sent42

Text  : Dotyczy to głównie Adriana Miedzińskiego , Ryana Sullivana i juniorów .
Tokens: 1______ 2_ 3______ 4______ 5____________ 6 7____ 8________ 9 10______ 11

Chunks:
  TruePositive nam [4,5] = Adriana Miedzińskiego
  TruePositive nam [7,8] = Ryana Sullivana

(ChunkerEvaluator) Sentence #9976 from articles/00107812 from sent43

Text  : Rozkład jazdy czołówki
Tokens: 1______ 2____ 3_______

Chunks:

(ChunkerEvaluator) Sentence #9977 from articles/00107812 from sent44

Text  : Dzisiaj można już powiedzieć , że zespół Tauron Azotów Tarnów jest pewny udziału w  fazie play -  off .
Tokens: 1______ 2____ 3__ 4_________ 5 6_ 7_____ 8_____ 9_____ 10____ 11__ 12___ 13_____ 14 15___ 16__ 17 18_ 19

Chunks:
  TruePositive nam [8,10] = Tauron Azotów Tarnów
  FalseNegative nam [16,18] = play - off

(ChunkerEvaluator) Sentence #9978 from articles/00107812 from sent45

Text  : Podopieczni Marka Cieślaka nie przegrali dotąd żadnego spotkania i są głównym kandydatem do zwycięstwa w  fazie zasadniczej
Tokens: 1__________ 2____ 3_______ 4__ 5________ 6____ 7______ 8________ 9 10 11_____ 12________ 13 14________ 15 16___ 17_________

Chunks:
  TruePositive nam [2,3] = Marka Cieślaka

(ChunkerEvaluator) Sentence #9979 from articles/00107812 from sent46

Text  : Aktualna tabela Enea Ekstraligi
Tokens: 1_______ 2_____ 3___ 4_________

Chunks:
  TruePositive nam [3,4] = Enea Ekstraligi

(ChunkerEvaluator) Sentence #9980 from articles/00107812 from sent47

Text  : Unia Leszno
Tokens: 1___ 2_____

Chunks:
  FalsePositive nam [2,2] = Leszno
  FalseNegative nam [1,2] = Unia Leszno

(ChunkerEvaluator) Sentence #9981 from articles/00107812 from sent48

Text  : Polonia ( dom ) 2 pkt , Polonia ( wyjazd )  0  ,  Unibax (  wyjazd )  0  ,  Stal (  dom )  0  ,  Lotos Wybrzeże (  wyjazd )  3  ,  Tauron Azoty (  dom )  0  ,  Falubaz (  dom )  2  ,  Sparta Betard (  wyjazd )  3  ,  PGE Marma (  dom )  3  ,  Włókniarz Dospel (  wyjazd )  3  .
Tokens: 1______ 2 3__ 4 5 6__ 7 8______ 9 10____ 11 12 13 14____ 15 16____ 17 18 19 20__ 21 22_ 23 24 25 26___ 27______ 28 29____ 30 31 32 33____ 34___ 35 36_ 37 38 39 40_____ 41 42_ 43 44 45 46____ 47____ 48 49____ 50 51 52 53_ 54___ 55 56_ 57 58 59 60_______ 61____ 62 63____ 64 65 66

Chunks:
  TruePositive nam [8,8] = Polonia
  TruePositive nam [26,27] = Lotos Wybrzeże
  TruePositive nam [33,34] = Tauron Azoty
  TruePositive nam [46,47] = Sparta Betard
  TruePositive nam [53,54] = PGE Marma
  TruePositive nam [60,61] = Włókniarz Dospel
  FalseNegative nam [1,1] = Polonia
  FalseNegative nam [14,14] = Unibax
  FalseNegative nam [20,20] = Stal
  FalseNegative nam [40,40] = Falubaz

(ChunkerEvaluator) Sentence #9982 from articles/00107812 from sent49

Text  : Razem 16 pkt
Tokens: 1____ 2_ 3__

Chunks:

(ChunkerEvaluator) Sentence #9983 from articles/00107812 from sent50

Text  : Stal Gorzów
Tokens: 1___ 2_____

Chunks:
  FalsePositive nam [2,2] = Gorzów
  FalseNegative nam [1,2] = Stal Gorzów

(ChunkerEvaluator) Sentence #9984 from articles/00107812 from sent51

Text  : Lotos ( dom ) 2 , Lotos ( wyjazd )  3  ,  Polonia (  dom )  3  ,  Unia (  wyjazd )  3  ,  Tauron Azoty (  dom )  3  ,  Falubaz (  wyjazd )  1  ,  Włókniarz Dospel (  dom )  3  ,  PGE Marma (  wyjazd )  3  ,  Sparta Betard (  dom )  3  ,  Unibax (  wyjazd )  1
Tokens: 1____ 2 3__ 4 5 6 7____ 8 9_____ 10 11 12 13_____ 14 15_ 16 17 18 19__ 20 21____ 22 23 24 25____ 26___ 27 28_ 29 30 31 32_____ 33 34____ 35 36 37 38_______ 39____ 40 41_ 42 43 44 45_ 46___ 47 48____ 49 50 51 52____ 53____ 54 55_ 56 57 58 59____ 60 61____ 62 63

Chunks:
  TruePositive nam [7,7] = Lotos
  TruePositive nam [13,13] = Polonia
  TruePositive nam [25,26] = Tauron Azoty
  TruePositive nam [38,39] = Włókniarz Dospel
  TruePositive nam [45,46] = PGE Marma
  TruePositive nam [52,53] = Sparta Betard
  FalseNegative nam [1,1] = Lotos
  FalseNegative nam [19,19] = Unia
  FalseNegative nam [32,32] = Falubaz
  FalseNegative nam [59,59] = Unibax

(ChunkerEvaluator) Sentence #9985 from articles/00107812 from sent52

Text  : Razem 25 pkt
Tokens: 1____ 2_ 3__

Chunks:

(ChunkerEvaluator) Sentence #9986 from articles/00107812 from sent53

Text  : Stelmet Falubaz
Tokens: 1______ 2______

Chunks:
  FalseNegative nam [1,2] = Stelmet Falubaz

(ChunkerEvaluator) Sentence #9987 from articles/00107812 from sent54

Text  : PGE Marma ( dom ) 2 , Włókniarz Dospel (  wyjazd )  0  ,  Włokniarz Dospel (  dom )  3  ,  Sparta Betard (  wyjazd )  3  ,  Lotos Wybrzeże (  dom )  3  ,  PGE Marma (  wyjazd )  1  ,  Stal (  dom )  2  ,  Unia (  wyjazd )  1  ,  Unibax (  dom )  3  ,  Tauron Azoty (  wyjazd )  0  ,  Polonia (  dom )  2
Tokens: 1__ 2____ 3 4__ 5 6 7 8________ 9_____ 10 11____ 12 13 14 15_______ 16____ 17 18_ 19 20 21 22____ 23____ 24 25____ 26 27 28 29___ 30______ 31 32_ 33 34 35 36_ 37___ 38 39____ 40 41 42 43__ 44 45_ 46 47 48 49__ 50 51____ 52 53 54 55____ 56 57_ 58 59 60 61____ 62___ 63 64____ 65 66 67 68_____ 69 70_ 71 72

Chunks:
  TruePositive nam [8,9] = Włókniarz Dospel
  TruePositive nam [15,16] = Włokniarz Dospel
  TruePositive nam [22,23] = Sparta Betard
  TruePositive nam [29,30] = Lotos Wybrzeże
  TruePositive nam [36,37] = PGE Marma
  TruePositive nam [61,62] = Tauron Azoty
  FalseNegative nam [1,2] = PGE Marma
  FalseNegative nam [43,43] = Stal
  FalseNegative nam [49,49] = Unia
  FalseNegative nam [55,55] = Unibax
  FalseNegative nam [68,68] = Polonia

(ChunkerEvaluator) Sentence #9988 from articles/00107812 from sent55

Text  : Razem 20 pkt
Tokens: 1____ 2_ 3__

Chunks:

(ChunkerEvaluator) Sentence #9989 from articles/00107812 from sent56

Text  : Polonia Bydgoszcz
Tokens: 1______ 2________

Chunks:
  TruePositive nam [1,2] = Polonia Bydgoszcz

(ChunkerEvaluator) Sentence #9990 from articles/00107812 from sent57

Text  : Unia ( wyjazd ) 0 , Unia ( dom )  3  ,  Stal (  wyjazd )  0  ,  PGE Marma (  dom )  2  ,  Sparta Betard (  wyjazd )  3  ,  Unibax (  dom )  0  ,  Tauron Azoty (  wyjazd )  0  ,  Lotos Wybrzeże (  dom )  3  ,  Włókniarz Dospel (  dom )  3  ,  Falubaz (  wyjazd )  1
Tokens: 1___ 2 3_____ 4 5 6 7___ 8 9__ 10 11 12 13__ 14 15____ 16 17 18 19_ 20___ 21 22_ 23 24 25 26____ 27____ 28 29____ 30 31 32 33____ 34 35_ 36 37 38 39____ 40___ 41 42____ 43 44 45 46___ 47______ 48 49_ 50 51 52 53_______ 54____ 55 56_ 57 58 59 60_____ 61 62____ 63 64

Chunks:
  TruePositive nam [13,13] = Stal
  TruePositive nam [19,20] = PGE Marma
  TruePositive nam [26,27] = Sparta Betard
  TruePositive nam [39,40] = Tauron Azoty
  TruePositive nam [46,47] = Lotos Wybrzeże
  TruePositive nam [53,54] = Włókniarz Dospel
  FalsePositive nam [9,9] = dom
  FalseNegative nam [1,1] = Unia
  FalseNegative nam [7,7] = Unia
  FalseNegative nam [33,33] = Unibax
  FalseNegative nam [60,60] = Falubaz

(ChunkerEvaluator) Sentence #9991 from articles/00107812 from sent58

Text  : Razem 15 pkt
Tokens: 1____ 2_ 3__

Chunks:

(ChunkerEvaluator) Sentence #9992 from articles/00107812 from sent59

Text  : Unibax Toruń
Tokens: 1_____ 2____

Chunks:
  FalsePositive nam [2,2] = Toruń
  FalseNegative nam [1,2] = Unibax Toruń

(ChunkerEvaluator) Sentence #9993 from articles/00107812 from sent60

Text  : Sparta Betard ( dom ) 2 , Sparta Betard (  wyjazd )  3  ,  Unia (  dom )  3  ,  Tauron Azoty (  wyjazd )  0  ,  Włókniarz Dospel (  dom )  3  ,  Polonia (  wyjazd )  3  ,  PGE Marma (  dom )  3  ,  Falubaz (  wyjazd )  0  ,  Lotos Wybrzeże (  wyjazd )  3  ,  Stal (  dom )  2
Tokens: 1_____ 2_____ 3 4__ 5 6 7 8_____ 9_____ 10 11____ 12 13 14 15__ 16 17_ 18 19 20 21____ 22___ 23 24____ 25 26 27 28_______ 29____ 30 31_ 32 33 34 35_____ 36 37____ 38 39 40 41_ 42___ 43 44_ 45 46 47 48_____ 49 50____ 51 52 53 54___ 55______ 56 57____ 58 59 60 61__ 62 63_ 64 65

Chunks:
  TruePositive nam [1,2] = Sparta Betard
  TruePositive nam [8,9] = Sparta Betard
  TruePositive nam [21,22] = Tauron Azoty
  TruePositive nam [28,29] = Włókniarz Dospel
  TruePositive nam [35,35] = Polonia
  TruePositive nam [41,42] = PGE Marma
  TruePositive nam [54,55] = Lotos Wybrzeże
  TruePositive nam [61,61] = Stal
  FalsePositive nam [17,17] = dom
  FalseNegative nam [15,15] = Unia
  FalseNegative nam [48,48] = Falubaz

(ChunkerEvaluator) Sentence #9994 from articles/00107812 from sent61

Text  : Razem 22 pkt
Tokens: 1____ 2_ 3__

Chunks:

(ChunkerEvaluator) Sentence #9995 from articles/00107812 from sent62

Text  : Tabela po kalkulacji
Tokens: 1_____ 2_ 3_________

Chunks:

2016-10-27 15:00:02,908 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 439 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107813.xml
(ChunkerEvaluator) Sentence #9996 from articles/00107813 from sent1

Text  : Rozmowy w GDDKiA .
Tokens: 1______ 2 3_____ 4

Chunks:
  TruePositive nam [3,3] = GDDKiA

(ChunkerEvaluator) Sentence #9997 from articles/00107813 from sent2

Text  : Czy będzie blokada rzeszowskich ulic ?
Tokens: 1__ 2_____ 3______ 4___________ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #9998 from articles/00107813 from sent3

Text  : O 12 w siedzibie rzeszowskiego oddziału Generalnej Dyrekcji Dróg Krajowych i  Autostrad rozpoczęły się rozmowy przedstawicieli firm ,  które na budowę odcinka autostrady A4 dostarczały materiały i  usługi a  do dziś nie otrzymały pieniędzy .
Tokens: 1 2_ 3 4________ 5____________ 6_______ 7_________ 8_______ 9___ 10_______ 11 12_______ 13________ 14_ 15_____ 16_____________ 17__ 18 19___ 20 21____ 22_____ 23________ 24 25_________ 26_______ 27 28____ 29 30 31__ 32_ 33_______ 34_______ 35

Chunks:
  TruePositive nam [7,12] = Generalnej Dyrekcji Dróg Krajowych i Autostrad
  FalseNegative nam [24,24] = A4

(ChunkerEvaluator) Sentence #9999 from articles/00107813 from sent4

Text  : Przyjechało kilkadziesiąt osób .
Tokens: 1__________ 2____________ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #10000 from articles/00107813 from sent5

Text  : Czekają na wyniki rozmów , które prowadzą ich przedstawiciele .
Tokens: 1______ 2_ 3_____ 4_____ 5 6____ 7_______ 8__ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #10001 from articles/00107813 from sent6

Text  : Na razie nie wiadomo , czy odbędzie się zapowiadana blokada ulic Rzeszowa .
Tokens: 1_ 2____ 3__ 4______ 5 6__ 7_______ 8__ 9__________ 10_____ 11__ 12______ 13

Chunks:
  TruePositive nam [12,12] = Rzeszowa

(ChunkerEvaluator) Sentence #10002 from articles/00107813 from sent7

Text  : Jest to uzależnione od wyników rozmów .
Tokens: 1___ 2_ 3__________ 4_ 5______ 6_____ 7

Chunks:

2016-10-27 15:00:02,936 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 440 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107814.xml
(ChunkerEvaluator) Sentence #10003 from articles/00107814 from sent1

Text  : Kożuchowska ma farta : wygrała bilety na Euro
Tokens: 1__________ 2_ 3____ 4 5______ 6_____ 7_ 8___

Chunks:
  TruePositive nam [8,8] = Euro
  FalseNegative nam [1,1] = Kożuchowska

(ChunkerEvaluator) Sentence #10004 from articles/00107814 from sent2

Text  : Aktorka obejrzy na żywo półfinały
Tokens: 1______ 2______ 3_ 4___ 5________

Chunks:

(ChunkerEvaluator) Sentence #10005 from articles/00107814 from sent3

Text  : Małgorzata Kożuchowska jest wielką kibicką polskiej reprezentacji .
Tokens: 1_________ 2__________ 3___ 4_____ 5______ 6_______ 7____________ 8

Chunks:
  TruePositive nam [1,2] = Małgorzata Kożuchowska

(ChunkerEvaluator) Sentence #10006 from articles/00107814 from sent4

Text  : Dlatego też - jak donosi Super Express - wzięła udział w  losowaniu biletów .
Tokens: 1______ 2__ 3 4__ 5_____ 6____ 7______ 8 9_____ 10____ 11 12_______ 13_____ 14

Chunks:
  TruePositive nam [6,7] = Super Express

(ChunkerEvaluator) Sentence #10007 from articles/00107814 from sent5

Text  : Poszczęściło się jej : wygrała bilety na półfinały .
Tokens: 1___________ 2__ 3__ 4 5______ 6_____ 7_ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #10008 from articles/00107814 from sent6

Text  : Czy jednak będzie jej dane zobaczyć wówczas chłopaków Franciszka Smudy ?
Tokens: 1__ 2_____ 3_____ 4__ 5___ 6_______ 7______ 8________ 9_________ 10___ 11

Chunks:
  TruePositive nam [9,10] = Franciszka Smudy

2016-10-27 15:00:02,954 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 441 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107815.xml
(ChunkerEvaluator) Sentence #10009 from articles/00107815 from sent1

Text  : Nowe targowiska w Gąbinie i Wyszogrodzie za dotację z UE
Tokens: 1___ 2_________ 3 4______ 5 6___________ 7_ 8______ 9 10

Chunks:
  TruePositive nam [4,4] = Gąbinie
  TruePositive nam [6,6] = Wyszogrodzie
  TruePositive nam [10,10] = UE

(ChunkerEvaluator) Sentence #10010 from articles/00107815 from sent2

Text  : Jeszcze w tym roku zacznie się na Mazowszu przebudowa i  budowa 27 nowoczesnych ,  oświetlonych targowisk .
Tokens: 1______ 2 3__ 4___ 5______ 6__ 7_ 8_______ 9_________ 10 11____ 12 13__________ 14 15__________ 16_______ 17

Chunks:
  TruePositive nam [8,8] = Mazowszu

(ChunkerEvaluator) Sentence #10011 from articles/00107815 from sent3

Text  : Będzie możliwa dzięki środkom unijnym z Programu Rozwoju Obszarów Wiejskich 2007 -  2013 .
Tokens: 1_____ 2______ 3_____ 4______ 5______ 6 7_______ 8______ 9_______ 10_______ 11__ 12 13__ 14

Chunks:
  TruePositive nam [7,13] = Programu Rozwoju Obszarów Wiejskich 2007 - 2013

(ChunkerEvaluator) Sentence #10012 from articles/00107815 from sent4

Text  : We wtorek Zarząd Województwa Mazowieckiego zatwierdził listę targowisk , które otrzymają ponad 25 ,  1  mln zł dofinansowania .
Tokens: 1_ 2_____ 3_____ 4__________ 5____________ 6__________ 7____ 8________ 9 10___ 11_______ 12___ 13 14 15 16_ 17 18____________ 19

Chunks:
  TruePositive nam [3,5] = Zarząd Województwa Mazowieckiego
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #10013 from articles/00107815 from sent5

Text  : W regionie płockim zmodernizowane zostaną targowiska w Gąbinie oraz Wyszogrodzie .
Tokens: 1 2_______ 3______ 4_____________ 5______ 6_________ 7 8______ 9___ 10__________ 11

Chunks:
  TruePositive nam [8,8] = Gąbinie
  TruePositive nam [10,10] = Wyszogrodzie

(ChunkerEvaluator) Sentence #10014 from articles/00107815 from sent6

Text  : Otrzymają w sumie 2 mln zł dofinansowania .
Tokens: 1________ 2 3____ 4 5__ 6_ 7_____________ 8

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #10015 from articles/00107815 from sent7

Text  : - To właśnie na targach możemy kupić lokalne , zdrowe i  tradycyjne produkty .
Tokens: 1 2_ 3______ 4_ 5______ 6_____ 7____ 8______ 9 10____ 11 12________ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #10016 from articles/00107815 from sent8

Text  : Targowiska to miejsca pracy wielu kupców i małych producentów .
Tokens: 1_________ 2_ 3______ 4____ 5____ 6_____ 7 8_____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #10017 from articles/00107815 from sent9

Text  : Cieszę się , że , dzięki środkom unijnym staną się one nowoczesne i  przyjazne zarówno dla kupujących ,  jak i  sprzedających -  podkreśla marszałek Adam Struzik .
Tokens: 1_____ 2__ 3 4_ 5 6_____ 7______ 8______ 9____ 10_ 11_ 12________ 13 14_______ 15_____ 16_ 17________ 18 19_ 20 21___________ 22 23_______ 24_______ 25__ 26_____ 27

Chunks:
  TruePositive nam [25,26] = Adam Struzik

(ChunkerEvaluator) Sentence #10018 from articles/00107815 from sent10

Text  : Po przebudowie targowiska zyskają oświetlenie , sanitariaty , parkingi oraz utwardzone podłoże .
Tokens: 1_ 2__________ 3_________ 4______ 5__________ 6 7__________ 8 9_______ 10__ 11________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #10019 from articles/00107815 from sent11

Text  : Przynajmniej połowę ich powierzchni handlowej będą zajmować zadaszone stoiska .
Tokens: 1___________ 2_____ 3__ 4__________ 5________ 6___ 7_______ 8________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #10020 from articles/00107815 from sent12

Text  : Każde z nich będzie przyłączone do sieci wodociągowej , kanalizacyjnej i  elektroenergetycznej .
Tokens: 1____ 2 3___ 4_____ 5__________ 6_ 7____ 8___________ 9 10____________ 11 12__________________ 13

Chunks:

(ChunkerEvaluator) Sentence #10021 from articles/00107815 from sent13

Text  : Targowiska zostaną podzielone na sekcje tak , aby kupującym łatwiej było znaleźć potrzebne produkty .
Tokens: 1_________ 2______ 3_________ 4_ 5_____ 6__ 7 8__ 9________ 10_____ 11__ 12_____ 13_______ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #10022 from articles/00107815 from sent14

Text  : Przynajmniej połowę miejsca będą zajmować na nich produkty rolno -  spożywcze .
Tokens: 1___________ 2_____ 3______ 4___ 5_______ 6_ 7___ 8_______ 9____ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #10023 from articles/00107815 from sent15

Text  : Każde targowisko zostanie opatrzone nazwą „ Mój Rynek ” .
Tokens: 1____ 2_________ 3_______ 4________ 5____ 6 7__ 8____ 9 10

Chunks:
  TruePositive nam [7,8] = Mój Rynek

(ChunkerEvaluator) Sentence #10024 from articles/00107815 from sent16

Text  : Przebudowa targowiska w Gąbinie będzie kosztować prawie 2 , 7  mln zł ,  Samorząd otrzyma milion zł dofinansowania .
Tokens: 1_________ 2_________ 3 4______ 5_____ 6________ 7_____ 8 9 10 11_ 12 13 14______ 15_____ 16____ 17 18____________ 19

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [17,17] = zł
  FalsePositive nam [14,14] = Samorząd
  FalseNegative nam [4,4] = Gąbinie

(ChunkerEvaluator) Sentence #10025 from articles/00107815 from sent17

Text  : Modernizacja targowiska w Wyszogrodzie pochłonie ponad 4 , 4 mln zł .
Tokens: 1___________ 2_________ 3 4___________ 5________ 6____ 7 8 9 10_ 11 12

Chunks:
  TruePositive nam [4,4] = Wyszogrodzie
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #10026 from articles/00107815 from sent18

Text  : Jej dofinansowanie także wyniesie milion zł .
Tokens: 1__ 2_____________ 3____ 4_______ 5_____ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

2016-10-27 15:00:03,023 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 442 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107816.xml
(ChunkerEvaluator) Sentence #10027 from articles/00107816 from sent1

Text  : Nowy szpital dziecięcy .
Tokens: 1___ 2______ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #10028 from articles/00107816 from sent2

Text  : Tutaj szybciej wrócą do zdrowia
Tokens: 1____ 2_______ 3____ 4_ 5______

Chunks:

(ChunkerEvaluator) Sentence #10029 from articles/00107816 from sent3

Text  : Będzie trzy razy większy od obecnego , ale pacjenci dostaną nie tylko przestrzeń i  komfort leczenia ,  ale przede wszystkim dużo większą ofertę medyczną ,  w  tym zabiegi z  zakresu chirurgii i  neurochirurgii Anna Twardowska
Tokens: 1_____ 2___ 3___ 4______ 5_ 6_______ 7 8__ 9_______ 10_____ 11_ 12___ 13________ 14 15_____ 16______ 17 18_ 19____ 20_______ 21__ 22_____ 23____ 24______ 25 26 27_ 28_____ 29 30_____ 31_______ 32 33____________ 34__ 35________

Chunks:
  TruePositive nam [34,35] = Anna Twardowska

(ChunkerEvaluator) Sentence #10030 from articles/00107816 from sent4

Text  : Gmach główny lecznicy już stoi .
Tokens: 1____ 2_____ 3_______ 4__ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #10031 from articles/00107816 from sent5

Text  : Teraz trwają prace wykończeniowe , a pod koniec roku planowana jest przeprowadzka oddziałów .
Tokens: 1____ 2_____ 3____ 4____________ 5 6 7__ 8_____ 9___ 10_______ 11__ 12___________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #10032 from articles/00107816 from sent6

Text  : I tak rozpocznie się zupełnie nowa era leczenia małych pacjentów .
Tokens: 1 2__ 3_________ 4__ 5_______ 6___ 7__ 8_______ 9_____ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10033 from articles/00107816 from sent7

Text  : - Otworzymy klinikę chirurgii dziecięcej , która będzie wykonywała wszystkie zabiegi z  wyjątkiem ortopedycznych .
Tokens: 1 2________ 3______ 4________ 5_________ 6 7____ 8_____ 9_________ 10_______ 11_____ 12 13_______ 14____________ 15

Chunks:

(ChunkerEvaluator) Sentence #10034 from articles/00107816 from sent8

Text  : Rozszerzymy działalność zabiegową laryngologii .
Tokens: 1__________ 2__________ 3________ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #10035 from articles/00107816 from sent9

Text  : Będziemy również rozwijać neurochirurgię podstawy czaszki - wylicza Danuta Kurylak ,  dyrektor ds .  medycznych w  Wojewódzkim Szpitalu Dziecięcym w  Bydgoszczy .
Tokens: 1_______ 2______ 3_______ 4_____________ 5_______ 6______ 7 8______ 9_____ 10_____ 11 12______ 13 14 15________ 16 17_________ 18______ 19________ 20 21________ 22

Chunks:
  TruePositive nam [9,10] = Danuta Kurylak
  TruePositive nam [17,19] = Wojewódzkim Szpitalu Dziecięcym
  TruePositive nam [21,21] = Bydgoszczy

(ChunkerEvaluator) Sentence #10036 from articles/00107816 from sent10

Text  : W szpitalu powstanie centrum leczenia zaburzeń odżywiania u dzieci i  młodzieży .
Tokens: 1 2_______ 3________ 4______ 5_______ 6_______ 7_________ 8 9_____ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #10037 from articles/00107816 from sent11

Text  : Pomoc znajdą tutaj młodzi pacjenci cierpiący na anoreksję i otyłość .
Tokens: 1____ 2_____ 3____ 4_____ 5_______ 6________ 7_ 8________ 9 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #10038 from articles/00107816 from sent12

Text  : W tej chwili w województwie nie ma żadnej możliwości rehabilitacji stacjonarnej .
Tokens: 1 2__ 3_____ 4 5___________ 6__ 7_ 8_____ 9_________ 10___________ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #10039 from articles/00107816 from sent13

Text  : Rozwijany będzie program kompleksowego leczenia niedosłuchu u dzieci .
Tokens: 1________ 2_____ 3______ 4____________ 5_______ 6__________ 7 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #10040 from articles/00107816 from sent14

Text  : Dzisiaj lecznica wszczepia małym pacjentom implanty , w tym ślimakowe .
Tokens: 1______ 2_______ 3________ 4____ 5________ 6_______ 7 8 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10041 from articles/00107816 from sent15

Text  : Bydgoszcz jest trzecim ośrodkiem w kraju , który wykonuje takie zabiegi .
Tokens: 1________ 2___ 3______ 4________ 5 6____ 7 8____ 9_______ 10___ 11_____ 12

Chunks:
  FalseNegative nam [1,1] = Bydgoszcz

(ChunkerEvaluator) Sentence #10042 from articles/00107816 from sent16

Text  : Po zakończeniu budowy dzieci będą mogły liczyć na komfort podczas pobytu w  szpitalu .
Tokens: 1_ 2__________ 3_____ 4_____ 5___ 6____ 7_____ 8_ 9______ 10_____ 11____ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #10043 from articles/00107816 from sent17

Text  : Sale dla starszych pacjentów będą jedno - i dwułóżkowe .
Tokens: 1___ 2__ 3________ 4________ 5___ 6____ 7 8 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #10044 from articles/00107816 from sent18

Text  : Klimatyzowane .
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #10045 from articles/00107816 from sent19

Text  : Najmłodsi dostaną do dyspozycji ogród umiejscowiony na dachu .
Tokens: 1________ 2______ 3_ 4_________ 5____ 6____________ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #10046 from articles/00107816 from sent20

Text  : W każdym oddziale będzie klasa szkolna i pokój wypoczynkowy dla matek towarzyszących swoim pociechom .
Tokens: 1 2_____ 3_______ 4_____ 5____ 6______ 7 8____ 9___________ 10_ 11___ 12____________ 13___ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #10047 from articles/00107816 from sent21

Text  : Do tej pory musiały nocować w prowizorycznych warunkach .
Tokens: 1_ 2__ 3___ 4______ 5______ 6 7______________ 8________ 9

Chunks:

2016-10-27 15:00:03,096 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 443 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107817.xml
(ChunkerEvaluator) Sentence #10048 from articles/00107817 from sent1

Text  : MKiDN i Fundacja Kronenberga - współpraca w odzyskiwaniu strat wojennych
Tokens: 1____ 2 3_______ 4__________ 5 6_________ 7 8___________ 9____ 10_______

Chunks:
  TruePositive nam [1,1] = MKiDN
  TruePositive nam [3,4] = Fundacja Kronenberga

(ChunkerEvaluator) Sentence #10049 from articles/00107817 from sent2

Text  : List intencyjny o stałej współpracy ministerstwa kultury z Fundacją Kronenberga zostanie podpisany w  poniedziałek .
Tokens: 1___ 2_________ 3 4_____ 5_________ 6___________ 7______ 8 9_______ 10_________ 11______ 12_______ 13 14__________ 15

Chunks:
  TruePositive nam [9,10] = Fundacją Kronenberga
  FalseNegative nam [6,7] = ministerstwa kultury

(ChunkerEvaluator) Sentence #10050 from articles/00107817 from sent3

Text  : & quot ; Łączymy siły , aby co roku móc wspólnie pozyskać utracone w  czasie II wojny światowej dzieło &  quot ;  -  mówi PAP Norbert Konarzewski z  Fundacji .
Tokens: 1 2___ 3 4______ 5___ 6 7__ 8_ 9___ 10_ 11______ 12______ 13______ 14 15____ 16 17___ 18_______ 19____ 20 21__ 22 23 24__ 25_ 26_____ 27_________ 28 29______ 30

Chunks:
  TruePositive nam [25,25] = PAP
  TruePositive nam [26,27] = Norbert Konarzewski
  TruePositive nam [29,29] = Fundacji
  FalseNegative nam [16,18] = II wojny światowej

(ChunkerEvaluator) Sentence #10051 from articles/00107817 from sent4

Text  : W ramach uruchamianego programu " Odzyskiwanie dzieł sztuki " resort kultury i  Fundacja Kronenberga mają podjąć stałą współpracę dotyczącą odzyskiwania dóbr kultury utraconych w  czasie II wojny światowej .
Tokens: 1 2_____ 3____________ 4_______ 5 6___________ 7____ 8_____ 9 10____ 11_____ 12 13______ 14_________ 15__ 16____ 17___ 18________ 19_______ 20__________ 21__ 22_____ 23________ 24 25____ 26 27___ 28_______ 29

Chunks:
  TruePositive nam [13,14] = Fundacja Kronenberga
  TruePositive nam [26,28] = II wojny światowej
  FalseNegative nam [6,8] = Odzyskiwanie dzieł sztuki

(ChunkerEvaluator) Sentence #10052 from articles/00107817 from sent5

Text  : List intencyjny zostanie podpisany w Warszawie , z udziałem szefa resortu Bogdana Zdrojewskiego .
Tokens: 1___ 2_________ 3_______ 4________ 5 6________ 7 8 9_______ 10___ 11_____ 12_____ 13___________ 14

Chunks:
  TruePositive nam [6,6] = Warszawie
  TruePositive nam [12,13] = Bogdana Zdrojewskiego

(ChunkerEvaluator) Sentence #10053 from articles/00107817 from sent6

Text  : Jak poinformowało PAP w piątek Centrum Informacyjne ministerstwa kultury ,  będzie to pierwsza tego typu długofalowa współpraca pomiędzy resortem kultury a  instytucją pozarządową .
Tokens: 1__ 2____________ 3__ 4 5_____ 6______ 7___________ 8___________ 9______ 10 11____ 12 13______ 14__ 15__ 16_________ 17________ 18______ 19______ 20_____ 21 22________ 23_________ 24

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,9] = Centrum Informacyjne ministerstwa kultury

(ChunkerEvaluator) Sentence #10054 from articles/00107817 from sent7

Text  : Jej celem będzie odzyskanie tych dóbr kultury utraconych przez Polskę w  wyniku II wojny światowej ,  których restytucja na drodze sądowej nie ma szans powodzenia ,  a  inne możliwości zostały wyczerpane .
Tokens: 1__ 2____ 3_____ 4_________ 5___ 6___ 7______ 8_________ 9____ 10____ 11 12____ 13 14___ 15_______ 16 17_____ 18________ 19 20____ 21_____ 22_ 23 24___ 25________ 26 27 28__ 29________ 30_____ 31________ 32

Chunks:
  TruePositive nam [10,10] = Polskę
  TruePositive nam [13,15] = II wojny światowej

(ChunkerEvaluator) Sentence #10055 from articles/00107817 from sent8

Text  : Odzyskane dzieła sztuki będą mogły zostać przekazane wyłącznie do instytucji państwowych (  muzea ,  galerie itp .  )  ,  do pierwotnego właściciela lub jego prawnego następcy ,  a  w  przypadku ich braku -  do instytucji rekomendowanej przez ministerstwo .
Tokens: 1________ 2_____ 3_____ 4___ 5____ 6_____ 7_________ 8________ 9_ 10________ 11_________ 12 13___ 14 15_____ 16_ 17 18 19 20 21_________ 22_________ 23_ 24__ 25______ 26______ 27 28 29 30_______ 31_ 32___ 33 34 35________ 36____________ 37___ 38__________ 39

Chunks:
  FalseNegative nam [38,38] = ministerstwo

(ChunkerEvaluator) Sentence #10056 from articles/00107817 from sent9

Text  : " Do tej pory współpracowali śmy doraźnie .
Tokens: 1 2_ 3__ 4___ 5_____________ 6__ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #10057 from articles/00107817 from sent10

Text  : W sytuacjach , w których odnajdywały się utracone dzieła sztuki ,  a  ministerstwo kultury się zwracało do nas z  prośbą o  pomoc -  podejmowali śmy taką współpracę .
Tokens: 1 2_________ 3 4 5______ 6__________ 7__ 8_______ 9_____ 10____ 11 12 13__________ 14_____ 15_ 16______ 17 18_ 19 20____ 21 22___ 23 24_________ 25_ 26__ 27________ 28

Chunks:
  FalseNegative nam [13,14] = ministerstwo kultury

(ChunkerEvaluator) Sentence #10058 from articles/00107817 from sent11

Text  : To zaowocowało sprowadzeniem w 2010 roku do Polski obrazu +  Odpoczynek w  szałasie tatrzańskim +  Wojciecha Gersona i  przekazaniem go Zamkowi Królewskiemu w  Warszawie oraz odzyskaniem +  Murzynki +  Anny Bilińskiej -  Bohdanowiczowej ,  dzieła przekazanego do Muzeum Narodowego "  -  przypomniał w  rozmowie z  PAP zastępca dyrektora ds .  programowych Fundacji Kronenberga przy City Handlowy Norbert Konarzewski .
Tokens: 1_ 2__________ 3____________ 4 5___ 6___ 7_ 8_____ 9_____ 10 11________ 12 13______ 14_________ 15 16_______ 17_____ 18 19__________ 20 21_____ 22__________ 23 24_______ 25__ 26_________ 27 28______ 29 30__ 31________ 32 33_____________ 34 35____ 36__________ 37 38____ 39________ 40 41 42_________ 43 44______ 45 46_ 47______ 48_______ 49 50 51__________ 52______ 53_________ 54__ 55__ 56______ 57_____ 58_________ 59

Chunks:
  TruePositive nam [8,8] = Polski
  TruePositive nam [16,17] = Wojciecha Gersona
  TruePositive nam [21,22] = Zamkowi Królewskiemu
  TruePositive nam [24,24] = Warszawie
  TruePositive nam [30,33] = Anny Bilińskiej - Bohdanowiczowej
  TruePositive nam [38,39] = Muzeum Narodowego
  TruePositive nam [46,46] = PAP
  TruePositive nam [52,53] = Fundacji Kronenberga
  TruePositive nam [55,56] = City Handlowy
  TruePositive nam [57,58] = Norbert Konarzewski
  FalsePositive nam [28,29] = Murzynki +
  FalseNegative nam [27,29] = + Murzynki +

(ChunkerEvaluator) Sentence #10059 from articles/00107817 from sent12

Text  : Jak zauważył , udana współpraca z resortem zaowocowała myślą ,  aby stworzyć program ,  zakładający stałe współdziałanie ,  a  którego efektem będzie regularne ,  cykliczne odzyskiwanie poszukiwanych przez Polskę dzieł .
Tokens: 1__ 2_______ 3 4____ 5_________ 6 7_______ 8__________ 9____ 10 11_ 12______ 13_____ 14 15_________ 16___ 17____________ 18 19 20_____ 21_____ 22____ 23_______ 24 25_______ 26__________ 27___________ 28___ 29____ 30___ 31

Chunks:
  TruePositive nam [29,29] = Polskę

(ChunkerEvaluator) Sentence #10060 from articles/00107817 from sent13

Text  : " Doszli śmy wspólnie do wniosku , że warto było by połączyć siły ,  aby móc co roku pozyskać utracone dzieło "  -  tłumaczył .
Tokens: 1 2_____ 3__ 4_______ 5_ 6______ 7 8_ 9____ 10__ 11 12______ 13__ 14 15_ 16_ 17 18__ 19______ 20______ 21____ 22 23 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #10061 from articles/00107817 from sent14

Text  : " Założenie jest takie , że ministerstwo kultury będzie raz w  roku przekazywało fundacji listę wybranych dzieł sztuki ,  które udało się zlokalizować i  zidentyfikować .
Tokens: 1 2________ 3___ 4____ 5 6_ 7___________ 8______ 9_____ 10_ 11 12__ 13__________ 14______ 15___ 16_______ 17___ 18____ 19 20___ 21___ 22_ 23__________ 24 25____________ 26

Chunks:
  FalseNegative nam [14,14] = fundacji

(ChunkerEvaluator) Sentence #10062 from articles/00107817 from sent15

Text  : Wyboru dzieła , którego odzyskiwane , będzie dokonywała rada programu "  -  wyjaśnił Konarzewski .
Tokens: 1_____ 2_____ 3 4______ 5__________ 6 7_____ 8_________ 9___ 10______ 11 12 13______ 14_________ 15

Chunks:
  TruePositive nam [14,14] = Konarzewski

(ChunkerEvaluator) Sentence #10063 from articles/00107817 from sent16

Text  : Rada ma składać się z reprezentantów ministerstwa kultury , fundacji i  ekspertów .  "
Tokens: 1___ 2_ 3______ 4__ 5 6_____________ 7___________ 8______ 9 10______ 11 12_______ 13 14

Chunks:
  TruePositive nam [7,8] = ministerstwa kultury
  FalseNegative nam [1,1] = Rada
  FalseNegative nam [10,10] = fundacji

(ChunkerEvaluator) Sentence #10064 from articles/00107817 from sent17

Text  : Przypuszczam , że jednym z kryteriów powinna być wartość dla dziedzictwa kulturowego Polski "  -  ocenił .
Tokens: 1___________ 2 3_ 4_____ 5 6________ 7______ 8__ 9______ 10_ 11_________ 12_________ 13____ 14 15 16____ 17

Chunks:
  TruePositive nam [13,13] = Polski

(ChunkerEvaluator) Sentence #10065 from articles/00107817 from sent18

Text  : Polska w wyniku II wojny światowej straciła ponad 70 proc .  materialnego dziedzictwa kultury ;  wśród strat wojennych znajdują się dzieła ,  m  .  in .  Pietera Brueghela ,  Antona van Dycka ,  Pabla Picassa ,  Jana Matejki ,  Jacka Malczewskiego ,  Stanisława Wyspiańskiego .
Tokens: 1_____ 2 3_____ 4_ 5____ 6________ 7_______ 8____ 9_ 10__ 11 12__________ 13_________ 14_____ 15 16___ 17___ 18_______ 19______ 20_ 21____ 22 23 24 25 26 27_____ 28_______ 29 30____ 31_ 32___ 33 34___ 35_____ 36 37__ 38_____ 39 40___ 41___________ 42 43________ 44___________ 45

Chunks:
  TruePositive nam [1,1] = Polska
  TruePositive nam [4,6] = II wojny światowej
  TruePositive nam [27,28] = Pietera Brueghela
  TruePositive nam [34,35] = Pabla Picassa
  TruePositive nam [37,38] = Jana Matejki
  TruePositive nam [40,41] = Jacka Malczewskiego
  TruePositive nam [43,44] = Stanisława Wyspiańskiego
  FalsePositive nam [32,32] = Dycka
  FalseNegative nam [30,32] = Antona van Dycka

(ChunkerEvaluator) Sentence #10066 from articles/00107817 from sent19

Text  : Miejsce przechowywania większości z nich pozostaje nieznane .
Tokens: 1______ 2_____________ 3_________ 4 5___ 6________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #10067 from articles/00107817 from sent20

Text  : Ministerstwo Kultury i Dziedzictwa Narodowego od 1992 r . zajmuje się katalogowaniem strat wojennych -  obecnie w  bazie danych prowadzonej przez Departament Dziedzictwa Kulturowego resortu kultury zarejestrowanych jest ok .  60 tys .  obiektów .
Tokens: 1___________ 2______ 3 4__________ 5_________ 6_ 7___ 8 9 10_____ 11_ 12____________ 13___ 14_______ 15 16_____ 17 18___ 19____ 20_________ 21___ 22_________ 23_________ 24_________ 25_____ 26_____ 27______________ 28__ 29 30 31 32_ 33 34______ 35

Chunks:
  TruePositive nam [1,5] = Ministerstwo Kultury i Dziedzictwa Narodowego
  TruePositive nam [22,24] = Departament Dziedzictwa Kulturowego

(ChunkerEvaluator) Sentence #10068 from articles/00107817 from sent21

Text  : Część z nich prezentowana jest na stronie internetowej www.mkidn.gov.pl/kolekcje .
Tokens: 1____ 2 3___ 4___________ 5___ 6_ 7______ 8___________ 9________________________ 10

Chunks:
  TruePositive nam [9,9] = www.mkidn.gov.pl/kolekcje

2016-10-27 15:00:03,251 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 444 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107818.xml
(ChunkerEvaluator) Sentence #10069 from articles/00107818 from sent1

Text  : Geny rozwiązłości ?
Tokens: 1___ 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #10070 from articles/00107818 from sent2

Text  : Naukowcom udało się odczytać genom bonobo - najbardziej rozwiązłej małpy świata .
Tokens: 1________ 2____ 3__ 4_______ 5____ 6_____ 7 8__________ 9_________ 10___ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #10071 from articles/00107818 from sent3

Text  : To po szympansach nasz najbliższy krewniak i zarazem ostatnia wielka małpa ,  której genomu jeszcze nie znali śmy
Tokens: 1_ 2_ 3__________ 4___ 5_________ 6_______ 7 8______ 9_______ 10____ 11___ 12 13____ 14____ 15_____ 16_ 17___ 18_

Chunks:

(ChunkerEvaluator) Sentence #10072 from articles/00107818 from sent4

Text  : To jeden z dwóch najbliżej spokrewnionych z nami gatunków .
Tokens: 1_ 2____ 3 4____ 5________ 6_____________ 7 8___ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #10073 from articles/00107818 from sent5

Text  : Bonobo , czyli szympansy karłowate , podobnie jak dużo lepiej znane szympansy zwyczajne ,  to małpy człekokształtne .
Tokens: 1_____ 2 3____ 4________ 5________ 6 7_______ 8__ 9___ 10____ 11___ 12_______ 13_______ 14 15 16___ 17_____________ 18

Chunks:

(ChunkerEvaluator) Sentence #10074 from articles/00107818 from sent6

Text  : Ich genom różni się od naszego mniej niż półtora procentem .
Tokens: 1__ 2____ 3____ 4__ 5_ 6______ 7____ 8__ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10075 from articles/00107818 from sent7

Text  : A jednak zwierzęta te oraz ich niezwykłe zwyczaje są wciąż mało znane .
Tokens: 1 2_____ 3________ 4_ 5___ 6__ 7________ 8_______ 9_ 10___ 11__ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #10076 from articles/00107818 from sent8

Text  : Głównie dlatego , że żyją tylko w jednym kraju ,  bardzo biednym i  naznaczonym wojną -  Demokratycznej Republice Konga .
Tokens: 1______ 2______ 3 4_ 5___ 6____ 7 8_____ 9____ 10 11____ 12_____ 13 14_________ 15___ 16 17____________ 18_______ 19___ 20

Chunks:
  TruePositive nam [17,19] = Demokratycznej Republice Konga

(ChunkerEvaluator) Sentence #10077 from articles/00107818 from sent9

Text  : Przez całe dekady bonobo bardziej niż obiektem badań naukowców były celem polowań -  ze względu na mięso ,  do magicznych rytuałów i  na sprzedaż jako zwierzęta domowe .
Tokens: 1____ 2___ 3_____ 4_____ 5_______ 6__ 7_______ 8____ 9________ 10__ 11___ 12_____ 13 14 15_____ 16 17___ 18 19 20________ 21______ 22 23 24______ 25__ 26_______ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #10078 from articles/00107818 from sent10

Text  : Dlatego dziś są bardzo nieliczne i grozi im wyginięcie .
Tokens: 1______ 2___ 3_ 4_____ 5________ 6 7____ 8_ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #10079 from articles/00107818 from sent11

Text  : Dokładna liczba tych małp nie jest znana ( szacunki to 10 -  50 tys .  osobników )  .
Tokens: 1_______ 2_____ 3___ 4___ 5__ 6___ 7____ 8 9_______ 10 11 12 13 14_ 15 16_______ 17 18

Chunks:

(ChunkerEvaluator) Sentence #10080 from articles/00107818 from sent12

Text  : Dość powiedzieć , że nawet w tej bardziej optymistycznej wersji wszystkie żyjące dziś bonobo nie wypełniły by do pełna trybun Stadionu Narodowego w  Warszawie .
Tokens: 1___ 2_________ 3 4_ 5____ 6 7__ 8_______ 9_____________ 10____ 11_______ 12____ 13__ 14____ 15_ 16_______ 17 18 19___ 20____ 21______ 22________ 23 24_______ 25

Chunks:
  FalsePositive nam [21,24] = Stadionu Narodowego w Warszawie
  FalseNegative nam [21,22] = Stadionu Narodowego
  FalseNegative nam [24,24] = Warszawie

(ChunkerEvaluator) Sentence #10081 from articles/00107818 from sent13

Text  : A gdyby nie ludzie świat bonobo wyglądał by zupełnie inaczej -  praktycznie jak raj utracony .
Tokens: 1 2____ 3__ 4_____ 5____ 6_____ 7_______ 8_ 9_______ 10_____ 11 12_________ 13_ 14_ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #10082 from articles/00107818 from sent14

Text  : Eden nad rzeką Kongo
Tokens: 1___ 2__ 3____ 4____

Chunks:
  TruePositive nam [4,4] = Kongo

(ChunkerEvaluator) Sentence #10083 from articles/00107818 from sent15

Text  : Zwykle , myśląc o pochodzeniu naszego gatunku , szukamy wzorów ludzkich zachowań przez pryzmat tego ,  jak żyją szympansy zwyczajne .
Tokens: 1_____ 2 3_____ 4 5__________ 6______ 7______ 8 9______ 10____ 11______ 12______ 13___ 14_____ 15__ 16 17_ 18__ 19_______ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #10084 from articles/00107818 from sent16

Text  : W ich stadach obowiązuje nomen omen prawo dżungli .
Tokens: 1 2__ 3______ 4_________ 5____ 6___ 7____ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #10085 from articles/00107818 from sent17

Text  : Wygrywa silniejszy , na porządku dziennym jest walka , agresja ,  utrzymywanie ścisłej ,  ustalonej pięścią hierarchii .
Tokens: 1______ 2_________ 3 4_ 5_______ 6_______ 7___ 8____ 9 10_____ 11 12__________ 13_____ 14 15_______ 16_____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #10086 from articles/00107818 from sent18

Text  : Życie bonobo na tym tle to sielanka i oaza pacyfizmu .
Tokens: 1____ 2_____ 3_ 4__ 5__ 6_ 7_______ 8 9___ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10087 from articles/00107818 from sent19

Text  : Środkiem do nawiązywania relacji , rozładowywania napięcia , zdobywania przywilejów nie jest agresja ani siła ,  lecz coś całkiem innego -  seks .
Tokens: 1_______ 2_ 3___________ 4______ 5 6_____________ 7_______ 8 9_________ 10_________ 11_ 12__ 13_____ 14_ 15__ 16 17__ 18_ 19_____ 20____ 21 22__ 23

Chunks:

(ChunkerEvaluator) Sentence #10088 from articles/00107818 from sent20

Text  : W grę wchodzą stosunki niezwiązane z prokreacją , heteroseksualne ,  homoseksualne ,  w  obrębie jednej płci ,  rodziny ,  a  także zachowania autoerotyczne .
Tokens: 1 2__ 3______ 4_______ 5__________ 6 7_________ 8 9______________ 10 11___________ 12 13 14_____ 15____ 16__ 17 18_____ 19 20 21___ 22________ 23___________ 24

Chunks:

(ChunkerEvaluator) Sentence #10089 from articles/00107818 from sent21

Text  : I to od rana do wieczora , nawet kilkadziesiąt razy dziennie .
Tokens: 1 2_ 3_ 4___ 5_ 6_______ 7 8____ 9____________ 10__ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #10090 from articles/00107818 from sent22

Text  : Co więcej , bonobo są przez całe życie skore do zabawy ,  nie wiedzą co to zabijanie innych małp ,  a  do tego -  o  zgrozo -  samce żyją w  stosunku uległości względem samic .
Tokens: 1_ 2_____ 3 4_____ 5_ 6____ 7___ 8____ 9____ 10 11____ 12 13_ 14____ 15 16 17_______ 18____ 19__ 20 21 22 23__ 24 25 26____ 27 28___ 29__ 30 31______ 32_______ 33______ 34___ 35

Chunks:

(ChunkerEvaluator) Sentence #10091 from articles/00107818 from sent23

Text  : Rzecz wręcz nie do pomyślenia w stadach szympansów zwyczajnych .
Tokens: 1____ 2____ 3__ 4_ 5_________ 6 7______ 8_________ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #10092 from articles/00107818 from sent24

Text  : Nic więc dziwnego , że naukowcy nazywają kolonie bonobo komunami hipisów .
Tokens: 1__ 2___ 3_______ 4 5_ 6_______ 7_______ 8______ 9_____ 10______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10093 from articles/00107818 from sent25

Text  : Odkąd pod koniec lat dwudziestych odkryto ten niezwykły gatunek szympansa ,  naukowcy wciąż rozważają jedną kwestię :  do której z  dwóch małp bliżej było przodkowi człowieka :  hipisa czy zabijaki ?
Tokens: 1____ 2__ 3_____ 4__ 5___________ 6______ 7__ 8________ 9______ 10_______ 11 12______ 13___ 14_______ 15___ 16_____ 17 18 19____ 20 21___ 22__ 23____ 24__ 25_______ 26_______ 27 28____ 29_ 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #10094 from articles/00107818 from sent26

Text  : Jednoznacznej odpowiedzi nie ma .
Tokens: 1____________ 2_________ 3__ 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #10095 from articles/00107818 from sent27

Text  : Ale badacze zbierają wciąż materiały , które w przyszłości pomogą być może w  rozwikłaniu tej zagadki .
Tokens: 1__ 2______ 3_______ 4____ 5________ 6 7____ 8 9__________ 10____ 11_ 12__ 13 14_________ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #10096 from articles/00107818 from sent28

Text  : Teraz dochodzi nowe , bardzo potężne , choć niełatwe w  obsłudze ,  źródło wiedzy .
Tokens: 1____ 2_______ 3___ 4 5_____ 6______ 7 8___ 9_______ 10 11______ 12 13____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10097 from articles/00107818 from sent29

Text  : Zsekwencjonowano właśnie pełen genom bonobo i porównano go z materiałem genetycznym człowieka oraz szympansa zwyczajnego .
Tokens: 1_______________ 2______ 3____ 4____ 5_____ 6 7________ 8_ 9 10________ 11_________ 12_______ 13__ 14_______ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #10098 from articles/00107818 from sent30

Text  : Tę tytaniczną pracę wykonało 41 naukowców z 22 placówek naukowych z  całego świata .
Tokens: 1_ 2_________ 3____ 4_______ 5_ 6________ 7 8_ 9_______ 10_______ 11 12____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10099 from articles/00107818 from sent31

Text  : Wyniki publikuje dziś czasopismo „ Nature ” .
Tokens: 1_____ 2________ 3___ 4_________ 5 6_____ 7 8

Chunks:
  FalseNegative nam [6,6] = Nature

(ChunkerEvaluator) Sentence #10100 from articles/00107818 from sent32

Text  : Do cna poznane
Tokens: 1_ 2__ 3______

Chunks:

(ChunkerEvaluator) Sentence #10101 from articles/00107818 from sent33

Text  : Jednakże kolejna analiza zebranych danych pokazała , że ponad 3  proc .  ludzkiego genomu jest bardziej spokrewnione z  bonobo lub z  szympansem niż te dwa gatunki ze sobą !
Tokens: 1_______ 2______ 3______ 4________ 5_____ 6_______ 7 8_ 9____ 10 11__ 12 13_______ 14____ 15__ 16______ 17__________ 18 19____ 20_ 21 22________ 23_ 24 25_ 26_____ 27 28__ 29

Chunks:

(ChunkerEvaluator) Sentence #10102 from articles/00107818 from sent34

Text  : Inaczej mówiąc , niektóre fragmenty ludzkiego materiału genetycznego są wyraźnie bardziej podobne do genomu jednej z  dwóch małp :  1  ,  6  proc .  naszego materiału genetycznego jest bliższe DNA bonobo niż szympansa ,  a  1  ,  7  proc .  -  na odwrót .
Tokens: 1______ 2_____ 3 4_______ 5________ 6________ 7________ 8___________ 9_ 10______ 11______ 12_____ 13 14____ 15____ 16 17___ 18__ 19 20 21 22 23__ 24 25_____ 26_______ 27__________ 28__ 29_____ 30_ 31____ 32_ 33_______ 34 35 36 37 38 39__ 40 41 42 43____ 44

Chunks:
  FalsePositive nam [30,30] = DNA

(ChunkerEvaluator) Sentence #10103 from articles/00107818 from sent35

Text  : Badacze szympansów - i karłowatych , i zwyczajnych - już dawno zauważyli ,  że pod niektórymi względami oba te gatunki bardziej przypominają człowieka niż siebie nawzajem .
Tokens: 1______ 2_________ 3 4 5__________ 6 7 8__________ 9 10_ 11___ 12_______ 13 14 15_ 16________ 17_______ 18_ 19 20_____ 21______ 22__________ 23_______ 24_ 25____ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #10104 from articles/00107818 from sent36

Text  : Dla przykładu : szympansy umieją posługiwać się narzędziami jak ludzie ;  bonobo czynią to znacznie rzadziej .
Tokens: 1__ 2________ 3 4________ 5_____ 6_________ 7__ 8__________ 9__ 10____ 11 12____ 13____ 14 15______ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #10105 from articles/00107818 from sent37

Text  : Mają natomiast różowy pigment warg - charakterystyczny tylko dla naszego gatunku .
Tokens: 1___ 2________ 3_____ 4______ 5___ 6 7________________ 8____ 9__ 10_____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10106 from articles/00107818 from sent38

Text  : Pod względem społecznym różnice te wydają się być jeszcze bardziej skrajne .
Tokens: 1__ 2_______ 3_________ 4______ 5_ 6_____ 7__ 8__ 9______ 10______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10107 from articles/00107818 from sent39

Text  : Bonobo są dużo bardziej skłonne do bezinteresownego dzielenia się pożywieniem ,  a  tego typu zachowania altruistyczne są typowe dla ludzi i  bardzo rzadko spotykane wśród szympansów zwyczajnych .
Tokens: 1_____ 2_ 3___ 4_______ 5______ 6_ 7_______________ 8________ 9__ 10_________ 11 12 13__ 14__ 15________ 16___________ 17 18____ 19_ 20___ 21 22____ 23____ 24_______ 25___ 26________ 27_________ 28

Chunks:

(ChunkerEvaluator) Sentence #10108 from articles/00107818 from sent40

Text  : Wręcz przeciwnie - te małpy przypominają nasz gatunek raczej od ciemnej strony :  potrafią zabijać osobniki z  obcych stad ,  młode ,  bić samice .
Tokens: 1____ 2_________ 3 4_ 5____ 6___________ 7___ 8______ 9_____ 10 11_____ 12____ 13 14______ 15_____ 16______ 17 18____ 19__ 20 21___ 22 23_ 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #10109 from articles/00107818 from sent41

Text  : Myśląc o tych podobieństwach i różnicach , trzeba jednak pamiętać ,  że na razie naukowcy nie są w  stanie powiązać bezpośrednio z  nimi różnic w  genomach trzech gatunków naczelnych .
Tokens: 1_____ 2 3___ 4_____________ 5 6________ 7 8_____ 9_____ 10______ 11 12 13 14___ 15______ 16_ 17 18 19____ 20______ 21__________ 22 23__ 24____ 25 26______ 27____ 28______ 29________ 30

Chunks:

(ChunkerEvaluator) Sentence #10110 from articles/00107818 from sent42

Text  : Wciąż ogromna przepaść dzieli badania genetyczne i obserwacje psychologiczno -  społeczne .
Tokens: 1____ 2______ 3_______ 4_____ 5______ 6_________ 7 8_________ 9_____________ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #10111 from articles/00107818 from sent43

Text  : W innej części analizy genomu bonobo badacze stwierdzili , że gatunki szympansów nie wymieniały genów (  czyli nie krzyżowały się )  po tym ,  jak ich rodowe linie rozdzieliły się około 2  mln lat temu .
Tokens: 1 2____ 3_____ 4______ 5_____ 6_____ 7______ 8__________ 9 10 11_____ 12________ 13_ 14________ 15___ 16 17___ 18_ 19________ 20_ 21 22 23_ 24 25_ 26_ 27____ 28___ 29_________ 30_ 31___ 32 33_ 34_ 35__ 36

Chunks:

(ChunkerEvaluator) Sentence #10112 from articles/00107818 from sent44

Text  : To zaskakujące , bo w przypadku innych naczelnych takie ślady krzyżowania między gatunkami stwierdzono wielokrotnie .
Tokens: 1_ 2__________ 3 4_ 5 6________ 7_____ 8_________ 9____ 10___ 11_________ 12____ 13_______ 14_________ 15__________ 16

Chunks:

(ChunkerEvaluator) Sentence #10113 from articles/00107818 from sent45

Text  : W przypadku bonobo przeszkodą mogła być wyjątkowa izolacja od innych szympansów ,  którą stworzyła powstała w  tym czasie rzeka Kongo .
Tokens: 1 2________ 3_____ 4_________ 5____ 6__ 7________ 8_______ 9_ 10____ 11________ 12 13___ 14_______ 15______ 16 17_ 18____ 19___ 20___ 21

Chunks:
  TruePositive nam [20,20] = Kongo

(ChunkerEvaluator) Sentence #10114 from articles/00107818 from sent46

Text  : Analiza genomu bonobo i porównanie go z materiałem genetycznym szympansa zwyczajnego i  człowieka to dopiero pierwszy krok .
Tokens: 1______ 2_____ 3_____ 4 5_________ 6_ 7 8_________ 9__________ 10_______ 11_________ 12 13_______ 14 15_____ 16______ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #10115 from articles/00107818 from sent47

Text  : Na razie niewiele można z tego wywnioskować .
Tokens: 1_ 2____ 3_______ 4____ 5 6___ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #10116 from articles/00107818 from sent48

Text  : Ale zgromadzone informacje pozwolą w przyszłości lepiej zrozumieć genetyczne podłoże cech ,  które ludzie dzielą z  obiema małpami .
Tokens: 1__ 2__________ 3_________ 4______ 5 6__________ 7_____ 8________ 9_________ 10_____ 11__ 12 13___ 14____ 15____ 16 17____ 18_____ 19

Chunks:

2016-10-27 15:00:03,485 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 445 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107819.xml
(ChunkerEvaluator) Sentence #10117 from articles/00107819 from sent1

Text  : ME - 2012 - chorwacka tajemnica : cała Europa drży z  powodu Ivany i  Leni
Tokens: 1_ 2 3___ 4 5________ 6________ 7 8___ 9_____ 10__ 11 12____ 13___ 14 15__

Chunks:
  TruePositive nam [9,9] = Europa
  TruePositive nam [13,13] = Ivany
  TruePositive nam [15,15] = Leni
  FalseNegative nam [1,3] = ME - 2012

(ChunkerEvaluator) Sentence #10118 from articles/00107819 from sent2

Text  : Ivana i Leni - imiona swej dziewczyny oraz siostrzenicy umieścił na piłkarskich butach najskuteczniejszy Chorwat w  mistrzostwach Europy Mario Mandzukic .
Tokens: 1____ 2 3___ 4 5_____ 6___ 7_________ 8___ 9___________ 10______ 11 12_________ 13____ 14_______________ 15_____ 16 17___________ 18____ 19___ 20_______ 21

Chunks:
  TruePositive nam [3,3] = Leni
  TruePositive nam [15,15] = Chorwat
  TruePositive nam [19,20] = Mario Mandzukic
  FalsePositive nam [18,18] = Europy
  FalseNegative nam [1,1] = Ivana
  FalseNegative nam [17,18] = mistrzostwach Europy

(ChunkerEvaluator) Sentence #10119 from articles/00107819 from sent3

Text  : & quot ; Vatreni & quot ; ( & quot ;  Ogniści &  quot ;  )  są blisko awansu do ćwierćfinału polsko -  ukraińskiego turnieju .
Tokens: 1 2___ 3 4______ 5 6___ 7 8 9 10__ 11 12_____ 13 14__ 15 16 17 18____ 19____ 20 21__________ 22____ 23 24__________ 25______ 26

Chunks:
  FalseNegative nam [4,4] = Vatreni

(ChunkerEvaluator) Sentence #10120 from articles/00107819 from sent4

Text  : Chorwaci do tej pory wygrali w Poznaniu z Irlandią 3  :  1  i  zremisowali w  stolicy Wielkopolski z  Włochami 3  :  1  .
Tokens: 1_______ 2_ 3__ 4___ 5______ 6 7_______ 8 9_______ 10 11 12 13 14_________ 15 16_____ 17__________ 18 19______ 20 21 22 23

Chunks:
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [9,9] = Irlandią
  TruePositive nam [17,17] = Wielkopolski
  TruePositive nam [19,19] = Włochami
  FalseNegative nam [1,1] = Chorwaci

(ChunkerEvaluator) Sentence #10121 from articles/00107819 from sent5

Text  : W poniedziałek 18 czerwca zmierzą się w Gdańsku z mistrzem świata i  kontynentu Hiszpanią .
Tokens: 1 2___________ 3_ 4______ 5______ 6__ 7 8______ 9 10______ 11____ 12 13________ 14_______ 15

Chunks:
  TruePositive nam [8,8] = Gdańsku
  TruePositive nam [14,14] = Hiszpanią
  FalseNegative nam [10,11] = mistrzem świata

(ChunkerEvaluator) Sentence #10122 from articles/00107819 from sent6

Text  : Selekcjoner Slaven Bilic najbardziej liczy na Mandzukica , który zdobył już trzy bramki ,  mimo zaledwie czterech oddanych strzałów .
Tokens: 1__________ 2_____ 3____ 4__________ 5____ 6_ 7_________ 8 9____ 10____ 11_ 12__ 13____ 14 15__ 16______ 17______ 18______ 19______ 20

Chunks:
  FalsePositive nam [1,3] = Selekcjoner Slaven Bilic
  FalseNegative nam [2,3] = Slaven Bilic
  FalseNegative nam [7,7] = Mandzukica

(ChunkerEvaluator) Sentence #10123 from articles/00107819 from sent7

Text  : " Super Mandżo " , jak chorwaccy kibice mówią na zawodnika VfL Wolfsburg (  po Euro wraz z  Bilicem przenosi się do Lokomotiwu Moskwa )  ,  zdradził tajemnicę swych snajperskich popisów .
Tokens: 1 2____ 3_____ 4 5 6__ 7________ 8_____ 9____ 10 11_______ 12_ 13_______ 14 15 16__ 17__ 18 19_____ 20______ 21_ 22 23________ 24____ 25 26 27______ 28_______ 29___ 30__________ 31_____ 32

Chunks:
  TruePositive nam [2,3] = Super Mandżo
  TruePositive nam [12,13] = VfL Wolfsburg
  TruePositive nam [16,16] = Euro
  FalsePositive nam [24,24] = Moskwa
  FalseNegative nam [19,19] = Bilicem
  FalseNegative nam [23,24] = Lokomotiwu Moskwa

(ChunkerEvaluator) Sentence #10124 from articles/00107819 from sent8

Text  : " Szczęście przynoszą mi korki , na których umieścił em dwa imiona :  Ivana i  Leni ,  czyli mojej dziewczyny oraz siostrzenicy "  -  powiedział Mandzukic .
Tokens: 1 2________ 3________ 4_ 5____ 6 7_ 8______ 9_______ 10 11_ 12____ 13 14___ 15 16__ 17 18___ 19___ 20________ 21__ 22__________ 23 24 25________ 26_______ 27

Chunks:
  TruePositive nam [14,14] = Ivana
  TruePositive nam [16,16] = Leni
  FalseNegative nam [26,26] = Mandzukic

(ChunkerEvaluator) Sentence #10125 from articles/00107819 from sent9

Text  : Imiona kobiet znajdują się na lewym bucie , zaś na prawym -  napis "  MM17 "  ,  czyli inicjały piłkarza i  numer ,  z  jakim występuje na koszulce w  biało -  czerwoną szachownicę .
Tokens: 1_____ 2_____ 3_______ 4__ 5_ 6____ 7____ 8 9__ 10 11____ 12 13___ 14 15__ 16 17 18___ 19______ 20______ 21 22___ 23 24 25___ 26_______ 27 28______ 29 30___ 31 32______ 33_________ 34

Chunks:
  TruePositive nam [15,15] = MM17

(ChunkerEvaluator) Sentence #10126 from articles/00107819 from sent10

Text  : Najdroższy gracz chorwackiej kadry , przymierzany do najlepszych klubów Europy Luka Modric (  obecnie w  Tottenhamie Hotspur )  ma na butach dwa napisy :  "  Ivan "  i  "  Vanja "  -  to jego syn i  żona .
Tokens: 1_________ 2____ 3__________ 4____ 5 6___________ 7_ 8__________ 9_____ 10____ 11__ 12____ 13 14_____ 15 16_________ 17_____ 18 19 20 21____ 22_ 23____ 24 25 26__ 27 28 29 30___ 31 32 33 34__ 35_ 36 37__ 38

Chunks:
  TruePositive nam [16,17] = Tottenhamie Hotspur
  TruePositive nam [26,26] = Ivan
  TruePositive nam [30,30] = Vanja
  FalsePositive nam [10,12] = Europy Luka Modric
  FalseNegative nam [10,10] = Europy
  FalseNegative nam [11,12] = Luka Modric

(ChunkerEvaluator) Sentence #10127 from articles/00107819 from sent11

Text  : Z kolei kapitan drużyny Darijo Srna ( Szachtar Donieck )  umieścił imiona trojga najbliższych -  brata Igora ,  małżonki Mireli i  córki Kasji .
Tokens: 1 2____ 3______ 4______ 5_____ 6___ 7 8_______ 9______ 10 11______ 12____ 13____ 14__________ 15 16___ 17___ 18 19______ 20____ 21 22___ 23___ 24

Chunks:
  TruePositive nam [5,6] = Darijo Srna
  TruePositive nam [8,9] = Szachtar Donieck
  TruePositive nam [17,17] = Igora
  TruePositive nam [23,23] = Kasji
  FalseNegative nam [20,20] = Mireli

(ChunkerEvaluator) Sentence #10128 from articles/00107819 from sent12

Text  : Podobnie postąpił urodzony w Brazylii napastnik Eduardo da Silva (  Szachtar )  .
Tokens: 1_______ 2_______ 3_______ 4 5_______ 6________ 7______ 8_ 9____ 10 11______ 12 13

Chunks:
  TruePositive nam [5,5] = Brazylii
  TruePositive nam [7,9] = Eduardo da Silva
  FalseNegative nam [11,11] = Szachtar

(ChunkerEvaluator) Sentence #10129 from articles/00107819 from sent13

Text  : Na lewym bucie ma imiona syna ( Matheus ) i  żony (  Andrea )  ,  a  na prawym córki (  Loren )  .
Tokens: 1_ 2____ 3____ 4_ 5_____ 6___ 7 8______ 9 10 11__ 12 13____ 14 15 16 17 18____ 19___ 20 21___ 22 23

Chunks:
  TruePositive nam [21,21] = Loren
  FalseNegative nam [8,8] = Matheus
  FalseNegative nam [13,13] = Andrea

(ChunkerEvaluator) Sentence #10130 from articles/00107819 from sent14

Text  : " Z kolei ja zdecydował em się na imię siostry Anity ,  zaś na drugim bucie mam +  Joop +  .
Tokens: 1 2 3____ 4_ 5_________ 6_ 7__ 8_ 9___ 10_____ 11___ 12 13_ 14 15____ 16___ 17_ 18 19__ 20 21

Chunks:
  TruePositive nam [11,11] = Anity
  FalsePositive nam [19,20] = Joop +
  FalseNegative nam [19,19] = Joop

(ChunkerEvaluator) Sentence #10131 from articles/00107819 from sent15

Text  : To moje przezwisko z dzieciństwa " - wyjaśnił Ivan Perisic ,  kolega klubowy Roberta Lewandowskiego ,  Jakuba Błaszczykowskiego i  Łukasza Piszczka z  Borussii Dortmund .
Tokens: 1_ 2___ 3_________ 4 5__________ 6 7 8_______ 9___ 10_____ 11 12____ 13_____ 14_____ 15____________ 16 17____ 18_______________ 19 20_____ 21______ 22 23______ 24______ 25

Chunks:
  TruePositive nam [9,10] = Ivan Perisic
  TruePositive nam [14,15] = Roberta Lewandowskiego
  TruePositive nam [17,18] = Jakuba Błaszczykowskiego
  TruePositive nam [20,21] = Łukasza Piszczka
  TruePositive nam [23,24] = Borussii Dortmund

(ChunkerEvaluator) Sentence #10132 from articles/00107819 from sent16

Text  : " Ja nie mam dzieci , dlatego umieścił em nazwę miejscowości ,  z  której pochodzę -  Donji Miholjac "  -  wyjaśnił 23 -  letni obrońca Dinama Zagrzeb Domagoj Vida .
Tokens: 1 2_ 3__ 4__ 5_____ 6 7______ 8_______ 9_ 10___ 11__________ 12 13 14____ 15______ 16 17___ 18______ 19 20 21______ 22 23 24___ 25_____ 26____ 27_____ 28_____ 29__ 30

Chunks:
  TruePositive nam [17,18] = Donji Miholjac
  FalsePositive nam [26,29] = Dinama Zagrzeb Domagoj Vida
  FalseNegative nam [26,27] = Dinama Zagrzeb
  FalseNegative nam [28,29] = Domagoj Vida

(ChunkerEvaluator) Sentence #10133 from articles/00107819 from sent17

Text  : W przeszłości reprezentanci Chorwacji też lubili mieć oryginalne napisy na korkach ,  m  .  in .  Niko Kovac -  "  Vjeru i  ljubav "  (  wiara i  miłość )  oraz imię córki Laury ,  zaś jego brat Robert -  "  Republika Hrvatska "  .
Tokens: 1 2__________ 3____________ 4________ 5__ 6_____ 7___ 8_________ 9_____ 10 11_____ 12 13 14 15 16 17__ 18___ 19 20 21___ 22 23____ 24 25 26___ 27 28____ 29 30__ 31__ 32___ 33___ 34 35_ 36__ 37__ 38____ 39 40 41_______ 42______ 43 44

Chunks:
  TruePositive nam [4,4] = Chorwacji
  TruePositive nam [17,18] = Niko Kovac
  TruePositive nam [33,33] = Laury
  TruePositive nam [38,38] = Robert
  TruePositive nam [41,42] = Republika Hrvatska
  FalseNegative nam [21,23] = Vjeru i ljubav

(ChunkerEvaluator) Sentence #10134 from articles/00107819 from sent18

Text  : Podczas Euro 2012 chorwacka kadra mieszka w ośrodku Sielanka w  pobliżu Warki na Mazowszu .
Tokens: 1______ 2___ 3___ 4________ 5____ 6______ 7 8______ 9_______ 10 11_____ 12___ 13 14______ 15

Chunks:
  TruePositive nam [9,9] = Sielanka
  TruePositive nam [12,12] = Warki
  TruePositive nam [14,14] = Mazowszu
  FalsePositive nam [2,2] = Euro
  FalseNegative nam [2,3] = Euro 2012

2016-10-27 15:00:03,615 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 446 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107820.xml
(ChunkerEvaluator) Sentence #10135 from articles/00107820 from sent1

Text  : Euro w Poznaniu .
Tokens: 1___ 2 3_______ 4

Chunks:
  TruePositive nam [1,1] = Euro
  TruePositive nam [3,3] = Poznaniu

(ChunkerEvaluator) Sentence #10136 from articles/00107820 from sent2

Text  : Co widzieli i pisali dziennikarze z zagranicy ?
Tokens: 1_ 2_______ 3 4_____ 5___________ 6 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #10137 from articles/00107820 from sent3

Text  : Irlandzkie radia i telewizje , włoscy dziennikarze sportowi , a  także Al -  Jazeera .
Tokens: 1_________ 2____ 3 4________ 5 6_____ 7___________ 8_______ 9 10 11___ 12 13 14_____ 15

Chunks:
  TruePositive nam [12,14] = Al - Jazeera

(ChunkerEvaluator) Sentence #10138 from articles/00107820 from sent4

Text  : Przez ponad tydzień Poznań był na ustach całego świata .
Tokens: 1____ 2____ 3______ 4_____ 5__ 6_ 7_____ 8_____ 9_____ 10

Chunks:
  TruePositive nam [4,4] = Poznań

(ChunkerEvaluator) Sentence #10139 from articles/00107820 from sent5

Text  : Jakie wrażenia wywiozą od nas wysłannicy zagranicznych mediów ?
Tokens: 1____ 2_______ 3______ 4_ 5__ 6_________ 7____________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #10140 from articles/00107820 from sent6

Text  : Nathan Murphy jest dziennikarzem sportowym w irlandzkim radiu Today FM .
Tokens: 1_____ 2_____ 3___ 4____________ 5________ 6 7_________ 8____ 9____ 10 11

Chunks:
  TruePositive nam [9,10] = Today FM
  FalsePositive nam [2,2] = Murphy
  FalseNegative nam [1,2] = Nathan Murphy

(ChunkerEvaluator) Sentence #10141 from articles/00107820 from sent7

Text  : Do Polski przyjechał po raz pierwszy .
Tokens: 1_ 2_____ 3_________ 4_ 5__ 6_______ 7

Chunks:
  TruePositive nam [2,2] = Polski

(ChunkerEvaluator) Sentence #10142 from articles/00107820 from sent8

Text  : Mówi , że wcześniej wyobrażał ją sobie jako zacofany kraj ,  tkwiący pod względem rozwoju gdzieś w  latach 80 .
Tokens: 1___ 2 3_ 4________ 5________ 6_ 7____ 8___ 9_______ 10__ 11 12_____ 13_ 14______ 15_____ 16____ 17 18____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #10143 from articles/00107820 from sent9

Text  : A potem wylądował na lotnisku w Gdańsku . . .
Tokens: 1 2____ 3________ 4_ 5_______ 6 7______ 8 9 10

Chunks:
  FalsePositive nam [7,9] = Gdańsku . .
  FalseNegative nam [7,7] = Gdańsku

(ChunkerEvaluator) Sentence #10144 from articles/00107820 from sent10

Text  : - Nie sądził em , że jesteście tak nowoczesnym państwem .
Tokens: 1 2__ 3_____ 4_ 5 6_ 7________ 8__ 9__________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #10145 from articles/00107820 from sent11

Text  : Tu , w Poznaniu , też macie świetną infrastrukturę .
Tokens: 1_ 2 3 4_______ 5 6__ 7____ 8______ 9_____________ 10

Chunks:
  TruePositive nam [4,4] = Poznaniu

(ChunkerEvaluator) Sentence #10146 from articles/00107820 from sent12

Text  : Jest u was zupełnie jak w Irlandii . . .  -  dziwi się i  chwali .
Tokens: 1___ 2 3__ 4_______ 5__ 6 7_______ 8 9 10 11 12___ 13_ 14 15____ 16

Chunks:
  FalsePositive nam [7,10] = Irlandii . . .
  FalseNegative nam [7,7] = Irlandii

(ChunkerEvaluator) Sentence #10147 from articles/00107820 from sent13

Text  : Ludzie w Irlandii mogli posłuchać w radiu jego krótkich relacji i  wiadomości z  Polski .
Tokens: 1_____ 2 3_______ 4____ 5________ 6 7____ 8___ 9_______ 10_____ 11 12________ 13 14____ 15

Chunks:
  TruePositive nam [3,3] = Irlandii
  TruePositive nam [14,14] = Polski

(ChunkerEvaluator) Sentence #10148 from articles/00107820 from sent14

Text  : Co w nich mówił ?
Tokens: 1_ 2 3___ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #10149 from articles/00107820 from sent15

Text  : - Przedstawiał em wasz kraj w bardzo pozytywnym świetle .
Tokens: 1 2___________ 3_ 4___ 5___ 6 7_____ 8_________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #10150 from articles/00107820 from sent16

Text  : Zresztą nie tylko ja .
Tokens: 1______ 2__ 3____ 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #10151 from articles/00107820 from sent17

Text  : Rozmawiali śmy z wieloma irlandzkimi kibicami .
Tokens: 1_________ 2__ 3 4______ 5__________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #10152 from articles/00107820 from sent18

Text  : I na antenie bardzo chwalili Polskę i Polaków .
Tokens: 1 2_ 3______ 4_____ 5_______ 6_____ 7 8______ 9

Chunks:
  TruePositive nam [6,6] = Polskę
  TruePositive nam [8,8] = Polaków

(ChunkerEvaluator) Sentence #10153 from articles/00107820 from sent19

Text  : Podkreśla , że jest co najmniej jedna rzecz , która w  porównaniu z  Irlandią wypada zdecydowanie na korzyść Polski .
Tokens: 1________ 2 3_ 4___ 5_ 6_______ 7____ 8____ 9 10___ 11 12________ 13 14______ 15____ 16__________ 17 18_____ 19____ 20

Chunks:
  TruePositive nam [14,14] = Irlandią
  TruePositive nam [19,19] = Polski

(ChunkerEvaluator) Sentence #10154 from articles/00107820 from sent20

Text  : Ceny : - Wszystko jest u was takie tanie :  jedzenie ,  piwo ,  nawet taksówki .
Tokens: 1___ 2 3 4_______ 5___ 6 7__ 8____ 9____ 10 11______ 12 13__ 14 15___ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #10155 from articles/00107820 from sent21

Text  : Czuł em się trochę niepewnie
Tokens: 1___ 2_ 3__ 4_____ 5________

Chunks:

(ChunkerEvaluator) Sentence #10156 from articles/00107820 from sent22

Text  : Ameet Chana jest znany przede wszystkim jako aktor .
Tokens: 1____ 2____ 3___ 4____ 5_____ 6________ 7___ 8____ 9

Chunks:
  FalsePositive nam [2,2] = Chana
  FalseNegative nam [1,2] = Ameet Chana

(ChunkerEvaluator) Sentence #10157 from articles/00107820 from sent23

Text  : Ale obecnie jeździ po Polsce z ekipą operatorów i dziennikarzy .
Tokens: 1__ 2______ 3_____ 4_ 5_____ 6 7____ 8_________ 9 10__________ 11

Chunks:
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #10158 from articles/00107820 from sent24

Text  : Przyjechali z Londynu .
Tokens: 1__________ 2 3______ 4

Chunks:
  TruePositive nam [3,3] = Londynu

(ChunkerEvaluator) Sentence #10159 from articles/00107820 from sent25

Text  : Pracują dla niezależnej brytyjskiej telewizji , pokazują Polskę , przeprowadzają wywiady z  przechodniami .
Tokens: 1______ 2__ 3__________ 4__________ 5________ 6 7_______ 8_____ 9 10____________ 11_____ 12 13___________ 14

Chunks:
  TruePositive nam [8,8] = Polskę

(ChunkerEvaluator) Sentence #10160 from articles/00107820 from sent26

Text  : Kręcą film dokumentalny o Euro 2012 i o tym ,  co dzieje się wokół turnieju .
Tokens: 1____ 2___ 3___________ 4 5___ 6___ 7 8 9__ 10 11 12____ 13_ 14___ 15______ 16

Chunks:
  FalsePositive nam [5,5] = Euro
  FalseNegative nam [5,6] = Euro 2012

(ChunkerEvaluator) Sentence #10161 from articles/00107820 from sent27

Text  : Wędrują pomiędzy miastami organizującymi mistrzostwa .
Tokens: 1______ 2_______ 3_______ 4_____________ 5__________ 6

Chunks:
  FalseNegative nam [5,5] = mistrzostwa

(ChunkerEvaluator) Sentence #10162 from articles/00107820 from sent28

Text  : Do Poznania dotarli prosto z Warszawy .
Tokens: 1_ 2_______ 3______ 4_____ 5 6_______ 7

Chunks:
  TruePositive nam [2,2] = Poznania
  TruePositive nam [6,6] = Warszawy

(ChunkerEvaluator) Sentence #10163 from articles/00107820 from sent29

Text  : - Tuż przed mistrzostwami nie mieli ście na Wyspach najlepszej prasy -  mówi Chana .
Tokens: 1 2__ 3____ 4____________ 5__ 6____ 7___ 8_ 9______ 10________ 11___ 12 13__ 14___ 15

Chunks:
  TruePositive nam [14,14] = Chana
  FalseNegative nam [4,4] = mistrzostwami
  FalseNegative nam [9,9] = Wyspach

(ChunkerEvaluator) Sentence #10164 from articles/00107820 from sent30

Text  : - To m . in . z powodu głośnego dokumentu BBC ,  który w  negatywnym świetle pokazał Polskę i  Ukrainę .
Tokens: 1 2_ 3 4 5_ 6 7 8_____ 9_______ 10_______ 11_ 12 13___ 14 15________ 16_____ 17_____ 18____ 19 20_____ 21

Chunks:
  TruePositive nam [11,11] = BBC
  TruePositive nam [18,18] = Polskę
  TruePositive nam [20,20] = Ukrainę

(ChunkerEvaluator) Sentence #10165 from articles/00107820 from sent31

Text  : Muszę przyznać , że przed przyjazdem do Polski sam miałem pewne obawy .
Tokens: 1____ 2_______ 3 4_ 5____ 6_________ 7_ 8_____ 9__ 10____ 11___ 12___ 13

Chunks:
  TruePositive nam [8,8] = Polski

(ChunkerEvaluator) Sentence #10166 from articles/00107820 from sent32

Text  : Czuł em się trochę niepewnie - przyznaje .
Tokens: 1___ 2_ 3__ 4_____ 5________ 6 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #10167 from articles/00107820 from sent33

Text  : Co pokaże ekipa , z którą jeździ po Polsce Ameet Chana ?
Tokens: 1_ 2_____ 3____ 4 5 6____ 7_____ 8_ 9_____ 10___ 11___ 12

Chunks:
  FalsePositive nam [9,11] = Polsce Ameet Chana
  FalseNegative nam [9,9] = Polsce
  FalseNegative nam [10,11] = Ameet Chana

(ChunkerEvaluator) Sentence #10168 from articles/00107820 from sent34

Text  : - Tu , na miejscu , całkowicie zmienił em zdanie .
Tokens: 1 2_ 3 4_ 5______ 6 7_________ 8______ 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #10169 from articles/00107820 from sent35

Text  : Wasz kraj idzie w bardzo dobrym kierunku ! - twierdzi .
Tokens: 1___ 2___ 3____ 4 5_____ 6_____ 7_______ 8 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #10170 from articles/00107820 from sent36

Text  : Chana podkreśla też , że w Poznaniu podobało mu się bardziej niż w  Warszawie .
Tokens: 1____ 2________ 3__ 4 5_ 6 7_______ 8_______ 9_ 10_ 11______ 12_ 13 14_______ 15

Chunks:
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [14,14] = Warszawie
  FalseNegative nam [1,1] = Chana

(ChunkerEvaluator) Sentence #10171 from articles/00107820 from sent37

Text  : - W stolicy ludzie są bardziej zdystansowani , mniej zintegrowani .
Tokens: 1 2 3______ 4_____ 5_ 6_______ 7____________ 8 9____ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #10172 from articles/00107820 from sent38

Text  : Po przyjeździe do Poznania od razu poczuli śmy zmianę .
Tokens: 1_ 2__________ 3_ 4_______ 5_ 6___ 7______ 8__ 9_____ 10

Chunks:
  TruePositive nam [4,4] = Poznania

(ChunkerEvaluator) Sentence #10173 from articles/00107820 from sent39

Text  : Nawet nieznajomi ludzie byli dla nas bardzo pomocni , sami podchodzili i  zagadywali .
Tokens: 1____ 2_________ 3_____ 4___ 5__ 6__ 7_____ 8______ 9 10__ 11_________ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #10174 from articles/00107820 from sent40

Text  : Jego ekipa jest w Poznaniu tylko na chwilę .
Tokens: 1___ 2____ 3___ 4 5_______ 6____ 7_ 8_____ 9

Chunks:
  TruePositive nam [5,5] = Poznaniu

(ChunkerEvaluator) Sentence #10175 from articles/00107820 from sent41

Text  : Rozglądali się głównie po Starym Mieście .
Tokens: 1_________ 2__ 3______ 4_ 5_____ 6______ 7

Chunks:
  TruePositive nam [5,6] = Starym Mieście

(ChunkerEvaluator) Sentence #10176 from articles/00107820 from sent42

Text  : - Piękna architektura , zwłaszcza na rynku .
Tokens: 1 2_____ 3___________ 4 5________ 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #10177 from articles/00107820 from sent43

Text  : Na ulicach też świetna atmosfera , choć w dużej mierze dzięki fanom z  Irlandii ,  którzy dodają kolorytu całej imprezie -  zachwyca się .
Tokens: 1_ 2______ 3__ 4______ 5________ 6 7___ 8 9____ 10____ 11____ 12___ 13 14______ 15 16____ 17____ 18______ 19___ 20______ 21 22______ 23_ 24

Chunks:
  TruePositive nam [14,14] = Irlandii

(ChunkerEvaluator) Sentence #10178 from articles/00107820 from sent44

Text  : Uprzejmi Polacy i dziwnie dużo dziur
Tokens: 1_______ 2_____ 3 4______ 5___ 6____

Chunks:
  TruePositive nam [2,2] = Polacy

(ChunkerEvaluator) Sentence #10179 from articles/00107820 from sent45

Text  : Luca Gelmini to wysłannik „ Corriere della Sera ” -  znanej włoskiej gazety codziennej .
Tokens: 1___ 2______ 3_ 4________ 5 6_______ 7____ 8___ 9 10 11____ 12______ 13____ 14________ 15

Chunks:
  FalsePositive nam [8,8] = Sera
  FalseNegative nam [1,2] = Luca Gelmini
  FalseNegative nam [6,8] = Corriere della Sera

(ChunkerEvaluator) Sentence #10180 from articles/00107820 from sent46

Text  : Zajmuje się sportem .
Tokens: 1______ 2__ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #10181 from articles/00107820 from sent47

Text  : Był już m . in . na mundialu w RPA przed dwoma laty .
Tokens: 1__ 2__ 3 4 5_ 6 7_ 8_______ 9 10_ 11___ 12___ 13__ 14

Chunks:
  TruePositive nam [10,10] = RPA

(ChunkerEvaluator) Sentence #10182 from articles/00107820 from sent48

Text  : - Ciężko porównywać tamten turniej z polsko - ukraińskim .
Tokens: 1 2_____ 3_________ 4_____ 5______ 6 7_____ 8 9_________ 10

Chunks:
  FalsePositive nam [7,9] = polsko - ukraińskim

(ChunkerEvaluator) Sentence #10183 from articles/00107820 from sent49

Text  : Afryka to zupełnie inna część świata , inna kultura -  mówi .
Tokens: 1_____ 2_ 3_______ 4___ 5____ 6_____ 7 8___ 9______ 10 11__ 12

Chunks:
  TruePositive nam [1,1] = Afryka

(ChunkerEvaluator) Sentence #10184 from articles/00107820 from sent50

Text  : Dobrze ocenia organizację Euro w Poznaniu .
Tokens: 1_____ 2_____ 3__________ 4___ 5 6_______ 7

Chunks:
  TruePositive nam [4,4] = Euro
  TruePositive nam [6,6] = Poznaniu

(ChunkerEvaluator) Sentence #10185 from articles/00107820 from sent51

Text  : Podkreśla , że wywiezie z naszego kraju i miasta bardzo pozytywne wrażenia .
Tokens: 1________ 2 3_ 4_______ 5 6______ 7____ 8 9_____ 10____ 11_______ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #10186 from articles/00107820 from sent52

Text  : - Polacy są bardzo uprzejmi .
Tokens: 1 2_____ 3_ 4_____ 5_______ 6

Chunks:
  TruePositive nam [2,2] = Polacy

(ChunkerEvaluator) Sentence #10187 from articles/00107820 from sent53

Text  : Zawsze można liczyć na waszą pomoc .
Tokens: 1_____ 2____ 3_____ 4_ 5____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10188 from articles/00107820 from sent54

Text  : W Poznaniu jest też świetna komunikacja , bardzo dobrze działają taksówki .
Tokens: 1 2_______ 3___ 4__ 5______ 6__________ 7 8_____ 9_____ 10______ 11______ 12

Chunks:
  TruePositive nam [2,2] = Poznaniu

(ChunkerEvaluator) Sentence #10189 from articles/00107820 from sent55

Text  : Od razu widać , że Polska to nowoczesny , europejski kraj -  mówi .
Tokens: 1_ 2___ 3____ 4 5_ 6_____ 7_ 8_________ 9 10________ 11__ 12 13__ 14

Chunks:
  TruePositive nam [6,6] = Polska

(ChunkerEvaluator) Sentence #10190 from articles/00107820 from sent56

Text  : Wskazuje jedną rzecz , która wprawiła go w zdumienie :  -  Drogi !
Tokens: 1_______ 2____ 3____ 4 5____ 6_______ 7_ 8 9________ 10 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #10191 from articles/00107820 from sent57

Text  : Fatalnie się po nich jeździ , mnóstwo dziur !
Tokens: 1_______ 2__ 3_ 4___ 5_____ 6 7______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #10192 from articles/00107820 from sent58

Text  : Operatorzy wspominają gorące dziewczyny
Tokens: 1_________ 2_________ 3_____ 4_________

Chunks:

(ChunkerEvaluator) Sentence #10193 from articles/00107820 from sent59

Text  : A co widzieli ci , którzy stoją za kamerą ?
Tokens: 1 2_ 3_______ 4_ 5 6_____ 7____ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #10194 from articles/00107820 from sent60

Text  : Pytamy trzech operatorów irlandzkiej telewizji RTE , których spotykamy przechadzających się po strefie kibica .
Tokens: 1_____ 2_____ 3_________ 4__________ 5________ 6__ 7 8______ 9________ 10______________ 11_ 12 13_____ 14____ 15

Chunks:
  FalseNegative nam [6,6] = RTE

(ChunkerEvaluator) Sentence #10195 from articles/00107820 from sent61

Text  : James Rolfe od razu zaznacza , że w Poznaniu najbardziej spodobały mu się dwie rzeczy .
Tokens: 1____ 2____ 3_ 4___ 5_______ 6 7_ 8 9_______ 10_________ 11_______ 12 13_ 14__ 15____ 16

Chunks:
  TruePositive nam [1,2] = James Rolfe
  TruePositive nam [9,9] = Poznaniu

(ChunkerEvaluator) Sentence #10196 from articles/00107820 from sent62

Text  : - Gorące dziewczyny i dobre piwo - wymienia z uśmiechem .
Tokens: 1 2_____ 3_________ 4 5____ 6___ 7 8_______ 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10197 from articles/00107820 from sent63

Text  : Tak jak większość irlandzkich kibiców .
Tokens: 1__ 2__ 3________ 4__________ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #10198 from articles/00107820 from sent64

Text  : Jego koledzy , Ian Hourigan i William Lett , potakują głowami .
Tokens: 1___ 2______ 3 4__ 5_______ 6 7______ 8___ 9 10______ 11_____ 12

Chunks:
  TruePositive nam [4,5] = Ian Hourigan
  TruePositive nam [7,8] = William Lett

(ChunkerEvaluator) Sentence #10199 from articles/00107820 from sent65

Text  : Do Polski jechali samochodem z Dublina .
Tokens: 1_ 2_____ 3______ 4_________ 5 6______ 7

Chunks:
  TruePositive nam [2,2] = Polski
  TruePositive nam [6,6] = Dublina

(ChunkerEvaluator) Sentence #10200 from articles/00107820 from sent66

Text  : Ponad dwa tysiące kilometrów w dwa dni , ale nie żałują .
Tokens: 1____ 2__ 3______ 4_________ 5 6__ 7__ 8 9__ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #10201 from articles/00107820 from sent67

Text  : Większość turnieju spędzili w Sopocie - do Poznania przyjeżdżali tylko w  dni meczów .
Tokens: 1________ 2_______ 3_______ 4 5______ 6 7_ 8_______ 9___________ 10___ 11 12_ 13____ 14

Chunks:
  TruePositive nam [5,5] = Sopocie
  TruePositive nam [8,8] = Poznania

(ChunkerEvaluator) Sentence #10202 from articles/00107820 from sent68

Text  : Chwalą naszą strefę kibica .
Tokens: 1_____ 2____ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #10203 from articles/00107820 from sent69

Text  : - Jest o wiele lepsza niż w Gdańsku , tam jest na uboczu miasta ,  nie ma aż takiej atmosfery i  emocji -  twierdzą .
Tokens: 1 2___ 3 4____ 5_____ 6__ 7 8______ 9 10_ 11__ 12 13____ 14____ 15 16_ 17 18 19____ 20_______ 21 22____ 23 24______ 25

Chunks:
  TruePositive nam [8,8] = Gdańsku

(ChunkerEvaluator) Sentence #10204 from articles/00107820 from sent70

Text  : Między Gdańskiem a Poznaniem jeździli samochodem .
Tokens: 1_____ 2________ 3 4________ 5_______ 6_________ 7

Chunks:
  TruePositive nam [2,2] = Gdańskiem
  TruePositive nam [4,4] = Poznaniem

(ChunkerEvaluator) Sentence #10205 from articles/00107820 from sent71

Text  : Żartują nawet , że brak autostrady nie jest zły ,  bo dzięki temu mogli przejeżdżać przez różne miejscowości zwykłymi drogami i  zobaczyć przy okazji kawałek współczesnej Polski .
Tokens: 1______ 2____ 3 4_ 5___ 6_________ 7__ 8___ 9__ 10 11 12____ 13__ 14___ 15_________ 16___ 17___ 18__________ 19______ 20_____ 21 22______ 23__ 24____ 25_____ 26__________ 27____ 28

Chunks:
  TruePositive nam [27,27] = Polski

(ChunkerEvaluator) Sentence #10206 from articles/00107820 from sent72

Text  : Za to kierowcy dali im się we znaki .
Tokens: 1_ 2_ 3_______ 4___ 5_ 6__ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #10207 from articles/00107820 from sent73

Text  : - Niektórzy to wariaci !
Tokens: 1 2________ 3_ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #10208 from articles/00107820 from sent74

Text  : Jeżdżą za szybko , wyprzedzają w niebezpieczny sposób , nawet na wąskich drogach -  wzdycha Hourigan .
Tokens: 1_____ 2_ 3_____ 4 5__________ 6 7____________ 8_____ 9 10___ 11 12_____ 13_____ 14 15_____ 16______ 17

Chunks:
  FalseNegative nam [16,16] = Hourigan

(ChunkerEvaluator) Sentence #10209 from articles/00107820 from sent75

Text  : Na pogodę też nieco psioczyli , ale wczoraj przestali ,  bo wreszcie trafili na słoneczny dzień .
Tokens: 1_ 2_____ 3__ 4____ 5________ 6 7__ 8______ 9________ 10 11 12______ 13_____ 14 15_______ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #10210 from articles/00107820 from sent76

Text  : Twierdzą , że wrócą jeszcze do Polski i do Poznania ,  zachęcą znajomych i  polecą nas jako świetne miejsce na wakacje .
Tokens: 1_______ 2 3_ 4____ 5______ 6_ 7_____ 8 9_ 10______ 11 12_____ 13_______ 14 15____ 16_ 17__ 18_____ 19_____ 20 21_____ 22

Chunks:
  TruePositive nam [7,7] = Polski
  TruePositive nam [10,10] = Poznania

2016-10-27 15:00:03,869 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 447 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107821.xml
(ChunkerEvaluator) Sentence #10211 from articles/00107821 from sent1

Text  : Babcia z dziadkiem siedzą w necie .
Tokens: 1_____ 2 3________ 4_____ 5 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10212 from articles/00107821 from sent2

Text  : I rozmawiają z wnukami
Tokens: 1 2_________ 3 4______

Chunks:

(ChunkerEvaluator) Sentence #10213 from articles/00107821 from sent3

Text  : W Wojewódzkiej Bibliotece Publicznej we wtorek po raz piąty odbyła się Międzynarodowa Olimpiada Komputerowa Seniorów .
Tokens: 1 2___________ 3_________ 4_________ 5_ 6_____ 7_ 8__ 9____ 10____ 11_ 12____________ 13_______ 14_________ 15______ 16

Chunks:
  TruePositive nam [2,4] = Wojewódzkiej Bibliotece Publicznej
  TruePositive nam [12,15] = Międzynarodowa Olimpiada Komputerowa Seniorów

(ChunkerEvaluator) Sentence #10214 from articles/00107821 from sent4

Text  : Zadania równolegle rozwiązywali też seniorzy w Chrzanowie i Paryżu .
Tokens: 1______ 2_________ 3___________ 4__ 5_______ 6 7_________ 8 9_____ 10

Chunks:
  TruePositive nam [7,7] = Chrzanowie
  TruePositive nam [9,9] = Paryżu

(ChunkerEvaluator) Sentence #10215 from articles/00107821 from sent5

Text  : Po co im e - wiedza ?
Tokens: 1_ 2_ 3_ 4 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #10216 from articles/00107821 from sent6

Text  : Najczęściej ułatwia kontakt z wnukami .
Tokens: 1__________ 2______ 3______ 4 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #10217 from articles/00107821 from sent7

Text  : Olimpiada organizowana jest w ramach programu „ Szkoła @ ktywnego Seniora ”  realizowanego przez Wojewódzką Bibliotekę Publiczną w  Krakowie i  Towarzystwo Polsko -  Niemieckie w  Krakowie .
Tokens: 1________ 2___________ 3___ 4 5_____ 6_______ 7 8_____ 9 10______ 11_____ 12 13___________ 14___ 15________ 16________ 17_______ 18 19______ 20 21_________ 22____ 23 24________ 25 26______ 27

Chunks:
  TruePositive nam [15,17] = Wojewódzką Bibliotekę Publiczną
  TruePositive nam [19,19] = Krakowie
  TruePositive nam [21,24] = Towarzystwo Polsko - Niemieckie
  TruePositive nam [26,26] = Krakowie
  FalsePositive nam [11,11] = Seniora
  FalseNegative nam [1,1] = Olimpiada
  FalseNegative nam [8,11] = Szkoła @ ktywnego Seniora

(ChunkerEvaluator) Sentence #10218 from articles/00107821 from sent8

Text  : - Słuchacze szkoły sprawdzają w ten sposób swoją wiedzę o  komputerach ,  internecie i  umiejętność praktycznego wyszukiwania informacji w  sieci .
Tokens: 1 2________ 3_____ 4_________ 5 6__ 7_____ 8____ 9_____ 10 11_________ 12 13________ 14 15_________ 16__________ 17__________ 18________ 19 20___ 21

Chunks:
  FalsePositive nam [13,13] = internecie

(ChunkerEvaluator) Sentence #10219 from articles/00107821 from sent9

Text  : To nie trudne zadania , ale takie , które sprawdzają ,  jak starsze osoby odnajdują się w  społeczeństwie informacyjnym -  mówi Jerzy Woźniakiewicz ,  dyrektor biblioteki .
Tokens: 1_ 2__ 3_____ 4______ 5 6__ 7____ 8 9____ 10________ 11 12_ 13_____ 14___ 15_______ 16_ 17 18____________ 19___________ 20 21__ 22___ 23___________ 24 25______ 26________ 27

Chunks:
  TruePositive nam [22,23] = Jerzy Woźniakiewicz

(ChunkerEvaluator) Sentence #10220 from articles/00107821 from sent10

Text  : Pytania , na które odpowiadali seniorzy zostały przygotowane przez trenerów z  Francji i  Polski .
Tokens: 1______ 2 3_ 4____ 5__________ 6_______ 7______ 8___________ 9____ 10______ 11 12_____ 13 14____ 15

Chunks:
  TruePositive nam [12,12] = Francji
  TruePositive nam [14,14] = Polski

(ChunkerEvaluator) Sentence #10221 from articles/00107821 from sent11

Text  : Równolegle te same zadania rozwiązywali seniorzy w Chrzanowie i Paryżu ,  co pozwala na porównanie swoich umiejętności w  skali międzynarodowej .
Tokens: 1_________ 2_ 3___ 4______ 5___________ 6_______ 7 8_________ 9 10____ 11 12 13_____ 14 15________ 16____ 17__________ 18 19___ 20_____________ 21

Chunks:
  TruePositive nam [8,8] = Chrzanowie
  TruePositive nam [10,10] = Paryżu

(ChunkerEvaluator) Sentence #10222 from articles/00107821 from sent12

Text  : - Dzięki wiedzy ICT seniorzy mogą swobodnie używać komunikatorów internetowych ,  portali społecznościowych ,  stron internetowych .
Tokens: 1 2_____ 3_____ 4__ 5_______ 6___ 7________ 8_____ 9____________ 10___________ 11 12_____ 13_______________ 14 15___ 16___________ 17

Chunks:
  FalseNegative nam [4,4] = ICT

(ChunkerEvaluator) Sentence #10223 from articles/00107821 from sent13

Text  : Najczęściej wykorzystują te umiejętności do kontaktów z dziećmi i wnukami ,  które nieraz mieszkają zagranicą i  gdyby nie np .  Skype ,  kontakt był by mocno utrudniony -  dodaje Woźniakiewicz .
Tokens: 1__________ 2___________ 3_ 4___________ 5_ 6________ 7 8______ 9 10_____ 11 12___ 13____ 14_______ 15_______ 16 17___ 18_ 19 20 21___ 22 23_____ 24_ 25 26___ 27________ 28 29____ 30___________ 31

Chunks:
  FalseNegative nam [21,21] = Skype
  FalseNegative nam [30,30] = Woźniakiewicz

(ChunkerEvaluator) Sentence #10224 from articles/00107821 from sent14

Text  : Organizatorom „ Szkoły @ ktywnego Seniora ” w pamięć zapadła taka anegdota .
Tokens: 1____________ 2 3_____ 4 5_______ 6______ 7 8 9_____ 10_____ 11__ 12______ 13

Chunks:
  FalsePositive nam [6,6] = Seniora
  FalseNegative nam [3,6] = Szkoły @ ktywnego Seniora

(ChunkerEvaluator) Sentence #10225 from articles/00107821 from sent15

Text  : Córka ( studentka ) , matka ( słuchaczka studiów zaocznych )  i  babcia (  uczestniczka szkoły dla seniorów )  miały w  zwyczaju spotykać się raz w  tygodniu na wspólnym obiedzie .
Tokens: 1____ 2 3________ 4 5 6____ 7 8_________ 9______ 10_______ 11 12 13____ 14 15__________ 16____ 17_ 18______ 19 20___ 21 22______ 23______ 24_ 25_ 26 27______ 28 29______ 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #10226 from articles/00107821 from sent16

Text  : Pewnego razu babcia się nie pojawiła .
Tokens: 1______ 2___ 3_____ 4__ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #10227 from articles/00107821 from sent17

Text  : Nie dało się do niej dodzwonić , więc panie poszły sprawdzić co się stało .
Tokens: 1__ 2___ 3__ 4_ 5___ 6________ 7 8___ 9____ 10____ 11_______ 12 13_ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #10228 from articles/00107821 from sent18

Text  : Babcia otworzyła drzwi i spokojnie powiedziała : „ Przecież wysłała m  wam maila ,  że mnie nie będzie ”  .
Tokens: 1_____ 2________ 3____ 4 5________ 6__________ 7 8 9_______ 10_____ 11 12_ 13___ 14 15 16__ 17_ 18____ 19 20

Chunks:

2016-10-27 15:00:03,969 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 448 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107822.xml
(ChunkerEvaluator) Sentence #10229 from articles/00107822 from sent1

Text  : Ruch Palikota : sytuacja w Enei grozi wyłączeniem prądu w  części Polski
Tokens: 1___ 2_______ 3 4_______ 5 6___ 7____ 8__________ 9____ 10 11____ 12____

Chunks:
  TruePositive nam [1,2] = Ruch Palikota
  TruePositive nam [12,12] = Polski
  FalseNegative nam [6,6] = Enei

(ChunkerEvaluator) Sentence #10230 from articles/00107822 from sent2

Text  : W związku z protestem w spółce Enea grozi nam wyłączenie prądu w  znacznej części Polski -  uważają politycy Ruchu Palikota .
Tokens: 1 2______ 3 4________ 5 6_____ 7___ 8____ 9__ 10________ 11___ 12 13______ 14____ 15____ 16 17_____ 18______ 19___ 20______ 21

Chunks:
  TruePositive nam [7,7] = Enea
  TruePositive nam [15,15] = Polski
  TruePositive nam [19,20] = Ruchu Palikota

(ChunkerEvaluator) Sentence #10231 from articles/00107822 from sent3

Text  : Według nich pojawiają się niepokojące informacje o niegospodarności w Enei .
Tokens: 1_____ 2___ 3________ 4__ 5__________ 6_________ 7 8_______________ 9 10__ 11

Chunks:
  FalseNegative nam [10,10] = Enei

(ChunkerEvaluator) Sentence #10232 from articles/00107822 from sent4

Text  : Zdaniem rzeczniczki MSP protest nie groził wyłączeniem prądu .
Tokens: 1______ 2__________ 3__ 4______ 5__ 6_____ 7__________ 8____ 9

Chunks:
  TruePositive nam [3,3] = MSP

(ChunkerEvaluator) Sentence #10233 from articles/00107822 from sent5

Text  : " Mamy do czynienia z protestem w jednej z największych spółek Skarbu Państwa ,  który wydaje się być przemilczany ,  pomijany "  -  powiedział we wtorek na konferencji prasowej w  Sejmie rzecznik klubu Ruchu Palikota Andrzej Rozenek .
Tokens: 1 2___ 3_ 4________ 5 6________ 7 8_____ 9 10__________ 11____ 12____ 13_____ 14 15___ 16____ 17_ 18_ 19__________ 20 21______ 22 23 24________ 25 26____ 27 28_________ 29______ 30 31____ 32______ 33___ 34___ 35______ 36_____ 37_____ 38

Chunks:
  TruePositive nam [12,13] = Skarbu Państwa
  TruePositive nam [31,31] = Sejmie
  FalsePositive nam [34,37] = Ruchu Palikota Andrzej Rozenek
  FalseNegative nam [34,35] = Ruchu Palikota
  FalseNegative nam [36,37] = Andrzej Rozenek

(ChunkerEvaluator) Sentence #10234 from articles/00107822 from sent6

Text  : Poseł Ruchu Jan Cedzyński podkreślał , że pracownicy spółki Enea informują o  możliwej przerwie w  dostawach energii elektrycznej w  trakcie trwających rozgrywek Euro 2012 i  możliwych kolejnych akcjach protestacyjnych w  następnych dniach .
Tokens: 1____ 2____ 3__ 4________ 5_________ 6 7_ 8_________ 9_____ 10__ 11_______ 12 13______ 14______ 15 16_______ 17_____ 18__________ 19 20_____ 21________ 22_______ 23__ 24__ 25 26_______ 27_______ 28_____ 29_____________ 30 31________ 32____ 33

Chunks:
  TruePositive nam [2,2] = Ruchu
  TruePositive nam [3,4] = Jan Cedzyński
  TruePositive nam [10,10] = Enea
  FalsePositive nam [23,23] = Euro
  FalseNegative nam [23,24] = Euro 2012

(ChunkerEvaluator) Sentence #10235 from articles/00107822 from sent7

Text  : " Piszą , iż do tak drastycznej formy protestu zmusza ich m  .  in .  fakt ,  że w  czasie ,  gdy szuka się oszczędności na pracownikach spółki ,  minister skarbu państwa w  rządzie Donalda Tuska lekceważąco odnosi się do pochodzących od strony społecznej i  z  interpelacji poselskich informacji o  milionowych wydatkach ,  niegospodarności i  nepotyzmie ,  jakiego dopuszcza się prezes Enea SA "  -  mówił poseł Ruchu .
Tokens: 1 2____ 3 4_ 5_ 6__ 7__________ 8____ 9_______ 10____ 11_ 12 13 14 15 16__ 17 18 19 20____ 21 22_ 23___ 24_ 25__________ 26 27__________ 28____ 29 30______ 31____ 32_____ 33 34_____ 35_____ 36___ 37_________ 38____ 39_ 40 41__________ 42 43____ 44________ 45 46 47__________ 48________ 49________ 50 51_________ 52_______ 53 54______________ 55 56________ 57 58_____ 59_______ 60_ 61____ 62__ 63 64 65 66___ 67___ 68___ 69

Chunks:
  TruePositive nam [35,36] = Donalda Tuska
  TruePositive nam [62,63] = Enea SA
  TruePositive nam [68,68] = Ruchu

(ChunkerEvaluator) Sentence #10236 from articles/00107822 from sent8

Text  : Jak dodał , na ministrze skarbu Mikołaju Budzanowskim " nie zrobiły nawet wrażenia informacje o  możliwych korupcyjnych powiązaniach między wysokiego szczebla urzędnikami jego resortu ,  a  wskazywanym obecnie przez komitet strajkowy prezesem "  .
Tokens: 1__ 2____ 3 4_ 5________ 6_____ 7_______ 8___________ 9 10_ 11_____ 12___ 13______ 14________ 15 16_______ 17__________ 18__________ 19____ 20_______ 21______ 22_________ 23__ 24_____ 25 26 27_________ 28_____ 29___ 30_____ 31_______ 32______ 33 34

Chunks:
  TruePositive nam [7,8] = Mikołaju Budzanowskim

(ChunkerEvaluator) Sentence #10237 from articles/00107822 from sent9

Text  : " Powody takiego braku reakcji ministra skarbu są zastanawiające "  -  stwierdził Cedzyński .
Tokens: 1 2_____ 3______ 4____ 5______ 6_______ 7_____ 8_ 9_____________ 10 11 12________ 13_______ 14

Chunks:
  TruePositive nam [13,13] = Cedzyński

(ChunkerEvaluator) Sentence #10238 from articles/00107822 from sent10

Text  : " Być może ich wyjaśnienie tkwi w znajdującym się w  posiadaniu Ruchu Palikota oświadczeniu jednego z  pracowników .
Tokens: 1 2__ 3___ 4__ 5__________ 6___ 7 8__________ 9__ 10 11________ 12___ 13______ 14__________ 15_____ 16 17_________ 18

Chunks:
  TruePositive nam [12,13] = Ruchu Palikota

(ChunkerEvaluator) Sentence #10239 from articles/00107822 from sent11

Text  : Osoba ta wskazała na fakty i zdarzenia dotyczące powiązań prezesa Enea SA z  obecnie pełniącymi najwyższe funkcje urzędnikami Skarbu Państwa .
Tokens: 1____ 2_ 3_______ 4_ 5____ 6 7________ 8________ 9_______ 10_____ 11__ 12 13 14_____ 15________ 16_______ 17_____ 18_________ 19____ 20_____ 21

Chunks:
  TruePositive nam [11,12] = Enea SA
  TruePositive nam [19,20] = Skarbu Państwa

(ChunkerEvaluator) Sentence #10240 from articles/00107822 from sent12

Text  : To tłumaczy , dlaczego jednemu z prezesów spółek Skarbu Państwa uchodzą na sucho milionowe akty niegospodarności ,  które następnie muszą być pokrywane oszczędnościami na pracownikach "  -  powiedział .
Tokens: 1_ 2_______ 3 4_______ 5______ 6 7_______ 8_____ 9_____ 10_____ 11_____ 12 13___ 14_______ 15__ 16______________ 17 18___ 19_______ 20___ 21_ 22_______ 23_____________ 24 25__________ 26 27 28________ 29

Chunks:
  TruePositive nam [9,10] = Skarbu Państwa

(ChunkerEvaluator) Sentence #10241 from articles/00107822 from sent13

Text  : Cedzyński poinformował , że Ruch Palikota złożył w tej sprawie zawiadomienie do organów ścigania .
Tokens: 1________ 2___________ 3 4_ 5___ 6_______ 7_____ 8 9__ 10_____ 11___________ 12 13_____ 14______ 15

Chunks:
  TruePositive nam [1,1] = Cedzyński
  TruePositive nam [5,6] = Ruch Palikota

(ChunkerEvaluator) Sentence #10242 from articles/00107822 from sent14

Text  : Jak dodał , Prokuratura Okręgowa w Poznaniu wszczęła śledztwo ws .  nieprawidłowego zarządzania spółki Enea SA i  wyrządzeniu jej znacznej szkody majątkowej w  okresie 2010 -  2012 .
Tokens: 1__ 2____ 3 4__________ 5_______ 6 7_______ 8_______ 9_______ 10 11 12_____________ 13_________ 14____ 15__ 16 17 18_________ 19_ 20______ 21____ 22________ 23 24_____ 25__ 26 27__ 28

Chunks:
  TruePositive nam [4,5] = Prokuratura Okręgowa
  TruePositive nam [7,7] = Poznaniu
  TruePositive nam [15,16] = Enea SA

(ChunkerEvaluator) Sentence #10243 from articles/00107822 from sent15

Text  : Rozenek zaapelował do zarządu spółki , by podjął się wyjaśnienia "  pojawiających się bardzo niepokojących doniesień "  .
Tokens: 1______ 2_________ 3_ 4______ 5_____ 6 7_ 8_____ 9__ 10_________ 11 12___________ 13_ 14____ 15___________ 16_______ 17 18

Chunks:
  FalseNegative nam [1,1] = Rozenek

(ChunkerEvaluator) Sentence #10244 from articles/00107822 from sent16

Text  : " Jeśli ktoś marnotrawi nasze pieniądze , pieniądze spółki Skarbu Państwa ,  to należy temu przeciwdziałać "  -  dodał .
Tokens: 1 2____ 3___ 4_________ 5____ 6________ 7 8________ 9_____ 10____ 11_____ 12 13 14____ 15__ 16____________ 17 18 19___ 20

Chunks:
  TruePositive nam [10,11] = Skarbu Państwa

(ChunkerEvaluator) Sentence #10245 from articles/00107822 from sent17

Text  : Rzeczniczka MSP Magdalena Kobos poinformowała we wtorek PAP , że protest jednego ze związków zawodowych w  spółce Enea Operator w  żadnym stopniu nie groził wyłączeniami prądu .
Tokens: 1__________ 2__ 3________ 4____ 5____________ 6_ 7_____ 8__ 9 10 11_____ 12_____ 13 14______ 15________ 16 17____ 18__ 19______ 20 21____ 22_____ 23_ 24____ 25__________ 26___ 27

Chunks:
  TruePositive nam [2,2] = MSP
  TruePositive nam [3,4] = Magdalena Kobos
  TruePositive nam [8,8] = PAP
  FalsePositive nam [18,19] = Enea Operator
  FalseNegative nam [18,18] = Enea

(ChunkerEvaluator) Sentence #10246 from articles/00107822 from sent18

Text  : " Związkowcy kładli na szali powodzenie organizacji meczu w Poznaniu ,  co uznaję za naganne .
Tokens: 1 2_________ 3_____ 4_ 5____ 6_________ 7__________ 8____ 9 10______ 11 12 13____ 14 15_____ 16

Chunks:
  TruePositive nam [10,10] = Poznaniu

(ChunkerEvaluator) Sentence #10247 from articles/00107822 from sent19

Text  : Ministerstwo Skarbu Państwa na bieżąco otrzymuje informacje ze spółki i  monitoruje sytuację .
Tokens: 1___________ 2_____ 3______ 4_ 5______ 6________ 7_________ 8_ 9_____ 10 11________ 12______ 13

Chunks:
  TruePositive nam [1,3] = Ministerstwo Skarbu Państwa

(ChunkerEvaluator) Sentence #10248 from articles/00107822 from sent20

Text  : Ministerstwo zleciło kontrolę poruszanych przez Pana posła kwestii radzie nadzorczej spółki .
Tokens: 1___________ 2______ 3_______ 4__________ 5____ 6___ 7____ 8______ 9_____ 10________ 11____ 12

Chunks:
  FalsePositive nam [6,6] = Pana
  FalseNegative nam [1,1] = Ministerstwo

(ChunkerEvaluator) Sentence #10249 from articles/00107822 from sent21

Text  : Część punktów została już wyjaśniona , pozostałe są sprawdzane "  -  poinformowała Kobos w  przesłanym PAP stanowisku .
Tokens: 1____ 2______ 3______ 4__ 5_________ 6 7________ 8_ 9_________ 10 11 12___________ 13___ 14 15________ 16_ 17________ 18

Chunks:
  TruePositive nam [16,16] = PAP
  FalseNegative nam [13,13] = Kobos

(ChunkerEvaluator) Sentence #10250 from articles/00107822 from sent22

Text  : Dodała , że w poniedziałek wczoraj odbyło się posiedzenie rady nadzorczej spółki .
Tokens: 1_____ 2 3_ 4 5___________ 6______ 7_____ 8__ 9__________ 10__ 11________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #10251 from articles/00107822 from sent23

Text  : Podkreśliła , że MSP deklaruje pełną współpracę z organami ścigania .
Tokens: 1__________ 2 3_ 4__ 5________ 6____ 7_________ 8 9_______ 10______ 11

Chunks:
  TruePositive nam [4,4] = MSP

(ChunkerEvaluator) Sentence #10252 from articles/00107822 from sent24

Text  : " Przekazali śmy pełną dokumentację NIK , zwrócili śmy się też do ABW o  informację o  wynikach postępowania .
Tokens: 1 2_________ 3__ 4____ 5___________ 6__ 7 8_______ 9__ 10_ 11_ 12 13_ 14 15________ 16 17______ 18__________ 19

Chunks:
  TruePositive nam [6,6] = NIK
  FalseNegative nam [13,13] = ABW

(ChunkerEvaluator) Sentence #10253 from articles/00107822 from sent25

Text  : Pan poseł Cedzyński otrzymał wszystkie informacje i wyjaśnienia , w  zakresie ,  w  jakim pozwalały na to przepisy ustawy o  ofercie publicznej i  warunkach wprowadzania instrumentów finansowych do zorganizowanego systemu obrotu oraz spółkach publicznych .
Tokens: 1__ 2____ 3________ 4_______ 5________ 6_________ 7 8__________ 9 10 11______ 12 13 14___ 15_______ 16 17 18______ 19____ 20 21_____ 22________ 23 24_______ 25__________ 26__________ 27_________ 28 29_____________ 30_____ 31____ 32__ 33______ 34_________ 35

Chunks:
  TruePositive nam [3,3] = Cedzyński

(ChunkerEvaluator) Sentence #10254 from articles/00107822 from sent26

Text  : Wynika to z faktu , że Enea SA jest spółką notowaną na giełdzie "  -  poinformowała .
Tokens: 1_____ 2_ 3 4____ 5 6_ 7___ 8_ 9___ 10____ 11______ 12 13______ 14 15 16___________ 17

Chunks:
  TruePositive nam [7,8] = Enea SA

(ChunkerEvaluator) Sentence #10255 from articles/00107822 from sent27

Text  : W poniedziałek odbył się strajk ostrzegawczy w spółce Enea Operator .
Tokens: 1 2___________ 3____ 4__ 5_____ 6___________ 7 8_____ 9___ 10______ 11

Chunks:
  TruePositive nam [9,10] = Enea Operator

(ChunkerEvaluator) Sentence #10256 from articles/00107822 from sent28

Text  : Niewykluczone , że strajk zostanie powtórzony .
Tokens: 1____________ 2 3_ 4_____ 5_______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #10257 from articles/00107822 from sent29

Text  : Działające w spółce związki twierdziły , że chcą w ten sposób zaprotestować przeciw łamaniu praw pracowniczych .
Tokens: 1_________ 2 3_____ 4______ 5_________ 6 7_ 8___ 9 10_ 11____ 12___________ 13_____ 14_____ 15__ 16___________ 17

Chunks:

(ChunkerEvaluator) Sentence #10258 from articles/00107822 from sent30

Text  : Według związkowców spór z zarządem dotyczy restrukturyzacji wewnętrznej w spółce Enea Operator i  trwa od ubiegłego roku .
Tokens: 1_____ 2__________ 3___ 4 5_______ 6______ 7_______________ 8__________ 9 10____ 11__ 12______ 13 14__ 15 16_______ 17__ 18

Chunks:
  TruePositive nam [11,12] = Enea Operator

(ChunkerEvaluator) Sentence #10259 from articles/00107822 from sent31

Text  : W ich ocenie efektem restrukturyzacji spółki będzie likwidacja jednostek terenowych technicznej obsługi klienta ,  a  po ich zlikwidowaniu "  zdecydowanie pogorszy się obsługa klientów "  .
Tokens: 1 2__ 3_____ 4______ 5_______________ 6_____ 7_____ 8_________ 9________ 10________ 11_________ 12_____ 13_____ 14 15 16 17_ 18___________ 19 20__________ 21______ 22_ 23_____ 24______ 25 26

Chunks:

(ChunkerEvaluator) Sentence #10260 from articles/00107822 from sent32

Text  : Enea zajmuje się wytwarzaniem i dystrybucją energii elektrycznej .
Tokens: 1___ 2______ 3__ 4___________ 5 6__________ 7______ 8___________ 9

Chunks:
  TruePositive nam [1,1] = Enea

(ChunkerEvaluator) Sentence #10261 from articles/00107822 from sent33

Text  : Sprzedaje ok . 16 proc . energii elektrycznej wykorzystywanej w  Polsce (  w  ujęciu ilościowym )  .
Tokens: 1________ 2_ 3 4_ 5___ 6 7______ 8___________ 9______________ 10 11____ 12 13 14____ 15________ 16 17

Chunks:
  TruePositive nam [11,11] = Polsce

(ChunkerEvaluator) Sentence #10262 from articles/00107822 from sent34

Text  : Zaopatruje w energię mieszkańców zachodniej i północno zachodniej Polski .
Tokens: 1_________ 2 3______ 4__________ 5_________ 6 7_______ 8_________ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Polski

(ChunkerEvaluator) Sentence #10263 from articles/00107822 from sent35

Text  : ( planujemy kontynuację tematu )
Tokens: 1 2________ 3__________ 4_____ 5

Chunks:

2016-10-27 15:00:04,178 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 449 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107823.xml
(ChunkerEvaluator) Sentence #10264 from articles/00107823 from sent1

Text  : Analitycy : mimo Euro 2012 reklama w Polsce ma się gorzej
Tokens: 1________ 2 3___ 4___ 5___ 6______ 7 8_____ 9_ 10_ 11____

Chunks:
  TruePositive nam [8,8] = Polsce
  FalsePositive nam [4,4] = Euro
  FalseNegative nam [4,5] = Euro 2012

(ChunkerEvaluator) Sentence #10265 from articles/00107823 from sent2

Text  : Branża reklamowa liczyła na euro - żniwa , tymczasem najnowsza analiza jest twarda :  klienci wydadzą mniej niż rok temu ,  mimo Euro 2012 .
Tokens: 1_____ 2________ 3______ 4_ 5___ 6 7____ 8 9________ 10_______ 11_____ 12__ 13____ 14 15_____ 16_____ 17___ 18_ 19_ 20__ 21 22__ 23__ 24__ 25

Chunks:
  TruePositive nam [23,24] = Euro 2012
  FalsePositive nam [5,7] = euro - żniwa

(ChunkerEvaluator) Sentence #10266 from articles/00107823 from sent3

Text  : Analitycy firmy ZenithOptimedia oszacowali , że wydatki na reklamę w  Polsce w  tym roku sięgną 7  ,  09 mld zł netto .
Tokens: 1________ 2____ 3______________ 4_________ 5 6_ 7______ 8_ 9______ 10 11____ 12 13_ 14__ 15____ 16 17 18 19_ 20 21___ 22

Chunks:
  TruePositive nam [11,11] = Polsce
  TruePositive nam [20,20] = zł
  FalseNegative nam [3,3] = ZenithOptimedia

(ChunkerEvaluator) Sentence #10267 from articles/00107823 from sent4

Text  : ZenithOptimedia udostępnia analizy dotyczące działań branży na świecie , a  także ważniejszych rynków lokalnych .
Tokens: 1______________ 2_________ 3______ 4________ 5______ 6_____ 7_ 8______ 9 10 11___ 12__________ 13____ 14_______ 15

Chunks:
  FalseNegative nam [1,1] = ZenithOptimedia

(ChunkerEvaluator) Sentence #10268 from articles/00107823 from sent5

Text  : Jej eksperci w swej najnowszej publikacji przewidują , że w  tym roku łączne wydatki na reklamę w  Polsce okażą się o  0  ,  7  proc .  niższe niż w  roku 2011 .
Tokens: 1__ 2_______ 3 4___ 5_________ 6_________ 7_________ 8 9_ 10 11_ 12__ 13____ 14_____ 15 16_____ 17 18____ 19___ 20_ 21 22 23 24 25__ 26 27____ 28_ 29 30__ 31__ 32

Chunks:
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #10269 from articles/00107823 from sent6

Text  : Ich poprzednie szacunki mówiły o wzroście na poziomie 1 ,  9  proc .
Tokens: 1__ 2_________ 3_______ 4_____ 5 6_______ 7_ 8_______ 9 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #10270 from articles/00107823 from sent7

Text  : W opinii analityków ZenithOptimedia obniżenie wydatków reklamowych wiąże się z  ogólną sytuacją makroekonomiczną ,  która wpływa na ograniczenia budżetów poszczególnych firm .
Tokens: 1 2_____ 3_________ 4______________ 5________ 6_______ 7__________ 8____ 9__ 10 11____ 12______ 13______________ 14 15___ 16____ 17 18__________ 19______ 20____________ 21__ 22

Chunks:
  FalseNegative nam [4,4] = ZenithOptimedia

(ChunkerEvaluator) Sentence #10271 from articles/00107823 from sent8

Text  : - Zredukowali śmy wcześniejsze prognozy z uwagi na mało optymistyczne informacje płynące z  rynku ,  dotyczące wartości wydatków reklamowych w  I  kwartale ,  oraz prognozy gospodarcze mówiące o  spowolnieniu wzrostu PKB ,  spadku eksportu ,  inwestycji i  konsumpcji -  wskazała dyrektor działu rozwoju badań w  ZenithOptimedia Group Anna Marszalik -  Kraszewska .
Tokens: 1 2__________ 3__ 4___________ 5_______ 6 7____ 8_ 9___ 10___________ 11________ 12_____ 13 14___ 15 16_______ 17______ 18______ 19_________ 20 21 22______ 23 24__ 25______ 26_________ 27_____ 28 29__________ 30_____ 31_ 32 33____ 34______ 35 36________ 37 38________ 39 40______ 41______ 42____ 43_____ 44___ 45 46_____________ 47___ 48__ 49_______ 50 51________ 52

Chunks:
  TruePositive nam [31,31] = PKB
  TruePositive nam [46,47] = ZenithOptimedia Group
  TruePositive nam [48,51] = Anna Marszalik - Kraszewska

(ChunkerEvaluator) Sentence #10272 from articles/00107823 from sent9

Text  : Jak dodała , ostrożniejsze obecnie prognozy wynikają także z weryfikacji oczekiwań związanych z  piłkarskimi mistrzostwami Euro 2012 .
Tokens: 1__ 2_____ 3 4____________ 5______ 6_______ 7_______ 8____ 9 10_________ 11_______ 12________ 13 14_________ 15___________ 16__ 17__ 18

Chunks:
  FalsePositive nam [16,16] = Euro
  FalseNegative nam [15,17] = mistrzostwami Euro 2012

(ChunkerEvaluator) Sentence #10273 from articles/00107823 from sent10

Text  : - Pierwotnie spodziewano się zwiększonej aktywności reklamodawców .
Tokens: 1 2_________ 3__________ 4__ 5__________ 6_________ 7____________ 8

Chunks:

(ChunkerEvaluator) Sentence #10274 from articles/00107823 from sent11

Text  : Ci jednak obcięli swoje inwestycje w obawie przed zbyt dużym nasyceniem reklamowym -  tłumaczyła .
Tokens: 1_ 2_____ 3______ 4____ 5_________ 6 7_____ 8____ 9___ 10___ 11________ 12________ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #10275 from articles/00107823 from sent12

Text  : Wcześniej analitycy ZenithOptimedia oczekiwali , że Euro 2012 przyczyni się do zwiększenia wydatków ,  zwłaszcza na reklamę zewnętrzną .
Tokens: 1________ 2________ 3______________ 4_________ 5 6_ 7___ 8___ 9________ 10_ 11 12_________ 13______ 14 15_______ 16 17_____ 18________ 19

Chunks:
  TruePositive nam [7,8] = Euro 2012
  FalseNegative nam [3,3] = ZenithOptimedia

(ChunkerEvaluator) Sentence #10276 from articles/00107823 from sent13

Text  : Okazało się jednak , że mistrzostwa jedynie zmniejszyły cięcia budżetów w  tej branży .
Tokens: 1______ 2__ 3_____ 4 5_ 6__________ 7______ 8__________ 9_____ 10______ 11 12_ 13____ 14

Chunks:
  FalseNegative nam [6,6] = mistrzostwa

(ChunkerEvaluator) Sentence #10277 from articles/00107823 from sent14

Text  : Firma szacuje , że w tym roku wydatki okażą się o  2  ,  6  proc .  niższe niż przed rokiem .
Tokens: 1____ 2______ 3 4_ 5 6__ 7___ 8______ 9____ 10_ 11 12 13 14 15__ 16 17____ 18_ 19___ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #10278 from articles/00107823 from sent15

Text  : Jedynymi działami , w których - zdaniem analityków ZenithOptimedia -  polskie wydatki reklamowe w  tym roku wzrosną ,  są radio ,  kino i  internet -  odpowiednio o  2  ,  5  proc .  ,  3  ,  7  proc .  oraz 11 ,  5  proc .
Tokens: 1_______ 2_______ 3 4 5______ 6 7______ 8_________ 9______________ 10 11_____ 12_____ 13_______ 14 15_ 16__ 17_____ 18 19 20___ 21 22__ 23 24______ 25 26_________ 27 28 29 30 31__ 32 33 34 35 36 37__ 38 39__ 40 41 42 43__ 44

Chunks:
  FalsePositive nam [24,24] = internet
  FalseNegative nam [9,9] = ZenithOptimedia

(ChunkerEvaluator) Sentence #10279 from articles/00107823 from sent16

Text  : Tak duży wzrost wydatków na reklamę w internecie ma być odzwierciedleniem światowego trendu ,  a  Euro 2012 nie ma tu większego znaczenia .
Tokens: 1__ 2___ 3_____ 4_______ 5_ 6______ 7 8_________ 9_ 10_ 11_______________ 12________ 13____ 14 15 16__ 17__ 18_ 19 20 21_______ 22_______ 23

Chunks:
  FalsePositive nam [8,8] = internecie
  FalsePositive nam [16,16] = Euro
  FalseNegative nam [16,17] = Euro 2012

(ChunkerEvaluator) Sentence #10280 from articles/00107823 from sent17

Text  : Nieznaczny spadek - w opinii ekspertów - odnotuje telewizja ,  od lat pochłaniająca największą część wydatków reklamowych .
Tokens: 1_________ 2_____ 3 4 5_____ 6________ 7 8_______ 9________ 10 11 12_ 13___________ 14________ 15___ 16______ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #10281 from articles/00107823 from sent18

Text  : Według ich szacunków w tym roku reklamodawcy wydadzą jednak na reklamę telewizyjną o  0  ,  4  proc .  mniej niż w  roku 2011 .
Tokens: 1_____ 2__ 3________ 4 5__ 6___ 7___________ 8______ 9_____ 10 11_____ 12_________ 13 14 15 16 17__ 18 19___ 20_ 21 22__ 23__ 24

Chunks:

(ChunkerEvaluator) Sentence #10282 from articles/00107823 from sent19

Text  : Analitycy ZenithOptimedia wskazują , że już od kwietnia obserwują zmniejszony popyt na czas antenowy i  tłumaczą to obawami reklamodawców o  zbyt duże nasycenie reklamowe w  czasie piłkarskich mistrzostw .
Tokens: 1________ 2______________ 3_______ 4 5_ 6__ 7_ 8_______ 9________ 10_________ 11___ 12 13__ 14______ 15 16______ 17 18_____ 19___________ 20 21__ 22__ 23_______ 24_______ 25 26____ 27_________ 28________ 29

Chunks:
  FalseNegative nam [2,2] = ZenithOptimedia
  FalseNegative nam [28,28] = mistrzostw

(ChunkerEvaluator) Sentence #10283 from articles/00107823 from sent20

Text  : Opinie o spadku popytu na reklamy telewizyjne częściowo potwierdzają dane Kantar Media ,  firmy szczegółowo analizującej wydatki reklamowe .
Tokens: 1_____ 2 3_____ 4_____ 5_ 6______ 7__________ 8________ 9___________ 10__ 11____ 12___ 13 14___ 15_________ 16__________ 17_____ 18_______ 19

Chunks:
  TruePositive nam [11,12] = Kantar Media

(ChunkerEvaluator) Sentence #10284 from articles/00107823 from sent21

Text  : Po podsumowaniu wszystkich emisji reklam w polskich kanałach telewizyjnych wyliczyła ona ,  że w  I  kwartale br .  wydatki reklamodawców wyniosły 3  ,  2  mld zł (  licząc według stawek cennikowych poszczególnych stacji ,  bez uwzględnienia rabatów )  ,  czyli o  2  proc .  więcej niż w  I  kwartale 2011 r  .
Tokens: 1_ 2___________ 3_________ 4_____ 5_____ 6 7_______ 8_______ 9____________ 10_______ 11_ 12 13 14 15 16______ 17 18 19_____ 20___________ 21______ 22 23 24 25_ 26 27 28____ 29____ 30____ 31_________ 32____________ 33____ 34 35_ 36___________ 37_____ 38 39 40___ 41 42 43__ 44 45____ 46_ 47 48 49______ 50__ 51 52

Chunks:
  TruePositive nam [26,26] = zł

(ChunkerEvaluator) Sentence #10285 from articles/00107823 from sent22

Text  : Dane dla kwietnia pokazały jednak spadek o 4 , 7  proc .  (  do 1  ,  4  mld zł )  .
Tokens: 1___ 2__ 3_______ 4_______ 5_____ 6_____ 7 8 9 10 11__ 12 13 14 15 16 17 18_ 19 20 21

Chunks:
  TruePositive nam [19,19] = zł

(ChunkerEvaluator) Sentence #10286 from articles/00107823 from sent23

Text  : Z przekazanych przez firmę danych wynika , że wydatki na reklamę w  telewizji w  maju wyniosły 1  ,  55 mld zł -  o  2  ,  2  proc .  więcej niż w  maju 2011 r  .
Tokens: 1 2___________ 3____ 4____ 5_____ 6_____ 7 8_ 9______ 10 11_____ 12 13_______ 14 15__ 16______ 17 18 19 20_ 21 22 23 24 25 26 27__ 28 29____ 30_ 31 32__ 33__ 34 35

Chunks:
  TruePositive nam [21,21] = zł

(ChunkerEvaluator) Sentence #10287 from articles/00107823 from sent24

Text  : Komentując te dane dyrektor mediów domu mediowego Starlink Maciej Ziomek zwrócił uwagę na wpływ świąt wielkanocnych :  przed rokiem były one pod koniec kwietnia i  to w  tym miesiącu została wtedy zaliczona znaczna część "  wielkanocnych "  wydatków reklamowych .
Tokens: 1_________ 2_ 3___ 4_______ 5_____ 6___ 7________ 8_______ 9_____ 10____ 11_____ 12___ 13 14___ 15___ 16___________ 17 18___ 19____ 20__ 21_ 22_ 23____ 24______ 25 26 27 28_ 29______ 30_____ 31___ 32_______ 33_____ 34___ 35 36___________ 37 38______ 39_________ 40

Chunks:
  TruePositive nam [9,10] = Maciej Ziomek
  FalseNegative nam [8,8] = Starlink
  FalseNegative nam [15,16] = świąt wielkanocnych

(ChunkerEvaluator) Sentence #10288 from articles/00107823 from sent25

Text  : Jego zdaniem jednak Euro 2012 rzeczywiście zniechęca część reklamodawców przed prowadzeniem kampanii .
Tokens: 1___ 2______ 3_____ 4___ 5___ 6___________ 7________ 8____ 9____________ 10___ 11__________ 12______ 13

Chunks:
  FalsePositive nam [4,4] = Euro
  FalseNegative nam [4,5] = Euro 2012

(ChunkerEvaluator) Sentence #10289 from articles/00107823 from sent26

Text  : - Jest taki trend , część reklamodawców omija ten okres -  powiedział Ziomek .
Tokens: 1 2___ 3___ 4____ 5 6____ 7____________ 8____ 9__ 10___ 11 12________ 13____ 14

Chunks:
  TruePositive nam [13,13] = Ziomek

(ChunkerEvaluator) Sentence #10290 from articles/00107823 from sent27

Text  : Podkreślił jednak , że widać też grupę reklamodawców , którzy nasili swoje działania :  oprócz sponsorów tej imprezy są też tacy ,  którzy próbują połączyć swoje kampanie z  powszechnym zainteresowaniem Euro 2012 .
Tokens: 1_________ 2_____ 3 4_ 5____ 6__ 7____ 8____________ 9 10____ 11____ 12___ 13_______ 14 15____ 16_______ 17_ 18_____ 19 20_ 21__ 22 23____ 24_____ 25______ 26___ 27______ 28 29_________ 30______________ 31__ 32__ 33

Chunks:
  TruePositive nam [31,32] = Euro 2012

(ChunkerEvaluator) Sentence #10291 from articles/00107823 from sent28

Text  : Ziomek zwrócił też uwagę , że już raport analityków Starlinka po I  kwartale br .  mówił o  spadku wydatków reklamowych w  Polsce o  2  ,  4  proc .  wobec tego samego kwartału 2011 r  .
Tokens: 1_____ 2______ 3__ 4____ 5 6_ 7__ 8_____ 9_________ 10_______ 11 12 13______ 14 15 16___ 17 18____ 19______ 20_________ 21 22____ 23 24 25 26 27__ 28 29___ 30__ 31____ 32______ 33__ 34 35

Chunks:
  TruePositive nam [1,1] = Ziomek
  TruePositive nam [22,22] = Polsce
  FalseNegative nam [10,10] = Starlinka

(ChunkerEvaluator) Sentence #10292 from articles/00107823 from sent29

Text  : Jego zdaniem Euro 2012 nie będzie mieć większego znaczenia dla dynamiki reklamy ,  a  spadek w  największym stopniu jest spowodowany ograniczeniami wydatków przez branżę FMCG ,  czyli tzw .  produktów szybkozbywalnych -  np .  spożywczych ,  czy środków czystości .
Tokens: 1___ 2______ 3___ 4___ 5__ 6_____ 7___ 8________ 9________ 10_ 11______ 12_____ 13 14 15____ 16 17_________ 18_____ 19__ 20_________ 21____________ 22______ 23___ 24____ 25__ 26 27___ 28_ 29 30_______ 31______________ 32 33 34 35_________ 36 37_ 38_____ 39_______ 40

Chunks:
  TruePositive nam [3,4] = Euro 2012
  FalseNegative nam [25,25] = FMCG

2016-10-27 15:00:04,487 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 450 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107824.xml
(ChunkerEvaluator) Sentence #10293 from articles/00107824 from sent1

Text  : Marwit traci swoją gwiazdę - Igor Sobalczyk odchodzi
Tokens: 1_____ 2____ 3____ 4______ 5 6___ 7________ 8_______

Chunks:
  TruePositive nam [6,7] = Igor Sobalczyk
  FalseNegative nam [1,1] = Marwit

(ChunkerEvaluator) Sentence #10294 from articles/00107824 from sent2

Text  : Najlepszy strzelec toruńskiej drużyny w przyszłym sezonie nie zagra już w  Marwicie .
Tokens: 1________ 2_______ 3_________ 4______ 5 6________ 7______ 8__ 9____ 10_ 11 12______ 13

Chunks:
  FalseNegative nam [12,12] = Marwicie

(ChunkerEvaluator) Sentence #10295 from articles/00107824 from sent3

Text  : - Ze względów rodzinnych jestem zmuszony wrócić do domu -  powiedział Sobalczyk
Tokens: 1 2_ 3_______ 4_________ 5_____ 6_______ 7_____ 8_ 9___ 10 11________ 12_______

Chunks:
  FalseNegative nam [12,12] = Sobalczyk

(ChunkerEvaluator) Sentence #10296 from articles/00107824 from sent4

Text  : Strata tego zawodnika to ogromne osłabienie drużyny prowadzonej przez Romana Smirnova .
Tokens: 1_____ 2___ 3________ 4_ 5______ 6_________ 7______ 8__________ 9____ 10____ 11______ 12

Chunks:
  TruePositive nam [10,11] = Romana Smirnova

(ChunkerEvaluator) Sentence #10297 from articles/00107824 from sent5

Text  : 30 - letni Sobalczyk zdobył 20 bramek w zeszłym sezonie i  był najskuteczniejszym graczem Marwitu .
Tokens: 1_ 2 3____ 4________ 5_____ 6_ 7_____ 8 9______ 10_____ 11 12_ 13________________ 14_____ 15_____ 16

Chunks:
  FalseNegative nam [4,4] = Sobalczyk
  FalseNegative nam [15,15] = Marwitu

(ChunkerEvaluator) Sentence #10298 from articles/00107824 from sent6

Text  : Świetnie spisywał się także szóstek piłkarskich gdzie w ekipie Szwejka był wiodącą postacią .
Tokens: 1_______ 2_______ 3__ 4____ 5______ 6__________ 7____ 8 9_____ 10_____ 11_ 12_____ 13______ 14

Chunks:
  TruePositive nam [10,10] = Szwejka

(ChunkerEvaluator) Sentence #10299 from articles/00107824 from sent7

Text  : - Moja decyzja o odejściu z klubu podyktowana jest względami rodzinnymi .
Tokens: 1 2___ 3______ 4 5_______ 6 7____ 8__________ 9___ 10_______ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #10300 from articles/00107824 from sent8

Text  : W Toruniu grał em przez jeden sezon .
Tokens: 1 2______ 3___ 4_ 5____ 6____ 7____ 8

Chunks:
  TruePositive nam [2,2] = Toruniu

(ChunkerEvaluator) Sentence #10301 from articles/00107824 from sent9

Text  : Z pewnością był to fajny okres w mojej piłkarskiej karierze .
Tokens: 1 2________ 3__ 4_ 5____ 6____ 7 8____ 9__________ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #10302 from articles/00107824 from sent10

Text  : Żal odchodzić - powiedział Sobalczyk .
Tokens: 1__ 2________ 3 4_________ 5________ 6

Chunks:
  FalseNegative nam [5,5] = Sobalczyk

(ChunkerEvaluator) Sentence #10303 from articles/00107824 from sent11

Text  : Wiceprezes klubu Marek Wiśniewski nie ukrywa , że dla zespołu jest to bardzo duże osłabienie .
Tokens: 1_________ 2____ 3____ 4_________ 5__ 6_____ 7 8_ 9__ 10_____ 11__ 12 13____ 14__ 15________ 16

Chunks:
  TruePositive nam [3,4] = Marek Wiśniewski

(ChunkerEvaluator) Sentence #10304 from articles/00107824 from sent12

Text  : - Igor miał umowę ważną jeszcze przez rok .
Tokens: 1 2___ 3___ 4____ 5____ 6______ 7____ 8__ 9

Chunks:
  TruePositive nam [2,2] = Igor

(ChunkerEvaluator) Sentence #10305 from articles/00107824 from sent13

Text  : Usiedli śmy do rozmów i zgodzili śmy się na rozwiązanie kontraktu .
Tokens: 1______ 2__ 3_ 4_____ 5 6_______ 7__ 8__ 9_ 10_________ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #10306 from articles/00107824 from sent14

Text  : Nie było nam to na rękę , bo stracili śmy dobrego zawodnika .
Tokens: 1__ 2___ 3__ 4_ 5_ 6___ 7 8_ 9_______ 10_ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #10307 from articles/00107824 from sent15

Text  : Chciał by m podziękować Igorowi za duży wkład w wywalczeniu piątego miejsca w  Ekstraklasie futsalu -  powiedział Wiśniewski .
Tokens: 1_____ 2_ 3 4__________ 5______ 6_ 7___ 8____ 9 10_________ 11_____ 12_____ 13 14__________ 15_____ 16 17________ 18________ 19

Chunks:
  TruePositive nam [5,5] = Igorowi
  TruePositive nam [18,18] = Wiśniewski
  FalsePositive nam [14,14] = Ekstraklasie
  FalseNegative nam [14,15] = Ekstraklasie futsalu

(ChunkerEvaluator) Sentence #10308 from articles/00107824 from sent16

Text  : Bardzo możliwe , że były już gracz toruńskiego klubu będzie reprezentował barwy Gatty Zduńska Wola .
Tokens: 1_____ 2______ 3 4_ 5___ 6__ 7____ 8__________ 9____ 10____ 11___________ 12___ 13___ 14_____ 15__ 16

Chunks:
  TruePositive nam [13,15] = Gatty Zduńska Wola

(ChunkerEvaluator) Sentence #10309 from articles/00107824 from sent17

Text  : Nie wiadomo czy odejście Sobalczyka będzie jedynym osłabieniem Marwitu .
Tokens: 1__ 2______ 3__ 4_______ 5_________ 6_____ 7______ 8__________ 9______ 10

Chunks:
  FalseNegative nam [5,5] = Sobalczyka
  FalseNegative nam [9,9] = Marwitu

(ChunkerEvaluator) Sentence #10310 from articles/00107824 from sent18

Text  : Na Ukrainę wyjechał bramkarz Jurij Vasylczenko i szanse na jego powrót nie są duże .
Tokens: 1_ 2______ 3_______ 4_______ 5____ 6__________ 7 8_____ 9_ 10__ 11____ 12_ 13 14__ 15

Chunks:
  TruePositive nam [2,2] = Ukrainę
  TruePositive nam [5,6] = Jurij Vasylczenko

(ChunkerEvaluator) Sentence #10311 from articles/00107824 from sent19

Text  : Na pewno dalej w ekipie Smirnova będą grać Denis Diemiszew ,  Mykola Morozow ,  Igor Koretski ,  Dariusz Słowiński ,  Michał Maciąg ,  Adrian Citko ,  Kamil Żółkiewski ,  Mateusz Kończalski ,  Sylwester Kieper ,  Patryk Szczepaniak i  Daniel Krawczyk .
Tokens: 1_ 2____ 3____ 4 5_____ 6_______ 7___ 8___ 9____ 10_______ 11 12____ 13_____ 14 15__ 16______ 17 18_____ 19_______ 20 21____ 22____ 23 24____ 25___ 26 27___ 28________ 29 30_____ 31________ 32 33_______ 34____ 35 36____ 37_________ 38 39____ 40______ 41

Chunks:
  TruePositive nam [9,10] = Denis Diemiszew
  TruePositive nam [12,13] = Mykola Morozow
  TruePositive nam [15,16] = Igor Koretski
  TruePositive nam [18,19] = Dariusz Słowiński
  TruePositive nam [21,22] = Michał Maciąg
  TruePositive nam [24,25] = Adrian Citko
  TruePositive nam [27,28] = Kamil Żółkiewski
  TruePositive nam [30,31] = Mateusz Kończalski
  TruePositive nam [33,34] = Sylwester Kieper
  TruePositive nam [36,37] = Patryk Szczepaniak
  TruePositive nam [39,40] = Daniel Krawczyk
  FalseNegative nam [6,6] = Smirnova

(ChunkerEvaluator) Sentence #10312 from articles/00107824 from sent20

Text  : - Na razie wracam do zdrowia .
Tokens: 1 2_ 3____ 4_____ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #10313 from articles/00107824 from sent21

Text  : Przechodzę rehabilitację i wierzę , że wrócę do pełni sił .
Tokens: 1_________ 2____________ 3 4_____ 5 6_ 7____ 8_ 9____ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #10314 from articles/00107824 from sent22

Text  : Trudno mi jeszcze podać dokładną datę , kiedy znów wybiegnę na boisko -  powiedział ten ostatni .
Tokens: 1_____ 2_ 3______ 4____ 5_______ 6___ 7 8____ 9___ 10______ 11 12____ 13 14________ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #10315 from articles/00107824 from sent23

Text  : Toruński zespół do treningów wróci 11 lipca .
Tokens: 1_______ 2_____ 3_ 4________ 5____ 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #10316 from articles/00107824 from sent24

Text  : Na początku drużyna trenować będzie na własnych obiektach a w  połowie sierpnia Marwit wyjedzie na zgrupowanie do Bielska -  Białej .
Tokens: 1_ 2_______ 3______ 4_______ 5_____ 6_ 7_______ 8________ 9 10 11_____ 12______ 13____ 14______ 15 16_________ 17 18_____ 19 20____ 21

Chunks:
  TruePositive nam [18,20] = Bielska - Białej

(ChunkerEvaluator) Sentence #10317 from articles/00107824 from sent25

Text  : Tam też podobnie jak w zeszłym roku weźmie udział w  turnieju Beskidy Cup .
Tokens: 1__ 2__ 3_______ 4__ 5 6______ 7___ 8_____ 9_____ 10 11______ 12_____ 13_ 14

Chunks:
  TruePositive nam [12,13] = Beskidy Cup

2016-10-27 15:00:04,590 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 451 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107825.xml
(ChunkerEvaluator) Sentence #10318 from articles/00107825 from sent1

Text  : Tajemnica zaginięcia Iwony Wieczorek rozwiązana ?
Tokens: 1________ 2_________ 3____ 4________ 5_________ 6

Chunks:
  TruePositive nam [3,4] = Iwony Wieczorek

(ChunkerEvaluator) Sentence #10319 from articles/00107825 from sent2

Text  : - Jest przełom w sprawie Iwony Wieczorek - tak twierdzi w  rozmowie z  „  Gazetą Wyborczą ”  matka zaginionej dziewczyny .
Tokens: 1 2___ 3______ 4 5______ 6____ 7________ 8 9__ 10______ 11 12______ 13 14 15____ 16______ 17 18___ 19________ 20________ 21

Chunks:
  TruePositive nam [6,7] = Iwony Wieczorek
  TruePositive nam [15,16] = Gazetą Wyborczą

(ChunkerEvaluator) Sentence #10320 from articles/00107825 from sent3

Text  : Opowiada o spotkaniu z dwoma policjantami prowadzącymi śledztwo .
Tokens: 1_______ 2 3________ 4 5____ 6___________ 7___________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #10321 from articles/00107825 from sent4

Text  : Przełom w śledztwie
Tokens: 1______ 2 3________

Chunks:

(ChunkerEvaluator) Sentence #10322 from articles/00107825 from sent5

Text  : Tajemnica zaginięcia Iwony Wieczorek rozwiązana ?
Tokens: 1________ 2_________ 3____ 4________ 5_________ 6

Chunks:
  TruePositive nam [3,4] = Iwony Wieczorek

(ChunkerEvaluator) Sentence #10323 from articles/00107825 from sent6

Text  : - Jest przełom w sprawie Iwony Wieczorek - tak twierdzi w  rozmowie z  „  GW ”  matka zaginionej dziewczyny po o  spotkaniu z  policjantami prowadzącymi śledztwo .
Tokens: 1 2___ 3______ 4 5______ 6____ 7________ 8 9__ 10______ 11 12______ 13 14 15 16 17___ 18________ 19________ 20 21 22_______ 23 24__________ 25__________ 26______ 27

Chunks:
  TruePositive nam [6,7] = Iwony Wieczorek
  FalseNegative nam [15,15] = GW

(ChunkerEvaluator) Sentence #10324 from articles/00107825 from sent7

Text  : - Jest przełom w sprawie Iwony Wieczorek - tak twierdzi w  rozmowie z  „  Gazetą Wyborczą ”  matka zaginionej dziewczyny .
Tokens: 1 2___ 3______ 4 5______ 6____ 7________ 8 9__ 10______ 11 12______ 13 14 15____ 16______ 17 18___ 19________ 20________ 21

Chunks:
  TruePositive nam [6,7] = Iwony Wieczorek
  TruePositive nam [15,16] = Gazetą Wyborczą

(ChunkerEvaluator) Sentence #10325 from articles/00107825 from sent8

Text  : Opowiada o spotkaniu z dwoma policjantami prowadzącymi śledztwo .
Tokens: 1_______ 2 3________ 4 5____ 6___________ 7___________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #10326 from articles/00107825 from sent9

Text  : - Obu policjantów znam osobiście , od miesięcy próbują rozwikłać sprawę zaginięcia mojej córki -  opowiada Iwona Wieczorek -  Kinda .
Tokens: 1 2__ 3__________ 4___ 5________ 6 7_ 8_______ 9______ 10_______ 11____ 12________ 13___ 14___ 15 16______ 17___ 18_______ 19 20___ 21

Chunks:
  TruePositive nam [17,20] = Iwona Wieczorek - Kinda

(ChunkerEvaluator) Sentence #10327 from articles/00107825 from sent10

Text  : - Uderzyło mnie , że tym razem zachowują się jakoś inaczej ,  jakby bardziej oficjalnie .
Tokens: 1 2_______ 3___ 4 5_ 6__ 7____ 8________ 9__ 10___ 11_____ 12 13___ 14______ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #10328 from articles/00107825 from sent11

Text  : Powiedzieli , że wiedzą , kto jest sprawcą i są blisko wyjaśnienia całej sprawy .
Tokens: 1__________ 2 3_ 4_____ 5 6__ 7___ 8______ 9 10 11____ 12_________ 13___ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10329 from articles/00107825 from sent12

Text  : Zapytali , czy w najbliższym czasie planuję jakiś wyjazd poza Trójmiasto ,  bo woleli by ,  aby m  była na miejscu .
Tokens: 1_______ 2 3__ 4 5__________ 6_____ 7______ 8____ 9_____ 10__ 11________ 12 13 14____ 15 16 17_ 18 19__ 20 21_____ 22

Chunks:
  TruePositive nam [11,11] = Trójmiasto

(ChunkerEvaluator) Sentence #10330 from articles/00107825 from sent13

Text  : Według matki zaginionej dziewczyny policjanci są przekonani o śmierci Iwony .
Tokens: 1_____ 2____ 3_________ 4_________ 5_________ 6_ 7_________ 8 9______ 10___ 11

Chunks:
  TruePositive nam [10,10] = Iwony

(ChunkerEvaluator) Sentence #10331 from articles/00107825 from sent14

Text  : - Rozmawiali tak , jakby mnie chcieli przygotować na najgorsze .
Tokens: 1 2_________ 3__ 4 5____ 6___ 7______ 8__________ 9_ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10332 from articles/00107825 from sent15

Text  : Powiedzieli , że jeśli szykuję jakąś manifestację na drugą rocznicę zaginięcia córki ,  to lepiej żeby m  się wstrzymała ,  bo wcześniej wszystko powinno się wyjaśnić .
Tokens: 1__________ 2 3_ 4____ 5______ 6____ 7___________ 8_ 9____ 10______ 11________ 12___ 13 14 15____ 16__ 17 18_ 19________ 20 21 22_______ 23______ 24_____ 25_ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #10333 from articles/00107825 from sent16

Text  : " Gazeta " próbowała dowiedzieć się , co było powodem wizyty policjantów u  matki .
Tokens: 1 2_____ 3 4________ 5_________ 6__ 7 8_ 9___ 10_____ 11____ 12_________ 13 14___ 15

Chunks:
  TruePositive nam [2,2] = Gazeta

(ChunkerEvaluator) Sentence #10334 from articles/00107825 from sent17

Text  : Dwa źródła wśród śledczych potwierdzają : - Rzeczywiście , od trzech dni dzieje się coś istotnego .
Tokens: 1__ 2_____ 3____ 4________ 5___________ 6 7 8___________ 9 10 11____ 12_ 13____ 14_ 15_ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #10335 from articles/00107825 from sent18

Text  : Nikt nie powie nic więcej , sprawa objęta jest zakazem informowania mediów .
Tokens: 1___ 2__ 3____ 4__ 5_____ 6 7_____ 8_____ 9___ 10_____ 11__________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #10336 from articles/00107825 from sent19

Text  : Grażyna Wawryniuk , rzeczniczka Prokuratury Okręgowej w Gdańsku , zapewnia jednak :  -  Nie mamy ani zwłok ,  ani sprawcy .
Tokens: 1______ 2________ 3 4__________ 5__________ 6________ 7 8______ 9 10______ 11____ 12 13 14_ 15__ 16_ 17___ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [1,2] = Grażyna Wawryniuk
  FalsePositive nam [5,8] = Prokuratury Okręgowej w Gdańsku
  FalseNegative nam [5,6] = Prokuratury Okręgowej
  FalseNegative nam [8,8] = Gdańsku

(ChunkerEvaluator) Sentence #10337 from articles/00107825 from sent20

Text  : Dochodzenie od stycznia jest umorzone i nie ma podstaw do zmiany tej decyzji .
Tokens: 1__________ 2_ 3_______ 4___ 5_______ 6 7__ 8_ 9______ 10 11____ 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #10338 from articles/00107825 from sent21

Text  : Cały czas prowadzone są czynności poszukiwawcze .
Tokens: 1___ 2___ 3_________ 4_ 5________ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #10339 from articles/00107825 from sent22

Text  : 19 - letnia Iwona Wieczorek zaginęła w nocy z 16 na 17 lipca 2010 r  .
Tokens: 1_ 2 3_____ 4____ 5________ 6_______ 7 8___ 9 10 11 12 13___ 14__ 15 16

Chunks:
  TruePositive nam [4,5] = Iwona Wieczorek

(ChunkerEvaluator) Sentence #10340 from articles/00107825 from sent23

Text  : Bawiła się w sopockiej dyskotece .
Tokens: 1_____ 2__ 3 4________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10341 from articles/00107825 from sent24

Text  : Po kłótni ze znajomymi opuściła towarzystwo i wybiegła na ulicę .
Tokens: 1_ 2_____ 3_ 4________ 5_______ 6__________ 7 8_______ 9_ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #10342 from articles/00107825 from sent25

Text  : Wiadomo , że poszła deptakiem Monte Cassino w stronę mola ,  potem skręciła w  kierunku Gdańska i  dalej maszerowała Bulwarem Nadmorskim do domu .
Tokens: 1______ 2 3_ 4_____ 5________ 6____ 7______ 8 9_____ 10__ 11 12___ 13______ 14 15______ 16_____ 17 18___ 19_________ 20______ 21________ 22 23__ 24

Chunks:
  TruePositive nam [6,7] = Monte Cassino
  TruePositive nam [16,16] = Gdańska
  TruePositive nam [20,21] = Bulwarem Nadmorskim

(ChunkerEvaluator) Sentence #10343 from articles/00107825 from sent26

Text  : Jej komórka przestała działać - bateria się wyczerpała .
Tokens: 1__ 2______ 3________ 4______ 5 6______ 7__ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #10344 from articles/00107825 from sent27

Text  : Nie miała pieniędzy na taksówkę , dlatego kilkukilometrowy dystans do domu postanowiła pokonać pieszo .
Tokens: 1__ 2____ 3________ 4_ 5_______ 6 7______ 8_______________ 9______ 10 11__ 12_________ 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10345 from articles/00107825 from sent28

Text  : Było już jasno , gdy na Bulwarze Nadmorskim idącą Iwonę zarejestrowała kamera monitoringu ulicznego .
Tokens: 1___ 2__ 3____ 4 5__ 6_ 7_______ 8_________ 9____ 10___ 11____________ 12____ 13_________ 14_______ 15

Chunks:
  TruePositive nam [7,8] = Bulwarze Nadmorskim
  TruePositive nam [10,10] = Iwonę

(ChunkerEvaluator) Sentence #10346 from articles/00107825 from sent29

Text  : Od tej chwili ślad po dziewczynie się urwał .
Tokens: 1_ 2__ 3_____ 4___ 5_ 6__________ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #10347 from articles/00107825 from sent30

Text  : - Obu policjantów znam osobiście , od miesięcy próbują rozwikłać sprawę zaginięcia mojej córki -  opowiada Iwona Wieczorek -  Kinda .
Tokens: 1 2__ 3__________ 4___ 5________ 6 7_ 8_______ 9______ 10_______ 11____ 12________ 13___ 14___ 15 16______ 17___ 18_______ 19 20___ 21

Chunks:
  TruePositive nam [17,20] = Iwona Wieczorek - Kinda

(ChunkerEvaluator) Sentence #10348 from articles/00107825 from sent31

Text  : - Uderzyło mnie , że tym razem zachowują się jakoś inaczej ,  jakby bardziej oficjalnie .
Tokens: 1 2_______ 3___ 4 5_ 6__ 7____ 8________ 9__ 10___ 11_____ 12 13___ 14______ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #10349 from articles/00107825 from sent32

Text  : Powiedzieli , że wiedzą , kto jest sprawcą i są blisko wyjaśnienia całej sprawy .
Tokens: 1__________ 2 3_ 4_____ 5 6__ 7___ 8______ 9 10 11____ 12_________ 13___ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10350 from articles/00107825 from sent33

Text  : Zapytali , czy w najbliższym czasie planuję jakiś wyjazd poza Trójmiasto ,  bo woleli by ,  aby m  była na miejscu .
Tokens: 1_______ 2 3__ 4 5__________ 6_____ 7______ 8____ 9_____ 10__ 11________ 12 13 14____ 15 16 17_ 18 19__ 20 21_____ 22

Chunks:
  TruePositive nam [11,11] = Trójmiasto

(ChunkerEvaluator) Sentence #10351 from articles/00107825 from sent34

Text  : Według matki zaginionej dziewczyny policjanci są przekonani o śmierci Iwony .
Tokens: 1_____ 2____ 3_________ 4_________ 5_________ 6_ 7_________ 8 9______ 10___ 11

Chunks:
  TruePositive nam [10,10] = Iwony

(ChunkerEvaluator) Sentence #10352 from articles/00107825 from sent35

Text  : - Rozmawiali tak , jakby mnie chcieli przygotować na najgorsze .
Tokens: 1 2_________ 3__ 4 5____ 6___ 7______ 8__________ 9_ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10353 from articles/00107825 from sent36

Text  : Powiedzieli , że jeśli szykuję jakąś manifestację na drugą rocznicę zaginięcia córki ,  to lepiej żeby m  się wstrzymała ,  bo wcześniej wszystko powinno się wyjaśnić .
Tokens: 1__________ 2 3_ 4____ 5______ 6____ 7___________ 8_ 9____ 10______ 11________ 12___ 13 14 15____ 16__ 17 18_ 19________ 20 21 22_______ 23______ 24_____ 25_ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #10354 from articles/00107825 from sent37

Text  : " Gazeta " próbowała dowiedzieć się , co było powodem wizyty policjantów u  matki .
Tokens: 1 2_____ 3 4________ 5_________ 6__ 7 8_ 9___ 10_____ 11____ 12_________ 13 14___ 15

Chunks:
  TruePositive nam [2,2] = Gazeta

(ChunkerEvaluator) Sentence #10355 from articles/00107825 from sent38

Text  : Dwa źródła wśród śledczych potwierdzają : - Rzeczywiście , od trzech dni dzieje się coś istotnego .
Tokens: 1__ 2_____ 3____ 4________ 5___________ 6 7 8___________ 9 10 11____ 12_ 13____ 14_ 15_ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #10356 from articles/00107825 from sent39

Text  : Nikt nie powie nic więcej , sprawa objęta jest zakazem informowania mediów .
Tokens: 1___ 2__ 3____ 4__ 5_____ 6 7_____ 8_____ 9___ 10_____ 11__________ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #10357 from articles/00107825 from sent40

Text  : Grażyna Wawryniuk , rzeczniczka Prokuratury Okręgowej w Gdańsku , zapewnia jednak :  -  Nie mamy ani zwłok ,  ani sprawcy .
Tokens: 1______ 2________ 3 4__________ 5__________ 6________ 7 8______ 9 10______ 11____ 12 13 14_ 15__ 16_ 17___ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [1,2] = Grażyna Wawryniuk
  FalsePositive nam [5,8] = Prokuratury Okręgowej w Gdańsku
  FalseNegative nam [5,6] = Prokuratury Okręgowej
  FalseNegative nam [8,8] = Gdańsku

(ChunkerEvaluator) Sentence #10358 from articles/00107825 from sent41

Text  : Dochodzenie od stycznia jest umorzone i nie ma podstaw do zmiany tej decyzji .
Tokens: 1__________ 2_ 3_______ 4___ 5_______ 6 7__ 8_ 9______ 10 11____ 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #10359 from articles/00107825 from sent42

Text  : Cały czas prowadzone są czynności poszukiwawcze .
Tokens: 1___ 2___ 3_________ 4_ 5________ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #10360 from articles/00107825 from sent43

Text  : 19 - letnia Iwona Wieczorek zaginęła w nocy z 16 na 17 lipca 2010 r  .
Tokens: 1_ 2 3_____ 4____ 5________ 6_______ 7 8___ 9 10 11 12 13___ 14__ 15 16

Chunks:
  TruePositive nam [4,5] = Iwona Wieczorek

(ChunkerEvaluator) Sentence #10361 from articles/00107825 from sent44

Text  : Bawiła się w sopockiej dyskotece .
Tokens: 1_____ 2__ 3 4________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10362 from articles/00107825 from sent45

Text  : Po kłótni ze znajomymi opuściła towarzystwo i wybiegła na ulicę .
Tokens: 1_ 2_____ 3_ 4________ 5_______ 6__________ 7 8_______ 9_ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #10363 from articles/00107825 from sent46

Text  : Wiadomo , że poszła deptakiem Monte Cassino w stronę mola ,  potem skręciła w  kierunku Gdańska i  dalej maszerowała Bulwarem Nadmorskim do domu .
Tokens: 1______ 2 3_ 4_____ 5________ 6____ 7______ 8 9_____ 10__ 11 12___ 13______ 14 15______ 16_____ 17 18___ 19_________ 20______ 21________ 22 23__ 24

Chunks:
  TruePositive nam [6,7] = Monte Cassino
  TruePositive nam [16,16] = Gdańska
  TruePositive nam [20,21] = Bulwarem Nadmorskim

(ChunkerEvaluator) Sentence #10364 from articles/00107825 from sent47

Text  : Jej komórka przestała działać - bateria się wyczerpała .
Tokens: 1__ 2______ 3________ 4______ 5 6______ 7__ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #10365 from articles/00107825 from sent48

Text  : Nie miała pieniędzy na taksówkę , dlatego kilkukilometrowy dystans do domu postanowiła pokonać pieszo .
Tokens: 1__ 2____ 3________ 4_ 5_______ 6 7______ 8_______________ 9______ 10 11__ 12_________ 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10366 from articles/00107825 from sent49

Text  : Było już jasno , gdy na Bulwarze Nadmorskim idącą Iwonę zarejestrowała kamera monitoringu ulicznego .
Tokens: 1___ 2__ 3____ 4 5__ 6_ 7_______ 8_________ 9____ 10___ 11____________ 12____ 13_________ 14_______ 15

Chunks:
  TruePositive nam [7,8] = Bulwarze Nadmorskim
  FalsePositive nam [10,10] = Iwonę

(ChunkerEvaluator) Sentence #10367 from articles/00107825 from sent50

Text  : Od tej chwili ślad po dziewczynie się urwał .
Tokens: 1_ 2__ 3_____ 4___ 5_ 6__________ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #10368 from articles/00107825 from sent51

Text  : Więcej na ten temat w „ Gazecie Wyborczej ” .
Tokens: 1_____ 2_ 3__ 4____ 5 6 7______ 8________ 9 10

Chunks:
  TruePositive nam [7,8] = Gazecie Wyborczej

2016-10-27 15:00:04,809 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 452 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107826.xml
(ChunkerEvaluator) Sentence #10369 from articles/00107826 from sent1

Text  : Po spoktaklach EuroDramy 2002 - w czwartek 5 grudnia
Tokens: 1_ 2__________ 3________ 4___ 5 6 7_______ 8 9______

Chunks:
  FalsePositive nam [3,3] = EuroDramy
  FalseNegative nam [3,4] = EuroDramy 2002

(ChunkerEvaluator) Sentence #10370 from articles/00107826 from sent2

Text  : Opis wielu spektakli w festiwalowym folderze zaczyna się od uwagi :  „  narodził się z  prasowej notatki ”  .
Tokens: 1___ 2____ 3________ 4 5___________ 6_______ 7______ 8__ 9_ 10___ 11 12 13______ 14_ 15 16______ 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #10371 from articles/00107826 from sent3

Text  : I ten szelest nieprzetrawionego papieru słychać na scenach EuroDramy najwyraźniej
Tokens: 1 2__ 3______ 4________________ 5______ 6______ 7_ 8______ 9________ 10__________

Chunks:
  TruePositive nam [9,9] = EuroDramy

(ChunkerEvaluator) Sentence #10372 from articles/00107826 from sent4

Text  : Współczesne media żyją z kopiowania .
Tokens: 1__________ 2____ 3___ 4 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #10373 from articles/00107826 from sent5

Text  : Szukanie prawdy o człowieku w żonglowaniu cytatami z gazet ,  książek ,  rozmów kwalifikacyjnych ,  dzienników telewizyjnych ma się tak do życia ,  jak „  Monitor Wiadomości ”  do polityki .
Tokens: 1_______ 2_____ 3 4________ 5 6__________ 7_______ 8 9____ 10 11_____ 12 13____ 14______________ 15 16________ 17___________ 18 19_ 20_ 21 22___ 23 24_ 25 26_____ 27________ 28 29 30______ 31

Chunks:
  TruePositive nam [26,27] = Monitor Wiadomości

(ChunkerEvaluator) Sentence #10374 from articles/00107826 from sent6

Text  : Autorski „ Uśmiech grejpruta ” Jana Klaty , który oglądali śmy w  czwartek ,  także powstał z  gazetowej notatki o  ekipie telewizyjnej ,  która na rzymskim tarasie czeka na śmierć Jana Pawła II .
Tokens: 1_______ 2 3______ 4________ 5 6___ 7____ 8 9____ 10______ 11_ 12 13______ 14 15___ 16_____ 17 18_______ 19_____ 20 21____ 22__________ 23 24___ 25 26______ 27_____ 28___ 29 30____ 31__ 32___ 33 34

Chunks:
  TruePositive nam [6,7] = Jana Klaty
  TruePositive nam [31,33] = Jana Pawła II
  FalseNegative nam [3,4] = Uśmiech grejpruta

(ChunkerEvaluator) Sentence #10375 from articles/00107826 from sent7

Text  : Jak się sprzedać
Tokens: 1__ 2__ 3_______

Chunks:

(ChunkerEvaluator) Sentence #10376 from articles/00107826 from sent8

Text  : - Jeden strzał i będziemy ustawieni - wykrzykuje operator kamery (  Marek Ryter )  do dziennikarki (  Aldona Stuzik )  .
Tokens: 1 2____ 3_____ 4 5_______ 6________ 7 8_________ 9_______ 10____ 11 12___ 13___ 14 15 16__________ 17 18____ 19____ 20 21

Chunks:
  TruePositive nam [12,13] = Marek Ryter
  TruePositive nam [18,19] = Aldona Stuzik

(ChunkerEvaluator) Sentence #10377 from articles/00107826 from sent9

Text  : Podobnie jak hieny w zoo spacerują z kąta w kąt ,  pokładają się na legowiskach ,  znów spacerują ,  dokonują toalety ,  piją ,  jedzą .
Tokens: 1_______ 2__ 3____ 4 5__ 6________ 7 8___ 9 10_ 11 12_______ 13_ 14 15_________ 16 17__ 18_______ 19 20______ 21_____ 22 23__ 24 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #10378 from articles/00107826 from sent10

Text  : Ich związek ze światem zewnętrznym jest żaden .
Tokens: 1__ 2______ 3_ 4______ 5__________ 6___ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #10379 from articles/00107826 from sent11

Text  : Komórka , polecenie służbowe , nuda .
Tokens: 1______ 2 3________ 4_______ 5 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #10380 from articles/00107826 from sent12

Text  : Kabaretowa scena , w której operator bawi dziewczynę parodią języka i  gestów małomiasteczkowego dżolero ,  co to skóra ,  fura i  komóra ,  ewentualnie szybki seks spada na widzów jak oberwana kurtyna -  nie bardzo wiadomo skąd .
Tokens: 1_________ 2____ 3 4 5_____ 6_______ 7___ 8_________ 9______ 10____ 11 12____ 13________________ 14_____ 15 16 17 18___ 19 20__ 21 22____ 23 24_________ 25____ 26__ 27___ 28 29____ 30_ 31______ 32_____ 33 34_ 35____ 36_____ 37__ 38

Chunks:

(ChunkerEvaluator) Sentence #10381 from articles/00107826 from sent13

Text  : Ale jest w tej znakomitej roli Rytera ukryty morał ,  jakiś moralny brud .
Tokens: 1__ 2___ 3 4__ 5_________ 6___ 7_____ 8_____ 9____ 10 11___ 12_____ 13__ 14

Chunks:
  FalseNegative nam [7,7] = Rytera

(ChunkerEvaluator) Sentence #10382 from articles/00107826 from sent14

Text  : Ważny , bo seks w szybkiej bryce okazuje się zbiorowym gwałtem .
Tokens: 1____ 2 3_ 4___ 5 6_______ 7____ 8______ 9__ 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10383 from articles/00107826 from sent15

Text  : Trochę cierpnie skóra , bo nie mamy pewności , czy to nadal parodia ,  czy okrutna prawda o  widzach programów „  Tylko miłość ”  ,  „  Big Brother ”  czy „  Idol ”  .
Tokens: 1_____ 2_______ 3____ 4 5_ 6__ 7___ 8_______ 9 10_ 11 12___ 13_____ 14 15_ 16_____ 17____ 18 19_____ 20_______ 21 22___ 23____ 24 25 26 27_ 28_____ 29 30_ 31 32__ 33 34

Chunks:
  TruePositive nam [32,32] = Idol
  FalsePositive nam [27,29] = Big Brother ”
  FalseNegative nam [22,23] = Tylko miłość
  FalseNegative nam [27,28] = Big Brother

(ChunkerEvaluator) Sentence #10384 from articles/00107826 from sent16

Text  : Bo to ich parodię oglądamy .
Tokens: 1_ 2_ 3__ 4______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10385 from articles/00107826 from sent17

Text  : Klata , który imiona bohaterów zmienił w znaczki z klawiatury komputera (  operator to „  $  ”  ,  dziennikarka „  @  ”  ,  stary artysta „  %  ”  )  ,  bawi się także cyberprzestrzenią .
Tokens: 1____ 2 3____ 4_____ 5________ 6______ 7 8______ 9 10________ 11_______ 12 13______ 14 15 16 17 18 19__________ 20 21 22 23 24___ 25_____ 26 27 28 29 30 31__ 32_ 33___ 34_______________ 35

Chunks:
  FalseNegative nam [1,1] = Klata

(ChunkerEvaluator) Sentence #10386 from articles/00107826 from sent18

Text  : $ uprawia szybki seks w internecie z gimnazjalistą .
Tokens: 1 2______ 3_____ 4___ 5 6_________ 7 8____________ 9

Chunks:
  FalsePositive nam [6,6] = internecie

(ChunkerEvaluator) Sentence #10387 from articles/00107826 from sent19

Text  : - Jestem seksowną blondynką - znów nie wiemy , czy żartuje ,  bo wali w  klawisze z  pasją .
Tokens: 1 2_____ 3_______ 4________ 5 6___ 7__ 8____ 9 10_ 11_____ 12 13 14__ 15 16______ 17 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #10388 from articles/00107826 from sent20

Text  : Cynika albo zgrywusa .
Tokens: 1_____ 2___ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #10389 from articles/00107826 from sent21

Text  : Jest także świat ekranów .
Tokens: 1___ 2____ 3____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #10390 from articles/00107826 from sent22

Text  : Na jednym , oddzielającym dziennikarzy od prawdy , widzimy stykające się dłonie ze słynnego „  Stworzenia człowieka ”  Michała Anioła .
Tokens: 1_ 2_____ 3 4____________ 5___________ 6_ 7_____ 8 9______ 10_______ 11_ 12____ 13 14______ 15 16________ 17_______ 18 19_____ 20____ 21

Chunks:
  TruePositive nam [19,20] = Michała Anioła
  FalseNegative nam [16,17] = Stworzenia człowieka

(ChunkerEvaluator) Sentence #10391 from articles/00107826 from sent23

Text  : Znów szyderstwo autora - tym razem wobec błaznów marzących o  medialnej kreacji ,  która ich wywyższy .
Tokens: 1___ 2_________ 3_____ 4 5__ 6____ 7____ 8______ 9________ 10 11_______ 12_____ 13 14___ 15_ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #10392 from articles/00107826 from sent24

Text  : A może kpina z artysty , który zapisał na wieki w  oczach Europejczyków ludzkość potęgi tworzenia .
Tokens: 1 2___ 3____ 4 5______ 6 7____ 8______ 9_ 10___ 11 12____ 13___________ 14______ 15____ 16_______ 17

Chunks:
  TruePositive nam [13,13] = Europejczyków

(ChunkerEvaluator) Sentence #10393 from articles/00107826 from sent25

Text  : Kiedy w finale usłyszymy o śmierci papieża , ekran uniesie się .
Tokens: 1____ 2 3_____ 4________ 5 6______ 7______ 8 9____ 10_____ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #10394 from articles/00107826 from sent26

Text  : Nie ujrzymy ani dzieła sztuki , ani religijnej ekstazy ,  lecz duet wiejskich dziadów wyjących kościelną pieśń .
Tokens: 1__ 2______ 3__ 4_____ 5_____ 6 7__ 8_________ 9______ 10 11__ 12__ 13_______ 14_____ 15______ 16_______ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #10395 from articles/00107826 from sent27

Text  : Jest wreszcie świat artystów .
Tokens: 1___ 2_______ 3____ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #10396 from articles/00107826 from sent28

Text  : Coś na kształt toksycznego związku Beksińskich .
Tokens: 1__ 2_ 3______ 4__________ 5______ 6__________ 7

Chunks:
  FalseNegative nam [6,6] = Beksińskich

(ChunkerEvaluator) Sentence #10397 from articles/00107826 from sent29

Text  : Artysty , który nie zdążył z ojcowską miłością ( tu kreator zapachów -  dobra rola Andrzeja Wilka )  ,  i  syna ,  performera ,  który na weneckim biennale publicznie po prostu zrobił kupę .
Tokens: 1______ 2 3____ 4__ 5_____ 6 7_______ 8_______ 9 10 11_____ 12______ 13 14___ 15__ 16______ 17___ 18 19 20 21__ 22 23________ 24 25___ 26 27______ 28______ 29________ 30 31____ 32____ 33__ 34

Chunks:
  TruePositive nam [16,17] = Andrzeja Wilka

(ChunkerEvaluator) Sentence #10398 from articles/00107826 from sent30

Text  : Z jednej strony zgrywa młodości , szyderstwo , totalna negacja klasycznych wartości .
Tokens: 1 2_____ 3_____ 4_____ 5_______ 6 7_________ 8 9______ 10_____ 11_________ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #10399 from articles/00107826 from sent31

Text  : Z drugiej bezradność .
Tokens: 1 2______ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #10400 from articles/00107826 from sent32

Text  : Klata dość zręcznie splótł oba wątki .
Tokens: 1____ 2___ 3_______ 4_____ 5__ 6____ 7

Chunks:
  FalseNegative nam [1,1] = Klata

(ChunkerEvaluator) Sentence #10401 from articles/00107826 from sent33

Text  : Dziennikarka jest żoną wypróżniającego się buntownika , który na dobitkę wymyślił własną śmierć jako strategię marketingową .
Tokens: 1___________ 2___ 3___ 4______________ 5__ 6_________ 7 8____ 9_ 10_____ 11______ 12____ 13____ 14__ 15_______ 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #10402 from articles/00107826 from sent34

Text  : - Widzisz , jak się sprzedaję po śmierci - wykrzykuje wspominając ,  o  ile dosłyszał em ,  fenomen Sary Kane .
Tokens: 1 2______ 3 4__ 5__ 6________ 7_ 8______ 9 10________ 11_________ 12 13 14_ 15_______ 16 17 18_____ 19__ 20__ 21

Chunks:
  TruePositive nam [19,20] = Sary Kane

(ChunkerEvaluator) Sentence #10403 from articles/00107826 from sent35

Text  : Co oprócz słyszalnego szelestu gazet i taśm magnetycznych innych autorów wynika z  zabawy kontekstami mediów i  sztuki współczesnej .
Tokens: 1_ 2_____ 3__________ 4_______ 5____ 6 7___ 8____________ 9_____ 10_____ 11____ 12 13____ 14_________ 15____ 16 17____ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #10404 from articles/00107826 from sent36

Text  : Na pewno poczucie infantylności , rozmytej moralności , religijnej głupawki ,  medialnej pustki .
Tokens: 1_ 2____ 3_______ 4____________ 5 6_______ 7_________ 8 9_________ 10______ 11 12_______ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10405 from articles/00107826 from sent37

Text  : Zagranych sprawnie - Robert Koszucki i Robert Wrzosek także byli błyskotliwi ,  jeden jako fighter -  bohater mediów ,  drugi jako wspomniany performer .
Tokens: 1________ 2_______ 3 4_____ 5_______ 6 7_____ 8______ 9____ 10__ 11_________ 12 13___ 14__ 15_____ 16 17_____ 18____ 19 20___ 21__ 22________ 23_______ 24

Chunks:
  TruePositive nam [4,5] = Robert Koszucki
  TruePositive nam [7,8] = Robert Wrzosek

(ChunkerEvaluator) Sentence #10406 from articles/00107826 from sent38

Text  : I tylko pretensja , że to wszystko gdzieś , kiedyś już widział em ,  słyszał em ,  czytał em .
Tokens: 1 2____ 3________ 4 5_ 6_ 7_______ 8_____ 9 10____ 11_ 12_____ 13 14 15_____ 16 17 18____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #10407 from articles/00107826 from sent39

Text  : Że półtorej godziny na scenie właściwie nikogo z bohaterów nie zmienia .
Tokens: 1_ 2_______ 3______ 4_ 5_____ 6________ 7_____ 8 9________ 10_ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10408 from articles/00107826 from sent40

Text  : Jak powrócić
Tokens: 1__ 2_______

Chunks:

(ChunkerEvaluator) Sentence #10409 from articles/00107826 from sent41

Text  : O „ Cicho ” Mariusza Bielińskiego w interpretacji Aldony Figury szkoda nawet gadać .
Tokens: 1 2 3____ 4 5_______ 6___________ 7 8____________ 9_____ 10____ 11____ 12___ 13___ 14

Chunks:
  TruePositive nam [5,6] = Mariusza Bielińskiego
  TruePositive nam [9,10] = Aldony Figury
  FalseNegative nam [3,3] = Cicho

(ChunkerEvaluator) Sentence #10410 from articles/00107826 from sent42

Text  : Fatalnie zagrana , beznadziejnie płaska szopka o aktorze , który nie odnalazł się w  wielkim mieście ,  a  wracając na pogrzeb babki ,  przeżywa życiowe déja vu ,  wobec oglądanych przed laty rewelacji Juliana Kawalca czy Wiesława Myśliwskiego wypada jak tandetny żart .
Tokens: 1_______ 2______ 3 4____________ 5_____ 6_____ 7 8______ 9 10___ 11_ 12______ 13_ 14 15_____ 16_____ 17 18 19______ 20 21_____ 22___ 23 24______ 25_____ 26__ 27 28 29___ 30________ 31___ 32__ 33_______ 34_____ 35_____ 36_ 37______ 38__________ 39____ 40_ 41______ 42__ 43

Chunks:
  TruePositive nam [34,35] = Juliana Kawalca
  TruePositive nam [37,38] = Wiesława Myśliwskiego

(ChunkerEvaluator) Sentence #10411 from articles/00107826 from sent43

Text  : Papierowe postaci , wycięte z dykty role , źle ustawione światła i  refren kapeli „  Dupa słońca nie widziała ”  na okrasę .
Tokens: 1________ 2______ 3 4______ 5 6____ 7___ 8 9__ 10_______ 11_____ 12 13____ 14____ 15 16__ 17____ 18_ 19______ 20 21 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #10412 from articles/00107826 from sent44

Text  : Nawet jak na warsztat teatralny - zgroza !
Tokens: 1____ 2__ 3_ 4_______ 5________ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #10413 from articles/00107826 from sent45

Text  : Jak na psychodramę - kicha !
Tokens: 1__ 2_ 3__________ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #10414 from articles/00107826 from sent46

Text  : Jak się sprawdzić
Tokens: 1__ 2__ 3________

Chunks:

(ChunkerEvaluator) Sentence #10415 from articles/00107826 from sent47

Text  : Niezłym finałem czwartku był „ Chleb powszedni ” Gesiny Danckwart w  reżyserii Pawła Miśkiewicza .
Tokens: 1______ 2______ 3_______ 4__ 5 6____ 7________ 8 9_____ 10_______ 11 12_______ 13___ 14_________ 15

Chunks:
  TruePositive nam [9,10] = Gesiny Danckwart
  TruePositive nam [13,14] = Pawła Miśkiewicza
  FalseNegative nam [6,7] = Chleb powszedni

(ChunkerEvaluator) Sentence #10416 from articles/00107826 from sent48

Text  : Nie do końca wiemy , czy oglądamy rozmowę kwalifikacyjną ,  seans terapeutyczny czy pokój socjalny w  nowoczesnej firmie .
Tokens: 1__ 2_ 3____ 4____ 5 6__ 7_______ 8______ 9_____________ 10 11___ 12___________ 13_ 14___ 15______ 16 17_________ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #10417 from articles/00107826 from sent49

Text  : Bohaterowie przyglądają się nam i sobie .
Tokens: 1__________ 2__________ 3__ 4__ 5 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10418 from articles/00107826 from sent50

Text  : Najpierw zalęknieni , bo ktoś musi zacząć , potem wpadający sobie w  słowo ,  opowiadający o  rutynie pracy .
Tokens: 1_______ 2_________ 3 4_ 5___ 6___ 7_____ 8 9____ 10_______ 11___ 12 13___ 14 15__________ 16 17_____ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #10419 from articles/00107826 from sent51

Text  : Metafizyczni co najwyżej jak wygaszacze ekranu komputera lub reklama szamponu .
Tokens: 1___________ 2_ 3_______ 4__ 5_________ 6_____ 7________ 8__ 9______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #10420 from articles/00107826 from sent52

Text  : W tej „ krzyżówce szczęścia ” , gdzie słowa jak w  burleskach Daria Fo padają gęściej niż myśli ,  zaczynamy dusić się ze śmiechu ,  bo wysokie zderza się z  niskim ,  arcyludzkie z  biurokratycznym ,  prawdziwe z  reklamowanym .
Tokens: 1 2__ 3 4________ 5________ 6 7 8____ 9____ 10_ 11 12________ 13___ 14 15____ 16_____ 17_ 18___ 19 20_______ 21___ 22_ 23 24_____ 25 26 27_____ 28____ 29_ 30 31____ 32 33_________ 34 35_____________ 36 37_______ 38 39__________ 40

Chunks:
  TruePositive nam [13,14] = Daria Fo

(ChunkerEvaluator) Sentence #10421 from articles/00107826 from sent53

Text  : W tle widać ekran .
Tokens: 1 2__ 3____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #10422 from articles/00107826 from sent54

Text  : Zapis kamery podwaja świat .
Tokens: 1____ 2_____ 3______ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #10423 from articles/00107826 from sent55

Text  : Jesteśmy wraz za bohaterami tam i tu : w bezradnej prawdzie o  własnej samotności i  w  totalnej prawdzie o  uleganiu mechanizmom nowoczesnej cywilizacji konsumpcyjnej ,  o  dyktaturze biurokratów .
Tokens: 1_______ 2___ 3_ 4_________ 5__ 6 7_ 8 9 10_______ 11______ 12 13_____ 14________ 15 16 17______ 18______ 19 20______ 21_________ 22_________ 23_________ 24___________ 25 26 27________ 28_________ 29

Chunks:

(ChunkerEvaluator) Sentence #10424 from articles/00107826 from sent56

Text  : Okrzyk „ Kto wypił tę cholerną kawę i nie nastawił nowej ”  brzmi tu naprawdę jak Konradowskie „  Ty nie jesteś Bogiem ”  .
Tokens: 1_____ 2 3__ 4____ 5_ 6_______ 7___ 8 9__ 10______ 11___ 12 13___ 14 15______ 16_ 17__________ 18 19 20_ 21____ 22____ 23 24

Chunks:
  TruePositive nam [22,22] = Bogiem
  FalsePositive nam [3,3] = Kto
  FalsePositive nam [19,19] = Ty
  FalseNegative nam [17,17] = Konradowskie

(ChunkerEvaluator) Sentence #10425 from articles/00107826 from sent57

Text  : Znakomity , w świetnym tempie utrzymany tekst .
Tokens: 1________ 2 3 4_______ 5_____ 6________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #10426 from articles/00107826 from sent58

Text  : Błyskotliwa interpretacja czwórki aktorów i tylko - ale to też warsztat -  brak pomysłu reżyserskiego na ostatni kwadrans ,  podczas którego Paweł Miśkiewicz kazał się jednej z  bohaterek dość nonsensownie wspinać się na słup w  foyer .
Tokens: 1__________ 2____________ 3______ 4______ 5 6____ 7 8__ 9_ 10_ 11______ 12 13__ 14_____ 15___________ 16 17_____ 18______ 19 20_____ 21_____ 22___ 23________ 24___ 25_ 26____ 27 28_______ 29__ 30__________ 31_____ 32_ 33 34__ 35 36___ 37

Chunks:
  TruePositive nam [22,23] = Paweł Miśkiewicz

(ChunkerEvaluator) Sentence #10427 from articles/00107826 from sent59

Text  : Ale Marcin Tyrol , Małgorzata Buczkowska , Mateusz Dewera i  Ewa Brainer mogli się podobać .
Tokens: 1__ 2_____ 3____ 4 5_________ 6_________ 7 8______ 9_____ 10 11_ 12_____ 13___ 14_ 15_____ 16

Chunks:
  TruePositive nam [2,3] = Marcin Tyrol
  TruePositive nam [5,6] = Małgorzata Buczkowska
  TruePositive nam [8,9] = Mateusz Dewera
  TruePositive nam [11,12] = Ewa Brainer

(ChunkerEvaluator) Sentence #10428 from articles/00107826 from sent60

Text  : Gesine Danckwart „ Chleb powszedni ” w reż . Pawła Miskiewicza
Tokens: 1_____ 2________ 3 4____ 5________ 6 7 8__ 9 10___ 11_________

Chunks:
  TruePositive nam [10,11] = Pawła Miskiewicza
  FalseNegative nam [1,2] = Gesine Danckwart
  FalseNegative nam [4,5] = Chleb powszedni

(ChunkerEvaluator) Sentence #10429 from articles/00107826 from sent61

Text  : Mariusz Bieliński „ Cicho ” w reż . Aldony Figury
Tokens: 1______ 2________ 3 4____ 5 6 7__ 8 9_____ 10____

Chunks:
  TruePositive nam [9,10] = Aldony Figury
  FalsePositive nam [1,4] = Mariusz Bieliński „ Cicho
  FalseNegative nam [1,2] = Mariusz Bieliński
  FalseNegative nam [4,4] = Cicho

(ChunkerEvaluator) Sentence #10430 from articles/00107826 from sent62

Text  : Jan Klata „ Uśmiech grejpruta ” we własnej reżyserii
Tokens: 1__ 2____ 3 4______ 5________ 6 7_ 8______ 9________

Chunks:
  FalsePositive nam [1,4] = Jan Klata „ Uśmiech
  FalseNegative nam [1,2] = Jan Klata
  FalseNegative nam [4,5] = Uśmiech grejpruta

(ChunkerEvaluator) Sentence #10431 from articles/00107826 from sent63

Text  : - spektakle prezentowane w czwartek 5 grudnia w Teatrze Polskim
Tokens: 1 2________ 3___________ 4 5_______ 6 7______ 8 9______ 10_____

Chunks:
  TruePositive nam [9,10] = Teatrze Polskim

2016-10-27 15:00:05,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 453 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107827.xml
(ChunkerEvaluator) Sentence #10432 from articles/00107827 from sent1

Text  : W PO jak w PRL-u .
Tokens: 1 2_ 3__ 4 5____ 6

Chunks:
  TruePositive nam [2,2] = PO
  TruePositive nam [5,5] = PRL-u

(ChunkerEvaluator) Sentence #10433 from articles/00107827 from sent2

Text  : Działacze głosowali „ bez skreśleń ”
Tokens: 1________ 2________ 3 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10434 from articles/00107827 from sent3

Text  : W sobotę działacze dolnośląskiej Platformy wybierali przewodniczącego regionalnych struktur partii .
Tokens: 1 2_____ 3________ 4____________ 5________ 6________ 7_______________ 8___________ 9_______ 10____ 11

Chunks:
  TruePositive nam [5,5] = Platformy

(ChunkerEvaluator) Sentence #10435 from articles/00107827 from sent4

Text  : Jedynym kandydatem był Grzegorz Schetyna .
Tokens: 1______ 2_________ 3__ 4_______ 5_______ 6

Chunks:
  TruePositive nam [4,5] = Grzegorz Schetyna

(ChunkerEvaluator) Sentence #10436 from articles/00107827 from sent5

Text  : By oddać na niego głos , wystarczyło wrzucić do urny czystą kartę ,  bez żadnego skreślenia .
Tokens: 1_ 2____ 3_ 4____ 5___ 6 7__________ 8______ 9_ 10__ 11____ 12___ 13 14_ 15_____ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #10437 from articles/00107827 from sent6

Text  : Część delegatów rozbawił taki system głosowania .
Tokens: 1____ 2________ 3_______ 4___ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #10438 from articles/00107827 from sent7

Text  : - Wyszło śmiesznie , bo do takiego głosowania bez skreśleń władza nawoływała podczas wyborów w  PRL .
Tokens: 1 2_____ 3________ 4 5_ 6_ 7______ 8_________ 9__ 10______ 11____ 12________ 13_____ 14_____ 15 16_ 17

Chunks:
  TruePositive nam [16,16] = PRL

(ChunkerEvaluator) Sentence #10439 from articles/00107827 from sent8

Text  : A jak wiadomo , demokracja była wtedy tylko pozorna -  komentuje jeden z  uczestników zjazdu .
Tokens: 1 2__ 3______ 4 5_________ 6___ 7____ 8____ 9______ 10 11_______ 12___ 13 14_________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #10440 from articles/00107827 from sent9

Text  : Regulamin głosowania zakładał , że głos ważny i jednocześnie oddany na kandydata oddaje się ,  wrzucając do urny czystą kartę wyborczą .
Tokens: 1________ 2_________ 3_______ 4 5_ 6___ 7____ 8 9___________ 10____ 11 12_______ 13____ 14_ 15 16_______ 17 18__ 19____ 20___ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #10441 from articles/00107827 from sent10

Text  : Jak ktoś nie chciał Schetyny poprzeć , musiał postawić znaczek przy jego nazwisku .
Tokens: 1__ 2___ 3__ 4_____ 5_______ 6______ 7 8_____ 9_______ 10_____ 11__ 12__ 13______ 14

Chunks:
  TruePositive nam [5,5] = Schetyny

(ChunkerEvaluator) Sentence #10442 from articles/00107827 from sent11

Text  : Niechętni przewodniczącemu działacze anonimowo mówią , że cała ta operacja miała konkretny cel .
Tokens: 1________ 2_______________ 3________ 4________ 5____ 6 7_ 8___ 9_ 10______ 11___ 12_______ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #10443 from articles/00107827 from sent12

Text  : - Długopisy wyciągali tylko ci , którzy nie chcieli poprzeć Schetyny ,  bo inni oddawali czyste kartki .
Tokens: 1 2________ 3________ 4____ 5_ 6 7_____ 8__ 9______ 10_____ 11______ 12 13 14__ 15______ 16____ 17____ 18

Chunks:
  TruePositive nam [11,11] = Schetyny

(ChunkerEvaluator) Sentence #10444 from articles/00107827 from sent13

Text  : Dzięki temu ludzi przewodniczącego widzieli , kto jest przeciwko niemu -  mówi jeden z  niezadowolonych polityków Platformy .
Tokens: 1_____ 2___ 3____ 4_______________ 5_______ 6 7__ 8___ 9________ 10___ 11 12__ 13___ 14 15_____________ 16_______ 17_______ 18

Chunks:
  TruePositive nam [17,17] = Platformy

(ChunkerEvaluator) Sentence #10445 from articles/00107827 from sent14

Text  : O system głosowania na zjeździe zapytali śmy posłankę Katarzynę Mrzygłocką ,  która pełniła funkcję szefowej komisji skrutacyjnej .
Tokens: 1 2_____ 3_________ 4_ 5_______ 6_______ 7__ 8_______ 9________ 10________ 11 12___ 13_____ 14_____ 15______ 16_____ 17__________ 18

Chunks:
  TruePositive nam [9,10] = Katarzynę Mrzygłocką

(ChunkerEvaluator) Sentence #10446 from articles/00107827 from sent15

Text  : - Regulamin przyjęli śmy jeszcze przed zjazdem , jak się komuś nie podobał ,  to mógł protestować .
Tokens: 1 2________ 3_______ 4__ 5______ 6____ 7______ 8 9__ 10_ 11___ 12_ 13_____ 14 15 16__ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #10447 from articles/00107827 from sent16

Text  : Ja nie widzę w nim niczego złego .
Tokens: 1_ 2__ 3____ 4 5__ 6______ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #10448 from articles/00107827 from sent17

Text  : Doszukiwanie się w tym jakichś spisków i podtekstów jest nonsensowne .
Tokens: 1___________ 2__ 3 4__ 5______ 6______ 7 8_________ 9___ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #10449 from articles/00107827 from sent18

Text  : Przy ponad 200 delegatach na sali nikt nie były by w  stanie przypilnować ,  kto wyciągnął długopis ,  a  kto nie -  mówi Mrzygłocka .
Tokens: 1___ 2____ 3__ 4_________ 5_ 6___ 7___ 8__ 9___ 10 11 12____ 13__________ 14 15_ 16_______ 17______ 18 19 20_ 21_ 22 23__ 24________ 25

Chunks:
  FalseNegative nam [24,24] = Mrzygłocka

(ChunkerEvaluator) Sentence #10450 from articles/00107827 from sent19

Text  : Jej zdaniem porównania z PRL to robota „ wyjątkowo złośliwych koleżanek i  kolegów ”  .
Tokens: 1__ 2______ 3_________ 4 5__ 6_ 7_____ 8 9________ 10________ 11_______ 12 13_____ 14 15

Chunks:
  TruePositive nam [5,5] = PRL

(ChunkerEvaluator) Sentence #10451 from articles/00107827 from sent20

Text  : Jarosław Charłampowicz , poseł , sekretarz struktur PO na Dolnym Śląsku :  -  Skoro kandydat był jeden ,  to po co komplikować procedurę .
Tokens: 1_______ 2____________ 3 4____ 5 6________ 7_______ 8_ 9_ 10____ 11____ 12 13 14___ 15______ 16_ 17___ 18 19 20 21 22_________ 23_______ 24

Chunks:
  TruePositive nam [1,2] = Jarosław Charłampowicz
  TruePositive nam [8,8] = PO
  TruePositive nam [10,11] = Dolnym Śląsku

(ChunkerEvaluator) Sentence #10452 from articles/00107827 from sent21

Text  : Ja oddał em czystą kartę jako głos za Grzegorzem Schetyną .
Tokens: 1_ 2____ 3_ 4_____ 5____ 6___ 7___ 8_ 9_________ 10______ 11

Chunks:
  TruePositive nam [9,10] = Grzegorzem Schetyną

(ChunkerEvaluator) Sentence #10453 from articles/00107827 from sent22

Text  : Ostatecznie podczas sobotniego zjazdu Platformy w Wałbrzychu Schetynę na stanowisko przewodniczącego poparło 220 delegatów ,  przeciwko było 18 .
Tokens: 1__________ 2______ 3_________ 4_____ 5________ 6 7_________ 8_______ 9_ 10________ 11______________ 12_____ 13_ 14_______ 15 16_______ 17__ 18 19

Chunks:
  TruePositive nam [5,5] = Platformy
  FalsePositive nam [7,8] = Wałbrzychu Schetynę
  FalseNegative nam [7,7] = Wałbrzychu
  FalseNegative nam [8,8] = Schetynę

2016-10-27 15:00:05,202 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 454 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107828.xml
(ChunkerEvaluator) Sentence #10454 from articles/00107828 from sent1

Text  : Blokada „ jedynki ” pod Toruniem , runął 60 -  tonowy dźwig [  ZDJĘCIA ]
Tokens: 1______ 2 3______ 4 5__ 6_______ 7 8____ 9_ 10 11____ 12___ 13 14_____ 15

Chunks:
  TruePositive nam [6,6] = Toruniem
  FalsePositive nam [14,14] = ZDJĘCIA

(ChunkerEvaluator) Sentence #10455 from articles/00107828 from sent2

Text  : Dźwig blokuje trasę krajową nr 1 w Otłoczynie na południe od Torunia .
Tokens: 1____ 2______ 3____ 4______ 5_ 6 7 8_________ 9_ 10______ 11 12_____ 13

Chunks:
  TruePositive nam [12,12] = Torunia
  FalseNegative nam [6,6] = 1
  FalseNegative nam [8,8] = Otłoczynie

(ChunkerEvaluator) Sentence #10456 from articles/00107828 from sent3

Text  : Jego usuwanie potrwa przynajmniej do godz . 20 .
Tokens: 1___ 2_______ 3_____ 4___________ 5_ 6___ 7 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #10457 from articles/00107828 from sent4

Text  : Droga jest całkowicie zablokowana .
Tokens: 1____ 2___ 3_________ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #10458 from articles/00107828 from sent5

Text  : Policja wyznaczyła objazd przez poligon artyleryjski .
Tokens: 1______ 2_________ 3_____ 4____ 5______ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #10459 from articles/00107828 from sent6

Text  : 60 - tonowa samobieżna maszyna pracowała na budowie prowadzącego przez jezdnię przejścia dla zwierząt .
Tokens: 1_ 2 3_____ 4_________ 5______ 6________ 7_ 8______ 9___________ 10___ 11_____ 12_______ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #10460 from articles/00107828 from sent7

Text  : Na jezdnię runęła krótko przed godz . 13 .
Tokens: 1_ 2______ 3_____ 4_____ 5____ 6___ 7 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #10461 from articles/00107828 from sent8

Text  : Na szczęście w wypadku nikt nie ucierpiał .
Tokens: 1_ 2________ 3 4______ 5___ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #10462 from articles/00107828 from sent9

Text  : Policja musiała wstrzymać ruch .
Tokens: 1______ 2______ 3________ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #10463 from articles/00107828 from sent10

Text  : - Wyznaczyli śmy objazd przez poligon do krajowej „ dziesiątki ”  -  informuje Marta Błachowicz z  komendy powiatowej policji w  Aleksandrowie Kujawskim .
Tokens: 1 2_________ 3__ 4_____ 5____ 6______ 7_ 8_______ 9 10________ 11 12 13_______ 14___ 15________ 16 17_____ 18________ 19_____ 20 21___________ 22_______ 23

Chunks:
  TruePositive nam [14,15] = Marta Błachowicz
  TruePositive nam [21,22] = Aleksandrowie Kujawskim

(ChunkerEvaluator) Sentence #10464 from articles/00107828 from sent11

Text  : Na miejscu jest już wykonawca przejścia z ciężkim sprzętem .
Tokens: 1_ 2______ 3___ 4__ 5________ 6________ 7 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #10465 from articles/00107828 from sent12

Text  : Jak informują mundurowi , usuwanie dźwigu z drogi i przywrócenie normalnego ruchu może potrwać do godz .  20 .
Tokens: 1__ 2________ 3________ 4 5_______ 6_____ 7 8____ 9 10__________ 11________ 12___ 13__ 14_____ 15 16__ 17 18 19

Chunks:

2016-10-27 15:00:05,244 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 455 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107829.xml
(ChunkerEvaluator) Sentence #10466 from articles/00107829 from sent1

Text  : Zachodniopomorskie .
Tokens: 1_________________ 2

Chunks:
  FalseNegative nam [1,1] = Zachodniopomorskie

(ChunkerEvaluator) Sentence #10467 from articles/00107829 from sent2

Text  : Nie można się kąpać na plaży miejskiej w Szczecinku
Tokens: 1__ 2____ 3__ 4____ 5_ 6____ 7________ 8 9_________

Chunks:
  TruePositive nam [9,9] = Szczecinku

(ChunkerEvaluator) Sentence #10468 from articles/00107829 from sent3

Text  : Nie można się kąpać w wodach jeziora Trzesiecko na plaży miejskiej w  Szczecinku -  poinformował w  poniedziałek Zachodniopomorski Państwowy Wojewódzki Inspektor Sanitarny .
Tokens: 1__ 2____ 3__ 4____ 5 6_____ 7______ 8_________ 9_ 10___ 11_______ 12 13________ 14 15__________ 16 17__________ 18_______________ 19_______ 20________ 21_______ 22_______ 23

Chunks:
  TruePositive nam [13,13] = Szczecinku
  TruePositive nam [18,22] = Zachodniopomorski Państwowy Wojewódzki Inspektor Sanitarny
  FalseNegative nam [8,8] = Trzesiecko

(ChunkerEvaluator) Sentence #10469 from articles/00107829 from sent4

Text  : Jak wyjaśniła w rozmowie z PAP Barbara Szysz , powiatowy państwowy inspektor sanitarny w  Szczecinku w  wodzie jest zbyt dużo bakterii escherichia coli i  eterokoków .
Tokens: 1__ 2________ 3 4_______ 5 6__ 7______ 8____ 9 10_______ 11_______ 12_______ 13_______ 14 15________ 16 17____ 18__ 19__ 20__ 21______ 22_________ 23__ 24 25________ 26

Chunks:
  TruePositive nam [6,6] = PAP
  TruePositive nam [7,8] = Barbara Szysz
  TruePositive nam [15,15] = Szczecinku

(ChunkerEvaluator) Sentence #10470 from articles/00107829 from sent5

Text  : Szysz dodała , że pobrano już kolejne próbki wody do badań .
Tokens: 1____ 2_____ 3 4_ 5______ 6__ 7______ 8_____ 9___ 10 11___ 12

Chunks:
  FalseNegative nam [1,1] = Szysz

(ChunkerEvaluator) Sentence #10471 from articles/00107829 from sent6

Text  : Wyniki mają być znane we wtorek po południu .
Tokens: 1_____ 2___ 3__ 4____ 5_ 6_____ 7_ 8_______ 9

Chunks:

2016-10-27 15:00:05,270 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 456 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107830.xml
(ChunkerEvaluator) Sentence #10472 from articles/00107830 from sent1

Text  : Zbadali , jaka jest ulubiona książka warszawiaków
Tokens: 1______ 2 3___ 4___ 5_______ 6______ 7___________

Chunks:
  FalseNegative nam [7,7] = warszawiaków

(ChunkerEvaluator) Sentence #10473 from articles/00107830 from sent2

Text  : Powieść & quot ; Mistrz i Małgorzata & quot ;  Michaiła Bułhakowa zwyciężyła w  plebiscycie na ulubioną książkę mieszkańców Warszawy przeprowadzonym podczas majowego Kiermaszu Książki na Mariensztacie -  podali w  poniedziałek autorzy badania .
Tokens: 1______ 2 3___ 4 5_____ 6 7_________ 8 9___ 10 11______ 12_______ 13________ 14 15_________ 16 17______ 18_____ 19_________ 20______ 21_____________ 22_____ 23______ 24_______ 25_____ 26 27___________ 28 29____ 30 31__________ 32_____ 33_____ 34

Chunks:
  TruePositive nam [11,12] = Michaiła Bułhakowa
  TruePositive nam [20,20] = Warszawy
  TruePositive nam [24,25] = Kiermaszu Książki
  TruePositive nam [27,27] = Mariensztacie
  FalsePositive nam [5,5] = Mistrz
  FalsePositive nam [7,9] = Małgorzata & quot
  FalseNegative nam [5,7] = Mistrz i Małgorzata

(ChunkerEvaluator) Sentence #10474 from articles/00107830 from sent3

Text  : W czasie odbywającego się na Mariensztacie Kiermaszu Książki , największej w  mieście plenerowej imprezy poświęconej czytaniu ,  przeprowadzono plebiscyt na ulubioną książkę ,  w  którym wzięło udział kilkaset osób .
Tokens: 1 2_____ 3___________ 4__ 5_ 6____________ 7________ 8______ 9 10_________ 11 12_____ 13________ 14_____ 15_________ 16______ 17 18____________ 19_______ 20 21______ 22_____ 23 24 25____ 26____ 27____ 28______ 29__ 30

Chunks:
  FalsePositive nam [6,8] = Mariensztacie Kiermaszu Książki
  FalseNegative nam [6,6] = Mariensztacie
  FalseNegative nam [7,8] = Kiermaszu Książki

(ChunkerEvaluator) Sentence #10475 from articles/00107830 from sent4

Text  : Zwyciężył " Mistrz i Małgorzata " Michaiła Bułhakowa .
Tokens: 1________ 2 3_____ 4 5_________ 6 7_______ 8________ 9

Chunks:
  TruePositive nam [7,8] = Michaiła Bułhakowa
  FalsePositive nam [3,3] = Mistrz
  FalsePositive nam [5,5] = Małgorzata
  FalseNegative nam [3,5] = Mistrz i Małgorzata

(ChunkerEvaluator) Sentence #10476 from articles/00107830 from sent5

Text  : Drugie miejsce zajął Carlos Ruis Zafon , hiszpański autor ,  którego powieść "  Cień wiatru "  przetłumaczono na 30 języków .
Tokens: 1_____ 2______ 3____ 4_____ 5___ 6____ 7 8_________ 9____ 10 11_____ 12_____ 13 14__ 15____ 16 17____________ 18 19 20_____ 21

Chunks:
  TruePositive nam [4,6] = Carlos Ruis Zafon
  TruePositive nam [14,15] = Cień wiatru

(ChunkerEvaluator) Sentence #10477 from articles/00107830 from sent6

Text  : Trzecie miejsce zajęła seria o Harrym Potterze pióra Joanne Rowling .
Tokens: 1______ 2______ 3_____ 4____ 5 6_____ 7_______ 8____ 9_____ 10_____ 11

Chunks:
  FalsePositive nam [6,10] = Harrym Potterze pióra Joanne Rowling
  FalseNegative nam [6,7] = Harrym Potterze
  FalseNegative nam [9,10] = Joanne Rowling

(ChunkerEvaluator) Sentence #10478 from articles/00107830 from sent7

Text  : Wśród polskich autorów pierwsze miejsca na liście zajął Mikołaj Łoziński ,  autor "  Książki "  ,  powieści inspirowanej losami jego bliskich .
Tokens: 1____ 2_______ 3______ 4_______ 5______ 6_ 7_____ 8____ 9______ 10______ 11 12___ 13 14_____ 15 16 17______ 18__________ 19____ 20__ 21______ 22

Chunks:
  TruePositive nam [9,10] = Mikołaj Łoziński
  TruePositive nam [14,14] = Książki

(ChunkerEvaluator) Sentence #10479 from articles/00107830 from sent8

Text  : Drugi najbardziej lubiany w Warszawie polski autor to Marek Nowakowski ,  uczestnicy plebiscytu często wskazywali jego najnowszą książkę "  Pióro .
Tokens: 1____ 2__________ 3______ 4 5________ 6_____ 7____ 8_ 9____ 10________ 11 12________ 13________ 14____ 15________ 16__ 17_______ 18_____ 19 20___ 21

Chunks:
  TruePositive nam [5,5] = Warszawie
  TruePositive nam [9,10] = Marek Nowakowski
  FalsePositive nam [20,20] = Pióro

(ChunkerEvaluator) Sentence #10480 from articles/00107830 from sent9

Text  : Autobiografia literacka " , przedstawiającą barwny obraz miasta oraz życia literackiego lat 50 .  i  60 .
Tokens: 1____________ 2________ 3 4 5______________ 6_____ 7____ 8_____ 9___ 10___ 11__________ 12_ 13 14 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #10481 from articles/00107830 from sent10

Text  : Dalej na liście literackich ulubieńców znaleźli się Joanna Chmielewska (  i  jej kryminały takie jak "  Studnie Przodków "  ,  "  Lesio "  i  "  Całe zdanie nieboszczyka "  )  ,  Leopold Tyrmand (  autor często wskazywanych przez warszawiaków "  Złego "  i  "  Dziennika "  )  oraz Olga Tokarczuk (  uczestnicy plebiscytu polubili napisane przez nią "  Podróż ludzi księgi "  czy "  Prawiek i  inne czasy "  )  .
Tokens: 1____ 2_ 3_____ 4__________ 5_________ 6_______ 7__ 8_____ 9__________ 10 11 12_ 13_______ 14___ 15_ 16 17_____ 18______ 19 20 21 22___ 23 24 25 26__ 27____ 28__________ 29 30 31 32_____ 33_____ 34 35___ 36____ 37__________ 38___ 39__________ 40 41___ 42 43 44 45_______ 46 47 48__ 49__ 50_______ 51 52________ 53________ 54______ 55______ 56___ 57_ 58 59____ 60___ 61____ 62 63_ 64 65_____ 66 67__ 68___ 69 70 71

Chunks:
  TruePositive nam [8,9] = Joanna Chmielewska
  TruePositive nam [17,18] = Studnie Przodków
  TruePositive nam [22,22] = Lesio
  TruePositive nam [32,33] = Leopold Tyrmand
  TruePositive nam [41,41] = Złego
  TruePositive nam [45,45] = Dziennika
  TruePositive nam [49,50] = Olga Tokarczuk
  FalseNegative nam [26,28] = Całe zdanie nieboszczyka
  FalseNegative nam [39,39] = warszawiaków
  FalseNegative nam [59,61] = Podróż ludzi księgi
  FalseNegative nam [65,68] = Prawiek i inne czasy

(ChunkerEvaluator) Sentence #10482 from articles/00107830 from sent11

Text  : Wśród książek dla dzieci warszawiacy najczęściej wybierali " Ryjówkę Przeznaczenia "  Tomasza Samojlika .
Tokens: 1____ 2______ 3__ 4_____ 5__________ 6__________ 7________ 8 9______ 10___________ 11 12_____ 13_______ 14

Chunks:
  TruePositive nam [9,10] = Ryjówkę Przeznaczenia
  TruePositive nam [12,13] = Tomasza Samojlika

(ChunkerEvaluator) Sentence #10483 from articles/00107830 from sent12

Text  : Inne zauważone przez czytelników książki dla najmłodszych , to m  .  in .  :  "  Franklin zaprasza misia "  Bourgeois Paulette'a i  Clarka Brenda ,  "  Nowe przygody Pana Samochodzika "  Zbigniewa Nienackiego czy "  Feliks ,  Net i  Nika "  Rafała Kosika .
Tokens: 1___ 2________ 3____ 4__________ 5______ 6__ 7___________ 8 9_ 10 11 12 13 14 15 16______ 17______ 18___ 19 20_______ 21________ 22 23____ 24____ 25 26 27__ 28______ 29__ 30__________ 31 32_______ 33_________ 34_ 35 36____ 37 38_ 39 40__ 41 42____ 43____ 44

Chunks:
  TruePositive nam [23,24] = Clarka Brenda
  TruePositive nam [32,33] = Zbigniewa Nienackiego
  TruePositive nam [42,43] = Rafała Kosika
  FalsePositive nam [16,16] = Franklin
  FalsePositive nam [21,21] = Paulette'a
  FalsePositive nam [29,30] = Pana Samochodzika
  FalsePositive nam [36,36] = Feliks
  FalsePositive nam [38,38] = Net
  FalsePositive nam [40,40] = Nika
  FalseNegative nam [16,18] = Franklin zaprasza misia
  FalseNegative nam [20,21] = Bourgeois Paulette'a
  FalseNegative nam [27,30] = Nowe przygody Pana Samochodzika
  FalseNegative nam [36,40] = Feliks , Net i Nika

(ChunkerEvaluator) Sentence #10484 from articles/00107830 from sent13

Text  : " Z wymienionych w plebiscycie tytułów można stworzyć potężną bibliotekę ,  w  której na równi reprezentowani będą polscy i  zagraniczni autorzy .
Tokens: 1 2 3___________ 4 5__________ 6______ 7____ 8_______ 9______ 10________ 11 12 13____ 14 15___ 16____________ 17__ 18____ 19 20_________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #10485 from articles/00107830 from sent14

Text  : Wśród nich między innymi Jose Saramago , Garcia Marquez ,  Tiziano Terzani ,  Milan Kundera ,  Michał Witkowski czy Stanisław Lem .
Tokens: 1____ 2___ 3_____ 4_____ 5___ 6_______ 7 8_____ 9______ 10 11_____ 12_____ 13 14___ 15_____ 16 17____ 18_______ 19_ 20_______ 21_ 22

Chunks:
  TruePositive nam [5,6] = Jose Saramago
  TruePositive nam [8,9] = Garcia Marquez
  TruePositive nam [11,12] = Tiziano Terzani
  TruePositive nam [14,15] = Milan Kundera
  TruePositive nam [17,18] = Michał Witkowski
  TruePositive nam [20,21] = Stanisław Lem

(ChunkerEvaluator) Sentence #10486 from articles/00107830 from sent15

Text  : Największą półkę zajmą kryminały i powieści - to gatunki najczęściej wskazywane przez warszawiaków .
Tokens: 1_________ 2____ 3____ 4________ 5 6_______ 7 8_ 9______ 10_________ 11________ 12___ 13__________ 14

Chunks:
  FalseNegative nam [13,13] = warszawiaków

(ChunkerEvaluator) Sentence #10487 from articles/00107830 from sent16

Text  : Uczestnicy Kiermaszu Książki docenili też polskie reportaże Andrzeja Stasiuka i  Jacka Hugo -  Badera "  -  podsumowują autorzy plebiscytu .
Tokens: 1_________ 2________ 3______ 4_______ 5__ 6______ 7________ 8_______ 9_______ 10 11___ 12__ 13 14____ 15 16 17_________ 18_____ 19________ 20

Chunks:
  TruePositive nam [2,3] = Kiermaszu Książki
  TruePositive nam [8,9] = Andrzeja Stasiuka
  TruePositive nam [11,14] = Jacka Hugo - Badera

(ChunkerEvaluator) Sentence #10488 from articles/00107830 from sent17

Text  : " Bardzo budująca , ale i zaskakująca jest informacja ,  że Bułhakow został doceniony przez warszawiaków -  wszak nie jest to lektura prosta ,  lecz pełna odniesień kulturowych i  skomplikowanej metaforyki .
Tokens: 1 2_____ 3_______ 4 5__ 6 7__________ 8___ 9_________ 10 11 12______ 13____ 14_______ 15___ 16__________ 17 18___ 19_ 20__ 21 22_____ 23____ 24 25__ 26___ 27_______ 28_________ 29 30____________ 31________ 32

Chunks:
  TruePositive nam [12,12] = Bułhakow
  FalseNegative nam [16,16] = warszawiaków

(ChunkerEvaluator) Sentence #10489 from articles/00107830 from sent18

Text  : Podobnie jest zresztą z + Książką + młodego pisarza -  Mikołaja Łozińskiego .
Tokens: 1_______ 2___ 3______ 4 5 6______ 7 8______ 9______ 10 11______ 12_________ 13

Chunks:
  TruePositive nam [11,12] = Mikołaja Łozińskiego
  FalsePositive nam [6,7] = Książką +
  FalseNegative nam [5,7] = + Książką +

(ChunkerEvaluator) Sentence #10490 from articles/00107830 from sent19

Text  : Są to pozycje wymagające od czytelnika zaangażowania uwagi , znajomości kodów i  pewnego obycia literackiego ,  wyrastającego ponad znajomość kanonu lektur .
Tokens: 1_ 2_ 3______ 4_________ 5_ 6_________ 7____________ 8____ 9 10________ 11___ 12 13_____ 14____ 15__________ 16 17___________ 18___ 19_______ 20____ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #10491 from articles/00107830 from sent20

Text  : Nie dziwią natomiast wśród najpopularniejszych twórców nazwiska Zafona i Rowling .
Tokens: 1__ 2_____ 3________ 4____ 5__________________ 6______ 7_______ 8_____ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Rowling
  FalseNegative nam [8,8] = Zafona

(ChunkerEvaluator) Sentence #10492 from articles/00107830 from sent21

Text  : Ich twórczość , z gruntu popularna , znajduje rzesze fanów na całym świecie .
Tokens: 1__ 2________ 3 4 5_____ 6________ 7 8_______ 9_____ 10___ 11 12___ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #10493 from articles/00107830 from sent22

Text  : Harry Potter stał się synonimem czarodzieja i popkulturowym symbolem magii i  cokolwiek by śmy myśleli o  tego typu twórczości ,  Rowling trwale wpisała się do kanonu literatury dziecięcej i  młodzieżowej .
Tokens: 1____ 2_____ 3___ 4__ 5________ 6__________ 7 8____________ 9_______ 10___ 11 12_______ 13 14_ 15_____ 16 17__ 18__ 19________ 20 21_____ 22____ 23_____ 24_ 25 26____ 27________ 28________ 29 30__________ 31

Chunks:
  TruePositive nam [1,2] = Harry Potter
  TruePositive nam [21,21] = Rowling

(ChunkerEvaluator) Sentence #10494 from articles/00107830 from sent23

Text  : Natomiast Zafon to pisarz aspirujący do wysokiej kultury , ale znajdujący się na granicy z  kulturą popularną "  -  skomentowała wyniki plebiscytu Kinga Stanaszek -  Bryc z  wydziału polonistyki UW .
Tokens: 1________ 2____ 3_ 4_____ 5_________ 6_ 7_______ 8______ 9 10_ 11________ 12_ 13 14_____ 15 16_____ 17_______ 18 19 20__________ 21____ 22________ 23___ 24_______ 25 26__ 27 28______ 29_________ 30 31

Chunks:
  TruePositive nam [30,30] = UW
  FalsePositive nam [23,26] = Kinga Stanaszek - Bryc
  FalseNegative nam [2,2] = Zafon
  FalseNegative nam [24,26] = Stanaszek - Bryc
  FalseNegative nam [28,29] = wydziału polonistyki

(ChunkerEvaluator) Sentence #10495 from articles/00107830 from sent24

Text  : Głosowanie na ulubioną książkę warszawiaków po raz pierwszy towarzyszyło Warszawskiemu Kiermaszowi Książki ,  który odbył się 26 i  27 maja 2012 r  .
Tokens: 1_________ 2_ 3_______ 4______ 5___________ 6_ 7__ 8_______ 9___________ 10___________ 11_________ 12_____ 13 14___ 15___ 16_ 17 18 19 20__ 21__ 22 23

Chunks:
  TruePositive nam [10,12] = Warszawskiemu Kiermaszowi Książki
  FalseNegative nam [5,5] = warszawiaków

(ChunkerEvaluator) Sentence #10496 from articles/00107830 from sent25

Text  : Podczas dwudniowego Kiermaszu miało miejsce 30 spotkań z autorami ,  artystami ,  ilustratorami ,  odbyły się także warsztaty ,  panele ,  konsultacje poetyckie ,  spektakle i  wydarzenia dla najmłodszych czytelników .
Tokens: 1______ 2__________ 3________ 4____ 5______ 6_ 7______ 8 9_______ 10 11_______ 12 13___________ 14 15____ 16_ 17___ 18_______ 19 20____ 21 22_________ 23_______ 24 25_______ 26 27________ 28_ 29__________ 30_________ 31

Chunks:
  TruePositive nam [3,3] = Kiermaszu

(ChunkerEvaluator) Sentence #10497 from articles/00107830 from sent26

Text  : Organizatorami Kiermaszu byli Urząd Miasta st . Warszawy i Stołeczna Estrada we współpracy z  firmą Murator EXPO oraz Spółka Targi Książki .
Tokens: 1_____________ 2________ 3___ 4____ 5_____ 6_ 7 8_______ 9 10_______ 11_____ 12 13________ 14 15___ 16_____ 17__ 18__ 19____ 20___ 21_____ 22

Chunks:
  TruePositive nam [2,2] = Kiermaszu
  TruePositive nam [8,8] = Warszawy
  TruePositive nam [10,11] = Stołeczna Estrada
  TruePositive nam [16,17] = Murator EXPO
  TruePositive nam [19,21] = Spółka Targi Książki
  FalseNegative nam [4,5] = Urząd Miasta

2016-10-27 15:00:05,448 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 457 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107831.xml
(ChunkerEvaluator) Sentence #10498 from articles/00107831 from sent1

Text  : Stanisław Stabro o polskiej prozie XX wieku
Tokens: 1________ 2_____ 3 4_______ 5_____ 6_ 7____

Chunks:
  TruePositive nam [1,2] = Stanisław Stabro

(ChunkerEvaluator) Sentence #10499 from articles/00107831 from sent2

Text  : Książka Stanisława Stabry to zbiór esejów analizujących odzwierciedlenie doświadczeń historycznych ,  społecznych i  duchowych w  twórczości polskich krytyków i  pisarzy
Tokens: 1______ 2_________ 3_____ 4_ 5____ 6_____ 7____________ 8_______________ 9__________ 10___________ 11 12_________ 13 14_______ 15 16________ 17______ 18______ 19 20_____

Chunks:
  TruePositive nam [2,3] = Stanisława Stabry

(ChunkerEvaluator) Sentence #10500 from articles/00107831 from sent3

Text  : Obrona uczciwości
Tokens: 1_____ 2_________

Chunks:

(ChunkerEvaluator) Sentence #10501 from articles/00107831 from sent4

Text  : Pierwsza część nosi tytuł „ Samotność intelektualisty ” .
Tokens: 1_______ 2____ 3___ 4____ 5 6________ 7______________ 8 9

Chunks:
  FalseNegative nam [6,7] = Samotność intelektualisty

(ChunkerEvaluator) Sentence #10502 from articles/00107831 from sent5

Text  : Intelektualista - reprezentant wartości wyższych - powinien pełnić rolę obrońcy dobra i  prawdy .
Tokens: 1______________ 2 3___________ 4_______ 5_______ 6 7_______ 8_____ 9___ 10_____ 11___ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10503 from articles/00107831 from sent6

Text  : Oddzielony od masy , której imponują siła i gwałt ,  jak bohater romantyczny odczuwa pustkę samotności .
Tokens: 1_________ 2_ 3___ 4 5_____ 6_______ 7___ 8 9____ 10 11_ 12_____ 13_________ 14_____ 15____ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #10504 from articles/00107831 from sent7

Text  : Wewnętrzna wolność , szczerość wobec samego siebie są niezbędnymi elementami jego twórczości ,  ale łączą się z  poczuciem osobności .
Tokens: 1_________ 2______ 3 4________ 5____ 6_____ 7_____ 8_ 9__________ 10________ 11__ 12________ 13 14_ 15___ 16_ 17 18_______ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #10505 from articles/00107831 from sent8

Text  : Do tych , którzy nie potrafili go unieść , Stabro zalicza przede wszystkim Tadeusza Borowskiego .
Tokens: 1_ 2___ 3 4_____ 5__ 6________ 7_ 8_____ 9 10____ 11_____ 12____ 13_______ 14______ 15_________ 16

Chunks:
  TruePositive nam [14,15] = Tadeusza Borowskiego
  FalseNegative nam [10,10] = Stabro

(ChunkerEvaluator) Sentence #10506 from articles/00107831 from sent9

Text  : Prawdy o intelektualistach , którzy w obawie przed odrzuceniem ukryli się w  podwójnym myśleniu ,  badacz szuka również w  „  Hańbie domowej ”  Trznadla ,  dziennikach Mieczysława Jastruna ,  Marii Dąbrowskiej ,  Andrzeja Kijowskiego i  Stefana Kisielewskiego ,  a  także w  szkicach Włodzimierza Boleckiego o  literaturze lat 1982 -  1987 .
Tokens: 1_____ 2 3________________ 4 5_____ 6 7_____ 8____ 9__________ 10____ 11_ 12 13_______ 14______ 15 16____ 17___ 18_____ 19 20 21____ 22_____ 23 24______ 25 26_________ 27_________ 28______ 29 30___ 31_________ 32 33______ 34_________ 35 36_____ 37____________ 38 39 40___ 41 42______ 43__________ 44________ 45 46_________ 47_ 48__ 49 50__ 51

Chunks:
  TruePositive nam [24,24] = Trznadla
  TruePositive nam [27,28] = Mieczysława Jastruna
  TruePositive nam [30,31] = Marii Dąbrowskiej
  TruePositive nam [33,34] = Andrzeja Kijowskiego
  TruePositive nam [36,37] = Stefana Kisielewskiego
  TruePositive nam [43,44] = Włodzimierza Boleckiego
  FalseNegative nam [21,22] = Hańbie domowej

(ChunkerEvaluator) Sentence #10507 from articles/00107831 from sent10

Text  : Druga część studiów Stabry poświęcona została rozważaniom na temat „  idei ciągłości (  .  .  .  )  ,  pamięci oraz zbiorowego doświadczenia i  narodowego losu ”  .
Tokens: 1____ 2____ 3______ 4_____ 5_________ 6______ 7__________ 8_ 9____ 10 11__ 12_______ 13 14 15 16 17 18 19_____ 20__ 21________ 22___________ 23 24________ 25__ 26 27

Chunks:
  FalseNegative nam [4,4] = Stabry

(ChunkerEvaluator) Sentence #10508 from articles/00107831 from sent11

Text  : Poza omówieniem problemu „ małych ojczyzn ” w prozie Zegadłowicza i  obrazu Polski ,  jaki wyłania się z  korespondencji Jerzego Giedroycia z  Bobkowskim ,  zmieściły się również :  analiza cierpienia w  „  Innym świecie ”  Gustawa Herlinga -  Grudzińskiego ,  omówienia twórczości Kornela Filipowicza ,  Jarosława Iwaszkiewicza oraz wykreowanej na romantyczną biografii Witolda Gombrowicza .
Tokens: 1___ 2_________ 3_______ 4 5_____ 6______ 7 8 9_____ 10__________ 11 12____ 13____ 14 15__ 16_____ 17_ 18 19____________ 20_____ 21________ 22 23________ 24 25_______ 26_ 27_____ 28 29_____ 30________ 31 32 33___ 34_____ 35 36_____ 37______ 38 39___________ 40 41_______ 42________ 43_____ 44_________ 45 46_______ 47___________ 48__ 49_________ 50 51_________ 52_______ 53_____ 54_________ 55

Chunks:
  TruePositive nam [10,10] = Zegadłowicza
  TruePositive nam [13,13] = Polski
  TruePositive nam [20,21] = Jerzego Giedroycia
  TruePositive nam [23,23] = Bobkowskim
  TruePositive nam [36,39] = Gustawa Herlinga - Grudzińskiego
  TruePositive nam [43,44] = Kornela Filipowicza
  TruePositive nam [46,47] = Jarosława Iwaszkiewicza
  TruePositive nam [53,54] = Witolda Gombrowicza
  FalseNegative nam [33,34] = Innym świecie

(ChunkerEvaluator) Sentence #10509 from articles/00107831 from sent12

Text  : Trzecią część książki podporządkował Stabro problemowi poszukiwania tożsamości , który rozpatruje w  odniesieniu do prozy Juliana Kawalca ,  Andrzeja Stojowskiego oraz literatury odbijającej obraz niechęci i  antysemityzmu Polaków -  głównie w  okresie okupacji hitlerowskiej .
Tokens: 1______ 2____ 3______ 4_____________ 5_____ 6_________ 7___________ 8_________ 9 10___ 11________ 12 13_________ 14 15___ 16_____ 17_____ 18 19______ 20__________ 21__ 22________ 23_________ 24___ 25______ 26 27___________ 28_____ 29 30_____ 31 32_____ 33______ 34___________ 35

Chunks:
  TruePositive nam [16,17] = Juliana Kawalca
  TruePositive nam [19,20] = Andrzeja Stojowskiego
  TruePositive nam [28,28] = Polaków
  FalseNegative nam [5,5] = Stabro

(ChunkerEvaluator) Sentence #10510 from articles/00107831 from sent13

Text  : Nie tylko poszczególne części , ale i pojedyncze rozdziały tej książki najlepiej czytać osobno ,  jako odrębne studia ,  nie zawsze w  pełni powiązane z  tytułami porządkującymi kolejne części książki .
Tokens: 1__ 2____ 3___________ 4_____ 5 6__ 7 8_________ 9________ 10_ 11_____ 12_______ 13____ 14____ 15 16__ 17_____ 18____ 19 20_ 21____ 22 23___ 24_______ 25 26______ 27____________ 28_____ 29____ 30_____ 31

Chunks:

(ChunkerEvaluator) Sentence #10511 from articles/00107831 from sent14

Text  : To , co w nich wspólne , zawiera się przede wszystkim w  warsztacie Stabry ,  którego cechą charakterystyczną jest rzetelne szkicowanie tła problemu ,  przejawiające się częstymi odwołaniami do literatury naukowej ,  streszczaniem najbardziej istotnych opracowań i  cytatami ,  sprawiającymi wrażenie ,  że głos badacza składa się z  wielu innych .
Tokens: 1_ 2 3_ 4 5___ 6______ 7 8______ 9__ 10____ 11_______ 12 13________ 14____ 15 16_____ 17___ 18_______________ 19__ 20______ 21_________ 22_ 23______ 24 25___________ 26_ 27______ 28_________ 29 30________ 31______ 32 33___________ 34_________ 35_______ 36_______ 37 38______ 39 40___________ 41______ 42 43 44__ 45_____ 46____ 47_ 48 49___ 50____ 51

Chunks:
  FalseNegative nam [14,14] = Stabry

(ChunkerEvaluator) Sentence #10512 from articles/00107831 from sent15

Text  : Indywidualny , wyrazisty głos Stabry odsłania się raczej w sposobie pisania .
Tokens: 1___________ 2 3________ 4___ 5_____ 6_______ 7__ 8_____ 9 10______ 11_____ 12

Chunks:
  FalseNegative nam [5,5] = Stabry

(ChunkerEvaluator) Sentence #10513 from articles/00107831 from sent16

Text  : Nieznoszący sprzeciwu , jednoznaczny , miejscami patetyczny ton , kategorycznie oceniający nie zawsze samą tylko estetyczną jakość utworu ,  ale i  zachowania innych (  jego metaliczny dźwięk najbardziej zdecydowanie brzmi w  rozdziale o  antysemityzmie Polaków w  literaturze )  ,  może drażnić ,  dopóki za dobrą monetę nie weźmie się właściwego chyba autorowi „  Od Emila Zegadłowicza .  .  .  ”  przekonania ,  że o  wartościach trzeba mówić zdecydowanie i  podniesionym głosem .
Tokens: 1__________ 2________ 3 4___________ 5 6________ 7_________ 8__ 9 10___________ 11________ 12_ 13____ 14__ 15___ 16________ 17____ 18____ 19 20_ 21 22________ 23____ 24 25__ 26________ 27____ 28_________ 29__________ 30___ 31 32_______ 33 34____________ 35_____ 36 37_________ 38 39 40__ 41_____ 42 43____ 44 45___ 46____ 47_ 48____ 49_ 50________ 51___ 52______ 53 54 55___ 56__________ 57 58 59 60 61_________ 62 63 64 65_________ 66____ 67___ 68__________ 69 70__________ 71____ 72

Chunks:
  TruePositive nam [35,35] = Polaków
  FalsePositive nam [55,59] = Emila Zegadłowicza . . .
  FalseNegative nam [55,56] = Emila Zegadłowicza

(ChunkerEvaluator) Sentence #10514 from articles/00107831 from sent17

Text  : Czytanie prac Stabry jest wtedy swego rodzaju szkołą umiejętności trzymania na wodzy wątpliwości ,  przekornych pytań po to ,  by usłyszeć może niemodną już i  podejrzaną ,  ale jakże konieczną ,  obronę uczciwości w  literaturze i  życiu .
Tokens: 1_______ 2___ 3_____ 4___ 5____ 6____ 7______ 8_____ 9___________ 10_______ 11 12___ 13_________ 14 15_________ 16___ 17 18 19 20 21______ 22__ 23______ 24_ 25 26________ 27 28_ 29___ 30_______ 31 32____ 33________ 34 35_________ 36 37___ 38

Chunks:
  FalseNegative nam [3,3] = Stabry

(ChunkerEvaluator) Sentence #10515 from articles/00107831 from sent18

Text  : Stanisław Stabro , „ Od Emila Zegadłowicza do Andrzeja Bobkowskiego .
Tokens: 1________ 2_____ 3 4 5_ 6____ 7___________ 8_ 9_______ 10__________ 11

Chunks:
  TruePositive nam [1,2] = Stanisław Stabro
  FalsePositive nam [6,7] = Emila Zegadłowicza
  FalsePositive nam [9,10] = Andrzeja Bobkowskiego

(ChunkerEvaluator) Sentence #10516 from articles/00107831 from sent19

Text  : O prozie polskiej XX wieku ” , Wydawnictwo Universitas ,  Kraków 2002
Tokens: 1 2_____ 3_______ 4_ 5____ 6 7 8__________ 9__________ 10 11____ 12__

Chunks:
  TruePositive nam [8,9] = Wydawnictwo Universitas
  TruePositive nam [11,11] = Kraków

2016-10-27 15:00:05,596 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 458 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107832.xml
(ChunkerEvaluator) Sentence #10517 from articles/00107832 from sent1

Text  : Niepewna przyszłość starej kamienicy przy ul . Okopowej
Tokens: 1_______ 2_________ 3_____ 4________ 5___ 6_ 7 8_______

Chunks:
  TruePositive nam [8,8] = Okopowej

(ChunkerEvaluator) Sentence #10518 from articles/00107832 from sent2

Text  : Kamienica przy ul . Okopowej 22 to sól w oku wielu olsztynian .
Tokens: 1________ 2___ 3_ 4 5_______ 6_ 7_ 8__ 9 10_ 11___ 12________ 13

Chunks:
  TruePositive nam [5,5] = Okopowej
  FalseNegative nam [12,12] = olsztynian

(ChunkerEvaluator) Sentence #10519 from articles/00107832 from sent3

Text  : Stoi przy ruchliwej ulicy , a razi odrapanymi ścianami ,  w  których pojawiają się coraz to nowe spękania .
Tokens: 1___ 2___ 3________ 4____ 5 6 7___ 8_________ 9_______ 10 11 12_____ 13_______ 14_ 15___ 16 17__ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #10520 from articles/00107832 from sent4

Text  : Właściciel broni się , że to przez sąsiada nie może zacząć remontu
Tokens: 1_________ 2____ 3__ 4 5_ 6_ 7____ 8______ 9__ 10__ 11____ 12_____

Chunks:

(ChunkerEvaluator) Sentence #10521 from articles/00107832 from sent5

Text  : Zabytek należy do olsztyńskiej spółki Mortar , która kupiła nieruchomość blisko dziesięć lat temu .
Tokens: 1______ 2_____ 3_ 4___________ 5_____ 6_____ 7 8____ 9_____ 10__________ 11____ 12______ 13_ 14__ 15

Chunks:
  FalseNegative nam [6,6] = Mortar

(ChunkerEvaluator) Sentence #10522 from articles/00107832 from sent6

Text  : Klasycystyczna kamienica została wybudowana na początku XIX wieku , ale jej fundamenty i  piwnice powstały już w  XVIII wieku .
Tokens: 1_____________ 2________ 3______ 4_________ 5_ 6_______ 7__ 8____ 9 10_ 11_ 12________ 13 14_____ 15______ 16_ 17 18___ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #10523 from articles/00107832 from sent7

Text  : W 1987 r . budynek został wpisany na listę zabytków i  od tej pory wszystkie prace w  nim należy konsultować z  konserwatorem .
Tokens: 1 2___ 3 4 5______ 6_____ 7______ 8_ 9____ 10______ 11 12 13_ 14__ 15_______ 16___ 17 18_ 19____ 20_________ 21 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #10524 from articles/00107832 from sent8

Text  : Kamienicę kojarzą wszyscy mieszkańcy .
Tokens: 1________ 2______ 3______ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #10525 from articles/00107832 from sent9

Text  : Nie ze względu na szczególną historię - niestety - ale jej fatalny wygląd .
Tokens: 1__ 2_ 3______ 4_ 5_________ 6_______ 7 8_______ 9 10_ 11_ 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10526 from articles/00107832 from sent10

Text  : Z zewnętrznej elewacji systematycznie odpada tynk , konstrukcja dachu jest pokrzywiona jakby miała się za chwilę zawalić .
Tokens: 1 2__________ 3_______ 4_____________ 5_____ 6___ 7 8__________ 9____ 10__ 11_________ 12___ 13___ 14_ 15 16____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #10527 from articles/00107832 from sent11

Text  : W ostatnich dniach spękania na ścianie frontowej stały się jeszcze wyraźniejsze .
Tokens: 1 2________ 3_____ 4_______ 5_ 6______ 7________ 8____ 9__ 10_____ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #10528 from articles/00107832 from sent12

Text  : Właściciel nieruchomości poprzestaje na doraźnym zabezpieczeniu budynku , choć zaraz po tym ,  jak go kupił ,  zadeklarował ,  że po sfinalizowaniu niezbędnych formalności natychmiast przystąpi do remontu .
Tokens: 1_________ 2____________ 3__________ 4_ 5_______ 6_____________ 7______ 8 9___ 10___ 11 12_ 13 14_ 15 16___ 17 18__________ 19 20 21 22____________ 23_________ 24_________ 25_________ 26_______ 27 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #10529 from articles/00107832 from sent13

Text  : Chciał połączyć część gastronomiczną - na parterze kawiarnia lub pub ,  z  mieszkaniową lub biurową na piętrze .
Tokens: 1_____ 2_______ 3____ 4_____________ 5 6_ 7_______ 8________ 9__ 10_ 11 12 13__________ 14_ 15_____ 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #10530 from articles/00107832 from sent14

Text  : Planował , że obiekt rozbuduje .
Tokens: 1_______ 2 3_ 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10531 from articles/00107832 from sent15

Text  : Do części historycznej , którą musi odtworzyć zgodnie z dawnym wyglądem ,  miał dobudować na zapleczu nową bryłę .
Tokens: 1_ 2_____ 3___________ 4 5____ 6___ 7________ 8______ 9 10____ 11______ 12 13__ 14_______ 15 16______ 17__ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #10532 from articles/00107832 from sent16

Text  : Właśnie przez tę nową bryłę do dziś nie zaczął remontu części zabytkowej .
Tokens: 1______ 2____ 3_ 4___ 5____ 6_ 7___ 8__ 9_____ 10_____ 11____ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #10533 from articles/00107832 from sent17

Text  : Robert Wolny , prezes spółki Mortar , opowiada , że w  maju dostał pozwolenie na rozpoczęcie przebudowy kamienicy .
Tokens: 1_____ 2____ 3 4_____ 5_____ 6_____ 7 8_______ 9 10 11 12__ 13____ 14________ 15 16_________ 17________ 18_______ 19

Chunks:
  TruePositive nam [1,2] = Robert Wolny
  FalseNegative nam [6,6] = Mortar

(ChunkerEvaluator) Sentence #10534 from articles/00107832 from sent18

Text  : - Jednak zostało ono zaskarżone przez jednego z sąsiadów -  mówi .
Tokens: 1 2_____ 3______ 4__ 5_________ 6____ 7______ 8 9_______ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #10535 from articles/00107832 from sent19

Text  : Nie spodobało mu się , że zakres rozbudowy nieruchomości będzie tak duży ,  a  przez to sąsiedztwo stanie się dla niego niewygodne i  uciążliwe .
Tokens: 1__ 2________ 3_ 4__ 5 6_ 7_____ 8________ 9____________ 10____ 11_ 12__ 13 14 15___ 16 17________ 18____ 19_ 20_ 21___ 22________ 23 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #10536 from articles/00107832 from sent20

Text  : Niestety , nie udało się nam z nim wczoraj porozmawiać .
Tokens: 1_______ 2 3__ 4____ 5__ 6__ 7 8__ 9______ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #10537 from articles/00107832 from sent21

Text  : Wolny przypomina , że to nie pierwsze takie odwołanie .
Tokens: 1____ 2_________ 3 4_ 5_ 6__ 7_______ 8____ 9________ 10

Chunks:
  FalseNegative nam [1,1] = Wolny

(ChunkerEvaluator) Sentence #10538 from articles/00107832 from sent22

Text  : - Już kilkakrotnie zmieniali śmy projekty , myśląc , że w  końcu zostanie zatwierdzony -  dodaje .
Tokens: 1 2__ 3___________ 4________ 5__ 6_______ 7 8_____ 9 10 11 12___ 13______ 14__________ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #10539 from articles/00107832 from sent23

Text  : - Niestety , za każdym razem mamy skargi sąsiada .
Tokens: 1 2_______ 3 4_ 5_____ 6____ 7___ 8_____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #10540 from articles/00107832 from sent24

Text  : Potwierdza to Grażyna Stabelska - Kopczyńska , wicedyrektor ratuszowego wydziału architektury i  budownictwa .
Tokens: 1_________ 2_ 3______ 4________ 5 6_________ 7 8___________ 9__________ 10______ 11__________ 12 13_________ 14

Chunks:
  TruePositive nam [3,6] = Grażyna Stabelska - Kopczyńska

(ChunkerEvaluator) Sentence #10541 from articles/00107832 from sent25

Text  : Zaznacza że wcześniej na przebudowę zgodził się miejski konserwator zabytków ,  ale sąsiad Wolnego też się od tego odwołał .
Tokens: 1_______ 2_ 3________ 4_ 5_________ 6______ 7__ 8______ 9__________ 10______ 11 12_ 13____ 14_____ 15_ 16_ 17 18__ 19_____ 20

Chunks:
  TruePositive nam [14,14] = Wolnego

(ChunkerEvaluator) Sentence #10542 from articles/00107832 from sent26

Text  : Zgodnie z procedurą odwołanie poszło do ministra kultury i starania o  rozpoczęcie inwestycji trzeba było zaczynać od początku .
Tokens: 1______ 2 3________ 4________ 5_____ 6_ 7_______ 8______ 9 10______ 11 12_________ 13________ 14____ 15__ 16______ 17 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #10543 from articles/00107832 from sent27

Text  : - Aktualnie decyzja należy do wojewody , czekamy na jego rozstrzygnięcie -  informuje wicedyrektor .
Tokens: 1 2________ 3______ 4_____ 5_ 6_______ 7 8______ 9_ 10__ 11_____________ 12 13_______ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #10544 from articles/00107832 from sent28

Text  : To oznacza kolejne stracone miesiące .
Tokens: 1_ 2______ 3______ 4_______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10545 from articles/00107832 from sent29

Text  : - A większość elementów konstrukcyjnych nie nadaje się już do zachowania -  przyznaje Anna Juszczyszyn ,  miejski konserwator zabytków .
Tokens: 1 2 3________ 4________ 5______________ 6__ 7_____ 8__ 9__ 10 11________ 12 13_______ 14__ 15_________ 16 17_____ 18_________ 19______ 20

Chunks:
  TruePositive nam [14,15] = Anna Juszczyszyn

(ChunkerEvaluator) Sentence #10546 from articles/00107832 from sent30

Text  : Robert Wolny nie ukrywa , że sytuacja jest trudna .
Tokens: 1_____ 2____ 3__ 4_____ 5 6_ 7_______ 8___ 9_____ 10

Chunks:
  TruePositive nam [1,2] = Robert Wolny

(ChunkerEvaluator) Sentence #10547 from articles/00107832 from sent31

Text  : - Pęknięcia ścian pogłębiają się i w pewnym momencie budynek może po prostu się zawalić -  stwierdził szef Mortaru .
Tokens: 1 2________ 3____ 4_________ 5__ 6 7 8_____ 9_______ 10_____ 11__ 12 13____ 14_ 15_____ 16 17________ 18__ 19_____ 20

Chunks:
  FalseNegative nam [19,19] = Mortaru

(ChunkerEvaluator) Sentence #10548 from articles/00107832 from sent32

Text  : Urzędnicy wydają się bezsilni .
Tokens: 1________ 2_____ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #10549 from articles/00107832 from sent33

Text  : - My mogli by śmy interweniować , gdyby rozpoczęto już roboty ,  ale tak nie jest -  mówi Aleksander Lachowicz ,  powiatowy inspektor nadzoru budowlanego .
Tokens: 1 2_ 3____ 4_ 5__ 6____________ 7 8____ 9_________ 10_ 11____ 12 13_ 14_ 15_ 16__ 17 18__ 19________ 20_______ 21 22_______ 23_______ 24_____ 25_________ 26

Chunks:
  TruePositive nam [19,20] = Aleksander Lachowicz

(ChunkerEvaluator) Sentence #10550 from articles/00107832 from sent34

Text  : - Jak na razie zalecili śmy wykonanie prac zabezpieczających ,  co zresztą właściciel kamienicy niezwłocznie uczynił .
Tokens: 1 2__ 3_ 4____ 5_______ 6__ 7________ 8___ 9________________ 10 11 12_____ 13________ 14_______ 15__________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #10551 from articles/00107832 from sent35

Text  : Teraz ruch należy do służb konserwatorskich .
Tokens: 1____ 2___ 3_____ 4_ 5____ 6_______________ 7

Chunks:

(ChunkerEvaluator) Sentence #10552 from articles/00107832 from sent36

Text  : - Wydamy nakaz przeprowadzenia robót budowlanych zabezpieczających zabytek .
Tokens: 1 2_____ 3____ 4______________ 5____ 6__________ 7________________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #10553 from articles/00107832 from sent37

Text  : Zresztą nie po raz pierwszy - dodaje Anna Juszczyszyn .
Tokens: 1______ 2__ 3_ 4__ 5_______ 6 7_____ 8___ 9__________ 10

Chunks:
  TruePositive nam [8,9] = Anna Juszczyszyn

(ChunkerEvaluator) Sentence #10554 from articles/00107832 from sent38

Text  : - Najgorsze jest to , że spór dotyczy rozbudowy o  nową część ,  tymczasem destrukcji ulega zabudowa historyczna .
Tokens: 1 2________ 3___ 4_ 5 6_ 7___ 8______ 9________ 10 11__ 12___ 13 14_______ 15________ 16___ 17______ 18_________ 19

Chunks:

2016-10-27 15:00:05,759 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 459 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107833.xml
(ChunkerEvaluator) Sentence #10555 from articles/00107833 from sent1

Text  : Gawra - nowy sklep turystyczny w centrum .
Tokens: 1____ 2 3___ 4____ 5__________ 6 7______ 8

Chunks:
  TruePositive nam [1,1] = Gawra

(ChunkerEvaluator) Sentence #10556 from articles/00107833 from sent2

Text  : W sam raz na wakacje
Tokens: 1 2__ 3__ 4_ 5______

Chunks:

(ChunkerEvaluator) Sentence #10557 from articles/00107833 from sent3

Text  : Przez lata na tyłach ulicy Kilińskiego działała Pizzeria Paradiso ,  a  od niedawna -  sklep turystyczny Gawra .
Tokens: 1____ 2___ 3_ 4_____ 5____ 6__________ 7_______ 8_______ 9_______ 10 11 12 13______ 14 15___ 16_________ 17___ 18

Chunks:
  TruePositive nam [6,6] = Kilińskiego
  TruePositive nam [8,9] = Pizzeria Paradiso
  TruePositive nam [17,17] = Gawra

(ChunkerEvaluator) Sentence #10558 from articles/00107833 from sent4

Text  : Znajdziemy tam wszystko , czego potrzeba do wakacyjnych eskapad -  plecaki ,  śpiwory ,  namioty ,  karimaty ,  odzież na wycieczkę ,  rower ,  czy pielgrzymkę .
Tokens: 1_________ 2__ 3_______ 4 5____ 6_______ 7_ 8__________ 9______ 10 11_____ 12 13_____ 14 15_____ 16 17______ 18 19____ 20 21_______ 22 23___ 24 25_ 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #10559 from articles/00107833 from sent5

Text  : W ostatnim czasie z białostockich galerii handlowych znikło kilka sklepów o  profilu outdoorowym .
Tokens: 1 2_______ 3_____ 4 5____________ 6______ 7_________ 8_____ 9____ 10_____ 11 12_____ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #10560 from articles/00107833 from sent6

Text  : Ale pojawił się za to może niewielki , ale z  dużym wyborem marek ,  sklep Gawra .
Tokens: 1__ 2______ 3__ 4_ 5_ 6___ 7________ 8 9__ 10 11___ 12_____ 13___ 14 15___ 16___ 17

Chunks:
  TruePositive nam [16,16] = Gawra

(ChunkerEvaluator) Sentence #10561 from articles/00107833 from sent7

Text  : Działa od niespełna dwóch miesięcy , a w tej chwili ma dużą dostawę sprzętu turystycznego ,  głównie namiotów ,  plecaków i  śpiworów .
Tokens: 1_____ 2_ 3________ 4____ 5_______ 6 7 8 9__ 10____ 11 12__ 13_____ 14_____ 15___________ 16 17_____ 18______ 19 20______ 21 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #10562 from articles/00107833 from sent8

Text  : Kilka marek można dostać w Białymstoku tylko i wyłącznie przy Kilińskiego ,  to m  .  in .  :  Milo ,  Fjord Nansen ,  HiMountain .
Tokens: 1____ 2____ 3____ 4_____ 5 6__________ 7____ 8 9________ 10__ 11_________ 12 13 14 15 16 17 18 19__ 20 21___ 22____ 23 24________ 25

Chunks:
  TruePositive nam [6,6] = Białymstoku
  TruePositive nam [11,11] = Kilińskiego
  TruePositive nam [19,19] = Milo
  TruePositive nam [21,22] = Fjord Nansen
  TruePositive nam [24,24] = HiMountain

(ChunkerEvaluator) Sentence #10563 from articles/00107833 from sent9

Text  : Są też rzeczy takich firm , jak : Bergson ,  Hannah ,  Campus ,  Alpinus ,  Stoor ,  Arctica ,  K2Sport Trezeta ,  Merrell ,  Deuter czy Edelrid .
Tokens: 1_ 2__ 3_____ 4_____ 5___ 6 7__ 8 9______ 10 11____ 12 13____ 14 15_____ 16 17___ 18 19_____ 20 21_____ 22_____ 23 24_____ 25 26____ 27_ 28_____ 29

Chunks:
  TruePositive nam [9,9] = Bergson
  TruePositive nam [11,11] = Hannah
  TruePositive nam [13,13] = Campus
  TruePositive nam [15,15] = Alpinus
  TruePositive nam [21,22] = K2Sport Trezeta
  TruePositive nam [24,24] = Merrell
  TruePositive nam [26,26] = Deuter
  FalseNegative nam [17,17] = Stoor
  FalseNegative nam [19,19] = Arctica
  FalseNegative nam [28,28] = Edelrid

(ChunkerEvaluator) Sentence #10564 from articles/00107833 from sent10

Text  : - Stawiamy przede wszystkim na kontakt z klientem , aby dobrać jak najlepszy sprzęt ,  obuwie czy odzież do jego potrzeb .
Tokens: 1 2_______ 3_____ 4________ 5_ 6______ 7 8_______ 9 10_ 11____ 12_ 13_______ 14____ 15 16____ 17_ 18____ 19 20__ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #10565 from articles/00107833 from sent11

Text  : Jesteśmy też tak umówieni z producentami , że zawsze możemy sprowadzić konkretny produkt na indywidualne życzenie .
Tokens: 1_______ 2__ 3__ 4_______ 5 6___________ 7 8_ 9_____ 10____ 11________ 12_______ 13_____ 14 15__________ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #10566 from articles/00107833 from sent12

Text  : Dość długo pracujemy w tej branży i potrafimy odpowiednio doradzić -  mówi Magdalena Misiejuk ,  właścicielka sklepu .
Tokens: 1___ 2____ 3________ 4 5__ 6_____ 7 8________ 9__________ 10______ 11 12__ 13_______ 14______ 15 16__________ 17____ 18

Chunks:
  TruePositive nam [13,14] = Magdalena Misiejuk

(ChunkerEvaluator) Sentence #10567 from articles/00107833 from sent13

Text  : W tek chwili w Gawrze dostać można ponad 70 modeli plecaków i  dwa razy tyle śpiworów .
Tokens: 1 2__ 3_____ 4 5_____ 6_____ 7____ 8____ 9_ 10____ 11______ 12 13_ 14__ 15__ 16______ 17

Chunks:
  TruePositive nam [5,5] = Gawrze

(ChunkerEvaluator) Sentence #10568 from articles/00107833 from sent14

Text  : Na plecak można wydać od 69 do tysiąca zł ,  na śpiwór od 99 do 699 zł ,  przy czym ten ostatni to już puchowy śpiwór na wysokogórskie wyprawy .
Tokens: 1_ 2_____ 3____ 4____ 5_ 6_ 7_ 8______ 9_ 10 11 12____ 13 14 15 16_ 17 18 19__ 20__ 21_ 22_____ 23 24_ 25_____ 26____ 27 28___________ 29_____ 30

Chunks:
  TruePositive nam [9,9] = zł
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #10569 from articles/00107833 from sent15

Text  : Jest też sporo akcesoriów - noży , menażek , termosów ,  kompasów .
Tokens: 1___ 2__ 3____ 4_________ 5 6___ 7 8______ 9 10______ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #10570 from articles/00107833 from sent16

Text  : Są buty , kurtki , koszulki i spodenki do uprawiania sportów .
Tokens: 1_ 2___ 3 4_____ 5 6_______ 7 8_______ 9_ 10________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10571 from articles/00107833 from sent17

Text  : Dostaniemy tu kijki do nordic walking , magnezję dla wspinających się na ściance ,  a  nawet plenerowy prysznic i  foliowe pelerynki z  myślą o  pielgrzymach .
Tokens: 1_________ 2_ 3____ 4_ 5_____ 6______ 7 8_______ 9__ 10__________ 11_ 12 13_____ 14 15 16___ 17_______ 18______ 19 20_____ 21_______ 22 23___ 24 25__________ 26

Chunks:

(ChunkerEvaluator) Sentence #10572 from articles/00107833 from sent18

Text  : Chcesz aby śmy opisali nowy sklep , fajnie urządzony lokal lub inne fajne miejsce w  mieście i  okolicy ?
Tokens: 1_____ 2__ 3__ 4______ 5___ 6____ 7 8_____ 9________ 10___ 11_ 12__ 13___ 14_____ 15 16_____ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #10573 from articles/00107833 from sent19

Text  : Piszcie do nas :
Tokens: 1______ 2_ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #10574 from articles/00107833 from sent20

Text  : " > monika . kosz-koszewska @ bialystok . agora .  pl
Tokens: 1 2 3_____ 4 5_____________ 6 7________ 8 9____ 10 11

Chunks:
  TruePositive nam [3,11] = monika . kosz-koszewska @ bialystok . agora . pl

2016-10-27 15:00:05,858 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 460 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107834.xml
(ChunkerEvaluator) Sentence #10575 from articles/00107834 from sent1

Text  : „ Pierwszy raz cieszyli śmy się wspólnie , a nie zapalali śmy znicze .  .  .  .  ”
Tokens: 1 2_______ 3__ 4_______ 5__ 6__ 7_______ 8 9 10_ 11______ 12_ 13____ 14 15 16 17 18

Chunks:

(ChunkerEvaluator) Sentence #10576 from articles/00107834 from sent2

Text  : [ PUBLICYŚCI O EURO ]
Tokens: 1 2_________ 3 4___ 5

Chunks:
  TruePositive nam [4,4] = EURO

(ChunkerEvaluator) Sentence #10577 from articles/00107834 from sent3

Text  : - Pierwszy raz cieszyli śmy się wspólnie , a nie zapalali śmy znicze w  zbiorowym odruchu -  zwracała uwagę Janina Paradowska .
Tokens: 1 2_______ 3__ 4_______ 5__ 6__ 7_______ 8 9 10_ 11______ 12_ 13____ 14 15_______ 16_____ 17 18______ 19___ 20____ 21________ 22

Chunks:
  TruePositive nam [20,21] = Janina Paradowska

(ChunkerEvaluator) Sentence #10578 from articles/00107834 from sent4

Text  : - Przegrzanie martyrologiczne było tak znaczne , że pojawiła się naturalna potrzeba radości -  uważa prof .  Michał Komar .
Tokens: 1 2__________ 3______________ 4___ 5__ 6______ 7 8_ 9_______ 10_ 11_______ 12______ 13_____ 14 15___ 16__ 17 18____ 19___ 20

Chunks:
  TruePositive nam [18,19] = Michał Komar

(ChunkerEvaluator) Sentence #10579 from articles/00107834 from sent5

Text  : - Zrobili śmy coś bez zarzutu na skalę europejską .
Tokens: 1 2______ 3__ 4__ 5__ 6______ 7_ 8____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #10580 from articles/00107834 from sent6

Text  : Będziemy chcieli więcej - dodał Andrzej Godlewski .
Tokens: 1_______ 2______ 3_____ 4 5____ 6______ 7________ 8

Chunks:
  TruePositive nam [6,7] = Andrzej Godlewski

(ChunkerEvaluator) Sentence #10581 from articles/00107834 from sent7

Text  : Publicyści podsumowywali Euro w Polsce .
Tokens: 1_________ 2____________ 3___ 4 5_____ 6

Chunks:
  TruePositive nam [3,3] = Euro
  TruePositive nam [5,5] = Polsce

(ChunkerEvaluator) Sentence #10582 from articles/00107834 from sent8

Text  : Wieczorny półfinał Niemcy - Włochy kończy Euro w Polsce .
Tokens: 1________ 2_______ 3_____ 4 5_____ 6_____ 7___ 8 9_____ 10

Chunks:
  TruePositive nam [3,3] = Niemcy
  TruePositive nam [5,5] = Włochy
  TruePositive nam [7,7] = Euro
  TruePositive nam [9,9] = Polsce

(ChunkerEvaluator) Sentence #10583 from articles/00107834 from sent9

Text  : Co się udało ?
Tokens: 1_ 2__ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #10584 from articles/00107834 from sent10

Text  : Jak oceniana jest nasza organizacja ?
Tokens: 1__ 2_______ 3___ 4____ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #10585 from articles/00107834 from sent11

Text  : - To było fantastyczne - chwali prof . Michał Komar z  Collegium Civitas .
Tokens: 1 2_ 3___ 4___________ 5 6_____ 7___ 8 9_____ 10___ 11 12_______ 13_____ 14

Chunks:
  TruePositive nam [9,10] = Michał Komar
  TruePositive nam [12,13] = Collegium Civitas

(ChunkerEvaluator) Sentence #10586 from articles/00107834 from sent12

Text  : - Pomijam incydenty ( bójki przed meczem - red .  )  rosyjsko -  polskie i  polityczne wybuchy idiotyzmu ze strony niektórych .
Tokens: 1 2______ 3________ 4 5____ 6____ 7_____ 8 9__ 10 11 12______ 13 14_____ 15 16________ 17_____ 18_______ 19 20____ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #10587 from articles/00107834 from sent13

Text  : Stało się coś niezwykłego .
Tokens: 1____ 2__ 3__ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #10588 from articles/00107834 from sent14

Text  : Nie mieli śmy żadnej zapaści organizacyjnej , nie słyszeli śmy o  żadnym zamęcie komunikacyjnym ,  problemach z  cateringiem ,  służby funkcjonowały skutecznie ,  był porządek .
Tokens: 1__ 2____ 3__ 4_____ 5______ 6_____________ 7 8__ 9_______ 10_ 11 12____ 13_____ 14____________ 15 16________ 17 18_________ 19 20____ 21___________ 22________ 23 24_ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #10589 from articles/00107834 from sent15

Text  : Możemy być bardzo , bardzo zadowoleni .
Tokens: 1_____ 2__ 3_____ 4 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #10590 from articles/00107834 from sent16

Text  : Daj Boże , żeby ta skuteczność przeniosła się na nasze życie codzienne -  mówił Komar .
Tokens: 1__ 2___ 3 4___ 5_ 6__________ 7_________ 8__ 9_ 10___ 11___ 12_______ 13 14___ 15___ 16

Chunks:
  TruePositive nam [2,2] = Boże
  TruePositive nam [15,15] = Komar

(ChunkerEvaluator) Sentence #10591 from articles/00107834 from sent17

Text  : - Żyć bez euro będzie pewnie trudno - westchnął Andrzej Godlewski z  TVP .
Tokens: 1 2__ 3__ 4___ 5_____ 6_____ 7_____ 8 9________ 10_____ 11_______ 12 13_ 14

Chunks:
  TruePositive nam [4,4] = euro
  TruePositive nam [10,11] = Andrzej Godlewski
  TruePositive nam [13,13] = TVP

(ChunkerEvaluator) Sentence #10592 from articles/00107834 from sent18

Text  : „ Polacy zrobili coś na skalę europejską bez zarzutu .
Tokens: 1 2_____ 3______ 4__ 5_ 6____ 7_________ 8__ 9______ 10

Chunks:
  TruePositive nam [2,2] = Polacy

(ChunkerEvaluator) Sentence #10593 from articles/00107834 from sent19

Text  : Chcemy więcej ”
Tokens: 1_____ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #10594 from articles/00107834 from sent20

Text  : - A czy w nas się coś zmieniło ?
Tokens: 1 2 3__ 4 5__ 6__ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #10595 from articles/00107834 from sent21

Text  : Pierwszy raz cieszyli śmy się wspólnie , a nie zapalali śmy znicze w  zbiorowym odruchu i  nie przewiązywali śmy sztandarów narodowych kirem -  zwracała uwagę Janina Paradowska .
Tokens: 1_______ 2__ 3_______ 4__ 5__ 6_______ 7 8 9__ 10______ 11_ 12____ 13 14_______ 15_____ 16 17_ 18___________ 19_ 20________ 21________ 22___ 23 24______ 25___ 26____ 27________ 28

Chunks:
  TruePositive nam [26,27] = Janina Paradowska

(ChunkerEvaluator) Sentence #10596 from articles/00107834 from sent22

Text  : - Jedno jest skutkiem drugiego .
Tokens: 1 2____ 3___ 4_______ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10597 from articles/00107834 from sent23

Text  : Przegrzanie martyrologiczne było tak znaczne , że pojawiła się naturalna potrzeba radości -  uważa Komar .
Tokens: 1__________ 2______________ 3___ 4__ 5______ 6 7_ 8_______ 9__ 10_______ 11______ 12_____ 13 14___ 15___ 16

Chunks:
  TruePositive nam [15,15] = Komar

(ChunkerEvaluator) Sentence #10598 from articles/00107834 from sent24

Text  : - To było zupełnie inne poczucie wspólnoty .
Tokens: 1 2_ 3___ 4_______ 5___ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #10599 from articles/00107834 from sent25

Text  : Wiemy , co się działo w dużych miastach , ale my jako Telewizja Polska mieli śmy akcję powiatowych stref kibica -  mówił Godlewski .
Tokens: 1____ 2 3_ 4__ 5_____ 6 7_____ 8_______ 9 10_ 11 12__ 13_______ 14____ 15___ 16_ 17___ 18_________ 19___ 20____ 21 22___ 23_______ 24

Chunks:
  TruePositive nam [13,14] = Telewizja Polska
  TruePositive nam [23,23] = Godlewski

(ChunkerEvaluator) Sentence #10600 from articles/00107834 from sent26

Text  : - Jeździły ciężarówki z wielkim ekranem i tam też gromadziło się tysiące ludzi .
Tokens: 1 2_______ 3_________ 4 5______ 6______ 7 8__ 9__ 10________ 11_ 12_____ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #10601 from articles/00107834 from sent27

Text  : To było poczucie , że to się dzieje w Polsce ,  że razem możemy coś świętować .
Tokens: 1_ 2___ 3_______ 4 5_ 6_ 7__ 8_____ 9 10____ 11 12 13___ 14____ 15_ 16_______ 17

Chunks:
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #10602 from articles/00107834 from sent28

Text  : Polacy zrobili coś na skalę europejską bez zarzutu , a  nawet bardzo dobrze .
Tokens: 1_____ 2______ 3__ 4_ 5____ 6_________ 7__ 8______ 9 10 11___ 12____ 13____ 14

Chunks:
  TruePositive nam [1,1] = Polacy

(ChunkerEvaluator) Sentence #10603 from articles/00107834 from sent29

Text  : Teraz jest tęsknota , że możemy jeszcze coś zrobić -  dodał .
Tokens: 1____ 2___ 3_______ 4 5_ 6_____ 7______ 8__ 9_____ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #10604 from articles/00107834 from sent30

Text  : - Do tej słodkiej listy dodam jeszcze falę niesłychanie pozytywnych recenzji w  zagranicznej prasie .
Tokens: 1 2_ 3__ 4_______ 5____ 6____ 7______ 8___ 9___________ 10_________ 11______ 12 13__________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #10605 from articles/00107834 from sent31

Text  : Jak się czyta relacje reporterów , to miód , miód -  wszyscy są zachwyceni od strony społecznej i  kulturowej !  -  opowiadał Adam Szostkiewicz z  „  Polityki ”  .
Tokens: 1__ 2__ 3____ 4______ 5_________ 6 7_ 8___ 9 10__ 11 12_____ 13 14________ 15 16____ 17________ 18 19________ 20 21 22_______ 23__ 24__________ 25 26 27______ 28 29

Chunks:
  TruePositive nam [23,24] = Adam Szostkiewicz
  TruePositive nam [27,27] = Polityki

2016-10-27 15:00:05,975 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 461 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107835.xml
(ChunkerEvaluator) Sentence #10606 from articles/00107835 from sent1

Text  : Dwóch zamaskowanych mężczyzn napadło na stację w Sukowie
Tokens: 1____ 2____________ 3_______ 4______ 5_ 6_____ 7 8______

Chunks:
  FalseNegative nam [8,8] = Sukowie

(ChunkerEvaluator) Sentence #10607 from articles/00107835 from sent2

Text  : Dwóch mężczyzn napadło w poniedziałek wieczorem na stację tankowania gazu w  Sukowie .
Tokens: 1____ 2_______ 3______ 4 5___________ 6________ 7_ 8_____ 9_________ 10__ 11 12_____ 13

Chunks:
  TruePositive nam [12,12] = Sukowie

(ChunkerEvaluator) Sentence #10608 from articles/00107835 from sent3

Text  : Na głowach mieli naciągnięte pończochy .
Tokens: 1_ 2______ 3____ 4__________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10609 from articles/00107835 from sent4

Text  : Odjechali białym autem
Tokens: 1________ 2_____ 3____

Chunks:

(ChunkerEvaluator) Sentence #10610 from articles/00107835 from sent5

Text  : Napad na stację w Sukowie
Tokens: 1____ 2_ 3_____ 4 5______

Chunks:
  FalseNegative nam [5,5] = Sukowie

(ChunkerEvaluator) Sentence #10611 from articles/00107835 from sent6

Text  : Uciekli białym autem
Tokens: 1______ 2_____ 3____

Chunks:

(ChunkerEvaluator) Sentence #10612 from articles/00107835 from sent7

Text  : Dwóch zamaskowanych mężczyzn napadło na stację tankowania gazu w Sukowie .
Tokens: 1____ 2____________ 3_______ 4______ 5_ 6_____ 7_________ 8___ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Sukowie

(ChunkerEvaluator) Sentence #10613 from articles/00107835 from sent8

Text  : Na głowach mieli naciągnięte pończochy .
Tokens: 1_ 2______ 3____ 4__________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10614 from articles/00107835 from sent9

Text  : Odjechali białym autem
Tokens: 1________ 2_____ 3____

Chunks:

(ChunkerEvaluator) Sentence #10615 from articles/00107835 from sent10

Text  : Do zdarzenia doszło w poniedziałek o godz . 21 .
Tokens: 1_ 2________ 3_____ 4 5___________ 6 7___ 8 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #10616 from articles/00107835 from sent11

Text  : Dwóch napastników wtargnęło do budki przy stacji tankowania gazem .
Tokens: 1____ 2__________ 3________ 4_ 5____ 6___ 7_____ 8_________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #10617 from articles/00107835 from sent12

Text  : Na głowach mieli naciągnięte pończochy .
Tokens: 1_ 2______ 3____ 4__________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10618 from articles/00107835 from sent13

Text  : - Stację obsługiwała 38 - letnia kobieta .
Tokens: 1 2_____ 3__________ 4_ 5 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #10619 from articles/00107835 from sent14

Text  : Sprawcy uderzyli ją w twarz i ukradli telefon komórkowy oraz paralizator -  opowiada Monika Wierzbicka ,  oficer prasowy komendanta miejskiego policji w  Kielcach .
Tokens: 1______ 2_______ 3_ 4 5____ 6 7______ 8______ 9________ 10__ 11_________ 12 13______ 14____ 15________ 16 17____ 18_____ 19________ 20________ 21_____ 22 23______ 24

Chunks:
  TruePositive nam [14,15] = Monika Wierzbicka
  TruePositive nam [23,23] = Kielcach

(ChunkerEvaluator) Sentence #10620 from articles/00107835 from sent15

Text  : Wartość łupu to około 680 zł .
Tokens: 1______ 2___ 3_ 4____ 5__ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #10621 from articles/00107835 from sent16

Text  : Złodzieje odjechali białym autem typu kombi .
Tokens: 1________ 2________ 3_____ 4____ 5___ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10622 from articles/00107835 from sent17

Text  : - Z relacji kobiety wynika , że samochód nie miał tablic rejestracyjnych .
Tokens: 1 2 3______ 4______ 5_____ 6 7_ 8_______ 9__ 10__ 11____ 12_____________ 13

Chunks:

(ChunkerEvaluator) Sentence #10623 from articles/00107835 from sent18

Text  : Poszkodowana nie rozpoznała marki auta - dodała Monika Wierzbicka .
Tokens: 1___________ 2__ 3_________ 4____ 5___ 6 7_____ 8_____ 9_________ 10

Chunks:
  TruePositive nam [8,9] = Monika Wierzbicka

(ChunkerEvaluator) Sentence #10624 from articles/00107835 from sent19

Text  : Sprawców poszukują policjanci z Bielin .
Tokens: 1_______ 2________ 3_________ 4 5_____ 6

Chunks:
  TruePositive nam [5,5] = Bielin

2016-10-27 15:00:06,027 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 462 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107836.xml
(ChunkerEvaluator) Sentence #10625 from articles/00107836 from sent1

Text  : Sondaż : inwazja na Irak na przełomie stycznia i lutego (  krótka )
Tokens: 1_____ 2 3______ 4_ 5___ 6_ 7________ 8_______ 9 10____ 11 12____ 13

Chunks:
  TruePositive nam [5,5] = Irak
  FalsePositive nam [1,1] = Sondaż

(ChunkerEvaluator) Sentence #10626 from articles/00107836 from sent2

Text  : 10 . 12 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #10627 from articles/00107836 from sent3

Text  : Londyn ( PAP / Reuters ) - W przeprowadzonym przez agencję Reuters sondażu ,  10 z  18 ekspertów oceniło ,  że wojna z  Irakiem jest bardzo prawdopodobna ,  zaś sześciu ,  że szanse są 50 -  50 ,  podano we wtorek
Tokens: 1_____ 2 3__ 4 5______ 6 7 8 9______________ 10___ 11_____ 12_____ 13_____ 14 15 16 17 18_______ 19_____ 20 21 22___ 23 24_____ 25__ 26____ 27___________ 28 29_ 30_____ 31 32 33____ 34 35 36 37 38 39____ 40 41____

Chunks:
  TruePositive nam [1,1] = Londyn
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,5] = Reuters
  TruePositive nam [12,12] = Reuters
  TruePositive nam [24,24] = Irakiem

(ChunkerEvaluator) Sentence #10628 from articles/00107836 from sent4

Text  : Inwazja na Irak według ekspertów rozpocznie się na przełomie stycznia i  lutego ,  większość z  nich zgadza się ,  że skończy się w  ciągu trzech miesięcy .  (  PAP )  bjn /  ro /  raf /
Tokens: 1______ 2_ 3___ 4_____ 5________ 6_________ 7__ 8_ 9________ 10______ 11 12____ 13 14_______ 15 16__ 17____ 18_ 19 20 21_____ 22_ 23 24___ 25____ 26______ 27 28 29_ 30 31_ 32 33 34 35_ 36

Chunks:
  TruePositive nam [3,3] = Irak
  TruePositive nam [29,29] = PAP

2016-10-27 15:00:06,054 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 463 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107837.xml
(ChunkerEvaluator) Sentence #10629 from articles/00107837 from sent1

Text  : Pijani w Wiśle : jeden utonął , dwóch uratowanych
Tokens: 1_____ 2 3____ 4 5____ 6_____ 7 8____ 9__________

Chunks:
  TruePositive nam [3,3] = Wiśle

(ChunkerEvaluator) Sentence #10630 from articles/00107837 from sent2

Text  : Na dużej bani trzej młodzi ludzie weszli dziś do Wisły w  Grudziądzu .
Tokens: 1_ 2____ 3___ 4____ 5_____ 6_____ 7_____ 8___ 9_ 10___ 11 12________ 13

Chunks:
  TruePositive nam [10,10] = Wisły
  TruePositive nam [12,12] = Grudziądzu

(ChunkerEvaluator) Sentence #10631 from articles/00107837 from sent3

Text  : Orzeźwiająca kąpiel nie była udana : jeden utonął , dwóch ocalało .
Tokens: 1___________ 2_____ 3__ 4___ 5____ 6 7____ 8_____ 9 10___ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10632 from articles/00107837 from sent4

Text  : Około godziny 6 . 40 na telefon alarmowy grudziądzkiej policji zadzwonił mężczyzna łowiący ryby w  Wiśle i  powiedział ,  że widzi trzech młodych mężczyzn kąpiących się w  rzece .
Tokens: 1____ 2______ 3 4 5_ 6_ 7______ 8_______ 9____________ 10_____ 11_______ 12_______ 13_____ 14__ 15 16___ 17 18________ 19 20 21___ 22____ 23_____ 24______ 25_______ 26_ 27 28___ 29

Chunks:
  TruePositive nam [16,16] = Wiśle

(ChunkerEvaluator) Sentence #10633 from articles/00107837 from sent5

Text  : Policjanci pojechali na miejsce .
Tokens: 1_________ 2________ 3_ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #10634 from articles/00107837 from sent6

Text  : Jednego z kąpiących porwał nurt , przepłynął już ok .  800 metrów ,  policjantom udało się go wyciągnąć z  rzeki .
Tokens: 1______ 2 3________ 4_____ 5___ 6 7_________ 8__ 9_ 10 11_ 12____ 13 14_________ 15___ 16_ 17 18_______ 19 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #10635 from articles/00107837 from sent7

Text  : Drugi z mężczyzn wyszedł z wody o własnych siłach .
Tokens: 1____ 2 3_______ 4______ 5 6___ 7 8_______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #10636 from articles/00107837 from sent8

Text  : Trzeci 24 - letni nie wypłynął .
Tokens: 1_____ 2_ 3 4____ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #10637 from articles/00107837 from sent9

Text  : Zarządzono poszukiwania .
Tokens: 1_________ 2___________ 3

Chunks:

(ChunkerEvaluator) Sentence #10638 from articles/00107837 from sent10

Text  : Sprowadzono robota badającego dno rzeki .
Tokens: 1__________ 2_____ 3_________ 4__ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #10639 from articles/00107837 from sent11

Text  : Strażacy z Grudziądza , Torunia i strażacy - płetwonurkowie z  Włocławka sprawdzali rzekę .
Tokens: 1_______ 2 3_________ 4 5______ 6 7_______ 8 9_____________ 10 11_______ 12________ 13___ 14

Chunks:
  TruePositive nam [3,3] = Grudziądza
  TruePositive nam [5,5] = Torunia
  TruePositive nam [11,11] = Włocławka

(ChunkerEvaluator) Sentence #10640 from articles/00107837 from sent12

Text  : Policjanci na motorówce penetrowali rzekę i jej brzegi .
Tokens: 1_________ 2_ 3________ 4__________ 5____ 6 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #10641 from articles/00107837 from sent13

Text  : Poszukiwania przerwała burza - mają być wznowione jak tylko będzie to możliwe .
Tokens: 1___________ 2________ 3____ 4 5___ 6__ 7________ 8__ 9____ 10____ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #10642 from articles/00107837 from sent14

Text  : Dwaj uratowani mężczyźni byli pijani .
Tokens: 1___ 2________ 3________ 4___ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #10643 from articles/00107837 from sent15

Text  : Jeden z nich miał w organizmie prawie 1 , 5  promila alkoholu ,  drugi prawie 2  promile .
Tokens: 1____ 2 3___ 4___ 5 6_________ 7_____ 8 9 10 11_____ 12______ 13 14___ 15____ 16 17_____ 18

Chunks:

2016-10-27 15:00:06,110 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 464 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107838.xml
(ChunkerEvaluator) Sentence #10644 from articles/00107838 from sent1

Text  : W wakacje 162 autobusy mniej .
Tokens: 1 2______ 3__ 4_______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #10645 from articles/00107838 from sent2

Text  : Zmiany rozkładów
Tokens: 1_____ 2________

Chunks:

(ChunkerEvaluator) Sentence #10646 from articles/00107838 from sent3

Text  : Mniej zawieszonych linii tego lata , za to bardzo dużo odwołanych kursów nawet na obleganych trasach .
Tokens: 1____ 2___________ 3____ 4___ 5___ 6 7_ 8_ 9_____ 10__ 11________ 12____ 13___ 14 15________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #10647 from articles/00107838 from sent4

Text  : Od poniedziałku obowiązują wakacyjne rozkłady jazdy
Tokens: 1_ 2___________ 3_________ 4________ 5_______ 6____

Chunks:

(ChunkerEvaluator) Sentence #10648 from articles/00107838 from sent5

Text  : Zarząd Transportu Miejskiego pytany o dużą skalę zmian tłumaczy je przede wszystkim spadkiem liczby pasażerów w  sezonie urlopowym ,  ale nie tylko .
Tokens: 1_____ 2_________ 3_________ 4_____ 5 6___ 7____ 8____ 9_______ 10 11____ 12_______ 13______ 14____ 15_______ 16 17_____ 18_______ 19 20_ 21_ 22___ 23

Chunks:
  FalsePositive nam [2,3] = Transportu Miejskiego
  FalseNegative nam [1,3] = Zarząd Transportu Miejskiego

(ChunkerEvaluator) Sentence #10649 from articles/00107838 from sent6

Text  : Dochodzą też ograniczenia budżetowe i brak rezerwowych autobusów , bo wiele z  nich wykorzystano na objazdach ,  zwłaszcza budowy II linii metra .
Tokens: 1_______ 2__ 3___________ 4________ 5 6___ 7__________ 8________ 9 10 11___ 12 13__ 14__________ 15 16_______ 17 18_______ 19____ 20 21___ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #10650 from articles/00107838 from sent7

Text  : Dlaczego więc aż dwukrotnie rzadziej mają kursować linie 105 i  109 ,  które przed rokiem ZTM uruchomił właśnie po to ,  by ułatwić dojazd z  Woli i  Bemowa podczas prac na ul .  Prostej i  Świętokrzyskiej .
Tokens: 1_______ 2___ 3_ 4_________ 5_______ 6___ 7_______ 8____ 9__ 10 11_ 12 13___ 14___ 15____ 16_ 17_______ 18_____ 19 20 21 22 23_____ 24____ 25 26__ 27 28____ 29_____ 30__ 31 32 33 34_____ 35 36_____________ 37

Chunks:
  TruePositive nam [16,16] = ZTM
  TruePositive nam [26,26] = Woli
  TruePositive nam [28,28] = Bemowa
  TruePositive nam [36,36] = Świętokrzyskiej
  FalseNegative nam [34,34] = Prostej

(ChunkerEvaluator) Sentence #10651 from articles/00107838 from sent8

Text  : - Częstotliwość kursów jest adekwatna do spodziewanego spadku liczby osób korzystających z  obu linii -  odpowiedziała nam Magdalena Potocka z  biura prasowego ZTM .
Tokens: 1 2____________ 3_____ 4___ 5________ 6_ 7____________ 8_____ 9_____ 10__ 11____________ 12 13_ 14___ 15 16___________ 17_ 18_______ 19_____ 20 21___ 22_______ 23_ 24

Chunks:
  TruePositive nam [18,19] = Magdalena Potocka
  TruePositive nam [23,23] = ZTM

(ChunkerEvaluator) Sentence #10652 from articles/00107838 from sent9

Text  : W zeszłoroczne wakacje 105 i 109 kursowały w szczycie co 6  -  7  min ,  a  teraz będą jeździły raz na 8  min zamiast co 4  min jak w  czerwcu .
Tokens: 1 2___________ 3______ 4__ 5 6__ 7________ 8 9_______ 10 11 12 13 14_ 15 16 17___ 18__ 19______ 20_ 21 22 23_ 24_____ 25 26 27_ 28_ 29 30_____ 31

Chunks:

(ChunkerEvaluator) Sentence #10653 from articles/00107838 from sent10

Text  : Cięcia dotknęły też najbardziej zatłoczone linie , np . 131 ,  180 ,  189 ,  500 czy 507 .
Tokens: 1_____ 2_______ 3__ 4__________ 5_________ 6____ 7 8_ 9 10_ 11 12_ 13 14_ 15 16_ 17_ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #10654 from articles/00107838 from sent11

Text  : Magdalena Potocka przekonuje , że w tym przypadku różnice w  rozkładach nie są duże i  kursy w  godzinach szczytu będą rzadsze o  2  -  3  min .
Tokens: 1________ 2______ 3_________ 4 5_ 6 7__ 8________ 9______ 10 11________ 12_ 13 14__ 15 16___ 17 18_______ 19_____ 20__ 21_____ 22 23 24 25 26_ 27

Chunks:
  TruePositive nam [1,2] = Magdalena Potocka

(ChunkerEvaluator) Sentence #10655 from articles/00107838 from sent12

Text  : Podkreśla też , że ZTM starał się zawiesić na wakacje jak najmniej linii .
Tokens: 1________ 2__ 3 4_ 5__ 6_____ 7__ 8_______ 9_ 10_____ 11_ 12______ 13___ 14

Chunks:
  TruePositive nam [5,5] = ZTM

(ChunkerEvaluator) Sentence #10656 from articles/00107838 from sent13

Text  : Zawieszone linie
Tokens: 1_________ 2____

Chunks:

(ChunkerEvaluator) Sentence #10657 from articles/00107838 from sent14

Text  : W zeszłym roku ZTM zawiesił dziesięć linii , z tym że po skargach pasażerów już w  połowie lipca przywrócił linię 415 z  Rembertowa .
Tokens: 1 2______ 3___ 4__ 5_______ 6_______ 7____ 8 9 10_ 11 12 13______ 14_______ 15_ 16 17_____ 18___ 19________ 20___ 21_ 22 23________ 24

Chunks:
  TruePositive nam [4,4] = ZTM
  TruePositive nam [23,23] = Rembertowa

(ChunkerEvaluator) Sentence #10658 from articles/00107838 from sent15

Text  : Inaczej niż w poprzednich latach tym razem na wakacje zostaje E  -  2  ,  czyli ulubiony ekspres mieszkańców Bemowa ,  Stegien i  Wilanowa .
Tokens: 1______ 2__ 3 4__________ 5_____ 6__ 7____ 8_ 9______ 10_____ 11 12 13 14 15___ 16______ 17_____ 18_________ 19____ 20 21_____ 22 23______ 24

Chunks:
  TruePositive nam [19,19] = Bemowa
  TruePositive nam [21,21] = Stegien
  TruePositive nam [23,23] = Wilanowa
  FalseNegative nam [11,13] = E - 2

(ChunkerEvaluator) Sentence #10659 from articles/00107838 from sent16

Text  : Zmiany w rozkładach
Tokens: 1_____ 2 3_________

Chunks:

(ChunkerEvaluator) Sentence #10660 from articles/00107838 from sent17

Text  : Dodatkowe kursy
Tokens: 1________ 2____

Chunks:

(ChunkerEvaluator) Sentence #10661 from articles/00107838 from sent18

Text  : Również codziennie w lipcu i sierpniu pływają trzy bezpłatne promy przez Wisłę oraz tramwaj wodny Wars z  przystani na Podzamczu .
Tokens: 1______ 2_________ 3 4____ 5 6_______ 7______ 8___ 9________ 10___ 11___ 12___ 13__ 14_____ 15___ 16__ 17 18_______ 19 20_______ 21

Chunks:
  TruePositive nam [12,12] = Wisłę
  TruePositive nam [16,16] = Wars
  TruePositive nam [20,20] = Podzamczu

(ChunkerEvaluator) Sentence #10662 from articles/00107838 from sent19

Text  : W soboty i niedziele nadal odpływa stamtąd statek „ Zefir ”  do Serocka .
Tokens: 1 2_____ 3 4________ 5____ 6______ 7______ 8_____ 9 10___ 11 12 13_____ 14

Chunks:
  TruePositive nam [10,10] = Zefir
  TruePositive nam [13,13] = Serocka

(ChunkerEvaluator) Sentence #10663 from articles/00107838 from sent20

Text  : Zmienione trasy
Tokens: 1________ 2____

Chunks:

2016-10-27 15:00:06,305 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 465 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107839.xml
(ChunkerEvaluator) Sentence #10664 from articles/00107839 from sent1

Text  : Znamy wyniki matury .
Tokens: 1____ 2_____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #10665 from articles/00107839 from sent2

Text  : Zobacz jak poszło w szkołach
Tokens: 1_____ 2__ 3_____ 4 5_______

Chunks:

(ChunkerEvaluator) Sentence #10666 from articles/00107839 from sent3

Text  : Nazaret z języka polskiego i I Prywatne Liceum Ogólnokształcące z  matematyki i  języka angielskiego -  uczniowie tych szkół osiągnęli najlepsze wyniki z  przedmiotów obowiązkowych tegorocznej matury .
Tokens: 1______ 2 3_____ 4________ 5 6 7_______ 8_____ 9_______________ 10 11________ 12 13____ 14__________ 15 16_______ 17__ 18___ 19_______ 20_______ 21____ 22 23_________ 24___________ 25_________ 26____ 27

Chunks:
  TruePositive nam [6,9] = I Prywatne Liceum Ogólnokształcące
  FalseNegative nam [1,1] = Nazaret

(ChunkerEvaluator) Sentence #10667 from articles/00107839 from sent4

Text  : W poniedziałek Okręgowa Komisja Egzaminacyjna opublikowała średnie wyniki osiągane przez maturzystów z  poszczególnych szkół z  przedmiotów obowiązkowych .
Tokens: 1 2___________ 3_______ 4______ 5____________ 6___________ 7______ 8_____ 9_______ 10___ 11_________ 12 13____________ 14___ 15 16_________ 17___________ 18

Chunks:
  TruePositive nam [3,5] = Okręgowa Komisja Egzaminacyjna

(ChunkerEvaluator) Sentence #10668 from articles/00107839 from sent5

Text  : Wśród kieleckich placówek na maturze z języka polskiego najlepiej wypadli abiturienci z  Liceum im .  św .  Jadwigi Królowej .
Tokens: 1____ 2_________ 3_______ 4_ 5______ 6 7_____ 8________ 9________ 10_____ 11_________ 12 13____ 14 15 16 17 18_____ 19______ 20

Chunks:
  TruePositive nam [13,19] = Liceum im . św . Jadwigi Królowej

(ChunkerEvaluator) Sentence #10669 from articles/00107839 from sent6

Text  : Średnio uczniowie zdobyli tam 50 , 25 punktu na 70 możliwych do zdobycia .
Tokens: 1______ 2________ 3______ 4__ 5_ 6 7_ 8_____ 9_ 10 11_______ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #10670 from articles/00107839 from sent7

Text  : Tuż za nimi są maturzyści z VI Liceum Ogólnokształcącego im .  Słowackiego -  47 ,  35 pkt .
Tokens: 1__ 2_ 3___ 4_ 5_________ 6 7_ 8_____ 9_________________ 10 11 12_________ 13 14 15 16 17_ 18

Chunks:
  TruePositive nam [7,12] = VI Liceum Ogólnokształcącego im . Słowackiego

(ChunkerEvaluator) Sentence #10671 from articles/00107839 from sent8

Text  : Na egzaminie z matematyki najlepiej poradzili sobie maturzyści z I  Prywatnego LO .
Tokens: 1_ 2________ 3 4_________ 5________ 6________ 7____ 8_________ 9 10 11________ 12 13

Chunks:
  TruePositive nam [10,12] = I Prywatnego LO

(ChunkerEvaluator) Sentence #10672 from articles/00107839 from sent9

Text  : Średnio zdobyli 44 , 73 na 50 możliwych do uzyskania punktów .
Tokens: 1______ 2______ 3_ 4 5_ 6_ 7_ 8________ 9_ 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10673 from articles/00107839 from sent10

Text  : Uczniowie tej szkoły osiągnęli również najlepszy rezultat z matury z  j  .  angielskiego .
Tokens: 1________ 2__ 3_____ 4________ 5______ 6________ 7_______ 8 9_____ 10 11 12 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #10674 from articles/00107839 from sent11

Text  : - 46 , 17 pkt
Tokens: 1 2_ 3 4_ 5__

Chunks:

(ChunkerEvaluator) Sentence #10675 from articles/00107839 from sent12

Text  : Drugi wynik z matematyki osiągnęli licealiści ze „ Śniadka ”  -  43 ,  31 pkt .
Tokens: 1____ 2____ 3 4_________ 5________ 6_________ 7_ 8 9______ 10 11 12 13 14 15_ 16

Chunks:
  TruePositive nam [9,9] = Śniadka

(ChunkerEvaluator) Sentence #10676 from articles/00107839 from sent13

Text  : Ze szkół prowadzonych przez miasto język angielski najlepiej wypadł natomiast w  I  LO im .  Żeromskiego .
Tokens: 1_ 2____ 3___________ 4____ 5_____ 6____ 7________ 8________ 9_____ 10_______ 11 12 13 14 15 16_________ 17

Chunks:
  FalsePositive nam [13,16] = LO im . Żeromskiego
  FalseNegative nam [12,16] = I LO im . Żeromskiego

(ChunkerEvaluator) Sentence #10677 from articles/00107839 from sent14

Text  : Maturzyści zdobyli tam średnio 46 , 17 pkt .
Tokens: 1_________ 2______ 3__ 4______ 5_ 6 7_ 8__ 9

Chunks:

2016-10-27 15:00:06,361 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 466 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107840.xml
(ChunkerEvaluator) Sentence #10678 from articles/00107840 from sent1

Text  : Chiny mogą stać się trzecim rynkiem świata farmaceutyków
Tokens: 1____ 2___ 3___ 4__ 5______ 6______ 7_____ 8____________

Chunks:
  TruePositive nam [1,1] = Chiny

(ChunkerEvaluator) Sentence #10679 from articles/00107840 from sent2

Text  : Chiny w ciągu 2 - 3 lat mogą stać się trzecim po USA i  Japonii rynkiem farmaceutycznym świata -  zapowiedzieli chińscy specjaliści na zakończonym w  Wuhanie międzynarodowym forum ,  poświęconym technologiom biofarmaceutycznym .
Tokens: 1____ 2 3____ 4 5 6 7__ 8___ 9___ 10_ 11_____ 12 13_ 14 15_____ 16_____ 17_____________ 18____ 19 20___________ 21_____ 22_________ 23 24_________ 25 26_____ 27_____________ 28___ 29 30_________ 31__________ 32________________ 33

Chunks:
  TruePositive nam [1,1] = Chiny
  TruePositive nam [13,13] = USA
  TruePositive nam [15,15] = Japonii
  FalseNegative nam [26,26] = Wuhanie

(ChunkerEvaluator) Sentence #10680 from articles/00107840 from sent3

Text  : Według prognoz w 2020 roku ogólna wartość leków wytwarzanych przez chińską branżę farmaceutyczną powinna osiągnąć poziom 10 bln juanów (  około 5  ,  3  bln zł )  i  tym samym Chiny staną się drugim rynkiem leków na świecie -  podała agencja Xinhua .
Tokens: 1_____ 2______ 3 4___ 5___ 6_____ 7______ 8____ 9___________ 10___ 11_____ 12____ 13____________ 14_____ 15______ 16____ 17 18_ 19____ 20 21___ 22 23 24 25_ 26 27 28 29_ 30___ 31___ 32___ 33_ 34____ 35_____ 36___ 37 38_____ 39 40____ 41_____ 42____ 43

Chunks:
  TruePositive nam [26,26] = zł
  TruePositive nam [31,31] = Chiny
  FalseNegative nam [19,19] = juanów
  FalseNegative nam [42,42] = Xinhua

(ChunkerEvaluator) Sentence #10681 from articles/00107840 from sent4

Text  : Według ocen chińskich analityków branżowych , największy rozwój czeka grupę leków biologicznych .
Tokens: 1_____ 2___ 3________ 4_________ 5_________ 6 7_________ 8_____ 9____ 10___ 11___ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #10682 from articles/00107840 from sent5

Text  : Dziedzina ta przeszła - ich zdaniem - z fazy początkowej do dojrzałego etapu rozwoju .
Tokens: 1________ 2_ 3_______ 4 5__ 6______ 7 8 9___ 10_________ 11 12________ 13___ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #10683 from articles/00107840 from sent6

Text  : Tu jest wielka szansa dla chińskiego przemysłu , który dysponuje nowoczesnymi technologiami i  dużymi możliwościami produkcyjnymi .
Tokens: 1_ 2___ 3_____ 4_____ 5__ 6_________ 7________ 8 9____ 10_______ 11__________ 12___________ 13 14____ 15___________ 16___________ 17

Chunks:

(ChunkerEvaluator) Sentence #10684 from articles/00107840 from sent7

Text  : Obecnie , mimo dużego potencjału , Chińczycy wytwarzają leki ze średniego i  niskiego segmentu rynkowego .
Tokens: 1______ 2 3___ 4_____ 5_________ 6 7________ 8_________ 9___ 10 11_______ 12 13______ 14______ 15_______ 16

Chunks:
  TruePositive nam [7,7] = Chińczycy

(ChunkerEvaluator) Sentence #10685 from articles/00107840 from sent8

Text  : Wicedyrektor Państwowej Komisji Rozwoju i Reform Ren Weiliang zapowiedział ,  że rząd chiński podejmie działania zmierzające do wsparcia rozwoju firm ,  które mają plany i  możliwości produkowania leków z  górnego segmentu .
Tokens: 1___________ 2_________ 3______ 4______ 5 6_____ 7__ 8_______ 9___________ 10 11 12__ 13_____ 14______ 15_______ 16_________ 17 18______ 19_____ 20__ 21 22___ 23__ 24___ 25 26________ 27__________ 28___ 29 30_____ 31______ 32

Chunks:
  TruePositive nam [2,4] = Państwowej Komisji Rozwoju
  FalsePositive nam [6,8] = Reform Ren Weiliang
  FalseNegative nam [7,8] = Ren Weiliang

(ChunkerEvaluator) Sentence #10686 from articles/00107840 from sent9

Text  : Programem tym objęte zostaną przedsiębiorstwa o największym potencjale konkurencyjnym i  najbardziej innowacyjne firmy małe oraz średnie .
Tokens: 1________ 2__ 3_____ 4______ 5_______________ 6 7__________ 8_________ 9_____________ 10 11_________ 12_________ 13___ 14__ 15__ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #10687 from articles/00107840 from sent10

Text  : Od roku 2009 chiński rynek usług medycznych i produktów farmaceutycznych rośnie w  tempie przekraczającym 20 proc .  rocznie i  na Chiny przypada obecnie 20 proc .
Tokens: 1_ 2___ 3___ 4______ 5____ 6____ 7_________ 8 9________ 10______________ 11____ 12 13____ 14_____________ 15 16__ 17 18_____ 19 20 21___ 22______ 23_____ 24 25__ 26

Chunks:
  TruePositive nam [21,21] = Chiny

(ChunkerEvaluator) Sentence #10688 from articles/00107840 from sent11

Text  : światowego wzrostu sprzedaży leków .
Tokens: 1_________ 2______ 3________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #10689 from articles/00107840 from sent12

Text  : Z Pekinu Jacek Wan
Tokens: 1 2_____ 3____ 4__

Chunks:
  TruePositive nam [3,4] = Jacek Wan
  FalseNegative nam [2,2] = Pekinu

2016-10-27 15:00:06,429 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 467 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107841.xml
(ChunkerEvaluator) Sentence #10690 from articles/00107841 from sent1

Text  : Mistrz Polski sprzedaje karnety .
Tokens: 1_____ 2_____ 3________ 4______ 5

Chunks:
  FalsePositive nam [2,2] = Polski
  FalseNegative nam [1,2] = Mistrz Polski

(ChunkerEvaluator) Sentence #10691 from articles/00107841 from sent2

Text  : W sierpniu .
Tokens: 1 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #10692 from articles/00107841 from sent3

Text  : Ceny bez zmian
Tokens: 1___ 2__ 3____

Chunks:

(ChunkerEvaluator) Sentence #10693 from articles/00107841 from sent4

Text  : 20 sierpnia ruszy sprzedaż karnetów na mecze Asseco Resovii w  sezonie 2012 /  13 .
Tokens: 1_ 2_______ 3____ 4_______ 5_______ 6_ 7____ 8_____ 9______ 10 11_____ 12__ 13 14 15

Chunks:
  TruePositive nam [8,9] = Asseco Resovii

(ChunkerEvaluator) Sentence #10694 from articles/00107841 from sent5

Text  : Ceny wejściówek pozostają bez zmian .
Tokens: 1___ 2_________ 3________ 4__ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #10695 from articles/00107841 from sent6

Text  : Za najdroższe trzeba będzie zapłacić 500 zł , za najtańsze 400 zł .
Tokens: 1_ 2_________ 3_____ 4_____ 5_______ 6__ 7_ 8 9_ 10_______ 11_ 12 13

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #10696 from articles/00107841 from sent7

Text  : Jak co roku rezerwacja i sprzedaż karnetów na mecze Asseco Resovii podzielona zostanie na dwa etapy .
Tokens: 1__ 2_ 3___ 4_________ 5 6_______ 7_______ 8_ 9____ 10____ 11_____ 12________ 13______ 14 15_ 16___ 17

Chunks:
  TruePositive nam [10,11] = Asseco Resovii

(ChunkerEvaluator) Sentence #10697 from articles/00107841 from sent8

Text  : W pierwszym prawo do wykupienia swoich miejsc będą mieli kibice ,  którzy posiadali karnety w  poprzednim sezonie .
Tokens: 1 2________ 3____ 4_ 5_________ 6_____ 7_____ 8___ 9____ 10____ 11 12____ 13_______ 14_____ 15 16________ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #10698 from articles/00107841 from sent9

Text  : W drugim ruszy wolna sprzedaż .
Tokens: 1 2_____ 3____ 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10699 from articles/00107841 from sent10

Text  : Kibice , którzy w poprzednim sezonie kupili karnety , od 20 sierpnia do 9  września będą mogli zarezerwować swoje dotychczasowe miejsce także na kolejne rozgrywki .
Tokens: 1_____ 2 3_____ 4 5_________ 6______ 7_____ 8______ 9 10 11 12______ 13 14 15______ 16__ 17___ 18__________ 19___ 20___________ 21_____ 22___ 23 24_____ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #10700 from articles/00107841 from sent11

Text  : Jeśli tego nie zrobią , ich miejsca trafią do wolnej sprzedaży .
Tokens: 1____ 2___ 3__ 4_____ 5 6__ 7______ 8_____ 9_ 10____ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #10701 from articles/00107841 from sent12

Text  : Drugi etap sprzedaży rozpocznie się 12 września i zakończy się w  przeddzień startu PlusLigi .
Tokens: 1____ 2___ 3________ 4_________ 5__ 6_ 7_______ 8 9_______ 10_ 11 12________ 13____ 14______ 15

Chunks:
  FalseNegative nam [14,14] = PlusLigi

(ChunkerEvaluator) Sentence #10702 from articles/00107841 from sent13

Text  : W tym momencie sprzedaży dostępne będą wszystkie miejsca nie wykupione w  pierwszym etapie na bocznych sektorach .
Tokens: 1 2__ 3_______ 4________ 5_______ 6___ 7________ 8______ 9__ 10_______ 11 12_______ 13____ 14 15______ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #10703 from articles/00107841 from sent14

Text  : Sektory za boiskiem będą bowiem wyłączone ze sprzedaży karnetowej .
Tokens: 1______ 2_ 3_______ 4___ 5_____ 6________ 7_ 8________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #10704 from articles/00107841 from sent15

Text  : Tak samo jak część sektora B3 , który zajmuje Klub Kibica i  sektor B4 ,  w  którym sprzedaż karnetów prowadzić będą właśnie kibice .
Tokens: 1__ 2___ 3__ 4____ 5______ 6_ 7 8____ 9______ 10__ 11____ 12 13____ 14 15 16 17____ 18______ 19______ 20_______ 21__ 22_____ 23____ 24

Chunks:
  TruePositive nam [10,11] = Klub Kibica

(ChunkerEvaluator) Sentence #10705 from articles/00107841 from sent16

Text  : Karnety obowiązywać będą ma wszystkie mecze PlusLigi i Pucharu Polski .
Tokens: 1______ 2__________ 3___ 4_ 5________ 6____ 7_______ 8 9______ 10____ 11

Chunks:
  TruePositive nam [9,10] = Pucharu Polski
  FalseNegative nam [7,7] = PlusLigi

(ChunkerEvaluator) Sentence #10706 from articles/00107841 from sent17

Text  : Dodatkowo posiadacze karnetów otrzymają pierwszeństwo oraz specjalny rabat na zakup biletów na rozgrywki Ligi Mistrzów .
Tokens: 1________ 2_________ 3_______ 4________ 5____________ 6___ 7________ 8____ 9_ 10___ 11_____ 12 13_______ 14__ 15______ 16

Chunks:
  TruePositive nam [14,15] = Ligi Mistrzów

(ChunkerEvaluator) Sentence #10707 from articles/00107841 from sent18

Text  : Rezerwacja odbywać się będzie na stronie www.assecoresovia.pl i tam też znajdują się szczegóły sprzedaży karnetów .
Tokens: 1_________ 2______ 3__ 4_____ 5_ 6______ 7___________________ 8 9__ 10_ 11______ 12_ 13_______ 14_______ 15______ 16

Chunks:
  TruePositive nam [7,7] = www.assecoresovia.pl

(ChunkerEvaluator) Sentence #10708 from articles/00107841 from sent19

Text  : Ceny karnetów na sezon 2012 / 2013 :
Tokens: 1___ 2_______ 3_ 4____ 5___ 6 7___ 8

Chunks:

2016-10-27 15:00:06,501 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 468 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107842.xml
(ChunkerEvaluator) Sentence #10709 from articles/00107842 from sent1

Text  : Honory dla uczestnika bitwy o Anglię
Tokens: 1_____ 2__ 3_________ 4____ 5 6_____

Chunks:
  FalsePositive nam [6,6] = Anglię
  FalseNegative nam [4,6] = bitwy o Anglię

(ChunkerEvaluator) Sentence #10710 from articles/00107842 from sent2

Text  : Złotą Odznakę za Zasługi dla Województwa Śląskiego przyznali radni 97 -  letniemu majorowi Antoniemu Tomiczce ,  weteranowi II wojny światowej ,  uczestnikowi bitwy o  Anglię
Tokens: 1____ 2______ 3_ 4______ 5__ 6__________ 7________ 8________ 9____ 10 11 12______ 13______ 14_______ 15______ 16 17________ 18 19___ 20_______ 21 22__________ 23___ 24 25____

Chunks:
  TruePositive nam [14,15] = Antoniemu Tomiczce
  TruePositive nam [18,20] = II wojny światowej
  FalsePositive nam [1,2] = Złotą Odznakę
  FalsePositive nam [4,4] = Zasługi
  FalsePositive nam [6,7] = Województwa Śląskiego
  FalsePositive nam [25,25] = Anglię
  FalseNegative nam [1,4] = Złotą Odznakę za Zasługi
  FalseNegative nam [7,7] = Śląskiego
  FalseNegative nam [23,25] = bitwy o Anglię

(ChunkerEvaluator) Sentence #10711 from articles/00107842 from sent3

Text  : Antoni Tomiczek urodził się w 1915 roku w Pstrążnej koło Rybnika .
Tokens: 1_____ 2_______ 3______ 4__ 5 6___ 7___ 8 9________ 10__ 11_____ 12

Chunks:
  TruePositive nam [1,2] = Antoni Tomiczek
  TruePositive nam [11,11] = Rybnika
  FalseNegative nam [9,9] = Pstrążnej

(ChunkerEvaluator) Sentence #10712 from articles/00107842 from sent4

Text  : Od 1930 roku uczył się w szkole piechoty w Koninie ,  potem zgłosił się do służby w  lotnictwie .
Tokens: 1_ 2___ 3___ 4____ 5__ 6 7_____ 8_______ 9 10_____ 11 12___ 13_____ 14_ 15 16____ 17 18________ 19

Chunks:
  TruePositive nam [10,10] = Koninie

(ChunkerEvaluator) Sentence #10713 from articles/00107842 from sent5

Text  : Kształcił się na pilota w Krakowie i w Grudziądzu ,  potem otrzymał przydział do 122 .  eskadry myśliwskiej w  Krakowie ,  z  którą w  październiku 1938 roku brał udział w  zajmowaniu Zaolzia .
Tokens: 1________ 2__ 3_ 4_____ 5 6_______ 7 8 9_________ 10 11___ 12______ 13_______ 14 15_ 16 17_____ 18_________ 19 20______ 21 22 23___ 24 25__________ 26__ 27__ 28__ 29____ 30 31________ 32_____ 33

Chunks:
  TruePositive nam [6,6] = Krakowie
  TruePositive nam [9,9] = Grudziądzu
  TruePositive nam [20,20] = Krakowie
  TruePositive nam [32,32] = Zaolzia
  FalseNegative nam [17,18] = eskadry myśliwskiej

(ChunkerEvaluator) Sentence #10714 from articles/00107842 from sent6

Text  : 20 września 1939 roku został wzięty do niewoli przez Sowietów ,  a  po wybuchu wojny niemiecko -  sowieckiej trafił do Starobielska .
Tokens: 1_ 2_______ 3___ 4___ 5_____ 6_____ 7_ 8______ 9____ 10______ 11 12 13 14_____ 15___ 16_______ 17 18________ 19____ 20 21__________ 22

Chunks:
  TruePositive nam [10,10] = Sowietów
  TruePositive nam [21,21] = Starobielska

(ChunkerEvaluator) Sentence #10715 from articles/00107842 from sent7

Text  : W lipcu 1941 roku dotarł - poprzez Archangielsk i Murmańsk -  do Szkocji .
Tokens: 1 2____ 3___ 4___ 5_____ 6 7______ 8___________ 9 10______ 11 12 13_____ 14

Chunks:
  TruePositive nam [8,8] = Archangielsk
  TruePositive nam [10,10] = Murmańsk
  TruePositive nam [13,13] = Szkocji

(ChunkerEvaluator) Sentence #10716 from articles/00107842 from sent8

Text  : Po ukończeniu brytyjskich kursów lotniczych trafił do stacjonującej w okolicach Brindisi brytyjskiej 1586 .
Tokens: 1_ 2_________ 3__________ 4_____ 5_________ 6_____ 7_ 8____________ 9 10_______ 11______ 12_________ 13__ 14

Chunks:
  TruePositive nam [11,11] = Brindisi

(ChunkerEvaluator) Sentence #10717 from articles/00107842 from sent9

Text  : Eskadry do Zadań Specjalnych .
Tokens: 1______ 2_ 3____ 4__________ 5

Chunks:
  FalsePositive nam [3,4] = Zadań Specjalnych

(ChunkerEvaluator) Sentence #10718 from articles/00107842 from sent10

Text  : W 1944 roku latał ze zrzutami 23 razy - w  tym m  .  in .  5  razy nad Polską ,  11 nad Włochami oraz nad Jugosławią ,  Czechosłowacją i  Grecją .
Tokens: 1 2___ 3___ 4____ 5_ 6_______ 7_ 8___ 9 10 11_ 12 13 14 15 16 17__ 18_ 19____ 20 21 22_ 23______ 24__ 25_ 26________ 27 28____________ 29 30____ 31

Chunks:
  TruePositive nam [23,23] = Włochami
  TruePositive nam [26,26] = Jugosławią
  TruePositive nam [28,28] = Czechosłowacją
  TruePositive nam [30,30] = Grecją
  FalsePositive nam [19,19] = Polską
  FalseNegative nam [19,20] = Polską ,

(ChunkerEvaluator) Sentence #10719 from articles/00107842 from sent11

Text  : Od marca 1945 roku w ramach odtworzonego 301 .
Tokens: 1_ 2____ 3___ 4___ 5 6_____ 7___________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #10720 from articles/00107842 from sent12

Text  : Dywizjonu „ Ziemi Pomorskiej - Obrońców Warszawy ” latał z  zaopatrzeniem i  wojskiem do różnych krajów Europy -  Francji ,  Włoch ,  Grecji ,  Niemiec ,  Danii i  Norwegii .
Tokens: 1________ 2 3____ 4_________ 5 6_______ 7_______ 8 9____ 10 11___________ 12 13______ 14 15_____ 16____ 17____ 18 19_____ 20 21___ 22 23____ 24 25_____ 26 27___ 28 29______ 30

Chunks:
  TruePositive nam [17,17] = Europy
  TruePositive nam [19,19] = Francji
  TruePositive nam [21,21] = Włoch
  TruePositive nam [23,23] = Grecji
  TruePositive nam [25,25] = Niemiec
  TruePositive nam [27,27] = Danii
  TruePositive nam [29,29] = Norwegii
  FalsePositive nam [3,4] = Ziemi Pomorskiej
  FalsePositive nam [6,7] = Obrońców Warszawy
  FalseNegative nam [3,7] = Ziemi Pomorskiej - Obrońców Warszawy

(ChunkerEvaluator) Sentence #10721 from articles/00107842 from sent13

Text  : Służbę w Polskich Siłach Powietrznych zakończył w listopadzie 1946 roku .
Tokens: 1_____ 2 3_______ 4_____ 5___________ 6________ 7 8__________ 9___ 10__ 11

Chunks:
  TruePositive nam [3,5] = Polskich Siłach Powietrznych

(ChunkerEvaluator) Sentence #10722 from articles/00107842 from sent14

Text  : Dwukrotnie został odznaczony Krzyżem Walecznych .
Tokens: 1_________ 2_____ 3_________ 4______ 5_________ 6

Chunks:
  TruePositive nam [4,5] = Krzyżem Walecznych

(ChunkerEvaluator) Sentence #10723 from articles/00107842 from sent15

Text  : Po wojnie wrócił na Górny Śląsk .
Tokens: 1_ 2_____ 3_____ 4_ 5____ 6____ 7

Chunks:
  TruePositive nam [5,6] = Górny Śląsk
  FalseNegative nam [2,2] = wojnie

(ChunkerEvaluator) Sentence #10724 from articles/00107842 from sent16

Text  : Przez wiele lat pracował w ZUS .
Tokens: 1____ 2____ 3__ 4_______ 5 6__ 7

Chunks:
  TruePositive nam [6,6] = ZUS

2016-10-27 15:00:06,577 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 469 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107843.xml
(ChunkerEvaluator) Sentence #10725 from articles/00107843 from sent1

Text  : Multimedialne ikony
Tokens: 1____________ 2____

Chunks:

(ChunkerEvaluator) Sentence #10726 from articles/00107843 from sent2

Text  : 15 grudnia , godz . 17 , Sala Nowa Centrum Kultury
Tokens: 1_ 2______ 3 4___ 5 6_ 7 8___ 9___ 10_____ 11_____

Chunks:
  FalsePositive nam [8,11] = Sala Nowa Centrum Kultury
  FalseNegative nam [10,11] = Centrum Kultury

(ChunkerEvaluator) Sentence #10727 from articles/00107843 from sent3

Text  : „ Ikona i muzyka cerkiewna ” to tytuł multimedialnej płyty CD ,  którą zostanie zaprezentowana w  niedzielę w  Sali Nowej Centrum Kultury przy ul .  Peowiaków 12 .
Tokens: 1 2____ 3 4_____ 5________ 6 7_ 8____ 9_____________ 10___ 11 12 13___ 14______ 15____________ 16 17_______ 18 19__ 20___ 21_____ 22_____ 23__ 24 25 26_______ 27 28

Chunks:
  TruePositive nam [11,11] = CD
  TruePositive nam [26,26] = Peowiaków
  FalsePositive nam [2,2] = Ikona
  FalsePositive nam [19,22] = Sali Nowej Centrum Kultury
  FalseNegative nam [2,5] = Ikona i muzyka cerkiewna
  FalseNegative nam [21,22] = Centrum Kultury

(ChunkerEvaluator) Sentence #10728 from articles/00107843 from sent4

Text  : Poza tym zaplanowano koncert Scholi Grekokatolickiego Seminarium Duchownego w Lublinie ,  projekcję filmu dokumentalnego „  Bieszczadzkie Ikony ”  oraz konkurs wiedzy o  ikonie .
Tokens: 1___ 2__ 3__________ 4______ 5_____ 6________________ 7_________ 8_________ 9 10______ 11 12_______ 13___ 14____________ 15 16___________ 17___ 18 19__ 20_____ 21____ 22 23____ 24

Chunks:
  TruePositive nam [10,10] = Lublinie
  TruePositive nam [16,17] = Bieszczadzkie Ikony
  FalsePositive nam [5,8] = Scholi Grekokatolickiego Seminarium Duchownego
  FalseNegative nam [5,5] = Scholi
  FalseNegative nam [6,8] = Grekokatolickiego Seminarium Duchownego

(ChunkerEvaluator) Sentence #10729 from articles/00107843 from sent5

Text  : Początek o godz . 17 .
Tokens: 1_______ 2 3___ 4 5_ 6

Chunks:

2016-10-27 15:00:06,599 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 470 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107844.xml
(ChunkerEvaluator) Sentence #10730 from articles/00107844 from sent1

Text  : Ankieter zapyta olsztynian , czy czują się bezpiecznie
Tokens: 1_______ 2_____ 3_________ 4 5__ 6____ 7__ 8__________

Chunks:

(ChunkerEvaluator) Sentence #10731 from articles/00107844 from sent2

Text  : W poniedziałek na olsztyńskie osiedla ruszą praktykanci odbywający staże w  ratuszu i  komendzie policji ,  by przepytywać mieszkańców stolicy regionu .
Tokens: 1 2___________ 3_ 4__________ 5______ 6____ 7__________ 8_________ 9____ 10 11_____ 12 13_______ 14_____ 15 16 17_________ 18_________ 19_____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #10732 from articles/00107844 from sent3

Text  : Będą chcieli się dowiedzieć czy olsztynianie czują się bezpieczni .
Tokens: 1___ 2______ 3__ 4_________ 5__ 6___________ 7____ 8__ 9_________ 10

Chunks:
  FalseNegative nam [6,6] = olsztynianie

(ChunkerEvaluator) Sentence #10733 from articles/00107844 from sent4

Text  : Każdy z ankietowanych dostanie do wypełnienia dostaną anonimową ankietę z  17 pytaniami m  .  in .  czy znają swojego dzielnicowego i  gdzie w  okolicy znajdują się miejsca uważane za niebezpieczne .
Tokens: 1____ 2 3____________ 4_______ 5_ 6__________ 7______ 8________ 9______ 10 11 12_______ 13 14 15 16 17_ 18___ 19_____ 20___________ 21 22___ 23 24_____ 25______ 26_ 27_____ 28_____ 29 30___________ 31

Chunks:

(ChunkerEvaluator) Sentence #10734 from articles/00107844 from sent5

Text  : - Będzie można też dopisać swoje uwagi - dodaje Monika Stankiewicz z  biura prasowego Urzędu Miasta w  Olsztynie .
Tokens: 1 2_____ 3____ 4__ 5______ 6____ 7____ 8 9_____ 10____ 11_________ 12 13___ 14_______ 15____ 16____ 17 18_______ 19

Chunks:
  TruePositive nam [10,11] = Monika Stankiewicz
  FalsePositive nam [15,18] = Urzędu Miasta w Olsztynie
  FalseNegative nam [15,16] = Urzędu Miasta
  FalseNegative nam [18,18] = Olsztynie

(ChunkerEvaluator) Sentence #10735 from articles/00107844 from sent6

Text  : Wyposażeni w specjalne identyfikatory ankieterzy odwiedzać będą olsztynian w ich mieszkaniach .
Tokens: 1_________ 2 3________ 4_____________ 5_________ 6________ 7___ 8_________ 9 10_ 11__________ 12

Chunks:
  FalseNegative nam [8,8] = olsztynian

(ChunkerEvaluator) Sentence #10736 from articles/00107844 from sent7

Text  : Do końca września zamierzają zebrać 6 tys . opinii .
Tokens: 1_ 2____ 3_______ 4_________ 5_____ 6 7__ 8 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #10737 from articles/00107844 from sent8

Text  : - Jeśli ktoś ma wątpliwości , czy to na pewno nasz pracownik ,  to może potwierdzić dane dzwoniąc do komendy miejskiej policji ,  do dyżurnego miasta albo do ratuszowego Wydziału Zarządzania Kryzysowego -  dodaje Monika Stankiewicz .
Tokens: 1 2____ 3___ 4_ 5__________ 6 7__ 8_ 9_ 10___ 11__ 12_______ 13 14 15__ 16_________ 17__ 18______ 19 20_____ 21_______ 22_____ 23 24 25_______ 26____ 27__ 28 29_________ 30______ 31_________ 32_________ 33 34____ 35____ 36_________ 37

Chunks:
  TruePositive nam [30,32] = Wydziału Zarządzania Kryzysowego
  TruePositive nam [35,36] = Monika Stankiewicz

(ChunkerEvaluator) Sentence #10738 from articles/00107844 from sent9

Text  : Uzyskane informacje posłużą do przygotowania opracowania na temat bezpieczeństwa w  Olsztynie .
Tokens: 1_______ 2_________ 3______ 4_ 5____________ 6__________ 7_ 8____ 9_____________ 10 11_______ 12

Chunks:
  TruePositive nam [11,11] = Olsztynie

(ChunkerEvaluator) Sentence #10739 from articles/00107844 from sent10

Text  : Zostaną one udostępnione w październiku na stronie internetowej magistratu .
Tokens: 1______ 2__ 3___________ 4 5___________ 6_ 7______ 8___________ 9_________ 10

Chunks:

2016-10-27 15:00:06,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 471 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107845.xml
(ChunkerEvaluator) Sentence #10740 from articles/00107845 from sent1

Text  : DZIEŃ W 60 SEKUND : SOBOTA 7 LIPCA
Tokens: 1____ 2 3_ 4_____ 5 6_____ 7 8____

Chunks:
  FalsePositive nam [4,4] = SEKUND
  FalsePositive nam [6,6] = SOBOTA
  FalsePositive nam [8,8] = LIPCA

(ChunkerEvaluator) Sentence #10741 from articles/00107845 from sent2

Text  : Cenimy Wasz czas .
Tokens: 1_____ 2___ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #10742 from articles/00107845 from sent3

Text  : Specjalnie dla Was najważniejsze wydarzenia dnia z kraju i ze świata .
Tokens: 1_________ 2__ 3__ 4____________ 5_________ 6___ 7 8____ 9 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #10743 from articles/00107845 from sent4

Text  : KRAJ
Tokens: 1___

Chunks:

(ChunkerEvaluator) Sentence #10744 from articles/00107845 from sent5

Text  : Agnieszka Radwańska przegrała z Sereną Williams w finale Wimbledonu .
Tokens: 1________ 2________ 3________ 4 5_____ 6_______ 7 8_____ 9_________ 10

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [5,6] = Sereną Williams
  FalseNegative nam [9,9] = Wimbledonu

(ChunkerEvaluator) Sentence #10745 from articles/00107845 from sent6

Text  : 216 sportowców polskich sportowców w Londynie .
Tokens: 1__ 2_________ 3_______ 4_________ 5 6_______ 7

Chunks:
  TruePositive nam [6,6] = Londynie

(ChunkerEvaluator) Sentence #10746 from articles/00107845 from sent7

Text  : Straż miejska chce mieć broń palną .
Tokens: 1____ 2______ 3___ 4___ 5___ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10747 from articles/00107845 from sent8

Text  : Lobbing banków w Senacie : niech budżet uratuje budowlankę .
Tokens: 1______ 2_____ 3 4______ 5 6____ 7_____ 8______ 9_________ 10

Chunks:
  TruePositive nam [4,4] = Senacie

(ChunkerEvaluator) Sentence #10748 from articles/00107845 from sent9

Text  : ŚWIAT
Tokens: 1____

Chunks:
  FalsePositive nam [1,1] = ŚWIAT

(ChunkerEvaluator) Sentence #10749 from articles/00107845 from sent10

Text  : Tragiczna powódź w Rosji - zginęło prawie 100 osób .
Tokens: 1________ 2_____ 3 4____ 5 6______ 7_____ 8__ 9___ 10

Chunks:
  TruePositive nam [4,4] = Rosji

(ChunkerEvaluator) Sentence #10750 from articles/00107845 from sent11

Text  : Powodem awaria zbiornika retencyjnego ?
Tokens: 1______ 2_____ 3________ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #10751 from articles/00107845 from sent12

Text  : Historyczne wybory w Libii - pierwsze od upadku reżimu Muammara Kaddafiego .
Tokens: 1__________ 2_____ 3 4____ 5 6_______ 7_ 8_____ 9_____ 10______ 11________ 12

Chunks:
  TruePositive nam [4,4] = Libii
  TruePositive nam [10,11] = Muammara Kaddafiego

(ChunkerEvaluator) Sentence #10752 from articles/00107845 from sent13

Text  : Europa musi patrzeć Rumunom na ręce .
Tokens: 1_____ 2___ 3______ 4______ 5_ 6___ 7

Chunks:
  TruePositive nam [1,1] = Europa
  TruePositive nam [4,4] = Rumunom

(ChunkerEvaluator) Sentence #10753 from articles/00107845 from sent14

Text  : NASA opublikowała niezwykłą panoramę Marsa .
Tokens: 1___ 2___________ 3________ 4_______ 5____ 6

Chunks:
  TruePositive nam [1,1] = NASA
  TruePositive nam [5,5] = Marsa

2016-10-27 15:00:06,681 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 472 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107846.xml
(ChunkerEvaluator) Sentence #10754 from articles/00107846 from sent1

Text  : Dwóch piłkarzy Radomiaka bardzo blisko Jagiellonii
Tokens: 1____ 2_______ 3________ 4_____ 5_____ 6__________

Chunks:
  TruePositive nam [6,6] = Jagiellonii
  FalseNegative nam [3,3] = Radomiaka

(ChunkerEvaluator) Sentence #10755 from articles/00107846 from sent2

Text  : Ofensywny zawodnik Radomiaka Paweł Tarnowski , oraz golkiper Łukasz Skowron -  są już bardzo blisko przejścia do ekstraklasowej Jagiellonii Białystok .
Tokens: 1________ 2_______ 3________ 4____ 5________ 6 7___ 8_______ 9_____ 10_____ 11 12 13_ 14____ 15____ 16_______ 17 18____________ 19_________ 20_______ 21

Chunks:
  TruePositive nam [4,5] = Paweł Tarnowski
  TruePositive nam [9,10] = Łukasz Skowron
  TruePositive nam [19,20] = Jagiellonii Białystok
  FalseNegative nam [3,3] = Radomiaka

(ChunkerEvaluator) Sentence #10756 from articles/00107846 from sent3

Text  : - Tak naprawdę , to teraz wszystko zależy już od rozmów działaczy obu klubów -  przyznał Dariusz Dźwigała ,  drugi szkoleniowiec Jagiellonii .
Tokens: 1 2__ 3_______ 4 5_ 6____ 7_______ 8_____ 9__ 10 11____ 12_______ 13_ 14____ 15 16______ 17_____ 18______ 19 20___ 21___________ 22_________ 23

Chunks:
  TruePositive nam [17,18] = Dariusz Dźwigała
  TruePositive nam [22,22] = Jagiellonii

(ChunkerEvaluator) Sentence #10757 from articles/00107846 from sent4

Text  : Jest już niemal pewne , że występujący jeszcze w rundzie wiosennej w  Radomiaku :  Paweł Tarnowski i  Łukasz Skowron założą w  nadchodzącym sezonie koszulki białostockiej Jagiellonii .
Tokens: 1___ 2__ 3_____ 4____ 5 6_ 7__________ 8______ 9 10_____ 11_______ 12 13_______ 14 15___ 16_______ 17 18____ 19_____ 20____ 21 22__________ 23_____ 24______ 25___________ 26_________ 27

Chunks:
  TruePositive nam [15,16] = Paweł Tarnowski
  TruePositive nam [18,19] = Łukasz Skowron
  TruePositive nam [26,26] = Jagiellonii
  FalseNegative nam [13,13] = Radomiaku

(ChunkerEvaluator) Sentence #10758 from articles/00107846 from sent5

Text  : - Tak naprawdę , to teraz wszystko zależy od rozmów działaczy obu klubów .
Tokens: 1 2__ 3_______ 4 5_ 6____ 7_______ 8_____ 9_ 10____ 11_______ 12_ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10759 from articles/00107846 from sent6

Text  : Zarówno trener Tomasz Hajto , jak i ja chcieli by śmy ich mieć w  Jagiellonii .
Tokens: 1______ 2_____ 3_____ 4____ 5 6__ 7 8_ 9______ 10 11_ 12_ 13__ 14 15_________ 16

Chunks:
  TruePositive nam [3,4] = Tomasz Hajto
  TruePositive nam [15,15] = Jagiellonii

(ChunkerEvaluator) Sentence #10760 from articles/00107846 from sent7

Text  : Obaj udanie przeszli testy , a także pozytywnie zaprezentowali się podczas zgrupowania na Litwie .
Tokens: 1___ 2_____ 3_______ 4____ 5 6 7____ 8_________ 9_____________ 10_ 11_____ 12_________ 13 14____ 15

Chunks:
  TruePositive nam [14,14] = Litwie

(ChunkerEvaluator) Sentence #10761 from articles/00107846 from sent8

Text  : Tarnowski m . in . zaliczył asystę w meczu kontrolnym -  poinformował „  Gazetę ”  Dariusz Dźwigała .
Tokens: 1________ 2 3 4_ 5 6_______ 7_____ 8 9____ 10________ 11 12__________ 13 14____ 15 16_____ 17______ 18

Chunks:
  TruePositive nam [1,1] = Tarnowski
  TruePositive nam [14,14] = Gazetę
  TruePositive nam [16,17] = Dariusz Dźwigała

(ChunkerEvaluator) Sentence #10762 from articles/00107846 from sent9

Text  : Tarnowski bronił barw klubu ze Struga przez 4 , 5  roku .
Tokens: 1________ 2_____ 3___ 4____ 5_ 6_____ 7____ 8 9 10 11__ 12

Chunks:
  TruePositive nam [1,1] = Tarnowski
  TruePositive nam [6,6] = Struga

(ChunkerEvaluator) Sentence #10763 from articles/00107846 from sent10

Text  : W tym czasie dał się poznać miejscowym kibicom jako zawodnik ,  dla którego nie było straconych piłek .
Tokens: 1 2__ 3_____ 4__ 5__ 6_____ 7_________ 8______ 9___ 10______ 11 12_ 13_____ 14_ 15__ 16________ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #10764 from articles/00107846 from sent11

Text  : Pomimo nie najlepszej techniki użytkowej , właśnie poprzez swoje zaangażowanie na boisku i  instynkt strzelecki zaskarbił sobie ich uznanie .
Tokens: 1_____ 2__ 3_________ 4_______ 5________ 6 7______ 8______ 9____ 10___________ 11 12____ 13 14______ 15________ 16_______ 17___ 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #10765 from articles/00107846 from sent12

Text  : Atutem Skwrona niewątpliwie poza doskonałymi warunkami fizycznymi , było także to ,  że występował przy Struga jako młodzieżowiec .
Tokens: 1_____ 2______ 3___________ 4___ 5__________ 6________ 7_________ 8 9___ 10___ 11 12 13 14________ 15__ 16____ 17__ 18___________ 19

Chunks:
  TruePositive nam [16,16] = Struga
  FalseNegative nam [2,2] = Skwrona

(ChunkerEvaluator) Sentence #10766 from articles/00107846 from sent13

Text  : Obu wypatrzył w Radomiaku trener Dźwigała , który na Podlasie trafił właśnie z  trzecioligowego zespołu z  Radomia .
Tokens: 1__ 2________ 3 4________ 5_____ 6_______ 7 8____ 9_ 10______ 11____ 12_____ 13 14_____________ 15_____ 16 17_____ 18

Chunks:
  TruePositive nam [10,10] = Podlasie
  TruePositive nam [17,17] = Radomia
  FalseNegative nam [4,4] = Radomiaku
  FalseNegative nam [6,6] = Dźwigała

(ChunkerEvaluator) Sentence #10767 from articles/00107846 from sent14

Text  : - Muszę powiedzieć , że to jest spora sztuka wyciągnąć chłopaków z  niższych lig do ekstraklasy .
Tokens: 1 2____ 3_________ 4 5_ 6_ 7___ 8____ 9_____ 10_______ 11_______ 12 13______ 14_ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #10768 from articles/00107846 from sent15

Text  : Przeskok na pewno jest duży i zdajemy sobie z trenerem Hajto z  tego sprawę .
Tokens: 1_______ 2_ 3____ 4___ 5___ 6 7______ 8____ 9 10______ 11___ 12 13__ 14____ 15

Chunks:
  FalseNegative nam [11,11] = Hajto

(ChunkerEvaluator) Sentence #10769 from articles/00107846 from sent16

Text  : Jednak , co było widać po treningach zarówno Tarnowski jak i  Skowron wcale nie odbiegają umiejętnościami od pozostałych piłkarzy .
Tokens: 1_____ 2 3_ 4___ 5____ 6_ 7_________ 8______ 9________ 10_ 11 12_____ 13___ 14_ 15_______ 16_____________ 17 18_________ 19______ 20

Chunks:
  TruePositive nam [9,9] = Tarnowski
  TruePositive nam [12,12] = Skowron

(ChunkerEvaluator) Sentence #10770 from articles/00107846 from sent17

Text  : Uważam , że szybko wkomponują się w zespół - oznajmił Dźwigała .
Tokens: 1_____ 2 3_ 4_____ 5_________ 6__ 7 8_____ 9 10______ 11______ 12

Chunks:
  FalseNegative nam [11,11] = Dźwigała

(ChunkerEvaluator) Sentence #10771 from articles/00107846 from sent18

Text  : Niewykluczone , że już we wtorek dojdzie do rozmów pomiędzy oboma klubami .
Tokens: 1____________ 2 3_ 4__ 5_ 6_____ 7______ 8_ 9_____ 10______ 11___ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #10772 from articles/00107846 from sent19

Text  : W Białymstoku odbędzie się bowiem mecz towarzyski pomiędzy Jagiellonią a  Radomiakiem .
Tokens: 1 2__________ 3_______ 4__ 5_____ 6___ 7_________ 8_______ 9__________ 10 11_________ 12

Chunks:
  TruePositive nam [2,2] = Białymstoku
  TruePositive nam [9,9] = Jagiellonią
  FalseNegative nam [11,11] = Radomiakiem

2016-10-27 15:00:06,775 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 473 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107847.xml
(ChunkerEvaluator) Sentence #10773 from articles/00107847 from sent1

Text  : & quot ; Dziennik Gazeta Prawna & quot ; :  Warszawa europejską stolicą korków
Tokens: 1 2___ 3 4_______ 5_____ 6_____ 7 8___ 9 10 11______ 12________ 13_____ 14____

Chunks:
  TruePositive nam [11,11] = Warszawa
  FalsePositive nam [4,4] = Dziennik
  FalsePositive nam [5,8] = Gazeta Prawna & quot
  FalseNegative nam [4,6] = Dziennik Gazeta Prawna

(ChunkerEvaluator) Sentence #10774 from articles/00107847 from sent2

Text  : W porannych godzinach szczytu w naszej stolicy do celu jedziemy o  89 proc .  dłużej ,  niż w  warunkach ,  gdy ruch jest całkowicie płynny ,  np .  w  nocy .
Tokens: 1 2________ 3________ 4______ 5 6_____ 7______ 8_ 9___ 10______ 11 12 13__ 14 15____ 16 17_ 18 19_______ 20 21_ 22__ 23__ 24________ 25____ 26 27 28 29 30__ 31

Chunks:

(ChunkerEvaluator) Sentence #10775 from articles/00107847 from sent3

Text  : Żądne z przebadanych 31 miast w Europie nie wypada gorzej -  stwierdza &  quot ;  Dziennik Gazeta Prawna &  quot ;  .
Tokens: 1____ 2 3___________ 4_ 5____ 6 7______ 8__ 9_____ 10____ 11 12_______ 13 14__ 15 16______ 17____ 18____ 19 20__ 21 22

Chunks:
  TruePositive nam [7,7] = Europie
  FalsePositive nam [16,16] = Dziennik
  FalsePositive nam [17,19] = Gazeta Prawna &
  FalseNegative nam [16,18] = Dziennik Gazeta Prawna

(ChunkerEvaluator) Sentence #10776 from articles/00107847 from sent4

Text  : Firma TomTom , specjalizująca się w systemach nawigacyjnych , opracowała wyliczenia na podstawie pięciu bilionów pomiarów pochodzących z  urządzeń GPS .
Tokens: 1____ 2_____ 3 4_____________ 5__ 6 7________ 8____________ 9 10________ 11________ 12 13_______ 14____ 15______ 16______ 17__________ 18 19______ 20_ 21

Chunks:
  TruePositive nam [2,2] = TomTom
  TruePositive nam [20,20] = GPS

(ChunkerEvaluator) Sentence #10777 from articles/00107847 from sent5

Text  : Na tej podstawie ustalono , że również w weekendy i  poza godzinami szczytu po Warszawie jeździ się w  żółwim tempie -  do normalnego czasu przejazdu należy doliczyć średnio 42 proc .  ,  przy średniej 24 proc .  z  31 europejskich metropolii .
Tokens: 1_ 2__ 3________ 4_______ 5 6_ 7______ 8 9_______ 10 11__ 12_______ 13_____ 14 15_______ 16____ 17_ 18 19____ 20____ 21 22 23________ 24___ 25_______ 26____ 27______ 28_____ 29 30__ 31 32 33__ 34______ 35 36__ 37 38 39 40__________ 41________ 42

Chunks:
  TruePositive nam [15,15] = Warszawie

(ChunkerEvaluator) Sentence #10778 from articles/00107847 from sent6

Text  : Nasza stolica wyprzedziła nawet takich gigantów jak Rzym , Paryż czy Londyn ,  gdzie średni czas podróży jest o  ok .  30 proc .  dłuższy w  porównaniu z  sytuacją idealnej płynności ruchu (  w  godzinach szczytu o  50 -  70 proc .  )  .
Tokens: 1____ 2______ 3__________ 4____ 5_____ 6_______ 7__ 8___ 9 10___ 11_ 12____ 13 14___ 15____ 16__ 17_____ 18__ 19 20 21 22 23__ 24 25_____ 26 27________ 28 29______ 30______ 31_______ 32___ 33 34 35_______ 36_____ 37 38 39 40 41__ 42 43 44

Chunks:
  TruePositive nam [8,8] = Rzym
  TruePositive nam [10,10] = Paryż
  TruePositive nam [12,12] = Londyn

2016-10-27 15:00:06,825 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 474 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107848.xml
(ChunkerEvaluator) Sentence #10779 from articles/00107848 from sent1

Text  : Tour de France - Di Gregorio zatrzymany w związku z  dopingiem
Tokens: 1___ 2_ 3_____ 4 5_ 6_______ 7_________ 8 9______ 10 11_______

Chunks:
  TruePositive nam [5,6] = Di Gregorio
  FalsePositive nam [3,3] = France
  FalseNegative nam [1,3] = Tour de France

(ChunkerEvaluator) Sentence #10780 from articles/00107848 from sent2

Text  : Prokuratura w Marsylii potwierdziła we wtorek aresztowanie uczestnika kolarskiego wyścigu Tour de France Francuza Remy'ego di Gregorio w  związku z  aferą dopingową .
Tokens: 1__________ 2 3_______ 4___________ 5_ 6_____ 7___________ 8_________ 9__________ 10_____ 11__ 12 13____ 14______ 15______ 16 17______ 18 19_____ 20 21___ 22_______ 23

Chunks:
  TruePositive nam [3,3] = Marsylii
  FalsePositive nam [11,15] = Tour de France Francuza Remy'ego
  FalseNegative nam [1,1] = Prokuratura
  FalseNegative nam [11,13] = Tour de France
  FalseNegative nam [14,14] = Francuza
  FalseNegative nam [15,17] = Remy'ego di Gregorio

(ChunkerEvaluator) Sentence #10781 from articles/00107848 from sent3

Text  : Jego grupa Cofidis natychmiast go zdyskwalifikowała .
Tokens: 1___ 2____ 3______ 4__________ 5_ 6________________ 7

Chunks:
  FalseNegative nam [3,3] = Cofidis

(ChunkerEvaluator) Sentence #10782 from articles/00107848 from sent4

Text  : Sportowiec został zatrzymany i przesłuchany w dniu przerwy w imprezie w  hotelu w  miejscowości Bourg -  en -  Bresse w  związku z  toczącym się od ubiegłego roku dochodzeniem w  sprawie handlu niedozwolonymi medykamentami ,  kiedy jeździł jeszcze w  grupie Astana .
Tokens: 1_________ 2_____ 3_________ 4 5___________ 6 7___ 8______ 9 10______ 11 12____ 13 14__________ 15___ 16 17 18 19____ 20 21_____ 22 23______ 24_ 25 26_______ 27__ 28__________ 29 30_____ 31____ 32____________ 33___________ 34 35___ 36_____ 37_____ 38 39____ 40____ 41

Chunks:
  TruePositive nam [15,19] = Bourg - en - Bresse
  TruePositive nam [40,40] = Astana

(ChunkerEvaluator) Sentence #10783 from articles/00107848 from sent5

Text  : Pochodzący z Marsylii kolarz został natychmiast zawieszony przez grupę Cofidis .
Tokens: 1_________ 2 3_______ 4_____ 5_____ 6__________ 7_________ 8____ 9____ 10_____ 11

Chunks:
  TruePositive nam [3,3] = Marsylii
  FalseNegative nam [10,10] = Cofidis

(ChunkerEvaluator) Sentence #10784 from articles/00107848 from sent6

Text  : " Ten odosobniony przypadek nie powinien rodzić kwestii uczestnictwa naszej ekipy w  Tour de France i  karania w  ten sposób innych ,  którzy nie mają sobie nic do zarzucenia "  -  poinformował francuski zespół .
Tokens: 1 2__ 3__________ 4________ 5__ 6_______ 7_____ 8______ 9___________ 10____ 11___ 12 13__ 14 15____ 16 17_____ 18 19_ 20____ 21____ 22 23____ 24_ 25__ 26___ 27_ 28 29________ 30 31 32__________ 33_______ 34____ 35

Chunks:
  FalsePositive nam [13,13] = Tour
  FalsePositive nam [15,15] = France
  FalseNegative nam [13,15] = Tour de France

2016-10-27 15:00:06,864 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 475 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107849.xml
(ChunkerEvaluator) Sentence #10785 from articles/00107849 from sent1

Text  : Gimnazjaliści popłynęli w rejs za . . . rap o  kanalizacji
Tokens: 1____________ 2________ 3 4___ 5_ 6 7 8 9__ 10 11_________

Chunks:

(ChunkerEvaluator) Sentence #10786 from articles/00107849 from sent2

Text  : Pięciu uczniów Gimnazjum nr 9 w Jaworznie jest właśnie w  tygodniowym rejsie po Bałtyku .
Tokens: 1_____ 2______ 3________ 4_ 5 6 7________ 8___ 9______ 10 11_________ 12____ 13 14_____ 15

Chunks:
  TruePositive nam [7,7] = Jaworznie
  TruePositive nam [14,14] = Bałtyku
  FalsePositive nam [3,3] = Gimnazjum
  FalseNegative nam [3,5] = Gimnazjum nr 9

(ChunkerEvaluator) Sentence #10787 from articles/00107849 from sent3

Text  : Wygrali go dzięki filmikowi uświadamiającemu mieszkańców , że dla dobra środowiska warto znieść uciążliwości związane z  budową kanalizacji .
Tokens: 1______ 2_ 3_____ 4________ 5_______________ 6__________ 7 8_ 9__ 10___ 11________ 12___ 13____ 14__________ 15______ 16 17____ 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #10788 from articles/00107849 from sent4

Text  : Choć temat konkursu ogłoszonego przez Miejskie Przedsiębiorstwo Wodociągów i Kanalizacji wydaje się mało atrakcyjny ,  gimnazjaliści podeszli do niego po mistrzowsku .
Tokens: 1___ 2____ 3_______ 4__________ 5____ 6_______ 7_______________ 8_________ 9 10_________ 11____ 12_ 13__ 14________ 15 16___________ 17______ 18 19___ 20 21_________ 22

Chunks:
  FalsePositive nam [6,8] = Miejskie Przedsiębiorstwo Wodociągów
  FalsePositive nam [10,10] = Kanalizacji
  FalseNegative nam [6,10] = Miejskie Przedsiębiorstwo Wodociągów i Kanalizacji

(ChunkerEvaluator) Sentence #10789 from articles/00107849 from sent5

Text  : W nagraniu przedstawili zabawne scenki historyczne ( np . o  szlachcicu ,  który ma problem z  wieśniakami myjącymi nocniki w  jego rzece )  .
Tokens: 1 2_______ 3___________ 4______ 5_____ 6__________ 7 8_ 9 10 11________ 12 13___ 14 15_____ 16 17_________ 18______ 19_____ 20 21__ 22___ 23 24

Chunks:

(ChunkerEvaluator) Sentence #10790 from articles/00107849 from sent6

Text  : „ Gdy na świecie kanalizację wszędzie budowali , nasi przodkowie pod sosnę chadzali ”  -  rapują w  uzupełniającym filmik utworze gimnazjaliści ,  którzy w  konkursie wykazali się też wiedzą ekologiczną i  marynistyczną .
Tokens: 1 2__ 3_ 4______ 5__________ 6_______ 7_______ 8 9___ 10________ 11_ 12___ 13______ 14 15 16____ 17 18____________ 19____ 20_____ 21___________ 22 23____ 24 25_______ 26______ 27_ 28_ 29____ 30_________ 31 32___________ 33

Chunks:

(ChunkerEvaluator) Sentence #10791 from articles/00107849 from sent7

Text  : W rejs z Trzebieży uczniowie wypłynęli w sobotę .
Tokens: 1 2___ 3 4________ 5________ 6________ 7 8_____ 9

Chunks:
  TruePositive nam [4,4] = Trzebieży

(ChunkerEvaluator) Sentence #10792 from articles/00107849 from sent8

Text  : Na Bornholm dotrą jutro .
Tokens: 1_ 2_______ 3____ 4____ 5

Chunks:
  TruePositive nam [2,2] = Bornholm

(ChunkerEvaluator) Sentence #10793 from articles/00107849 from sent9

Text  : - Mamy tu niezłą szkołę życia .
Tokens: 1 2___ 3_ 4_____ 5_____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10794 from articles/00107849 from sent10

Text  : Musieli śmy się nauczyć korzystać z nawigacji , wiązać węzły marynarskie ,  sterować jachtem .
Tokens: 1______ 2__ 3__ 4______ 5________ 6 7________ 8 9_____ 10___ 11_________ 12 13______ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #10795 from articles/00107849 from sent11

Text  : Każdy z nas pełnił po trzy wachty , robił posiłki dla całej załogi ,  a  na koniec składał żagle -  relacjonuje Kamil Gacek .
Tokens: 1____ 2 3__ 4_____ 5_ 6___ 7_____ 8 9____ 10_____ 11_ 12___ 13____ 14 15 16 17____ 18_____ 19___ 20 21_________ 22___ 23___ 24

Chunks:
  TruePositive nam [22,23] = Kamil Gacek

(ChunkerEvaluator) Sentence #10796 from articles/00107849 from sent12

Text  : Jego kolega Maciej Jamróz opowiada , że na początku dziewczyny miały problem z  chorobą morską ,  ale szybko im przeszło .
Tokens: 1___ 2_____ 3_____ 4_____ 5_______ 6 7_ 8_ 9_______ 10________ 11___ 12_____ 13 14_____ 15____ 16 17_ 18____ 19 20______ 21

Chunks:
  TruePositive nam [3,4] = Maciej Jamróz

(ChunkerEvaluator) Sentence #10797 from articles/00107849 from sent13

Text  : - Teraz już tylko żagle , fale i świetna zabawa -  mówi .
Tokens: 1 2____ 3__ 4____ 5____ 6 7___ 8 9______ 10____ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #10798 from articles/00107849 from sent14

Text  : Zachęceni sukcesem swojego rapu gimnazjaliści w czasie rejsu napisali tekst szanty ,  którą zamierzają nagrać .
Tokens: 1________ 2_______ 3______ 4___ 5____________ 6 7_____ 8____ 9_______ 10___ 11____ 12 13___ 14________ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #10799 from articles/00107849 from sent15

Text  : Józef Natonek , prezes MPWiK , wyjaśnia , że konkursem chciał umilić jaworznianom trudy budowy kanalizacji ,  największej miejskiej inwestycji od wielu lat .
Tokens: 1____ 2______ 3 4_____ 5____ 6 7_______ 8 9_ 10_______ 11____ 12____ 13__________ 14___ 15____ 16_________ 17 18_________ 19_______ 20________ 21 22___ 23_ 24

Chunks:
  TruePositive nam [1,2] = Józef Natonek
  FalseNegative nam [5,5] = MPWiK
  FalseNegative nam [13,13] = jaworznianom

(ChunkerEvaluator) Sentence #10800 from articles/00107849 from sent16

Text  : - Zainteresowanie przerosło nasze oczekiwania .
Tokens: 1 2______________ 3________ 4____ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #10801 from articles/00107849 from sent17

Text  : W konkursie wzięły udział wszystkie gimnazja , nauczyciele , uczniowie ,  ich rodzice .
Tokens: 1 2________ 3_____ 4_____ 5________ 6_______ 7 8__________ 9 10_______ 11 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #10802 from articles/00107849 from sent18

Text  : Wielu mieszkańców Jaworzna na bieżąco śledziło kolejne etapy konkursu -  mówi Natonek .
Tokens: 1____ 2__________ 3_______ 4_ 5______ 6_______ 7______ 8____ 9_______ 10 11__ 12_____ 13

Chunks:
  TruePositive nam [3,3] = Jaworzna
  FalseNegative nam [12,12] = Natonek

2016-10-27 15:00:06,952 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 476 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107850.xml
(ChunkerEvaluator) Sentence #10803 from articles/00107850 from sent1

Text  : & quot ; Puls Biznesu & quot ; : KUKE nie pójdzie na wojnę cenową
Tokens: 1 2___ 3 4___ 5______ 6 7___ 8 9 10__ 11_ 12_____ 13 14___ 15____

Chunks:
  TruePositive nam [10,10] = KUKE
  FalsePositive nam [4,7] = Puls Biznesu & quot
  FalseNegative nam [4,5] = Puls Biznesu

(ChunkerEvaluator) Sentence #10804 from articles/00107850 from sent2

Text  : Nowy prezes ubezpieczyciela celuje w fotel lidera rynku polis finansowych .
Tokens: 1___ 2_____ 3______________ 4_____ 5 6____ 7_____ 8____ 9____ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #10805 from articles/00107850 from sent3

Text  : Ale nie za wszelką cenę - informuje & quot ;  Puls Biznesu &  quot ;
Tokens: 1__ 2__ 3_ 4______ 5___ 6 7________ 8 9___ 10 11__ 12_____ 13 14__ 15

Chunks:
  FalsePositive nam [11,14] = Puls Biznesu & quot
  FalseNegative nam [11,12] = Puls Biznesu

(ChunkerEvaluator) Sentence #10806 from articles/00107850 from sent4

Text  : Obecna sytuacja Korporacji Ubezpieczeń Kredytów Eksportowych ( KUKE ) jest dobra i  w  działalności ubezpieczyciela nie trzeba dużo zmieniać .
Tokens: 1_____ 2_______ 3_________ 4__________ 5_______ 6___________ 7 8___ 9 10__ 11___ 12 13 14__________ 15_____________ 16_ 17____ 18__ 19______ 20

Chunks:
  TruePositive nam [3,6] = Korporacji Ubezpieczeń Kredytów Eksportowych
  TruePositive nam [8,8] = KUKE

(ChunkerEvaluator) Sentence #10807 from articles/00107850 from sent5

Text  : Dlatego też Dariusz Poniewierka , nowy prezes ubezpieczyciela , nie zamierza w  nim robić rewolucji .
Tokens: 1______ 2__ 3______ 4__________ 5 6___ 7_____ 8______________ 9 10_ 11______ 12 13_ 14___ 15_______ 16

Chunks:
  TruePositive nam [3,4] = Dariusz Poniewierka

(ChunkerEvaluator) Sentence #10808 from articles/00107850 from sent6

Text  : " Nie zależy mi na poszerzaniu frontu działalności .
Tokens: 1 2__ 3_____ 4_ 5_ 6__________ 7_____ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #10809 from articles/00107850 from sent7

Text  : Pójdziemy w inną stronę .
Tokens: 1________ 2 3___ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #10810 from articles/00107850 from sent8

Text  : Chcę , by klienci KUKE dostali więcej , niż może im dać konkurencja "  -  podkreśla Dariusz Poniewierka .
Tokens: 1___ 2 3_ 4______ 5___ 6______ 7_____ 8 9__ 10__ 11 12_ 13_________ 14 15 16_______ 17_____ 18_________ 19

Chunks:
  TruePositive nam [5,5] = KUKE
  TruePositive nam [17,18] = Dariusz Poniewierka

(ChunkerEvaluator) Sentence #10811 from articles/00107850 from sent9

Text  : " Mamy kogo gonić , ale nie oznacza to ,  że będziemy obniżać stawki w  celu zdobycia rynku .
Tokens: 1 2___ 3___ 4____ 5 6__ 7__ 8______ 9_ 10 11 12______ 13_____ 14____ 15 16__ 17______ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #10812 from articles/00107850 from sent10

Text  : Wojnie cenowej mówię zdecydowane + nie + " - dodaje Poniewierka .
Tokens: 1_____ 2______ 3____ 4__________ 5 6__ 7 8 9 10____ 11_________ 12

Chunks:
  TruePositive nam [11,11] = Poniewierka

(ChunkerEvaluator) Sentence #10813 from articles/00107850 from sent11

Text  : Nowy prezes tłumaczy także , że wyróżnikiem KUKE jest jego krajowych charakter .
Tokens: 1___ 2_____ 3_______ 4____ 5 6_ 7__________ 8___ 9___ 10__ 11_______ 12_______ 13

Chunks:
  TruePositive nam [8,8] = KUKE

(ChunkerEvaluator) Sentence #10814 from articles/00107850 from sent12

Text  : Tymczasem konkurencja na rynku ubezpieczeń finansowych to międzynarodowe firmy ,  które myślą globalnie ,  a  nie lokalnie .
Tokens: 1________ 2__________ 3_ 4____ 5__________ 6__________ 7_ 8_____________ 9____ 10 11___ 12___ 13_______ 14 15 16_ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #10815 from articles/00107850 from sent13

Text  : To powoduje , że decyzje ważne dla polskich przedsiębiorców zapadają często za granicą ,  bez uwzględniania specyfiki tego ,  co dzieje się nad Wisłą .
Tokens: 1_ 2_______ 3 4_ 5______ 6____ 7__ 8_______ 9______________ 10______ 11____ 12 13_____ 14 15_ 16___________ 17_______ 18__ 19 20 21____ 22_ 23_ 24___ 25

Chunks:
  TruePositive nam [24,24] = Wisłą

2016-10-27 15:00:07,012 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 477 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107851.xml
(ChunkerEvaluator) Sentence #10816 from articles/00107851 from sent1

Text  : Afrykański talent w polskiej I lidze .
Tokens: 1_________ 2_____ 3 4_______ 5 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #10817 from articles/00107851 from sent2

Text  : Chce go Zawisza [ VIDEO ]
Tokens: 1___ 2_ 3______ 4 5____ 6

Chunks:
  TruePositive nam [3,3] = Zawisza
  FalsePositive nam [5,5] = VIDEO

(ChunkerEvaluator) Sentence #10818 from articles/00107851 from sent3

Text  : Aristide Bahin rozpocznie testy w bydgoskim zespole .
Tokens: 1_______ 2____ 3_________ 4____ 5 6________ 7______ 8

Chunks:
  TruePositive nam [1,2] = Aristide Bahin

(ChunkerEvaluator) Sentence #10819 from articles/00107851 from sent4

Text  : 25 - letni napastnik ma za sobą występy w młodzieżowej reprezentacji Wybrzeża Kości Słoniowej .
Tokens: 1_ 2 3____ 4________ 5_ 6_ 7___ 8______ 9 10__________ 11___________ 12______ 13___ 14_______ 15

Chunks:
  TruePositive nam [12,14] = Wybrzeża Kości Słoniowej

(ChunkerEvaluator) Sentence #10820 from articles/00107851 from sent5

Text  : Zawisza , który latem jest bardzo aktywny na rynku transferowym ,  od dłuższego czasu poszukuje napastnika .
Tokens: 1______ 2 3____ 4____ 5___ 6_____ 7______ 8_ 9____ 10__________ 11 12 13_______ 14___ 15_______ 16________ 17

Chunks:
  TruePositive nam [1,1] = Zawisza

(ChunkerEvaluator) Sentence #10821 from articles/00107851 from sent6

Text  : Bahina ( ma 192 cm wzrostu ) polecił bydgoszczanom jego agent Mirosław Tłokiński .
Tokens: 1_____ 2 3_ 4__ 5_ 6______ 7 8______ 9____________ 10__ 11___ 12______ 13_______ 14

Chunks:
  TruePositive nam [12,13] = Mirosław Tłokiński
  FalseNegative nam [1,1] = Bahina
  FalseNegative nam [9,9] = bydgoszczanom

(ChunkerEvaluator) Sentence #10822 from articles/00107851 from sent7

Text  : Piłkarz ma za sobą występy m . in . w  ligach tunezyjskiej i  portugalskiej .
Tokens: 1______ 2_ 3_ 4___ 5______ 6 7 8_ 9 10 11____ 12__________ 13 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #10823 from articles/00107851 from sent8

Text  : Jego ostatnim klubem był francuski US Creteil - Lusitanos .
Tokens: 1___ 2_______ 3_____ 4__ 5________ 6_ 7______ 8 9________ 10

Chunks:
  TruePositive nam [6,9] = US Creteil - Lusitanos

(ChunkerEvaluator) Sentence #10824 from articles/00107851 from sent9

Text  : W Zawiszy napastnik z Wybrzeża Kości Słoniowej spotka swojego kolegę z  czasów wspólnych występów w  kadrze młodzieżowej Christiana Koume .
Tokens: 1 2______ 3________ 4 5_______ 6____ 7________ 8_____ 9______ 10____ 11 12____ 13_______ 14______ 15 16____ 17__________ 18________ 19___ 20

Chunks:
  TruePositive nam [2,2] = Zawiszy
  TruePositive nam [5,7] = Wybrzeża Kości Słoniowej
  TruePositive nam [18,19] = Christiana Koume

(ChunkerEvaluator) Sentence #10825 from articles/00107851 from sent10

Text  : Ciekawostką jest fakt , że Bahin w maju testowany był przez łódzki Widzew .
Tokens: 1__________ 2___ 3___ 4 5_ 6____ 7 8___ 9________ 10_ 11___ 12____ 13____ 14

Chunks:
  TruePositive nam [13,13] = Widzew
  FalseNegative nam [6,6] = Bahin

(ChunkerEvaluator) Sentence #10826 from articles/00107851 from sent11

Text  : Strzelił nawet bramkę w sparingu z GKS-em Bełchatów .
Tokens: 1_______ 2____ 3_____ 4 5_______ 6 7_____ 8________ 9

Chunks:
  TruePositive nam [7,8] = GKS-em Bełchatów

2016-10-27 15:00:07,054 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 478 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107852.xml
(ChunkerEvaluator) Sentence #10827 from articles/00107852 from sent1

Text  : Olimpijskie skandale , dramaty i bojkoty
Tokens: 1__________ 2_______ 3 4______ 5 6______

Chunks:

(ChunkerEvaluator) Sentence #10828 from articles/00107852 from sent2

Text  : Igrzyska 1996 roku , w 100 - lecie nowożytnych olimpiad ,  poprzedził wybuch bomby w  Parku Olimpijskim w  Atlancie .
Tokens: 1_______ 2___ 3___ 4 5 6__ 7 8____ 9__________ 10______ 11 12________ 13____ 14___ 15 16___ 17_________ 18 19______ 20

Chunks:
  TruePositive nam [16,17] = Parku Olimpijskim
  TruePositive nam [19,19] = Atlancie
  FalseNegative nam [1,1] = Igrzyska
  FalseNegative nam [6,10] = 100 - lecie nowożytnych olimpiad

(ChunkerEvaluator) Sentence #10829 from articles/00107852 from sent3

Text  : Były dwie ofiary śmiertelne i 11 rannych osób .
Tokens: 1___ 2___ 3_____ 4_________ 5 6_ 7______ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #10830 from articles/00107852 from sent4

Text  : Sprawcą zamachu okazał się Eric Robert Rudolph .
Tokens: 1______ 2______ 3_____ 4__ 5___ 6_____ 7______ 8

Chunks:
  TruePositive nam [5,7] = Eric Robert Rudolph

(ChunkerEvaluator) Sentence #10831 from articles/00107852 from sent5

Text  : Podczas defilady otwarcia na stadionie w Atlancie w pierwszym rzędzie oficjeli polskiej ekipy maszerował szef Misji Olimpijskiej i  zastępca prezesa PKOl Eugeniusz Pietrasik .
Tokens: 1______ 2_______ 3_______ 4_ 5________ 6 7_______ 8 9________ 10_____ 11______ 12______ 13___ 14________ 15__ 16___ 17__________ 18 19______ 20_____ 21__ 22_______ 23_______ 24

Chunks:
  TruePositive nam [7,7] = Atlancie
  TruePositive nam [16,17] = Misji Olimpijskiej
  TruePositive nam [21,21] = PKOl
  TruePositive nam [22,23] = Eugeniusz Pietrasik

(ChunkerEvaluator) Sentence #10832 from articles/00107852 from sent6

Text  : Nagle zachwiał się i upadł na bieżnię .
Tokens: 1____ 2_______ 3__ 4 5____ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #10833 from articles/00107852 from sent7

Text  : Na pomoc pospieszyli znajdujący się w pobliżu lekarze .
Tokens: 1_ 2____ 3__________ 4_________ 5__ 6 7______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #10834 from articles/00107852 from sent8

Text  : Wydawało się , że to tylko omdlenie , które za chwilę minie .
Tokens: 1_______ 2__ 3 4_ 5_ 6____ 7_______ 8 9____ 10 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #10835 from articles/00107852 from sent9

Text  : Tymczasem , w tak podniosłej chwili inauguracji igrzysk , na oczach tysięcy widzów zdarzyła się tragedia .
Tokens: 1________ 2 3 4__ 5_________ 6_____ 7__________ 8______ 9 10 11____ 12_____ 13____ 14______ 15_ 16______ 17

Chunks:
  FalseNegative nam [8,8] = igrzysk

(ChunkerEvaluator) Sentence #10836 from articles/00107852 from sent10

Text  : Eugeniusz Pietrasik doznał zawału serca .
Tokens: 1________ 2________ 3_____ 4_____ 5____ 6

Chunks:
  TruePositive nam [1,2] = Eugeniusz Pietrasik

(ChunkerEvaluator) Sentence #10837 from articles/00107852 from sent11

Text  : Dla Polaków te igrzyska zaczęły się tragiczną śmiercią zasłużonego dla ruchu olimpijskiego działacza .
Tokens: 1__ 2______ 3_ 4_______ 5______ 6__ 7________ 8_______ 9__________ 10_ 11___ 12___________ 13_______ 14

Chunks:
  TruePositive nam [2,2] = Polaków
  FalseNegative nam [4,4] = igrzyska

(ChunkerEvaluator) Sentence #10838 from articles/00107852 from sent12

Text  : Zaczęta w tak smutny sposób impreza potoczyła się dla polskich sportowców pomyślnie .
Tokens: 1______ 2 3__ 4_____ 5_____ 6______ 7________ 8__ 9__ 10______ 11________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #10839 from articles/00107852 from sent13

Text  : Już w pierwszym dniu startów złoty medal zdobyła Renata Mauer ,  w  strzelaniu z  karabinka pneumatycznego (  na dystansie 10 m  )  i  odebrała go jako pierwsza medalistka igrzysk w  Atlancie z  rąk przewodniczącego MKOl Juana Antonio Samarancha .
Tokens: 1__ 2 3________ 4___ 5______ 6____ 7____ 8______ 9_____ 10___ 11 12 13________ 14 15_______ 16____________ 17 18 19_______ 20 21 22 23 24______ 25 26__ 27______ 28________ 29_____ 30 31______ 32 33_ 34______________ 35__ 36___ 37_____ 38________ 39

Chunks:
  TruePositive nam [9,10] = Renata Mauer
  TruePositive nam [31,31] = Atlancie
  TruePositive nam [35,35] = MKOl
  TruePositive nam [36,38] = Juana Antonio Samarancha
  FalsePositive nam [6,6] = złoty
  FalseNegative nam [29,29] = igrzysk

(ChunkerEvaluator) Sentence #10840 from articles/00107852 from sent14

Text  : W 2000 roku w Sydney po raz pierwszy wykryto doping w  gimnastyce .
Tokens: 1 2___ 3___ 4 5_____ 6_ 7__ 8_______ 9______ 10____ 11 12________ 13

Chunks:
  TruePositive nam [5,5] = Sydney

(ChunkerEvaluator) Sentence #10841 from articles/00107852 from sent15

Text  : 16 - letnia Rumunka Andrea Raducan została pozbawiona złotego medalu ,  ponieważ miała pozytywny wynik testu antydopingowego .
Tokens: 1_ 2 3_____ 4______ 5_____ 6______ 7______ 8_________ 9______ 10____ 11 12______ 13___ 14_______ 15___ 16___ 17_____________ 18

Chunks:
  FalsePositive nam [4,6] = Rumunka Andrea Raducan
  FalseNegative nam [4,4] = Rumunka
  FalseNegative nam [5,6] = Andrea Raducan

(ChunkerEvaluator) Sentence #10842 from articles/00107852 from sent16

Text  : W jej organizmie stwierdzono obecność pseudoefedryny ( specyfiku wówczas zabronionego )  .
Tokens: 1 2__ 3_________ 4__________ 5_______ 6_____________ 7 8________ 9______ 10__________ 11 12

Chunks:

(ChunkerEvaluator) Sentence #10843 from articles/00107852 from sent17

Text  : Raducan przyjmowała nurofen , popularny lek pomagający zwalczać gorączkę .
Tokens: 1______ 2__________ 3______ 4 5________ 6__ 7_________ 8_______ 9_______ 10

Chunks:
  FalseNegative nam [1,1] = Raducan

(ChunkerEvaluator) Sentence #10844 from articles/00107852 from sent18

Text  : Lekarz ekipy rumuńskiej , który zaaplikował jej ten lek ,  został odesłany do kraju i  zawieszony na cztery lata w  pracy na rzecz sportu .
Tokens: 1_____ 2____ 3_________ 4 5____ 6__________ 7__ 8__ 9__ 10 11____ 12______ 13 14___ 15 16________ 17 18____ 19__ 20 21___ 22 23___ 24____ 25

Chunks:

(ChunkerEvaluator) Sentence #10845 from articles/00107852 from sent19

Text  : Złoty medal trafił do koleżanki z reprezentacji Rumunii Simony Amanar .
Tokens: 1____ 2____ 3_____ 4_ 5________ 6 7____________ 8______ 9_____ 10____ 11

Chunks:
  FalsePositive nam [8,10] = Rumunii Simony Amanar
  FalseNegative nam [8,8] = Rumunii
  FalseNegative nam [9,10] = Simony Amanar

(ChunkerEvaluator) Sentence #10846 from articles/00107852 from sent20

Text  : Raducan pozwolono zachować inne trofea , złoty medal za wielobój drużynowy i  srebrny za skok .
Tokens: 1______ 2________ 3_______ 4___ 5_____ 6 7____ 8____ 9_ 10______ 11_______ 12 13_____ 14 15__ 16

Chunks:
  FalseNegative nam [1,1] = Raducan

(ChunkerEvaluator) Sentence #10847 from articles/00107852 from sent21

Text  : Chińska gimnastyczka Dong Fang - xiao straciła medal brązowy dopiero w  2010 roku .
Tokens: 1______ 2___________ 3___ 4___ 5 6___ 7_______ 8____ 9______ 10_____ 11 12__ 13__ 14

Chunks:
  FalsePositive nam [3,4] = Dong Fang
  FalseNegative nam [3,6] = Dong Fang - xiao

(ChunkerEvaluator) Sentence #10848 from articles/00107852 from sent22

Text  : Długotrwałe dochodzenie Międzynarodowej Federacji Gimnastyki ( FIG ) wykazało ,  że w  2000 roku Dong miała zaledwie 14 lat .
Tokens: 1__________ 2__________ 3______________ 4________ 5_________ 6 7__ 8 9_______ 10 11 12 13__ 14__ 15__ 16___ 17______ 18 19_ 20

Chunks:
  TruePositive nam [3,5] = Międzynarodowej Federacji Gimnastyki
  TruePositive nam [7,7] = FIG
  TruePositive nam [15,15] = Dong

(ChunkerEvaluator) Sentence #10849 from articles/00107852 from sent23

Text  : Przepisy stanowiły , że aby występować w igrzyskach trzeba skończyć 16 lat w  roku olimpijskim .
Tokens: 1_______ 2________ 3 4_ 5__ 6_________ 7 8_________ 9_____ 10______ 11 12_ 13 14__ 15_________ 16

Chunks:
  FalseNegative nam [8,8] = igrzyskach

(ChunkerEvaluator) Sentence #10850 from articles/00107852 from sent24

Text  : Anulowano też szóste miejsce Chinki w ćwiczeniach wolnych i siódme w  skoku .
Tokens: 1________ 2__ 3_____ 4______ 5_____ 6 7__________ 8______ 9 10____ 11 12___ 13

Chunks:
  TruePositive nam [5,5] = Chinki

(ChunkerEvaluator) Sentence #10851 from articles/00107852 from sent25

Text  : FIG zaleciła MKOl odebranie brązowego medalu Chinkom w wieloboju drużynowym ze względu na to ,  że wyniki Dong liczyły się w  klasyfikacji .
Tokens: 1__ 2_______ 3___ 4________ 5________ 6_____ 7______ 8 9________ 10________ 11 12_____ 13 14 15 16 17____ 18__ 19_____ 20_ 21 22__________ 23

Chunks:
  TruePositive nam [1,1] = FIG
  TruePositive nam [3,3] = MKOl
  TruePositive nam [7,7] = Chinkom
  TruePositive nam [18,18] = Dong

(ChunkerEvaluator) Sentence #10852 from articles/00107852 from sent26

Text  : W ten sposób Amerykanki przesunęły się z miejsca czwartego na trzecie .
Tokens: 1 2__ 3_____ 4_________ 5_________ 6__ 7 8______ 9________ 10 11_____ 12

Chunks:
  TruePositive nam [4,4] = Amerykanki

(ChunkerEvaluator) Sentence #10853 from articles/00107852 from sent27

Text  : Po latach wybuchła znacznie potężniejsza " bomba z opóźnionym zapłonem "  ,  związana z  triumfami w  Sydney słynnej Amerykanki Marion Jones .
Tokens: 1_ 2_____ 3_______ 4_______ 5___________ 6 7____ 8 9_________ 10______ 11 12 13______ 14 15_______ 16 17____ 18_____ 19________ 20____ 21___ 22

Chunks:
  TruePositive nam [17,17] = Sydney
  TruePositive nam [19,19] = Amerykanki
  TruePositive nam [20,21] = Marion Jones

(ChunkerEvaluator) Sentence #10854 from articles/00107852 from sent28

Text  : W Sydney zdobyła pięć złotych medali ( 100 , 200 m  ,  skok w  dal i  w  sztafetach 4x100 i  4x400 m  )  .
Tokens: 1 2_____ 3______ 4___ 5______ 6_____ 7 8__ 9 10_ 11 12 13__ 14 15_ 16 17 18________ 19___ 20 21___ 22 23 24

Chunks:
  TruePositive nam [2,2] = Sydney
  FalsePositive nam [5,5] = złotych

(ChunkerEvaluator) Sentence #10855 from articles/00107852 from sent29

Text  : W 2007 roku lekkoatletka straciła wszystkie trofea w następstwie głośnej afery dopingowej laboratorium BALCo .
Tokens: 1 2___ 3___ 4___________ 5_______ 6________ 7_____ 8 9__________ 10_____ 11___ 12________ 13__________ 14___ 15

Chunks:
  FalseNegative nam [14,14] = BALCo

(ChunkerEvaluator) Sentence #10856 from articles/00107852 from sent30

Text  : Jones przyznała się w sądzie cywilnym , że przyjmowała środki dopingujące zwiększające jej wydolność fizyczną .
Tokens: 1____ 2________ 3__ 4 5_____ 6_______ 7 8_ 9__________ 10____ 11_________ 12__________ 13_ 14_______ 15______ 16

Chunks:
  TruePositive nam [1,1] = Jones

(ChunkerEvaluator) Sentence #10857 from articles/00107852 from sent31

Text  : Nawet trafiła do więzienia za składanie fałszywych zeznań w toku śledztwa prowadzonego przez FBI .
Tokens: 1____ 2______ 3_ 4________ 5_ 6________ 7_________ 8_____ 9 10__ 11______ 12__________ 13___ 14_ 15

Chunks:
  TruePositive nam [14,14] = FBI

(ChunkerEvaluator) Sentence #10858 from articles/00107852 from sent32

Text  : Konsekwencje dotknęły też koleżanki " upadłej gwiazdy " , startujące z  nią w  sztafetach .
Tokens: 1___________ 2_______ 3__ 4________ 5 6______ 7______ 8 9 10________ 11 12_ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #10859 from articles/00107852 from sent33

Text  : Utraciły złote medale igrzysk w Sydney .
Tokens: 1_______ 2____ 3_____ 4______ 5 6_____ 7

Chunks:
  TruePositive nam [6,6] = Sydney
  FalseNegative nam [4,4] = igrzysk

2016-10-27 15:00:07,201 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 479 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107853.xml
(ChunkerEvaluator) Sentence #10860 from articles/00107853 from sent1

Text  : Kujawsko - pomorskie .
Tokens: 1_______ 2 3________ 4

Chunks:
  FalseNegative nam [1,3] = Kujawsko - pomorskie

(ChunkerEvaluator) Sentence #10861 from articles/00107853 from sent2

Text  : Wda w okolicy Tlenia niedostępna dla kajakarzy
Tokens: 1__ 2 3______ 4_____ 5__________ 6__ 7________

Chunks:
  FalseNegative nam [1,1] = Wda
  FalseNegative nam [4,4] = Tlenia

(ChunkerEvaluator) Sentence #10862 from articles/00107853 from sent3

Text  : Niedostępny dla kajakarzy jest około 7 - kilometrowy odcinek Wdy na odcinku Stara Rzeka -  Tleń w  województwie kujawsko -  pomorskim ,  na którego części leży około tysiąca drzew powalonych przez trąbę powietrzną .
Tokens: 1__________ 2__ 3________ 4___ 5____ 6 7 8__________ 9______ 10_ 11 12_____ 13___ 14___ 15 16__ 17 18__________ 19______ 20 21_______ 22 23 24_____ 25____ 26__ 27___ 28_____ 29___ 30________ 31___ 32___ 33________ 34

Chunks:
  TruePositive nam [13,14] = Stara Rzeka
  TruePositive nam [19,21] = kujawsko - pomorskim
  FalseNegative nam [10,10] = Wdy
  FalseNegative nam [16,16] = Tleń

(ChunkerEvaluator) Sentence #10863 from articles/00107853 from sent4

Text  : Trwa udrażnianie rzeki .
Tokens: 1___ 2__________ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #10864 from articles/00107853 from sent5

Text  : " W pierwszej kolejności staramy się udrożnić rzekę i zlikwidować podpiętrzenia wody ,  która rozlewa się na łąki .
Tokens: 1 2 3________ 4_________ 5______ 6__ 7_______ 8____ 9 10_________ 11___________ 12__ 13 14___ 15_____ 16_ 17 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #10865 from articles/00107853 from sent6

Text  : Na odcinku około 4 kilometrów leży około tysiąca drzew ,  ale może się okazać ,  że jest ich jeszcze więcej .
Tokens: 1_ 2______ 3____ 4 5_________ 6___ 7____ 8______ 9____ 10 11_ 12__ 13_ 14____ 15 16 17__ 18_ 19_____ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #10866 from articles/00107853 from sent7

Text  : W akcję zaangażowani są nasi pracownicy , strażacy i ratownicy WOPR "  -  powiedziała PAP Jolanta Ossowska z  Nadzoru Wodnego w  Mylofie ,  podległego Regionalnemu Zarządowi Gospodarki Wodnej w  Gdański .
Tokens: 1 2____ 3___________ 4_ 5___ 6_________ 7 8_______ 9 10_______ 11__ 12 13 14_________ 15_ 16_____ 17______ 18 19_____ 20_____ 21 22_____ 23 24________ 25__________ 26_______ 27________ 28____ 29 30_____ 31

Chunks:
  TruePositive nam [11,11] = WOPR
  TruePositive nam [15,15] = PAP
  TruePositive nam [16,17] = Jolanta Ossowska
  TruePositive nam [19,20] = Nadzoru Wodnego
  FalsePositive nam [25,30] = Regionalnemu Zarządowi Gospodarki Wodnej w Gdański
  FalseNegative nam [22,22] = Mylofie
  FalseNegative nam [25,28] = Regionalnemu Zarządowi Gospodarki Wodnej
  FalseNegative nam [30,30] = Gdański

(ChunkerEvaluator) Sentence #10867 from articles/00107853 from sent8

Text  : Część drzew jest od razu wyciągana z wody , a  część tylko przecinana ,  aby ułatwić przepływ wody .
Tokens: 1____ 2____ 3___ 4_ 5___ 6________ 7 8___ 9 10 11___ 12___ 13________ 14 15_ 16_____ 17______ 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #10868 from articles/00107853 from sent9

Text  : " Trudno sobie wyobrazić , jak trudna jest to praca ,  nie przyglądając się z  bliska .
Tokens: 1 2_____ 3____ 4________ 5 6__ 7_____ 8___ 9_ 10___ 11 12_ 13__________ 14_ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #10869 from articles/00107853 from sent10

Text  : W niektórych miejscach leży około 30 drzew , jedne na drugich .
Tokens: 1 2_________ 3________ 4___ 5____ 6_ 7____ 8 9____ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #10870 from articles/00107853 from sent11

Text  : W wodzie można znaleźć różne przedmioty , m . in .  przewody tzw .  pastuchów elektrycznych ,  które spłynęły z  łąk "  -  zaznaczyła Ossowska .
Tokens: 1 2_____ 3____ 4______ 5____ 6_________ 7 8 9 10 11 12______ 13_ 14 15_______ 16___________ 17 18___ 19______ 20 21_ 22 23 24________ 25______ 26

Chunks:
  TruePositive nam [25,25] = Ossowska

(ChunkerEvaluator) Sentence #10871 from articles/00107853 from sent12

Text  : Prace związane z udrażnianiem Wdy potrwają mniej więcej do końca tygodnia .
Tokens: 1____ 2_______ 3 4___________ 5__ 6_______ 7____ 8_____ 9_ 10___ 11______ 12

Chunks:
  FalseNegative nam [5,5] = Wdy

(ChunkerEvaluator) Sentence #10872 from articles/00107853 from sent13

Text  : Później trzeba będzie usunąć wszystkie drzewa z koryta rzeki .
Tokens: 1______ 2_____ 3_____ 4_____ 5________ 6_____ 7 8_____ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #10873 from articles/00107853 from sent14

Text  : Wyłączony z ruchu turystycznego odcinek Wdy cieszył się dużą popularnością .
Tokens: 1________ 2 3____ 4____________ 5______ 6__ 7______ 8__ 9___ 10___________ 11

Chunks:
  FalseNegative nam [6,6] = Wdy

(ChunkerEvaluator) Sentence #10874 from articles/00107853 from sent15

Text  : W ostatnie weekendy rzeką do Tlenia dopływało około 500 uczestników spływów i  indywidualnych kajakarzy ,  a  w  zwykłe dni -  po kilkudziesięciu .
Tokens: 1 2_______ 3_______ 4____ 5_ 6_____ 7________ 8____ 9__ 10_________ 11_____ 12 13____________ 14_______ 15 16 17 18____ 19_ 20 21 22_____________ 23

Chunks:
  TruePositive nam [6,6] = Tlenia

(ChunkerEvaluator) Sentence #10875 from articles/00107853 from sent16

Text  : Obecnie ruch turystyczny zamarł .
Tokens: 1______ 2___ 3__________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #10876 from articles/00107853 from sent17

Text  : W środę w stanicy wodnej w Tleniu , dysponującej domkami kempingowymi ,  polem namiotowym i  stanowiskami karawaningowymi było zaledwie kilku turystów .  (  PAP )
Tokens: 1 2____ 3 4______ 5_____ 6 7_____ 8 9___________ 10_____ 11__________ 12 13___ 14________ 15 16__________ 17_____________ 18__ 19______ 20___ 21______ 22 23 24_ 25

Chunks:
  TruePositive nam [7,7] = Tleniu
  TruePositive nam [24,24] = PAP

2016-10-27 15:00:07,283 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 480 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107854.xml
(ChunkerEvaluator) Sentence #10877 from articles/00107854 from sent1

Text  : Opole na zdjęciach , wielka wystawa fotografii .
Tokens: 1____ 2_ 3________ 4 5_____ 6______ 7_________ 8

Chunks:
  TruePositive nam [1,1] = Opole

(ChunkerEvaluator) Sentence #10878 from articles/00107854 from sent2

Text  : Opolskie Towarzystwo Fotograficzne zaprasza na wernisaż wystawy pt . „  Moje Opole ”
Tokens: 1_______ 2__________ 3____________ 4_______ 5_ 6_______ 7______ 8_ 9 10 11__ 12___ 13

Chunks:
  TruePositive nam [1,3] = Opolskie Towarzystwo Fotograficzne
  TruePositive nam [11,12] = Moje Opole

(ChunkerEvaluator) Sentence #10879 from articles/00107854 from sent3

Text  : Wszystko zaczęło się od widokówek .
Tokens: 1_______ 2______ 3__ 4_ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #10880 from articles/00107854 from sent4

Text  : W ramach projektu , na który miasto Opole przeznaczyło pieniądze członkowie OTF robili zdjęcia miasta ,  które następnie przerodziły się w  widokówki ,  dostępne obecnie w  Miejskiej Informacji Turystycznej .
Tokens: 1 2_____ 3_______ 4 5_ 6____ 7_____ 8____ 9___________ 10_______ 11________ 12_ 13____ 14_____ 15____ 16 17___ 18_______ 19_________ 20_ 21 22_______ 23 24______ 25_____ 26 27_______ 28________ 29__________ 30

Chunks:
  TruePositive nam [8,8] = Opole
  TruePositive nam [27,29] = Miejskiej Informacji Turystycznej
  FalseNegative nam [12,12] = OTF

(ChunkerEvaluator) Sentence #10881 from articles/00107854 from sent5

Text  : Materiału powstało tak dużo i na tyle dobrego , że postanowiono stworzyć wystawę fotograficzną .
Tokens: 1________ 2_______ 3__ 4___ 5 6_ 7___ 8______ 9 10 11__________ 12______ 13_____ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #10882 from articles/00107854 from sent6

Text  : „ Moje Opole ” , wystawa na której będzie można zobaczyć około 40 prac 15 miłośników fotografii opowiada o  mieście ,  które dobrze znamy ,  o  miejscach które często mijamy ale także o  tych mniej znanych i  trochę zapomnianych zakątkach miasta .
Tokens: 1 2___ 3____ 4 5 6______ 7_ 8_____ 9_____ 10___ 11______ 12___ 13 14__ 15 16________ 17________ 18______ 19 20_____ 21 22___ 23____ 24___ 25 26 27_______ 28___ 29____ 30____ 31_ 32___ 33 34__ 35___ 36_____ 37 38____ 39__________ 40_______ 41____ 42

Chunks:
  TruePositive nam [2,3] = Moje Opole

(ChunkerEvaluator) Sentence #10883 from articles/00107854 from sent7

Text  : Opolskiego Towarzystwa Fotograficznego pt . " Moje Opole " ,  która odbędzie się o  godz .  19 w  Piwnicy Artystycznej NCPP przy ul .  Piastowskiej 14 a  .
Tokens: 1_________ 2__________ 3______________ 4_ 5 6 7___ 8____ 9 10 11___ 12______ 13_ 14 15__ 16 17 18 19_____ 20__________ 21__ 22__ 23 24 25__________ 26 27 28

Chunks:
  TruePositive nam [7,8] = Moje Opole
  TruePositive nam [25,25] = Piastowskiej
  FalsePositive nam [2,3] = Towarzystwa Fotograficznego
  FalsePositive nam [19,21] = Piwnicy Artystycznej NCPP
  FalseNegative nam [1,3] = Opolskiego Towarzystwa Fotograficznego
  FalseNegative nam [19,20] = Piwnicy Artystycznej
  FalseNegative nam [21,21] = NCPP

(ChunkerEvaluator) Sentence #10884 from articles/00107854 from sent8

Text  : Wstęp wolny .
Tokens: 1____ 2____ 3

Chunks:

2016-10-27 15:00:07,324 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 481 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107855.xml
(ChunkerEvaluator) Sentence #10885 from articles/00107855 from sent1

Text  : Czterech bandytów nękało miasto .
Tokens: 1_______ 2_______ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #10886 from articles/00107855 from sent2

Text  : Włamywali się do sklepów i napadali na przechodniów
Tokens: 1________ 2__ 3_ 4______ 5 6_______ 7_ 8___________

Chunks:

(ChunkerEvaluator) Sentence #10887 from articles/00107855 from sent3

Text  : Czterej mężczyźni przez prawie pół roku włamywali się do sklepów .
Tokens: 1______ 2________ 3____ 4_____ 5__ 6___ 7________ 8__ 9_ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #10888 from articles/00107855 from sent4

Text  : Ogałacali kasy z gotówki a półki z towaru .
Tokens: 1________ 2___ 3 4______ 5 6____ 7 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #10889 from articles/00107855 from sent5

Text  : Ich łupy oszacowano w sumie na 80 tys . zł .
Tokens: 1__ 2___ 3_________ 4 5____ 6_ 7_ 8__ 9 10 11

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #10890 from articles/00107855 from sent6

Text  : Dokonali też brutalnego rozboju .
Tokens: 1_______ 2__ 3_________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #10891 from articles/00107855 from sent7

Text  : Teraz odpowiedzą przed sądem .
Tokens: 1____ 2_________ 3____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #10892 from articles/00107855 from sent8

Text  : Prokuratura właśnie skierowała do niego akt oskarżenia , stawiając bandytom aż 22 zarzuty .
Tokens: 1__________ 2______ 3_________ 4_ 5____ 6__ 7_________ 8 9________ 10______ 11 12 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Prokuratura

(ChunkerEvaluator) Sentence #10893 from articles/00107855 from sent9

Text  : Kiedyś za cel obrali sobie idących ulicą kobietę i mężczyznę .
Tokens: 1_____ 2_ 3__ 4_____ 5____ 6______ 7____ 8______ 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #10894 from articles/00107855 from sent10

Text  : Pobili ich , skopali , a jakby tego było mało ,  użyli nawet ręcznego miotacza gazu .
Tokens: 1_____ 2__ 3 4______ 5 6 7____ 8___ 9___ 10__ 11 12___ 13___ 14______ 15______ 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #10895 from articles/00107855 from sent11

Text  : Potem zabrali obojgu dokumenty , pieniądze , karty bankomatowe ,  telefony komórkowe -  właściwie wszystko ,  co ofiary miały przy sobie i  co przedstawiało jakąkolwiek wartość .
Tokens: 1____ 2______ 3_____ 4________ 5 6________ 7 8____ 9__________ 10 11______ 12_______ 13 14_______ 15______ 16 17 18____ 19___ 20__ 21___ 22 23 24___________ 25_________ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #10896 from articles/00107855 from sent12

Text  : Generalnie jednak włamywali się do sklepów .
Tokens: 1_________ 2_____ 3________ 4__ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #10897 from articles/00107855 from sent13

Text  : Nie mieli „ specjalizacji ” , kradli , co się nawinęło pod rękę .
Tokens: 1__ 2____ 3 4____________ 5 6 7_____ 8 9_ 10_ 11______ 12_ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #10898 from articles/00107855 from sent14

Text  : Przede wszystkim pieniądze z kas , ale także towary z  półek ,  choćby alkohol ,  papierosy ,  produkty spożywcze .
Tokens: 1_____ 2________ 3________ 4 5__ 6 7__ 8____ 9_____ 10 11___ 12 13____ 14_____ 15 16_______ 17 18______ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #10899 from articles/00107855 from sent15

Text  : Straty , które spowodowali , wyniosły w sumie 80 tys .  zł .
Tokens: 1_____ 2 3____ 4__________ 5 6_______ 7 8____ 9_ 10_ 11 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #10900 from articles/00107855 from sent16

Text  : - Sprawcy to czterech mężczyzn w wieku 28 - 37 lat .
Tokens: 1 2______ 3_ 4_______ 5_______ 6 7____ 8_ 9 10 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #10901 from articles/00107855 from sent17

Text  : Wszyscy są mieszkańcami z Częstochowy .
Tokens: 1______ 2_ 3___________ 4 5__________ 6

Chunks:
  TruePositive nam [5,5] = Częstochowy

(ChunkerEvaluator) Sentence #10902 from articles/00107855 from sent18

Text  : Działali od maja do września ubiegłego roku , na terenie całego miasta ,  nie ograniczając się do jakiejś jednej dzielnicy (  w  akcie oskarżenia mówi się m  .  in .  o  kradzieżach przy al .  Armii Krajowej ,  ulicach Warszawskiej czy Ludowej ,  a  także w  Woli Kiedrzyńskiej czy w  Myszkowie )  -  opowiada rzecznik Prokuratury Okręgowej w  Częstochowie Romuald Basiński .
Tokens: 1_______ 2_ 3___ 4_ 5_______ 6________ 7___ 8 9_ 10_____ 11____ 12____ 13 14_ 15__________ 16_ 17 18_____ 19____ 20_______ 21 22 23___ 24________ 25__ 26_ 27 28 29 30 31 32_________ 33__ 34 35 36___ 37______ 38 39_____ 40__________ 41_ 42_____ 43 44 45___ 46 47__ 48___________ 49_ 50 51_______ 52 53 54______ 55______ 56_________ 57_______ 58 59__________ 60_____ 61______ 62

Chunks:
  TruePositive nam [36,37] = Armii Krajowej
  TruePositive nam [40,40] = Warszawskiej
  TruePositive nam [42,42] = Ludowej
  TruePositive nam [47,48] = Woli Kiedrzyńskiej
  TruePositive nam [51,51] = Myszkowie
  TruePositive nam [60,61] = Romuald Basiński
  FalsePositive nam [56,59] = Prokuratury Okręgowej w Częstochowie
  FalseNegative nam [56,57] = Prokuratury Okręgowej
  FalseNegative nam [59,59] = Częstochowie

(ChunkerEvaluator) Sentence #10903 from articles/00107855 from sent19

Text  : - Policja zatrzymała ich jesienią .
Tokens: 1 2______ 3_________ 4__ 5_______ 6

Chunks:
  FalseNegative nam [2,2] = Policja

(ChunkerEvaluator) Sentence #10904 from articles/00107855 from sent20

Text  : Bandyci nie zawsze „ pracowali ” w czteroosobowym komplecie .
Tokens: 1______ 2__ 3_____ 4 5________ 6 7 8_____________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #10905 from articles/00107855 from sent21

Text  : Dobierali się różnie , ale skład ich grupy pozostawał niezmienny .
Tokens: 1________ 2__ 3_____ 4 5__ 6____ 7__ 8____ 9_________ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #10906 from articles/00107855 from sent22

Text  : Trzej z nich to recydywiści : Marcin S . -  ktoś w  rodzaju przywódcy ,  wcześniej wielokrotnie karany za przestępstwa pospolite ,  Sebastian K  .  i  Rafał Z  .  Osadzeni w  areszcie ,  czekają tam na proces .
Tokens: 1____ 2 3___ 4_ 5__________ 6 7_____ 8 9 10 11__ 12 13_____ 14_______ 15 16_______ 17__________ 18____ 19 20__________ 21_______ 22 23_______ 24 25 26 27___ 28 29 30______ 31 32______ 33 34_____ 35_ 36 37____ 38

Chunks:
  TruePositive nam [7,9] = Marcin S .
  TruePositive nam [23,25] = Sebastian K .
  FalsePositive nam [27,30] = Rafał Z . Osadzeni
  FalseNegative nam [27,29] = Rafał Z .

(ChunkerEvaluator) Sentence #10907 from articles/00107855 from sent23

Text  : Czwarty członek bandy - Sebastian P . - jest na razie na wolności ,  choć objęty dozorem policji .
Tokens: 1______ 2______ 3____ 4 5________ 6 7 8 9___ 10 11___ 12 13______ 14 15__ 16____ 17_____ 18_____ 19

Chunks:
  TruePositive nam [5,7] = Sebastian P .

(ChunkerEvaluator) Sentence #10908 from articles/00107855 from sent24

Text  : To dlatego , że nie był wcześniej karany , a  i  podczas działań całej czwórki wykazywał się najmniejszą aktywnością .
Tokens: 1_ 2______ 3 4_ 5__ 6__ 7________ 8_____ 9 10 11 12_____ 13_____ 14___ 15_____ 16_______ 17_ 18_________ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #10909 from articles/00107855 from sent25

Text  : Prokurator postawił im w sumie aż 22 zarzuty dokonywania przestępstw w  Częstochowie i  okolicach (  najpoważniejszy zarzut dotyczy rozboju opisanego na wstępie )  .
Tokens: 1_________ 2_______ 3_ 4 5____ 6_ 7_ 8______ 9__________ 10_________ 11 12__________ 13 14_______ 15 16_____________ 17____ 18_____ 19_____ 20_______ 21 22_____ 23 24

Chunks:
  TruePositive nam [12,12] = Częstochowie

(ChunkerEvaluator) Sentence #10910 from articles/00107855 from sent26

Text  : Do części z zarzucanych im czynów mężczyźni się przyznają ,  do części nie .
Tokens: 1_ 2_____ 3 4__________ 5_ 6_____ 7________ 8__ 9________ 10 11 12____ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #10911 from articles/00107855 from sent27

Text  : - Dwójce oskarżonych , których objęto zarzutem rozboju , grozi do 12 lat więzienia .
Tokens: 1 2_____ 3__________ 4 5______ 6_____ 7_______ 8______ 9 10___ 11 12 13_ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #10912 from articles/00107855 from sent28

Text  : Reszta może dostać do 10 lat - mówi prok .  Basiński .
Tokens: 1_____ 2___ 3_____ 4_ 5_ 6__ 7 8___ 9___ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Basiński

(ChunkerEvaluator) Sentence #10913 from articles/00107855 from sent29

Text  : Prokuratura - choć sprawa trafiła już do sądu - nie przestaje się nią zajmować .
Tokens: 1__________ 2 3___ 4_____ 5______ 6__ 7_ 8___ 9 10_ 11_______ 12_ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #10914 from articles/00107855 from sent30

Text  : Trwają bowiem poszukiwania kobiety , która prawdopodobnie towarzyszyła czwórce bandytów i  brała udział w  napaści na kobietę i  mężczyznę .
Tokens: 1_____ 2_____ 3___________ 4______ 5 6____ 7_____________ 8___________ 9______ 10______ 11 12___ 13____ 14 15_____ 16 17_____ 18 19_______ 20

Chunks:

2016-10-27 15:00:07,463 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 482 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107856.xml
(ChunkerEvaluator) Sentence #10915 from articles/00107856 from sent1

Text  : „ Jestem przeciwko komercji ” .
Tokens: 1 2_____ 3________ 4_______ 5 6

Chunks:

(ChunkerEvaluator) Sentence #10916 from articles/00107856 from sent2

Text  : Tak zapamiętamy Łapickiego
Tokens: 1__ 2__________ 3_________

Chunks:
  FalseNegative nam [3,3] = Łapickiego

(ChunkerEvaluator) Sentence #10917 from articles/00107856 from sent3

Text  : Jak Andrzej Łapicki się zapisał do bojkotu szmiry .
Tokens: 1__ 2______ 3______ 4__ 5______ 6_ 7______ 8_____ 9

Chunks:
  TruePositive nam [2,3] = Andrzej Łapicki

(ChunkerEvaluator) Sentence #10918 from articles/00107856 from sent4

Text  : Wspomnienie z 1994 roku dziennikarza „ Gazety Wyborczej ” Romana Pawłowskiego .
Tokens: 1__________ 2 3___ 4___ 5___________ 6 7_____ 8________ 9 10____ 11__________ 12

Chunks:
  TruePositive nam [7,8] = Gazety Wyborczej
  TruePositive nam [10,11] = Romana Pawłowskiego

(ChunkerEvaluator) Sentence #10919 from articles/00107856 from sent5

Text  : Z archiwum „ Gazety ” wyciągnął em wywiad , który przeprowadził em z  Andrzejem Łapickim jesienią 1994 roku .
Tokens: 1 2_______ 3 4_____ 5 6________ 7_ 8_____ 9 10___ 11___________ 12 13 14_______ 15______ 16______ 17__ 18__ 19

Chunks:
  TruePositive nam [4,4] = Gazety
  TruePositive nam [14,15] = Andrzejem Łapickim

(ChunkerEvaluator) Sentence #10920 from articles/00107856 from sent6

Text  : „ Łapa ” był wtedy rektorem szkoły teatralnej i prezesem ZASP ,  przyjął mnie w  swoim biurze w  Alejach Ujazdowskich .
Tokens: 1 2___ 3 4__ 5____ 6_______ 7_____ 8_________ 9 10______ 11__ 12 13_____ 14__ 15 16___ 17____ 18 19_____ 20__________ 21

Chunks:
  TruePositive nam [2,2] = Łapa
  TruePositive nam [11,11] = ZASP
  TruePositive nam [19,20] = Alejach Ujazdowskich

(ChunkerEvaluator) Sentence #10921 from articles/00107856 from sent7

Text  : Był uprzejmy , ale wyniosły .
Tokens: 1__ 2_______ 3 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #10922 from articles/00107856 from sent8

Text  : Podano herbatę , zaczęli śmy rozmowę od jego zaangażowania politycznego .
Tokens: 1_____ 2______ 3 4______ 5__ 6______ 7_ 8___ 9____________ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #10923 from articles/00107856 from sent9

Text  : Odpowiadał okrągłymi zdaniami , jakby recytował z pamięci .
Tokens: 1_________ 2________ 3_______ 4 5____ 6________ 7 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #10924 from articles/00107856 from sent10

Text  : Wiało nudą .
Tokens: 1____ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #10925 from articles/00107856 from sent11

Text  : Lody pękły dopiero wtedy , kiedy zapytał em o kryzys teatru w  wolnej Polsce .
Tokens: 1___ 2____ 3______ 4____ 5 6____ 7______ 8_ 9 10____ 11____ 12 13____ 14____ 15

Chunks:
  TruePositive nam [14,14] = Polsce

(ChunkerEvaluator) Sentence #10926 from articles/00107856 from sent12

Text  : Trafił em w czuły punkt .
Tokens: 1_____ 2_ 3 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #10927 from articles/00107856 from sent13

Text  : To był rzeczywiście zły czas dla teatru , frekwencja spadła o  połowę ,  teatry repertuarowe ratowały się ,  grając zachodnie farsy ,  aktorów częściej niż na scenie można było oglądać w  telewizyjnych reklamach .
Tokens: 1_ 2__ 3___________ 4__ 5___ 6__ 7_____ 8 9_________ 10____ 11 12____ 13 14____ 15__________ 16______ 17_ 18 19____ 20_______ 21___ 22 23_____ 24______ 25_ 26 27____ 28___ 29__ 30_____ 31 32___________ 33_______ 34

Chunks:

(ChunkerEvaluator) Sentence #10928 from articles/00107856 from sent14

Text  : Powracały pomysły prywatyzacji publicznych scen .
Tokens: 1________ 2______ 3___________ 4__________ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #10929 from articles/00107856 from sent15

Text  : Przeciwko komercji
Tokens: 1________ 2_______

Chunks:

(ChunkerEvaluator) Sentence #10930 from articles/00107856 from sent16

Text  : Zapytał em , czy po bojkocie aktorskim ze stanu wojennego nie przyszedł czas na kolejny bojkot ,  tym razem szmiry i  komercji .
Tokens: 1______ 2_ 3 4__ 5_ 6_______ 7________ 8_ 9____ 10_______ 11_ 12_______ 13__ 14 15_____ 16____ 17 18_ 19___ 20____ 21 22______ 23

Chunks:
  FalseNegative nam [9,10] = stanu wojennego

(ChunkerEvaluator) Sentence #10931 from articles/00107856 from sent17

Text  : „ Łapa ” spojrzał na mnie zimno spod krzaczastych brwi ,  aż zamarł em .
Tokens: 1 2___ 3 4_______ 5_ 6___ 7____ 8___ 9___________ 10__ 11 12 13____ 14 15

Chunks:
  TruePositive nam [2,2] = Łapa

(ChunkerEvaluator) Sentence #10932 from articles/00107856 from sent18

Text  : - To jest dobry pomysł , choć nie wiem ,  czy taki bojkot miał by powodzenie u  moich kolegów .
Tokens: 1 2_ 3___ 4____ 5_____ 6 7___ 8__ 9___ 10 11_ 12__ 13____ 14__ 15 16________ 17 18___ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #10933 from articles/00107856 from sent19

Text  : Ja w każdym razie się do niego zapisuję - odpowiedział po długiej pauzie .
Tokens: 1_ 2 3_____ 4____ 5__ 6_ 7____ 8_______ 9 10__________ 11 12_____ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #10934 from articles/00107856 from sent20

Text  : - Jestem przeciwko komercji , wszystkiemu , co źródło ma w  łatwości ,  z  jaką aktorzy sprzedają siebie .
Tokens: 1 2_____ 3________ 4_______ 5 6__________ 7 8_ 9_____ 10 11 12______ 13 14 15__ 16_____ 17_______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #10935 from articles/00107856 from sent21

Text  : Rozumiem bardzo ciężką sytuację materialną , nikogo nie potępiam ,  chodzi o  to ,  żeby się trochę ograniczyć -  ciągnął .
Tokens: 1_______ 2_____ 3_____ 4_______ 5_________ 6 7_____ 8__ 9_______ 10 11____ 12 13 14 15__ 16_ 17____ 18________ 19 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #10936 from articles/00107856 from sent22

Text  : - Walczyli ście o idee , a teraz wasi następcy walczą o  chleb -  prowokował em .
Tokens: 1 2_______ 3___ 4 5___ 6 7 8____ 9___ 10______ 11____ 12 13___ 14 15________ 16 17

Chunks:

(ChunkerEvaluator) Sentence #10937 from articles/00107856 from sent23

Text  : - Bo teraz nie ma idei .
Tokens: 1 2_ 3____ 4__ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #10938 from articles/00107856 from sent24

Text  : Niech pan spojrzy na społeczeństwo , które kiedyś klaskało ,  nosiło nas na rękach ,  obsypywało kwiatami ,  a  teraz się odwraca i  mówi :  macie nas rozerwać ,  i  już .
Tokens: 1____ 2__ 3______ 4_ 5____________ 6 7____ 8_____ 9_______ 10 11____ 12_ 13 14____ 15 16________ 17______ 18 19 20___ 21_ 22_____ 23 24__ 25 26___ 27_ 28______ 29 30 31_ 32

Chunks:

(ChunkerEvaluator) Sentence #10939 from articles/00107856 from sent25

Text  : Ktoś musi w końcu przerwać ten krąg zaklęty , jak u  Wyspiańskiego -  powiedział .
Tokens: 1___ 2___ 3 4____ 5_______ 6__ 7___ 8______ 9 10_ 11 12___________ 13 14________ 15

Chunks:
  TruePositive nam [12,12] = Wyspiańskiego

(ChunkerEvaluator) Sentence #10940 from articles/00107856 from sent26

Text  : I dodał , że to teatr musi dzisiaj narzucić publiczności postawę artystyczną .
Tokens: 1 2____ 3 4_ 5_ 6____ 7___ 8______ 9_______ 10__________ 11_____ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #10941 from articles/00107856 from sent27

Text  : - Boleję nad tym , że teatr teraz zajmuje się bulwarem ,  że przeżywa inwazję tych amerykańskich sztuczydeł na najniższym poziomie ,  które mają jakoby przyciągnąć widza .
Tokens: 1 2_____ 3__ 4__ 5 6_ 7____ 8____ 9______ 10_ 11______ 12 13 14______ 15_____ 16__ 17___________ 18________ 19 20________ 21______ 22 23___ 24__ 25____ 26_________ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #10942 from articles/00107856 from sent28

Text  : Jeśli się nie weźmiemy znowu w garść i nie zaczniemy grać tego ,  co nam przynależy ,  to znaczy wielkiego polskiego repertuaru ,  to teatr polski zginie .
Tokens: 1____ 2__ 3__ 4_______ 5____ 6 7____ 8 9__ 10_______ 11__ 12__ 13 14 15_ 16________ 17 18 19____ 20_______ 21_______ 22________ 23 24 25___ 26____ 27____ 28

Chunks:

(ChunkerEvaluator) Sentence #10943 from articles/00107856 from sent29

Text  : Wiosną następnego roku relacjonował em specjalny zjazd ZASP , który Łapicki zwołał w  Warszawie .
Tokens: 1_____ 2_________ 3___ 4___________ 5_ 6________ 7____ 8___ 9 10___ 11_____ 12____ 13 14_______ 15

Chunks:
  TruePositive nam [8,8] = ZASP
  TruePositive nam [14,14] = Warszawie
  FalseNegative nam [11,11] = Łapicki

(ChunkerEvaluator) Sentence #10944 from articles/00107856 from sent30

Text  : Miał to być artystyczny rachunek sumienia ludzi teatru , skończyło się na narzekaniach na brak pieniędzy i  niewykształcone społeczeństwo .
Tokens: 1___ 2_ 3__ 4__________ 5_______ 6_______ 7____ 8_____ 9 10_______ 11_ 12 13__________ 14 15__ 16_______ 17 18_____________ 19___________ 20

Chunks:

(ChunkerEvaluator) Sentence #10945 from articles/00107856 from sent31

Text  : Łapicki był rozczarowany , liczył na prawdziwą odnowę , ale środowisko nie było zainteresowane dyskusją o  misji i  sztuce .
Tokens: 1______ 2__ 3___________ 4 5_____ 6_ 7________ 8_____ 9 10_ 11________ 12_ 13__ 14____________ 15______ 16 17___ 18 19____ 20

Chunks:
  FalseNegative nam [1,1] = Łapicki

(ChunkerEvaluator) Sentence #10946 from articles/00107856 from sent32

Text  : Pod koniec obrad sala świeciła pustkami .
Tokens: 1__ 2_____ 3____ 4___ 5_______ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #10947 from articles/00107856 from sent33

Text  : Kulturalnie oburzony
Tokens: 1__________ 2_______

Chunks:

(ChunkerEvaluator) Sentence #10948 from articles/00107856 from sent34

Text  : Kiedy czytam dzisiaj tamten wywiad , czuję się tak ,  jakby m  czytał manifest „  Teatr nie jest produktem /  widz nie jest klientem ”  .
Tokens: 1____ 2_____ 3______ 4_____ 5_____ 6 7____ 8__ 9__ 10 11___ 12 13____ 14______ 15 16___ 17_ 18__ 19_______ 20 21__ 22_ 23__ 24______ 25 26

Chunks:

(ChunkerEvaluator) Sentence #10949 from articles/00107856 from sent35

Text  : Walka z komercjalizacją scen publicznych , o którą Łapicki apelował 17 lat temu ,  dzisiaj powraca jako postulat ruchu teatralnych oburzonych .
Tokens: 1____ 2 3______________ 4___ 5__________ 6 7 8____ 9______ 10______ 11 12_ 13__ 14 15_____ 16_____ 17__ 18______ 19___ 20_________ 21________ 22

Chunks:
  TruePositive nam [9,9] = Łapicki

(ChunkerEvaluator) Sentence #10950 from articles/00107856 from sent36

Text  : Nie wiem , czy „ Łapie ” było by po drodze z  jego inicjatorami ,  na pewno miał inne poglądy estetyczne i  inaczej wyobrażał sobie walkę z  komercją .
Tokens: 1__ 2___ 3 4__ 5 6____ 7 8___ 9_ 10 11____ 12 13__ 14__________ 15 16 17___ 18__ 19__ 20_____ 21________ 22 23_____ 24_______ 25___ 26___ 27 28______ 29

Chunks:
  TruePositive nam [6,6] = Łapie

(ChunkerEvaluator) Sentence #10951 from articles/00107856 from sent37

Text  : Dla niego odtrutką na szmirę była tradycyjnie grana polska klasyka .
Tokens: 1__ 2____ 3_______ 4_ 5_____ 6___ 7__________ 8____ 9_____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #10952 from articles/00107856 from sent38

Text  : Mimo to stary aktor może być patronem dzisiejszych Oburzonych .
Tokens: 1___ 2_ 3____ 4____ 5___ 6__ 7_______ 8___________ 9_________ 10

Chunks:
  TruePositive nam [9,9] = Oburzonych

(ChunkerEvaluator) Sentence #10953 from articles/00107856 from sent39

Text  : On pierwszy się oburzył .
Tokens: 1_ 2_______ 3__ 4______ 5

Chunks:

2016-10-27 15:00:07,636 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 483 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107857.xml
(ChunkerEvaluator) Sentence #10954 from articles/00107857 from sent1

Text  : X Muza kusi filmem „ Prywatne życie Pippy Lee ”
Tokens: 1 2___ 3___ 4_____ 5 6_______ 7____ 8____ 9__ 10

Chunks:
  FalsePositive nam [2,2] = Muza
  FalsePositive nam [8,9] = Pippy Lee
  FalseNegative nam [1,2] = X Muza
  FalseNegative nam [6,9] = Prywatne życie Pippy Lee

(ChunkerEvaluator) Sentence #10955 from articles/00107857 from sent2

Text  : W środę , 25 lipca o godz . 19 rozpocznie się pierwsze spotkanie z  cyklu „  Kuszenie X  Muzy ”  .
Tokens: 1 2____ 3 4_ 5____ 6 7___ 8 9_ 10________ 11_ 12______ 13_______ 14 15___ 16 17______ 18 19__ 20 21

Chunks:
  TruePositive nam [17,19] = Kuszenie X Muzy

(ChunkerEvaluator) Sentence #10956 from articles/00107857 from sent3

Text  : Na start organizatorzy wybrali film „ Prywatne życie Pippy Lee ”  Rebecci Miller .
Tokens: 1_ 2____ 3____________ 4______ 5___ 6 7_______ 8____ 9____ 10_ 11 12_____ 13____ 14

Chunks:
  FalsePositive nam [9,10] = Pippy Lee
  FalsePositive nam [13,13] = Miller
  FalseNegative nam [7,10] = Prywatne życie Pippy Lee
  FalseNegative nam [12,13] = Rebecci Miller

(ChunkerEvaluator) Sentence #10957 from articles/00107857 from sent4

Text  : - Film wyjątkowo zakręcony , ale jakże urzekający ! -  piszą o  obrazie Rebecci Miller internauci .
Tokens: 1 2___ 3________ 4________ 5 6__ 7____ 8_________ 9 10 11___ 12 13_____ 14_____ 15____ 16________ 17

Chunks:
  FalsePositive nam [15,16] = Miller internauci
  FalseNegative nam [14,15] = Rebecci Miller

(ChunkerEvaluator) Sentence #10958 from articles/00107857 from sent5

Text  : Produkcja opowiada o perypetiach uzależnionej od metamfetaminy kobiety , która próbuje odnaleźć się w  życiu .
Tokens: 1________ 2_______ 3 4__________ 5___________ 6_ 7____________ 8______ 9 10___ 11_____ 12______ 13_ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #10959 from articles/00107857 from sent6

Text  : Kiedy mąż bohaterki zostawia ją dla młodszej , Pippa próbuje sama wychowywać dziecko .
Tokens: 1____ 2__ 3________ 4_______ 5_ 6__ 7_______ 8 9____ 10_____ 11__ 12________ 13_____ 14

Chunks:
  FalseNegative nam [9,9] = Pippa

(ChunkerEvaluator) Sentence #10960 from articles/00107857 from sent7

Text  : Wówczas zaczynają się tarapaty - wir przygód erotycznych , załamanie nerwowe ,  problemy rodzinne to tylko namiastka fabuły .
Tokens: 1______ 2________ 3__ 4_______ 5 6__ 7______ 8__________ 9 10_______ 11_____ 12 13______ 14______ 15 16___ 17_______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #10961 from articles/00107857 from sent8

Text  : W perypetiach Pippy zostało zaklęte gorzkie , ale delikatne poczucie humoru .
Tokens: 1 2__________ 3____ 4______ 5______ 6______ 7 8__ 9________ 10______ 11____ 12

Chunks:
  FalseNegative nam [3,3] = Pippy

(ChunkerEvaluator) Sentence #10962 from articles/00107857 from sent9

Text  : Seans w środę , 25 lipca o godz . 19 w  zborze w  Letnicy .
Tokens: 1____ 2 3____ 4 5_ 6____ 7 8___ 9 10 11 12____ 13 14_____ 15

Chunks:
  TruePositive nam [14,14] = Letnicy
  FalseNegative nam [12,12] = zborze

2016-10-27 15:00:07,679 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 484 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107858.xml
(ChunkerEvaluator) Sentence #10963 from articles/00107858 from sent1

Text  : Wyjątkowe , jedyne takie storczyki w Polsce odkryte w Chojnie
Tokens: 1________ 2 3_____ 4____ 5________ 6 7_____ 8______ 9 10_____

Chunks:
  TruePositive nam [7,7] = Polsce
  TruePositive nam [10,10] = Chojnie

(ChunkerEvaluator) Sentence #10964 from articles/00107858 from sent2

Text  : Storczyki trójzębne , uznawane za wymarłe w Polsce , rosną w  powiecie gryfińskim .
Tokens: 1________ 2________ 3 4_______ 5_ 6______ 7 8_____ 9 10___ 11 12______ 13________ 14

Chunks:
  TruePositive nam [8,8] = Polsce
  FalseNegative nam [13,13] = gryfińskim

(ChunkerEvaluator) Sentence #10965 from articles/00107858 from sent3

Text  : Na terenie nadleśnictwa Chojna odkryto ok . 50 tych roślin .
Tokens: 1_ 2______ 3___________ 4_____ 5______ 6_ 7 8_ 9___ 10____ 11

Chunks:
  TruePositive nam [4,4] = Chojna

(ChunkerEvaluator) Sentence #10966 from articles/00107858 from sent4

Text  : Storczyki trójzębne osiągają wysokość 30 - 45 cm .
Tokens: 1________ 2________ 3_______ 4_______ 5_ 6 7_ 8_ 9

Chunks:

(ChunkerEvaluator) Sentence #10967 from articles/00107858 from sent5

Text  : Mają jasnozielone tęgie łodygi .
Tokens: 1___ 2___________ 3____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #10968 from articles/00107858 from sent6

Text  : Bladoróżowy lub fioletowy kwiatostan może zawierać do 10 kwiatów .
Tokens: 1__________ 2__ 3________ 4_________ 5___ 6_______ 7_ 8_ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #10969 from articles/00107858 from sent7

Text  : Spotyka się je głównie na południu Europy .
Tokens: 1______ 2__ 3_ 4______ 5_ 6_______ 7_____ 8

Chunks:
  TruePositive nam [7,7] = Europy

(ChunkerEvaluator) Sentence #10970 from articles/00107858 from sent8

Text  : Rośliny odkrył na jednym ze wzgórz przyrodnik Paweł Pluciński .
Tokens: 1______ 2_____ 3_ 4_____ 5_ 6_____ 7_________ 8____ 9________ 10

Chunks:
  TruePositive nam [8,9] = Paweł Pluciński

(ChunkerEvaluator) Sentence #10971 from articles/00107858 from sent9

Text  : - Znalazł em trzy wyspy kwiatów , odległych o kilkaset metrów -  mówi .
Tokens: 1 2______ 3_ 4___ 5____ 6______ 7 8________ 9 10______ 11____ 12 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #10972 from articles/00107858 from sent10

Text  : Dokładne miejsce , gdzie rosną wyjątkowe kwiaty , jest utrzymywane w  tajemnicy .
Tokens: 1_______ 2______ 3 4____ 5____ 6________ 7_____ 8 9___ 10_________ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #10973 from articles/00107858 from sent11

Text  : - Nie chcemy , by niepowołane osoby je zniszczyły -  wyjaśnia nadleśniczy Andrzej Wysocki .
Tokens: 1 2__ 3_____ 4 5_ 6__________ 7____ 8_ 9_________ 10 11______ 12_________ 13_____ 14_____ 15

Chunks:
  TruePositive nam [13,14] = Andrzej Wysocki

(ChunkerEvaluator) Sentence #10974 from articles/00107858 from sent12

Text  : Poprzedni raz gatunek ten znaleziono w Polsce ok . 60 lat temu .
Tokens: 1________ 2__ 3______ 4__ 5_________ 6 7_____ 8_ 9 10 11_ 12__ 13

Chunks:
  TruePositive nam [7,7] = Polsce

(ChunkerEvaluator) Sentence #10975 from articles/00107858 from sent13

Text  : W Polsce wszystkie storczyki są pod ochroną .
Tokens: 1 2_____ 3________ 4________ 5_ 6__ 7______ 8

Chunks:
  TruePositive nam [2,2] = Polsce

2016-10-27 15:00:07,721 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 485 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107859.xml
(ChunkerEvaluator) Sentence #10976 from articles/00107859 from sent1

Text  : Włosy księcia Harry'ego pomogą ustalić , kto jest ojcem syna księżnej Diany
Tokens: 1____ 2______ 3________ 4_____ 5______ 6 7__ 8___ 9____ 10__ 11______ 12___

Chunks:
  TruePositive nam [3,3] = Harry'ego
  TruePositive nam [12,12] = Diany

(ChunkerEvaluator) Sentence #10977 from articles/00107859 from sent2

Text  : Brytyjska gazeta & quot ; Sunday Times & quot ;  poinformowała wczoraj o  niecodziennym spisku ,  którego celem ma być kradzież włosów księcia Harry'ego ,  młodszego syna księżnej Diany .
Tokens: 1________ 2_____ 3 4___ 5 6_____ 7____ 8 9___ 10 11___________ 12_____ 13 14___________ 15____ 16 17_____ 18___ 19 20_ 21______ 22____ 23_____ 24_______ 25 26_______ 27__ 28______ 29___ 30

Chunks:
  TruePositive nam [24,24] = Harry'ego
  TruePositive nam [29,29] = Diany
  FalsePositive nam [6,8] = Sunday Times &
  FalseNegative nam [6,7] = Sunday Times

(ChunkerEvaluator) Sentence #10978 from articles/00107859 from sent3

Text  : Próbka włosów została by poddana badaniom genetycznym DNA .
Tokens: 1_____ 2_____ 3______ 4_ 5______ 6_______ 7__________ 8__ 9

Chunks:
  FalsePositive nam [8,8] = DNA

(ChunkerEvaluator) Sentence #10979 from articles/00107859 from sent4

Text  : Po co ?
Tokens: 1_ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #10980 from articles/00107859 from sent5

Text  : By ustalić , kto tak naprawdę jest ojcem Harry'ego .
Tokens: 1_ 2______ 3 4__ 5__ 6_______ 7___ 8____ 9________ 10

Chunks:
  TruePositive nam [9,9] = Harry'ego

(ChunkerEvaluator) Sentence #10981 from articles/00107859 from sent6

Text  : Czyj ty jesteś , Harry ?
Tokens: 1___ 2_ 3_____ 4 5____ 6

Chunks:
  TruePositive nam [5,5] = Harry

(ChunkerEvaluator) Sentence #10982 from articles/00107859 from sent7

Text  : Po włosie do ojca
Tokens: 1_ 2_____ 3_ 4___

Chunks:

(ChunkerEvaluator) Sentence #10983 from articles/00107859 from sent8

Text  : Brytyjska gazeta " Sunday Times " poinformowała wczoraj o niecodziennym spisku ,  którego celem ma być kradzież włosów księcia Harry'ego ,  młodszego syna księżniczki Diany .
Tokens: 1________ 2_____ 3 4_____ 5____ 6 7____________ 8______ 9 10___________ 11____ 12 13_____ 14___ 15 16_ 17______ 18____ 19_____ 20_______ 21 22_______ 23__ 24_________ 25___ 26

Chunks:
  TruePositive nam [4,5] = Sunday Times
  TruePositive nam [20,20] = Harry'ego
  TruePositive nam [25,25] = Diany

(ChunkerEvaluator) Sentence #10984 from articles/00107859 from sent9

Text  : Próbka włosów została by poddana badaniom DNA .
Tokens: 1_____ 2_____ 3______ 4_ 5______ 6_______ 7__ 8

Chunks:
  FalsePositive nam [7,7] = DNA

(ChunkerEvaluator) Sentence #10985 from articles/00107859 from sent10

Text  : Po co ?
Tokens: 1_ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #10986 from articles/00107859 from sent11

Text  : By ustalić , kto tak naprawdę jest ojcem Harry'ego .
Tokens: 1_ 2______ 3 4__ 5__ 6_______ 7___ 8____ 9________ 10

Chunks:
  TruePositive nam [9,9] = Harry'ego

(ChunkerEvaluator) Sentence #10987 from articles/00107859 from sent12

Text  : O całej sprawie policja powiadomiła już ojca Harry'ego , następcę brytyjskiego tronu księcia Karola .
Tokens: 1 2____ 3______ 4______ 5__________ 6__ 7___ 8________ 9 10______ 11__________ 12___ 13_____ 14____ 15

Chunks:
  TruePositive nam [8,8] = Harry'ego
  TruePositive nam [14,14] = Karola

(ChunkerEvaluator) Sentence #10988 from articles/00107859 from sent13

Text  : Diana , która zginęła w wypadku samochodowym w Paryżu w  1997 r  .  ,  rozwiodła się księciem Karolem po wyjściu na jaw rewelacji o  zdradach małżeńskich obu stron :  następcy tronu z  Camilą Parker Bowles i  księżnej z  byłym oficerem brytyjskiej armii Jamesem Hewittem .
Tokens: 1____ 2 3____ 4______ 5 6______ 7___________ 8 9_____ 10 11__ 12 13 14 15_______ 16_ 17______ 18_____ 19 20_____ 21 22_ 23_______ 24 25______ 26_________ 27_ 28___ 29 30______ 31___ 32 33____ 34____ 35____ 36 37______ 38 39___ 40______ 41_________ 42___ 43_____ 44______ 45

Chunks:
  TruePositive nam [1,1] = Diana
  TruePositive nam [9,9] = Paryżu
  TruePositive nam [18,18] = Karolem
  TruePositive nam [33,35] = Camilą Parker Bowles
  TruePositive nam [43,44] = Jamesem Hewittem

(ChunkerEvaluator) Sentence #10989 from articles/00107859 from sent14

Text  : W wywiadzie udzielonym prasie we wrześniu Hewitt stanowczo zaprzeczył plotkom ,  jakoby mógł mieć z  Dianą dziecko .
Tokens: 1 2________ 3_________ 4_____ 5_ 6_______ 7_____ 8________ 9_________ 10_____ 11 12____ 13__ 14__ 15 16___ 17_____ 18

Chunks:
  TruePositive nam [7,7] = Hewitt
  TruePositive nam [16,16] = Dianą

(ChunkerEvaluator) Sentence #10990 from articles/00107859 from sent15

Text  : " Sunday Times " twierdzi , że pewna organizacja medialna wynajęła prywatnego detektywa ,  aby zdobyć kilka włosów młodego księcia .
Tokens: 1 2_____ 3____ 4 5_______ 6 7_ 8____ 9__________ 10______ 11______ 12________ 13_______ 14 15_ 16____ 17___ 18____ 19_____ 20_____ 21

Chunks:
  TruePositive nam [2,3] = Sunday Times

(ChunkerEvaluator) Sentence #10991 from articles/00107859 from sent16

Text  : Miała by tego dokonać jakaś urocza dziewczyna na spotkaniu z  Harrym ,  który nadal pobiera nauki w  elitarnej szkole Eton .
Tokens: 1____ 2_ 3___ 4______ 5____ 6_____ 7_________ 8_ 9________ 10 11____ 12 13___ 14___ 15_____ 16___ 17 18_______ 19____ 20__ 21

Chunks:
  TruePositive nam [11,11] = Harrym
  FalseNegative nam [20,20] = Eton

2016-10-27 15:00:07,800 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 486 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107860.xml
(ChunkerEvaluator) Sentence #10992 from articles/00107860 from sent1

Text  : Śledztwo prokuratury w sprawie fałszowania testów
Tokens: 1_______ 2__________ 3 4______ 5__________ 6_____

Chunks:

(ChunkerEvaluator) Sentence #10993 from articles/00107860 from sent2

Text  : Jest decyzja prokuratury w sprawie sfałszowania wyników testów szóstoklasistów w  SP nr 10 .
Tokens: 1___ 2______ 3__________ 4 5______ 6___________ 7______ 8_____ 9______________ 10 11 12 13 14

Chunks:
  FalsePositive nam [11,11] = SP
  FalseNegative nam [11,13] = SP nr 10

(ChunkerEvaluator) Sentence #10994 from articles/00107860 from sent3

Text  : Będzie śledztwo .
Tokens: 1_____ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #10995 from articles/00107860 from sent4

Text  : Prokuratura rejonowa wszczęła śledztwo w sprawie sfałszowania wyników sprawdzianu szóstoklasistów w  Szkole Podstawowej nr 10 .
Tokens: 1__________ 2_______ 3_______ 4_______ 5 6______ 7___________ 8______ 9__________ 10_____________ 11 12____ 13_________ 14 15 16

Chunks:
  FalsePositive nam [12,13] = Szkole Podstawowej
  FalseNegative nam [12,15] = Szkole Podstawowej nr 10

(ChunkerEvaluator) Sentence #10996 from articles/00107860 from sent5

Text  : - Po złożonym przez dyrektor Okręgowej Komisji Egzaminacyjnej w Poznaniu zawiadomieniu ,  które wykazało wiele nieprawidłowości w  zachowaniu zarówno ze strony pani dyrektor Szkoły Podstawowej nr 10 ,  jak i  członków komisji nadzorującej egzamin ,  postanowili śmy wszcząć śledztwo w  tej sprawie -  informuje Andrzej Bogacz ,  prokurator .
Tokens: 1 2_ 3_______ 4____ 5_______ 6________ 7______ 8_____________ 9 10______ 11___________ 12 13___ 14______ 15___ 16______________ 17 18________ 19_____ 20 21____ 22__ 23______ 24____ 25_________ 26 27 28 29_ 30 31______ 32_____ 33__________ 34_____ 35 36_________ 37_ 38_____ 39______ 40 41_ 42_____ 43 44_______ 45_____ 46____ 47 48________ 49

Chunks:
  TruePositive nam [6,8] = Okręgowej Komisji Egzaminacyjnej
  TruePositive nam [10,10] = Poznaniu
  TruePositive nam [45,46] = Andrzej Bogacz
  FalsePositive nam [24,25] = Szkoły Podstawowej
  FalseNegative nam [24,27] = Szkoły Podstawowej nr 10

(ChunkerEvaluator) Sentence #10997 from articles/00107860 from sent6

Text  : - Do tej pory zostały przesłuchane dwie osoby , Zofia Hryhorowicz ,  dyrektorka OKE w  Poznaniu ,  oraz pełniący obowiązki lubuskiego kuratora oświaty Radosław Wróblewski -  dodaje .
Tokens: 1 2_ 3__ 4___ 5______ 6___________ 7___ 8____ 9 10___ 11_________ 12 13________ 14_ 15 16______ 17 18__ 19______ 20_______ 21________ 22______ 23_____ 24______ 25________ 26 27____ 28

Chunks:
  TruePositive nam [10,11] = Zofia Hryhorowicz
  TruePositive nam [14,14] = OKE
  TruePositive nam [16,16] = Poznaniu
  TruePositive nam [24,25] = Radosław Wróblewski

(ChunkerEvaluator) Sentence #10998 from articles/00107860 from sent7

Text  : Śledztwo prowadzone jest w sprawie niedopełnienia obowiązków przez funkcjonariuszy publicznych oraz podrobienia dokumentu .
Tokens: 1_______ 2_________ 3___ 4 5______ 6_____________ 7_________ 8____ 9______________ 10_________ 11__ 12_________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #10999 from articles/00107860 from sent8

Text  : Pierwsze decyzje prokuratury będą znane prawdopodobnie już we wrześniu .
Tokens: 1_______ 2______ 3__________ 4___ 5____ 6_____________ 7__ 8_ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #11000 from articles/00107860 from sent9

Text  : Przypomnijmy : Okręgowa Komisja Egzaminacyjna w Poznaniu dopatrzyła się ingerencji w  testy 23 szóstoklasistów z  SP nr 10 .
Tokens: 1___________ 2 3_______ 4______ 5____________ 6 7_______ 8_________ 9__ 10________ 11 12___ 13 14_____________ 15 16 17 18 19

Chunks:
  TruePositive nam [3,5] = Okręgowa Komisja Egzaminacyjna
  TruePositive nam [7,7] = Poznaniu
  FalsePositive nam [16,16] = SP
  FalseNegative nam [16,18] = SP nr 10

(ChunkerEvaluator) Sentence #11001 from articles/00107860 from sent10

Text  : Sprawa wyszła na jaw , kiedy rodzice jednego z uczniów ,  zdziwieni słabym wynikiem sprawdzianu ,  pojechali do Poznania sprawdzić jego pracę .
Tokens: 1_____ 2_____ 3_ 4__ 5 6____ 7______ 8______ 9 10_____ 11 12_______ 13____ 14______ 15_________ 16 17_______ 18 19______ 20_______ 21__ 22___ 23

Chunks:
  TruePositive nam [19,19] = Poznania

(ChunkerEvaluator) Sentence #11002 from articles/00107860 from sent11

Text  : Na miejscu okazało się , że ktoś pozmieniał odpowiedzi .
Tokens: 1_ 2______ 3______ 4__ 5 6_ 7___ 8_________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #11003 from articles/00107860 from sent12

Text  : Podobnie było z 22 innymi testami .
Tokens: 1_______ 2___ 3 4_ 5_____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #11004 from articles/00107860 from sent13

Text  : „ Fachowa ” pomoc zaszkodziła uczniom , ponieważ poprawne odpowiedzi zmieniono na złe .
Tokens: 1 2______ 3 4____ 5__________ 6______ 7 8_______ 9_______ 10________ 11_______ 12 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #11005 from articles/00107860 from sent14

Text  : - Prawdopodobnie ktoś zapomniał , że arkusze mają różne warianty odpowiedzi i  podstawił swój zły szablon .
Tokens: 1 2_____________ 3___ 4________ 5 6_ 7______ 8___ 9____ 10______ 11________ 12 13_______ 14__ 15_ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11006 from articles/00107860 from sent15

Text  : W efekcie czego niektórzy uczniowie mieli nawet 14 punktów mniej -  wyjaśniała nam Zofia Hryhorowicz .
Tokens: 1 2______ 3____ 4________ 5________ 6____ 7____ 8_ 9______ 10___ 11 12________ 13_ 14___ 15_________ 16

Chunks:
  TruePositive nam [14,15] = Zofia Hryhorowicz

(ChunkerEvaluator) Sentence #11007 from articles/00107860 from sent16

Text  : Szefowa OKE nie miała wątpliwości , że doszło do złamania prawa .
Tokens: 1______ 2__ 3__ 4____ 5__________ 6 7_ 8_____ 9_ 10______ 11___ 12

Chunks:
  TruePositive nam [2,2] = OKE

(ChunkerEvaluator) Sentence #11008 from articles/00107860 from sent17

Text  : Sprawę zgłosiła prokuraturze .
Tokens: 1_____ 2_______ 3___________ 4

Chunks:

(ChunkerEvaluator) Sentence #11009 from articles/00107860 from sent18

Text  : Po wyjściu na jaw , że ktoś sfałszował wyniki testów ,  do dymisji podała się dyrektorka placówki Izabela Kneć .
Tokens: 1_ 2______ 3_ 4__ 5 6_ 7___ 8_________ 9_____ 10____ 11 12 13_____ 14____ 15_ 16________ 17______ 18_____ 19__ 20

Chunks:
  TruePositive nam [18,19] = Izabela Kneć

(ChunkerEvaluator) Sentence #11010 from articles/00107860 from sent19

Text  : Pokrzywdzeni uczniowie musieli napisać sprawdzian po raz drugi .
Tokens: 1___________ 2________ 3______ 4______ 5_________ 6_ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #11011 from articles/00107860 from sent20

Text  : Wyniki pierwszego zostały unieważnione .
Tokens: 1_____ 2_________ 3______ 4___________ 5

Chunks:

2016-10-27 15:00:07,890 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 487 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107861.xml
(ChunkerEvaluator) Sentence #11012 from articles/00107861 from sent1

Text  : Zdzichy lubią Puchar Polski
Tokens: 1______ 2____ 3_____ 4_____

Chunks:
  TruePositive nam [3,4] = Puchar Polski
  FalseNegative nam [1,1] = Zdzichy

(ChunkerEvaluator) Sentence #11013 from articles/00107861 from sent2

Text  : Piłkarze Ruchu Zdzieszowice znów zaskakują w rozgrywkach o Puchar Polski .
Tokens: 1_______ 2____ 3___________ 4___ 5________ 6 7__________ 8 9_____ 10____ 11

Chunks:
  TruePositive nam [2,3] = Ruchu Zdzieszowice
  TruePositive nam [9,10] = Puchar Polski

(ChunkerEvaluator) Sentence #11014 from articles/00107861 from sent3

Text  : Tym razem pokonali u siebie Tura Turek 2 : 1  i  są już w  1  /  32 finału tych zmagań .
Tokens: 1__ 2____ 3_______ 4 5_____ 6___ 7____ 8 9 10 11 12 13_ 14 15 16 17 18____ 19__ 20____ 21

Chunks:
  TruePositive nam [6,7] = Tura Turek

(ChunkerEvaluator) Sentence #11015 from articles/00107861 from sent4

Text  : Spotkania tego etapu rywalizacji zostaną rozegrane 1 sierpnia , a  rywala podopiecznych Stanisława Wróbla poznamy już dziś .
Tokens: 1________ 2___ 3____ 4__________ 5______ 6________ 7 8_______ 9 10 11____ 12___________ 13________ 14____ 15_____ 16_ 17__ 18

Chunks:
  TruePositive nam [13,14] = Stanisława Wróbla

(ChunkerEvaluator) Sentence #11016 from articles/00107861 from sent5

Text  : Do rozlosowania czekają drużyny , które w poprzednim sezonie grały na zapleczu elity .
Tokens: 1_ 2___________ 3______ 4______ 5 6____ 7 8_________ 9______ 10___ 11 12______ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #11017 from articles/00107861 from sent6

Text  : Możliwe jest zatem trafienie na kogoś z duetu beniaminków ekstraklasy :  Pogoń Szczecin i  Piast Gliwice lub też na kogoś z  kwartetu spadkowiczów z  I  ligi .
Tokens: 1______ 2___ 3____ 4________ 5_ 6____ 7 8____ 9__________ 10_________ 11 12___ 13______ 14 15___ 16_____ 17_ 18_ 19 20___ 21 22______ 23__________ 24 25 26__ 27

Chunks:
  TruePositive nam [12,13] = Pogoń Szczecin
  TruePositive nam [15,16] = Piast Gliwice

2016-10-27 15:00:07,919 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 488 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107862.xml
(ChunkerEvaluator) Sentence #11018 from articles/00107862 from sent1

Text  : Londyn - Fularczyk : w końcu uwierzyła m , że wystąpię na igrzyskach
Tokens: 1_____ 2 3________ 4 5 6____ 7________ 8 9 10 11______ 12 13________

Chunks:
  TruePositive nam [1,1] = Londyn
  FalseNegative nam [3,3] = Fularczyk
  FalseNegative nam [13,13] = igrzyskach

(ChunkerEvaluator) Sentence #11019 from articles/00107862 from sent2

Text  : Wioślarka Magdalena Fularczyk z dwójki podwójnej kwalifikację olimpijską wywalczyła 11 miesięcy temu ,  ale jak przyznała ,  dopiero po przylocie do Londynu ,  uwierzyła ,  że wystąpi na igrzyskach .
Tokens: 1________ 2________ 3________ 4 5_____ 6________ 7___________ 8_________ 9_________ 10 11______ 12__ 13 14_ 15_ 16_______ 17 18_____ 19 20_______ 21 22_____ 23 24_______ 25 26 27_____ 28 29________ 30

Chunks:
  TruePositive nam [2,3] = Magdalena Fularczyk
  TruePositive nam [22,22] = Londynu
  FalseNegative nam [29,29] = igrzyskach

(ChunkerEvaluator) Sentence #11020 from articles/00107862 from sent3

Text  : Razem z Julią Michalską jest wymieniana w gronie kandydatek do medalu
Tokens: 1____ 2 3____ 4________ 5___ 6_________ 7 8_____ 9_________ 10 11____

Chunks:
  TruePositive nam [3,4] = Julią Michalską

(ChunkerEvaluator) Sentence #11021 from articles/00107862 from sent4

Text  : " Tak naprawdę , to dopiero teraz uwierzyła m ,  że jadę na te igrzyska i  to się dzieję naprawdę .
Tokens: 1 2__ 3_______ 4 5_ 6______ 7____ 8________ 9 10 11 12__ 13 14 15______ 16 17 18_ 19____ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #11022 from articles/00107862 from sent5

Text  : Adrenalina w ostatnich dniach była spora , bo do końca nie wiedziała m  jak to wszystko będzie wyglądać .
Tokens: 1_________ 2 3________ 4_____ 5___ 6____ 7 8_ 9_ 10___ 11_ 12_______ 13 14_ 15 16______ 17____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #11023 from articles/00107862 from sent6

Text  : Na razie wszystko oglądam i chłonę " - powiedziała PAP wioślarka Lotto Bydgostii WSG Bydgoszcz .
Tokens: 1_ 2____ 3_______ 4______ 5 6_____ 7 8 9__________ 10_ 11_______ 12___ 13_______ 14_ 15_______ 16

Chunks:
  TruePositive nam [10,10] = PAP
  FalsePositive nam [12,15] = Lotto Bydgostii WSG Bydgoszcz
  FalseNegative nam [12,13] = Lotto Bydgostii
  FalseNegative nam [14,15] = WSG Bydgoszcz

(ChunkerEvaluator) Sentence #11024 from articles/00107862 from sent7

Text  : Wioślarze mają swoją własną wioskę olimpijską , zlokalizowaną niedaleko toru regatowego w  Eton .
Tokens: 1________ 2___ 3____ 4_____ 5_____ 6_________ 7 8____________ 9________ 10__ 11________ 12 13__ 14

Chunks:
  FalseNegative nam [13,13] = Eton

(ChunkerEvaluator) Sentence #11025 from articles/00107862 from sent8

Text  : " Nie zrobiła ona na mnie większego wrażenia , spodziewała m  się czegoś innego .
Tokens: 1 2__ 3______ 4__ 5_ 6___ 7________ 8_______ 9 10_________ 11 12_ 13____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #11026 from articles/00107862 from sent9

Text  : Jest sympatycznie , ale stołówka nie robi + szału +  "  -  zaznaczyła .
Tokens: 1___ 2___________ 3 4__ 5_______ 6__ 7___ 8 9____ 10 11 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #11027 from articles/00107862 from sent10

Text  : Pogoda na razie rozpieszcza wioślarzy i jak przyznała Fularczyk ,  to świetnie wpływa na nastroje w  ekipie .
Tokens: 1_____ 2_ 3____ 4__________ 5________ 6 7__ 8________ 9________ 10 11 12______ 13____ 14 15______ 16 17____ 18

Chunks:
  FalseNegative nam [9,9] = Fularczyk

(ChunkerEvaluator) Sentence #11028 from articles/00107862 from sent11

Text  : " W Wałczu aura nas nie rozpieszczała , było zimno i  wietrznie .
Tokens: 1 2 3_____ 4___ 5__ 6__ 7____________ 8 9___ 10___ 11 12_______ 13

Chunks:
  FalseNegative nam [3,3] = Wałczu

(ChunkerEvaluator) Sentence #11029 from articles/00107862 from sent12

Text  : Mam nadzieję , że to słońce da nam dużo pozytywnej energii ,  choć słyszały śmy ,  że od piątku ma być załamanie pogody "  -  powiedziała z  obawą .
Tokens: 1__ 2_______ 3 4_ 5_ 6_____ 7_ 8__ 9___ 10________ 11_____ 12 13__ 14______ 15_ 16 17 18 19____ 20 21_ 22_______ 23____ 24 25 26_________ 27 28___ 29

Chunks:

(ChunkerEvaluator) Sentence #11030 from articles/00107862 from sent13

Text  : Partnerka Fularczyk Julia Michalska na igrzyskach wystąpi po raz drugi .
Tokens: 1________ 2________ 3____ 4________ 5_ 6_________ 7______ 8_ 9__ 10___ 11

Chunks:
  TruePositive nam [3,4] = Julia Michalska
  FalseNegative nam [2,2] = Fularczyk
  FalseNegative nam [6,6] = igrzyskach

(ChunkerEvaluator) Sentence #11031 from articles/00107862 from sent14

Text  : Cztery lata temu w Pekinie była szósta w skiffie .
Tokens: 1_____ 2___ 3___ 4 5______ 6___ 7_____ 8 9______ 10

Chunks:
  TruePositive nam [5,5] = Pekinie

(ChunkerEvaluator) Sentence #11032 from articles/00107862 from sent15

Text  : Podczas igrzysk w stolicy Chin wioślarze mieszkali razem z innymi sportowcami .
Tokens: 1______ 2______ 3 4______ 5___ 6________ 7________ 8____ 9 10____ 11_________ 12

Chunks:
  TruePositive nam [5,5] = Chin
  FalseNegative nam [2,2] = igrzysk

(ChunkerEvaluator) Sentence #11033 from articles/00107862 from sent16

Text  : " Mało prawdopodobne by śmy podczas pierwszego tygodnia mogły pojechać do Parku Olimpijskiego .
Tokens: 1 2___ 3____________ 4_ 5__ 6______ 7_________ 8_______ 9____ 10______ 11 12___ 13___________ 14

Chunks:
  TruePositive nam [12,13] = Parku Olimpijskiego

(ChunkerEvaluator) Sentence #11034 from articles/00107862 from sent17

Text  : Zawody kończymy trzeciego sierpnia , a wylatujemy dwa dni później .
Tokens: 1_____ 2_______ 3________ 4_______ 5 6 7_________ 8__ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #11035 from articles/00107862 from sent18

Text  : Mam jednak nadzieję , że wówczas znajdziemy czas na to by pojechać do centrum miasta ,  do wioski olimpijskiej i  spotkać się z  naszymi zawodnikami "  -  mówiła Michalska .
Tokens: 1__ 2_____ 3_______ 4 5_ 6______ 7_________ 8___ 9_ 10 11 12______ 13 14_____ 15____ 16 17 18____ 19__________ 20 21_____ 22_ 23 24_____ 25_________ 26 27 28____ 29_______ 30

Chunks:
  TruePositive nam [29,29] = Michalska

(ChunkerEvaluator) Sentence #11036 from articles/00107862 from sent19

Text  : Żeńska osada dwójki podwójnej rywalizację rozpocznie dopiero w poniedziałek ,  dlatego na razie spokojnie podchodzą do swojego pierwszego startu .
Tokens: 1_____ 2____ 3_____ 4________ 5__________ 6_________ 7______ 8 9___________ 10 11_____ 12 13___ 14_______ 15_______ 16 17_____ 18________ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #11037 from articles/00107862 from sent20

Text  : " Na razie nie skupiamy się jeszcze na pierwszym wyścigu ,  bo czeka nas jeszcze trochę pracy .
Tokens: 1 2_ 3____ 4__ 5_______ 6__ 7______ 8_ 9________ 10_____ 11 12 13___ 14_ 15_____ 16____ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #11038 from articles/00107862 from sent21

Text  : Ten tor trochę się zmienił , odkąd były śmy tutaj ostatni razem jesienią ubiegłego roku .
Tokens: 1__ 2__ 3_____ 4__ 5______ 6 7____ 8___ 9__ 10___ 11_____ 12___ 13______ 14_______ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #11039 from articles/00107862 from sent22

Text  : Przybyło trochę infrastruktury - namioty , trybuny .
Tokens: 1_______ 2_____ 3_____________ 4 5______ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11040 from articles/00107862 from sent23

Text  : Wtedy tak naprawdę nie było tutaj nic .
Tokens: 1____ 2__ 3_______ 4__ 5___ 6____ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #11041 from articles/00107862 from sent24

Text  : Muszę na treningach znaleźć na torze pewne szczegóły , punkty odniesienia -  to bardzo ważne podczas wyścigu "  -  wyjaśniła Fularczyk .
Tokens: 1____ 2_ 3_________ 4______ 5_ 6____ 7____ 8________ 9 10____ 11_________ 12 13 14____ 15___ 16_____ 17_____ 18 19 20_______ 21_______ 22

Chunks:
  FalseNegative nam [21,21] = Fularczyk

(ChunkerEvaluator) Sentence #11042 from articles/00107862 from sent25

Text  : Kobieca dwójka podwójna to mistrzynie świata z 2009 roku i  brązowe medalistki MŚ z  2010 .
Tokens: 1______ 2_____ 3_______ 4_ 5_________ 6_____ 7 8___ 9___ 10 11_____ 12________ 13 14 15__ 16

Chunks:
  TruePositive nam [13,13] = MŚ

(ChunkerEvaluator) Sentence #11043 from articles/00107862 from sent26

Text  : Z Londynu Marcin Pawlicki
Tokens: 1 2______ 3_____ 4_______

Chunks:
  TruePositive nam [2,2] = Londynu
  TruePositive nam [3,4] = Marcin Pawlicki

2016-10-27 15:00:08,133 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 489 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107863.xml
(ChunkerEvaluator) Sentence #11044 from articles/00107863 from sent1

Text  : Rzecznictwo w sprawie dostępności przerywania ciąży : studium jedenastu krajów
Tokens: 1__________ 2 3______ 4__________ 5__________ 6____ 7 8______ 9________ 10____

Chunks:

(ChunkerEvaluator) Sentence #11045 from articles/00107863 from sent2

Text  : ( Advocating for Abortion Access : Eleven Country Study )  Federacja na Rzecz Kobiet i  Planowania Rodziny ,  Warszawa 2002
Tokens: 1 2_________ 3__ 4_______ 5_____ 6 7_____ 8______ 9____ 10 11_______ 12 13___ 14____ 15 16________ 17_____ 18 19______ 20__

Chunks:
  TruePositive nam [19,19] = Warszawa
  FalsePositive nam [4,17] = Abortion Access : Eleven Country Study ) Federacja na Rzecz Kobiet i Planowania Rodziny
  FalseNegative nam [11,17] = Federacja na Rzecz Kobiet i Planowania Rodziny

(ChunkerEvaluator) Sentence #11046 from articles/00107863 from sent3

Text  : Publikacja powstała w ramach inicjatywy na rzecz zdrowia kobiet i  upowszechniania gruntownej wiedzy na temat problemów związanych z  aborcją .
Tokens: 1_________ 2_______ 3 4_____ 5_________ 6_ 7____ 8______ 9_____ 10 11_____________ 12________ 13____ 14 15___ 16_______ 17________ 18 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #11047 from articles/00107863 from sent4

Text  : Z lektury możemy dowiedzieć się między innymi , co dokładnie oznaczają takie terminy jak :  dostępność przerywania ciąży ,  czyn karalny ,  czy Inicjatywa Jahannesburska .
Tokens: 1 2______ 3_____ 4_________ 5__ 6_____ 7_____ 8 9_ 10_______ 11_______ 12___ 13_____ 14_ 15 16________ 17_________ 18___ 19 20__ 21_____ 22 23_ 24________ 25____________ 26

Chunks:
  FalsePositive nam [24,25] = Inicjatywa Jahannesburska
  FalseNegative nam [24,26] = Inicjatywa Jahannesburska .

(ChunkerEvaluator) Sentence #11048 from articles/00107863 from sent5

Text  : Autorki dokumentu na przykładzie 11 państw pokazują różne sposoby podejścia do problemu aborcji oraz orzecznictwa aborcyjnego .
Tokens: 1______ 2________ 3_ 4__________ 5_ 6_____ 7_______ 8____ 9______ 10_______ 11 12______ 13_____ 14__ 15__________ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #11049 from articles/00107863 from sent6

Text  : Cenna jest również możliwość porównania strategii oraz podejmowanych działań na rzecz zwiększenia dostępności przerywania ciąży w  różnych krajach .
Tokens: 1____ 2___ 3______ 4________ 5_________ 6________ 7___ 8____________ 9______ 10 11___ 12_________ 13_________ 14_________ 15___ 16 17_____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #11050 from articles/00107863 from sent7

Text  : Publikacja dostępna w : Federacji na rzecz Kobiet i Planowania Rodziny ,  ul .  Nowolipie 13 /  15 ,  00 -  150 Warszawa ,  tel .  (  0  -  prefiks -  22 )  635 93 92 ,  887 81 40 ,  e  -  mail :  federkob @  waw .  pdi .  net ,  www.federa.org.pl
Tokens: 1_________ 2_______ 3 4 5________ 6_ 7____ 8_____ 9 10________ 11_____ 12 13 14 15_______ 16 17 18 19 20 21 22_ 23______ 24 25_ 26 27 28 29 30_____ 31 32 33 34_ 35 36 37 38_ 39 40 41 42 43 44__ 45 46______ 47 48_ 49 50_ 51 52_ 53 54_______________

Chunks:
  TruePositive nam [15,15] = Nowolipie
  TruePositive nam [23,23] = Warszawa
  TruePositive nam [54,54] = www.federa.org.pl
  FalsePositive nam [8,11] = Kobiet i Planowania Rodziny
  FalseNegative nam [5,11] = Federacji na rzecz Kobiet i Planowania Rodziny
  FalseNegative nam [46,52] = federkob @ waw . pdi . net

2016-10-27 15:00:08,181 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 490 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107865.xml
(ChunkerEvaluator) Sentence #11051 from articles/00107865 from sent1

Text  : Opolska „ Solidarność ” dołącza do górników ?
Tokens: 1______ 2 3__________ 4 5______ 6_ 7_______ 8

Chunks:
  FalsePositive nam [3,4] = Solidarność ”
  FalseNegative nam [3,3] = Solidarność

(ChunkerEvaluator) Sentence #11052 from articles/00107865 from sent2

Text  : - Akcja protestacyjna nauczycielskiej „ S ” jest nieunikniona -  poinformował Jan Kurasiewicz ,  przewodniczący zarządu regionu NSZZ „  Solidarność ”  Śląska Opolskiego .
Tokens: 1 2____ 3____________ 4______________ 5 6 7 8___ 9___________ 10 11__________ 12_ 13_________ 14 15____________ 16_____ 17_____ 18__ 19 20_________ 21 22____ 23________ 24

Chunks:
  TruePositive nam [6,6] = S
  TruePositive nam [12,13] = Jan Kurasiewicz
  TruePositive nam [18,23] = NSZZ „ Solidarność ” Śląska Opolskiego

(ChunkerEvaluator) Sentence #11053 from articles/00107865 from sent3

Text  : Kiedy się odbędzie i jaką przybierze formę , zależy to od decyzji zarządu głównego
Tokens: 1____ 2__ 3_______ 4 5___ 6_________ 7____ 8 9_____ 10 11 12_____ 13_____ 14______

Chunks:

(ChunkerEvaluator) Sentence #11054 from articles/00107865 from sent4

Text  : - Akcja protestacyjna na pewno nie będzie utrudnieniem dla osób ,  którym zawód ten służy ,  będzie natomiast uciążliwa dla ludzi odpowiedzialnych za zły stan oświaty w  regionie i  kraju -  wyjaśnia Kurasiewicz i  dodaje ,  że nie wyklucza strajku ,  jako formy protestu .
Tokens: 1 2____ 3____________ 4_ 5____ 6__ 7_____ 8___________ 9__ 10__ 11 12____ 13___ 14_ 15___ 16 17____ 18_______ 19_______ 20_ 21___ 22______________ 23 24_ 25__ 26_____ 27 28______ 29 30___ 31 32______ 33_________ 34 35____ 36 37 38_ 39______ 40_____ 41 42__ 43___ 44______ 45

Chunks:
  FalseNegative nam [33,33] = Kurasiewicz

(ChunkerEvaluator) Sentence #11055 from articles/00107865 from sent5

Text  : - Chodzi o to , aby wybrać formę , która mimo wszystko będzie w  zgodzie z  odpowiedzialnością za dzieci ,  które powierzają nauczycielom rodzice -  zapewnia Kurasiewicz .
Tokens: 1 2_____ 3 4_ 5 6__ 7_____ 8____ 9 10___ 11__ 12______ 13____ 14 15_____ 16 17________________ 18 19____ 20 21___ 22________ 23__________ 24_____ 25 26______ 27_________ 28

Chunks:
  FalseNegative nam [27,27] = Kurasiewicz

(ChunkerEvaluator) Sentence #11056 from articles/00107865 from sent6

Text  : - Na Śląsku do strajku generalnego górników przyłączyć się ma również służba zdrowia i  oświata .
Tokens: 1 2_ 3_____ 4_ 5______ 6__________ 7_______ 8_________ 9__ 10 11_____ 12____ 13_____ 14 15_____ 16

Chunks:
  FalseNegative nam [3,3] = Śląsku

(ChunkerEvaluator) Sentence #11057 from articles/00107865 from sent7

Text  : U nas strajk traktujemy jako ostateczność - zapewnia z kolei Sławomir Kłosowski z  „  S  ”  ,  były kurator .
Tokens: 1 2__ 3_____ 4_________ 5___ 6___________ 7 8_______ 9 10___ 11______ 12_______ 13 14 15 16 17 18__ 19_____ 20

Chunks:
  TruePositive nam [11,12] = Sławomir Kłosowski
  FalsePositive nam [14,16] = „ S ”
  FalseNegative nam [15,15] = S

(ChunkerEvaluator) Sentence #11058 from articles/00107865 from sent8

Text  : Najważniejsze problemy , jakie wskazali członkowie zarządu , to pomniejszony projekt budżetu na oświatę na rok 2003 ,  brak ,  mimo obietnic ,  pieniędzy na dofinansowanie doskonalenia zawodowego nauczycieli ,  opóźnienie o  dziewięć miesięcy i  pomniejszone kwoty podwyżek oraz propozycja ,  aby nauczyciele powiększyli bezpłatnie siatkę swoich zajęć o  dwie godziny .
Tokens: 1____________ 2_______ 3 4____ 5_______ 6_________ 7______ 8 9_ 10__________ 11_____ 12_____ 13 14_____ 15 16_ 17__ 18 19__ 20 21__ 22______ 23 24_______ 25 26____________ 27__________ 28________ 29_________ 30 31________ 32 33______ 34______ 35 36__________ 37___ 38______ 39__ 40________ 41 42_ 43_________ 44_________ 45________ 46____ 47____ 48___ 49 50__ 51_____ 52

Chunks:

(ChunkerEvaluator) Sentence #11059 from articles/00107865 from sent9

Text  : ika
Tokens: 1__

Chunks:

2016-10-27 15:00:08,245 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 491 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107866.xml
(ChunkerEvaluator) Sentence #11060 from articles/00107866 from sent1

Text  : Sesja o euroregionach
Tokens: 1____ 2 3____________

Chunks:

(ChunkerEvaluator) Sentence #11061 from articles/00107866 from sent2

Text  : Wieści ze szkół
Tokens: 1_____ 2_ 3____

Chunks:

(ChunkerEvaluator) Sentence #11062 from articles/00107866 from sent3

Text  : Zespół Szkół nr 18 przy ul . Poznańskiej we Wrocławiu zaprasza na sesję „  Euroregiony polską drogą do integracji europejskiej ?  ”  w  środę 18 grudnia o  godz .  11 w  sali 403 .
Tokens: 1_____ 2____ 3_ 4_ 5___ 6_ 7 8__________ 9_ 10_______ 11______ 12 13___ 14 15_________ 16____ 17___ 18 19________ 20__________ 21 22 23 24___ 25 26_____ 27 28__ 29 30 31 32__ 33_ 34

Chunks:
  TruePositive nam [8,8] = Poznańskiej
  TruePositive nam [10,10] = Wrocławiu
  FalsePositive nam [1,2] = Zespół Szkół
  FalsePositive nam [15,15] = Euroregiony
  FalseNegative nam [1,4] = Zespół Szkół nr 18
  FalseNegative nam [15,21] = Euroregiony polską drogą do integracji europejskiej ?

2016-10-27 15:00:08,259 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 492 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107867.xml
(ChunkerEvaluator) Sentence #11063 from articles/00107867 from sent1

Text  : Rada NFZ pozytywnie zaopiniowała projekt planu finansowego na 2013 r  .
Tokens: 1___ 2__ 3_________ 4___________ 5______ 6____ 7__________ 8_ 9___ 10 11

Chunks:
  TruePositive nam [1,2] = Rada NFZ

(ChunkerEvaluator) Sentence #11064 from articles/00107867 from sent2

Text  : Rada NFZ pozytywnie zaopiniowała w czwartek projekt planu finansowego Funduszu na 2013 r  .
Tokens: 1___ 2__ 3_________ 4___________ 5 6_______ 7______ 8____ 9__________ 10______ 11 12__ 13 14

Chunks:
  TruePositive nam [1,2] = Rada NFZ
  TruePositive nam [10,10] = Funduszu

(ChunkerEvaluator) Sentence #11065 from articles/00107867 from sent3

Text  : Zakłada on , że przychody wyniosą 67 , 029 mld zł ,  z  czego ponad 96 proc .  stanowić będą wpływy ze składek zdrowotnych .
Tokens: 1______ 2_ 3 4_ 5________ 6______ 7_ 8 9__ 10_ 11 12 13 14___ 15___ 16 17__ 18 19______ 20__ 21____ 22 23_____ 24_________ 25

Chunks:
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #11066 from articles/00107867 from sent4

Text  : Na świadczenia Fundusz przeznaczy ponad 63 mld zł .
Tokens: 1_ 2__________ 3______ 4_________ 5____ 6_ 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł
  FalseNegative nam [3,3] = Fundusz

(ChunkerEvaluator) Sentence #11067 from articles/00107867 from sent5

Text  : W środę pozytywnie zaopiniowała projekt sejmowa komisja zdrowia , a  w  czwartek sejmowa komisja finansów publicznych .
Tokens: 1 2____ 3_________ 4___________ 5______ 6______ 7______ 8______ 9 10 11 12______ 13_____ 14_____ 15______ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #11068 from articles/00107867 from sent6

Text  : Prezes NFZ Agnieszka Pachciarz , która przedstawiała projekt na posiedzeniach sejmowych komisji zapewniała ,  że został on przygotowany w  oparciu o  wskaźniki makroekonomiczne przekazane przez Ministerstwo Finansów .
Tokens: 1_____ 2__ 3________ 4________ 5 6____ 7____________ 8______ 9_ 10___________ 11_______ 12_____ 13________ 14 15 16____ 17 18__________ 19 20_____ 21 22_______ 23______________ 24________ 25___ 26__________ 27______ 28

Chunks:
  TruePositive nam [2,2] = NFZ
  TruePositive nam [3,4] = Agnieszka Pachciarz
  TruePositive nam [26,27] = Ministerstwo Finansów

(ChunkerEvaluator) Sentence #11069 from articles/00107867 from sent7

Text  : Nominalny wzrost przychodów wyniesie w stosunku do planu na 2012 r  .  ponad 2  ,  5  mld zł (  3  ,  91 proc .  )  .
Tokens: 1________ 2_____ 3_________ 4_______ 5 6_______ 7_ 8____ 9_ 10__ 11 12 13___ 14 15 16 17_ 18 19 20 21 22 23__ 24 25 26

Chunks:
  TruePositive nam [18,18] = zł

(ChunkerEvaluator) Sentence #11070 from articles/00107867 from sent8

Text  : Według projektu przychody ze składek na ubezpieczenie zdrowotne ( ZUS +  KRUS )  wyniosą ponad 64 ,  5  mld zł i  stanowić będą 96 ,  28 proc .  przychodów ogółem .
Tokens: 1_____ 2_______ 3________ 4_ 5______ 6_ 7____________ 8________ 9 10_ 11 12__ 13 14_____ 15___ 16 17 18 19_ 20 21 22______ 23__ 24 25 26 27__ 28 29________ 30____ 31

Chunks:
  TruePositive nam [20,20] = zł
  FalsePositive nam [10,12] = ZUS + KRUS
  FalseNegative nam [10,10] = ZUS
  FalseNegative nam [12,12] = KRUS

(ChunkerEvaluator) Sentence #11071 from articles/00107867 from sent9

Text  : W porównaniu do planu na 2012 r . prognozowany nominalny wzrost przychodów ze składek na ubezpieczenie zdrowotne wyniesie blisko 2  ,  4  mld zł ,  czyli 3  ,  85 proc .
Tokens: 1 2_________ 3_ 4____ 5_ 6___ 7 8 9___________ 10_______ 11____ 12________ 13 14_____ 15 16___________ 17_______ 18______ 19____ 20 21 22 23_ 24 25 26___ 27 28 29 30__ 31

Chunks:
  TruePositive nam [24,24] = zł

(ChunkerEvaluator) Sentence #11072 from articles/00107867 from sent10

Text  : Planowane koszty świadczeń opieki zdrowotnej wynoszą 63 , 271 mld zł ,  co stanowi 94 ,  39 proc .  kosztów ogółem ,  a  łącznie z  kosztami realizacji zadań zespołów ratownictwa medycznego 97 ,  14 proc .
Tokens: 1________ 2_____ 3________ 4_____ 5_________ 6______ 7_ 8 9__ 10_ 11 12 13 14_____ 15 16 17 18__ 19 20_____ 21____ 22 23 24_____ 25 26______ 27________ 28___ 29______ 30_________ 31________ 32 33 34 35__ 36

Chunks:
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #11073 from articles/00107867 from sent11

Text  : Oznacza to nominalny wzrost w stosunku do planu na 2012 r  .  (  pierwotnego )  o  ok .  2  ,  3  mld zł ,  tj .  o  3  ,  83 proc .  NFZ podkreśla ,  że wydatki na administrację stanowią 1  ,  02 proc .  i  należą do najniższych w  Europie .
Tokens: 1______ 2_ 3________ 4_____ 5 6_______ 7_ 8____ 9_ 10__ 11 12 13 14_________ 15 16 17 18 19 20 21 22_ 23 24 25 26 27 28 29 30 31__ 32 33_ 34_______ 35 36 37_____ 38 39___________ 40______ 41 42 43 44__ 45 46 47____ 48 49_________ 50 51_____ 52

Chunks:
  TruePositive nam [23,23] = zł
  TruePositive nam [33,33] = NFZ
  TruePositive nam [51,51] = Europie

(ChunkerEvaluator) Sentence #11074 from articles/00107867 from sent12

Text  : Z projektu planu wynika , że na 2013 rok wszystkie oddziały będą miały do dyspozycji większe środki finansowe niż w  planie na rok 2012 .
Tokens: 1 2_______ 3____ 4_____ 5 6_ 7_ 8___ 9__ 10_______ 11______ 12__ 13___ 14 15________ 16_____ 17____ 18_______ 19_ 20 21____ 22 23_ 24__ 25

Chunks:

(ChunkerEvaluator) Sentence #11075 from articles/00107867 from sent13

Text  : Największe nakłady na świadczenia opieki zdrowotnej otrzyma oddział mazowiecki (  ponad 8  ,  8  mld zł )  ,  śląski (  7  ,  6  mld zł )  oraz wielkopolski (  5  ,  5  mld zł )  .
Tokens: 1_________ 2______ 3_ 4__________ 5_____ 6_________ 7______ 8______ 9_________ 10 11___ 12 13 14 15_ 16 17 18 19____ 20 21 22 23 24_ 25 26 27__ 28__________ 29 30 31 32 33_ 34 35 36

Chunks:
  TruePositive nam [16,16] = zł
  TruePositive nam [25,25] = zł
  TruePositive nam [34,34] = zł
  FalsePositive nam [19,19] = śląski

(ChunkerEvaluator) Sentence #11076 from articles/00107867 from sent14

Text  : Środki rozdzielane są według algorytmu uwzględniającego m . in .  liczbę pacjentów oraz wskaźniki ryzyka zdrowotnego dla poszczególnych grup ubezpieczonych .
Tokens: 1_____ 2__________ 3_ 4_____ 5________ 6_______________ 7 8 9_ 10 11____ 12_______ 13__ 14_______ 15____ 16_________ 17_ 18____________ 19__ 20____________ 21

Chunks:

(ChunkerEvaluator) Sentence #11077 from articles/00107867 from sent15

Text  : Według projektu wydatki na podstawową opiekę zdrowotną wyniosą 7 ,  6  mld zł ,  na ambulatoryjną opiekę specjalistyczną -  5  ,  1  mld zł ,  lecznictwo szpitalne -  27 ,  4  mld zł ,  opiekę psychiatryczną i  leczenie uzależnień -  2  ,  04 mld zł ,  rehabilitację leczniczą -  1  ,  93 mld zł ,  świadczenia pielęgnacyjne i  opiekuńcze w  ramach opieki długoterminowej -  1  ,  04 mld zł ,  opiekę paliatywną i  hospicyjną -  341 ,  5  mln zł ,  leczenie stomatologiczne -  1  ,  77 mld zł ,  lecznictwo uzdrowiskowe -  634 mln zł ,  pomoc doraźną i   transport sanitarny -   46  ,   9   mln zł  ,   zaopatrzenie w   wyroby medyczne i   ich naprawę -   883 mln zł  oraz refundację -   8   ,   28  mld zł  .
Tokens: 1_____ 2_______ 3______ 4_ 5_________ 6_____ 7________ 8______ 9 10 11 12_ 13 14 15 16___________ 17____ 18_____________ 19 20 21 22 23_ 24 25 26________ 27_______ 28 29 30 31 32_ 33 34 35____ 36____________ 37 38______ 39________ 40 41 42 43 44_ 45 46 47___________ 48_______ 49 50 51 52 53_ 54 55 56_________ 57___________ 58 59________ 60 61____ 62____ 63_____________ 64 65 66 67 68_ 69 70 71____ 72________ 73 74________ 75 76_ 77 78 79_ 80 81 82______ 83_____________ 84 85 86 87 88_ 89 90 91________ 92__________ 93 94_ 95_ 96 97 98___ 99_____ 100 101______ 102______ 103 104 105 106 107 108 109 110_________ 111 112___ 113_____ 114 115 116____ 117 118 119 120 121_ 122_______ 123 124 125 126 127 128 129

Chunks:
  TruePositive nam [13,13] = zł
  TruePositive nam [24,24] = zł
  TruePositive nam [33,33] = zł
  TruePositive nam [45,45] = zł
  TruePositive nam [54,54] = zł
  TruePositive nam [69,69] = zł
  TruePositive nam [80,80] = zł
  TruePositive nam [89,89] = zł
  TruePositive nam [96,96] = zł
  TruePositive nam [108,108] = zł
  TruePositive nam [120,120] = zł
  TruePositive nam [128,128] = zł

(ChunkerEvaluator) Sentence #11078 from articles/00107867 from sent16

Text  : Wśród priorytetów przyjętych przez centralę NFZ podczas dzielenia środków na 2013 r  .  jest m  .  in .  zaopatrzenie w  sprzęt ortopedyczny -  wzrost nakładów przewidziano na poziomie 33 ,  91 proc .
Tokens: 1____ 2__________ 3_________ 4____ 5_______ 6__ 7______ 8________ 9______ 10 11__ 12 13 14__ 15 16 17 18 19__________ 20 21____ 22__________ 23 24____ 25______ 26__________ 27 28______ 29 30 31 32__ 33

Chunks:
  TruePositive nam [6,6] = NFZ

(ChunkerEvaluator) Sentence #11079 from articles/00107867 from sent17

Text  : Wzrost nakładów zaplanowano także na ambulatoryjną opiekę specjalistyczną ( o  4  ,  34 proc .  )  ,  opiekę psychiatryczną i  leczenie uzależnień (  o  4  ,  8  proc .  )  oraz wprowadzenie systemu rozliczeń Jednorodnych Grup Pacjentów w  zakresie rehabilitacji pulmonologicznej i  ogólnoustrojowej w  warunkach stacjonarnych ,  co umożliwi finansowanie tych świadczeń adekwatnie do ponoszonych przez świadczeniodawców kosztów (  o  6  ,  66 proc .  )  .
Tokens: 1_____ 2_______ 3__________ 4____ 5_ 6____________ 7_____ 8______________ 9 10 11 12 13 14__ 15 16 17 18____ 19____________ 20 21______ 22________ 23 24 25 26 27 28__ 29 30 31__ 32__________ 33_____ 34_______ 35__________ 36__ 37_______ 38 39______ 40___________ 41______________ 42 43______________ 44 45_______ 46___________ 47 48 49______ 50__________ 51__ 52_______ 53________ 54 55_________ 56___ 57_______________ 58_____ 59 60 61 62 63 64__ 65 66 67

Chunks:
  TruePositive nam [35,37] = Jednorodnych Grup Pacjentów

(ChunkerEvaluator) Sentence #11080 from articles/00107867 from sent18

Text  : W ocenie Funduszu , planowany wzrost nakładów na lecznictwo szpitalne w  wysokości 1  ,  067 mld zł ,  tj .  o  4  ,  8  proc .  ,  w  powiązaniu ze zwiększeniem nakładów na ambulatoryjną opiekę specjalistyczną powinien przyczynić się do zmniejszenia kolejek w  szpitalach .
Tokens: 1 2_____ 3_______ 4 5________ 6_____ 7_______ 8_ 9_________ 10_______ 11 12_______ 13 14 15_ 16_ 17 18 19 20 21 22 23 24 25__ 26 27 28 29________ 30 31__________ 32______ 33 34___________ 35____ 36_____________ 37______ 38________ 39_ 40 41__________ 42_____ 43 44________ 45

Chunks:
  TruePositive nam [17,17] = zł
  FalseNegative nam [3,3] = Funduszu

(ChunkerEvaluator) Sentence #11081 from articles/00107867 from sent19

Text  : Jak przypomniał w rozmowie z PAP rzecznik NFZ Andrzej Troszyński ,  projekt planu sporządza prezes NFZ i  do 15 lipca roku poprzedzającego przedstawia go do zaopiniowania Radzie Funduszu i  sejmowym komisjom zdrowia oraz finansów publicznych .
Tokens: 1__ 2__________ 3 4_______ 5 6__ 7_______ 8__ 9______ 10________ 11 12_____ 13___ 14_______ 15____ 16_ 17 18 19 20___ 21__ 22_____________ 23_________ 24 25 26___________ 27____ 28______ 29 30______ 31______ 32_____ 33__ 34______ 35_________ 36

Chunks:
  TruePositive nam [6,6] = PAP
  TruePositive nam [8,8] = NFZ
  TruePositive nam [9,10] = Andrzej Troszyński
  TruePositive nam [16,16] = NFZ
  FalseNegative nam [27,28] = Radzie Funduszu

(ChunkerEvaluator) Sentence #11082 from articles/00107867 from sent20

Text  : Po rozpatrzeniu opinii prezes NFZ sporządza plan finansowy i przekazuje do 1  sierpnia ministrowi zdrowia ,  który w  porozumieniu z  ministrem finansów publicznych zatwierdza plan do 14 sierpnia .
Tokens: 1_ 2___________ 3_____ 4_____ 5__ 6________ 7___ 8________ 9 10________ 11 12 13______ 14________ 15_____ 16 17___ 18 19__________ 20 21_______ 22______ 23_________ 24________ 25__ 26 27 28______ 29

Chunks:
  TruePositive nam [5,5] = NFZ

2016-10-27 15:00:08,466 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 493 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107868.xml
(ChunkerEvaluator) Sentence #11083 from articles/00107868 from sent1

Text  : Proziaki , chrupaczki , fuczki - smakołyki kuchni Podkarpacia
Tokens: 1_______ 2 3_________ 4 5_____ 6 7________ 8_____ 9__________

Chunks:
  TruePositive nam [9,9] = Podkarpacia

(ChunkerEvaluator) Sentence #11084 from articles/00107868 from sent2

Text  : Proziaki , chrupaczki , korowaj , fuczki , hałuszki to niektóre z  przysmaków znanych i  popularnych tylko na Podkarpaciu .
Tokens: 1_______ 2 3_________ 4 5______ 6 7_____ 8 9_______ 10 11______ 12 13________ 14_____ 15 16_________ 17___ 18 19_________ 20

Chunks:
  TruePositive nam [19,19] = Podkarpaciu

(ChunkerEvaluator) Sentence #11085 from articles/00107868 from sent3

Text  : Wywodzą się one z różnych tradycji kulinarnych , które wspólnie tworzą tamtejszą kuchnię regionalną .
Tokens: 1______ 2__ 3__ 4 5______ 6_______ 7__________ 8 9____ 10______ 11____ 12_______ 13_____ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #11086 from articles/00107868 from sent4

Text  : Autor " Leksykonu podkarpackich smaków " Krzysztof Zieliński powiedział PAP ,  że kuchnia podkarpacka jest niejednorodna ,  różna stylistycznie ,  bo wpływ na nią przez wieki miały różne tradycje narodowe i  etniczne :  polska dworska kresowa ,  chłopska (  np .  lasowiacka )  ,  pasterska wołoska (  z  której wywodzą się kuchnie Łemków i  Bojków )  oraz żydowska ,  węgierska i  austriacka .
Tokens: 1____ 2 3________ 4____________ 5_____ 6 7________ 8________ 9_________ 10_ 11 12 13_____ 14_________ 15__ 16___________ 17 18___ 19___________ 20 21 22___ 23 24_ 25___ 26___ 27___ 28___ 29______ 30______ 31 32______ 33 34____ 35_____ 36_____ 37 38______ 39 40 41 42________ 43 44 45_______ 46_____ 47 48 49____ 50_____ 51_ 52_____ 53____ 54 55____ 56 57__ 58______ 59 60_______ 61 62________ 63

Chunks:
  TruePositive nam [7,8] = Krzysztof Zieliński
  TruePositive nam [10,10] = PAP
  TruePositive nam [53,53] = Łemków
  TruePositive nam [55,55] = Bojków
  FalseNegative nam [3,5] = Leksykonu podkarpackich smaków

(ChunkerEvaluator) Sentence #11087 from articles/00107868 from sent5

Text  : " To tygiel tradycji , kultury i smaków , w  którym kuchnie te istniały równolegle ,  wzajemnie się przenikając ,  choćby przez mieszane małżeństwa czy służbę we dworach "  -  zauważył Zieliński .
Tokens: 1 2_ 3_____ 4_______ 5 6______ 7 8_____ 9 10 11____ 12_____ 13 14______ 15________ 16 17_______ 18_ 19_________ 20 21____ 22___ 23______ 24________ 25_ 26____ 27 28_____ 29 30 31______ 32_______ 33

Chunks:
  TruePositive nam [32,32] = Zieliński

(ChunkerEvaluator) Sentence #11088 from articles/00107868 from sent6

Text  : Według niego to właśnie wyróżnia kuchnię podkarpacką na tle innych regionów ,  bo tutaj wpływów kulinarnych jest najwięcej i  są najbardziej zróżnicowane ,  ale żadna z  tradycji nie była wiodąca .
Tokens: 1_____ 2____ 3_ 4______ 5_______ 6______ 7__________ 8_ 9__ 10____ 11______ 12 13 14___ 15_____ 16_________ 17__ 18_______ 19 20 21_________ 22__________ 23 24_ 25___ 26 27______ 28_ 29__ 30_____ 31

Chunks:

(ChunkerEvaluator) Sentence #11089 from articles/00107868 from sent7

Text  : Najbardziej charakterystycznym dla Podkarpacia wypiekiem jest proziak , mało lub wcale nieznany w  kraju .
Tokens: 1__________ 2_________________ 3__ 4__________ 5________ 6___ 7______ 8 9___ 10_ 11___ 12______ 13 14___ 15

Chunks:
  TruePositive nam [4,4] = Podkarpacia

(ChunkerEvaluator) Sentence #11090 from articles/00107868 from sent8

Text  : Jest to chyba jedyny wyrób wspólny dla niemal wszystkich tradycji kulinarnych tworzących podkarpacką kuchnię regionalną .
Tokens: 1___ 2_ 3____ 4_____ 5____ 6______ 7__ 8_____ 9_________ 10______ 11_________ 12________ 13_________ 14_____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #11091 from articles/00107868 from sent9

Text  : Proziaki to rodzaj placuszków z mąki , kwaśnego mleka ,  sody i  soli .
Tokens: 1_______ 2_ 3_____ 4_________ 5 6___ 7 8_______ 9____ 10 11__ 12 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #11092 from articles/00107868 from sent10

Text  : W zależności od gustu można dodać nowe składniki , nadając proziakom inne smaki :  maślany ,  serowy czy smak powidła .
Tokens: 1 2_________ 3_ 4____ 5____ 6____ 7___ 8________ 9 10_____ 11_______ 12__ 13___ 14 15_____ 16 17____ 18_ 19__ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #11093 from articles/00107868 from sent11

Text  : Można je kupić najczęściej w karczmach , na jarmarkach i  dożynkach .
Tokens: 1____ 2_ 3____ 4__________ 5 6________ 7 8_ 9_________ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #11094 from articles/00107868 from sent12

Text  : Zieliński wyjaśnił , że każda z kuchni tworzącej podkarpacką kuchnię regionalną miała swoją specyfikę ,  podyktowaną dostępnością produktów oraz zajęciem charakterystycznym dla danej kultury .
Tokens: 1________ 2_______ 3 4_ 5____ 6 7_____ 8________ 9__________ 10_____ 11________ 12___ 13___ 14_______ 15 16_________ 17__________ 18_______ 19__ 20______ 21________________ 22_ 23___ 24_____ 25

Chunks:
  TruePositive nam [1,1] = Zieliński

(ChunkerEvaluator) Sentence #11095 from articles/00107868 from sent13

Text  : I tak np . kuchnie pasterskie ( łemkowska i bojkowska )  z  Beskidu Niskiego i  Bieszczadów były proste i  ubogie .
Tokens: 1 2__ 3_ 4 5______ 6_________ 7 8________ 9 10_______ 11 12 13_____ 14______ 15 16_________ 17__ 18____ 19 20____ 21

Chunks:
  TruePositive nam [13,14] = Beskidu Niskiego
  TruePositive nam [16,16] = Bieszczadów

(ChunkerEvaluator) Sentence #11096 from articles/00107868 from sent14

Text  : Kuchnia ta opierała się m . in . na kapuście ,  kaszach ,  cebuli ,  pieczywie i  przetworach mlecznych .
Tokens: 1______ 2_ 3_______ 4__ 5 6 7_ 8 9_ 10______ 11 12_____ 13 14____ 15 16_______ 17 18_________ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #11097 from articles/00107868 from sent15

Text  : " Na przednówku czy podczas nieurodzaju sięgano po rdest ,  pokrzywę i  lebiodę ,  a  do mąki dodawano zmieloną korę brzozową lub dębową ,  a  nawet mielone kłącza perzu czy żołędzie "  -  mówił Zieliński .
Tokens: 1 2_ 3_________ 4__ 5______ 6__________ 7______ 8_ 9____ 10 11______ 12 13_____ 14 15 16 17__ 18______ 19______ 20__ 21______ 22_ 23____ 24 25 26___ 27_____ 28____ 29___ 30_ 31______ 32 33 34___ 35_______ 36

Chunks:
  TruePositive nam [35,35] = Zieliński

(ChunkerEvaluator) Sentence #11098 from articles/00107868 from sent16

Text  : Do dziś w oberży w Polańczyku czy karczmach w Sanoku można zjeść przygotowywane według tradycyjnych receptur dania oparte na wołoskiej tradycji ,  m  .  in .  hałuszki -  kluseczki z  tartych ziemniaków z  jajkiem ,  wrzucane na wrzątek ,  podawane z  mlekiem ,  masłem i  cebulką ;  fuczki czyli placuszki z  masy ziemniaczanej zapiekane lub smażone z  serem lub kapustą ;  stolniki -  pierogi z  tartych ziemniaków ,  pieczone na liściach kapusty .
Tokens: 1_ 2___ 3 4_____ 5 6_________ 7__ 8________ 9 10____ 11___ 12___ 13____________ 14____ 15__________ 16______ 17___ 18____ 19 20_______ 21______ 22 23 24 25 26 27______ 28 29_______ 30 31_____ 32________ 33 34_____ 35 36______ 37 38_____ 39 40______ 41 42_____ 43 44____ 45 46_____ 47 48____ 49___ 50_______ 51 52__ 53___________ 54_______ 55_ 56_____ 57 58___ 59_ 60_____ 61 62______ 63 64_____ 65 66_____ 67________ 68 69______ 70 71______ 72_____ 73

Chunks:
  TruePositive nam [6,6] = Polańczyku
  TruePositive nam [10,10] = Sanoku

(ChunkerEvaluator) Sentence #11099 from articles/00107868 from sent17

Text  : Innym specyficznym produktem o długotrwałej świeżości , pożywnym i smacznym są wywodzące się z  tradycji flisackiej chrupaczki ,  wytwarzane tylko w  Ulanowie .
Tokens: 1____ 2___________ 3________ 4 5___________ 6________ 7 8_______ 9 10______ 11 12_______ 13_ 14 15______ 16________ 17________ 18 19________ 20___ 21 22______ 23

Chunks:
  TruePositive nam [22,22] = Ulanowie

(ChunkerEvaluator) Sentence #11100 from articles/00107868 from sent18

Text  : Są wpisane na Listę Produktów Tradycyjnych ministerstwa rolnictwa .
Tokens: 1_ 2______ 3_ 4____ 5________ 6___________ 7___________ 8________ 9

Chunks:
  FalsePositive nam [4,8] = Listę Produktów Tradycyjnych ministerstwa rolnictwa
  FalseNegative nam [4,6] = Listę Produktów Tradycyjnych

(ChunkerEvaluator) Sentence #11101 from articles/00107868 from sent19

Text  : To rodzaj ciasta z mąki , jaj , mleka ,  słoniny i  cukru .
Tokens: 1_ 2_____ 3_____ 4 5___ 6 7__ 8 9____ 10 11_____ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #11102 from articles/00107868 from sent20

Text  : Nie wysychają i długo zachowują świeżość .
Tokens: 1__ 2________ 3 4____ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #11103 from articles/00107868 from sent21

Text  : Były zabierane przez flisaków w daleką podróż do Gdańska .
Tokens: 1___ 2________ 3____ 4_______ 5 6_____ 7_____ 8_ 9______ 10

Chunks:
  TruePositive nam [9,9] = Gdańska

(ChunkerEvaluator) Sentence #11104 from articles/00107868 from sent22

Text  : Chrupaczki , obok chleba flisackiego , który nawet po dwóch tygodniach nie jest suchy dzięki dodatkowi smażonej słoniny lub smalcu ,  wróciły na stoły w  domach retmanów .
Tokens: 1_________ 2 3___ 4_____ 5__________ 6 7____ 8____ 9_ 10___ 11________ 12_ 13__ 14___ 15____ 16_______ 17______ 18_____ 19_ 20____ 21 22_____ 23 24___ 25 26____ 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #11105 from articles/00107868 from sent23

Text  : Z kolei w okolicach Rzeszowa znany jest korowaj .
Tokens: 1 2____ 3 4________ 5_______ 6____ 7___ 8______ 9

Chunks:
  TruePositive nam [5,5] = Rzeszowa

(ChunkerEvaluator) Sentence #11106 from articles/00107868 from sent24

Text  : To rodzaj ciasta z mąki , drożdży , cukru ,  masła ,  mleka i  aż 40 jaj ,  który podaje się podczas dużych uroczystości ,  głównie wesel .
Tokens: 1_ 2_____ 3_____ 4 5___ 6 7______ 8 9____ 10 11___ 12 13___ 14 15 16 17_ 18 19___ 20____ 21_ 22_____ 23____ 24__________ 25 26_____ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #11107 from articles/00107868 from sent25

Text  : Zieliński zauważył , że większość tych tradycyjnych produktów , które do II wojny światowej często gościły na stołach ,  została zapomniana .
Tokens: 1________ 2_______ 3 4_ 5________ 6___ 7___________ 8________ 9 10___ 11 12 13___ 14_______ 15____ 16_____ 17 18_____ 19 20_____ 21________ 22

Chunks:
  TruePositive nam [1,1] = Zieliński

(ChunkerEvaluator) Sentence #11108 from articles/00107868 from sent26

Text  : Ich powrót można obserwować dopiero od kilkunastu lat , ale większość z  nich znaleźć można nadal tylko u  producentów ,  np .  w  gospodarstwach agroturystycznych czy Kołach Gospodyń Wiejskich .
Tokens: 1__ 2_____ 3____ 4_________ 5______ 6_ 7_________ 8__ 9 10_ 11_______ 12 13__ 14_____ 15___ 16___ 17___ 18 19_________ 20 21 22 23 24____________ 25_______________ 26_ 27____ 28______ 29_______ 30

Chunks:
  TruePositive nam [27,29] = Kołach Gospodyń Wiejskich

(ChunkerEvaluator) Sentence #11109 from articles/00107868 from sent27

Text  : Wyjątkiem wśród zapomnianych produktów są rosolisy , których produkcja rozpoczęła się w  Łańcucie pod koniec XVIII w  .  i  trwa do dziś .
Tokens: 1________ 2____ 3___________ 4________ 5_ 6_______ 7 8______ 9________ 10________ 11_ 12 13______ 14_ 15____ 16___ 17 18 19 20__ 21 22__ 23

Chunks:
  TruePositive nam [13,13] = Łańcucie

(ChunkerEvaluator) Sentence #11110 from articles/00107868 from sent28

Text  : Są to wysokoprocentowe likiery o smakach : różanym , ziołowo -  gorzkim i  kawowym .
Tokens: 1_ 2_ 3_______________ 4______ 5 6______ 7 8______ 9 10_____ 11 12_____ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #11111 from articles/00107868 from sent29

Text  : Ich produkcję rozpoczął hrabia Alfred I Potocki , ówczesny właściciel Łańcuta .
Tokens: 1__ 2________ 3________ 4_____ 5_____ 6 7______ 8 9_______ 10________ 11_____ 12

Chunks:
  TruePositive nam [5,7] = Alfred I Potocki
  TruePositive nam [11,11] = Łańcuta

(ChunkerEvaluator) Sentence #11112 from articles/00107868 from sent30

Text  : W czasie wojny produkcja nie została przerwana .
Tokens: 1 2_____ 3____ 4________ 5__ 6______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #11113 from articles/00107868 from sent31

Text  : Później prywatną wytwórnię przejęło państwo , a obecnie prawo do ich produkcji w  kraju ma tylko fabryka wódek w  Łańcucie .
Tokens: 1______ 2_______ 3________ 4_______ 5______ 6 7 8______ 9____ 10 11_ 12_______ 13 14___ 15 16___ 17_____ 18___ 19 20______ 21

Chunks:
  TruePositive nam [20,20] = Łańcucie

(ChunkerEvaluator) Sentence #11114 from articles/00107868 from sent32

Text  : W spisie ministerstwa rolnictwa jako potrawy i wyroby regionalne figuruje obecnie 111 produktów z  Podkarpacia ,  co daje trzecie miejsce wśród województw z  liczbą zarejestrowanych wyrobów w  Polsce .
Tokens: 1 2_____ 3___________ 4________ 5___ 6______ 7 8_____ 9_________ 10______ 11_____ 12_ 13_______ 14 15_________ 16 17 18__ 19_____ 20_____ 21___ 22________ 23 24____ 25______________ 26_____ 27 28____ 29

Chunks:
  TruePositive nam [15,15] = Podkarpacia
  TruePositive nam [28,28] = Polsce

(ChunkerEvaluator) Sentence #11115 from articles/00107868 from sent33

Text  : Agnieszka Pipała
Tokens: 1________ 2_____

Chunks:
  TruePositive nam [1,2] = Agnieszka Pipała

2016-10-27 15:00:08,666 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 494 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107869.xml
(ChunkerEvaluator) Sentence #11116 from articles/00107869 from sent1

Text  : Kontrowersyjna Lady Gaga z rolą w filmie .
Tokens: 1_____________ 2___ 3___ 4 5___ 6 7_____ 8

Chunks:
  TruePositive nam [2,3] = Lady Gaga

(ChunkerEvaluator) Sentence #11117 from articles/00107869 from sent2

Text  : Tak wygląda na plakacie „ Machete Kills ” [ ZDJĘCIE ]
Tokens: 1__ 2______ 3_ 4_______ 5 6______ 7____ 8 9 10_____ 11

Chunks:
  TruePositive nam [6,7] = Machete Kills
  FalsePositive nam [10,10] = ZDJĘCIE

(ChunkerEvaluator) Sentence #11118 from articles/00107869 from sent3

Text  : Lady Gaga wystąpi w najnowszej produkcji reżyserowanej przez Roberta Rodrigueza .
Tokens: 1___ 2___ 3______ 4 5_________ 6________ 7____________ 8____ 9______ 10________ 11

Chunks:
  TruePositive nam [1,2] = Lady Gaga
  TruePositive nam [9,10] = Roberta Rodrigueza

(ChunkerEvaluator) Sentence #11119 from articles/00107869 from sent4

Text  : To będzie pierwsza rola piosenkarki w pełnometrażowym filmie .
Tokens: 1_ 2_____ 3_______ 4___ 5__________ 6 7______________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11120 from articles/00107869 from sent5

Text  : Już sam plakat może budzić kontrowersje .
Tokens: 1__ 2__ 3_____ 4___ 5_____ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #11121 from articles/00107869 from sent6

Text  : Na razie nie znamy daty premiery kinowej drugiej część „  Maczety ”  .
Tokens: 1_ 2____ 3__ 4____ 5___ 6_______ 7______ 8______ 9____ 10 11_____ 12 13

Chunks:
  TruePositive nam [11,11] = Maczety

(ChunkerEvaluator) Sentence #11122 from articles/00107869 from sent7

Text  : Wiadomo jednak , że oprócz Lady Gagi będzie można zobaczyć w  filmie Danny'ego Trejo w  tytułowej roli .
Tokens: 1______ 2_____ 3 4_ 5_____ 6___ 7___ 8_____ 9____ 10______ 11 12____ 13_______ 14___ 15 16_______ 17__ 18

Chunks:
  TruePositive nam [6,7] = Lady Gagi
  TruePositive nam [13,14] = Danny'ego Trejo

(ChunkerEvaluator) Sentence #11123 from articles/00107869 from sent8

Text  : Będzie próbował powstrzymać bossa narkotykowego kartelu , marzącego o przejęciu władzy nad światem .
Tokens: 1_____ 2_______ 3__________ 4____ 5____________ 6______ 7 8________ 9 10_______ 11____ 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #11124 from articles/00107869 from sent9

Text  : W produkcji pojawią się również Amber Heard , Sofia Vergera ,  Zoe Saldana ,  Jessica Alba ,  i  Alex Vega .
Tokens: 1 2________ 3______ 4__ 5______ 6____ 7____ 8 9____ 10_____ 11 12_ 13_____ 14 15_____ 16__ 17 18 19__ 20__ 21

Chunks:
  TruePositive nam [6,7] = Amber Heard
  TruePositive nam [9,10] = Sofia Vergera
  TruePositive nam [12,13] = Zoe Saldana
  TruePositive nam [15,16] = Jessica Alba
  TruePositive nam [19,20] = Alex Vega

2016-10-27 15:00:08,701 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 495 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107870.xml
(ChunkerEvaluator) Sentence #11125 from articles/00107870 from sent1

Text  : Kolejarze biorą się do roboty .
Tokens: 1________ 2____ 3__ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #11126 from articles/00107870 from sent2

Text  : Odrzanka do remontu !
Tokens: 1_______ 2_ 3______ 4

Chunks:
  FalseNegative nam [1,1] = Odrzanka

(ChunkerEvaluator) Sentence #11127 from articles/00107870 from sent3

Text  : Kolejarze za blisko 400 mln zł wyremontują fragment Odrzanki z  Głogowa do Czerwieńska .
Tokens: 1________ 2_ 3_____ 4__ 5__ 6_ 7__________ 8_______ 9_______ 10 11_____ 12 13_________ 14

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [11,11] = Głogowa
  TruePositive nam [13,13] = Czerwieńska
  FalseNegative nam [9,9] = Odrzanki

(ChunkerEvaluator) Sentence #11128 from articles/00107870 from sent4

Text  : Trasa dziś jest w tragicznym stanie .
Tokens: 1____ 2___ 3___ 4 5_________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #11129 from articles/00107870 from sent5

Text  : Skorzysta też Zielona Góra .
Tokens: 1________ 2__ 3______ 4___ 5

Chunks:
  TruePositive nam [3,4] = Zielona Góra

(ChunkerEvaluator) Sentence #11130 from articles/00107870 from sent6

Text  : Będą nowe perony i szyny .
Tokens: 1___ 2___ 3_____ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #11131 from articles/00107870 from sent7

Text  : W kwietniu br . o fatalnym stanie lubuskiej Odrzanki usłyszała cała Polska .
Tokens: 1 2_______ 3_ 4 5 6_______ 7_____ 8________ 9_______ 10_______ 11__ 12____ 13

Chunks:
  TruePositive nam [12,12] = Polska
  FalseNegative nam [9,9] = Odrzanki

(ChunkerEvaluator) Sentence #11132 from articles/00107870 from sent8

Text  : Miłośnik kolei z Nowej Soli pokazał na filmie rozsypujące się podkłady kolejowe i  śruby mocujące tory ,  które można wyciągać jedną ręką .
Tokens: 1_______ 2____ 3 4____ 5___ 6______ 7_ 8_____ 9__________ 10_ 11______ 12______ 13 14___ 15______ 16__ 17 18___ 19___ 20______ 21___ 22__ 23

Chunks:
  TruePositive nam [4,5] = Nowej Soli

(ChunkerEvaluator) Sentence #11133 from articles/00107870 from sent9

Text  : Wrzucone do internetu nagranie opublikowały ogólnopolskie media .
Tokens: 1_______ 2_ 3________ 4_______ 5___________ 6____________ 7____ 8

Chunks:
  FalsePositive nam [3,3] = internetu

(ChunkerEvaluator) Sentence #11134 from articles/00107870 from sent10

Text  : O filmie dyskutowali fachowcy od kolejnictwa , ze stanu torowiska tłumaczył się minister transportu Sławomir Nowak .
Tokens: 1 2_____ 3__________ 4_______ 5_ 6__________ 7 8_ 9____ 10_______ 11_______ 12_ 13______ 14________ 15______ 16___ 17

Chunks:
  TruePositive nam [15,16] = Sławomir Nowak

(ChunkerEvaluator) Sentence #11135 from articles/00107870 from sent11

Text  : Minęły trzy miesiące , a PKP PLK nareszcie zabiera się za Odrzankę .
Tokens: 1_____ 2___ 3_______ 4 5 6__ 7__ 8________ 9______ 10_ 11 12______ 13

Chunks:
  TruePositive nam [6,7] = PKP PLK
  FalseNegative nam [12,12] = Odrzankę

(ChunkerEvaluator) Sentence #11136 from articles/00107870 from sent12

Text  : Wielka radość jest może przedwczesna , bo kolejowa spółka ogłosiła dopiero przetarg na projekt .
Tokens: 1_____ 2_____ 3___ 4___ 5___________ 6 7_ 8_______ 9_____ 10______ 11_____ 12______ 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #11137 from articles/00107870 from sent13

Text  : Ale to już coś .
Tokens: 1__ 2_ 3__ 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #11138 from articles/00107870 from sent14

Text  : Powstanie plan odnowy odcinka od Głogowa przez Nową Sól ,  Zieloną Górę do Czerwieńska .
Tokens: 1________ 2___ 3_____ 4______ 5_ 6______ 7____ 8___ 9__ 10 11_____ 12__ 13 14_________ 15

Chunks:
  TruePositive nam [6,6] = Głogowa
  TruePositive nam [8,9] = Nową Sól
  TruePositive nam [11,12] = Zieloną Górę
  TruePositive nam [14,14] = Czerwieńska

(ChunkerEvaluator) Sentence #11139 from articles/00107870 from sent15

Text  : PKP PLK czeka na oferty do końca sierpnia .
Tokens: 1__ 2__ 3____ 4_ 5_____ 6_ 7____ 8_______ 9

Chunks:
  TruePositive nam [1,2] = PKP PLK

(ChunkerEvaluator) Sentence #11140 from articles/00107870 from sent16

Text  : PKP wstępnie szacuje , że wyda na dokumentację 6 mln zł .
Tokens: 1__ 2_______ 3______ 4 5_ 6___ 7_ 8___________ 9 10_ 11 12

Chunks:
  TruePositive nam [1,1] = PKP
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #11141 from articles/00107870 from sent17

Text  : Sama modernizacja będzie kosztować prawie 70 razy więcej .
Tokens: 1___ 2___________ 3_____ 4________ 5_____ 6_ 7___ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11142 from articles/00107870 from sent18

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #11143 from articles/00107870 from sent19

Text  : 27 , 5 km na godzinę
Tokens: 1_ 2 3 4_ 5_ 6______

Chunks:

(ChunkerEvaluator) Sentence #11144 from articles/00107870 from sent20

Text  : - Modernizację odcinka pomiędzy Głogowem a Czerwieńskiem zaplanowali śmy na lata 2013 -  2015 .
Tokens: 1 2___________ 3______ 4_______ 5_______ 6 7____________ 8__________ 9__ 10 11__ 12__ 13 14__ 15

Chunks:
  TruePositive nam [5,5] = Głogowem
  FalseNegative nam [7,7] = Czerwieńskiem

(ChunkerEvaluator) Sentence #11145 from articles/00107870 from sent21

Text  : Inwestycja będzie warta ok . 400 mln zł .
Tokens: 1_________ 2_____ 3____ 4_ 5 6__ 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #11146 from articles/00107870 from sent22

Text  : Pieniądze będą pochodzić z budżetu państwa - mówi Maciej Dutkiewicz ,  rzecznik Centrum Realizacji Inwestycji PKP PLK .
Tokens: 1________ 2___ 3________ 4 5______ 6______ 7 8___ 9_____ 10________ 11 12______ 13_____ 14________ 15________ 16_ 17_ 18

Chunks:
  TruePositive nam [9,10] = Maciej Dutkiewicz
  FalsePositive nam [13,17] = Centrum Realizacji Inwestycji PKP PLK

(ChunkerEvaluator) Sentence #11147 from articles/00107870 from sent23

Text  : Linia nr 273 , zwana Odrzanką biegnie od Wrocławia do Szczecina .
Tokens: 1____ 2_ 3__ 4 5____ 6_______ 7______ 8_ 9________ 10 11_______ 12

Chunks:
  TruePositive nam [9,9] = Wrocławia
  TruePositive nam [11,11] = Szczecina
  FalseNegative nam [6,6] = Odrzanką

(ChunkerEvaluator) Sentence #11148 from articles/00107870 from sent24

Text  : Jest jednym z ważniejszych polskich szlaków kolejowych i częścią środkowoeuropejskiego korytarza transportowego ,  który łączy północ Europy z  południem .
Tokens: 1___ 2_____ 3 4___________ 5_______ 6______ 7_________ 8 9______ 10___________________ 11_______ 12____________ 13 14___ 15___ 16____ 17____ 18 19_______ 20

Chunks:
  TruePositive nam [17,17] = Europy

(ChunkerEvaluator) Sentence #11149 from articles/00107870 from sent25

Text  : Dziś jest powodem do wstydu .
Tokens: 1___ 2___ 3______ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #11150 from articles/00107870 from sent26

Text  : Średnia prędkość na tej trasie wynosi zaledwie 25 , 7  km na godzinę .
Tokens: 1______ 2_______ 3_ 4__ 5_____ 6_____ 7_______ 8_ 9 10 11 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #11151 from articles/00107870 from sent27

Text  : Wśród dokumentów przetargowych znaleźli śmy szczegółowy opis kondycji lubuskiego odcinka Odrzanki .
Tokens: 1____ 2_________ 3____________ 4_______ 5__ 6__________ 7___ 8_______ 9_________ 10_____ 11______ 12

Chunks:
  FalseNegative nam [11,11] = Odrzanki

(ChunkerEvaluator) Sentence #11152 from articles/00107870 from sent28

Text  : Jest w złym stanie pomimo prowadzonych od kilku lat remontów .
Tokens: 1___ 2 3___ 4_____ 5_____ 6___________ 7_ 8____ 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #11153 from articles/00107870 from sent29

Text  : - Remonty trwają cały czas .
Tokens: 1 2______ 3_____ 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #11154 from articles/00107870 from sent30

Text  : Do końca tego roku wymienimy tory między Zieloną Górą a  Czerwieńskiem .
Tokens: 1_ 2____ 3___ 4___ 5________ 6___ 7_____ 8______ 9___ 10 11___________ 12

Chunks:
  TruePositive nam [8,9] = Zieloną Górą
  FalseNegative nam [11,11] = Czerwieńskiem

(ChunkerEvaluator) Sentence #11155 from articles/00107870 from sent31

Text  : W lipcu rozstrzygnęli śmy przetarg .
Tokens: 1 2____ 3____________ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #11156 from articles/00107870 from sent32

Text  : A przed rokiem przeprowadzili śmy rewitalizację na jednym z torów między Bytomiem Odrzańskim a  Nową Solą .
Tokens: 1 2____ 3_____ 4_____________ 5__ 6____________ 7_ 8_____ 9 10___ 11____ 12______ 13________ 14 15__ 16__ 17

Chunks:
  TruePositive nam [12,13] = Bytomiem Odrzańskim
  TruePositive nam [15,16] = Nową Solą

(ChunkerEvaluator) Sentence #11157 from articles/00107870 from sent33

Text  : Kosztował 18 , 5 mln zł i pozwolił pociągom zwiększyć prędkość do 100 km na godzinę -  mówi Dutkiewicz .
Tokens: 1________ 2_ 3 4 5__ 6_ 7 8_______ 9_______ 10_______ 11______ 12 13_ 14 15 16_____ 17 18__ 19________ 20

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [19,19] = Dutkiewicz

(ChunkerEvaluator) Sentence #11158 from articles/00107870 from sent34

Text  : Owszem , na zrewitalizowanych odcinkach pociągi jadą do 100 km na godzinę .
Tokens: 1_____ 2 3_ 4________________ 5________ 6______ 7___ 8_ 9__ 10 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #11159 from articles/00107870 from sent35

Text  : Tyle że na niewielu .
Tokens: 1___ 2_ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #11160 from articles/00107870 from sent36

Text  : Na starych torach pociągi zwalniają do 30 , a nawet 20 km na godzinę .
Tokens: 1_ 2______ 3_____ 4______ 5________ 6_ 7_ 8 9 10___ 11 12 13 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #11161 from articles/00107870 from sent37

Text  : Dlatego podróż z Zielonej Góry do Nowej Soli trwa dziś 51 minut ,  a  przed laty tylko 18 .
Tokens: 1______ 2_____ 3 4_______ 5___ 6_ 7____ 8___ 9___ 10__ 11 12___ 13 14 15___ 16__ 17___ 18 19

Chunks:
  TruePositive nam [4,5] = Zielonej Góry
  TruePositive nam [7,8] = Nowej Soli

(ChunkerEvaluator) Sentence #11162 from articles/00107870 from sent38

Text  : Aby dojechać z Zielonej Góry do Wrocławia , trzeba spędzić w  pociągu bite cztery godziny .
Tokens: 1__ 2_______ 3 4_______ 5___ 6_ 7________ 8 9_____ 10_____ 11 12_____ 13__ 14____ 15_____ 16

Chunks:
  TruePositive nam [4,5] = Zielonej Góry
  TruePositive nam [7,7] = Wrocławia

(ChunkerEvaluator) Sentence #11163 from articles/00107870 from sent39

Text  : Pomiędzy Głogowem a Czerwieńskiem biegną dwa tory o długości ok .  65 km każdy ,  co daje w  sumie 130 km torowiska .
Tokens: 1_______ 2_______ 3 4____________ 5_____ 6__ 7___ 8 9_______ 10 11 12 13 14___ 15 16 17__ 18 19___ 20_ 21 22_______ 23

Chunks:
  TruePositive nam [2,2] = Głogowem
  TruePositive nam [4,4] = Czerwieńskiem

(ChunkerEvaluator) Sentence #11164 from articles/00107870 from sent40

Text  : Z dokumentacji PKP PLK wynika , że od 2009 r  .  wyremontowano 54 km .
Tokens: 1 2___________ 3__ 4__ 5_____ 6 7_ 8_ 9___ 10 11 12___________ 13 14 15

Chunks:
  TruePositive nam [3,4] = PKP PLK

(ChunkerEvaluator) Sentence #11165 from articles/00107870 from sent41

Text  : - Na pozostałych odcinkach wymagana jest przebudowa - czytamy w  przetargu .
Tokens: 1 2_ 3__________ 4________ 5_______ 6___ 7_________ 8 9______ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #11166 from articles/00107870 from sent42

Text  : Perony , windy , przejście podziemne
Tokens: 1_____ 2 3____ 4 5________ 6________

Chunks:

(ChunkerEvaluator) Sentence #11167 from articles/00107870 from sent43

Text  : PKP wymieni tory na nowe tzw . bezstykowe .
Tokens: 1__ 2______ 3___ 4_ 5___ 6__ 7 8_________ 9

Chunks:
  TruePositive nam [1,1] = PKP

(ChunkerEvaluator) Sentence #11168 from articles/00107870 from sent44

Text  : Przy okazji liczy , że część uda się odzyskać do wyprofilowania i  ponownego użycia .
Tokens: 1___ 2_____ 3____ 4 5_ 6____ 7__ 8__ 9_______ 10 11____________ 12 13_______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #11169 from articles/00107870 from sent45

Text  : Pod szyny trafią nowe strunobetonowe podkłady kolejowe .
Tokens: 1__ 2____ 3_____ 4___ 5_____________ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #11170 from articles/00107870 from sent46

Text  : Projekt obejmie także uzupełnienie podsypki , odtworzenie odwodnienia i umocnienie skarp ,  a  także modernizację przejazdów kolejowych i  urządzeń do sterowania ruchem .
Tokens: 1______ 2______ 3____ 4___________ 5_______ 6 7__________ 8__________ 9 10________ 11___ 12 13 14___ 15__________ 16________ 17________ 18 19______ 20 21________ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #11171 from articles/00107870 from sent47

Text  : Największe zmiany czekają stację Zielona Góra .
Tokens: 1_________ 2_____ 3______ 4_____ 5______ 6___ 7

Chunks:
  TruePositive nam [5,6] = Zielona Góra

(ChunkerEvaluator) Sentence #11172 from articles/00107870 from sent48

Text  : PKP Dworce Kolejowe kończą remont dworca .
Tokens: 1__ 2_____ 3_______ 4_____ 5_____ 6_____ 7

Chunks:
  TruePositive nam [1,3] = PKP Dworce Kolejowe

(ChunkerEvaluator) Sentence #11173 from articles/00107870 from sent49

Text  : A PKP PLK chce zmodernizować perony i przebudować tory .
Tokens: 1 2__ 3__ 4___ 5____________ 6_____ 7 8__________ 9___ 10

Chunks:
  TruePositive nam [2,3] = PKP PLK

(ChunkerEvaluator) Sentence #11174 from articles/00107870 from sent50

Text  : Wykonawca inwestycji zmieni geometrię pierwszego toru , który jest przy samym dworcu .
Tokens: 1________ 2_________ 3_____ 4________ 5_________ 6___ 7 8____ 9___ 10__ 11___ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #11175 from articles/00107870 from sent51

Text  : Zlikwiduje także jeden z dodatkowych .
Tokens: 1_________ 2____ 3____ 4 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #11176 from articles/00107870 from sent52

Text  : Wszystkie trzy zielonogórskie perony zostaną wyposażone w nową małą architekturę ,  m  .  in .  wiaty dla podróżnych .
Tokens: 1________ 2___ 3_____________ 4_____ 5______ 6_________ 7 8___ 9___ 10__________ 11 12 13 14 15 16___ 17_ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #11177 from articles/00107870 from sent53

Text  : Remont czeka także obskurne przejście podziemne , tak by bez kłopotów korzystali z  niego niepełnosprawni na wózkach .
Tokens: 1_____ 2____ 3____ 4_______ 5________ 6________ 7 8__ 9_ 10_ 11______ 12________ 13 14___ 15_____________ 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #11178 from articles/00107870 from sent54

Text  : Kolejarze planują montaż wind .
Tokens: 1________ 2______ 3_____ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #11179 from articles/00107870 from sent55

Text  : - Warto przypilnować , aby na stacji w Zielonej Górze zaprojektowano rozwiązania ,  które przystoją miastu wojewódzkiemu .
Tokens: 1 2____ 3___________ 4 5__ 6_ 7_____ 8 9_______ 10___ 11____________ 12_________ 13 14___ 15_______ 16____ 17___________ 18

Chunks:
  TruePositive nam [9,10] = Zielonej Górze

(ChunkerEvaluator) Sentence #11180 from articles/00107870 from sent56

Text  : Chodzi o to , aby PKP PLK nie zaproponowała najtańszej kostki brukowej ,  pacnięcia ścian przejścia podziemnego farbą ,  ustawiania plastikowych wiat i  tandetnych ławek na peronach .
Tokens: 1_____ 2 3_ 4 5__ 6__ 7__ 8__ 9____________ 10________ 11____ 12______ 13 14_______ 15___ 16_______ 17_________ 18___ 19 20________ 21__________ 22__ 23 24________ 25___ 26 27______ 28

Chunks:
  TruePositive nam [6,7] = PKP PLK

(ChunkerEvaluator) Sentence #11181 from articles/00107870 from sent57

Text  : Nie jesteśmy Warszawą ani Krakowem , więc marmurów i granitów u  nas nie będzie .
Tokens: 1__ 2_______ 3_______ 4__ 5_______ 6 7___ 8_______ 9 10______ 11 12_ 13_ 14____ 15

Chunks:
  TruePositive nam [3,3] = Warszawą
  TruePositive nam [5,5] = Krakowem

(ChunkerEvaluator) Sentence #11182 from articles/00107870 from sent58

Text  : To nie zmienia faktu , że jakiś standard powinien zostać zachowany -  napisał do „  Gazety ”  Jakub ,  zielonogórski miłośnik kolei .
Tokens: 1_ 2__ 3______ 4____ 5 6_ 7____ 8_______ 9_______ 10____ 11_______ 12 13_____ 14 15 16____ 17 18___ 19 20___________ 21______ 22___ 23

Chunks:
  TruePositive nam [16,16] = Gazety
  TruePositive nam [18,18] = Jakub

2016-10-27 15:00:08,913 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 496 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107871.xml
(ChunkerEvaluator) Sentence #11183 from articles/00107871 from sent1

Text  : Collymore piłkarzem Realu Oviedo
Tokens: 1________ 2________ 3____ 4_____

Chunks:
  TruePositive nam [3,4] = Realu Oviedo
  FalseNegative nam [1,1] = Collymore

(ChunkerEvaluator) Sentence #11184 from articles/00107871 from sent2

Text  : Collymore piłkarzem Realu Oviedo
Tokens: 1________ 2________ 3____ 4_____

Chunks:
  TruePositive nam [3,4] = Realu Oviedo
  FalseNegative nam [1,1] = Collymore

(ChunkerEvaluator) Sentence #11185 from articles/00107871 from sent3

Text  : Collymore w Hiszpanii
Tokens: 1________ 2 3________

Chunks:
  TruePositive nam [3,3] = Hiszpanii
  FalseNegative nam [1,1] = Collymore

(ChunkerEvaluator) Sentence #11186 from articles/00107871 from sent4

Text  : Angielski napastnik Stan Collymore podpisał półtoraroczny kontrakt z Realem Oviedo z  hiszpańskiej ekstraklasy piłkarskiej .
Tokens: 1________ 2________ 3___ 4________ 5_______ 6____________ 7_______ 8 9_____ 10____ 11 12__________ 13_________ 14_________ 15

Chunks:
  TruePositive nam [3,4] = Stan Collymore
  TruePositive nam [9,10] = Realem Oviedo

(ChunkerEvaluator) Sentence #11187 from articles/00107871 from sent5

Text  : Przeszedł do Oviedo na zasadzie wolnego transferu z klubu Premier League Bradford City .
Tokens: 1________ 2_ 3_____ 4_ 5_______ 6______ 7________ 8 9____ 10_____ 11____ 12______ 13__ 14

Chunks:
  TruePositive nam [10,13] = Premier League Bradford City
  FalseNegative nam [3,3] = Oviedo

(ChunkerEvaluator) Sentence #11188 from articles/00107871 from sent6

Text  : W środę zawodnik przejdzie rutynowe badania lekarskie , a wieczorem zostanie oficjalnie przedstawiony dziennikarzom na konferencji prasowej .
Tokens: 1 2____ 3_______ 4________ 5_______ 6______ 7________ 8 9 10_______ 11______ 12________ 13___________ 14___________ 15 16_________ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #11189 from articles/00107871 from sent7

Text  : - Liga hiszpańska jest jedną z najlepszych na świecie .
Tokens: 1 2___ 3_________ 4___ 5____ 6 7__________ 8_ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #11190 from articles/00107871 from sent8

Text  : Gra tutaj wielu znakomitych piłkarzy i z przyjemnością zaprezentuję swoje umiejętności przed hiszpańską publicznością -  powiedział 30 -  letni piłkarz .
Tokens: 1__ 2____ 3____ 4__________ 5_______ 6 7 8____________ 9___________ 10___ 11__________ 12___ 13________ 14___________ 15 16________ 17 18 19___ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #11191 from articles/00107871 from sent9

Text  : Stan Collymore występował w swojej karierze w takich klubach ,  jak :  Nottingham Forest ,  Liverpool ,  Aston Villa .
Tokens: 1___ 2________ 3_________ 4 5_____ 6_______ 7 8_____ 9______ 10 11_ 12 13________ 14____ 15 16_______ 17 18___ 19___ 20

Chunks:
  TruePositive nam [1,2] = Stan Collymore
  TruePositive nam [13,14] = Nottingham Forest
  TruePositive nam [16,16] = Liverpool
  TruePositive nam [18,19] = Aston Villa

(ChunkerEvaluator) Sentence #11192 from articles/00107871 from sent10

Text  : Real Oviedo po dwudziestu kolejkach obecnego sezonu z 27 punktami zajmuje 13 miejsce w  tabeli .
Tokens: 1___ 2_____ 3_ 4_________ 5________ 6_______ 7_____ 8 9_ 10______ 11_____ 12 13_____ 14 15____ 16

Chunks:
  FalseNegative nam [1,2] = Real Oviedo

2016-10-27 15:00:08,955 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 497 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107872.xml
(ChunkerEvaluator) Sentence #11193 from articles/00107872 from sent1

Text  : Londyn 2012 .
Tokens: 1_____ 2___ 3

Chunks:
  FalsePositive nam [1,2] = Londyn 2012
  FalseNegative nam [1,1] = Londyn

(ChunkerEvaluator) Sentence #11194 from articles/00107872 from sent2

Text  : Zmierzch gwiazdy - Phelps bez medalu w pierwszej konkurencji
Tokens: 1_______ 2______ 3 4_____ 5__ 6_____ 7 8________ 9__________

Chunks:
  FalseNegative nam [4,4] = Phelps

(ChunkerEvaluator) Sentence #11195 from articles/00107872 from sent3

Text  : Czy najwspanialszy pływak świata może mieć problem , aby zdobyć więcej medali .
Tokens: 1__ 2_____________ 3_____ 4_____ 5___ 6___ 7______ 8 9__ 10____ 11____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #11196 from articles/00107872 from sent4

Text  : W finale na 400 m stylem zmiennym wyprzedzili go nie tylko wielki rywal Ryan Lochte ,  ale też Brazylijczyk Thiago Perreira i  Japończyk Kosuke Hagino .
Tokens: 1 2_____ 3_ 4__ 5 6_____ 7_______ 8__________ 9_ 10_ 11___ 12____ 13___ 14__ 15____ 16 17_ 18_ 19__________ 20____ 21______ 22 23_______ 24____ 25____ 26

Chunks:
  TruePositive nam [14,15] = Ryan Lochte
  FalsePositive nam [19,21] = Brazylijczyk Thiago Perreira
  FalsePositive nam [23,25] = Japończyk Kosuke Hagino
  FalseNegative nam [19,19] = Brazylijczyk
  FalseNegative nam [20,21] = Thiago Perreira
  FalseNegative nam [23,23] = Japończyk
  FalseNegative nam [24,25] = Kosuke Hagino

(ChunkerEvaluator) Sentence #11197 from articles/00107872 from sent5

Text  : - To frustrujące , zacząć tak sposób igrzyska .
Tokens: 1 2_ 3__________ 4 5_____ 6__ 7_____ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #11198 from articles/00107872 from sent6

Text  : Prawdę mówiąc po pierwszych 200 metrach nie czuł em się najmocniej -  powiedział Phelps ,  który w  swoim pierwszym starcie zajął dopiero szokujące ,  czwarte miejsce w  finale 400 m  stylem dowolnym .
Tokens: 1_____ 2_____ 3_ 4_________ 5__ 6______ 7__ 8___ 9_ 10_ 11________ 12 13________ 14____ 15 16___ 17 18___ 19_______ 20_____ 21___ 22_____ 23_______ 24 25_____ 26_____ 27 28____ 29_ 30 31____ 32______ 33

Chunks:
  FalseNegative nam [14,14] = Phelps

(ChunkerEvaluator) Sentence #11199 from articles/00107872 from sent7

Text  : Wygrał amerykański phelps bis , czyli Ryan Lochte .
Tokens: 1_____ 2__________ 3_____ 4__ 5 6____ 7___ 8_____ 9

Chunks:
  TruePositive nam [7,8] = Ryan Lochte
  FalseNegative nam [3,3] = phelps

(ChunkerEvaluator) Sentence #11200 from articles/00107872 from sent8

Text  : Publiczność najpierw piszczała najbardziej z powodu Phelpsa , potem troche była w  szoku ,  gdy widziała jak mu słabo idzie .
Tokens: 1__________ 2_______ 3________ 4__________ 5 6_____ 7______ 8 9____ 10____ 11__ 12 13___ 14 15_ 16______ 17_ 18 19___ 20___ 21

Chunks:
  FalseNegative nam [7,7] = Phelpsa

(ChunkerEvaluator) Sentence #11201 from articles/00107872 from sent9

Text  : Potem owacjami przywitała wychodzącego z wody Lochte .
Tokens: 1____ 2_______ 3_________ 4___________ 5 6___ 7_____ 8

Chunks:
  FalseNegative nam [7,7] = Lochte

(ChunkerEvaluator) Sentence #11202 from articles/00107872 from sent10

Text  : - Jestem w szoku .
Tokens: 1 2_____ 3 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #11203 from articles/00107872 from sent11

Text  : Wiem , że Michael dał z siebie wszystko i to wszystko ,  na co miałem nadzieję -  powiedział Lochte .
Tokens: 1___ 2 3_ 4______ 5__ 6 7_____ 8_______ 9 10 11______ 12 13 14 15____ 16______ 17 18________ 19____ 20

Chunks:
  TruePositive nam [4,4] = Michael
  FalseNegative nam [19,19] = Lochte

(ChunkerEvaluator) Sentence #11204 from articles/00107872 from sent12

Text  : - Słyszał em doping kibiców , wiedział em , że są na trybunach moi rodzice .
Tokens: 1 2______ 3_ 4_____ 5______ 6 7_______ 8_ 9 10 11 12 13_______ 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #11205 from articles/00107872 from sent13

Text  : To wszystko mnie niosło .
Tokens: 1_ 2_______ 3___ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11206 from articles/00107872 from sent14

Text  : Phelpsa mocno nadwerężyli fachowcy od stylu klasycznego .
Tokens: 1______ 2____ 3__________ 4_______ 5_ 6____ 7__________ 8

Chunks:
  FalseNegative nam [1,1] = Phelpsa

(ChunkerEvaluator) Sentence #11207 from articles/00107872 from sent15

Text  : To w nim przegrał medal .
Tokens: 1_ 2 3__ 4_______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #11208 from articles/00107872 from sent16

Text  : Wcześniej nie zdobył wystarczającej przewagi nad rywalami i nie mógł utrzymac tempa Lochte .
Tokens: 1________ 2__ 3_____ 4_____________ 5_______ 6__ 7_______ 8 9__ 10__ 11______ 12___ 13____ 14

Chunks:
  FalseNegative nam [13,13] = Lochte

(ChunkerEvaluator) Sentence #11209 from articles/00107872 from sent17

Text  : Nie zdołał odrobić w stylu dowolnym .
Tokens: 1__ 2_____ 3______ 4 5____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #11210 from articles/00107872 from sent18

Text  : Ale walczył do końca .
Tokens: 1__ 2______ 3_ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #11211 from articles/00107872 from sent19

Text  : Phelps zdobył w sumie 16 medali olimpijskich , w tym czternaście złotych ,  w  tym 9  w  konkurencjach olimpijskich .
Tokens: 1_____ 2_____ 3 4____ 5_ 6_____ 7___________ 8 9 10_ 11_________ 12_____ 13 14 15_ 16 17 18___________ 19__________ 20

Chunks:
  FalsePositive nam [12,12] = złotych
  FalseNegative nam [1,1] = Phelps

(ChunkerEvaluator) Sentence #11212 from articles/00107872 from sent20

Text  : Pobił wszelkie możliwie rekordy oprócz jednego - wyprzedzenia Łarysy Łatyniny w  klasyfikacji największej liczby medali olimpijskich .
Tokens: 1____ 2_______ 3_______ 4______ 5_____ 6______ 7 8___________ 9_____ 10______ 11 12__________ 13_________ 14____ 15____ 16__________ 17

Chunks:
  FalseNegative nam [9,10] = Łarysy Łatyniny

(ChunkerEvaluator) Sentence #11213 from articles/00107872 from sent21

Text  : Radziecka gimnastyczka z lat 50 . i 60 . ma ich 18 .
Tokens: 1________ 2___________ 3 4__ 5_ 6 7 8_ 9 10 11_ 12 13

Chunks:

(ChunkerEvaluator) Sentence #11214 from articles/00107872 from sent22

Text  : Czy będzie miał z tym problem ?
Tokens: 1__ 2_____ 3___ 4 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #11215 from articles/00107872 from sent23

Text  : Raczej nie .
Tokens: 1_____ 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #11216 from articles/00107872 from sent24

Text  : Nawet , jeśli nie będzie mu wychodzić indywidualnie - ale ma przecież jeszcze trzy takie konkurencje -  ma do dyspozycji jeszcze trzy sztafety .
Tokens: 1____ 2 3____ 4__ 5_____ 6_ 7________ 8____________ 9 10_ 11 12______ 13_____ 14__ 15___ 16_________ 17 18 19 20________ 21_____ 22__ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #11217 from articles/00107872 from sent25

Text  : W dwóch idywidualnych konkurencjach będzie miał do czynienia z najlepszymi Polakami -  Konradem czerniakiem na 100 m  motylkiem i  z  Pawłem Korzeniowskim na 200 m  motylkiem .
Tokens: 1 2____ 3____________ 4____________ 5_____ 6___ 7_ 8________ 9 10_________ 11______ 12 13______ 14_________ 15 16_ 17 18_______ 19 20 21____ 22___________ 23 24_ 25 26_______ 27

Chunks:
  TruePositive nam [11,11] = Polakami
  TruePositive nam [21,22] = Pawłem Korzeniowskim
  FalsePositive nam [13,13] = Konradem
  FalseNegative nam [13,14] = Konradem czerniakiem

(ChunkerEvaluator) Sentence #11218 from articles/00107872 from sent26

Text  : W finale na 400 m zmiennym widać było , że Amerykanin ma problemy z  wydolnością ,  co jest dobrym znakiem dla Korzeniowskiego .
Tokens: 1 2_____ 3_ 4__ 5 6_______ 7____ 8___ 9 10 11________ 12 13______ 14 15_________ 16 17 18__ 19____ 20_____ 21_ 22_____________ 23

Chunks:
  TruePositive nam [11,11] = Amerykanin
  TruePositive nam [22,22] = Korzeniowskiego

(ChunkerEvaluator) Sentence #11219 from articles/00107872 from sent27

Text  : Ale też nie był szybki jak błyskawica w pierwszym stylu wyścigu zmiennego ,  czyli w  motylku ,  dotychczas koronnej konkurencji .
Tokens: 1__ 2__ 3__ 4__ 5_____ 6__ 7_________ 8 9________ 10___ 11_____ 12_______ 13 14___ 15 16_____ 17 18________ 19______ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #11220 from articles/00107872 from sent28

Text  : To dobry znak dla Czerniaka .
Tokens: 1_ 2____ 3___ 4__ 5________ 6

Chunks:
  TruePositive nam [5,5] = Czerniaka

(ChunkerEvaluator) Sentence #11221 from articles/00107872 from sent29

Text  : Phelps faktycznie jest cieniem siebie sprzed czterech lat .
Tokens: 1_____ 2_________ 3___ 4______ 5_____ 6_____ 7_______ 8__ 9

Chunks:
  FalseNegative nam [1,1] = Phelps

(ChunkerEvaluator) Sentence #11222 from articles/00107872 from sent30

Text  : Miedzy igrzyskami w Pekinie i Londynie nie przykładał się do treningów -  w  sumie przez około dwa lata .
Tokens: 1_____ 2_________ 3 4______ 5 6_______ 7__ 8_________ 9__ 10 11_______ 12 13 14___ 15___ 16___ 17_ 18__ 19

Chunks:
  TruePositive nam [4,4] = Pekinie
  TruePositive nam [6,6] = Londynie

(ChunkerEvaluator) Sentence #11223 from articles/00107872 from sent31

Text  : Do solidnej roboty właściwie wziął się dopiero rok temu .
Tokens: 1_ 2_______ 3_____ 4________ 5____ 6__ 7______ 8__ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #11224 from articles/00107872 from sent32

Text  : Lochte tymczasem nie odpuszczał .
Tokens: 1_____ 2________ 3__ 4_________ 5

Chunks:
  FalseNegative nam [1,1] = Lochte

(ChunkerEvaluator) Sentence #11225 from articles/00107872 from sent33

Text  : Z otwartą przyłbicą stawał do walki w najsilniejszych konkurencjach rywala -  właśnie w  stylu zmiennym .
Tokens: 1 2______ 3________ 4_____ 5_ 6____ 7 8______________ 9____________ 10____ 11 12_____ 13 14___ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #11226 from articles/00107872 from sent34

Text  : I wygrywał - jak w MŚ w Rzymie i Szanghaju ,  czy w  eliminacjach amerykańskiej kadry .
Tokens: 1 2_______ 3 4__ 5 6_ 7 8_____ 9 10_______ 11 12_ 13 14__________ 15___________ 16___ 17

Chunks:
  TruePositive nam [6,6] = MŚ
  TruePositive nam [8,8] = Rzymie
  TruePositive nam [10,10] = Szanghaju

(ChunkerEvaluator) Sentence #11227 from articles/00107872 from sent35

Text  : Obaj giganci spotkają się jeszcze na 200 metrów w stylu zmiennym .
Tokens: 1___ 2______ 3_______ 4__ 5______ 6_ 7__ 8_____ 9 10___ 11______ 12

Chunks:

2016-10-27 15:00:09,090 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 498 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107873.xml
(ChunkerEvaluator) Sentence #11228 from articles/00107873 from sent1

Text  : Rywal z Ligi Mistrzów zlał Ruch .
Tokens: 1____ 2 3___ 4_______ 5___ 6___ 7

Chunks:
  TruePositive nam [3,4] = Ligi Mistrzów
  TruePositive nam [6,6] = Ruch

(ChunkerEvaluator) Sentence #11229 from articles/00107873 from sent2

Text  : „ Nie może być w tym przypadku ”
Tokens: 1 2__ 3___ 4__ 5 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #11230 from articles/00107873 from sent3

Text  : Tomasz Fornalik , trener Ruchu Chorzów żałuje , że jego zespół pogubił się w  końcówce meczu z  Viktorią Pilzno .
Tokens: 1_____ 2_______ 3 4_____ 5____ 6______ 7_____ 8 9_ 10__ 11____ 12_____ 13_ 14 15______ 16___ 17 18______ 19____ 20

Chunks:
  TruePositive nam [1,2] = Tomasz Fornalik
  TruePositive nam [5,6] = Ruchu Chorzów
  TruePositive nam [18,19] = Viktorią Pilzno

(ChunkerEvaluator) Sentence #11231 from articles/00107873 from sent4

Text  : Stawką czesko - polskiej rywalizacji jest awans do czwartej rundy eliminacji Ligi Europejskiej .
Tokens: 1_____ 2_____ 3 4_______ 5__________ 6___ 7____ 8_ 9_______ 10___ 11________ 12__ 13__________ 14

Chunks:
  TruePositive nam [12,13] = Ligi Europejskiej

(ChunkerEvaluator) Sentence #11232 from articles/00107873 from sent5

Text  : Viktoria dzięki wygranej na Cichej ( 2 : 0 )  może przyjmować gratulacje już przed rewanżem .
Tokens: 1_______ 2_____ 3_______ 4_ 5_____ 6 7 8 9 10 11__ 12________ 13________ 14_ 15___ 16______ 17

Chunks:
  FalseNegative nam [1,1] = Viktoria
  FalseNegative nam [5,5] = Cichej

(ChunkerEvaluator) Sentence #11233 from articles/00107873 from sent6

Text  : Przez długie minuty obie drużyny dzieliła przepaść .
Tokens: 1____ 2_____ 3_____ 4___ 5______ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #11234 from articles/00107873 from sent7

Text  : Czesi grali w piłkę , a niebiescy za nią gonili .
Tokens: 1____ 2____ 3 4____ 5 6 7________ 8_ 9__ 10____ 11

Chunks:
  FalseNegative nam [7,7] = niebiescy

(ChunkerEvaluator) Sentence #11235 from articles/00107873 from sent8

Text  : Paradoksem jest to , że gdy Ruch w końcu otrząsnął się z  przewagi i  przycisnął Czechów ,  to ci w  odpowiedzi zdobyli dwa gole .
Tokens: 1_________ 2___ 3_ 4 5_ 6__ 7___ 8 9____ 10_______ 11_ 12 13______ 14 15________ 16_____ 17 18 19 20 21________ 22_____ 23_ 24__ 25

Chunks:
  TruePositive nam [7,7] = Ruch
  TruePositive nam [16,16] = Czechów

(ChunkerEvaluator) Sentence #11236 from articles/00107873 from sent9

Text  : Drugi był kuriozalny .
Tokens: 1____ 2__ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #11237 from articles/00107873 from sent10

Text  : Nie popisał się bramkarz Michal Pesković , który przepuścił łatwy strzał z  ostrego kąta między nogami i  rękami .
Tokens: 1__ 2______ 3__ 4_______ 5_____ 6_______ 7 8____ 9_________ 10___ 11____ 12 13_____ 14__ 15____ 16____ 17 18____ 19

Chunks:
  TruePositive nam [5,6] = Michal Pesković

(ChunkerEvaluator) Sentence #11238 from articles/00107873 from sent11

Text  : Viktoria , jak na drużynę , która w poprzednim sezonie grała w  fazie grupowej Ligi Mistrzów z  Barceloną i  AC Milan ,  pewnie wypunktowała niebieskich .
Tokens: 1_______ 2 3__ 4_ 5______ 6 7____ 8 9_________ 10_____ 11___ 12 13___ 14______ 15__ 16______ 17 18_______ 19 20 21___ 22 23____ 24__________ 25_________ 26

Chunks:
  TruePositive nam [15,16] = Ligi Mistrzów
  TruePositive nam [18,18] = Barceloną
  TruePositive nam [20,21] = AC Milan
  FalseNegative nam [1,1] = Viktoria
  FalseNegative nam [25,25] = niebieskich

(ChunkerEvaluator) Sentence #11239 from articles/00107873 from sent12

Text  : - Rywal postawił nam bardzo trudne warunki .
Tokens: 1 2____ 3_______ 4__ 5_____ 6_____ 7______ 8

Chunks:
  FalsePositive nam [2,2] = Rywal

(ChunkerEvaluator) Sentence #11240 from articles/00107873 from sent13

Text  : Próbowali śmy się temu przeciwstawić .
Tokens: 1________ 2__ 3__ 4___ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #11241 from articles/00107873 from sent14

Text  : Do pewnego momentu wynik wyglądał dobrze .
Tokens: 1_ 2______ 3______ 4____ 5_______ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #11242 from articles/00107873 from sent15

Text  : Końcówka była niestety nie niezadowalająca .
Tokens: 1_______ 2___ 3_______ 4__ 5______________ 6

Chunks:

(ChunkerEvaluator) Sentence #11243 from articles/00107873 from sent16

Text  : Szkoda tych dwóch straconych bramek .
Tokens: 1_____ 2___ 3____ 4_________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #11244 from articles/00107873 from sent17

Text  : Viktoria to drużyna bardzo doświadczona , dobrze grająca w piłkę .
Tokens: 1_______ 2_ 3______ 4_____ 5___________ 6 7_____ 8______ 9 10___ 11

Chunks:
  FalseNegative nam [1,1] = Viktoria

(ChunkerEvaluator) Sentence #11245 from articles/00107873 from sent18

Text  : Jeżeli ktoś gra w fazie grupowej Ligi Mistrzów , to nie może być w  tym przypadku -  ocenił trener Tomasz Fornalik .
Tokens: 1_____ 2___ 3__ 4 5____ 6_______ 7___ 8_______ 9 10 11_ 12__ 13_ 14 15_ 16_______ 17 18____ 19____ 20____ 21______ 22

Chunks:
  TruePositive nam [7,8] = Ligi Mistrzów
  TruePositive nam [20,21] = Tomasz Fornalik

(ChunkerEvaluator) Sentence #11246 from articles/00107873 from sent19

Text  : Pavel Vrba , szkoleniowiec czeskiej drużyny kurtuazyjnie zaznaczył , że sprawa awansu nie jest jeszcze rozstrzygnięta .
Tokens: 1____ 2___ 3 4____________ 5_______ 6______ 7___________ 8________ 9 10 11____ 12____ 13_ 14__ 15_____ 16____________ 17

Chunks:
  FalseNegative nam [1,2] = Pavel Vrba

(ChunkerEvaluator) Sentence #11247 from articles/00107873 from sent20

Text  : - Jestem zadowolony z wyniku .
Tokens: 1 2_____ 3_________ 4 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #11248 from articles/00107873 from sent21

Text  : W pierwszej połowie mieli śmy przewagę , a w drugiej strzelali śmy bramki .
Tokens: 1 2________ 3______ 4____ 5__ 6_______ 7 8 9 10_____ 11_______ 12_ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #11249 from articles/00107873 from sent22

Text  : Ruch na pewno był lepszym przeciwnikiem niż nasz wcześniej rywal w  Lidze Europejskiej ,  czyli gruzińskie Metalurgi Rustawi .
Tokens: 1___ 2_ 3____ 4__ 5______ 6____________ 7__ 8___ 9________ 10___ 11 12___ 13__________ 14 15___ 16________ 17_______ 18_____ 19

Chunks:
  TruePositive nam [12,13] = Lidze Europejskiej
  TruePositive nam [17,18] = Metalurgi Rustawi
  FalseNegative nam [1,1] = Ruch

(ChunkerEvaluator) Sentence #11250 from articles/00107873 from sent23

Text  : Przed rewanżem jesteśmy w dobrej sytuacji .
Tokens: 1____ 2_______ 3_______ 4 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #11251 from articles/00107873 from sent24

Text  : Czeka nas jednak jeszcze jeden trudny mecz , w którym wszystko może się zdarzyć -  podkreślał .
Tokens: 1____ 2__ 3_____ 4______ 5____ 6_____ 7___ 8 9 10____ 11______ 12__ 13_ 14_____ 15 16________ 17

Chunks:

2016-10-27 15:00:09,183 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 499 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107874.xml
(ChunkerEvaluator) Sentence #11252 from articles/00107874 from sent1

Text  : IO 2012 : Szkoda , Ula Sadkowska szybko kończy Igrzyska
Tokens: 1_ 2___ 3 4_____ 5 6__ 7________ 8_____ 9_____ 10______

Chunks:
  TruePositive nam [6,7] = Ula Sadkowska
  TruePositive nam [10,10] = Igrzyska
  FalseNegative nam [1,2] = IO 2012

(ChunkerEvaluator) Sentence #11253 from articles/00107874 from sent2

Text  : Niedługo trwała przygoda olsztynianki ze sportowymi arenami w Londynie .
Tokens: 1_______ 2_____ 3_______ 4___________ 5_ 6_________ 7______ 8 9_______ 10

Chunks:
  TruePositive nam [9,9] = Londynie
  FalseNegative nam [4,4] = olsztynianki

(ChunkerEvaluator) Sentence #11254 from articles/00107874 from sent3

Text  : Polka przegrała w swojej pierwszej walce z faworytką do złota w  kategorii +  78 kg Chinką Tong Wen i  zakończyła tym samym swój udział w  turnieju .
Tokens: 1____ 2________ 3 4_____ 5________ 6____ 7 8________ 9_ 10___ 11 12_______ 13 14 15 16____ 17__ 18_ 19 20________ 21_ 22___ 23__ 24____ 25 26______ 27

Chunks:
  TruePositive nam [1,1] = Polka
  FalsePositive nam [16,18] = Chinką Tong Wen
  FalseNegative nam [16,16] = Chinką
  FalseNegative nam [17,18] = Tong Wen

(ChunkerEvaluator) Sentence #11255 from articles/00107874 from sent4

Text  : Urszula Sadkowska zapowiadała wcześniej , że spróbuje poprawić dotychczasowe osiągnięcia polskich judoków w  Londynie .
Tokens: 1______ 2________ 3__________ 4________ 5 6_ 7_______ 8_______ 9____________ 10_________ 11______ 12_____ 13 14______ 15

Chunks:
  TruePositive nam [1,2] = Urszula Sadkowska
  TruePositive nam [14,14] = Londynie

(ChunkerEvaluator) Sentence #11256 from articles/00107874 from sent5

Text  : Przypomnijmy , że Paweł Zagrodnik przegrał walkę o brązowy medal z  Japończykiem Masashim Ebinumą ,  natomiast Daria Pogorzelec uległa Węgierce Abigel Joo w  pojedynku repasażowym .
Tokens: 1___________ 2 3_ 4____ 5________ 6_______ 7____ 8 9______ 10___ 11 12__________ 13______ 14_____ 15 16_______ 17___ 18________ 19____ 20______ 21____ 22_ 23 24_______ 25_________ 26

Chunks:
  TruePositive nam [4,5] = Paweł Zagrodnik
  TruePositive nam [17,18] = Daria Pogorzelec
  FalsePositive nam [12,14] = Japończykiem Masashim Ebinumą
  FalsePositive nam [20,22] = Węgierce Abigel Joo
  FalseNegative nam [12,12] = Japończykiem
  FalseNegative nam [13,14] = Masashim Ebinumą
  FalseNegative nam [20,20] = Węgierce
  FalseNegative nam [21,22] = Abigel Joo

(ChunkerEvaluator) Sentence #11257 from articles/00107874 from sent6

Text  : Zwycięstwo dawało jej szansę walki o najniższy stopień podium .
Tokens: 1_________ 2_____ 3__ 4_____ 5____ 6 7________ 8______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #11258 from articles/00107874 from sent7

Text  : Sadkowska od początku mówiła , że do Londynu jedzie walczyć o  złoto .
Tokens: 1________ 2_ 3_______ 4_____ 5 6_ 7_ 8______ 9_____ 10_____ 11 12___ 13

Chunks:
  TruePositive nam [1,1] = Sadkowska
  TruePositive nam [8,8] = Londynu

(ChunkerEvaluator) Sentence #11259 from articles/00107874 from sent8

Text  : Jednak już losowanie okazało się dla niej strasznie pechowe .
Tokens: 1_____ 2__ 3________ 4______ 5__ 6__ 7___ 8________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #11260 from articles/00107874 from sent9

Text  : Co prawda w pierwszej rundzie olsztynianka miała wolny los ,  ale już w  kolejnej przyszło jej się zmierzyć z  główną kandydatką do zwycięstwa w  całych zawodach .
Tokens: 1_ 2_____ 3 4________ 5______ 6___________ 7____ 8____ 9__ 10 11_ 12_ 13 14______ 15______ 16_ 17_ 18______ 19 20____ 21________ 22 23________ 24 25____ 26______ 27

Chunks:
  FalseNegative nam [6,6] = olsztynianka

(ChunkerEvaluator) Sentence #11261 from articles/00107874 from sent10

Text  : - Nie obawiam się żadnej przeciwniczki , do każdej walki chcę się starannie przygotować ,  bo planuję walczyć o  finał -  mówiła przed igrzyskami Sadkowska .
Tokens: 1 2__ 3______ 4__ 5_____ 6____________ 7 8_ 9_____ 10___ 11__ 12_ 13_______ 14_________ 15 16 17_____ 18_____ 19 20___ 21 22____ 23___ 24________ 25_______ 26

Chunks:
  TruePositive nam [25,25] = Sadkowska

(ChunkerEvaluator) Sentence #11262 from articles/00107874 from sent11

Text  : - Olimpiada to już taki poziom , że leszczy tu nie ma .
Tokens: 1 2________ 3_ 4__ 5___ 6_____ 7 8_ 9______ 10 11_ 12 13

Chunks:
  FalseNegative nam [2,2] = Olimpiada

(ChunkerEvaluator) Sentence #11263 from articles/00107874 from sent12

Text  : Mimo wielkich chęci olsztynianka nie miała nic do powiedzenia w  pojedynku z  Chinką ,  która od początku zdominowała walkę i  po niespełna minucie na jej koncie pojawiło się yuko .
Tokens: 1___ 2_______ 3____ 4___________ 5__ 6____ 7__ 8_ 9__________ 10 11_______ 12 13____ 14 15___ 16 17______ 18_________ 19___ 20 21 22_______ 23_____ 24 25_ 26____ 27______ 28_ 29__ 30

Chunks:
  TruePositive nam [13,13] = Chinką
  FalseNegative nam [4,4] = olsztynianka

(ChunkerEvaluator) Sentence #11264 from articles/00107874 from sent13

Text  : Sadkowska nie umiała odpowiedzieć skutecznymi akcjami .
Tokens: 1________ 2__ 3_____ 4___________ 5__________ 6______ 7

Chunks:
  TruePositive nam [1,1] = Sadkowska

(ChunkerEvaluator) Sentence #11265 from articles/00107874 from sent14

Text  : Wykorzystała to Tong Wen , która poprzez ippon zakończyła starcie .
Tokens: 1___________ 2_ 3___ 4__ 5 6____ 7______ 8____ 9_________ 10_____ 11

Chunks:
  TruePositive nam [3,4] = Tong Wen

(ChunkerEvaluator) Sentence #11266 from articles/00107874 from sent15

Text  : Walka w 1 / 8 finału była pierwszą i zarazem ostatnią dla Sadkowskiej ,  bowiem w  kategorii wagowej +  78 kg organizatorzy nie przewidują repasaży .
Tokens: 1____ 2 3 4 5 6_____ 7___ 8_______ 9 10_____ 11______ 12_ 13_________ 14 15____ 16 17_______ 18_____ 19 20 21 22___________ 23_ 24________ 25______ 26

Chunks:
  TruePositive nam [13,13] = Sadkowskiej

2016-10-27 15:00:09,259 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 500 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107875.xml
(ChunkerEvaluator) Sentence #11267 from articles/00107875 from sent1

Text  : Wisła Can - Pack .
Tokens: 1____ 2__ 3 4___ 5

Chunks:
  TruePositive nam [1,4] = Wisła Can - Pack

(ChunkerEvaluator) Sentence #11268 from articles/00107875 from sent2

Text  : Tina Charles szaleje w Londynie .
Tokens: 1___ 2______ 3______ 4 5_______ 6

Chunks:
  TruePositive nam [1,2] = Tina Charles
  TruePositive nam [5,5] = Londynie

(ChunkerEvaluator) Sentence #11269 from articles/00107875 from sent3

Text  : Kolejne & quot ; double - double & quot ;
Tokens: 1______ 2 3___ 4 5_____ 6 7_____ 8 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #11270 from articles/00107875 from sent4

Text  : Na Igrzyskach Olimpijskich Stany Zjednoczone pokonały Czechy 88 : 61 ,  a  jedną z  najlepszych zawodniczek była Tina Charles ,  koszykarka Wisły Can -  Pack .
Tokens: 1_ 2_________ 3___________ 4____ 5__________ 6_______ 7_____ 8_ 9 10 11 12 13___ 14 15_________ 16_________ 17__ 18__ 19_____ 20 21________ 22___ 23_ 24 25__ 26

Chunks:
  TruePositive nam [7,7] = Czechy
  TruePositive nam [18,19] = Tina Charles
  TruePositive nam [22,25] = Wisły Can - Pack
  FalsePositive nam [2,5] = Igrzyskach Olimpijskich Stany Zjednoczone
  FalseNegative nam [2,3] = Igrzyskach Olimpijskich
  FalseNegative nam [4,5] = Stany Zjednoczone

(ChunkerEvaluator) Sentence #11271 from articles/00107875 from sent5

Text  : Charles rzuciła 16 punktów i była niemal najskuteczniejszą zawodniczką Stanów Zjednoczonych (  więcej o  dwa punkty rzuciła Diana Taurasi )  .
Tokens: 1______ 2______ 3_ 4______ 5 6___ 7_____ 8________________ 9__________ 10____ 11___________ 12 13____ 14 15_ 16____ 17_____ 18___ 19_____ 20 21

Chunks:
  TruePositive nam [1,1] = Charles
  TruePositive nam [10,11] = Stanów Zjednoczonych
  TruePositive nam [18,19] = Diana Taurasi

(ChunkerEvaluator) Sentence #11272 from articles/00107875 from sent6

Text  : Do tego koszykarka Wisły Can - Pack zaliczyła 14 zbiórek i  dzięki temu skompletowała tzw .  "  double -  double "  .
Tokens: 1_ 2___ 3_________ 4____ 5__ 6 7___ 8________ 9_ 10_____ 11 12____ 13__ 14___________ 15_ 16 17 18____ 19 20____ 21 22

Chunks:
  TruePositive nam [4,7] = Wisły Can - Pack

(ChunkerEvaluator) Sentence #11273 from articles/00107875 from sent7

Text  : Miała też asystę i przechwyt .
Tokens: 1____ 2__ 3_____ 4 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #11274 from articles/00107875 from sent8

Text  : Stany Zjednoczone wygrały wszystkie cztery mecze i pozostają głównym faworytem do złota .
Tokens: 1____ 2__________ 3______ 4________ 5_____ 6____ 7 8________ 9______ 10_______ 11 12___ 13

Chunks:
  TruePositive nam [1,2] = Stany Zjednoczone

(ChunkerEvaluator) Sentence #11275 from articles/00107875 from sent9

Text  : W niedzielę kończą fazę grupową meczem z Chinami .
Tokens: 1 2________ 3_____ 4___ 5______ 6_____ 7 8______ 9

Chunks:
  TruePositive nam [8,8] = Chinami

2016-10-27 15:00:09,293 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 501 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107876.xml
(ChunkerEvaluator) Sentence #11276 from articles/00107876 from sent1

Text  : Tragedia na drodze .
Tokens: 1_______ 2_ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #11277 from articles/00107876 from sent2

Text  : W centrum Kielc mężczyzna leżał na środku jezdni
Tokens: 1 2______ 3____ 4________ 5____ 6_ 7_____ 8_____

Chunks:
  TruePositive nam [3,3] = Kielc

(ChunkerEvaluator) Sentence #11278 from articles/00107876 from sent3

Text  : 49 - latek został przejechany w piątek po godzinie 20 na ul .  Jana Pawła II w  Kielcach .
Tokens: 1_ 2 3____ 4_____ 5__________ 6 7_____ 8_ 9_______ 10 11 12 13 14__ 15___ 16 17 18______ 19

Chunks:
  TruePositive nam [14,16] = Jana Pawła II
  TruePositive nam [18,18] = Kielcach

(ChunkerEvaluator) Sentence #11279 from articles/00107876 from sent4

Text  : Mimo walki lekarzy o jego życie zmarł w nocy w  szpitalu .
Tokens: 1___ 2____ 3______ 4 5___ 6____ 7____ 8 9___ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #11280 from articles/00107876 from sent5

Text  : Nie wiadomo , co było przyczyną tego , że mężczyzna leżał na jezdni .
Tokens: 1__ 2______ 3 4_ 5___ 6________ 7___ 8 9_ 10_______ 11___ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #11281 from articles/00107876 from sent6

Text  : - To będzie dopiero ustalane - wyjaśnia Damian Szwagierek z  zespołu prasowego świętokrzyskiej policji .
Tokens: 1 2_ 3_____ 4______ 5_______ 6 7_______ 8_____ 9_________ 10 11_____ 12_______ 13_____________ 14_____ 15

Chunks:
  TruePositive nam [8,9] = Damian Szwagierek

(ChunkerEvaluator) Sentence #11282 from articles/00107876 from sent7

Text  : Na 49 - latka najechał 76 - letni kierowca opla vectra .
Tokens: 1_ 2_ 3 4____ 5_______ 6_ 7 8____ 9_______ 10__ 11____ 12

Chunks:
  FalseNegative nam [10,10] = opla
  FalseNegative nam [11,11] = vectra

(ChunkerEvaluator) Sentence #11283 from articles/00107876 from sent8

Text  : Mężczyznę przewieziono do szpitala .
Tokens: 1________ 2___________ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #11284 from articles/00107876 from sent9

Text  : Miał liczne obrażenia ciała .
Tokens: 1___ 2_____ 3________ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #11285 from articles/00107876 from sent10

Text  : Po godz . 2 policjanci otrzymali informację , że nie żyje .
Tokens: 1_ 2___ 3 4 5_________ 6________ 7_________ 8 9_ 10_ 11__ 12

Chunks:

2016-10-27 15:00:09,325 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 502 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107878.xml
(ChunkerEvaluator) Sentence #11286 from articles/00107878 from sent1

Text  : Rupert Sanders walczy o żonę
Tokens: 1_____ 2______ 3_____ 4 5___

Chunks:
  TruePositive nam [1,2] = Rupert Sanders

(ChunkerEvaluator) Sentence #11287 from articles/00107878 from sent2

Text  : Rupert Sanders walczy o żonę
Tokens: 1_____ 2______ 3_____ 4 5___

Chunks:
  TruePositive nam [1,2] = Rupert Sanders

(ChunkerEvaluator) Sentence #11288 from articles/00107878 from sent3

Text  : Czy zdradzona Liberty Ross znalazła nowego partnera ?
Tokens: 1__ 2________ 3______ 4___ 5_______ 6_____ 7_______ 8

Chunks:
  FalseNegative nam [3,4] = Liberty Ross

(ChunkerEvaluator) Sentence #11289 from articles/00107878 from sent4

Text  : Rupert Sanders po romansie z Kristen Stewart walczy o swoją żonę ,  Liberty .
Tokens: 1_____ 2______ 3_ 4_______ 5 6______ 7______ 8_____ 9 10___ 11__ 12 13_____ 14

Chunks:
  TruePositive nam [1,2] = Rupert Sanders
  TruePositive nam [6,7] = Kristen Stewart
  TruePositive nam [13,13] = Liberty

(ChunkerEvaluator) Sentence #11290 from articles/00107878 from sent5

Text  : Ta jednak spędza ostatnio czas ze stylistą Simonem Robinsem i  ignoruje Ruperta .
Tokens: 1_ 2_____ 3_____ 4_______ 5___ 6_ 7_______ 8______ 9_______ 10 11______ 12_____ 13

Chunks:
  TruePositive nam [8,9] = Simonem Robinsem
  TruePositive nam [12,12] = Ruperta

(ChunkerEvaluator) Sentence #11291 from articles/00107878 from sent6

Text  : Rupert Sanders okazał wielką skruchę , kiedy na jaw wyszedł jego romans z  Kristen Stewart .
Tokens: 1_____ 2______ 3_____ 4_____ 5______ 6 7____ 8_ 9__ 10_____ 11__ 12____ 13 14_____ 15_____ 16

Chunks:
  TruePositive nam [1,2] = Rupert Sanders
  TruePositive nam [14,15] = Kristen Stewart

(ChunkerEvaluator) Sentence #11292 from articles/00107878 from sent7

Text  : Twierdził , że bardzo żałuje skoku w bok i utrzymywał ,  że przygoda z  młodsza aktorką to była pomyłka ,  bo tak naprawdę kocha tylko swoją żonę -  modelkę Liberty Ross -  i  dwójkę cudownych dzieci .
Tokens: 1________ 2 3_ 4_____ 5_____ 6____ 7 8__ 9 10________ 11 12 13______ 14 15_____ 16_____ 17 18__ 19_____ 20 21 22_ 23______ 24___ 25___ 26___ 27__ 28 29_____ 30_____ 31__ 32 33 34____ 35_______ 36____ 37

Chunks:
  FalsePositive nam [30,30] = Liberty
  FalseNegative nam [30,31] = Liberty Ross

(ChunkerEvaluator) Sentence #11293 from articles/00107878 from sent8

Text  : Ross zareagowała spokojnie i okazała wyrozumiałość .
Tokens: 1___ 2__________ 3________ 4 5______ 6____________ 7

Chunks:
  FalseNegative nam [1,1] = Ross

(ChunkerEvaluator) Sentence #11294 from articles/00107878 from sent9

Text  : Zaznaczyła , że jest skłonna wybaczyć mężowi zdradę .
Tokens: 1_________ 2 3_ 4___ 5______ 6_______ 7_____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11295 from articles/00107878 from sent10

Text  : Brytyjski reżyser znowu zabiega o względy Liberty i chce ,  by modelka przyjęła przeprosiny .
Tokens: 1________ 2______ 3____ 4______ 5 6______ 7______ 8 9___ 10 11 12_____ 13______ 14_________ 15

Chunks:
  TruePositive nam [7,7] = Liberty

(ChunkerEvaluator) Sentence #11296 from articles/00107878 from sent11

Text  : Daily Mail donosi , że para spotkała się ostatnio pod biurowcem w  Beverly Hills .
Tokens: 1____ 2___ 3_____ 4 5_ 6___ 7_______ 8__ 9_______ 10_ 11_______ 12 13_____ 14___ 15

Chunks:
  TruePositive nam [13,14] = Beverly Hills
  FalsePositive nam [2,2] = Mail
  FalseNegative nam [1,2] = Daily Mail

(ChunkerEvaluator) Sentence #11297 from articles/00107878 from sent12

Text  : Sanders czekał na żonę i gdy się pojawiła , ruszył do niej .
Tokens: 1______ 2_____ 3_ 4___ 5 6__ 7__ 8_______ 9 10____ 11 12__ 13

Chunks:
  FalseNegative nam [1,1] = Sanders

(ChunkerEvaluator) Sentence #11298 from articles/00107878 from sent13

Text  : Ale Ross najwidoczniej nie była skłonna do rozmów z mężem ,  bo w  pośpiechu wsiadła do czekającego pod budynkiem auta ,  kompletnie ignorując Ruperta !
Tokens: 1__ 2___ 3____________ 4__ 5___ 6______ 7_ 8_____ 9 10___ 11 12 13 14_______ 15_____ 16 17_________ 18_ 19_______ 20__ 21 22________ 23_______ 24_____ 25

Chunks:
  FalsePositive nam [24,25] = Ruperta !
  FalseNegative nam [2,2] = Ross
  FalseNegative nam [24,24] = Ruperta

(ChunkerEvaluator) Sentence #11299 from articles/00107878 from sent14

Text  : 41 - letnia Liberty wolała spędzić popołudnie z innym przystojniakiem !
Tokens: 1_ 2 3_____ 4______ 5_____ 6______ 7_________ 8 9____ 10_____________ 11

Chunks:
  FalseNegative nam [4,4] = Liberty

(ChunkerEvaluator) Sentence #11300 from articles/00107878 from sent15

Text  : Towarzyszem modelki okazał się Simon Robins , stylista odpowiedzialny m  .  in .  za sesje dla Vouge'a .
Tokens: 1__________ 2______ 3_____ 4__ 5____ 6_____ 7 8_______ 9_____________ 10 11 12 13 14 15___ 16_ 17_____ 18

Chunks:
  TruePositive nam [5,6] = Simon Robins
  TruePositive nam [17,17] = Vouge'a

(ChunkerEvaluator) Sentence #11301 from articles/00107878 from sent16

Text  : Ross wyglądała zjawiskowo i Sanders pewnie był zazdrosny , że to nie dla niego tak się wystroiła .
Tokens: 1___ 2________ 3_________ 4 5______ 6_____ 7__ 8________ 9 10 11 12_ 13_ 14___ 15_ 16_ 17_______ 18

Chunks:
  TruePositive nam [5,5] = Sanders
  FalseNegative nam [1,1] = Ross

(ChunkerEvaluator) Sentence #11302 from articles/00107878 from sent17

Text  : Jeżeli w taki sposób chciała odegrać się na mężu -  udało jej się .
Tokens: 1_____ 2 3___ 4_____ 5______ 6______ 7__ 8_ 9___ 10 11___ 12_ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #11303 from articles/00107878 from sent18

Text  : Simon i Liberty świetnie czuli się w swoim towarzystwie .
Tokens: 1____ 2 3______ 4_______ 5____ 6__ 7 8____ 9___________ 10

Chunks:
  TruePositive nam [3,3] = Liberty
  FalseNegative nam [1,1] = Simon

(ChunkerEvaluator) Sentence #11304 from articles/00107878 from sent19

Text  : Przytulali się i żartowali .
Tokens: 1_________ 2__ 3 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #11305 from articles/00107878 from sent20

Text  : W tej sytuacji reżyser wybrał się na zakupy .
Tokens: 1 2__ 3_______ 4______ 5_____ 6__ 7_ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11306 from articles/00107878 from sent21

Text  : Myślami błądził chyba gdzieś daleko , bo pakowanie siatek z  zakupami szło mu dość nieporadnie .
Tokens: 1______ 2______ 3____ 4_____ 5_____ 6 7_ 8________ 9_____ 10 11______ 12__ 13 14__ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #11307 from articles/00107878 from sent22

Text  : Jedna z toreb z zakupami rozerwała mu się i .  .  .  owoce wysypały się na ulicę .
Tokens: 1____ 2 3____ 4 5_______ 6________ 7_ 8__ 9 10 11 12 13___ 14______ 15_ 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #11308 from articles/00107878 from sent23

Text  : Jak pech , to pech !
Tokens: 1__ 2___ 3 4_ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #11309 from articles/00107878 from sent24

Text  : Daily Mail zamieścił krótkie nagranie z rozkojarzonym Sandersem .
Tokens: 1____ 2___ 3________ 4______ 5_______ 6 7____________ 8________ 9

Chunks:
  FalsePositive nam [2,2] = Mail
  FalseNegative nam [1,2] = Daily Mail
  FalseNegative nam [8,8] = Sandersem

(ChunkerEvaluator) Sentence #11310 from articles/00107878 from sent25

Text  : Reżyser nie wyglądał na szczęśliwego .
Tokens: 1______ 2__ 3_______ 4_ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #11311 from articles/00107878 from sent26

Text  : Jeśli liczył , że żona rzuci mu się na szyję ,  musiał się srogo rozczarować .
Tokens: 1____ 2_____ 3 4_ 5___ 6____ 7_ 8__ 9_ 10___ 11 12____ 13_ 14___ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #11312 from articles/00107878 from sent27

Text  : Mimo nieudanej próby , reżyser " Królewny Śnieżki " ma chyba nadzieję ,  że żona mu wybaczy .
Tokens: 1___ 2________ 3____ 4 5______ 6 7_______ 8______ 9 10 11___ 12______ 13 14 15__ 16 17_____ 18

Chunks:
  TruePositive nam [7,8] = Królewny Śnieżki

(ChunkerEvaluator) Sentence #11313 from articles/00107878 from sent28

Text  : Twierdził , że żona i dwójka dzieci są dla niego najważniejszymi osobami w  życiu i  z  nimi chce tworzyć szczęśliwą rodzinę .
Tokens: 1________ 2 3_ 4___ 5 6_____ 7_____ 8_ 9__ 10___ 11_____________ 12_____ 13 14___ 15 16 17__ 18__ 19_____ 20________ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #11314 from articles/00107878 from sent29

Text  : Dalej też nosi obrączkę !
Tokens: 1____ 2__ 3___ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #11315 from articles/00107878 from sent30

Text  : Jak długo Rupert będzie musiał czekać , aż żona mu wybaczy ?
Tokens: 1__ 2____ 3_____ 4_____ 5_____ 6_____ 7 8_ 9___ 10 11_____ 12

Chunks:
  TruePositive nam [3,3] = Rupert

(ChunkerEvaluator) Sentence #11316 from articles/00107878 from sent31

Text  : Zdradzonej Liberty najwyraźniej się nie śpieszy . . .
Tokens: 1_________ 2______ 3___________ 4__ 5__ 6______ 7 8 9

Chunks:
  TruePositive nam [2,2] = Liberty

2016-10-27 15:00:09,445 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 503 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107879.xml
(ChunkerEvaluator) Sentence #11317 from articles/00107879 from sent1

Text  : Piłka nożna .
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #11318 from articles/00107879 from sent2

Text  : Victoria na początek sezonu zagra z Pilicą .
Tokens: 1_______ 2_ 3_______ 4_____ 5____ 6 7_____ 8

Chunks:
  TruePositive nam [1,1] = Victoria
  TruePositive nam [7,7] = Pilicą

(ChunkerEvaluator) Sentence #11319 from articles/00107879 from sent3

Text  : To hit I kolejki IV ligi
Tokens: 1_ 2__ 3 4______ 5_ 6___

Chunks:

(ChunkerEvaluator) Sentence #11320 from articles/00107879 from sent4

Text  : W sobotę drużyny IV ligi rozpoczynają walkę o ligowe punkty .
Tokens: 1 2_____ 3______ 4_ 5___ 6___________ 7____ 8 9_____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #11321 from articles/00107879 from sent5

Text  : Częstochowska Victoria podejmuje Pilicę Koniecpol .
Tokens: 1____________ 2_______ 3________ 4_____ 5________ 6

Chunks:
  TruePositive nam [2,2] = Victoria
  TruePositive nam [4,5] = Pilicę Koniecpol

(ChunkerEvaluator) Sentence #11322 from articles/00107879 from sent6

Text  : Obie drużyny zapowiadają walkę o trzy punkty .
Tokens: 1___ 2______ 3__________ 4____ 5 6___ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11323 from articles/00107879 from sent7

Text  : Kto będzie się cieszył z wygranej ?
Tokens: 1__ 2_____ 3__ 4______ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #11324 from articles/00107879 from sent8

Text  : Spotkanie Victorii z Pilicą rozpocznie się nietypowo , bo już o  godz .  15 .
Tokens: 1________ 2_______ 3 4_____ 5_________ 6__ 7________ 8 9_ 10_ 11 12__ 13 14 15

Chunks:
  TruePositive nam [2,2] = Victorii
  TruePositive nam [4,4] = Pilicą

(ChunkerEvaluator) Sentence #11325 from articles/00107879 from sent9

Text  : Zarówno częstochowianie , jak i piłkarze z Koniecpola będą chcieli wygrać .
Tokens: 1______ 2______________ 3 4__ 5 6_______ 7 8_________ 9___ 10_____ 11____ 12

Chunks:
  TruePositive nam [8,8] = Koniecpola
  FalseNegative nam [2,2] = częstochowianie

(ChunkerEvaluator) Sentence #11326 from articles/00107879 from sent10

Text  : Victoria - choć jest spadkowiczem z III ligi - w  porównaniu z  poprzednim sezonem ma teoretycznie słabszy skład .
Tokens: 1_______ 2 3___ 4___ 5___________ 6 7__ 8___ 9 10 11________ 12 13________ 14_____ 15 16__________ 17_____ 18___ 19

Chunks:
  TruePositive nam [1,1] = Victoria

(ChunkerEvaluator) Sentence #11327 from articles/00107879 from sent11

Text  : Z klubu odeszło kilku zawodników , a działacze i trener Maciej Strożek stawiają na wychowanków .
Tokens: 1 2____ 3______ 4____ 5_________ 6 7 8________ 9 10____ 11____ 12_____ 13______ 14 15_________ 16

Chunks:
  TruePositive nam [11,12] = Maciej Strożek

(ChunkerEvaluator) Sentence #11328 from articles/00107879 from sent12

Text  : Co innego Pilica , która pozyskała kilku piłkarzy , m  .  in .  z  .  .  .
Tokens: 1_ 2_____ 3_____ 4 5____ 6________ 7____ 8_______ 9 10 11 12 13 14 15 16 17

Chunks:
  TruePositive nam [3,3] = Pilica

(ChunkerEvaluator) Sentence #11329 from articles/00107879 from sent13

Text  : Victorii .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Victorii

(ChunkerEvaluator) Sentence #11330 from articles/00107879 from sent14

Text  : - To pierwszy mecz w sezonie i każdy będzie go chciał wygrać -  mówi trener Victorii Maciej Strożek .
Tokens: 1 2_ 3_______ 4___ 5 6______ 7 8____ 9_____ 10 11____ 12____ 13 14__ 15____ 16______ 17____ 18_____ 19

Chunks:
  TruePositive nam [16,16] = Victorii
  TruePositive nam [17,18] = Maciej Strożek

(ChunkerEvaluator) Sentence #11331 from articles/00107879 from sent15

Text  : - Pilica ma w składzie zawodników , którzy jeszcze w  poprzednim sezonie grali u  nas .
Tokens: 1 2_____ 3_ 4 5_______ 6_________ 7 8_____ 9______ 10 11________ 12_____ 13___ 14 15_ 16

Chunks:
  TruePositive nam [2,2] = Pilica

(ChunkerEvaluator) Sentence #11332 from articles/00107879 from sent16

Text  : Znają nasze boisko , a ich występ w drużynie rywali dodaje dodatkowego smaczku .
Tokens: 1____ 2____ 3_____ 4 5 6__ 7_____ 8 9_______ 10____ 11____ 12_________ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #11333 from articles/00107879 from sent17

Text  : Pilica to mocna drużyna , która chce walczyć nawet o  awans .
Tokens: 1_____ 2_ 3____ 4______ 5 6____ 7___ 8______ 9____ 10 11___ 12

Chunks:
  FalseNegative nam [1,1] = Pilica

(ChunkerEvaluator) Sentence #11334 from articles/00107879 from sent18

Text  : Zapowiada się ciekawy mecz , bo my też chcemy zdobyć trzy punkty .
Tokens: 1________ 2__ 3______ 4___ 5 6_ 7_ 8__ 9_____ 10____ 11__ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #11335 from articles/00107879 from sent19

Text  : W swój zespół wierzy wiceprezes Pilicy Waldemar Bugaj .
Tokens: 1 2___ 3_____ 4_____ 5_________ 6_____ 7_______ 8____ 9

Chunks:
  TruePositive nam [6,6] = Pilicy
  TruePositive nam [7,8] = Waldemar Bugaj

(ChunkerEvaluator) Sentence #11336 from articles/00107879 from sent20

Text  : - W tym sezonie chcemy walczyć o pierwszą piątkę ,  dlatego do Częstochowy jedziemy po zwycięstwo i  trzy punkty -  mówi Bugaj .
Tokens: 1 2 3__ 4______ 5_____ 6______ 7 8_______ 9_____ 10 11_____ 12 13_________ 14______ 15 16________ 17 18__ 19____ 20 21__ 22___ 23

Chunks:
  TruePositive nam [13,13] = Częstochowy
  TruePositive nam [22,22] = Bugaj

(ChunkerEvaluator) Sentence #11337 from articles/00107879 from sent21

Text  : - Czeka nas trudny mecz , ale mamy dobrą drużynę ,  która jeśli w  poprzednim sezonie przegrywała ,  to w
Tokens: 1 2____ 3__ 4_____ 5___ 6 7__ 8___ 9____ 10_____ 11 12___ 13___ 14 15________ 16_____ 17_________ 18 19 20

Chunks:

(ChunkerEvaluator) Sentence #11338 from articles/00107879 from sent22

Text  : większości różnicą jednej bramki .
Tokens: 1_________ 2______ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11339 from articles/00107879 from sent23

Text  : LKS Kamienica Polska w sobotę o godz . 17 podejmować będzie Slavię Ruda Śląska .
Tokens: 1__ 2________ 3_____ 4 5_____ 6 7___ 8 9_ 10________ 11____ 12____ 13__ 14____ 15

Chunks:
  TruePositive nam [12,14] = Slavię Ruda Śląska
  FalsePositive nam [2,3] = Kamienica Polska
  FalseNegative nam [1,3] = LKS Kamienica Polska

(ChunkerEvaluator) Sentence #11340 from articles/00107879 from sent24

Text  : - Do naszego składu doszło kilku zawodników z regionu ,  ale przed meczem ze Slavią mamy swoje problemy -  mówi trener LKS-u Artur Minkina .
Tokens: 1 2_ 3______ 4_____ 5_____ 6____ 7_________ 8 9______ 10 11_ 12___ 13____ 14 15____ 16__ 17___ 18______ 19 20__ 21____ 22___ 23___ 24_____ 25

Chunks:
  TruePositive nam [23,24] = Artur Minkina
  FalseNegative nam [15,15] = Slavią
  FalseNegative nam [22,22] = LKS-u

(ChunkerEvaluator) Sentence #11341 from articles/00107879 from sent25

Text  : - Kilku piłkarzy ma drobne urazy .
Tokens: 1 2____ 3_______ 4_ 5_____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #11342 from articles/00107879 from sent26

Text  : Powalczymy jednak o wygraną , bo chcemy zdobyć trzy punkty .
Tokens: 1_________ 2_____ 3 4______ 5 6_ 7_____ 8_____ 9___ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #11343 from articles/00107879 from sent27

Text  : Na wyjazdach zagrają Zieloni Żarki i beniaminek IV ligi Lot Konopiska .
Tokens: 1_ 2________ 3______ 4______ 5____ 6 7_________ 8_ 9___ 10_ 11_______ 12

Chunks:
  TruePositive nam [4,5] = Zieloni Żarki
  TruePositive nam [10,11] = Lot Konopiska

(ChunkerEvaluator) Sentence #11344 from articles/00107879 from sent28

Text  : Zieloni udadzą się do Ciochowic na mecz z Przyszłością ,  a  Lot zmierzy się w  Rudzie Śląskiej z  Grunwaldem .
Tokens: 1______ 2_____ 3__ 4_ 5________ 6_ 7___ 8 9___________ 10 11 12_ 13_____ 14_ 15 16____ 17______ 18 19________ 20

Chunks:
  TruePositive nam [1,1] = Zieloni
  TruePositive nam [9,9] = Przyszłością
  TruePositive nam [12,12] = Lot
  TruePositive nam [16,17] = Rudzie Śląskiej
  TruePositive nam [19,19] = Grunwaldem
  FalseNegative nam [5,5] = Ciochowic

2016-10-27 15:00:09,548 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 504 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107880.xml
(ChunkerEvaluator) Sentence #11345 from articles/00107880 from sent1

Text  : Design jest fajny.pl
Tokens: 1_____ 2___ 3_______

Chunks:
  FalsePositive nam [3,3] = fajny.pl
  FalseNegative nam [1,3] = Design jest fajny.pl

(ChunkerEvaluator) Sentence #11346 from articles/00107880 from sent2

Text  : Urządzanie wnętrz to sztuka .
Tokens: 1_________ 2_____ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11347 from articles/00107880 from sent3

Text  : Ale i świetna zabawa - udowadniają blogi o architekturze i  designie .
Tokens: 1__ 2 3______ 4_____ 5 6__________ 7____ 8 9____________ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #11348 from articles/00107880 from sent4

Text  : W sieci powstaje ich coraz więcej
Tokens: 1 2____ 3_______ 4__ 5____ 6_____

Chunks:

(ChunkerEvaluator) Sentence #11349 from articles/00107880 from sent5

Text  : Są prawdziwą kopalnią inspiracji , nieszablonowych pomysłów i najnowszych trendów ze świata architektury wnętrz i  designu .
Tokens: 1_ 2________ 3_______ 4_________ 5 6______________ 7_______ 8 9__________ 10_____ 11 12____ 13__________ 14____ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11350 from articles/00107880 from sent6

Text  : Mimo że prowadzą je osoby prywatne , w większości zwykli miłośnicy architektury ,  nierzadko mają bardziej aktualne informacje niż profesjonalne wnętrzarskie portale .
Tokens: 1___ 2_ 3_______ 4_ 5____ 6_______ 7 8 9_________ 10____ 11_______ 12__________ 13 14_______ 15__ 16______ 17______ 18________ 19_ 20___________ 21__________ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #11351 from articles/00107880 from sent7

Text  : Bezpośredniość i subiektywizm to kolejne zalety blogów .
Tokens: 1_____________ 2 3___________ 4_ 5______ 6_____ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11352 from articles/00107880 from sent8

Text  : Nic dziwnego - ich autorzy piszą zwyczajnie , bez wymądrzania się ,  o  tym co im się podoba ,  co ich zachwyca i  co sami chcieli by mieć .
Tokens: 1__ 2_______ 3 4__ 5______ 6____ 7_________ 8 9__ 10_________ 11_ 12 13 14_ 15 16 17_ 18____ 19 20 21_ 22______ 23 24 25__ 26_____ 27 28__ 29

Chunks:

(ChunkerEvaluator) Sentence #11353 from articles/00107880 from sent9

Text  : - Mój blog powstał jako rodzaj notatnika .
Tokens: 1 2__ 3___ 4______ 5___ 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #11354 from articles/00107880 from sent10

Text  : Trafiała m w internecie na ciekawe strony , piękne zdjęcia wnętrz ,  oryginalne pomysły i  nie chciała m  ,  żeby to mi umykało .
Tokens: 1_______ 2 3 4_________ 5_ 6______ 7_____ 8 9_____ 10_____ 11____ 12 13________ 14_____ 15 16_ 17_____ 18 19 20__ 21 22 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #11355 from articles/00107880 from sent11

Text  : Potem pomyślała m , że może są też inni ,  których może interesować to samo co mnie .
Tokens: 1____ 2________ 3 4 5_ 6___ 7_ 8__ 9___ 10 11_____ 12__ 13_________ 14 15__ 16 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #11356 from articles/00107880 from sent12

Text  : Okazało się , że są i jest ich niemało -  mówi Agata Ziółkiewicz ,  autorka bloga http://ilikedesign.blox.pl .  Jej ulubiony temat to wzornictwo skandynawskie .
Tokens: 1______ 2__ 3 4_ 5_ 6 7___ 8__ 9______ 10 11__ 12___ 13_________ 14 15_____ 16___ 17________________________ 18 19_ 20______ 21___ 22 23________ 24___________ 25

Chunks:
  TruePositive nam [12,13] = Agata Ziółkiewicz
  TruePositive nam [17,17] = http://ilikedesign.blox.pl

(ChunkerEvaluator) Sentence #11357 from articles/00107880 from sent13

Text  : - Lubię ich prostotę , czystość formy , wyczucie estetyki ,  biel i  po prostu świetny design .
Tokens: 1 2____ 3__ 4_______ 5 6_______ 7____ 8 9_______ 10______ 11 12__ 13 14 15____ 16_____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11358 from articles/00107880 from sent14

Text  : Ale na moim blogu chciała by m udowodnić przede wszystkim fakt ,  że design to nie żadna abstrakcja .
Tokens: 1__ 2_ 3___ 4____ 5______ 6_ 7 8________ 9_____ 10_______ 11__ 12 13 14____ 15 16_ 17___ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #11359 from articles/00107880 from sent15

Text  : To coś , co nas otacza , w czym funkcjonujemy i  na co możemy wpływać ,  nawet jeśli wybieramy tylko nową lampę czy wzór tkaniny .
Tokens: 1_ 2__ 3 4_ 5__ 6_____ 7 8 9___ 10___________ 11 12 13 14____ 15_____ 16 17___ 18___ 19_______ 20___ 21__ 22___ 23_ 24__ 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #11360 from articles/00107880 from sent16

Text  : I nie trzeba mieć wielkich pieniędzy , bo czasem wystarczy świetny pomysł -  tłumaczy .
Tokens: 1 2__ 3_____ 4___ 5_______ 6________ 7 8_ 9_____ 10_______ 11_____ 12____ 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #11361 from articles/00107880 from sent17

Text  : „ Wnętrzarskie " blogi nie są w Polsce nowością .
Tokens: 1 2___________ 3 4____ 5__ 6_ 7 8_____ 9_______ 10

Chunks:
  TruePositive nam [8,8] = Polsce

(ChunkerEvaluator) Sentence #11362 from articles/00107880 from sent18

Text  : Jeden z najpopularniejszych - http://babeczkaa.blox.pl , działa już ponad cztery lata .
Tokens: 1____ 2 3__________________ 4 5_______________________ 6 7_____ 8__ 9____ 10____ 11__ 12

Chunks:
  TruePositive nam [5,5] = http://babeczkaa.blox.pl

(ChunkerEvaluator) Sentence #11363 from articles/00107880 from sent19

Text  : - Na początku pojawiały się zdjęcia wnętrz i przedmiotów ,  które mi się spodobały .
Tokens: 1 2_ 3_______ 4________ 5__ 6______ 7_____ 8 9__________ 10 11___ 12 13_ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #11364 from articles/00107880 from sent20

Text  : Z czasem zaczęła m dostrzegać potrzebę podzielenia się z czytelnikami najnowszymi trendami w  aranżacji wnętrz ,  nowościami produktowymi ,  a  także absurdami ,  których przecież nie brak w  tej dziedzinie -  mówi „  babeczkaa "  .
Tokens: 1 2_____ 3______ 4 5_________ 6_______ 7__________ 8__ 9 10__________ 11_________ 12______ 13 14_______ 15____ 16 17________ 18__________ 19 20 21___ 22_______ 23 24_____ 25______ 26_ 27__ 28 29_ 30________ 31 32__ 33 34_______ 35 36

Chunks:
  FalseNegative nam [34,34] = babeczkaa

(ChunkerEvaluator) Sentence #11365 from articles/00107880 from sent21

Text  : Jak sama przyznaje , jest fanką bardzo odważnych projektów .
Tokens: 1__ 2___ 3________ 4 5___ 6____ 7_____ 8________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #11366 from articles/00107880 from sent22

Text  : - Szkoda , że Polacy nie decydują się na odrobinę szaleństwa w  swoich domach .
Tokens: 1 2_____ 3 4_ 5_____ 6__ 7_______ 8__ 9_ 10______ 11________ 12 13____ 14____ 15

Chunks:
  TruePositive nam [5,5] = Polacy

(ChunkerEvaluator) Sentence #11367 from articles/00107880 from sent23

Text  : Stąd pojawiła się misja mojego bloga - by pokazać ,  jak robi się to na świecie .
Tokens: 1___ 2_______ 3__ 4____ 5_____ 6____ 7 8_ 9______ 10 11_ 12__ 13_ 14 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11368 from articles/00107880 from sent24

Text  : Albo pokazać , jak tego nie robić - wyjaśnia .
Tokens: 1___ 2______ 3 4__ 5___ 6__ 7____ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #11369 from articles/00107880 from sent25

Text  : Ich ulubione blogi ?
Tokens: 1__ 2_______ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #11370 from articles/00107880 from sent26

Text  : Przeważnie zagraniczne .
Tokens: 1_________ 2__________ 3

Chunks:

(ChunkerEvaluator) Sentence #11371 from articles/00107880 from sent27

Text  : - Często zaglądam na http://lookslikegooddesign.com , www.behance.net i www.dezeen.com -  przyznaje Agnieszka Mazur ,  autorka http://dontstopdesign.blogspot.com .
Tokens: 1 2_____ 3_______ 4_ 5_____________________________ 6 7______________ 8 9_____________ 10 11_______ 12_______ 13___ 14 15_____ 16________________________________ 17

Chunks:
  TruePositive nam [5,5] = http://lookslikegooddesign.com
  TruePositive nam [7,7] = www.behance.net
  TruePositive nam [9,9] = www.dezeen.com
  TruePositive nam [12,13] = Agnieszka Mazur
  TruePositive nam [16,16] = http://dontstopdesign.blogspot.com

(ChunkerEvaluator) Sentence #11372 from articles/00107880 from sent28

Text  : Agata Ziółkiewicz lubi też www.desiretoinspire.blogspot.com i http://emmas.blogg.se .
Tokens: 1____ 2__________ 3___ 4__ 5_______________________________ 6 7____________________ 8

Chunks:
  TruePositive nam [1,2] = Agata Ziółkiewicz
  TruePositive nam [5,5] = www.desiretoinspire.blogspot.com
  TruePositive nam [7,7] = http://emmas.blogg.se

(ChunkerEvaluator) Sentence #11373 from articles/00107880 from sent29

Text  : - Z polskich bardzo sobie cenię Cebritę ( http://cebrita.blox.pl )
Tokens: 1 2 3_______ 4_____ 5____ 6____ 7______ 8 9_____________________ 10

Chunks:
  TruePositive nam [9,9] = http://cebrita.blox.pl
  FalseNegative nam [7,7] = Cebritę

(ChunkerEvaluator) Sentence #11374 from articles/00107880 from sent30

Text  : oraz blog Szymona Błaszczyka ( http://szymon.tumblr.com ) , choć nie jest on blogiem stricte designerskim -  dodaje .
Tokens: 1___ 2___ 3______ 4_________ 5 6_______________________ 7 8 9___ 10_ 11__ 12 13_____ 14_____ 15__________ 16 17____ 18

Chunks:
  TruePositive nam [3,4] = Szymona Błaszczyka
  TruePositive nam [6,6] = http://szymon.tumblr.com

(ChunkerEvaluator) Sentence #11375 from articles/00107880 from sent31

Text  : Profesjonalne wnętrzarskie serwisy już dostrzegły siłę i potencjał blogów .
Tokens: 1____________ 2___________ 3______ 4__ 5_________ 6___ 7 8________ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #11376 from articles/00107880 from sent32

Text  : Coraz częściej , same proponują ich autorom współpracę .
Tokens: 1____ 2_______ 3 4___ 5________ 6__ 7______ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #11377 from articles/00107880 from sent33

Text  : Przykład ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #11378 from articles/00107880 from sent34

Text  : Agata Ziółkiewicz i „ babeczkaa " już piszą dla serwisów Domosfera.pl i  Rzeczowo.pl .  Z  kolei Agnieszka Pasieka ,  autorka bloga http://atoato-design.blogspot.com ,  dostaje też propozycje współpracy od wydawnictw i  fotografików .
Tokens: 1____ 2__________ 3 4 5________ 6 7__ 8____ 9__ 10______ 11__________ 12 13_________ 14 15 16___ 17_______ 18_____ 19 20_____ 21___ 22_______________________________ 23 24_____ 25_ 26________ 27________ 28 29________ 30 31__________ 32

Chunks:
  TruePositive nam [1,2] = Agata Ziółkiewicz
  TruePositive nam [11,11] = Domosfera.pl
  TruePositive nam [13,13] = Rzeczowo.pl
  TruePositive nam [17,18] = Agnieszka Pasieka
  TruePositive nam [22,22] = http://atoato-design.blogspot.com
  FalseNegative nam [5,5] = babeczkaa

2016-10-27 15:00:09,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 505 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107881.xml
(ChunkerEvaluator) Sentence #11379 from articles/00107881 from sent1

Text  : Siedmiu chętnych do budowy bulwaru nad Wisłą
Tokens: 1______ 2_______ 3_ 4_____ 5______ 6__ 7____

Chunks:
  TruePositive nam [7,7] = Wisłą

(ChunkerEvaluator) Sentence #11380 from articles/00107881 from sent2

Text  : Od 123 do ponad 170 mln zł - na tyle firmy startujące w  przetargu na przebudowę bulwarów na lewym brzegu Wisły wyceniły koszt prac .
Tokens: 1_ 2__ 3_ 4____ 5__ 6__ 7_ 8 9_ 10__ 11___ 12________ 13 14_______ 15 16________ 17______ 18 19___ 20____ 21___ 22______ 23___ 24__ 25

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [21,21] = Wisły

(ChunkerEvaluator) Sentence #11381 from articles/00107881 from sent3

Text  : To więcej , niż szacował ratusz , który będzie musiał znaleźć dodatkowe pieniądze .
Tokens: 1_ 2_____ 3 4__ 5_______ 6_____ 7 8____ 9_____ 10____ 11_____ 12_______ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #11382 from articles/00107881 from sent4

Text  : Dwukilometrowy odcinek bulwarów ma zamienić się w nadwiślańską promenadę .
Tokens: 1_____________ 2______ 3_______ 4_ 5_______ 6__ 7 8___________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #11383 from articles/00107881 from sent5

Text  : Elegancki deptak nad brzegiem rzeki ma zaczynać się na wysokości Podzamcza i  ciągnąć się aż za most Świętokrzyski ,  dochodząc w  okolice pomnika Syreny .
Tokens: 1________ 2_____ 3__ 4_______ 5____ 6_ 7_______ 8__ 9_ 10_______ 11_______ 12 13_____ 14_ 15 16 17__ 18___________ 19 20_______ 21 22_____ 23_____ 24____ 25

Chunks:
  TruePositive nam [11,11] = Podzamcza
  TruePositive nam [18,18] = Świętokrzyski
  TruePositive nam [24,24] = Syreny

(ChunkerEvaluator) Sentence #11384 from articles/00107881 from sent6

Text  : Na początek ratusz ogłosił przetarg na przebudowę 600 - metrowego północnego odcinka -  od ul .  Boleść do mostu Śląsko -  Dąbrowskiego .
Tokens: 1_ 2_______ 3_____ 4______ 5_______ 6_ 7_________ 8__ 9 10_______ 11________ 12_____ 13 14 15 16 17____ 18 19___ 20____ 21 22__________ 23

Chunks:
  TruePositive nam [17,17] = Boleść
  TruePositive nam [20,22] = Śląsko - Dąbrowskiego

(ChunkerEvaluator) Sentence #11385 from articles/00107881 from sent7

Text  : Koncepcję przebudowy bulwaru wybrano w konkursie architektonicznym - wygrał zespół architektów krajobrazu (  Dorota Rudawa ,  Patryk Zaręba ,  Marta Grzybowska ,  Jan Biernawski ,  Mariusz Drabik )  oraz architektów (  Mark Kubaczka ,  Jowita Kubaczka ,  Adam Dąbrowski )  .
Tokens: 1________ 2_________ 3______ 4______ 5 6________ 7________________ 8 9_____ 10____ 11_________ 12________ 13 14____ 15____ 16 17____ 18____ 19 20___ 21________ 22 23_ 24________ 25 26_____ 27____ 28 29__ 30_________ 31 32__ 33______ 34 35____ 36______ 37 38__ 39_______ 40 41

Chunks:
  TruePositive nam [14,15] = Dorota Rudawa
  TruePositive nam [17,18] = Patryk Zaręba
  TruePositive nam [20,21] = Marta Grzybowska
  TruePositive nam [23,24] = Jan Biernawski
  TruePositive nam [26,27] = Mariusz Drabik
  TruePositive nam [32,33] = Mark Kubaczka
  TruePositive nam [35,36] = Jowita Kubaczka
  TruePositive nam [38,39] = Adam Dąbrowski

(ChunkerEvaluator) Sentence #11386 from articles/00107881 from sent8

Text  : W myśl ich koncepcji na promenadzie powstanie dziesięć lekkich pawilonów usługowych ,  a  na północ od ul .  Boleść -  parking rowerowy .
Tokens: 1 2___ 3__ 4________ 5_ 6__________ 7________ 8_______ 9______ 10_______ 11________ 12 13 14 15____ 16 17 18 19____ 20 21_____ 22______ 23

Chunks:
  TruePositive nam [19,19] = Boleść

(ChunkerEvaluator) Sentence #11387 from articles/00107881 from sent9

Text  : Wyremontowane zostaną przejścia podziemne pod Wisłostradą w rejonie ul .  Boleść i  Grodzkiej ,  zaplanowano trzy piesze place -  Mostowy (  w  rejonie ul .  Boleść )  ,  Staromiejski (  na wysokości Podzamcza )  oraz Pod Zamkiem Królewskim (  w  rejonie Grodzkiej )  .
Tokens: 1____________ 2______ 3________ 4________ 5__ 6__________ 7 8______ 9_ 10 11____ 12 13_______ 14 15_________ 16__ 17____ 18___ 19 20_____ 21 22 23_____ 24 25 26____ 27 28 29__________ 30 31 32_______ 33_______ 34 35__ 36_ 37_____ 38________ 39 40 41_____ 42_______ 43 44

Chunks:
  TruePositive nam [20,20] = Mostowy
  TruePositive nam [26,26] = Boleść
  TruePositive nam [29,29] = Staromiejski
  TruePositive nam [33,33] = Podzamcza
  TruePositive nam [36,38] = Pod Zamkiem Królewskim
  TruePositive nam [42,42] = Grodzkiej
  FalsePositive nam [11,13] = Boleść i Grodzkiej
  FalseNegative nam [6,6] = Wisłostradą
  FalseNegative nam [11,11] = Boleść
  FalseNegative nam [13,13] = Grodzkiej

(ChunkerEvaluator) Sentence #11388 from articles/00107881 from sent10

Text  : Wytyczone zostaną dwa przystanki tramwaju rzecznego .
Tokens: 1________ 2______ 3__ 4_________ 5_______ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #11389 from articles/00107881 from sent11

Text  : Na placu Staromiejskim zaplanowano punkt widokowy , a na wysokości Gnojnej Góry -  pływającą przystań .
Tokens: 1_ 2____ 3____________ 4__________ 5____ 6_______ 7 8 9_ 10_______ 11_____ 12__ 13 14_______ 15______ 16

Chunks:
  TruePositive nam [3,3] = Staromiejskim
  TruePositive nam [11,12] = Gnojnej Góry

(ChunkerEvaluator) Sentence #11390 from articles/00107881 from sent12

Text  : Wzdłuż promenady nabrzeże rzeki zostanie przebudowane i wyposażone w taki sposób ,  by mogły tu cumować nie tylko statki kontraktowane przez miasto ,  ale także łodzie rekreacyjne i  barki usługowe .
Tokens: 1_____ 2________ 3_______ 4____ 5_______ 6___________ 7 8_________ 9 10__ 11____ 12 13 14___ 15 16_____ 17_ 18___ 19____ 20___________ 21___ 22____ 23 24_ 25___ 26____ 27_________ 28 29___ 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #11391 from articles/00107881 from sent13

Text  : Nabrzeże zostanie przebudowane tak , by rowerzyści i niepełnosprawni na wózkach mogli zjechać na pomosty i  statki .
Tokens: 1_______ 2_______ 3___________ 4__ 5 6_ 7_________ 8 9______________ 10 11_____ 12___ 13_____ 14 15_____ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11392 from articles/00107881 from sent14

Text  : Na bulwarach ma działać darmowa sieć Wi - Fi .
Tokens: 1_ 2________ 3_ 4______ 5______ 6___ 7_ 8 9_ 10

Chunks:
  TruePositive nam [7,9] = Wi - Fi

(ChunkerEvaluator) Sentence #11393 from articles/00107881 from sent15

Text  : Przetarg na przebudowę pierwszego odcinka bulwarów ogłoszono w styczniu ,  wczoraj otworzono oferty .
Tokens: 1_______ 2_ 3_________ 4_________ 5______ 6_______ 7________ 8 9_______ 10 11_____ 12_______ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #11394 from articles/00107881 from sent16

Text  : Najtańszą - 123 mln zł - złożyła firma Hydrobudowa Gdańsk ,  niewiele droższe były Skanska (  132 mln )  i  Bilfinger Berger (  135 mln )  .
Tokens: 1________ 2 3__ 4__ 5_ 6 7______ 8____ 9__________ 10____ 11 12______ 13_____ 14__ 15_____ 16 17_ 18_ 19 20 21_______ 22____ 23 24_ 25_ 26 27

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [9,10] = Hydrobudowa Gdańsk
  TruePositive nam [15,15] = Skanska
  TruePositive nam [21,22] = Bilfinger Berger

(ChunkerEvaluator) Sentence #11395 from articles/00107881 from sent17

Text  : Najdroższe oferty złożyły Energopol - Szczecin ( aż 176 mln zł )  i  Mostostal Warszawa (  169 mln zł )  .
Tokens: 1_________ 2_____ 3______ 4________ 5 6_______ 7 8_ 9__ 10_ 11 12 13 14_______ 15______ 16 17_ 18_ 19 20 21

Chunks:
  TruePositive nam [4,6] = Energopol - Szczecin
  TruePositive nam [11,11] = zł
  TruePositive nam [14,15] = Mostostal Warszawa
  TruePositive nam [19,19] = zł

(ChunkerEvaluator) Sentence #11396 from articles/00107881 from sent18

Text  : - Opracowany przed przetargiem kosztorys szacował wartość inwestycji na 119 mln zł .
Tokens: 1 2_________ 3____ 4__________ 5________ 6_______ 7______ 8_________ 9_ 10_ 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #11397 from articles/00107881 from sent19

Text  : Najtańsze oferty są niewiele droższe .
Tokens: 1________ 2_____ 3_ 4_______ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #11398 from articles/00107881 from sent20

Text  : Komisja przetargowa musi teraz je przeanalizować .
Tokens: 1______ 2__________ 3___ 4____ 5_ 6_____________ 7

Chunks:

(ChunkerEvaluator) Sentence #11399 from articles/00107881 from sent21

Text  : Aby rozstrzygnąć przetarg , będziemy musieli znaleźć dodatkowe pieniądze -  mówi Michał Olszewski ,  wiceprezydent Warszawy .
Tokens: 1__ 2___________ 3_______ 4 5_______ 6______ 7______ 8________ 9________ 10 11__ 12____ 13_______ 14 15___________ 16______ 17

Chunks:
  TruePositive nam [12,13] = Michał Olszewski
  TruePositive nam [16,16] = Warszawy

(ChunkerEvaluator) Sentence #11400 from articles/00107881 from sent22

Text  : Termin realizacji modernizacji bulwarów określono w przetargu na dwa i  pół roku od chwili podpisania umowy z  wykonawcą .
Tokens: 1_____ 2_________ 3___________ 4_______ 5________ 6 7________ 8_ 9__ 10 11_ 12__ 13 14____ 15________ 16___ 17 18_______ 19

Chunks:

2016-10-27 15:00:09,807 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 506 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107882.xml
(ChunkerEvaluator) Sentence #11401 from articles/00107882 from sent1

Text  : Marek Saganowski : To odpowiedź , po co przyszedł em do Legii
Tokens: 1____ 2_________ 3 4_ 5________ 6 7_ 8_ 9________ 10 11 12___

Chunks:
  TruePositive nam [1,2] = Marek Saganowski
  TruePositive nam [12,12] = Legii

(ChunkerEvaluator) Sentence #11402 from articles/00107882 from sent2

Text  : - Zawsze wierzył em w siebie .
Tokens: 1 2_____ 3______ 4_ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #11403 from articles/00107882 from sent3

Text  : W Legii są kreatywni piłkarze , którzy stwarzają napastnikom sytuacje .
Tokens: 1 2____ 3_ 4________ 5_______ 6 7_____ 8________ 9__________ 10______ 11

Chunks:
  TruePositive nam [2,2] = Legii

(ChunkerEvaluator) Sentence #11404 from articles/00107882 from sent4

Text  : Tylko je wykorzystywać .
Tokens: 1____ 2_ 3____________ 4

Chunks:

(ChunkerEvaluator) Sentence #11405 from articles/00107882 from sent5

Text  : Na dziś chyba wywiązuję się z zadania - powiedział po wygranym 3  :  1  meczu z  SV Ried strzelec jednego z  goli dla Legii Marek Saganowski .
Tokens: 1_ 2___ 3____ 4________ 5__ 6 7______ 8 9_________ 10 11______ 12 13 14 15___ 16 17 18__ 19______ 20_____ 21 22__ 23_ 24___ 25___ 26________ 27

Chunks:
  TruePositive nam [24,24] = Legii
  TruePositive nam [25,26] = Marek Saganowski
  FalseNegative nam [17,18] = SV Ried

(ChunkerEvaluator) Sentence #11406 from articles/00107882 from sent6

Text  : Kuba Dybalski : Legia w porównaniu z poprzednim sezonem zmieniła się o  tyle ,  że jak coś leci w  pole karne to jest Marek Saganowski ,  który może strzelić głową .  .  .
Tokens: 1___ 2_______ 3 4____ 5 6_________ 7 8_________ 9______ 10______ 11_ 12 13__ 14 15 16_ 17_ 18__ 19 20__ 21___ 22 23__ 24___ 25________ 26 27___ 28__ 29______ 30___ 31 32 33

Chunks:
  TruePositive nam [1,2] = Kuba Dybalski
  TruePositive nam [4,4] = Legia
  TruePositive nam [24,25] = Marek Saganowski

(ChunkerEvaluator) Sentence #11407 from articles/00107882 from sent7

Text  : Jak się dogadujecie z Danijelem na boisku ?
Tokens: 1__ 2__ 3__________ 4 5________ 6_ 7_____ 8

Chunks:
  FalseNegative nam [5,5] = Danijelem

(ChunkerEvaluator) Sentence #11408 from articles/00107882 from sent8

Text  : - Jak widać dobrze .
Tokens: 1 2__ 3____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11409 from articles/00107882 from sent9

Text  : Dziś zagrał dwie super piłki .
Tokens: 1___ 2_____ 3___ 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #11410 from articles/00107882 from sent10

Text  : Jedno podanie wykorzystał em ja , drugie Miroslav Radović ,  a  sam Danijel pokazał klasę przy tej trzeciej bramce .
Tokens: 1____ 2______ 3__________ 4_ 5_ 6 7_____ 8_______ 9______ 10 11 12_ 13_____ 14_____ 15___ 16__ 17_ 18______ 19____ 20

Chunks:
  TruePositive nam [8,9] = Miroslav Radović
  TruePositive nam [13,13] = Danijel

(ChunkerEvaluator) Sentence #11411 from articles/00107882 from sent11

Text  : Tak naprawdę to ona dała nam awans .
Tokens: 1__ 2_______ 3_ 4__ 5___ 6__ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #11412 from articles/00107882 from sent12

Text  : Po przyjściu do Legii chyba nie spodziewał eś się takiej skuteczności .
Tokens: 1_ 2________ 3_ 4____ 5____ 6__ 7_________ 8_ 9__ 10____ 11__________ 12

Chunks:
  TruePositive nam [4,4] = Legii

(ChunkerEvaluator) Sentence #11413 from articles/00107882 from sent13

Text  : Pięć meczów i pięć goli .
Tokens: 1___ 2_____ 3 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #11414 from articles/00107882 from sent14

Text  : - Zawsze wierzył em w siebie .
Tokens: 1 2_____ 3______ 4_ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #11415 from articles/00107882 from sent15

Text  : W Legii są kreatywni piłkarze , którzy stwarzają napastnikom sytuacje .
Tokens: 1 2____ 3_ 4________ 5_______ 6 7_____ 8________ 9__________ 10______ 11

Chunks:
  TruePositive nam [2,2] = Legii

(ChunkerEvaluator) Sentence #11416 from articles/00107882 from sent16

Text  : Tylko je wykorzystywać .
Tokens: 1____ 2_ 3____________ 4

Chunks:

(ChunkerEvaluator) Sentence #11417 from articles/00107882 from sent17

Text  : Na dziś chyba wywiązuję się z zadania .
Tokens: 1_ 2___ 3____ 4________ 5__ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11418 from articles/00107882 from sent18

Text  : Strzelili ście gola dopiero pod koniec pierwszej połowy .
Tokens: 1________ 2___ 3___ 4______ 5__ 6_____ 7________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11419 from articles/00107882 from sent19

Text  : Nie było nerwów , większych z każdą kolejną minutą bez gola ?
Tokens: 1__ 2___ 3_____ 4 5________ 6 7____ 8______ 9_____ 10_ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #11420 from articles/00107882 from sent20

Text  : - W pierwszej połowie chyba pokazali śmy , że jesteśmy lepsi i  że to nam należy się awans .
Tokens: 1 2 3________ 4______ 5____ 6_______ 7__ 8 9_ 10______ 11___ 12 13 14 15_ 16____ 17_ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #11421 from articles/00107882 from sent21

Text  : Nieważne , czy wcześnie czy późno .
Tokens: 1_______ 2 3__ 4_______ 5__ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #11422 from articles/00107882 from sent22

Text  : Ważne , że strzelili śmy gola jeszcze przed przerwą .
Tokens: 1____ 2 3_ 4________ 5__ 6___ 7______ 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #11423 from articles/00107882 from sent23

Text  : To nas trochę uspokoiło .
Tokens: 1_ 2__ 3_____ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #11424 from articles/00107882 from sent24

Text  : Potem po prostu ich dobili śmy .
Tokens: 1____ 2_ 3_____ 4__ 5_____ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #11425 from articles/00107882 from sent25

Text  : Myśle , że jeśli będziemy grali cały czas tak jak w  pierwszej połowie ,  to będzie dobrze .
Tokens: 1____ 2 3_ 4____ 5_______ 6____ 7___ 8___ 9__ 10_ 11 12_______ 13_____ 14 15 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11426 from articles/00107882 from sent26

Text  : Gola stracili śmy bo grali śmy w osłabieniu .
Tokens: 1___ 2_______ 3__ 4_ 5____ 6__ 7 8_________ 9

Chunks:
  FalsePositive nam [1,1] = Gola

(ChunkerEvaluator) Sentence #11427 from articles/00107882 from sent27

Text  : Z Austriaków gdy stracili gola trochę zeszła presja .
Tokens: 1 2_________ 3__ 4_______ 5___ 6_____ 7_____ 8_____ 9

Chunks:
  TruePositive nam [2,2] = Austriaków

(ChunkerEvaluator) Sentence #11428 from articles/00107882 from sent28

Text  : Wiedzieli , ze jak stracą czwartego czy piątego to nic się nie zmieni ,  zaczęli grać dwoma napastnikami .
Tokens: 1________ 2 3_ 4__ 5_____ 6________ 7__ 8______ 9_ 10_ 11_ 12_ 13____ 14 15_____ 16__ 17___ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #11429 from articles/00107882 from sent29

Text  : My stracili śmy Ivicę Vrdoljaka .
Tokens: 1_ 2_______ 3__ 4____ 5________ 6

Chunks:
  FalseNegative nam [4,5] = Ivicę Vrdoljaka

(ChunkerEvaluator) Sentence #11430 from articles/00107882 from sent30

Text  : Mimo wszystko obrona Legii zagrała dziś moim zdaniem bardzo dobrze .
Tokens: 1___ 2_______ 3_____ 4____ 5______ 6___ 7___ 8______ 9_____ 10____ 11

Chunks:
  TruePositive nam [4,4] = Legii

(ChunkerEvaluator) Sentence #11431 from articles/00107882 from sent31

Text  : W czwartej rundzie eliminacji traficie na pewno na dużo mocniejszego rywala .
Tokens: 1 2_______ 3______ 4_________ 5_______ 6_ 7____ 8_ 9___ 10__________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #11432 from articles/00107882 from sent32

Text  : Takiego , który każdy błąd wykorzysta .
Tokens: 1______ 2 3____ 4____ 5___ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #11433 from articles/00107882 from sent33

Text  : Celem jest mimo wszystko awans do rundy grupowej , czy stawiacie sobie taki mały cel -  zagrać jak najlepiej i  zobaczymy co z  tego wyjdzie ?
Tokens: 1____ 2___ 3___ 4_______ 5____ 6_ 7____ 8_______ 9 10_ 11_______ 12___ 13__ 14__ 15_ 16 17____ 18_ 19_______ 20 21_______ 22 23 24__ 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #11434 from articles/00107882 from sent34

Text  : - Od samego początku celem jest awans do grupy .
Tokens: 1 2_ 3_____ 4_______ 5____ 6___ 7____ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #11435 from articles/00107882 from sent35

Text  : Gra w Lidze Europejskiej to odskocznia od ligi .
Tokens: 1__ 2 3____ 4___________ 5_ 6_________ 7_ 8___ 9

Chunks:
  TruePositive nam [3,4] = Lidze Europejskiej

(ChunkerEvaluator) Sentence #11436 from articles/00107882 from sent36

Text  : Każdy z nas na to czeka , tak samo jak kibice .
Tokens: 1____ 2 3__ 4_ 5_ 6____ 7 8__ 9___ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #11437 from articles/00107882 from sent37

Text  : Będziemy walczyć .
Tokens: 1_______ 2______ 3

Chunks:

2016-10-27 15:00:10,022 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 507 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107883.xml
(ChunkerEvaluator) Sentence #11438 from articles/00107883 from sent1

Text  : Anglia bez największych gwiazd w meczu z Włochami
Tokens: 1_____ 2__ 3___________ 4_____ 5 6____ 7 8_______

Chunks:
  TruePositive nam [8,8] = Włochami
  FalseNegative nam [1,1] = Anglia

(ChunkerEvaluator) Sentence #11439 from articles/00107883 from sent2

Text  : Bez największych gwiazd wystąpi we wtorek w Bernie piłkarska reprezentacja Anglii ,  rywal Polski w  eliminacjach mistrzostw świata 2014 ,  w  towarzyskim meczu z  Włochami .
Tokens: 1__ 2___________ 3_____ 4______ 5_ 6_____ 7 8_____ 9________ 10___________ 11____ 12 13___ 14____ 15 16__________ 17________ 18____ 19__ 20 21 22_________ 23___ 24 25______ 26

Chunks:
  TruePositive nam [8,8] = Bernie
  TruePositive nam [11,11] = Anglii
  TruePositive nam [14,14] = Polski
  TruePositive nam [25,25] = Włochami
  FalseNegative nam [17,19] = mistrzostw świata 2014

(ChunkerEvaluator) Sentence #11440 from articles/00107883 from sent3

Text  : Trener Roy Hodgson dał odpocząć m . in . kapitanowi Stevenowi Gerrardowi i  Wayne'owi Rooneyowi .
Tokens: 1_____ 2__ 3______ 4__ 5_______ 6 7 8_ 9 10________ 11_______ 12________ 13 14_______ 15_______ 16

Chunks:
  TruePositive nam [2,3] = Roy Hodgson
  TruePositive nam [11,12] = Stevenowi Gerrardowi
  TruePositive nam [14,15] = Wayne'owi Rooneyowi

(ChunkerEvaluator) Sentence #11441 from articles/00107883 from sent4

Text  : Oprócz nich w 22 - osobowym składzie zabrakło także czterech klasowych obrońców -  Johna Terry'ego i  Ashleya Cola z  Chelsea Londyn ,  Joleona Lescotta z  Manchesteru City oraz klubowego kolegi Gerrarda z  Liverpoolu Glena Johnsona .
Tokens: 1_____ 2___ 3 4_ 5 6_______ 7_______ 8_______ 9____ 10______ 11_______ 12______ 13 14___ 15_______ 16 17_____ 18__ 19 20_____ 21____ 22 23_____ 24______ 25 26_________ 27__ 28__ 29_______ 30____ 31______ 32 33________ 34___ 35______ 36

Chunks:
  TruePositive nam [14,15] = Johna Terry'ego
  TruePositive nam [17,18] = Ashleya Cola
  TruePositive nam [20,21] = Chelsea Londyn
  TruePositive nam [23,24] = Joleona Lescotta
  TruePositive nam [26,27] = Manchesteru City
  FalsePositive nam [33,35] = Liverpoolu Glena Johnsona
  FalseNegative nam [31,31] = Gerrarda
  FalseNegative nam [33,33] = Liverpoolu
  FalseNegative nam [34,35] = Glena Johnsona

(ChunkerEvaluator) Sentence #11442 from articles/00107883 from sent5

Text  : Po dwóch latach przerwy szansę na kolejny występ w reprezentacji dostał Michael Carrick z  Manchesteru United .
Tokens: 1_ 2____ 3_____ 4______ 5_____ 6_ 7______ 8_____ 9 10___________ 11____ 12_____ 13_____ 14 15_________ 16____ 17

Chunks:
  TruePositive nam [12,13] = Michael Carrick
  TruePositive nam [15,16] = Manchesteru United

(ChunkerEvaluator) Sentence #11443 from articles/00107883 from sent6

Text  : Po kontuzjach , które wyeliminowały ich z występu w Euro 2012 w  Polsce i  na Ukrainie do kadry powrócili z  kolei Frank Lampard i  Gary Cahill z  Chelsea oraz John Ruddy z  Norwich City .
Tokens: 1_ 2_________ 3 4____ 5____________ 6__ 7 8______ 9 10__ 11__ 12 13____ 14 15 16______ 17 18___ 19_______ 20 21___ 22___ 23_____ 24 25__ 26____ 27 28_____ 29__ 30__ 31___ 32 33_____ 34__ 35

Chunks:
  TruePositive nam [10,11] = Euro 2012
  TruePositive nam [13,13] = Polsce
  TruePositive nam [16,16] = Ukrainie
  TruePositive nam [22,23] = Frank Lampard
  TruePositive nam [25,26] = Gary Cahill
  TruePositive nam [28,28] = Chelsea
  FalsePositive nam [30,34] = John Ruddy z Norwich City
  FalseNegative nam [30,31] = John Ruddy
  FalseNegative nam [33,34] = Norwich City

(ChunkerEvaluator) Sentence #11444 from articles/00107883 from sent7

Text  : W składzie znalazło się także trzech debiutantów Steven Caulker i  Jake Livermore z  Tottenhamu oraz Ryan Bertrand z  Chelsea .
Tokens: 1 2_______ 3_______ 4__ 5____ 6_____ 7__________ 8_____ 9______ 10 11__ 12_______ 13 14________ 15__ 16__ 17______ 18 19_____ 20

Chunks:
  TruePositive nam [8,9] = Steven Caulker
  TruePositive nam [11,12] = Jake Livermore
  TruePositive nam [14,14] = Tottenhamu
  TruePositive nam [16,17] = Ryan Bertrand
  TruePositive nam [19,19] = Chelsea

(ChunkerEvaluator) Sentence #11445 from articles/00107883 from sent8

Text  : Z uczestników Euro 2012 rozgrywanego od 8 czerwca do 1  lipca w  Polsce i  na Ukrainie do Szwajcarii pojedzie tylko dziesięciu -  bramkarze Jack Butland (  Birmingham City )  i  Joe Hart (  Manchester City )  ,  obrońcy Leighton Baines i  Phil Jagielka (  obaj Everton )  ,  pomocnicy James Milner (  Manchester City )  ,  Alex Oxlade -  Chamberlain (  Arsenal Londyn )  i  Ashley Young (  Manchester United )  oraz napastnicy Andy Carroll (  Liverpool )  ,  Jermain Defoe (  Tottenham Hotspur )  i  Theo Walcott (  Arsenal Londyn )  .
Tokens: 1 2__________ 3___ 4___ 5___________ 6_ 7 8______ 9_ 10 11___ 12 13____ 14 15 16______ 17 18________ 19______ 20___ 21________ 22 23_______ 24__ 25_____ 26 27________ 28__ 29 30 31_ 32__ 33 34________ 35__ 36 37 38_____ 39______ 40____ 41 42__ 43______ 44 45__ 46_____ 47 48 49_______ 50___ 51____ 52 53________ 54__ 55 56 57__ 58____ 59 60_________ 61 62_____ 63____ 64 65 66____ 67___ 68 69________ 70____ 71 72__ 73________ 74__ 75_____ 76 77_______ 78 79 80_____ 81___ 82 83_______ 84_____ 85 86 87__ 88_____ 89 90_____ 91____ 92 93

Chunks:
  TruePositive nam [3,4] = Euro 2012
  TruePositive nam [13,13] = Polsce
  TruePositive nam [16,16] = Ukrainie
  TruePositive nam [18,18] = Szwajcarii
  TruePositive nam [24,25] = Jack Butland
  TruePositive nam [27,28] = Birmingham City
  TruePositive nam [31,32] = Joe Hart
  TruePositive nam [34,35] = Manchester City
  TruePositive nam [39,40] = Leighton Baines
  TruePositive nam [42,43] = Phil Jagielka
  TruePositive nam [46,46] = Everton
  TruePositive nam [50,51] = James Milner
  TruePositive nam [53,54] = Manchester City
  TruePositive nam [57,60] = Alex Oxlade - Chamberlain
  TruePositive nam [62,63] = Arsenal Londyn
  TruePositive nam [66,67] = Ashley Young
  TruePositive nam [69,70] = Manchester United
  TruePositive nam [74,75] = Andy Carroll
  TruePositive nam [77,77] = Liverpool
  TruePositive nam [80,81] = Jermain Defoe
  TruePositive nam [83,84] = Tottenham Hotspur
  TruePositive nam [87,88] = Theo Walcott
  TruePositive nam [90,91] = Arsenal Londyn

(ChunkerEvaluator) Sentence #11446 from articles/00107883 from sent9

Text  : Spotkanie z wicemistrzami Europy Włochami będzie sprawdzianem Anglików przed rozpoczynającymi się we wrześniu eliminacjami do mistrzostw świata 2014 .
Tokens: 1________ 2 3____________ 4_____ 5_______ 6_____ 7___________ 8_______ 9____ 10______________ 11_ 12 13______ 14__________ 15 16________ 17____ 18__ 19

Chunks:
  TruePositive nam [4,4] = Europy
  TruePositive nam [5,5] = Włochami
  TruePositive nam [8,8] = Anglików
  FalseNegative nam [16,18] = mistrzostw świata 2014

(ChunkerEvaluator) Sentence #11447 from articles/00107883 from sent10

Text  : W pierwszym meczu rywal Polski w grupie H spotka się z  Mołdawią (  7  września )  .
Tokens: 1 2________ 3____ 4____ 5_____ 6 7_____ 8 9_____ 10_ 11 12______ 13 14 15______ 16 17

Chunks:
  TruePositive nam [12,12] = Mołdawią
  FalsePositive nam [4,5] = rywal Polski
  FalsePositive nam [8,8] = H
  FalseNegative nam [5,5] = Polski

(ChunkerEvaluator) Sentence #11448 from articles/00107883 from sent11

Text  : Skład reprezentacji Anglii na mecz z Włochami :
Tokens: 1____ 2____________ 3_____ 4_ 5___ 6 7_______ 8

Chunks:
  TruePositive nam [3,3] = Anglii
  TruePositive nam [7,7] = Włochami

(ChunkerEvaluator) Sentence #11449 from articles/00107883 from sent12

Text  : bramkarze : Jack Butland ( Birmingham City ) , Joe Hart (  Manchester City )  ,  John Ruddy (  Norwich City )  .
Tokens: 1________ 2 3___ 4______ 5 6_________ 7___ 8 9 10_ 11__ 12 13________ 14__ 15 16 17__ 18___ 19 20_____ 21__ 22 23

Chunks:
  TruePositive nam [3,4] = Jack Butland
  TruePositive nam [6,7] = Birmingham City
  TruePositive nam [10,11] = Joe Hart
  TruePositive nam [13,14] = Manchester City
  TruePositive nam [17,18] = John Ruddy
  TruePositive nam [20,21] = Norwich City

(ChunkerEvaluator) Sentence #11450 from articles/00107883 from sent13

Text  : obrońcy : Leighton Baines ( Everton ) , Ryan Bertrand (  Chelsea Londyn )  ,  Gary Cahill (  Chelsea Londyn )  ,  Steven Caulker (  Tottenham Hotspur )  ,  Phil Jagielka (  Everton )  ,  Kyle Walker (  Tottenham Hotspur )  .
Tokens: 1______ 2 3_______ 4_____ 5 6______ 7 8 9___ 10______ 11 12_____ 13____ 14 15 16__ 17____ 18 19_____ 20____ 21 22 23____ 24_____ 25 26_______ 27_____ 28 29 30__ 31______ 32 33_____ 34 35 36__ 37____ 38 39_______ 40_____ 41 42

Chunks:
  TruePositive nam [3,4] = Leighton Baines
  TruePositive nam [6,6] = Everton
  TruePositive nam [9,10] = Ryan Bertrand
  TruePositive nam [12,13] = Chelsea Londyn
  TruePositive nam [16,17] = Gary Cahill
  TruePositive nam [19,20] = Chelsea Londyn
  TruePositive nam [23,24] = Steven Caulker
  TruePositive nam [26,27] = Tottenham Hotspur
  TruePositive nam [30,31] = Phil Jagielka
  TruePositive nam [33,33] = Everton
  TruePositive nam [36,37] = Kyle Walker
  TruePositive nam [39,40] = Tottenham Hotspur

(ChunkerEvaluator) Sentence #11451 from articles/00107883 from sent14

Text  : pomocnicy : Michael Carrick ( Manchester United ) , Tom Cleverley (  Manchester United )  ,  Frank Lampard (  Chelsea Londyn )  ,  Adam Johnson (  Manchester City )  ,  Jake Livermore (  Tottenham Hotspur )  ,  James Milner (  Manchester City )  ,  Alex Oxlade -  Chamberlain (  Arsenal Londyn )  ,  Jack Rodwell (  Everton )  ,  Ashley Young (  Manchester United )  .
Tokens: 1________ 2 3______ 4______ 5 6_________ 7_____ 8 9 10_ 11_______ 12 13________ 14____ 15 16 17___ 18_____ 19 20_____ 21____ 22 23 24__ 25_____ 26 27________ 28__ 29 30 31__ 32_______ 33 34_______ 35_____ 36 37 38___ 39____ 40 41________ 42__ 43 44 45__ 46____ 47 48_________ 49 50_____ 51____ 52 53 54__ 55_____ 56 57_____ 58 59 60____ 61___ 62 63________ 64____ 65 66

Chunks:
  TruePositive nam [3,4] = Michael Carrick
  TruePositive nam [6,7] = Manchester United
  TruePositive nam [10,11] = Tom Cleverley
  TruePositive nam [13,14] = Manchester United
  TruePositive nam [17,18] = Frank Lampard
  TruePositive nam [20,21] = Chelsea Londyn
  TruePositive nam [24,25] = Adam Johnson
  TruePositive nam [27,28] = Manchester City
  TruePositive nam [31,32] = Jake Livermore
  TruePositive nam [34,35] = Tottenham Hotspur
  TruePositive nam [38,39] = James Milner
  TruePositive nam [41,42] = Manchester City
  TruePositive nam [45,48] = Alex Oxlade - Chamberlain
  TruePositive nam [50,51] = Arsenal Londyn
  TruePositive nam [54,55] = Jack Rodwell
  TruePositive nam [57,57] = Everton
  TruePositive nam [60,61] = Ashley Young
  TruePositive nam [63,64] = Manchester United

(ChunkerEvaluator) Sentence #11452 from articles/00107883 from sent15

Text  : napastnicy : Andy Carroll ( Liverpool ) , Jermain Defoe (  Tottenham Hotspur )  ,  Daniel Sturridge (  Chelsea Londyn )  ,  Theo Walcott (  Arsenal Londyn )  .
Tokens: 1_________ 2 3___ 4______ 5 6________ 7 8 9______ 10___ 11 12_______ 13_____ 14 15 16____ 17_______ 18 19_____ 20____ 21 22 23__ 24_____ 25 26_____ 27____ 28 29

Chunks:
  TruePositive nam [3,4] = Andy Carroll
  TruePositive nam [6,6] = Liverpool
  TruePositive nam [9,10] = Jermain Defoe
  TruePositive nam [12,13] = Tottenham Hotspur
  TruePositive nam [16,17] = Daniel Sturridge
  TruePositive nam [19,20] = Chelsea Londyn
  TruePositive nam [23,24] = Theo Walcott
  TruePositive nam [26,27] = Arsenal Londyn

2016-10-27 15:00:10,147 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 508 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107884.xml
(ChunkerEvaluator) Sentence #11453 from articles/00107884 from sent1

Text  : Extreme Day .
Tokens: 1______ 2__ 3

Chunks:
  TruePositive nam [1,2] = Extreme Day

(ChunkerEvaluator) Sentence #11454 from articles/00107884 from sent2

Text  : Zawody na skateparku : „ Macie tu Amerykę ” [  FOTO ]
Tokens: 1_____ 2_ 3_________ 4 5 6____ 7_ 8______ 9 10 11__ 12

Chunks:
  FalsePositive nam [8,8] = Amerykę
  FalsePositive nam [11,11] = FOTO
  FalseNegative nam [6,8] = Macie tu Amerykę

(ChunkerEvaluator) Sentence #11455 from articles/00107884 from sent3

Text  : Na Extreme Day do Rzeszowa przyjechali fani deski , rolek i  BMX-ów z  całej Polski .
Tokens: 1_ 2______ 3__ 4_ 5_______ 6__________ 7___ 8____ 9 10___ 11 12____ 13 14___ 15____ 16

Chunks:
  TruePositive nam [2,3] = Extreme Day
  TruePositive nam [5,5] = Rzeszowa
  TruePositive nam [15,15] = Polski
  FalsePositive nam [12,12] = BMX-ów

(ChunkerEvaluator) Sentence #11456 from articles/00107884 from sent4

Text  : Nasz nowy skatepark był zaskoczeniem dla przyjezdnych .
Tokens: 1___ 2___ 3________ 4__ 5___________ 6__ 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #11457 from articles/00107884 from sent5

Text  : - Obiekt wyróżnia się na tle polskich realiów . .  .
Tokens: 1 2_____ 3_______ 4__ 5_ 6__ 7_______ 8______ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #11458 from articles/00107884 from sent6

Text  : Ameryka - powtarzali zawodnicy .
Tokens: 1______ 2 3_________ 4________ 5

Chunks:
  TruePositive nam [1,1] = Ameryka

(ChunkerEvaluator) Sentence #11459 from articles/00107884 from sent7

Text  : - Przeszkody zostały zaprojektowane przez ludzi , którzy się na tym znają .
Tokens: 1 2_________ 3______ 4_____________ 5____ 6____ 7 8_____ 9__ 10 11_ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #11460 from articles/00107884 from sent8

Text  : Ten skatepark wyróżnia się na tle polskich realiów - mówił Mariusz z  Warszawy ,  który zakwalifikował się do finału konkursu .
Tokens: 1__ 2________ 3_______ 4__ 5_ 6__ 7_______ 8______ 9 10___ 11_____ 12 13______ 14 15___ 16____________ 17_ 18 19____ 20______ 21

Chunks:
  TruePositive nam [11,11] = Mariusz
  TruePositive nam [13,13] = Warszawy

(ChunkerEvaluator) Sentence #11461 from articles/00107884 from sent9

Text  : - Dobra nawierzchnia , ostre kąty .
Tokens: 1 2____ 3___________ 4 5____ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #11462 from articles/00107884 from sent10

Text  : Na dzisiejszej imprezie mnóstwo ludzi z zajawką .
Tokens: 1_ 2__________ 3_______ 4______ 5____ 6 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11463 from articles/00107884 from sent11

Text  : Świetnie się tutaj jeździ - dodawał Piotrek z Tarnowa .
Tokens: 1_______ 2__ 3____ 4_____ 5 6______ 7______ 8 9______ 10

Chunks:
  TruePositive nam [7,7] = Piotrek
  TruePositive nam [9,9] = Tarnowa

(ChunkerEvaluator) Sentence #11464 from articles/00107884 from sent12

Text  : Na Extreme Day przyjechali fani skateboardingu , longboardu , BMX-ów i  rolek m  .  in .  z  Warszawy ,  Bielsko -  Białej ,  Krakowa i  Łodzi .
Tokens: 1_ 2______ 3__ 4__________ 5___ 6_____________ 7 8_________ 9 10____ 11 12___ 13 14 15 16 17 18______ 19 20_____ 21 22____ 23 24_____ 25 26___ 27

Chunks:
  TruePositive nam [2,3] = Extreme Day
  TruePositive nam [18,18] = Warszawy
  TruePositive nam [20,22] = Bielsko - Białej
  TruePositive nam [24,24] = Krakowa
  TruePositive nam [26,26] = Łodzi
  FalsePositive nam [10,10] = BMX-ów

(ChunkerEvaluator) Sentence #11465 from articles/00107884 from sent13

Text  : Do zawodów zgłosiło się 60 osób , co przerosło oczekiwania organizatorów .
Tokens: 1_ 2______ 3_______ 4__ 5_ 6___ 7 8_ 9________ 10_________ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #11466 from articles/00107884 from sent14

Text  : Najmłodszy uczestnik miał 12 , najstarszy 30 lat .
Tokens: 1_________ 2________ 3___ 4_ 5 6_________ 7_ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #11467 from articles/00107884 from sent15

Text  : Nie było kobiet .
Tokens: 1__ 2___ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #11468 from articles/00107884 from sent16

Text  : W finale nie znalazł się też nikt z Podkarpacia .
Tokens: 1 2_____ 3__ 4______ 5__ 6__ 7___ 8 9__________ 10

Chunks:
  TruePositive nam [9,9] = Podkarpacia

(ChunkerEvaluator) Sentence #11469 from articles/00107884 from sent17

Text  : To goście zdominowali zawody .
Tokens: 1_ 2_____ 3__________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11470 from articles/00107884 from sent18

Text  : Dzisiaj odbył się też konkurs na najlepszy trik - na przeszkodzie i  w  basenie ,  a  wieczorem na X  -  Stage ,  czyli muzycznej części festiwalu ,  wystąpi :  O  .  S  .  T  .  R  .  ,  Kochan ,  Haem i  Zorak w  ramach trasy koncertowej Tabasco .
Tokens: 1______ 2____ 3__ 4__ 5______ 6_ 7________ 8___ 9 10 11__________ 12 13 14_____ 15 16 17_______ 18 19 20 21___ 22 23___ 24_______ 25____ 26_______ 27 28_____ 29 30 31 32 33 34 35 36 37 38 39____ 40 41__ 42 43___ 44 45____ 46___ 47_________ 48_____ 49

Chunks:
  TruePositive nam [19,21] = X - Stage
  TruePositive nam [30,37] = O . S . T . R .
  TruePositive nam [43,43] = Zorak
  TruePositive nam [48,48] = Tabasco
  FalseNegative nam [39,39] = Kochan
  FalseNegative nam [41,41] = Haem

(ChunkerEvaluator) Sentence #11471 from articles/00107884 from sent19

Text  : Jutro kolejny dzień Extreme Day .
Tokens: 1____ 2______ 3____ 4______ 5__ 6

Chunks:
  TruePositive nam [4,5] = Extreme Day

(ChunkerEvaluator) Sentence #11472 from articles/00107884 from sent20

Text  : Początek zawodów o godz . 11 , natomiast o 18 koncerty .
Tokens: 1_______ 2______ 3 4___ 5 6_ 7 8________ 9 10 11______ 12

Chunks:

2016-10-27 15:00:10,220 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 509 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107885.xml
(ChunkerEvaluator) Sentence #11473 from articles/00107885 from sent1

Text  : NORDEA BANK POLSKA SA wybór biegłego rewidenta
Tokens: 1_____ 2___ 3_____ 4_ 5____ 6_______ 7________

Chunks:
  FalsePositive nam [3,3] = POLSKA
  FalseNegative nam [1,4] = NORDEA BANK POLSKA SA

(ChunkerEvaluator) Sentence #11474 from articles/00107885 from sent2

Text  : GIEŁDA - SPÓŁKI - KOMUNIKAT - NORDEA
Tokens: 1_____ 2 3_____ 4 5________ 6 7_____

Chunks:
  FalsePositive nam [1,7] = GIEŁDA - SPÓŁKI - KOMUNIKAT - NORDEA
  FalseNegative nam [7,7] = NORDEA

(ChunkerEvaluator) Sentence #11475 from articles/00107885 from sent3

Text  : ( 40 / 2002 ) Zarząd Nordea Bank Polska S  .  A  .  informuje :
Tokens: 1 2_ 3 4___ 5 6_____ 7_____ 8___ 9_____ 10 11 12 13 14_______ 15

Chunks:
  FalsePositive nam [6,13] = Zarząd Nordea Bank Polska S . A .

(ChunkerEvaluator) Sentence #11476 from articles/00107885 from sent4

Text  : Dnia 19 grudnia 2002 r . ( na podstawie §  27 pkt .  7  Statutu Banku )  Rada Nadzorcza Nordea Bank Polska S  .  A  .  Uchwałą Nr 33 /  2002 z  dnia 19 .  12 .  2002 r  .  dokonała wyboru audytora w  zakresie przeprowadzenia badania sprawozdania finansowego i  skonsolidowanego sprawozdania finansowego Nordea Bank Polska S  .  A  .  za rok 2002 .
Tokens: 1___ 2_ 3______ 4___ 5 6 7 8_ 9________ 10 11 12_ 13 14 15_____ 16___ 17 18__ 19_______ 20____ 21__ 22____ 23 24 25 26 27_____ 28 29 30 31__ 32 33__ 34 35 36 37 38__ 39 40 41______ 42____ 43______ 44 45______ 46_____________ 47_____ 48__________ 49_________ 50 51______________ 52__________ 53_________ 54____ 55__ 56____ 57 58 59 60 61 62_ 63__ 64

Chunks:
  FalsePositive nam [18,28] = Rada Nadzorcza Nordea Bank Polska S . A . Uchwałą Nr
  FalsePositive nam [54,60] = Nordea Bank Polska S . A .
  FalseNegative nam [15,16] = Statutu Banku
  FalseNegative nam [18,26] = Rada Nadzorcza Nordea Bank Polska S . A .
  FalseNegative nam [27,31] = Uchwałą Nr 33 / 2002
  FalseNegative nam [54,59] = Nordea Bank Polska S . A

(ChunkerEvaluator) Sentence #11477 from articles/00107885 from sent5

Text  : Umowa dotycząca przeprowadzenia badania sprawozdania finansowego i skonsolidowanego sprawozdania finansowego za okres od 1  stycznia 2002 r  .  do 31 grudnia 2002 r  .  zostanie zawarta ze spółką KPMG Polska Audyt Sp .  z  o  .  o  .  z  siedzibą w  Warszawie przy ul .  Chłodnej 51 ,  00 -  867 Warszawa .
Tokens: 1____ 2________ 3______________ 4______ 5___________ 6__________ 7 8_______________ 9___________ 10_________ 11 12___ 13 14 15______ 16__ 17 18 19 20 21_____ 22__ 23 24 25______ 26_____ 27 28____ 29__ 30____ 31___ 32 33 34 35 36 37 38 39 40______ 41 42_______ 43__ 44 45 46______ 47 48 49 50 51_ 52______ 53

Chunks:
  TruePositive nam [29,38] = KPMG Polska Audyt Sp . z o . o .
  TruePositive nam [42,42] = Warszawie
  TruePositive nam [46,46] = Chłodnej
  TruePositive nam [52,52] = Warszawa

(ChunkerEvaluator) Sentence #11478 from articles/00107885 from sent6

Text  : Spółka KPMG Polska Audyt Sp . z o . o  .  wpisana jest na listę podmiotów uprawnionych do badania sprawozdań finansowych pod numerem 458 .
Tokens: 1_____ 2___ 3_____ 4____ 5_ 6 7 8 9 10 11 12_____ 13__ 14 15___ 16_______ 17__________ 18 19_____ 20________ 21_________ 22_ 23_____ 24_ 25

Chunks:
  TruePositive nam [2,11] = KPMG Polska Audyt Sp . z o . o .

(ChunkerEvaluator) Sentence #11479 from articles/00107885 from sent7

Text  : Bank korzystał z usług wyżej wymienionego podmiotu w zakresie badania sprawozdań finansowych za rok 2001 oraz w  zakresie przeglądu sprawozdań finansowych za pierwsze półrocze 2002 roku .
Tokens: 1___ 2________ 3 4____ 5____ 6___________ 7_______ 8 9_______ 10_____ 11________ 12_________ 13 14_ 15__ 16__ 17 18______ 19_______ 20________ 21_________ 22 23______ 24______ 25__ 26__ 27

Chunks:

2016-10-27 15:00:10,279 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 510 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107886.xml
(ChunkerEvaluator) Sentence #11480 from articles/00107886 from sent1

Text  : Nauczą , jak kręcić bajki .
Tokens: 1_____ 2 3__ 4_____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #11481 from articles/00107886 from sent2

Text  : Nie tylko te dla dzieci
Tokens: 1__ 2____ 3_ 4__ 5_____

Chunks:

(ChunkerEvaluator) Sentence #11482 from articles/00107886 from sent3

Text  : Letnia Akademia Filmowa , impreza dedykowana sztuce animacji , świętuje jubileusz 20 -  lecia .
Tokens: 1_____ 2_______ 3______ 4 5______ 6_________ 7_____ 8_______ 9 10______ 11_______ 12 13 14___ 15

Chunks:
  TruePositive nam [1,3] = Letnia Akademia Filmowa

(ChunkerEvaluator) Sentence #11483 from articles/00107886 from sent4

Text  : Z tej okazji do Legnicy przyjeżdżają wybitni polscy reżyserzy i  scenarzyści ,  m  .  in .  Witold Giersz ,  twórca przygód misia Colargola Tadeusz Wilkosz ,  a  także Stanisław Lenartowicz -  autor polskiej wersji „  Ulicy Sezamkowej ”
Tokens: 1 2__ 3_____ 4_ 5______ 6___________ 7______ 8_____ 9________ 10 11_________ 12 13 14 15 16 17____ 18____ 19 20____ 21_____ 22___ 23_______ 24_____ 25_____ 26 27 28___ 29_______ 30_________ 31 32___ 33______ 34____ 35 36___ 37________ 38

Chunks:
  TruePositive nam [5,5] = Legnicy
  TruePositive nam [17,18] = Witold Giersz
  TruePositive nam [24,25] = Tadeusz Wilkosz
  TruePositive nam [29,30] = Stanisław Lenartowicz
  TruePositive nam [36,37] = Ulicy Sezamkowej
  FalseNegative nam [23,23] = Colargola

(ChunkerEvaluator) Sentence #11484 from articles/00107886 from sent5

Text  : Legnicka Akademia to przede wszystkim cykl warsztatów , w ramach których znani reżyserzy i  akademiccy wykładowcy dzielą się wiedzą i  pasją z  młodymi filmowcami .
Tokens: 1_______ 2_______ 3_ 4_____ 5________ 6___ 7_________ 8 9 10____ 11_____ 12___ 13_______ 14 15________ 16________ 17____ 18_ 19____ 20 21___ 22 23_____ 24________ 25

Chunks:
  TruePositive nam [1,2] = Legnicka Akademia

(ChunkerEvaluator) Sentence #11485 from articles/00107886 from sent6

Text  : Impreza co roku przyciąga dziesiątki młodych miłośników animacji .
Tokens: 1______ 2_ 3___ 4________ 5_________ 6______ 7_________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #11486 from articles/00107886 from sent7

Text  : Śledząc historię i popularność Akademii , trudno uwierzyć , że nikt nie chciał zorganizować jej pierwszej edycji .
Tokens: 1______ 2_______ 3 4__________ 5_______ 6 7_____ 8_______ 9 10 11__ 12_ 13____ 14__________ 15_ 16_______ 17____ 18

Chunks:
  FalseNegative nam [5,5] = Akademii

(ChunkerEvaluator) Sentence #11487 from articles/00107886 from sent8

Text  : Ministerstwo Kultury rozesłało propozycję do kilkunastu instytucji i domów kultury w  całym kraju (  m  .  in .  do Poznania ,  Wrocławia i  Krakowa )  ,  ale z  każdej przyszła odmowa .
Tokens: 1___________ 2______ 3________ 4_________ 5_ 6_________ 7_________ 8 9____ 10_____ 11 12___ 13___ 14 15 16 17 18 19 20______ 21 22_______ 23 24_____ 25 26 27_ 28 29____ 30______ 31____ 32

Chunks:
  TruePositive nam [1,2] = Ministerstwo Kultury
  TruePositive nam [20,20] = Poznania
  TruePositive nam [22,22] = Wrocławia
  TruePositive nam [24,24] = Krakowa

(ChunkerEvaluator) Sentence #11488 from articles/00107886 from sent9

Text  : - Przedsięwzięcie wydawało się dość ryzykowne .
Tokens: 1 2______________ 3_______ 4__ 5___ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #11489 from articles/00107886 from sent10

Text  : W tym czasie tego rodzaju warsztaty odbywały się z myślą o  profesjonalistach ,  a  te miały być pierwszymi w  kraju skierowanymi do amatorów .
Tokens: 1 2__ 3_____ 4___ 5______ 6________ 7_______ 8__ 9 10___ 11 12_______________ 13 14 15 16___ 17_ 18________ 19 20___ 21__________ 22 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #11490 from articles/00107886 from sent11

Text  : Projekt wymagał nie tylko funduszy , zaplecza technicznego , ale również specjalistów w  dziedzinie animacji -  tłumaczy Anna Lemanowicz -  Sosnowska ,  rzecznik prasowy LAF .
Tokens: 1______ 2______ 3__ 4____ 5_______ 6 7_______ 8___________ 9 10_ 11_____ 12__________ 13 14________ 15______ 16 17______ 18__ 19________ 20 21_______ 22 23______ 24_____ 25_ 26

Chunks:
  TruePositive nam [18,21] = Anna Lemanowicz - Sosnowska
  TruePositive nam [25,25] = LAF

(ChunkerEvaluator) Sentence #11491 from articles/00107886 from sent12

Text  : Organizacji podjął się legnicki reżyser i animator Julian Zawisza .
Tokens: 1__________ 2_____ 3__ 4_______ 5______ 6 7_______ 8_____ 9______ 10

Chunks:
  TruePositive nam [8,9] = Julian Zawisza

(ChunkerEvaluator) Sentence #11492 from articles/00107886 from sent13

Text  : Kontaktował się z najważniejszymi filmowcami i namawiał ich na przyjazd .
Tokens: 1__________ 2__ 3 4______________ 5_________ 6 7_______ 8__ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #11493 from articles/00107886 from sent14

Text  : Na początku udało mu się sprowadzić do Legnicy reżysera łódzkiego studia filmowego Se -  ma -  for Daniela Szczechurę i  profesora sztuk filmowych Janusza Marię Tylmana (  ten ostatni przyjechał na jedną z  edycji LAF ,  zamiast świętować z  małżonką rocznicę ślubu )  .
Tokens: 1_ 2_______ 3____ 4_ 5__ 6_________ 7_ 8______ 9_______ 10_______ 11____ 12_______ 13 14 15 16 17_ 18_____ 19________ 20 21_______ 22___ 23_______ 24_____ 25___ 26_____ 27 28_ 29_____ 30________ 31 32___ 33 34____ 35_ 36 37_____ 38_______ 39 40______ 41______ 42___ 43 44

Chunks:
  TruePositive nam [8,8] = Legnicy
  TruePositive nam [13,17] = Se - ma - for
  TruePositive nam [18,19] = Daniela Szczechurę
  TruePositive nam [24,26] = Janusza Marię Tylmana
  TruePositive nam [35,35] = LAF

(ChunkerEvaluator) Sentence #11494 from articles/00107886 from sent15

Text  : W pierwszej edycji udział wzięły tylko 33 osoby , ale sama idea bardzo spodobała się zarówno wykładowcom ,  jak i  młodym ludziom ,  z  roku na rok zyskując kolejnych stałych bywalców .
Tokens: 1 2________ 3_____ 4_____ 5_____ 6____ 7_ 8____ 9 10_ 11__ 12__ 13____ 14_______ 15_ 16_____ 17_________ 18 19_ 20 21____ 22_____ 23 24 25__ 26 27_ 28______ 29_______ 30_____ 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #11495 from articles/00107886 from sent16

Text  : - Bo to wyjątkowa okazja , by przez kilkanaście dni tworzyć pod okiem najlepszych .
Tokens: 1 2_ 3_ 4________ 5_____ 6 7_ 8____ 9__________ 10_ 11_____ 12_ 13___ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #11496 from articles/00107886 from sent17

Text  : W tym roku swoją obecność zapowiedzieli m . in .  mistrz animacji Witold Giersz ,  twórca przygód misia Colargola Tadeusz Wilkosz ,  a  także Stanisław Lenartowicz ,  autor polskiej wersji „  Ulicy Sezamkowej ”  ,  oraz reżyser Janusz Tylman -  mówi Lemanowicz -  Sosnowska .
Tokens: 1 2__ 3___ 4____ 5_______ 6____________ 7 8 9_ 10 11____ 12______ 13____ 14____ 15 16____ 17_____ 18___ 19_______ 20_____ 21_____ 22 23 24___ 25_______ 26_________ 27 28___ 29______ 30____ 31 32___ 33________ 34 35 36__ 37_____ 38____ 39____ 40 41__ 42________ 43 44_______ 45

Chunks:
  TruePositive nam [13,14] = Witold Giersz
  TruePositive nam [20,21] = Tadeusz Wilkosz
  TruePositive nam [25,26] = Stanisław Lenartowicz
  TruePositive nam [32,33] = Ulicy Sezamkowej
  TruePositive nam [38,39] = Janusz Tylman
  TruePositive nam [42,44] = Lemanowicz - Sosnowska
  FalseNegative nam [19,19] = Colargola

(ChunkerEvaluator) Sentence #11497 from articles/00107886 from sent18

Text  : Podczas tegorocznej edycji LAF uczestnicy nauczą się , jak zbudować filmowy plan oraz jak wykonywać i  animować lalki .
Tokens: 1______ 2__________ 3_____ 4__ 5_________ 6_____ 7__ 8 9__ 10______ 11_____ 12__ 13__ 14_ 15_______ 16 17______ 18___ 19

Chunks:
  TruePositive nam [4,4] = LAF

(ChunkerEvaluator) Sentence #11498 from articles/00107886 from sent19

Text  : Każdy stworzy krótki , kilkuminutowy film , który zostanie udźwiękowiony .
Tokens: 1____ 2______ 3_____ 4 5____________ 6___ 7 8____ 9_______ 10___________ 11

Chunks:

(ChunkerEvaluator) Sentence #11499 from articles/00107886 from sent20

Text  : - Zgłosić może się każdy , bez względu na wiek .
Tokens: 1 2______ 3___ 4__ 5____ 6 7__ 8______ 9_ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #11500 from articles/00107886 from sent21

Text  : To ostatnia chwila na przesłanie zgłoszenia .
Tokens: 1_ 2_______ 3_____ 4_ 5_________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #11501 from articles/00107886 from sent22

Text  : Lemanowicz - Sosnowska : - Najmłodsza uczestniczka warsztatów miała zaledwie cztery lata .
Tokens: 1_________ 2 3________ 4 5 6_________ 7___________ 8_________ 9____ 10______ 11____ 12__ 13

Chunks:
  TruePositive nam [1,3] = Lemanowicz - Sosnowska

(ChunkerEvaluator) Sentence #11502 from articles/00107886 from sent23

Text  : Julka Zielińska przy pomocy rodziców stworzyła krótki film o dobrym smoku .
Tokens: 1____ 2________ 3___ 4_____ 5_______ 6________ 7_____ 8___ 9 10____ 11___ 12

Chunks:
  TruePositive nam [1,2] = Julka Zielińska

(ChunkerEvaluator) Sentence #11503 from articles/00107886 from sent24

Text  : Jej dzieło obejrzeć można na kanale festiwalu w serwisie YouTube .
Tokens: 1__ 2_____ 3_______ 4____ 5_ 6_____ 7________ 8 9_______ 10_____ 11

Chunks:
  TruePositive nam [10,10] = YouTube

(ChunkerEvaluator) Sentence #11504 from articles/00107886 from sent25

Text  : Filmy , które powstały podczas warsztatów , wyświetlane były m  .  in .  na festiwalach filmowych w  Los Angeles i  Tokio .
Tokens: 1____ 2 3____ 4_______ 5______ 6_________ 7 8__________ 9___ 10 11 12 13 14 15_________ 16_______ 17 18_ 19_____ 20 21___ 22

Chunks:
  TruePositive nam [18,19] = Los Angeles
  TruePositive nam [21,21] = Tokio

(ChunkerEvaluator) Sentence #11505 from articles/00107886 from sent26

Text  : Prezentowane były również podczas Światowej Wystawy Expo w Hanoverze .
Tokens: 1___________ 2___ 3______ 4______ 5________ 6______ 7___ 8 9________ 10

Chunks:
  TruePositive nam [5,7] = Światowej Wystawy Expo
  FalseNegative nam [9,9] = Hanoverze

(ChunkerEvaluator) Sentence #11506 from articles/00107886 from sent27

Text  : Część warsztatowa to ważny , ale niejedyny element Akademii .
Tokens: 1____ 2__________ 3_ 4____ 5 6__ 7________ 8______ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Akademii

(ChunkerEvaluator) Sentence #11507 from articles/00107886 from sent28

Text  : Kino Piast zaprasza najmłodszych na tradycyjne poranki filmowe .
Tokens: 1___ 2____ 3_______ 4___________ 5_ 6_________ 7______ 8______ 9

Chunks:
  FalsePositive nam [2,2] = Piast
  FalseNegative nam [1,2] = Kino Piast

(ChunkerEvaluator) Sentence #11508 from articles/00107886 from sent29

Text  : To okazja , by na dużym ekranie obejrzeć przygody kultowych bohaterów z  bajek Tadeusza Wilkosza ,  takich jak Smok Barnaba czy Pingwin Pik Pok .
Tokens: 1_ 2_____ 3 4_ 5_ 6____ 7______ 8_______ 9_______ 10_______ 11_______ 12 13___ 14______ 15______ 16 17____ 18_ 19__ 20_____ 21_ 22_____ 23_ 24_ 25

Chunks:
  TruePositive nam [14,15] = Tadeusza Wilkosza
  TruePositive nam [22,24] = Pingwin Pik Pok
  FalsePositive nam [19,19] = Smok
  FalsePositive nam [20,20] = Barnaba
  FalseNegative nam [19,20] = Smok Barnaba

(ChunkerEvaluator) Sentence #11509 from articles/00107886 from sent30

Text  : Dla starszej publiczności wyświetlony zostanie „ Las ” Piotra Dumały ,  „  Walc z  Baszirem ”  ,  czyli animowany izraelski film o  wojnie w  Libanie ,  oraz „  Droga na druga stronę ”  .
Tokens: 1__ 2_______ 3___________ 4__________ 5_______ 6 7__ 8 9_____ 10____ 11 12 13__ 14 15______ 16 17 18___ 19_______ 20_______ 21__ 22 23____ 24 25_____ 26 27__ 28 29___ 30 31___ 32____ 33 34

Chunks:
  TruePositive nam [7,7] = Las
  TruePositive nam [9,10] = Piotra Dumały
  TruePositive nam [13,15] = Walc z Baszirem
  TruePositive nam [25,25] = Libanie
  FalseNegative nam [29,32] = Droga na druga stronę

(ChunkerEvaluator) Sentence #11510 from articles/00107886 from sent31

Text  : Ten ostatni film to historia Claudiu Crulica , rumuńskiego więźnia ,  który zmarł w  wyniku głodówki prowadzonej w  krakowskim areszcie .
Tokens: 1__ 2______ 3___ 4_ 5_______ 6______ 7______ 8 9__________ 10_____ 11 12___ 13___ 14 15____ 16______ 17_________ 18 19________ 20______ 21

Chunks:
  FalseNegative nam [6,7] = Claudiu Crulica

(ChunkerEvaluator) Sentence #11511 from articles/00107886 from sent32

Text  : Oskarżony o kradzież mężczyzna protestował w ten sposób przeciwko wątpliwym przesłankom swojego zatrzymania .
Tokens: 1________ 2 3_______ 4________ 5__________ 6 7__ 8_____ 9________ 10_______ 11_________ 12_____ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #11512 from articles/00107886 from sent33

Text  : W czwartek wernisaż wystawy „ I LAF animowany świat ”  .
Tokens: 1 2_______ 3_______ 4______ 5 6 7__ 8________ 9____ 10 11

Chunks:
  FalsePositive nam [7,7] = LAF
  FalseNegative nam [6,9] = I LAF animowany świat

(ChunkerEvaluator) Sentence #11513 from articles/00107886 from sent34

Text  : Na wystawie ekspozycji obok fotosów , projektów , dekoracji i  lalek prezentowane będą filmy oraz fragmenty scenografii .
Tokens: 1_ 2_______ 3_________ 4___ 5______ 6 7________ 8 9________ 10 11___ 12__________ 13__ 14___ 15__ 16_______ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #11514 from articles/00107886 from sent35

Text  : Ciekawie zapowiada się też widowisko multimedialne „ Bromba i ”  ,  oparte na powieści Macieja Wojtyszki .
Tokens: 1_______ 2________ 3__ 4__ 5________ 6____________ 7 8_____ 9 10 11 12____ 13 14______ 15_____ 16_______ 17

Chunks:
  TruePositive nam [15,16] = Macieja Wojtyszki
  FalseNegative nam [8,9] = Bromba i

(ChunkerEvaluator) Sentence #11515 from articles/00107886 from sent36

Text  : Podczas widowiska teksty będzie czytał Przemysław Bluszcz , a materiały wideo to fragmenty filmów animowanych o  Brombie w  reż .  Wojtyszki .
Tokens: 1______ 2________ 3_____ 4_____ 5_____ 6_________ 7______ 8 9 10_______ 11___ 12 13_______ 14____ 15_________ 16 17_____ 18 19_ 20 21_______ 22

Chunks:
  TruePositive nam [6,7] = Przemysław Bluszcz
  FalseNegative nam [17,17] = Brombie
  FalseNegative nam [21,21] = Wojtyszki

(ChunkerEvaluator) Sentence #11516 from articles/00107886 from sent37

Text  : Muzykę do projektu przygotowała warszawska formacja Mitch & Mitch .
Tokens: 1_____ 2_ 3_______ 4___________ 5_________ 6_______ 7____ 8 9____ 10

Chunks:
  TruePositive nam [7,9] = Mitch & Mitch

(ChunkerEvaluator) Sentence #11517 from articles/00107886 from sent38

Text  : Koncert w piątek w Teatrze im . Modrzejewskiej .
Tokens: 1______ 2 3_____ 4 5______ 6_ 7 8_____________ 9

Chunks:
  TruePositive nam [5,8] = Teatrze im . Modrzejewskiej

(ChunkerEvaluator) Sentence #11518 from articles/00107886 from sent39

Text  : Początek o godz . 20 .
Tokens: 1_______ 2 3___ 4 5_ 6

Chunks:

2016-10-27 15:00:10,480 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 511 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107887.xml
(ChunkerEvaluator) Sentence #11519 from articles/00107887 from sent1

Text  : ESA szykuje się do wystrzelenia kolejnego satelity systemu Galileo
Tokens: 1__ 2______ 3__ 4_ 5___________ 6________ 7_______ 8______ 9______

Chunks:
  TruePositive nam [9,9] = Galileo
  FalseNegative nam [1,1] = ESA

(ChunkerEvaluator) Sentence #11520 from articles/00107887 from sent2

Text  : Kolejny z satelitów europejskiego systemu nawigacji satelitarnej Galileo dotarł właśnie do Europejskiego Portu Kosmicznego w  Gujanie Francuskiej ,  gdzie będzie przygotowywany do startu -  poinformowała Europejska Agencja Kosmiczna (  ESA )  .
Tokens: 1______ 2 3________ 4____________ 5______ 6________ 7___________ 8______ 9_____ 10_____ 11 12___________ 13___ 14_________ 15 16_____ 17_________ 18 19___ 20____ 21____________ 22 23____ 24 25___________ 26________ 27_____ 28_______ 29 30_ 31 32

Chunks:
  TruePositive nam [8,8] = Galileo
  TruePositive nam [12,14] = Europejskiego Portu Kosmicznego
  TruePositive nam [16,17] = Gujanie Francuskiej
  TruePositive nam [26,28] = Europejska Agencja Kosmiczna
  FalseNegative nam [30,30] = ESA

(ChunkerEvaluator) Sentence #11521 from articles/00107887 from sent3

Text  : Starannie zabezpieczony w odpowiednim kontenerze , satelita dotarł do Gujany Francuskiej w  ładowni samolotu transportowego Antonow 124 -  100 .
Tokens: 1________ 2____________ 3 4__________ 5_________ 6 7_______ 8_____ 9_ 10____ 11_________ 12 13_____ 14______ 15____________ 16_____ 17_ 18 19_ 20

Chunks:
  TruePositive nam [10,11] = Gujany Francuskiej
  FalseNegative nam [16,19] = Antonow 124 - 100

(ChunkerEvaluator) Sentence #11522 from articles/00107887 from sent4

Text  : Trzeci i czwarty satelita systemu Galileo mają być wystrzelone w  październiku za pomocą rakiety nośnej Sojuz ST -  B  .
Tokens: 1_____ 2 3______ 4_______ 5______ 6______ 7___ 8__ 9__________ 10 11__________ 12 13____ 14_____ 15____ 16___ 17 18 19 20

Chunks:
  TruePositive nam [6,6] = Galileo
  TruePositive nam [16,19] = Sojuz ST - B

(ChunkerEvaluator) Sentence #11523 from articles/00107887 from sent5

Text  : Dołączą do dwóch już znajdujących się od ubiegłego roku na orbicie .
Tokens: 1______ 2_ 3____ 4__ 5___________ 6__ 7_ 8________ 9___ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #11524 from articles/00107887 from sent6

Text  : Obecność w kosmosie czterech satelitów pozwoli na dalsze testy systemu .
Tokens: 1_______ 2 3_______ 4_______ 5________ 6______ 7_ 8_____ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #11525 from articles/00107887 from sent7

Text  : M.in . będzie można ustalić pozycję na powierzchni Ziemi bazując jedynie na sygnałach z  satelitów Galileo .
Tokens: 1___ 2 3_____ 4____ 5______ 6______ 7_ 8__________ 9____ 10_____ 11_____ 12 13_______ 14 15_______ 16_____ 17

Chunks:
  TruePositive nam [9,9] = Ziemi
  TruePositive nam [16,16] = Galileo

(ChunkerEvaluator) Sentence #11526 from articles/00107887 from sent8

Text  : System nawigacji satelitarnej Galileo ma być europejskim odpowiednikiem amerykańskiego systemu GPS i  rosyjskiego GLONASS .
Tokens: 1_____ 2________ 3___________ 4______ 5_ 6__ 7__________ 8_____________ 9_____________ 10_____ 11_ 12 13_________ 14_____ 15

Chunks:
  TruePositive nam [4,4] = Galileo
  TruePositive nam [11,11] = GPS
  TruePositive nam [14,14] = GLONASS

(ChunkerEvaluator) Sentence #11527 from articles/00107887 from sent9

Text  : W pełnej operacyjnej wersji ma mieć 30 satelitów .
Tokens: 1 2_____ 3__________ 4_____ 5_ 6___ 7_ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #11528 from articles/00107887 from sent10

Text  : Jego uruchomienie spodziewane jest na koniec tej dekady .
Tokens: 1___ 2___________ 3__________ 4___ 5_ 6_____ 7__ 8_____ 9

Chunks:

2016-10-27 15:00:10,524 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 512 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107888.xml
(ChunkerEvaluator) Sentence #11529 from articles/00107888 from sent1

Text  : Szkoła zakazała uczniom dzielić się opłatkiem
Tokens: 1_____ 2_______ 3______ 4______ 5__ 6________

Chunks:

(ChunkerEvaluator) Sentence #11530 from articles/00107888 from sent2

Text  : Dyrektor częstochowskiego liceum im . Traugutta przez megafon wydał zakaz organizowania spotkania wigilijnego w  klasach ,  z  których uczniowie nie zapłacili na komitet rodzicielski -  twierdzą rodzice
Tokens: 1_______ 2_______________ 3_____ 4_ 5 6________ 7____ 8______ 9____ 10___ 11___________ 12_______ 13_________ 14 15_____ 16 17 18_____ 19_______ 20_ 21_______ 22 23_____ 24__________ 25 26______ 27_____

Chunks:
  FalsePositive nam [6,6] = Traugutta
  FalseNegative nam [3,6] = liceum im . Traugutta

(ChunkerEvaluator) Sentence #11531 from articles/00107888 from sent3

Text  : Szkoła .
Tokens: 1_____ 2

Chunks:

(ChunkerEvaluator) Sentence #11532 from articles/00107888 from sent4

Text  : Dyrektor liceum zabronił dzielenia się opłatkiem ?
Tokens: 1_______ 2_____ 3_______ 4________ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #11533 from articles/00107888 from sent5

Text  : Wigilijny podział
Tokens: 1________ 2______

Chunks:

(ChunkerEvaluator) Sentence #11534 from articles/00107888 from sent6

Text  : Dyrektor „ Traugutta ” przez megafon wydał zakaz organizowania spotkania wigilijnego w  klasach ,  których uczniowie nie zapłacili na komitet rodzicielski -  twierdzą rodzice
Tokens: 1_______ 2 3________ 4 5____ 6______ 7____ 8____ 9____________ 10_______ 11_________ 12 13_____ 14 15_____ 16_______ 17_ 18_______ 19 20_____ 21__________ 22 23______ 24_____

Chunks:
  TruePositive nam [3,3] = Traugutta

(ChunkerEvaluator) Sentence #11535 from articles/00107888 from sent7

Text  : Do redakcji zadzwoniła w czwartek wieczorem matka uczennicy II LO im .  R  .  Traugutta :  -  Dyrektor zabronił zorganizować w  klasie córki wigilię ,  bo nie wszyscy zapłacili składkę -  mówiła .
Tokens: 1_ 2_______ 3_________ 4 5_______ 6________ 7____ 8________ 9_ 10 11 12 13 14 15_______ 16 17 18______ 19______ 20__________ 21 22____ 23___ 24_____ 25 26 27_ 28_____ 29_______ 30_____ 31 32____ 33

Chunks:
  TruePositive nam [9,15] = II LO im . R . Traugutta

(ChunkerEvaluator) Sentence #11536 from articles/00107888 from sent8

Text  : Dyrektor Janusz Kołodziejski : - Wigilia jest w piątek dla całej szkoły .
Tokens: 1_______ 2_____ 3___________ 4 5 6______ 7___ 8 9_____ 10_ 11___ 12____ 13

Chunks:
  TruePositive nam [2,3] = Janusz Kołodziejski
  FalsePositive nam [6,6] = Wigilia

(ChunkerEvaluator) Sentence #11537 from articles/00107888 from sent9

Text  : Po niej są spotkania w klasach , które potrafiły je sobie zorganizować -  powiedział .
Tokens: 1_ 2___ 3_ 4________ 5 6______ 7 8____ 9________ 10 11___ 12__________ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #11538 from articles/00107888 from sent10

Text  : Ale w piątek znów odezwali się rodzice uczniów : -  Syn chciał podzielić się opłatkiem z  kolegami ,  ale nie mógł tego zrobić ,  bo dyrekcja zakazała -  mówił oburzony rodzic .
Tokens: 1__ 2 3_____ 4___ 5_______ 6__ 7______ 8______ 9 10 11_ 12____ 13_______ 14_ 15_______ 16 17______ 18 19_ 20_ 21__ 22__ 23____ 24 25 26______ 27______ 28 29___ 30______ 31____ 32

Chunks:
  FalsePositive nam [11,11] = Syn

(ChunkerEvaluator) Sentence #11539 from articles/00107888 from sent11

Text  : Składka na komitet rodzicielski w II LO wynosi średnio 160 zł .
Tokens: 1______ 2_ 3______ 4___________ 5 6_ 7_ 8_____ 9______ 10_ 11 12

Chunks:
  TruePositive nam [11,11] = zł
  FalsePositive nam [7,7] = LO
  FalseNegative nam [6,7] = II LO

(ChunkerEvaluator) Sentence #11540 from articles/00107888 from sent12

Text  : Rodzice na początku roku deklarują , jaką kwotę wpłacą .
Tokens: 1______ 2_ 3_______ 4___ 5________ 6 7___ 8____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #11541 from articles/00107888 from sent13

Text  : Wigilijne spotkania nie miały być finansowane z tych pieniędzy .
Tokens: 1________ 2________ 3__ 4____ 5__ 6__________ 7 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #11542 from articles/00107888 from sent14

Text  : - Ale jeśli kogoś nie stać na komitet rodzicielski ,  to nie możemy obarczać go dodatkowymi kosztami spotkania wigilijnego -  przekonuje Dariusz Borkowski ,  zastępca dyrektora „  Traugutta ”  .
Tokens: 1 2__ 3____ 4____ 5__ 6___ 7_ 8______ 9___________ 10 11 12_ 13____ 14______ 15 16_________ 17______ 18_______ 19_________ 20 21________ 22_____ 23_______ 24 25______ 26_______ 27 28_______ 29 30

Chunks:
  TruePositive nam [22,23] = Dariusz Borkowski
  TruePositive nam [28,28] = Traugutta

(ChunkerEvaluator) Sentence #11543 from articles/00107888 from sent15

Text  : Klasy , w których rodzice uczniów nie wywiązali się z  deklaracji ,  miały normalne zajęcia .
Tokens: 1____ 2 3 4______ 5______ 6______ 7__ 8________ 9__ 10 11________ 12 13___ 14______ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #11544 from articles/00107888 from sent16

Text  : Dyrektor Borkowski zapewnia , że takich przypadków było niewiele .
Tokens: 1_______ 2________ 3_______ 4 5_ 6_____ 7_________ 8___ 9_______ 10

Chunks:
  TruePositive nam [2,2] = Borkowski

(ChunkerEvaluator) Sentence #11545 from articles/00107888 from sent17

Text  : Wcześniej wszyscy uczniowie uczestniczyli w koncercie kolęd zorganizowanym w szkole .
Tokens: 1________ 2______ 3________ 4____________ 5 6________ 7____ 8_____________ 9 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #11546 from articles/00107888 from sent18

Text  : - Spotkanie wigilijne nie jest okazją do wytykania palcami ,  kto zapłacił ,  a  kto nie .
Tokens: 1 2________ 3________ 4__ 5___ 6_____ 7_ 8________ 9______ 10 11_ 12______ 13 14 15_ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #11547 from articles/00107888 from sent19

Text  : Za to jest świetną okazją do wychowywania , że należy się dzielić z  mniej zamożnymi -  oburzają się rodzice .
Tokens: 1_ 2_ 3___ 4______ 5_____ 6_ 7___________ 8 9_ 10____ 11_ 12_____ 13 14___ 15_______ 16 17______ 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #11548 from articles/00107888 from sent20

Text  : - Tymczasem dzieci zadają sobie pytania , które to z  nich nie zapłaciło .
Tokens: 1 2________ 3_____ 4_____ 5____ 6______ 7 8____ 9_ 10 11__ 12_ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #11549 from articles/00107888 from sent21

Text  : - Szkoła przede wszystkim powinna uczyć - odpowiada dyrektor Borkowski .
Tokens: 1 2_____ 3_____ 4________ 5______ 6____ 7 8________ 9_______ 10_______ 11

Chunks:
  TruePositive nam [10,10] = Borkowski

(ChunkerEvaluator) Sentence #11550 from articles/00107888 from sent22

Text  : - I chcemy nauczyć konsekwencji oraz wywiązywania się z zobowiązań .
Tokens: 1 2 3_____ 4______ 5___________ 6___ 7___________ 8__ 9 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #11551 from articles/00107888 from sent23

Text  : A od dzielenia się są inne instytucje .
Tokens: 1 2_ 3________ 4__ 5_ 6___ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #11552 from articles/00107888 from sent24

Text  : Poza tym wigilia nie jest świętem klasowym .
Tokens: 1___ 2__ 3______ 4__ 5___ 6______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #11553 from articles/00107888 from sent25

Text  : Kuratorium przyznaje , że wigilie w szkole nie są obowiązkowe .
Tokens: 1_________ 2________ 3 4_ 5______ 6 7_____ 8__ 9_ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #11554 from articles/00107888 from sent26

Text  : - Jednak ich urządzanie w żadnym razie nie powinno być uzależnione od komitetu rodzicielskiego -  mówi Jerzy Zawarczyński ,  śląski wicekurator oświaty .
Tokens: 1 2_____ 3__ 4_________ 5 6_____ 7____ 8__ 9______ 10_ 11_________ 12 13______ 14_____________ 15 16__ 17___ 18__________ 19 20____ 21_________ 22_____ 23

Chunks:
  TruePositive nam [17,18] = Jerzy Zawarczyński

(ChunkerEvaluator) Sentence #11555 from articles/00107888 from sent27

Text  : Zapowiada , że przyjrzy się postępowaniu dyrekcji „ Traugutta ”  .
Tokens: 1________ 2 3_ 4_______ 5__ 6___________ 7_______ 8 9________ 10 11

Chunks:
  TruePositive nam [9,9] = Traugutta

(ChunkerEvaluator) Sentence #11556 from articles/00107888 from sent28

Text  : - Tym bardziej że pamiętam , jak w czerwcu od składki na komitet rodzicielski dyrektor uzależnił też wydanie świadectw -  dodaje .
Tokens: 1 2__ 3_______ 4_ 5_______ 6 7__ 8 9______ 10 11_____ 12 13_____ 14__________ 15______ 16_______ 17_ 18_____ 19_______ 20 21____ 22

Chunks:

2016-10-27 15:00:10,649 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 513 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107889.xml
(ChunkerEvaluator) Sentence #11557 from articles/00107889 from sent1

Text  : Premier tłumaczył się za syna i zwoła Komitet Stabilności Finansowej
Tokens: 1______ 2________ 3__ 4_ 5___ 6 7____ 8______ 9__________ 10________

Chunks:
  TruePositive nam [8,10] = Komitet Stabilności Finansowej

(ChunkerEvaluator) Sentence #11558 from articles/00107889 from sent2

Text  : - Mówił em mu : uważaj chłopie , to nie jest dobry pomysł -  tak Donald Tusk opisywał swoje ostrzeżenia .
Tokens: 1 2____ 3_ 4_ 5 6_____ 7______ 8 9_ 10_ 11__ 12___ 13____ 14 15_ 16____ 17__ 18______ 19___ 20_________ 21

Chunks:
  TruePositive nam [16,17] = Donald Tusk

(ChunkerEvaluator) Sentence #11559 from articles/00107889 from sent3

Text  : Ddał , że nie miał żadnych informacji ze służb w  temacie Amber Gold .
Tokens: 1___ 2 3_ 4__ 5___ 6______ 7_________ 8_ 9____ 10 11_____ 12___ 13__ 14

Chunks:
  TruePositive nam [12,13] = Amber Gold

(ChunkerEvaluator) Sentence #11560 from articles/00107889 from sent4

Text  : I stwierdził , że instytucje państwowe działały w tej sprawie zgodnie z  procedurami .
Tokens: 1 2_________ 3 4_ 5_________ 6________ 7_______ 8 9__ 10_____ 11_____ 12 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #11561 from articles/00107889 from sent5

Text  : Na wtorkowej konferencji po posiedzeniu rzędu większość pytań dotyczyła Michała Tuska ,  syna premiera .
Tokens: 1_ 2________ 3__________ 4_ 5__________ 6____ 7________ 8____ 9________ 10_____ 11___ 12 13__ 14______ 15

Chunks:
  TruePositive nam [10,11] = Michała Tuska

(ChunkerEvaluator) Sentence #11562 from articles/00107889 from sent6

Text  : Donald Tusk powiedział , że ma pełne zaufanie do swojego syna ,  choć -  jak dodał -  w  ostatnich miesiącach nie zawsze wykazywał się on ostrożnością i  roztropnością .
Tokens: 1_____ 2___ 3_________ 4 5_ 6_ 7____ 8_______ 9_ 10_____ 11__ 12 13__ 14 15_ 16___ 17 18 19_______ 20________ 21_ 22____ 23_______ 24_ 25 26__________ 27 28___________ 29

Chunks:
  TruePositive nam [1,2] = Donald Tusk

(ChunkerEvaluator) Sentence #11563 from articles/00107889 from sent7

Text  : W jego ocenie " kłopoty , w jakie wpadł jego syn ,  są m  .  in .  skutkiem tego ,  że wybrał drogę samodzielną "  .
Tokens: 1 2___ 3_____ 4 5______ 6 7 8____ 9____ 10__ 11_ 12 13 14 15 16 17 18______ 19__ 20 21 22____ 23___ 24_________ 25 26

Chunks:

(ChunkerEvaluator) Sentence #11564 from articles/00107889 from sent8

Text  : " Dla mnie to jest bardzo bolesny efekt , ale nie widzę innego wyjścia ,  wtedy ,  gdy pełni się taką funkcję jak ja ,  jak dość drastyczne rozdzielenie funkcji premiera od funkcji ojca "  -  mówił Tusk .
Tokens: 1 2__ 3___ 4_ 5___ 6_____ 7______ 8____ 9 10_ 11_ 12___ 13____ 14_____ 15 16___ 17 18_ 19___ 20_ 21__ 22_____ 23_ 24 25 26_ 27__ 28________ 29__________ 30_____ 31______ 32 33_____ 34__ 35 36 37___ 38__ 39

Chunks:
  TruePositive nam [38,38] = Tusk

(ChunkerEvaluator) Sentence #11565 from articles/00107889 from sent9

Text  : " Syn bardzo otwarcie stwierdził w wypowiedziach publicznych , że popełnił poważne błędy "  -  zauważył Tusk .
Tokens: 1 2__ 3_____ 4_______ 5_________ 6 7____________ 8__________ 9 10 11______ 12_____ 13___ 14 15 16______ 17__ 18

Chunks:
  TruePositive nam [17,17] = Tusk

(ChunkerEvaluator) Sentence #11566 from articles/00107889 from sent10

Text  : Zapewnił jednak , że ma " pełne zaufanie " do swojego syna .
Tokens: 1_______ 2_____ 3 4_ 5_ 6 7____ 8_______ 9 10 11_____ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #11567 from articles/00107889 from sent11

Text  : " Jest człowiekiem szczerym ( . . . ) .
Tokens: 1 2___ 3__________ 4_______ 5 6 7 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #11568 from articles/00107889 from sent12

Text  : Jest człowiekiem uczciwym i silnym , chociaż nie zawsze wykazywał w  ostatnich miesiącach ostrożność i  roztropność "  -  uważa premier .
Tokens: 1___ 2__________ 3_______ 4 5_____ 6 7______ 8__ 9_____ 10_______ 11 12_______ 13________ 14________ 15 16_________ 17 18 19___ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #11569 from articles/00107889 from sent13

Text  : " To jest bardzo bolesna lekcja życia i mam wrażenie ,  że płaci wysoką cenę "  .
Tokens: 1 2_ 3___ 4_____ 5______ 6_____ 7____ 8 9__ 10______ 11 12 13___ 14____ 15__ 16 17

Chunks:

(ChunkerEvaluator) Sentence #11570 from articles/00107889 from sent14

Text  : - Mówił em mu : uważaj chłopie , to nie jest dobry pomysł ,  aby wchodzić w  kontakty z  takimi ludźmi ,  którzy mieli kłopoty z  prawem -  powiedział we wtorek premier Tusk ,  tłumacząc ,  dlaczego odradzał swojemu synowi współpracę z  liniami lotniczymi OLT Express .
Tokens: 1 2____ 3_ 4_ 5 6_____ 7______ 8 9_ 10_ 11__ 12___ 13____ 14 15_ 16______ 17 18______ 19 20____ 21____ 22 23____ 24___ 25_____ 26 27____ 28 29________ 30 31____ 32_____ 33__ 34 35_______ 36 37______ 38______ 39_____ 40____ 41________ 42 43_____ 44________ 45_ 46_____ 47

Chunks:
  TruePositive nam [33,33] = Tusk
  TruePositive nam [45,46] = OLT Express

(ChunkerEvaluator) Sentence #11571 from articles/00107889 from sent15

Text  : Plichta ' uruchamia ' Komitet
Tokens: 1______ 2 3________ 4 5______

Chunks:
  FalseNegative nam [1,1] = Plichta
  FalseNegative nam [5,5] = Komitet

(ChunkerEvaluator) Sentence #11572 from articles/00107889 from sent16

Text  : Szef rządu zwrócił się do ministra finansów o zwołanie Komitetu Stabilności Finansowej w  związku ze sprawą Amber Gold .
Tokens: 1___ 2____ 3______ 4__ 5_ 6_______ 7_______ 8 9_______ 10______ 11_________ 12________ 13 14_____ 15 16____ 17___ 18__ 19

Chunks:
  TruePositive nam [10,12] = Komitetu Stabilności Finansowej
  TruePositive nam [17,18] = Amber Gold

(ChunkerEvaluator) Sentence #11573 from articles/00107889 from sent17

Text  : W spotkaniu Komitetu Stabilności Finansowej mają wziąć udział m .  in .  przedstawiciele KNF ,  NBP ,  minister sprawiedliwości i  RPO .
Tokens: 1 2________ 3_______ 4__________ 5_________ 6___ 7____ 8_____ 9 10 11 12 13_____________ 14_ 15 16_ 17 18______ 19_____________ 20 21_ 22

Chunks:
  TruePositive nam [3,5] = Komitetu Stabilności Finansowej
  TruePositive nam [14,14] = KNF
  TruePositive nam [16,16] = NBP
  FalsePositive nam [21,21] = RPO

(ChunkerEvaluator) Sentence #11574 from articles/00107889 from sent18

Text  : Premier zapowiedział ponadto , że posiedzenie Komitetu Stabilności Finansowej ma służyć rozpatrzeniu "  wszystkich wątpliwości w  procesie narodzin i  działania Amber Gold ,  które być może jak w  soczewce pokażą miejsca w  państwie -  czy to są przepisy ,  procedury ,  ludzie czy instytucje -  które mogły by działać lepiej ,  kiedy mamy do czynienia z  -  wszystko na to wskazuje -  naciągaczami "  .
Tokens: 1______ 2___________ 3______ 4 5_ 6__________ 7_______ 8__________ 9_________ 10 11____ 12__________ 13 14________ 15_________ 16 17______ 18______ 19 20_______ 21___ 22__ 23 24___ 25_ 26__ 27_ 28 29______ 30____ 31_____ 32 33______ 34 35_ 36 37 38______ 39 40_______ 41 42____ 43_ 44________ 45 46___ 47___ 48 49_____ 50____ 51 52___ 53__ 54 55_______ 56 57 58______ 59 60 61______ 62 63__________ 64 65

Chunks:
  TruePositive nam [7,9] = Komitetu Stabilności Finansowej
  TruePositive nam [21,22] = Amber Gold

(ChunkerEvaluator) Sentence #11575 from articles/00107889 from sent19

Text  : Poinformował też , że minister finansów Jacek Rostowski będzie niedługo na Cyprze -  w  związku z  prezydencją cypryjską -  gdzie ma rozmawiać o  działalności instytucji parabankowych ,  w  tym funduszy hedgingowych ,  które "  obrosły bardzo dwuznaczną reputacją w  czasie kryzysu "  .
Tokens: 1___________ 2__ 3 4_ 5_______ 6_______ 7____ 8________ 9_____ 10______ 11 12____ 13 14 15_____ 16 17_________ 18_______ 19 20___ 21 22_______ 23 24__________ 25________ 26___________ 27 28 29_ 30______ 31__________ 32 33___ 34 35_____ 36____ 37________ 38_______ 39 40____ 41_____ 42 43

Chunks:
  TruePositive nam [7,8] = Jacek Rostowski
  TruePositive nam [12,12] = Cyprze

(ChunkerEvaluator) Sentence #11576 from articles/00107889 from sent20

Text  : " Będziemy starali się - wiedząc , że w innych państwach także borykają się z  rozmaitego typu piramidami finansowymi -  aby stało się to elementem tzw .  +  zielonej księgi +  w  Europie ,  co może pozwoli nam uzyskać przepisy o  wymiarze europejskim ,  które utrudniały by ewentualne negatywne skutki działania tego typu instytucji "  .
Tokens: 1 2_______ 3______ 4__ 5 6______ 7 8_ 9 10____ 11_______ 12___ 13______ 14_ 15 16________ 17__ 18________ 19_________ 20 21_ 22___ 23_ 24 25_______ 26_ 27 28 29______ 30____ 31 32 33_____ 34 35 36__ 37_____ 38_ 39_____ 40______ 41 42______ 43_________ 44 45___ 46________ 47 48________ 49_______ 50____ 51_______ 52__ 53__ 54________ 55 56

Chunks:
  TruePositive nam [33,33] = Europie

(ChunkerEvaluator) Sentence #11577 from articles/00107889 from sent21

Text  : Rejestracja w KRS
Tokens: 1__________ 2 3__

Chunks:
  TruePositive nam [3,3] = KRS

(ChunkerEvaluator) Sentence #11578 from articles/00107889 from sent22

Text  : Premier przyznał , że przekazał kilka rekomendacji ministrowi sprawiedliwości .
Tokens: 1______ 2_______ 3 4_ 5________ 6____ 7___________ 8_________ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #11579 from articles/00107889 from sent23

Text  : " Kilka pytań dla mnie jest bardzo istotnych , np .  KRS ,  który rejestruje firmy "  -  zaznaczył Tusk .
Tokens: 1 2____ 3____ 4__ 5___ 6___ 7_____ 8________ 9 10 11 12_ 13 14___ 15________ 16___ 17 18 19_______ 20__ 21

Chunks:
  TruePositive nam [12,12] = KRS
  TruePositive nam [20,20] = Tusk

(ChunkerEvaluator) Sentence #11580 from articles/00107889 from sent24

Text  : Dodał , że w kontekście Amber Gold KRS był pytany ,  czy karane osoby mogą rejestrować firmy i  odpowiedział ,  że tego nie sprawdza .
Tokens: 1____ 2 3_ 4 5_________ 6____ 7___ 8__ 9__ 10____ 11 12_ 13____ 14___ 15__ 16_________ 17___ 18 19__________ 20 21 22__ 23_ 24______ 25

Chunks:
  FalsePositive nam [6,8] = Amber Gold KRS
  FalseNegative nam [6,7] = Amber Gold
  FalseNegative nam [8,8] = KRS

(ChunkerEvaluator) Sentence #11581 from articles/00107889 from sent25

Text  : " Moją pierwszą rekomendacją jest bardzo dokładne sprawdzenie , czy w  związku z  tym potrzebne są wpisy do KRS ,  jeśli nie ma on zwyczaju lub możliwości sprawdzania tego ,  co ludzie piszą we wniosku rejestracyjnym .
Tokens: 1 2___ 3_______ 4___________ 5___ 6_____ 7_______ 8__________ 9 10_ 11 12_____ 13 14_ 15_______ 16 17___ 18 19_ 20 21___ 22_ 23 24 25______ 26_ 27________ 28_________ 29__ 30 31 32____ 33___ 34 35_____ 36____________ 37

Chunks:
  TruePositive nam [19,19] = KRS

(ChunkerEvaluator) Sentence #11582 from articles/00107889 from sent26

Text  : Jeśli nie sprawdzają , tylko wierzą na słowo , to po co taki rejestr ?  "  -  pytał Tusk .
Tokens: 1____ 2__ 3_________ 4 5____ 6_____ 7_ 8____ 9 10 11 12 13__ 14_____ 15 16 17 18___ 19__ 20

Chunks:
  TruePositive nam [19,19] = Tusk

(ChunkerEvaluator) Sentence #11583 from articles/00107889 from sent27

Text  : Premier mówił też , że podczas spotkania Komitetu Stabilności Finansowej chce ,  aby "  wyraźnie sobie opisać związek między narastającym ryzykiem ,  jeśli chodzi o  tego typu lokaty ,  a  działalnością prokuratury i  sądów "  .
Tokens: 1______ 2____ 3__ 4 5_ 6______ 7________ 8_______ 9__________ 10________ 11__ 12 13_ 14 15______ 16___ 17____ 18_____ 19____ 20__________ 21______ 22 23___ 24____ 25 26__ 27__ 28____ 29 30 31___________ 32_________ 33 34___ 35 36

Chunks:
  TruePositive nam [8,10] = Komitetu Stabilności Finansowej

(ChunkerEvaluator) Sentence #11584 from articles/00107889 from sent28

Text  : " Chodzi o to , na ile prokuratura i sądy mogą być elementem zapobiegającym takim nieszczęściom ,  a  nie tylko tym elementem państwa ,  które ściga ,  gdy już wszystko jest z  punktu widzenia obywateli w  dramatycznym stanie "  -  powiedział .
Tokens: 1 2_____ 3 4_ 5 6_ 7__ 8__________ 9 10__ 11__ 12_ 13_______ 14____________ 15___ 16___________ 17 18 19_ 20___ 21_ 22_______ 23_____ 24 25___ 26___ 27 28_ 29_ 30______ 31__ 32 33____ 34______ 35_______ 36 37__________ 38____ 39 40 41________ 42

Chunks:

(ChunkerEvaluator) Sentence #11585 from articles/00107889 from sent29

Text  : Służby państwowe działały zgodnie z procedurami
Tokens: 1_____ 2________ 3_______ 4______ 5 6__________

Chunks:

(ChunkerEvaluator) Sentence #11586 from articles/00107889 from sent30

Text  : - Wydaje się , że w przypadku Amber Gold służby państwowe ,  w  tym KNF zadziałały zgodnie z  procedurami ,  donosząc do prokuratury o  zagrożeniach i  przede wszystkim informując opinię publiczną o  dużym ryzyku związanym z  lokowaniem pieniędzy w  Amber Gold -  oświadczył Tusk .
Tokens: 1 2_____ 3__ 4 5_ 6 7________ 8____ 9___ 10____ 11_______ 12 13 14_ 15_ 16________ 17_____ 18 19_________ 20 21______ 22 23_________ 24 25__________ 26 27____ 28_______ 29________ 30____ 31_______ 32 33___ 34____ 35_______ 36 37________ 38_______ 39 40___ 41__ 42 43________ 44__ 45

Chunks:
  TruePositive nam [8,9] = Amber Gold
  TruePositive nam [15,15] = KNF
  TruePositive nam [40,41] = Amber Gold
  TruePositive nam [44,44] = Tusk

(ChunkerEvaluator) Sentence #11587 from articles/00107889 from sent31

Text  : Przyznał , że informacje te nie przekonały tych wszystkich ,  którzy padli "  ofiarą tego procederu "  .
Tokens: 1_______ 2 3_ 4_________ 5_ 6__ 7_________ 8___ 9_________ 10 11____ 12___ 13 14____ 15__ 16_______ 17 18

Chunks:

(ChunkerEvaluator) Sentence #11588 from articles/00107889 from sent32

Text  : " Dzisiaj prokuratura nie jest jeszcze pewna czy mamy do czynienia z  przestępstwem ,  ale wszystkie znaki na niebie i  ziemi wskazują ,  że ludzie ,  którzy zaufali tej spółce ,  zostali wykorzystani "  -  dodał Tusk .
Tokens: 1 2______ 3__________ 4__ 5___ 6______ 7____ 8__ 9___ 10 11_______ 12 13___________ 14 15_ 16_______ 17___ 18 19____ 20 21___ 22______ 23 24 25____ 26 27____ 28_____ 29_ 30____ 31 32_____ 33__________ 34 35 36___ 37__ 38

Chunks:
  TruePositive nam [37,37] = Tusk

(ChunkerEvaluator) Sentence #11589 from articles/00107889 from sent33

Text  : Zapowiedział także , że zwróci się do prokuratora generalnego o  szczegółową informację dotyczącą postępowania i  tempa pracy prokuratury po zawiadomieniu przez KNF o  problemach firmy Amber Gold .
Tokens: 1___________ 2____ 3 4_ 5_____ 6__ 7_ 8__________ 9__________ 10 11_________ 12________ 13_______ 14__________ 15 16___ 17___ 18_________ 19 20___________ 21___ 22_ 23 24________ 25___ 26___ 27__ 28

Chunks:
  TruePositive nam [22,22] = KNF
  TruePositive nam [26,27] = Amber Gold

(ChunkerEvaluator) Sentence #11590 from articles/00107889 from sent34

Text  : Nie było ostrzeżeń ze służb
Tokens: 1__ 2___ 3________ 4_ 5____

Chunks:

(ChunkerEvaluator) Sentence #11591 from articles/00107889 from sent35

Text  : Tusk oświadczył także , że nie " uzyskał ze strony służb państwowych żadnych informacji ,  których celem było ostrzeżenie jego syna "  .
Tokens: 1___ 2_________ 3____ 4 5_ 6__ 7 8______ 9_ 10____ 11___ 12_________ 13_____ 14________ 15 16_____ 17___ 18__ 19_________ 20__ 21__ 22 23

Chunks:
  TruePositive nam [1,1] = Tusk

(ChunkerEvaluator) Sentence #11592 from articles/00107889 from sent36

Text  : Michał Tusk współpracował z liniami lotniczymi OLT Express , których głównym udziałowcem było Amber Gold .
Tokens: 1_____ 2___ 3____________ 4 5______ 6_________ 7__ 8______ 9 10_____ 11_____ 12_________ 13__ 14___ 15__ 16

Chunks:
  TruePositive nam [1,2] = Michał Tusk
  TruePositive nam [7,8] = OLT Express
  TruePositive nam [14,15] = Amber Gold

(ChunkerEvaluator) Sentence #11593 from articles/00107889 from sent37

Text  : Dodał , że informacja o reputacji właściciela Amber Gold była powszechnie znana .
Tokens: 1____ 2 3_ 4_________ 5 6________ 7__________ 8____ 9___ 10__ 11_________ 12___ 13

Chunks:
  TruePositive nam [8,9] = Amber Gold

(ChunkerEvaluator) Sentence #11594 from articles/00107889 from sent38

Text  : Zaprzeczył , że odradzając swojemu synowi współpracę z Marcinem Plichtą kierował się informacjami z  tajnych źródeł .
Tokens: 1_________ 2 3_ 4_________ 5______ 6_____ 7_________ 8 9_______ 10_____ 11______ 12_ 13__________ 14 15_____ 16____ 17

Chunks:
  TruePositive nam [9,10] = Marcinem Plichtą

(ChunkerEvaluator) Sentence #11595 from articles/00107889 from sent39

Text  : " Informacja o reputacji właściciela Amber Gold była powszechnie znana nie tylko w  Trójmieście ,  ale w  całej Polsce od pierwszego dnia ,  kiedy zrobiło się o  nim ponownie głośno ,  czyli od powstania linii lotniczych .
Tokens: 1 2_________ 3 4________ 5__________ 6____ 7___ 8___ 9__________ 10___ 11_ 12___ 13 14_________ 15 16_ 17 18___ 19____ 20 21________ 22__ 23 24___ 25_____ 26_ 27 28_ 29______ 30____ 31 32___ 33 34_______ 35___ 36________ 37

Chunks:
  TruePositive nam [6,7] = Amber Gold
  TruePositive nam [14,14] = Trójmieście
  TruePositive nam [19,19] = Polsce

(ChunkerEvaluator) Sentence #11596 from articles/00107889 from sent40

Text  : Między innymi w gazecie , w której pracował mój syn ,  pisano właściwie od samego początku o  dwuznacznej przeszłości tego człowieka "  -  powiedział na wtorkowej konferencji Tusk ,  pytany ,  czy otrzymał raport ABW w  sprawie OLT Express .
Tokens: 1_____ 2_____ 3 4______ 5 6 7_____ 8_______ 9__ 10_ 11 12____ 13_______ 14 15____ 16______ 17 18_________ 19_________ 20__ 21_______ 22 23 24________ 25 26_______ 27_________ 28__ 29 30____ 31 32_ 33______ 34____ 35_ 36 37_____ 38_ 39_____ 40

Chunks:
  TruePositive nam [28,28] = Tusk
  TruePositive nam [38,39] = OLT Express
  FalseNegative nam [35,35] = ABW

(ChunkerEvaluator) Sentence #11597 from articles/00107889 from sent41

Text  : Premier podkreślił , że gdy dowiedział się od syna o  jego planach współpracy z  OLT dał mu "  ojcowską ,  szczerą radę "  .
Tokens: 1______ 2_________ 3 4_ 5__ 6_________ 7__ 8_ 9___ 10 11__ 12_____ 13________ 14 15_ 16_ 17 18 19______ 20 21_____ 22__ 23 24

Chunks:
  TruePositive nam [15,15] = OLT

(ChunkerEvaluator) Sentence #11598 from articles/00107889 from sent42

Text  : " Chętnie ją powtórzę każdemu innemu : nie należy współpracować z  nikim ,  kto nie ma dobrej reputacji .
Tokens: 1 2______ 3_ 4_______ 5______ 6_____ 7 8__ 9_____ 10___________ 11 12___ 13 14_ 15_ 16 17____ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #11599 from articles/00107889 from sent43

Text  : Od tego typu ludzi , niezależnie od tego czy mają złe zamiary ,  czy dobre ,  lepiej trzymać się z  daleka .
Tokens: 1_ 2___ 3___ 4____ 5 6__________ 7_ 8___ 9__ 10__ 11_ 12_____ 13 14_ 15___ 16 17____ 18_____ 19_ 20 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #11600 from articles/00107889 from sent44

Text  : Mój syn nie podzielił tego przekonania " - dodał .
Tokens: 1__ 2__ 3__ 4________ 5___ 6__________ 7 8 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #11601 from articles/00107889 from sent45

Text  : Nie będzie ' wielkim ostrzegającym '
Tokens: 1__ 2_____ 3 4______ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #11602 from articles/00107889 from sent46

Text  : Tusk powiedział także , że nie można oczekiwać od niego ,  by publicznie ostrzegał przed firmami i  osobami ,  do których stracił zaufanie .
Tokens: 1___ 2_________ 3____ 4 5_ 6__ 7____ 8________ 9_ 10___ 11 12 13________ 14_______ 15___ 16_____ 17 18_____ 19 20 21_____ 22_____ 23______ 24

Chunks:
  TruePositive nam [1,1] = Tusk

(ChunkerEvaluator) Sentence #11603 from articles/00107889 from sent47

Text  : Podkreślił , że szef rządu nie powinien występować w roli Temidy czy "  wielkiego ostrzegającego "  .
Tokens: 1_________ 2 3_ 4___ 5____ 6__ 7_______ 8_________ 9 10__ 11____ 12_ 13 14_______ 15____________ 16 17

Chunks:
  TruePositive nam [11,11] = Temidy

(ChunkerEvaluator) Sentence #11604 from articles/00107889 from sent48

Text  : " Nie można oczekiwać od premiera , kimkolwiek on będzie ,  że będzie ogłaszał publicznie -  najlepiej co tydzień -  listę firm i  instytucji lub ludzi ,  do których nie ma zaufania .
Tokens: 1 2__ 3____ 4________ 5_ 6_______ 7 8_________ 9_ 10____ 11 12 13____ 14______ 15________ 16 17_______ 18 19_____ 20 21___ 22__ 23 24________ 25_ 26___ 27 28 29_____ 30_ 31 32______ 33

Chunks:

(ChunkerEvaluator) Sentence #11605 from articles/00107889 from sent49

Text  : Odradzał em mojemu synowi angażowanie się w przedsięwzięcia , które nie są kryształowe w  genezie .
Tokens: 1_______ 2_ 3_____ 4_____ 5__________ 6__ 7 8______________ 9 10___ 11_ 12 13_________ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #11606 from articles/00107889 from sent50

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #11607 from articles/00107889 from sent51

Text  : Chyba każdy ojciec by tak zrobił " - powiedział Tusk na wtorkowej konferencji prasowej .
Tokens: 1____ 2____ 3_____ 4_ 5__ 6_____ 7 8 9_________ 10__ 11 12_______ 13_________ 14______ 15

Chunks:
  TruePositive nam [10,10] = Tusk

(ChunkerEvaluator) Sentence #11608 from articles/00107889 from sent52

Text  : Występowanie premiera w roli " wielkiego ostrzegającego " - "  było by dewastujące dla państwa "  .
Tokens: 1___________ 2_______ 3 4___ 5 6________ 7_____________ 8 9 10 11__ 12 13_________ 14_ 15_____ 16 17

Chunks:

(ChunkerEvaluator) Sentence #11609 from articles/00107889 from sent53

Text  : " Czy w sytuacji , gdy mam złą opinie na temat biznesmena ,  który założył wielki bank ,  mam publicznie ogłaszać ludziom :  +  wycofajcie lokaty z  tego banku +  ?  "
Tokens: 1 2__ 3 4_______ 5 6__ 7__ 8__ 9_____ 10 11___ 12________ 13 14___ 15_____ 16____ 17__ 18 19_ 20________ 21______ 22_____ 23 24 25________ 26____ 27 28__ 29___ 30 31 32

Chunks:

(ChunkerEvaluator) Sentence #11610 from articles/00107889 from sent54

Text  : ( . . . ) .
Tokens: 1 2 3 4 5 6

Chunks:

(ChunkerEvaluator) Sentence #11611 from articles/00107889 from sent55

Text  : Wobec wielu przedsięwzięć mam negatywną intuicję , ale nie mogę nikogo nazwać przestępcą ,  dopóki organa państwowe do tego powołane nie mają tego typu opinii "  -  podkreślił szef rządu .
Tokens: 1____ 2____ 3____________ 4__ 5________ 6_______ 7 8__ 9__ 10__ 11____ 12____ 13________ 14 15____ 16____ 17_______ 18 19__ 20______ 21_ 22__ 23__ 24__ 25____ 26 27 28________ 29__ 30___ 31

Chunks:

2016-10-27 15:00:11,016 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 514 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107890.xml
(ChunkerEvaluator) Sentence #11612 from articles/00107890 from sent1

Text  : Z rockowym pazurem , czyli Cochise w Supraślu
Tokens: 1 2_______ 3______ 4 5____ 6______ 7 8_______

Chunks:
  TruePositive nam [8,8] = Supraślu
  FalseNegative nam [6,6] = Cochise

(ChunkerEvaluator) Sentence #11613 from articles/00107890 from sent2

Text  : Ten koncert z pewnością trafi w gusta fanów ciężkich brzmień .
Tokens: 1__ 2______ 3 4________ 5____ 6 7____ 8____ 9_______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #11614 from articles/00107890 from sent3

Text  : Ale nie tylko .
Tokens: 1__ 2__ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #11615 from articles/00107890 from sent4

Text  : To także gratka dla wielbicielek Pawła Małaszyńskiego .
Tokens: 1_ 2____ 3_____ 4__ 5___________ 6____ 7_____________ 8

Chunks:
  TruePositive nam [6,7] = Pawła Małaszyńskiego

(ChunkerEvaluator) Sentence #11616 from articles/00107890 from sent5

Text  : Aktor dziś będzie szaleć z mikrofonem w ręku na scenie w  Supraślu .
Tokens: 1____ 2___ 3_____ 4_____ 5 6_________ 7 8___ 9_ 10____ 11 12______ 13

Chunks:
  TruePositive nam [12,12] = Supraślu

(ChunkerEvaluator) Sentence #11617 from articles/00107890 from sent6

Text  : Na co dzień jest raczej zapracowany udziałem w produkcjach filmowych i  telewizyjnych .
Tokens: 1_ 2_ 3____ 4___ 5_____ 6__________ 7_______ 8 9__________ 10_______ 11 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #11618 from articles/00107890 from sent7

Text  : Do tego dochodzą etatowe zobowiązania w warszawskim Teatrze Kwadrat .
Tokens: 1_ 2___ 3_______ 4______ 5___________ 6 7__________ 8______ 9______ 10

Chunks:
  TruePositive nam [8,9] = Teatrze Kwadrat

(ChunkerEvaluator) Sentence #11619 from articles/00107890 from sent8

Text  : Jakby tego było mało , Małaszyński ma jeszcze czas na śpiewanie w  rockowej formacji Cochise .
Tokens: 1____ 2___ 3___ 4___ 5 6__________ 7_ 8______ 9___ 10 11_______ 12 13______ 14______ 15_____ 16

Chunks:
  TruePositive nam [6,6] = Małaszyński
  FalseNegative nam [15,15] = Cochise

(ChunkerEvaluator) Sentence #11620 from articles/00107890 from sent9

Text  : Dziś razem ze swoim zespołem zagra w Supraślu .
Tokens: 1___ 2____ 3_ 4____ 5_______ 6____ 7 8_______ 9

Chunks:
  TruePositive nam [8,8] = Supraślu

(ChunkerEvaluator) Sentence #11621 from articles/00107890 from sent10

Text  : Zaczęło się osiem lat temu w Białymstoku .
Tokens: 1______ 2__ 3____ 4__ 5___ 6 7__________ 8

Chunks:
  TruePositive nam [7,7] = Białymstoku

(ChunkerEvaluator) Sentence #11622 from articles/00107890 from sent11

Text  : Gitarzysta Wojtek Napora i basista Radek Jasiński grali w heavymetalowej kapeli Hellraizer .
Tokens: 1_________ 2_____ 3_____ 4 5______ 6____ 7_______ 8____ 9 10____________ 11____ 12________ 13

Chunks:
  TruePositive nam [2,3] = Wojtek Napora
  TruePositive nam [6,7] = Radek Jasiński
  FalseNegative nam [12,12] = Hellraizer

(ChunkerEvaluator) Sentence #11623 from articles/00107890 from sent12

Text  : Spotkali Pawła Małaszyńskiego , który od dziecka chciał być gwiazdą rocka .
Tokens: 1_______ 2____ 3_____________ 4 5____ 6_ 7______ 8_____ 9__ 10_____ 11___ 12

Chunks:
  TruePositive nam [2,3] = Pawła Małaszyńskiego

(ChunkerEvaluator) Sentence #11624 from articles/00107890 from sent13

Text  : - Mieć swój zespół i tworzyć muzykę .
Tokens: 1 2___ 3___ 4_____ 5 6______ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11625 from articles/00107890 from sent14

Text  : Coś rodzi się w twojej głowie .
Tokens: 1__ 2____ 3__ 4 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #11626 from articles/00107890 from sent15

Text  : Potem grasz to na gitarze , wchodzi perkusja , bas i  wokal .
Tokens: 1____ 2____ 3_ 4_ 5______ 6 7______ 8_______ 9 10_ 11 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #11627 from articles/00107890 from sent16

Text  : Czujesz spełnienie .
Tokens: 1______ 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #11628 from articles/00107890 from sent17

Text  : To jest twoje i mało cię obchodzi , czy to się komuś podoba ,  czy nie -  mówił „  Gazecie "  .
Tokens: 1_ 2___ 3____ 4 5___ 6__ 7_______ 8 9__ 10 11_ 12___ 13____ 14 15_ 16_ 17 18___ 19 20_____ 21 22

Chunks:
  TruePositive nam [20,20] = Gazecie

(ChunkerEvaluator) Sentence #11629 from articles/00107890 from sent18

Text  : Do składu dołączył perkusista Czarek Mielko , wymieniając Darka Korzeniewskiego .
Tokens: 1_ 2_____ 3_______ 4_________ 5_____ 6_____ 7 8__________ 9____ 10_____________ 11

Chunks:
  TruePositive nam [5,6] = Czarek Mielko
  TruePositive nam [9,10] = Darka Korzeniewskiego

(ChunkerEvaluator) Sentence #11630 from articles/00107890 from sent19

Text  : Dziś na koncie mają setki koncertów w całym kraju i  płyty „  Still Alive ”  z  lutego 2010 oraz „  Back to Beginning ”  z  maja bieżącego roku .
Tokens: 1___ 2_ 3_____ 4___ 5____ 6________ 7 8____ 9____ 10 11___ 12 13___ 14___ 15 16 17____ 18__ 19__ 20 21__ 22 23_______ 24 25 26__ 27_______ 28__ 29

Chunks:
  TruePositive nam [13,14] = Still Alive
  FalseNegative nam [21,23] = Back to Beginning

(ChunkerEvaluator) Sentence #11631 from articles/00107890 from sent20

Text  : Ich muzyka to miks fascynacji członków grupy .
Tokens: 1__ 2_____ 3_ 4___ 5_________ 6_______ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #11632 from articles/00107890 from sent21

Text  : Gitarzyści wnieśli do brzmienia zespołu solidne , heavymetalowe granie ,  solówki momentami przypominają chociażby te z  utworów Metalliki .
Tokens: 1_________ 2______ 3_ 4________ 5______ 6______ 7 8____________ 9_____ 10 11_____ 12_______ 13__________ 14_______ 15 16 17_____ 18_______ 19

Chunks:
  TruePositive nam [18,18] = Metalliki

(ChunkerEvaluator) Sentence #11633 from articles/00107890 from sent22

Text  : Małaszyński dodał od siebie trochę grunge'u .
Tokens: 1__________ 2____ 3_ 4_____ 5_____ 6_______ 7

Chunks:
  FalseNegative nam [1,1] = Małaszyński

(ChunkerEvaluator) Sentence #11634 from articles/00107890 from sent23

Text  : Dlatego Cochise chwilami przywodzi na myśl dokonania sceny z Seattle .
Tokens: 1______ 2______ 3_______ 4________ 5_ 6___ 7________ 8____ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Seattle
  FalseNegative nam [2,2] = Cochise

(ChunkerEvaluator) Sentence #11635 from articles/00107890 from sent24

Text  : Program koncertów :
Tokens: 1______ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #11636 from articles/00107890 from sent25

Text  : 19 . 00 - local support
Tokens: 1_ 2 3_ 4 5____ 6______

Chunks:

(ChunkerEvaluator) Sentence #11637 from articles/00107890 from sent26

Text  : 19 . 45 - POLSKA B
Tokens: 1_ 2 3_ 4 5_____ 6

Chunks:
  TruePositive nam [5,6] = POLSKA B

(ChunkerEvaluator) Sentence #11638 from articles/00107890 from sent27

Text  : 21 . 00 - COCHISE
Tokens: 1_ 2 3_ 4 5______

Chunks:
  FalseNegative nam [5,5] = COCHISE

(ChunkerEvaluator) Sentence #11639 from articles/00107890 from sent28

Text  : Muzycy wystąpią na placu za Centrum Kultury i Rekreacji w  Supraślu
Tokens: 1_____ 2_______ 3_ 4____ 5_ 6______ 7______ 8 9________ 10 11______

Chunks:
  FalsePositive nam [6,11] = Centrum Kultury i Rekreacji w Supraślu
  FalseNegative nam [6,9] = Centrum Kultury i Rekreacji
  FalseNegative nam [11,11] = Supraślu

2016-10-27 15:00:11,105 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 515 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107891.xml
(ChunkerEvaluator) Sentence #11640 from articles/00107891 from sent1

Text  : Łotysze wygrali w Jabłonkach , a Polacy wzięli „ odwet ”
Tokens: 1______ 2______ 3 4_________ 5 6 7_____ 8_____ 9 10___ 11

Chunks:
  TruePositive nam [4,4] = Jabłonkach
  TruePositive nam [7,7] = Polacy
  FalseNegative nam [1,1] = Łotysze

(ChunkerEvaluator) Sentence #11641 from articles/00107891 from sent2

Text  : Martins Plavins i Janis Smedins , pokonując 2 : 0  austriacką parę Horst /  Doppler zajęli pierwsze miejsce w  turnieju w  Mazury Orlen Grand Slam 2012 w  Starych Jabłonkach k  .  Ostródy .
Tokens: 1______ 2______ 3 4____ 5______ 6 7________ 8 9 10 11________ 12__ 13___ 14 15_____ 16____ 17______ 18_____ 19 20______ 21 22____ 23___ 24___ 25__ 26__ 27 28_____ 29________ 30 31 32_____ 33

Chunks:
  TruePositive nam [4,5] = Janis Smedins
  TruePositive nam [13,13] = Horst
  TruePositive nam [15,15] = Doppler
  FalsePositive nam [22,32] = Mazury Orlen Grand Slam 2012 w Starych Jabłonkach k . Ostródy
  FalseNegative nam [1,2] = Martins Plavins
  FalseNegative nam [22,26] = Mazury Orlen Grand Slam 2012
  FalseNegative nam [28,29] = Starych Jabłonkach
  FalseNegative nam [32,32] = Ostródy

(ChunkerEvaluator) Sentence #11642 from articles/00107891 from sent3

Text  : Niecodzienny mecz odbył się jednak przed finałem .
Tokens: 1___________ 2___ 3____ 4__ 5_____ 6____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11643 from articles/00107891 from sent4

Text  : Zamiast pojedynku o trzecie miejsce , na boisko wybiegły dwie pary z  Polski ,  które rozegrały pokazowe spotkanie nawiązujące do .  .  .  ćwierćfinału igrzysk olimpijskich z  udziałem Grzegorza Fijałka i  Mariusza Prudla .
Tokens: 1______ 2________ 3 4______ 5______ 6 7_ 8_____ 9_______ 10__ 11__ 12 13____ 14 15___ 16_______ 17______ 18_______ 19_________ 20 21 22 23 24__________ 25_____ 26__________ 27 28______ 29_______ 30_____ 31 32______ 33____ 34

Chunks:
  TruePositive nam [13,13] = Polski
  TruePositive nam [29,30] = Grzegorza Fijałka
  TruePositive nam [32,33] = Mariusza Prudla

(ChunkerEvaluator) Sentence #11644 from articles/00107891 from sent5

Text  : - Po raz pierwszy wygrali śmy w Jabłonkach i jest nam tym bardziej miło ,  że zapewnili śmy sporo emocji wspaniałej polskiej publice -  mówili po niedzielnym meczu Łotysze ,  zwycięzcy tegorocznej edycji World Tour na Mazurach .
Tokens: 1 2_ 3__ 4_______ 5______ 6__ 7 8_________ 9 10__ 11_ 12_ 13______ 14__ 15 16 17_______ 18_ 19___ 20____ 21________ 22______ 23_____ 24 25____ 26 27_________ 28___ 29_____ 30 31_______ 32_________ 33____ 34___ 35__ 36 37______ 38

Chunks:
  TruePositive nam [8,8] = Jabłonkach
  TruePositive nam [29,29] = Łotysze
  TruePositive nam [34,35] = World Tour
  TruePositive nam [37,37] = Mazurach

(ChunkerEvaluator) Sentence #11645 from articles/00107891 from sent6

Text  : - Mecz z Austriakami nie był łatwy .
Tokens: 1 2___ 3 4__________ 5__ 6__ 7____ 8

Chunks:
  TruePositive nam [4,4] = Austriakami

(ChunkerEvaluator) Sentence #11646 from articles/00107891 from sent7

Text  : Horst i Doppler to znakomici siatkarze i musieli śmy naprawdę napracować się ,  żeby ich pokonać .
Tokens: 1____ 2 3______ 4_ 5________ 6________ 7 8______ 9__ 10______ 11________ 12_ 13 14__ 15_ 16_____ 17

Chunks:
  TruePositive nam [1,1] = Horst
  TruePositive nam [3,3] = Doppler

(ChunkerEvaluator) Sentence #11647 from articles/00107891 from sent8

Text  : Sezon World Tour już się kończy , a my na pewno zaliczymy go do udanych .
Tokens: 1____ 2____ 3___ 4__ 5__ 6_____ 7 8 9_ 10 11___ 12_______ 13 14 15_____ 16

Chunks:
  FalsePositive nam [1,3] = Sezon World Tour
  FalseNegative nam [2,3] = World Tour

(ChunkerEvaluator) Sentence #11648 from articles/00107891 from sent9

Text  : Mecz o trzecie miejsce nie odbył się z powodu kontuzji pary z  USA Gibb /  Rosenthal .
Tokens: 1___ 2 3______ 4______ 5__ 6____ 7__ 8 9_____ 10______ 11__ 12 13_ 14__ 15 16_______ 17

Chunks:
  FalsePositive nam [13,16] = USA Gibb / Rosenthal
  FalseNegative nam [13,13] = USA
  FalseNegative nam [14,14] = Gibb
  FalseNegative nam [16,16] = Rosenthal

(ChunkerEvaluator) Sentence #11649 from articles/00107891 from sent10

Text  : Ostatecznie brązowe krążki zawisły na szyjach innych zawodników zza oceanu Rogersa i  Dalhaussera .
Tokens: 1__________ 2______ 3_____ 4______ 5_ 6______ 7_____ 8_________ 9__ 10____ 11_____ 12 13_________ 14

Chunks:
  TruePositive nam [11,11] = Rogersa
  TruePositive nam [13,13] = Dalhaussera

(ChunkerEvaluator) Sentence #11650 from articles/00107891 from sent11

Text  : Nie oznacza to jednak , że kibice w Starych Jabłonkach się nudzili .
Tokens: 1__ 2______ 3_ 4_____ 5 6_ 7_____ 8 9______ 10________ 11_ 12_____ 13

Chunks:
  TruePositive nam [9,10] = Starych Jabłonkach

(ChunkerEvaluator) Sentence #11651 from articles/00107891 from sent12

Text  : Wręcz przeciwnie .
Tokens: 1____ 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #11652 from articles/00107891 from sent13

Text  : Na boisko wybiegli bowiem Grzegorz Fijałek / Mariusz Prudel (  zajęli piąte miejsce w  turnieju )  ,  a  naprzeciwko nich stanęli inni polscy siatkarze Michał Makowski /  Michał Kądzioła ,  którzy .  .  .  założyli koszulki Brazylijczyków Alisona i  Emanuela .
Tokens: 1_ 2_____ 3_______ 4_____ 5_______ 6______ 7 8______ 9_____ 10 11____ 12___ 13_____ 14 15______ 16 17 18 19_________ 20__ 21_____ 22__ 23____ 24_______ 25____ 26______ 27 28____ 29______ 30 31____ 32 33 34 35______ 36______ 37____________ 38_____ 39 40______ 41

Chunks:
  TruePositive nam [5,6] = Grzegorz Fijałek
  TruePositive nam [8,9] = Mariusz Prudel
  TruePositive nam [25,26] = Michał Makowski
  TruePositive nam [28,29] = Michał Kądzioła
  TruePositive nam [40,40] = Emanuela
  FalsePositive nam [37,38] = Brazylijczyków Alisona
  FalseNegative nam [37,37] = Brazylijczyków
  FalseNegative nam [38,38] = Alisona

(ChunkerEvaluator) Sentence #11653 from articles/00107891 from sent14

Text  : Pokazowe spotkanie rozegrano w ramach „ odwetu ” za przegrany ćwierćfinał Fijałka i  Prudla na igrzyskach olimpijskich w  Londynie .
Tokens: 1_______ 2________ 3________ 4 5_____ 6 7_____ 8 9_ 10_______ 11_________ 12_____ 13 14____ 15 16________ 17__________ 18 19______ 20

Chunks:
  TruePositive nam [12,12] = Fijałka
  TruePositive nam [19,19] = Londynie
  FalseNegative nam [14,14] = Prudla

(ChunkerEvaluator) Sentence #11654 from articles/00107891 from sent15

Text  : Oczywiście zwyciężyli „ Fifi ” i „ Prudi ” ,  ale nie obyło się bez śmiesznych sytuacji i  ciekawych zagrań .
Tokens: 1_________ 2_________ 3 4___ 5 6 7 8____ 9 10 11_ 12_ 13___ 14_ 15_ 16________ 17______ 18 19_______ 20____ 21

Chunks:
  FalseNegative nam [4,4] = Fifi
  FalseNegative nam [8,8] = Prudi

(ChunkerEvaluator) Sentence #11655 from articles/00107891 from sent16

Text  : Niektórzy kibice mówili wręcz , że takie spotkanie było ciekawsze niż właściwy mecz o  trzecie miejsce .
Tokens: 1________ 2_____ 3_____ 4____ 5 6_ 7____ 8________ 9___ 10_______ 11_ 12______ 13__ 14 15_____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11656 from articles/00107891 from sent17

Text  : - Bawili śmy się świetnie - mówił po meczu Michał Kądzioła .
Tokens: 1 2_____ 3__ 4__ 5_______ 6 7____ 8_ 9____ 10____ 11______ 12

Chunks:
  TruePositive nam [10,11] = Michał Kądzioła

(ChunkerEvaluator) Sentence #11657 from articles/00107891 from sent18

Text  : - Szkoda , że chłopaki z USA nie wybiegli na boisko ,  ale uważam ,  że kibice nie mogli narzekać .
Tokens: 1 2_____ 3 4_ 5_______ 6 7__ 8__ 9_______ 10 11____ 12 13_ 14____ 15 16 17____ 18_ 19___ 20______ 21

Chunks:
  TruePositive nam [7,7] = USA

(ChunkerEvaluator) Sentence #11658 from articles/00107891 from sent19

Text  : Widać było , że naprawdę podoba im się to ,  co robimy ,  więc jesteśmy szczęśliwi .
Tokens: 1____ 2___ 3 4_ 5_______ 6_____ 7_ 8__ 9_ 10 11 12____ 13 14__ 15______ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #11659 from articles/00107891 from sent20

Text  : Dziękujemy jednocześnie za możliwość rozegrania takiego meczu i liczę ,  że nie była to ostatnia taka zabawa w  Starych Jabłonkach .
Tokens: 1_________ 2___________ 3_ 4________ 5_________ 6______ 7____ 8 9____ 10 11 12_ 13__ 14 15______ 16__ 17____ 18 19_____ 20________ 21

Chunks:
  TruePositive nam [19,20] = Starych Jabłonkach

(ChunkerEvaluator) Sentence #11660 from articles/00107891 from sent21

Text  : Turniej siatkówki plażowej na Mazurach trwał od poniedziałku .
Tokens: 1______ 2________ 3_______ 4_ 5_______ 6____ 7_ 8___________ 9

Chunks:
  TruePositive nam [5,5] = Mazurach

(ChunkerEvaluator) Sentence #11661 from articles/00107891 from sent22

Text  : W sobotę odbyły się finały zawodów żeńskich , a najlepsze tradycyjnie okazały się Brazylijki Larissa /  Juliana ,  które w  finale pokonały Włoszki Cicolari /  Menegatti .
Tokens: 1 2_____ 3_____ 4__ 5_____ 6______ 7_______ 8 9 10_______ 11_________ 12_____ 13_ 14________ 15_____ 16 17_____ 18 19___ 20 21____ 22______ 23_____ 24______ 25 26_______ 27

Chunks:
  FalsePositive nam [14,17] = Brazylijki Larissa / Juliana
  FalsePositive nam [23,26] = Włoszki Cicolari / Menegatti
  FalseNegative nam [14,14] = Brazylijki
  FalseNegative nam [15,15] = Larissa
  FalseNegative nam [17,17] = Juliana
  FalseNegative nam [23,23] = Włoszki
  FalseNegative nam [24,24] = Cicolari
  FalseNegative nam [26,26] = Menegatti

(ChunkerEvaluator) Sentence #11662 from articles/00107891 from sent23

Text  : Trzecie miejsce zajęły Niemki Holtwick / Semmer .
Tokens: 1______ 2______ 3_____ 4_____ 5_______ 6 7_____ 8

Chunks:
  FalsePositive nam [4,7] = Niemki Holtwick / Semmer
  FalseNegative nam [4,4] = Niemki
  FalseNegative nam [5,5] = Holtwick
  FalseNegative nam [7,7] = Semmer

(ChunkerEvaluator) Sentence #11663 from articles/00107891 from sent24

Text  : Najlepsze z Polek , Kinga Kołosińska i Monika Brzostek uplasowały się na 17 .  pozycji .
Tokens: 1________ 2 3____ 4 5____ 6_________ 7 8_____ 9_______ 10________ 11_ 12 13 14 15_____ 16

Chunks:
  TruePositive nam [3,3] = Polek
  TruePositive nam [5,6] = Kinga Kołosińska
  TruePositive nam [8,9] = Monika Brzostek

(ChunkerEvaluator) Sentence #11664 from articles/00107891 from sent25

Text  : Warto dodać , że zarówno w sobotę , jak i  niedzielę 6  -  tysięczne trybuny stadionu na plaży przy Hotelu Anders zostały wypełnione do ostatniego miejsca .
Tokens: 1____ 2____ 3 4_ 5______ 6 7_____ 8 9__ 10 11_______ 12 13 14_______ 15_____ 16______ 17 18___ 19__ 20____ 21____ 22_____ 23________ 24 25________ 26_____ 27

Chunks:
  FalsePositive nam [20,20] = Hotelu
  FalsePositive nam [21,21] = Anders
  FalseNegative nam [20,21] = Hotelu Anders

(ChunkerEvaluator) Sentence #11665 from articles/00107891 from sent26

Text  : - Mamy nadzieję , że podobnie będzie za rok na mistrzostwach świata ,  bo już myślimy i  przygotowujemy się do tej imprezy -  podsumował Tomasz Dowgiałło ,  dyrektor zawodów .
Tokens: 1 2___ 3_______ 4 5_ 6_______ 7_____ 8_ 9__ 10 11___________ 12____ 13 14 15_ 16_____ 17 18____________ 19_ 20 21_ 22_____ 23 24________ 25____ 26_______ 27 28______ 29_____ 30

Chunks:
  TruePositive nam [25,26] = Tomasz Dowgiałło

2016-10-27 15:00:11,247 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 516 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107892.xml
(ChunkerEvaluator) Sentence #11666 from articles/00107892 from sent1

Text  : Podejmę kroki prawne w obronie mojego dobrego imienia
Tokens: 1______ 2____ 3_____ 4 5______ 6_____ 7______ 8______

Chunks:

(ChunkerEvaluator) Sentence #11667 from articles/00107892 from sent2

Text  : Czuję się nimi zniesławiony i poniżony - pisze prof .  Jerzy Szaflik w  oświadczeniu przesłanym do redakcji portalu rynekzdrowia.pl .  Profesor wystosował je w  związku z  jego odwołaniem z  funkcji konsultanta krajowego w  dziedzinie okulistyki ,  dyrektora Banku Tkanek Oka w  Warszawie i  członka Krajowej Rady Transplantacyjnej oraz zawiadomieniem złożonym w  CBA przez ministra zdrowia .
Tokens: 1____ 2__ 3___ 4___________ 5 6_______ 7 8____ 9___ 10 11___ 12_____ 13 14__________ 15________ 16 17______ 18_____ 19_____________ 20 21______ 22________ 23 24 25_____ 26 27__ 28________ 29 30_____ 31_________ 32_______ 33 34________ 35________ 36 37_______ 38___ 39____ 40_ 41 42_______ 43 44_____ 45______ 46__ 47_______________ 48__ 49____________ 50______ 51 52_ 53___ 54______ 55_____ 56

Chunks:
  TruePositive nam [11,12] = Jerzy Szaflik
  TruePositive nam [19,19] = rynekzdrowia.pl
  TruePositive nam [38,40] = Banku Tkanek Oka
  TruePositive nam [42,42] = Warszawie
  TruePositive nam [45,47] = Krajowej Rady Transplantacyjnej
  FalsePositive nam [21,21] = Profesor
  FalseNegative nam [52,52] = CBA

(ChunkerEvaluator) Sentence #11668 from articles/00107892 from sent3

Text  : Oświadczam , że działania Ministerstwa Zdrowia są dla mnie niezrozumiałe i  podjęte z  nieczytelnych powodów .
Tokens: 1_________ 2 3_ 4________ 5___________ 6______ 7_ 8__ 9___ 10___________ 11 12_____ 13 14___________ 15_____ 16

Chunks:
  TruePositive nam [5,6] = Ministerstwa Zdrowia

(ChunkerEvaluator) Sentence #11669 from articles/00107892 from sent4

Text  : Wbrew płynącym z komunikatów sugestiom , nie istnieje żaden kontekst korupcyjny jak to określono „  niejasności proceduralnych w  zakresie przeszczepu rogówki w  Polsce ”  .
Tokens: 1____ 2_______ 3 4__________ 5________ 6 7__ 8_______ 9____ 10______ 11________ 12_ 13 14_______ 15 16_________ 17____________ 18 19______ 20_________ 21_____ 22 23____ 24 25

Chunks:
  TruePositive nam [23,23] = Polsce

(ChunkerEvaluator) Sentence #11670 from articles/00107892 from sent5

Text  : W trakcie rozmowy z ministrem zdrowia nie przedstawiono mi żadnych zarzutów dotyczących wykonywania funkcji konsultanta krajowego w  dziedzinie okulistyki lub członka Krajowej Rady Transplantacyjnej ,  jak również odnoszących się do mojej pracy na stanowisku dyrektora Banku Tkanek Oka .
Tokens: 1 2______ 3______ 4 5________ 6______ 7__ 8____________ 9_ 10_____ 11______ 12_________ 13_________ 14_____ 15_________ 16_______ 17 18________ 19________ 20_ 21_____ 22______ 23__ 24_______________ 25 26_ 27_____ 28_________ 29_ 30 31___ 32___ 33 34________ 35_______ 36___ 37____ 38_ 39

Chunks:
  TruePositive nam [22,24] = Krajowej Rady Transplantacyjnej
  TruePositive nam [36,38] = Banku Tkanek Oka

(ChunkerEvaluator) Sentence #11671 from articles/00107892 from sent6

Text  : W związku z tym postanowił em odwołać się od decyzji ministra zdrowia Bartosza Arłukowicza do sądu pracy ,  niezależnie od innych kroków prawnych ,  które zamierzam podjąć w  obronie mojego dobrego imienia oraz renomy prowadzonej przeze mnie praktyki lekarskiej .
Tokens: 1 2______ 3 4__ 5_________ 6_ 7______ 8__ 9_ 10_____ 11______ 12_____ 13______ 14_________ 15 16__ 17___ 18 19_________ 20 21____ 22____ 23______ 24 25___ 26_______ 27____ 28 29_____ 30____ 31_____ 32_____ 33__ 34____ 35_________ 36____ 37__ 38______ 39________ 40

Chunks:
  TruePositive nam [13,14] = Bartosza Arłukowicza

(ChunkerEvaluator) Sentence #11672 from articles/00107892 from sent7

Text  : Bank Tkanek Oka , którego był em inicjatorem , założycielem i  szefem od chwili jego powstania ,  tj .  od 17 lat ,  realizował swoje zadania zgodnie z  obowiązującymi go przepisami i  zasadami ;  jest placówką nowoczesną ,  zorganizowaną zgodnie z  wytycznymi międzynarodowych organizacji ,  stosuje najnowsze technologie .
Tokens: 1___ 2_____ 3__ 4 5______ 6__ 7_ 8__________ 9 10__________ 11 12____ 13 14____ 15__ 16_______ 17 18 19 20 21 22_ 23 24________ 25___ 26_____ 27_____ 28 29____________ 30 31________ 32 33______ 34 35__ 36______ 37________ 38 39___________ 40_____ 41 42________ 43______________ 44_________ 45 46_____ 47_______ 48_________ 49

Chunks:
  TruePositive nam [1,3] = Bank Tkanek Oka

(ChunkerEvaluator) Sentence #11673 from articles/00107892 from sent8

Text  : Płatki rogówkowe Bank przekazuje wyłącznie Klinicznemu Szpitalowi Okulistycznemu w Warszawie lub Ośrodkom Współpracującym ,  które je pozyskały ;  każde pobranie i  każde przekazanie płatka rogówkowego od 1995 r  .  do chwili obecnej można łatwo skontrolować .
Tokens: 1_____ 2________ 3___ 4_________ 5________ 6__________ 7_________ 8_____________ 9 10_______ 11_ 12______ 13_____________ 14 15___ 16 17_______ 18 19___ 20______ 21 22___ 23_________ 24____ 25_________ 26 27__ 28 29 30 31____ 32_____ 33___ 34___ 35__________ 36

Chunks:
  TruePositive nam [3,3] = Bank
  TruePositive nam [6,8] = Klinicznemu Szpitalowi Okulistycznemu
  TruePositive nam [10,10] = Warszawie
  TruePositive nam [12,13] = Ośrodkom Współpracującym

(ChunkerEvaluator) Sentence #11674 from articles/00107892 from sent9

Text  : Nie poczuwam się do jakichkolwiek zaniedbań w pełnionej od 14 lat funkcji krajowego konsultanta oraz dyrektora Banku Tkanek Oka .
Tokens: 1__ 2_______ 3__ 4_ 5____________ 6________ 7 8________ 9_ 10 11_ 12_____ 13_______ 14_________ 15__ 16_______ 17___ 18____ 19_ 20

Chunks:
  TruePositive nam [17,19] = Banku Tkanek Oka

(ChunkerEvaluator) Sentence #11675 from articles/00107892 from sent10

Text  : Centrum Mikrochirurgii Oka „ Laser ” , którego jestem właścicielem a  nie dyrektorem ,  nie współpracuje ani nigdy nie współpracowało z  Bankiem Tkanek Oka w  Warszawie i  nigdy nie otrzymywało rogówek z  tego Banku .
Tokens: 1______ 2_____________ 3__ 4 5____ 6 7 8______ 9_____ 10__________ 11 12_ 13________ 14 15_ 16__________ 17_ 18___ 19_ 20____________ 21 22_____ 23____ 24_ 25 26_______ 27 28___ 29_ 30_________ 31_____ 32 33__ 34___ 35

Chunks:
  TruePositive nam [22,24] = Bankiem Tkanek Oka
  TruePositive nam [26,26] = Warszawie
  FalsePositive nam [1,3] = Centrum Mikrochirurgii Oka
  FalsePositive nam [5,5] = Laser
  FalseNegative nam [1,6] = Centrum Mikrochirurgii Oka „ Laser ”
  FalseNegative nam [34,34] = Banku

(ChunkerEvaluator) Sentence #11676 from articles/00107892 from sent11

Text  : „ Laser ” , w którym sporadycznie ( w 2011 r  .
Tokens: 1 2____ 3 4 5 6_____ 7___________ 8 9 10__ 11 12

Chunks:
  FalseNegative nam [2,2] = Laser

(ChunkerEvaluator) Sentence #11677 from articles/00107892 from sent12

Text  : – 3 przeszczepy , w 2012 r .
Tokens: 1 2 3__________ 4 5 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #11678 from articles/00107892 from sent13

Text  : - 4 przeszczepy ) , operowano pacjentów wymagających pilnego przeszczepu rogówki ,  spełnia wymagania kadrowe ,  sprzętowe i  lokalowe do wykonywania tych zabiegów .
Tokens: 1 2 3__________ 4 5 6________ 7________ 8___________ 9______ 10_________ 11_____ 12 13_____ 14_______ 15_____ 16 17_______ 18 19______ 20 21_________ 22__ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #11679 from articles/00107892 from sent14

Text  : Materiał do przeszczepów Centrum uzyskiwało z banku tkanek w Zabrzu i  w  2012 r  .  z  banku w  Lublinie ,  tylko w  przypadkach braku zapotrzebowania na rogówki z  innych ośrodków .
Tokens: 1_______ 2_ 3___________ 4______ 5_________ 6 7____ 8_____ 9 10____ 11 12 13__ 14 15 16 17___ 18 19______ 20 21___ 22 23_________ 24___ 25_____________ 26 27_____ 28 29____ 30______ 31

Chunks:
  TruePositive nam [10,10] = Zabrzu
  TruePositive nam [19,19] = Lublinie
  FalseNegative nam [4,4] = Centrum

(ChunkerEvaluator) Sentence #11680 from articles/00107892 from sent15

Text  : W 1989 r . był em docentem Śląskiej Akademii Medycznej w  Katowicach .
Tokens: 1 2___ 3 4 5__ 6_ 7_______ 8_______ 9_______ 10_______ 11 12________ 13

Chunks:
  TruePositive nam [8,10] = Śląskiej Akademii Medycznej
  TruePositive nam [12,12] = Katowicach

(ChunkerEvaluator) Sentence #11681 from articles/00107892 from sent16

Text  : Zarejestrował em wtedy prywatny gabinet okulistyczny , w którym udzielał em porad okulistycznych .
Tokens: 1____________ 2_ 3____ 4_______ 5______ 6___________ 7 8 9_____ 10______ 11 12___ 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #11682 from articles/00107892 from sent17

Text  : Głównym powodem mojej prywatnej działalności lekarskiej , było i jest ,  zapewnienie transparentnych stosunków pacjent –  lekarz .
Tokens: 1______ 2______ 3____ 4________ 5___________ 6_________ 7 8___ 9 10__ 11 12_________ 13_____________ 14_______ 15_____ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11683 from articles/00107892 from sent18

Text  : Przez 43 lata praktyki lekarskiej nie spotkał mnie nigdy zarzut korupcji .
Tokens: 1____ 2_ 3___ 4_______ 5_________ 6__ 7______ 8___ 9____ 10____ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #11684 from articles/00107892 from sent19

Text  : W 1991 r . wygrał em ogólnopolski konkurs na kierownika Kliniki Okulistyki II Wydziału Warszawskiej Akademii Medycznej .
Tokens: 1 2___ 3 4 5_____ 6_ 7___________ 8______ 9_ 10________ 11_____ 12________ 13 14______ 15__________ 16______ 17_______ 18

Chunks:
  FalsePositive nam [11,17] = Kliniki Okulistyki II Wydziału Warszawskiej Akademii Medycznej

(ChunkerEvaluator) Sentence #11685 from articles/00107892 from sent20

Text  : Przeniosł em wtedy prywatną praktykę okulistyczną do Warszawy , w  związku z  którą przez okres ponad 20 lat :  -  świadczę usługi wyłącznie prywatnie ,  rozliczając się z  urzędem skarbowym na zasadzie pełnej księgowości ,  -  nigdy nie ubiegał em się o  kontrakt z  NFZ i  nie zawarł em takiego kontraktu .
Tokens: 1________ 2_ 3____ 4_______ 5_______ 6___________ 7_ 8_______ 9 10 11_____ 12 13___ 14___ 15___ 16___ 17 18_ 19 20 21______ 22____ 23_______ 24_______ 25 26_________ 27_ 28 29_____ 30_______ 31 32______ 33____ 34_________ 35 36 37___ 38_ 39_____ 40 41_ 42 43______ 44 45_ 46 47_ 48____ 49 50_____ 51_______ 52

Chunks:
  TruePositive nam [8,8] = Warszawy
  TruePositive nam [45,45] = NFZ

(ChunkerEvaluator) Sentence #11686 from articles/00107892 from sent21

Text  : Od 7 lat Centrum Mikrochirurgii Oka „ Laser ” jest kierowane przez dyrektora ,  a  ja osobiście ,  5  do 6  razy w  miesiącu ,  udzielam prywatnych konsultacji lub wykonuję zabiegi operacyjne .
Tokens: 1_ 2 3__ 4______ 5_____________ 6__ 7 8____ 9 10__ 11_______ 12___ 13_______ 14 15 16 17_______ 18 19 20 21 22__ 23 24______ 25 26______ 27________ 28_________ 29_ 30______ 31_____ 32________ 33

Chunks:
  FalsePositive nam [4,6] = Centrum Mikrochirurgii Oka
  FalsePositive nam [8,8] = Laser
  FalseNegative nam [4,9] = Centrum Mikrochirurgii Oka „ Laser ”

(ChunkerEvaluator) Sentence #11687 from articles/00107892 from sent22

Text  : Po rozpoczęciu przeze mnie pracy w Warszawie , w Klinice Okulistyki wykonywali śmy 60 -  80 przeszczepów rogówki rocznie .
Tokens: 1_ 2__________ 3_____ 4___ 5____ 6 7________ 8 9 10_____ 11________ 12________ 13_ 14 15 16 17__________ 18_____ 19_____ 20

Chunks:
  TruePositive nam [7,7] = Warszawie
  FalsePositive nam [10,11] = Klinice Okulistyki
  FalseNegative nam [11,11] = Okulistyki

(ChunkerEvaluator) Sentence #11688 from articles/00107892 from sent23

Text  : Żaden z czterech polskich ośrodków , dokonujących wówczas przeszczepów rogówki ,  nie wykonywał ich więcej .
Tokens: 1____ 2 3_______ 4_______ 5_______ 6 7___________ 8______ 9___________ 10_____ 11 12_ 13_______ 14_ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #11689 from articles/00107892 from sent24

Text  : W przekonaniu , że zorganizowanie banku rogówki jest niezbędne dla zwiększenia ilości przeszczepów ,  rozpoczął em żmudne starania i  dzięki zrozumieniu i  pomocy ówczesnego ministra zdrowia ,  w  1995 r  .  udało się uruchomić Bank Tkanek Oka w  Warszawie .
Tokens: 1 2__________ 3 4_ 5_____________ 6____ 7______ 8___ 9________ 10_ 11_________ 12____ 13__________ 14 15_______ 16 17____ 18______ 19 20____ 21_________ 22 23____ 24________ 25______ 26_____ 27 28 29__ 30 31 32___ 33_ 34_______ 35__ 36____ 37_ 38 39_______ 40

Chunks:
  TruePositive nam [35,37] = Bank Tkanek Oka
  TruePositive nam [39,39] = Warszawie

(ChunkerEvaluator) Sentence #11690 from articles/00107892 from sent25

Text  : W rezultacie , z roku na rok zwiększano liczbę pobrań rogówki ,  aby w  2011 roku osiągnąć 564 pobrania .
Tokens: 1 2_________ 3 4 5___ 6_ 7__ 8_________ 9_____ 10____ 11_____ 12 13_ 14 15__ 16__ 17______ 18_ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #11691 from articles/00107892 from sent26

Text  : Dawcy pochodzą z Warszawy i okolicy , a przeszczepy wykonywane są u  pacjentów z  całej Polski .
Tokens: 1____ 2_______ 3 4_______ 5 6______ 7 8 9__________ 10________ 11 12 13_______ 14 15___ 16____ 17

Chunks:
  TruePositive nam [4,4] = Warszawy
  TruePositive nam [16,16] = Polski

(ChunkerEvaluator) Sentence #11692 from articles/00107892 from sent27

Text  : Pozwoliło to wykonać 318 przeszczepów , w tym 262 w  kierowanym przeze mnie Klinicznym Szpitalu Okulistycznym .
Tokens: 1________ 2_ 3______ 4__ 5___________ 6 7 8__ 9__ 10 11________ 12____ 13__ 14________ 15______ 16___________ 17

Chunks:
  TruePositive nam [14,16] = Klinicznym Szpitalu Okulistycznym

(ChunkerEvaluator) Sentence #11693 from articles/00107892 from sent28

Text  : Te wyniki , a nie pomówienia mówią prawdę o jakości i  skuteczności pracy ,  jaką wykonywał em dla dobra pacjentów .
Tokens: 1_ 2_____ 3 4 5__ 6_________ 7____ 8_____ 9 10_____ 11 12__________ 13___ 14 15__ 16_______ 17 18_ 19___ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #11694 from articles/00107892 from sent29

Text  : Będę ją kontynuował tak długo , jak pozwolą mi na to siły .
Tokens: 1___ 2_ 3__________ 4__ 5____ 6 7__ 8______ 9_ 10 11 12__ 13

Chunks:

2016-10-27 15:00:11,455 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 517 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107893.xml
(ChunkerEvaluator) Sentence #11695 from articles/00107893 from sent1

Text  : Krystian Okrutny walczy o Rakietę Karoliny Woźniackiej
Tokens: 1_______ 2______ 3_____ 4 5______ 6_______ 7__________

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [5,7] = Rakietę Karoliny Woźniackiej

(ChunkerEvaluator) Sentence #11696 from articles/00107893 from sent2

Text  : W Warszawie odbył się cykl trzech turniejów eliminacyjnych do lat 10 o  Rakietę Karoliny Woźniackiej .
Tokens: 1 2________ 3____ 4__ 5___ 6_____ 7________ 8_____________ 9_ 10_ 11 12 13_____ 14______ 15_________ 16

Chunks:
  TruePositive nam [2,2] = Warszawie
  TruePositive nam [13,15] = Rakietę Karoliny Woźniackiej
  FalsePositive nam [14,15] = Karoliny Woźniackiej

(ChunkerEvaluator) Sentence #11697 from articles/00107893 from sent3

Text  : Dobrze w zawodach spisał się radomianin Krystian Okrutny , który uzyskał awans do rozgrywek regionalnych .
Tokens: 1_____ 2 3_______ 4_____ 5__ 6_________ 7_______ 8______ 9 10___ 11_____ 12___ 13 14_______ 15__________ 16

Chunks:
  TruePositive nam [7,8] = Krystian Okrutny
  FalseNegative nam [6,6] = radomianin

(ChunkerEvaluator) Sentence #11698 from articles/00107893 from sent4

Text  : Zawody eliminacyjne , oprócz Warszawy , odbywały się jeszcze w  Bydgoszczy i  we Wrocławiu .
Tokens: 1_____ 2___________ 3 4_____ 5_______ 6 7_______ 8__ 9______ 10 11________ 12 13 14_______ 15

Chunks:
  TruePositive nam [5,5] = Warszawy
  TruePositive nam [11,11] = Bydgoszczy
  TruePositive nam [14,14] = Wrocławiu

(ChunkerEvaluator) Sentence #11699 from articles/00107893 from sent5

Text  : Zwycięzcy z eliminacji zagrają w rozgrywkach regionalnych , które już 1  września rozegrane zostaną w  stolicy .
Tokens: 1________ 2 3_________ 4______ 5 6__________ 7___________ 8 9____ 10_ 11 12______ 13_______ 14_____ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11700 from articles/00107893 from sent6

Text  : Z kolei najlepsi - młodzi adepci tenisa z tych rozgrywek -  zagrają w  wielkim finale o  Rakietę Karoliny Woźniackiej .
Tokens: 1 2____ 3_______ 4 5_____ 6_____ 7_____ 8 9___ 10_______ 11 12_____ 13 14_____ 15____ 16 17_____ 18______ 19_________ 20

Chunks:
  TruePositive nam [17,19] = Rakietę Karoliny Woźniackiej

(ChunkerEvaluator) Sentence #11701 from articles/00107893 from sent7

Text  : Z RKT Return Radom w Warszawie wystartował Krystian Okrutny i  po cyklu trzech turniejów zakwalifikował się do kolejnej tury zawodów .
Tokens: 1 2__ 3_____ 4____ 5 6________ 7__________ 8_______ 9______ 10 11 12___ 13____ 14_______ 15____________ 16_ 17 18______ 19__ 20_____ 21

Chunks:
  TruePositive nam [6,6] = Warszawie
  TruePositive nam [8,9] = Krystian Okrutny
  FalsePositive nam [3,4] = Return Radom
  FalseNegative nam [2,4] = RKT Return Radom

(ChunkerEvaluator) Sentence #11702 from articles/00107893 from sent8

Text  : Radomianin w pierwszym turnieju zajął drugie miejsce , w drugim dotarł do ćwierćfinału ,  a  w  trzecim turnieju uplasował się na trzecim miejscu .
Tokens: 1_________ 2 3________ 4_______ 5____ 6_____ 7______ 8 9 10____ 11____ 12 13__________ 14 15 16 17_____ 18______ 19_______ 20_ 21 22_____ 23_____ 24

Chunks:
  FalseNegative nam [1,1] = Radomianin

(ChunkerEvaluator) Sentence #11703 from articles/00107893 from sent9

Text  : W klasyfikacji ogólnej zajął czwarte miejsce .
Tokens: 1 2___________ 3______ 4____ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #11704 from articles/00107893 from sent10

Text  : Wyniki :
Tokens: 1_____ 2

Chunks:

(ChunkerEvaluator) Sentence #11705 from articles/00107893 from sent11

Text  : I turniej
Tokens: 1 2______

Chunks:

(ChunkerEvaluator) Sentence #11706 from articles/00107893 from sent12

Text  : Krystian Okrutny - Marysia Mierzejewska 6 : 7 7 :  6  10 :  5
Tokens: 1_______ 2______ 3 4______ 5___________ 6 7 8 9 10 11 12 13 14

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Marysia Mierzejewska

(ChunkerEvaluator) Sentence #11707 from articles/00107893 from sent13

Text  : Krystian Okrutny - Weronika Ejmont 6 : 4 6 :  2
Tokens: 1_______ 2______ 3 4_______ 5_____ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Weronika Ejmont

(ChunkerEvaluator) Sentence #11708 from articles/00107893 from sent14

Text  : Krystian Okrutny - Michał Zabucki 6 : 4 6 :  4
Tokens: 1_______ 2______ 3 4_____ 5______ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Michał Zabucki

(ChunkerEvaluator) Sentence #11709 from articles/00107893 from sent15

Text  : Krystian Okrutny - Piotr Strzałkowski 3 : 6 3 :  6
Tokens: 1_______ 2______ 3 4____ 5___________ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Piotr Strzałkowski

(ChunkerEvaluator) Sentence #11710 from articles/00107893 from sent16

Text  : II turniej
Tokens: 1_ 2______

Chunks:

(ChunkerEvaluator) Sentence #11711 from articles/00107893 from sent17

Text  : Krystian Okrutny - Marysia Mierzejewska 6 : 4 6 :  7  10 :  5
Tokens: 1_______ 2______ 3 4______ 5___________ 6 7 8 9 10 11 12 13 14

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Marysia Mierzejewska

(ChunkerEvaluator) Sentence #11712 from articles/00107893 from sent18

Text  : Krystian Okrutny - Aleksander Orlikowski 3 : 6 4 :  6
Tokens: 1_______ 2______ 3 4_________ 5_________ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Aleksander Orlikowski

(ChunkerEvaluator) Sentence #11713 from articles/00107893 from sent19

Text  : III turniej
Tokens: 1__ 2______

Chunks:

(ChunkerEvaluator) Sentence #11714 from articles/00107893 from sent20

Text  : Krystian Okrutny - Michał Jedynak 7 : 5 6 :  3
Tokens: 1_______ 2______ 3 4_____ 5______ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Michał Jedynak

(ChunkerEvaluator) Sentence #11715 from articles/00107893 from sent21

Text  : Krystian Okrutny - Laura Koralnik 6 : 4 6 :  3
Tokens: 1_______ 2______ 3 4____ 5_______ 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Laura Koralnik

(ChunkerEvaluator) Sentence #11716 from articles/00107893 from sent22

Text  : Krystian Okrutny - Patryk Stokowski 4 : 6 5 :  7  .
Tokens: 1_______ 2______ 3 4_____ 5________ 6 7 8 9 10 11 12

Chunks:
  TruePositive nam [1,2] = Krystian Okrutny
  TruePositive nam [4,5] = Patryk Stokowski

2016-10-27 15:00:11,525 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 518 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107894.xml
(ChunkerEvaluator) Sentence #11717 from articles/00107894 from sent1

Text  : Trzymanie książki w domu cztery razy droższe
Tokens: 1________ 2______ 3 4___ 5_____ 6___ 7______

Chunks:

(ChunkerEvaluator) Sentence #11718 from articles/00107894 from sent2

Text  : Od 1 września Wojewódzka i Miejska Biblioteka Publiczna w Rzeszowie wprowadza nowe opłaty za przetrzymanie książek -  za każdy dzień zwłoki trzeba będzie zapłacić 20 gr .  To cztery razy więcej niż do tej pory .
Tokens: 1_ 2 3_______ 4_________ 5 6______ 7_________ 8________ 9 10_______ 11_______ 12__ 13____ 14 15___________ 16_____ 17 18 19___ 20___ 21____ 22____ 23____ 24______ 25 26 27 28 29____ 30__ 31____ 32_ 33 34_ 35__ 36

Chunks:
  TruePositive nam [10,10] = Rzeszowie
  TruePositive nam [26,26] = gr
  FalsePositive nam [4,4] = Wojewódzka
  FalsePositive nam [6,8] = Miejska Biblioteka Publiczna
  FalseNegative nam [4,8] = Wojewódzka i Miejska Biblioteka Publiczna

(ChunkerEvaluator) Sentence #11719 from articles/00107894 from sent3

Text  : W sieci bibliotek publicznych na terenie Rzeszowa tylko do końca września za każdy dzień przetrzymywania książki zapłacimy starą karę -  5  gr .
Tokens: 1 2____ 3________ 4__________ 5_ 6______ 7_______ 8____ 9_ 10___ 11______ 12 13___ 14___ 15_____________ 16_____ 17_______ 18___ 19__ 20 21 22 23

Chunks:
  TruePositive nam [7,7] = Rzeszowa
  FalseNegative nam [22,22] = gr

(ChunkerEvaluator) Sentence #11720 from articles/00107894 from sent4

Text  : - To jedna z najniższych opłat w kraju , która przez wiele lat nie była zmieniania -  informuje Barbara Chmura ,  dyrektor Wojewódzkiej i  Miejskiej Biblioteki Publicznej w  Rzeszowie .
Tokens: 1 2_ 3____ 4 5__________ 6____ 7 8____ 9 10___ 11___ 12___ 13_ 14_ 15__ 16________ 17 18_______ 19_____ 20____ 21 22______ 23__________ 24 25_______ 26________ 27________ 28 29_______ 30

Chunks:
  TruePositive nam [19,20] = Barbara Chmura
  TruePositive nam [29,29] = Rzeszowie
  FalsePositive nam [23,23] = Wojewódzkiej
  FalsePositive nam [25,27] = Miejskiej Biblioteki Publicznej
  FalseNegative nam [23,27] = Wojewódzkiej i Miejskiej Biblioteki Publicznej

(ChunkerEvaluator) Sentence #11721 from articles/00107894 from sent5

Text  : Planowana od 1 września stawka wynosi 20 gr za każdy dzień przetrzymania książki po terminie .
Tokens: 1________ 2_ 3 4_______ 5_____ 6_____ 7_ 8_ 9_ 10___ 11___ 12___________ 13_____ 14 15______ 16

Chunks:
  FalseNegative nam [8,8] = gr

(ChunkerEvaluator) Sentence #11722 from articles/00107894 from sent6

Text  : Według regulaminu biblioteki książki pożycza się na miesiąc .
Tokens: 1_____ 2_________ 3_________ 4______ 5______ 6__ 7_ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #11723 from articles/00107894 from sent7

Text  : W przypadku większości wypożyczeń termin można wydłużyć nawet cztery razy .
Tokens: 1 2________ 3_________ 4_________ 5_____ 6____ 7_______ 8____ 9_____ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #11724 from articles/00107894 from sent8

Text  : Można zrobić to w bibliotece , telefonicznie lub przez e  -  mail .
Tokens: 1____ 2_____ 3_ 4 5_________ 6 7____________ 8__ 9____ 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #11725 from articles/00107894 from sent9

Text  : Jednak nie wszyscy decydują się na prolongatę .
Tokens: 1_____ 2__ 3______ 4_______ 5__ 6_ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #11726 from articles/00107894 from sent10

Text  : - Rekordziści przetrzymują książki nawet 5 lat - mówi Barbara Chmura .
Tokens: 1 2__________ 3___________ 4______ 5____ 6 7__ 8 9___ 10_____ 11____ 12

Chunks:
  TruePositive nam [10,11] = Barbara Chmura

(ChunkerEvaluator) Sentence #11727 from articles/00107894 from sent11

Text  : - Tłumaczą się np . tym , ze zmienili adres .
Tokens: 1 2_______ 3__ 4_ 5 6__ 7 8_ 9_______ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #11728 from articles/00107894 from sent12

Text  : Chcemy , żeby system funkcjonował prawidłowo - książki mają być dostępne dla wszystkich .
Tokens: 1_____ 2 3___ 4_____ 5___________ 6_________ 7 8______ 9___ 10_ 11______ 12_ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #11729 from articles/00107894 from sent13

Text  : Niejednokrotnie w kolejce czeka 10 osób - a ktoś trzyma książkę w  domu -  dodaje dyrektor Chmura .
Tokens: 1______________ 2 3______ 4____ 5_ 6___ 7 8 9___ 10____ 11_____ 12 13__ 14 15____ 16______ 17____ 18

Chunks:
  TruePositive nam [17,17] = Chmura

2016-10-27 15:00:11,586 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 519 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107895.xml
(ChunkerEvaluator) Sentence #11730 from articles/00107895 from sent1

Text  : Korona Kielce nie leży Śląskowi .
Tokens: 1_____ 2_____ 3__ 4___ 5_______ 6

Chunks:
  TruePositive nam [1,2] = Korona Kielce
  TruePositive nam [5,5] = Śląskowi

(ChunkerEvaluator) Sentence #11731 from articles/00107895 from sent2

Text  : W ekstraklasie wrocławianie jeszcze z nią nie wygrali
Tokens: 1 2___________ 3___________ 4______ 5 6__ 7__ 8______

Chunks:

(ChunkerEvaluator) Sentence #11732 from articles/00107895 from sent3

Text  : Jeszcze w II lidze Śląsk potrafił pokonać Koronę aż 7  :  0  ,  ale w  ekstraklasie nie wygrał z  nią ani razu .
Tokens: 1______ 2 3_ 4____ 5____ 6_______ 7______ 8_____ 9_ 10 11 12 13 14_ 15 16__________ 17_ 18____ 19 20_ 21_ 22__ 23

Chunks:
  TruePositive nam [5,5] = Śląsk
  TruePositive nam [8,8] = Koronę

(ChunkerEvaluator) Sentence #11733 from articles/00107895 from sent4

Text  : Do tej pory Śląsk rywalizował z Koroną dziewięciokrotnie .
Tokens: 1_ 2__ 3___ 4____ 5__________ 6 7_____ 8________________ 9

Chunks:
  TruePositive nam [4,4] = Śląsk
  TruePositive nam [7,7] = Koroną

(ChunkerEvaluator) Sentence #11734 from articles/00107895 from sent5

Text  : Bilans meczów to dwa zwycięstwa Śląska , trzy remisy i  cztery wygrane Korony .
Tokens: 1_____ 2_____ 3_ 4__ 5_________ 6_____ 7 8___ 9_____ 10 11____ 12_____ 13____ 14

Chunks:
  TruePositive nam [6,6] = Śląska
  TruePositive nam [13,13] = Korony

(ChunkerEvaluator) Sentence #11735 from articles/00107895 from sent6

Text  : Pierwszy raz oba zespoły zmierzyły się 25 września 1985 roku ,  w  ramach 1  /  16 finału Pucharu Polski .
Tokens: 1_______ 2__ 3__ 4______ 5________ 6__ 7_ 8_______ 9___ 10__ 11 12 13____ 14 15 16 17____ 18_____ 19____ 20

Chunks:
  TruePositive nam [18,19] = Pucharu Polski

(ChunkerEvaluator) Sentence #11736 from articles/00107895 from sent7

Text  : Wrocławianie wygrali wówczas na wyjeździe 3 : 1 .
Tokens: 1___________ 2______ 3______ 4_ 5________ 6 7 8 9

Chunks:
  FalseNegative nam [1,1] = Wrocławianie

(ChunkerEvaluator) Sentence #11737 from articles/00107895 from sent8

Text  : Na ligowy pojedynek tych drużyn trzeba było czekać do sezonu 1999 /  2000 .
Tokens: 1_ 2_____ 3________ 4___ 5_____ 6_____ 7___ 8_____ 9_ 10____ 11__ 12 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #11738 from articles/00107895 from sent9

Text  : Śląsk walczył wówczas o powrót do ekstraklasy i najpierw zremisował bezbramkowo w  Kielcach ,  a  przy Oporowskiej rozbił Koronę aż 7  :  0  .
Tokens: 1____ 2______ 3______ 4 5_____ 6_ 7__________ 8 9_______ 10________ 11_________ 12 13______ 14 15 16__ 17_________ 18____ 19____ 20 21 22 23 24

Chunks:
  TruePositive nam [13,13] = Kielcach
  TruePositive nam [17,17] = Oporowskiej
  TruePositive nam [19,19] = Koronę
  FalseNegative nam [1,1] = Śląsk

(ChunkerEvaluator) Sentence #11739 from articles/00107895 from sent10

Text  : Było to ostatnie zwycięstwo Śląska nad kieleckim zespołem .
Tokens: 1___ 2_ 3_______ 4_________ 5_____ 6__ 7________ 8_______ 9

Chunks:
  TruePositive nam [5,5] = Śląska

(ChunkerEvaluator) Sentence #11740 from articles/00107895 from sent11

Text  : Ponownie obie drużyny zmierzyły się w 2009 roku , kiedy to Korona awansowała do ekstraklasy .
Tokens: 1_______ 2___ 3______ 4________ 5__ 6 7___ 8___ 9 10___ 11 12____ 13________ 14 15_________ 16

Chunks:
  TruePositive nam [12,12] = Korona

(ChunkerEvaluator) Sentence #11741 from articles/00107895 from sent12

Text  : Mecze w Kielcach i we Wrocławiu zakończyły się remisami 1  :  1  .
Tokens: 1____ 2 3_______ 4 5_ 6________ 7_________ 8__ 9_______ 10 11 12 13

Chunks:
  TruePositive nam [3,3] = Kielcach
  TruePositive nam [6,6] = Wrocławiu

(ChunkerEvaluator) Sentence #11742 from articles/00107895 from sent13

Text  : Cztery ostatnie mecze zakończyły się zwycięstwami Korony .
Tokens: 1_____ 2_______ 3____ 4_________ 5__ 6___________ 7_____ 8

Chunks:
  TruePositive nam [7,7] = Korony

2016-10-27 15:00:11,637 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 520 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107897.xml
(ChunkerEvaluator) Sentence #11743 from articles/00107897 from sent1

Text  : Deficyt obrotów bieżących wzrósł w XI do 740 mln USD (  opis )
Tokens: 1______ 2______ 3________ 4_____ 5 6_ 7_ 8__ 9__ 10_ 11 12__ 13

Chunks:
  TruePositive nam [10,10] = USD

(ChunkerEvaluator) Sentence #11744 from articles/00107897 from sent2

Text  : FINANSE - BILANS - NBP - MAKRO - OPIS -  WD
Tokens: 1______ 2 3_____ 4 5__ 6 7____ 8 9___ 10 11

Chunks:
  FalsePositive nam [1,11] = FINANSE - BILANS - NBP - MAKRO - OPIS - WD
  FalseNegative nam [5,5] = NBP

(ChunkerEvaluator) Sentence #11745 from articles/00107897 from sent3

Text  : 27 . 12 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #11746 from articles/00107897 from sent4

Text  : Warszawa ( PAP ) - Deficyt obrotów bieżących w listopadzie wzrósł do 740 mln USD ,  z  606 mln USD w  październiku ,  czyli znacznie powyżej oczekiwań rynku -  poinformował Narodowy Bank Polski w  piątek .
Tokens: 1_______ 2 3__ 4 5 6______ 7______ 8________ 9 10_________ 11____ 12 13_ 14_ 15_ 16 17 18_ 19_ 20_ 21 22__________ 23 24___ 25______ 26_____ 27_______ 28___ 29 30__________ 31______ 32__ 33____ 34 35____ 36

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [15,15] = USD
  TruePositive nam [20,20] = USD
  TruePositive nam [31,33] = Narodowy Bank Polski

(ChunkerEvaluator) Sentence #11747 from articles/00107897 from sent5

Text  : Ekonomiści prognozowali spadek deficytu obrotów bieżących w listopadzie do 464 mln USD ,  z  562 mln USD w  październiku i  zmniejszenie wpływów z  eksportu i  wypłat na import .
Tokens: 1_________ 2___________ 3_____ 4_______ 5______ 6________ 7 8__________ 9_ 10_ 11_ 12_ 13 14 15_ 16_ 17_ 18 19__________ 20 21__________ 22_____ 23 24______ 25 26____ 27 28____ 29

Chunks:
  TruePositive nam [12,12] = USD
  TruePositive nam [17,17] = USD

(ChunkerEvaluator) Sentence #11748 from articles/00107897 from sent6

Text  : Według Grzegorza Wójtowicza z Rady Polityki Pieniężnej , deficyt obrotów bieżących w  ujęciu dwunastomiesięcznym wzrósł po listopadzie do 3  ,  6  proc .  PKB ,  z  3  ,  5  proc .  po październiku .
Tokens: 1_____ 2________ 3_________ 4 5___ 6_______ 7_________ 8 9______ 10_____ 11_______ 12 13____ 14_________________ 15____ 16 17_________ 18 19 20 21 22__ 23 24_ 25 26 27 28 29 30__ 31 32 33__________ 34

Chunks:
  TruePositive nam [2,3] = Grzegorza Wójtowicza
  TruePositive nam [5,7] = Rady Polityki Pieniężnej
  FalsePositive nam [24,24] = PKB

(ChunkerEvaluator) Sentence #11749 from articles/00107897 from sent7

Text  : Deficyt obrotów bieżących po 11 . miesiącach 2002 spadł do 6  .  205 mln USD ,  z  6  .  667 mln USD po 11 .  miesiącach 2001 .
Tokens: 1______ 2______ 3________ 4_ 5_ 6 7_________ 8___ 9____ 10 11 12 13_ 14_ 15_ 16 17 18 19 20_ 21_ 22_ 23 24 25 26________ 27__ 28

Chunks:
  TruePositive nam [15,15] = USD
  TruePositive nam [22,22] = USD

(ChunkerEvaluator) Sentence #11750 from articles/00107897 from sent8

Text  : Deficyt towarowy wyniósł w listopadzie 1 . 025 mln USD ,  czyli był niewiele niższy ,  niż w  październiku (  1  .  027 mln USD )  .
Tokens: 1______ 2_______ 3______ 4 5__________ 6 7 8__ 9__ 10_ 11 12___ 13_ 14______ 15____ 16 17_ 18 19__________ 20 21 22 23_ 24_ 25_ 26 27

Chunks:
  TruePositive nam [10,10] = USD
  TruePositive nam [25,25] = USD

(ChunkerEvaluator) Sentence #11751 from articles/00107897 from sent9

Text  : Wpływy z eksportu wzrosły w porównaniu z listopadem 2001 roku o  19 ,  6  proc .  i  wyniosły 3  .  057 mln USD ,  a  wydatki na import wzrosły o  16 ,  4  proc .  i  wyniosły 4  .  082 mln USD .
Tokens: 1_____ 2 3_______ 4______ 5 6_________ 7 8_________ 9___ 10__ 11 12 13 14 15__ 16 17 18______ 19 20 21_ 22_ 23_ 24 25 26_____ 27 28____ 29_____ 30 31 32 33 34__ 35 36 37______ 38 39 40_ 41_ 42_ 43

Chunks:
  TruePositive nam [23,23] = USD
  TruePositive nam [42,42] = USD

(ChunkerEvaluator) Sentence #11752 from articles/00107897 from sent10

Text  : W ciągu jedenastu miesięcy 2002 roku wpływy z eksportu wyniosły 29 .  740 mln USD i  były o  7  ,  2  proc .  wyższe ,  niż w  tym samym okresie 2001 roku ,  a  wydatki na import wyniosły 39 .  033 mln USD i  były o  1  ,  3  proc .  wyższe .
Tokens: 1 2____ 3________ 4_______ 5___ 6___ 7_____ 8 9_______ 10______ 11 12 13_ 14_ 15_ 16 17__ 18 19 20 21 22__ 23 24____ 25 26_ 27 28_ 29___ 30_____ 31__ 32__ 33 34 35_____ 36 37____ 38______ 39 40 41_ 42_ 43_ 44 45__ 46 47 48 49 50__ 51 52____ 53

Chunks:
  TruePositive nam [15,15] = USD
  TruePositive nam [43,43] = USD

(ChunkerEvaluator) Sentence #11753 from articles/00107897 from sent11

Text  : Eksport wyrażony w euro wyniósł w listopadzie 2002 roku 3  .  053 mln euro i  był o  6  ,  1  proc .  wyższy ,  niż w  listopadzie 2001 roku ,  a  import wyniósł w  listopadzie 2002 roku 4  .  077 mln euro i  był 3  ,  1  proc .  wyższy ,  niż w  tym samym miesiącu ubiegłego roku .
Tokens: 1______ 2_______ 3 4___ 5______ 6 7__________ 8___ 9___ 10 11 12_ 13_ 14__ 15 16_ 17 18 19 20 21__ 22 23____ 24 25_ 26 27_________ 28__ 29__ 30 31 32____ 33_____ 34 35_________ 36__ 37__ 38 39 40_ 41_ 42__ 43 44_ 45 46 47 48__ 49 50____ 51 52_ 53 54_ 55___ 56______ 57_______ 58__ 59

Chunks:
  TruePositive nam [4,4] = euro
  TruePositive nam [14,14] = euro
  TruePositive nam [42,42] = euro

(ChunkerEvaluator) Sentence #11754 from articles/00107897 from sent12

Text  : Saldo usług w listopadzie pogłębiło się do minus 101 mln USD ,  z  minus 26 mln USD w  październiku .
Tokens: 1____ 2____ 3 4__________ 5________ 6__ 7_ 8____ 9__ 10_ 11_ 12 13 14___ 15 16_ 17_ 18 19__________ 20

Chunks:
  TruePositive nam [11,11] = USD
  TruePositive nam [17,17] = USD

(ChunkerEvaluator) Sentence #11755 from articles/00107897 from sent13

Text  : Wpływy zmniejszyły się do 359 mln USD , z 390 mln USD w  październiku ,  a  wypłaty za usługi zwiększyły się do 460 mln USD ,  z  416 mln USD w  październiku .
Tokens: 1_____ 2__________ 3__ 4_ 5__ 6__ 7__ 8 9 10_ 11_ 12_ 13 14__________ 15 16 17_____ 18 19____ 20________ 21_ 22 23_ 24_ 25_ 26 27 28_ 29_ 30_ 31 32__________ 33

Chunks:
  TruePositive nam [7,7] = USD
  TruePositive nam [12,12] = USD
  TruePositive nam [25,25] = USD
  TruePositive nam [30,30] = USD

(ChunkerEvaluator) Sentence #11756 from articles/00107897 from sent14

Text  : Ujemne saldo dochodów zmniejszyło się do minus 101 mln USD ,  z  minus 200 mln USD w  październiku .
Tokens: 1_____ 2____ 3_______ 4__________ 5__ 6_ 7____ 8__ 9__ 10_ 11 12 13___ 14_ 15_ 16_ 17 18__________ 19

Chunks:
  TruePositive nam [10,10] = USD
  TruePositive nam [16,16] = USD

(ChunkerEvaluator) Sentence #11757 from articles/00107897 from sent15

Text  : Wpływy spadły do 167 mln USD , z 201 mln USD w  październiku ,  a  wypłaty wzrosły do 268 mln USD ,  z  401 mln USD w  październiku .
Tokens: 1_____ 2_____ 3_ 4__ 5__ 6__ 7 8 9__ 10_ 11_ 12 13__________ 14 15 16_____ 17_____ 18 19_ 20_ 21_ 22 23 24_ 25_ 26_ 27 28__________ 29

Chunks:
  TruePositive nam [6,6] = USD
  TruePositive nam [11,11] = USD
  TruePositive nam [21,21] = USD
  TruePositive nam [26,26] = USD

(ChunkerEvaluator) Sentence #11758 from articles/00107897 from sent16

Text  : Obroty niesklasyfikowane zmniejszyły się w listopadzie do 298 mln USD ,  z  427 mln USD w  październiku .
Tokens: 1_____ 2________________ 3__________ 4__ 5 6__________ 7_ 8__ 9__ 10_ 11 12 13_ 14_ 15_ 16 17__________ 18

Chunks:
  TruePositive nam [10,10] = USD
  TruePositive nam [15,15] = USD

(ChunkerEvaluator) Sentence #11759 from articles/00107897 from sent17

Text  : Bezpośrednie inwestycje zagraniczne spadły w listopadzie do 222 mln USD ,  z  276 mln USD w  październiku .  (  PAP )
Tokens: 1___________ 2_________ 3__________ 4_____ 5 6__________ 7_ 8__ 9__ 10_ 11 12 13_ 14_ 15_ 16 17__________ 18 19 20_ 21

Chunks:
  TruePositive nam [10,10] = USD
  TruePositive nam [15,15] = USD
  TruePositive nam [20,20] = PAP

2016-10-27 15:00:11,863 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 521 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107898.xml
(ChunkerEvaluator) Sentence #11760 from articles/00107898 from sent1

Text  : Spirala nieporozumień
Tokens: 1______ 2____________

Chunks:

(ChunkerEvaluator) Sentence #11761 from articles/00107898 from sent2

Text  : Kryzys , umowa śmieciowa , wynajęta kawalerka , ale moja przyjaciółka Basia założyła spiralę antykoncepcyjną prywatnie ,  za 540 zł ,  zamiast skorzystać z  NFZ .
Tokens: 1_____ 2 3____ 4________ 5 6_______ 7________ 8 9__ 10__ 11__________ 12___ 13______ 14_____ 15_____________ 16_______ 17 18 19_ 20 21 22_____ 23________ 24 25_ 26

Chunks:
  TruePositive nam [12,12] = Basia
  TruePositive nam [20,20] = zł
  TruePositive nam [25,25] = NFZ

(ChunkerEvaluator) Sentence #11762 from articles/00107898 from sent3

Text  : Bez sensu ?
Tokens: 1__ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #11763 from articles/00107898 from sent4

Text  : Wypisała m z internetu telefony do kilku pobliskich przychodni ,  obdzwoniła m  je ,  wszędzie usłyszała m  ,  że '  '  się nie da'' .
Tokens: 1_______ 2 3 4________ 5_______ 6_ 7____ 8_________ 9_________ 10 11________ 12 13 14 15______ 16_______ 17 18 19 20 21 22_ 23_ 24__ 25

Chunks:

(ChunkerEvaluator) Sentence #11764 from articles/00107898 from sent5

Text  : Bo albo i tak musiała by m płacić , ponieważ '  '  to usługa dodatkowa '  '  ,  albo '  '  najlepiej zadzwonić do pana doktora na komórkę ,  to on się umówi prywatnie '  '  -  żali się Baśka .
Tokens: 1_ 2___ 3 4__ 5______ 6_ 7 8_____ 9 10______ 11 12 13 14____ 15_______ 16 17 18 19__ 20 21 22_______ 23_______ 24 25__ 26_____ 27 28_____ 29 30 31 32_ 33___ 34_______ 35 36 37 38__ 39_ 40___ 41

Chunks:
  TruePositive nam [40,40] = Baśka

(ChunkerEvaluator) Sentence #11765 from articles/00107898 from sent6

Text  : - Dla mnie założenie spirali to było duże przeżycie .
Tokens: 1 2__ 3___ 4________ 5______ 6_ 7___ 8___ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #11766 from articles/00107898 from sent7

Text  : Decyzja , przy okazji której musiała m poukładać sobie w  głowie wiele spraw :  że moje życie potoczyło się w  ten sposób ,  że może nie będę już miała więcej dzieci ,  choć zawsze marzyła m  o  piątce .
Tokens: 1______ 2 3___ 4_____ 5_____ 6______ 7 8________ 9____ 10 11____ 12___ 13___ 14 15 16__ 17___ 18_______ 19_ 20 21_ 22____ 23 24 25__ 26_ 27__ 28_ 29___ 30____ 31____ 32 33__ 34____ 35_____ 36 37 38____ 39

Chunks:

(ChunkerEvaluator) Sentence #11767 from articles/00107898 from sent8

Text  : To był moment , kiedy godziła m się z tym ,  że pewne młodzieńcze wyobrażenia ,  jak ma wyglądać moje życie ,  mogą się nie spełnić .
Tokens: 1_ 2__ 3_____ 4 5____ 6______ 7 8__ 9 10_ 11 12 13___ 14_________ 15_________ 16 17_ 18 19______ 20__ 21___ 22 23__ 24_ 25_ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #11768 from articles/00107898 from sent9

Text  : Ogarniała m jednocześnie to , co mam : dwójkę dzieci z  nieudanego małżeństwa i  nowy związek .
Tokens: 1________ 2 3___________ 4_ 5 6_ 7__ 8 9_____ 10____ 11 12________ 13________ 14 15__ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11769 from articles/00107898 from sent10

Text  : Jeśli zakładasz spiralę na pięć lat w wieku lat 30 ,  to nie jest to samo co pójście do kiosku po prezerwatywy ,  to decyzja życiowa .
Tokens: 1____ 2________ 3______ 4_ 5___ 6__ 7 8____ 9__ 10 11 12 13_ 14__ 15 16__ 17 18_____ 19 20____ 21 22__________ 23 24 25_____ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #11770 from articles/00107898 from sent11

Text  : I ja wtedy potrzebowała m od lekarza zrozumienia i fachowej rozmowy ,  a  nie szarpaniny o  kwitki .
Tokens: 1 2_ 3____ 4___________ 5 6_ 7______ 8__________ 9 10______ 11_____ 12 13 14_ 15________ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11771 from articles/00107898 from sent12

Text  : Basia , ' ' żeby czuć się jak człowiek '  '  ,  poszła do prywatnej kliniki ,  zapłaciła 120 zł za pierwszą wizytę ,  podczas której lekarz podjął decyzję ,  że spiralę można zakładać ,  120 zł za drugą ,  podczas której została ona założona plus 300 zł dodatkowo za samo założenie .
Tokens: 1____ 2 3 4 5___ 6___ 7__ 8__ 9_______ 10 11 12 13____ 14 15_______ 16_____ 17 18_______ 19_ 20 21 22______ 23____ 24 25_____ 26____ 27____ 28____ 29_____ 30 31 32_____ 33___ 34______ 35 36_ 37 38 39___ 40 41_____ 42____ 43_____ 44_ 45______ 46__ 47_ 48 49_______ 50 51__ 52_______ 53

Chunks:
  TruePositive nam [20,20] = zł
  TruePositive nam [37,37] = zł
  TruePositive nam [48,48] = zł
  FalsePositive nam [1,1] = Basia

(ChunkerEvaluator) Sentence #11772 from articles/00107898 from sent13

Text  : Spiralę kupiła w aptece za 50 zł ( są też takie po 850 zł )  .
Tokens: 1______ 2_____ 3 4_____ 5_ 6_ 7_ 8 9_ 10_ 11___ 12 13_ 14 15 16

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #11773 from articles/00107898 from sent14

Text  : Basia nie jest osobą , która może sobie pozwolić na lekkomyślne przepuszczenie takiej sumy .
Tokens: 1____ 2__ 3___ 4____ 5 6____ 7___ 8____ 9_______ 10 11_________ 12____________ 13____ 14__ 15

Chunks:
  FalsePositive nam [1,1] = Basia

(ChunkerEvaluator) Sentence #11774 from articles/00107898 from sent15

Text  : Postanawiam zatem sprawdzić , jak to z tymi spiralami jest .
Tokens: 1__________ 2____ 3________ 4 5__ 6_ 7 8___ 9________ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #11775 from articles/00107898 from sent16

Text  : Wypisuję telefony do przychodni blisko mojego miejsca zamieszkania , dzwonię .
Tokens: 1_______ 2_______ 3_ 4_________ 5_____ 6_____ 7______ 8___________ 9 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #11776 from articles/00107898 from sent17

Text  : W dwóch wita mnie chichot .
Tokens: 1 2____ 3___ 4___ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #11777 from articles/00107898 from sent18

Text  : Mogę się tylko domyślać , czy dla pań recepcjonistek słowo '  '  spirala '  '  jest żenujące ,  zabawne ,  czy może wstydliwe .
Tokens: 1___ 2__ 3____ 4_______ 5 6__ 7__ 8__ 9_____________ 10___ 11 12 13_____ 14 15 16__ 17______ 18 19_____ 20 21_ 22__ 23_______ 24

Chunks:

(ChunkerEvaluator) Sentence #11778 from articles/00107898 from sent19

Text  : - Nie każdy ginekolog u nas wykonuje taki zabieg -  informuje mnie pani w  trzeciej przychodni .
Tokens: 1 2__ 3____ 4________ 5 6__ 7_______ 8___ 9_____ 10 11_______ 12__ 13__ 14 15______ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #11779 from articles/00107898 from sent20

Text  : - A ilu jest lekarzy ?
Tokens: 1 2 3__ 4___ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #11780 from articles/00107898 from sent21

Text  : - Trzech .
Tokens: 1 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #11781 from articles/00107898 from sent22

Text  : - Ilu wykonuje ?
Tokens: 1 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #11782 from articles/00107898 from sent23

Text  : - Chyba jeden , ale o to trzeba pytać bezpośrednio lekarza .
Tokens: 1 2____ 3____ 4 5__ 6 7_ 8_____ 9____ 10__________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #11783 from articles/00107898 from sent24

Text  : - A dlaczego nie każdy zakłada spiralę ?
Tokens: 1 2 3_______ 4__ 5____ 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11784 from articles/00107898 from sent25

Text  : - Nie wiem , może nie ma sprzętu , to zależy od doktora ,  najlepiej umówić się na wizytę i  spytać w  gabinecie .
Tokens: 1 2__ 3___ 4 5___ 6__ 7_ 8______ 9 10 11____ 12 13_____ 14 15_______ 16____ 17_ 18 19____ 20 21____ 22 23_______ 24

Chunks:

(ChunkerEvaluator) Sentence #11785 from articles/00107898 from sent26

Text  : Czy naprawdę mam umawiać się w ciemno na wizytę z  jednym z  trzech lekarzy tylko po to ,  żeby poinformował mnie ,  że nie zakłada spiral ?
Tokens: 1__ 2_______ 3__ 4______ 5__ 6 7_____ 8_ 9_____ 10 11____ 12 13____ 14_____ 15___ 16 17 18 19__ 20__________ 21__ 22 23 24_ 25_____ 26____ 27

Chunks:

(ChunkerEvaluator) Sentence #11786 from articles/00107898 from sent27

Text  : Recepcjonistka potwierdza , że to jedyne wyjście .
Tokens: 1_____________ 2_________ 3 4_ 5_ 6_____ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11787 from articles/00107898 from sent28

Text  : W czwartej przychodni pani zapewnia , że w ramach ubezpieczenia NFZ w  ogóle nie można założyć spirali :  -  To dodatkowa usługa ,  więc można tylko prywatnie .
Tokens: 1 2_______ 3_________ 4___ 5_______ 6 7_ 8 9_____ 10___________ 11_ 12 13___ 14_ 15___ 16_____ 17_____ 18 19 20 21_______ 22____ 23 24__ 25___ 26___ 27_______ 28

Chunks:
  TruePositive nam [11,11] = NFZ

(ChunkerEvaluator) Sentence #11788 from articles/00107898 from sent29

Text  : Pacjentki płaciły .
Tokens: 1________ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #11789 from articles/00107898 from sent30

Text  : - W ramach ZUS mogę przyjść na wizytę do ginekologa ,  ale nie mogę założyć spirali ?  -  upewniam się .
Tokens: 1 2 3_____ 4__ 5___ 6______ 7_ 8_____ 9_ 10________ 11 12_ 13_ 14__ 15_____ 16_____ 17 18 19______ 20_ 21

Chunks:
  TruePositive nam [4,4] = ZUS

(ChunkerEvaluator) Sentence #11790 from articles/00107898 from sent31

Text  : - Tak , bo to dodatkowa usługa .
Tokens: 1 2__ 3 4_ 5_ 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11791 from articles/00107898 from sent32

Text  : Pani nie pamięta też , ile pieniędzy powinna m ewentualnie przygotować .
Tokens: 1___ 2__ 3______ 4__ 5 6__ 7________ 8______ 9 10_________ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #11792 from articles/00107898 from sent33

Text  : Najpierw mówi , że pacjentki płaciły ' ' chyba 700 '  '  ,  ale koleżanka podpowiada jej do słuchawki ,  że '  '  chyba mniej ,  250'' .
Tokens: 1_______ 2___ 3 4_ 5________ 6______ 7 8 9____ 10_ 11 12 13 14_ 15_______ 16________ 17_ 18 19_______ 20 21 22 23 24___ 25___ 26 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #11793 from articles/00107898 from sent34

Text  : Dwie kolejne przychodnie w ogóle nie udzielają takich informacji .
Tokens: 1___ 2______ 3__________ 4 5____ 6__ 7________ 8_____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #11794 from articles/00107898 from sent35

Text  : Muszę przyjść do ginekologa i tylko on będzie mógł podczas wizyty mi powiedzieć ,  czy w  ramach NFZ założy spiralę .
Tokens: 1____ 2______ 3_ 4_________ 5 6____ 7_ 8_____ 9___ 10_____ 11____ 12 13________ 14 15_ 16 17____ 18_ 19____ 20_____ 21

Chunks:
  TruePositive nam [18,18] = NFZ

(ChunkerEvaluator) Sentence #11795 from articles/00107898 from sent36

Text  : W siódmej placówce pani informuje , że założenie wkładki jest '  '  chyba '  '  w  ramach NFZ ,  ale dodaje od razu ,  że do specjalisty jest długa kolejka .
Tokens: 1 2______ 3_______ 4___ 5________ 6 7_ 8________ 9______ 10__ 11 12 13___ 14 15 16 17____ 18_ 19 20_ 21____ 22 23__ 24 25 26 27_________ 28__ 29___ 30_____ 31

Chunks:
  TruePositive nam [18,18] = NFZ

(ChunkerEvaluator) Sentence #11796 from articles/00107898 from sent37

Text  : Ona jednak może pójść mi na rękę i podać komórkę do pani ginekolog ,  a  wtedy będę mogła umówić się prywatnie i  problem z  głowy .
Tokens: 1__ 2_____ 3___ 4____ 5_ 6_ 7___ 8 9____ 10_____ 11 12__ 13_______ 14 15 16___ 17__ 18___ 19____ 20_ 21_______ 22 23_____ 24 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #11797 from articles/00107898 from sent38

Text  : Co na to Ministerstwo Zdrowia ?
Tokens: 1_ 2_ 3_ 4___________ 5______ 6

Chunks:
  TruePositive nam [4,5] = Ministerstwo Zdrowia

(ChunkerEvaluator) Sentence #11798 from articles/00107898 from sent39

Text  : - Wprowadzenie wewnątrzmacicznej wkładki antykoncepcyjnej jest finansowane przez Narodowy Fundusz Zdrowia .
Tokens: 1 2___________ 3________________ 4______ 5_______________ 6___ 7__________ 8____ 9_______ 10_____ 11_____ 12

Chunks:
  TruePositive nam [9,11] = Narodowy Fundusz Zdrowia

(ChunkerEvaluator) Sentence #11799 from articles/00107898 from sent40

Text  : Świadczeniodawca zobowiązany jest udzielać świadczeń w sposób kompleksowy .
Tokens: 1_______________ 2__________ 3___ 4_______ 5________ 6 7_____ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #11800 from articles/00107898 from sent41

Text  : Nie ma więc możliwości wyłączenia jednego lub kilku świadczeń z  zakresu objętego umową -  mówi Katarzyna Bielecka ,  rzeczniczka ministerstwa .
Tokens: 1__ 2_ 3___ 4_________ 5_________ 6______ 7__ 8____ 9________ 10 11_____ 12______ 13___ 14 15__ 16_______ 17______ 18 19_________ 20__________ 21

Chunks:
  TruePositive nam [16,17] = Katarzyna Bielecka

(ChunkerEvaluator) Sentence #11801 from articles/00107898 from sent42

Text  : - Lekarz mógł by ewentualnie odmówić wykonania zabiegu , powołując się na tzw .  klauzulę sumienia ,  ale wtedy zobowiązany jest wskazać pacjentce ,  gdzie może założyć wkładkę .
Tokens: 1 2_____ 3___ 4_ 5__________ 6______ 7________ 8______ 9 10_______ 11_ 12 13_ 14 15______ 16______ 17 18_ 19___ 20_________ 21__ 22_____ 23_______ 24 25___ 26__ 27_____ 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #11802 from articles/00107898 from sent43

Text  : Dlaczego ginekolodzy niechętnie zakładają spirale w publicznych przychodniach ?
Tokens: 1_______ 2__________ 3_________ 4________ 5______ 6 7__________ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #11803 from articles/00107898 from sent44

Text  : - Główny powód to pieniądze - mówi wprost ginekolog ,  który pracuje zarówno w  placówce publicznej ,  jak i  prywatnej .
Tokens: 1 2_____ 3____ 4_ 5________ 6 7___ 8_____ 9________ 10 11___ 12_____ 13_____ 14 15______ 16________ 17 18_ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #11804 from articles/00107898 from sent45

Text  : - Założenie wkładki to jest prosty zabieg , wykonuje się go szybko i  wymaga wyłącznie podstawowych narzędzi ,  które są w  każdym gabinecie .
Tokens: 1 2________ 3______ 4_ 5___ 6_____ 7_____ 8 9_______ 10_ 11 12____ 13 14____ 15_______ 16__________ 17______ 18 19___ 20 21 22____ 23_______ 24

Chunks:

(ChunkerEvaluator) Sentence #11805 from articles/00107898 from sent46

Text  : Natomiast obciążony jest ryzykiem z zakresu ' ' oskarżeń moralnych'' .
Tokens: 1________ 2________ 3___ 4_______ 5 6______ 7 8 9_______ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #11806 from articles/00107898 from sent47

Text  : Więc jeśli już go wykonywać , to chociaż za dobre pieniądze .
Tokens: 1___ 2____ 3__ 4_ 5________ 6 7_ 8______ 9_ 10___ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #11807 from articles/00107898 from sent48

Text  : To jest naprawdę jedyna przyczyna całej tej sytuacji .
Tokens: 1_ 2___ 3_______ 4_____ 5________ 6____ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #11808 from articles/00107898 from sent49

Text  : Cóż , z medycznego punktu widzenia , żeby kwalifikować się do założenia spirali ,  kobieta musi być w  dobrym zdrowiu .
Tokens: 1__ 2 3 4_________ 5_____ 6_______ 7 8___ 9___________ 10_ 11 12_______ 13_____ 14 15_____ 16__ 17_ 18 19____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #11809 from articles/00107898 from sent50

Text  : Może więc te wszystkie trudności to taki test ?
Tokens: 1___ 2___ 3_ 4________ 5________ 6_ 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #11810 from articles/00107898 from sent51

Text  : Najsilniejsza wygrywa .
Tokens: 1____________ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #11811 from articles/00107898 from sent52

Text  : A reszta , jak już musi uprawiać seks bez planu zostania matką Polką ,  to niech chociaż płaci .
Tokens: 1 2_____ 3 4__ 5__ 6___ 7_______ 8___ 9__ 10___ 11______ 12___ 13___ 14 15 16___ 17_____ 18___ 19

Chunks:
  TruePositive nam [13,13] = Polką

(ChunkerEvaluator) Sentence #11812 from articles/00107898 from sent53

Text  : u
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #11813 from articles/00107898 from sent54

Text  : Czy w twojej przychodni lekarze zakładają spirale ?
Tokens: 1__ 2 3_____ 4_________ 5______ 6________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #11814 from articles/00107898 from sent55

Text  : Czy przepisują środki antykoncepcyjne ?
Tokens: 1__ 2_________ 3_____ 4______________ 5

Chunks:

(ChunkerEvaluator) Sentence #11815 from articles/00107898 from sent56

Text  : Zapraszamy do dyskusji na wysokieobcasy.pl
Tokens: 1_________ 2_ 3_______ 4_ 5_______________

Chunks:
  TruePositive nam [5,5] = wysokieobcasy.pl

2016-10-27 15:00:12,118 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 522 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107899.xml
(ChunkerEvaluator) Sentence #11816 from articles/00107899 from sent1

Text  : Franki dają odetchnąć kredytobiorcom
Tokens: 1_____ 2___ 3________ 4_____________

Chunks:
  TruePositive nam [1,1] = Franki

(ChunkerEvaluator) Sentence #11817 from articles/00107899 from sent2

Text  : Dzięki obniżkom stóp procentowych raty kredytów we frankach już spadają .
Tokens: 1_____ 2_______ 3___ 4___________ 5___ 6_______ 7_ 8_______ 9__ 10_____ 11

Chunks:
  FalseNegative nam [8,8] = frankach

(ChunkerEvaluator) Sentence #11818 from articles/00107899 from sent3

Text  : A będą spadać jeszcze bardziej , bo Szwajcarzy chcą osłabić swoją walutę
Tokens: 1 2___ 3_____ 4______ 5_______ 6 7_ 8_________ 9___ 10_____ 11___ 12____

Chunks:
  TruePositive nam [8,8] = Szwajcarzy

(ChunkerEvaluator) Sentence #11819 from articles/00107899 from sent4

Text  : Raty dają odetchnąć
Tokens: 1___ 2___ 3________

Chunks:

(ChunkerEvaluator) Sentence #11820 from articles/00107899 from sent5

Text  : Dzięki obniżkom stóp procentowych raty kredytów we frankach już spadają .
Tokens: 1_____ 2_______ 3___ 4___________ 5___ 6_______ 7_ 8_______ 9__ 10_____ 11

Chunks:
  FalseNegative nam [8,8] = frankach

(ChunkerEvaluator) Sentence #11821 from articles/00107899 from sent6

Text  : A będą spadać jeszcze bardziej , bo Szwajcarzy chcą osłabić swoją walutę
Tokens: 1 2___ 3_____ 4______ 5_______ 6 7_ 8_________ 9___ 10_____ 11___ 12____

Chunks:
  TruePositive nam [8,8] = Szwajcarzy

(ChunkerEvaluator) Sentence #11822 from articles/00107899 from sent7

Text  : „ Nie rozumiem , skąd ta cała nagonka .
Tokens: 1 2__ 3_______ 4 5___ 6_ 7___ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #11823 from articles/00107899 from sent8

Text  : Zgadzam się , kurs franka wzrósł , a banki dodają do niego spready ,  ale jednocześnie oprocentowanie kredytu spadło mi tak ,  że rata wróciła do poziomu z  czerwca .
Tokens: 1______ 2__ 3 4___ 5_____ 6_____ 7 8 9____ 10____ 11 12___ 13_____ 14 15_ 16__________ 17____________ 18_____ 19____ 20 21_ 22 23 24__ 25_____ 26 27_____ 28 29_____ 30

Chunks:
  FalseNegative nam [5,5] = franka

(ChunkerEvaluator) Sentence #11824 from articles/00107899 from sent9

Text  : I płacę znacznie mniej , niż gdyby m miał kredyt w  złotych "  -  pisze w  liście nasz czytelnik .
Tokens: 1 2____ 3_______ 4____ 5 6__ 7____ 8 9___ 10____ 11 12_____ 13 14 15___ 16 17____ 18__ 19_______ 20

Chunks:
  TruePositive nam [12,12] = złotych

(ChunkerEvaluator) Sentence #11825 from articles/00107899 from sent10

Text  : Rzeczywiście , obniżki stóp procentowych ( od października 3 -  miesięczny LIBOR spadł z  blisko 2  ,  8  do 0  ,  7  proc .  )  amortyzują rosnące ceny waluty i  wielu klientów już odczuło ich zbawienne skutki na własnych portfelach .
Tokens: 1___________ 2 3______ 4___ 5___________ 6 7_ 8___________ 9 10 11________ 12___ 13___ 14 15____ 16 17 18 19 20 21 22 23__ 24 25 26________ 27_____ 28__ 29____ 30 31___ 32______ 33_ 34_____ 35_ 36_______ 37____ 38 39______ 40________ 41

Chunks:

(ChunkerEvaluator) Sentence #11826 from articles/00107899 from sent11

Text  : W których bankach oprocentowanie kredytów już spadło ?
Tokens: 1 2______ 3______ 4_____________ 5_______ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11827 from articles/00107899 from sent12

Text  : GE Money Bank , Millennium i DomBank w styczniu obniżyły klientom raty .
Tokens: 1_ 2____ 3___ 4 5_________ 6 7______ 8 9_______ 10______ 11______ 12__ 13

Chunks:
  TruePositive nam [5,5] = Millennium
  FalsePositive nam [2,3] = Money Bank
  FalseNegative nam [1,3] = GE Money Bank
  FalseNegative nam [7,7] = DomBank

(ChunkerEvaluator) Sentence #11828 from articles/00107899 from sent13

Text  : - W efekcie średnia rata 30 - letniego kredytu na 300 tys .  zł spadła o  ponad 300 zł -  z  przeszło 1  ,  9  do mniej niż 1  ,  6  tys .  zł -  wskazuje Karol Wilczko ,  analityk serwisu Comperia.pl .
Tokens: 1 2 3______ 4______ 5___ 6_ 7 8_______ 9______ 10 11_ 12_ 13 14 15____ 16 17___ 18_ 19 20 21 22______ 23 24 25 26 27___ 28_ 29 30 31 32_ 33 34 35 36______ 37___ 38_____ 39 40______ 41_____ 42_________ 43

Chunks:
  TruePositive nam [14,14] = zł
  TruePositive nam [19,19] = zł
  TruePositive nam [34,34] = zł
  TruePositive nam [37,38] = Karol Wilczko
  TruePositive nam [42,42] = Comperia.pl

(ChunkerEvaluator) Sentence #11829 from articles/00107899 from sent14

Text  : Mniej pieniędzy na spłatę kredytu przeznacza też część klientów Eurobanku ,  Kredyt Banku i  PKO BP -  te banki zmieniają oprocentowanie kredytów w  odstępach trzymiesięcznych ,  w  zależności od daty podpisania umowy (  jeśli np .  umowa była podpisana w  listopadzie ,  to oprocentowanie zmieni się w  lutym )  .
Tokens: 1____ 2________ 3_ 4_____ 5______ 6_________ 7__ 8____ 9_______ 10_______ 11 12____ 13___ 14 15_ 16 17 18 19___ 20_______ 21____________ 22______ 23 24_______ 25______________ 26 27 28________ 29 30__ 31________ 32___ 33 34___ 35 36 37___ 38__ 39_______ 40 41_________ 42 43 44____________ 45____ 46_ 47 48___ 49 50

Chunks:
  TruePositive nam [12,13] = Kredyt Banku
  TruePositive nam [15,16] = PKO BP
  FalseNegative nam [10,10] = Eurobanku

(ChunkerEvaluator) Sentence #11830 from articles/00107899 from sent15

Text  : Dłużej będą musieli poczekać klienci Fortis Banku , ponieważ ich oprocentowanie jest uzależnione od stopy LIBOR 6  -  miesięczny ,  obniżki stóp odczują dopiero w  czerwcu .
Tokens: 1_____ 2___ 3______ 4_______ 5______ 6_____ 7____ 8 9_______ 10_ 11____________ 12__ 13_________ 14 15___ 16___ 17 18 19________ 20 21_____ 22__ 23_____ 24_____ 25 26_____ 27

Chunks:
  TruePositive nam [6,7] = Fortis Banku

(ChunkerEvaluator) Sentence #11831 from articles/00107899 from sent16

Text  : - W takiej sytuacji są osoby , które wzięły kredyty przed listopadem 2008 r  .  -  tłumaczy Katarzyna Żądło z  biura prasowego Fortis Banku .
Tokens: 1 2 3_____ 4_______ 5_ 6____ 7 8____ 9_____ 10_____ 11___ 12________ 13__ 14 15 16 17______ 18_______ 19___ 20 21___ 22_______ 23____ 24___ 25

Chunks:
  TruePositive nam [18,19] = Katarzyna Żądło
  TruePositive nam [23,24] = Fortis Banku

(ChunkerEvaluator) Sentence #11832 from articles/00107899 from sent17

Text  : Podkreśla , że jest to jednak rozwiązanie korzystne dla klientów ,  gdy stopy rosną ,  bo ich raty zwiększają się zdecydowanie wolniej .
Tokens: 1________ 2 3_ 4___ 5_ 6_____ 7__________ 8________ 9__ 10______ 11 12_ 13___ 14___ 15 16 17_ 18__ 19________ 20_ 21__________ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #11833 from articles/00107899 from sent18

Text  : Niewiele osób obniżek stóp w Szwajcarii nie odczuje wcale .
Tokens: 1_______ 2___ 3______ 4___ 5 6_________ 7__ 8______ 9____ 10

Chunks:
  TruePositive nam [6,6] = Szwajcarii

(ChunkerEvaluator) Sentence #11834 from articles/00107899 from sent19

Text  : W takiej sytuacji są klienci ING Banku Śląskiego , którzy przez pierwsze dwa lata spłacają kredyt ze stałym oprocentowaniem .
Tokens: 1 2_____ 3_______ 4_ 5______ 6__ 7____ 8________ 9 10____ 11___ 12______ 13_ 14__ 15______ 16____ 17 18____ 19_____________ 20

Chunks:
  TruePositive nam [6,8] = ING Banku Śląskiego

(ChunkerEvaluator) Sentence #11835 from articles/00107899 from sent20

Text  : Pomimo spadku stóp ich raty rosną w ślad za drożejącym frankiem .
Tokens: 1_____ 2_____ 3___ 4__ 5___ 6____ 7 8___ 9_ 10________ 11______ 12

Chunks:
  FalseNegative nam [11,11] = frankiem

(ChunkerEvaluator) Sentence #11836 from articles/00107899 from sent21

Text  : Ale i na to Szwajcarzy szykują już lekarstwo .
Tokens: 1__ 2 3_ 4_ 5_________ 6______ 7__ 8________ 9

Chunks:
  TruePositive nam [5,5] = Szwajcarzy

(ChunkerEvaluator) Sentence #11837 from articles/00107899 from sent22

Text  : Dla nich samych drogi frank jest coraz większym ciężarem -  gospodarka ma w  tym roku skurczyć się o  0  ,  5  -  1  pkt proc .  ,  a  mocna waluta dodatkowo obniża atrakcyjność szwajcarskich towarów za granicą .
Tokens: 1__ 2___ 3_____ 4____ 5____ 6___ 7____ 8_______ 9_______ 10 11________ 12 13 14_ 15__ 16______ 17_ 18 19 20 21 22 23 24_ 25__ 26 27 28 29___ 30____ 31_______ 32____ 33__________ 34___________ 35_____ 36 37_____ 38

Chunks:
  FalseNegative nam [5,5] = frank

(ChunkerEvaluator) Sentence #11838 from articles/00107899 from sent23

Text  : Dlatego Philipp Hildebrand , wiceprezes Narodowego Banku Szwajcarii , zapowiedział działania w  celu osłabienia franka .
Tokens: 1______ 2______ 3_________ 4 5_________ 6_________ 7____ 8_________ 9 10__________ 11_______ 12 13__ 14________ 15____ 16

Chunks:
  TruePositive nam [2,3] = Philipp Hildebrand
  FalsePositive nam [5,8] = wiceprezes Narodowego Banku Szwajcarii
  FalseNegative nam [6,8] = Narodowego Banku Szwajcarii
  FalseNegative nam [15,15] = franka

(ChunkerEvaluator) Sentence #11839 from articles/00107899 from sent24

Text  : - Możemy zdecydować się na sprzedaż nieograniczonej ilości waluty i  w  ten sposób wpływać na jej osłabienie -  stwierdził Hildebrand .
Tokens: 1 2_____ 3_________ 4__ 5_ 6_______ 7______________ 8_____ 9_____ 10 11 12_ 13____ 14_____ 15 16_ 17________ 18 19________ 20________ 21

Chunks:
  FalseNegative nam [20,20] = Hildebrand

(ChunkerEvaluator) Sentence #11840 from articles/00107899 from sent25

Text  : Szwajcaria może więc ponownie wyciągnąć do Polaków pomocną dłoń .
Tokens: 1_________ 2___ 3___ 4_______ 5________ 6_ 7______ 8______ 9___ 10

Chunks:
  TruePositive nam [1,1] = Szwajcaria
  TruePositive nam [7,7] = Polaków

2016-10-27 15:00:12,258 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 523 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107900.xml
(ChunkerEvaluator) Sentence #11841 from articles/00107900 from sent1

Text  : Minister rolnictwa Francji : zapowiadają się słabe zbiory winogron
Tokens: 1_______ 2________ 3______ 4 5__________ 6__ 7____ 8_____ 9_______

Chunks:
  TruePositive nam [3,3] = Francji

(ChunkerEvaluator) Sentence #11842 from articles/00107900 from sent2

Text  : Tegoroczne zbiory winogron we Francji na potrzeby winiarstwa będą wyjątkowo słabe i  pozwolą na produkcję jedynie 42 ,  2  mln hektolitrów wina -  poinformował w  czwartek minister rolnictwa Stephane Le Foll .
Tokens: 1_________ 2_____ 3_______ 4_ 5______ 6_ 7_______ 8_________ 9___ 10_______ 11___ 12 13_____ 14 15_______ 16_____ 17 18 19 20_ 21_________ 22__ 23 24__________ 25 26______ 27______ 28_______ 29______ 30 31__ 32

Chunks:
  TruePositive nam [5,5] = Francji
  TruePositive nam [29,31] = Stephane Le Foll

(ChunkerEvaluator) Sentence #11843 from articles/00107900 from sent3

Text  : Ubiegłoroczne zbiory dały 51 mln hektolitrów wina .
Tokens: 1____________ 2_____ 3___ 4_ 5__ 6__________ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #11844 from articles/00107900 from sent4

Text  : " To będą najsłabsze zbiory od 1991 roku " -  stwierdził Le Foll na spotkaniu z  przedstawicielami plantatorów winorośli .
Tokens: 1 2_ 3___ 4_________ 5_____ 6_ 7___ 8___ 9 10 11________ 12 13__ 14 15_______ 16 17_______________ 18_________ 19_______ 20

Chunks:
  TruePositive nam [12,13] = Le Foll

(ChunkerEvaluator) Sentence #11845 from articles/00107900 from sent5

Text  : Właściciele winnic tłumaczą spadek produkcji niesprzyjającymi warunkami klimatycznymi w ostatnich miesiącach ,  w  tym stratami spowodowanymi przez mróz i  grad .
Tokens: 1__________ 2_____ 3_______ 4_____ 5________ 6_______________ 7________ 8____________ 9 10_______ 11________ 12 13 14_ 15______ 16___________ 17___ 18__ 19 20__ 21

Chunks:

(ChunkerEvaluator) Sentence #11846 from articles/00107900 from sent6

Text  : Minister Le Foll podkreślił dynamikę wzrostu eksportu francuskiego wina w  2011 roku .
Tokens: 1_______ 2_ 3___ 4_________ 5_______ 6______ 7_______ 8___________ 9___ 10 11__ 12__ 13

Chunks:
  TruePositive nam [2,3] = Le Foll

(ChunkerEvaluator) Sentence #11847 from articles/00107900 from sent7

Text  : Za granicę sprzedano 14 mln hektolitrów wina za ponad 7  mld euro .
Tokens: 1_ 2______ 3________ 4_ 5__ 6__________ 7___ 8_ 9____ 10 11_ 12__ 13

Chunks:
  TruePositive nam [12,12] = euro

(ChunkerEvaluator) Sentence #11848 from articles/00107900 from sent8

Text  : Dodał , że roczny eksport wina i destylatów winnych we Francji odpowiada sprzedaży 154 sztuk airbusów .
Tokens: 1____ 2 3_ 4_____ 5______ 6___ 7 8_________ 9______ 10 11_____ 12_______ 13_______ 14_ 15___ 16______ 17

Chunks:
  TruePositive nam [11,11] = Francji

2016-10-27 15:00:12,300 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 524 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107901.xml
(ChunkerEvaluator) Sentence #11849 from articles/00107901 from sent1

Text  : Polskie hokeistki przegrały z Belgią .
Tokens: 1______ 2________ 3________ 4 5_____ 6

Chunks:
  TruePositive nam [5,5] = Belgią

(ChunkerEvaluator) Sentence #11850 from articles/00107901 from sent2

Text  : Są w trudnej sytuacji
Tokens: 1_ 2 3______ 4_______

Chunks:

(ChunkerEvaluator) Sentence #11851 from articles/00107901 from sent3

Text  : Polskie hokeistki na trawie przegrały z Belgią 0 : 3  (  0  :  2  )  w  meczu o  miejsca 5  -  8  młodzieżowych mistrzostw Europy (  do lat 21 )  w  holenderskim Den Bosch .
Tokens: 1______ 2________ 3_ 4_____ 5________ 6 7_____ 8 9 10 11 12 13 14 15 16 17___ 18 19_____ 20 21 22 23___________ 24________ 25____ 26 27 28_ 29 30 31 32__________ 33_ 34___ 35

Chunks:
  TruePositive nam [7,7] = Belgią
  TruePositive nam [33,34] = Den Bosch
  FalsePositive nam [25,25] = Europy
  FalseNegative nam [23,25] = młodzieżowych mistrzostw Europy

(ChunkerEvaluator) Sentence #11852 from articles/00107901 from sent4

Text  : Podopieczne trenera Krzysztofa Rachwalskiego w ostatnim spotkaniu w sobotę zagrają z  Francją .
Tokens: 1__________ 2______ 3_________ 4____________ 5 6_______ 7________ 8 9_____ 10_____ 11 12_____ 13

Chunks:
  TruePositive nam [3,4] = Krzysztofa Rachwalskiego
  TruePositive nam [12,12] = Francją

(ChunkerEvaluator) Sentence #11853 from articles/00107901 from sent5

Text  : Porażka z Belgijkami oznacza , że Polki będą musiały pokonać w  ostatnim meczu turnieju Francję ,  by utrzymać się w  elicie MME .
Tokens: 1______ 2 3_________ 4______ 5 6_ 7____ 8___ 9______ 10_____ 11 12______ 13___ 14______ 15_____ 16 17 18______ 19_ 20 21____ 22_ 23

Chunks:
  TruePositive nam [3,3] = Belgijkami
  TruePositive nam [7,7] = Polki
  TruePositive nam [15,15] = Francję
  TruePositive nam [22,22] = MME

(ChunkerEvaluator) Sentence #11854 from articles/00107901 from sent6

Text  : Zespoły , które zajmą miejsca 7 - 8 , zostaną zdegradowane do tzw .  drugiej dywizji .
Tokens: 1______ 2 3____ 4____ 5______ 6 7 8 9 10_____ 11__________ 12 13_ 14 15_____ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #11855 from articles/00107901 from sent7

Text  : Z Francuzkami biało - czerwone zmierzą się w ostatnim dniu turnieju ,  w  sobotę o  godz .  9  .
Tokens: 1 2__________ 3____ 4 5_______ 6______ 7__ 8 9_______ 10__ 11______ 12 13 14____ 15 16__ 17 18 19

Chunks:
  FalseNegative nam [2,2] = Francuzkami

(ChunkerEvaluator) Sentence #11856 from articles/00107901 from sent8

Text  : W tym dniu rozegrane zostaną też pojedynki o medale -  o  złoto Holandia spotka się z  Hiszpanią ,  a  o  brąz -  Niemcy z  Anglią .
Tokens: 1 2__ 3___ 4________ 5______ 6__ 7________ 8 9_____ 10 11 12___ 13______ 14____ 15_ 16 17_______ 18 19 20 21__ 22 23____ 24 25____ 26

Chunks:
  TruePositive nam [13,13] = Holandia
  TruePositive nam [17,17] = Hiszpanią
  TruePositive nam [23,23] = Niemcy
  TruePositive nam [25,25] = Anglią

(ChunkerEvaluator) Sentence #11857 from articles/00107901 from sent9

Text  : Inny mecz o miejsca 5 - 8 : Białoruś -  Francja 0  :  3  (  0  :  1  )
Tokens: 1___ 2___ 3 4______ 5 6 7 8 9_______ 10 11_____ 12 13 14 15 16 17 18 19

Chunks:
  TruePositive nam [9,9] = Białoruś
  TruePositive nam [11,11] = Francja

(ChunkerEvaluator) Sentence #11858 from articles/00107901 from sent10

Text  : tabela
Tokens: 1_____

Chunks:

2016-10-27 15:00:12,347 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 525 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107902.xml
(ChunkerEvaluator) Sentence #11859 from articles/00107902 from sent1

Text  : MPK w Łodzi .
Tokens: 1__ 2 3____ 4

Chunks:
  TruePositive nam [1,1] = MPK
  TruePositive nam [3,3] = Łodzi

(ChunkerEvaluator) Sentence #11860 from articles/00107902 from sent2

Text  : Od poniedziałku nowe rozkłady jazdy .
Tokens: 1_ 2___________ 3___ 4_______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #11861 from articles/00107902 from sent3

Text  : Sprawdź
Tokens: 1______

Chunks:

(ChunkerEvaluator) Sentence #11862 from articles/00107902 from sent4

Text  : MPK informuje , że 3 września powraca ” normalny ”  rozkład jazdy autobusów i  tramwajów
Tokens: 1__ 2________ 3 4_ 5 6_______ 7______ 8 9_______ 10 11_____ 12___ 13_______ 14 15_______

Chunks:
  TruePositive nam [1,1] = MPK

(ChunkerEvaluator) Sentence #11863 from articles/00107902 from sent5

Text  : MPK Łódź
Tokens: 1__ 2___

Chunks:
  TruePositive nam [1,2] = MPK Łódź

(ChunkerEvaluator) Sentence #11864 from articles/00107902 from sent6

Text  : Zmianie ulegną rozkłady jazdy tramwajów linii : 8 , 9  ,  9A ,  10 ,  12 ,  13 ,  14 oraz autobusów linii :  63 ,  66 ,  75 ,  83 i  96 .
Tokens: 1______ 2_____ 3_______ 4____ 5________ 6____ 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21__ 22_______ 23___ 24 25 26 27 28 29 30 31 32 33 34

Chunks:

(ChunkerEvaluator) Sentence #11865 from articles/00107902 from sent7

Text  : Jednocześnie na liniach 56 , 67 będzie obowiązywać rozkład szkolny .
Tokens: 1___________ 2_ 3______ 4_ 5 6_ 7_____ 8__________ 9______ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #11866 from articles/00107902 from sent8

Text  : Na podstawie decyzji Zarządu Dróg i Transportu w soboty ,  niedziele i  święta na liniach 1  ,  4  ,  5  i  7  zostanie utrzymana obsługa pojedynczymi wagonami .
Tokens: 1_ 2________ 3______ 4______ 5___ 6 7_________ 8 9_____ 10 11_______ 12 13____ 14 15_____ 16 17 18 19 20 21 22 23______ 24_______ 25_____ 26__________ 27______ 28

Chunks:
  TruePositive nam [4,7] = Zarządu Dróg i Transportu

2016-10-27 15:00:12,378 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 526 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107903.xml
(ChunkerEvaluator) Sentence #11867 from articles/00107903 from sent1

Text  : Czeski trener Stanislav Levy został nowym szkoleniowcem Śląska
Tokens: 1_____ 2_____ 3________ 4___ 5_____ 6____ 7____________ 8_____

Chunks:
  TruePositive nam [3,4] = Stanislav Levy
  TruePositive nam [8,8] = Śląska

(ChunkerEvaluator) Sentence #11868 from articles/00107903 from sent2

Text  : Stanislav Levy jest nowym szkoleniowca Śląska Wrocław .
Tokens: 1________ 2___ 3___ 4____ 5___________ 6_____ 7______ 8

Chunks:
  TruePositive nam [1,2] = Stanislav Levy
  TruePositive nam [6,7] = Śląska Wrocław

(ChunkerEvaluator) Sentence #11869 from articles/00107903 from sent3

Text  : Oficjalnie zostanie zaprezentowany dziś o 11 . 30 podczas specjalnej konferencji prasowej
Tokens: 1_________ 2_______ 3_____________ 4___ 5 6_ 7 8_ 9______ 10________ 11_________ 12______

Chunks:

(ChunkerEvaluator) Sentence #11870 from articles/00107903 from sent4

Text  : Po niedzielnym meczu Śląska z Ruchem Chorzów swoje posiedzenie odbyła rada nadzorcza wrocławskiego klubu .
Tokens: 1_ 2__________ 3____ 4_____ 5 6_____ 7______ 8____ 9__________ 10____ 11__ 12_______ 13___________ 14___ 15

Chunks:
  TruePositive nam [4,4] = Śląska
  TruePositive nam [6,7] = Ruchem Chorzów

(ChunkerEvaluator) Sentence #11871 from articles/00107903 from sent5

Text  : Członkowie rady mieli zatwierdzić nowego trener drużyny , który zastąpi Oresta Lenczyka .
Tokens: 1_________ 2___ 3____ 4__________ 5_____ 6_____ 7______ 8 9____ 10_____ 11____ 12______ 13

Chunks:
  TruePositive nam [11,12] = Oresta Lenczyka

(ChunkerEvaluator) Sentence #11872 from articles/00107903 from sent6

Text  : Zostanie nim 54 - letni Czech Stanislav Levy .
Tokens: 1_______ 2__ 3_ 4 5____ 6____ 7________ 8___ 9

Chunks:
  FalsePositive nam [6,8] = Czech Stanislav Levy
  FalseNegative nam [6,6] = Czech
  FalseNegative nam [7,8] = Stanislav Levy

(ChunkerEvaluator) Sentence #11873 from articles/00107903 from sent7

Text  : - W tym momencie trener Levy jest najpoważniejszym kandydatem do objęcia posady trenera w  Śląsku -  potwierdza Włodzimierz Patalas ,  wiceprzewodniczący rady nadzorczej Śląska .
Tokens: 1 2 3__ 4_______ 5_____ 6___ 7___ 8_______________ 9_________ 10 11_____ 12____ 13_____ 14 15____ 16 17________ 18_________ 19_____ 20 21________________ 22__ 23________ 24____ 25

Chunks:
  TruePositive nam [15,15] = Śląsku
  TruePositive nam [18,19] = Włodzimierz Patalas
  TruePositive nam [24,24] = Śląska
  FalseNegative nam [6,6] = Levy

(ChunkerEvaluator) Sentence #11874 from articles/00107903 from sent8

Text  : Levy ostatnio pracował on w albańskim Skenderbeu Korce , z  którym zdobył mistrzostwo kraju i  grał w  eliminacjach do Ligi Mistrzów .
Tokens: 1___ 2_______ 3_______ 4_ 5 6________ 7_________ 8____ 9 10 11____ 12____ 13_________ 14___ 15 16__ 17 18__________ 19 20__ 21______ 22

Chunks:
  TruePositive nam [7,8] = Skenderbeu Korce
  TruePositive nam [20,21] = Ligi Mistrzów
  FalseNegative nam [1,1] = Levy

(ChunkerEvaluator) Sentence #11875 from articles/00107903 from sent9

Text  : Odpadł z węgierskim Debreczynem .
Tokens: 1_____ 2 3_________ 4__________ 5

Chunks:
  TruePositive nam [4,4] = Debreczynem

(ChunkerEvaluator) Sentence #11876 from articles/00107903 from sent10

Text  : Wcześniej pracował m . in . w Viktorii Pilzno ,  Viktorii Żiżkov .
Tokens: 1________ 2_______ 3 4 5_ 6 7 8_______ 9_____ 10 11______ 12____ 13

Chunks:
  TruePositive nam [8,9] = Viktorii Pilzno
  TruePositive nam [11,12] = Viktorii Żiżkov

(ChunkerEvaluator) Sentence #11877 from articles/00107903 from sent11

Text  : W 2001 roku krótko prowadził niemiecki Hannover 96 .
Tokens: 1 2___ 3___ 4_____ 5________ 6________ 7_______ 8_ 9

Chunks:
  FalseNegative nam [7,8] = Hannover 96

(ChunkerEvaluator) Sentence #11878 from articles/00107903 from sent12

Text  : Oficjalnie nowy trener wrocławian zostanie zaprezentowany w poniedziałek o godz .  11 .  30 podczas specjalnej konferencji prasowej .
Tokens: 1_________ 2___ 3_____ 4_________ 5_______ 6_____________ 7 8___________ 9 10__ 11 12 13 14 15_____ 16________ 17_________ 18______ 19

Chunks:
  FalseNegative nam [4,4] = wrocławian

2016-10-27 15:00:12,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 527 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107904.xml
(ChunkerEvaluator) Sentence #11879 from articles/00107904 from sent1

Text  : Jutro PGE powie z kim wybuduje elektrownię atomową
Tokens: 1____ 2__ 3____ 4 5__ 6_______ 7__________ 8______

Chunks:
  TruePositive nam [2,2] = PGE

(ChunkerEvaluator) Sentence #11880 from articles/00107904 from sent2

Text  : W środę koncern PGE podpisze list intencyjny ze spółkami ,  które zostały zaproszone do projektu budowy pierwszej polskiej elektrowni atomowej -  wynika z  informacji CIRE .
Tokens: 1 2____ 3______ 4__ 5_______ 6___ 7_________ 8_ 9_______ 10 11___ 12_____ 13________ 14 15______ 16____ 17_______ 18______ 19________ 20______ 21 22____ 23 24________ 25__ 26

Chunks:
  TruePositive nam [4,4] = PGE
  TruePositive nam [25,25] = CIRE

(ChunkerEvaluator) Sentence #11881 from articles/00107904 from sent3

Text  : Zgodnie z zapowiedzią ministra skarbu w inwestycje zaangażują się KGHM ,  Tauron i  Enea .
Tokens: 1______ 2 3__________ 4_______ 5_____ 6 7_________ 8_________ 9__ 10__ 11 12____ 13 14__ 15

Chunks:
  TruePositive nam [10,10] = KGHM
  TruePositive nam [12,12] = Tauron
  TruePositive nam [14,14] = Enea

(ChunkerEvaluator) Sentence #11882 from articles/00107904 from sent4

Text  : Polska Grupa Energetyczna zachowa kontrolę nad budową elektrowni atomowej w  północnej Polsce ,  jednak projekt współfinansować będą także inne spółki kontrolowane przez Skarb Państwa .
Tokens: 1_____ 2____ 3___________ 4______ 5_______ 6__ 7_____ 8_________ 9_______ 10 11_______ 12____ 13 14____ 15_____ 16_____________ 17__ 18___ 19__ 20____ 21__________ 22___ 23___ 24_____ 25

Chunks:
  TruePositive nam [1,3] = Polska Grupa Energetyczna
  TruePositive nam [12,12] = Polsce
  TruePositive nam [23,24] = Skarb Państwa

(ChunkerEvaluator) Sentence #11883 from articles/00107904 from sent5

Text  : Nowi partnerzy PGE , po oddaniu elektrowni do użytku ,  mają dysponować częścią produkowanej przez nią energii .
Tokens: 1___ 2________ 3__ 4 5_ 6______ 7_________ 8_ 9_____ 10 11__ 12________ 13_____ 14__________ 15___ 16_ 17_____ 18

Chunks:
  TruePositive nam [3,3] = PGE

(ChunkerEvaluator) Sentence #11884 from articles/00107904 from sent6

Text  : Zainteresowanie budową elektrowni atomowej od dłuższego czasu komunikowały zarówno Tauron ,  jak i  Enea ,  które chcą w  ten sposób zdywersyfikować swoją produkcję .
Tokens: 1______________ 2_____ 3_________ 4_______ 5_ 6________ 7____ 8___________ 9______ 10____ 11 12_ 13 14__ 15 16___ 17__ 18 19_ 20____ 21_____________ 22___ 23_______ 24

Chunks:
  TruePositive nam [14,14] = Enea
  FalseNegative nam [10,10] = Tauron

(ChunkerEvaluator) Sentence #11885 from articles/00107904 from sent7

Text  : Obecnie oba koncerny , podobnie jak PGE , są uzależnione od energetyki węglowej i  niepewnych cen uprawnień do emisji dwutlenku węgla .
Tokens: 1______ 2__ 3_______ 4 5_______ 6__ 7__ 8 9_ 10_________ 11 12________ 13______ 14 15________ 16_ 17_______ 18 19____ 20_______ 21___ 22

Chunks:
  TruePositive nam [7,7] = PGE

(ChunkerEvaluator) Sentence #11886 from articles/00107904 from sent8

Text  : Podobny list intencyjny - o współpracy przy poszukiwaniach i wydobyciu gazu niekonwencjonalnego -  PGE ,  Tauron ,  KGHM ,  Enea i  PGNiG podpisały w  kwietniu tego roku .
Tokens: 1______ 2___ 3_________ 4 5 6_________ 7___ 8_____________ 9 10_______ 11__ 12_________________ 13 14_ 15 16____ 17 18__ 19 20__ 21 22___ 23_______ 24 25______ 26__ 27__ 28

Chunks:
  TruePositive nam [14,14] = PGE
  TruePositive nam [16,16] = Tauron
  TruePositive nam [18,18] = KGHM
  TruePositive nam [20,20] = Enea
  TruePositive nam [22,22] = PGNiG

(ChunkerEvaluator) Sentence #11887 from articles/00107904 from sent9

Text  : W obu przypadkach inicjatorem współpracy bylo Ministerstwo Skarbu Państwa ,  które w  ten sposób chce podzielić ryzyko inwestycyjne .
Tokens: 1 2__ 3__________ 4__________ 5_________ 6___ 7___________ 8_____ 9______ 10 11___ 12 13_ 14____ 15__ 16_______ 17____ 18__________ 19

Chunks:
  TruePositive nam [7,9] = Ministerstwo Skarbu Państwa

(ChunkerEvaluator) Sentence #11888 from articles/00107904 from sent10

Text  : Współpraca przy elektrowni atomowej zwiększa też szanse na pozyskanie finansowania inwestycji ,  szacowanej na 35 -  50 mld zł .
Tokens: 1_________ 2___ 3_________ 4_______ 5_______ 6__ 7_____ 8_ 9_________ 10__________ 11________ 12 13________ 14 15 16 17 18_ 19 20

Chunks:
  TruePositive nam [19,19] = zł

(ChunkerEvaluator) Sentence #11889 from articles/00107904 from sent11

Text  : Do tej pory wielu ekonomistów podnosiło , że PGE nie będzie wstanie samo zrealizować tak kapitałochłonnej inwestycji .
Tokens: 1_ 2__ 3___ 4____ 5__________ 6________ 7 8_ 9__ 10_ 11____ 12_____ 13__ 14_________ 15_ 16______________ 17________ 18

Chunks:
  TruePositive nam [9,9] = PGE

2016-10-27 15:00:12,494 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 528 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107905.xml
(ChunkerEvaluator) Sentence #11890 from articles/00107905 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #11891 from articles/00107905 from sent2

Text  : Ponad 12 mln zł dofinansowania z Unii na targowiska
Tokens: 1____ 2_ 3__ 4_ 5_____________ 6 7___ 8_ 9_________

Chunks:
  TruePositive nam [4,4] = zł
  FalseNegative nam [7,7] = Unii

(ChunkerEvaluator) Sentence #11892 from articles/00107905 from sent3

Text  : Ponad 12 mln zł unijnego dofinansowania otrzymają gminy z woj .  śląskiego na przebudowę ,  budowę ,  remont i  wyposażenie targowisk .
Tokens: 1____ 2_ 3__ 4_ 5_______ 6_____________ 7________ 8____ 9 10_ 11 12_______ 13 14________ 15 16____ 17 18____ 19 20_________ 21_______ 22

Chunks:
  TruePositive nam [4,4] = zł
  TruePositive nam [12,12] = śląskiego

(ChunkerEvaluator) Sentence #11893 from articles/00107905 from sent4

Text  : Pomoc jest przeznaczona w ramach Programu Rozwoju Obszarów Wiejskich na lata 2007 -  13 .
Tokens: 1____ 2___ 3___________ 4 5_____ 6_______ 7______ 8_______ 9________ 10 11__ 12__ 13 14 15

Chunks:
  FalsePositive nam [6,9] = Programu Rozwoju Obszarów Wiejskich
  FalseNegative nam [6,14] = Programu Rozwoju Obszarów Wiejskich na lata 2007 - 13

(ChunkerEvaluator) Sentence #11894 from articles/00107905 from sent5

Text  : Dofinansowanie przyznano 15 gminom .
Tokens: 1_____________ 2________ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #11895 from articles/00107905 from sent6

Text  : Jak podał urząd marszałkowski w Katowicach , w ramach naboru zostało złożonych 21 wniosków na łączną kwotę pomocy ponad 16 ,  5  mln zł .
Tokens: 1__ 2____ 3____ 4____________ 5 6_________ 7 8 9_____ 10____ 11_____ 12_______ 13 14______ 15 16____ 17___ 18____ 19___ 20 21 22 23_ 24 25

Chunks:
  TruePositive nam [6,6] = Katowicach
  TruePositive nam [24,24] = zł
  FalseNegative nam [3,4] = urząd marszałkowski

(ChunkerEvaluator) Sentence #11896 from articles/00107905 from sent7

Text  : 18 z nich pozytywnie przeszło ocenę formalno - merytoryczną i  zostało wpisanych na listę przedsięwzięć zakwalifikowanych do współfinansowania .
Tokens: 1_ 2 3___ 4_________ 5_______ 6____ 7_______ 8 9___________ 10 11_____ 12_______ 13 14___ 15___________ 16_______________ 17 18_______________ 19

Chunks:

(ChunkerEvaluator) Sentence #11897 from articles/00107905 from sent8

Text  : 15 z nich - tym , które uzyskały najwięcej punktów -  przyznano już dofinansowanie .
Tokens: 1_ 2 3___ 4 5__ 6 7____ 8_______ 9________ 10_____ 11 12_______ 13_ 14____________ 15

Chunks:

(ChunkerEvaluator) Sentence #11898 from articles/00107905 from sent9

Text  : Trzy pozostałe będą czekały na zwolnienie środków finansowych .
Tokens: 1___ 2________ 3___ 4______ 5_ 6_________ 7______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #11899 from articles/00107905 from sent10

Text  : Zgodnie z przepisami , pomoc jest udzielana na zasadzie refundacji ,  przy czym nie może przekroczyć 75 proc .  kosztów kwalifikowanych przedsięwzięcia .
Tokens: 1______ 2 3_________ 4 5____ 6___ 7________ 8_ 9_______ 10________ 11 12__ 13__ 14_ 15__ 16_________ 17 18__ 19 20_____ 21_____________ 22_____________ 23

Chunks:

(ChunkerEvaluator) Sentence #11900 from articles/00107905 from sent11

Text  : Jedna gmina lub związek międzygminny mógł liczyć maksymalnie na milion złotych dotacji na inwestycje związane z  targowiskami .
Tokens: 1____ 2____ 3__ 4______ 5___________ 6___ 7_____ 8__________ 9_ 10____ 11_____ 12_____ 13 14________ 15______ 16 17__________ 18

Chunks:
  TruePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #11901 from articles/00107905 from sent12

Text  : Zgodnie z przyjętym przez zarząd woj . śląskiego regionalnym kryterium oceny ,  preferowane były projekty gmin ,  w  których użytki rolne stanowią powyżej 50 proc .  powierzchni ,  a  liczba mieszkańców przekracza tysiąc .
Tokens: 1______ 2 3________ 4____ 5_____ 6__ 7 8________ 9__________ 10_______ 11___ 12 13_________ 14__ 15______ 16__ 17 18 19_____ 20____ 21___ 22______ 23_____ 24 25__ 26 27_________ 28 29 30____ 31_________ 32________ 33____ 34

Chunks:
  FalseNegative nam [8,8] = śląskiego

(ChunkerEvaluator) Sentence #11902 from articles/00107905 from sent13

Text  : Na liście gmin , którym przyznano dofinansowanie znalazły się m  .  in .  :  Lelów ,  Kroczyce ,  Żarki ,  Szczekociny ,  Mierzęcice i  Mstów .
Tokens: 1_ 2_____ 3___ 4 5_____ 6________ 7_____________ 8_______ 9__ 10 11 12 13 14 15___ 16 17______ 18 19___ 20 21_________ 22 23________ 24 25___ 26

Chunks:
  TruePositive nam [15,15] = Lelów
  TruePositive nam [17,17] = Kroczyce
  TruePositive nam [19,19] = Żarki
  TruePositive nam [21,21] = Szczekociny
  TruePositive nam [23,23] = Mierzęcice
  TruePositive nam [25,25] = Mstów

(ChunkerEvaluator) Sentence #11903 from articles/00107905 from sent14

Text  : W ramach unijnego programu dofinansowania powstają targowiska stałe , utwardzone ,  oświetlone ,  przyłączone do sieci wodociągowej ,  kanalizacyjnej i  elektroenergetycznej oraz wyposażone w  odpływ wody deszczowej .
Tokens: 1 2_____ 3_______ 4_______ 5_____________ 6_______ 7_________ 8____ 9 10________ 11 12________ 13 14_________ 15 16___ 17__________ 18 19____________ 20 21__________________ 22__ 23________ 24 25____ 26__ 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #11904 from articles/00107905 from sent15

Text  : Na minimum połowie powierzchni handlowej muszą być zadaszone , mają miejsca parkingowe i  urządzenia sanitarne .
Tokens: 1_ 2______ 3______ 4__________ 5________ 6____ 7__ 8________ 9 10__ 11_____ 12________ 13 14________ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #11905 from articles/00107905 from sent16

Text  : Wyróżnia je także to , że są podzielone na sekcje odpowiadające poszczególnym rodzajom towarów ,  przy czym ponad połowę powierzchni handlowej targowiska powinny zajmować miejsca handlu produktami rolno -  spożywczymi .
Tokens: 1_______ 2_ 3____ 4_ 5 6_ 7_ 8_________ 9_ 10____ 11___________ 12___________ 13______ 14_____ 15 16__ 17__ 18___ 19____ 20_________ 21_______ 22________ 23_____ 24______ 25_____ 26____ 27________ 28___ 29 30_________ 31

Chunks:

(ChunkerEvaluator) Sentence #11906 from articles/00107905 from sent17

Text  : Dofinansowanie jest przyznawane w ramach działania " Podstawowe usługi dla gospodarki i  ludności wiejskiej -  w  zakresie budowy ,  przebudowy ,  remontu lub wyposażenia targowiska stałego "  .
Tokens: 1_____________ 2___ 3__________ 4 5_____ 6________ 7 8_________ 9_____ 10_ 11________ 12 13______ 14_______ 15 16 17______ 18____ 19 20________ 21 22_____ 23_ 24_________ 25________ 26_____ 27 28

Chunks:
  FalseNegative nam [8,26] = Podstawowe usługi dla gospodarki i ludności wiejskiej - w zakresie budowy , przebudowy , remontu lub wyposażenia targowiska stałego

(ChunkerEvaluator) Sentence #11907 from articles/00107905 from sent18

Text  : Jest ono objęte Programem Rozwoju Obszarów Wiejskich na lata 2007 -  13 ,  współfinansowanego ze środków Europejskiego Funduszu Rolnego na Rzecz Rozwoju Obszarów Wiejskich .  (  PAP )
Tokens: 1___ 2__ 3_____ 4________ 5______ 6_______ 7________ 8_ 9___ 10__ 11 12 13 14________________ 15 16_____ 17___________ 18______ 19_____ 20 21___ 22_____ 23______ 24_______ 25 26 27_ 28

Chunks:
  TruePositive nam [27,27] = PAP
  FalsePositive nam [4,7] = Programem Rozwoju Obszarów Wiejskich
  FalsePositive nam [17,19] = Europejskiego Funduszu Rolnego
  FalsePositive nam [21,24] = Rzecz Rozwoju Obszarów Wiejskich
  FalseNegative nam [4,12] = Programem Rozwoju Obszarów Wiejskich na lata 2007 - 13
  FalseNegative nam [17,24] = Europejskiego Funduszu Rolnego na Rzecz Rozwoju Obszarów Wiejskich

2016-10-27 15:00:12,599 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 529 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107906.xml
(ChunkerEvaluator) Sentence #11908 from articles/00107906 from sent1

Text  : Kosiniak - Kamysz : musimy przywrócić w Polsce szacunek do pracy
Tokens: 1_______ 2 3_____ 4 5_____ 6_________ 7 8_____ 9_______ 10 11___

Chunks:
  TruePositive nam [8,8] = Polsce
  FalseNegative nam [1,3] = Kosiniak - Kamysz

(ChunkerEvaluator) Sentence #11909 from articles/00107906 from sent2

Text  : Musimy przywrócić w Polsce szacunek do pracy - mówił minister pracy i  polityki społecznej Władysław Kosiniak -  Kamysz w  środę do uczestników VII Forum Ekonomicznego Młodych Liderów w  Nowym Sączu .
Tokens: 1_____ 2_________ 3 4_____ 5_______ 6_ 7____ 8 9____ 10______ 11___ 12 13______ 14________ 15_______ 16______ 17 18____ 19 20___ 21 22_________ 23_ 24___ 25___________ 26_____ 27_____ 28 29___ 30___ 31

Chunks:
  TruePositive nam [4,4] = Polsce
  TruePositive nam [15,18] = Władysław Kosiniak - Kamysz
  TruePositive nam [23,27] = VII Forum Ekonomicznego Młodych Liderów
  TruePositive nam [29,30] = Nowym Sączu

(ChunkerEvaluator) Sentence #11910 from articles/00107906 from sent3

Text  : Minister powiedział , że konieczne jest wzmocnienie szkolnictwa zawodowego i  doradztwa zawodowego już na poziomie gimnazjum .
Tokens: 1_______ 2_________ 3 4_ 5________ 6___ 7__________ 8__________ 9_________ 10 11_______ 12________ 13_ 14 15______ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #11911 from articles/00107906 from sent4

Text  : " Musimy oswajać dzieci z rynkiem pracy , żeby mówić im ,  że wybór szkoły nie jest tylko wyborem ,  jakie przedmioty będziecie mieć ;  to jest wybór waszej ścieżki zawodowej "  -  powiedział Kosiniak -  Kamysz .
Tokens: 1 2_____ 3______ 4_____ 5 6______ 7____ 8 9___ 10___ 11 12 13 14___ 15____ 16_ 17__ 18___ 19_____ 20 21___ 22________ 23_______ 24__ 25 26 27__ 28___ 29____ 30_____ 31_______ 32 33 34________ 35______ 36 37____ 38

Chunks:
  TruePositive nam [35,37] = Kosiniak - Kamysz

(ChunkerEvaluator) Sentence #11912 from articles/00107906 from sent5

Text  : Dodał , że niedopasowanie wybranego kierunku studiów ze zderzeniem z  rynkiem pracy jest ogromnym problemem i  rodzi wielką frustrację wśród młodych ludzi .
Tokens: 1____ 2 3_ 4_____________ 5________ 6_______ 7______ 8_ 9_________ 10 11_____ 12___ 13__ 14______ 15_______ 16 17___ 18____ 19________ 20___ 21_____ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #11913 from articles/00107906 from sent6

Text  : " Szkolnictwo zawodowe jest bardzo potrzebne , bez rzemieślników się nie obejdziemy "  -  przekonywał .
Tokens: 1 2__________ 3_______ 4___ 5_____ 6________ 7 8__ 9____________ 10_ 11_ 12________ 13 14 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #11914 from articles/00107906 from sent7

Text  : Zwrócił uwagę , że niejednokrotnie fachowiec zarabia o wiele lepiej ,  niż absolwent wyższej uczelni .
Tokens: 1______ 2____ 3 4_ 5______________ 6________ 7______ 8 9____ 10____ 11 12_ 13_______ 14_____ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #11915 from articles/00107906 from sent8

Text  : Minister przypomniał , że jego resort uruchomił dodatkowo pół miliarda złotych ,  żeby wesprzeć aktywność zawodową i  dać szansę zdobycia doświadczenia zawodowego dla osób młodych .
Tokens: 1_______ 2__________ 3 4_ 5___ 6_____ 7________ 8________ 9__ 10______ 11_____ 12 13__ 14______ 15_______ 16______ 17 18_ 19____ 20______ 21___________ 22________ 23_ 24__ 25_____ 26

Chunks:
  TruePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #11916 from articles/00107906 from sent9

Text  : Zdaniem ministra stabilne miejsca pracy i wsparcie polityki prorodzinnej powinno zachęcić do pozostawania w  Polsce .
Tokens: 1______ 2_______ 3_______ 4______ 5____ 6 7_______ 8_______ 9___________ 10_____ 11______ 12 13__________ 14 15____ 16

Chunks:
  TruePositive nam [15,15] = Polsce

(ChunkerEvaluator) Sentence #11917 from articles/00107906 from sent10

Text  : Zwrócił uwagę , że obecnie saldo emigracji jest ujemne dla Polski .
Tokens: 1______ 2____ 3 4_ 5______ 6____ 7________ 8___ 9_____ 10_ 11____ 12

Chunks:
  TruePositive nam [11,11] = Polski

(ChunkerEvaluator) Sentence #11918 from articles/00107906 from sent11

Text  : W nowosądeckim Forum bierze udział ponad 350 młodych liderów ,  reprezentujących 42 kraje -  z  Unii Europejskiej ,  Europy Wschodniej ,  Bałkanów i  Kaukazu .
Tokens: 1 2___________ 3____ 4_____ 5_____ 6____ 7__ 8______ 9______ 10 11______________ 12 13___ 14 15 16__ 17__________ 18 19____ 20________ 21 22______ 23 24_____ 25

Chunks:
  TruePositive nam [16,17] = Unii Europejskiej
  TruePositive nam [19,20] = Europy Wschodniej
  TruePositive nam [22,22] = Bałkanów
  TruePositive nam [24,24] = Kaukazu
  FalseNegative nam [3,3] = Forum

(ChunkerEvaluator) Sentence #11919 from articles/00107906 from sent12

Text  : Są to przedstawiciele organizacji obywatelskich , społecznych , politycznych i  gospodarczych .
Tokens: 1_ 2_ 3______________ 4__________ 5____________ 6 7__________ 8 9___________ 10 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #11920 from articles/00107906 from sent13

Text  : Gościem forum we wtorek był m . in . były prezydent Lech Wałęsa .  (  PAP )
Tokens: 1______ 2____ 3_ 4_____ 5__ 6 7 8_ 9 10__ 11_______ 12__ 13____ 14 15 16_ 17

Chunks:
  TruePositive nam [12,13] = Lech Wałęsa
  TruePositive nam [16,16] = PAP

2016-10-27 15:00:12,680 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 530 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107907.xml
(ChunkerEvaluator) Sentence #11921 from articles/00107907 from sent1

Text  : Policja : sylwester w kraju - wyjątkowo spokojny
Tokens: 1______ 2 3________ 4 5____ 6 7________ 8_______

Chunks:

(ChunkerEvaluator) Sentence #11922 from articles/00107907 from sent2

Text  : 1 . 1 .
Tokens: 1 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #11923 from articles/00107907 from sent3

Text  : Warszawa ( PAP ) - Sylwester upłynął w kraju wyjątkowo spokojnie -  ocenia policja .
Tokens: 1_______ 2 3__ 4 5 6________ 7______ 8 9____ 10_______ 11_______ 12 13____ 14_____ 15

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  FalsePositive nam [6,6] = Sylwester

(ChunkerEvaluator) Sentence #11924 from articles/00107907 from sent4

Text  : Sporadycznie tylko dochodziło do prób wszczynania awantur podczas zabaw publicznych ;  były też drobne zranienia w  wyniku nieumiejętnego odpalania fajerwerków
Tokens: 1___________ 2____ 3_________ 4_ 5___ 6__________ 7______ 8______ 9____ 10_________ 11 12__ 13_ 14____ 15_______ 16 17____ 18____________ 19_______ 20_________

Chunks:

(ChunkerEvaluator) Sentence #11925 from articles/00107907 from sent5

Text  : Jak ocenia komisarz Grażyna Puchalska z zespołu prasowego Komendy Głównej Policji ,  sylwester w  całym kraju upłynął wyjątkowo spokojnie .
Tokens: 1__ 2_____ 3_______ 4______ 5________ 6 7______ 8________ 9______ 10_____ 11_____ 12 13_______ 14 15___ 16___ 17_____ 18_______ 19_______ 20

Chunks:
  TruePositive nam [4,5] = Grażyna Puchalska
  TruePositive nam [9,11] = Komendy Głównej Policji

(ChunkerEvaluator) Sentence #11926 from articles/00107907 from sent6

Text  : " W miejscu zabaw publicznych było więcej policjantów , umundurowanych i  w  cywilu "  -  powiedziała w  środę PAP
Tokens: 1 2 3______ 4____ 5__________ 6___ 7_____ 8__________ 9 10____________ 11 12 13____ 14 15 16_________ 17 18___ 19_

Chunks:
  TruePositive nam [19,19] = PAP

(ChunkerEvaluator) Sentence #11927 from articles/00107907 from sent7

Text  : Według niej , tylko sporadycznie dochodziło do prób wszczynania awantur podczas zabaw publicznych przez grupy nietrzeźwych młodych ludzi ,  ale policja je udaremniała .
Tokens: 1_____ 2___ 3 4____ 5___________ 6_________ 7_ 8___ 9__________ 10_____ 11_____ 12___ 13_________ 14___ 15___ 16__________ 17_____ 18___ 19 20_ 21_____ 22 23_________ 24

Chunks:

(ChunkerEvaluator) Sentence #11928 from articles/00107907 from sent8

Text  : Były też drobne zranienia w wyniku odpalania petard w tłumie oraz nieumiejętnego używania fajerwerków .
Tokens: 1___ 2__ 3_____ 4________ 5 6_____ 7________ 8_____ 9 10____ 11__ 12____________ 13______ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #11929 from articles/00107907 from sent9

Text  : " Takich przypadków nie było jednak więcej niż w ubiegłym roku "  -  dodała Puchalska
Tokens: 1 2_____ 3_________ 4__ 5___ 6_____ 7_____ 8__ 9 10______ 11__ 12 13 14____ 15_______

Chunks:
  TruePositive nam [15,15] = Puchalska

(ChunkerEvaluator) Sentence #11930 from articles/00107907 from sent10

Text  : Jej zdaniem , to m . in . dzięki pracy policji w  sylwestra odnotowano o  połowę mniej takich przestępstw ,  jak włamania ,  rozboje ,  pobicia i  kradzieże
Tokens: 1__ 2______ 3 4_ 5 6 7_ 8 9_____ 10___ 11_____ 12 13_______ 14________ 15 16____ 17___ 18____ 19_________ 20 21_ 22______ 23 24_____ 25 26_____ 27 28_______

Chunks:

(ChunkerEvaluator) Sentence #11931 from articles/00107907 from sent11

Text  : Także wypadków drogowych było mniej niż zazwyczaj .
Tokens: 1____ 2_______ 3________ 4___ 5____ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #11932 from articles/00107907 from sent12

Text  : Ostatniego dnia roku w 89 wypadkach zginęło 8 osób ,  a  109 zostało rannych
Tokens: 1_________ 2___ 3___ 4 5_ 6________ 7______ 8 9___ 10 11 12_ 13_____ 14_____

Chunks:

(ChunkerEvaluator) Sentence #11933 from articles/00107907 from sent13

Text  : " Gdyby każdy dzień był tak spokojny " - podsumowała Puchalska .  (  PAP )  sta /  rad /
Tokens: 1 2____ 3____ 4____ 5__ 6__ 7_______ 8 9 10_________ 11_______ 12 13 14_ 15 16_ 17 18_ 19

Chunks:
  TruePositive nam [11,11] = Puchalska
  TruePositive nam [14,14] = PAP

2016-10-27 15:00:12,743 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 531 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107910.xml
(ChunkerEvaluator) Sentence #11934 from articles/00107910 from sent1

Text  : Piątek w Legii .
Tokens: 1_____ 2 3____ 4

Chunks:
  TruePositive nam [3,3] = Legii
  FalsePositive nam [1,1] = Piątek

(ChunkerEvaluator) Sentence #11935 from articles/00107910 from sent2

Text  : Urban do Choto : Syn patrzy na ciebie
Tokens: 1____ 2_ 3____ 4 5__ 6_____ 7_ 8_____

Chunks:
  TruePositive nam [1,1] = Urban
  FalsePositive nam [5,5] = Syn
  FalseNegative nam [3,3] = Choto

(ChunkerEvaluator) Sentence #11936 from articles/00107910 from sent3

Text  : Podczas piątkowego treningu piłkarze Legii Warszawa pojawili się na bocznym boisku przy Łazienkowskiej w  okrojonym składzie .
Tokens: 1______ 2_________ 3_______ 4_______ 5____ 6_______ 7_______ 8__ 9_ 10_____ 11____ 12__ 13____________ 14 15_______ 16______ 17

Chunks:
  TruePositive nam [13,13] = Łazienkowskiej
  FalsePositive nam [5,5] = Legii
  FalsePositive nam [6,6] = Warszawa
  FalseNegative nam [5,6] = Legii Warszawa

(ChunkerEvaluator) Sentence #11937 from articles/00107910 from sent4

Text  : W zajęciach wzięło udział tylko 15 zawodników .
Tokens: 1 2________ 3_____ 4_____ 5____ 6_ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #11938 from articles/00107910 from sent5

Text  : Nieobecni przebywają na zgrupowaniach swoich reprezentacji narodowych , albo leczą kontuzje .
Tokens: 1________ 2_________ 3_ 4____________ 5_____ 6____________ 7_________ 8 9___ 10___ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #11939 from articles/00107910 from sent6

Text  : Kontuzjowani w Legii to Ivica Vrdoljak , Danijel Ljuboja i  Rafał Wolski .
Tokens: 1___________ 2 3____ 4_ 5____ 6_______ 7 8______ 9______ 10 11___ 12____ 13

Chunks:
  TruePositive nam [3,3] = Legii
  TruePositive nam [5,6] = Ivica Vrdoljak
  TruePositive nam [8,9] = Danijel Ljuboja
  TruePositive nam [11,12] = Rafał Wolski

(ChunkerEvaluator) Sentence #11940 from articles/00107910 from sent7

Text  : Na zgrupowania reprezentacji wyjechali Daniel Łukasik , Michał Żyro ,  Dominik Furman ,  Marek Saganowski ,  Jakub Wawrzyniak ,  Duszan Kuciak i  Marko Szuler .
Tokens: 1_ 2__________ 3____________ 4________ 5_____ 6______ 7 8_____ 9___ 10 11_____ 12____ 13 14___ 15________ 16 17___ 18________ 19 20____ 21____ 22 23___ 24____ 25

Chunks:
  TruePositive nam [5,6] = Daniel Łukasik
  TruePositive nam [8,9] = Michał Żyro
  TruePositive nam [11,12] = Dominik Furman
  TruePositive nam [14,15] = Marek Saganowski
  TruePositive nam [17,18] = Jakub Wawrzyniak
  TruePositive nam [20,21] = Duszan Kuciak
  TruePositive nam [23,24] = Marko Szuler

(ChunkerEvaluator) Sentence #11941 from articles/00107910 from sent8

Text  : Piątkowe zajęcia rozpoczęły się od biegania wokół boiska .
Tokens: 1_______ 2______ 3_________ 4__ 5_ 6_______ 7____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #11942 from articles/00107910 from sent9

Text  : Kiedy legioniści się rozgrzewali , Jan Urban wymieniał podania z  Lucjanem Brychczym ,  a  Jacek Magiera ustawiał sztuczny mur i  pachołki ,  które miały posłużyć w  kolejnym ćwiczeniu .
Tokens: 1____ 2_________ 3__ 4__________ 5 6__ 7____ 8________ 9______ 10 11______ 12_______ 13 14 15___ 16_____ 17______ 18______ 19_ 20 21______ 22 23___ 24___ 25______ 26 27______ 28_______ 29

Chunks:
  TruePositive nam [6,7] = Jan Urban
  TruePositive nam [11,12] = Lucjanem Brychczym
  TruePositive nam [15,16] = Jacek Magiera
  FalseNegative nam [2,2] = legioniści

(ChunkerEvaluator) Sentence #11943 from articles/00107910 from sent10

Text  : Po kontuzji mięśnia dwugłowego do zdrowia wraca Michał Kucharczyk .
Tokens: 1_ 2_______ 3______ 4_________ 5_ 6______ 7____ 8_____ 9_________ 10

Chunks:
  TruePositive nam [8,9] = Michał Kucharczyk

(ChunkerEvaluator) Sentence #11944 from articles/00107910 from sent11

Text  : 21 - letni zawodnik biegał dzisiaj z resztą drużyny ,  a  po jednym z  okrążeń Jan Urban nakazał mu truchtanie z  piłką .
Tokens: 1_ 2 3____ 4_______ 5_____ 6______ 7 8_____ 9______ 10 11 12 13____ 14 15_____ 16_ 17___ 18_____ 19 20________ 21 22___ 23

Chunks:
  TruePositive nam [16,17] = Jan Urban

(ChunkerEvaluator) Sentence #11945 from articles/00107910 from sent12

Text  : Po rozgrzewce legioniści ćwiczyli akcje kombinacyjne .
Tokens: 1_ 2_________ 3_________ 4_______ 5____ 6___________ 7

Chunks:
  FalseNegative nam [3,3] = legioniści

(ChunkerEvaluator) Sentence #11946 from articles/00107910 from sent13

Text  : Każdy z nich najpierw , po minięciu sztucznego muru ,  wbiegał w  pole karne i  oddawał strzał .
Tokens: 1____ 2 3___ 4_______ 5 6_ 7_______ 8_________ 9___ 10 11_____ 12 13__ 14___ 15 16_____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #11947 from articles/00107910 from sent14

Text  : A chwilę później uderzał głową po dośrodkowaniu Jana Urbana ze skrzydła .
Tokens: 1 2_____ 3______ 4______ 5____ 6_ 7____________ 8___ 9_____ 10 11______ 12

Chunks:
  TruePositive nam [8,9] = Jana Urbana

(ChunkerEvaluator) Sentence #11948 from articles/00107910 from sent15

Text  : - Przyjęcie , klepka , żeby to było jak w  meczu .
Tokens: 1 2________ 3 4_____ 5 6___ 7_ 8___ 9__ 10 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #11949 from articles/00107910 from sent16

Text  : Wyobrazić sobie jakby to był przeciwnik - krzyczał do swoich zawodników Urban .
Tokens: 1________ 2____ 3____ 4_ 5__ 6_________ 7 8_______ 9_ 10____ 11________ 12___ 13

Chunks:
  TruePositive nam [12,12] = Urban

(ChunkerEvaluator) Sentence #11950 from articles/00107910 from sent17

Text  : Legioniści przez dłuższy czas nie umieli pokonać bramkarzy .
Tokens: 1_________ 2____ 3______ 4___ 5__ 6_____ 7______ 8________ 9

Chunks:
  FalseNegative nam [1,1] = Legioniści

(ChunkerEvaluator) Sentence #11951 from articles/00107910 from sent18

Text  : - Nie macie chęci strzelać goli ? - pytał ich retorycznie pierwszy trener .
Tokens: 1 2__ 3____ 4____ 5_______ 6___ 7 8 9____ 10_ 11_________ 12______ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #11952 from articles/00107910 from sent19

Text  : - Skakał eś wyżej w poprzednim sezonie - mówił Urban do Koseckiego po tym jak ten minął się z  piłką .
Tokens: 1 2_____ 3_ 4____ 5 6_________ 7______ 8 9____ 10___ 11 12________ 13 14_ 15_ 16_ 17___ 18_ 19 20___ 21

Chunks:
  TruePositive nam [10,10] = Urban
  TruePositive nam [12,12] = Koseckiego

(ChunkerEvaluator) Sentence #11953 from articles/00107910 from sent20

Text  : Ładnymi wykończeniami popisywał się jedynie Jorge Salinas .
Tokens: 1______ 2____________ 3________ 4__ 5______ 6____ 7______ 8

Chunks:
  TruePositive nam [6,7] = Jorge Salinas

(ChunkerEvaluator) Sentence #11954 from articles/00107910 from sent21

Text  : Mimo , że piłka po jego uderzeniach kilkukrotnie lądowała na słupkach i  poprzeczce ,  to Paragwajczyk był najbardziej precyzyjny ,  oddając strzały obiema nogami ,  jak i  głową .
Tokens: 1___ 2 3_ 4____ 5_ 6___ 7__________ 8___________ 9_______ 10 11______ 12 13________ 14 15 16__________ 17_ 18_________ 19________ 20 21_____ 22_____ 23____ 24____ 25 26_ 27 28___ 29

Chunks:
  TruePositive nam [16,16] = Paragwajczyk

(ChunkerEvaluator) Sentence #11955 from articles/00107910 from sent22

Text  : Wraz z piłkarzami na trening wyszedł syn Dicksona Choto -  Shaun .
Tokens: 1___ 2 3_________ 4_ 5______ 6______ 7__ 8_______ 9____ 10 11___ 12

Chunks:
  FalsePositive nam [8,11] = Dicksona Choto - Shaun
  FalseNegative nam [8,9] = Dicksona Choto
  FalseNegative nam [11,11] = Shaun

(ChunkerEvaluator) Sentence #11956 from articles/00107910 from sent23

Text  : Podczas oddawania strzałów Urban motywował obrońcę .
Tokens: 1______ 2________ 3_______ 4____ 5________ 6______ 7

Chunks:
  TruePositive nam [4,4] = Urban

(ChunkerEvaluator) Sentence #11957 from articles/00107910 from sent24

Text  : - Syn na ciebie patrzy , musisz strzelić każdą -  mówił .
Tokens: 1 2__ 3_ 4_____ 5_____ 6 7_____ 8_______ 9____ 10 11___ 12

Chunks:
  FalsePositive nam [2,2] = Syn

(ChunkerEvaluator) Sentence #11958 from articles/00107910 from sent25

Text  : - Masz szczęście akurat był odwrócony - śmiał się po niecelnym uderzeniu Choto .
Tokens: 1 2___ 3________ 4_____ 5__ 6________ 7 8____ 9__ 10 11_______ 12_______ 13___ 14

Chunks:
  FalseNegative nam [13,13] = Choto

(ChunkerEvaluator) Sentence #11959 from articles/00107910 from sent26

Text  : Trening potrwał niespełna dwie godziny .
Tokens: 1______ 2______ 3________ 4___ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #11960 from articles/00107910 from sent27

Text  : Zajęcia zakończyły się gierką wewnętrzną na skróconym polu gry .
Tokens: 1______ 2_________ 3__ 4_____ 5_________ 6_ 7________ 8___ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #11961 from articles/00107910 from sent28

Text  : Gdy piłkarze udali się już do szatni , Magiera i  Urban rozstawili boisko do siatkonogi i  do wspólnego grania zaprosili Jakuba Rzeźniczaka i  Koseckiego .
Tokens: 1__ 2_______ 3____ 4__ 5__ 6_ 7_____ 8 9______ 10 11___ 12________ 13____ 14 15________ 16 17 18_______ 19____ 20_______ 21____ 22_________ 23 24________ 25

Chunks:
  TruePositive nam [9,9] = Magiera
  TruePositive nam [11,11] = Urban
  TruePositive nam [21,22] = Jakuba Rzeźniczaka
  TruePositive nam [24,24] = Koseckiego

(ChunkerEvaluator) Sentence #11962 from articles/00107910 from sent29

Text  : W sobotę legionistów czeka sparing z Mazurem Karczew , który uświetni obchody 70 -  lecia podwarszawskiego klubu .
Tokens: 1 2_____ 3__________ 4____ 5______ 6 7______ 8______ 9 10___ 11______ 12_____ 13 14 15___ 16______________ 17___ 18

Chunks:
  TruePositive nam [7,8] = Mazurem Karczew
  FalseNegative nam [3,3] = legionistów

(ChunkerEvaluator) Sentence #11963 from articles/00107910 from sent30

Text  : Początek meczu o godzinie 11 .
Tokens: 1_______ 2____ 3 4_______ 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #11964 from articles/00107910 from sent31

Text  : - Sytuacja kadrowa nie jest za wesoła .
Tokens: 1 2_______ 3______ 4__ 5___ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #11965 from articles/00107910 from sent32

Text  : Mam do dyspozycji niewielu zawodników .
Tokens: 1__ 2_ 3_________ 4_______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #11966 from articles/00107910 from sent33

Text  : Na pewno na mecz z Mazurem uzupełnimy skład kimś z  drugiej drużyny -  powiedział na koniec zajęć szkoleniowiec .
Tokens: 1_ 2____ 3_ 4___ 5 6______ 7_________ 8____ 9___ 10 11_____ 12_____ 13 14________ 15 16____ 17___ 18___________ 19

Chunks:
  TruePositive nam [6,6] = Mazurem

2016-10-27 15:00:12,879 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 532 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107911.xml
(ChunkerEvaluator) Sentence #11967 from articles/00107911 from sent1

Text  : El .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #11968 from articles/00107911 from sent2

Text  : MŚ 2014 - tabela grupy F
Tokens: 1_ 2___ 3 4_____ 5____ 6

Chunks:
  FalsePositive nam [1,1] = MŚ
  FalsePositive nam [6,6] = F
  FalseNegative nam [1,2] = MŚ 2014

(ChunkerEvaluator) Sentence #11969 from articles/00107911 from sent3

Text  : Rosja wygrała u siebie z Irlandią Płn .
Tokens: 1____ 2______ 3 4_____ 5 6_______ 7__ 8

Chunks:
  TruePositive nam [1,1] = Rosja
  FalsePositive nam [6,7] = Irlandią Płn
  FalseNegative nam [6,8] = Irlandią Płn .

(ChunkerEvaluator) Sentence #11970 from articles/00107911 from sent4

Text  : 1 : 0 , Portugalia pokonała na wyjeździe Luksemburg 2  :  1  ,  a  Azerbejdżan zremisował z  Izraelem 1  :  1  w  pierwszej kolejce grupy F  eliminacji piłkarskich mistrzostw świata .
Tokens: 1 2 3 4 5_________ 6_______ 7_ 8________ 9_________ 10 11 12 13 14 15_________ 16________ 17 18______ 19 20 21 22 23_______ 24_____ 25___ 26 27________ 28_________ 29________ 30____ 31

Chunks:
  TruePositive nam [5,5] = Portugalia
  TruePositive nam [9,9] = Luksemburg
  TruePositive nam [15,15] = Azerbejdżan
  TruePositive nam [18,18] = Izraelem
  FalsePositive nam [26,26] = F

(ChunkerEvaluator) Sentence #11971 from articles/00107911 from sent5

Text  : Rosja - Irlandia Płn .
Tokens: 1____ 2 3_______ 4__ 5

Chunks:
  TruePositive nam [1,1] = Rosja
  FalsePositive nam [3,4] = Irlandia Płn
  FalseNegative nam [3,5] = Irlandia Płn .

(ChunkerEvaluator) Sentence #11972 from articles/00107911 from sent6

Text  : 2 : 0 ( 1 : 0 ) Azerbejdżan -  Izrael 1  :  1  (  0  :  0  )  Luksemburg -  Portugalia 1  :  2  (  1  :  1  )
Tokens: 1 2 3 4 5 6 7 8 9__________ 10 11____ 12 13 14 15 16 17 18 19 20________ 21 22________ 23 24 25 26 27 28 29 30

Chunks:
  TruePositive nam [9,9] = Azerbejdżan
  TruePositive nam [11,11] = Izrael
  TruePositive nam [20,20] = Luksemburg
  TruePositive nam [22,22] = Portugalia

2016-10-27 15:00:12,901 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 533 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107912.xml
(ChunkerEvaluator) Sentence #11973 from articles/00107912 from sent1

Text  : Lubański o igrzyskach w Monachium : eskortowali nas żołnierze
Tokens: 1_______ 2 3_________ 4 5________ 6 7__________ 8__ 9________

Chunks:
  TruePositive nam [5,5] = Monachium
  FalseNegative nam [1,1] = Lubański

(ChunkerEvaluator) Sentence #11974 from articles/00107912 from sent2

Text  : W poniedziałek minie 40 lat od zdobycia przez polskich piłkarzy złotego medalu olimpijskiego w  Monachium .
Tokens: 1 2___________ 3____ 4_ 5__ 6_ 7_______ 8____ 9_______ 10______ 11_____ 12____ 13___________ 14 15_______ 16

Chunks:
  TruePositive nam [15,15] = Monachium
  FalsePositive nam [11,11] = złotego

(ChunkerEvaluator) Sentence #11975 from articles/00107912 from sent3

Text  : Igrzyska te zapisały się na kartach historii także z powodu zamachu terrorystycznego .
Tokens: 1_______ 2_ 3_______ 4__ 5_ 6______ 7_______ 8____ 9 10____ 11_____ 12______________ 13

Chunks:

(ChunkerEvaluator) Sentence #11976 from articles/00107912 from sent4

Text  : & quot ; Było bardzo nerwowo & quot ; -  wspomina Włodzimierz Lubański .
Tokens: 1 2___ 3 4___ 5_____ 6______ 7 8___ 9 10 11______ 12_________ 13______ 14

Chunks:
  TruePositive nam [12,13] = Włodzimierz Lubański

(ChunkerEvaluator) Sentence #11977 from articles/00107912 from sent5

Text  : Polska Agencja Prasowa : Jakie są pana pierwsze skojarzenia z  igrzyskami olimpijskimi w  Monachium ?
Tokens: 1_____ 2______ 3______ 4 5____ 6_ 7___ 8_______ 9__________ 10 11________ 12__________ 13 14_______ 15

Chunks:
  TruePositive nam [1,3] = Polska Agencja Prasowa
  TruePositive nam [14,14] = Monachium

(ChunkerEvaluator) Sentence #11978 from articles/00107912 from sent6

Text  : Włodzimierz Lubański : Było to widowisko wyjątkowe nie tylko ze względów sportowych ,  ale także emocjonalnych .
Tokens: 1__________ 2_______ 3 4___ 5_ 6________ 7________ 8__ 9____ 10 11______ 12________ 13 14_ 15___ 16___________ 17

Chunks:
  TruePositive nam [1,2] = Włodzimierz Lubański

(ChunkerEvaluator) Sentence #11979 from articles/00107912 from sent7

Text  : Mam na myśli zamach terrorystyczny na izraelskich sportowców .
Tokens: 1__ 2_ 3____ 4_____ 5_____________ 6_ 7__________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #11980 from articles/00107912 from sent8

Text  : Wpłynął on zarówno na dalszy przebieg imprezy , jak i  na nas .
Tokens: 1______ 2_ 3______ 4_ 5_____ 6_______ 7______ 8 9__ 10 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #11981 from articles/00107912 from sent9

Text  : Było bardzo nerwowo .
Tokens: 1___ 2_____ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #11982 from articles/00107912 from sent10

Text  : PAP : Zamach miał miejsce na dzień przed spotkaniem ze Związkiem Radzieckim .  .  .
Tokens: 1__ 2 3_____ 4___ 5______ 6_ 7____ 8____ 9_________ 10 11_______ 12________ 13 14 15

Chunks:
  TruePositive nam [1,1] = PAP
  FalsePositive nam [3,3] = Zamach
  FalsePositive nam [11,14] = Związkiem Radzieckim . .
  FalseNegative nam [11,12] = Związkiem Radzieckim

(ChunkerEvaluator) Sentence #11983 from articles/00107912 from sent11

Text  : W . L . : Pojechali śmy na mecz ,  nie wiedząc ,  czy igrzyska nie zostaną przerwane .
Tokens: 1 2 3 4 5 6________ 7__ 8_ 9___ 10 11_ 12_____ 13 14_ 15______ 16_ 17_____ 18_______ 19

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #11984 from articles/00107912 from sent12

Text  : Ostateczna decyzja nie była jeszcze podjęta .
Tokens: 1_________ 2______ 3__ 4___ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #11985 from articles/00107912 from sent13

Text  : Na rozgrzewkę wychodzili śmy trzykrotnie .
Tokens: 1_ 2_________ 3_________ 4__ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #11986 from articles/00107912 from sent14

Text  : Kiedy w końcu dowiedzieli śmy się , że jednak gramy i  zawody będą kontynuowane ,  poczuli śmy ulgę .
Tokens: 1____ 2 3____ 4__________ 5__ 6__ 7 8_ 9_____ 10___ 11 12____ 13__ 14__________ 15 16_____ 17_ 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #11987 from articles/00107912 from sent15

Text  : PAP : Skąd czerpali ście tego dnia informacje na temat rozwoju wydarzeń ?
Tokens: 1__ 2 3___ 4_______ 5___ 6___ 7___ 8_________ 9_ 10___ 11_____ 12______ 13

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #11988 from articles/00107912 from sent16

Text  : W . L . : Naszym źródłem informacji było radio ,  którego słuchali śmy w  pociągu .
Tokens: 1 2 3 4 5 6_____ 7______ 8_________ 9___ 10___ 11 12_____ 13______ 14_ 15 16_____ 17

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #11989 from articles/00107912 from sent17

Text  : To naturalne , że chcieli śmy być zorientowani w sytuacji .
Tokens: 1_ 2________ 3 4_ 5______ 6__ 7__ 8___________ 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #11990 from articles/00107912 from sent18

Text  : To było istotne dla wszystkich sportowców .
Tokens: 1_ 2___ 3______ 4__ 5_________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #11991 from articles/00107912 from sent19

Text  : PAP : Jak igrzyska wyglądały po zamachu ?
Tokens: 1__ 2 3__ 4_______ 5________ 6_ 7______ 8

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #11992 from articles/00107912 from sent20

Text  : Pewnie nie była to już ta sama impreza . .  .
Tokens: 1_____ 2__ 3___ 4_ 5__ 6_ 7___ 8______ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #11993 from articles/00107912 from sent21

Text  : W . L . : Wiele rzeczy diametralnie się zmieniło .
Tokens: 1 2 3 4 5 6____ 7_____ 8___________ 9__ 10______ 11

Chunks:
  FalsePositive nam [3,6] = L . : Wiele
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #11994 from articles/00107912 from sent22

Text  : Nawet wioska olimpijska była inaczej wyposażona .
Tokens: 1____ 2_____ 3_________ 4___ 5______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #11995 from articles/00107912 from sent23

Text  : Na każdym rogu stali uzbrojeni policjanci , a w drodze do restauracji towarzyszyła nam zawsze eskorta żołnierzy .
Tokens: 1_ 2_____ 3___ 4____ 5________ 6_________ 7 8 9 10____ 11 12_________ 13__________ 14_ 15____ 16_____ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #11996 from articles/00107912 from sent24

Text  : Inna była też atmosfera .
Tokens: 1___ 2___ 3__ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #11997 from articles/00107912 from sent25

Text  : Brakowało naturalności i entuzjazmu .
Tokens: 1________ 2___________ 3 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #11998 from articles/00107912 from sent26

Text  : Ich miejsce zajęły refleksja i przygnębienie .
Tokens: 1__ 2______ 3_____ 4________ 5 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #11999 from articles/00107912 from sent27

Text  : PAP : Pierwsze dwa mecze wygrali ście gładko .
Tokens: 1__ 2 3_______ 4__ 5____ 6______ 7___ 8_____ 9

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #12000 from articles/00107912 from sent28

Text  : Przeprawa z reprezentacją NRD ( 2 : 1 ) była już trudniejsza .
Tokens: 1________ 2 3____________ 4__ 5 6 7 8 9 10__ 11_ 12_________ 13

Chunks:
  TruePositive nam [4,4] = NRD

(ChunkerEvaluator) Sentence #12001 from articles/00107912 from sent29

Text  : Kluczem do sukcesu okazało się inne ustawienie ?
Tokens: 1______ 2_ 3______ 4______ 5__ 6___ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12002 from articles/00107912 from sent30

Text  : W . L . : Uważam , iż był to mecz poprawny .
Tokens: 1 2 3 4 5 6_____ 7 8_ 9__ 10 11__ 12______ 13

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12003 from articles/00107912 from sent31

Text  : Owszem , towarzyszyły mu pewne niuanse taktyczne , ale musimy pamiętać ,  że nasi rywale stanowili drużynę nietuzinkową ,  jedną z  najlepszych w  świecie .
Tokens: 1_____ 2 3___________ 4_ 5____ 6______ 7________ 8 9__ 10____ 11______ 12 13 14__ 15____ 16_______ 17_____ 18__________ 19 20___ 21 22_________ 23 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #12004 from articles/00107912 from sent32

Text  : Aby ich pokonać , musieli śmy być w naprawdę dobrej formie .
Tokens: 1__ 2__ 3______ 4 5______ 6__ 7__ 8 9_______ 10____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12005 from articles/00107912 from sent33

Text  : Wygrana utwierdziła nas w tym przekonaniu .
Tokens: 1______ 2__________ 3__ 4 5__ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #12006 from articles/00107912 from sent34

Text  : PAP : Po spotkaniu z Danią ( 1 : 1  )  zaczęto mówić o  "  syndromie czwartego meczu "  .
Tokens: 1__ 2 3_ 4________ 5 6____ 7 8 9 10 11 12_____ 13___ 14 15 16_______ 17_______ 18___ 19 20

Chunks:
  TruePositive nam [1,1] = PAP
  TruePositive nam [6,6] = Danią

(ChunkerEvaluator) Sentence #12007 from articles/00107912 from sent35

Text  : Jakie były kulisy waszej niemocy ?
Tokens: 1____ 2___ 3_____ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #12008 from articles/00107912 from sent36

Text  : W . L . : Takie mecze są wkalkulowane w  rywalizację sportową ,  w  turniej .
Tokens: 1 2 3 4 5 6____ 7____ 8_ 9___________ 10 11_________ 12______ 13 14 15_____ 16

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12009 from articles/00107912 from sent37

Text  : Każdej drużynie przytrafia się na większych imprezach słabsze spotkanie .
Tokens: 1_____ 2_______ 3_________ 4__ 5_ 6________ 7________ 8______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #12010 from articles/00107912 from sent38

Text  : Akurat w Monachium nogi odmówiły nam posłuszeństwa w tym pojedynku .
Tokens: 1_____ 2 3________ 4___ 5_______ 6__ 7____________ 8 9__ 10_______ 11

Chunks:
  TruePositive nam [3,3] = Monachium

(ChunkerEvaluator) Sentence #12011 from articles/00107912 from sent39

Text  : Najważniejsze , że remis wystarczył do zajęcia pierwszego miejsca w  grupie .
Tokens: 1____________ 2 3_ 4____ 5_________ 6_ 7______ 8_________ 9______ 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12012 from articles/00107912 from sent40

Text  : PAP : W finale nie byli ście faworytami .
Tokens: 1__ 2 3 4_____ 5__ 6___ 7___ 8_________ 9

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #12013 from articles/00107912 from sent41

Text  : Przed tą potyczką z Węgrami polscy piłkarze wygrali z nimi tylko jeden z  18 meczów ?
Tokens: 1____ 2_ 3_______ 4 5______ 6_____ 7_______ 8______ 9 10__ 11___ 12___ 13 14 15____ 16

Chunks:
  TruePositive nam [5,5] = Węgrami

(ChunkerEvaluator) Sentence #12014 from articles/00107912 from sent42

Text  : W . L . : Po zwycięstwie nad ZSRR na zakończenie drugiej rundy nabrali śmy pewności siebie .
Tokens: 1 2 3 4 5 6_ 7__________ 8__ 9___ 10 11_________ 12_____ 13___ 14_____ 15_ 16______ 17____ 18

Chunks:
  TruePositive nam [9,9] = ZSRR
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12015 from articles/00107912 from sent43

Text  : Zawsze podkreślam , iż to spotkanie było najtrudniejsze w igrzyskach .
Tokens: 1_____ 2_________ 3 4_ 5_ 6________ 7___ 8_____________ 9 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #12016 from articles/00107912 from sent44

Text  : Triumf dodał nam skrzydeł i pozwolił uwierzyć , że możemy osiągnąć coś wielkiego .
Tokens: 1_____ 2____ 3__ 4_______ 5 6_______ 7_______ 8 9_ 10____ 11______ 12_ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #12017 from articles/00107912 from sent45

Text  : PAP : Decydujące spotkanie odbyło się w fatalnych warunkach atmosferycznych .  .  .
Tokens: 1__ 2 3_________ 4________ 5_____ 6__ 7 8________ 9________ 10_____________ 11 12 13

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #12018 from articles/00107912 from sent46

Text  : W . L . : Pogoda może i była okropna ,  ale bardzo nie lało .
Tokens: 1 2 3 4 5 6_____ 7___ 8 9___ 10_____ 11 12_ 13____ 14_ 15__ 16

Chunks:
  FalsePositive nam [3,4] = L .
  FalsePositive nam [6,6] = Pogoda
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12019 from articles/00107912 from sent47

Text  : Opady nie stanowiły przeszkody uniemożliwiającej nam sprawną grę .
Tokens: 1____ 2__ 3________ 4_________ 5________________ 6__ 7______ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #12020 from articles/00107912 from sent48

Text  : To istotne , gdyż preferowali śmy styl kombinacyjny i gdyby nad stadionem przeszła potężna ulewa ,  piłka nie słuchała by się nas .
Tokens: 1_ 2______ 3 4___ 5__________ 6__ 7___ 8___________ 9 10___ 11_ 12_______ 13______ 14_____ 15___ 16 17___ 18_ 19______ 20 21_ 22_ 23

Chunks:

(ChunkerEvaluator) Sentence #12021 from articles/00107912 from sent49

Text  : Na szczęście mogli śmy szybko wymieniać między sobą podania i  grać tak ,  jak zawsze .
Tokens: 1_ 2________ 3____ 4__ 5_____ 6________ 7_____ 8___ 9______ 10 11__ 12_ 13 14_ 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #12022 from articles/00107912 from sent50

Text  : PAP : Jaki był wydźwięk waszego sukcesu w kraju ?
Tokens: 1__ 2 3___ 4__ 5_______ 6______ 7______ 8 9____ 10

Chunks:
  TruePositive nam [1,1] = PAP
  FalsePositive nam [3,3] = Jaki

(ChunkerEvaluator) Sentence #12023 from articles/00107912 from sent51

Text  : W . L . : Bardzo pozytywny .
Tokens: 1 2 3 4 5 6_____ 7________ 8

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12024 from articles/00107912 from sent52

Text  : Otrzymali śmy wiele odznaczeń i premii .
Tokens: 1________ 2__ 3____ 4________ 5 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #12025 from articles/00107912 from sent53

Text  : Dla nas najważniejsze było jednak to , że osiągnęli śmy coś wiekopomnego ,  czego nie dokonał nikt przed nami .
Tokens: 1__ 2__ 3____________ 4___ 5_____ 6_ 7 8_ 9________ 10_ 11_ 12__________ 13 14___ 15_ 16_____ 17__ 18___ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #12026 from articles/00107912 from sent54

Text  : Zapisali śmy się w historii .
Tokens: 1_______ 2__ 3__ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #12027 from articles/00107912 from sent55

Text  : PAP : Czy anegdotka o kobiecie , która rzekomo wysłała telegram ,  w  którym błagała o  wygraną na igrzyskach ,  gdyż ewentualna porażka miała doprowadzić do jej rozwodu ,  jest prawdziwa ?
Tokens: 1__ 2 3__ 4________ 5 6_______ 7 8____ 9______ 10_____ 11______ 12 13 14____ 15_____ 16 17_____ 18 19________ 20 21__ 22________ 23_____ 24___ 25_________ 26 27_ 28_____ 29 30__ 31_______ 32

Chunks:
  TruePositive nam [1,1] = PAP

(ChunkerEvaluator) Sentence #12028 from articles/00107912 from sent56

Text  : W . L . : Nigdy o tym nie słyszał em .
Tokens: 1 2 3 4 5 6____ 7 8__ 9__ 10_____ 11 12

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12029 from articles/00107912 from sent57

Text  : Jeśli jednak przyczynili śmy się do uratowania jakiegoś małżeństwa ,  to mogę się tylko cieszyć .
Tokens: 1____ 2_____ 3__________ 4__ 5__ 6_ 7_________ 8_______ 9_________ 10 11 12__ 13_ 14___ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #12030 from articles/00107912 from sent58

Text  : PAP : Igrzyska były wówczas zawodami amatorów .
Tokens: 1__ 2 3_______ 4___ 5______ 6_______ 7_______ 8

Chunks:
  TruePositive nam [1,1] = PAP
  FalsePositive nam [3,3] = Igrzyska

(ChunkerEvaluator) Sentence #12031 from articles/00107912 from sent59

Text  : Który medal ma zatem większą wartość - złoto olimpijskie czy może brąz na mundialu w  1974 roku ?
Tokens: 1____ 2____ 3_ 4____ 5______ 6______ 7 8____ 9__________ 10_ 11__ 12__ 13 14______ 15 16__ 17__ 18

Chunks:

(ChunkerEvaluator) Sentence #12032 from articles/00107912 from sent60

Text  : W . L . : Trudno powiedzieć .
Tokens: 1 2 3 4 5 6_____ 7_________ 8

Chunks:
  FalsePositive nam [3,4] = L .
  FalseNegative nam [1,4] = W . L .

(ChunkerEvaluator) Sentence #12033 from articles/00107912 from sent61

Text  : Igrzyska i mundial różniły się między sobą poziomem sportowym ,  grali w  nich też inni piłkarze .
Tokens: 1_______ 2 3______ 4______ 5__ 6_____ 7___ 8_______ 9________ 10 11___ 12 13__ 14_ 15__ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #12034 from articles/00107912 from sent62

Text  : Jednak to właśnie w 1972 roku zapoczątkowana została piękna seria wielkich sukcesów polskiego futbolu .
Tokens: 1_____ 2_ 3______ 4 5___ 6___ 7_____________ 8______ 9_____ 10___ 11______ 12______ 13_______ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #12035 from articles/00107912 from sent63

Text  : Jesteśmy z tego dumni .
Tokens: 1_______ 2 3___ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #12036 from articles/00107912 from sent64

Text  : Rozmawiała Joanna Seliga
Tokens: 1_________ 2_____ 3_____

Chunks:
  TruePositive nam [2,3] = Joanna Seliga

2016-10-27 15:00:13,125 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 534 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107913.xml
(ChunkerEvaluator) Sentence #12037 from articles/00107913 from sent1

Text  : Nowy prezes w Pionierze .
Tokens: 1___ 2_____ 3 4________ 5

Chunks:
  TruePositive nam [4,4] = Pionierze

(ChunkerEvaluator) Sentence #12038 from articles/00107913 from sent2

Text  : To koniec konfliktu w spółdzielni ?
Tokens: 1_ 2_____ 3________ 4 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #12039 from articles/00107913 from sent3

Text  : Duże zmiany w Spółdzielni Mieszkaniowej „ Pionier ” w Kielcach .
Tokens: 1___ 2_____ 3 4__________ 5____________ 6 7______ 8 9 10______ 11

Chunks:
  TruePositive nam [10,10] = Kielcach
  FalsePositive nam [4,5] = Spółdzielni Mieszkaniowej
  FalsePositive nam [7,7] = Pionier
  FalseNegative nam [4,8] = Spółdzielni Mieszkaniowej „ Pionier ”

(ChunkerEvaluator) Sentence #12040 from articles/00107913 from sent4

Text  : Dziś pracę rozpocznie nowy prezes .
Tokens: 1___ 2____ 3_________ 4___ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12041 from articles/00107913 from sent5

Text  : To Tadeusz Barański , który wcześniej zarządzał m . in .  budynkami Exbudu .
Tokens: 1_ 2______ 3_______ 4 5____ 6________ 7________ 8 9 10 11 12_______ 13____ 14

Chunks:
  TruePositive nam [2,3] = Tadeusz Barański
  TruePositive nam [13,13] = Exbudu

(ChunkerEvaluator) Sentence #12042 from articles/00107913 from sent6

Text  : Czy to oznacza koniec konfliktu ?
Tokens: 1__ 2_ 3______ 4_____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #12043 from articles/00107913 from sent7

Text  : O narastającym konflikcie w spółdzielni pisali śmy w „ Gazecie ”  pod koniec czerwca .
Tokens: 1 2___________ 3_________ 4 5__________ 6_____ 7__ 8 9 10_____ 11 12_ 13____ 14_____ 15

Chunks:
  TruePositive nam [10,10] = Gazecie

(ChunkerEvaluator) Sentence #12044 from articles/00107913 from sent8

Text  : - Stanowiska polaryzowały się od roku i w wielu kwestiach nastąpił wyraźny podział w  radzie -  mówił Marek Wójcik ,  wtedy wiceprzewodniczący rady nadzorczej ,  zaliczający się do opozycyjnej grupy tzw .  reformatorów .
Tokens: 1 2_________ 3___________ 4__ 5_ 6___ 7 8 9____ 10_______ 11______ 12_____ 13_____ 14 15____ 16 17___ 18___ 19____ 20 21___ 22________________ 23__ 24________ 25 26_________ 27_ 28 29_________ 30___ 31_ 32 33__________ 34

Chunks:
  TruePositive nam [18,19] = Marek Wójcik

(ChunkerEvaluator) Sentence #12045 from articles/00107913 from sent9

Text  : Kulminacją tej sytuacji było dwudniowe walne zgromadzenie Pioniera , na którym przegłosowano zmiany w  radzie nadzorczej .
Tokens: 1_________ 2__ 3_______ 4___ 5________ 6____ 7___________ 8_______ 9 10 11____ 12___________ 13____ 14 15____ 16________ 17

Chunks:
  TruePositive nam [8,8] = Pioniera

(ChunkerEvaluator) Sentence #12046 from articles/00107913 from sent10

Text  : Absolutorium nie dostał trzyosobowy zarząd spółdzielni .
Tokens: 1___________ 2__ 3_____ 4__________ 5_____ 6__________ 7

Chunks:
  FalsePositive nam [1,1] = Absolutorium

(ChunkerEvaluator) Sentence #12047 from articles/00107913 from sent11

Text  : - Rada straciła do niego zaufanie .
Tokens: 1 2___ 3_______ 4_ 5____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #12048 from articles/00107913 from sent12

Text  : Zaważyły na tym krytyczna ocena pracy zarządu , brak konstruktywnych działań na rzecz polepszenia sytuacji spółdzielni -  tłumaczy Wójcik .
Tokens: 1_______ 2_ 3__ 4________ 5____ 6____ 7______ 8 9___ 10_____________ 11_____ 12 13___ 14_________ 15______ 16_________ 17 18______ 19____ 20

Chunks:
  TruePositive nam [19,19] = Wójcik

(ChunkerEvaluator) Sentence #12049 from articles/00107913 from sent13

Text  : Chodzi między innymi o ostatnie nieudane inwestycje Pioniera .
Tokens: 1_____ 2_____ 3_____ 4 5_______ 6_______ 7_________ 8_______ 9

Chunks:
  TruePositive nam [8,8] = Pioniera

(ChunkerEvaluator) Sentence #12050 from articles/00107913 from sent14

Text  : Przypomnijmy , że we wrześniu 2009 roku Pionier kupił od TP SA budynek przy Wapiennikowej ,  gdzie miał mieć swoją nową siedzibę .
Tokens: 1___________ 2 3_ 4_ 5_______ 6___ 7___ 8______ 9____ 10 11 12 13_____ 14__ 15___________ 16 17___ 18__ 19__ 20___ 21__ 22______ 23

Chunks:
  TruePositive nam [8,8] = Pionier
  TruePositive nam [11,12] = TP SA
  FalseNegative nam [15,15] = Wapiennikowej

(ChunkerEvaluator) Sentence #12051 from articles/00107913 from sent15

Text  : Musi się wyprowadzić ze starej przy ul . Seminaryjskiej ,  bo po podziale Pioniera ten budynek przypadł nowej spółdzielni -  Czarnockiego .
Tokens: 1___ 2__ 3__________ 4_ 5_____ 6___ 7_ 8 9_____________ 10 11 12 13______ 14______ 15_ 16_____ 17______ 18___ 19_________ 20 21__________ 22

Chunks:
  TruePositive nam [9,9] = Seminaryjskiej
  TruePositive nam [14,14] = Pioniera
  FalseNegative nam [21,21] = Czarnockiego

(ChunkerEvaluator) Sentence #12052 from articles/00107913 from sent16

Text  : Z kolei w lipcu zeszłego roku stanęła budowa bloku ,  w  którym miały powstać 24 mieszkania .
Tokens: 1 2____ 3 4____ 5_______ 6___ 7______ 8_____ 9____ 10 11 12____ 13___ 14_____ 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #12053 from articles/00107913 from sent17

Text  : Bez dachu został pozostawiony na zimę i dalej niszczeje .
Tokens: 1__ 2____ 3_____ 4___________ 5_ 6___ 7 8____ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #12054 from articles/00107913 from sent18

Text  : Oba budynki Pionier wystawił na sprzedaż .
Tokens: 1__ 2______ 3______ 4_______ 5_ 6_______ 7

Chunks:
  TruePositive nam [3,3] = Pionier

(ChunkerEvaluator) Sentence #12055 from articles/00107913 from sent19

Text  : W lipcu stanowisko stracił prezes Zbigniew Dusza , który od tamtego czasu przebywa na zwolnieniu lekarskim .
Tokens: 1 2____ 3_________ 4______ 5_____ 6_______ 7____ 8 9____ 10 11_____ 12___ 13______ 14 15________ 16_______ 17

Chunks:
  TruePositive nam [6,7] = Zbigniew Dusza

(ChunkerEvaluator) Sentence #12056 from articles/00107913 from sent20

Text  : - Po jego odwołaniu podjęto wiele działań oszczędnościowych i organizacyjnych -  mówi Wójcik .
Tokens: 1 2_ 3___ 4________ 5______ 6____ 7______ 8________________ 9 10_____________ 11 12__ 13____ 14

Chunks:
  TruePositive nam [13,13] = Wójcik

(ChunkerEvaluator) Sentence #12057 from articles/00107913 from sent21

Text  : Chodzi m . in . o racjonalizację kosztów i zatrudnienia w  spółdzielni .
Tokens: 1_____ 2 3 4_ 5 6 7_____________ 8______ 9 10__________ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #12058 from articles/00107913 from sent22

Text  : W sierpniu rada nadzorcza odwołała główną księgową Lucynę Kęcką ,  a  rezygnację złożył wiceprezes Jan Dachnowski .
Tokens: 1 2_______ 3___ 4________ 5_______ 6_____ 7_______ 8_____ 9____ 10 11 12________ 13____ 14________ 15_ 16________ 17

Chunks:
  TruePositive nam [8,9] = Lucynę Kęcką
  TruePositive nam [15,16] = Jan Dachnowski

(ChunkerEvaluator) Sentence #12059 from articles/00107913 from sent23

Text  : - Zapadła też decyzja , by zarząd był dwuosobowy ,  a  jego wynagrodzenie niższe o  jedną trzecią -  dodaje Wójcik .
Tokens: 1 2______ 3__ 4______ 5 6_ 7_____ 8__ 9_________ 10 11 12__ 13___________ 14____ 15 16___ 17_____ 18 19____ 20____ 21

Chunks:
  TruePositive nam [20,20] = Wójcik

(ChunkerEvaluator) Sentence #12060 from articles/00107913 from sent24

Text  : Dzięki temu koszty pracy zarządu mają w krótkiej perspektywie czasu obniżyć się o  połowę .
Tokens: 1_____ 2___ 3_____ 4____ 5______ 6___ 7 8_______ 9___________ 10___ 11_____ 12_ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #12061 from articles/00107913 from sent25

Text  : Nowym prezesem Pioniera został wybrany w konkursie Tadeusz Barański ,  który wcześniej zarządzał m  .  in .  budynkami Exbudu .
Tokens: 1____ 2_______ 3_______ 4_____ 5______ 6 7________ 8______ 9_______ 10 11___ 12_______ 13_______ 14 15 16 17 18_______ 19____ 20

Chunks:
  TruePositive nam [3,3] = Pioniera
  TruePositive nam [8,9] = Tadeusz Barański
  TruePositive nam [19,19] = Exbudu

(ChunkerEvaluator) Sentence #12062 from articles/00107913 from sent26

Text  : Pracę rozpocznie dzisiaj .
Tokens: 1____ 2_________ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #12063 from articles/00107913 from sent27

Text  : - Pierwsze dni na pewno będą intensywne , trzeba będzie uspokoić atmosferę i  uporządkować pewne sprawy .
Tokens: 1 2_______ 3__ 4_ 5____ 6___ 7_________ 8 9_____ 10____ 11______ 12_______ 13 14__________ 15___ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #12064 from articles/00107913 from sent28

Text  : Znam jednak specyfikę pracy w spółdzielni i wierzę , że dam sobie radę -  mówi Barański .
Tokens: 1___ 2_____ 3________ 4____ 5 6__________ 7 8_____ 9 10 11_ 12___ 13__ 14 15__ 16______ 17

Chunks:
  TruePositive nam [16,16] = Barański

2016-10-27 15:00:13,257 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 535 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107914.xml
(ChunkerEvaluator) Sentence #12065 from articles/00107914 from sent1

Text  : Reprezentacja .
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #12066 from articles/00107914 from sent2

Text  : Pay - per - view , czyli nadawcy i właściciel praw zadowoleni
Tokens: 1__ 2 3__ 4 5___ 6 7____ 8______ 9 10________ 11__ 12________

Chunks:

(ChunkerEvaluator) Sentence #12067 from articles/00107914 from sent3

Text  : Nadawcy i właściciel praw do meczu piłkarskiego Czarnogóra - Polska ,  który został udostępniony w  systemie pay -  per -  view ,  twierdzą ,  że mogą być zadowoleni z  zainteresowania kibiców .
Tokens: 1______ 2 3_________ 4___ 5_ 6____ 7___________ 8_________ 9 10____ 11 12___ 13____ 14__________ 15 16______ 17_ 18 19_ 20 21__ 22 23______ 24 25 26__ 27_ 28________ 29 30_____________ 31_____ 32

Chunks:
  TruePositive nam [8,8] = Czarnogóra
  TruePositive nam [10,10] = Polska

(ChunkerEvaluator) Sentence #12068 from articles/00107914 from sent4

Text  : Według nieoficjalnych danych usługę kupiło od ok . 50 tys .  do nawet 100 tys .  kibiców .
Tokens: 1_____ 2_____________ 3_____ 4_____ 5_____ 6_ 7_ 8 9_ 10_ 11 12 13___ 14_ 15_ 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #12069 from articles/00107914 from sent5

Text  : Także za wtorkowe spotkanie z Mołdawią telewidzowie będą musieli zapłacić .
Tokens: 1____ 2_ 3_______ 4________ 5 6_______ 7___________ 8___ 9______ 10______ 11

Chunks:
  TruePositive nam [6,6] = Mołdawią

(ChunkerEvaluator) Sentence #12070 from articles/00107914 from sent6

Text  : Mecz zostanie rozegrany we wtorek o godz . 20 .  45 .
Tokens: 1___ 2_______ 3________ 4_ 5_____ 6 7___ 8 9_ 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #12071 from articles/00107914 from sent7

Text  : Relacja na żywo na Sport.pl .
Tokens: 1______ 2_ 3___ 4_ 5_______ 6

Chunks:
  TruePositive nam [5,5] = Sport.pl

(ChunkerEvaluator) Sentence #12072 from articles/00107914 from sent8

Text  : Nadawcy zadowoleni
Tokens: 1______ 2_________

Chunks:

(ChunkerEvaluator) Sentence #12073 from articles/00107914 from sent9

Text  : - Co do zasady nie podajemy takich danych .
Tokens: 1 2_ 3_ 4_____ 5__ 6_______ 7_____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #12074 from articles/00107914 from sent10

Text  : W tej trudnej i niecodziennej sytuacji naszym priorytetem było zaoferowanie kibicom jakiegokolwiek dostępu do meczów .
Tokens: 1 2__ 3______ 4 5____________ 6_______ 7_____ 8__________ 9___ 10__________ 11_____ 12____________ 13_____ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #12075 from articles/00107914 from sent11

Text  : Część z nich skorzystała z tej możliwości .
Tokens: 1____ 2 3___ 4__________ 5 6__ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12076 from articles/00107914 from sent12

Text  : Zgadzamy się z opiniami , że spotkania naszej reprezentacji piłkarskiej powinny być oferowane w  telewizji publicznej ,  jednak w  tych wyjątkowych okolicznościach nie chcieli śmy pozostawić naszych abonentów bez jakiejkolwiek możliwości obejrzenia tego wydarzenia -  powiedziała rzeczniczka prasowa Cyfrowego Polsatu Olga Zomer .
Tokens: 1_______ 2__ 3 4_______ 5 6_ 7________ 8_____ 9____________ 10_________ 11_____ 12_ 13_______ 14 15_______ 16________ 17 18____ 19 20__ 21_________ 22_____________ 23_ 24_____ 25_ 26________ 27_____ 28_______ 29_ 30___________ 31________ 32________ 33__ 34________ 35 36_________ 37_________ 38_____ 39_______ 40_____ 41__ 42___ 43

Chunks:
  TruePositive nam [41,42] = Olga Zomer
  FalsePositive nam [37,40] = rzeczniczka prasowa Cyfrowego Polsatu
  FalseNegative nam [39,40] = Cyfrowego Polsatu

(ChunkerEvaluator) Sentence #12077 from articles/00107914 from sent13

Text  : Nie chciała również poinformować , jak przebiega sprzedaż usługi przed spotkaniem z  Mołdawią .
Tokens: 1__ 2______ 3______ 4___________ 5 6__ 7________ 8_______ 9_____ 10___ 11________ 12 13______ 14

Chunks:
  TruePositive nam [13,13] = Mołdawią

(ChunkerEvaluator) Sentence #12078 from articles/00107914 from sent14

Text  : - Sprzedaż trwa i sądzę , że jutro możemy spodziewać się wzrostu ilości zamówień ,  ponieważ z  naszych obserwacji wynika ,  że klienci odkładają takie decyzje do ostatniej chwili "  -  wyjaśniła .
Tokens: 1 2_______ 3___ 4 5____ 6 7_ 8____ 9_____ 10________ 11_ 12_____ 13____ 14______ 15 16______ 17 18_____ 19________ 20____ 21 22 23_____ 24_______ 25___ 26_____ 27 28_______ 29____ 30 31 32_______ 33

Chunks:

(ChunkerEvaluator) Sentence #12079 from articles/00107914 from sent15

Text  : Satysfakcji nie kryje natomiast sieć kablowa UPC .
Tokens: 1__________ 2__ 3____ 4________ 5___ 6______ 7__ 8

Chunks:
  FalseNegative nam [7,7] = UPC

(ChunkerEvaluator) Sentence #12080 from articles/00107914 from sent16

Text  : - Wyniki sprzedaży są dla nas satysfakcjonujące , choć naszym głównym celem było stworzenie naszym abonentom możliwości obejrzenia nie tylko meczu z  Czarnogórą ,  ale i  walki bokserskiej Tomasza Adamka oraz zapewnienie im wyboru .
Tokens: 1 2_____ 3________ 4_ 5__ 6__ 7________________ 8 9___ 10____ 11_____ 12___ 13__ 14________ 15____ 16_______ 17________ 18________ 19_ 20___ 21___ 22 23________ 24 25_ 26 27___ 28_________ 29_____ 30____ 31__ 32_________ 33 34____ 35

Chunks:
  TruePositive nam [23,23] = Czarnogórą
  TruePositive nam [29,30] = Tomasza Adamka

(ChunkerEvaluator) Sentence #12081 from articles/00107914 from sent17

Text  : Tego typu wydarzenia są dobrą okazją do popularyzowania interaktywnych funkcji telewizji cyfrowej i  edukowania na temat jej potencjału -  poinformowała rzeczniczka UPC Lidia Stępińska -  Ustasiak .
Tokens: 1___ 2___ 3_________ 4_ 5____ 6_____ 7_ 8______________ 9_____________ 10_____ 11_______ 12______ 13 14________ 15 16___ 17_ 18________ 19 20___________ 21_________ 22_ 23___ 24_______ 25 26______ 27

Chunks:
  TruePositive nam [23,26] = Lidia Stępińska - Ustasiak
  FalseNegative nam [22,22] = UPC

(ChunkerEvaluator) Sentence #12082 from articles/00107914 from sent18

Text  : Nie chciała zdradzić , które wydarzenie cieszyło się większym zainteresowaniem .
Tokens: 1__ 2______ 3_______ 4 5____ 6_________ 7_______ 8__ 9_______ 10______________ 11

Chunks:

(ChunkerEvaluator) Sentence #12083 from articles/00107914 from sent19

Text  : - Trudno to porównywać choćby ze względu na różny czas przeznaczony na promocję oraz inne środki techniczne użyte do transmisji obu wydarzeń -  przyznała .
Tokens: 1 2_____ 3_ 4_________ 5_____ 6_ 7______ 8_ 9____ 10__ 11__________ 12 13______ 14__ 15__ 16____ 17________ 18___ 19 20________ 21_ 22______ 23 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #12084 from articles/00107914 from sent20

Text  : O umiarkowanym zadowoleniu mówi Tomasz Cieślik , dyrektor ds .  biznesu firmy Sportfive ,  która jest właścicielem praw telewizyjnych do meczów reprezentacji Polski .
Tokens: 1 2___________ 3__________ 4___ 5_____ 6______ 7 8_______ 9_ 10 11_____ 12___ 13_______ 14 15___ 16__ 17__________ 18__ 19___________ 20 21____ 22___________ 23____ 24

Chunks:
  TruePositive nam [5,6] = Tomasz Cieślik
  TruePositive nam [23,23] = Polski
  FalseNegative nam [13,13] = Sportfive

(ChunkerEvaluator) Sentence #12085 from articles/00107914 from sent21

Text  : - Zważywszy na okoliczności , poziom dezinformacji , szybko zmieniającą się sytuację ,  to możemy być umiarkowanie zadowoleni ,  ale z  oceną tego eksperymentu trzeba się wstrzymać do spotkania z  Mołdawią -  powiedział Cieślik .
Tokens: 1 2________ 3_ 4___________ 5 6_____ 7____________ 8 9_____ 10_________ 11_ 12______ 13 14 15____ 16_ 17__________ 18________ 19 20_ 21 22___ 23__ 24__________ 25____ 26_ 27_______ 28 29_______ 30 31______ 32 33________ 34_____ 35

Chunks:
  TruePositive nam [31,31] = Mołdawią
  TruePositive nam [34,34] = Cieślik

(ChunkerEvaluator) Sentence #12086 from articles/00107914 from sent22

Text  : Jak poinformował , wciąż priorytetem jest sprzedaż pakietu praw do meczów drużyny narodowej do 2014 r  .
Tokens: 1__ 2___________ 3 4____ 5__________ 6___ 7_______ 8______ 9___ 10 11____ 12_____ 13_______ 14 15__ 16 17

Chunks:

(ChunkerEvaluator) Sentence #12087 from articles/00107914 from sent23

Text  : - Niezwłocznie po spotkaniu z Mołdawią przeanalizujemy sytuację i będziemy sondować ,  czy któryś z  bezpłatnych i  ogólnokrajowych ,  jak nakazuje ustawa ,  nadawców wciąż jest zainteresowany nabyciem całego pakietu ,  w  tym pozostałych ośmiu meczów eliminacyjnych .
Tokens: 1 2___________ 3_ 4________ 5 6_______ 7______________ 8_______ 9 10______ 11______ 12 13_ 14____ 15 16_________ 17 18_____________ 19 20_ 21______ 22____ 23 24______ 25___ 26__ 27____________ 28______ 29____ 30_____ 31 32 33_ 34_________ 35___ 36____ 37____________ 38

Chunks:
  TruePositive nam [6,6] = Mołdawią

(ChunkerEvaluator) Sentence #12088 from articles/00107914 from sent24

Text  : Jednak obecnie nie można wykluczyć żadnego scenariusza - przyznał .
Tokens: 1_____ 2______ 3__ 4____ 5________ 6______ 7__________ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #12089 from articles/00107914 from sent25

Text  : Jak zaznaczył , zamieszanie wokół spotkań z Czarnogórą i Mołdawią nie ma wpływu ani na kondycję finansową jego firmy ,  ani na realizację zobowiązań wobec PZPN i  reprezentacji Polski .
Tokens: 1__ 2________ 3 4__________ 5____ 6______ 7 8_________ 9 10______ 11_ 12 13____ 14_ 15 16______ 17_______ 18__ 19___ 20 21_ 22 23________ 24________ 25___ 26__ 27 28___________ 29____ 30

Chunks:
  TruePositive nam [8,8] = Czarnogórą
  TruePositive nam [10,10] = Mołdawią
  TruePositive nam [26,26] = PZPN
  TruePositive nam [29,29] = Polski

(ChunkerEvaluator) Sentence #12090 from articles/00107914 from sent26

Text  : - Dopiero w perspektywie roku , może dwóch lat ,  będzie można ocenić ,  jakie przełożenie na naszą współpracę z  PZPN będzie miała sytuacja na rynku praw telewizyjnych -  dodał .
Tokens: 1 2______ 3 4___________ 5___ 6 7___ 8____ 9__ 10 11____ 12___ 13____ 14 15___ 16_________ 17 18___ 19________ 20 21__ 22____ 23___ 24______ 25 26___ 27__ 28___________ 29 30___ 31

Chunks:
  TruePositive nam [21,21] = PZPN

(ChunkerEvaluator) Sentence #12091 from articles/00107914 from sent27

Text  : Sponsorzy już nie bardzo
Tokens: 1________ 2__ 3__ 4_____

Chunks:

(ChunkerEvaluator) Sentence #12092 from articles/00107914 from sent28

Text  : Brak transmisji w ogólnodostępnej telewizji oznacza straty po stronie sponsorów drużyny narodowej .
Tokens: 1___ 2_________ 3 4______________ 5________ 6______ 7_____ 8_ 9______ 10_______ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #12093 from articles/00107914 from sent29

Text  : Ich przedstawiciele wstrzymują się jednak na razie z jednoznacznymi komentarzami na ten temat .
Tokens: 1__ 2______________ 3_________ 4__ 5_____ 6_ 7____ 8 9_____________ 10__________ 11 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #12094 from articles/00107914 from sent30

Text  : Zaniepokojenie sytuacją wyraził rzecznik Grupy Żywiec Sebastian Tołwiński .
Tokens: 1_____________ 2_______ 3______ 4_______ 5____ 6_____ 7________ 8________ 9

Chunks:
  TruePositive nam [5,6] = Grupy Żywiec
  TruePositive nam [7,8] = Sebastian Tołwiński

(ChunkerEvaluator) Sentence #12095 from articles/00107914 from sent31

Text  : - Byli śmy oczywiście zabezpieczeni na wypadek takiego rozwoju wydarzeń ,  ale zamierzamy o  tym rozmawiać z  naszym partnerem biznesowym ,  czyli firmą Sportfive -  powiedział Tołwiński .
Tokens: 1 2___ 3__ 4_________ 5____________ 6_ 7______ 8______ 9______ 10______ 11 12_ 13________ 14 15_ 16_______ 17 18____ 19_______ 20________ 21 22___ 23___ 24_______ 25 26________ 27_______ 28

Chunks:
  TruePositive nam [27,27] = Tołwiński
  FalseNegative nam [24,24] = Sportfive

(ChunkerEvaluator) Sentence #12096 from articles/00107914 from sent32

Text  : Firma telekomunikacyjna Orange jako jedyna z tego grona ma własny kanał telewizyjny .
Tokens: 1____ 2________________ 3_____ 4___ 5_____ 6 7___ 8____ 9_ 10____ 11___ 12_________ 13

Chunks:
  TruePositive nam [3,3] = Orange

(ChunkerEvaluator) Sentence #12097 from articles/00107914 from sent33

Text  : Jak jednak poinformował rzecznik prasowy Wojciech Jabczyński , nie brano pod uwagę zakupu praw i  udostępnienia oglądania spotkań swoim odbiorcom .
Tokens: 1__ 2_____ 3___________ 4_______ 5______ 6_______ 7_________ 8 9__ 10___ 11_ 12___ 13____ 14__ 15 16___________ 17_______ 18_____ 19___ 20_______ 21

Chunks:
  TruePositive nam [6,7] = Wojciech Jabczyński

(ChunkerEvaluator) Sentence #12098 from articles/00107914 from sent34

Text  : - Nie było takiego tematu - zaznaczył .
Tokens: 1 2__ 3___ 4______ 5_____ 6 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12099 from articles/00107914 from sent35

Text  : Wykorzystanie systemu pay - per - view przy okazji transmisji z  meczów polskich piłkarzy wywołało ożywioną dyskusję kibiców .
Tokens: 1____________ 2______ 3__ 4 5__ 6 7___ 8___ 9_____ 10________ 11 12____ 13______ 14______ 15______ 16______ 17______ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #12100 from articles/00107914 from sent36

Text  : Na forach internetowych wielu z nich apeluje , aby nie kupować usługi .
Tokens: 1_ 2_____ 3____________ 4____ 5 6___ 7______ 8 9__ 10_ 11_____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #12101 from articles/00107914 from sent37

Text  : Obawiają się , że w przeciwnym razie zmniejszą się szanse na powrót transmisji w  kanałach otwartych .
Tokens: 1_______ 2__ 3 4_ 5 6_________ 7____ 8________ 9__ 10____ 11 12____ 13________ 14 15______ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #12102 from articles/00107914 from sent38

Text  : Inni sympatycy są z kolei oburzeni , że każe im się płacić za oglądanie prezentującej obecnie słaby poziom sportowy drużyny .
Tokens: 1___ 2________ 3_ 4 5____ 6_______ 7 8_ 9___ 10 11_ 12____ 13 14_______ 15___________ 16_____ 17___ 18____ 19______ 20_____ 21

Chunks:

2016-10-27 15:00:13,463 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 536 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107915.xml
(ChunkerEvaluator) Sentence #12103 from articles/00107915 from sent1

Text  : Może to ostatni mecz Morza Szczecin
Tokens: 1___ 2_ 3______ 4___ 5____ 6_______

Chunks:
  TruePositive nam [5,6] = Morza Szczecin

(ChunkerEvaluator) Sentence #12104 from articles/00107915 from sent2

Text  : Start w finale Pucharu Polski to już ogromny sukces siatkarzy ze Szczecina .
Tokens: 1____ 2 3_____ 4______ 5_____ 6_ 7__ 8______ 9_____ 10_______ 11 12_______ 13

Chunks:
  TruePositive nam [4,5] = Pucharu Polski
  TruePositive nam [12,12] = Szczecina

(ChunkerEvaluator) Sentence #12105 from articles/00107915 from sent3

Text  : W Sosnowcu są jednak skazywani na rolę „ chłopców do bicia ”  .
Tokens: 1 2_______ 3_ 4_____ 5________ 6_ 7___ 8 9_______ 10 11___ 12 13

Chunks:
  TruePositive nam [2,2] = Sosnowcu

(ChunkerEvaluator) Sentence #12106 from articles/00107915 from sent4

Text  : Ale tak samo było w półfinałowym meczu ze Skrą Bełchatów .
Tokens: 1__ 2__ 3___ 4___ 5 6___________ 7____ 8_ 9___ 10_______ 11

Chunks:
  TruePositive nam [9,10] = Skrą Bełchatów

(ChunkerEvaluator) Sentence #12107 from articles/00107915 from sent5

Text  : Wtedy na zespół prowadzony przez Grzegorza Rysia nikt nie liczył .
Tokens: 1____ 2_ 3_____ 4_________ 5____ 6________ 7____ 8___ 9__ 10____ 11

Chunks:
  TruePositive nam [6,7] = Grzegorza Rysia

(ChunkerEvaluator) Sentence #12108 from articles/00107915 from sent6

Text  : Zlekceważyli go także rywale i w efekcie grający jak w  transie szczecinianie potrzebowali godziny ,  by w  krótkich trzech setach odprawić z  kwitkiem zespół trenera Wiesława Czai .
Tokens: 1___________ 2_ 3____ 4_____ 5 6 7______ 8______ 9__ 10 11_____ 12___________ 13__________ 14_____ 15 16 17 18______ 19____ 20____ 21______ 22 23______ 24____ 25_____ 26______ 27__ 28

Chunks:
  TruePositive nam [26,27] = Wiesława Czai
  FalseNegative nam [12,12] = szczecinianie

(ChunkerEvaluator) Sentence #12109 from articles/00107915 from sent7

Text  : Skra w bieżącej edycji Pucharu Polski była jedynym klasowym rywalem Morza .
Tokens: 1___ 2 3_______ 4_____ 5______ 6_____ 7___ 8______ 9_______ 10_____ 11___ 12

Chunks:
  TruePositive nam [5,6] = Pucharu Polski
  TruePositive nam [11,11] = Morza
  FalseNegative nam [1,1] = Skra

(ChunkerEvaluator) Sentence #12110 from articles/00107915 from sent8

Text  : W poprzednich rundach szczecinianie mieli przeciwników spoza ekstraklasy , co w  znacznym stopniu ułatwiło im drogę do turnieju finałowego .
Tokens: 1 2__________ 3______ 4____________ 5____ 6___________ 7____ 8__________ 9 10 11 12______ 13_____ 14______ 15 16___ 17 18______ 19________ 20

Chunks:
  FalseNegative nam [4,4] = szczecinianie

(ChunkerEvaluator) Sentence #12111 from articles/00107915 from sent9

Text  : Dzisiaj jednak zagrają z Mostostalem .
Tokens: 1______ 2_____ 3______ 4 5__________ 6

Chunks:
  TruePositive nam [5,5] = Mostostalem

(ChunkerEvaluator) Sentence #12112 from articles/00107915 from sent10

Text  : Czy wierzą w sukces ?
Tokens: 1__ 2_____ 3 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #12113 from articles/00107915 from sent11

Text  : - Jeżeli kędzierzynianie zdążyli odpocząć w przerwie świątecznej , to już nikt w  Polsce ich teraz nie dogoni -  mówi o  swoich dawnych kolegach rozgrywający Morza Sławomir Gerymski .
Tokens: 1 2_____ 3______________ 4______ 5_______ 6 7_______ 8__________ 9 10 11_ 12__ 13 14____ 15_ 16___ 17_ 18____ 19 20__ 21 22____ 23_____ 24______ 25__________ 26___ 27______ 28______ 29

Chunks:
  TruePositive nam [14,14] = Polsce
  TruePositive nam [26,26] = Morza
  TruePositive nam [27,28] = Sławomir Gerymski
  FalseNegative nam [3,3] = kędzierzynianie

(ChunkerEvaluator) Sentence #12114 from articles/00107915 from sent12

Text  : Czy szczecinianie stoją więc na straconej pozycji ?
Tokens: 1__ 2____________ 3____ 4___ 5_ 6________ 7______ 8

Chunks:
  FalseNegative nam [2,2] = szczecinianie

(ChunkerEvaluator) Sentence #12115 from articles/00107915 from sent13

Text  : - Na pewno będziemy walczyć - zapowiada trener Ryś .
Tokens: 1 2_ 3____ 4_______ 5______ 6 7________ 8_____ 9__ 10

Chunks:
  TruePositive nam [9,9] = Ryś

(ChunkerEvaluator) Sentence #12116 from articles/00107915 from sent14

Text  : - Nie po to awansowali śmy do turnieju finałowego ,  żeby go odpuścić -  dodaje Gerymski .
Tokens: 1 2__ 3_ 4_ 5_________ 6__ 7_ 8_______ 9_________ 10 11__ 12 13______ 14 15____ 16______ 17

Chunks:
  FalseNegative nam [16,16] = Gerymski

(ChunkerEvaluator) Sentence #12117 from articles/00107915 from sent15

Text  : Do Sosnowca jednak szczecinianie przyjadą w nie najlepszych nastrojach .
Tokens: 1_ 2_______ 3_____ 4____________ 5_______ 6 7__ 8__________ 9_________ 10

Chunks:
  TruePositive nam [2,2] = Sosnowca
  FalseNegative nam [4,4] = szczecinianie

(ChunkerEvaluator) Sentence #12118 from articles/00107915 from sent16

Text  : Najlepsi zawodnicy oświadczyli , że jeśli nie zmieni się nic w  sytuacji finansowej klubu ,  to po turnieju finałowym złożą w  końcu rezygnację z  gry w  Morzu .
Tokens: 1_______ 2________ 3__________ 4 5_ 6____ 7__ 8_____ 9__ 10_ 11 12______ 13________ 14___ 15 16 17 18______ 19_______ 20___ 21 22___ 23________ 24 25_ 26 27___ 28

Chunks:
  TruePositive nam [27,27] = Morzu

(ChunkerEvaluator) Sentence #12119 from articles/00107915 from sent17

Text  : - Możliwe , że drużyna rozpadnie się po finale Pucharu Polski -  potwierdza obawy szkoleniowiec szczecinian .
Tokens: 1 2______ 3 4_ 5______ 6________ 7__ 8_ 9_____ 10_____ 11____ 12 13________ 14___ 15___________ 16_________ 17

Chunks:
  TruePositive nam [10,11] = Pucharu Polski
  FalseNegative nam [16,16] = szczecinian

2016-10-27 15:00:13,540 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 537 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107916.xml
(ChunkerEvaluator) Sentence #12120 from articles/00107916 from sent1

Text  : Kraków .
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Kraków

(ChunkerEvaluator) Sentence #12121 from articles/00107916 from sent2

Text  : Blisko 5 , 5 tys . publikacji muzycznych dostępnych online
Tokens: 1_____ 2 3 4 5__ 6 7_________ 8_________ 9_________ 10____

Chunks:

(ChunkerEvaluator) Sentence #12122 from articles/00107916 from sent3

Text  : Blisko 5 , 5 tys . publikacji muzycznych , w  tym ponad 4  tys .  druków muzycznych i  ponad tysiąc rękopisów z  Biblioteki Jagiellońskiej zdigitalizowała i  opracowała Biblioteka Polskiej Piosenki w  Krakowie .
Tokens: 1_____ 2 3 4 5__ 6 7_________ 8_________ 9 10 11_ 12___ 13 14_ 15 16____ 17________ 18 19___ 20____ 21_______ 22 23________ 24____________ 25_____________ 26 27________ 28________ 29______ 30______ 31 32______ 33

Chunks:
  TruePositive nam [23,24] = Biblioteki Jagiellońskiej
  TruePositive nam [28,30] = Biblioteka Polskiej Piosenki
  TruePositive nam [32,32] = Krakowie

(ChunkerEvaluator) Sentence #12123 from articles/00107916 from sent4

Text  : Utwory są wirtualnie dostępne dla czytelników .
Tokens: 1_____ 2_ 3_________ 4_______ 5__ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #12124 from articles/00107916 from sent5

Text  : Digitalizacja i opracowanie publikacji muzycznych , które znajdują się w  Bibliotece Jagiellońskiej ,  zajęło Bibliotece Polskiej Piosenki trzy lata .
Tokens: 1____________ 2 3__________ 4_________ 5_________ 6 7____ 8_______ 9__ 10 11________ 12____________ 13 14____ 15________ 16______ 17______ 18__ 19__ 20

Chunks:
  TruePositive nam [11,12] = Bibliotece Jagiellońskiej
  TruePositive nam [15,17] = Bibliotece Polskiej Piosenki

(ChunkerEvaluator) Sentence #12125 from articles/00107916 from sent6

Text  : W latach 2009 - 2010 przedsięwzięcie dofinansowało Ministerstwo Kultury i  Dziedzictwa Narodowego .
Tokens: 1 2_____ 3___ 4 5___ 6______________ 7____________ 8___________ 9______ 10 11_________ 12________ 13

Chunks:
  TruePositive nam [8,12] = Ministerstwo Kultury i Dziedzictwa Narodowego

(ChunkerEvaluator) Sentence #12126 from articles/00107916 from sent7

Text  : Od 2010 projekt finansuje Unia Europejska .
Tokens: 1_ 2___ 3______ 4________ 5___ 6_________ 7

Chunks:
  TruePositive nam [5,6] = Unia Europejska

(ChunkerEvaluator) Sentence #12127 from articles/00107916 from sent8

Text  : " Cyfrowa Biblioteka Polskiej Piosenki daje pełną i autoryzowaną informację o  utworze i  jego autorze .
Tokens: 1 2______ 3_________ 4_______ 5_______ 6___ 7____ 8 9___________ 10________ 11 12_____ 13 14__ 15_____ 16

Chunks:
  TruePositive nam [2,5] = Cyfrowa Biblioteka Polskiej Piosenki

(ChunkerEvaluator) Sentence #12128 from articles/00107916 from sent9

Text  : Ponadto przeprowadzamy różne śledztwa muzyczne , np . gdzie i  kiedy powstała piosenka +  Wlazł kotek na płotek +  .
Tokens: 1______ 2_____________ 3____ 4_______ 5_______ 6 7_ 8 9____ 10 11___ 12______ 13______ 14 15___ 16___ 17 18____ 19 20

Chunks:
  FalseNegative nam [15,18] = Wlazł kotek na płotek

(ChunkerEvaluator) Sentence #12129 from articles/00107916 from sent10

Text  : Rozwiązujemy zawiłości wynikające z nieporozumień typu kto jest autorem pieśni +  Góralu czy ci nie żal +  .
Tokens: 1___________ 2________ 3_________ 4 5____________ 6___ 7__ 8___ 9______ 10____ 11 12____ 13_ 14 15_ 16_ 17 18

Chunks:
  FalsePositive nam [12,12] = Góralu
  FalseNegative nam [12,16] = Góralu czy ci nie żal

(ChunkerEvaluator) Sentence #12130 from articles/00107916 from sent11

Text  : Wszyscy myśleli , że napisał ją góral , tymczasem twórcą jest ceper z  Krakowa "  -  powiedział pomysłodawca i  dyrektor Biblioteki Polskiej Piosenki Waldemar Domański .
Tokens: 1______ 2______ 3 4_ 5______ 6_ 7____ 8 9________ 10____ 11__ 12___ 13 14_____ 15 16 17________ 18__________ 19 20______ 21________ 22______ 23______ 24______ 25______ 26

Chunks:
  TruePositive nam [14,14] = Krakowa
  TruePositive nam [21,23] = Biblioteki Polskiej Piosenki
  TruePositive nam [24,25] = Waldemar Domański

(ChunkerEvaluator) Sentence #12131 from articles/00107916 from sent12

Text  : Dyrektor zaznaczył , że dzięki łączom internetowym , krakowska biblioteka jest dostępna nie tylko dla Polaków w  kraju ,  ale i  dla licznej Polonii .
Tokens: 1_______ 2________ 3 4_ 5_____ 6_____ 7___________ 8 9________ 10________ 11__ 12______ 13_ 14___ 15_ 16_____ 17 18___ 19 20_ 21 22_ 23_____ 24_____ 25

Chunks:
  TruePositive nam [16,16] = Polaków
  TruePositive nam [24,24] = Polonii

(ChunkerEvaluator) Sentence #12132 from articles/00107916 from sent13

Text  : " Średnio naszą stronę odwiedza 700 tys . osób miesięcznie "  -  ocenił .
Tokens: 1 2______ 3____ 4_____ 5_______ 6__ 7__ 8 9___ 10_________ 11 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #12133 from articles/00107916 from sent14

Text  : Aby wirtualnie wypożyczyć zbiory należy się zarejestrować na stronie internetowej Biblioteki Polskiej Piosenki i  podając dane osobowe uzyskać login .
Tokens: 1__ 2_________ 3_________ 4_____ 5_____ 6__ 7____________ 8_ 9______ 10__________ 11________ 12______ 13______ 14 15_____ 16__ 17_____ 18_____ 19___ 20

Chunks:
  TruePositive nam [11,13] = Biblioteki Polskiej Piosenki

(ChunkerEvaluator) Sentence #12134 from articles/00107916 from sent15

Text  : Książkę , nie wychodząc z domu , można wypożyczyć na dwa tygodnie .
Tokens: 1______ 2 3__ 4________ 5 6___ 7 8____ 9_________ 10 11_ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #12135 from articles/00107916 from sent16

Text  : Oddana wraca na półkę biblioteki i pojawia się w wypożyczalni online jako pozycja dostępna .
Tokens: 1_____ 2____ 3_ 4____ 5_________ 6 7______ 8__ 9 10__________ 11____ 12__ 13_____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #12136 from articles/00107916 from sent17

Text  : Wirtualnie wypożyczane utwory są zabezpieczone przed piractwem .
Tokens: 1_________ 2__________ 3_____ 4_ 5____________ 6____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12137 from articles/00107916 from sent18

Text  : System internetowy , jakim dysponuje krakowska biblioteka cyfrowa , nie pozwala skopiować utworu m  .  in .  dzięki znakom wodnym .
Tokens: 1_____ 2__________ 3 4____ 5________ 6________ 7_________ 8______ 9 10_ 11_____ 12_______ 13____ 14 15 16 17 18____ 19____ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #12138 from articles/00107916 from sent19

Text  : Biblioteka jest wyposażona w nowoczesną czytelnię , w której mieszczą się trzy stanowiska komputerowe z  dostępem do wszystkich elektronicznych zasobów Biblioteki Polskiej Piosenki oraz w  stoisko odsłuchowe do odtwarzania nagrań audio .
Tokens: 1_________ 2___ 3_________ 4 5_________ 6________ 7 8 9_____ 10______ 11_ 12__ 13________ 14_________ 15 16______ 17 18________ 19_____________ 20_____ 21________ 22______ 23______ 24__ 25 26_____ 27________ 28 29_________ 30____ 31___ 32

Chunks:
  TruePositive nam [21,23] = Biblioteki Polskiej Piosenki

(ChunkerEvaluator) Sentence #12139 from articles/00107916 from sent20

Text  : Można też przyjść osobiście do budynku biblioteki i skorzystać z  jej tradycyjnych zbiorów tj .  książek ,  czasopism ,  druków muzycznych w  wersji papierowej .
Tokens: 1____ 2__ 3______ 4________ 5_ 6______ 7_________ 8 9_________ 10 11_ 12__________ 13_____ 14 15 16_____ 17 18_______ 19 20____ 21________ 22 23____ 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #12140 from articles/00107916 from sent21

Text  : Wirtualne udostępnienie publikacji muzycznych było możliwe dzięki współpracy Biblioteki Piosenki Polskiej z  Biblioteką Jagiellońską .
Tokens: 1________ 2____________ 3_________ 4_________ 5___ 6______ 7_____ 8_________ 9_________ 10______ 11______ 12 13________ 14__________ 15

Chunks:
  TruePositive nam [9,11] = Biblioteki Piosenki Polskiej
  TruePositive nam [13,14] = Biblioteką Jagiellońską

(ChunkerEvaluator) Sentence #12141 from articles/00107916 from sent22

Text  : Zadowolenie z digitalizacji druków i rękopisów muzycznych wyraził we wtorek dyrektor Biblioteki Jagiellońskiej Zdzisław Pietrzyk ,  który wyjaśniał ,  że cyfryzacja służy ratowaniu treści cennych publikacji .
Tokens: 1__________ 2 3____________ 4_____ 5 6________ 7_________ 8______ 9_ 10____ 11______ 12________ 13____________ 14______ 15______ 16 17___ 18_______ 19 20 21________ 22___ 23_______ 24____ 25_____ 26________ 27

Chunks:
  TruePositive nam [12,13] = Biblioteki Jagiellońskiej
  TruePositive nam [14,15] = Zdzisław Pietrzyk

(ChunkerEvaluator) Sentence #12142 from articles/00107916 from sent23

Text  : W rozmowie z dziennikarzami dodał , że obecnie Biblioteka Jagiellońska digitalizuje głównie czasopisma XIX i  XX -  wieczne ,  ponieważ są one na papierze kwaśnym ,  ulegającym zniszczeniu .
Tokens: 1 2_______ 3 4_____________ 5____ 6 7_ 8______ 9_________ 10__________ 11__________ 12_____ 13________ 14_ 15 16 17 18_____ 19 20______ 21 22_ 23 24______ 25_____ 26 27________ 28_________ 29

Chunks:
  TruePositive nam [9,10] = Biblioteka Jagiellońska
  FalsePositive nam [16,18] = XX - wieczne

(ChunkerEvaluator) Sentence #12143 from articles/00107916 from sent24

Text  : Ponadto - jak powiedział - biblioteka cyfryzuje - skarby narodowe ,  takie jak np .  rękopis Kopernika .
Tokens: 1______ 2 3__ 4_________ 5 6_________ 7________ 8 9_____ 10______ 11 12___ 13_ 14 15 16_____ 17_______ 18

Chunks:
  TruePositive nam [17,17] = Kopernika

(ChunkerEvaluator) Sentence #12144 from articles/00107916 from sent25

Text  : " Nie zdążymy wszystkiego odkwasić , mimo że mamy linię do masowego odkwaszania książek .
Tokens: 1 2__ 3______ 4__________ 5_______ 6 7___ 8_ 9___ 10___ 11 12______ 13_________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #12145 from articles/00107916 from sent26

Text  : Jest to wyścig z czasem " - przyznał Pietrzyk .
Tokens: 1___ 2_ 3_____ 4 5_____ 6 7 8_______ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Pietrzyk

2016-10-27 15:00:13,776 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 538 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107917.xml
(ChunkerEvaluator) Sentence #12146 from articles/00107917 from sent1

Text  : Białystok korkiem stoi .
Tokens: 1________ 2______ 3___ 4

Chunks:
  FalseNegative nam [1,1] = Białystok

(ChunkerEvaluator) Sentence #12147 from articles/00107917 from sent2

Text  : Jeśli możesz - omijaj centrum
Tokens: 1____ 2_____ 3 4_____ 5______

Chunks:

(ChunkerEvaluator) Sentence #12148 from articles/00107917 from sent3

Text  : O tej porze tradycyjnie już zakorkowane są ulice w centrum Białegostoku .
Tokens: 1 2__ 3____ 4__________ 5__ 6__________ 7_ 8____ 9 10_____ 11__________ 12

Chunks:
  TruePositive nam [11,11] = Białegostoku

(ChunkerEvaluator) Sentence #12149 from articles/00107917 from sent4

Text  : Najgorsza sytuacja jest na ulicach : Branickiego , al .  Piłsudskiego ,  Legionowej ,  Sienkiewicza .
Tokens: 1________ 2_______ 3___ 4_ 5______ 6 7__________ 8 9_ 10 11__________ 12 13________ 14 15__________ 16

Chunks:
  TruePositive nam [13,13] = Legionowej
  TruePositive nam [15,15] = Sienkiewicza
  FalsePositive nam [7,11] = Branickiego , al . Piłsudskiego
  FalseNegative nam [7,7] = Branickiego
  FalseNegative nam [11,11] = Piłsudskiego

(ChunkerEvaluator) Sentence #12150 from articles/00107917 from sent5

Text  : Jak donoszą nam Czytelnicy , ulica Legionowa stoi .
Tokens: 1__ 2______ 3__ 4_________ 5 6____ 7________ 8___ 9

Chunks:
  TruePositive nam [7,7] = Legionowa
  FalsePositive nam [4,4] = Czytelnicy

(ChunkerEvaluator) Sentence #12151 from articles/00107917 from sent6

Text  : Praktycznie od ulicy Kopernika , w kierunku centrum samochody poruszają się bardzo wolno .
Tokens: 1__________ 2_ 3____ 4________ 5 6 7_______ 8______ 9________ 10_______ 11_ 12____ 13___ 14

Chunks:
  TruePositive nam [4,4] = Kopernika

(ChunkerEvaluator) Sentence #12152 from articles/00107917 from sent7

Text  : Takie same trudności czekają na kierowców , którzy poruszają się ulicą Branickiego w  kierunku Ronda Lussy i  dalej pojadą al .  Piłsudskiego .
Tokens: 1____ 2___ 3________ 4______ 5_ 6________ 7 8_____ 9________ 10_ 11___ 12_________ 13 14______ 15___ 16___ 17 18___ 19____ 20 21 22__________ 23

Chunks:
  TruePositive nam [12,12] = Branickiego
  TruePositive nam [15,16] = Ronda Lussy
  TruePositive nam [22,22] = Piłsudskiego

2016-10-27 15:00:13,802 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 539 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107918.xml
(ChunkerEvaluator) Sentence #12153 from articles/00107918 from sent1

Text  : W Kujawsko - Pomorskiem powstaną nowoczesne targowiska
Tokens: 1 2_______ 3 4_________ 5_______ 6_________ 7_________

Chunks:
  TruePositive nam [2,4] = Kujawsko - Pomorskiem

(ChunkerEvaluator) Sentence #12154 from articles/00107918 from sent2

Text  : Dwanaście nowoczesnych targowisk powstanie w regionie kujawsko - pomorskim dzięki wsparciu funduszy unijnych .
Tokens: 1________ 2___________ 3________ 4________ 5 6_______ 7_______ 8 9________ 10____ 11______ 12______ 13______ 14

Chunks:
  FalseNegative nam [7,9] = kujawsko - pomorskim

(ChunkerEvaluator) Sentence #12155 from articles/00107918 from sent3

Text  : Władze regionu liczą , że pomoże to drobnym producentom w  sprzedaży regionalnych produktów bez pośredników .
Tokens: 1_____ 2______ 3____ 4 5_ 6_____ 7_ 8______ 9__________ 10 11_______ 12__________ 13_______ 14_ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #12156 from articles/00107918 from sent4

Text  : " Tworzenie takich targowisk ma pomóc w skróceniu łańcucha pośredników między producentem a  konsumentem .
Tokens: 1 2________ 3_____ 4________ 5_ 6____ 7 8________ 9_______ 10_________ 11____ 12_________ 13 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #12157 from articles/00107918 from sent5

Text  : Dzięki nim mieszkańcy regionu będą mieli możliwość zakupu świeżych i  tańszych wyrobów ,  a  lokalni wytwórcy łatwiej znajdą nabywców swoich produktów "  -  powiedział Piotr Całbecki ,  marszałek województwa kujawsko -  pomorskiego .
Tokens: 1_____ 2__ 3_________ 4______ 5___ 6____ 7________ 8_____ 9_______ 10 11______ 12_____ 13 14 15_____ 16______ 17_____ 18____ 19______ 20____ 21_______ 22 23 24________ 25___ 26______ 27 28_______ 29_________ 30______ 31 32_________ 33

Chunks:
  TruePositive nam [25,26] = Piotr Całbecki
  TruePositive nam [30,32] = kujawsko - pomorskiego

(ChunkerEvaluator) Sentence #12158 from articles/00107918 from sent6

Text  : Jak poinformował , na ogłoszony w czerwcu nabór wniosków o  przyznanie pomocy na budowę ,  przebudowę ,  remont lub wyposażenie stałych targowisk w  niewielkich miejscowościach regionu zgłosiło się dwanaście samorządów lokalnych .
Tokens: 1__ 2___________ 3 4_ 5________ 6 7______ 8____ 9_______ 10 11________ 12____ 13 14____ 15 16________ 17 18____ 19_ 20_________ 21_____ 22_______ 23 24_________ 25_____________ 26_____ 27______ 28_ 29_______ 30________ 31_______ 32

Chunks:

(ChunkerEvaluator) Sentence #12159 from articles/00107918 from sent7

Text  : Wsparcie na budowę targowisk trafi do gmin w ramach rządowego programu "  Mój rynek "  .
Tokens: 1_______ 2_ 3_____ 4________ 5____ 6_ 7___ 8 9_____ 10_______ 11______ 12 13_ 14___ 15 16

Chunks:
  FalseNegative nam [13,14] = Mój rynek

(ChunkerEvaluator) Sentence #12160 from articles/00107918 from sent8

Text  : Pieniędzmi na ten cel dysponują samorządy województw w ramach Programu Rozwoju Obszarów Wiejskich na lata 2007 -  2013 .
Tokens: 1_________ 2_ 3__ 4__ 5________ 6________ 7_________ 8 9_____ 10______ 11_____ 12______ 13_______ 14 15__ 16__ 17 18__ 19

Chunks:
  FalsePositive nam [10,13] = Programu Rozwoju Obszarów Wiejskich
  FalseNegative nam [10,18] = Programu Rozwoju Obszarów Wiejskich na lata 2007 - 2013

(ChunkerEvaluator) Sentence #12161 from articles/00107918 from sent9

Text  : Przedsięwzięcia mogą być zrealizowane w miejscowościach do 50 tysięcy mieszkańców ,  a  w  Kujawsko -  Pomorskim na ich realizację zarezerwowano 12 milionów złotych .
Tokens: 1______________ 2___ 3__ 4___________ 5 6______________ 7_ 8_ 9______ 10_________ 11 12 13 14______ 15 16_______ 17 18_ 19________ 20___________ 21 22______ 23_____ 24

Chunks:
  TruePositive nam [14,16] = Kujawsko - Pomorskim
  TruePositive nam [23,23] = złotych

(ChunkerEvaluator) Sentence #12162 from articles/00107918 from sent10

Text  : O przyznanie pomocy ubiega się 12 gmin : Janikowo ,  Pakość ,  Wąbrzeźno ,  Baruchowo ,  Czernikowo ,  Pruszcz ,  Kcynia ,  Więcbork ,  Lipno ,  Skrwilno ,  Śliwice oraz gmina i  miasto Jabłonowo Pomorskie .
Tokens: 1 2_________ 3_____ 4_____ 5__ 6_ 7___ 8 9_______ 10 11____ 12 13_______ 14 15_______ 16 17________ 18 19_____ 20 21____ 22 23______ 24 25___ 26 27______ 28 29_____ 30__ 31___ 32 33____ 34_______ 35_______ 36

Chunks:
  TruePositive nam [9,9] = Janikowo
  TruePositive nam [11,11] = Pakość
  TruePositive nam [13,13] = Wąbrzeźno
  TruePositive nam [15,15] = Baruchowo
  TruePositive nam [17,17] = Czernikowo
  TruePositive nam [19,19] = Pruszcz
  TruePositive nam [21,21] = Kcynia
  TruePositive nam [23,23] = Więcbork
  TruePositive nam [25,25] = Lipno
  TruePositive nam [27,27] = Skrwilno
  TruePositive nam [29,29] = Śliwice
  TruePositive nam [34,35] = Jabłonowo Pomorskie

(ChunkerEvaluator) Sentence #12163 from articles/00107918 from sent11

Text  : Targowiska , które zostaną dofinansowane , powinny być utwardzone ,  oświetlone ,  przyłączone do sieci wodociągowej ,  elektronergetycznej i  kanalizacyjnej ,  wyposażone w  miejsca parkingowe ,  sanitariaty oraz odpływ wody deszczowej .
Tokens: 1_________ 2 3____ 4______ 5____________ 6 7______ 8__ 9_________ 10 11________ 12 13_________ 14 15___ 16__________ 17 18_________________ 19 20____________ 21 22________ 23 24_____ 25________ 26 27_________ 28__ 29____ 30__ 31________ 32

Chunks:

(ChunkerEvaluator) Sentence #12164 from articles/00107918 from sent12

Text  : Zadaszone stoiska powinny zajmować co najmniej połowę powierzchni handlowej .
Tokens: 1________ 2______ 3______ 4_______ 5_ 6_______ 7_____ 8__________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #12165 from articles/00107918 from sent13

Text  : Targowiska zostaną także podzielone na sekcje , w których będą sprzedawane towary danego rodzaju .
Tokens: 1_________ 2______ 3____ 4_________ 5_ 6_____ 7 8 9______ 10__ 11_________ 12____ 13____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #12166 from articles/00107918 from sent14

Text  : Przynajmniej połowę powierzchni handlowej powinny zajmować stoiska z produktami rolno -  spożywczymi .
Tokens: 1___________ 2_____ 3__________ 4________ 5______ 6_______ 7______ 8 9_________ 10___ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #12167 from articles/00107918 from sent15

Text  : Maksymalna wysokość wsparcia dla jednego beneficjenta to 1 milion złotych na cały okres realizacji programu .
Tokens: 1_________ 2_______ 3_______ 4__ 5______ 6___________ 7_ 8 9_____ 10_____ 11 12__ 13___ 14________ 15______ 16

Chunks:
  TruePositive nam [10,10] = złotych

(ChunkerEvaluator) Sentence #12168 from articles/00107918 from sent16

Text  : Refundacji podlegać będzie maksymalnie 75 proc . kosztów przedsięwzięcia .
Tokens: 1_________ 2_______ 3_____ 4__________ 5_ 6___ 7 8______ 9______________ 10

Chunks:

2016-10-27 15:00:13,893 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 540 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107920.xml
(ChunkerEvaluator) Sentence #12169 from articles/00107920 from sent1

Text  : Tydzień do finału WOŚP
Tokens: 1______ 2_ 3_____ 4___

Chunks:
  TruePositive nam [4,4] = WOŚP

(ChunkerEvaluator) Sentence #12170 from articles/00107920 from sent2

Text  : Tradycyjnie oprócz zbiórki pieniędzy na ulicach podczas finału Wielkiej Orkiestry Świątecznej Pomocy odbędą się aukcje ciekawych przedmiotów i  .  .  .  zwierząt .
Tokens: 1__________ 2_____ 3______ 4________ 5_ 6______ 7______ 8_____ 9_______ 10_______ 11_________ 12____ 13____ 14_ 15____ 16_______ 17_________ 18 19 20 21 22______ 23

Chunks:
  TruePositive nam [9,12] = Wielkiej Orkiestry Świątecznej Pomocy

(ChunkerEvaluator) Sentence #12171 from articles/00107920 from sent3

Text  : W Gdańsku licytowany będzie koń wyścigowy .
Tokens: 1 2______ 3_________ 4_____ 5__ 6________ 7

Chunks:
  TruePositive nam [2,2] = Gdańsku

(ChunkerEvaluator) Sentence #12172 from articles/00107920 from sent4

Text  : WOŚP .
Tokens: 1___ 2

Chunks:
  TruePositive nam [1,1] = WOŚP

(ChunkerEvaluator) Sentence #12173 from articles/00107920 from sent5

Text  : Tydzień do finału
Tokens: 1______ 2_ 3_____

Chunks:

(ChunkerEvaluator) Sentence #12174 from articles/00107920 from sent6

Text  : Kupi sobie konia albo zabytkowe zapałki
Tokens: 1___ 2____ 3____ 4___ 5________ 6______

Chunks:

(ChunkerEvaluator) Sentence #12175 from articles/00107920 from sent7

Text  : Oprócz zbiórki pieniędzy na ulicach , w dniu 11 .  finału Wielkiej Orkiestry Świątecznej Pomocy odbędą się aukcje wielu ciekawych przedmiotów i  .  .  .  zwierząt .
Tokens: 1_____ 2______ 3________ 4_ 5______ 6 7 8___ 9_ 10 11____ 12______ 13_______ 14_________ 15____ 16____ 17_ 18____ 19___ 20_______ 21_________ 22 23 24 25 26______ 27

Chunks:
  TruePositive nam [12,15] = Wielkiej Orkiestry Świątecznej Pomocy

(ChunkerEvaluator) Sentence #12176 from articles/00107920 from sent8

Text  : W Gdańsku licytowany będzie koń wyścigowy
Tokens: 1 2______ 3_________ 4_____ 5__ 6________

Chunks:
  TruePositive nam [2,2] = Gdańsku

(ChunkerEvaluator) Sentence #12177 from articles/00107920 from sent9

Text  : Aukcja na rzecz WOŚP rozpocznie się w 12 stycznia o  godz .  11 w  studiu TV Gdańsk przy ul .  Czyżewskiego 42 .
Tokens: 1_____ 2_ 3____ 4___ 5_________ 6__ 7 8_ 9_______ 10 11__ 12 13 14 15____ 16 17____ 18__ 19 20 21__________ 22 23

Chunks:
  TruePositive nam [4,4] = WOŚP
  TruePositive nam [16,17] = TV Gdańsk
  TruePositive nam [21,21] = Czyżewskiego

(ChunkerEvaluator) Sentence #12178 from articles/00107920 from sent10

Text  : Wśród licznych przedmiotów podarowanych na aukcję znalazły się m .  in .  bilet na rejs dookoła świata jachtem „  Pogoria ”  ,  replika medalu z  1923 r  .  wybita na 100 -  lecie uzdrowiska Sopot ,  zapałki sprzed II wojny ,  a  także zaproszenia na weekendy w  eleganckich hotelach i  kolacje w  drogich restauracjach .
Tokens: 1____ 2_______ 3__________ 4___________ 5_ 6_____ 7_______ 8__ 9 10 11 12 13___ 14 15__ 16_____ 17____ 18_____ 19 20_____ 21 22 23_____ 24____ 25 26__ 27 28 29____ 30 31_ 32 33___ 34________ 35___ 36 37_____ 38____ 39 40___ 41 42 43___ 44_________ 45 46______ 47 48_________ 49______ 50 51_____ 52 53_____ 54___________ 55

Chunks:
  TruePositive nam [35,35] = Sopot
  FalseNegative nam [20,20] = Pogoria

(ChunkerEvaluator) Sentence #12179 from articles/00107920 from sent11

Text  : Na licytację wystawiony zostanie także 8 - letni koń pełnej krwi angielskiej .
Tokens: 1_ 2________ 3_________ 4_______ 5____ 6 7 8____ 9__ 10____ 11__ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #12180 from articles/00107920 from sent12

Text  : To niezwykle szybki i dzielny wierzchowiec , wyhodowany głównie z  myślą o  wyścigach ,  lecz przydatny także do innych dyscyplin sportu jeździeckiego .
Tokens: 1_ 2________ 3_____ 4 5______ 6___________ 7 8_________ 9______ 10 11___ 12 13_______ 14 15__ 16_______ 17___ 18 19____ 20_______ 21____ 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #12181 from articles/00107920 from sent13

Text  : - Żeby było ciekawiej , licytację konia poprowadzi znany showman Paweł „  Konjo ”  Konnak .
Tokens: 1 2___ 3___ 4________ 5 6________ 7____ 8_________ 9____ 10_____ 11___ 12 13___ 14 15____ 16

Chunks:
  FalsePositive nam [11,13] = Paweł „ Konjo
  FalseNegative nam [11,15] = Paweł „ Konjo ” Konnak

(ChunkerEvaluator) Sentence #12182 from articles/00107920 from sent14

Text  : Liczymy , że dzięki niemu uda się uzyskać wyjątkowo dobrą cenę -  mówi Joanna Skrodzka z  gdańskiego sztabu WOŚP .
Tokens: 1______ 2 3_ 4_____ 5____ 6__ 7__ 8______ 9________ 10___ 11__ 12 13__ 14____ 15______ 16 17________ 18____ 19__ 20

Chunks:
  TruePositive nam [14,15] = Joanna Skrodzka
  TruePositive nam [19,19] = WOŚP

(ChunkerEvaluator) Sentence #12183 from articles/00107920 from sent15

Text  : Lista przedmiotów , które zostaną wystawione na aukcję , nie została jeszcze zamknięta .
Tokens: 1____ 2__________ 3 4____ 5______ 6_________ 7_ 8_____ 9 10_ 11_____ 12_____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #12184 from articles/00107920 from sent16

Text  : Osoby lub firmy , które chciały by podarować coś wartościowego orkiestrze ,  mogą kontaktować się ze sztabem WOŚP przy ul .  Czyżewskiego 42 w  Oliwie (  tel .  /  faks 552 39 11 ,  mail :  wosp @  gda .  tvp .  com .  pl )  .
Tokens: 1____ 2__ 3____ 4 5____ 6______ 7_ 8________ 9__ 10___________ 11________ 12 13__ 14_________ 15_ 16 17_____ 18__ 19__ 20 21 22__________ 23 24 25____ 26 27_ 28 29 30__ 31_ 32 33 34 35__ 36 37__ 38 39_ 40 41_ 42 43_ 44 45 46 47

Chunks:
  TruePositive nam [18,18] = WOŚP
  TruePositive nam [22,22] = Czyżewskiego
  FalsePositive nam [41,45] = tvp . com . pl
  FalseNegative nam [25,25] = Oliwie
  FalseNegative nam [37,45] = wosp @ gda . tvp . com . pl

(ChunkerEvaluator) Sentence #12185 from articles/00107920 from sent17

Text  : apla
Tokens: 1___

Chunks:

(ChunkerEvaluator) Sentence #12186 from articles/00107920 from sent18

Text  : Pieniądze zebrane podczas tegorocznego finału WOŚP przeznaczone zostaną na sprzęt medyczny dla szpitalnych oddziałów niemowlęcych i  dzieci młodszych .
Tokens: 1________ 2______ 3______ 4___________ 5_____ 6___ 7___________ 8______ 9_ 10____ 11______ 12_ 13_________ 14_______ 15__________ 16 17____ 18_______ 19

Chunks:
  TruePositive nam [6,6] = WOŚP

(ChunkerEvaluator) Sentence #12187 from articles/00107920 from sent19

Text  : W tym roku w regionie pomorskim i warmińsko - mazurskim zbiórką pieniędzy zajmować się będzie ok .  3  tys .  wolontariuszy .
Tokens: 1 2__ 3___ 4 5_______ 6________ 7 8________ 9 10_______ 11_____ 12_______ 13______ 14_ 15____ 16 17 18 19_ 20 21___________ 22

Chunks:
  TruePositive nam [8,10] = warmińsko - mazurskim
  FalseNegative nam [6,6] = pomorskim

2016-10-27 15:00:13,991 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 541 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107921.xml
(ChunkerEvaluator) Sentence #12188 from articles/00107921 from sent1

Text  : W bloku przy ul . Ozimskiej powstanie policyjna dyżurka
Tokens: 1 2____ 3___ 4_ 5 6________ 7________ 8________ 9______

Chunks:
  FalseNegative nam [6,6] = Ozimskiej

(ChunkerEvaluator) Sentence #12189 from articles/00107921 from sent2

Text  : W klatce opolskiego bloku przy Ozimskiej 53 powstaje policyjna dyżurka ,  bo mieszkańcy są zastraszani przez młodych sąsiadów i  ich kolegów
Tokens: 1 2_____ 3_________ 4____ 5___ 6________ 7_ 8_______ 9________ 10_____ 11 12 13________ 14 15_________ 16___ 17_____ 18______ 19 20_ 21_____

Chunks:
  FalseNegative nam [6,6] = Ozimskiej

(ChunkerEvaluator) Sentence #12190 from articles/00107921 from sent3

Text  : Punkt miał być otwarty w minionym tygodniu , jednak już został zdewastowany .  .  .
Tokens: 1____ 2___ 3__ 4______ 5 6_______ 7_______ 8 9_____ 10_ 11____ 12__________ 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #12191 from articles/00107921 from sent4

Text  : Wandale wybili jedną z szyb , wyrwali znajdujące się naprzeciwko drzwi i  rury centralnego ogrzewania .
Tokens: 1______ 2_____ 3____ 4 5___ 6 7______ 8_________ 9__ 10_________ 11___ 12 13__ 14_________ 15________ 16

Chunks:
  FalsePositive nam [1,1] = Wandale

(ChunkerEvaluator) Sentence #12192 from articles/00107921 from sent5

Text  : - To udowadnia jeszcze bardziej , że takie miejsce w  bloku powinno powstać .
Tokens: 1 2_ 3________ 4______ 5_______ 6 7_ 8____ 9______ 10 11___ 12_____ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #12193 from articles/00107921 from sent6

Text  : Uruchomimy punkt w kilka dni - deklaruje Franciszek Dezor ,  prezes spółdzielni Przyszłość ,  właściciela bloku .
Tokens: 1_________ 2____ 3 4____ 5__ 6 7________ 8_________ 9____ 10 11____ 12_________ 13________ 14 15_________ 16___ 17

Chunks:
  TruePositive nam [8,9] = Franciszek Dezor
  TruePositive nam [13,13] = Przyszłość

(ChunkerEvaluator) Sentence #12194 from articles/00107921 from sent7

Text  : Jak mówi , dewastacje w budynku nasiliły się od kilkunastu miesięcy .
Tokens: 1__ 2___ 3 4_________ 5 6______ 7_______ 8__ 9_ 10________ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #12195 from articles/00107921 from sent8

Text  : Przygotowane przez Przyszłość miejsce ma być punktem przyjęć interesantów .
Tokens: 1___________ 2____ 3_________ 4______ 5_ 6__ 7______ 8______ 9___________ 10

Chunks:
  TruePositive nam [3,3] = Przyszłość

(ChunkerEvaluator) Sentence #12196 from articles/00107921 from sent9

Text  : To kiedy i w jakich godzinach będzie tutaj siedział dzielnicowy jest jeszcze uzgadniane .
Tokens: 1_ 2____ 3 4 5_____ 6________ 7_____ 8____ 9_______ 10_________ 11__ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12197 from articles/00107921 from sent10

Text  : Podobnych miejsc jest w Opolu siedem , ale tylko ten mieści się w  klatce bloku .
Tokens: 1________ 2_____ 3___ 4 5____ 6_____ 7 8__ 9____ 10_ 11____ 12_ 13 14____ 15___ 16

Chunks:
  TruePositive nam [5,5] = Opolu

(ChunkerEvaluator) Sentence #12198 from articles/00107921 from sent11

Text  : - Zrobimy wszystko , żeby ograniczyć bezkarną dewastację .
Tokens: 1 2______ 3_______ 4 5___ 6_________ 7_______ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #12199 from articles/00107921 from sent12

Text  : Poczekajmy najpierw , jak się sprawdzi policyjna dyżurka - dodaje Dezor .
Tokens: 1_________ 2_______ 3 4__ 5__ 6_______ 7________ 8______ 9 10____ 11___ 12

Chunks:
  FalseNegative nam [11,11] = Dezor

(ChunkerEvaluator) Sentence #12200 from articles/00107921 from sent13

Text  : Mieszkańcy zastraszeni
Tokens: 1_________ 2__________

Chunks:

(ChunkerEvaluator) Sentence #12201 from articles/00107921 from sent14

Text  : Młodzi mieszkańcy bloku przesiadują głównie na parterze przed windami .
Tokens: 1_____ 2_________ 3____ 4__________ 5______ 6_ 7_______ 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #12202 from articles/00107921 from sent15

Text  : Miejsce ich zbiórek jest dokładnie zaznaczone .
Tokens: 1______ 2__ 3______ 4___ 5________ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #12203 from articles/00107921 from sent16

Text  : Wokół kilkadziesiąt niedopałków papierosów , po ziemi walają się butelki po alkoholu ,  a  wszystkie ściany popisane nienadającymi się do cytowania hasłami .
Tokens: 1____ 2____________ 3__________ 4_________ 5 6_ 7____ 8_____ 9__ 10_____ 11 12______ 13 14 15_______ 16____ 17______ 18___________ 19_ 20 21_______ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #12204 from articles/00107921 from sent17

Text  : Domofonów w klatce nie ma , ponieważ i tak od razu były by zniszczone .
Tokens: 1________ 2 3_____ 4__ 5_ 6 7_______ 8 9__ 10 11__ 12__ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #12205 from articles/00107921 from sent18

Text  : Blokersi zaczęli tutaj urzędować jakieś trzy lata temu .
Tokens: 1_______ 2______ 3____ 4________ 5_____ 6___ 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #12206 from articles/00107921 from sent19

Text  : - Teraz nie da się tutaj spokojnie żyć .
Tokens: 1 2____ 3__ 4_ 5__ 6____ 7________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #12207 from articles/00107921 from sent20

Text  : Chyba przed świętami z dziewiątego piętra wyleciały dwa okna -  mówi jedna z  mieszkanek .
Tokens: 1____ 2____ 3_______ 4 5__________ 6_____ 7________ 8__ 9___ 10 11__ 12___ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #12208 from articles/00107921 from sent21

Text  : - Co chwilę jest coś niszczone , a nikt z  mieszkańców nie zwróci im uwagi .
Tokens: 1 2_ 3_____ 4___ 5__ 6________ 7 8 9___ 10 11_________ 12_ 13____ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #12209 from articles/00107921 from sent22

Text  : Moja sąsiadka spróbowała i została wyzwana od najgorszych .
Tokens: 1___ 2_______ 3_________ 4 5______ 6______ 7_ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #12210 from articles/00107921 from sent23

Text  : Mieszkańcy twierdzą , że próba uspokojenia młodzieży może się skończyć rzuceniem cegłówki na samochód lub w  najlepszym przypadku porysowaniem karoserii czy wyrwaniem lusterek .
Tokens: 1_________ 2_______ 3 4_ 5____ 6__________ 7________ 8___ 9__ 10______ 11_______ 12______ 13 14______ 15_ 16 17________ 18_______ 19__________ 20_______ 21_ 22_______ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #12211 from articles/00107921 from sent24

Text  : - Podobno jeden z mieszkańców był za takie uwagi pobity .
Tokens: 1 2______ 3____ 4 5__________ 6__ 7_ 8____ 9____ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #12212 from articles/00107921 from sent25

Text  : Być może , gdyby ci młodzi ludzie mieli jakąś świetlicę ,  nie rozrabiali by tak -  rozważa druga z  kobiet .
Tokens: 1__ 2___ 3 4____ 5_ 6_____ 7_____ 8____ 9____ 10_______ 11 12_ 13________ 14 15_ 16 17_____ 18___ 19 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #12213 from articles/00107921 from sent26

Text  : - Przecież tutaj wokół tylko beton i samochody .
Tokens: 1 2_______ 3____ 4____ 5____ 6____ 7 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #12214 from articles/00107921 from sent27

Text  : A tak siedzą cały czas przed tymi windami i na klatce .
Tokens: 1 2__ 3_____ 4___ 5___ 6____ 7___ 8______ 9 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12215 from articles/00107921 from sent28

Text  : Blokersi przesiadują koło grzejników .
Tokens: 1_______ 2__________ 3___ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #12216 from articles/00107921 from sent29

Text  : Z opowieści mieszkańców wynika , że od czasu do czasu potrafią przenieść się na któreś z  pięter .
Tokens: 1 2________ 3__________ 4_____ 5 6_ 7_ 8____ 9_ 10___ 11______ 12_______ 13_ 14 15____ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #12217 from articles/00107921 from sent30

Text  : Gdzie urzędowali , zawsze widać - puste butelki , wybite szyby .
Tokens: 1____ 2_________ 3 4_____ 5____ 6 7____ 8______ 9 10____ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #12218 from articles/00107921 from sent31

Text  : - Wie pan , ile osób się już z tego powodu wyprowadziło ?
Tokens: 1 2__ 3__ 4 5__ 6___ 7__ 8__ 9 10__ 11____ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #12219 from articles/00107921 from sent32

Text  : Co chwilę widać nowe twarze .
Tokens: 1_ 2_____ 3____ 4___ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12220 from articles/00107921 from sent33

Text  : Ja też mam zamiar się stąd wynieść - dodaje kolejny mieszkaniec .
Tokens: 1_ 2__ 3__ 4_____ 5__ 6___ 7______ 8 9_____ 10_____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #12221 from articles/00107921 from sent34

Text  : W zasadzie wszyscy , z którymi próbowali śmy rozmawiać ,  są całą sytuacją wystraszeni i  nie chcą podawać nawet swoich imion .
Tokens: 1 2_______ 3______ 4 5 6______ 7________ 8__ 9________ 10 11 12__ 13______ 14_________ 15 16_ 17__ 18_____ 19___ 20____ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #12222 from articles/00107921 from sent35

Text  : Nam dajcie ten posterunek
Tokens: 1__ 2_____ 3__ 4_________

Chunks:

(ChunkerEvaluator) Sentence #12223 from articles/00107921 from sent36

Text  : - Ludzie przesadzają .
Tokens: 1 2_____ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #12224 from articles/00107921 from sent37

Text  : Wystarczy , że wejdę do windy , a od razu kobieta się odsuwa w  kąt ,  chowając torebkę -  przyznaje wysoki 18 -  latek ,  jeden z  częstych gości przed windą .
Tokens: 1________ 2 3_ 4____ 5_ 6____ 7 8 9_ 10__ 11_____ 12_ 13____ 14 15_ 16 17______ 18_____ 19 20_______ 21____ 22 23 24___ 25 26___ 27 28______ 29___ 30___ 31___ 32

Chunks:

(ChunkerEvaluator) Sentence #12225 from articles/00107921 from sent38

Text  : Poproszony o podanie imienia , przedstawił się jako " blokers numer jeden "  .
Tokens: 1_________ 2 3______ 4______ 5 6__________ 7__ 8___ 9 10_____ 11___ 12___ 13 14

Chunks:

(ChunkerEvaluator) Sentence #12226 from articles/00107921 from sent39

Text  : - A pomysł z posterunkiem jest zupełnie bez sensu .
Tokens: 1 2 3_____ 4 5___________ 6___ 7_______ 8__ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #12227 from articles/00107921 from sent40

Text  : I tak się dziwię , że jeszcze nikt nie rozwalił tam drzwi .
Tokens: 1 2__ 3__ 4_____ 5 6_ 7______ 8___ 9__ 10______ 11_ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #12228 from articles/00107921 from sent41

Text  : Jak mówi , on i jego koledzy siedzą na klatce ,  bo nie ma innego miejsca ,  a  na wyjście do pubu brakuje im pieniędzy .
Tokens: 1__ 2___ 3 4_ 5 6___ 7______ 8_____ 9_ 10____ 11 12 13_ 14 15____ 16_____ 17 18 19 20_____ 21 22__ 23_____ 24 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #12229 from articles/00107921 from sent42

Text  : Do domu zaś nie chcą się zapraszać .
Tokens: 1_ 2___ 3__ 4__ 5___ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12230 from articles/00107921 from sent43

Text  : Według niego najlepszym rozwiązaniem było by , gdyby to im dano pokój dla dzielnicowych lub inne miejsce .
Tokens: 1_____ 2____ 3_________ 4___________ 5___ 6_ 7 8____ 9_ 10 11__ 12___ 13_ 14___________ 15_ 16__ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #12231 from articles/00107921 from sent44

Text  : Mogli by tam zrobić na przykład siłownię i nikomu by nie przeszkadzali .
Tokens: 1____ 2_ 3__ 4_____ 5_ 6_______ 7_______ 8 9_____ 10 11_ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #12232 from articles/00107921 from sent45

Text  : - Nikomu nic nie robimy .
Tokens: 1 2_____ 3__ 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12233 from articles/00107921 from sent46

Text  : Tylko raz jakichś dwóch podpitych kolesi stawiało się do nas ,  jak stali śmy tutaj w  dziewięciu ,  więc dostali -  opowiada .
Tokens: 1____ 2__ 3______ 4____ 5________ 6_____ 7_______ 8__ 9_ 10_ 11 12_ 13___ 14_ 15___ 16 17________ 18 19__ 20_____ 21 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #12234 from articles/00107921 from sent47

Text  : - Wiadomo , że czasami coś się wypije , a  jeżeli któryś z  mieszkańców chamsko się odezwie ,  to dlaczego mamy zostać dłużni ?
Tokens: 1 2______ 3 4_ 5______ 6__ 7__ 8_____ 9 10 11____ 12____ 13 14_________ 15_____ 16_ 17_____ 18 19 20______ 21__ 22____ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #12235 from articles/00107921 from sent48

Text  : To nie jest tak , że my tu wszystko niszczymy ,  bo przychodzą tutaj także chłopaki z  innych bloków .
Tokens: 1_ 2__ 3___ 4__ 5 6_ 7_ 8_ 9_______ 10_______ 11 12 13________ 14___ 15___ 16______ 17 18____ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #12236 from articles/00107921 from sent49

Text  : - A te powybijane szyby ?
Tokens: 1 2 3_ 4_________ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #12237 from articles/00107921 from sent50

Text  : - Przecież to nie są szyby mieszkańców , tylko na klatkach .  .  .
Tokens: 1 2_______ 3_ 4__ 5_ 6____ 7__________ 8 9____ 10 11______ 12 13 14

Chunks:

(ChunkerEvaluator) Sentence #12238 from articles/00107921 from sent51

Text  : Kolejny z mieszkańców , młody , około trzydziestoletni mężczyzna ,  twierdzi ,  że posterunek nie ma szans powodzenia .
Tokens: 1______ 2 3__________ 4 5____ 6 7____ 8_______________ 9________ 10 11______ 12 13 14________ 15_ 16 17___ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #12239 from articles/00107921 from sent52

Text  : - Dwa dyżury w tygodniu nic nie zmienią .
Tokens: 1 2__ 3_____ 4 5_______ 6__ 7__ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #12240 from articles/00107921 from sent53

Text  : Mnie tam oni nic nie zrobili , ale najlepsze rozwiązanie to napuścić na nich kompanię szturmową -  śmieje się .
Tokens: 1___ 2__ 3__ 4__ 5__ 6______ 7 8__ 9________ 10_________ 11 12______ 13 14__ 15______ 16_______ 17 18____ 19_ 20

Chunks:

2016-10-27 15:00:14,207 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 542 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107922.xml
(ChunkerEvaluator) Sentence #12241 from articles/00107922 from sent1

Text  : Karol Jabłoński wśród sportowców roku
Tokens: 1____ 2________ 3____ 4_________ 5___

Chunks:
  TruePositive nam [1,2] = Karol Jabłoński

(ChunkerEvaluator) Sentence #12242 from articles/00107922 from sent2

Text  : Karol Jabłoński , żeglarz i bojerowiec z Olsztyna , zajął dziewiąte miejsce w  68 .  plebiscycie na najlepszych sportowców Polski w  2002 roku
Tokens: 1____ 2________ 3 4______ 5 6_________ 7 8_______ 9 10___ 11_______ 12_____ 13 14 15 16_________ 17 18_________ 19________ 20____ 21 22__ 23__

Chunks:
  TruePositive nam [1,2] = Karol Jabłoński
  TruePositive nam [8,8] = Olsztyna
  TruePositive nam [20,20] = Polski

(ChunkerEvaluator) Sentence #12243 from articles/00107922 from sent3

Text  : - To sukces mój , ale i całego teamu ,  z  którym występował em w  regatach -  podkreślał Karol Jabłoński podczas balu w  stołecznym hotelu Victoria .
Tokens: 1 2_ 3_____ 4__ 5 6__ 7 8_____ 9____ 10 11 12____ 13________ 14 15 16______ 17 18________ 19___ 20_______ 21_____ 22__ 23 24________ 25____ 26______ 27

Chunks:
  TruePositive nam [19,20] = Karol Jabłoński
  TruePositive nam [26,26] = Victoria

(ChunkerEvaluator) Sentence #12244 from articles/00107922 from sent4

Text  : Karol Jabłoński po raz pierwszy w swej karierze trafił do elitarnej dziesiątki w  plebiscycie organizowanym przez redakcje „  Przeglądu Sportowego ”  oraz „  Tempa ”  i  „  Sportu ”  .
Tokens: 1____ 2________ 3_ 4__ 5_______ 6 7___ 8_______ 9_____ 10 11_______ 12________ 13 14_________ 15___________ 16___ 17______ 18 19_______ 20________ 21 22__ 23 24___ 25 26 27 28____ 29 30

Chunks:
  TruePositive nam [1,2] = Karol Jabłoński
  TruePositive nam [19,20] = Przeglądu Sportowego
  FalseNegative nam [24,24] = Tempa
  FalseNegative nam [28,28] = Sportu

(ChunkerEvaluator) Sentence #12245 from articles/00107922 from sent5

Text  : Karol uzyskał 161 801 punktów dzięki głosom kibiców żeglarstwa i  osób ,  które doceniły sukcesy Karola .
Tokens: 1____ 2______ 3__ 4__ 5______ 6_____ 7_____ 8______ 9_________ 10 11__ 12 13___ 14______ 15_____ 16____ 17

Chunks:
  TruePositive nam [1,1] = Karol
  TruePositive nam [16,16] = Karola

(ChunkerEvaluator) Sentence #12246 from articles/00107922 from sent6

Text  : A było one w tym roku imponujące .
Tokens: 1 2___ 3__ 4 5__ 6___ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12247 from articles/00107922 from sent7

Text  : W Szwecji Karol zdobył tytuł mistrza świata w regatach match racingowych i  -  głównie dzięki temu sukcesowi -  awansował na pierwsze miejsce prestiżowego rankingu sterników światowej federacji żeglarskiej .
Tokens: 1 2______ 3____ 4_____ 5____ 6______ 7_____ 8 9_______ 10___ 11_________ 12 13 14_____ 15____ 16__ 17_______ 18 19_______ 20 21______ 22_____ 23__________ 24______ 25_______ 26_______ 27_______ 28_________ 29

Chunks:
  TruePositive nam [2,2] = Szwecji
  TruePositive nam [3,3] = Karol

(ChunkerEvaluator) Sentence #12248 from articles/00107922 from sent8

Text  : Karol startuje również zimą w regatach bojerowych .
Tokens: 1____ 2_______ 3______ 4___ 5 6_______ 7_________ 8

Chunks:
  TruePositive nam [1,1] = Karol

(ChunkerEvaluator) Sentence #12249 from articles/00107922 from sent9

Text  : Aktualnie jest wicemistrzem świata w klasie DN .
Tokens: 1________ 2___ 3___________ 4_____ 5 6_____ 7_ 8

Chunks:
  TruePositive nam [7,7] = DN

(ChunkerEvaluator) Sentence #12250 from articles/00107922 from sent10

Text  : W plebiscycie wygrał Adam Małysz .
Tokens: 1 2__________ 3_____ 4___ 5_____ 6

Chunks:
  TruePositive nam [4,5] = Adam Małysz

(ChunkerEvaluator) Sentence #12251 from articles/00107922 from sent11

Text  : Drugie miejsce zajęła mistrzyni i rekordzistka świata w pływaniu na 200 m  stylem motylkowym Otylia Jędrzejczak ,  a  trzecie mistrz Europy w  chodzie sportowym Robert Korzeniowski .
Tokens: 1_____ 2______ 3_____ 4________ 5 6___________ 7_____ 8 9_______ 10 11_ 12 13____ 14________ 15____ 16_________ 17 18 19_____ 20____ 21____ 22 23_____ 24_______ 25____ 26__________ 27

Chunks:
  TruePositive nam [15,16] = Otylia Jędrzejczak
  TruePositive nam [21,21] = Europy
  TruePositive nam [25,26] = Robert Korzeniowski

2016-10-27 15:00:14,267 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 543 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107923.xml
(ChunkerEvaluator) Sentence #12252 from articles/00107923 from sent1

Text  : Nowa moda z internetu .
Tokens: 1___ 2___ 3 4________ 5

Chunks:
  FalsePositive nam [4,4] = internetu

(ChunkerEvaluator) Sentence #12253 from articles/00107923 from sent2

Text  : Przyklej się taśmą do Mariackiej
Tokens: 1_______ 2__ 3____ 4_ 5_________

Chunks:
  TruePositive nam [5,5] = Mariackiej

(ChunkerEvaluator) Sentence #12254 from articles/00107923 from sent3

Text  : Na katowickiej Mariackiej działy się już naprawdę różne rzeczy ,  ale tego nie próbował jeszcze nikt .
Tokens: 1_ 2__________ 3_________ 4_____ 5__ 6__ 7_______ 8____ 9_____ 10 11_ 12__ 13_ 14______ 15_____ 16__ 17

Chunks:
  TruePositive nam [3,3] = Mariackiej

(ChunkerEvaluator) Sentence #12255 from articles/00107923 from sent4

Text  : W piątek 21 września przechodnie zostaną przeszkoleni z technik przyklejania się do różnych powierzchni taśmą klejącą .
Tokens: 1 2_____ 3_ 4_______ 5__________ 6______ 7___________ 8 9______ 10__________ 11_ 12 13_____ 14_________ 15___ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #12256 from articles/00107923 from sent5

Text  : Taping mieli okazję obserwować choćby widzowie niedawnych igrzysk olimpijskich .
Tokens: 1_____ 2____ 3_____ 4_________ 5_____ 6_______ 7_________ 8______ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #12257 from articles/00107923 from sent6

Text  : Sportowcy coraz częściej zjawiają się na stadionach oklejeni specjalną taśmą ,  która ma chronić nadwyrężone mięśnie czy stawy .
Tokens: 1________ 2____ 3_______ 4_______ 5__ 6_ 7_________ 8_______ 9________ 10___ 11 12___ 13 14_____ 15_________ 16_____ 17_ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #12258 from articles/00107923 from sent7

Text  : Taping , czyli polskie taśmowanie , z którym będziemy mieli do czynienia na Mariackiej ,  z  zabiegami rehabilitacyjnymi nie ma jednak nic wspólnego .
Tokens: 1_____ 2 3____ 4______ 5_________ 6 7 8_____ 9_______ 10___ 11 12_______ 13 14________ 15 16 17_______ 18_______________ 19_ 20 21____ 22_ 23_______ 24

Chunks:
  TruePositive nam [14,14] = Mariackiej

(ChunkerEvaluator) Sentence #12259 from articles/00107923 from sent8

Text  : W tym wypadku chodzi o to , żeby przykleić się za pomocą taśmy w  najdziwniejszym miejscu i  pozycji .
Tokens: 1 2__ 3______ 4_____ 5 6_ 7 8___ 9________ 10_ 11 12____ 13___ 14 15_____________ 16_____ 17 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #12260 from articles/00107923 from sent9

Text  : W możliwie jak najkrótszym czasie i za pomocą jak najmniejszego kawałka taśmy .
Tokens: 1 2_______ 3__ 4__________ 5_____ 6 7_ 8_____ 9__ 10___________ 11_____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #12261 from articles/00107923 from sent10

Text  : Według organizatorów piątkowej akcji to internetowa moda , która zaczyna szerzyć się po świecie z  siłą ptasiej grypy .
Tokens: 1_____ 2____________ 3________ 4____ 5_ 6__________ 7___ 8 9____ 10_____ 11_____ 12_ 13 14_____ 15 16__ 17_____ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #12262 from articles/00107923 from sent11

Text  : Na Mariackiej przykleić się będzie mógł każdy chętny .
Tokens: 1_ 2_________ 3________ 4__ 5_____ 6___ 7____ 8_____ 9

Chunks:
  TruePositive nam [2,2] = Mariackiej

(ChunkerEvaluator) Sentence #12263 from articles/00107923 from sent12

Text  : Organizatorzy będą dawać rady i nagradzać za kreatywność i skuteczność (  przyklejonym trzeba pozostać co najmniej 10 sekund )  .
Tokens: 1____________ 2___ 3____ 4___ 5 6________ 7_ 8__________ 9 10_________ 11 12__________ 13____ 14______ 15 16______ 17 18____ 19 20

Chunks:

(ChunkerEvaluator) Sentence #12264 from articles/00107923 from sent13

Text  : Taping Day zaczyna się o godzinie 15 i potrwa do około 18 .
Tokens: 1_____ 2__ 3______ 4__ 5 6_______ 7_ 8 9_____ 10 11___ 12 13

Chunks:
  FalseNegative nam [1,2] = Taping Day

2016-10-27 15:00:14,323 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 544 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107924.xml
(ChunkerEvaluator) Sentence #12265 from articles/00107924 from sent1

Text  : ' ' Wygaszanie emocji może potrwać miesiące'' .
Tokens: 1 2 3_________ 4_____ 5___ 6______ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12266 from articles/00107924 from sent2

Text  : Po awanturach Mikołejki i Figurskiego
Tokens: 1_ 2_________ 3________ 4 5__________

Chunks:
  TruePositive nam [5,5] = Figurskiego
  FalseNegative nam [3,3] = Mikołejki

(ChunkerEvaluator) Sentence #12267 from articles/00107924 from sent3

Text  : Jedno zdanie o gwałceniu Ukrainek zrujnowało karierę Michała Figurskiego ,  a  prof .  Zbigniew Mikołejko od trzech tygodni tłumaczy się w  mediach z  felietonu w  „  Wysokich Obcasach Extra ”  .
Tokens: 1____ 2_____ 3 4________ 5_______ 6_________ 7______ 8______ 9__________ 10 11 12__ 13 14______ 15_______ 16 17____ 18_____ 19______ 20_ 21 22_____ 23 24_______ 25 26 27______ 28______ 29___ 30 31

Chunks:
  TruePositive nam [5,5] = Ukrainek
  TruePositive nam [8,9] = Michała Figurskiego
  TruePositive nam [14,15] = Zbigniew Mikołejko
  TruePositive nam [27,29] = Wysokich Obcasach Extra

(ChunkerEvaluator) Sentence #12268 from articles/00107924 from sent4

Text  : - Wizerunek łatwiej jest zbudować niż odbudować - tłumaczy dr Leszek Mellibruda .
Tokens: 1 2________ 3______ 4___ 5_______ 6__ 7________ 8 9_______ 10 11____ 12________ 13

Chunks:
  TruePositive nam [11,12] = Leszek Mellibruda

(ChunkerEvaluator) Sentence #12269 from articles/00107924 from sent5

Text  : Ludzie długo pamiętają
Tokens: 1_____ 2____ 3________

Chunks:

(ChunkerEvaluator) Sentence #12270 from articles/00107924 from sent6

Text  : Jak długo trzeba walczyć o dobre imię ?
Tokens: 1__ 2____ 3_____ 4______ 5 6____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #12271 from articles/00107924 from sent7

Text  : Dr Leszek Mellibruda tłumaczy : Pamięć zostaje na bardzo długo ,  ale to kwestia bardzo indywidualna .
Tokens: 1_ 2_____ 3_________ 4_______ 5 6_____ 7______ 8_ 9_____ 10___ 11 12_ 13 14_____ 15____ 16__________ 17

Chunks:
  TruePositive nam [2,3] = Leszek Mellibruda
  FalsePositive nam [6,6] = Pamięć

(ChunkerEvaluator) Sentence #12272 from articles/00107924 from sent8

Text  : Wygaszanie emocji może potrwać długo - tygodnie , miesiące .
Tokens: 1_________ 2_____ 3___ 4______ 5____ 6 7_______ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #12273 from articles/00107924 from sent9

Text  : Są różne grupy ludzi - mają oni cechy , które decydują ,  czy będą oni pamiętać ,  dystansować się ,  czy po przeprosinach wybaczą .
Tokens: 1_ 2____ 3____ 4____ 5 6___ 7__ 8____ 9 10___ 11______ 12 13_ 14__ 15_ 16______ 17 18_________ 19_ 20 21_ 22 23___________ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #12274 from articles/00107924 from sent10

Text  : Trudno jest odbudować dobre imię
Tokens: 1_____ 2___ 3________ 4____ 5___

Chunks:

(ChunkerEvaluator) Sentence #12275 from articles/00107924 from sent11

Text  : Dobrze się stało , że Michał Figurski wynajął agencję public relations ?
Tokens: 1_____ 2__ 3____ 4 5_ 6_____ 7_______ 8______ 9______ 10____ 11_______ 12

Chunks:
  TruePositive nam [6,7] = Michał Figurski

(ChunkerEvaluator) Sentence #12276 from articles/00107924 from sent12

Text  : - Tak .
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #12277 from articles/00107924 from sent13

Text  : Wizerunek łatwiej jest zbudować niż odbudować - tłumaczy dr Mellibruda .
Tokens: 1________ 2______ 3___ 4_______ 5__ 6________ 7 8_______ 9_ 10________ 11

Chunks:
  FalseNegative nam [10,10] = Mellibruda

(ChunkerEvaluator) Sentence #12278 from articles/00107924 from sent14

Text  : - Teraz w strategii należy skupić się na tych ,  którzy są grupą docelową .
Tokens: 1 2____ 3 4________ 5_____ 6_____ 7__ 8_ 9___ 10 11____ 12 13___ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #12279 from articles/00107924 from sent15

Text  : Trzeba też opracować system obrony - zwłaszcza kiedy nie było złych intencji (  Figurski tłumaczy ,  że słowa o  Ukrainkach padły w  audycji satyrycznej o  określonej konwencji ,  prof .  Mikołejko -  że napisał felieton ,  który z  założenia jest wyrażeniem swojej opinii -  red .  )  i  wytłumaczyć ,  czy zawinił niewyparzony język ,  czy czasowa głupota -  tłumaczy specjalista ds .  wizerunku .
Tokens: 1_____ 2__ 3________ 4_____ 5_____ 6 7________ 8____ 9__ 10__ 11___ 12______ 13 14______ 15______ 16 17 18___ 19 20________ 21___ 22 23_____ 24_________ 25 26________ 27_______ 28 29__ 30 31_______ 32 33 34_____ 35______ 36 37___ 38 39_______ 40__ 41________ 42____ 43____ 44 45_ 46 47 48 49_________ 50 51_ 52_____ 53__________ 54___ 55 56_ 57_____ 58_____ 59 60______ 61_________ 62 63 64_______ 65

Chunks:
  TruePositive nam [14,14] = Figurski
  FalseNegative nam [20,20] = Ukrainkach
  FalseNegative nam [31,31] = Mikołejko

(ChunkerEvaluator) Sentence #12280 from articles/00107924 from sent16

Text  : Zdaniem Mellibrudy w Polsce mamy niski poziom tolerancji społecznej .
Tokens: 1______ 2_________ 3 4_____ 5___ 6____ 7_____ 8_________ 9_________ 10

Chunks:
  TruePositive nam [4,4] = Polsce
  FalseNegative nam [2,2] = Mellibrudy

(ChunkerEvaluator) Sentence #12281 from articles/00107924 from sent17

Text  : Amerykanie wybaczyli Billowi Clintonowi romans stosunkowo szybko .
Tokens: 1_________ 2________ 3______ 4_________ 5_____ 6_________ 7_____ 8

Chunks:
  TruePositive nam [3,4] = Billowi Clintonowi
  FalseNegative nam [1,1] = Amerykanie

(ChunkerEvaluator) Sentence #12282 from articles/00107924 from sent18

Text  : W kampanii wzięła udział np . jego żona .
Tokens: 1 2_______ 3_____ 4_____ 5_ 6 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #12283 from articles/00107924 from sent19

Text  : Ocalić od zapomnienia
Tokens: 1_____ 2_ 3__________

Chunks:

(ChunkerEvaluator) Sentence #12284 from articles/00107924 from sent20

Text  : Jak zbadać , że ludzie już zapomnieli ?
Tokens: 1__ 2_____ 3 4_ 5_____ 6__ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12285 from articles/00107924 from sent21

Text  : - Jest wiele metod , zajmują się tym specjalne agencje -  mówi dr Mellibruda .
Tokens: 1 2___ 3____ 4____ 5 6______ 7__ 8__ 9________ 10_____ 11 12__ 13 14________ 15

Chunks:
  FalseNegative nam [14,14] = Mellibruda

(ChunkerEvaluator) Sentence #12286 from articles/00107924 from sent22

Text  : - W przypadku , kiedy nie ma prób oczyszczenia nazwiska ,  osoby ulegają społecznej mgławicy .
Tokens: 1 2 3________ 4 5____ 6__ 7_ 8___ 9___________ 10______ 11 12___ 13_____ 14________ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #12287 from articles/00107924 from sent23

Text  : Zapomina się o nich - mówi .
Tokens: 1_______ 2__ 3 4___ 5 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #12288 from articles/00107924 from sent24

Text  : Awantura z niczego ?
Tokens: 1_______ 2 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #12289 from articles/00107924 from sent25

Text  : Jak to się stało , że w obu przypadkach zrobiła się taka afera ?
Tokens: 1__ 2_ 3__ 4____ 5 6_ 7 8__ 9__________ 10_____ 11_ 12__ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #12290 from articles/00107924 from sent26

Text  : Mówimy o krótkich wypowiedziach osób znanych , ale nie piastujących kluczowych stanowisk ,  nikt nie ukradł 100 milionów z  publicznych pieniędzy ,  nikogo bezpośrednio nie skrzywdził ,  nie oszukał .
Tokens: 1_____ 2 3_______ 4____________ 5___ 6______ 7 8__ 9__ 10__________ 11________ 12_______ 13 14__ 15_ 16____ 17_ 18______ 19 20_________ 21_______ 22 23____ 24__________ 25_ 26________ 27 28_ 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #12291 from articles/00107924 from sent27

Text  : - To pokazuje potęgę mediów - tłumaczy specjalista w rozmowie z  tokfm .  pl .  Media opisały sprawę ,  a  to pociągnęło za sobą kolejne komentarze .
Tokens: 1 2_ 3_______ 4_____ 5_____ 6 7_______ 8__________ 9 10______ 11 12___ 13 14 15 16___ 17_____ 18____ 19 20 21 22________ 23 24__ 25_____ 26________ 27

Chunks:
  FalsePositive nam [12,16] = tokfm . pl . Media
  FalseNegative nam [12,14] = tokfm . pl

(ChunkerEvaluator) Sentence #12292 from articles/00107924 from sent28

Text  : - Media są sternikiem świadomości , to one fokusują zbiorowe emocje .
Tokens: 1 2____ 3_ 4_________ 5__________ 6 7_ 8__ 9_______ 10______ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12293 from articles/00107924 from sent29

Text  : Są ich czapką niewidką - mówi ekspert .
Tokens: 1_ 2__ 3_____ 4_______ 5 6___ 7______ 8

Chunks:

2016-10-27 15:00:14,443 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 545 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107928.xml
(ChunkerEvaluator) Sentence #12294 from articles/00107928 from sent1

Text  : Startup Fest : Wygrana to dopiero początek
Tokens: 1______ 2___ 3 4______ 5_ 6______ 7_______

Chunks:
  TruePositive nam [1,2] = Startup Fest
  FalsePositive nam [4,4] = Wygrana

(ChunkerEvaluator) Sentence #12295 from articles/00107928 from sent2

Text  : Tylko do 29 września można zgłaszać się do konkursu Startup Fest .
Tokens: 1____ 2_ 3_ 4_______ 5____ 6_______ 7__ 8_ 9_______ 10_____ 11__ 12

Chunks:
  TruePositive nam [10,11] = Startup Fest

(ChunkerEvaluator) Sentence #12296 from articles/00107928 from sent3

Text  : To środowiskowa impreza mająca się przyczynić do rozwoju działających na rynku firm .
Tokens: 1_ 2___________ 3______ 4_____ 5__ 6_________ 7_ 8______ 9___________ 10 11___ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #12297 from articles/00107928 from sent4

Text  : Kilka rad , jak stworzyć wielką e - firmę ,  a  czego unikać ,  daje Rafał Han ,  mentor tegorocznego konkursu .
Tokens: 1____ 2__ 3 4__ 5_______ 6_____ 7 8 9____ 10 11 12___ 13____ 14 15__ 16___ 17_ 18 19____ 20__________ 21______ 22

Chunks:
  TruePositive nam [16,17] = Rafał Han

(ChunkerEvaluator) Sentence #12298 from articles/00107928 from sent5

Text  : Po pierwsze , patrz na swój startup z perspektywy biznesowej .
Tokens: 1_ 2_______ 3 4____ 5_ 6___ 7______ 8 9__________ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #12299 from articles/00107928 from sent6

Text  : W przyszłości to ma być dochodowy biznes .
Tokens: 1 2__________ 3_ 4_ 5__ 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12300 from articles/00107928 from sent7

Text  : Zdobycie dofinansowania to jeszcze nie sukces .
Tokens: 1_______ 2_____________ 3_ 4______ 5__ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #12301 from articles/00107928 from sent8

Text  : To początek .
Tokens: 1_ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #12302 from articles/00107928 from sent9

Text  : Po drugie , wyciągaj wnioski i bądź gotów do ciągłych zmian .
Tokens: 1_ 2_____ 3 4_______ 5______ 6 7___ 8____ 9_ 10______ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #12303 from articles/00107928 from sent10

Text  : W ciągu kilku tygodni twoja wiedza o prowadzeniu biznesu może się zwiększyć kilkukrotnie .
Tokens: 1 2____ 3____ 4______ 5____ 6_____ 7 8__________ 9______ 10__ 11_ 12_______ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #12304 from articles/00107928 from sent11

Text  : Wtedy głupotą było by trzymać się kurczowo wcześniej podjętych decyzji .
Tokens: 1____ 2______ 3___ 4_ 5______ 6__ 7_______ 8________ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #12305 from articles/00107928 from sent12

Text  : Po trzecie , bądź uczciwy w stosunku do siebie ,  klientów i  inwestorów .
Tokens: 1_ 2______ 3 4___ 5______ 6 7_______ 8_ 9_____ 10 11______ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12306 from articles/00107928 from sent13

Text  : Jeśli sprzedajesz produkt , musisz być pewien , że jest on wart tych pieniędzy .
Tokens: 1____ 2__________ 3______ 4 5_____ 6__ 7_____ 8 9_ 10__ 11 12__ 13__ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #12307 from articles/00107928 from sent14

Text  : W relacjach z klientami stawiaj na długofalowe relacje .
Tokens: 1 2________ 3 4________ 5______ 6_ 7__________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #12308 from articles/00107928 from sent15

Text  : Po czwarte , zaplanuj sukces .
Tokens: 1_ 2______ 3 4_______ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12309 from articles/00107928 from sent16

Text  : Sukces firmy nie powinien być dziełem przypadku .
Tokens: 1_____ 2____ 3__ 4_______ 5__ 6______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12310 from articles/00107928 from sent17

Text  : Po piąte , nie przeceniaj dofinansowania .
Tokens: 1_ 2____ 3 4__ 5_________ 6_____________ 7

Chunks:

(ChunkerEvaluator) Sentence #12311 from articles/00107928 from sent18

Text  : Zdobycie inwestora to nie jest cel zabawy .
Tokens: 1_______ 2________ 3_ 4__ 5___ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12312 from articles/00107928 from sent19

Text  : To jeden z jej etapów .
Tokens: 1_ 2____ 3 4__ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12313 from articles/00107928 from sent20

Text  : Po szóste , ostrożnie buduj zespół .
Tokens: 1_ 2_____ 3 4________ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #12314 from articles/00107928 from sent21

Text  : Ludzi łatwo się zatrudnia , ale trudniej zwalnia .
Tokens: 1____ 2____ 3__ 4________ 5 6__ 7_______ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #12315 from articles/00107928 from sent22

Text  : Wiele początkujących firm popełnia błąd , bo po otrzymaniu dofinansowania zbyt szybko rozbudowują struktury .
Tokens: 1____ 2_____________ 3___ 4_______ 5___ 6 7_ 8_ 9_________ 10____________ 11__ 12____ 13_________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #12316 from articles/00107928 from sent23

Text  : Po siódme , bądź świadom swojej wartości .
Tokens: 1_ 2_____ 3 4___ 5______ 6_____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #12317 from articles/00107928 from sent24

Text  : Odważnie wychodź ze swoimi pomysłami w świat .
Tokens: 1_______ 2______ 3_ 4_____ 5________ 6 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #12318 from articles/00107928 from sent25

Text  : Po ósme , słuchaj użytkowników .
Tokens: 1_ 2___ 3 4______ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #12319 from articles/00107928 from sent26

Text  : Wiele możesz się nauczyć , obserwując , jak użytkownicy posługują się wymyślonymi przez ciebie produktami i  jak możesz je ulepszyć .
Tokens: 1____ 2_____ 3__ 4______ 5 6_________ 7 8__ 9__________ 10_______ 11_ 12_________ 13___ 14____ 15________ 16 17_ 18____ 19 20______ 21

Chunks:

2016-10-27 15:00:14,524 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 546 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107929.xml
(ChunkerEvaluator) Sentence #12320 from articles/00107929 from sent1

Text  : Medaliści z Waltera wrócili do Rzeszowa .
Tokens: 1________ 2 3______ 4______ 5_ 6_______ 7

Chunks:
  TruePositive nam [3,3] = Waltera
  TruePositive nam [6,6] = Rzeszowa

(ChunkerEvaluator) Sentence #12321 from articles/00107929 from sent2

Text  : Trenują przed kolejnym startem
Tokens: 1______ 2____ 3_______ 4______

Chunks:

(ChunkerEvaluator) Sentence #12322 from articles/00107929 from sent3

Text  : Młodzi bokserzy Policyjnego Towarzystwa Sportowego Walter wrócili do Rzeszowa po bardzo dobrym występie w  Gwardyjskich Mistrzostwach Polski .
Tokens: 1_____ 2_______ 3__________ 4__________ 5_________ 6_____ 7______ 8_ 9_______ 10 11____ 12____ 13______ 14 15__________ 16___________ 17____ 18

Chunks:
  TruePositive nam [9,9] = Rzeszowa
  TruePositive nam [15,17] = Gwardyjskich Mistrzostwach Polski
  FalsePositive nam [3,5] = Policyjnego Towarzystwa Sportowego
  FalsePositive nam [6,6] = Walter
  FalseNegative nam [3,6] = Policyjnego Towarzystwa Sportowego Walter

(ChunkerEvaluator) Sentence #12323 from articles/00107929 from sent4

Text  : - Trenujemy codziennie przed kolejną imprezą , a będą to Otwarte Mistrzostwa Dębicy .
Tokens: 1 2________ 3_________ 4____ 5______ 6______ 7 8 9___ 10 11_____ 12_________ 13____ 14

Chunks:
  TruePositive nam [11,13] = Otwarte Mistrzostwa Dębicy

(ChunkerEvaluator) Sentence #12324 from articles/00107929 from sent5

Text  : To mocno obsadzony turniej - mówi trener Marian Basiak .
Tokens: 1_ 2____ 3________ 4______ 5 6___ 7_____ 8_____ 9_____ 10

Chunks:
  TruePositive nam [8,9] = Marian Basiak

(ChunkerEvaluator) Sentence #12325 from articles/00107929 from sent6

Text  : Jeden złoty i dwa srebrne medale to dorobek młodych bokserów Policyjnego Towarzystwa Sportowego Walter w  Rzeszowie na II Otwartych Gwardyjskich Mistrzostwach Polski .
Tokens: 1____ 2____ 3 4__ 5______ 6_____ 7_ 8______ 9______ 10______ 11_________ 12_________ 13________ 14____ 15 16_______ 17 18 19_______ 20__________ 21___________ 22____ 23

Chunks:
  TruePositive nam [16,16] = Rzeszowie
  TruePositive nam [18,22] = II Otwartych Gwardyjskich Mistrzostwach Polski
  FalsePositive nam [2,2] = złoty
  FalsePositive nam [11,13] = Policyjnego Towarzystwa Sportowego
  FalsePositive nam [14,14] = Walter
  FalseNegative nam [11,14] = Policyjnego Towarzystwa Sportowego Walter

(ChunkerEvaluator) Sentence #12326 from articles/00107929 from sent7

Text  : Zawody rozegrano w Busku - Zdroju .
Tokens: 1_____ 2________ 3 4____ 5 6_____ 7

Chunks:
  TruePositive nam [4,6] = Busku - Zdroju

(ChunkerEvaluator) Sentence #12327 from articles/00107929 from sent8

Text  : Wystartowało ponad 80 zawodników z całej Polski .
Tokens: 1___________ 2____ 3_ 4_________ 5 6____ 7_____ 8

Chunks:
  TruePositive nam [7,7] = Polski

(ChunkerEvaluator) Sentence #12328 from articles/00107929 from sent9

Text  : W tej grupie byli podopieczni trenerów Mariana Basiaka i Krzysztofa Przepióry z  PTS Walter .
Tokens: 1 2__ 3_____ 4___ 5__________ 6_______ 7______ 8______ 9 10________ 11_______ 12 13_ 14____ 15

Chunks:
  TruePositive nam [7,8] = Mariana Basiaka
  TruePositive nam [10,11] = Krzysztofa Przepióry
  TruePositive nam [13,14] = PTS Walter

(ChunkerEvaluator) Sentence #12329 from articles/00107929 from sent10

Text  : - I jesteśmy bardzo zadowoleni ze startu naszych zawodników -  mówi Marian Basiak .
Tokens: 1 2 3_______ 4_____ 5_________ 6_ 7_____ 8______ 9_________ 10 11__ 12____ 13____ 14

Chunks:
  TruePositive nam [12,13] = Marian Basiak

(ChunkerEvaluator) Sentence #12330 from articles/00107929 from sent11

Text  : Młodzi bokserzy Waltera zdobyli trzy medale .
Tokens: 1_____ 2_______ 3______ 4______ 5___ 6_____ 7

Chunks:
  TruePositive nam [3,3] = Waltera

(ChunkerEvaluator) Sentence #12331 from articles/00107929 from sent12

Text  : Dawid Iwiński startujący w kategorii wiekowej juniorów w wadze do 91 kg wywalczył złoty medal .
Tokens: 1____ 2______ 3_________ 4 5________ 6_______ 7_______ 8 9____ 10 11 12 13_______ 14___ 15___ 16

Chunks:
  TruePositive nam [1,2] = Dawid Iwiński

(ChunkerEvaluator) Sentence #12332 from articles/00107929 from sent13

Text  : To już jego drugi taki sukces w mistrzostwach gwardyjskich .
Tokens: 1_ 2__ 3___ 4____ 5___ 6_____ 7 8____________ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #12333 from articles/00107929 from sent14

Text  : Tytuły wicemistrzowskie w kategorii juniora młodszego zdobyli bracia Skreptanowie .
Tokens: 1_____ 2_______________ 3 4________ 5______ 6________ 7______ 8_____ 9___________ 10

Chunks:
  FalseNegative nam [9,9] = Skreptanowie

(ChunkerEvaluator) Sentence #12334 from articles/00107929 from sent15

Text  : Łukasz Skreptan w kategorii powyżej 80 kilogramów , jego brat Mateusz w  kategorii do 75 kilogramów .
Tokens: 1_____ 2_______ 3 4________ 5______ 6_ 7_________ 8 9___ 10__ 11_____ 12 13_______ 14 15 16________ 17

Chunks:
  TruePositive nam [1,2] = Łukasz Skreptan
  TruePositive nam [11,11] = Mateusz

(ChunkerEvaluator) Sentence #12335 from articles/00107929 from sent16

Text  : - Wszyscy medaliści to bardzo młodzi zawodnicy .
Tokens: 1 2______ 3________ 4_ 5_____ 6_____ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12336 from articles/00107929 from sent17

Text  : Trenują około roku .
Tokens: 1______ 2____ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #12337 from articles/00107929 from sent18

Text  : Przed nimi jeszcze wiele sukcesów .
Tokens: 1____ 2___ 3______ 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #12338 from articles/00107929 from sent19

Text  : Nasz dorobek był by zapewne jeszcze okazalszy , gdyby śmy pojechali na zawody w  komplecie .
Tokens: 1___ 2______ 3__ 4_ 5______ 6______ 7________ 8 9____ 10_ 11_______ 12 13____ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #12339 from articles/00107929 from sent20

Text  : Niestety , z powodu choroby z ekipy wypadło dwóch pięściarzy ,  którzy według mnie byli pewniakami do miejsca na podium -  opowiada Marian Basiak .
Tokens: 1_______ 2 3 4_____ 5______ 6 7____ 8______ 9____ 10________ 11 12____ 13____ 14__ 15__ 16________ 17 18_____ 19 20____ 21 22______ 23____ 24____ 25

Chunks:
  TruePositive nam [23,24] = Marian Basiak

(ChunkerEvaluator) Sentence #12340 from articles/00107929 from sent21

Text  : W najbliższy weekend jego ekipa wyjeżdża do Dębicy na otwarte mistrzostwa tego miasta .
Tokens: 1 2_________ 3______ 4___ 5____ 6_______ 7_ 8_____ 9_ 10_____ 11_________ 12__ 13____ 14

Chunks:
  TruePositive nam [8,8] = Dębicy

(ChunkerEvaluator) Sentence #12341 from articles/00107929 from sent22

Text  : Zapowiada się bardzo dobra impreza bokserska , bo swój udział oprócz najlepszych zawodników z  Podkarpacia zapowiedzieli bokserzy z  Ukrainy ,  Słowacji i  Rumunii .
Tokens: 1________ 2__ 3_____ 4____ 5______ 6________ 7 8_ 9___ 10____ 11____ 12_________ 13________ 14 15_________ 16___________ 17______ 18 19_____ 20 21______ 22 23_____ 24

Chunks:
  TruePositive nam [15,15] = Podkarpacia
  TruePositive nam [19,19] = Ukrainy
  TruePositive nam [21,21] = Słowacji
  TruePositive nam [23,23] = Rumunii

2016-10-27 15:00:14,606 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 547 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107930.xml
(ChunkerEvaluator) Sentence #12342 from articles/00107930 from sent1

Text  : Oskarża strażak strażaka
Tokens: 1______ 2______ 3_______

Chunks:

(ChunkerEvaluator) Sentence #12343 from articles/00107930 from sent2

Text  : Zawiadomienie o popełnieniu przestępstwa przez dowodzących akcją gaśniczą podczas pożaru w  fabryce mebli w  podolsztyńskich Kieźlinach wpłynęło wczoraj do Prokuratury Rejonowej Olsztyn -  Północ .
Tokens: 1____________ 2 3__________ 4___________ 5____ 6__________ 7____ 8_______ 9______ 10____ 11 12_____ 13___ 14 15_____________ 16________ 17______ 18_____ 19 20_________ 21_______ 22_____ 23 24____ 25

Chunks:
  TruePositive nam [16,16] = Kieźlinach
  TruePositive nam [20,24] = Prokuratury Rejonowej Olsztyn - Północ

(ChunkerEvaluator) Sentence #12344 from articles/00107930 from sent3

Text  : - Zostało złożone w imieniu zarządu firmy - mówi Mieczysław Orzechowski ,  rzecznik Prokuratury Okręgowej w  Olsztynie .
Tokens: 1 2______ 3______ 4 5______ 6______ 7____ 8 9___ 10________ 11_________ 12 13______ 14_________ 15_______ 16 17_______ 18

Chunks:
  TruePositive nam [10,11] = Mieczysław Orzechowski
  FalsePositive nam [14,15] = Prokuratury Okręgowej
  FalsePositive nam [17,17] = Olsztynie
  FalseNegative nam [14,17] = Prokuratury Okręgowej w Olsztynie

(ChunkerEvaluator) Sentence #12345 from articles/00107930 from sent4

Text  : - Jest to zawiadomienie o popełnieniu przestępstwa zaniedbania polegające na bagatelizowaniu pożaru i  niewłaściwym dowodzeniu akcją gaśniczą .
Tokens: 1 2___ 3_ 4____________ 5 6__________ 7___________ 8__________ 9_________ 10 11_____________ 12____ 13 14__________ 15________ 16___ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #12346 from articles/00107930 from sent5

Text  : Prokurator prowadzący sprawę nie zdecydował jeszcze , czy włączy te zawiadomienie do prowadzonego już śledztwa ,  czy będzie w  tej sprawie osobne postępowanie .
Tokens: 1_________ 2_________ 3_____ 4__ 5_________ 6______ 7 8__ 9_____ 10 11___________ 12 13__________ 14_ 15______ 16 17_ 18____ 19 20_ 21_____ 22____ 23__________ 24

Chunks:

(ChunkerEvaluator) Sentence #12347 from articles/00107930 from sent6

Text  : Złożony wczoraj dokument zawiera bardzo długą listę zarzutów dotyczących błędów popełnionych przez dowódców -  zarząd firmy uważa m  .  in .  ,  że część biurowa była do uratowania ,  gdyby akcja była dowodzona przez inne osoby .
Tokens: 1______ 2______ 3_______ 4______ 5_____ 6____ 7____ 8_______ 9__________ 10____ 11__________ 12___ 13______ 14 15____ 16___ 17___ 18 19 20 21 22 23 24___ 25_____ 26__ 27 28________ 29 30___ 31___ 32__ 33_______ 34___ 35__ 36___ 37

Chunks:

(ChunkerEvaluator) Sentence #12348 from articles/00107930 from sent7

Text  : Zarzuty dotyczą też zbyt małej ilości sprzętu i strażaków obecnych przy gaszeniu gigantycznego pożaru .
Tokens: 1______ 2______ 3__ 4___ 5____ 6_____ 7______ 8 9________ 10______ 11__ 12______ 13___________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #12349 from articles/00107930 from sent8

Text  : Skąd takie wnioski ?
Tokens: 1___ 2____ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #12350 from articles/00107930 from sent9

Text  : - Powołał em własną komisję , która przygotowała odpowiedź na zarzuty straży pożarnej ,  która moją firmę obarcza wyłączną winą za powstanie pożaru i  ogromne straty -  mówi Marek Kołakowski ,  prezes zarządu MebelPlastu .
Tokens: 1 2______ 3_ 4_____ 5______ 6 7____ 8___________ 9________ 10 11_____ 12____ 13______ 14 15___ 16__ 17___ 18_____ 19______ 20__ 21 22_______ 23____ 24 25_____ 26____ 27 28__ 29___ 30________ 31 32____ 33_____ 34_________ 35

Chunks:
  TruePositive nam [29,30] = Marek Kołakowski
  TruePositive nam [34,34] = MebelPlastu

(ChunkerEvaluator) Sentence #12351 from articles/00107930 from sent10

Text  : - Według nas to , co przedstawili strażacy w połowie grudnia ,  to nic nie warta laurka .
Tokens: 1 2_____ 3__ 4_ 5 6_ 7___________ 8_______ 9 10_____ 11_____ 12 13 14_ 15_ 16___ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #12352 from articles/00107930 from sent11

Text  : Po przeanalizowaniu wyników naszego raportu , zdecydowali śmy o złożeniu zawiadomienia o  popełnieniu przestępstwa .
Tokens: 1_ 2_______________ 3______ 4______ 5______ 6 7__________ 8__ 9 10______ 11___________ 12 13_________ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #12353 from articles/00107930 from sent12

Text  : Powiadomił em też wojewodę , który nadzoruje pracę Komendy Wojewódzkiej Straży Pożarnej .
Tokens: 1_________ 2_ 3__ 4_______ 5 6____ 7________ 8____ 9______ 10__________ 11____ 12______ 13

Chunks:
  TruePositive nam [9,12] = Komendy Wojewódzkiej Straży Pożarnej

(ChunkerEvaluator) Sentence #12354 from articles/00107930 from sent13

Text  : Przewodniczącym komisji powołanej przez prezesa Kołakowskiego jest Tadeusz Dryja .
Tokens: 1______________ 2______ 3________ 4____ 5______ 6____________ 7___ 8______ 9____ 10

Chunks:
  TruePositive nam [6,6] = Kołakowskiego
  TruePositive nam [8,9] = Tadeusz Dryja

(ChunkerEvaluator) Sentence #12355 from articles/00107930 from sent14

Text  : Do 1988 r . był on komendantem rejonowym straży pożarnej w  Olsztynie ,  a  wcześniej -  naczelnikiem wydziału prewencji i  zabezpieczeń .
Tokens: 1_ 2___ 3 4 5__ 6_ 7__________ 8________ 9_____ 10______ 11 12_______ 13 14 15_______ 16 17__________ 18______ 19_______ 20 21__________ 22

Chunks:
  TruePositive nam [12,12] = Olsztynie

(ChunkerEvaluator) Sentence #12356 from articles/00107930 from sent15

Text  : - Nie znam treści stawianych nam zarzutów i nie ustosunkuję się do nich -  mówi Grzegorz Matczyński ,  komendant miejski straży pożarnej w  Olsztynie .
Tokens: 1 2__ 3___ 4_____ 5_________ 6__ 7_______ 8 9__ 10_________ 11_ 12 13__ 14 15__ 16______ 17________ 18 19_______ 20_____ 21____ 22______ 23 24_______ 25

Chunks:
  TruePositive nam [16,17] = Grzegorz Matczyński
  TruePositive nam [24,24] = Olsztynie

(ChunkerEvaluator) Sentence #12357 from articles/00107930 from sent16

Text  : - Nadal uważam , że akcja była prowadzona najlepiej ,  jak było to możliwe w  tak trudnych ,  zimowych warunkach .
Tokens: 1 2____ 3_____ 4 5_ 6____ 7___ 8_________ 9________ 10 11_ 12__ 13 14_____ 15 16_ 17______ 18 19______ 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #12358 from articles/00107930 from sent17

Text  : Nie będę też oceniał działalności pana Dryji .
Tokens: 1__ 2___ 3__ 4______ 5___________ 6___ 7____ 8

Chunks:
  FalseNegative nam [7,7] = Dryji

2016-10-27 15:00:14,702 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 548 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107931.xml
(ChunkerEvaluator) Sentence #12359 from articles/00107931 from sent1

Text  : Wielkopolskie .
Tokens: 1____________ 2

Chunks:
  FalseNegative nam [1,1] = Wielkopolskie

(ChunkerEvaluator) Sentence #12360 from articles/00107931 from sent2

Text  : Po wypadku zablokowana droga krajowa nr 15
Tokens: 1_ 2______ 3__________ 4____ 5______ 6_ 7_

Chunks:
  FalseNegative nam [4,7] = droga krajowa nr 15

(ChunkerEvaluator) Sentence #12361 from articles/00107931 from sent3

Text  : Po wypadku zablokowana jest w czwartek po południu w obu kierunkach droga krajowa nr 15 Jarocin -  Krotoszyn w  miejscowości Golina (  Wielkopolska )  .
Tokens: 1_ 2______ 3__________ 4___ 5 6_______ 7_ 8_______ 9 10_ 11________ 12___ 13_____ 14 15 16_____ 17 18_______ 19 20__________ 21____ 22 23__________ 24 25

Chunks:
  TruePositive nam [21,21] = Golina
  TruePositive nam [23,23] = Wielkopolska
  FalsePositive nam [16,18] = Jarocin - Krotoszyn
  FalseNegative nam [12,15] = droga krajowa nr 15
  FalseNegative nam [16,16] = Jarocin
  FalseNegative nam [18,18] = Krotoszyn

(ChunkerEvaluator) Sentence #12362 from articles/00107931 from sent4

Text  : Jak poinformowała PAP rzeczniczka prasowa policji w pobliskim Jarocinie Agnieszka Zaworska ,  samochód osobowy zderzył się z  ciężarowym .
Tokens: 1__ 2____________ 3__ 4__________ 5______ 6______ 7 8________ 9________ 10_______ 11______ 12 13______ 14_____ 15_____ 16_ 17 18________ 19

Chunks:
  TruePositive nam [3,3] = PAP
  TruePositive nam [9,9] = Jarocinie
  TruePositive nam [10,11] = Agnieszka Zaworska

(ChunkerEvaluator) Sentence #12363 from articles/00107931 from sent5

Text  : Kierowca auta osobowego został odwieziony do szpitala w Jarocinie .
Tokens: 1_______ 2___ 3________ 4_____ 5_________ 6_ 7_______ 8 9________ 10

Chunks:
  TruePositive nam [9,9] = Jarocinie

(ChunkerEvaluator) Sentence #12364 from articles/00107931 from sent6

Text  : Jest w stanie ciężkim .
Tokens: 1___ 2 3_____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #12365 from articles/00107931 from sent7

Text  : Według Zaworskiej , policja organizuje już objazdy .
Tokens: 1_____ 2_________ 3 4______ 5_________ 6__ 7______ 8

Chunks:
  FalseNegative nam [2,2] = Zaworskiej

(ChunkerEvaluator) Sentence #12366 from articles/00107931 from sent8

Text  : Nie wiadomo jak długo potrwają utrudnienia .
Tokens: 1__ 2______ 3__ 4____ 5_______ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #12367 from articles/00107931 from sent9

Text  : Na razie nie są również znane okoliczności zdarzenia . (  PAP )
Tokens: 1_ 2____ 3__ 4_ 5______ 6____ 7___________ 8________ 9 10 11_ 12

Chunks:
  TruePositive nam [11,11] = PAP

2016-10-27 15:00:14,731 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 549 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107932.xml
(ChunkerEvaluator) Sentence #12368 from articles/00107932 from sent1

Text  : KE pozwie Belgię do Trybunału UE ws . dzieci o  podwójnym obywatelstwie
Tokens: 1_ 2_____ 3_____ 4_ 5________ 6_ 7_ 8 9_____ 10 11_______ 12___________

Chunks:
  TruePositive nam [3,3] = Belgię
  TruePositive nam [5,6] = Trybunału UE
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #12369 from articles/00107932 from sent2

Text  : KE ogłosiła w czwartek , że złoży przeciwko Belgii pozew do Trybunału Sprawiedliwości UE w  związku z  ograniczaniem swobody przemieszczania się dzieci ,  które urodziły się w  Belgii ,  a  jedno z  ich rodziców pochodzi z  innego kraju UE .
Tokens: 1_ 2_______ 3 4_______ 5 6_ 7____ 8________ 9_____ 10___ 11 12_______ 13_____________ 14 15 16_____ 17 18___________ 19_____ 20_____________ 21_ 22____ 23 24___ 25______ 26_ 27 28____ 29 30 31___ 32 33_ 34______ 35______ 36 37____ 38___ 39 40

Chunks:
  TruePositive nam [9,9] = Belgii
  TruePositive nam [12,14] = Trybunału Sprawiedliwości UE
  TruePositive nam [28,28] = Belgii
  TruePositive nam [39,39] = UE
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #12370 from articles/00107932 from sent3

Text  : Komisja Europejska zdecydowała się pozwać Belgię , ponieważ władze lokalne tego kraju odmawiają zarejestrowania dziecka pod innym nazwiskiem niż nazwisko ojca ,  nawet jeśli w  oficjalnych rejestrach konsulatu innego kraju unijnego zapisane jest pod dwoma nazwiskami .
Tokens: 1______ 2_________ 3__________ 4__ 5_____ 6_____ 7 8_______ 9_____ 10_____ 11__ 12___ 13_______ 14_____________ 15_____ 16_ 17___ 18________ 19_ 20______ 21__ 22 23___ 24___ 25 26_________ 27________ 28_______ 29____ 30___ 31______ 32______ 33__ 34_ 35___ 36________ 37

Chunks:
  TruePositive nam [1,2] = Komisja Europejska
  TruePositive nam [6,6] = Belgię

(ChunkerEvaluator) Sentence #12371 from articles/00107932 from sent4

Text  : Wszystkie dokumenty , które dziecko otrzyma w przyszłości w Belgii -  od świadectwa zameldowania ,  przez wszelkie zaświadczenia po dyplomy -  będą wydawane na nazwisko inne niż to ,  które ma w  innym kraju unijnym ,  skąd pochodzi jego rodzic niebędący Belgiem .
Tokens: 1________ 2________ 3 4____ 5______ 6______ 7 8__________ 9 10____ 11 12 13________ 14__________ 15 16___ 17______ 18___________ 19 20_____ 21 22__ 23______ 24 25______ 26__ 27_ 28 29 30___ 31 32 33___ 34___ 35_____ 36 37__ 38______ 39__ 40____ 41_______ 42_____ 43

Chunks:
  TruePositive nam [10,10] = Belgii
  TruePositive nam [42,42] = Belgiem

(ChunkerEvaluator) Sentence #12372 from articles/00107932 from sent5

Text  : " Dzieci te stale będą musiały wyjaśniać wątpliwości i nieporozumienia dotyczące ich tożsamości i  autentyczności ich oficjalnych dokumentów .
Tokens: 1 2_____ 3_ 4____ 5___ 6______ 7________ 8__________ 9 10_____________ 11_______ 12_ 13________ 14 15____________ 16_ 17_________ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #12373 from articles/00107932 from sent6

Text  : To ogranicza ich prawo do swobodnego przemieszczania się .
Tokens: 1_ 2________ 3__ 4____ 5_ 6_________ 7______________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #12374 from articles/00107932 from sent7

Text  : Te utrudnienia są nie do zaakceptowania " - powiedziała komisarz UE ds .  sprawiedliwości Viviane Reding .
Tokens: 1_ 2__________ 3_ 4__ 5_ 6_____________ 7 8 9__________ 10______ 11 12 13 14_____________ 15_____ 16____ 17

Chunks:
  TruePositive nam [11,11] = UE
  TruePositive nam [15,16] = Viviane Reding

(ChunkerEvaluator) Sentence #12375 from articles/00107932 from sent8

Text  : " Podejmujemy kroki , które pozwolą stworzyć gwarancje , że wszyscy obywatele UE ,  bez względu na narodowość ich rodziców ,  będą mogli korzystać ze swych praw "  -  poinformowała .
Tokens: 1 2__________ 3____ 4 5____ 6______ 7_______ 8________ 9 10 11_____ 12_______ 13 14 15_ 16_____ 17 18________ 19_ 20______ 21 22__ 23___ 24_______ 25 26___ 27__ 28 29 30___________ 31

Chunks:
  TruePositive nam [13,13] = UE

(ChunkerEvaluator) Sentence #12376 from articles/00107932 from sent9

Text  : KE otrzymała liczne skargi od rodziców z krajów unijnych ,  których dzieci zarejestrowane są pod podwójnym nazwiskiem w  konsulacie innego kraju UE ,  a  w  Belgii mają jedynie nazwisko ojca .
Tokens: 1_ 2________ 3_____ 4_____ 5_ 6_______ 7 8_____ 9_______ 10 11_____ 12____ 13____________ 14 15_ 16_______ 17________ 18 19________ 20____ 21___ 22 23 24 25 26____ 27__ 28_____ 29______ 30__ 31

Chunks:
  TruePositive nam [22,22] = UE
  TruePositive nam [26,26] = Belgii
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #12377 from articles/00107932 from sent10

Text  : Trybunał UE uznał , że sytuacja taka ma poważne konsekwencje i  rodzi komplikacje dla osób ,  których problem ten dotyczy ,  ograniczając ich prawo do swobodnego przemieszczania się .
Tokens: 1_______ 2_ 3____ 4 5_ 6_______ 7___ 8_ 9______ 10__________ 11 12___ 13_________ 14_ 15__ 16 17_____ 18_____ 19_ 20_____ 21 22__________ 23_ 24___ 25 26________ 27_____________ 28_ 29

Chunks:
  FalsePositive nam [2,2] = UE
  FalseNegative nam [1,2] = Trybunał UE

(ChunkerEvaluator) Sentence #12378 from articles/00107932 from sent11

Text  : W Belgii , wedle obowiązującego prawa , obywatele tego kraju mogą wystąpić o  zmianę nazwiska dziecka na podwójne ,  nawet jeśli zostało ono zarejestrowane tylko pod nazwiskiem ojca ,  ale wiąże się to z  długimi ,  pociągającymi za sobą koszty procedurami ,  których wynik jest niepewny -  jak głosi więc komunikat KE ,  nie rozwiązuje to problemu i  nie jest zgodne z  decyzją Trybunału .
Tokens: 1 2_____ 3 4____ 5_____________ 6____ 7 8________ 9___ 10___ 11__ 12______ 13 14____ 15______ 16_____ 17 18______ 19 20___ 21___ 22_____ 23_ 24____________ 25___ 26_ 27________ 28__ 29 30_ 31___ 32_ 33 34 35_____ 36 37___________ 38 39__ 40____ 41_________ 42 43_____ 44___ 45__ 46______ 47 48_ 49___ 50__ 51_______ 52 53 54_ 55________ 56 57______ 58 59_ 60__ 61____ 62 63_____ 64_______ 65

Chunks:
  TruePositive nam [2,2] = Belgii
  TruePositive nam [52,52] = KE
  TruePositive nam [64,64] = Trybunału

(ChunkerEvaluator) Sentence #12379 from articles/00107932 from sent12

Text  : Z Brukseli Marta Fita - Czuchnowska
Tokens: 1 2_______ 3____ 4___ 5 6__________

Chunks:
  TruePositive nam [2,2] = Brukseli
  TruePositive nam [3,6] = Marta Fita - Czuchnowska

2016-10-27 15:00:14,837 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 550 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107933.xml
(ChunkerEvaluator) Sentence #12380 from articles/00107933 from sent1

Text  : Produkują tablety , sprzedają Ray bany - największe firmy regionu
Tokens: 1________ 2______ 3 4________ 5__ 6___ 7 8_________ 9____ 10_____

Chunks:

(ChunkerEvaluator) Sentence #12381 from articles/00107933 from sent2

Text  : DOLNY ŚLĄSK .
Tokens: 1____ 2____ 3

Chunks:
  TruePositive nam [1,2] = DOLNY ŚLĄSK

(ChunkerEvaluator) Sentence #12382 from articles/00107933 from sent3

Text  : REGION MOŻLIWOŚCI .
Tokens: 1_____ 2_________ 3

Chunks:
  FalsePositive nam [1,2] = REGION MOŻLIWOŚCI

(ChunkerEvaluator) Sentence #12383 from articles/00107933 from sent4

Text  : Wśród 500 największych firm w Polsce 38 funkcjonuje i ma swoje siedziby na Dolnym Śląsku .
Tokens: 1____ 2__ 3___________ 4___ 5 6_____ 7_ 8__________ 9 10 11___ 12______ 13 14____ 15____ 16

Chunks:
  TruePositive nam [6,6] = Polsce
  TruePositive nam [14,15] = Dolnym Śląsku

(ChunkerEvaluator) Sentence #12384 from articles/00107933 from sent5

Text  : Województwo ze stolicą we Wrocławiu jest pod tym względem czwarte w  kraju .
Tokens: 1__________ 2_ 3______ 4_ 5________ 6___ 7__ 8__ 9_______ 10_____ 11 12___ 13

Chunks:
  TruePositive nam [5,5] = Wrocławiu

(ChunkerEvaluator) Sentence #12385 from articles/00107933 from sent6

Text  : To tutaj działa jednak najbardziej zyskowne przedsiębiorstwo .
Tokens: 1_ 2____ 3_____ 4_____ 5__________ 6_______ 7_______________ 8

Chunks:

(ChunkerEvaluator) Sentence #12386 from articles/00107933 from sent7

Text  : Zestawienie największych polskich firm produkcyjnych , handlowych i usługowych na podstawie przychodów ze sprzedaży przedsiębiorstw lub całych grup kapitałowych przygotowuje już od lat ,  z  informacji przedstawionych przez zarządy lub opublikowanych na giełdzie ,  tygodnik „  Polityka ”  .
Tokens: 1__________ 2___________ 3_______ 4___ 5____________ 6 7_________ 8 9_________ 10 11_______ 12________ 13 14_______ 15_____________ 16_ 17____ 18__ 19__________ 20__________ 21_ 22 23_ 24 25 26________ 27_____________ 28___ 29_____ 30_ 31____________ 32 33______ 34 35______ 36 37______ 38 39

Chunks:
  TruePositive nam [37,37] = Polityka

(ChunkerEvaluator) Sentence #12387 from articles/00107933 from sent8

Text  : Dolny Śląsk niezmiennie plasuje się w tym rankingu w czołówce .
Tokens: 1____ 2____ 3__________ 4______ 5__ 6 7__ 8_______ 9 10______ 11

Chunks:
  TruePositive nam [1,2] = Dolny Śląsk

(ChunkerEvaluator) Sentence #12388 from articles/00107933 from sent9

Text  : W ujęciu regionalnym województwo wyprzedzają Mazowsze z 186 firmami na liście oraz Śląsk (  53 )  i  Wielkopolska (  50 )  .
Tokens: 1 2_____ 3__________ 4__________ 5__________ 6_______ 7 8__ 9______ 10 11____ 12__ 13___ 14 15 16 17 18__________ 19 20 21 22

Chunks:
  TruePositive nam [6,6] = Mazowsze
  TruePositive nam [13,13] = Śląsk
  TruePositive nam [18,18] = Wielkopolska

(ChunkerEvaluator) Sentence #12389 from articles/00107933 from sent10

Text  : To Dolny Śląsk ma jednak najbardziej zyskowną firmę , jaką jest KGHM .
Tokens: 1_ 2____ 3____ 4_ 5_____ 6__________ 7_______ 8____ 9 10__ 11__ 12__ 13

Chunks:
  TruePositive nam [2,3] = Dolny Śląsk
  TruePositive nam [12,12] = KGHM

(ChunkerEvaluator) Sentence #12390 from articles/00107933 from sent11

Text  : Już trzy miliardy zysku
Tokens: 1__ 2___ 3_______ 4____

Chunks:

(ChunkerEvaluator) Sentence #12391 from articles/00107933 from sent12

Text  : W ostatnim zestawieniu „ Polityki ” miedziowa spółka wyprzedziła PGE i  Grupę Kapitałową Jastrzębska Spółka Węglowa ,  osiągając zysk brutto ponad 13 ,  6  mld zł .
Tokens: 1 2_______ 3__________ 4 5_______ 6 7________ 8_____ 9__________ 10_ 11 12___ 13________ 14_________ 15____ 16_____ 17 18_______ 19__ 20____ 21___ 22 23 24 25_ 26 27

Chunks:
  TruePositive nam [5,5] = Polityki
  TruePositive nam [10,10] = PGE
  TruePositive nam [12,16] = Grupę Kapitałową Jastrzębska Spółka Węglowa
  TruePositive nam [26,26] = zł

(ChunkerEvaluator) Sentence #12392 from articles/00107933 from sent13

Text  : Lubiński gigant miał rekordowy rok , na czysto zarobił ponad 11 mld zł ,  podczas gdy tylko dwóm innym firmom udało się przekroczyć granicę dwóch miliardów .
Tokens: 1_______ 2_____ 3___ 4________ 5__ 6 7_ 8_____ 9______ 10___ 11 12_ 13 14 15_____ 16_ 17___ 18__ 19___ 20____ 21___ 22_ 23_________ 24_____ 25___ 26_______ 27

Chunks:
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #12393 from articles/00107933 from sent14

Text  : Aktualnie , mimo spadku notowań metali i wzrostu kosztów działalności ,  KGHM w  pierwszym półroczu tego roku wypracowało prawie 3  mld zł zysku (  czyli ponad 75 proc .  zakładanego na ten rok zysku )  ,  produkując 273 tony miedzi elektrolitycznej i  653 tony srebra .
Tokens: 1________ 2 3___ 4_____ 5______ 6_____ 7 8______ 9______ 10__________ 11 12__ 13 14_______ 15______ 16__ 17__ 18_________ 19____ 20 21_ 22 23___ 24 25___ 26___ 27 28__ 29 30_________ 31 32_ 33_ 34___ 35 36 37________ 38_ 39__ 40____ 41______________ 42 43_ 44__ 45____ 46

Chunks:
  TruePositive nam [12,12] = KGHM
  TruePositive nam [22,22] = zł

(ChunkerEvaluator) Sentence #12394 from articles/00107933 from sent15

Text  : Tablety z Wrocławia
Tokens: 1______ 2 3________

Chunks:
  TruePositive nam [3,3] = Wrocławia

(ChunkerEvaluator) Sentence #12395 from articles/00107933 from sent16

Text  : Wśród największych dolnośląskich firm są także polskie filie międzynarodowych gigantów -  polkowicki Volkswagen Motor Polska i  LG Electronics ,  który działa w  Biskupicach Podgórnych .
Tokens: 1____ 2___________ 3____________ 4___ 5_ 6____ 7______ 8____ 9_______________ 10______ 11 12________ 13________ 14___ 15____ 16 17 18_________ 19 20___ 21____ 22 23_________ 24________ 25

Chunks:
  TruePositive nam [13,15] = Volkswagen Motor Polska
  TruePositive nam [17,18] = LG Electronics
  TruePositive nam [23,24] = Biskupicach Podgórnych

(ChunkerEvaluator) Sentence #12396 from articles/00107933 from sent17

Text  : Kolejny w zestawieniu jest wrocławski holding IT - grupa AB .
Tokens: 1______ 2 3__________ 4___ 5_________ 6______ 7_ 8 9____ 10 11

Chunks:
  FalseNegative nam [9,10] = grupa AB

(ChunkerEvaluator) Sentence #12397 from articles/00107933 from sent18

Text  : Przeciętnemu Kowalskiemu jest zapewne mniej znany niż jego rankingowi poprzednicy ,  bo nie obsługuje klientów indywidualnych ,  a  jedynie biznesowych ,  i  dlatego nie widzimy go na reklamach telewizyjnych czy ulicznych billboardach .
Tokens: 1___________ 2__________ 3___ 4______ 5____ 6____ 7__ 8___ 9_________ 10_________ 11 12 13_ 14_______ 15______ 16____________ 17 18 19_____ 20_________ 21 22 23_____ 24_ 25_____ 26 27 28_______ 29___________ 30_ 31_______ 32__________ 33

Chunks:
  TruePositive nam [2,2] = Kowalskiemu

(ChunkerEvaluator) Sentence #12398 from articles/00107933 from sent19

Text  : Grupa AB jest tymczasem największym pod względem obrotów i liczby klientów dystrybutorem sprzętu elektronicznego w  Europie Środkowo -  Wschodniej .
Tokens: 1____ 2_ 3___ 4________ 5__________ 6__ 7_______ 8______ 9 10____ 11______ 12___________ 13_____ 14_____________ 15 16_____ 17______ 18 19________ 20

Chunks:
  TruePositive nam [16,19] = Europie Środkowo - Wschodniej
  FalseNegative nam [1,2] = Grupa AB

(ChunkerEvaluator) Sentence #12399 from articles/00107933 from sent20

Text  : To m . in . autoryzowany dystrybutor komputerów Mac ,  iPadów ,  iPodów i  akcesoriów marki Apple .
Tokens: 1_ 2 3 4_ 5 6___________ 7__________ 8_________ 9__ 10 11____ 12 13____ 14 15________ 16___ 17___ 18

Chunks:
  TruePositive nam [9,9] = Mac
  TruePositive nam [11,11] = iPadów
  TruePositive nam [17,17] = Apple
  FalseNegative nam [13,13] = iPodów

(ChunkerEvaluator) Sentence #12400 from articles/00107933 from sent21

Text  : AB założył we Wrocławiu na początku lat 90 .
Tokens: 1_ 2______ 3_ 4________ 5_ 6_______ 7__ 8_ 9

Chunks:
  TruePositive nam [4,4] = Wrocławiu
  FalseNegative nam [1,1] = AB

(ChunkerEvaluator) Sentence #12401 from articles/00107933 from sent22

Text  : Andrzej Przybyło .
Tokens: 1______ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Andrzej Przybyło

(ChunkerEvaluator) Sentence #12402 from articles/00107933 from sent23

Text  : Firma rozwinęła się po tym , jak zainwestował w nią amerykański fundusz Enterprise Investors .
Tokens: 1____ 2________ 3__ 4_ 5__ 6 7__ 8___________ 9 10_ 11_________ 12_____ 13________ 14_______ 15

Chunks:
  TruePositive nam [13,14] = Enterprise Investors

(ChunkerEvaluator) Sentence #12403 from articles/00107933 from sent24

Text  : Dzięki temu na progu XXI w .
Tokens: 1_____ 2___ 3_ 4____ 5__ 6 7

Chunks:

(ChunkerEvaluator) Sentence #12404 from articles/00107933 from sent25

Text  : AB stworzyła jeden z pierwszych serwisów internetowych do dystrybucji IT ,  a  sześć lat później weszła na giełdę .
Tokens: 1_ 2________ 3____ 4 5_________ 6_______ 7____________ 8_ 9__________ 10 11 12 13___ 14_ 15_____ 16____ 17 18____ 19

Chunks:
  FalsePositive nam [10,10] = IT
  FalseNegative nam [1,1] = AB

(ChunkerEvaluator) Sentence #12405 from articles/00107933 from sent26

Text  : Dziś składa się z czterech spółek , z których jedna także jest holdingiem .
Tokens: 1___ 2_____ 3__ 4 5_______ 6_____ 7 8 9______ 10___ 11___ 12__ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12406 from articles/00107933 from sent27

Text  : Rocznie obraca 4 mld zł i osiąga ponad 48 mln zł zysku .
Tokens: 1______ 2_____ 3 4__ 5_ 6 7_____ 8____ 9_ 10_ 11 12___ 13

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #12407 from articles/00107933 from sent28

Text  : Działa na rynku polskim , czeskim i słowackim .
Tokens: 1_____ 2_ 3____ 4______ 5 6______ 7 8________ 9

Chunks:
  FalsePositive nam [6,6] = czeskim

(ChunkerEvaluator) Sentence #12408 from articles/00107933 from sent29

Text  : Ma ponad 14 tys . partnerów handlowych - to m  .  in .  dealerzy ,  hipermarkety ,  sklepy i  hurtownie komputerowe .
Tokens: 1_ 2____ 3_ 4__ 5 6________ 7_________ 8 9_ 10 11 12 13 14______ 15 16__________ 17 18____ 19 20_______ 21_________ 22

Chunks:

(ChunkerEvaluator) Sentence #12409 from articles/00107933 from sent30

Text  : Tylko w budynku biurowo - logistycznym we Wrocławiu przy ul .  Kościerzyńskiej zatrudnia około 170 osób ,  które realizują codziennie setki zleceń przy zautomatyzowanych liniach magazynowych .
Tokens: 1____ 2 3______ 4______ 5 6___________ 7_ 8________ 9___ 10 11 12_____________ 13_______ 14___ 15_ 16__ 17 18___ 19_______ 20________ 21___ 22____ 23__ 24_______________ 25_____ 26__________ 27

Chunks:
  TruePositive nam [8,8] = Wrocławiu
  TruePositive nam [12,12] = Kościerzyńskiej

(ChunkerEvaluator) Sentence #12410 from articles/00107933 from sent31

Text  : Aktualnie firma planuje wybudowanie nowoczesnego centrum logistycznego za ponad 100 mln zł .
Tokens: 1________ 2____ 3______ 4__________ 5___________ 6______ 7____________ 8_ 9____ 10_ 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #12411 from articles/00107933 from sent32

Text  : Do 2015 r . powstanie ono w Magnicach , w  gminie Kobierzyce .
Tokens: 1_ 2___ 3 4 5________ 6__ 7 8________ 9 10 11____ 12________ 13

Chunks:
  TruePositive nam [12,12] = Kobierzyce
  FalseNegative nam [8,8] = Magnicach

(ChunkerEvaluator) Sentence #12412 from articles/00107933 from sent33

Text  : Holding inwestuje też we własne marki , jak tusze i  tonery do drukarek TB Print ,  żarówki LED TB Energy czy wypuszczone niedawno na rynek tablety Triline .
Tokens: 1______ 2________ 3__ 4_ 5_____ 6____ 7 8__ 9____ 10 11____ 12 13______ 14 15___ 16 17_____ 18_ 19 20____ 21_ 22_________ 23______ 24 25___ 26_____ 27_____ 28

Chunks:
  TruePositive nam [14,15] = TB Print
  TruePositive nam [18,20] = LED TB Energy
  FalseNegative nam [27,27] = Triline

(ChunkerEvaluator) Sentence #12413 from articles/00107933 from sent34

Text  : - Pierwszy nakład naszych tabletów został wyprzedany w dwa tygodnie -  opowiada Zbigniew Mądry ,  dyrektor handlowy i  członek zarządu AB .
Tokens: 1 2_______ 3_____ 4______ 5_______ 6_____ 7_________ 8 9__ 10______ 11 12______ 13______ 14___ 15 16______ 17______ 18 19_____ 20_____ 21 22

Chunks:
  TruePositive nam [13,14] = Zbigniew Mądry
  TruePositive nam [21,21] = AB

(ChunkerEvaluator) Sentence #12414 from articles/00107933 from sent35

Text  : W pierwszym półroczu tego roku grupa AB miała ponad 960 mln zł przychodów i  prawie 8  mln zł zysku netto .
Tokens: 1 2________ 3_______ 4___ 5___ 6____ 7_ 8____ 9____ 10_ 11_ 12 13________ 14 15____ 16 17_ 18 19___ 20___ 21

Chunks:
  TruePositive nam [12,12] = zł
  TruePositive nam [18,18] = zł
  FalseNegative nam [6,7] = grupa AB

(ChunkerEvaluator) Sentence #12415 from articles/00107933 from sent36

Text  : Współpracują z 4 tys . firm
Tokens: 1___________ 2 3 4__ 5 6___

Chunks:

(ChunkerEvaluator) Sentence #12416 from articles/00107933 from sent37

Text  : Ponad 12 , 5 tys . osób zatrudnia kolejny z  dolnośląskich gigantów -  grupa Impel .
Tokens: 1____ 2_ 3 4 5__ 6 7___ 8________ 9______ 10 11___________ 12______ 13 14___ 15___ 16

Chunks:
  FalseNegative nam [15,15] = Impel

(ChunkerEvaluator) Sentence #12417 from articles/00107933 from sent38

Text  : To największa w Polsce grupa firm usługowych , która obsługuje 4  tys .  przedsiębiorstw na terenie całego kraju .
Tokens: 1_ 2_________ 3 4_____ 5____ 6___ 7_________ 8 9____ 10_______ 11 12_ 13 14_____________ 15 16_____ 17____ 18___ 19

Chunks:
  TruePositive nam [4,4] = Polsce

(ChunkerEvaluator) Sentence #12418 from articles/00107933 from sent39

Text  : Zajmuje się m . in . usługami porządkowo - czystościowymi w  bankach ,  obiektach handlowych ,  biurowych ,  sportowych i  wielu innych ,  a  także ochroną mienia ,  logistyką dostaw i  cateringiem oraz usługami kadrowo -  płacowymi .
Tokens: 1______ 2__ 3 4 5_ 6 7_______ 8_________ 9 10____________ 11 12_____ 13 14_______ 15________ 16 17_______ 18 19________ 20 21___ 22____ 23 24 25___ 26_____ 27____ 28 29_______ 30____ 31 32_________ 33__ 34______ 35_____ 36 37_______ 38

Chunks:

(ChunkerEvaluator) Sentence #12419 from articles/00107933 from sent40

Text  : W ubiegłym roku firma miała prawie 1 , 3 mln zł przychodów i  prawie 60 mln zł zysku .
Tokens: 1 2_______ 3___ 4____ 5____ 6_____ 7 8 9 10_ 11 12________ 13 14____ 15 16_ 17 18___ 19

Chunks:
  TruePositive nam [11,11] = zł
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #12420 from articles/00107933 from sent41

Text  : Firma zrodziła się w 1990 r . , kiedy Grzegorz Dzik i  Józef Biegaj założyli spółkę jawną Impel J  .  Biegaj ,  G  .  Dzik .
Tokens: 1____ 2_______ 3__ 4 5___ 6 7 8 9____ 10______ 11__ 12 13___ 14____ 15______ 16____ 17___ 18___ 19 20 21____ 22 23 24 25__ 26

Chunks:
  TruePositive nam [10,11] = Grzegorz Dzik
  TruePositive nam [13,14] = Józef Biegaj
  TruePositive nam [23,25] = G . Dzik
  FalsePositive nam [18,21] = Impel J . Biegaj
  FalseNegative nam [18,18] = Impel
  FalseNegative nam [19,21] = J . Biegaj

(ChunkerEvaluator) Sentence #12421 from articles/00107933 from sent42

Text  : Świadczyła usługi porządkowo - czystościowe , dekarskie , transportowe i  utylizacji ścieków .
Tokens: 1_________ 2_____ 3_________ 4 5___________ 6 7________ 8 9___________ 10 11________ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #12422 from articles/00107933 from sent43

Text  : Już w następnym roku Impel zdobył koncesję na świadczenie usług ochrony mienia ,  a  w  następnych latach firma otworzyła swoją pierwszą filię poza Wrocławiem (  w  Jeleniej Górze )  i  utworzyła kolejne spółki ,  m  .  in .  Medar i  Impel Catering .
Tokens: 1__ 2 3________ 4___ 5____ 6_____ 7_______ 8_ 9__________ 10___ 11_____ 12____ 13 14 15 16________ 17____ 18___ 19_______ 20___ 21______ 22___ 23__ 24________ 25 26 27______ 28___ 29 30 31_______ 32_____ 33____ 34 35 36 37 38 39___ 40 41___ 42______ 43

Chunks:
  TruePositive nam [5,5] = Impel
  TruePositive nam [24,24] = Wrocławiem
  TruePositive nam [27,28] = Jeleniej Górze
  TruePositive nam [41,42] = Impel Catering
  FalseNegative nam [39,39] = Medar

(ChunkerEvaluator) Sentence #12423 from articles/00107933 from sent44

Text  : W 2003 r . Impel zadebiutował na warszawskiej Giełdzie Papierów Wartościowych i  rozpoczął ekspansję na rynki zagraniczne ,  kupując łotewską firmę Serviks Riga .
Tokens: 1 2___ 3 4 5____ 6___________ 7_ 8___________ 9_______ 10______ 11___________ 12 13_______ 14_______ 15 16___ 17_________ 18 19_____ 20______ 21___ 22_____ 23__ 24

Chunks:
  TruePositive nam [9,11] = Giełdzie Papierów Wartościowych
  TruePositive nam [22,23] = Serviks Riga
  FalseNegative nam [5,5] = Impel

(ChunkerEvaluator) Sentence #12424 from articles/00107933 from sent45

Text  : Cztery lata później grupa zawiązała pierwszą spółkę na Ukrainie -  Impel Griffin Group i  zaczęła działalność w  Wielkiej Brytanii ,  powołując spółkę Impel UK Limited .
Tokens: 1_____ 2___ 3______ 4____ 5________ 6_______ 7_____ 8_ 9_______ 10 11___ 12_____ 13___ 14 15_____ 16_________ 17 18______ 19______ 20 21_______ 22____ 23___ 24 25_____ 26

Chunks:
  TruePositive nam [9,9] = Ukrainie
  TruePositive nam [11,13] = Impel Griffin Group
  TruePositive nam [18,19] = Wielkiej Brytanii
  TruePositive nam [23,25] = Impel UK Limited

(ChunkerEvaluator) Sentence #12425 from articles/00107933 from sent46

Text  : Kolejne lata to następne spółki ( których teraz jest około 40 )  ,  rozwijanie dotychczasowych ,  pozyskiwanie lukratywnych kontraktów i  umacnianie pozycji lidera .
Tokens: 1______ 2___ 3_ 4_______ 5_____ 6 7______ 8____ 9___ 10___ 11 12 13 14________ 15_____________ 16 17__________ 18__________ 19________ 20 21________ 22_____ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #12426 from articles/00107933 from sent47

Text  : W czasie Euro to właśnie należąca do grupy firma Impel Security Polska zabezpieczała wszystkie mecze rozegrane na Stadionie Narodowym w  Warszawie i  na Stadionie Miejskim we Wrocławiu .
Tokens: 1 2_____ 3___ 4_ 5______ 6_______ 7_ 8____ 9____ 10___ 11______ 12____ 13___________ 14_______ 15___ 16_______ 17 18_______ 19_______ 20 21_______ 22 23 24_______ 25______ 26 27_______ 28

Chunks:
  TruePositive nam [3,3] = Euro
  TruePositive nam [10,12] = Impel Security Polska
  TruePositive nam [18,19] = Stadionie Narodowym
  TruePositive nam [21,21] = Warszawie
  TruePositive nam [24,25] = Stadionie Miejskim
  TruePositive nam [27,27] = Wrocławiu

(ChunkerEvaluator) Sentence #12427 from articles/00107933 from sent48

Text  : Współpracownicy firmy byli też odpowiedzialni za kontrolę bezpieczeństwa na bramkach przy centrach prasowych ,  które w  dniach meczowych działały przy stadionach mistrzostw .
Tokens: 1______________ 2____ 3___ 4__ 5_____________ 6_ 7_______ 8_____________ 9_ 10______ 11__ 12______ 13_______ 14 15___ 16 17____ 18_______ 19______ 20__ 21________ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #12428 from articles/00107933 from sent49

Text  : Impel zapewniał także bezpieczeństwo drużynie narodowej Holandii podczas wszystkich sesji treningowych na stadionie Wisły Kraków i  ochraniał wiele imprez towarzyszących zorganizowanych w  strefach kibiców ,  m  .  in .  w  Łodzi ,  Wieliczce i  Legnicy .
Tokens: 1____ 2________ 3____ 4_____________ 5_______ 6________ 7_______ 8______ 9_________ 10___ 11__________ 12 13_______ 14___ 15____ 16 17_______ 18___ 19____ 20____________ 21_____________ 22 23______ 24_____ 25 26 27 28 29 30 31___ 32 33_______ 34 35_____ 36

Chunks:
  TruePositive nam [7,7] = Holandii
  TruePositive nam [14,15] = Wisły Kraków
  TruePositive nam [31,31] = Łodzi
  TruePositive nam [33,33] = Wieliczce
  TruePositive nam [35,35] = Legnicy
  FalseNegative nam [1,1] = Impel

(ChunkerEvaluator) Sentence #12429 from articles/00107933 from sent50

Text  : Grzegorz Dzik , prezes grupy Impel , podkreśla , że w  najbliższych latach chce utrzymać tempo wzrostu grupy ,  zwiększyć wysiłek akwizycyjny i  rozwinąć operacje zagraniczne ,  m  .  in .  na Ukrainie .
Tokens: 1_______ 2___ 3 4_____ 5____ 6____ 7 8________ 9 10 11 12__________ 13____ 14__ 15______ 16___ 17_____ 18___ 19 20_______ 21_____ 22_________ 23 24______ 25______ 26_________ 27 28 29 30 31 32 33______ 34

Chunks:
  TruePositive nam [1,2] = Grzegorz Dzik
  TruePositive nam [33,33] = Ukrainie
  FalseNegative nam [6,6] = Impel

(ChunkerEvaluator) Sentence #12430 from articles/00107933 from sent51

Text  : - Podtrzymuję deklarację , że w 2014 r . osiągniemy przychód w  wysokości 2  mld zł -  podkreśla Dzik .
Tokens: 1 2__________ 3_________ 4 5_ 6 7___ 8 9 10________ 11______ 12 13_______ 14 15_ 16 17 18_______ 19__ 20

Chunks:
  TruePositive nam [16,16] = zł
  TruePositive nam [19,19] = Dzik

(ChunkerEvaluator) Sentence #12431 from articles/00107933 from sent52

Text  : - Mimo że rok 2012 był dla nas rokiem ogromnych wyzwań ,  w  czasie którego spadła nam rentowność ,  ale jednak potrafili śmy obronić wynik i  nadal się rozwijamy .
Tokens: 1 2___ 3_ 4__ 5___ 6__ 7__ 8__ 9_____ 10_______ 11____ 12 13 14____ 15_____ 16____ 17_ 18________ 19 20_ 21____ 22_______ 23_ 24_____ 25___ 26 27___ 28_ 29_______ 30

Chunks:

(ChunkerEvaluator) Sentence #12432 from articles/00107933 from sent53

Text  : 2 mld przychodu to ambitny cel , ale jak najbardziej w  naszym zasięgu .
Tokens: 1 2__ 3________ 4_ 5______ 6__ 7 8__ 9__ 10_________ 11 12____ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #12433 from articles/00107933 from sent54

Text  : Znają ich na całym świecie
Tokens: 1____ 2__ 3_ 4____ 5______

Chunks:

(ChunkerEvaluator) Sentence #12434 from articles/00107933 from sent55

Text  : Międzynarodowy sukces osiągnęła już Selena , czołowy producent i dostawca produktów chemii budowlanej .
Tokens: 1_____________ 2_____ 3________ 4__ 5_____ 6 7______ 8________ 9 10______ 11_______ 12____ 13________ 14

Chunks:
  TruePositive nam [5,5] = Selena

(ChunkerEvaluator) Sentence #12435 from articles/00107933 from sent56

Text  : Firma powstała 20 lat temu .
Tokens: 1____ 2_______ 3_ 4__ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #12436 from articles/00107933 from sent57

Text  : Założył ją Krzysztof Domarecki , który wcześniej wspólnie z kolegami przez kilka lat prowadził przedsiębiorstwo zajmujące się sprzedażą sprzętu komputerowego .
Tokens: 1______ 2_ 3________ 4________ 5 6____ 7________ 8_______ 9 10______ 11___ 12___ 13_ 14_______ 15______________ 16_______ 17_ 18_______ 19_____ 20___________ 21

Chunks:
  TruePositive nam [3,4] = Krzysztof Domarecki

(ChunkerEvaluator) Sentence #12437 from articles/00107933 from sent58

Text  : W 1992 r . wspólnicy rozstali się , a on zajął się branżą budowlaną .
Tokens: 1 2___ 3 4 5________ 6_______ 7__ 8 9 10 11___ 12_ 13____ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #12438 from articles/00107933 from sent59

Text  : Bardzo szybko rozwinął Selenę .
Tokens: 1_____ 2_____ 3_______ 4_____ 5

Chunks:
  FalseNegative nam [4,4] = Selenę

(ChunkerEvaluator) Sentence #12439 from articles/00107933 from sent60

Text  : Po dwóch latach miała już 30 proc . rynku silikonów .
Tokens: 1_ 2____ 3_____ 4____ 5__ 6_ 7___ 8 9____ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #12440 from articles/00107933 from sent61

Text  : W 2008 r . weszła na giełdę .
Tokens: 1 2___ 3 4 5_____ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12441 from articles/00107933 from sent62

Text  : Dziś jest globalnym producentem i dystrybutorem .
Tokens: 1___ 2___ 3________ 4__________ 5 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #12442 from articles/00107933 from sent63

Text  : Tworzy ją 30 spółek w 18 krajach na całym świecie .
Tokens: 1_____ 2_ 3_ 4_____ 5 6_ 7______ 8_ 9____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #12443 from articles/00107933 from sent64

Text  : Zakłady produkcyjne Seleny są zlokalizowane w : Polsce , Brazylii ,  Korei ,  Chinach ,  Rumunii ,  Turcji i  w  Hiszpanii .
Tokens: 1______ 2__________ 3_____ 4_ 5____________ 6 7 8_____ 9 10______ 11 12___ 13 14_____ 15 16_____ 17 18____ 19 20 21_______ 22

Chunks:
  TruePositive nam [3,3] = Seleny
  TruePositive nam [8,8] = Polsce
  TruePositive nam [10,10] = Brazylii
  TruePositive nam [12,12] = Korei
  TruePositive nam [14,14] = Chinach
  TruePositive nam [16,16] = Rumunii
  TruePositive nam [18,18] = Turcji
  TruePositive nam [21,21] = Hiszpanii

(ChunkerEvaluator) Sentence #12444 from articles/00107933 from sent65

Text  : Jej najbardziej znane marki to Tytan i Artelit oraz hiszpańska Quilosa .
Tokens: 1__ 2__________ 3____ 4____ 5_ 6____ 7 8______ 9___ 10________ 11_____ 12

Chunks:
  TruePositive nam [6,6] = Tytan
  TruePositive nam [8,8] = Artelit
  FalseNegative nam [11,11] = Quilosa

(ChunkerEvaluator) Sentence #12445 from articles/00107933 from sent66

Text  : Selena inwestuje także w Chinach , gdzie w 2009 r  .  zaczęła sprzedaż i  produkcję uszczelniaczy .
Tokens: 1_____ 2________ 3____ 4 5______ 6 7____ 8 9___ 10 11 12_____ 13______ 14 15_______ 16___________ 17

Chunks:
  TruePositive nam [5,5] = Chinach
  FalseNegative nam [1,1] = Selena

(ChunkerEvaluator) Sentence #12446 from articles/00107933 from sent67

Text  : Dwa lata później uruchomiła już produkcję seryjną w zakładzie pian montażowych w  Nantongu koło Szanghaju .
Tokens: 1__ 2___ 3______ 4_________ 5__ 6________ 7______ 8 9________ 10__ 11_________ 12 13______ 14__ 15_______ 16

Chunks:
  TruePositive nam [15,15] = Szanghaju
  FalseNegative nam [13,13] = Nantongu

(ChunkerEvaluator) Sentence #12447 from articles/00107933 from sent68

Text  : Wyroby z chińskich zakładów Seleny trafiają zarówno na rynek lokalny ,  jak i  na eksport .
Tokens: 1_____ 2 3________ 4_______ 5_____ 6_______ 7______ 8_ 9____ 10_____ 11 12_ 13 14 15_____ 16

Chunks:
  TruePositive nam [5,5] = Seleny

(ChunkerEvaluator) Sentence #12448 from articles/00107933 from sent69

Text  : Selena w swojej ofercie ma m . in . :  piany ,  uszczelniacze ,  kleje ,  produkty do hydroizolacji ,  systemy ociepleń i  zamocowania ,  które sprzedaje na rynkach ponad 70 państw .
Tokens: 1_____ 2 3_____ 4______ 5_ 6 7 8_ 9 10 11___ 12 13___________ 14 15___ 16 17______ 18 19___________ 20 21_____ 22______ 23 24_________ 25 26___ 27_______ 28 29_____ 30___ 31 32____ 33

Chunks:
  FalseNegative nam [1,1] = Selena

(ChunkerEvaluator) Sentence #12449 from articles/00107933 from sent70

Text  : Grupa zatrudnia teraz około 1 , 6 tys . pracowników .
Tokens: 1____ 2________ 3____ 4____ 5 6 7 8__ 9 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #12450 from articles/00107933 from sent71

Text  : Selena musi jednak radzić sobie z trudniejszą obecnie sytuacją gospodarczą na świecie .
Tokens: 1_____ 2___ 3_____ 4_____ 5____ 6 7__________ 8______ 9_______ 10_________ 11 12_____ 13

Chunks:
  FalseNegative nam [1,1] = Selena

(ChunkerEvaluator) Sentence #12451 from articles/00107933 from sent72

Text  : - W najbliższych miesiącach spodziewamy się stagnacji lub lekkiego spowolnienia na głównych rynkach swojej działalności ,  oprócz Europy Wschodniej i  Azji Centralnej ,  gdzie oczekujemy dalszych wzrostów -  opowiada Jarosław Michniuk ,  prezes Selena FM .
Tokens: 1 2 3___________ 4_________ 5__________ 6__ 7________ 8__ 9_______ 10__________ 11 12______ 13_____ 14____ 15__________ 16 17____ 18____ 19________ 20 21__ 22________ 23 24___ 25________ 26______ 27______ 28 29______ 30______ 31______ 32 33____ 34____ 35 36

Chunks:
  TruePositive nam [18,19] = Europy Wschodniej
  TruePositive nam [21,22] = Azji Centralnej
  TruePositive nam [30,31] = Jarosław Michniuk
  TruePositive nam [34,35] = Selena FM

(ChunkerEvaluator) Sentence #12452 from articles/00107933 from sent73

Text  : - Kontynuujemy zatem działania związane z konsolidacją i koncentrujemy się na programach mających na celu dalszą poprawę rentowności i  sprawności operacyjnej grupy .
Tokens: 1 2___________ 3____ 4________ 5_______ 6 7___________ 8 9____________ 10_ 11 12________ 13______ 14 15__ 16____ 17_____ 18_________ 19 20________ 21_________ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #12453 from articles/00107933 from sent74

Text  : Ray bany od firmy z Wrocławia
Tokens: 1__ 2___ 3_ 4____ 5 6________

Chunks:
  TruePositive nam [6,6] = Wrocławia

(ChunkerEvaluator) Sentence #12454 from articles/00107933 from sent75

Text  : W 2005 r . powstała wywodząca się z Wrocławia marka Twoje Soczewki .
Tokens: 1 2___ 3 4 5_______ 6________ 7__ 8 9________ 10___ 11___ 12______ 13

Chunks:
  TruePositive nam [9,9] = Wrocławia
  TruePositive nam [11,12] = Twoje Soczewki

(ChunkerEvaluator) Sentence #12455 from articles/00107933 from sent76

Text  : Salon Avenir Medical przy ul . Oławskiej był pierwszym salonem w  Polsce ,  który w  asortymencie miał wyłącznie produkty kontaktologiczne ,  czyli soczewki kontaktowe i  preparaty do ich pielęgnacji .
Tokens: 1____ 2_____ 3______ 4___ 5_ 6 7________ 8__ 9________ 10_____ 11 12____ 13 14___ 15 16__________ 17__ 18_______ 19______ 20______________ 21 22___ 23______ 24________ 25 26_______ 27 28_ 29_________ 30

Chunks:
  TruePositive nam [7,7] = Oławskiej
  TruePositive nam [12,12] = Polsce
  FalsePositive nam [1,3] = Salon Avenir Medical
  FalseNegative nam [2,3] = Avenir Medical

(ChunkerEvaluator) Sentence #12456 from articles/00107933 from sent77

Text  : Dzisiaj Twoje Soczewki to 40 sklepów w całej Polsce ,  głównie w  centrach handlowych ,  w  których możemy kupić soczewki kontaktowe oraz okulary korekcyjne i  słoneczne .
Tokens: 1______ 2____ 3_______ 4_ 5_ 6______ 7 8____ 9_____ 10 11_____ 12 13______ 14________ 15 16 17_____ 18____ 19___ 20______ 21________ 22__ 23_____ 24________ 25 26_______ 27

Chunks:
  TruePositive nam [2,3] = Twoje Soczewki
  TruePositive nam [9,9] = Polsce

(ChunkerEvaluator) Sentence #12457 from articles/00107933 from sent78

Text  : Znajdziemy je m . in . w Galerii Echo Kielce ,  Fashion House Outlet Centre w  Gdańsku ,  Galerii Mokotów ,  Wola Park ,  DH Renoma i  Toruń Plaza .
Tokens: 1_________ 2_ 3 4 5_ 6 7 8______ 9___ 10____ 11 12_____ 13___ 14____ 15____ 16 17_____ 18 19_____ 20_____ 21 22__ 23__ 24 25 26____ 27 28___ 29___ 30

Chunks:
  TruePositive nam [9,10] = Echo Kielce
  TruePositive nam [19,20] = Galerii Mokotów
  TruePositive nam [22,23] = Wola Park
  TruePositive nam [25,26] = DH Renoma
  TruePositive nam [28,29] = Toruń Plaza
  FalsePositive nam [8,8] = Galerii
  FalsePositive nam [12,17] = Fashion House Outlet Centre w Gdańsku
  FalseNegative nam [12,15] = Fashion House Outlet Centre
  FalseNegative nam [17,17] = Gdańsku

(ChunkerEvaluator) Sentence #12458 from articles/00107933 from sent79

Text  : Co ciekawe , firma zawarła umowę o współpracy z producentem marki Ray Ban ,  która cieszy się teraz ogromną popularnością wśród młodzieży .
Tokens: 1_ 2______ 3 4____ 5______ 6____ 7 8_________ 9 10_________ 11___ 12_ 13_ 14 15___ 16____ 17_ 18___ 19_____ 20___________ 21___ 22_______ 23

Chunks:
  TruePositive nam [12,13] = Ray Ban

(ChunkerEvaluator) Sentence #12459 from articles/00107933 from sent80

Text  : Dziś Twoje Soczewki są kluczowym dystrybutorem ray banów w Polsce .
Tokens: 1___ 2____ 3_______ 4_ 5________ 6____________ 7__ 8____ 9 10____ 11

Chunks:
  TruePositive nam [2,3] = Twoje Soczewki
  TruePositive nam [10,10] = Polsce

(ChunkerEvaluator) Sentence #12460 from articles/00107933 from sent81

Text  : Firma w ubiegłym roku została także wyłącznym dystrybutorem opraw okularowych marki DKNY (  Donna Karan New York )  w  Polsce .
Tokens: 1____ 2 3_______ 4___ 5______ 6____ 7________ 8____________ 9____ 10_________ 11___ 12__ 13 14___ 15___ 16_ 17__ 18 19 20____ 21

Chunks:
  TruePositive nam [14,17] = Donna Karan New York
  TruePositive nam [20,20] = Polsce
  FalseNegative nam [12,12] = DKNY

(ChunkerEvaluator) Sentence #12461 from articles/00107933 from sent82

Text  : Do końca tego roku Avenir Medical zamierza otworzyć nowe sklepy w  najlepszych polskich galeriach handlowych .
Tokens: 1_ 2____ 3___ 4___ 5_____ 6______ 7_______ 8_______ 9___ 10____ 11 12_________ 13______ 14_______ 15________ 16

Chunks:
  TruePositive nam [5,6] = Avenir Medical

(ChunkerEvaluator) Sentence #12462 from articles/00107933 from sent83

Text  : Jej produkty możemy także kupować w sklepie internetowym twojesoczewki.com .
Tokens: 1__ 2_______ 3_____ 4____ 5______ 6 7______ 8___________ 9________________ 10

Chunks:
  FalseNegative nam [9,9] = twojesoczewki.com

(ChunkerEvaluator) Sentence #12463 from articles/00107933 from sent84

Text  : Ambasadorzy Wrocławia mają się rozwijać
Tokens: 1__________ 2________ 3___ 4__ 5_______

Chunks:
  TruePositive nam [2,2] = Wrocławia

(ChunkerEvaluator) Sentence #12464 from articles/00107933 from sent85

Text  : Firmy , które inwestują za granicą , są ogromną korzyścią dla miasta ,  z  którego pochodzą ,  bo stają się jego twarzą -  z  takiego założenia wychodzi wrocławski magistrat ,  który już od prawie roku realizuje program wsparcia największych przedsiębiorstw w  ich ekspansji zagranicznej .
Tokens: 1____ 2 3____ 4________ 5_ 6______ 7 8_ 9______ 10_______ 11_ 12____ 13 14 15_____ 16______ 17 18 19___ 20_ 21__ 22____ 23 24 25_____ 26_______ 27______ 28________ 29_______ 30 31___ 32_ 33 34____ 35__ 36_______ 37_____ 38______ 39__________ 40_____________ 41 42_ 43_______ 44__________ 45

Chunks:

(ChunkerEvaluator) Sentence #12465 from articles/00107933 from sent86

Text  : „ Polskiego Czempiona ” wrocławski magistrat realizuje wspólnie z Ministerstwem Gospodarki ,  firmą PriceWaterhouseCoopers i  Zachodnią Izbą Gospodarczą .
Tokens: 1 2________ 3________ 4 5_________ 6________ 7________ 8_______ 9 10___________ 11________ 12 13___ 14____________________ 15 16_______ 17__ 18_________ 19

Chunks:
  TruePositive nam [2,3] = Polskiego Czempiona
  TruePositive nam [10,11] = Ministerstwem Gospodarki
  TruePositive nam [14,14] = PriceWaterhouseCoopers
  TruePositive nam [16,18] = Zachodnią Izbą Gospodarczą

(ChunkerEvaluator) Sentence #12466 from articles/00107933 from sent87

Text  : Zaplanowano m . in . akcję promocyjną , pokazującą zalety pracy w  polskich firmach ,  pomoc w  poszukiwaniu najlepszych pracowników dla firmy oraz stworzenie w  szkołach technicznych i  zawodowych klas dedykowanych konkretnym przedsiębiorstwom .
Tokens: 1__________ 2 3 4_ 5 6____ 7_________ 8 9_________ 10____ 11___ 12 13______ 14_____ 15 16___ 17 18__________ 19_________ 20_________ 21_ 22___ 23__ 24________ 25 26______ 27__________ 28 29________ 30__ 31__________ 32________ 33_______________ 34

Chunks:

(ChunkerEvaluator) Sentence #12467 from articles/00107933 from sent88

Text  : W programie bierze udział 11 największych wrocławskich firm : AB ,  Clarena (  firma kosmetyczna )  ,  Hasco -  Lek (  farmacja )  ,  Impel ,  Koelner (  branża budowlana )  ,  Kruk (  windykacja )  ,  REC Global (  inżynieria oprogramowania )  ,  Selena ,  Telforceone (  branża akcesoriów GSM )  ,  Toya (  elektronarzędzia i  narzędzia ręczne )  i  Xantus (  studio animacji )  .
Tokens: 1 2________ 3_____ 4_____ 5_ 6___________ 7___________ 8___ 9 10 11 12_____ 13 14___ 15_________ 16 17 18___ 19 20_ 21 22______ 23 24 25___ 26 27_____ 28 29____ 30_______ 31 32 33__ 34 35________ 36 37 38_ 39____ 40 41________ 42____________ 43 44 45____ 46 47_________ 48 49____ 50________ 51_ 52 53 54__ 55 56______________ 57 58_______ 59____ 60 61 62____ 63 64____ 65______ 66 67

Chunks:
  TruePositive nam [18,20] = Hasco - Lek
  TruePositive nam [25,25] = Impel
  TruePositive nam [33,33] = Kruk
  TruePositive nam [38,39] = REC Global
  TruePositive nam [45,45] = Selena
  FalsePositive nam [51,51] = GSM
  FalseNegative nam [10,10] = AB
  FalseNegative nam [12,12] = Clarena
  FalseNegative nam [27,27] = Koelner
  FalseNegative nam [47,47] = Telforceone
  FalseNegative nam [54,54] = Toya
  FalseNegative nam [62,62] = Xantus

(ChunkerEvaluator) Sentence #12468 from articles/00107933 from sent89

Text  : „ Polski Czempion ” jest na razie programem pilotażowym ,  stąd ograniczona liczba uczestników .
Tokens: 1 2_____ 3_______ 4 5___ 6_ 7____ 8________ 9__________ 10 11__ 12_________ 13____ 14_________ 15

Chunks:
  TruePositive nam [2,3] = Polski Czempion

(ChunkerEvaluator) Sentence #12469 from articles/00107933 from sent90

Text  : Nie wiadomo , czy będzie kontynuowany .
Tokens: 1__ 2______ 3 4__ 5_____ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #12470 from articles/00107933 from sent91

Text  : Wszystko zależy od powodzenia pierwszej edycji .
Tokens: 1_______ 2_____ 3_ 4_________ 5________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #12471 from articles/00107933 from sent92

Text  : A na razie plany są duże .
Tokens: 1 2_ 3____ 4____ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #12472 from articles/00107933 from sent93

Text  : Program ma doprowadzić do tego , by we Wrocławiu w  najbliższych dziesięciu latach powstało kilka central firm globalnych .
Tokens: 1______ 2_ 3__________ 4_ 5___ 6 7_ 8_ 9________ 10 11__________ 12________ 13____ 14______ 15___ 16_____ 17__ 18________ 19

Chunks:
  TruePositive nam [9,9] = Wrocławiu

(ChunkerEvaluator) Sentence #12473 from articles/00107933 from sent94

Text  : Ma to wpłynąć na stabilność gospodarki miasta i pociągnąć za sobą innowację .
Tokens: 1_ 2_ 3______ 4_ 5_________ 6_________ 7_____ 8 9________ 10 11__ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #12474 from articles/00107933 from sent95

Text  : W maju tego roku do programu dołączyły kolejne miasta i  regiony .
Tokens: 1 2___ 3___ 4___ 5_ 6_______ 7________ 8______ 9_____ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #12475 from articles/00107933 from sent96

Text  : Deklarację podpisali przedstawiciele województwa lubelskiego , łódzkiego , małopolskiego ,  mazowieckiego ,  pomorskiego i  zachodniopomorskiego oraz Gdańska ,  Katowic ,  Olsztyna ,  Poznania ,  Szczecina i  Rzeszowa .
Tokens: 1_________ 2________ 3______________ 4__________ 5__________ 6 7________ 8 9____________ 10 11___________ 12 13_________ 14 15__________________ 16__ 17_____ 18 19_____ 20 21______ 22 23______ 24 25_______ 26 27______ 28

Chunks:
  TruePositive nam [5,5] = lubelskiego
  TruePositive nam [17,17] = Gdańska
  TruePositive nam [19,19] = Katowic
  TruePositive nam [21,21] = Olsztyna
  TruePositive nam [23,23] = Poznania
  TruePositive nam [25,25] = Szczecina
  TruePositive nam [27,27] = Rzeszowa
  FalseNegative nam [7,7] = łódzkiego
  FalseNegative nam [9,9] = małopolskiego
  FalseNegative nam [11,11] = mazowieckiego
  FalseNegative nam [13,13] = pomorskiego
  FalseNegative nam [15,15] = zachodniopomorskiego

(ChunkerEvaluator) Sentence #12476 from articles/00107933 from sent97

Text  : - Ich działania są jednak niezależne od wrocławskiego „ Czempiona ”  -  tłumaczy Ewa Kaucz z  Agencji Rozwoju Aglomeracji Wrocławskiej ,  która realizuje program .
Tokens: 1 2__ 3________ 4_ 5_____ 6_________ 7_ 8____________ 9 10_______ 11 12 13______ 14_ 15___ 16 17_____ 18_____ 19_________ 20__________ 21 22___ 23_______ 24_____ 25

Chunks:
  TruePositive nam [10,10] = Czempiona
  FalsePositive nam [14,20] = Ewa Kaucz z Agencji Rozwoju Aglomeracji Wrocławskiej
  FalseNegative nam [14,15] = Ewa Kaucz
  FalseNegative nam [17,20] = Agencji Rozwoju Aglomeracji Wrocławskiej

(ChunkerEvaluator) Sentence #12477 from articles/00107933 from sent98

Text  : - Każdy przygotowuje swój indywidualny program wsparcia dla firm ,  tak jak zrobili śmy to my .
Tokens: 1 2____ 3___________ 4___ 5___________ 6______ 7_______ 8__ 9___ 10 11_ 12_ 13_____ 14_ 15 16 17

Chunks:

(ChunkerEvaluator) Sentence #12478 from articles/00107933 from sent99

Text  : Pod koniec września ruszy duża kampania promocyjno - rekrutacyjna „  Polskiego Czempiona ”  .
Tokens: 1__ 2_____ 3_______ 4____ 5___ 6_______ 7_________ 8 9___________ 10 11_______ 12_______ 13 14

Chunks:
  TruePositive nam [11,12] = Polskiego Czempiona

(ChunkerEvaluator) Sentence #12479 from articles/00107933 from sent100

Text  : Będzie prowadzona za pomocą portali takich jak Goldenline , które na podstawie danych ,  jakie umieścili na nich użytkownicy ,  wyselekcjonują potencjalnych pracowników dla „  czempionowej ”  jedenastki i  zaproponują im udział w  zabawie .
Tokens: 1_____ 2_________ 3_ 4_____ 5______ 6_____ 7__ 8_________ 9 10___ 11 12_______ 13____ 14 15___ 16_______ 17 18__ 19_________ 20 21____________ 22___________ 23_________ 24_ 25 26__________ 27 28________ 29 30_________ 31 32____ 33 34_____ 35

Chunks:
  FalseNegative nam [8,8] = Goldenline

(ChunkerEvaluator) Sentence #12480 from articles/00107933 from sent101

Text  : Internauta dowie się , kim może być za 10 lat ,  jeśli zamieszka we Wrocławiu i  podejmie pracę w  jednej z  największych firm .
Tokens: 1_________ 2____ 3__ 4 5__ 6___ 7__ 8_ 9_ 10_ 11 12___ 13_______ 14 15_______ 16 17______ 18___ 19 20____ 21 22__________ 23__ 24

Chunks:
  TruePositive nam [15,15] = Wrocławiu
  FalsePositive nam [1,1] = Internauta

(ChunkerEvaluator) Sentence #12481 from articles/00107933 from sent102

Text  : Na koniec aplikacja podpowie mu , gdzie może składać swój życiorys .
Tokens: 1_ 2_____ 3________ 4_______ 5_ 6 7____ 8___ 9______ 10__ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #12482 from articles/00107933 from sent103

Text  : - Nasi „ czempioni ” już teraz mają sporo ofert pracy ,  więc nasza akcja może im pomóc w  znalezieniu nowych pracowników -  mówi Ewa Kaucz .
Tokens: 1 2___ 3 4________ 5 6__ 7____ 8___ 9____ 10___ 11___ 12 13__ 14___ 15___ 16__ 17 18___ 19 20_________ 21____ 22_________ 23 24__ 25_ 26___ 27

Chunks:
  TruePositive nam [25,26] = Ewa Kaucz
  FalseNegative nam [4,4] = czempioni

(ChunkerEvaluator) Sentence #12483 from articles/00107933 from sent104

Text  : - A jeśli teraz nie prowadzą procesów rekrutacyjnych , to dzięki aplikacji zyskają wielu ciekawych kandydatów w  swoich bazach ,  do których mogą sięgnąć za kilka czy kilkanaście miesięcy .
Tokens: 1 2 3____ 4____ 5__ 6_______ 7_______ 8_____________ 9 10 11____ 12_______ 13_____ 14___ 15_______ 16________ 17 18____ 19____ 20 21 22_____ 23__ 24_____ 25 26___ 27_ 28_________ 29______ 30

Chunks:

2016-10-27 15:00:15,414 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 551 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107934.xml
(ChunkerEvaluator) Sentence #12484 from articles/00107934 from sent1

Text  : Studniówka : kapela czy didżej ?
Tokens: 1_________ 2 3_____ 4__ 5_____ 6

Chunks:
  FalsePositive nam [1,1] = Studniówka

(ChunkerEvaluator) Sentence #12485 from articles/00107934 from sent2

Text  : Zabawa studniówkowa nie może się już obejść bez profesjonalnego didżeja lub zespołu muzycznego .
Tokens: 1_____ 2___________ 3__ 4___ 5__ 6__ 7_____ 8__ 9______________ 10_____ 11_ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12486 from articles/00107934 from sent3

Text  : Trzeba jednak uważać , aby nie trafić na amatorów ,  którzy zamiast zapewnić dobrą zabawę ,  tylko ją zepsują .
Tokens: 1_____ 2_____ 3_____ 4 5__ 6__ 7_____ 8_ 9_______ 10 11____ 12_____ 13______ 14___ 15____ 16 17___ 18 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #12487 from articles/00107934 from sent4

Text  : Muzyka na studniówkę
Tokens: 1_____ 2_ 3_________

Chunks:

(ChunkerEvaluator) Sentence #12488 from articles/00107934 from sent5

Text  : Z komputera czy miksera ?
Tokens: 1 2________ 3__ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #12489 from articles/00107934 from sent6

Text  : Zabawa studniówkowa nie może się już obejść bez profesjonalnego didżeja lub zespołu muzycznego .
Tokens: 1_____ 2___________ 3__ 4___ 5__ 6__ 7_____ 8__ 9______________ 10_____ 11_ 12_____ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12490 from articles/00107934 from sent7

Text  : Trzeba jednak uważać , aby nie trafić na amatorów ,  którzy zamiast zapewnić dobrą zabawę ,  tylko ją zepsują
Tokens: 1_____ 2_____ 3_____ 4 5__ 6__ 7_____ 8_ 9_______ 10 11____ 12_____ 13______ 14___ 15____ 16 17___ 18 19_____

Chunks:

(ChunkerEvaluator) Sentence #12491 from articles/00107934 from sent8

Text  : Wybór oprawy muzycznej to jedno z najważniejszych zadań , jakie czekają organizatorów balu .
Tokens: 1____ 2_____ 3________ 4_ 5____ 6 7______________ 8____ 9 10___ 11_____ 12___________ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #12492 from articles/00107934 from sent9

Text  : Problem polega nie tylko na wyborze didżeja czy zespołu ,  ale także repertuaru .
Tokens: 1______ 2_____ 3__ 4____ 5_ 6______ 7______ 8__ 9______ 10 11_ 12___ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #12493 from articles/00107934 from sent10

Text  : Amatorom dziękujemy
Tokens: 1_______ 2_________

Chunks:

(ChunkerEvaluator) Sentence #12494 from articles/00107934 from sent11

Text  : Rynek warto zbadać już na dwa miesiące przed imprezą .
Tokens: 1____ 2____ 3_____ 4__ 5_ 6__ 7_______ 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #12495 from articles/00107934 from sent12

Text  : Studniówki odbywają się najczęściej podczas weekendu , a że to oblegane terminy ,  znalezienie wolnego zespołu może być trudne .
Tokens: 1_________ 2_______ 3__ 4__________ 5______ 6_______ 7 8 9_ 10 11______ 12_____ 13 14_________ 15_____ 16_____ 17__ 18_ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #12496 from articles/00107934 from sent13

Text  : Niektóre twierdzą jednak , że zamówienie wystarczy złożyć z dwu -  ,  trzytygodniowym wyprzedzeniem .
Tokens: 1_______ 2_______ 3_____ 4 5_ 6_________ 7________ 8_____ 9 10_ 11 12 13_____________ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #12497 from articles/00107934 from sent14

Text  : - W naszej firmie telefony zaczynają dzwonić już w drugiej połowie września .
Tokens: 1 2 3_____ 4_____ 5_______ 6________ 7______ 8__ 9 10_____ 11_____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #12498 from articles/00107934 from sent15

Text  : Wtedy odbywają się zebrania rodziców i zapadają pierwsze decyzje .
Tokens: 1____ 2_______ 3__ 4_______ 5_______ 6 7_______ 8_______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #12499 from articles/00107934 from sent16

Text  : Teraz oprócz studniówek w liceach pojawiła się również moda na studniówki w  gimnazjach -  mówi Sławomir Szen ,  właściciel Party &  Media .
Tokens: 1____ 2_____ 3_________ 4 5______ 6_______ 7__ 8______ 9___ 10 11________ 12 13________ 14 15__ 16______ 17__ 18 19________ 20___ 21 22___ 23

Chunks:
  TruePositive nam [16,17] = Sławomir Szen
  TruePositive nam [20,22] = Party & Media

(ChunkerEvaluator) Sentence #12500 from articles/00107934 from sent17

Text  : W wielu firmach zajmujących się oprawą muzyczną uroczystości zamówienie można złożyć nie tylko telefonicznie ,  ale też faksem lub pocztą elektroniczną .
Tokens: 1 2____ 3______ 4__________ 5__ 6_____ 7_______ 8___________ 9_________ 10___ 11____ 12_ 13___ 14___________ 15 16_ 17_ 18____ 19_ 20____ 21___________ 22

Chunks:

(ChunkerEvaluator) Sentence #12501 from articles/00107934 from sent18

Text  : Po wstępnej rozmowie co do wymagań i charakteru imprezy przedstawiciel firmy umawia się z  klientem na spotkanie .
Tokens: 1_ 2_______ 3_______ 4_ 5_ 6______ 7 8_________ 9______ 10____________ 11___ 12____ 13_ 14 15______ 16 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #12502 from articles/00107934 from sent19

Text  : Wtedy ustalane jest wymagane wyposażenie sali ( światła , lasery ,  sprzęt grający )  .
Tokens: 1____ 2_______ 3___ 4_______ 5__________ 6___ 7 8______ 9 10____ 11 12____ 13_____ 14 15

Chunks:

(ChunkerEvaluator) Sentence #12503 from articles/00107934 from sent20

Text  : Organizatorzy studniówki najczęściej zapewniają tylko pomieszczenie .
Tokens: 1____________ 2_________ 3__________ 4_________ 5____ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #12504 from articles/00107934 from sent21

Text  : Sprzęt , aparaturę nagłaśniającą , światła czy płyty zapewnia zespół lub didżej .
Tokens: 1_____ 2 3________ 4____________ 5 6______ 7__ 8____ 9_______ 10____ 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #12505 from articles/00107934 from sent22

Text  : Warto więc sprawdzić , jakim sprzętem dysponują .
Tokens: 1____ 2___ 3________ 4 5____ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #12506 from articles/00107934 from sent23

Text  : Na rynku pojawia się coraz więcej amatorów , którzy nie mają płyt i  korzystają z  komputerowych plików MP3 .
Tokens: 1_ 2____ 3______ 4__ 5____ 6_____ 7_______ 8 9_____ 10_ 11__ 12__ 13 14________ 15 16___________ 17____ 18_ 19

Chunks:
  FalseNegative nam [18,18] = MP3

(ChunkerEvaluator) Sentence #12507 from articles/00107934 from sent24

Text  : Profesjonaliści twierdzą , że zabawa przy muzyce z komputera nie jest najlepsza .
Tokens: 1______________ 2_______ 3 4_ 5_____ 6___ 7_____ 8 9________ 10_ 11__ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #12508 from articles/00107934 from sent25

Text  : Tango dla nauczyciela
Tokens: 1____ 2__ 3__________

Chunks:

(ChunkerEvaluator) Sentence #12509 from articles/00107934 from sent26

Text  : Na studniówkach bawią się też nauczyciele .
Tokens: 1_ 2___________ 3____ 4__ 5__ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #12510 from articles/00107934 from sent27

Text  : Jednak w Warszawie i okolicach króluje muzyka nowoczesna .
Tokens: 1_____ 2 3________ 4 5________ 6______ 7_____ 8_________ 9

Chunks:
  TruePositive nam [3,3] = Warszawie

(ChunkerEvaluator) Sentence #12511 from articles/00107934 from sent28

Text  : Często bywa tak , że didżej lub zespół , którzy mają zabawiać gości ,  spotykają się kilka tygodni wcześniej z  maturzystami i  ustalają listę piosenek .
Tokens: 1_____ 2___ 3__ 4 5_ 6_____ 7__ 8_____ 9 10____ 11__ 12______ 13___ 14 15_______ 16_ 17___ 18_____ 19_______ 20 21__________ 22 23______ 24___ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #12512 from articles/00107934 from sent29

Text  : - Zawsze dostosowujemy się do wymagań klienta .
Tokens: 1 2_____ 3____________ 4__ 5_ 6______ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #12513 from articles/00107934 from sent30

Text  : Młodzież najczęściej wybiera współczesne melodie , zachodnie przeboje , ale także piosenki biesiadne czy walce -  wylicza lider jednego z  warszawskich zespołów .
Tokens: 1_______ 2__________ 3______ 4__________ 5______ 6 7________ 8_______ 9 10_ 11___ 12______ 13_______ 14_ 15___ 16 17_____ 18___ 19_____ 20 21__________ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #12514 from articles/00107934 from sent31

Text  : - Często zamawiane są dedykacje .
Tokens: 1 2_____ 3________ 4_ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #12515 from articles/00107934 from sent32

Text  : Zazwyczaj jesteśmy proszeni o tango dla jakiegoś nauczyciela czy któryś z  przebojów Czerwonych Gitar .
Tokens: 1________ 2_______ 3_______ 4 5____ 6__ 7_______ 8__________ 9__ 10____ 11 12_______ 13________ 14___ 15

Chunks:
  TruePositive nam [13,14] = Czerwonych Gitar

(ChunkerEvaluator) Sentence #12516 from articles/00107934 from sent33

Text  : Szanujący się didżej zawsze umieścić w swojej ofercie przeboje z  lat 70 .  i  80 .  ,  twisty i  rock and rolle .
Tokens: 1________ 2__ 3_____ 4_____ 5_______ 6 7_____ 8______ 9_______ 10 11_ 12 13 14 15 16 17 18____ 19 20__ 21_ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #12517 from articles/00107934 from sent34

Text  : Dobry zespół potrafi zaś grać nawet przez 50 min bez przerwy (  te są najczęściej dziesięciominutowe )  .
Tokens: 1____ 2_____ 3______ 4__ 5___ 6____ 7____ 8_ 9__ 10_ 11_____ 12 13 14 15_________ 16________________ 17 18

Chunks:

(ChunkerEvaluator) Sentence #12518 from articles/00107934 from sent35

Text  : Didżej pracuje zwykle bez dłuższych przerw .
Tokens: 1_____ 2______ 3_____ 4__ 5________ 6_____ 7

Chunks:
  FalsePositive nam [1,1] = Didżej

(ChunkerEvaluator) Sentence #12519 from articles/00107934 from sent36

Text  : - Didżeje są też często konferansjerami .
Tokens: 1 2______ 3_ 4__ 5_____ 6______________ 7

Chunks:

(ChunkerEvaluator) Sentence #12520 from articles/00107934 from sent37

Text  : Sprowadza się to do witania gości , zapowiadania dedykacji i  kolejnych piosenek -  mówi Sławomir Szen .
Tokens: 1________ 2__ 3_ 4_ 5______ 6____ 7 8___________ 9________ 10 11_______ 12______ 13 14__ 15______ 16__ 17

Chunks:
  FalsePositive nam [15,16] = Sławomir Szen

(ChunkerEvaluator) Sentence #12521 from articles/00107934 from sent38

Text  : - Często podczas zabawy prowadzi też konkursy , ale bardziej popularne jest to poza stolicą .
Tokens: 1 2_____ 3______ 4_____ 5_______ 6__ 7_______ 8 9__ 10______ 11_______ 12__ 13 14__ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #12522 from articles/00107934 from sent39

Text  : W Warszawie tylko jedna szkoła zamówiła u nas konkursy .
Tokens: 1 2________ 3____ 4____ 5_____ 6_______ 7 8__ 9_______ 10

Chunks:
  TruePositive nam [2,2] = Warszawie

(ChunkerEvaluator) Sentence #12523 from articles/00107934 from sent40

Text  : ramka
Tokens: 1____

Chunks:

(ChunkerEvaluator) Sentence #12524 from articles/00107934 from sent41

Text  : Ile to kosztuje ?
Tokens: 1__ 2_ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #12525 from articles/00107934 from sent42

Text  : Wynajęcie zespołu , który gra od 20 do 4 rano ,  kosztuje ok .  2  ,  5  tys .  Za didżeja prowadzącego imprezę na sto osób trzeba zapłacić od 1  tys .  zł do 3  ,  5  tys .  zł .
Tokens: 1________ 2______ 3 4____ 5__ 6_ 7_ 8_ 9 10__ 11 12______ 13 14 15 16 17 18_ 19 20 21_____ 22__________ 23_____ 24 25_ 26__ 27____ 28______ 29 30 31_ 32 33 34 35 36 37 38_ 39 40 41

Chunks:
  TruePositive nam [33,33] = zł
  TruePositive nam [40,40] = zł

2016-10-27 15:00:15,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 552 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107935.xml
(ChunkerEvaluator) Sentence #12526 from articles/00107935 from sent1

Text  : Gimnazjalisto , możesz wyruszyć w rejs dookoła świata
Tokens: 1____________ 2 3_____ 4_______ 5 6___ 7______ 8_____

Chunks:

(ChunkerEvaluator) Sentence #12527 from articles/00107935 from sent2

Text  : Fundacja Szkoła pod żaglami Krzysztofa Baranowskiego zachęca do udziału w  projekcie ”  Dookoła Świata za Pomocną Dłoń ”  .
Tokens: 1_______ 2_____ 3__ 4______ 5_________ 6____________ 7______ 8_ 9______ 10 11_______ 12 13_____ 14____ 15 16_____ 17__ 18 19

Chunks:
  TruePositive nam [1,2] = Fundacja Szkoła
  TruePositive nam [5,6] = Krzysztofa Baranowskiego
  FalsePositive nam [13,14] = Dookoła Świata
  FalsePositive nam [16,17] = Pomocną Dłoń
  FalseNegative nam [13,17] = Dookoła Świata za Pomocną Dłoń

(ChunkerEvaluator) Sentence #12528 from articles/00107935 from sent3

Text  : Można się do niego zgłaszać do połowy listopada .
Tokens: 1____ 2__ 3_ 4____ 5_______ 6_ 7_____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #12529 from articles/00107935 from sent4

Text  : Projekt zakłada , że uczniowie drugich klas gimnazjum , którzy za zgodą rodziców zgłoszą swój udział w  projekcie ,  będą w  trakcie roku szkolnego nieść pomoc osobom niepełnosprawnym ,  chorym i  potrzebującym ,  które wskaże im najbliższa placówka Caritasu ,  regionalny punkt kontaktowy ZHP albo inne organizacje społeczne (  ewentualnie szkoła )  .
Tokens: 1______ 2______ 3 4_ 5________ 6______ 7___ 8________ 9 10____ 11 12___ 13______ 14_____ 15__ 16____ 17 18_______ 19 20__ 21 22_____ 23__ 24_______ 25___ 26___ 27____ 28______________ 29 30____ 31 32___________ 33 34___ 35____ 36 37________ 38______ 39______ 40 41________ 42___ 43________ 44_ 45__ 46__ 47_________ 48_______ 49 50_________ 51____ 52 53

Chunks:
  TruePositive nam [39,39] = Caritasu
  TruePositive nam [44,44] = ZHP

(ChunkerEvaluator) Sentence #12530 from articles/00107935 from sent5

Text  : Najbardziej aktywni wolontariusze wezmą udział w eliminacjach , z których wyłoniona zostanie 30 -  osobowa grupa (  klasa )  ,  która w  kolejnym roku szkolnym spędzi semestr trzeciej klasy gimnazjalnej (  lub jego część )  ucząc się i  pracując na pokładzie żaglowca płynącego w  rejs oceaniczny .
Tokens: 1__________ 2______ 3____________ 4____ 5_____ 6 7___________ 8 9 10_____ 11_______ 12______ 13 14 15_____ 16___ 17 18___ 19 20 21___ 22 23______ 24__ 25______ 26____ 27_____ 28______ 29___ 30__________ 31 32_ 33__ 34___ 35 36___ 37_ 38 39______ 40 41_______ 42______ 43_______ 44 45__ 46________ 47

Chunks:

(ChunkerEvaluator) Sentence #12531 from articles/00107935 from sent6

Text  : W trakcie rejsu będzie realizowany program szkolny poszerzony o wiedzę żeglarską ,  a  żaglowiec odwiedzi wiele atrakcyjnych portów i  miejsc .
Tokens: 1 2______ 3____ 4_____ 5__________ 6______ 7______ 8_________ 9 10____ 11_______ 12 13 14_______ 15______ 16___ 17__________ 18____ 19 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #12532 from articles/00107935 from sent7

Text  : Ci , którzy nie zakwalifikują się do grupy finałowej ,  ale wyróżnią w  trakcie eliminacji ,  wezmą udział w  krótszych rejsach żeglarskich ,  ewentualnie dostaną inne nagrody i  wyróżnienia .
Tokens: 1_ 2 3_____ 4__ 5____________ 6__ 7_ 8____ 9________ 10 11_ 12______ 13 14_____ 15________ 16 17___ 18____ 19 20_______ 21_____ 22_________ 23 24_________ 25_____ 26__ 27_____ 28 29_________ 30

Chunks:

(ChunkerEvaluator) Sentence #12533 from articles/00107935 from sent8

Text  : Udział w rejsach dla uczestników jest bezpłatny , możliwa jest jedynie odpłatność za wyżywienie i  dojazdy .
Tokens: 1_____ 2 3______ 4__ 5__________ 6___ 7________ 8 9______ 10__ 11_____ 12________ 13 14________ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #12534 from articles/00107935 from sent9

Text  : Nabór uczestników do przyszłorocznej edycji programu zaczął się 25 września i  potrwa do połowy listopada .
Tokens: 1____ 2__________ 3_ 4______________ 5_____ 6_______ 7_____ 8__ 9_ 10______ 11 12____ 13 14____ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #12535 from articles/00107935 from sent10

Text  : Jak wygrać rejs ?
Tokens: 1__ 2_____ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #12536 from articles/00107935 from sent11

Text  : Warunkiem zakwalifikowania do udziału w projekcie jest zgłoszenie chęci pomagania innym .
Tokens: 1________ 2_______________ 3_ 4______ 5 6________ 7___ 8_________ 9____ 10_______ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #12537 from articles/00107935 from sent12

Text  : Rok udokumentowanej pracy w wolontariacie pozwala przystąpić do kolejnych etapów selekcji ,  finałem jest bieg na 400 m  i  pływanie stylem dowolnym na 50 m  .
Tokens: 1__ 2______________ 3____ 4 5____________ 6______ 7_________ 8_ 9________ 10____ 11______ 12 13_____ 14__ 15__ 16 17_ 18 19 20______ 21____ 22______ 23 24 25 26

Chunks:

(ChunkerEvaluator) Sentence #12538 from articles/00107935 from sent13

Text  : Uczestnicy programu mogą m . in . pomagać młodszym dzieciom przy odrabianiu prac domowych ,  w  opiece nad młodszymi dziećmi (  organizacja gier i  zbaw ,  pomoc przy posiłku )  ,  w  organizacji czasu wolnego osób starszych -  spacery ,  gry stolikowe ,  itp .  ,  przy robieniu zakupów ,  w  organizacji spotkań świątecznych ,  przy organizacji paczek świątecznych dla potrzebujących ,  przy rozdawaniu żywności ,  przy zbieraniu funduszy ,  np .  kwesty ,  w  organizacji partnera przy realizacji jej celów statutowych .
Tokens: 1_________ 2_______ 3___ 4 5 6_ 7 8______ 9_______ 10______ 11__ 12________ 13__ 14______ 15 16 17____ 18_ 19_______ 20_____ 21 22_________ 23__ 24 25__ 26 27___ 28__ 29_____ 30 31 32 33_________ 34___ 35_____ 36__ 37_______ 38 39_____ 40 41_ 42_______ 43 44_ 45 46 47__ 48______ 49_____ 50 51 52_________ 53_____ 54__________ 55 56__ 57_________ 58____ 59__________ 60_ 61____________ 62 63__ 64________ 65______ 66 67__ 68_______ 69______ 70 71 72 73____ 74 75 76_________ 77______ 78__ 79________ 80_ 81___ 82_________ 83

Chunks:

(ChunkerEvaluator) Sentence #12539 from articles/00107935 from sent14

Text  : Jak będzie pod uwagę brane są żaglowce : „ Pogoria ”  i  „  Fryderyk Chopin ”  -  ze względu na zdecydowane walory wychowawcze pracy na rejach przy wyborze preferowane są żaglowce rejowe .
Tokens: 1__ 2_____ 3__ 4____ 5____ 6_ 7_______ 8 9 10_____ 11 12 13 14______ 15____ 16 17 18 19_____ 20 21_________ 22____ 23_________ 24___ 25 26____ 27__ 28_____ 29_________ 30 31______ 32____ 33

Chunks:
  FalsePositive nam [14,15] = Fryderyk Chopin

(ChunkerEvaluator) Sentence #12540 from articles/00107935 from sent15

Text  : Planowana trasa rejsu : Świnoujście - Ronne - Frederikshaven -  Stavanger -  Lervik -  (  lub Cherbourg -  Falmouth )  -  Vigo -  Funchal (  Madera )  -  Gibraltar -  Malaga -  Cartagena -  Barcelona -  Villefranche -  Monaco -  Bonifacio -  Elba -  Genua .
Tokens: 1________ 2____ 3____ 4 5__________ 6 7____ 8 9_____________ 10 11_______ 12 13____ 14 15 16_ 17_______ 18 19______ 20 21 22__ 23 24_____ 25 26____ 27 28 29_______ 30 31____ 32 33_______ 34 35_______ 36 37__________ 38 39____ 40 41_______ 42 43__ 44 45___ 46

Chunks:
  TruePositive nam [26,26] = Madera
  TruePositive nam [29,29] = Gibraltar
  TruePositive nam [31,31] = Malaga
  TruePositive nam [33,33] = Cartagena
  TruePositive nam [35,35] = Barcelona
  TruePositive nam [37,37] = Villefranche
  TruePositive nam [39,39] = Monaco
  TruePositive nam [45,45] = Genua
  FalsePositive nam [5,13] = Świnoujście - Ronne - Frederikshaven - Stavanger - Lervik
  FalsePositive nam [41,43] = Bonifacio - Elba
  FalseNegative nam [5,5] = Świnoujście
  FalseNegative nam [7,7] = Ronne
  FalseNegative nam [9,9] = Frederikshaven
  FalseNegative nam [11,11] = Stavanger
  FalseNegative nam [13,13] = Lervik
  FalseNegative nam [17,17] = Cherbourg
  FalseNegative nam [19,19] = Falmouth
  FalseNegative nam [22,22] = Vigo
  FalseNegative nam [24,24] = Funchal
  FalseNegative nam [41,41] = Bonifacio
  FalseNegative nam [43,43] = Elba

2016-10-27 15:00:15,816 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 553 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107936.xml
(ChunkerEvaluator) Sentence #12541 from articles/00107936 from sent1

Text  : Pijacka sprzeczka o kobietę skończona bójką z użyciem noża
Tokens: 1______ 2________ 3 4______ 5________ 6____ 7 8______ 9___

Chunks:

(ChunkerEvaluator) Sentence #12542 from articles/00107936 from sent2

Text  : Grajewscy policjanci zatrzymali młodego mężczyznę , który ugodził kolegę nożem .
Tokens: 1________ 2_________ 3_________ 4______ 5________ 6 7____ 8______ 9_____ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #12543 from articles/00107936 from sent3

Text  : Ranny 23 - letni mieszkaniec Grajewa trafił do szpitala .
Tokens: 1____ 2_ 3 4____ 5__________ 6______ 7_____ 8_ 9_______ 10

Chunks:
  TruePositive nam [6,6] = Grajewa

(ChunkerEvaluator) Sentence #12544 from articles/00107936 from sent4

Text  : Sprawca trafił do policyjnego aresztu , teraz za swoje postępowanie odpowie przed sądem
Tokens: 1______ 2_____ 3_ 4__________ 5______ 6 7____ 8_ 9____ 10__________ 11_____ 12___ 13___

Chunks:

(ChunkerEvaluator) Sentence #12545 from articles/00107936 from sent5

Text  : Do zdarzenia doszło wczoraj około godziny 21 . 30 na jednym z  grajewskich osiedli .
Tokens: 1_ 2________ 3_____ 4______ 5____ 6______ 7_ 8 9_ 10 11____ 12 13_________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #12546 from articles/00107936 from sent6

Text  : Z ustaleń policji wynika , że 23 - letni mieszkaniec Grajewa w  trakcie awantury w  swoim mieszkaniu dwukrotnie ugodził kolegę nożem .
Tokens: 1 2______ 3______ 4_____ 5 6_ 7_ 8 9____ 10_________ 11_____ 12 13_____ 14______ 15 16___ 17________ 18________ 19_____ 20____ 21___ 22

Chunks:
  TruePositive nam [11,11] = Grajewa

(ChunkerEvaluator) Sentence #12547 from articles/00107936 from sent7

Text  : Sprawca wyjaśnił , że podczas picia alkoholu doszło do kłótni pomiędzy nim a  kolegą .
Tokens: 1______ 2_______ 3 4_ 5______ 6____ 7_______ 8_____ 9_ 10____ 11______ 12_ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #12548 from articles/00107936 from sent8

Text  : Nieporozumienie dotyczyło 24 - letniej konkubiny napastnika .
Tokens: 1______________ 2________ 3_ 4 5______ 6________ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #12549 from articles/00107936 from sent9

Text  : Sprzeczka szybko przerodziła się w bójkę , podczas której właściciel mieszkania ugodził swojego gościa dwukrotnie nożem w  udo .
Tokens: 1________ 2_____ 3__________ 4__ 5 6____ 7 8______ 9_____ 10________ 11________ 12_____ 13_____ 14____ 15________ 16___ 17 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #12550 from articles/00107936 from sent10

Text  : Zabezpieczono nóż , który wcześniej został wyczyszczony przez konkubinę sprawcy .
Tokens: 1____________ 2__ 3 4____ 5________ 6_____ 7___________ 8____ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #12551 from articles/00107936 from sent11

Text  : 23 - letni pokrzywdzony mężczyzna z urazem prawej nogi trafił do szpitala .
Tokens: 1_ 2 3____ 4___________ 5________ 6 7_____ 8_____ 9___ 10____ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #12552 from articles/00107936 from sent12

Text  : Sprawca został zatrzymany w policyjnym areszcie , teraz za swoje postępowanie odpowie przed sądem .
Tokens: 1______ 2_____ 3_________ 4 5_________ 6_______ 7 8____ 9_ 10___ 11__________ 12_____ 13___ 14___ 15

Chunks:

2016-10-27 15:00:15,866 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 554 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107937.xml
(ChunkerEvaluator) Sentence #12553 from articles/00107937 from sent1

Text  : Finansowy skok Jagiellonii .
Tokens: 1________ 2___ 3__________ 4

Chunks:
  TruePositive nam [3,3] = Jagiellonii

(ChunkerEvaluator) Sentence #12554 from articles/00107937 from sent2

Text  : Przed klubem z Białegostoku tylko Legia , Lech , Wisła i  .  .  .
Tokens: 1____ 2_____ 3 4___________ 5____ 6____ 7 8___ 9 10___ 11 12 13 14

Chunks:
  TruePositive nam [4,4] = Białegostoku
  TruePositive nam [6,6] = Legia
  TruePositive nam [8,8] = Lech
  TruePositive nam [10,10] = Wisła

(ChunkerEvaluator) Sentence #12555 from articles/00107937 from sent3

Text  : Jagiellonia Białystok zajęła piąte miejsce w raporcie Ekstraklasa piłkarskiego biznesu ,  przygotowanym już po raz czwarty przez firmę doradczą Ernst &  amp ;  Young ,  we współpracy z  Ekstraklasą SA .
Tokens: 1__________ 2________ 3_____ 4____ 5______ 6 7_______ 8__________ 9___________ 10_____ 11 12___________ 13_ 14 15_ 16_____ 17___ 18___ 19______ 20___ 21 22_ 23 24___ 25 26 27________ 28 29_________ 30 31

Chunks:
  TruePositive nam [8,8] = Ekstraklasa
  FalsePositive nam [2,2] = Białystok
  FalsePositive nam [24,24] = Young
  FalsePositive nam [29,30] = Ekstraklasą SA
  FalseNegative nam [1,2] = Jagiellonia Białystok
  FalseNegative nam [20,24] = Ernst & amp ; Young
  FalseNegative nam [29,31] = Ekstraklasą SA .

(ChunkerEvaluator) Sentence #12556 from articles/00107937 from sent4

Text  : Zestawienie obejmuje sezon 2011 / 2012
Tokens: 1__________ 2_______ 3____ 4___ 5 6___

Chunks:

(ChunkerEvaluator) Sentence #12557 from articles/00107937 from sent5

Text  : Z raportu wynika , że KGHM Zagłębie Lubin jest najstabilniejszym finansowo klubem w  Polsce ,  ale największe przychody generuje Legia Warszawa .
Tokens: 1 2______ 3_____ 4 5_ 6___ 7_______ 8____ 9___ 10_______________ 11_______ 12____ 13 14____ 15 16_ 17________ 18_______ 19______ 20___ 21______ 22

Chunks:
  TruePositive nam [14,14] = Polsce
  TruePositive nam [20,21] = Legia Warszawa
  FalsePositive nam [7,8] = Zagłębie Lubin
  FalseNegative nam [6,8] = KGHM Zagłębie Lubin

(ChunkerEvaluator) Sentence #12558 from articles/00107937 from sent6

Text  : Klub ze stolicy jest też najbardziej medialny w kraju i  to on wygrał biznesowy ranking polskich klubów opublikowany w  raporcie Ekstraklasa piłkarskiego biznesu ,  przygotowanym już po raz czwarty przez firmę doradczą Ernst &  Young ,  we współpracy z  Ekstraklasą SA .
Tokens: 1___ 2_ 3______ 4___ 5__ 6__________ 7_______ 8 9____ 10 11 12 13____ 14_______ 15_____ 16______ 17____ 18__________ 19 20______ 21_________ 22__________ 23_____ 24 25___________ 26_ 27 28_ 29_____ 30___ 31___ 32______ 33___ 34 35___ 36 37 38________ 39 40_________ 41 42

Chunks:
  TruePositive nam [21,21] = Ekstraklasa
  TruePositive nam [33,35] = Ernst & Young
  TruePositive nam [40,41] = Ekstraklasą SA

(ChunkerEvaluator) Sentence #12559 from articles/00107937 from sent7

Text  : Za Legią w tym zestawieniu uplasował się Lech Poznań .
Tokens: 1_ 2____ 3 4__ 5__________ 6________ 7__ 8___ 9_____ 10

Chunks:
  TruePositive nam [2,2] = Legią
  TruePositive nam [8,9] = Lech Poznań

(ChunkerEvaluator) Sentence #12560 from articles/00107937 from sent8

Text  : Trzecie miejsce zajmuje Wisła Kraków , czwarte mistrz Polski ,  czyli Śląsk Wrocław ,  a  piąta jest Jagiellonia .
Tokens: 1______ 2______ 3______ 4____ 5_____ 6 7______ 8_____ 9_____ 10 11___ 12___ 13_____ 14 15 16___ 17__ 18_________ 19

Chunks:
  TruePositive nam [4,5] = Wisła Kraków
  TruePositive nam [9,9] = Polski
  TruePositive nam [12,13] = Śląsk Wrocław
  TruePositive nam [18,18] = Jagiellonia

(ChunkerEvaluator) Sentence #12561 from articles/00107937 from sent9

Text  : Twórcy rankingu 18 klubów występujących w ekstraklasie w sezonie 2011 /  2012 oraz 2012 /  2013 ocenili z  trzech perspektyw :  sytuacji finansowej ,  siły medialnej klubu ,  efektywności działania klubu .
Tokens: 1_____ 2_______ 3_ 4_____ 5____________ 6 7___________ 8 9______ 10__ 11 12__ 13__ 14__ 15 16__ 17_____ 18 19____ 20________ 21 22______ 23________ 24 25__ 26_______ 27___ 28 29__________ 30_______ 31___ 32

Chunks:

(ChunkerEvaluator) Sentence #12562 from articles/00107937 from sent10

Text  : W zestawieniu obejmującym sytuację finansową Jagiellonia została sklasyfikowana na czwartej pozycji .
Tokens: 1 2__________ 3__________ 4_______ 5________ 6__________ 7______ 8_____________ 9_ 10______ 11_____ 12

Chunks:
  TruePositive nam [6,6] = Jagiellonia

(ChunkerEvaluator) Sentence #12563 from articles/00107937 from sent11

Text  : To skok od dziewięć miejsc w porównaniu do poprzedniego zestawienia .
Tokens: 1_ 2___ 3_ 4_______ 5_____ 6 7_________ 8_ 9___________ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #12564 from articles/00107937 from sent12

Text  : W raporcie we fragmencie dotyczącym klubu z Białegostoku czytamy :  „  Jagiellonia zajęła szóste miejsce w  rankingu pod względem przychodów ze sprzedaży z  wynikiem ponad 30 ,  3  mln zł .
Tokens: 1 2_______ 3_ 4_________ 5_________ 6____ 7 8___________ 9______ 10 11 12_________ 13____ 14____ 15_____ 16 17______ 18_ 19______ 20________ 21 22_______ 23 24______ 25___ 26 27 28 29_ 30 31

Chunks:
  TruePositive nam [8,8] = Białegostoku
  TruePositive nam [30,30] = zł
  FalseNegative nam [12,12] = Jagiellonia

(ChunkerEvaluator) Sentence #12565 from articles/00107937 from sent13

Text  : Jest to spowodowane wzrostem wpływów w stosunku do ubiegłego roku finansowego o  ponad 80 %  (  pierwsza piątka w  lidze )  .
Tokens: 1___ 2_ 3__________ 4_______ 5______ 6 7_______ 8_ 9________ 10__ 11_________ 12 13___ 14 15 16 17______ 18____ 19 20___ 21 22

Chunks:

(ChunkerEvaluator) Sentence #12566 from articles/00107937 from sent14

Text  : Trzeba jednak zwrócić uwagę , że duża część przychodów ze sprzedaży wykazanych za 2011 r  .  pochodziła ze sponsoringu .
Tokens: 1_____ 2_____ 3______ 4____ 5 6_ 7___ 8____ 9_________ 10 11_______ 12________ 13 14__ 15 16 17________ 18 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #12567 from articles/00107937 from sent15

Text  : Oznacza to , że wskaźnik dywersyfikacji przychodów Jagiellonii jest relatywnie słaby i  „  Żółto -  czerwoni ”  mocno opierają swoją działalność na decyzjach głównego sponsora .  ”
Tokens: 1______ 2_ 3 4_ 5_______ 6_____________ 7_________ 8__________ 9___ 10________ 11___ 12 13 14___ 15 16______ 17 18___ 19______ 20___ 21_________ 22 23_______ 24______ 25______ 26 27

Chunks:
  TruePositive nam [8,8] = Jagiellonii
  FalseNegative nam [14,16] = Żółto - czerwoni

(ChunkerEvaluator) Sentence #12568 from articles/00107937 from sent16

Text  : Twórcy raportu dodają też , że Jagiellonia jest jednym z  najbardziej rentownych polskich klubów -  „  ze względu na zaraportowanie zysku netto na koniec 2011 r  .  na poziomie 3  ,  5  mln zł ,  Jagiellonia jest jedną z  czterech drużyn ,  które odnotowały dodatni wskaźnik rentowności .
Tokens: 1_____ 2______ 3_____ 4__ 5 6_ 7__________ 8___ 9_____ 10 11_________ 12________ 13______ 14____ 15 16 17 18_____ 19 20____________ 21___ 22___ 23 24____ 25__ 26 27 28 29______ 30 31 32 33_ 34 35 36_________ 37__ 38___ 39 40______ 41____ 42 43___ 44________ 45_____ 46______ 47_________ 48

Chunks:
  TruePositive nam [7,7] = Jagiellonia
  TruePositive nam [34,34] = zł
  TruePositive nam [36,36] = Jagiellonia

(ChunkerEvaluator) Sentence #12569 from articles/00107937 from sent17

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #12570 from articles/00107937 from sent18

Text  : W sprawozdaniach finansowych zauważalny jest dość istotny poziom finansowania Jagiellonii długiem (  zadłużenie istotnie przekracza wielkość aktywów )  .  ”
Tokens: 1 2_____________ 3__________ 4_________ 5___ 6___ 7______ 8_____ 9___________ 10_________ 11_____ 12 13________ 14______ 15________ 16______ 17_____ 18 19 20

Chunks:
  TruePositive nam [10,10] = Jagiellonii

(ChunkerEvaluator) Sentence #12571 from articles/00107937 from sent19

Text  : Jagiellonia w nowym zestawieniu spadła natomiast aż o sześć miejsc ,  w  porównaniu do raportu za sezon 2010 /  2011 ,  jeżeli chodzi o  medialność .
Tokens: 1__________ 2 3____ 4__________ 5_____ 6________ 7_ 8 9____ 10____ 11 12 13________ 14 15_____ 16 17___ 18__ 19 20__ 21 22____ 23____ 24 25________ 26

Chunks:
  FalseNegative nam [1,1] = Jagiellonia

(ChunkerEvaluator) Sentence #12572 from articles/00107937 from sent20

Text  : Twórcy raportu wyjaśniają , że punkty w tej części zestawienia to głównie zasługa wskaźnika liczby transmisji meczów Jagiellonii w  Canal +  jako meczów pierwszego wyboru (  10 spotkań i  siódmy wynik w  lidze )  .
Tokens: 1_____ 2______ 3_________ 4 5_ 6_____ 7 8__ 9_____ 10_________ 11 12_____ 13_____ 14_______ 15____ 16________ 17____ 18_________ 19 20___ 21 22__ 23____ 24________ 25____ 26 27 28_____ 29 30____ 31___ 32 33___ 34 35

Chunks:
  TruePositive nam [18,18] = Jagiellonii
  TruePositive nam [20,21] = Canal +

(ChunkerEvaluator) Sentence #12573 from articles/00107937 from sent21

Text  : Czytamy „ ( . . . ) pod względem łącznej liczby widzów ,  którzy zasiedli przed telewizorami ,  aby oglądać w  Canal +  wszystkie mecze „  Jagi ”  ,  klub ten uplasował się dopiero na dziewiątej pozycji .  ”
Tokens: 1______ 2 3 4 5 6 7 8__ 9_______ 10_____ 11____ 12____ 13 14____ 15______ 16___ 17__________ 18 19_ 20_____ 21 22___ 23 24_______ 25___ 26 27__ 28 29 30__ 31_ 32_______ 33_ 34_____ 35 36________ 37_____ 38 39

Chunks:
  TruePositive nam [22,23] = Canal +
  TruePositive nam [27,27] = Jagi

(ChunkerEvaluator) Sentence #12574 from articles/00107937 from sent22

Text  : W raporcie zwrócona jest również uwaga na fakt , że przebudowywany stadion nie pozwala Jagiellonii „  na rozwinięcie skrzydeł w  kryteriach dotyczących frekwencji stadionowej .  ”
Tokens: 1 2_______ 3_______ 4___ 5______ 6____ 7_ 8___ 9 10 11____________ 12_____ 13_ 14_____ 15_________ 16 17 18_________ 19______ 20 21________ 22_________ 23________ 24_________ 25 26

Chunks:
  FalseNegative nam [15,15] = Jagiellonii

(ChunkerEvaluator) Sentence #12575 from articles/00107937 from sent23

Text  : Z drugiej strony twórcy zestawienia mają obawy , czy po powstaniu nowego stadionu nie będzie problemów z  jego zapełnieniem .
Tokens: 1 2______ 3_____ 4_____ 5__________ 6___ 7____ 8 9__ 10 11_______ 12____ 13______ 14_ 15____ 16_______ 17 18__ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #12576 from articles/00107937 from sent24

Text  : „ Pewne obawy ( . . . ) może budzić liczba wydanych przez klub kart kibica (  niecałe 9  tys .  kart i  jeden z  najgorszych wyników w  zestawieniu )  .  ”
Tokens: 1 2____ 3____ 4 5 6 7 8 9___ 10____ 11____ 12______ 13___ 14__ 15__ 16____ 17 18_____ 19 20_ 21 22__ 23 24___ 25 26_________ 27_____ 28 29_________ 30 31 32

Chunks:

(ChunkerEvaluator) Sentence #12577 from articles/00107937 from sent25

Text  : Natomiast jeśli chodzi o zestawienie z perspektywy efektywności działania klubu to Jagiellonia zajmuje czwarte miejsc i  jest to spadek o  trzy pozycje .
Tokens: 1________ 2____ 3_____ 4 5__________ 6 7__________ 8___________ 9________ 10___ 11 12_________ 13_____ 14_____ 15____ 16 17__ 18 19____ 20 21__ 22_____ 23

Chunks:
  TruePositive nam [12,12] = Jagiellonia

(ChunkerEvaluator) Sentence #12578 from articles/00107937 from sent26

Text  : W części raportu dotyczącej Jagiellonii czytamy : „ Jaga wypada najlepiej pod względem frekwencji na stadionie oraz odsetka karnetów do pojemności stadionu -  odpowiednio trzecie i  drugie miejsce w  lidze .
Tokens: 1 2_____ 3______ 4_________ 5__________ 6______ 7 8 9___ 10____ 11_______ 12_ 13______ 14________ 15 16_______ 17__ 18_____ 19______ 20 21________ 22______ 23 24_________ 25_____ 26 27____ 28_____ 29 30___ 31

Chunks:
  TruePositive nam [5,5] = Jagiellonii
  FalseNegative nam [9,9] = Jaga

(ChunkerEvaluator) Sentence #12579 from articles/00107937 from sent27

Text  : Trzeba jednak podkreślić , że pomogła w tym ograniczona pojemność przebudowywanego białostockiego stadionu ,  który na każdym meczu był zapełniony średnio w  75 %  ,  zaś 60 %  dostępnej liczby miejsc była zajmowana przez posiadaczy karnetów .
Tokens: 1_____ 2_____ 3_________ 4 5_ 6______ 7 8__ 9__________ 10_______ 11______________ 12____________ 13______ 14 15___ 16 17____ 18___ 19_ 20________ 21_____ 22 23 24 25 26_ 27 28 29_______ 30____ 31____ 32__ 33_______ 34___ 35________ 36______ 37

Chunks:

(ChunkerEvaluator) Sentence #12580 from articles/00107937 from sent28

Text  : Jagiellonia nieźle wypada również pod względem nakładów finansowych poniesionych na zdobycie jednego punktu w  rozgrywkach piłkarskich w  ostatnim roku .
Tokens: 1__________ 2_____ 3_____ 4______ 5__ 6_______ 7_______ 8__________ 9___________ 10 11______ 12_____ 13____ 14 15_________ 16_________ 17 18______ 19__ 20

Chunks:
  FalseNegative nam [1,1] = Jagiellonia

(ChunkerEvaluator) Sentence #12581 from articles/00107937 from sent29

Text  : Wynik 514 tys . zł na jeden punkt dał jej ósmy wynik w  lidze .  ”
Tokens: 1____ 2__ 3__ 4 5_ 6_ 7____ 8____ 9__ 10_ 11__ 12___ 13 14___ 15 16

Chunks:
  TruePositive nam [5,5] = zł

2016-10-27 15:00:16,062 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 555 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107938.xml
(ChunkerEvaluator) Sentence #12582 from articles/00107938 from sent1

Text  : Puchar Polski .
Tokens: 1_____ 2_____ 3

Chunks:
  TruePositive nam [1,2] = Puchar Polski

(ChunkerEvaluator) Sentence #12583 from articles/00107938 from sent2

Text  : Lechia Gdańsk z Jagiellonią Białystok bez Piotra Brożka , ale z  za to z  16 -  letnim Adrianem Bielawskim
Tokens: 1_____ 2_____ 3 4__________ 5________ 6__ 7_____ 8_____ 9 10_ 11 12 13 14 15 16 17____ 18______ 19________

Chunks:
  TruePositive nam [1,2] = Lechia Gdańsk
  TruePositive nam [4,5] = Jagiellonią Białystok
  TruePositive nam [7,8] = Piotra Brożka
  TruePositive nam [18,19] = Adrianem Bielawskim

(ChunkerEvaluator) Sentence #12584 from articles/00107938 from sent3

Text  : Piłkarze Lechii Gdańsk zmierzą się w środę na wyjeździe z  Jagiellonią Białystok w  meczu 1  /  8  finału Pucharu Polski .
Tokens: 1_______ 2_____ 3_____ 4______ 5__ 6 7____ 8_ 9________ 10 11_________ 12_______ 13 14___ 15 16 17 18____ 19_____ 20____ 21

Chunks:
  TruePositive nam [2,3] = Lechii Gdańsk
  TruePositive nam [11,12] = Jagiellonią Białystok
  TruePositive nam [19,20] = Pucharu Polski

(ChunkerEvaluator) Sentence #12585 from articles/00107938 from sent4

Text  : Początek spotkania o godz . 18 . 30 , transmisja w  TVN Turbo .
Tokens: 1_______ 2________ 3 4___ 5 6_ 7 8_ 9 10________ 11 12_ 13___ 14

Chunks:
  TruePositive nam [12,13] = TVN Turbo

(ChunkerEvaluator) Sentence #12586 from articles/00107938 from sent5

Text  : Relacja na Trójmiasto . sport . pl
Tokens: 1______ 2_ 3_________ 4 5____ 6 7_

Chunks:
  TruePositive nam [3,7] = Trójmiasto . sport . pl

(ChunkerEvaluator) Sentence #12587 from articles/00107938 from sent6

Text  : Trener biało - zielonych Bogusław Kaczmarek spotkanie z Jagiellonią traktuje niezwykle poważnie i  zabiera do Białegostoku 17 zawodników ,  którzy byli w  kadrze na ostatni mecz z  Lechem Poznań -  zabraknie tylko lekko kontuzjowanego Piotra Brożka (  problemy z  kolanem )  .
Tokens: 1_____ 2____ 3 4________ 5_______ 6________ 7________ 8 9__________ 10______ 11_______ 12______ 13 14_____ 15 16__________ 17 18________ 19 20____ 21__ 22 23____ 24 25_____ 26__ 27 28____ 29____ 30 31_______ 32___ 33___ 34____________ 35____ 36____ 37 38______ 39 40_____ 41 42

Chunks:
  TruePositive nam [5,6] = Bogusław Kaczmarek
  TruePositive nam [9,9] = Jagiellonią
  TruePositive nam [16,16] = Białegostoku
  TruePositive nam [28,29] = Lechem Poznań
  TruePositive nam [35,36] = Piotra Brożka
  FalseNegative nam [2,4] = biało - zielonych

(ChunkerEvaluator) Sentence #12588 from articles/00107938 from sent7

Text  : Zastąpi go zaledwie 16 - letni pomocnik Adrian Bielawski ,  który w  poniedziałek został zgłoszony do rozgrywek T  -  Mobile Ekstraklasy .
Tokens: 1______ 2_ 3_______ 4_ 5 6____ 7_______ 8_____ 9________ 10 11___ 12 13__________ 14____ 15_______ 16 17_______ 18 19 20____ 21_________ 22

Chunks:
  TruePositive nam [8,9] = Adrian Bielawski
  TruePositive nam [18,21] = T - Mobile Ekstraklasy

(ChunkerEvaluator) Sentence #12589 from articles/00107938 from sent8

Text  : W porównaniu ze spotkaniem z Lechem w wyjściowej „ jedenastce ”  prawdopodobnie zajdzie tylko jedna zmiana -  wymuszona urazem Brożka .
Tokens: 1 2_________ 3_ 4_________ 5 6_____ 7 8_________ 9 10________ 11 12____________ 13_____ 14___ 15___ 16____ 17 18_______ 19____ 20____ 21

Chunks:
  TruePositive nam [6,6] = Lechem
  TruePositive nam [20,20] = Brożka

(ChunkerEvaluator) Sentence #12590 from articles/00107938 from sent9

Text  : Jego miejsce na lewej obronie mógł by zająć próbowany już na tej pozycji Marcin Pietrowski ,  ale trener Kaczmarek nie chce rozbijać układu w  środku pola (  Pietrowski -  Łukasz Surma )  ,  który świetnie funkcjonował w  starciu z  „  Kolejorzem ”  .
Tokens: 1___ 2______ 3_ 4____ 5______ 6___ 7_ 8____ 9________ 10_ 11 12_ 13_____ 14____ 15________ 16 17_ 18____ 19_______ 20_ 21__ 22______ 23____ 24 25____ 26__ 27 28________ 29 30____ 31___ 32 33 34___ 35______ 36__________ 37 38_____ 39 40 41________ 42 43

Chunks:
  TruePositive nam [14,15] = Marcin Pietrowski
  TruePositive nam [19,19] = Kaczmarek
  TruePositive nam [30,31] = Łukasz Surma
  FalseNegative nam [28,28] = Pietrowski
  FalseNegative nam [41,41] = Kolejorzem

(ChunkerEvaluator) Sentence #12591 from articles/00107938 from sent10

Text  : Wszystko wskazuje więc na to , że z lewej strony defensywy zagra Rafał Janicki ,  a  jego miejsce na prawej obronie zajmie ktoś z  dwójki Krzysztof Bąk -  Deleu .
Tokens: 1_______ 2_______ 3___ 4_ 5_ 6 7_ 8 9____ 10____ 11_______ 12___ 13___ 14_____ 15 16 17__ 18_____ 19 20____ 21_____ 22____ 23__ 24 25____ 26_______ 27_ 28 29___ 30

Chunks:
  TruePositive nam [13,14] = Rafał Janicki
  TruePositive nam [26,27] = Krzysztof Bąk
  FalseNegative nam [29,29] = Deleu

(ChunkerEvaluator) Sentence #12592 from articles/00107938 from sent11

Text  : Nieobecność Brożka mogła by być szansą powrotu do składu Vytautasa Andriuskeviciusa ,  jego brak w  meczowej „  18 ”  oznacza ,  że trener Kaczmarek z  usług Litwina już korzystać nie będzie (  kontrakt Andriuskeviciusa upływa z  końcem obecnego sezonu )  .
Tokens: 1__________ 2_____ 3____ 4_ 5__ 6_____ 7______ 8_ 9_____ 10_______ 11______________ 12 13__ 14__ 15 16______ 17 18 19 20_____ 21 22 23____ 24_______ 25 26___ 27_____ 28_ 29_______ 30_ 31____ 32 33______ 34______________ 35____ 36 37____ 38______ 39____ 40 41

Chunks:
  TruePositive nam [2,2] = Brożka
  TruePositive nam [10,11] = Vytautasa Andriuskeviciusa
  TruePositive nam [24,24] = Kaczmarek
  TruePositive nam [27,27] = Litwina
  FalseNegative nam [34,34] = Andriuskeviciusa

(ChunkerEvaluator) Sentence #12593 from articles/00107938 from sent12

Text  : W tym kontekście symptomatyczna jest zresztą wypowiedź Kaczmarka odnosząca się do ostatnich występów Lechii .
Tokens: 1 2__ 3_________ 4_____________ 5___ 6______ 7________ 8________ 9________ 10_ 11 12_______ 13______ 14____ 15

Chunks:
  TruePositive nam [8,8] = Kaczmarka
  TruePositive nam [14,14] = Lechii

(ChunkerEvaluator) Sentence #12594 from articles/00107938 from sent13

Text  : - Powinni śmy dziś mieć trzy , albo nawet cztery punkty więcej ,  bo gdyby śmy nie zawalili meczu z  Piastem Gliwice [  porażka 1  :  2  na PGE Arenie ]  ,  to jestem pewien ,  że w  Krakowie wywalczyli by śmy co najmniej remis [  porażka z  Wisłą 0  :  1  ]  .
Tokens: 1 2______ 3__ 4___ 5___ 6___ 7 8___ 9____ 10____ 11____ 12____ 13 14 15___ 16_ 17_ 18______ 19___ 20 21_____ 22_____ 23 24_____ 25 26 27 28 29_ 30____ 31 32 33 34____ 35____ 36 37 38 39______ 40________ 41 42_ 43 44______ 45___ 46 47_____ 48 49___ 50 51 52 53 54

Chunks:
  TruePositive nam [21,22] = Piastem Gliwice
  TruePositive nam [29,30] = PGE Arenie
  TruePositive nam [39,39] = Krakowie
  TruePositive nam [49,49] = Wisłą

(ChunkerEvaluator) Sentence #12595 from articles/00107938 from sent14

Text  : Winę za porażkę z Piastem w dużej mierze biorę na siebie bo zaryzykował em i  do gry na lewej obronie wystawił em nieodpowiedniego człowieka [  chodzi właśnie o  Andriuskeviciusa ]  ,  co w  dużej mierze zaważyło na wyniku .
Tokens: 1___ 2_ 3______ 4 5______ 6 7____ 8_____ 9____ 10 11____ 12 13_________ 14 15 16 17_ 18 19___ 20_____ 21______ 22 23______________ 24_______ 25 26____ 27_____ 28 29______________ 30 31 32 33 34___ 35____ 36______ 37 38____ 39

Chunks:
  TruePositive nam [5,5] = Piastem
  FalseNegative nam [29,29] = Andriuskeviciusa

(ChunkerEvaluator) Sentence #12596 from articles/00107938 from sent15

Text  : Teraz już tego błędu nie popełnię - zaznacza szkoleniowiec Lechii .
Tokens: 1____ 2__ 3___ 4____ 5__ 6_______ 7 8_______ 9____________ 10____ 11

Chunks:
  TruePositive nam [10,10] = Lechii

(ChunkerEvaluator) Sentence #12597 from articles/00107938 from sent16

Text  : W tej fazie Pucharu Polski o awansie decyduje jeden mecz ,  jeśli po 90 minutach będzie remis sędzia zarządzi dogrywkę ,  a  potem ewentualnie rzuty karne .
Tokens: 1 2__ 3____ 4______ 5_____ 6 7______ 8_______ 9____ 10__ 11 12___ 13 14 15______ 16____ 17___ 18____ 19______ 20______ 21 22 23___ 24_________ 25___ 26___ 27

Chunks:
  TruePositive nam [4,5] = Pucharu Polski

(ChunkerEvaluator) Sentence #12598 from articles/00107938 from sent17

Text  : Piłkarze Lechii w Białymstoku po raz kolejny zagrają już w  poniedziałek w  meczu ligowym ,  ale po środowym spotkaniu pucharowym wracają do Gdańska .
Tokens: 1_______ 2_____ 3 4__________ 5_ 6__ 7______ 8______ 9__ 10 11__________ 12 13___ 14_____ 15 16_ 17 18______ 19_______ 20________ 21_____ 22 23_____ 24

Chunks:
  TruePositive nam [2,2] = Lechii
  TruePositive nam [4,4] = Białymstoku
  TruePositive nam [23,23] = Gdańska

(ChunkerEvaluator) Sentence #12599 from articles/00107938 from sent18

Text  : - To świadoma decyzja , myślę , że dobra dla piłkarzy -  tłumaczy trener Kaczmarek -  Lepiej trochę więcej czasu spędzić w  podróży ,  ale dzięki temu potrenować na własnych boiskach i  pomieszkać z  rodziną ,  niż siedzieć poza domem kilka dni -  tłumaczy tę decyzję trener Kaczmarek .
Tokens: 1 2_ 3_______ 4______ 5 6____ 7 8_ 9____ 10_ 11______ 12 13______ 14____ 15_______ 16 17____ 18____ 19____ 20___ 21_____ 22 23_____ 24 25_ 26____ 27__ 28________ 29 30______ 31______ 32 33________ 34 35_____ 36 37_ 38______ 39__ 40___ 41___ 42_ 43 44______ 45 46_____ 47____ 48_______ 49

Chunks:
  TruePositive nam [15,15] = Kaczmarek
  TruePositive nam [48,48] = Kaczmarek

2016-10-27 15:00:16,201 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 556 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107939.xml
(ChunkerEvaluator) Sentence #12600 from articles/00107939 from sent1

Text  : LIST : W II Alei kosze na miejscach parkingowych zamiast na chodnikach
Tokens: 1___ 2 3 4_ 5___ 6____ 7_ 8________ 9___________ 10_____ 11 12________

Chunks:
  FalsePositive nam [1,1] = LIST
  FalseNegative nam [4,5] = II Alei

(ChunkerEvaluator) Sentence #12601 from articles/00107939 from sent2

Text  : Północną nitką II Alei od wtorku można jeździć .
Tokens: 1_______ 2____ 3_ 4___ 5_ 6_____ 7____ 8______ 9

Chunks:
  TruePositive nam [3,4] = II Alei

(ChunkerEvaluator) Sentence #12602 from articles/00107939 from sent3

Text  : Jednak nie wszystko wygląda tak jak należy - na kosze na śmieci ustawione na miejscach parkingowych zwraca uwagę w  liście do redakcji Marcin Barczyński z  Rady Dzielnicy Śródmieście .
Tokens: 1_____ 2__ 3_______ 4______ 5__ 6__ 7_____ 8 9_ 10___ 11 12____ 13_______ 14 15_______ 16__________ 17____ 18___ 19 20____ 21 22______ 23____ 24________ 25 26__ 27_______ 28_________ 29

Chunks:
  TruePositive nam [23,24] = Marcin Barczyński
  TruePositive nam [26,28] = Rady Dzielnicy Śródmieście

(ChunkerEvaluator) Sentence #12603 from articles/00107939 from sent4

Text  : Parkowanie skośne w II Alei spowodowało , że większą część ciągu pieszego zajmują samochody .
Tokens: 1_________ 2_____ 3 4_ 5___ 6__________ 7 8_ 9______ 10___ 11___ 12______ 13_____ 14_______ 15

Chunks:
  TruePositive nam [4,5] = II Alei

(ChunkerEvaluator) Sentence #12604 from articles/00107939 from sent5

Text  : Miejsca do parkowania oddzielone są niezliczoną ilością słupków , które wkrótce będą wyglądać podobnie jak w  III Alei ,  tj .  połamane i  powykrzywiane .
Tokens: 1______ 2_ 3_________ 4_________ 5_ 6__________ 7______ 8______ 9 10___ 11_____ 12__ 13______ 14______ 15_ 16 17_ 18__ 19 20 21 22______ 23 24___________ 25

Chunks:
  TruePositive nam [17,18] = III Alei

(ChunkerEvaluator) Sentence #12605 from articles/00107939 from sent6

Text  : Kolejnym zgrzytem są słupki zainstalowanymi na wysokości wjazdów do posesji .
Tokens: 1_______ 2_______ 3_ 4_____ 5______________ 6_ 7________ 8______ 9_ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #12606 from articles/00107939 from sent7

Text  : Mimo założenia , że mają one chronić te wjazdy przed zastawieniem przez krnąbrnych kierowców ,  ich ułożenie prowokuje do ich ominięcia ,  a  tym samym do zastawienia wjazdu mimo wszystko .
Tokens: 1___ 2________ 3 4_ 5___ 6__ 7______ 8_ 9_____ 10___ 11__________ 12___ 13________ 14_______ 15 16_ 17______ 18_______ 19 20_ 21_______ 22 23 24_ 25___ 26 27_________ 28____ 29__ 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #12607 from articles/00107939 from sent8

Text  : Najdziwniejszą i najbardziej zastanawiającą sytuacją są jednak kosze na śmieci ,  które są ustawione na miejscach parkingowych .
Tokens: 1_____________ 2 3__________ 4_____________ 5_______ 6_ 7_____ 8____ 9_ 10____ 11 12___ 13 14_______ 15 16_______ 17__________ 18

Chunks:

(ChunkerEvaluator) Sentence #12608 from articles/00107939 from sent9

Text  : Warto pamiętać , że kosze ustawione również na miejscach parkingowych w  obrębie pl .  Biegańskiego były już przedmiotem interwencji jednego z  miejskich radnych ,  i  powoli zaczynają „  znikać ”  [  są rozbijane przez kierowców nie grzeszących umiejętnościami -  przyp .  red .  ]  .
Tokens: 1____ 2_______ 3 4_ 5____ 6________ 7______ 8_ 9________ 10__________ 11 12_____ 13 14 15__________ 16__ 17_ 18_________ 19_________ 20_____ 21 22_______ 23_____ 24 25 26____ 27_______ 28 29____ 30 31 32 33_______ 34___ 35_______ 36_ 37_________ 38_____________ 39 40___ 41 42_ 43 44 45

Chunks:
  TruePositive nam [15,15] = Biegańskiego

(ChunkerEvaluator) Sentence #12609 from articles/00107939 from sent10

Text  : Chyba że będą one pełnić funkcję stojaków rowerowych . .  .
Tokens: 1____ 2_ 3___ 4__ 5_____ 6______ 7_______ 8_________ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #12610 from articles/00107939 from sent11

Text  : Niestety , nieprzedstawianie szczegółowych projektów mieszkańcom powoduje obecnie właśnie takie niespodzianki .
Tokens: 1_______ 2 3________________ 4____________ 5________ 6__________ 7_______ 8______ 9______ 10___ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #12611 from articles/00107939 from sent12

Text  : Po prostu - Częstochowa .
Tokens: 1_ 2_____ 3 4__________ 5

Chunks:
  TruePositive nam [4,4] = Częstochowa

2016-10-27 15:00:16,268 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 557 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107940.xml
(ChunkerEvaluator) Sentence #12612 from articles/00107940 from sent1

Text  : Lubuskie .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Lubuskie

(ChunkerEvaluator) Sentence #12613 from articles/00107940 from sent2

Text  : Warsztaty & quot ; Oral History - Historia Mówiona &  quot ;  w  Gorzowie
Tokens: 1________ 2 3___ 4 5___ 6______ 7 8_______ 9______ 10 11__ 12 13 14______

Chunks:
  TruePositive nam [14,14] = Gorzowie
  FalsePositive nam [5,6] = Oral History
  FalsePositive nam [8,10] = Historia Mówiona &
  FalseNegative nam [5,9] = Oral History - Historia Mówiona

(ChunkerEvaluator) Sentence #12614 from articles/00107940 from sent3

Text  : Do udziału w warsztatach & quot ; Oral History -  Historia Mówiona &  quot ;  zachęca delegatura IPN w  Gorzowie Wielkopolskim .
Tokens: 1_ 2______ 3 4__________ 5 6___ 7 8___ 9______ 10 11______ 12_____ 13 14__ 15 16_____ 17________ 18_ 19 20______ 21___________ 22

Chunks:
  TruePositive nam [18,18] = IPN
  TruePositive nam [20,21] = Gorzowie Wielkopolskim
  FalsePositive nam [8,9] = Oral History
  FalsePositive nam [11,14] = Historia Mówiona & quot
  FalseNegative nam [8,12] = Oral History - Historia Mówiona

(ChunkerEvaluator) Sentence #12615 from articles/00107940 from sent4

Text  : Warsztaty mają pomóc młodzieży w realizacji projektów polegających na rejestrowaniu ustnych relacji nt .  stanu wojennego w  ich rodzinnym mieście .
Tokens: 1________ 2___ 3____ 4________ 5 6_________ 7________ 8___________ 9_ 10___________ 11_____ 12_____ 13 14 15___ 16_______ 17 18_ 19_______ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #12616 from articles/00107940 from sent5

Text  : " Zebrane w ten sposób relacje są unikalnymi wspomnieniami i  doświadczeniami z  życia człowieka .
Tokens: 1 2______ 3 4__ 5_____ 6______ 7_ 8_________ 9____________ 10 11_____________ 12 13___ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #12617 from articles/00107940 from sent6

Text  : Odgrywają istotną rolę przy zachowaniu dziedzictwa lokalnego środowiska i często wypełniają lukę ,  gdy nie istnieją źródła pisane "  -  powiedział PAP historyk z  delegatury IPN w  Gorzowie ,  Jarosław Palicki .
Tokens: 1________ 2______ 3___ 4___ 5_________ 6__________ 7________ 8_________ 9 10____ 11________ 12__ 13 14_ 15_ 16______ 17____ 18____ 19 20 21________ 22_ 23______ 24 25________ 26_ 27 28______ 29 30______ 31_____ 32

Chunks:
  TruePositive nam [22,22] = PAP
  TruePositive nam [26,26] = IPN
  TruePositive nam [28,28] = Gorzowie
  TruePositive nam [30,31] = Jarosław Palicki

(ChunkerEvaluator) Sentence #12618 from articles/00107940 from sent7

Text  : Jak dodał , " oral history " rozwijała się prężnie od początku lat 30 .  XX wieku w  Stanach Zjednoczonych i  Wielkiej Brytanii .
Tokens: 1__ 2____ 3 4 5___ 6______ 7 8________ 9__ 10_____ 11 12______ 13_ 14 15 16 17___ 18 19_____ 20___________ 21 22______ 23______ 24

Chunks:
  TruePositive nam [19,20] = Stanach Zjednoczonych
  TruePositive nam [22,23] = Wielkiej Brytanii

(ChunkerEvaluator) Sentence #12619 from articles/00107940 from sent8

Text  : " W Polsce to dyscyplina stosunkowo młoda i wciąż mało znana ,  ale potrzebna do uzupełnienia luk w  naszej przeszłości ,  bo jak powiedział prymas Stefan Wyszyński :  +  Naród bez dziejów ,  bez historii ,  bez przeszłości ,  staje się wkrótce narodem bez ziemi ,  narodem bezdomnym ,  bez przyszłości +  "  -  podkreślił Palicki .
Tokens: 1 2 3_____ 4_ 5_________ 6_________ 7____ 8 9____ 10__ 11___ 12 13_ 14_______ 15 16__________ 17_ 18 19____ 20_________ 21 22 23_ 24________ 25____ 26____ 27_______ 28 29 30___ 31_ 32_____ 33 34_ 35______ 36 37_ 38_________ 39 40___ 41_ 42_____ 43_____ 44_ 45___ 46 47_____ 48_______ 49 50_ 51_________ 52 53 54 55________ 56_____ 57

Chunks:
  TruePositive nam [3,3] = Polsce
  TruePositive nam [26,27] = Stefan Wyszyński
  FalseNegative nam [56,56] = Palicki

(ChunkerEvaluator) Sentence #12620 from articles/00107940 from sent9

Text  : Warsztaty - podzielone na część teoretyczną i praktyczną - skierowane są do uczniów trzecich klas gimnazjów i  szkół ponadgimnazjalnych .
Tokens: 1________ 2 3_________ 4_ 5____ 6__________ 7 8_________ 9 10________ 11 12 13_____ 14______ 15__ 16_______ 17 18___ 19________________ 20

Chunks:

(ChunkerEvaluator) Sentence #12621 from articles/00107940 from sent10

Text  : Odbędą się one 9 października w Wojewódzkiej i Miejskiej Bibliotece Publicznej w  Gorzowie .
Tokens: 1_____ 2__ 3__ 4 5___________ 6 7___________ 8 9________ 10________ 11________ 12 13______ 14

Chunks:
  TruePositive nam [13,13] = Gorzowie
  FalsePositive nam [7,7] = Wojewódzkiej
  FalsePositive nam [9,11] = Miejskiej Bibliotece Publicznej
  FalseNegative nam [7,11] = Wojewódzkiej i Miejskiej Bibliotece Publicznej

(ChunkerEvaluator) Sentence #12622 from articles/00107940 from sent11

Text  : Młodzież będzie się uczyć jak przygotowywać relacje o ważnych wydarzeniach w  okresie stanu wojennego ,  jak przeprowadzić wywiad ze świadkiem ,  uczestnikiem manifestacji ,  strajków ,  które się wtedy odbywały oraz jak je zarchiwizować .
Tokens: 1_______ 2_____ 3__ 4____ 5__ 6____________ 7______ 8 9______ 10__________ 11 12_____ 13___ 14_______ 15 16_ 17___________ 18____ 19 20_______ 21 22__________ 23__________ 24 25______ 26 27___ 28_ 29___ 30______ 31__ 32_ 33 34___________ 35

Chunks:

(ChunkerEvaluator) Sentence #12623 from articles/00107940 from sent12

Text  : Ważnym narzędziem podczas zajęć będą telefony komórkowe , które wykorzystane zostaną do nagrywania relacji .
Tokens: 1_____ 2_________ 3______ 4____ 5___ 6_______ 7________ 8 9____ 10__________ 11_____ 12 13________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #12624 from articles/00107940 from sent13

Text  : Warsztaty mogą pomóc w realizacji lokalnych projektów edukacyjnych IPN np .  :  "  31 sierpnia `  82 po 30 latach -  przywróćmy pamięć miastu "  przygotowanego dla uczniów gorzowskich szkół oraz "  Lubuska mapa pamięci "  -  przygotowanego dla całego województwa ,  a  także projektów ogólnokrajowych ,  w  tym "  Kamienie Pamięci "  i  "  Opowiem ci o  wolnej Polsce -  spotkanie ze świadkiem historii "  .
Tokens: 1________ 2___ 3____ 4 5_________ 6________ 7________ 8___________ 9__ 10 11 12 13 14 15______ 16 17 18 19 20____ 21 22________ 23____ 24____ 25 26____________ 27_ 28_____ 29_________ 30___ 31__ 32 33_____ 34__ 35_____ 36 37 38____________ 39_ 40____ 41_________ 42 43 44___ 45_______ 46_____________ 47 48 49_ 50 51______ 52_____ 53 54 55 56_____ 57 58 59____ 60____ 61 62_______ 63 64_______ 65______ 66 67

Chunks:
  TruePositive nam [9,9] = IPN
  TruePositive nam [51,52] = Kamienie Pamięci
  FalsePositive nam [60,60] = Polsce
  FalseNegative nam [14,24] = 31 sierpnia ` 82 po 30 latach - przywróćmy pamięć miastu
  FalseNegative nam [33,35] = Lubuska mapa pamięci
  FalseNegative nam [56,65] = Opowiem ci o wolnej Polsce - spotkanie ze świadkiem historii

2016-10-27 15:00:16,368 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 558 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107941.xml
(ChunkerEvaluator) Sentence #12625 from articles/00107941 from sent1

Text  : 14 - letni kibic ze Słupska okradziony na meczu w  Zielonej Górze
Tokens: 1_ 2 3____ 4____ 5_ 6______ 7_________ 8_ 9____ 10 11______ 12___

Chunks:
  TruePositive nam [6,6] = Słupska
  TruePositive nam [11,12] = Zielonej Górze

(ChunkerEvaluator) Sentence #12626 from articles/00107941 from sent2

Text  : Do rzadko spotykanego na koszykarskich trybunach zdarzenia doszło w ostatnią sobotę .
Tokens: 1_ 2_____ 3__________ 4_ 5____________ 6________ 7________ 8_____ 9 10______ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12627 from articles/00107941 from sent3

Text  : W trakcie meczu pomiędzy Stelmetem Zielona Góra a Energą Czarni Słupsk ktoś podszedł do jednego z  małoletnich kibiców gości i  zabrał mu z  szyi klubowy szalik .
Tokens: 1 2______ 3____ 4_______ 5________ 6______ 7___ 8 9_____ 10____ 11____ 12__ 13______ 14 15_____ 16 17_________ 18_____ 19___ 20 21____ 22 23 24__ 25_____ 26____ 27

Chunks:
  TruePositive nam [9,11] = Energą Czarni Słupsk
  FalsePositive nam [6,7] = Zielona Góra
  FalseNegative nam [5,7] = Stelmetem Zielona Góra

(ChunkerEvaluator) Sentence #12628 from articles/00107941 from sent4

Text  : Ochronę o zdarzeniu powiadomił jeden ze świadków .
Tokens: 1______ 2 3________ 4_________ 5____ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #12629 from articles/00107941 from sent5

Text  : W ujęciu sprawcy pomogły nagrania z monitoringu .
Tokens: 1 2_____ 3______ 4______ 5_______ 6 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #12630 from articles/00107941 from sent6

Text  : Okazało się , że jest nim znany policji i już wcześniej notowany 25 -  letni mieszkaniec Zielonej Góry .
Tokens: 1______ 2__ 3 4_ 5___ 6__ 7____ 8______ 9 10_ 11_______ 12______ 13 14 15___ 16_________ 17______ 18__ 19

Chunks:
  TruePositive nam [17,18] = Zielonej Góry

(ChunkerEvaluator) Sentence #12631 from articles/00107941 from sent7

Text  : Policjanci zatrzymali go tuż po zakończeniu meczu , w jego plecaku znaleźli skradziony szalik .
Tokens: 1_________ 2_________ 3_ 4__ 5_ 6__________ 7____ 8 9 10__ 11_____ 12______ 13________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #12632 from articles/00107941 from sent8

Text  : - 25 - latek odpowie za kradzież .
Tokens: 1 2_ 3 4____ 5______ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #12633 from articles/00107941 from sent9

Text  : Sprawa trafiła już do Sądu Rejonowego w Zielonej Górze ,  który zdecyduje o  wysokości kary -  tłumaczy Małgorzata Stanisławska ,  rzeczniczka prasowa zielonogórskiej policji .
Tokens: 1_____ 2______ 3__ 4_ 5___ 6_________ 7 8_______ 9____ 10 11___ 12_______ 13 14_______ 15__ 16 17______ 18________ 19__________ 20 21_________ 22_____ 23_____________ 24_____ 25

Chunks:
  TruePositive nam [5,6] = Sądu Rejonowego
  TruePositive nam [8,9] = Zielonej Górze
  TruePositive nam [18,19] = Małgorzata Stanisławska

2016-10-27 15:00:16,411 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 559 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107942.xml
(ChunkerEvaluator) Sentence #12634 from articles/00107942 from sent1

Text  : Środa w I lidze koszykarzy : AZS Radex kontra SKK Siedlce ,  Spójnia kontra Stal Ostrów [  FILMY ]
Tokens: 1____ 2 3 4____ 5_________ 6 7__ 8____ 9_____ 10_ 11_____ 12 13_____ 14____ 15__ 16____ 17 18___ 19

Chunks:
  TruePositive nam [13,13] = Spójnia
  TruePositive nam [15,16] = Stal Ostrów
  FalsePositive nam [7,11] = AZS Radex kontra SKK Siedlce
  FalsePositive nam [18,18] = FILMY
  FalseNegative nam [7,8] = AZS Radex
  FalseNegative nam [10,11] = SKK Siedlce

(ChunkerEvaluator) Sentence #12635 from articles/00107942 from sent2

Text  : W różnych nastrojach przystąpią do dzisiejszych spotkań koszykarze ze Szczecina i  Stargardu ,  ale cel będzie ten sam .
Tokens: 1 2______ 3_________ 4_________ 5_ 6___________ 7______ 8_________ 9_ 10_______ 11 12_______ 13 14_ 15_ 16____ 17_ 18_ 19

Chunks:
  TruePositive nam [10,10] = Szczecina
  TruePositive nam [12,12] = Stargardu

(ChunkerEvaluator) Sentence #12636 from articles/00107942 from sent3

Text  : Ledwie cztery dni czekali na 2 . kolejkę sezonu 2012 /  13 pierwszoligowi koszykarze .
Tokens: 1_____ 2_____ 3__ 4______ 5_ 6 7 8______ 9_____ 10__ 11 12 13____________ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #12637 from articles/00107942 from sent4

Text  : W Szczecinie się cieszą , bo inauguracja kompletnie się nie udała (  porażka z  ligowym średniakiem z  Lublina )  ,  więc dziś będzie okazja do lepszego otwarcia .
Tokens: 1 2_________ 3__ 4_____ 5 6_ 7__________ 8_________ 9__ 10_ 11___ 12 13_____ 14 15_____ 16_________ 17 18_____ 19 20 21__ 22__ 23____ 24____ 25 26______ 27______ 28

Chunks:
  TruePositive nam [2,2] = Szczecinie
  TruePositive nam [18,18] = Lublina

(ChunkerEvaluator) Sentence #12638 from articles/00107942 from sent5

Text  : Aby to się udało - akademicy muszą wyjść na parkiet bardziej niż zwykle skoncentrowani ,  zmobilizowani do twardej ,  chwilami agresywnej defensywy .
Tokens: 1__ 2_ 3__ 4____ 5 6________ 7____ 8____ 9_ 10_____ 11______ 12_ 13____ 14____________ 15 16___________ 17 18_____ 19 20______ 21________ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #12639 from articles/00107942 from sent6

Text  : Obrona nie była dla lublinian wystarczająco kłopotliwa i stąd nieoczekiwana porażka .
Tokens: 1_____ 2__ 3___ 4__ 5________ 6____________ 7_________ 8 9___ 10___________ 11_____ 12

Chunks:
  FalseNegative nam [5,5] = lublinian

(ChunkerEvaluator) Sentence #12640 from articles/00107942 from sent7

Text  : Tomasz Balcerek , obrońca AZS przed meczem
Tokens: 1_____ 2_______ 3 4______ 5__ 6____ 7_____

Chunks:
  TruePositive nam [1,2] = Tomasz Balcerek
  TruePositive nam [5,5] = AZS

(ChunkerEvaluator) Sentence #12641 from articles/00107942 from sent8

Text  : Maciej Majcherek , snajper AZS przed meczem
Tokens: 1_____ 2________ 3 4______ 5__ 6____ 7_____

Chunks:
  TruePositive nam [1,2] = Maciej Majcherek
  TruePositive nam [5,5] = AZS

(ChunkerEvaluator) Sentence #12642 from articles/00107942 from sent9

Text  : Proste to nie będzie .
Tokens: 1_____ 2_ 3__ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #12643 from articles/00107942 from sent10

Text  : SKK bardzo dobrze prezentowało się w poprzednim sezonie , latem trener Tomasz Araszkiewicz zatrzymał najważniejszych graczy .
Tokens: 1__ 2_____ 3_____ 4___________ 5__ 6 7_________ 8______ 9 10___ 11____ 12____ 13__________ 14_______ 15_____________ 16____ 17

Chunks:
  TruePositive nam [12,13] = Tomasz Araszkiewicz
  FalseNegative nam [1,1] = SKK

(ChunkerEvaluator) Sentence #12644 from articles/00107942 from sent11

Text  : Początek siedlczan jednak też był kiepski - u siebie przegrali z  SIDEnem Toruń ,  którym kieruje Eugeniusz Kijewski .
Tokens: 1_______ 2________ 3_____ 4__ 5__ 6______ 7 8 9_____ 10_______ 11 12_____ 13___ 14 15____ 16_____ 17_______ 18______ 19

Chunks:
  TruePositive nam [12,13] = SIDEnem Toruń
  TruePositive nam [17,18] = Eugeniusz Kijewski

(ChunkerEvaluator) Sentence #12645 from articles/00107942 from sent12

Text  : Torunianie i Śląsk Wrocław to główni pretendenci do awansu .
Tokens: 1_________ 2 3____ 4______ 5_ 6_____ 7__________ 8_ 9_____ 10

Chunks:
  TruePositive nam [3,4] = Śląsk Wrocław
  FalseNegative nam [1,1] = Torunianie

(ChunkerEvaluator) Sentence #12646 from articles/00107942 from sent13

Text  : Mecz rozpocznie się o godz . 18 w hali SDS przy ul .  Wąskiej .
Tokens: 1___ 2_________ 3__ 4 5___ 6 7_ 8 9___ 10_ 11__ 12 13 14_____ 15

Chunks:
  TruePositive nam [10,10] = SDS
  TruePositive nam [14,14] = Wąskiej

(ChunkerEvaluator) Sentence #12647 from articles/00107942 from sent14

Text  : O tej samej porze w Stargardzie ( hala przy ul .  Pierwszej Brygady )  rozpocznie się spotkanie Spójni Stargard ze Stalą Ostrów .
Tokens: 1 2__ 3____ 4____ 5 6__________ 7 8___ 9___ 10 11 12_______ 13_____ 14 15________ 16_ 17_______ 18____ 19______ 20 21___ 22____ 23

Chunks:
  TruePositive nam [6,6] = Stargardzie
  TruePositive nam [12,13] = Pierwszej Brygady
  TruePositive nam [18,19] = Spójni Stargard
  TruePositive nam [21,22] = Stalą Ostrów

(ChunkerEvaluator) Sentence #12648 from articles/00107942 from sent15

Text  : Stargardzianie w sobotę wygrali we Wrocławiu , więc pewnie woleli by jeszcze ciut odpocząć ,  ale nawet jak zaprezentują 80 procent tego ,  co ze Śląskiem ,  to powinni uporać się z  beniaminkiem I  ligi .
Tokens: 1_____________ 2 3_____ 4______ 5_ 6________ 7 8___ 9_____ 10____ 11 12_____ 13__ 14______ 15 16_ 17___ 18_ 19__________ 20 21_____ 22__ 23 24 25 26______ 27 28 29_____ 30____ 31_ 32 33__________ 34 35__ 36

Chunks:
  TruePositive nam [6,6] = Wrocławiu
  TruePositive nam [26,26] = Śląskiem
  FalseNegative nam [1,1] = Stargardzianie

(ChunkerEvaluator) Sentence #12649 from articles/00107942 from sent16

Text  : Ostrowianie dołączyli do grona pierwszoligowców dzięki dzikiej karcie .
Tokens: 1__________ 2________ 3_ 4____ 5_______________ 6_____ 7______ 8_____ 9

Chunks:
  FalseNegative nam [1,1] = Ostrowianie

(ChunkerEvaluator) Sentence #12650 from articles/00107942 from sent17

Text  : W rywalizacji w II lidze nie zdołali wygrać swojej grupy ,  choć w  składzie było i  jest kilku znanych zawodników .
Tokens: 1 2__________ 3 4_ 5____ 6__ 7______ 8_____ 9_____ 10___ 11 12__ 13 14______ 15__ 16 17__ 18___ 19_____ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #12651 from articles/00107942 from sent18

Text  : Stal to brązowy medalista MP 2002 , przez wiele sezonów grająca w  elicie ,  ale podobnie jak Spójnia -  w  końcu uległa pod ciężarek kłopotów finansowych .
Tokens: 1___ 2_ 3______ 4________ 5_ 6___ 7 8____ 9____ 10_____ 11_____ 12 13____ 14 15_ 16______ 17_ 18_____ 19 20 21___ 22____ 23_ 24______ 25______ 26_________ 27

Chunks:
  TruePositive nam [18,18] = Spójnia
  FalsePositive nam [5,5] = MP
  FalseNegative nam [5,6] = MP 2002

(ChunkerEvaluator) Sentence #12652 from articles/00107942 from sent19

Text  : Od 2009 r .
Tokens: 1_ 2___ 3 4

Chunks:

(ChunkerEvaluator) Sentence #12653 from articles/00107942 from sent20

Text  : Ostrów miał tylko II ligę , ale wykupując dziką kartę rozpoczęła się odbudowa prestiżu klubu .
Tokens: 1_____ 2___ 3____ 4_ 5___ 6 7__ 8________ 9____ 10___ 11________ 12_ 13______ 14______ 15___ 16

Chunks:
  FalseNegative nam [1,1] = Ostrów

(ChunkerEvaluator) Sentence #12654 from articles/00107942 from sent21

Text  : Najbardziej znani obecnie zawodnicy w tym zespole to Wojciech Żurawski i  Wojciech Szawarski .
Tokens: 1__________ 2____ 3______ 4________ 5 6__ 7______ 8_ 9_______ 10______ 11 12______ 13_______ 14

Chunks:
  TruePositive nam [9,10] = Wojciech Żurawski
  TruePositive nam [12,13] = Wojciech Szawarski

(ChunkerEvaluator) Sentence #12655 from articles/00107942 from sent22

Text  : Obaj mają za sobą występy w reprezentacji .
Tokens: 1___ 2___ 3_ 4___ 5______ 6 7____________ 8

Chunks:

2016-10-27 15:00:16,513 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 560 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107944.xml
(ChunkerEvaluator) Sentence #12656 from articles/00107944 from sent1

Text  : Szczupła sylwetka i bycie fit - ile to kosztuje ?
Tokens: 1_______ 2_______ 3 4____ 5__ 6 7__ 8_ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #12657 from articles/00107944 from sent2

Text  : Aby móc pochwalić się szczupłą , wysportowaną sylwetką , potrzeba wielu wyrzeczeń .
Tokens: 1__ 2__ 3________ 4__ 5_______ 6 7___________ 8_______ 9 10______ 11___ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #12658 from articles/00107944 from sent3

Text  : Pomoc w uzyskaniu satysfakcjonujących efektów oferują siłownie , dietetycy ,  a  nawet restauracje .
Tokens: 1____ 2 3________ 4__________________ 5______ 6______ 7_______ 8 9________ 10 11 12___ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #12659 from articles/00107944 from sent4

Text  : Pierwszym krokiem jest dobór odpowiedniej diety .
Tokens: 1________ 2______ 3___ 4____ 5___________ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #12660 from articles/00107944 from sent5

Text  : Istnieje wiele popularnych diet , ale w większości nie są wcale zdrowe .
Tokens: 1_______ 2____ 3__________ 4___ 5 6__ 7 8_________ 9__ 10 11___ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #12661 from articles/00107944 from sent6

Text  : Pomoc w kwestii nauki zdrowego żywienia oferuje wielu specjalistów .
Tokens: 1____ 2 3______ 4____ 5_______ 6_______ 7______ 8____ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #12662 from articles/00107944 from sent7

Text  : - Dobór diety jest sprawą indywidualną , zależy od wieku ,  płci i  codziennego trybu życia .
Tokens: 1 2____ 3____ 4___ 5_____ 6___________ 7 8_____ 9_ 10___ 11 12__ 13 14_________ 15___ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #12663 from articles/00107944 from sent8

Text  : Wbrew pozorom , aby schudnąć , wcale nie trzeba rezygnować z  ulubionych smakołyków -  przekonuje specjalista żywieniowy Adam Trząska .
Tokens: 1____ 2______ 3 4__ 5_______ 6 7____ 8__ 9_____ 10________ 11 12________ 13________ 14 15________ 16_________ 17________ 18__ 19_____ 20

Chunks:
  TruePositive nam [18,19] = Adam Trząska

(ChunkerEvaluator) Sentence #12664 from articles/00107944 from sent9

Text  : Radzi , by na przykład zamiast ciastek przy porannej kawie zjeść kilka kostek gorzkiej czekolady ,  bo jest mniej kaloryczna .
Tokens: 1____ 2 3_ 4_ 5_______ 6______ 7______ 8___ 9_______ 10___ 11___ 12___ 13____ 14______ 15_______ 16 17 18__ 19___ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #12665 from articles/00107944 from sent10

Text  : Dietetycy oferują dziś pomoc nie tylko w skutecznym odchudzaniu ,  ale nawet w  takim doborze posiłków ,  który zwiększy szanse na rzucenie palenia .
Tokens: 1________ 2______ 3___ 4____ 5__ 6____ 7 8_________ 9__________ 10 11_ 12___ 13 14___ 15_____ 16______ 17 18___ 19______ 20____ 21 22______ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #12666 from articles/00107944 from sent11

Text  : Jednorazowa porada u takiego specjalisty kosztuje zwykle ponad sto złotych .
Tokens: 1__________ 2_____ 3 4______ 5__________ 6_______ 7_____ 8____ 9__ 10_____ 11

Chunks:
  FalsePositive nam [10,10] = złotych

(ChunkerEvaluator) Sentence #12667 from articles/00107944 from sent12

Text  : Na nasz wygląd i samopoczucie wpływa stopień aktywności fizycznej .
Tokens: 1_ 2___ 3_____ 4 5___________ 6_____ 7______ 8_________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #12668 from articles/00107944 from sent13

Text  : Poświęcenie kilkudziesięciu minut dziennie na przejażdżkę rowerem lub chociażby spacer zapewni lepszą kondycję i  ochroni przed chorobami układu krwionośnego .
Tokens: 1__________ 2______________ 3____ 4_______ 5_ 6__________ 7______ 8__ 9________ 10____ 11_____ 12____ 13______ 14 15_____ 16___ 17_______ 18____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #12669 from articles/00107944 from sent14

Text  : Zbędne kilogramy można zrzucić również na siłowni pod okiem instruktora fitness .
Tokens: 1_____ 2________ 3____ 4______ 5______ 6_ 7______ 8__ 9____ 10_________ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #12670 from articles/00107944 from sent15

Text  : - Na co dzień mam mało wolnego czasu .
Tokens: 1 2_ 3_ 4____ 5__ 6___ 7______ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #12671 from articles/00107944 from sent16

Text  : Do tej pory wieczory spędzał em przed telewizorem .
Tokens: 1_ 2__ 3___ 4_______ 5______ 6_ 7____ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #12672 from articles/00107944 from sent17

Text  : Wykupienie karnetu na siłownię zmotywowało mnie do ruszenia się z  kanapy -  opowiada pan Krzysztof .
Tokens: 1_________ 2______ 3_ 4_______ 5__________ 6___ 7_ 8_______ 9__ 10 11____ 12 13______ 14_ 15_______ 16

Chunks:
  TruePositive nam [15,15] = Krzysztof

(ChunkerEvaluator) Sentence #12673 from articles/00107944 from sent18

Text  : Decydując się na korzystanie z siłowni , warto zadbać o  odpowiednie przygotowanie .
Tokens: 1________ 2__ 3_ 4__________ 5 6______ 7 8____ 9_____ 10 11_________ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #12674 from articles/00107944 from sent19

Text  : Strój nie może krępować ruchów , musi być przewiewny .
Tokens: 1____ 2__ 3___ 4_______ 5_____ 6 7___ 8__ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #12675 from articles/00107944 from sent20

Text  : Najważniejsze są jednak buty .
Tokens: 1____________ 2_ 3_____ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #12676 from articles/00107944 from sent21

Text  : Muszą być wygodne i dopasowane do rodzaju wykonywanych ćwiczeń .
Tokens: 1____ 2__ 3______ 4 5_________ 6_ 7______ 8___________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #12677 from articles/00107944 from sent22

Text  : - Za siłownię płacę miesięcznie 130 złotych .
Tokens: 1 2_ 3_______ 4____ 5__________ 6__ 7______ 8

Chunks:
  TruePositive nam [7,7] = złotych

(ChunkerEvaluator) Sentence #12678 from articles/00107944 from sent23

Text  : Strój i buty to zakup jednorazowy , wydał em na nie około 600 zł -  sumuje pan Krzysztof .
Tokens: 1____ 2 3___ 4_ 5____ 6__________ 7 8____ 9_ 10 11_ 12___ 13_ 14 15 16____ 17_ 18_______ 19

Chunks:
  TruePositive nam [14,14] = zł
  TruePositive nam [18,18] = Krzysztof

(ChunkerEvaluator) Sentence #12679 from articles/00107944 from sent24

Text  : Mężczyzna liczy , że wydatek się opłaci i uda mu się zrzucić kilka kilogramów .
Tokens: 1________ 2____ 3 4_ 5______ 6__ 7_____ 8 9__ 10 11_ 12_____ 13___ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #12680 from articles/00107944 from sent25

Text  : Dba o to również jego instruktorka .
Tokens: 1__ 2 3_ 4______ 5___ 6___________ 7

Chunks:

(ChunkerEvaluator) Sentence #12681 from articles/00107944 from sent26

Text  : - Ludzie błędnie myślą , że szybciej schudną , jeśli będą się zamęczać ćwiczeniami .
Tokens: 1 2_____ 3______ 4____ 5 6_ 7_______ 8______ 9 10___ 11__ 12_ 13______ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #12682 from articles/00107944 from sent27

Text  : Warto pamiętać , że tłuszcz spalamy po czterdziestu minutach wysiłku ,  nawet niezbyt intensywnego -  tłumaczy pani Beata ,  która od ośmiu lat doradza osobom starającym się zmniejszyć wagę .
Tokens: 1____ 2_______ 3 4_ 5______ 6______ 7_ 8___________ 9_______ 10_____ 11 12___ 13_____ 14__________ 15 16______ 17__ 18___ 19 20___ 21 22___ 23_ 24_____ 25____ 26________ 27_ 28________ 29__ 30

Chunks:
  TruePositive nam [18,18] = Beata

2016-10-27 15:00:16,618 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 561 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107945.xml
(ChunkerEvaluator) Sentence #12683 from articles/00107945 from sent1

Text  : Koncert CeZika .
Tokens: 1______ 2_____ 3

Chunks:
  FalseNegative nam [2,2] = CeZika

(ChunkerEvaluator) Sentence #12684 from articles/00107945 from sent2

Text  : Gwiazda internetu stanie na scenie
Tokens: 1______ 2________ 3_____ 4_ 5_____

Chunks:
  FalsePositive nam [2,2] = internetu

(ChunkerEvaluator) Sentence #12685 from articles/00107945 from sent3

Text  : Jego piosenki umieszczone w sieci obejrzały miliony osób .
Tokens: 1___ 2_______ 3__________ 4 5____ 6________ 7______ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #12686 from articles/00107945 from sent4

Text  : Lubi grać na gitarze , długo pospać , a także wyć do księżyca .
Tokens: 1___ 2___ 3_ 4______ 5 6____ 7_____ 8 9 10___ 11_ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #12687 from articles/00107945 from sent5

Text  : Teraz CeZik przyjedzie do Częstochowy .
Tokens: 1____ 2____ 3_________ 4_ 5__________ 6

Chunks:
  TruePositive nam [5,5] = Częstochowy
  FalseNegative nam [2,2] = CeZik

(ChunkerEvaluator) Sentence #12688 from articles/00107945 from sent6

Text  : Klub Rura zaprasza na wieczór z nim w piątek 5  października .
Tokens: 1___ 2___ 3_______ 4_ 5______ 6 7__ 8 9_____ 10 11__________ 12

Chunks:
  TruePositive nam [2,2] = Rura

(ChunkerEvaluator) Sentence #12689 from articles/00107945 from sent7

Text  : Ci , którzy zetknęli się z jego twórczością , przyjdą na ten koncert .
Tokens: 1_ 2 3_____ 4_______ 5__ 6 7___ 8__________ 9 10_____ 11 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #12690 from articles/00107945 from sent8

Text  : Ci , którzy nie znają jego artystycznych dokonań , koniecznie powinni zajrzeć do Rury chociaż na chwilę .
Tokens: 1_ 2 3_____ 4__ 5____ 6___ 7____________ 8______ 9 10________ 11_____ 12_____ 13 14__ 15_____ 16 17____ 18

Chunks:
  TruePositive nam [14,14] = Rury

(ChunkerEvaluator) Sentence #12691 from articles/00107945 from sent9

Text  : Warto przecież zobaczyć faceta , którego piosenki i klipy w  internecie były obejrzane -  bagatela -  ponad 23 miliony razy .
Tokens: 1____ 2_______ 3_______ 4_____ 5 6______ 7_______ 8 9____ 10 11________ 12__ 13_______ 14 15______ 16 17___ 18 19_____ 20__ 21

Chunks:
  FalsePositive nam [11,11] = internecie

(ChunkerEvaluator) Sentence #12692 from articles/00107945 from sent10

Text  : Upodobał sobie śpiewanie znanych utworów na kilka głosów , nagrał cover zespołu Hey na patelniach ,  garnkach i  kieliszkach ,  a  także wykazał się niezwykłą umiejętnością śpiewania od tyłu .
Tokens: 1_______ 2____ 3________ 4______ 5______ 6_ 7____ 8_____ 9 10____ 11___ 12_____ 13_ 14 15________ 16 17______ 18 19_________ 20 21 22___ 23_____ 24_ 25_______ 26___________ 27_______ 28 29__ 30

Chunks:
  FalseNegative nam [13,13] = Hey

(ChunkerEvaluator) Sentence #12693 from articles/00107945 from sent11

Text  : Z największą przyjemnością bawi się też stylami muzycznymi .
Tokens: 1 2_________ 3____________ 4___ 5__ 6__ 7______ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #12694 from articles/00107945 from sent12

Text  : W klipie „ Te ostatnie niedziele ” w ciągu dwóch minut miesza 10 diametralnie odmiennych gatunków .
Tokens: 1 2_____ 3 4_ 5_______ 6________ 7 8 9____ 10___ 11___ 12____ 13 14__________ 15________ 16______ 17

Chunks:
  FalseNegative nam [4,6] = Te ostatnie niedziele

(ChunkerEvaluator) Sentence #12695 from articles/00107945 from sent13

Text  : Olbrzymią popularnością cieszył się jego projekt „ KlejNuty ” .
Tokens: 1________ 2____________ 3______ 4__ 5___ 6______ 7 8_______ 9 10

Chunks:
  FalseNegative nam [8,8] = KlejNuty

(ChunkerEvaluator) Sentence #12696 from articles/00107945 from sent14

Text  : Są to kompozycje , które powstały poprzez dobieranie i sklejanie przeróżnych materiałów wideo .
Tokens: 1_ 2_ 3_________ 4 5____ 6_______ 7______ 8_________ 9 10_______ 11_________ 12________ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #12697 from articles/00107945 from sent15

Text  : Artysta wziął na tapetę celebrytów , montując wypowiedzi m .  in .  Krzysztofa Ibisza ,  Magdy Gessler czy Marcina Najmana .
Tokens: 1______ 2____ 3_ 4_____ 5_________ 6 7_______ 8_________ 9 10 11 12 13________ 14____ 15 16___ 17_____ 18_ 19_____ 20_____ 21

Chunks:
  TruePositive nam [13,14] = Krzysztofa Ibisza
  TruePositive nam [16,17] = Magdy Gessler
  TruePositive nam [19,20] = Marcina Najmana

(ChunkerEvaluator) Sentence #12698 from articles/00107945 from sent16

Text  : Choć najłatwiej znaleźć go w internecie ( na YouTube i  jego stronie )  ,  CeZik nie stroni od koncertów -  pod warunkiem że nie są to występy na dużych scenach plenerowych ,  w  hipermarketach ,  centrach handlowych ,  na urodzinach ,  weselach i  chrzcinach .
Tokens: 1___ 2_________ 3______ 4_ 5 6_________ 7 8_ 9______ 10 11__ 12_____ 13 14 15___ 16_ 17____ 18 19_______ 20 21_ 22_______ 23 24_ 25 26 27_____ 28 29____ 30_____ 31_________ 32 33 34____________ 35 36______ 37________ 38 39 40________ 41 42______ 43 44________ 45

Chunks:
  FalsePositive nam [6,6] = internecie
  FalseNegative nam [9,9] = YouTube
  FalseNegative nam [15,15] = CeZik

(ChunkerEvaluator) Sentence #12699 from articles/00107945 from sent17

Text  : Zazwyczaj siada przed kameralną publicznością z gitarą i laptopem podłączonym do rzutnika ,  by zaprezentować swoje dotychczasowe osiągnięcia muzyczne .
Tokens: 1________ 2____ 3____ 4________ 5____________ 6 7_____ 8 9_______ 10_________ 11 12______ 13 14 15___________ 16___ 17___________ 18_________ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #12700 from articles/00107945 from sent18

Text  : Koncert CeZika nosi tytuł „ Kameralny Akt Solowy ” .
Tokens: 1______ 2_____ 3___ 4____ 5 6________ 7__ 8_____ 9 10

Chunks:
  TruePositive nam [6,8] = Kameralny Akt Solowy
  FalseNegative nam [2,2] = CeZika

(ChunkerEvaluator) Sentence #12701 from articles/00107945 from sent19

Text  : Rozpocznie się w częstochowskim klubie Rura ( Al . NMP 38 )  o  godz .  20 .
Tokens: 1_________ 2__ 3 4_____________ 5_____ 6___ 7 8_ 9 10_ 11 12 13 14__ 15 16 17

Chunks:
  TruePositive nam [6,6] = Rura
  TruePositive nam [8,10] = Al . NMP

(ChunkerEvaluator) Sentence #12702 from articles/00107945 from sent20

Text  : Liczba miejsc ograniczona , organizatorzy wpuszczą do sali tylko 120 widzów .
Tokens: 1_____ 2_____ 3__________ 4 5____________ 6_______ 7_ 8___ 9____ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #12703 from articles/00107945 from sent21

Text  : Bilety kosztują 20 zł , można je kupić na miejscu oraz w  Sweet Home Cafe przy ul .  Waszyngtona 18 .
Tokens: 1_____ 2_______ 3_ 4_ 5 6____ 7_ 8____ 9_ 10_____ 11__ 12 13___ 14__ 15__ 16__ 17 18 19_________ 20 21

Chunks:
  TruePositive nam [4,4] = zł
  TruePositive nam [13,15] = Sweet Home Cafe
  TruePositive nam [19,19] = Waszyngtona

2016-10-27 15:00:16,714 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 562 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107946.xml
(ChunkerEvaluator) Sentence #12704 from articles/00107946 from sent1

Text  : PiS i RP zapowiadają zaskarżenie prawa o zgromadzeniach do TK
Tokens: 1__ 2 3_ 4__________ 5__________ 6____ 7 8_____________ 9_ 10

Chunks:
  TruePositive nam [1,1] = PiS
  TruePositive nam [3,3] = RP
  TruePositive nam [10,10] = TK

(ChunkerEvaluator) Sentence #12705 from articles/00107946 from sent2

Text  : # dochodzi stanowisko Ruchu Palikota
Tokens: 1 2_______ 3_________ 4____ 5_______

Chunks:
  TruePositive nam [4,5] = Ruchu Palikota

(ChunkerEvaluator) Sentence #12706 from articles/00107946 from sent3

Text  : #
Tokens: 1

Chunks:

(ChunkerEvaluator) Sentence #12707 from articles/00107946 from sent4

Text  : 05 . 10 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #12708 from articles/00107946 from sent5

Text  : Warszawa ( PAP ) - PiS w najbliższym czasie zaskarży ustawę nowelizującą Prawo o  zgromadzeniach do Trybunału Konstytucyjnego -  zapowiedział w  piątek szef klubu PiS Mariusz Błaszczak .
Tokens: 1_______ 2 3__ 4 5 6__ 7 8__________ 9_____ 10______ 11____ 12__________ 13___ 14 15____________ 16 17_______ 18_____________ 19 20__________ 21 22____ 23__ 24___ 25_ 26_____ 27_______ 28

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,6] = PiS
  TruePositive nam [17,18] = Trybunału Konstytucyjnego
  TruePositive nam [25,25] = PiS
  TruePositive nam [26,27] = Mariusz Błaszczak
  FalsePositive nam [13,13] = Prawo

(ChunkerEvaluator) Sentence #12709 from articles/00107946 from sent6

Text  : Także Ruch Palikota zamierza złożyć wniosek do TK o zbadanie zgodności noweli z  konstytucją .
Tokens: 1____ 2___ 3_______ 4_______ 5_____ 6______ 7_ 8_ 9 10______ 11_______ 12____ 13 14_________ 15

Chunks:
  TruePositive nam [2,3] = Ruch Palikota
  TruePositive nam [8,8] = TK

(ChunkerEvaluator) Sentence #12710 from articles/00107946 from sent7

Text  : Według PiS nowelizacja narusza swobody obywatelskie , Ruch Palikota zarzuca jej z  kolei ,  że jest antydemokratyczna .
Tokens: 1_____ 2__ 3__________ 4______ 5______ 6___________ 7 8___ 9_______ 10_____ 11_ 12 13___ 14 15 16__ 17_______________ 18

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [8,9] = Ruch Palikota

(ChunkerEvaluator) Sentence #12711 from articles/00107946 from sent8

Text  : " Projekt prezydenta Komorowskiego , poparty przez koalicję PO -  PSL ,  narusza swobody obywatelskie .
Tokens: 1 2______ 3_________ 4____________ 5 6______ 7____ 8_______ 9_ 10 11_ 12 13_____ 14_____ 15__________ 16

Chunks:
  TruePositive nam [4,4] = Komorowskiego
  FalsePositive nam [9,11] = PO - PSL
  FalseNegative nam [9,9] = PO
  FalseNegative nam [11,11] = PSL

(ChunkerEvaluator) Sentence #12712 from articles/00107946 from sent9

Text  : W związku z tym PiS zaskarży tę ustawę do Trybunału Konstytucyjnego .
Tokens: 1 2______ 3 4__ 5__ 6_______ 7_ 8_____ 9_ 10_______ 11_____________ 12

Chunks:
  TruePositive nam [5,5] = PiS
  TruePositive nam [10,11] = Trybunału Konstytucyjnego

(ChunkerEvaluator) Sentence #12713 from articles/00107946 from sent10

Text  : Nie może być tak , że prezydent miasta , burmistrz albo wójt będzie decydował o  tym ,  kto z  obywateli może demonstrować ,  przedstawiać swoje poglądy ,  a  kto tych poglądów demonstrować nie może .
Tokens: 1__ 2___ 3__ 4__ 5 6_ 7________ 8_____ 9 10_______ 11__ 12__ 13____ 14_______ 15 16_ 17 18_ 19 20_______ 21__ 22__________ 23 24__________ 25___ 26_____ 27 28 29_ 30__ 31______ 32__________ 33_ 34__ 35

Chunks:

(ChunkerEvaluator) Sentence #12714 from articles/00107946 from sent11

Text  : To są praktyki zza wschodniej granicy " - podkreślił Błaszczak podczas konferencji prasowej w  Sejmie .
Tokens: 1_ 2_ 3_______ 4__ 5_________ 6______ 7 8 9_________ 10_______ 11_____ 12_________ 13______ 14 15____ 16

Chunks:
  TruePositive nam [10,10] = Błaszczak
  TruePositive nam [15,15] = Sejmie

(ChunkerEvaluator) Sentence #12715 from articles/00107946 from sent12

Text  : Podkreślił , że skarga jest w przygotowaniu , a jej złożenie to "  kwestia kilku dni "  .
Tokens: 1_________ 2 3_ 4_____ 5___ 6 7____________ 8 9 10_ 11______ 12 13 14_____ 15___ 16_ 17 18

Chunks:

(ChunkerEvaluator) Sentence #12716 from articles/00107946 from sent13

Text  : Także Ruch Palikota zamierza złożyć wniosek do TK o zbadanie zgodności noweli z  ustawą zasadniczą ;  RP zapowiadał to już na początku lipca ,  tuż po tym ,  jak Sejm uchwalił tę ustawę .
Tokens: 1____ 2___ 3_______ 4_______ 5_____ 6______ 7_ 8_ 9 10______ 11_______ 12____ 13 14____ 15________ 16 17 18________ 19 20_ 21 22______ 23___ 24 25_ 26 27_ 28 29_ 30__ 31______ 32 33____ 34

Chunks:
  TruePositive nam [2,3] = Ruch Palikota
  TruePositive nam [8,8] = TK
  TruePositive nam [17,17] = RP
  TruePositive nam [30,30] = Sejm

(ChunkerEvaluator) Sentence #12717 from articles/00107946 from sent14

Text  : " Tak , zlecimy to naszym prawnikom " - powiedział w  piątek PAP rzecznik klubu RP Andrzej Rozenek pytany ,  czy partia podtrzymuje swój zamiar .
Tokens: 1 2__ 3 4______ 5_ 6_____ 7________ 8 9 10________ 11 12____ 13_ 14______ 15___ 16 17_____ 18_____ 19____ 20 21_ 22____ 23_________ 24__ 25____ 26

Chunks:
  TruePositive nam [13,13] = PAP
  TruePositive nam [16,16] = RP
  FalsePositive nam [17,17] = Andrzej
  FalseNegative nam [17,18] = Andrzej Rozenek

(ChunkerEvaluator) Sentence #12718 from articles/00107946 from sent15

Text  : " Wolność zgromadzeń jest podstawą demokracji i każde ograniczenie tej wolności należy piętnować i  przeciwdziałać temu ,  więc będziemy to robić "  -  powiedział .
Tokens: 1 2______ 3_________ 4___ 5_______ 6_________ 7 8____ 9___________ 10_ 11______ 12____ 13_______ 14 15____________ 16__ 17 18__ 19______ 20 21___ 22 23 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #12719 from articles/00107946 from sent16

Text  : Według Ruchu Palikota niekonstytucyjne są dwa zapisy noweli .
Tokens: 1_____ 2____ 3_______ 4_______________ 5_ 6__ 7_____ 8_____ 9

Chunks:
  TruePositive nam [2,3] = Ruchu Palikota

(ChunkerEvaluator) Sentence #12720 from articles/00107946 from sent17

Text  : Chodzi o artykuły dotyczące terminu zawiadomienia gminy o zgromadzeniu oraz o  karach grzywny dla przewodniczącego zgromadzenia ,  jeśli nie wykonuje swych obowiązków i  nie przeciwdziała naruszeniom porządku publicznego .
Tokens: 1_____ 2 3_______ 4________ 5______ 6____________ 7____ 8 9___________ 10__ 11 12____ 13_____ 14_ 15______________ 16__________ 17 18___ 19_ 20______ 21___ 22________ 23 24_ 25___________ 26_________ 27______ 28_________ 29

Chunks:

(ChunkerEvaluator) Sentence #12721 from articles/00107946 from sent18

Text  : Prezydent Bronisław Komorowski w czwartek podpisał ustawę nowelizującą Prawo o  zgromadzeniach .
Tokens: 1________ 2________ 3_________ 4 5_______ 6_______ 7_____ 8___________ 9____ 10 11____________ 12

Chunks:
  TruePositive nam [2,3] = Bronisław Komorowski
  FalsePositive nam [9,9] = Prawo

(ChunkerEvaluator) Sentence #12722 from articles/00107946 from sent19

Text  : Nowela umożliwia m . in . zakazanie organizacji dwóch lub więcej zgromadzeń w  tym samym miejscu i  czasie ,  jeśli może to prowadzić do naruszenia porządku .
Tokens: 1_____ 2________ 3 4 5_ 6 7________ 8__________ 9____ 10_ 11____ 12________ 13 14_ 15___ 16_____ 17 18____ 19 20___ 21__ 22 23_______ 24 25________ 26______ 27

Chunks:
  FalsePositive nam [1,1] = Nowela

(ChunkerEvaluator) Sentence #12723 from articles/00107946 from sent20

Text  : Nowelizacja zmienia też termin , w jakim najpóźniej powinno dotrzeć do organu gminy zgłoszenie o  zgromadzeniu .
Tokens: 1__________ 2______ 3__ 4_____ 5 6 7____ 8_________ 9______ 10_____ 11 12____ 13___ 14________ 15 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #12724 from articles/00107946 from sent21

Text  : Wyniesie on 3 dni robocze .
Tokens: 1_______ 2_ 3 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #12725 from articles/00107946 from sent22

Text  : Nowe przepisy zobowiązują organ gminy do delegowania swoich przedstawicieli na zgromadzenia ,  jeżeli przewidywana liczba uczestników jest większa niż 500 lub istnieje niebezpieczeństwo naruszenia porządku publicznego .
Tokens: 1___ 2_______ 3__________ 4____ 5____ 6_ 7__________ 8_____ 9______________ 10 11__________ 12 13____ 14__________ 15____ 16_________ 17__ 18_____ 19_ 20_ 21_ 22______ 23_______________ 24________ 25______ 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #12726 from articles/00107946 from sent23

Text  : Ustawa mówi też o przepisach karnych wprowadzających kary grzywny dla przewodniczącego zgromadzenia ,  jeśli nie wykonuje swych obowiązków i  nie przeciwdziała naruszeniom porządku publicznego oraz uczestnika zgromadzenia ,  który nie podporządkowuje się poleceniom przewodniczącego .
Tokens: 1_____ 2___ 3__ 4 5_________ 6______ 7______________ 8___ 9______ 10_ 11______________ 12__________ 13 14___ 15_ 16______ 17___ 18________ 19 20_ 21___________ 22_________ 23______ 24_________ 25__ 26________ 27__________ 28 29___ 30_ 31_____________ 32_ 33________ 34______________ 35

Chunks:

(ChunkerEvaluator) Sentence #12727 from articles/00107946 from sent24

Text  : Podstawowym celem ustawy uchwalonej z inicjatywy Komorowskiego - podkreśliła Kancelaria Prezydenta -  "  jest ustanowienie przepisów wspomagających ochronę pokojowych demonstrantów przed chuligańskimi ekscesami zagrażającymi ich życiu lub zdrowiu ,  a  także zapobieżenie powstawaniu szkód materialnych "  .
Tokens: 1__________ 2____ 3_____ 4_________ 5 6_________ 7____________ 8 9__________ 10________ 11________ 12 13 14__ 15__________ 16_______ 17____________ 18_____ 19________ 20___________ 21___ 22___________ 23_______ 24___________ 25_ 26___ 27_ 28_____ 29 30 31___ 32__________ 33_________ 34___ 35__________ 36 37

Chunks:
  TruePositive nam [7,7] = Komorowskiego
  TruePositive nam [10,11] = Kancelaria Prezydenta

(ChunkerEvaluator) Sentence #12728 from articles/00107946 from sent25

Text  : Wniosek do TK w sprawie ustawy zapowiada też NSZZ "  Solidarność "  .
Tokens: 1______ 2_ 3_ 4 5______ 6_____ 7________ 8__ 9___ 10 11_________ 12 13

Chunks:
  TruePositive nam [3,3] = TK
  TruePositive nam [9,12] = NSZZ " Solidarność "

2016-10-27 15:00:16,858 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 563 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107947.xml
(ChunkerEvaluator) Sentence #12729 from articles/00107947 from sent1

Text  : Alfred Nobel - mizantrop , biznesmen i szalony naukowiec
Tokens: 1_____ 2____ 3 4________ 5 6________ 7 8______ 9________

Chunks:
  TruePositive nam [1,2] = Alfred Nobel

(ChunkerEvaluator) Sentence #12730 from articles/00107947 from sent2

Text  : Fundator Nagrody Nobla - inżynier i wynalazca Alfred Bernhard Nobel to postać nietuzinkowa .
Tokens: 1_______ 2______ 3____ 4 5_______ 6 7________ 8_____ 9_______ 10___ 11 12____ 13__________ 14

Chunks:
  TruePositive nam [2,3] = Nagrody Nobla
  TruePositive nam [8,10] = Alfred Bernhard Nobel

(ChunkerEvaluator) Sentence #12731 from articles/00107947 from sent3

Text  : Swoimi talentami mógł by obdzielić kilka osób .
Tokens: 1_____ 2________ 3___ 4_ 5________ 6____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #12732 from articles/00107947 from sent4

Text  : Ludzie nie chcieli jednak mieszkać obok niego - z obawy przed wybuchem ,  co mu nie przeszkadzało ,  bo ludzi nie lubił .
Tokens: 1_____ 2__ 3______ 4_____ 5_______ 6___ 7____ 8 9 10___ 11___ 12______ 13 14 15 16_ 17___________ 18 19 20___ 21_ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #12733 from articles/00107947 from sent5

Text  : Alfred Bernhard Nobel urodził się w 1833 roku w Sztokholmie .
Tokens: 1_____ 2_______ 3____ 4______ 5__ 6 7___ 8___ 9 10_________ 11

Chunks:
  TruePositive nam [1,3] = Alfred Bernhard Nobel
  TruePositive nam [10,10] = Sztokholmie

(ChunkerEvaluator) Sentence #12734 from articles/00107947 from sent6

Text  : Jego ojciec Immanuel Nobel był inżynierem i wynalazcą , matka Andrietta Ahlsell pochodziła z  dobrze sytuowanej rodziny .
Tokens: 1___ 2_____ 3_______ 4____ 5__ 6_________ 7 8________ 9 10___ 11_______ 12_____ 13________ 14 15____ 16________ 17_____ 18

Chunks:
  TruePositive nam [3,4] = Immanuel Nobel
  TruePositive nam [11,12] = Andrietta Ahlsell

(ChunkerEvaluator) Sentence #12735 from articles/00107947 from sent7

Text  : W roku narodzin Alfreda jego rodzice zbankrutowali i wyemigrowali do Finlandii ,  a  gdy Alfred miał dziewięć lat zamieszkali w  Rosji .
Tokens: 1 2___ 3_______ 4______ 5___ 6______ 7____________ 8 9___________ 10 11_______ 12 13 14_ 15____ 16__ 17______ 18_ 19_________ 20 21___ 22

Chunks:
  TruePositive nam [4,4] = Alfreda
  TruePositive nam [11,11] = Finlandii
  TruePositive nam [15,15] = Alfred
  TruePositive nam [21,21] = Rosji

(ChunkerEvaluator) Sentence #12736 from articles/00107947 from sent8

Text  : Ojciec wkrótce stał się bogatym człowiekiem - produkował broń dla armii rosyjskiej oraz zajmował się wynalazkami ,  które wykorzystywał w  swych fabrykach .
Tokens: 1_____ 2______ 3___ 4__ 5______ 6__________ 7 8_________ 9___ 10_ 11___ 12________ 13__ 14______ 15_ 16_________ 17 18___ 19___________ 20 21___ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #12737 from articles/00107947 from sent9

Text  : Zdaniem historyka nauki prof . Jana Piskurewicza z Instytutu Historii Nauki PAN ,  Nobel odziedziczył swoją "  żyłkę "  wynalazcy po ojcu .
Tokens: 1______ 2________ 3____ 4___ 5 6___ 7___________ 8 9________ 10______ 11___ 12_ 13 14___ 15__________ 16___ 17 18___ 19 20_______ 21 22__ 23

Chunks:
  TruePositive nam [6,7] = Jana Piskurewicza
  TruePositive nam [14,14] = Nobel
  FalsePositive nam [9,12] = Instytutu Historii Nauki PAN

(ChunkerEvaluator) Sentence #12738 from articles/00107947 from sent10

Text  : " Immanuel Nobel to był ( ) bardzo kreatywny ,  bardzo energiczny ,  bardzo ekspansywny człowiek ,  który zrobił majątek ,  ale dwukrotnie również bankrutował ,  ponieważ czasami jego przedsięwzięcia były odważne ,  czasami zbyt odważne "  -  opisywał w  rozmowie z  PAP prof .  Piskurewicz .
Tokens: 1 2_______ 3____ 4_ 5__ 6 7 8_____ 9________ 10 11____ 12________ 13 14____ 15_________ 16______ 17 18___ 19____ 20_____ 21 22_ 23________ 24_____ 25_________ 26 27______ 28_____ 29__ 30_____________ 31__ 32_____ 33 34_____ 35__ 36_____ 37 38 39______ 40 41______ 42 43_ 44__ 45 46_________ 47

Chunks:
  TruePositive nam [2,3] = Immanuel Nobel
  TruePositive nam [43,43] = PAP
  FalseNegative nam [46,46] = Piskurewicz

(ChunkerEvaluator) Sentence #12739 from articles/00107947 from sent11

Text  : Mimo bankructwa niektórych swoich fabryk Nobel senior pozostawał zamożnym człowiekiem i  umożliwiał swoim synom zarówno rozwój biznesowy ,  jak i  intelektualny .
Tokens: 1___ 2_________ 3_________ 4_____ 5_____ 6____ 7_____ 8_________ 9_______ 10_________ 11 12________ 13___ 14___ 15_____ 16____ 17_______ 18 19_ 20 21___________ 22

Chunks:
  TruePositive nam [6,6] = Nobel

(ChunkerEvaluator) Sentence #12740 from articles/00107947 from sent12

Text  : Alfred Nobel był kształcony wyłącznie przez ojca i osiągnął spektakularny sukces ,  chociaż nigdy nie ukończył żadnej szkoły .
Tokens: 1_____ 2____ 3__ 4_________ 5________ 6____ 7___ 8 9_______ 10___________ 11____ 12 13_____ 14___ 15_ 16______ 17____ 18____ 19

Chunks:
  TruePositive nam [1,2] = Alfred Nobel

(ChunkerEvaluator) Sentence #12741 from articles/00107947 from sent13

Text  : Immanuel wdrażał swoich synów do pracy , zachęcając ich do uczestnictwa w  badaniach i  eksperymentach .
Tokens: 1_______ 2______ 3_____ 4____ 5_ 6____ 7 8_________ 9__ 10 11__________ 12 13_______ 14 15____________ 16

Chunks:
  TruePositive nam [1,1] = Immanuel

(ChunkerEvaluator) Sentence #12742 from articles/00107947 from sent14

Text  : Włączał ich też do wspólnych interesów .
Tokens: 1______ 2__ 3__ 4_ 5________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #12743 from articles/00107947 from sent15

Text  : A że działał w branży materiałów wybuchowych , nie trudno się dziwić ,  że doszło do tragedii .
Tokens: 1 2_ 3______ 4 5_____ 6_________ 7__________ 8 9__ 10____ 11_ 12____ 13 14 15____ 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #12744 from articles/00107947 from sent16

Text  : " Przy pracach związanych z nitrogliceryną w zakładach Nobla doszło do wybuchu ,  w  wyniku którego zginął najmłodszy brat Nobla .
Tokens: 1 2___ 3______ 4_________ 5 6_____________ 7 8________ 9____ 10____ 11 12_____ 13 14 15____ 16_____ 17____ 18________ 19__ 20___ 21

Chunks:
  TruePositive nam [9,9] = Nobla
  TruePositive nam [20,20] = Nobla

(ChunkerEvaluator) Sentence #12745 from articles/00107947 from sent17

Text  : Podobno najbardziej utalentowany .
Tokens: 1______ 2__________ 3___________ 4

Chunks:

(ChunkerEvaluator) Sentence #12746 from articles/00107947 from sent18

Text  : Natomiast ojciec dostał wylewu i musiał od tej pory się oszczędzać "  -  powiedział prof .  Piskurewicz .
Tokens: 1________ 2_____ 3_____ 4_____ 5 6_____ 7_ 8__ 9___ 10_ 11________ 12 13 14________ 15__ 16 17_________ 18

Chunks:
  FalseNegative nam [17,17] = Piskurewicz

(ChunkerEvaluator) Sentence #12747 from articles/00107947 from sent19

Text  : Alfred Nobel chciał kontynuować prace rozpoczęte wraz z ojcem .
Tokens: 1_____ 2____ 3_____ 4__________ 5____ 6_________ 7___ 8 9____ 10

Chunks:
  TruePositive nam [1,2] = Alfred Nobel

(ChunkerEvaluator) Sentence #12748 from articles/00107947 from sent20

Text  : Po wypadku jednak władze szwedzkie zabroniły mu eksperymentów z nitrogliceryną na terenie królestwa .
Tokens: 1_ 2______ 3_____ 4_____ 5________ 6________ 7_ 8____________ 9 10____________ 11 12_____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #12749 from articles/00107947 from sent21

Text  : Kupił więc barkę i swoje laboratorium urządził na wodzie .
Tokens: 1____ 2___ 3____ 4 5____ 6___________ 7_______ 8_ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #12750 from articles/00107947 from sent22

Text  : Eksperymentował zresztą zawsze i wszędzie .
Tokens: 1______________ 2______ 3_____ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #12751 from articles/00107947 from sent23

Text  : W każdą podróż zabierał walizkę , zawierającą sprzęt , który dziś mogli by śmy nazwać "  zestawem małego chemika "  ,  czyli podstawowe narzędzia laboratoryjne i  odczynniki .
Tokens: 1 2____ 3_____ 4_______ 5______ 6 7__________ 8_____ 9 10___ 11__ 12___ 13 14_ 15____ 16 17______ 18____ 19_____ 20 21 22___ 23________ 24_______ 25___________ 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #12752 from articles/00107947 from sent24

Text  : Mimo słabego zdrowia Nobel wiele zresztą podróżował .
Tokens: 1___ 2______ 3______ 4____ 5____ 6______ 7_________ 8

Chunks:
  TruePositive nam [4,4] = Nobel

(ChunkerEvaluator) Sentence #12753 from articles/00107947 from sent25

Text  : Jego natura nie pozwalała mu osiedlić się nigdzie na stałe .
Tokens: 1___ 2_____ 3__ 4________ 5_ 6_______ 7__ 8______ 9_ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #12754 from articles/00107947 from sent26

Text  : Inna sprawa , że gdziekolwiek nie próbował osiedlić się i  zorganizować swojego warsztatu pracy ,  napotykał na opór przyszłych sąsiadów .
Tokens: 1___ 2_____ 3 4_ 5___________ 6__ 7_______ 8_______ 9__ 10 11__________ 12_____ 13_______ 14___ 15 16_______ 17 18__ 19________ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #12755 from articles/00107947 from sent27

Text  : " Ludzie się bali , że eksperymentując z niebezpiecznymi substancjami Nobel znów doprowadzi do wybuchu "  -  tłumaczył prof .  Piskurewicz .
Tokens: 1 2_____ 3__ 4___ 5 6_ 7______________ 8 9______________ 10__________ 11___ 12__ 13________ 14 15_____ 16 17 18_______ 19__ 20 21_________ 22

Chunks:
  TruePositive nam [11,11] = Nobel
  FalseNegative nam [21,21] = Piskurewicz

(ChunkerEvaluator) Sentence #12756 from articles/00107947 from sent28

Text  : Historia stworzenia dynamitu jest więc poniekąd historią pracy dwóch pokoleń wynalazców nad materiałami wybuchowymi ,  chociaż to Alfred Nobel faktycznie ustalił jak udoskonalić groźną i  niestabilną nitroglicerynę .
Tokens: 1_______ 2_________ 3_______ 4___ 5___ 6_______ 7_______ 8____ 9____ 10_____ 11________ 12_ 13_________ 14_________ 15 16_____ 17 18____ 19___ 20________ 21_____ 22_ 23_________ 24____ 25 26_________ 27____________ 28

Chunks:
  TruePositive nam [18,19] = Alfred Nobel

(ChunkerEvaluator) Sentence #12757 from articles/00107947 from sent29

Text  : Dokonał tego , mieszając ją z tzw . ziemią okrzemkową .
Tokens: 1______ 2___ 3 4________ 5_ 6 7__ 8 9_____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #12758 from articles/00107947 from sent30

Text  : W połączeniu z wynalezionym również przez niego specjalnym zapalnikiem ,  dynamit stał się stosunkowo łatwym w  użyciu i  bezpiecznym materiałem wybuchowym ,  a  jednocześnie przebojowym towarem .
Tokens: 1 2_________ 3 4___________ 5______ 6____ 7____ 8_________ 9__________ 10 11_____ 12__ 13_ 14________ 15____ 16 17____ 18 19_________ 20________ 21________ 22 23 24__________ 25_________ 26_____ 27

Chunks:

(ChunkerEvaluator) Sentence #12759 from articles/00107947 from sent31

Text  : To pozwoliło i tak dobrze prosperującemu przedsiębiorcy stworzyć prawdziwe wybuchowe imperium .
Tokens: 1_ 2________ 3 4__ 5_____ 6_____________ 7_____________ 8_______ 9________ 10_______ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #12760 from articles/00107947 from sent32

Text  : " Nobel zakładał fabryki w wielu krajach .
Tokens: 1 2____ 3_______ 4______ 5 6____ 7______ 8

Chunks:
  TruePositive nam [2,2] = Nobel

(ChunkerEvaluator) Sentence #12761 from articles/00107947 from sent33

Text  : Miał chyba 16 fabryk , jeśli nie więcej " -  podkreślił prof .  Piskurewicz .
Tokens: 1___ 2____ 3_ 4_____ 5 6____ 7__ 8_____ 9 10 11________ 12__ 13 14_________ 15

Chunks:
  FalseNegative nam [14,14] = Piskurewicz

(ChunkerEvaluator) Sentence #12762 from articles/00107947 from sent34

Text  : O Noblu wiadomo , że był mizantropem , czyli za ludźmi nie przepadał .
Tokens: 1 2____ 3______ 4 5_ 6__ 7__________ 8 9____ 10 11____ 12_ 13_______ 14

Chunks:
  TruePositive nam [2,2] = Noblu

(ChunkerEvaluator) Sentence #12763 from articles/00107947 from sent35

Text  : Nigdy nie założył też własnej rodziny .
Tokens: 1____ 2__ 3______ 4__ 5______ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #12764 from articles/00107947 from sent36

Text  : " Miał jedną wielką miłość , czyli Bertę von Suttner ,  z  domu Kinsky ,  która miała być jego gospodynią .
Tokens: 1 2___ 3____ 4_____ 5_____ 6 7____ 8____ 9__ 10_____ 11 12 13__ 14____ 15 16___ 17___ 18_ 19__ 20________ 21

Chunks:
  FalsePositive nam [8,8] = Bertę
  FalseNegative nam [8,10] = Bertę von Suttner
  FalseNegative nam [14,14] = Kinsky

(ChunkerEvaluator) Sentence #12765 from articles/00107947 from sent37

Text  : Nobel dał w prasie ogłoszenie , że poszukuje gospodyni domowej i  tak się złożyło ,  że zgłosiła się właśnie ta zubożała arystokratka .
Tokens: 1____ 2__ 3 4_____ 5_________ 6 7_ 8________ 9________ 10_____ 11 12_ 13_ 14_____ 15 16 17______ 18_ 19_____ 20 21______ 22__________ 23

Chunks:
  TruePositive nam [1,1] = Nobel

(ChunkerEvaluator) Sentence #12766 from articles/00107947 from sent38

Text  : Ale ona była zakochana w kimś innym i kiedy nastąpił moment rozłąki z  Noblem ,  kiedy on musiał wyjechać ,  wróciła po prostu do swojego adoratora .
Tokens: 1__ 2__ 3___ 4________ 5 6___ 7____ 8 9____ 10______ 11____ 12_____ 13 14____ 15 16___ 17 18____ 19______ 20 21_____ 22 23____ 24 25_____ 26_______ 27

Chunks:
  TruePositive nam [14,14] = Noblem

(ChunkerEvaluator) Sentence #12767 from articles/00107947 from sent39

Text  : Ale utrzymywała kontakt z Noblem " - opowiadał prof .  Piskurewicz .
Tokens: 1__ 2__________ 3______ 4 5_____ 6 7 8________ 9___ 10 11_________ 12

Chunks:
  TruePositive nam [5,5] = Noblem
  FalseNegative nam [11,11] = Piskurewicz

(ChunkerEvaluator) Sentence #12768 from articles/00107947 from sent40

Text  : Swoją fortunę , zarobioną na dynamicie postanowił przekazać na nagrody w  dziedzinie medycyny ,  chemii ,  fizyki ,  literatury i  za działalność na rzecz pokoju .
Tokens: 1____ 2______ 3 4________ 5_ 6________ 7_________ 8________ 9_ 10_____ 11 12________ 13______ 14 15____ 16 17____ 18 19________ 20 21 22_________ 23 24___ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #12769 from articles/00107947 from sent41

Text  : Niektórzy historycy , jak dodał Piskurewicz , przypuszczają , że to właśnie Berta Suttner ,  późniejsza laureatka pokojowej Nagrody Nobla ,  przyczyniła się do tego ,  że wśród nagród swojego imienia Nobel zdecydował się ustanowić też tę dla osób działających na rzecz pokoju .
Tokens: 1________ 2________ 3 4__ 5____ 6__________ 7 8____________ 9 10 11 12_____ 13___ 14_____ 15 16________ 17_______ 18_______ 19_____ 20___ 21 22_________ 23_ 24 25__ 26 27 28___ 29____ 30_____ 31_____ 32___ 33________ 34_ 35_______ 36_ 37 38_ 39__ 40__________ 41 42___ 43____ 44

Chunks:
  TruePositive nam [13,14] = Berta Suttner
  TruePositive nam [19,20] = Nagrody Nobla
  TruePositive nam [32,32] = Nobel
  FalseNegative nam [6,6] = Piskurewicz

(ChunkerEvaluator) Sentence #12770 from articles/00107947 from sent42

Text  : Sama Suttner o pokój walczyła głównie za pomocą pióra .
Tokens: 1___ 2______ 3 4____ 5_______ 6______ 7_ 8_____ 9____ 10

Chunks:
  FalseNegative nam [2,2] = Suttner

(ChunkerEvaluator) Sentence #12771 from articles/00107947 from sent43

Text  : " Nie były to wybitne książki , ale bardzo działające na emocje w  rodzaju +  Chaty wuja Toma +  "  -  ocenił historyk nauki .
Tokens: 1 2__ 3___ 4_ 5______ 6______ 7 8__ 9_____ 10________ 11 12____ 13 14_____ 15 16___ 17__ 18__ 19 20 21 22____ 23______ 24___ 25

Chunks:
  FalsePositive nam [18,19] = Toma +
  FalseNegative nam [16,18] = Chaty wuja Toma

(ChunkerEvaluator) Sentence #12772 from articles/00107947 from sent44

Text  : " Nobel nie wyjaśnił , dlaczego ustanowił nagrody akurat w  tych dziedzinach ,  ale możemy się tego domyślać .
Tokens: 1 2____ 3__ 4_______ 5 6_______ 7________ 8______ 9_____ 10 11__ 12_________ 13 14_ 15____ 16_ 17__ 18______ 19

Chunks:
  TruePositive nam [2,2] = Nobel

(ChunkerEvaluator) Sentence #12773 from articles/00107947 from sent45

Text  : Sam był fizykiem i chemikiem .
Tokens: 1__ 2__ 3_______ 4 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #12774 from articles/00107947 from sent46

Text  : Miał słabe zdrowie , więc wiedział jak ważna jest medycyna .
Tokens: 1___ 2____ 3______ 4 5___ 6_______ 7__ 8____ 9___ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #12775 from articles/00107947 from sent47

Text  : Co do literatury , to nie wszyscy wiedzą , że Nobel zajmował się również pracą literacką .
Tokens: 1_ 2_ 3_________ 4 5_ 6__ 7______ 8_____ 9 10 11___ 12______ 13_ 14_____ 15___ 16_______ 17

Chunks:
  TruePositive nam [11,11] = Nobel

(ChunkerEvaluator) Sentence #12776 from articles/00107947 from sent48

Text  : Pisał wiersze , napisał powieść i dramat .
Tokens: 1____ 2______ 3 4______ 5______ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12777 from articles/00107947 from sent49

Text  : Przyjaźnił się np . z Wiktorem Hugo i innymi literatami w  Paryżu ,  i  między innymi dlatego uwzględnił również literaturę jako dziedzinę .
Tokens: 1_________ 2__ 3_ 4 5 6_______ 7___ 8 9_____ 10________ 11 12____ 13 14 15____ 16____ 17_____ 18________ 19_____ 20________ 21__ 22_______ 23

Chunks:
  TruePositive nam [6,7] = Wiktorem Hugo
  TruePositive nam [12,12] = Paryżu

(ChunkerEvaluator) Sentence #12778 from articles/00107947 from sent50

Text  : Był też wielkim zwolennikiem pokoju .
Tokens: 1__ 2__ 3______ 4___________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #12779 from articles/00107947 from sent51

Text  : Wierzył nawet , że w ciągu kilkudziesięciu lat skończą się wszystkie wojny na świecie "  -  zauważył prof .  Piskurewicz .
Tokens: 1______ 2____ 3 4_ 5 6____ 7______________ 8__ 9______ 10_ 11_______ 12___ 13 14_____ 15 16 17______ 18__ 19 20_________ 21

Chunks:
  FalseNegative nam [20,20] = Piskurewicz

(ChunkerEvaluator) Sentence #12780 from articles/00107947 from sent52

Text  : Alfred Nobel zmarł na atak serca 10 grudnia 1896 roku w  swoim domu w  San Remo .
Tokens: 1_____ 2____ 3____ 4_ 5___ 6____ 7_ 8______ 9___ 10__ 11 12___ 13__ 14 15_ 16__ 17

Chunks:
  TruePositive nam [1,2] = Alfred Nobel
  TruePositive nam [15,16] = San Remo

(ChunkerEvaluator) Sentence #12781 from articles/00107947 from sent53

Text  : Kłopoty z egzekucją testamentu sprawiły , że nagrody po raz pierwszy przyznano dopiero w  1901 roku ,  w  piątą rocznicę śmierci fundatora .
Tokens: 1______ 2 3________ 4_________ 5_______ 6 7_ 8______ 9_ 10_ 11______ 12_______ 13_____ 14 15__ 16__ 17 18 19___ 20______ 21_____ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #12782 from articles/00107947 from sent54

Text  : Rok wcześniej wykonawcy testamentu Nobla - dwaj młodzi inżynierowie Ragnar Sohlman i  Rudolf Liljeqvist -  powołali Fundację Nobla ,  która miała administrować pieniędzmi .
Tokens: 1__ 2________ 3________ 4_________ 5____ 6 7___ 8_____ 9___________ 10____ 11_____ 12 13____ 14________ 15 16______ 17______ 18___ 19 20___ 21___ 22___________ 23________ 24

Chunks:
  TruePositive nam [5,5] = Nobla
  TruePositive nam [10,11] = Ragnar Sohlman
  TruePositive nam [13,14] = Rudolf Liljeqvist
  TruePositive nam [17,18] = Fundację Nobla

(ChunkerEvaluator) Sentence #12783 from articles/00107947 from sent55

Text  : W przeprowadzeniu woli wynalazcy wspierał ich bratanek Alfreda - Emanuel Nobel .
Tokens: 1 2______________ 3___ 4________ 5_______ 6__ 7_______ 8______ 9 10_____ 11___ 12

Chunks:
  TruePositive nam [8,8] = Alfreda
  TruePositive nam [10,11] = Emanuel Nobel

(ChunkerEvaluator) Sentence #12784 from articles/00107947 from sent56

Text  : Od 1901 roku Nagrody Nobla są wręczane laureatom w kolejne rocznice śmierci fundatora -  10 grudnia .
Tokens: 1_ 2___ 3___ 4______ 5____ 6_ 7_______ 8________ 9 10_____ 11______ 12_____ 13_______ 14 15 16_____ 17

Chunks:
  TruePositive nam [4,5] = Nagrody Nobla

(ChunkerEvaluator) Sentence #12785 from articles/00107947 from sent57

Text  : Urszula Rybicka
Tokens: 1______ 2______

Chunks:
  TruePositive nam [1,2] = Urszula Rybicka

2016-10-27 15:00:17,149 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 564 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107948.xml
(ChunkerEvaluator) Sentence #12786 from articles/00107948 from sent1

Text  : Łódzka kariera Jerzego Widzyka
Tokens: 1_____ 2______ 3______ 4______

Chunks:
  TruePositive nam [3,4] = Jerzego Widzyka

(ChunkerEvaluator) Sentence #12787 from articles/00107948 from sent2

Text  : Jerzy Widzyk , były burmistrz Żywca i były radny z  Bielska -  Białej ,  został doradcą Jerzego Kropiwnickiego ,  prezydenta Łodzi .
Tokens: 1____ 2_____ 3 4___ 5________ 6____ 7 8___ 9____ 10 11_____ 12 13____ 14 15____ 16_____ 17_____ 18____________ 19 20________ 21___ 22

Chunks:
  TruePositive nam [1,2] = Jerzy Widzyk
  TruePositive nam [6,6] = Żywca
  TruePositive nam [11,13] = Bielska - Białej
  TruePositive nam [17,18] = Jerzego Kropiwnickiego
  TruePositive nam [21,21] = Łodzi

(ChunkerEvaluator) Sentence #12788 from articles/00107948 from sent3

Text  : Wkrótce zasiądzie także w radzie nadzorczej Grupowej Oczyszczalni Ścieków .
Tokens: 1______ 2________ 3____ 4 5_____ 6_________ 7_______ 8___________ 9______ 10

Chunks:
  TruePositive nam [7,9] = Grupowej Oczyszczalni Ścieków

(ChunkerEvaluator) Sentence #12789 from articles/00107948 from sent4

Text  : W rządzie AWS obaj panowie byli ministerialnymi kolegami .
Tokens: 1 2______ 3__ 4___ 5______ 6___ 7______________ 8_______ 9

Chunks:
  TruePositive nam [3,3] = AWS

(ChunkerEvaluator) Sentence #12790 from articles/00107948 from sent5

Text  : Znowu razem
Tokens: 1____ 2____

Chunks:

(ChunkerEvaluator) Sentence #12791 from articles/00107948 from sent6

Text  : Jerzy Widzyk , były burmistrz Żywca i były radny z  Bielska -  Białej ,  został doradcą Jerzego Kropiwnickiego ,  prezydenta Łodzi .
Tokens: 1____ 2_____ 3 4___ 5________ 6____ 7 8___ 9____ 10 11_____ 12 13____ 14 15____ 16_____ 17_____ 18____________ 19 20________ 21___ 22

Chunks:
  TruePositive nam [1,2] = Jerzy Widzyk
  TruePositive nam [6,6] = Żywca
  TruePositive nam [11,13] = Bielska - Białej
  TruePositive nam [17,18] = Jerzego Kropiwnickiego
  TruePositive nam [21,21] = Łodzi

(ChunkerEvaluator) Sentence #12792 from articles/00107948 from sent7

Text  : Wkrótce zasiądzie także w radzie nadzorczej Grupowej Oczyszczalni Ścieków .
Tokens: 1______ 2________ 3____ 4 5_____ 6_________ 7_______ 8___________ 9______ 10

Chunks:
  TruePositive nam [7,9] = Grupowej Oczyszczalni Ścieków

(ChunkerEvaluator) Sentence #12793 from articles/00107948 from sent8

Text  : W rządzie AWS obaj panowie byli ministerialnymi kolegami .
Tokens: 1 2______ 3__ 4___ 5______ 6___ 7______________ 8_______ 9

Chunks:
  TruePositive nam [3,3] = AWS

(ChunkerEvaluator) Sentence #12794 from articles/00107948 from sent9

Text  : Informację o tym , że były minister transportu jest doradcą prezydenta Łodzi ,  potwierdza biuro prasowe UMŁ .
Tokens: 1_________ 2 3__ 4 5_ 6___ 7_______ 8_________ 9___ 10_____ 11________ 12___ 13 14________ 15___ 16_____ 17_ 18

Chunks:
  TruePositive nam [12,12] = Łodzi
  FalseNegative nam [17,17] = UMŁ

(ChunkerEvaluator) Sentence #12795 from articles/00107948 from sent10

Text  : - Pan Widzyk będzie pełnomocnikiem do spraw infrastruktury - informuje Marzena Korosteńska z  biura prasowego .
Tokens: 1 2__ 3_____ 4_____ 5_____________ 6_ 7____ 8_____________ 9 10_______ 11_____ 12_________ 13 14___ 15_______ 16

Chunks:
  TruePositive nam [11,12] = Marzena Korosteńska
  FalsePositive nam [2,3] = Pan Widzyk
  FalseNegative nam [3,3] = Widzyk

(ChunkerEvaluator) Sentence #12796 from articles/00107948 from sent11

Text  : Jak się dowiedzieli śmy , będzie zasiadał również w radzie nadzorczej Grupowej Oczyszczalni Ścieków .
Tokens: 1__ 2__ 3__________ 4__ 5 6_____ 7_______ 8______ 9 10____ 11________ 12______ 13__________ 14_____ 15

Chunks:
  TruePositive nam [12,14] = Grupowej Oczyszczalni Ścieków

(ChunkerEvaluator) Sentence #12797 from articles/00107948 from sent12

Text  : - Kandydatura pana Widzyka została wskazana przez właściciela oczyszczalni ,  czyli miasto -  usłyszeli śmy w  sekretariacie GOŚ .
Tokens: 1 2__________ 3___ 4______ 5______ 6_______ 7____ 8__________ 9___________ 10 11___ 12____ 13 14_______ 15_ 16 17___________ 18_ 19

Chunks:
  TruePositive nam [4,4] = Widzyka
  TruePositive nam [18,18] = GOŚ

(ChunkerEvaluator) Sentence #12798 from articles/00107948 from sent13

Text  : To nie wszystkie posady , na których zasiada ministerialny kolega Jerzego Kropiwnickiego z  czasów rządu Jerzego Buzka .
Tokens: 1_ 2__ 3________ 4_____ 5 6_ 7______ 8______ 9____________ 10____ 11_____ 12____________ 13 14____ 15___ 16_____ 17___ 18

Chunks:
  TruePositive nam [11,12] = Jerzego Kropiwnickiego
  TruePositive nam [16,17] = Jerzego Buzka

(ChunkerEvaluator) Sentence #12799 from articles/00107948 from sent14

Text  : Widzyk został pod koniec lutego 2002 roku pełnomocnikiem prezydenta Bielska -  Białej ds .  budowy dróg ekspresowych .
Tokens: 1_____ 2_____ 3__ 4_____ 5_____ 6___ 7___ 8_____________ 9_________ 10_____ 11 12____ 13 14 15____ 16__ 17__________ 18

Chunks:
  TruePositive nam [1,1] = Widzyk
  TruePositive nam [10,12] = Bielska - Białej

(ChunkerEvaluator) Sentence #12800 from articles/00107948 from sent15

Text  : Ma czuwać nad całością prac związanych z budową dróg Bielsko -  Biała -  Cieszyn i  Bielsko -  Biała -  Zwardoń .
Tokens: 1_ 2_____ 3__ 4_______ 5___ 6_________ 7 8_____ 9___ 10_____ 11 12___ 13 14_____ 15 16_____ 17 18___ 19 20_____ 21

Chunks:
  TruePositive nam [10,12] = Bielsko - Biała
  TruePositive nam [14,14] = Cieszyn
  TruePositive nam [16,18] = Bielsko - Biała
  TruePositive nam [20,20] = Zwardoń

(ChunkerEvaluator) Sentence #12801 from articles/00107948 from sent16

Text  : Piastuje to stanowisko do dziś .
Tokens: 1_______ 2_ 3_________ 4_ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #12802 from articles/00107948 from sent17

Text  : Jak były minister połączy tyle funkcji ?
Tokens: 1__ 2___ 3_______ 4______ 5___ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #12803 from articles/00107948 from sent18

Text  : - W Bielsku - Białej doradzam przy budowie drogi ekspresowej .
Tokens: 1 2 3______ 4 5_____ 6_______ 7___ 8______ 9____ 10_________ 11

Chunks:
  TruePositive nam [3,5] = Bielsku - Białej

(ChunkerEvaluator) Sentence #12804 from articles/00107948 from sent19

Text  : Część jest już realizowana , nie zajmuje mi to aż tak dużo czasu ,  więc nie widzę problemu by obie sprawy pogodzić -  twierdzi Jerzy Widzyk .
Tokens: 1____ 2___ 3__ 4__________ 5 6__ 7______ 8_ 9_ 10 11_ 12__ 13___ 14 15__ 16_ 17___ 18______ 19 20__ 21____ 22______ 23 24______ 25___ 26____ 27

Chunks:
  TruePositive nam [25,26] = Jerzy Widzyk

(ChunkerEvaluator) Sentence #12805 from articles/00107948 from sent20

Text  : - Przyjął em to stanowisko , bo Łódź czeka wiele projektów do zrealizowania .
Tokens: 1 2______ 3_ 4_ 5_________ 6 7_ 8___ 9____ 10___ 11_______ 12 13___________ 14

Chunks:
  TruePositive nam [8,8] = Łódź

(ChunkerEvaluator) Sentence #12806 from articles/00107948 from sent21

Text  : Widzyk nie mieszka w Łodzi , do pracy będzie dojeżdżał z  Warszawy .
Tokens: 1_____ 2__ 3______ 4 5____ 6 7_ 8____ 9_____ 10_______ 11 12______ 13

Chunks:
  TruePositive nam [1,1] = Widzyk
  TruePositive nam [5,5] = Łodzi
  TruePositive nam [12,12] = Warszawy

(ChunkerEvaluator) Sentence #12807 from articles/00107948 from sent22

Text  : - Nawet trzy , cztery razy w tygodniu - obiecuje .
Tokens: 1 2____ 3___ 4 5_____ 6___ 7 8_______ 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #12808 from articles/00107948 from sent23

Text  : Były minister nie wie też , ile będzie zarabiał jako doradca i  członek rady nadzorczej gminnej spółki .
Tokens: 1___ 2_______ 3__ 4__ 5__ 6 7__ 8_____ 9_______ 10__ 11_____ 12 13_____ 14__ 15________ 16_____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #12809 from articles/00107948 from sent24

Text  : Chcieli śmy spytać prezydenta Kropiwnickiego , dlaczego musiał ściągać fachowca aż z  Żywiecczyzny .
Tokens: 1______ 2__ 3_____ 4_________ 5_____________ 6 7_______ 8_____ 9______ 10______ 11 12 13__________ 14

Chunks:
  TruePositive nam [5,5] = Kropiwnickiego
  TruePositive nam [13,13] = Żywiecczyzny

(ChunkerEvaluator) Sentence #12810 from articles/00107948 from sent25

Text  : Czy w Łodzi nie ma ani jednego specjalisty , który mógł by się zająć pozyskiwaniem funduszy z  Unii Europejskiej ?
Tokens: 1__ 2 3____ 4__ 5_ 6__ 7______ 8__________ 9 10___ 11__ 12 13_ 14___ 15___________ 16______ 17 18__ 19__________ 20

Chunks:
  TruePositive nam [3,3] = Łodzi
  TruePositive nam [18,19] = Unii Europejskiej

(ChunkerEvaluator) Sentence #12811 from articles/00107948 from sent26

Text  : Gdy na stanowisko dyrektora Teatru Nowego forsowano kandydaturę Grzegorza Królikiewicza ,  jednym z  argumentów prezydenta był fakt ,  że jest łodzianinem .
Tokens: 1__ 2_ 3_________ 4________ 5_____ 6_____ 7________ 8__________ 9________ 10___________ 11 12____ 13 14________ 15________ 16_ 17__ 18 19 20__ 21_________ 22

Chunks:
  TruePositive nam [5,6] = Teatru Nowego
  TruePositive nam [9,10] = Grzegorza Królikiewicza
  FalseNegative nam [21,21] = łodzianinem

(ChunkerEvaluator) Sentence #12812 from articles/00107948 from sent27

Text  : Czy też nominacja Jerzego Widzyka to po prostu zatrudnienie kolegi z  rządu ?
Tokens: 1__ 2__ 3________ 4______ 5______ 6_ 7_ 8_____ 9___________ 10____ 11 12___ 13

Chunks:
  TruePositive nam [4,5] = Jerzego Widzyka

(ChunkerEvaluator) Sentence #12813 from articles/00107948 from sent28

Text  : W piątek prezydent , któremu przesłali śmy pytania faksem ,  nie znalazł dla „  Gazety ”  czasu ,  ponieważ wyjeżdżał na dwudniową naradę do Dobieszkowa .
Tokens: 1 2_____ 3________ 4 5______ 6________ 7__ 8______ 9_____ 10 11_ 12_____ 13_ 14 15____ 16 17___ 18 19______ 20_______ 21 22_______ 23____ 24 25_________ 26

Chunks:
  TruePositive nam [25,25] = Dobieszkowa
  FalseNegative nam [15,15] = Gazety

(ChunkerEvaluator) Sentence #12814 from articles/00107948 from sent29

Text  : W Dobieszkowie również nie chciał z nami rozmawiać .
Tokens: 1 2___________ 3______ 4__ 5_____ 6 7___ 8________ 9

Chunks:
  FalseNegative nam [2,2] = Dobieszkowie

(ChunkerEvaluator) Sentence #12815 from articles/00107948 from sent30

Text  : - Nie będzie żadnych komentarzy - mówił wzburzony .
Tokens: 1 2__ 3_____ 4______ 5_________ 6 7____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #12816 from articles/00107948 from sent31

Text  : - Proszę się skontaktować z biurem prasowym i przyjść na rozmowę w  poniedziałek .
Tokens: 1 2_____ 3__ 4___________ 5 6_____ 7_______ 8 9______ 10 11_____ 12 13__________ 14

Chunks:

2016-10-27 15:00:17,286 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 565 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107949.xml
(ChunkerEvaluator) Sentence #12817 from articles/00107949 from sent1

Text  : Frydrych wydaje
Tokens: 1_______ 2_____

Chunks:
  FalseNegative nam [1,1] = Frydrych

(ChunkerEvaluator) Sentence #12818 from articles/00107949 from sent2

Text  : Urodzony przed pół wiekiem Waldemar Fydrych studiował we Wrocławiu historię i  historię sztuki (  pisał pracę magisterską o  historii pożarów i  sikawek )  .
Tokens: 1_______ 2____ 3__ 4______ 5_______ 6______ 7________ 8_ 9________ 10______ 11 12______ 13____ 14 15___ 16___ 17_________ 18 19______ 20_____ 21 22_____ 23 24

Chunks:
  TruePositive nam [5,6] = Waldemar Fydrych
  TruePositive nam [9,9] = Wrocławiu

(ChunkerEvaluator) Sentence #12819 from articles/00107949 from sent3

Text  : Sławny na całą Polskę stał się na początku lat 80 .  ,  kiedy wraz z  przyjaciółmi z  kontestatorskiego Ruchu Nowej Kultury zaczął malować krasnoludki na plamach powstających po zamalowywaniu na murach haseł opozycyjnych .
Tokens: 1_____ 2_ 3___ 4_____ 5___ 6__ 7_ 8_______ 9__ 10 11 12 13___ 14__ 15 16__________ 17 18_______________ 19___ 20___ 21_____ 22____ 23_____ 24_________ 25 26_____ 27__________ 28 29___________ 30 31____ 32___ 33__________ 34

Chunks:
  TruePositive nam [4,4] = Polskę
  TruePositive nam [19,21] = Ruchu Nowej Kultury

(ChunkerEvaluator) Sentence #12820 from articles/00107949 from sent4

Text  : W 1986 r . Major powołał do życia Pomarańczową Alternatywę i  rozszerzył działalność na serię niezwykłych happeningów organizowanych m  .  in .  z  okazji rocznicy rewolucji październikowej ,  Dnia Kobiet ,  Dnia Tajniaka czy Dnia Krasnoludka .
Tokens: 1 2___ 3 4 5____ 6______ 7_ 8____ 9___________ 10_________ 11 12________ 13_________ 14 15___ 16_________ 17_________ 18____________ 19 20 21 22 23 24____ 25______ 26_______ 27_____________ 28 29__ 30____ 31 32__ 33______ 34_ 35__ 36_________ 37

Chunks:
  TruePositive nam [9,10] = Pomarańczową Alternatywę
  TruePositive nam [29,30] = Dnia Kobiet
  TruePositive nam [32,33] = Dnia Tajniaka
  TruePositive nam [35,36] = Dnia Krasnoludka
  FalsePositive nam [5,5] = Major
  FalseNegative nam [26,27] = rewolucji październikowej

(ChunkerEvaluator) Sentence #12821 from articles/00107949 from sent5

Text  : Happeningi miały zawsze przebieg pokojowy , np . rozdawano kobietom podpaski .
Tokens: 1_________ 2____ 3_____ 4_______ 5_______ 6 7_ 8 9________ 10______ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #12822 from articles/00107949 from sent6

Text  : Mimo to milicja próbowała je rozpraszać , w efekcie ośmieszając się .
Tokens: 1___ 2_ 3______ 4________ 5_ 6_________ 7 8 9______ 10_________ 11_ 12

Chunks:

(ChunkerEvaluator) Sentence #12823 from articles/00107949 from sent7

Text  : Po happeningu z okazji Dnia Kobiet w 1988 r .
Tokens: 1_ 2_________ 3 4_____ 5___ 6_____ 7 8___ 9 10

Chunks:
  TruePositive nam [5,6] = Dnia Kobiet

(ChunkerEvaluator) Sentence #12824 from articles/00107949 from sent8

Text  : Majora aresztowano , a niejaki porucznik Gołąbek sporządził taką oto notatkę :  „  Z  przeprowadzonej rozmowy operacyjnej z  ob .
Tokens: 1_____ 2__________ 3 4 5______ 6________ 7______ 8_________ 9___ 10_ 11_____ 12 13 14 15_____________ 16_____ 17_________ 18 19 20

Chunks:
  TruePositive nam [7,7] = Gołąbek

(ChunkerEvaluator) Sentence #12825 from articles/00107949 from sent9

Text  : Fydrych Waldemar .
Tokens: 1______ 2_______ 3

Chunks:
  FalsePositive nam [2,2] = Waldemar
  FalseNegative nam [1,2] = Fydrych Waldemar

(ChunkerEvaluator) Sentence #12826 from articles/00107949 from sent10

Text  : Zawód „ historyk sztuki ” .
Tokens: 1____ 2 3_______ 4_____ 5 6

Chunks:

(ChunkerEvaluator) Sentence #12827 from articles/00107949 from sent11

Text  : Nie pracuje .
Tokens: 1__ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #12828 from articles/00107949 from sent12

Text  : Źródło utrzymania - praca dorywcza .
Tokens: 1_____ 2_________ 3 4____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #12829 from articles/00107949 from sent13

Text  : Rodzina na utrzymaniu - nie posiada .
Tokens: 1______ 2_ 3_________ 4 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #12830 from articles/00107949 from sent14

Text  : Nie posiada stałego miejsca zameldowania .
Tokens: 1__ 2______ 3______ 4______ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #12831 from articles/00107949 from sent15

Text  : Przyznał , że brak stałego miejsca zamieszkania utrudnia mu w  przygotowaniu do wydania przez wydawnictwo Ossolineum swoich opowiadań .
Tokens: 1_______ 2 3_ 4___ 5______ 6______ 7___________ 8_______ 9_ 10 11___________ 12 13_____ 14___ 15_________ 16________ 17____ 18_______ 19

Chunks:
  TruePositive nam [16,16] = Ossolineum

(ChunkerEvaluator) Sentence #12832 from articles/00107949 from sent16

Text  : Treścią tych opowiadań ma być życie w kawiarniach ( .  .  .  )  .
Tokens: 1______ 2___ 3________ 4_ 5__ 6____ 7 8__________ 9 10 11 12 13 14

Chunks:

(ChunkerEvaluator) Sentence #12833 from articles/00107949 from sent17

Text  : Przed zatrzymaniem ww . na Kuźniczej wraz z 2 .  kolegami niósł biały materac z  napisem i  elementami graficznymi ,  takimi jak „  Pershingom nie ,  podpaskom tak !  ”  .
Tokens: 1____ 2___________ 3_ 4 5_ 6________ 7___ 8 9 10 11______ 12___ 13___ 14_____ 15 16_____ 17 18________ 19_________ 20 21____ 22_ 23 24________ 25_ 26 27_______ 28_ 29 30 31

Chunks:
  TruePositive nam [6,6] = Kuźniczej
  FalseNegative nam [24,28] = Pershingom nie , podpaskom tak

(ChunkerEvaluator) Sentence #12834 from articles/00107949 from sent18

Text  : W trakcie przemarszu wręczał przechodzącym kobietom podpaski higieniczne .
Tokens: 1 2______ 3_________ 4______ 5____________ 6_______ 7_______ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #12835 from articles/00107949 from sent19

Text  : Ob . Fydrych Waldemar odmawia podania , ile mieli podpasek higienicznych i  nie chce podać źródła ich pochodzenia ”  .
Tokens: 1_ 2 3______ 4_______ 5______ 6______ 7 8__ 9____ 10______ 11___________ 12 13_ 14__ 15___ 16____ 17_ 18_________ 19 20

Chunks:
  FalsePositive nam [4,4] = Waldemar
  FalseNegative nam [3,4] = Fydrych Waldemar

(ChunkerEvaluator) Sentence #12836 from articles/00107949 from sent20

Text  : Na początku lat 90 .
Tokens: 1_ 2_______ 3__ 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #12837 from articles/00107949 from sent21

Text  : Major wyjechał do Paryża .
Tokens: 1____ 2_______ 3_ 4_____ 5

Chunks:
  TruePositive nam [4,4] = Paryża

(ChunkerEvaluator) Sentence #12838 from articles/00107949 from sent22

Text  : Wrócił w 2000 r . i reaktywował Pomarańczową Alternatywę .
Tokens: 1_____ 2 3___ 4 5 6 7__________ 8___________ 9__________ 10

Chunks:
  TruePositive nam [8,9] = Pomarańczową Alternatywę

(ChunkerEvaluator) Sentence #12839 from articles/00107949 from sent23

Text  : Do księgarń trafiły właśnie Fydrycha „ Żywoty mężów pomarańczowych ”  .
Tokens: 1_ 2_______ 3______ 4______ 5_______ 6 7_____ 8____ 9_____________ 10 11

Chunks:
  FalseNegative nam [5,5] = Fydrycha
  FalseNegative nam [7,9] = Żywoty mężów pomarańczowych

(ChunkerEvaluator) Sentence #12840 from articles/00107949 from sent24

Text  : Z jej autorem będzie można spotkać się dziś o godz .  18 w  Poleskim Ośrodku Sztuki przy ul .  Krzemienieckiej 2  .
Tokens: 1 2__ 3______ 4_____ 5____ 6______ 7__ 8___ 9 10__ 11 12 13 14______ 15_____ 16____ 17__ 18 19 20_____________ 21 22

Chunks:
  TruePositive nam [14,16] = Poleskim Ośrodku Sztuki
  TruePositive nam [20,20] = Krzemienieckiej

2016-10-27 15:00:17,387 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 566 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107950.xml
(ChunkerEvaluator) Sentence #12841 from articles/00107950 from sent1

Text  : Stalowy koncern interesuje się Częstochową
Tokens: 1______ 2______ 3_________ 4__ 5__________

Chunks:
  TruePositive nam [5,5] = Częstochową

(ChunkerEvaluator) Sentence #12842 from articles/00107950 from sent2

Text  : Czwarty co do wielkości na świecie koncern stalowy LNM chce rozmawiać w  ministerstwie o  Hucie Stali Częstochowa .
Tokens: 1______ 2_ 3_ 4________ 5_ 6______ 7______ 8______ 9__ 10__ 11_______ 12 13___________ 14 15___ 16___ 17_________ 18

Chunks:
  TruePositive nam [9,9] = LNM
  FalsePositive nam [13,17] = ministerstwie o Hucie Stali Częstochowa
  FalseNegative nam [15,17] = Hucie Stali Częstochowa

(ChunkerEvaluator) Sentence #12843 from articles/00107950 from sent3

Text  : W najbliższych dniach do nowego resortu gospodarki , pracy i  polityki społecznej międzynarodowa grupa LNM wystosuje pismo w  tej sprawie .
Tokens: 1 2___________ 3_____ 4_ 5_____ 6______ 7_________ 8 9____ 10 11______ 12________ 13____________ 14___ 15_ 16_______ 17___ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [15,15] = LNM

(ChunkerEvaluator) Sentence #12844 from articles/00107950 from sent4

Text  : To nie pierwsza przymiarka koncernu do Huty Stali Częstochowa .
Tokens: 1_ 2__ 3_______ 4_________ 5_______ 6_ 7___ 8____ 9__________ 10

Chunks:
  TruePositive nam [7,9] = Huty Stali Częstochowa

(ChunkerEvaluator) Sentence #12845 from articles/00107950 from sent5

Text  : - Od dłuższego czasu prowadzimy rozmowy w sprawie prywatyzacji Polskich Hut Stali -  wyjaśnia Agata Stremecka ,  przedstawicielka LNM .
Tokens: 1 2_ 3________ 4____ 5_________ 6______ 7 8______ 9___________ 10______ 11_ 12___ 13 14______ 15___ 16_______ 17 18______________ 19_ 20

Chunks:
  TruePositive nam [10,12] = Polskich Hut Stali
  TruePositive nam [15,16] = Agata Stremecka
  TruePositive nam [19,19] = LNM

(ChunkerEvaluator) Sentence #12846 from articles/00107950 from sent6

Text  : - Interesowali śmy się przy tej okazji także Hutą Stali Częstochowa .
Tokens: 1 2___________ 3__ 4__ 5___ 6__ 7_____ 8____ 9___ 10___ 11_________ 12

Chunks:
  TruePositive nam [9,11] = Hutą Stali Częstochowa

(ChunkerEvaluator) Sentence #12847 from articles/00107950 from sent7

Text  : Wiceminister [ były - red . ]
Tokens: 1___________ 2 3___ 4 5__ 6 7

Chunks:

(ChunkerEvaluator) Sentence #12848 from articles/00107950 from sent8

Text  : Andrzej Szarawarski nie przejawiał jednak chęci do rozmów na ten temat .
Tokens: 1______ 2__________ 3__ 4_________ 5_____ 6____ 7_ 8_____ 9_ 10_ 11___ 12

Chunks:
  TruePositive nam [1,2] = Andrzej Szarawarski

(ChunkerEvaluator) Sentence #12849 from articles/00107950 from sent9

Text  : Grupa stalowa LNM występowała też bezskutecznie o przeprowadzenie badania kondycji finansowej Huty Stali Częstochowa .
Tokens: 1____ 2______ 3__ 4__________ 5__ 6____________ 7 8______________ 9______ 10______ 11________ 12__ 13___ 14_________ 15

Chunks:
  TruePositive nam [3,3] = LNM
  TruePositive nam [12,14] = Huty Stali Częstochowa

(ChunkerEvaluator) Sentence #12850 from articles/00107950 from sent10

Text  : Teraz , po zmianach personalnych w ministerstwie , koncern ma nadzieję na zmianę podejścia .
Tokens: 1____ 2 3_ 4_______ 5___________ 6 7____________ 8 9______ 10 11______ 12 13____ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #12851 from articles/00107950 from sent11

Text  : - Wiele zależy od zakończenia negocjacji hutniczych z Unią Europejską i  ustaleń dotyczących prywatyzacji Polskich Hut Stali -  mówi Stremecka .
Tokens: 1 2____ 3_____ 4_ 5__________ 6_________ 7_________ 8 9___ 10________ 11 12_____ 13_________ 14__________ 15______ 16_ 17___ 18 19__ 20_______ 21

Chunks:
  TruePositive nam [9,10] = Unią Europejską
  TruePositive nam [15,17] = Polskich Hut Stali
  FalseNegative nam [20,20] = Stremecka

(ChunkerEvaluator) Sentence #12852 from articles/00107950 from sent12

Text  : Koncern nie ma zdecydowanego zdania na temat ostatnich pomysłów resortu w  sprawie utworzenia konsorcjum Huty Stali Częstochowa ze Stocznią Gdynia :  -  Nie znamy szczegółów ewentualnego połączenia ,  ale nie mówimy „  nie "  -  wyjaśnia przedstawicielka LNM .
Tokens: 1______ 2__ 3_ 4____________ 5_____ 6_ 7____ 8________ 9_______ 10_____ 11 12_____ 13________ 14________ 15__ 16___ 17_________ 18 19______ 20____ 21 22 23_ 24___ 25________ 26__________ 27________ 28 29_ 30_ 31____ 32 33_ 34 35 36______ 37______________ 38_ 39

Chunks:
  TruePositive nam [15,17] = Huty Stali Częstochowa
  TruePositive nam [19,20] = Stocznią Gdynia
  TruePositive nam [38,38] = LNM

(ChunkerEvaluator) Sentence #12853 from articles/00107950 from sent13

Text  : LNM Group
Tokens: 1__ 2____

Chunks:
  FalsePositive nam [1,1] = LNM
  FalseNegative nam [1,2] = LNM Group

(ChunkerEvaluator) Sentence #12854 from articles/00107950 from sent14

Text  : Międzynarodowy koncern LNM Group ma sukcesy w przejmowaniu stalowni w  kłopotach .
Tokens: 1_____________ 2______ 3__ 4____ 5_ 6______ 7 8___________ 9_______ 10 11_______ 12

Chunks:
  TruePositive nam [3,4] = LNM Group

(ChunkerEvaluator) Sentence #12855 from articles/00107950 from sent15

Text  : Osiem lat temu koncern dokonał tego w Kazachstanie , w  ubiegłym roku -  w  Rumunii ,  w  tym roku kupił od czeskiego rządu stalownię w  Ostrawie .
Tokens: 1____ 2__ 3___ 4______ 5______ 6___ 7 8___________ 9 10 11______ 12__ 13 14 15_____ 16 17 18_ 19__ 20___ 21 22_______ 23___ 24_______ 25 26______ 27

Chunks:
  TruePositive nam [8,8] = Kazachstanie
  TruePositive nam [15,15] = Rumunii
  TruePositive nam [26,26] = Ostrawie

(ChunkerEvaluator) Sentence #12856 from articles/00107950 from sent16

Text  : Obroty całego koncernu sięgnęły w ubiegłym roku 8 miliardów dolarów ,  jego zdolności produkcyjne to 35 milionów ton stali rocznie .
Tokens: 1_____ 2_____ 3_______ 4_______ 5 6_______ 7___ 8 9________ 10_____ 11 12__ 13_______ 14_________ 15 16 17______ 18_ 19___ 20_____ 21

Chunks:
  TruePositive nam [10,10] = dolarów

2016-10-27 15:00:17,463 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 567 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107951.xml
(ChunkerEvaluator) Sentence #12857 from articles/00107951 from sent1

Text  : Egypt's New Old Government
Tokens: 1______ 2__ 3__ 4_________

Chunks:
  FalsePositive nam [2,4] = New Old Government
  FalseNegative nam [1,1] = Egypt's

(ChunkerEvaluator) Sentence #12858 from articles/00107951 from sent2

Text  : CAIRO - Egypt's first - ever freely elected president ,  the Muslim Brotherhood's Mohamed Morsi ,  has appointed his first cabinet ,  and guess what ?
Tokens: 1____ 2 3______ 4____ 5 6___ 7_____ 8______ 9________ 10 11_ 12____ 13___________ 14_____ 15___ 16 17_ 18_______ 19_ 20___ 21_____ 22 23_ 24___ 25__ 26

Chunks:
  TruePositive nam [12,13] = Muslim Brotherhood's
  TruePositive nam [14,15] = Mohamed Morsi
  FalseNegative nam [1,1] = CAIRO
  FalseNegative nam [3,3] = Egypt's

(ChunkerEvaluator) Sentence #12859 from articles/00107951 from sent3

Text  : It is crammed with officials from the old regime .
Tokens: 1_ 2_ 3______ 4___ 5________ 6___ 7__ 8__ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #12860 from articles/00107951 from sent4

Text  : Morsi's government clearly reflects the balance of power between the president and the Supreme Council of the Armed Forces (  SCAF )  .
Tokens: 1______ 2_________ 3______ 4_______ 5__ 6______ 7_ 8____ 9______ 10_ 11_______ 12_ 13_ 14_____ 15_____ 16 17_ 18___ 19____ 20 21__ 22 23

Chunks:
  TruePositive nam [14,19] = Supreme Council of the Armed Forces
  TruePositive nam [21,21] = SCAF
  FalseNegative nam [1,1] = Morsi's

(ChunkerEvaluator) Sentence #12861 from articles/00107951 from sent5

Text  : But it also reflects the strategy of the Muslim Brothers to shift that balance .
Tokens: 1__ 2_ 3___ 4_______ 5__ 6_______ 7_ 8__ 9_____ 10______ 11 12___ 13__ 14_____ 15

Chunks:
  TruePositive nam [9,10] = Muslim Brothers

(ChunkerEvaluator) Sentence #12862 from articles/00107951 from sent6

Text  : Thirty - five ministers were chosen by the new prime minister ,  Hisham Qandil ,  seven of whom (  including Qandil )  were ministers in the previous SCAF -  appointed government .
Tokens: 1_____ 2 3___ 4________ 5___ 6_____ 7_ 8__ 9__ 10___ 11______ 12 13____ 14____ 15 16___ 17 18__ 19 20_______ 21____ 22 23__ 24_______ 25 26_ 27______ 28__ 29 30_______ 31________ 32

Chunks:
  TruePositive nam [13,14] = Hisham Qandil
  TruePositive nam [28,28] = SCAF
  FalseNegative nam [21,21] = Qandil

(ChunkerEvaluator) Sentence #12863 from articles/00107951 from sent7

Text  : Five ministries - information , higher education , youth ,  labor ,  and housing -  were given to the Muslim Brothers '  Freedom and Justice Party (  FJP )  .
Tokens: 1___ 2_________ 3 4__________ 5 6_____ 7________ 8 9____ 10 11___ 12 13_ 14_____ 15 16__ 17___ 18 19_ 20____ 21______ 22 23_____ 24_ 25_____ 26___ 27 28_ 29 30

Chunks:
  FalsePositive nam [20,26] = Muslim Brothers ' Freedom and Justice Party
  FalseNegative nam [20,21] = Muslim Brothers
  FalseNegative nam [23,26] = Freedom and Justice Party
  FalseNegative nam [28,28] = FJP

(ChunkerEvaluator) Sentence #12864 from articles/00107951 from sent8

Text  : Other pro - revolution figures secured several cabinet portfolios as well :  education ,  legal and parliamentary affairs ,  industry and foreign trade ,  and most importantly ,  the justice ministry .
Tokens: 1____ 2__ 3 4_________ 5______ 6______ 7______ 8______ 9_________ 10 11__ 12 13_______ 14 15___ 16_ 17___________ 18_____ 19 20______ 21_ 22_____ 23___ 24 25_ 26__ 27_________ 28 29_ 30_____ 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #12865 from articles/00107951 from sent9

Text  : The " power ” ministries - interior and defense -  were kept under the control of figures associated with the former regime .
Tokens: 1__ 2 3____ 4 5_________ 6 7_______ 8__ 9______ 10 11__ 12__ 13___ 14_ 15_____ 16 17_____ 18________ 19__ 20_ 21____ 22____ 23

Chunks:

(ChunkerEvaluator) Sentence #12866 from articles/00107951 from sent10

Text  : Field Marshal ( and SCAF leader ) Hussein Tantawy retained his post as Defense Minister ,  and General Ahmed Gamal al -  Din was appointed to head the interior ministry ,  whose brutal behavior sparked the revolution .
Tokens: 1____ 2______ 3 4__ 5___ 6_____ 7 8______ 9______ 10______ 11_ 12__ 13 14_____ 15______ 16 17_ 18_____ 19___ 20___ 21 22 23_ 24_ 25_______ 26 27__ 28_ 29______ 30______ 31 32___ 33____ 34______ 35_____ 36_ 37________ 38

Chunks:
  TruePositive nam [5,5] = SCAF
  TruePositive nam [8,9] = Hussein Tantawy
  FalsePositive nam [1,2] = Field Marshal
  FalsePositive nam [14,15] = Defense Minister
  FalsePositive nam [18,23] = General Ahmed Gamal al - Din
  FalseNegative nam [19,23] = Ahmed Gamal al - Din

(ChunkerEvaluator) Sentence #12867 from articles/00107951 from sent11

Text  : Gamal al - Din's uncle , Abd al - Ahad Gamal al -  Din ,  was the ruling National Democratic Party's parliamentary majority leader during the 2000's .
Tokens: 1____ 2_ 3 4____ 5____ 6 7__ 8_ 9 10__ 11___ 12 13 14_ 15 16_ 17_ 18____ 19______ 20________ 21_____ 22___________ 23______ 24____ 25____ 26_ 27____ 28

Chunks:
  TruePositive nam [1,4] = Gamal al - Din's
  TruePositive nam [7,14] = Abd al - Ahad Gamal al - Din
  TruePositive nam [19,21] = National Democratic Party's

(ChunkerEvaluator) Sentence #12868 from articles/00107951 from sent12

Text  : His nephew was a hardliner during negotiations to release political prisoners ,  as well as during talks to end the street clashes of November 2011 .
Tokens: 1__ 2_____ 3__ 4 5________ 6_____ 7___________ 8_ 9______ 10_______ 11_______ 12 13 14__ 15 16____ 17___ 18 19_ 20_ 21____ 22_____ 23 24______ 25__ 26

Chunks:

(ChunkerEvaluator) Sentence #12869 from articles/00107951 from sent13

Text  : He was also a witness in the " Giza Officers Trial ,  ”  in which 17 policemen were accused of killing and injuring protesters in January 2011 .
Tokens: 1_ 2__ 3___ 4 5______ 6_ 7__ 8 9___ 10______ 11___ 12 13 14 15___ 16 17_______ 18__ 19_____ 20 21_____ 22_ 23______ 24________ 25 26_____ 27__ 28

Chunks:
  TruePositive nam [9,11] = Giza Officers Trial
  FalsePositive nam [26,26] = January

(ChunkerEvaluator) Sentence #12870 from articles/00107951 from sent14

Text  : He defended the policemen , claiming that the victims had been killed in "  self -  defense .  ”
Tokens: 1_ 2_______ 3__ 4________ 5 6_______ 7___ 8__ 9______ 10_ 11__ 12____ 13 14 15__ 16 17_____ 18 19

Chunks:

(ChunkerEvaluator) Sentence #12871 from articles/00107951 from sent15

Text  : Nonetheless , Ashraf al - Banna , a co -  founder of the reformist General Coalition for Police Officers (  GCPO )  ,  remains hopeful :  "  He was an effective deputy [  minister of interior ]  .  .  .  [  so ]  we expect some reforms .
Tokens: 1__________ 2 3_____ 4_ 5 6____ 7 8 9_ 10 11_____ 12 13_ 14_______ 15_____ 16_______ 17_ 18____ 19______ 20 21__ 22 23 24_____ 25_____ 26 27 28 29_ 30 31_______ 32____ 33 34______ 35 36______ 37 38 39 40 41 42 43 44 45____ 46__ 47_____ 48

Chunks:
  TruePositive nam [3,6] = Ashraf al - Banna
  TruePositive nam [15,19] = General Coalition for Police Officers
  FalseNegative nam [21,21] = GCPO

(ChunkerEvaluator) Sentence #12872 from articles/00107951 from sent16

Text  : The situation in the ministry is unsustainable . ”
Tokens: 1__ 2________ 3_ 4__ 5_______ 6_ 7____________ 8 9

Chunks:

(ChunkerEvaluator) Sentence #12873 from articles/00107951 from sent17

Text  : But others , like the members of the more revolutionary Officers but Honorable Coalition ,  accuse Gamal al -  Din of being a  member of a  powerful anti -  reform faction in the ministry ,  dubbed "  al -  Adly's men ”  (  after former Interior Minister Habib al -  Adly )  .
Tokens: 1__ 2_____ 3 4___ 5__ 6______ 7_ 8__ 9___ 10___________ 11______ 12_ 13_______ 14_______ 15 16____ 17___ 18 19 20_ 21 22___ 23 24____ 25 26 27______ 28__ 29 30____ 31_____ 32 33_ 34______ 35 36____ 37 38 39 40____ 41_ 42 43 44___ 45____ 46______ 47______ 48___ 49 50 51__ 52 53

Chunks:
  TruePositive nam [13,14] = Honorable Coalition
  TruePositive nam [17,20] = Gamal al - Din
  FalsePositive nam [38,41] = al - Adly's men
  FalsePositive nam [46,51] = Interior Minister Habib al - Adly
  FalseNegative nam [40,40] = Adly's
  FalseNegative nam [48,51] = Habib al - Adly

(ChunkerEvaluator) Sentence #12874 from articles/00107951 from sent18

Text  : As for the pro - change forces , Minister of Information Salah Abd al -  Maqsud ,  a  leading figure in the Muslim Brothers '  media wing ,  will control a  sector that continues to attack the group and Morsi ,  even after his electoral victory .
Tokens: 1_ 2__ 3__ 4__ 5 6_____ 7_____ 8 9_______ 10 11_________ 12___ 13_ 14 15 16____ 17 18 19_____ 20____ 21 22_ 23____ 24______ 25 26___ 27__ 28 29__ 30_____ 31 32____ 33__ 34_______ 35 36____ 37_ 38___ 39_ 40___ 41 42__ 43___ 44_ 45_______ 46_____ 47

Chunks:
  TruePositive nam [23,24] = Muslim Brothers
  FalsePositive nam [9,16] = Minister of Information Salah Abd al - Maqsud
  FalseNegative nam [12,16] = Salah Abd al - Maqsud
  FalseNegative nam [40,40] = Morsi

(ChunkerEvaluator) Sentence #12875 from articles/00107951 from sent19

Text  : The new youth minister , Osama Yassin , another leading Muslim Brother ,  was the de facto "  security chief ”  in Tahrir Square during the 18 days that toppled former President Hosni Mubarak .
Tokens: 1__ 2__ 3____ 4_______ 5 6____ 7_____ 8 9______ 10_____ 11____ 12_____ 13 14_ 15_ 16 17___ 18 19______ 20___ 21 22 23____ 24____ 25____ 26_ 27 28__ 29__ 30_____ 31____ 32_______ 33___ 34_____ 35

Chunks:
  TruePositive nam [6,7] = Osama Yassin
  TruePositive nam [11,12] = Muslim Brother
  TruePositive nam [23,24] = Tahrir Square
  FalsePositive nam [32,34] = President Hosni Mubarak
  FalseNegative nam [33,34] = Hosni Mubarak

(ChunkerEvaluator) Sentence #12876 from articles/00107951 from sent20

Text  : He belongs to the so - called " iron organization ,  ”  a  strong ,  committed faction led by Khairat al -  Shater ,  the Brotherhood's first deputy chairman (  deputy general guide )  .
Tokens: 1_ 2______ 3_ 4__ 5_ 6 7_____ 8 9___ 10__________ 11 12 13 14____ 15 16_______ 17_____ 18_ 19 20_____ 21 22 23____ 24 25_ 26___________ 27___ 28____ 29______ 30 31____ 32_____ 33___ 34 35

Chunks:
  TruePositive nam [20,23] = Khairat al - Shater
  TruePositive nam [26,26] = Brotherhood's

(ChunkerEvaluator) Sentence #12877 from articles/00107951 from sent21

Text  : Likewise , higher education went to Mostafa Mossad , an FJP member who was in charge of the education portfolio during Morsi's campaign .
Tokens: 1_______ 2 3_____ 4________ 5___ 6_ 7______ 8_____ 9 10 11_ 12____ 13_ 14_ 15 16____ 17 18_ 19_______ 20_______ 21____ 22_____ 23______ 24

Chunks:
  TruePositive nam [7,8] = Mostafa Mossad
  TruePositive nam [22,22] = Morsi's
  FalseNegative nam [11,11] = FJP

(ChunkerEvaluator) Sentence #12878 from articles/00107951 from sent22

Text  : The labor ministry went to Khaled al - Azhary ,  a  Brother who was deputy head of the Workers Union and a  victim of police brutality in 2010 .
Tokens: 1__ 2____ 3_______ 4___ 5_ 6_____ 7_ 8 9_____ 10 11 12_____ 13_ 14_ 15____ 16__ 17 18_ 19_____ 20___ 21_ 22 23____ 24 25____ 26_______ 27 28__ 29

Chunks:
  FalsePositive nam [7,9] = al - Azhary
  FalseNegative nam [6,9] = Khaled al - Azhary
  FalseNegative nam [12,12] = Brother
  FalseNegative nam [19,20] = Workers Union

(ChunkerEvaluator) Sentence #12879 from articles/00107951 from sent23

Text  : For the Brothers , of course , everything could change if the government is dissolved after the upcoming parliamentary election .
Tokens: 1__ 2__ 3_______ 4 5_ 6_____ 7 8_________ 9____ 10____ 11 12_ 13________ 14 15_______ 16___ 17_ 18______ 19___________ 20______ 21

Chunks:
  TruePositive nam [3,3] = Brothers

(ChunkerEvaluator) Sentence #12880 from articles/00107951 from sent24

Text  : But , even if that happens , the experience ,  data ,  and knowledge gained will be of immense value to the Brotherhood .
Tokens: 1__ 2 3___ 4_ 5___ 6______ 7 8__ 9_________ 10 11__ 12 13_ 14_______ 15____ 16__ 17 18 19_____ 20___ 21 22_ 23_________ 24

Chunks:
  FalseNegative nam [23,23] = Brotherhood

(ChunkerEvaluator) Sentence #12881 from articles/00107951 from sent25

Text  : Four other ministries went to pro - revolution and Islamist figures .
Tokens: 1___ 2____ 3_________ 4___ 5_ 6__ 7 8_________ 9__ 10______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #12882 from articles/00107951 from sent26

Text  : Mohamed Mahsoob , a leading figure in the moderate Islamist al -  Wasat Party who campaigned against the return of Mubarak -  era officials ,  became Minister of Legal and Parliamentary Affairs .
Tokens: 1______ 2______ 3 4 5______ 6_____ 7_ 8__ 9_______ 10______ 11 12 13___ 14___ 15_ 16________ 17_____ 18_ 19____ 20 21_____ 22 23_ 24_______ 25 26____ 27______ 28 29___ 30_ 31___________ 32_____ 33

Chunks:
  TruePositive nam [1,2] = Mohamed Mahsoob
  TruePositive nam [21,21] = Mubarak
  FalsePositive nam [10,14] = Islamist al - Wasat Party
  FalsePositive nam [27,29] = Minister of Legal
  FalseNegative nam [11,14] = al - Wasat Party

(ChunkerEvaluator) Sentence #12883 from articles/00107951 from sent27

Text  : Hatem Saleh , the deputy chairman of the Civilization Party ,  which joined the Muslim Brotherhood's electoral coalition in the last parliamentary election ,  was named Minister of Industry and Foreign Trade .
Tokens: 1____ 2____ 3 4__ 5_____ 6_______ 7_ 8__ 9___________ 10___ 11 12___ 13____ 14_ 15____ 16___________ 17_______ 18_______ 19 20_ 21__ 22___________ 23______ 24 25_ 26___ 27______ 28 29______ 30_ 31_____ 32___ 33

Chunks:
  TruePositive nam [15,16] = Muslim Brotherhood's
  FalsePositive nam [27,32] = Minister of Industry and Foreign Trade
  FalseNegative nam [1,2] = Hatem Saleh
  FalseNegative nam [9,10] = Civilization Party

(ChunkerEvaluator) Sentence #12884 from articles/00107951 from sent28

Text  : The religious endowment ministry , which influences the country's main Islamic institution ,  al -  Azhar ,  went to another of the Brothers '  allies ,  Talaat Afifi ,  the deputy head of the Islamic Legal Body for Rights and Reform ,  which comprises more than a  hundred of Egypt's leading Islamist scholars and activists .
Tokens: 1__ 2________ 3________ 4_______ 5 6____ 7_________ 8__ 9________ 10__ 11_____ 12_________ 13 14 15 16___ 17 18__ 19 20_____ 21 22_ 23______ 24 25____ 26 27____ 28___ 29 30_ 31____ 32__ 33 34_ 35_____ 36___ 37__ 38_ 39____ 40_ 41____ 42 43___ 44_______ 45__ 46__ 47 48_____ 49 50_____ 51_____ 52______ 53______ 54_ 55_______ 56

Chunks:
  TruePositive nam [14,16] = al - Azhar
  TruePositive nam [27,28] = Talaat Afifi
  TruePositive nam [35,41] = Islamic Legal Body for Rights and Reform
  TruePositive nam [50,50] = Egypt's
  FalseNegative nam [23,23] = Brothers

(ChunkerEvaluator) Sentence #12885 from articles/00107951 from sent29

Text  : Finally , Ahmed Mekki , the former deputy head of the Court of Cassation ,  Egypt's highest appeals court ,  will lead the justice ministry ,  which is in need of real change .
Tokens: 1______ 2 3____ 4____ 5 6__ 7_____ 8_____ 9___ 10 11_ 12___ 13 14_______ 15 16_____ 17_____ 18_____ 19___ 20 21__ 22__ 23_ 24_____ 25______ 26 27___ 28 29 30__ 31 32__ 33____ 34

Chunks:
  TruePositive nam [3,4] = Ahmed Mekki
  FalseNegative nam [12,14] = Court of Cassation
  FalseNegative nam [16,16] = Egypt's

(ChunkerEvaluator) Sentence #12886 from articles/00107951 from sent30

Text  : Mekki is a strong proponent of judicial independence , and was dubbed "  the revolution's representative ”  in Qandil's government .
Tokens: 1____ 2_ 3 4_____ 5________ 6_ 7_______ 8___________ 9 10_ 11_ 12____ 13 14_ 15__________ 16____________ 17 18 19______ 20________ 21

Chunks:
  TruePositive nam [19,19] = Qandil's
  FalseNegative nam [1,1] = Mekki

(ChunkerEvaluator) Sentence #12887 from articles/00107951 from sent31

Text  : Overall , only ten of the 35 ministries went to pro -  change forces ,  with the other ministers a  combination of old -  regime figures and technocrats without any publicly declared political affiliation .
Tokens: 1______ 2 3___ 4__ 5_ 6__ 7_ 8_________ 9___ 10 11_ 12 13____ 14____ 15 16__ 17_ 18___ 19_______ 20 21_________ 22 23_ 24 25____ 26_____ 27_ 28_________ 29_____ 30_ 31______ 32______ 33_______ 34_________ 35

Chunks:

(ChunkerEvaluator) Sentence #12888 from articles/00107951 from sent32

Text  : But the choice of the ten ministries was strategically clever ,  given the Muslim Brotherhood's coming battles with SCAF .
Tokens: 1__ 2__ 3_____ 4_ 5__ 6__ 7_________ 8__ 9____________ 10____ 11 12___ 13_ 14____ 15___________ 16____ 17_____ 18__ 19__ 20

Chunks:
  TruePositive nam [14,15] = Muslim Brotherhood's
  TruePositive nam [19,19] = SCAF

(ChunkerEvaluator) Sentence #12889 from articles/00107951 from sent33

Text  : All of these ministries represent low - cost , soft power :  official institutions that can enhance pro -  change forces '  capacity to mobilize ,  give them religious legitimacy ,  and remove the threat of judicial repression as they strengthen unofficial networks on the ground .
Tokens: 1__ 2_ 3____ 4_________ 5________ 6__ 7 8___ 9 10__ 11___ 12 13______ 14__________ 15__ 16_ 17_____ 18_ 19 20____ 21____ 22 23______ 24 25______ 26 27__ 28__ 29_______ 30________ 31 32_ 33____ 34_ 35____ 36 37______ 38________ 39 40__ 41________ 42________ 43______ 44 45_ 46____ 47

Chunks:

(ChunkerEvaluator) Sentence #12890 from articles/00107951 from sent34

Text  : But the SCAF side is applying a similar strategy :  strengthening its hold over the key power ministries .
Tokens: 1__ 2__ 3___ 4___ 5_ 6_______ 7 8______ 9_______ 10 11___________ 12_ 13__ 14__ 15_ 16_ 17___ 18________ 19

Chunks:
  TruePositive nam [3,3] = SCAF

(ChunkerEvaluator) Sentence #12891 from articles/00107951 from sent35

Text  : For example , in last week's annual personnel changes at the interior ministry ,  many of those expected to be removed ,  owing to accusations of corruption ,  complicity in repression ,  or both ,  were not .
Tokens: 1__ 2______ 3 4_ 5___ 6_____ 7_____ 8________ 9______ 10 11_ 12______ 13______ 14 15__ 16 17___ 18______ 19 20 21_____ 22 23___ 24 25_________ 26 27________ 28 29________ 30 31________ 32 33 34__ 35 36__ 37_ 38

Chunks:

(ChunkerEvaluator) Sentence #12892 from articles/00107951 from sent36

Text  : A few were even promoted .
Tokens: 1 2__ 3___ 4___ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #12893 from articles/00107951 from sent37

Text  : The struggle for Egypt thus continues .
Tokens: 1__ 2_______ 3__ 4____ 5___ 6________ 7

Chunks:
  FalseNegative nam [4,4] = Egypt

(ChunkerEvaluator) Sentence #12894 from articles/00107951 from sent38

Text  : The " Second Republic ” is yet to be born .
Tokens: 1__ 2 3_____ 4_______ 5 6_ 7__ 8_ 9_ 10__ 11

Chunks:
  TruePositive nam [3,4] = Second Republic

(ChunkerEvaluator) Sentence #12895 from articles/00107951 from sent39

Text  : Omar Ashour , Director of Middle East Graduate Studies ,  Institute of Arab and Islamic Studies ,  University of Exeter ,  and Visiting Fellow at the Brookings Doha Center ,  is the author of The De -  Radicalization of Jihadists :  Transforming Armed Islamist Movements and Security Sector Reform in Egypt :  Dilemmas and Challenges (  forthcoming )  .
Tokens: 1___ 2_____ 3 4_______ 5_ 6_____ 7___ 8_______ 9______ 10 11_______ 12 13__ 14_ 15_____ 16_____ 17 18________ 19 20____ 21 22_ 23______ 24____ 25 26_ 27_______ 28__ 29____ 30 31 32_ 33____ 34 35_ 36 37 38____________ 39 40_______ 41 42__________ 43___ 44______ 45_______ 46_ 47______ 48____ 49____ 50 51___ 52 53______ 54_ 55________ 56 57_________ 58 59

Chunks:
  TruePositive nam [1,2] = Omar Ashour
  TruePositive nam [11,16] = Institute of Arab and Islamic Studies
  FalsePositive nam [27,27] = Brookings
  FalsePositive nam [35,40] = The De - Radicalization of Jihadists
  FalsePositive nam [42,49] = Transforming Armed Islamist Movements and Security Sector Reform
  FalseNegative nam [6,9] = Middle East Graduate Studies
  FalseNegative nam [18,20] = University of Exeter
  FalseNegative nam [27,29] = Brookings Doha Center
  FalseNegative nam [35,55] = The De - Radicalization of Jihadists : Transforming Armed Islamist Movements and Security Sector Reform in Egypt : Dilemmas and Challenges

(ChunkerEvaluator) Sentence #12896 from articles/00107951 from sent40

Text  : Copyright : Project Syndicate , 2012 .
Tokens: 1________ 2 3______ 4________ 5 6___ 7

Chunks:
  FalsePositive nam [1,1] = Copyright
  FalseNegative nam [3,4] = Project Syndicate

(ChunkerEvaluator) Sentence #12897 from articles/00107951 from sent41

Text  : www.project-syndicate.org
Tokens: 1________________________

Chunks:
  TruePositive nam [1,1] = www.project-syndicate.org

2016-10-27 15:00:17,827 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 568 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107952.xml
(ChunkerEvaluator) Sentence #12898 from articles/00107952 from sent1

Text  : Sześć firm chce dostarczać prąd polskim portom
Tokens: 1____ 2___ 3___ 4_________ 5___ 6______ 7_____

Chunks:

(ChunkerEvaluator) Sentence #12899 from articles/00107952 from sent2

Text  : Sześć firm energetycznych złożyło swoje oferty w przetargu na dostawę prądu dla portów w  Szczecinie i  Świnoujściu ,  Gdyni i  Gdańsku .
Tokens: 1____ 2___ 3_____________ 4______ 5____ 6_____ 7 8________ 9_ 10_____ 11___ 12_ 13____ 14 15________ 16 17_________ 18 19___ 20 21_____ 22

Chunks:
  TruePositive nam [15,15] = Szczecinie
  TruePositive nam [17,17] = Świnoujściu
  TruePositive nam [19,19] = Gdyni
  TruePositive nam [21,21] = Gdańsku

(ChunkerEvaluator) Sentence #12900 from articles/00107952 from sent3

Text  : We wtorek otwarto oferty - poinformowała PAP Aneta Szreder -  Piernicka z  Zarządu Morskich Portów Szczecin i  Świnoujście (  ZMPSiŚ )  .
Tokens: 1_ 2_____ 3______ 4_____ 5 6____________ 7__ 8____ 9______ 10 11_______ 12 13_____ 14______ 15____ 16______ 17 18_________ 19 20____ 21 22

Chunks:
  TruePositive nam [7,7] = PAP
  TruePositive nam [8,11] = Aneta Szreder - Piernicka
  FalsePositive nam [13,16] = Zarządu Morskich Portów Szczecin
  FalsePositive nam [18,18] = Świnoujście
  FalseNegative nam [13,18] = Zarządu Morskich Portów Szczecin i Świnoujście
  FalseNegative nam [20,20] = ZMPSiŚ

(ChunkerEvaluator) Sentence #12901 from articles/00107952 from sent4

Text  : ZMPSiŚ koordynuje przetarg w imieniu wszystkich portów .
Tokens: 1_____ 2_________ 3_______ 4 5______ 6_________ 7_____ 8

Chunks:
  FalseNegative nam [1,1] = ZMPSiŚ

(ChunkerEvaluator) Sentence #12902 from articles/00107952 from sent5

Text  : Oferty złożyły firmy : PGE Obrót , Enea , Tauron ,  Dalkia ,  PKP Energetyka ,  Energa Obrót .
Tokens: 1_____ 2______ 3____ 4 5__ 6____ 7 8___ 9 10____ 11 12____ 13 14_ 15________ 16 17____ 18___ 19

Chunks:
  TruePositive nam [5,6] = PGE Obrót
  TruePositive nam [8,8] = Enea
  TruePositive nam [10,10] = Tauron
  TruePositive nam [14,15] = PKP Energetyka
  TruePositive nam [17,18] = Energa Obrót
  FalseNegative nam [12,12] = Dalkia

(ChunkerEvaluator) Sentence #12903 from articles/00107952 from sent6

Text  : Trzy największe polskie porty : Szczecin - Świnoujście , Gdańsk i  Gdynia zdecydowały się na wspólny zakup energii .
Tokens: 1___ 2_________ 3______ 4____ 5 6_______ 7 8__________ 9 10____ 11 12____ 13_________ 14_ 15 16_____ 17___ 18_____ 19

Chunks:
  TruePositive nam [10,10] = Gdańsk
  TruePositive nam [12,12] = Gdynia
  FalsePositive nam [6,8] = Szczecin - Świnoujście
  FalseNegative nam [6,6] = Szczecin
  FalseNegative nam [8,8] = Świnoujście

(ChunkerEvaluator) Sentence #12904 from articles/00107952 from sent7

Text  : We wrześniu br . ogłoszono przetarg na dostawę energii elektrycznej dla nich .
Tokens: 1_ 2_______ 3_ 4 5________ 6_______ 7_ 8______ 9______ 10__________ 11_ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #12905 from articles/00107952 from sent8

Text  : Porty liczą , że kupią prąd taniej .
Tokens: 1____ 2____ 3 4_ 5____ 6___ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12906 from articles/00107952 from sent9

Text  : " Rozwiązanie to zastosowano z uwagi na wymierne korzyści w  postaci obniżenia kosztów zakupu .
Tokens: 1 2__________ 3_ 4__________ 5 6____ 7_ 8_______ 9_______ 10 11_____ 12_______ 13_____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #12907 from articles/00107952 from sent10

Text  : Tego typu działania są coraz bardziej powszechne wśród przedsiębiorstw z  różnych branż .
Tokens: 1___ 2___ 3________ 4_ 5____ 6_______ 7_________ 8____ 9______________ 10 11_____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #12908 from articles/00107952 from sent11

Text  : W ten sposób kupowany jest np . prąd , paliwo czy nawet ubezpieczenia "  -  podkreśla prezes ZMPSiŚ Jarosław Siergiej .
Tokens: 1 2__ 3_____ 4_______ 5___ 6_ 7 8___ 9 10____ 11_ 12___ 13___________ 14 15 16_______ 17____ 18____ 19______ 20______ 21

Chunks:
  TruePositive nam [19,20] = Jarosław Siergiej
  FalseNegative nam [18,18] = ZMPSiŚ

(ChunkerEvaluator) Sentence #12909 from articles/00107952 from sent12

Text  : Przedmiotem zamówienia jest dostawa energii elektrycznej na potrzeby portów oraz na potrzeby dalszej odsprzedaży dla odbiorców energii ,  którzy działają na terenie portów .
Tokens: 1__________ 2_________ 3___ 4______ 5______ 6___________ 7_ 8_______ 9_____ 10__ 11 12______ 13_____ 14_________ 15_ 16_______ 17_____ 18 19____ 20______ 21 22_____ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #12910 from articles/00107952 from sent13

Text  : Prąd miał by być dostarczany w latach 2012 - 14 w  łącznej szacunkowej wielkości 220 ,  580 GWh .
Tokens: 1___ 2___ 3_ 4__ 5__________ 6 7_____ 8___ 9 10 11 12_____ 13_________ 14_______ 15_ 16 17_ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #12911 from articles/00107952 from sent14

Text  : Oferty złożone w przetargu zostaną zbadane pod względem formalnym oraz zgodności ze specyfikacją warunków zamówienia przez komisję przetargową ,  która zarekomenduje najkorzystniejszą ofertę .  (  PAP )
Tokens: 1_____ 2______ 3 4________ 5______ 6______ 7__ 8_______ 9________ 10__ 11_______ 12 13__________ 14______ 15________ 16___ 17_____ 18_________ 19 20___ 21___________ 22_______________ 23____ 24 25 26_ 27

Chunks:
  TruePositive nam [26,26] = PAP

2016-10-27 15:00:17,898 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 569 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107953.xml
(ChunkerEvaluator) Sentence #12912 from articles/00107953 from sent1

Text  : Nominacje profesorskie dla wrocławskich naukowców
Tokens: 1________ 2___________ 3__ 4___________ 5________

Chunks:

(ChunkerEvaluator) Sentence #12913 from articles/00107953 from sent2

Text  : Sześciu uczonych wrocławskich uczelni odebrało nominacje na profesorów tytularnych .
Tokens: 1______ 2_______ 3___________ 4______ 5_______ 6________ 7_ 8_________ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #12914 from articles/00107953 from sent3

Text  : Dyplomy w Warszawie wręczył im prezydent Bronisław Komorowski
Tokens: 1______ 2 3________ 4______ 5_ 6________ 7________ 8_________

Chunks:
  TruePositive nam [3,3] = Warszawie
  TruePositive nam [7,8] = Bronisław Komorowski

(ChunkerEvaluator) Sentence #12915 from articles/00107953 from sent4

Text  : Wrocław ma nowych profesorów
Tokens: 1______ 2_ 3_____ 4_________

Chunks:
  TruePositive nam [1,1] = Wrocław

(ChunkerEvaluator) Sentence #12916 from articles/00107953 from sent5

Text  : Nominacje profesorskie dla wrocławskich naukowców
Tokens: 1________ 2___________ 3__ 4___________ 5________

Chunks:

(ChunkerEvaluator) Sentence #12917 from articles/00107953 from sent6

Text  : Sześciu uczonych wrocławskich uczelni odebrało nominacje na profesorów tytularnych .
Tokens: 1______ 2_______ 3___________ 4______ 5_______ 6________ 7_ 8_________ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #12918 from articles/00107953 from sent7

Text  : Dyplomy w Warszawie wręczył im prezydent Bronisław Komorowski
Tokens: 1______ 2 3________ 4______ 5_ 6________ 7________ 8_________

Chunks:
  TruePositive nam [3,3] = Warszawie
  TruePositive nam [7,8] = Bronisław Komorowski

(ChunkerEvaluator) Sentence #12919 from articles/00107953 from sent8

Text  : Sześciu uczonych wrocławskich uczelni odebrało nominacje na profesorów tytularnych .
Tokens: 1______ 2_______ 3___________ 4______ 5_______ 6________ 7_ 8_________ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #12920 from articles/00107953 from sent9

Text  : Dyplomy w Warszawie wręczył im prezydent Bronisław Komorowski
Tokens: 1______ 2 3________ 4______ 5_ 6________ 7________ 8_________

Chunks:
  TruePositive nam [3,3] = Warszawie
  TruePositive nam [7,8] = Bronisław Komorowski

(ChunkerEvaluator) Sentence #12921 from articles/00107953 from sent10

Text  : Profesorami belwederskimi zostali prof . Teodor Gotszalk , kierownik Zakładu Metrologii Miko -  i  Nanostruktur oraz prof .  Waldemar Rebizant ,  dziekan Wydziału Elektrycznego .
Tokens: 1__________ 2____________ 3______ 4___ 5 6_____ 7_______ 8 9________ 10_____ 11________ 12__ 13 14 15__________ 16__ 17__ 18 19______ 20______ 21 22_____ 23______ 24___________ 25

Chunks:
  TruePositive nam [6,7] = Teodor Gotszalk
  TruePositive nam [10,15] = Zakładu Metrologii Miko - i Nanostruktur
  TruePositive nam [19,20] = Waldemar Rebizant
  TruePositive nam [23,24] = Wydziału Elektrycznego

(ChunkerEvaluator) Sentence #12922 from articles/00107953 from sent11

Text  : Dwóch nowych profesorów przybyło także Uniwersytetowi Wrocławskiemu , nominacje odebrał historyk prof .  Jerzy Maroń i  prof .  Radosław Kuliniak z  Zakładu Filozofii Nowożytnej .
Tokens: 1____ 2_____ 3_________ 4_______ 5____ 6_____________ 7____________ 8 9________ 10_____ 11______ 12__ 13 14___ 15___ 16 17__ 18 19______ 20______ 21 22_____ 23_______ 24________ 25

Chunks:
  TruePositive nam [6,7] = Uniwersytetowi Wrocławskiemu
  TruePositive nam [14,15] = Jerzy Maroń
  TruePositive nam [22,24] = Zakładu Filozofii Nowożytnej
  FalsePositive nam [19,19] = Radosław
  FalseNegative nam [19,20] = Radosław Kuliniak

(ChunkerEvaluator) Sentence #12923 from articles/00107953 from sent12

Text  : Profesorami zostali także Artur Pupka z Uniwersytetu Medycznego , który specjalizuje się w  chirurgii naczyniowej ,  i  Krzysztof Rozpondek ,  ceramik ,  wykładowca Akademii Sztuk Pięknych .
Tokens: 1__________ 2______ 3____ 4____ 5____ 6 7___________ 8_________ 9 10___ 11__________ 12_ 13 14_______ 15_________ 16 17 18_______ 19_______ 20 21_____ 22 23________ 24______ 25___ 26______ 27

Chunks:
  TruePositive nam [4,5] = Artur Pupka
  TruePositive nam [7,8] = Uniwersytetu Medycznego
  TruePositive nam [18,19] = Krzysztof Rozpondek
  TruePositive nam [24,26] = Akademii Sztuk Pięknych

(ChunkerEvaluator) Sentence #12924 from articles/00107953 from sent13

Text  : Profesorami belwederskimi zostali prof . Teodor Gotszalk , kierownik Zakładu Metrologii Miko -  i  Nanostruktur oraz prof .  Waldemar Rebizant ,  dziekan Wydziału Elektrycznego .
Tokens: 1__________ 2____________ 3______ 4___ 5 6_____ 7_______ 8 9________ 10_____ 11________ 12__ 13 14 15__________ 16__ 17__ 18 19______ 20______ 21 22_____ 23______ 24___________ 25

Chunks:
  TruePositive nam [6,7] = Teodor Gotszalk
  TruePositive nam [10,15] = Zakładu Metrologii Miko - i Nanostruktur
  TruePositive nam [19,20] = Waldemar Rebizant
  TruePositive nam [23,24] = Wydziału Elektrycznego

(ChunkerEvaluator) Sentence #12925 from articles/00107953 from sent14

Text  : Dwóch nowych profesorów przybyło także Uniwersytetowi Wrocławskiemu , nominacje odebrał historyk prof .  Jerzy Maroń i  prof .  Radosław Kuliniak z  Zakładu Filozofii Nowożytnej .
Tokens: 1____ 2_____ 3_________ 4_______ 5____ 6_____________ 7____________ 8 9________ 10_____ 11______ 12__ 13 14___ 15___ 16 17__ 18 19______ 20______ 21 22_____ 23_______ 24________ 25

Chunks:
  TruePositive nam [6,7] = Uniwersytetowi Wrocławskiemu
  TruePositive nam [14,15] = Jerzy Maroń
  TruePositive nam [22,24] = Zakładu Filozofii Nowożytnej
  FalsePositive nam [19,19] = Radosław
  FalseNegative nam [19,20] = Radosław Kuliniak

(ChunkerEvaluator) Sentence #12926 from articles/00107953 from sent15

Text  : Profesorami zostali także Artur Pupka z Uniwersytetu Medycznego , który specjalizuje się w  chirurgii naczyniowej ,  i  Krzysztof Rozpondek ,  ceramik ,  wykładowca Akademii Sztuk Pięknych .
Tokens: 1__________ 2______ 3____ 4____ 5____ 6 7___________ 8_________ 9 10___ 11__________ 12_ 13 14_______ 15_________ 16 17 18_______ 19_______ 20 21_____ 22 23________ 24______ 25___ 26______ 27

Chunks:
  TruePositive nam [4,5] = Artur Pupka
  TruePositive nam [7,8] = Uniwersytetu Medycznego
  TruePositive nam [18,19] = Krzysztof Rozpondek
  TruePositive nam [24,26] = Akademii Sztuk Pięknych

2016-10-27 15:00:17,976 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 570 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107954.xml
(ChunkerEvaluator) Sentence #12927 from articles/00107954 from sent1

Text  : Lubelskie .
Tokens: 1________ 2

Chunks:
  FalseNegative nam [1,1] = Lubelskie

(ChunkerEvaluator) Sentence #12928 from articles/00107954 from sent2

Text  : Po wypadku zablokowana obwodnica Kraśnika
Tokens: 1_ 2______ 3__________ 4________ 5_______

Chunks:
  TruePositive nam [5,5] = Kraśnika

(ChunkerEvaluator) Sentence #12929 from articles/00107954 from sent3

Text  : Na obwodnicy Kraśnika ( Lubelskie ) w ciągu drogi krajowej nr 74 (  Kielce -  Zamość )  zderzyły się w  piątek dwa samochody .
Tokens: 1_ 2________ 3_______ 4 5________ 6 7 8____ 9____ 10______ 11 12 13 14____ 15 16____ 17 18______ 19_ 20 21____ 22_ 23_______ 24

Chunks:
  TruePositive nam [3,3] = Kraśnika
  TruePositive nam [5,5] = Lubelskie
  TruePositive nam [9,12] = drogi krajowej nr 74
  TruePositive nam [14,14] = Kielce
  TruePositive nam [16,16] = Zamość

(ChunkerEvaluator) Sentence #12930 from articles/00107954 from sent4

Text  : Droga w miejscu wypadku jest zablokowana - poinformowała policja .
Tokens: 1____ 2 3______ 4______ 5___ 6__________ 7 8____________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #12931 from articles/00107954 from sent5

Text  : " W wypadku ranne zostały dwie osoby .
Tokens: 1 2 3______ 4____ 5______ 6___ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #12932 from articles/00107954 from sent6

Text  : Jeden z samochodów zapalił się " - powiedział PAP Andrzej Fijołek z  zespołu prasowego Komendy Wojewódzkiej Policji w  Lublinie .
Tokens: 1____ 2 3_________ 4______ 5__ 6 7 8_________ 9__ 10_____ 11_____ 12 13_____ 14_______ 15_____ 16__________ 17_____ 18 19______ 20

Chunks:
  TruePositive nam [9,9] = PAP
  TruePositive nam [10,11] = Andrzej Fijołek
  TruePositive nam [15,17] = Komendy Wojewódzkiej Policji
  TruePositive nam [19,19] = Lublinie

(ChunkerEvaluator) Sentence #12933 from articles/00107954 from sent7

Text  : Policjanci kierują auta objazdem przez Kraśnik . ( PAP )
Tokens: 1_________ 2______ 3___ 4_______ 5____ 6______ 7 8 9__ 10

Chunks:
  TruePositive nam [6,6] = Kraśnik
  TruePositive nam [9,9] = PAP

2016-10-27 15:00:18,002 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 571 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107955.xml
(ChunkerEvaluator) Sentence #12934 from articles/00107955 from sent1

Text  : Tramwaje Śląskie biorą się za bezmyślnych kierowców
Tokens: 1_______ 2______ 3____ 4__ 5_ 6__________ 7________

Chunks:
  TruePositive nam [1,2] = Tramwaje Śląskie

(ChunkerEvaluator) Sentence #12935 from articles/00107955 from sent2

Text  : Źle zaparkowane samochody co kilka dni blokują przejazd tramwajów ulicą Kościuszki w  Katowicach .
Tokens: 1__ 2__________ 3________ 4_ 5____ 6__ 7______ 8_______ 9________ 10___ 11________ 12 13________ 14

Chunks:
  TruePositive nam [11,11] = Kościuszki
  TruePositive nam [13,13] = Katowicach

(ChunkerEvaluator) Sentence #12936 from articles/00107955 from sent3

Text  : W poniedziałek Tramwaje Śląskie rozpoczną akcję , która ma to zmienić .
Tokens: 1 2___________ 3_______ 4______ 5________ 6____ 7 8____ 9_ 10 11_____ 12

Chunks:
  TruePositive nam [3,4] = Tramwaje Śląskie

(ChunkerEvaluator) Sentence #12937 from articles/00107955 from sent4

Text  : - Wielu kierowców nie zwraca uwagi na to , w  jaki sposób parkuje samochód .
Tokens: 1 2____ 3________ 4__ 5_____ 6____ 7_ 8_ 9 10 11__ 12____ 13_____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #12938 from articles/00107955 from sent5

Text  : Cierpią na tym w pierwszej kolejności pasażerowie , którzy nie dojeżdżają w  umówione miejsca na czas ,  a  także sami kierowcy ,  którzy zmuszeni są płacić mandaty -  podkreśla Andrzej Zowada ,  rzecznik firmy Tramwaje Śląskie .
Tokens: 1______ 2_ 3__ 4 5________ 6_________ 7__________ 8 9_____ 10_ 11________ 12 13______ 14_____ 15 16__ 17 18 19___ 20__ 21______ 22 23____ 24______ 25 26____ 27_____ 28 29_______ 30_____ 31____ 32 33______ 34___ 35______ 36_____ 37

Chunks:
  TruePositive nam [30,31] = Andrzej Zowada
  TruePositive nam [35,36] = Tramwaje Śląskie

(ChunkerEvaluator) Sentence #12939 from articles/00107955 from sent6

Text  : Dodaje , że akcja ma przypomnieć kierowcom , jak powinno się parkować .
Tokens: 1_____ 2 3_ 4____ 5_ 6__________ 7________ 8 9__ 10_____ 11_ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #12940 from articles/00107955 from sent7

Text  : - Zaczniemy od skrzyżowania przy ulicy Kościuszki z ulicą Konopnickiej .
Tokens: 1 2________ 3_ 4___________ 5___ 6____ 7_________ 8 9____ 10__________ 11

Chunks:
  TruePositive nam [7,7] = Kościuszki
  TruePositive nam [10,10] = Konopnickiej

(ChunkerEvaluator) Sentence #12941 from articles/00107955 from sent8

Text  : Pojawią się tu patrole straży miejskiej , policji i naszego nadzoru ruchu ,  które będą umieszczać ulotki informacyjne za szybami samochodów ,  upominać kierowców ,  którzy nieodpowiednio parkują i  nagradzać gadżetami tych ,  którzy zrobili to poprawnie -  dodaje rzecznik .
Tokens: 1______ 2__ 3_ 4______ 5_____ 6________ 7 8______ 9 10_____ 11_____ 12___ 13 14___ 15__ 16________ 17____ 18__________ 19 20_____ 21________ 22 23______ 24_______ 25 26____ 27____________ 28_____ 29 30_______ 31_______ 32__ 33 34____ 35_____ 36 37_______ 38 39____ 40______ 41

Chunks:

2016-10-27 15:00:18,048 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 572 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107956.xml
(ChunkerEvaluator) Sentence #12942 from articles/00107956 from sent1

Text  : Budzanowski : wzrost gospodarczy jeden z celów & quot ;  Inwestycji Polskich &  quot ;
Tokens: 1__________ 2 3_____ 4__________ 5____ 6 7____ 8 9___ 10 11________ 12______ 13 14__ 15

Chunks:
  FalsePositive nam [11,13] = Inwestycji Polskich &
  FalseNegative nam [1,1] = Budzanowski
  FalseNegative nam [11,12] = Inwestycji Polskich

(ChunkerEvaluator) Sentence #12943 from articles/00107956 from sent2

Text  : Utrzymanie dynamiki inwestycyjnej w Polsce , a także wzrostu gospodarczego oraz stworzenie nowych miejsc pracy -  to zasadnicze cele powstania programu &  quot ;  Inwestycje Polskie &  quot ;  -  poinformował w  sobotę minister Skarbu Państwa Mikołaj Budzanowski .
Tokens: 1_________ 2_______ 3____________ 4 5_____ 6 7 8____ 9______ 10___________ 11__ 12________ 13____ 14____ 15___ 16 17 18________ 19__ 20_______ 21______ 22 23__ 24 25________ 26_____ 27 28__ 29 30 31__________ 32 33____ 34______ 35____ 36_____ 37_____ 38_________ 39

Chunks:
  TruePositive nam [5,5] = Polsce
  TruePositive nam [35,36] = Skarbu Państwa
  TruePositive nam [37,38] = Mikołaj Budzanowski
  FalsePositive nam [25,28] = Inwestycje Polskie & quot
  FalseNegative nam [25,26] = Inwestycje Polskie

(ChunkerEvaluator) Sentence #12944 from articles/00107956 from sent3

Text  : Budzanowski wraz z szefem resortu finansów przedstawiają szczegóły planu rozwoju kraju ,  który zaprezentował w  piątek w  tzw .  drugim expose premier Donald Tusk .
Tokens: 1__________ 2___ 3 4_____ 5______ 6_______ 7____________ 8________ 9____ 10_____ 11___ 12 13___ 14___________ 15 16____ 17 18_ 19 20____ 21____ 22_____ 23____ 24__ 25

Chunks:
  TruePositive nam [23,24] = Donald Tusk
  FalseNegative nam [1,1] = Budzanowski

(ChunkerEvaluator) Sentence #12945 from articles/00107956 from sent4

Text  : " Utrzymanie dynamiki inwestycyjnej w Polsce to jest kluczowy element w  2013 ,  2014 ,  2015 i  2016 roku -  na najbliższe 4  lata .
Tokens: 1 2_________ 3_______ 4____________ 5 6_____ 7_ 8___ 9_______ 10_____ 11 12__ 13 14__ 15 16__ 17 18__ 19__ 20 21 22________ 23 24__ 25

Chunks:
  TruePositive nam [6,6] = Polsce

(ChunkerEvaluator) Sentence #12946 from articles/00107956 from sent5

Text  : Po drugie , utrzymanie wzrostu gospodarczego i po trzecie -  stworzenie nowych miejsc pracy .
Tokens: 1_ 2_____ 3 4_________ 5______ 6____________ 7 8_ 9______ 10 11________ 12____ 13____ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #12947 from articles/00107956 from sent6

Text  : Aby te cele osiągnąć , chcemy zaktywizować martwy kapitał "  -  powiedział w  sobotę na konferencji prasowej Budzanowski .
Tokens: 1__ 2_ 3___ 4_______ 5 6_____ 7___________ 8_____ 9______ 10 11 12________ 13 14____ 15 16_________ 17______ 18_________ 19

Chunks:
  FalseNegative nam [18,18] = Budzanowski

(ChunkerEvaluator) Sentence #12948 from articles/00107956 from sent7

Text  : Wyjaśnił , że kapitał ten należy obecnie do Polaków i  powinien "  pracować "  na rzecz całej Polski .
Tokens: 1_______ 2 3_ 4______ 5__ 6_____ 7______ 8_ 9______ 10 11______ 12 13______ 14 15 16___ 17___ 18____ 19

Chunks:
  TruePositive nam [9,9] = Polaków
  TruePositive nam [18,18] = Polski

(ChunkerEvaluator) Sentence #12949 from articles/00107956 from sent8

Text  : " To narzędzie inwestycyjne ma być skierowane zarówno do przedsiębiorców ,  ale również jest to oferta dla wszystkich samorządów w  Polsce "  -  zaznaczył Budzanowski .
Tokens: 1 2_ 3________ 4___________ 5_ 6__ 7_________ 8______ 9_ 10_____________ 11 12_ 13_____ 14__ 15 16____ 17_ 18________ 19________ 20 21____ 22 23 24_______ 25_________ 26

Chunks:
  TruePositive nam [21,21] = Polsce
  FalseNegative nam [25,25] = Budzanowski

(ChunkerEvaluator) Sentence #12950 from articles/00107956 from sent9

Text  : Podkreślił , że mechanizm ten będzie bardzo wiarygodny dla rynku ,  będzie bezpieczny dla finansów publicznych państwa .
Tokens: 1_________ 2 3_ 4________ 5__ 6_____ 7_____ 8_________ 9__ 10___ 11 12____ 13________ 14_ 15______ 16_________ 17_____ 18

Chunks:

2016-10-27 15:00:18,107 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 573 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107958.xml
(ChunkerEvaluator) Sentence #12951 from articles/00107958 from sent1

Text  : Zdobądź indeks na uczelnię
Tokens: 1______ 2_____ 3_ 4_______

Chunks:

(ChunkerEvaluator) Sentence #12952 from articles/00107958 from sent2

Text  : Ruszył nabór do konkursu „ Olimpiada Solidarności ” dla uczniów szkół ponadgimnazjalnych .
Tokens: 1_____ 2____ 3_ 4_______ 5 6________ 7___________ 8 9__ 10_____ 11___ 12________________ 13

Chunks:
  TruePositive nam [6,7] = Olimpiada Solidarności

(ChunkerEvaluator) Sentence #12953 from articles/00107958 from sent3

Text  : Ma ona upowszechnić wiedzę o dwóch dekadach historii Polski ,  okresu 1970 -  1990 .
Tokens: 1_ 2__ 3___________ 4_____ 5 6____ 7_______ 8_______ 9_____ 10 11____ 12__ 13 14__ 15

Chunks:
  TruePositive nam [9,9] = Polski

(ChunkerEvaluator) Sentence #12954 from articles/00107958 from sent4

Text  : Nagrodami są indeksy Uniwersytetu Gdańskiego .
Tokens: 1________ 2_ 3______ 4___________ 5_________ 6

Chunks:
  TruePositive nam [4,5] = Uniwersytetu Gdańskiego

(ChunkerEvaluator) Sentence #12955 from articles/00107958 from sent5

Text  : Pierwszy krok należy do nauczyciela , który na stronie konkursu (  www.olimpiadasolidarnosci.pl )  musi wypełnić formularz rejestracyjny (  uczniowie nie mogą zgłaszać się indywidualnie )  .
Tokens: 1_______ 2___ 3_____ 4_ 5__________ 6 7____ 8_ 9______ 10______ 11 12__________________________ 13 14__ 15______ 16_______ 17___________ 18 19_______ 20_ 21__ 22______ 23_ 24___________ 25 26

Chunks:
  TruePositive nam [12,12] = www.olimpiadasolidarnosci.pl

(ChunkerEvaluator) Sentence #12956 from articles/00107958 from sent6

Text  : Rejestracja trwa do 31 października , a nauczyciel , który wypełni formularz ,  będzie potem koordynować przebieg etapu szkolnego Olimpiady .
Tokens: 1__________ 2___ 3_ 4_ 5___________ 6 7 8_________ 9 10___ 11_____ 12_______ 13 14____ 15___ 16_________ 17______ 18___ 19_______ 20_______ 21

Chunks:
  TruePositive nam [20,20] = Olimpiady

(ChunkerEvaluator) Sentence #12957 from articles/00107958 from sent7

Text  : Składa się ona bowiem z trzech etapów .
Tokens: 1_____ 2__ 3__ 4_____ 5 6_____ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #12958 from articles/00107958 from sent8

Text  : W etapie szkolnym uczniowie będą rywalizować ze sobą indywidualnie ,  rozwiązując test wielokrotnego wyboru ,  składający się z  pytań zamkniętych o  różnym stopniu trudności .
Tokens: 1 2_____ 3_______ 4________ 5___ 6__________ 7_ 8___ 9____________ 10 11_________ 12__ 13___________ 14____ 15 16________ 17_ 18 19___ 20_________ 21 22____ 23_____ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #12959 from articles/00107958 from sent9

Text  : Rozwiązywanie testu rozpocznie się 27 listopada o godz . 9  we wszystkich szkołach ,  które zgłoszą się do udziału w  konkursie .
Tokens: 1____________ 2____ 3_________ 4__ 5_ 6________ 7 8___ 9 10 11 12________ 13______ 14 15___ 16_____ 17_ 18 19_____ 20 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #12960 from articles/00107958 from sent10

Text  : Do następnego etapu przejdzie dwoje uczniów z danej szkoły ,  którzy uzyskają największą liczbę punktów .
Tokens: 1_ 2_________ 3____ 4________ 5____ 6______ 7 8____ 9_____ 10 11____ 12______ 13________ 14____ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #12961 from articles/00107958 from sent11

Text  : Etap wojewódzki również będzie polegał na rozwiązaniu testu .
Tokens: 1___ 2_________ 3______ 4_____ 5______ 6_ 7__________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #12962 from articles/00107958 from sent12

Text  : Trzy osoby , które zdobędą najwyższą liczbę punktów , awansują do trzeciego ,  ogólnopolskiego etapu .
Tokens: 1___ 2____ 3 4____ 5______ 6________ 7_____ 8______ 9 10______ 11 12_______ 13 14_____________ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #12963 from articles/00107958 from sent13

Text  : Między etapem wojewódzkim a ogólnopolskim 16 trzyosobowych drużyn z każdego województwa przyjedzie do Gdańska na dwudniową wizytę studyjną .
Tokens: 1_____ 2_____ 3__________ 4 5____________ 6_ 7____________ 8_____ 9 10_____ 11_________ 12________ 13 14_____ 15 16_______ 17____ 18______ 19

Chunks:
  TruePositive nam [14,14] = Gdańska

(ChunkerEvaluator) Sentence #12964 from articles/00107958 from sent14

Text  : Jej cel : poznanie miejsc związanych z historią „ Solidarności ”  ,  a  także integracja członków poszczególnych drużyn wojewódzkich .
Tokens: 1__ 2__ 3 4_______ 5_____ 6_________ 7 8_______ 9 10__________ 11 12 13 14___ 15________ 16______ 17____________ 18____ 19__________ 20

Chunks:
  FalsePositive nam [9,11] = „ Solidarności ”
  FalseNegative nam [10,10] = Solidarności

(ChunkerEvaluator) Sentence #12965 from articles/00107958 from sent15

Text  : Finał konkursu odbędzie się 4 czerwca 2013 roku w historycznej Sali BHP Stoczni Gdańskiej .
Tokens: 1____ 2_______ 3_______ 4__ 5 6______ 7___ 8___ 9 10__________ 11__ 12_ 13_____ 14_______ 15

Chunks:
  TruePositive nam [11,12] = Sali BHP
  TruePositive nam [13,14] = Stoczni Gdańskiej

(ChunkerEvaluator) Sentence #12966 from articles/00107958 from sent16

Text  : Każda z drużyn będzie musiała przedstawić multimedialną prezentację , którą przygotuje wcześniej ,  a  jury konkursu później ma jeszcze zadawać drużynie pytania .
Tokens: 1____ 2 3_____ 4_____ 5______ 6__________ 7____________ 8__________ 9 10___ 11________ 12_______ 13 14 15__ 16______ 17_____ 18 19_____ 20_____ 21______ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #12967 from articles/00107958 from sent17

Text  : Drużyna , która wygra olimpiadę , otrzyma atrakcyjne nagrody -  promesę indeksu na Wydział Nauk Społecznych Uniwersytetu Gdańskiego na kierunkach :  dziennikarstwo i  komunikacja społeczna ,  politologia oraz socjologia .
Tokens: 1______ 2 3____ 4____ 5________ 6 7______ 8_________ 9______ 10 11_____ 12_____ 13 14_____ 15__ 16_________ 17__________ 18________ 19 20________ 21 22____________ 23 24_________ 25_______ 26 27_________ 28__ 29________ 30

Chunks:
  FalsePositive nam [14,18] = Wydział Nauk Społecznych Uniwersytetu Gdańskiego

(ChunkerEvaluator) Sentence #12968 from articles/00107958 from sent18

Text  : Dodatkowo zwycięska trójka otrzyma miesięczny płatny staż w czasie wakacji w  jednej z  instytucji państwowych .
Tokens: 1________ 2________ 3_____ 4______ 5_________ 6_____ 7___ 8 9_____ 10_____ 11 12____ 13 14________ 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #12969 from articles/00107958 from sent19

Text  : Pomysłodawcą i organizatorem Olimpiady jest fundacja Centrum Solidarności z Gdańska ,  ale w  projekcie uczestniczy szereg instytucji .
Tokens: 1___________ 2 3____________ 4________ 5___ 6_______ 7______ 8___________ 9 10_____ 11 12_ 13 14_______ 15_________ 16____ 17________ 18

Chunks:
  TruePositive nam [4,4] = Olimpiady
  FalsePositive nam [7,10] = Centrum Solidarności z Gdańska
  FalseNegative nam [7,8] = Centrum Solidarności
  FalseNegative nam [10,10] = Gdańska

(ChunkerEvaluator) Sentence #12970 from articles/00107958 from sent20

Text  : Patronat nad przedsięwzięciem objęło Ministerstwo Edukacji Narodowej oraz Ministerstwo Nauki i  Szkolnictwa Wyższego .
Tokens: 1_______ 2__ 3_______________ 4_____ 5___________ 6_______ 7________ 8___ 9___________ 10___ 11 12_________ 13______ 14

Chunks:
  TruePositive nam [5,7] = Ministerstwo Edukacji Narodowej
  TruePositive nam [9,13] = Ministerstwo Nauki i Szkolnictwa Wyższego

(ChunkerEvaluator) Sentence #12971 from articles/00107958 from sent21

Text  : Swoje poparcie dla projektu wyraził również Lech Wałęsa , który przyjął rolę honorowego patrona konkursu .
Tokens: 1____ 2_______ 3__ 4_______ 5______ 6______ 7___ 8_____ 9 10___ 11_____ 12__ 13________ 14_____ 15______ 16

Chunks:
  TruePositive nam [7,8] = Lech Wałęsa

(ChunkerEvaluator) Sentence #12972 from articles/00107958 from sent22

Text  : Współorganizatorem konkursu jest Fundacja Centrum im . prof . Bronisława Geremka ,  a  partnerami Instytut Pamięci Narodowej ,  NSZZ „  Solidarność ”  oraz Uniwersytet Gdański .
Tokens: 1_________________ 2_______ 3___ 4_______ 5______ 6_ 7 8___ 9 10________ 11_____ 12 13 14________ 15______ 16_____ 17_______ 18 19__ 20 21_________ 22 23__ 24_________ 25_____ 26

Chunks:
  TruePositive nam [4,11] = Fundacja Centrum im . prof . Bronisława Geremka
  TruePositive nam [15,17] = Instytut Pamięci Narodowej
  TruePositive nam [19,22] = NSZZ „ Solidarność ”
  TruePositive nam [24,25] = Uniwersytet Gdański

2016-10-27 15:00:18,223 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 574 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107959.xml
(ChunkerEvaluator) Sentence #12973 from articles/00107959 from sent1

Text  : Białoruś .
Tokens: 1_______ 2

Chunks:
  TruePositive nam [1,1] = Białoruś

(ChunkerEvaluator) Sentence #12974 from articles/00107959 from sent2

Text  : Łukaszenka : chcemy współpracować i z UE i z Rosją
Tokens: 1_________ 2 3_____ 4____________ 5 6 7_ 8 9 10___

Chunks:
  TruePositive nam [1,1] = Łukaszenka
  TruePositive nam [7,7] = UE
  TruePositive nam [10,10] = Rosją

(ChunkerEvaluator) Sentence #12975 from articles/00107959 from sent3

Text  : Białoruś nie chce sporów z Unią Europejską , ale zależy jej także na przyjaźni Rosji -  oświadczył we wtorek prezydent Alaksandr Łukaszenka na konferencji prasowej dla rosyjskich dziennikarzy ,  deklarując kurs na dalszą integrację z  Rosją .
Tokens: 1_______ 2__ 3___ 4_____ 5 6___ 7_________ 8 9__ 10____ 11_ 12___ 13 14_______ 15___ 16 17________ 18 19____ 20_______ 21_______ 22________ 23 24_________ 25______ 26_ 27________ 28__________ 29 30________ 31__ 32 33____ 34________ 35 36___ 37

Chunks:
  TruePositive nam [1,1] = Białoruś
  TruePositive nam [6,7] = Unią Europejską
  TruePositive nam [15,15] = Rosji
  TruePositive nam [21,22] = Alaksandr Łukaszenka
  TruePositive nam [36,36] = Rosją

(ChunkerEvaluator) Sentence #12976 from articles/00107959 from sent4

Text  : " Określili śmy naszą politykę zagraniczną jako wielowektorową .
Tokens: 1 2________ 3__ 4____ 5_______ 6__________ 7___ 8_____________ 9

Chunks:

(ChunkerEvaluator) Sentence #12977 from articles/00107959 from sent5

Text  : Nie chcemy spierać się i kłócić z Unią Europejską ,  ale chcemy żyć w  przyjaźni także z  Rosją "  -  powiedział prezydent .
Tokens: 1__ 2_____ 3______ 4__ 5 6_____ 7 8___ 9_________ 10 11_ 12____ 13_ 14 15_______ 16___ 17 18___ 19 20 21________ 22_______ 23

Chunks:
  TruePositive nam [8,9] = Unią Europejską
  TruePositive nam [18,18] = Rosją

(ChunkerEvaluator) Sentence #12978 from articles/00107959 from sent6

Text  : Podkreślił , że Białoruś nie stwarza żadnych problemów swoim sąsiadom ,  chociaż "  niektóre państwa są niezadowolone z  tego ,  co się dzieje na Białorusi ,  na przykład Polska "  .
Tokens: 1_________ 2 3_ 4_______ 5__ 6______ 7______ 8________ 9____ 10______ 11 12_____ 13 14______ 15_____ 16 17___________ 18 19__ 20 21 22_ 23____ 24 25_______ 26 27 28______ 29____ 30 31

Chunks:
  TruePositive nam [4,4] = Białoruś
  TruePositive nam [25,25] = Białorusi
  TruePositive nam [29,29] = Polska

(ChunkerEvaluator) Sentence #12979 from articles/00107959 from sent7

Text  : Łukaszenka potwierdził kurs na dalszą integrację z Rosją w ramach Państwa Związkowego Białorusi i  Rosji .
Tokens: 1_________ 2__________ 3___ 4_ 5_____ 6_________ 7 8____ 9 10____ 11_____ 12_________ 13_______ 14 15___ 16

Chunks:
  TruePositive nam [1,1] = Łukaszenka
  TruePositive nam [8,8] = Rosją
  FalsePositive nam [11,13] = Państwa Związkowego Białorusi
  FalsePositive nam [15,15] = Rosji
  FalseNegative nam [11,15] = Państwa Związkowego Białorusi i Rosji

(ChunkerEvaluator) Sentence #12980 from articles/00107959 from sent8

Text  : Jak zaznaczył , oba kraje przekonały się , że nie mogą się bez siebie obyć we współczesnym świecie .
Tokens: 1__ 2________ 3 4__ 5____ 6_________ 7__ 8 9_ 10_ 11__ 12_ 13_ 14____ 15__ 16 17__________ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #12981 from articles/00107959 from sent9

Text  : " Jak się okazało , silne i niezależne nasze państwa nie są potrzebne nikomu z  wyjątkiem nas samych .
Tokens: 1 2__ 3__ 4______ 5 6____ 7 8_________ 9____ 10_____ 11_ 12 13_______ 14____ 15 16_______ 17_ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #12982 from articles/00107959 from sent10

Text  : Konkurencja jest dziś ostra jak nigdy . ( . .  .  )
Tokens: 1__________ 2___ 3___ 4____ 5__ 6____ 7 8 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #12983 from articles/00107959 from sent11

Text  : Dlatego Białorusini i Rosjanie są po prostu zmuszeni walczyć o  swoje miejsce pod słońcem ,  ale miejsce godne ,  na które nasze narody zasługują "  -  powiedział .
Tokens: 1______ 2__________ 3 4_______ 5_ 6_ 7_____ 8_______ 9______ 10 11___ 12_____ 13_ 14_____ 15 16_ 17_____ 18___ 19 20 21___ 22___ 23____ 24_______ 25 26 27________ 28

Chunks:
  TruePositive nam [2,2] = Białorusini
  TruePositive nam [4,4] = Rosjanie

(ChunkerEvaluator) Sentence #12984 from articles/00107959 from sent12

Text  : Zarzucił przy tym Rosji , że nie dopuszcza Białorusi do eksploatacji swoich złóż ropy i  gazu .
Tokens: 1_______ 2___ 3__ 4____ 5 6_ 7__ 8________ 9________ 10 11__________ 12____ 13__ 14__ 15 16__ 17

Chunks:
  TruePositive nam [4,4] = Rosji
  TruePositive nam [9,9] = Białorusi

(ChunkerEvaluator) Sentence #12985 from articles/00107959 from sent13

Text  : " Chcecie kupić nasze rafinerie ( . . . )  -  dajcie nam wydobywać gaz ziemny .
Tokens: 1 2______ 3____ 4____ 5________ 6 7 8 9 10 11 12____ 13_ 14_______ 15_ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #12986 from articles/00107959 from sent14

Text  : Zużywamy 22 mld metrów sześciennych gazu , dajcie nam wydobyć 10 mld "  -  zaproponował .
Tokens: 1_______ 2_ 3__ 4_____ 5___________ 6___ 7 8_____ 9__ 10_____ 11 12_ 13 14 15__________ 16

Chunks:

(ChunkerEvaluator) Sentence #12987 from articles/00107959 from sent15

Text  : Dodał , że Rosja mogła by udostępnić Białorusi także swoje złoża ropy .
Tokens: 1____ 2 3_ 4____ 5____ 6_ 7_________ 8________ 9____ 10___ 11___ 12__ 13

Chunks:
  TruePositive nam [4,4] = Rosja
  TruePositive nam [8,8] = Białorusi

(ChunkerEvaluator) Sentence #12988 from articles/00107959 from sent16

Text  : Według niego systemy polityczne Białorusi i Rosji niewiele się od siebie różnią ,  choć są w  nich pewne rysy specyficzne .
Tokens: 1_____ 2____ 3______ 4_________ 5________ 6 7____ 8_______ 9__ 10 11____ 12____ 13 14__ 15 16 17__ 18___ 19__ 20_________ 21

Chunks:
  TruePositive nam [5,5] = Białorusi
  TruePositive nam [7,7] = Rosji

(ChunkerEvaluator) Sentence #12989 from articles/00107959 from sent17

Text  : " Kiedy mnie się kończyły dwie kadencje prezydentury , nie robili śmy żadnych kombinacji ,  tylko wyszli śmy do narodu i  powiedzieli śmy ,  że możemy pracować dalej ,  ale trzeba do tego znieść ograniczenia w  konstytucji "  -  oświadczył ,  odnosząc się do referendum z  2004 roku ,  po którym skasowano zapis ograniczający liczbę kadencji na stanowisku prezydenta Białorusi sprawowanych przez jedną osobę .
Tokens: 1 2____ 3___ 4__ 5_______ 6___ 7_______ 8___________ 9 10_ 11____ 12_ 13_____ 14________ 15 16___ 17____ 18_ 19 20____ 21 22_________ 23_ 24 25 26____ 27______ 28___ 29 30_ 31____ 32 33__ 34____ 35__________ 36 37_________ 38 39 40________ 41 42______ 43_ 44 45________ 46 47__ 48__ 49 50 51____ 52_______ 53___ 54___________ 55____ 56______ 57 58________ 59________ 60_______ 61__________ 62___ 63___ 64___ 65

Chunks:
  TruePositive nam [60,60] = Białorusi

(ChunkerEvaluator) Sentence #12990 from articles/00107959 from sent18

Text  : Zaznaczył , że Białoruś i Rosja powinny pokazać na własnym przykładzie ,  jak budować związki ,  "  aby Ukraina sama do nas szła ,  a  nie była przez nas ciągnięta "  .
Tokens: 1________ 2 3_ 4_______ 5 6____ 7______ 8______ 9_ 10_____ 11_________ 12 13_ 14_____ 15_____ 16 17 18_ 19_____ 20__ 21 22_ 23__ 24 25 26_ 27__ 28___ 29_ 30_______ 31 32

Chunks:
  TruePositive nam [4,4] = Białoruś
  TruePositive nam [6,6] = Rosja
  TruePositive nam [19,19] = Ukraina

(ChunkerEvaluator) Sentence #12991 from articles/00107959 from sent19

Text  : Wyraził przy tym przekonanie , że " naród Ukrainy to w  większości nasz naród ,  to Słowianie "  .
Tokens: 1______ 2___ 3__ 4__________ 5 6_ 7 8____ 9______ 10 11 12________ 13__ 14___ 15 16 17_______ 18 19

Chunks:
  TruePositive nam [9,9] = Ukrainy
  TruePositive nam [17,17] = Słowianie

(ChunkerEvaluator) Sentence #12992 from articles/00107959 from sent20

Text  : Łukaszenka odniósł się także do praw człowieka , za których nieprzestrzeganie Białoruś jest krytykowana .
Tokens: 1_________ 2______ 3__ 4____ 5_ 6___ 7________ 8 9_ 10_____ 11_______________ 12______ 13__ 14_________ 15

Chunks:
  TruePositive nam [1,1] = Łukaszenka
  TruePositive nam [12,12] = Białoruś

(ChunkerEvaluator) Sentence #12993 from articles/00107959 from sent21

Text  : Powiedział , iż mówi się , że prawa człowieka to "  partie ,  wolność mediów ,  wolność więźniów politycznych ,  a  my mamy dwóch czy trzech tak zwanych więźniów politycznych -  tych ,  co szturmowali siedzibę rządu rok temu "  .
Tokens: 1_________ 2 3_ 4___ 5__ 6 7_ 8____ 9________ 10 11 12____ 13 14_____ 15____ 16 17_____ 18______ 19__________ 20 21 22 23__ 24___ 25_ 26____ 27_ 28_____ 29______ 30__________ 31 32__ 33 34 35_________ 36______ 37___ 38_ 39__ 40 41

Chunks:

(ChunkerEvaluator) Sentence #12994 from articles/00107959 from sent22

Text  : Nawiązał w ten sposób do ataku grupy ludzi na drzwi gmachu rządu po wyborach prezydenckich w  2010 roku .
Tokens: 1_______ 2 3__ 4_____ 5_ 6____ 7____ 8____ 9_ 10___ 11____ 12___ 13 14______ 15___________ 16 17__ 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #12995 from articles/00107959 from sent23

Text  : Według opozycji atak ten był prowokacją .
Tokens: 1_____ 2_______ 3___ 4__ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #12996 from articles/00107959 from sent24

Text  : " Ja zaś uważam , że prawa człowieka to przede wszystkim prawo do życia .
Tokens: 1 2_ 3__ 4_____ 5 6_ 7____ 8________ 9_ 10____ 11_______ 12___ 13 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #12997 from articles/00107959 from sent25

Text  : I wokół życia człowieka powinni śmy wszystko budować , a  w  pierwszym rzędzie bezpieczeństwo .
Tokens: 1 2____ 3____ 4________ 5______ 6__ 7_______ 8______ 9 10 11 12_______ 13_____ 14____________ 15

Chunks:

(ChunkerEvaluator) Sentence #12998 from articles/00107959 from sent26

Text  : To prawo do pracy , normalnego zarobku , możliwość opłacenia usług komunalnych i  nakarmienia rodziny "  -  zaznaczył .
Tokens: 1_ 2____ 3_ 4____ 5 6_________ 7______ 8 9________ 10_______ 11___ 12_________ 13 14_________ 15_____ 16 17 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #12999 from articles/00107959 from sent27

Text  : " Oczywiście wszystkich ogrzać się nie da , dobrze to rozumiem .
Tokens: 1 2_________ 3_________ 4_____ 5__ 6__ 7_ 8 9_____ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #13000 from articles/00107959 from sent28

Text  : Ale na Białorusi są możliwości , żeby żyć i pracować .
Tokens: 1__ 2_ 3________ 4_ 5_________ 6 7___ 8__ 9 10______ 11

Chunks:
  TruePositive nam [3,3] = Białorusi

(ChunkerEvaluator) Sentence #13001 from articles/00107959 from sent29

Text  : Trzeba się tylko postarać " - podkreślił .
Tokens: 1_____ 2__ 3____ 4_______ 5 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #13002 from articles/00107959 from sent30

Text  : W kwietniu 1997 roku Białoruś utworzyła z Moskwą Związek Białorusi i  Rosji (  ZBiR )  ,  a  w  1999 roku podpisano traktat o  przekształceniu ZBiR w  Państwo Związkowe Rosji i  Białorusi .
Tokens: 1 2_______ 3___ 4___ 5_______ 6________ 7 8_____ 9______ 10_______ 11 12___ 13 14__ 15 16 17 18 19__ 20__ 21_______ 22_____ 23 24_____________ 25__ 26 27_____ 28_______ 29___ 30 31_______ 32

Chunks:
  TruePositive nam [5,5] = Białoruś
  TruePositive nam [14,14] = ZBiR
  TruePositive nam [25,25] = ZBiR
  FalsePositive nam [8,10] = Moskwą Związek Białorusi
  FalsePositive nam [12,12] = Rosji
  FalsePositive nam [27,29] = Państwo Związkowe Rosji
  FalsePositive nam [31,31] = Białorusi
  FalseNegative nam [8,8] = Moskwą
  FalseNegative nam [9,12] = Związek Białorusi i Rosji
  FalseNegative nam [27,31] = Państwo Związkowe Rosji i Białorusi

(ChunkerEvaluator) Sentence #13003 from articles/00107959 from sent31

Text  : W 2010 roku Rosja , Białoruś i Kazachstan utworzyły Unię Celną ,  a  1  stycznia 2012 powołały do życia Wspólną Przestrzeń Gospodarczą ze swobodnym przepływem towarów ,  usług ,  kapitałów i  siły roboczej .
Tokens: 1 2___ 3___ 4____ 5 6_______ 7 8_________ 9________ 10__ 11___ 12 13 14 15______ 16__ 17______ 18 19___ 20_____ 21________ 22_________ 23 24_______ 25________ 26_____ 27 28___ 29 30_______ 31 32__ 33______ 34

Chunks:
  TruePositive nam [4,4] = Rosja
  TruePositive nam [6,6] = Białoruś
  TruePositive nam [8,8] = Kazachstan
  TruePositive nam [10,11] = Unię Celną
  TruePositive nam [20,22] = Wspólną Przestrzeń Gospodarczą

(ChunkerEvaluator) Sentence #13004 from articles/00107959 from sent32

Text  : Prezydenci trzech krajów zapowiedzieli , że najpóźniej w 2015 roku te trzy państwa utworzą Eurazjatycką Unię Gospodarczą ,  wspólnotę wzorowaną na UE .
Tokens: 1_________ 2_____ 3_____ 4____________ 5 6_ 7_________ 8 9___ 10__ 11 12__ 13_____ 14_____ 15__________ 16__ 17_________ 18 19_______ 20_______ 21 22 23

Chunks:
  TruePositive nam [15,17] = Eurazjatycką Unię Gospodarczą
  TruePositive nam [22,22] = UE

(ChunkerEvaluator) Sentence #13005 from articles/00107959 from sent33

Text  : UE wyraziła w poniedziałek poważne zaniepokojenie brakiem poszanowania demokracji przez Białoruś i  przedłużyła na kolejny rok sankcje wobec reżimu w  Mińsku .
Tokens: 1_ 2_______ 3 4___________ 5______ 6_____________ 7______ 8___________ 9_________ 10___ 11______ 12 13_________ 14 15_____ 16_ 17_____ 18___ 19____ 20 21____ 22

Chunks:
  TruePositive nam [1,1] = UE
  TruePositive nam [11,11] = Białoruś
  TruePositive nam [21,21] = Mińsku

(ChunkerEvaluator) Sentence #13006 from articles/00107959 from sent34

Text  : Polegają one na zakazie wjazdu do krajów członkowskich UE 243 osób ,  w  tym Łukaszenki .
Tokens: 1_______ 2__ 3_ 4______ 5_____ 6_ 7_____ 8____________ 9_ 10_ 11__ 12 13 14_ 15________ 16

Chunks:
  TruePositive nam [9,9] = UE
  TruePositive nam [15,15] = Łukaszenki

(ChunkerEvaluator) Sentence #13007 from articles/00107959 from sent35

Text  : Osoby te , a także 32 firmy białoruskie są objęte zamrożeniem aktywów w  UE .
Tokens: 1____ 2_ 3 4 5____ 6_ 7____ 8__________ 9_ 10____ 11_________ 12_____ 13 14 15

Chunks:
  TruePositive nam [14,14] = UE

(ChunkerEvaluator) Sentence #13008 from articles/00107959 from sent36

Text  : Na unijnej czarnej liście pozostawiono szefa MSZ Białorusi Uładzimira Makieja .
Tokens: 1_ 2______ 3______ 4_____ 5___________ 6____ 7__ 8________ 9_________ 10_____ 11

Chunks:
  TruePositive nam [7,7] = MSZ
  FalsePositive nam [8,10] = Białorusi Uładzimira Makieja
  FalseNegative nam [8,8] = Białorusi
  FalseNegative nam [9,10] = Uładzimira Makieja

(ChunkerEvaluator) Sentence #13009 from articles/00107959 from sent37

Text  : Będzie on mógł jednak ubiegać się o wizę do UE ,  np .  na spotkania Partnerstwa Wschodniego .
Tokens: 1_____ 2_ 3___ 4_____ 5______ 6__ 7 8___ 9_ 10 11 12 13 14 15_______ 16_________ 17_________ 18

Chunks:
  TruePositive nam [10,10] = UE
  TruePositive nam [16,17] = Partnerstwa Wschodniego

(ChunkerEvaluator) Sentence #13010 from articles/00107959 from sent38

Text  : Z Mińska Małgorzata Wyrzykowska
Tokens: 1 2_____ 3_________ 4__________

Chunks:
  TruePositive nam [2,2] = Mińska
  TruePositive nam [3,4] = Małgorzata Wyrzykowska

2016-10-27 15:00:18,444 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 575 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107960.xml
(ChunkerEvaluator) Sentence #13011 from articles/00107960 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #13012 from articles/00107960 from sent2

Text  : Blisko 2 , 5 mln zł z budżetu dla funduszy sołeckich
Tokens: 1_____ 2 3 4 5__ 6_ 7 8______ 9__ 10______ 11_______

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #13013 from articles/00107960 from sent3

Text  : Blisko 2 , 5 mln zł otrzymały łącznie w br .  te gminy woj .  śląskiego ,  które zdecydowały się na wyodrębnienie w  swoich budżetach funduszy sołeckich .
Tokens: 1_____ 2 3 4 5__ 6_ 7________ 8______ 9 10 11 12 13___ 14_ 15 16_______ 17 18___ 19_________ 20_ 21 22___________ 23 24____ 25_______ 26______ 27_______ 28

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [16,16] = śląskiego

(ChunkerEvaluator) Sentence #13014 from articles/00107960 from sent4

Text  : Na przyszły rok dla gmin z regionu zarezerwowano 3 ,  1  mln zł ,  jako refundację wydatków poniesionych w  2012 roku .
Tokens: 1_ 2_______ 3__ 4__ 5___ 6 7______ 8____________ 9 10 11 12_ 13 14 15__ 16________ 17______ 18__________ 19 20__ 21__ 22

Chunks:
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #13015 from articles/00107960 from sent5

Text  : Możliwość tworzenia funduszy sołeckich samorządy zyskały w 2010 r .
Tokens: 1________ 2________ 3_______ 4________ 5________ 6______ 7 8___ 9 10

Chunks:

(ChunkerEvaluator) Sentence #13016 from articles/00107960 from sent6

Text  : Z tych środków realizowane są przedsięwzięcia w poszczególnych sołectwach .
Tokens: 1 2___ 3______ 4__________ 5_ 6______________ 7 8_____________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #13017 from articles/00107960 from sent7

Text  : Później budżet refunduje gminom do 30 proc . poniesionych na takie cele wydatków .
Tokens: 1______ 2_____ 3________ 4_____ 5_ 6_ 7___ 8 9___________ 10 11___ 12__ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #13018 from articles/00107960 from sent8

Text  : Wielkość dofinansowania zależy przede wszystkim od dochodów gminy i liczby mieszkańców .
Tokens: 1_______ 2_____________ 3_____ 4_____ 5________ 6_ 7_______ 8____ 9 10____ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #13019 from articles/00107960 from sent9

Text  : Jak powiedział w środę PAP wicedyrektor wydziału rozwoju regionalnego Śląskiego Urzędu Wojewódzkiego w  Katowicach Paweł Siembab ,  w  woj .  śląskim przeważająca większość gmin ,  które wyodrębniły fundusze sołeckie ,  otrzymuje maksymalne dofinansowanie ,  rzędu 30 proc .
Tokens: 1__ 2_________ 3 4____ 5__ 6___________ 7_______ 8______ 9___________ 10_______ 11____ 12___________ 13 14________ 15___ 16_____ 17 18 19_ 20 21_____ 22__________ 23_______ 24__ 25 26___ 27_________ 28______ 29______ 30 31_______ 32________ 33____________ 34 35___ 36 37__ 38

Chunks:
  TruePositive nam [5,5] = PAP
  TruePositive nam [15,16] = Paweł Siembab
  TruePositive nam [21,21] = śląskim
  FalsePositive nam [10,14] = Śląskiego Urzędu Wojewódzkiego w Katowicach
  FalseNegative nam [10,12] = Śląskiego Urzędu Wojewódzkiego
  FalseNegative nam [14,14] = Katowicach

(ChunkerEvaluator) Sentence #13020 from articles/00107960 from sent10

Text  : Oznacza to , że o pieniądze starają się najczęściej mniej zamożne samorządy .
Tokens: 1______ 2_ 3 4_ 5 6________ 7______ 8__ 9__________ 10___ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #13021 from articles/00107960 from sent11

Text  : W ubiegłym roku , kiedy budżet refundował gminom wydatki funduszy sołeckich poniesione w  2010 r  .  ,  62 gminy otrzymały w  sumie ok .  2  ,  2  mln zł .
Tokens: 1 2_______ 3___ 4 5____ 6_____ 7_________ 8_____ 9______ 10______ 11_______ 12________ 13 14__ 15 16 17 18 19___ 20_______ 21 22___ 23 24 25 26 27 28_ 29 30

Chunks:
  TruePositive nam [29,29] = zł

(ChunkerEvaluator) Sentence #13022 from articles/00107960 from sent12

Text  : W tym roku 65 gminom wypłacono w sumie blisko 2  ,  5  mln zł ,  jako refundację kosztów poniesionych w  2011 r  .
Tokens: 1 2__ 3___ 4_ 5_____ 6________ 7 8____ 9_____ 10 11 12 13_ 14 15 16__ 17________ 18_____ 19__________ 20 21__ 22 23

Chunks:
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #13023 from articles/00107960 from sent13

Text  : Na tegoroczne wydatki gmin , które zostaną zrefundowane do końca sierpnia 2013 r  .  ,  w  budżecie państwa przewidziano kwotę 3  ,  1  mln zł .
Tokens: 1_ 2_________ 3______ 4___ 5 6____ 7______ 8___________ 9_ 10___ 11______ 12__ 13 14 15 16 17______ 18_____ 19__________ 20___ 21 22 23 24_ 25 26

Chunks:
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #13024 from articles/00107960 from sent14

Text  : Z danych wynika , że na utworzenie funduszu sołeckiego zdecydowało się w  woj .  śląskim około dwie trzecie uprawnionych do tego gmin .
Tokens: 1 2_____ 3_____ 4 5_ 6_ 7_________ 8_______ 9_________ 10_________ 11_ 12 13_ 14 15_____ 16___ 17__ 18_____ 19__________ 20 21__ 22__ 23

Chunks:
  TruePositive nam [15,15] = śląskim

(ChunkerEvaluator) Sentence #13025 from articles/00107960 from sent15

Text  : W sumie w regionie jest 167 gmin , jednak ponad 70 z  nich to miasta ,  gdzie najczęściej nie ma sołectw ,  a  dzielnice -  choć przepisy nie wykluczają działania sołectw także w  mieście .
Tokens: 1 2____ 3 4_______ 5___ 6__ 7___ 8 9_____ 10___ 11 12 13__ 14 15____ 16 17___ 18_________ 19_ 20 21_____ 22 23 24_______ 25 26__ 27______ 28_ 29________ 30_______ 31_____ 32___ 33 34_____ 35

Chunks:

(ChunkerEvaluator) Sentence #13026 from articles/00107960 from sent16

Text  : Fundusze sołeckie powstały natomiast w ok . 65 z niespełna 100 gmin wiejskich .
Tokens: 1_______ 2_______ 3_______ 4________ 5 6_ 7 8_ 9 10_______ 11_ 12__ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #13027 from articles/00107960 from sent17

Text  : Według danych Ministerstwa Finansów w 2011 r . w całej Polsce zrealizowano przedsięwzięcia z  funduszu sołeckiego na łączną kwotę ponad 205 ,  3  mln zł .
Tokens: 1_____ 2_____ 3___________ 4_______ 5 6___ 7 8 9 10___ 11____ 12__________ 13_____________ 14 15______ 16________ 17 18____ 19___ 20___ 21_ 22 23 24_ 25 26

Chunks:
  TruePositive nam [3,4] = Ministerstwa Finansów
  TruePositive nam [11,11] = Polsce
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #13028 from articles/00107960 from sent18

Text  : Najwięcej środków , 37 proc . , przeznaczono na projekty transportowe ,  głównie drogi .
Tokens: 1________ 2______ 3 4_ 5___ 6 7 8___________ 9_ 10______ 11__________ 12 13_____ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #13029 from articles/00107960 from sent19

Text  : 23 proc . zasiliło przedsięwzięcia kulturalne ( głównie ośrodki kultury i  świetlice wiejskie )  ,  a  13 proc .  projekty z  zakresu gospodarki komunalnej i  ochrony środowiska (  np .  utrzymanie zieleni ,  oczyszczanie wsi )  .
Tokens: 1_ 2___ 3 4_______ 5______________ 6_________ 7 8______ 9______ 10_____ 11 12_______ 13______ 14 15 16 17 18__ 19 20______ 21 22_____ 23________ 24________ 25 26_____ 27________ 28 29 30 31________ 32_____ 33 34__________ 35_ 36 37

Chunks:

(ChunkerEvaluator) Sentence #13030 from articles/00107960 from sent20

Text  : 8 proc . trafiło na przedsięwzięcia związane np . z  gminnymi obiektami sportowymi ,  a  6  proc .  -  na związane z  bezpieczeństwem i  ochroną przeciwpożarową wsi .  (  PAP )
Tokens: 1 2___ 3 4______ 5_ 6______________ 7_______ 8_ 9 10 11______ 12_______ 13________ 14 15 16 17__ 18 19 20 21______ 22 23_____________ 24 25_____ 26_____________ 27_ 28 29 30_ 31

Chunks:
  TruePositive nam [30,30] = PAP

2016-10-27 15:00:18,562 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 576 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107961.xml
(ChunkerEvaluator) Sentence #13031 from articles/00107961 from sent1

Text  : El .
Tokens: 1_ 2

Chunks:

(ChunkerEvaluator) Sentence #13032 from articles/00107961 from sent2

Text  : MŚ 2014 - wyniki , tabele
Tokens: 1_ 2___ 3 4_____ 5 6_____

Chunks:
  FalsePositive nam [1,1] = MŚ
  FalseNegative nam [1,2] = MŚ 2014

(ChunkerEvaluator) Sentence #13033 from articles/00107961 from sent3

Text  : Wyniki meczów i tabele grup eliminacji piłkarskich mistrzostw świata po jedynym rozegranym w  środę meczu -  Polska -  Anglia (  1  :  1  )  :  Grupa A  Chorwacja -  Walia 2  :  0  (  1  :  0  )  Macedonia -  Serbia 1  :  0  (  0  :  0  )  Belgia -  Szkocja 2  :  0  (  0  :  0  )
Tokens: 1_____ 2_____ 3 4_____ 5___ 6_________ 7__________ 8_________ 9_____ 10 11_____ 12________ 13 14___ 15___ 16 17____ 18 19____ 20 21 22 23 24 25 26___ 27 28_______ 29 30___ 31 32 33 34 35 36 37 38 39_______ 40 41____ 42 43 44 45 46 47 48 49 50____ 51 52_____ 53 54 55 56 57 58 59 60

Chunks:
  TruePositive nam [17,17] = Polska
  TruePositive nam [19,19] = Anglia
  TruePositive nam [30,30] = Walia
  TruePositive nam [39,39] = Macedonia
  TruePositive nam [41,41] = Serbia
  TruePositive nam [50,50] = Belgia
  TruePositive nam [52,52] = Szkocja
  FalsePositive nam [26,28] = Grupa A Chorwacja
  FalseNegative nam [28,28] = Chorwacja

(ChunkerEvaluator) Sentence #13034 from articles/00107961 from sent4

Text  : M Z R P bramki pkt 1 .
Tokens: 1 2 3 4 5_____ 6__ 7 8

Chunks:

(ChunkerEvaluator) Sentence #13035 from articles/00107961 from sent5

Text  : Belgia 4 3 1 0 8 - 1 10 2  .
Tokens: 1_____ 2 3 4 5 6 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Belgia

(ChunkerEvaluator) Sentence #13036 from articles/00107961 from sent6

Text  : Chorwacja 4 3 1 0 6 - 2 10 3  .
Tokens: 1________ 2 3 4 5 6 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Chorwacja

(ChunkerEvaluator) Sentence #13037 from articles/00107961 from sent7

Text  : Serbia 4 1 1 2 6 - 5 4 4  .
Tokens: 1_____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Serbia

(ChunkerEvaluator) Sentence #13038 from articles/00107961 from sent8

Text  : Macedonia 4 1 1 2 3 - 4 4 5  .
Tokens: 1________ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Macedonia

(ChunkerEvaluator) Sentence #13039 from articles/00107961 from sent9

Text  : Walia 4 1 0 3 3 - 11 3 6  .
Tokens: 1____ 2 3 4 5 6 7 8_ 9 10 11

Chunks:
  FalsePositive nam [1,2] = Walia 4
  FalseNegative nam [1,1] = Walia

(ChunkerEvaluator) Sentence #13040 from articles/00107961 from sent10

Text  : Szkocja 4 0 2 2 2 - 5 2
Tokens: 1______ 2 3 4 5 6 7 8 9

Chunks:
  FalseNegative nam [1,1] = Szkocja

(ChunkerEvaluator) Sentence #13041 from articles/00107961 from sent11

Text  : Grupa B Czechy - Bułgaria 0 : 0 Włochy -  Dania 3  :  1  (  2  :  1  )
Tokens: 1____ 2 3_____ 4 5_______ 6 7 8 9_____ 10 11___ 12 13 14 15 16 17 18 19

Chunks:
  TruePositive nam [5,5] = Bułgaria
  TruePositive nam [9,9] = Włochy
  TruePositive nam [11,11] = Dania
  FalsePositive nam [1,3] = Grupa B Czechy
  FalseNegative nam [3,3] = Czechy

(ChunkerEvaluator) Sentence #13042 from articles/00107961 from sent12

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13043 from articles/00107961 from sent13

Text  : Włochy 4 3 1 0 10 - 4 10 2  .
Tokens: 1_____ 2 3 4 5 6_ 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Włochy

(ChunkerEvaluator) Sentence #13044 from articles/00107961 from sent14

Text  : Bułgaria 4 1 3 0 4 - 3 6 3  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Bułgaria

(ChunkerEvaluator) Sentence #13045 from articles/00107961 from sent15

Text  : Czechy 3 1 2 0 3 - 1 5 4  .
Tokens: 1_____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Czechy

(ChunkerEvaluator) Sentence #13046 from articles/00107961 from sent16

Text  : Armenia 3 1 0 2 2 - 4 3 5  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Armenia

(ChunkerEvaluator) Sentence #13047 from articles/00107961 from sent17

Text  : Dania 3 0 2 1 2 - 4 2 6  .
Tokens: 1____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Dania

(ChunkerEvaluator) Sentence #13048 from articles/00107961 from sent18

Text  : Malta 3 0 0 3 1 - 6 0
Tokens: 1____ 2 3 4 5 6 7 8 9

Chunks:
  TruePositive nam [1,1] = Malta

(ChunkerEvaluator) Sentence #13049 from articles/00107961 from sent19

Text  : Grupa C Wyspy Owcze - Irlandia 1 : 4 (  0  :  0  )  Austria -  Kazachstan 4  :  0  (  1  :  0  )  Niemcy -  Szwecja 4  :  4  (  3  :  0  )
Tokens: 1____ 2 3____ 4____ 5 6_______ 7 8 9 10 11 12 13 14 15_____ 16 17________ 18 19 20 21 22 23 24 25 26____ 27 28_____ 29 30 31 32 33 34 35 36

Chunks:
  TruePositive nam [3,4] = Wyspy Owcze
  TruePositive nam [6,6] = Irlandia
  TruePositive nam [15,15] = Austria
  TruePositive nam [17,17] = Kazachstan
  TruePositive nam [26,26] = Niemcy
  TruePositive nam [28,28] = Szwecja

(ChunkerEvaluator) Sentence #13050 from articles/00107961 from sent20

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13051 from articles/00107961 from sent21

Text  : Niemcy 4 3 1 0 15 - 6 10 2  .
Tokens: 1_____ 2 3 4 5 6_ 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Niemcy

(ChunkerEvaluator) Sentence #13052 from articles/00107961 from sent22

Text  : Szwecja 3 2 1 0 8 - 5 7 3  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Szwecja

(ChunkerEvaluator) Sentence #13053 from articles/00107961 from sent23

Text  : Irlandia 3 2 0 1 7 - 8 6 4  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Irlandia

(ChunkerEvaluator) Sentence #13054 from articles/00107961 from sent24

Text  : Austria 3 1 1 1 5 - 2 4 5  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Austria

(ChunkerEvaluator) Sentence #13055 from articles/00107961 from sent25

Text  : Kazachstan 4 0 1 3 1 - 8 1 6  .
Tokens: 1_________ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Kazachstan

(ChunkerEvaluator) Sentence #13056 from articles/00107961 from sent26

Text  : Wyspy Owcze 3 0 0 3 2 - 9 0
Tokens: 1____ 2____ 3 4 5 6 7 8 9 10

Chunks:
  TruePositive nam [1,2] = Wyspy Owcze

(ChunkerEvaluator) Sentence #13057 from articles/00107961 from sent27

Text  : Grupa D Andora - Estonia 0 : 1 ( 0  :  0  )  Rumunia -  Holandia 1  :  4  (  1  :  3  )  Węgry -  Turcja 3  :  1  (  1  :  1  )
Tokens: 1____ 2 3_____ 4 5______ 6 7 8 9 10 11 12 13 14_____ 15 16______ 17 18 19 20 21 22 23 24 25___ 26 27____ 28 29 30 31 32 33 34 35

Chunks:
  TruePositive nam [5,5] = Estonia
  TruePositive nam [14,14] = Rumunia
  TruePositive nam [16,16] = Holandia
  TruePositive nam [25,25] = Węgry
  TruePositive nam [27,27] = Turcja
  FalsePositive nam [1,3] = Grupa D Andora
  FalseNegative nam [3,3] = Andora

(ChunkerEvaluator) Sentence #13058 from articles/00107961 from sent28

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13059 from articles/00107961 from sent29

Text  : Holandia 4 4 0 0 13 - 2 12 2  .
Tokens: 1_______ 2 3 4 5 6_ 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Holandia

(ChunkerEvaluator) Sentence #13060 from articles/00107961 from sent30

Text  : Węgry 4 3 0 1 10 - 5 9 3  .
Tokens: 1____ 2 3 4 5 6_ 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Węgry

(ChunkerEvaluator) Sentence #13061 from articles/00107961 from sent31

Text  : Rumunia 4 3 0 1 8 - 4 9 4  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Rumunia

(ChunkerEvaluator) Sentence #13062 from articles/00107961 from sent32

Text  : Turcja 4 1 0 3 4 - 6 3 5  .
Tokens: 1_____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Turcja

(ChunkerEvaluator) Sentence #13063 from articles/00107961 from sent33

Text  : Estonia 4 1 0 3 1 - 6 3 6  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Estonia

(ChunkerEvaluator) Sentence #13064 from articles/00107961 from sent34

Text  : Andora 4 0 0 4 0 - 13 0
Tokens: 1_____ 2 3 4 5 6 7 8_ 9

Chunks:
  TruePositive nam [1,1] = Andora

(ChunkerEvaluator) Sentence #13065 from articles/00107961 from sent35

Text  : Grupa E Cypr - Norwegia 1 : 3 ( 1  :  1  )  Islandia -  Szwajcaria 0  :  2  (  0  :  0  )  Albania -  Słowenia 1  :  0  (  1  :  0  )
Tokens: 1____ 2 3___ 4 5_______ 6 7 8 9 10 11 12 13 14______ 15 16________ 17 18 19 20 21 22 23 24 25_____ 26 27______ 28 29 30 31 32 33 34 35

Chunks:
  TruePositive nam [3,3] = Cypr
  TruePositive nam [5,5] = Norwegia
  TruePositive nam [14,14] = Islandia
  TruePositive nam [16,16] = Szwajcaria
  TruePositive nam [25,25] = Albania
  TruePositive nam [27,27] = Słowenia

(ChunkerEvaluator) Sentence #13066 from articles/00107961 from sent36

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13067 from articles/00107961 from sent37

Text  : Szwajcaria 4 3 1 0 7 - 1 10 2  .
Tokens: 1_________ 2 3 4 5 6 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Szwajcaria

(ChunkerEvaluator) Sentence #13068 from articles/00107961 from sent38

Text  : Norwegia 4 2 1 1 6 - 5 7 3  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Norwegia

(ChunkerEvaluator) Sentence #13069 from articles/00107961 from sent39

Text  : Albania 4 2 0 2 5 - 5 6 4  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  FalsePositive nam [1,2] = Albania 4
  FalseNegative nam [1,1] = Albania

(ChunkerEvaluator) Sentence #13070 from articles/00107961 from sent40

Text  : Islandia 4 2 0 2 4 - 4 6 5  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Islandia

(ChunkerEvaluator) Sentence #13071 from articles/00107961 from sent41

Text  : Słowenia 4 1 0 3 3 - 6 3 6  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  FalsePositive nam [1,2] = Słowenia 4
  FalseNegative nam [1,1] = Słowenia

(ChunkerEvaluator) Sentence #13072 from articles/00107961 from sent42

Text  : Cypr 4 1 0 3 4 - 8 3
Tokens: 1___ 2 3 4 5 6 7 8 9

Chunks:
  TruePositive nam [1,1] = Cypr

(ChunkerEvaluator) Sentence #13073 from articles/00107961 from sent43

Text  : Grupa F Rosja - Azerbejdżan 1 : 0 ( 0  :  0  )  Izrael -  Luksemburg 3  :  0  (  2  :  0  )  Portugalia -  Irlandia Płn .
Tokens: 1____ 2 3____ 4 5__________ 6 7 8 9 10 11 12 13 14____ 15 16________ 17 18 19 20 21 22 23 24 25________ 26 27______ 28_ 29

Chunks:
  TruePositive nam [3,3] = Rosja
  TruePositive nam [5,5] = Azerbejdżan
  TruePositive nam [14,14] = Izrael
  TruePositive nam [16,16] = Luksemburg
  TruePositive nam [25,25] = Portugalia
  FalsePositive nam [27,28] = Irlandia Płn
  FalseNegative nam [27,29] = Irlandia Płn .

(ChunkerEvaluator) Sentence #13074 from articles/00107961 from sent44

Text  : 1 : 1 ( 0 : 1 )
Tokens: 1 2 3 4 5 6 7 8

Chunks:

(ChunkerEvaluator) Sentence #13075 from articles/00107961 from sent45

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13076 from articles/00107961 from sent46

Text  : Rosja 4 4 0 0 8 - 0 12 2  .
Tokens: 1____ 2 3 4 5 6 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Rosja

(ChunkerEvaluator) Sentence #13077 from articles/00107961 from sent47

Text  : Izrael 4 2 1 1 10 - 5 7 3  .
Tokens: 1_____ 2 3 4 5 6_ 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Izrael

(ChunkerEvaluator) Sentence #13078 from articles/00107961 from sent48

Text  : Portugalia 4 2 1 1 6 - 3 7 4  .
Tokens: 1_________ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Portugalia

(ChunkerEvaluator) Sentence #13079 from articles/00107961 from sent49

Text  : Irlandia Płn .
Tokens: 1_______ 2__ 3

Chunks:
  FalsePositive nam [1,2] = Irlandia Płn
  FalseNegative nam [1,3] = Irlandia Płn .

(ChunkerEvaluator) Sentence #13080 from articles/00107961 from sent50

Text  : 3 0 2 1 2 - 4 2 5 .
Tokens: 1 2 3 4 5 6 7 8 9 10

Chunks:

(ChunkerEvaluator) Sentence #13081 from articles/00107961 from sent51

Text  : Azerbejdżan 3 0 1 2 1 - 5 1 6  .
Tokens: 1__________ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Azerbejdżan

(ChunkerEvaluator) Sentence #13082 from articles/00107961 from sent52

Text  : Luksemburg 4 0 1 3 2 - 12 1
Tokens: 1_________ 2 3 4 5 6 7 8_ 9

Chunks:
  TruePositive nam [1,1] = Luksemburg

(ChunkerEvaluator) Sentence #13083 from articles/00107961 from sent53

Text  : Grupa G Łotwa - Liechtenstein 2 : 0 ( 1  :  0  )  Bośnia i  Hercegowina -  Litwa 3  :  0  (  3  :  0  )  Słowacja -  Grecja 0  :  1  (  0  :  0  )
Tokens: 1____ 2 3____ 4 5____________ 6 7 8 9 10 11 12 13 14____ 15 16_________ 17 18___ 19 20 21 22 23 24 25 26 27______ 28 29____ 30 31 32 33 34 35 36 37

Chunks:
  TruePositive nam [5,5] = Liechtenstein
  TruePositive nam [18,18] = Litwa
  TruePositive nam [27,27] = Słowacja
  TruePositive nam [29,29] = Grecja
  FalsePositive nam [2,3] = G Łotwa
  FalsePositive nam [14,14] = Bośnia
  FalsePositive nam [16,16] = Hercegowina
  FalseNegative nam [3,3] = Łotwa
  FalseNegative nam [14,16] = Bośnia i Hercegowina

(ChunkerEvaluator) Sentence #13084 from articles/00107961 from sent54

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13085 from articles/00107961 from sent55

Text  : Bośnia i Hercegowina 4 3 1 0 15 - 2  10 2  .
Tokens: 1_____ 2 3__________ 4 5 6 7 8_ 9 10 11 12 13

Chunks:
  FalsePositive nam [1,1] = Bośnia
  FalsePositive nam [3,3] = Hercegowina
  FalseNegative nam [1,3] = Bośnia i Hercegowina

(ChunkerEvaluator) Sentence #13086 from articles/00107961 from sent56

Text  : Grecja 4 3 1 0 5 - 1 10 3  .
Tokens: 1_____ 2 3 4 5 6 7 8 9_ 10 11

Chunks:
  TruePositive nam [1,1] = Grecja

(ChunkerEvaluator) Sentence #13087 from articles/00107961 from sent57

Text  : Słowacja 4 2 1 1 5 - 3 7 4  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  FalseNegative nam [1,1] = Słowacja

(ChunkerEvaluator) Sentence #13088 from articles/00107961 from sent58

Text  : Litwa 4 1 1 2 3 - 6 4 5  .
Tokens: 1____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Litwa

(ChunkerEvaluator) Sentence #13089 from articles/00107961 from sent59

Text  : Łotwa 4 1 0 3 5 - 8 0 6  .
Tokens: 1____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Łotwa

(ChunkerEvaluator) Sentence #13090 from articles/00107961 from sent60

Text  : Liechtenstein 4 0 0 4 1 - 14 0
Tokens: 1____________ 2 3 4 5 6 7 8_ 9

Chunks:
  TruePositive nam [1,1] = Liechtenstein

(ChunkerEvaluator) Sentence #13091 from articles/00107961 from sent61

Text  : Grupa H Ukraina - Czarnogóra 0 : 1 ( 0  :  1  )  San Marino -  Mołdawia 0  :  2  (  0  :  0  )  Polska -  Anglia 1  :  1  (  0  :  1  )
Tokens: 1____ 2 3______ 4 5_________ 6 7 8 9 10 11 12 13 14_ 15____ 16 17______ 18 19 20 21 22 23 24 25 26____ 27 28____ 29 30 31 32 33 34 35 36

Chunks:
  TruePositive nam [3,3] = Ukraina
  TruePositive nam [5,5] = Czarnogóra
  TruePositive nam [14,15] = San Marino
  TruePositive nam [17,17] = Mołdawia
  TruePositive nam [26,26] = Polska
  TruePositive nam [28,28] = Anglia

(ChunkerEvaluator) Sentence #13092 from articles/00107961 from sent62

Text  : 1 .
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #13093 from articles/00107961 from sent63

Text  : Anglia 4 2 2 0 12 - 2 8 2  .
Tokens: 1_____ 2 3 4 5 6_ 7 8 9 10 11

Chunks:
  FalseNegative nam [1,1] = Anglia

(ChunkerEvaluator) Sentence #13094 from articles/00107961 from sent64

Text  : Czarnogóra 3 2 1 0 9 - 2 7 3  .
Tokens: 1_________ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Czarnogóra

(ChunkerEvaluator) Sentence #13095 from articles/00107961 from sent65

Text  : Polska 3 1 2 0 5 - 3 5 4  .
Tokens: 1_____ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Polska

(ChunkerEvaluator) Sentence #13096 from articles/00107961 from sent66

Text  : Mołdawia 4 1 1 2 2 - 7 4 5  .
Tokens: 1_______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Mołdawia

(ChunkerEvaluator) Sentence #13097 from articles/00107961 from sent67

Text  : Ukraina 3 0 2 1 1 - 2 2 6  .
Tokens: 1______ 2 3 4 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,1] = Ukraina

(ChunkerEvaluator) Sentence #13098 from articles/00107961 from sent68

Text  : San Marino 3 0 0 3 0 - 13 0
Tokens: 1__ 2_____ 3 4 5 6 7 8 9_ 10

Chunks:
  TruePositive nam [1,2] = San Marino

(ChunkerEvaluator) Sentence #13099 from articles/00107961 from sent69

Text  : Grupa I Białoruś - Gruzja 2 : 0 ( 2  :  0  )  Hiszpania -  Francja 1  :  1  (  1  :  0  )
Tokens: 1____ 2 3_______ 4 5_____ 6 7 8 9 10 11 12 13 14_______ 15 16_____ 17 18 19 20 21 22 23 24

Chunks:
  TruePositive nam [3,3] = Białoruś
  TruePositive nam [5,5] = Gruzja
  TruePositive nam [14,14] = Hiszpania
  TruePositive nam [16,16] = Francja

2016-10-27 15:00:18,760 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 577 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107962.xml
(ChunkerEvaluator) Sentence #13100 from articles/00107962 from sent1

Text  : Rada miasta znowu dyskutuje o in vitro .
Tokens: 1___ 2_____ 3____ 4________ 5 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #13101 from articles/00107962 from sent2

Text  : Zapadną ostateczne decyzje ?
Tokens: 1______ 2_________ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #13102 from articles/00107962 from sent3

Text  : Jeśli na sesji 18 października radni przyjmą specjalny program zdrowotny ,  będzie można zacząć dopłacać bezdzietnym małżeństwom w  Częstochowie do zabiegów in vitro .
Tokens: 1____ 2_ 3____ 4_ 5___________ 6____ 7______ 8________ 9______ 10_______ 11 12____ 13___ 14____ 15______ 16_________ 17_________ 18 19__________ 20 21______ 22 23___ 24

Chunks:
  TruePositive nam [19,19] = Częstochowie

(ChunkerEvaluator) Sentence #13103 from articles/00107962 from sent4

Text  : Pytanie , czy uda się to w tym roku .
Tokens: 1______ 2 3__ 4__ 5__ 6_ 7 8__ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #13104 from articles/00107962 from sent5

Text  : Jeszcze w grudniu 2011 r . władze miasta obiecały niepłodnym parom pomoc w  sfinansowaniu zabiegów in vitro .
Tokens: 1______ 2 3______ 4___ 5 6 7_____ 8_____ 9_______ 10________ 11___ 12___ 13 14___________ 15______ 16 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #13105 from articles/00107962 from sent6

Text  : Pomysłu jednak nie dopracowały i wkrótce zaczęły się problemy z  jego realizacją .
Tokens: 1______ 2_____ 3__ 4__________ 5 6______ 7______ 8__ 9_______ 10 11__ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #13106 from articles/00107962 from sent7

Text  : - Nie wolno pieniędzy bezpośrednio przekazać zainteresowanym - ostrzegła Regionalna Izba Obrachunkowa ,  która kontroluje ,  jak samorządy wydają publiczne środki .
Tokens: 1 2__ 3____ 4________ 5___________ 6________ 7______________ 8 9________ 10________ 11__ 12__________ 13 14___ 15________ 16 17_ 18_______ 19____ 20_______ 21____ 22

Chunks:
  TruePositive nam [10,12] = Regionalna Izba Obrachunkowa

(ChunkerEvaluator) Sentence #13107 from articles/00107962 from sent8

Text  : - Mogło by to być złamanie dyscypliny finansów publicznych .
Tokens: 1 2____ 3_ 4_ 5__ 6_______ 7_________ 8_______ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #13108 from articles/00107962 from sent9

Text  : Władze wymyśliły więc specjalny program zdrowotny , taki jak szczepienie przedszkolaków przeciw grypie i  nastolatek przeciw brodawczakowi powodującemu raka szyjki macicy .
Tokens: 1_____ 2________ 3___ 4________ 5______ 6________ 7 8___ 9__ 10_________ 11____________ 12_____ 13____ 14 15________ 16_____ 17___________ 18__________ 19__ 20____ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #13109 from articles/00107962 from sent10

Text  : Przygotowanie programu trwało jednak parę miesięcy i dopiero w połowie lipca trafił on do Agencji Oceny Technologii Medycznych ,  która powinna program zaopiniować .
Tokens: 1____________ 2_______ 3_____ 4_____ 5___ 6_______ 7 8______ 9 10_____ 11___ 12____ 13 14 15_____ 16___ 17_________ 18________ 19 20___ 21_____ 22_____ 23_________ 24

Chunks:
  TruePositive nam [15,18] = Agencji Oceny Technologii Medycznych

(ChunkerEvaluator) Sentence #13110 from articles/00107962 from sent11

Text  : 17 października minął trzymiesięczny termin , w którym Agencja powinna się była o  nim wypowiedzieć .
Tokens: 1_ 2___________ 3____ 4_____________ 5_____ 6 7 8_____ 9______ 10_____ 11_ 12__ 13 14_ 15__________ 16

Chunks:
  FalseNegative nam [9,9] = Agencja

(ChunkerEvaluator) Sentence #13111 from articles/00107962 from sent12

Text  : Ale się nie wypowiedziała .
Tokens: 1__ 2__ 3__ 4____________ 5

Chunks:

(ChunkerEvaluator) Sentence #13112 from articles/00107962 from sent13

Text  : - Dowiedzieli śmy się , że nadal ocenia programy złożone przez samorządy w  2011 r  .  -  informuje Barbara Pałka z  miejskiego wydziału zdrowia .
Tokens: 1 2__________ 3__ 4__ 5 6_ 7____ 8_____ 9_______ 10_____ 11___ 12_______ 13 14__ 15 16 17 18_______ 19_____ 20___ 21 22________ 23______ 24_____ 25

Chunks:
  TruePositive nam [19,20] = Barbara Pałka

(ChunkerEvaluator) Sentence #13113 from articles/00107962 from sent14

Text  : W sierpniu szefowa tego wydziału Grażyna Stramska - Śewierczyńska przekonywała ,  że opinia na pewno będzie gotowa we wrześniu .
Tokens: 1 2_______ 3______ 4___ 5_______ 6______ 7_______ 8 9____________ 10__________ 11 12 13____ 14 15___ 16____ 17____ 18 19______ 20

Chunks:
  TruePositive nam [6,9] = Grażyna Stramska - Śewierczyńska

(ChunkerEvaluator) Sentence #13114 from articles/00107962 from sent15

Text  : Magistrat uznał , że skoro termin minął , można już projekt przedstawiać radnym do przyjęcia .
Tokens: 1________ 2____ 3 4_ 5____ 6_____ 7____ 8 9____ 10_ 11_____ 12__________ 13____ 14 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #13115 from articles/00107962 from sent16

Text  : Podobno inne samorządy , jeśli spieszą się z realizacją swoich pomysłów ,  też nie zawsze czekają na opinie AOTM .
Tokens: 1______ 2___ 3________ 4 5____ 6______ 7__ 8 9_________ 10____ 11______ 12 13_ 14_ 15____ 16_____ 17 18____ 19__ 20

Chunks:
  TruePositive nam [19,19] = AOTM

(ChunkerEvaluator) Sentence #13116 from articles/00107962 from sent17

Text  : Jeśli program przejdzie - a mogą być nad nim burzliwe dyskusje ,  bo sprawa budzi kontrowersje w  radzie i  poza nią -  w  najbliższych dniach ma się ukazać ogłoszenie ,  że Częstochowa poszukuje klinik ,  które program zrealizują .
Tokens: 1____ 2______ 3________ 4 5 6___ 7__ 8__ 9__ 10______ 11______ 12 13 14____ 15___ 16__________ 17 18____ 19 20__ 21_ 22 23 24__________ 25____ 26 27_ 28____ 29________ 30 31 32_________ 33_______ 34____ 35 36___ 37_____ 38________ 39

Chunks:
  TruePositive nam [32,32] = Częstochowa

(ChunkerEvaluator) Sentence #13117 from articles/00107962 from sent18

Text  : Dopiero po dwóch tygodniach może zacząć wybory złożonych ofert .
Tokens: 1______ 2_ 3____ 4_________ 5___ 6_____ 7_____ 8________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #13118 from articles/00107962 from sent19

Text  : A potem - kierować na leczenie pary zakwalifikowane do pomocy .
Tokens: 1 2____ 3 4_______ 5_ 6_______ 7___ 8______________ 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #13119 from articles/00107962 from sent20

Text  : Szansa , że uda się wykorzystać do końca roku 110 tys .  zł przeznaczonych na in vitro ,  nie jest jednak duża .
Tokens: 1_____ 2 3_ 4__ 5__ 6__________ 7_ 8____ 9___ 10_ 11_ 12 13 14____________ 15 16 17___ 18 19_ 20__ 21____ 22__ 23

Chunks:
  TruePositive nam [13,13] = zł

2016-10-27 15:00:18,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 578 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107963.xml
(ChunkerEvaluator) Sentence #13120 from articles/00107963 from sent1

Text  : Teatr nasz współczesny .
Tokens: 1____ 2___ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #13121 from articles/00107963 from sent2

Text  : Wolimy obcym płacić za chałturę
Tokens: 1_____ 2____ 3_____ 4_ 5_______

Chunks:

(ChunkerEvaluator) Sentence #13122 from articles/00107963 from sent3

Text  : 11 listopada 1988 roku premiera „ Żelaznych kwiatów ” otworzyła nową epokę teatralną w  Płocku -  bez cenzora .
Tokens: 1_ 2________ 3___ 4___ 5_______ 6 7________ 8______ 9 10_______ 11__ 12___ 13_______ 14 15____ 16 17_ 18_____ 19

Chunks:
  TruePositive nam [15,15] = Płocku
  FalseNegative nam [7,8] = Żelaznych kwiatów

(ChunkerEvaluator) Sentence #13123 from articles/00107963 from sent4

Text  : Odtąd głos ludzi sceny miał decydować o repertuarze , środkach wyrazu ,  słów i  gestów .
Tokens: 1____ 2___ 3____ 4____ 5___ 6________ 7 8__________ 9 10______ 11____ 12 13__ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #13124 from articles/00107963 from sent5

Text  : Urząd Kontroli Prasy , Publikacji i Widowisk zastąpiła opinia publiczna i  mili recenzenci ,  którzy mimo ogromnej pracy nie przysporzyli placówce ani publiczności ,  ani nie zmobilizowali artystów do odważnego mierzenia się ze sztuką i  rzeczywistością .
Tokens: 1____ 2_______ 3____ 4 5_________ 6 7_______ 8________ 9_____ 10_______ 11 12__ 13________ 14 15____ 16__ 17______ 18___ 19_ 20__________ 21______ 22_ 23__________ 24 25_ 26_ 27___________ 28______ 29 30_______ 31_______ 32_ 33 34____ 35 36_____________ 37

Chunks:
  FalsePositive nam [1,3] = Urząd Kontroli Prasy
  FalsePositive nam [7,7] = Widowisk
  FalseNegative nam [1,7] = Urząd Kontroli Prasy , Publikacji i Widowisk

(ChunkerEvaluator) Sentence #13125 from articles/00107963 from sent6

Text  : Na początku III RP galopada cen , gospodarka rynkowa i  paradoksalnie wolność słowa zaszkodziły frekwencji podczas płockich przedstawień .
Tokens: 1_ 2_______ 3__ 4_ 5_______ 6__ 7 8_________ 9______ 10 11___________ 12_____ 13___ 14_________ 15________ 16_____ 17______ 18__________ 19

Chunks:
  FalsePositive nam [4,4] = RP
  FalseNegative nam [3,4] = III RP

(ChunkerEvaluator) Sentence #13126 from articles/00107963 from sent7

Text  : Można już było grać i mówić wszystko , ale właśnie dlatego ciekawszy spektakl ,  zupełnie nieoczekiwanie ,  rozgrywał się w  telewizorze ,  w  sali sejmowej ,  podczas politycznych potyczek między przedstawicielami raczkujących partii .
Tokens: 1____ 2__ 3___ 4___ 5 6____ 7_______ 8 9__ 10_____ 11_____ 12_______ 13______ 14 15______ 16____________ 17 18_______ 19_ 20 21_________ 22 23 24__ 25______ 26 27_____ 28__________ 29______ 30____ 31_______________ 32__________ 33____ 34

Chunks:

(ChunkerEvaluator) Sentence #13127 from articles/00107963 from sent8

Text  : Nowa Polska zastała na Nowym Rynku Marka Mokrowieckiego i tak już pozostało do dzisiaj .
Tokens: 1___ 2_____ 3______ 4_ 5____ 6____ 7____ 8_____________ 9 10_ 11_ 12_______ 13 14_____ 15

Chunks:
  TruePositive nam [1,2] = Nowa Polska
  TruePositive nam [5,6] = Nowym Rynku
  TruePositive nam [7,8] = Marka Mokrowieckiego

(ChunkerEvaluator) Sentence #13128 from articles/00107963 from sent9

Text  : Trudno przypomnieć , a tym bardziej ocenić ostatnie 22 lata scenicznych zmagań naszych aktorów i  reżyserów ,  przede wszystkim z  powodu pamięci ,  jaką część z  Czytelników zachowała o  wydarzeniach teatralnych mniejszego lub większego kalibru .
Tokens: 1_____ 2__________ 3 4 5__ 6_______ 7_____ 8_______ 9_ 10__ 11_________ 12____ 13_____ 14_____ 15 16_______ 17 18____ 19_______ 20 21____ 22_____ 23 24__ 25___ 26 27_________ 28_______ 29 30__________ 31_________ 32________ 33_ 34_______ 35_____ 36

Chunks:
  FalsePositive nam [27,27] = Czytelników

(ChunkerEvaluator) Sentence #13129 from articles/00107963 from sent10

Text  : Na uwagę zasługuje bez wątpienia wspomnienie z początku lat 90 .
Tokens: 1_ 2____ 3________ 4__ 5________ 6__________ 7 8_______ 9__ 10 11

Chunks:

(ChunkerEvaluator) Sentence #13130 from articles/00107963 from sent11

Text  : Mickiewiczowskich „ Dziadów ” w płockiej katedrze , „ Jeremiasza ”  Wojtyły z  okazji wizyty papieża w  naszym mieście czy „  Powrót Łazarza ”  Wójcickiego w  sali lustrzanej .
Tokens: 1________________ 2 3______ 4 5 6_______ 7_______ 8 9 10________ 11 12_____ 13 14____ 15____ 16_____ 17 18____ 19_____ 20_ 21 22____ 23_____ 24 25_________ 26 27__ 28________ 29

Chunks:
  TruePositive nam [3,3] = Dziadów
  TruePositive nam [10,10] = Jeremiasza
  TruePositive nam [12,12] = Wojtyły
  TruePositive nam [22,23] = Powrót Łazarza
  TruePositive nam [25,25] = Wójcickiego
  FalseNegative nam [1,1] = Mickiewiczowskich

(ChunkerEvaluator) Sentence #13131 from articles/00107963 from sent12

Text  : Wydawało się , że teatr szuka nowych przestrzeni , chwyta się nowoczesnych rozwiązań ,  zaczyna współpracę ze sponsorami ,  dzięki czemu możliwa była chociażby wymiana foteli na widowni .
Tokens: 1_______ 2__ 3 4_ 5____ 6____ 7_____ 8__________ 9 10____ 11_ 12__________ 13_______ 14 15_____ 16________ 17 18________ 19 20____ 21___ 22_____ 23__ 24_______ 25_____ 26____ 27 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #13132 from articles/00107963 from sent13

Text  : Wprowadzona przez Jana Skotnickiego mieszanka eklektyczna trwale wpisała się w  repertuar układany według schematu :  bajka dla dzieci i  lektura szkolna (  bez których kasy biletowe można było by zamknąć na amen )  ,  angielska farsa lub płytka komedia (  najlepiej ze znanym aktorskim nazwiskiem :  Pokora ,  Perepeczko ,  Bończak ,  Friedmann )  ,  coś ambitniejszego z  okazji Dnia Teatru (  choć różne tego bywają efekty )  i  na koniec jakiś smaczek dla widza na Kameralnej lub w  Piekiełku .
Tokens: 1__________ 2____ 3___ 4___________ 5________ 6__________ 7_____ 8______ 9__ 10 11_______ 12______ 13____ 14______ 15 16___ 17_ 18____ 19 20_____ 21_____ 22 23_ 24_____ 25__ 26______ 27___ 28__ 29 30_____ 31 32__ 33 34 35_______ 36___ 37_ 38____ 39_____ 40 41_______ 42 43____ 44_______ 45________ 46 47____ 48 49________ 50 51_____ 52 53_______ 54 55 56_ 57____________ 58 59____ 60__ 61____ 62 63__ 64___ 65__ 66____ 67____ 68 69 70 71____ 72___ 73_____ 74_ 75___ 76 77________ 78_ 79 80_______ 81

Chunks:
  TruePositive nam [3,4] = Jana Skotnickiego
  TruePositive nam [47,47] = Pokora
  TruePositive nam [49,49] = Perepeczko
  TruePositive nam [51,51] = Bończak
  TruePositive nam [60,61] = Dnia Teatru
  TruePositive nam [77,77] = Kameralnej
  TruePositive nam [80,80] = Piekiełku
  FalseNegative nam [53,53] = Friedmann

(ChunkerEvaluator) Sentence #13133 from articles/00107963 from sent14

Text  : Czasami realizacje zaszczycają wybitni reżyserzy , jak w autorskiej śpiewogrze „  Dulska ”  Adam Hanuszkiewicz ,  który wystąpił w  premierowym finale na bis ,  czy Marek Perepeczko demonstracyjnie objadający się pączkami na znak protestu przeciw wystąpieniom politycznym po premierze „  Rewizora ”  .
Tokens: 1______ 2_________ 3__________ 4______ 5________ 6 7__ 8 9_________ 10________ 11 12____ 13 14__ 15___________ 16 17___ 18______ 19 20_________ 21____ 22 23_ 24 25_ 26___ 27________ 28_____________ 29________ 30_ 31______ 32 33__ 34______ 35_____ 36__________ 37_________ 38 39_______ 40 41______ 42 43

Chunks:
  TruePositive nam [12,12] = Dulska
  TruePositive nam [14,15] = Adam Hanuszkiewicz
  TruePositive nam [26,27] = Marek Perepeczko
  TruePositive nam [41,41] = Rewizora

(ChunkerEvaluator) Sentence #13134 from articles/00107963 from sent15

Text  : Ponad miarę na proscenium pojawiały się w minionym czasie osoby ,  które wspierały kulturę li tylko dobrym słowem ,  uznając ,  że życzenia dalszego krzewienia sztuk wystarczą zamiast pieniędzy i  pomysłów .
Tokens: 1____ 2____ 3_ 4_________ 5________ 6__ 7 8_______ 9_____ 10___ 11 12___ 13_______ 14_____ 15 16___ 17____ 18____ 19 20_____ 21 22 23______ 24______ 25________ 26___ 27_______ 28_____ 29_______ 30 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #13135 from articles/00107963 from sent16

Text  : Bezsprzecznie dokonano gruntownego i imponującego remontu w latach 2006 -  2007 ,  za który zapłacił samorząd województwa mazowieckiego .
Tokens: 1____________ 2_______ 3__________ 4 5___________ 6______ 7 8_____ 9___ 10 11__ 12 13 14___ 15______ 16______ 17_________ 18___________ 19

Chunks:
  TruePositive nam [18,18] = mazowieckiego

(ChunkerEvaluator) Sentence #13136 from articles/00107963 from sent17

Text  : Inwestycja w budynek to jednak za mało , jeśli chce się prowadzić instytucję kultury nie tylko z  nazwy .
Tokens: 1_________ 2 3______ 4_ 5_____ 6_ 7___ 8 9____ 10__ 11_ 12_______ 13________ 14_____ 15_ 16___ 17 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #13137 from articles/00107963 from sent18

Text  : Przepisał em te fragmenty i właściwie mógł by m tekst uznać za własny z  małą jednak dygresją .
Tokens: 1________ 2_ 3_ 4________ 5 6________ 7___ 8_ 9 10___ 11___ 12 13____ 14 15__ 16____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #13138 from articles/00107963 from sent19

Text  : W ostatnich latach nie przeglądamy się już w żadnym lustrze .
Tokens: 1 2________ 3_____ 4__ 5__________ 6__ 7__ 8 9_____ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #13139 from articles/00107963 from sent20

Text  : Obce oczy nie zwracają na nas uwagi , nie czytamy o  kontrowersjach i  sukcesach ,  a  nawet o  upadkach scenicznych nie znajdziemy żadnej wzmianki w  prasie ogólnopolskiej .
Tokens: 1___ 2___ 3__ 4_______ 5_ 6__ 7____ 8 9__ 10_____ 11 12____________ 13 14_______ 15 16 17___ 18 19______ 20_________ 21_ 22________ 23____ 24______ 25 26____ 27____________ 28

Chunks:

(ChunkerEvaluator) Sentence #13140 from articles/00107963 from sent21

Text  : Brakuje także poważnej dyskusji o kondycji sztuki w naszym mieście ,  bo wolimy zgodnie z  cytatem „  obcym ”  zapłacić za chałturniczy występ ,  klaszcząc na stojąco ,  niż „  swoim ”  pozwolić na rozwinięcie skrzydeł i  godne życie na miejscu ,  nie mamiąc owacjami godnymi politowania .
Tokens: 1______ 2____ 3_______ 4_______ 5 6_______ 7_____ 8 9_____ 10_____ 11 12 13____ 14_____ 15 16_____ 17 18___ 19 20______ 21 22__________ 23____ 24 25_______ 26 27_____ 28 29_ 30 31___ 32 33______ 34 35_________ 36______ 37 38___ 39___ 40 41_____ 42 43_ 44____ 45______ 46_____ 47_________ 48

Chunks:

(ChunkerEvaluator) Sentence #13141 from articles/00107963 from sent22

Text  : W sobotę rozpoczynamy uroczystości 200 - lecia płockiej tradycji teatralnej pod patronatami honorowymi :  ministra kultury Bogdana Zdrojewskiego ,  marszałka Adama Struzika i  prezydenta Płocka Andrzeja Nowakowskiego .
Tokens: 1 2_____ 3___________ 4___________ 5__ 6 7____ 8_______ 9_______ 10________ 11_ 12_________ 13________ 14 15______ 16_____ 17_____ 18___________ 19 20_______ 21___ 22______ 23 24________ 25____ 26______ 27___________ 28

Chunks:
  TruePositive nam [17,18] = Bogdana Zdrojewskiego
  TruePositive nam [21,22] = Adama Struzika
  TruePositive nam [25,25] = Płocka
  TruePositive nam [26,27] = Andrzeja Nowakowskiego

(ChunkerEvaluator) Sentence #13142 from articles/00107963 from sent23

Text  : Niestety , światowy kryzys , który jest wszechogarniający spowodował ,  że urodzinowy tort odgórnie kupiono z  przeceny .
Tokens: 1_______ 2 3_______ 4_____ 5 6____ 7___ 8________________ 9_________ 10 11 12________ 13__ 14______ 15_____ 16 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #13143 from articles/00107963 from sent24

Text  : Płockie Towarzystwo Przyjaciół Teatru z okazji jubileuszu przyznało po raz pierwszy Złotą Maskę Ludziom Teatru Płockiego 1812 -  2012 ,  dedykowaną wszystkim ,  którzy angażowali się w  budowę i  rozwój zawodowej sztuki scenicznej w  naszym mieście .
Tokens: 1______ 2__________ 3_________ 4_____ 5 6_____ 7_________ 8________ 9_ 10_ 11______ 12___ 13___ 14_____ 15____ 16_______ 17__ 18 19__ 20 21________ 22_______ 23 24____ 25________ 26_ 27 28____ 29 30____ 31_______ 32____ 33________ 34 35____ 36_____ 37

Chunks:
  TruePositive nam [1,4] = Płockie Towarzystwo Przyjaciół Teatru
  FalsePositive nam [12,19] = Złotą Maskę Ludziom Teatru Płockiego 1812 - 2012
  FalseNegative nam [12,13] = Złotą Maskę
  FalseNegative nam [15,19] = Teatru Płockiego 1812 - 2012

(ChunkerEvaluator) Sentence #13144 from articles/00107963 from sent25

Text  : Od Rajmunda Rembielińskiego do Marka Mokrowieckiego .
Tokens: 1_ 2_______ 3______________ 4_ 5____ 6_____________ 7

Chunks:
  TruePositive nam [2,3] = Rajmunda Rembielińskiego
  TruePositive nam [5,6] = Marka Mokrowieckiego

(ChunkerEvaluator) Sentence #13145 from articles/00107963 from sent26

Text  : Czego będziemy życzyć sobie z tej okazji , jako widzowie ?
Tokens: 1____ 2_______ 3_____ 4____ 5 6__ 7_____ 8 9___ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #13146 from articles/00107963 from sent27

Text  : Przede wszystkim rekonstrukcji , czyli mądrego planu , który dostosuje instytucję i  ludzi w  niej pracujących do zmieniających się czasów ,  niespotykanej dotąd mobilności społecznej ,  gry rynkowej i  wykorzystania boomu na kontakt z  żywym aktorem poprzez pobudzającą do myślenia inscenizację przez łzy ,  przez śmiech ,  przez Teatr .
Tokens: 1_____ 2________ 3____________ 4 5____ 6______ 7____ 8 9____ 10_______ 11________ 12 13___ 14 15__ 16_________ 17 18___________ 19_ 20____ 21 22___________ 23___ 24________ 25________ 26 27_ 28______ 29 30___________ 31___ 32 33_____ 34 35___ 36_____ 37_____ 38_________ 39 40______ 41__________ 42___ 43_ 44 45___ 46____ 47 48___ 49___ 50

Chunks:
  TruePositive nam [49,49] = Teatr

(ChunkerEvaluator) Sentence #13147 from articles/00107963 from sent28

Text  : Ósma odsłona cyklu
Tokens: 1___ 2______ 3____

Chunks:

(ChunkerEvaluator) Sentence #13148 from articles/00107963 from sent29

Text  : Płockie Towarzystwo Przyjaciół Teatru , którego Jarosław Wanecki jest prezesem ,  świętuje w  tym roku -  pod patronatem „  Gazety ”  -  200 -  lecie płockich tradycji teatralnych .
Tokens: 1______ 2__________ 3_________ 4_____ 5 6______ 7_______ 8______ 9___ 10______ 11 12______ 13 14_ 15__ 16 17_ 18________ 19 20____ 21 22 23_ 24 25___ 26______ 27______ 28_________ 29

Chunks:
  TruePositive nam [1,4] = Płockie Towarzystwo Przyjaciół Teatru
  TruePositive nam [7,8] = Jarosław Wanecki
  TruePositive nam [20,20] = Gazety

(ChunkerEvaluator) Sentence #13149 from articles/00107963 from sent30

Text  : Na naszych łamach prezentuje historię płockiej sceny .
Tokens: 1_ 2______ 3_____ 4_________ 5_______ 6_______ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #13150 from articles/00107963 from sent31

Text  : Od samego jej początku , w niszczejącym kościele na wiślanej skarpie ,  aż po współczesność .
Tokens: 1_ 2_____ 3__ 4_______ 5 6 7___________ 8_______ 9_ 10______ 11_____ 12 13 14 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #13151 from articles/00107963 from sent32

Text  : To już ósma odsłona cyklu „ 200 lat płockiego teatru ”  .
Tokens: 1_ 2__ 3___ 4______ 5____ 6 7__ 8__ 9________ 10____ 11 12

Chunks:
  FalseNegative nam [7,10] = 200 lat płockiego teatru

(ChunkerEvaluator) Sentence #13152 from articles/00107963 from sent33

Text  : Za miesiąc mowa będzie o artystach płockiej sceny , których musieli śmy już pożegnać .
Tokens: 1_ 2______ 3___ 4_____ 5 6________ 7_______ 8____ 9 10_____ 11_____ 12_ 13_ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #13153 from articles/00107963 from sent34

Text  : W grudniu , na zakończenie cyklu - o teatrze przeszłości .
Tokens: 1 2______ 3 4_ 5__________ 6____ 7 8 9______ 10_________ 11

Chunks:

2016-10-27 15:00:19,103 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 579 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107964.xml
(ChunkerEvaluator) Sentence #13154 from articles/00107964 from sent1

Text  : Liga Mistrzów .
Tokens: 1___ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Liga Mistrzów

(ChunkerEvaluator) Sentence #13155 from articles/00107964 from sent2

Text  : Kibic BATE Borysów przeszedł 27 km podbijając piłkę nogą
Tokens: 1____ 2___ 3______ 4________ 5_ 6_ 7_________ 8____ 9___

Chunks:
  FalsePositive nam [1,3] = Kibic BATE Borysów
  FalseNegative nam [2,3] = BATE Borysów

(ChunkerEvaluator) Sentence #13156 from articles/00107964 from sent3

Text  : Kibic drużyny BATE Borysów , która pokonała w meczach Ligi Mistrzów OSC Lille i  Bayern Monachium ,  przeszedł na cześć swego ukochanego zespołu 27 km podbijając piłkę nogą -  poinformował białoruski portal Kart'97 .
Tokens: 1____ 2______ 3___ 4______ 5 6____ 7_______ 8 9______ 10__ 11______ 12_ 13___ 14 15____ 16_______ 17 18_______ 19 20___ 21___ 22________ 23_____ 24 25 26________ 27___ 28__ 29 30__________ 31________ 32____ 33_____ 34

Chunks:
  TruePositive nam [3,4] = BATE Borysów
  TruePositive nam [15,16] = Bayern Monachium
  TruePositive nam [33,33] = Kart'97
  FalsePositive nam [10,13] = Ligi Mistrzów OSC Lille
  FalseNegative nam [10,11] = Ligi Mistrzów
  FalseNegative nam [12,13] = OSC Lille

(ChunkerEvaluator) Sentence #13157 from articles/00107964 from sent4

Text  : Jury Paddubny pokonał całą ścieżkę rowerową w Mińsku , która liczy 27 km ,  co zajęło mu osiem godzin ,  dwie minuty i  15 sekund .
Tokens: 1___ 2_______ 3______ 4___ 5______ 6_______ 7 8_____ 9 10___ 11___ 12 13 14 15 16____ 17 18___ 19____ 20 21__ 22____ 23 24 25____ 26

Chunks:
  TruePositive nam [1,2] = Jury Paddubny
  TruePositive nam [8,8] = Mińsku

(ChunkerEvaluator) Sentence #13158 from articles/00107964 from sent5

Text  : Jak obliczył portal Karta'97 , Paddubny wykonał około 37 400 podbić i  piłkę upuścił na ziemię tylko 15 razy .
Tokens: 1__ 2_______ 3_____ 4_______ 5 6_______ 7______ 8____ 9_ 10_ 11____ 12 13___ 14_____ 15 16____ 17___ 18 19__ 20

Chunks:
  FalseNegative nam [4,4] = Karta'97
  FalseNegative nam [6,6] = Paddubny

(ChunkerEvaluator) Sentence #13159 from articles/00107964 from sent6

Text  : BATE to rewelacja obecnej edycji Ligi Mistrzów .
Tokens: 1___ 2_ 3________ 4______ 5_____ 6___ 7_______ 8

Chunks:
  TruePositive nam [6,7] = Ligi Mistrzów
  FalseNegative nam [1,1] = BATE

(ChunkerEvaluator) Sentence #13160 from articles/00107964 from sent7

Text  : Białoruski zespół rozpoczął rozgrywki grupowe od dwóch zwycięstw - z  OSC Lille i  Bayernem Monachium po 3  :  1  .
Tokens: 1_________ 2_____ 3________ 4________ 5______ 6_ 7____ 8________ 9 10 11_ 12___ 13 14______ 15_______ 16 17 18 19 20

Chunks:
  TruePositive nam [11,12] = OSC Lille
  FalsePositive nam [14,14] = Bayernem
  FalsePositive nam [15,15] = Monachium
  FalseNegative nam [14,15] = Bayernem Monachium

(ChunkerEvaluator) Sentence #13161 from articles/00107964 from sent8

Text  : We wtorek rozegra w Mińsku kolejny mecz - z Valencią CF .
Tokens: 1_ 2_____ 3______ 4 5_____ 6______ 7___ 8 9 10______ 11 12

Chunks:
  TruePositive nam [5,5] = Mińsku
  TruePositive nam [10,11] = Valencią CF

2016-10-27 15:00:19,147 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 580 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107965.xml
(ChunkerEvaluator) Sentence #13162 from articles/00107965 from sent1

Text  : Korea Płd . .
Tokens: 1____ 2__ 3 4

Chunks:
  TruePositive nam [1,3] = Korea Płd .

(ChunkerEvaluator) Sentence #13163 from articles/00107965 from sent2

Text  : Władze zabroniły zrzucania ulotek na terytorium Korei Płn .
Tokens: 1_____ 2________ 3________ 4_____ 5_ 6_________ 7____ 8__ 9

Chunks:
  FalsePositive nam [7,8] = Korei Płn
  FalseNegative nam [7,9] = Korei Płn .

(ChunkerEvaluator) Sentence #13164 from articles/00107965 from sent3

Text  : Władze Korei Płd . zabroniły zrzucania ulotek propagandowych na terytorium Korei Płn .  po tym ,  jak ten komunistyczny kraj zagroził atakiem militarnym na swego południowego sąsiada ,  jeśli akcja zostanie przeprowadzona .
Tokens: 1_____ 2____ 3__ 4 5________ 6________ 7_____ 8_____________ 9_ 10________ 11___ 12_ 13 14 15_ 16 17_ 18_ 19___________ 20__ 21______ 22_____ 23________ 24 25___ 26__________ 27_____ 28 29___ 30___ 31______ 32____________ 33

Chunks:
  FalsePositive nam [2,3] = Korei Płd
  FalsePositive nam [11,12] = Korei Płn
  FalseNegative nam [2,4] = Korei Płd .
  FalseNegative nam [11,13] = Korei Płn .

(ChunkerEvaluator) Sentence #13165 from articles/00107965 from sent4

Text  : Południowokoreańska policja poinformowała , że zmobilizowała w poniedziałek setki funkcjonariuszy ,  którzy mają zablokować drogi prowadzące na obszar graniczący z  Koreą Płn .
Tokens: 1__________________ 2______ 3____________ 4 5_ 6____________ 7 8___________ 9____ 10_____________ 11 12____ 13__ 14________ 15___ 16________ 17 18____ 19________ 20 21___ 22_ 23

Chunks:
  FalsePositive nam [21,22] = Koreą Płn
  FalseNegative nam [21,23] = Koreą Płn .

(ChunkerEvaluator) Sentence #13166 from articles/00107965 from sent5

Text  : Ma to zapobiec przyjazdowi aktywistów akcji propagandowej wymierzonej w reżim w  Phenianie .
Tokens: 1_ 2_ 3_______ 4__________ 5_________ 6____ 7____________ 8__________ 9 10___ 11 12_______ 13

Chunks:
  TruePositive nam [12,12] = Phenianie

(ChunkerEvaluator) Sentence #13167 from articles/00107965 from sent6

Text  : Przedstawiciele lokalnych władz powiadomili , że zwrócili się również do mieszkańców nadgranicznych terenów z  prośbą o  opuszczenie domów .
Tokens: 1______________ 2________ 3____ 4__________ 5 6_ 7_______ 8__ 9______ 10 11_________ 12____________ 13_____ 14 15____ 16 17_________ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #13168 from articles/00107965 from sent7

Text  : Jak oświadczył jeden z aktywistów , środki podjęte przez policję są równoznaczne z  ustępstwem wobec gróźb Phenianu .
Tokens: 1__ 2_________ 3____ 4 5_________ 6 7_____ 8______ 9____ 10_____ 11 12__________ 13 14________ 15___ 16___ 17______ 18

Chunks:
  TruePositive nam [17,17] = Phenianu

(ChunkerEvaluator) Sentence #13169 from articles/00107965 from sent8

Text  : W piątek władze Korei Północnej wydały bardzo ostre oświadczenie ,  w  którym zagroziły atakiem militarnym bez uprzedzenia na Koreę Południową ,  jeśli przeciwnicy reżimu komunistycznego zrealizują swój zamiar zrzucenia ulotek propagandowych na północnokoreańskie terytorium .
Tokens: 1 2_____ 3_____ 4____ 5________ 6_____ 7_____ 8____ 9___________ 10 11 12____ 13_______ 14_____ 15________ 16_ 17_________ 18 19___ 20________ 21 22___ 23_________ 24____ 25_____________ 26________ 27__ 28____ 29_______ 30____ 31____________ 32 33________________ 34________ 35

Chunks:
  TruePositive nam [4,5] = Korei Północnej
  TruePositive nam [19,20] = Koreę Południową

(ChunkerEvaluator) Sentence #13170 from articles/00107965 from sent9

Text  : Korea Południowa niezwłocznie poinformowała , że odpowie na każdy atak ze strony północnego sąsiada .
Tokens: 1____ 2_________ 3___________ 4____________ 5 6_ 7______ 8_ 9____ 10__ 11 12____ 13________ 14_____ 15

Chunks:
  TruePositive nam [1,2] = Korea Południowa

(ChunkerEvaluator) Sentence #13171 from articles/00107965 from sent10

Text  : Wcześniej działacze z Korei Południowej zapowiedzieli , że wypuszczą w  poniedziałek o  godz .  11 .  30 (  godz .  4  .  30 czasu polskiego )  balony z  200 tysiącami ulotek propagandowych na granicy obydwu Korei w  pobliżu miasta Paju .
Tokens: 1________ 2________ 3 4____ 5__________ 6____________ 7 8_ 9________ 10 11__________ 12 13__ 14 15 16 17 18 19__ 20 21 22 23 24___ 25_______ 26 27____ 28 29_ 30_______ 31____ 32____________ 33 34_____ 35____ 36___ 37 38_____ 39____ 40__ 41

Chunks:
  TruePositive nam [4,5] = Korei Południowej
  TruePositive nam [36,36] = Korei
  FalseNegative nam [40,40] = Paju

(ChunkerEvaluator) Sentence #13172 from articles/00107965 from sent11

Text  : Do ulotek miały być dołączone banknoty jednodolarowe .
Tokens: 1_ 2_____ 3____ 4__ 5________ 6_______ 7____________ 8

Chunks:

(ChunkerEvaluator) Sentence #13173 from articles/00107965 from sent12

Text  : Taka akcja odbyła się już w ubiegłym roku .
Tokens: 1___ 2____ 3_____ 4__ 5__ 6 7_______ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #13174 from articles/00107965 from sent13

Text  : Ulotki zawierały apele do obywateli Korei Płn . , by zbuntowali się przeciwko totalitarnemu reżimowi .
Tokens: 1_____ 2________ 3____ 4_ 5________ 6____ 7__ 8 9 10 11________ 12_ 13_______ 14___________ 15______ 16

Chunks:
  FalsePositive nam [6,7] = Korei Płn
  FalseNegative nam [6,8] = Korei Płn .

(ChunkerEvaluator) Sentence #13175 from articles/00107965 from sent14

Text  : Co roku kilkuset Koreańczyków z Północy ucieka ze swego kraju przed głodem i  represjami .
Tokens: 1_ 2___ 3_______ 4___________ 5 6______ 7_____ 8_ 9____ 10___ 11___ 12____ 13 14________ 15

Chunks:
  TruePositive nam [4,4] = Koreańczyków
  TruePositive nam [6,6] = Północy

(ChunkerEvaluator) Sentence #13176 from articles/00107965 from sent15

Text  : Według oficjalnych danych od 1953 roku z Korei Płn .  uciekło ponad 21 ,  7  tys .  ludzi ,  z  czego połowa w  ostatnich pięciu latach .
Tokens: 1_____ 2__________ 3_____ 4_ 5___ 6___ 7 8____ 9__ 10 11_____ 12___ 13 14 15 16_ 17 18___ 19 20 21___ 22____ 23 24_______ 25____ 26____ 27

Chunks:
  FalsePositive nam [8,9] = Korei Płn
  FalseNegative nam [8,10] = Korei Płn .

2016-10-27 15:00:19,232 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 581 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107966.xml
(ChunkerEvaluator) Sentence #13177 from articles/00107966 from sent1

Text  : Zarząd JSW : w strajku uczestniczyło 24 proc . załogi
Tokens: 1_____ 2__ 3 4 5______ 6____________ 7_ 8___ 9 10____

Chunks:
  TruePositive nam [2,2] = JSW

(ChunkerEvaluator) Sentence #13178 from articles/00107966 from sent2

Text  : 24 proc . załogi wzięło czynny udział w piątkowym strajku w  Jastrzębskiej Spółce Węglowej (  JSW )  ,  czyli przyszło do kopalń ,  ale poparło akcję nie podejmując pracy .
Tokens: 1_ 2___ 3 4_____ 5_____ 6_____ 7_____ 8 9________ 10_____ 11 12___________ 13____ 14______ 15 16_ 17 18 19___ 20______ 21 22____ 23 24_ 25_____ 26___ 27_ 28________ 29___ 30

Chunks:
  TruePositive nam [12,14] = Jastrzębskiej Spółce Węglowej
  TruePositive nam [16,16] = JSW

(ChunkerEvaluator) Sentence #13179 from articles/00107966 from sent3

Text  : Ponad połowy zatrudnionych tego dnia nie było w pracy -  podała w  poniedziałek spółka .
Tokens: 1____ 2_____ 3____________ 4___ 5___ 6__ 7___ 8 9____ 10 11____ 12 13__________ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #13180 from articles/00107966 from sent4

Text  : Kopalnie JSW przerwały w piątek pracę na dobę z powodu zorganizowanego przez związki strajku m  .  in .  na tle płacowym .
Tokens: 1_______ 2__ 3________ 4 5_____ 6____ 7_ 8___ 9 10____ 11_____________ 12___ 13_____ 14_____ 15 16 17 18 19 20_ 21______ 22

Chunks:
  TruePositive nam [2,2] = JSW

(ChunkerEvaluator) Sentence #13181 from articles/00107966 from sent5

Text  : Według zarządu kopalnie , które należą do spółki , nie wydobyły tego dnia 53 tys .  ton węgla ,  co oznacza stratę w  przychodach spółki około 17 mln zł .
Tokens: 1_____ 2______ 3_______ 4 5____ 6_____ 7_ 8_____ 9 10_ 11______ 12__ 13__ 14 15_ 16 17_ 18___ 19 20 21_____ 22____ 23 24_________ 25____ 26___ 27 28_ 29 30

Chunks:
  TruePositive nam [29,29] = zł

(ChunkerEvaluator) Sentence #13182 from articles/00107966 from sent6

Text  : Rzeczniczka JSW Katarzyna Jabłońska - Bajer podała w poniedziałek ,  że w  strajku uczestniczyło 5465 pracowników z  22768 zatrudnionych ,  czyli 24 proc .  załogi .
Tokens: 1__________ 2__ 3________ 4________ 5 6____ 7_____ 8 9___________ 10 11 12 13_____ 14___________ 15__ 16_________ 17 18___ 19___________ 20 21___ 22 23__ 24 25____ 26

Chunks:
  TruePositive nam [2,2] = JSW
  TruePositive nam [3,6] = Katarzyna Jabłońska - Bajer

(ChunkerEvaluator) Sentence #13183 from articles/00107966 from sent7

Text  : " Absencja w tym dniu wyniosła 56 proc . ,  podczas gdy w  dniach poprzedzających strajk kształtowała się na poziomie 21 proc .  "  -  poinformowała .
Tokens: 1 2_______ 3 4__ 5___ 6_______ 7_ 8___ 9 10 11_____ 12_ 13 14____ 15_____________ 16____ 17__________ 18_ 19 20______ 21 22__ 23 24 25 26___________ 27

Chunks:

(ChunkerEvaluator) Sentence #13184 from articles/00107966 from sent8

Text  : Dodała , że część nieobecnych pracowników była w dniu strajku na urlopie ;  wielu górników zdecydowało się w  piątek oddać krew i  wykorzystać przysługujące im z  tego tytułu zwolnienie .
Tokens: 1_____ 2 3_ 4____ 5__________ 6__________ 7___ 8 9___ 10_____ 11 12_____ 13 14___ 15______ 16_________ 17_ 18 19____ 20___ 21__ 22 23_________ 24___________ 25 26 27__ 28____ 29________ 30

Chunks:

(ChunkerEvaluator) Sentence #13185 from articles/00107966 from sent9

Text  : Rzecznik komitetu protestacyjno - strajkowego Piotr Szereda dane na temat czynnie popierających strajk uznał za niewiarygodne ,  jednak związkowcy nie przedstawili dotąd własnych wyliczeń ,  obiecując ,  że zrobią to jeszcze w  poniedziałek .
Tokens: 1_______ 2_______ 3____________ 4 5__________ 6____ 7______ 8___ 9_ 10___ 11_____ 12___________ 13____ 14___ 15 16___________ 17 18____ 19________ 20_ 21__________ 22___ 23______ 24______ 25 26_______ 27 28 29____ 30 31_____ 32 33__________ 34

Chunks:
  TruePositive nam [6,7] = Piotr Szereda

(ChunkerEvaluator) Sentence #13186 from articles/00107966 from sent10

Text  : Szereda potwierdził , że ponad połowa zatrudnionych nie przyszła tego dnia do pracy .
Tokens: 1______ 2__________ 3 4_ 5____ 6_____ 7____________ 8__ 9_______ 10__ 11__ 12 13___ 14

Chunks:
  FalseNegative nam [1,1] = Szereda

(ChunkerEvaluator) Sentence #13187 from articles/00107966 from sent11

Text  : Według związkowców wielu nieobecnych poparło protest , wybierając " strajk absencyjny "  .
Tokens: 1_____ 2__________ 3____ 4__________ 5______ 6______ 7 8_________ 9 10____ 11________ 12 13

Chunks:

(ChunkerEvaluator) Sentence #13188 from articles/00107966 from sent12

Text  : Według wcześniejszych informacji od związkowców pracę w dniu strajku podjęła tylko niewielka część zatrudnionych -  głównie pracownicy administracji ,  osoby dozoru oraz kierownictwa kopalni ,  a  także osoby odpowiedzialne za zabezpieczenie ścian wydobywczych i  przodków ,  oraz służby wentylacyjne ,  które są odpowiedzialne za odmetanowanie oraz zabezpieczenie wyrobisk ze względu na warunki geologiczne .
Tokens: 1_____ 2_____________ 3_________ 4_ 5__________ 6____ 7 8___ 9______ 10_____ 11___ 12_______ 13___ 14___________ 15 16_____ 17________ 18___________ 19 20___ 21____ 22__ 23__________ 24_____ 25 26 27___ 28___ 29____________ 30 31____________ 32___ 33__________ 34 35______ 36 37__ 38____ 39__________ 40 41___ 42 43____________ 44 45___________ 46__ 47____________ 48______ 49 50_____ 51 52_____ 53_________ 54

Chunks:

(ChunkerEvaluator) Sentence #13189 from articles/00107966 from sent13

Text  : " Z naszego punktu widzenia strajk był udany , bo zostało wstrzymane wydobycie .
Tokens: 1 2 3______ 4_____ 5_______ 6_____ 7__ 8____ 9 10 11_____ 12________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #13190 from articles/00107966 from sent14

Text  : Jeśli zarząd będzie chciał usiąść do rozmów to oczywiście jesteśmy na to gotowi .
Tokens: 1____ 2_____ 3_____ 4_____ 5_____ 6_ 7_____ 8_ 9_________ 10______ 11 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #13191 from articles/00107966 from sent15

Text  : Mamy nadzieję , że nastąpi to jeszcze w tym tygodniu .
Tokens: 1___ 2_______ 3 4_ 5______ 6_ 7______ 8 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #13192 from articles/00107966 from sent16

Text  : Jeśli nie będzie takiej propozycji , będziemy myśleć o dalszych formach protestu "  -  powiedział PAP Szereda .
Tokens: 1____ 2__ 3_____ 4_____ 5_________ 6 7_______ 8_____ 9 10______ 11_____ 12______ 13 14 15________ 16_ 17_____ 18

Chunks:
  TruePositive nam [16,16] = PAP
  FalseNegative nam [17,17] = Szereda

(ChunkerEvaluator) Sentence #13193 from articles/00107966 from sent17

Text  : Termin spotkania ze stroną związkową nie został jeszcze ustalony .
Tokens: 1_____ 2________ 3_ 4_____ 5________ 6__ 7_____ 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #13194 from articles/00107966 from sent18

Text  : W poniedziałek zarząd JSW wystosował natomiast listy otwarte do załogi i  związkowców .
Tokens: 1 2___________ 3_____ 4__ 5_________ 6________ 7____ 8______ 9_ 10____ 11 12_________ 13

Chunks:
  TruePositive nam [4,4] = JSW

(ChunkerEvaluator) Sentence #13195 from articles/00107966 from sent19

Text  : Pisze w nich o sytuacji spółki i całej gospodarki ,  apelując o  odpowiedzialność ,  oraz podtrzymuje swą propozycję -  podwyższenia stawek płac zasadniczych o  3  proc .
Tokens: 1____ 2 3___ 4 5_______ 6_____ 7 8____ 9_________ 10 11______ 12 13______________ 14 15__ 16_________ 17_ 18________ 19 20__________ 21____ 22__ 23__________ 24 25 26__ 27

Chunks:

(ChunkerEvaluator) Sentence #13196 from articles/00107966 from sent20

Text  : " Dziś sytuacja JSW jest dobra , ale należy zdać sobie sprawę ,  że najlepszy okres wysokich cen węgla koksowego mamy już za sobą .
Tokens: 1 2___ 3_______ 4__ 5___ 6____ 7 8__ 9_____ 10__ 11___ 12____ 13 14 15_______ 16___ 17______ 18_ 19___ 20_______ 21__ 22_ 23 24__ 25

Chunks:
  TruePositive nam [4,4] = JSW

(ChunkerEvaluator) Sentence #13197 from articles/00107966 from sent21

Text  : Przed nami trudny okres spowodowany spowolnieniem gospodarczym w Europie i  niskimi cenami na rynkach światowych "  -  przekonuje zarząd .
Tokens: 1____ 2___ 3_____ 4____ 5__________ 6____________ 7___________ 8 9______ 10 11_____ 12____ 13 14_____ 15________ 16 17 18________ 19____ 20

Chunks:
  TruePositive nam [9,9] = Europie

(ChunkerEvaluator) Sentence #13198 from articles/00107966 from sent22

Text  : Szefowie spółki przypominają też , że sytuacja pracowników JSW jest najlepsza w  branży górniczej i  należy do najlepszych w  Polsce -  średni zarobek to ponad dwukrotnie więcej niż średnia krajowa .
Tokens: 1_______ 2_____ 3___________ 4__ 5 6_ 7_______ 8__________ 9__ 10__ 11_______ 12 13____ 14_______ 15 16____ 17 18_________ 19 20____ 21 22____ 23_____ 24 25___ 26________ 27____ 28_ 29_____ 30_____ 31

Chunks:
  TruePositive nam [9,9] = JSW
  TruePositive nam [20,20] = Polsce

(ChunkerEvaluator) Sentence #13199 from articles/00107966 from sent23

Text  : W piśmie do związkowców zarząd przestrzega przed kolejnymi strajkami ,  co -  jak dodają autorzy listu -  może być niebezpieczne dla spółki i  pracowników ,  bo naraża firmę na starty .
Tokens: 1 2_____ 3_ 4__________ 5_____ 6__________ 7____ 8________ 9________ 10 11 12 13_ 14____ 15_____ 16___ 17 18__ 19_ 20___________ 21_ 22____ 23 24_________ 25 26 27____ 28___ 29 30____ 31

Chunks:

(ChunkerEvaluator) Sentence #13200 from articles/00107966 from sent24

Text  : Spór w JSW dotyczy wielkości tegorocznego wzrostu wynagrodzeń oraz warunków umów zawieranych z  nowymi pracownikami spółki ;  według związkowców pozbawiają one młodych górników części uprawnień i  są niezgodne z  prawem pracy .
Tokens: 1___ 2 3__ 4______ 5________ 6___________ 7______ 8__________ 9___ 10______ 11__ 12_________ 13 14____ 15__________ 16____ 17 18____ 19_________ 20________ 21_ 22_____ 23______ 24____ 25_______ 26 27 28_______ 29 30____ 31___ 32

Chunks:
  TruePositive nam [3,3] = JSW

(ChunkerEvaluator) Sentence #13201 from articles/00107966 from sent25

Text  : Spółka zaproponowała podwyższenie od października stawek płac zasadniczych o 3  proc .  (  związkowcy gotowi byli zgodzić się na 3  ,  8  proc .  )  ,  wypłacenie jednorazowej premii w  wysokości przeciętnie 1  tys .  zł (  związki obstawały przy 2  ,  5  tys .  zł )  oraz przyjęcie na kolejne pięć lat zasady podwyżek o  wskaźnik inflacji .
Tokens: 1_____ 2____________ 3___________ 4_ 5___________ 6_____ 7___ 8___________ 9 10 11__ 12 13 14________ 15____ 16__ 17_____ 18_ 19 20 21 22 23__ 24 25 26 27________ 28__________ 29____ 30 31_______ 32_________ 33 34_ 35 36 37 38_____ 39_______ 40__ 41 42 43 44_ 45 46 47 48__ 49_______ 50 51_____ 52__ 53_ 54____ 55______ 56 57______ 58______ 59

Chunks:
  TruePositive nam [36,36] = zł
  TruePositive nam [46,46] = zł

(ChunkerEvaluator) Sentence #13202 from articles/00107966 from sent26

Text  : Dodatkowy koszt spełnienia postulatów płacowych związkowców spółka oszacowała na ok .  100 mln zł .
Tokens: 1________ 2____ 3_________ 4_________ 5________ 6__________ 7_____ 8_________ 9_ 10 11 12_ 13_ 14 15

Chunks:
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #13203 from articles/00107966 from sent27

Text  : Oprócz spraw płacowych spór w JSW dotyczy warunków umów zawieranych z  nowymi pracownikami spółki .
Tokens: 1_____ 2____ 3________ 4___ 5 6__ 7______ 8_______ 9___ 10_________ 11 12____ 13__________ 14____ 15

Chunks:
  TruePositive nam [6,6] = JSW

(ChunkerEvaluator) Sentence #13204 from articles/00107966 from sent28

Text  : Zarząd zaproponował zawieszenie zawierania umów do końca styczna 2013 r  .  i  wypracowanie w  tym czasie zakładowego układu zbiorowego pracy .
Tokens: 1_____ 2___________ 3__________ 4_________ 5___ 6_ 7____ 8______ 9___ 10 11 12 13__________ 14 15_ 16____ 17_________ 18____ 19________ 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #13205 from articles/00107966 from sent29

Text  : Jeśli postanowienia układu okazały by się korzystniejsze od umieszczonych w  umowach ,  górnicy otrzymali by stosowne wyrównanie .
Tokens: 1____ 2____________ 3_____ 4______ 5_ 6__ 7_____________ 8_ 9____________ 10 11_____ 12 13_____ 14_______ 15 16______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #13206 from articles/00107966 from sent30

Text  : Związkowcy żądają natomiast , by zarząd wycofał się z obecnych warunków w  umowach .
Tokens: 1_________ 2_____ 3________ 4 5_ 6_____ 7______ 8__ 9 10______ 11______ 12 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #13207 from articles/00107966 from sent31

Text  : Jastrzębska Spółka Węglowa zatrudnia ok . 22 , 8 tys .  pracowników ,  natomiast zatrudnienie w  całej grupie JSW to niemal 30 tys .  osób .
Tokens: 1__________ 2_____ 3______ 4________ 5_ 6 7_ 8 9 10_ 11 12_________ 13 14_______ 15__________ 16 17___ 18____ 19_ 20 21____ 22 23_ 24 25__ 26

Chunks:
  TruePositive nam [1,3] = Jastrzębska Spółka Węglowa
  TruePositive nam [19,19] = JSW

(ChunkerEvaluator) Sentence #13208 from articles/00107966 from sent32

Text  : W ubiegłym roku grupa zarobiła ponad 2 mld zł .
Tokens: 1 2_______ 3___ 4____ 5_______ 6____ 7 8__ 9_ 10

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #13209 from articles/00107966 from sent33

Text  : W tym roku firma doświadcza skutków spadku cen węgla koksowego i  koksu na światowych rynkach ,  co również wpływa na jej wyniki .  (  PAP )
Tokens: 1 2__ 3___ 4____ 5_________ 6______ 7_____ 8__ 9____ 10_______ 11 12___ 13 14________ 15_____ 16 17 18_____ 19____ 20 21_ 22____ 23 24 25_ 26

Chunks:
  TruePositive nam [25,25] = PAP

(ChunkerEvaluator) Sentence #13210 from articles/00107966 from sent34

Text  : ( planujemy kontynuację tematu )
Tokens: 1 2________ 3__________ 4_____ 5

Chunks:

2016-10-27 15:00:19,559 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 582 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107967.xml
(ChunkerEvaluator) Sentence #13211 from articles/00107967 from sent1

Text  : Marcin Mięciel : Ljuboja powinien zastąpić Saganowskiego w ataku
Tokens: 1_____ 2______ 3 4______ 5_______ 6_______ 7____________ 8 9____

Chunks:
  TruePositive nam [1,2] = Marcin Mięciel
  TruePositive nam [7,7] = Saganowskiego
  FalseNegative nam [4,4] = Ljuboja

(ChunkerEvaluator) Sentence #13212 from articles/00107967 from sent2

Text  : - To będzie bardzo ciężki mecz dla Legii .
Tokens: 1 2_ 3_____ 4_____ 5_____ 6___ 7__ 8____ 9

Chunks:
  TruePositive nam [8,8] = Legii

(ChunkerEvaluator) Sentence #13213 from articles/00107967 from sent3

Text  : Chciał by m , żeby wygrała , ale obstawiam wynik raczej remisowy -  typuje przed spotkaniem Pogoni z  Legią Marcin Mięciel ,  który na pozycji Saganowskiego w  tym meczu najchętniej widział by Danijela Ljuboję .
Tokens: 1_____ 2_ 3 4 5___ 6______ 7 8__ 9________ 10___ 11____ 12______ 13 14____ 15___ 16________ 17____ 18 19___ 20____ 21_____ 22 23___ 24 25_____ 26___________ 27 28_ 29___ 30_________ 31_____ 32 33______ 34_____ 35

Chunks:
  TruePositive nam [17,17] = Pogoni
  TruePositive nam [19,19] = Legią
  TruePositive nam [20,21] = Marcin Mięciel
  TruePositive nam [26,26] = Saganowskiego
  FalseNegative nam [33,34] = Danijela Ljuboję

(ChunkerEvaluator) Sentence #13214 from articles/00107967 from sent4

Text  : W poniedziałek w ostatnim meczu piłkarskiej ekstraklasy Legia w Szczecinie zagra z  Pogonią o  fotel lidera .
Tokens: 1 2___________ 3 4_______ 5____ 6__________ 7__________ 8____ 9 10________ 11___ 12 13_____ 14 15___ 16____ 17

Chunks:
  TruePositive nam [8,8] = Legia
  TruePositive nam [10,10] = Szczecinie
  TruePositive nam [13,13] = Pogonią

(ChunkerEvaluator) Sentence #13215 from articles/00107967 from sent5

Text  : Według Marcina Mięciela , byłego napastnika Legii , będzie to trudny mecz dla drużyny z  Łazienkowskiej .
Tokens: 1_____ 2______ 3_______ 4 5_____ 6_________ 7____ 8 9_____ 10 11____ 12__ 13_ 14_____ 15 16____________ 17

Chunks:
  TruePositive nam [2,3] = Marcina Mięciela
  TruePositive nam [7,7] = Legii
  TruePositive nam [16,16] = Łazienkowskiej

(ChunkerEvaluator) Sentence #13216 from articles/00107967 from sent6

Text  : - W Szczecinie ciężko się gra , na pewno przyjdzie wielu kibiców dopingować gospodarzy ,  a  Pogoń jest teraz na fali .
Tokens: 1 2 3_________ 4_____ 5__ 6__ 7 8_ 9____ 10_______ 11___ 12_____ 13________ 14________ 15 16 17___ 18__ 19___ 20 21__ 22

Chunks:
  TruePositive nam [3,3] = Szczecinie
  TruePositive nam [17,17] = Pogoń

(ChunkerEvaluator) Sentence #13217 from articles/00107967 from sent7

Text  : Legia też jest w gazie , ale to będzie dla niej bardzo ciężki mecz .
Tokens: 1____ 2__ 3___ 4 5____ 6 7__ 8_ 9_____ 10_ 11__ 12____ 13____ 14__ 15

Chunks:
  FalseNegative nam [1,1] = Legia

(ChunkerEvaluator) Sentence #13218 from articles/00107967 from sent8

Text  : Chciał by m , żeby Legia wygrała , ale obstawiam wynik raczej remisowy -  typuje w  rozmowie z  Warszawa.sport.pl Marcin Mięciel .
Tokens: 1_____ 2_ 3 4 5___ 6____ 7______ 8 9__ 10_______ 11___ 12____ 13______ 14 15____ 16 17______ 18 19_______________ 20____ 21_____ 22

Chunks:
  TruePositive nam [6,6] = Legia
  TruePositive nam [19,19] = Warszawa.sport.pl
  TruePositive nam [20,21] = Marcin Mięciel

(ChunkerEvaluator) Sentence #13219 from articles/00107967 from sent9

Text  : W ataku Legii zabraknie skutecznego w ostatnich meczach Marka Saganowskiego .
Tokens: 1 2____ 3____ 4________ 5__________ 6 7________ 8______ 9____ 10___________ 11

Chunks:
  TruePositive nam [3,3] = Legii
  TruePositive nam [9,10] = Marka Saganowskiego

(ChunkerEvaluator) Sentence #13220 from articles/00107967 from sent10

Text  : Kto może go zastąpić ?
Tokens: 1__ 2___ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #13221 from articles/00107967 from sent11

Text  : - Legia ma taki potencjał ofensywny , że nie będzie miała problemu z  ustawieniem z  przodu ,  jest Ljuboja ,  Żyro ,  Kucharczyk .
Tokens: 1 2____ 3_ 4___ 5________ 6________ 7 8_ 9__ 10____ 11___ 12______ 13 14_________ 15 16____ 17 18__ 19_____ 20 21__ 22 23________ 24

Chunks:
  TruePositive nam [21,21] = Żyro
  TruePositive nam [23,23] = Kucharczyk
  FalseNegative nam [2,2] = Legia
  FalseNegative nam [19,19] = Ljuboja

(ChunkerEvaluator) Sentence #13222 from articles/00107967 from sent12

Text  : Okazje na pewno będą , ale pytanie tylko , czy uda się je zamienić na gola .
Tokens: 1_____ 2_ 3____ 4___ 5 6__ 7______ 8____ 9 10_ 11_ 12_ 13 14______ 15 16__ 17

Chunks:

(ChunkerEvaluator) Sentence #13223 from articles/00107967 from sent13

Text  : Moim faworytem za Saganowskiego jest Ljuboja , który potrafi też przytrzymać dłużej piłkę ,  a  to będzie bardzo ważne w  tym meczu -  dodaje Mięciel .
Tokens: 1___ 2________ 3_ 4____________ 5___ 6______ 7 8____ 9______ 10_ 11_________ 12____ 13___ 14 15 16 17____ 18____ 19___ 20 21_ 22___ 23 24____ 25_____ 26

Chunks:
  TruePositive nam [4,4] = Saganowskiego
  TruePositive nam [25,25] = Mięciel
  FalseNegative nam [6,6] = Ljuboja

2016-10-27 15:00:19,624 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 583 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107968.xml
(ChunkerEvaluator) Sentence #13224 from articles/00107968 from sent1

Text  : Zdrowy dialog
Tokens: 1_____ 2_____

Chunks:

(ChunkerEvaluator) Sentence #13225 from articles/00107968 from sent2

Text  : Potrzebujemy w Polsce systemowych rozwiązań umożliwiających lekarzom już podczas studiów naukę m  .  in .  :  przekazywania pacjentom różnych informacji ,  porządkowania rozmowy ,  zwracania uwagi na wszelkie niewerbalne komunikaty .
Tokens: 1___________ 2 3_____ 4__________ 5________ 6______________ 7_______ 8__ 9______ 10_____ 11___ 12 13 14 15 16 17___________ 18_______ 19_____ 20________ 21 22___________ 23_____ 24 25_______ 26___ 27 28______ 29_________ 30________ 31

Chunks:
  TruePositive nam [3,3] = Polsce

(ChunkerEvaluator) Sentence #13226 from articles/00107968 from sent3

Text  : Wielu lekarzy posiada takie umiejętności , ale gdy pracują przemęczeni do granic ,  ta wiedza może nie wystarczyć -  mówi Rynkowi Zdrowia mgr Mariola Kosowicz ,  psycholog i  psychoterapeuta ,  kierownik Zakładu Psychoonkologii Centrum Onkologii w  Warszawie ,  ekspert programu "  Zdrowy dialog "  .
Tokens: 1____ 2______ 3______ 4____ 5___________ 6 7__ 8__ 9______ 10_________ 11 12____ 13 14 15____ 16__ 17_ 18________ 19 20__ 21_____ 22_____ 23_ 24_____ 25______ 26 27_______ 28 29_____________ 30 31_______ 32_____ 33_____________ 34_____ 35_______ 36 37_______ 38 39_____ 40______ 41 42____ 43____ 44 45

Chunks:
  TruePositive nam [21,22] = Rynkowi Zdrowia
  TruePositive nam [24,25] = Mariola Kosowicz
  TruePositive nam [37,37] = Warszawie
  TruePositive nam [42,43] = Zdrowy dialog
  FalsePositive nam [32,35] = Zakładu Psychoonkologii Centrum Onkologii

(ChunkerEvaluator) Sentence #13227 from articles/00107968 from sent4

Text  : Środowisko medyczne , pacjenci , a także media coraz częściej zwracają uwagę na niedostatek praktycznych szkoleń w  zakresie właściwej komunikacji lekarz -  pacjent .
Tokens: 1_________ 2_______ 3 4_______ 5 6 7____ 8____ 9____ 10______ 11______ 12___ 13 14_________ 15__________ 16_____ 17 18______ 19_______ 20_________ 21____ 22 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #13228 from articles/00107968 from sent5

Text  : - Sytuacja lekarzy związana z komunikacją jest trudna - z  jednej strony brak czasu i  rosnące obowiązki dokumentacyjne ,  z  drugiej niekończące się zmiany i  perturbacje w  systemie ochrony zdrowia ,  frustrujące dla wszystkich jego uczestników .
Tokens: 1 2_______ 3______ 4_______ 5 6__________ 7___ 8_____ 9 10 11____ 12____ 13__ 14___ 15 16_____ 17_______ 18____________ 19 20 21_____ 22_________ 23_ 24____ 25 26_________ 27 28______ 29_____ 30_____ 31 32_________ 33_ 34________ 35__ 36_________ 37

Chunks:

(ChunkerEvaluator) Sentence #13229 from articles/00107968 from sent6

Text  : Bardzo trudno tę sytuację przełamać - przyznaje Jacek Kaczyński ,  Kierownik Działu Medycznego firmy Teva Pharmaceuticals Polska ,  która jest inicjatorem programu "  Zdrowy dialog "  .
Tokens: 1_____ 2_____ 3_ 4_______ 5________ 6 7________ 8____ 9________ 10 11_______ 12____ 13________ 14___ 15__ 16_____________ 17____ 18 19___ 20__ 21_________ 22______ 23 24____ 25____ 26 27

Chunks:
  TruePositive nam [8,9] = Jacek Kaczyński
  TruePositive nam [15,17] = Teva Pharmaceuticals Polska
  TruePositive nam [24,25] = Zdrowy dialog
  FalsePositive nam [11,13] = Kierownik Działu Medycznego
  FalseNegative nam [12,13] = Działu Medycznego

(ChunkerEvaluator) Sentence #13230 from articles/00107968 from sent7

Text  : Głównym celem tego programu edukacyjnego jest podniesienie jakości i komfortu pracy lekarza ,  poprzez zwiększenie efektywności jego komunikacji z  pacjentem .
Tokens: 1______ 2____ 3___ 4_______ 5___________ 6___ 7___________ 8______ 9 10______ 11___ 12_____ 13 14_____ 15_________ 16__________ 17__ 18_________ 19 20_______ 21

Chunks:

(ChunkerEvaluator) Sentence #13231 from articles/00107968 from sent8

Text  : W ramach projektu , korzystając z pomocy aktorów i konwencji teatralnej "  odgrywane "  są sytuacje dotyczące relacji lekarz -  pacjent .
Tokens: 1 2_____ 3_______ 4 5__________ 6 7_____ 8______ 9 10_______ 11________ 12 13_______ 14 15 16______ 17_______ 18_____ 19____ 20 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #13232 from articles/00107968 from sent9

Text  : - Próbujemy pokazać możliwe , dobre - zdaniem praktyków -  rozwiązania .
Tokens: 1 2________ 3______ 4______ 5 6____ 7 8______ 9________ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #13233 from articles/00107968 from sent10

Text  : Lekarz z perspektywy widza , gdy nie musi się koncentrować na swoich kluczowych obowiązkach ,  dostrzega znacznie więcej niż zwykle .
Tokens: 1_____ 2 3__________ 4____ 5 6__ 7__ 8___ 9__ 10__________ 11 12____ 13________ 14_________ 15 16_______ 17______ 18____ 19_ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #13234 from articles/00107968 from sent11

Text  : Widzi " drugą stronę " , jej odczucia i problemy -  wyjaśniają autorzy projektu .
Tokens: 1____ 2 3____ 4_____ 5 6 7__ 8_______ 9 10______ 11 12________ 13_____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #13235 from articles/00107968 from sent12

Text  : Każda przykładowa scena jest przedstawiona w dwóch wersjach : "  nie do naśladowania "  i  w  wersji "  sugerowanej "  ,  jako poprawna .
Tokens: 1____ 2__________ 3____ 4___ 5____________ 6 7____ 8_______ 9 10 11_ 12 13__________ 14 15 16 17____ 18 19_________ 20 21 22__ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #13236 from articles/00107968 from sent13

Text  : Filmy opatrzone są wstępem i komentarzami ekspertów compliance : prof .  Przemysława Kardasa -  kierownika I  Zakładu Medycyny Rodzinnej Uniwersytetu Medycznego w  Łodzi oraz mgr Marioli Kosowicz -  psychologa i  psychoterapeuty ,  kierownika Zakładu Psychoonkologii Centrum Onkologii w  Warszawie .
Tokens: 1____ 2________ 3_ 4______ 5 6___________ 7________ 8_________ 9 10__ 11 12_________ 13_____ 14 15________ 16 17_____ 18______ 19_______ 20__________ 21________ 22 23___ 24__ 25_ 26_____ 27______ 28 29________ 30 31_____________ 32 33________ 34_____ 35_____________ 36_____ 37_______ 38 39_______ 40

Chunks:
  TruePositive nam [12,13] = Przemysława Kardasa
  TruePositive nam [26,27] = Marioli Kosowicz
  TruePositive nam [34,37] = Zakładu Psychoonkologii Centrum Onkologii
  TruePositive nam [39,39] = Warszawie
  FalsePositive nam [17,23] = Zakładu Medycyny Rodzinnej Uniwersytetu Medycznego w Łodzi
  FalseNegative nam [23,23] = Łodzi

(ChunkerEvaluator) Sentence #13237 from articles/00107968 from sent14

Text  : Odpowiadają obie strony
Tokens: 1__________ 2___ 3_____

Chunks:

(ChunkerEvaluator) Sentence #13238 from articles/00107968 from sent15

Text  : - Z przeprowadzonych przed rozpoczęciem projektu badań wynika , że lekarze oczekują praktycznej i  niepochłaniającej ich bardzo ograniczonego czasu pomocy w  budowaniu dobrych ,  zdrowych relacji z  pacjentem .
Tokens: 1 2 3_______________ 4____ 5___________ 6_______ 7____ 8_____ 9 10 11_____ 12______ 13_________ 14 15_______________ 16_ 17____ 18___________ 19___ 20____ 21 22_______ 23_____ 24 25______ 26_____ 27 28_______ 29

Chunks:

(ChunkerEvaluator) Sentence #13239 from articles/00107968 from sent16

Text  : Nasz program został więc przygotowany tak , jak chcieli sami lekarze -  czysta praktyka i  wskazówki ,  które każdy może zastosować i  dostosować do własnych potrzeb -  tłumaczy Jacek Kaczyński .
Tokens: 1___ 2______ 3_____ 4___ 5___________ 6__ 7 8__ 9______ 10__ 11_____ 12 13____ 14______ 15 16_______ 17 18___ 19___ 20__ 21________ 22 23________ 24 25______ 26_____ 27 28______ 29___ 30_______ 31

Chunks:
  TruePositive nam [29,30] = Jacek Kaczyński

(ChunkerEvaluator) Sentence #13240 from articles/00107968 from sent17

Text  : - Od lat pojawia się podnoszony przez lekarzy problem non -  -  compliance .
Tokens: 1 2_ 3__ 4______ 5__ 6_________ 7____ 8______ 9______ 10_ 11 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #13241 from articles/00107968 from sent18

Text  : Lekarze doskonale wiedzą , że pacjenci często nie stosują się do ich zaleceń ,  samodzielnie modyfikują leczenie ,  przerywają je i  tak dalej .
Tokens: 1______ 2________ 3_____ 4 5_ 6_______ 7_____ 8__ 9______ 10_ 11 12_ 13_____ 14 15__________ 16________ 17______ 18 19________ 20 21 22_ 23___ 24

Chunks:

(ChunkerEvaluator) Sentence #13242 from articles/00107968 from sent19

Text  : W efekcie leczenie jest nieskuteczne .
Tokens: 1 2______ 3_______ 4___ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #13243 from articles/00107968 from sent20

Text  : Przeprowadzone w zeszłym roku na zlecenie Teva badania , jednoznacznie potwierdziły oczekiwania ze strony lekarzy na doskonalenie praktycznych umiejętności w  zakresie komunikacji z  pacjentem .
Tokens: 1_____________ 2 3______ 4___ 5_ 6_______ 7___ 8______ 9 10___________ 11__________ 12_________ 13 14____ 15_____ 16 17__________ 18__________ 19__________ 20 21______ 22_________ 23 24_______ 25

Chunks:
  FalseNegative nam [7,7] = Teva

(ChunkerEvaluator) Sentence #13244 from articles/00107968 from sent21

Text  : Czy za niestosowanie się do zaleceń terapeutycznych bardziej odpowiadają sami pacjenci czy lekarze ?
Tokens: 1__ 2_ 3____________ 4__ 5_ 6______ 7______________ 8_______ 9__________ 10__ 11______ 12_ 13_____ 14

Chunks:

(ChunkerEvaluator) Sentence #13245 from articles/00107968 from sent22

Text  : - Z mojego doświadczenia klinicznego - jako psychoonkologa i psychoterapeuty -  wynika ,  że na to pytanie nie można udzielić jednoznacznej odpowiedzi -  mówi mgr Kosowicz .
Tokens: 1 2 3_____ 4____________ 5__________ 6 7___ 8_____________ 9 10_____________ 11 12____ 13 14 15 16 17_____ 18_ 19___ 20______ 21___________ 22________ 23 24__ 25_ 26______ 27

Chunks:
  FalseNegative nam [26,26] = Kosowicz

(ChunkerEvaluator) Sentence #13246 from articles/00107968 from sent23

Text  : - Zdarza się , że pacjenci onkologiczni odstawiają leczenie ,  jednak akurat w  tej dziedzinie medycyny mamy do czynienia ze zgoła innym problemem -  pacjenci częściej chcą stosowania uporczywej terapii .
Tokens: 1 2_____ 3__ 4 5_ 6_______ 7___________ 8_________ 9_______ 10 11____ 12____ 13 14_ 15________ 16______ 17__ 18 19_______ 20 21___ 22___ 23_______ 24 25______ 26______ 27__ 28________ 29________ 30_____ 31

Chunks:

(ChunkerEvaluator) Sentence #13247 from articles/00107968 from sent24

Text  : Natomiast rezygnują z leczenia głównie dlatego , iż mają błędne informacje dotyczące danej terapii .
Tokens: 1________ 2________ 3 4_______ 5______ 6______ 7 8_ 9___ 10____ 11________ 12_______ 13___ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #13248 from articles/00107968 from sent25

Text  : Wtedy zachowują się irracjonalnie i nie przestrzegają zaleceń lekarza .
Tokens: 1____ 2________ 3__ 4____________ 5 6__ 7____________ 8______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #13249 from articles/00107968 from sent26

Text  : Nasza rozmówczyni podkreśla , iż w chorobach przewlekłych , np .  przewlekłej białaczce szpikowej ,  branie pewnych leków wiąże się oczywiście ze skutkami ubocznymi ,  co może skłaniać do zaprzestania farmakoterapii .
Tokens: 1____ 2__________ 3________ 4 5_ 6 7________ 8___________ 9 10 11 12_________ 13_______ 14_______ 15 16____ 17_____ 18___ 19___ 20_ 21________ 22 23______ 24_______ 25 26 27__ 28______ 29 30__________ 31____________ 32

Chunks:

(ChunkerEvaluator) Sentence #13250 from articles/00107968 from sent27

Text  : - Niestety , nasz system ochrony zdrowia nie jest dobrze przygotowany do niesienia pomocy tym osobom -  w  zakresie psychologii .
Tokens: 1 2_______ 3 4___ 5_____ 6______ 7______ 8__ 9___ 10____ 11__________ 12 13_______ 14____ 15_ 16____ 17 18 19______ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #13251 from articles/00107968 from sent28

Text  : Tymczasem skutki uboczne budzą u tych pacjentów ogromny niepokój ,  stąd tak istotna jest umiejętność redukowania przez specjalistów tego napięcia ,  co pozwoliło by chorej osobie zdać sobie sprawę ,  iż dolegliwości związane z  zażywaniem leku nie muszą być aż tak obciążające .
Tokens: 1________ 2_____ 3______ 4____ 5 6___ 7________ 8______ 9_______ 10 11__ 12_ 13_____ 14__ 15_________ 16_________ 17___ 18__________ 19__ 20______ 21 22 23_______ 24 25____ 26____ 27__ 28___ 29____ 30 31 32__________ 33______ 34 35________ 36__ 37_ 38___ 39_ 40 41_ 42_________ 43

Chunks:

(ChunkerEvaluator) Sentence #13252 from articles/00107968 from sent29

Text  : Chory przewlekle człowiek , siłą rzeczy , doświadcza sytuacji ,  których wcześniej nie znał i  z  tego tez względu trzeba mu pomóc pomnożyć jego zasoby zaradcze -  tłumaczy Mariola Kosowicz .
Tokens: 1____ 2_________ 3_______ 4 5___ 6_____ 7 8_________ 9_______ 10 11_____ 12_______ 13_ 14__ 15 16 17__ 18_ 19_____ 20____ 21 22___ 23______ 24__ 25____ 26______ 27 28______ 29_____ 30______ 31

Chunks:
  TruePositive nam [29,30] = Mariola Kosowicz

(ChunkerEvaluator) Sentence #13253 from articles/00107968 from sent30

Text  : Dodaje : - Gdy brakuje edukacji wyjaśniającej - jak wzbudzać w  sobie odpowiednią reakcję na oddziaływanie leku -  pacjenci nie radzą sobie z  tym problemem i  odstawiają terapię .
Tokens: 1_____ 2 3 4__ 5______ 6_______ 7____________ 8 9__ 10______ 11 12___ 13_________ 14_____ 15 16___________ 17__ 18 19______ 20_ 21___ 22___ 23 24_ 25_______ 26 27________ 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #13254 from articles/00107968 from sent31

Text  : Powodem takiej decyzji może też być , np . postawa współmałżonka ,  który nie akceptuje otyłości żony ,  będącej skutkiem zażywania określonych preparatów .
Tokens: 1______ 2_____ 3______ 4___ 5__ 6__ 7 8_ 9 10_____ 11___________ 12 13___ 14_ 15_______ 16______ 17__ 18 19_____ 20______ 21_______ 22_________ 23________ 24

Chunks:

2016-10-27 15:00:19,842 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 584 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107969.xml
(ChunkerEvaluator) Sentence #13255 from articles/00107969 from sent1

Text  : Piłka nożna : Bartczak i Kuś w Amice ?
Tokens: 1____ 2____ 3 4_______ 5 6__ 7 8____ 9

Chunks:
  TruePositive nam [4,4] = Bartczak
  TruePositive nam [6,6] = Kuś
  FalseNegative nam [8,8] = Amice

(ChunkerEvaluator) Sentence #13256 from articles/00107969 from sent2

Text  : Kłosiński w Katowicach
Tokens: 1________ 2 3_________

Chunks:
  TruePositive nam [1,1] = Kłosiński
  TruePositive nam [3,3] = Katowicach

(ChunkerEvaluator) Sentence #13257 from articles/00107969 from sent3

Text  : Czy Marcin Kuś będzie czwartym piłkarzem Polonii Warszawa , który zimą zasili Amicę Wronki ?
Tokens: 1__ 2_____ 3__ 4_____ 5_______ 6________ 7______ 8_______ 9 10___ 11__ 12____ 13___ 14____ 15

Chunks:
  TruePositive nam [2,3] = Marcin Kuś
  TruePositive nam [7,8] = Polonii Warszawa
  TruePositive nam [13,14] = Amicę Wronki

(ChunkerEvaluator) Sentence #13258 from articles/00107969 from sent4

Text  : Napastnik Groclinu Grodzisk Wlkp .
Tokens: 1________ 2_______ 3_______ 4___ 5

Chunks:
  FalsePositive nam [2,4] = Groclinu Grodzisk Wlkp
  FalseNegative nam [2,5] = Groclinu Grodzisk Wlkp .

(ChunkerEvaluator) Sentence #13259 from articles/00107969 from sent5

Text  : Krzysztof Kłosiński został wypożyczony do GKS Katowice .
Tokens: 1________ 2________ 3_____ 4__________ 5_ 6__ 7_______ 8

Chunks:
  TruePositive nam [1,2] = Krzysztof Kłosiński
  TruePositive nam [6,7] = GKS Katowice

(ChunkerEvaluator) Sentence #13260 from articles/00107969 from sent6

Text  : Piłka nożna .
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #13261 from articles/00107969 from sent7

Text  : Kolejne wzmocnienia Amiki
Tokens: 1______ 2__________ 3____

Chunks:
  FalseNegative nam [3,3] = Amiki

(ChunkerEvaluator) Sentence #13262 from articles/00107969 from sent8

Text  : Więcej Polonii w Amice
Tokens: 1_____ 2______ 3 4____

Chunks:
  TruePositive nam [2,2] = Polonii
  FalseNegative nam [4,4] = Amice

(ChunkerEvaluator) Sentence #13263 from articles/00107969 from sent9

Text  : Czy Marcin Kuś będzie czwartym piłkarzem Polonii Warszawa , który zimą zasili Amicę Wronki ?
Tokens: 1__ 2_____ 3__ 4_____ 5_______ 6________ 7______ 8_______ 9 10___ 11__ 12____ 13___ 14____ 15

Chunks:
  TruePositive nam [2,3] = Marcin Kuś
  TruePositive nam [7,8] = Polonii Warszawa
  TruePositive nam [13,14] = Amicę Wronki

(ChunkerEvaluator) Sentence #13264 from articles/00107969 from sent10

Text  : Napastnik Groclinu Grodzisk Wlkp .
Tokens: 1________ 2_______ 3_______ 4___ 5

Chunks:
  FalsePositive nam [2,4] = Groclinu Grodzisk Wlkp
  FalseNegative nam [2,5] = Groclinu Grodzisk Wlkp .

(ChunkerEvaluator) Sentence #13265 from articles/00107969 from sent11

Text  : Krzysztof Kłosiński został wypożyczony do GKS Katowice
Tokens: 1________ 2________ 3_____ 4__________ 5_ 6__ 7_______

Chunks:
  TruePositive nam [1,2] = Krzysztof Kłosiński
  TruePositive nam [6,7] = GKS Katowice

(ChunkerEvaluator) Sentence #13266 from articles/00107969 from sent12

Text  : Do końca tygodnia umowę z Amicą powinien podpisać Mateusz Bartczak .
Tokens: 1_ 2____ 3_______ 4____ 5 6____ 7_______ 8_______ 9______ 10______ 11

Chunks:
  TruePositive nam [9,10] = Mateusz Bartczak
  FalseNegative nam [6,6] = Amicą

(ChunkerEvaluator) Sentence #13267 from articles/00107969 from sent13

Text  : - Warunki kontraktu mam już uzgodnione i pozostało już tylko złożyć podpisy pod umową -  mówi były piłkarz Polonii Warszawa .
Tokens: 1 2______ 3________ 4__ 5__ 6_________ 7 8________ 9__ 10___ 11____ 12_____ 13_ 14___ 15 16__ 17__ 18_____ 19_____ 20______ 21

Chunks:
  TruePositive nam [19,20] = Polonii Warszawa

(ChunkerEvaluator) Sentence #13268 from articles/00107969 from sent14

Text  : Niewykluczone , że grupa byłych zawodników Polonii w Amice (  zima do wronieckiego klubu trafili już Arkadiusz Bąk i  Piotr Dziewicki )  jeszcze się powiększy .
Tokens: 1____________ 2 3_ 4____ 5_____ 6_________ 7______ 8 9____ 10 11__ 12 13__________ 14___ 15_____ 16_ 17_______ 18_ 19 20___ 21_______ 22 23_____ 24_ 25_______ 26

Chunks:
  TruePositive nam [7,7] = Polonii
  TruePositive nam [17,18] = Arkadiusz Bąk
  TruePositive nam [20,21] = Piotr Dziewicki
  FalseNegative nam [9,9] = Amice

(ChunkerEvaluator) Sentence #13269 from articles/00107969 from sent15

Text  : Amica stara się bowiem o obrońcę Marcina Kusia , który ma za sobą występy w  reprezentacji Polski .
Tokens: 1____ 2____ 3__ 4_____ 5 6______ 7______ 8____ 9 10___ 11 12 13__ 14_____ 15 16___________ 17____ 18

Chunks:
  TruePositive nam [7,8] = Marcina Kusia
  TruePositive nam [17,17] = Polski
  FalseNegative nam [1,1] = Amica

(ChunkerEvaluator) Sentence #13270 from articles/00107969 from sent16

Text  : Kuś prowadzi ponadto rozmowy z Widzewem Łódź .
Tokens: 1__ 2_______ 3______ 4______ 5 6_______ 7___ 8

Chunks:
  TruePositive nam [6,7] = Widzewem Łódź
  FalseNegative nam [1,1] = Kuś

(ChunkerEvaluator) Sentence #13271 from articles/00107969 from sent17

Text  : Trener Amiki Mirosław Jabłoński zapowiada jeszcze wzmocnienie zespołu klasowym obrońcą .
Tokens: 1_____ 2____ 3_______ 4________ 5________ 6______ 7__________ 8______ 9_______ 10_____ 11

Chunks:
  TruePositive nam [3,4] = Mirosław Jabłoński
  FalsePositive nam [1,2] = Trener Amiki
  FalseNegative nam [2,2] = Amiki

(ChunkerEvaluator) Sentence #13272 from articles/00107969 from sent18

Text  : - Nie wiem , czy takim jest Marcin .
Tokens: 1 2__ 3___ 4 5__ 6____ 7___ 8_____ 9

Chunks:
  TruePositive nam [8,8] = Marcin

(ChunkerEvaluator) Sentence #13273 from articles/00107969 from sent19

Text  : Przyznam , że jesteśmy zainteresowani jeszcze kilkoma innymi piłkarzami i  najbardziej chcieli by śmy sprowadzić zawodnika ,  który ma swoją kartę -  mówi kierownik Amiki Marek Pogorzelczyk .
Tokens: 1_______ 2 3_ 4_______ 5_____________ 6______ 7______ 8_____ 9_________ 10 11_________ 12_____ 13 14_ 15________ 16_______ 17 18___ 19 20___ 21___ 22 23__ 24_______ 25___ 26___ 27__________ 28

Chunks:
  TruePositive nam [26,27] = Marek Pogorzelczyk
  FalseNegative nam [25,25] = Amiki

(ChunkerEvaluator) Sentence #13274 from articles/00107969 from sent20

Text  : 22 - letni Kuś ma kontrakt z Polonią do 2005 r  .  i  w  jego przypadku konieczna była by zapłata znacznej sumy odstępnego .
Tokens: 1_ 2 3____ 4__ 5_ 6_______ 7 8______ 9_ 10__ 11 12 13 14 15__ 16_______ 17_______ 18__ 19 20_____ 21______ 22__ 23________ 24

Chunks:
  TruePositive nam [8,8] = Polonią
  FalseNegative nam [4,4] = Kuś

(ChunkerEvaluator) Sentence #13275 from articles/00107969 from sent21

Text  : W grudniu 2002 r . prezes Polonii wyceniał swojego najbardziej perspektywicznego piłkarza na 1  ,  5  mln euro .
Tokens: 1 2______ 3___ 4 5 6_____ 7______ 8_______ 9______ 10_________ 11_______________ 12______ 13 14 15 16 17_ 18__ 19

Chunks:
  TruePositive nam [7,7] = Polonii
  TruePositive nam [18,18] = euro

(ChunkerEvaluator) Sentence #13276 from articles/00107969 from sent22

Text  : Po raz pierwszy z zespołem GKS Katowice trenował wczoraj napastnik Groclinu Krzysztof Kłosiński .
Tokens: 1_ 2__ 3_______ 4 5_______ 6__ 7_______ 8_______ 9______ 10_______ 11______ 12_______ 13_______ 14

Chunks:
  TruePositive nam [6,7] = GKS Katowice
  TruePositive nam [11,11] = Groclinu
  TruePositive nam [12,13] = Krzysztof Kłosiński

(ChunkerEvaluator) Sentence #13277 from articles/00107969 from sent23

Text  : - Zadzwonił do mnie trener Jan Żurek i zaproponował występy w  swoim zespole .
Tokens: 1 2________ 3_ 4___ 5_____ 6__ 7____ 8 9___________ 10_____ 11 12___ 13_____ 14

Chunks:
  TruePositive nam [6,7] = Jan Żurek

(ChunkerEvaluator) Sentence #13278 from articles/00107969 from sent24

Text  : Szybko doszedł em też do porozumienia z prezesem Piotrem Dziurowiczem -  powiedział piłkarz .
Tokens: 1_____ 2______ 3_ 4__ 5_ 6___________ 7 8_______ 9______ 10__________ 11 12________ 13_____ 14

Chunks:
  TruePositive nam [9,10] = Piotrem Dziurowiczem

(ChunkerEvaluator) Sentence #13279 from articles/00107969 from sent25

Text  : Przypomnijmy , że Kłosiński wrócił niedawno z wypożyczenia do Nea Salamina Larnaka .
Tokens: 1___________ 2 3_ 4________ 5_____ 6_______ 7 8___________ 9_ 10_ 11______ 12_____ 13

Chunks:
  TruePositive nam [4,4] = Kłosiński
  TruePositive nam [10,12] = Nea Salamina Larnaka

(ChunkerEvaluator) Sentence #13280 from articles/00107969 from sent26

Text  : Ponieważ latem 2002 r .
Tokens: 1_______ 2____ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #13281 from articles/00107969 from sent27

Text  : Cypryjczycy zapłacili za niego za rok z góry , zawodnik mógł zostać wypożyczony do Katowic bezpłatnie .
Tokens: 1__________ 2________ 3_ 4____ 5_ 6__ 7 8___ 9 10______ 11__ 12____ 13_________ 14 15_____ 16________ 17

Chunks:
  TruePositive nam [15,15] = Katowic
  FalseNegative nam [1,1] = Cypryjczycy

(ChunkerEvaluator) Sentence #13282 from articles/00107969 from sent28

Text  : Rosły napastnik będzie graczem GKS do czerwca 2003 r .
Tokens: 1____ 2________ 3_____ 4______ 5__ 6_ 7______ 8___ 9 10

Chunks:
  TruePositive nam [5,5] = GKS

(ChunkerEvaluator) Sentence #13283 from articles/00107969 from sent29

Text  : Z Grodziska odejdzie też zimą dwóch innych piłkarzy : Dmytro Koszakow (  jego nowym klubem nie będzie raczej Ceramika Opoczno )  i  Dariusz Jackiewicz ,  który prowadzi rozmowy z  Odrą Wodzisław .
Tokens: 1 2________ 3_______ 4__ 5___ 6____ 7_____ 8_______ 9 10____ 11______ 12 13__ 14___ 15____ 16_ 17____ 18____ 19______ 20_____ 21 22 23_____ 24________ 25 26___ 27______ 28_____ 29 30__ 31_______ 32

Chunks:
  TruePositive nam [2,2] = Grodziska
  TruePositive nam [10,11] = Dmytro Koszakow
  TruePositive nam [19,20] = Ceramika Opoczno
  TruePositive nam [23,24] = Dariusz Jackiewicz
  FalsePositive nam [30,30] = Odrą
  FalsePositive nam [31,31] = Wodzisław
  FalseNegative nam [30,31] = Odrą Wodzisław

2016-10-27 15:00:19,953 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 585 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107970.xml
(ChunkerEvaluator) Sentence #13284 from articles/00107970 from sent1

Text  : Meteorolodzy ostrzegają przed mgłą
Tokens: 1___________ 2_________ 3____ 4___

Chunks:

(ChunkerEvaluator) Sentence #13285 from articles/00107970 from sent2

Text  : Widzialność w czasie mgieł spadnie poniżej dwustu metrów - ostrzegają meteorolodzy .
Tokens: 1__________ 2 3_____ 4____ 5______ 6______ 7_____ 8_____ 9 10________ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #13286 from articles/00107970 from sent3

Text  : Z mgłą już w poniedziałek przegrało lotnisko w Pyrzowicach .
Tokens: 1 2___ 3__ 4 5___________ 6________ 7_______ 8 9__________ 10

Chunks:
  FalseNegative nam [9,9] = Pyrzowicach

(ChunkerEvaluator) Sentence #13287 from articles/00107970 from sent4

Text  : Centrum Zarządzania Kryzysowego Wojewody Śląskiego już opublikowało ostrzeżenie w tej sprawie .
Tokens: 1______ 2__________ 3__________ 4_______ 5________ 6__ 7___________ 8__________ 9 10_ 11_____ 12

Chunks:
  TruePositive nam [1,3] = Centrum Zarządzania Kryzysowego
  FalsePositive nam [4,5] = Wojewody Śląskiego

(ChunkerEvaluator) Sentence #13288 from articles/00107970 from sent5

Text  : IMGW przestrzega , że niemal na terenie całego województwa w  nocy będą silne mgły .
Tokens: 1___ 2__________ 3 4_ 5_____ 6_ 7______ 8_____ 9__________ 10 11__ 12__ 13___ 14__ 15

Chunks:
  FalseNegative nam [1,1] = IMGW

(ChunkerEvaluator) Sentence #13289 from articles/00107970 from sent6

Text  : Co gorsza , mają nam towarzyszyć aż do godz .  12 we wtorek .
Tokens: 1_ 2_____ 3 4___ 5__ 6__________ 7_ 8_ 9___ 10 11 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #13290 from articles/00107970 from sent7

Text  : Widzialność ma spaść poniżej dwustu metrów .
Tokens: 1__________ 2_ 3____ 4______ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #13291 from articles/00107970 from sent8

Text  : Już w poniedziałek mgła dała się we znaki kierowcom ,  pokrzyżowała też szyki wielu osobom podróżującym samolotami .
Tokens: 1__ 2 3___________ 4___ 5___ 6__ 7_ 8____ 9________ 10 11__________ 12_ 13___ 14___ 15____ 16__________ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #13292 from articles/00107970 from sent9

Text  : Na lotnisku w Pyrzowicach do godz . 20 w poniedziałek z  powodu mgły nie wylądowały cztery rejsowe samoloty :  Wizz Air z  Barcelony i  Dortmundu ,  LOT-u z  Turynu i  Ryanair z  Birmingham .
Tokens: 1_ 2_______ 3 4__________ 5_ 6___ 7 8_ 9 10__________ 11 12____ 13__ 14_ 15________ 16____ 17_____ 18______ 19 20__ 21_ 22 23_______ 24 25_______ 26 27___ 28 29____ 30 31_____ 32 33________ 34

Chunks:
  TruePositive nam [20,21] = Wizz Air
  TruePositive nam [23,23] = Barcelony
  TruePositive nam [25,25] = Dortmundu
  TruePositive nam [27,27] = LOT-u
  TruePositive nam [29,29] = Turynu
  TruePositive nam [33,33] = Birmingham
  FalseNegative nam [4,4] = Pyrzowicach
  FalseNegative nam [31,31] = Ryanair

(ChunkerEvaluator) Sentence #13293 from articles/00107970 from sent10

Text  : Skierowano je do Krakowa .
Tokens: 1_________ 2_ 3_ 4______ 5

Chunks:
  TruePositive nam [4,4] = Krakowa

(ChunkerEvaluator) Sentence #13294 from articles/00107970 from sent11

Text  : Pracownicy portu już teraz ostrzegają , należy się spodziewać kolejnych przekierowań .
Tokens: 1_________ 2____ 3__ 4____ 5_________ 6 7_____ 8__ 9_________ 10_______ 11__________ 12

Chunks:

2016-10-27 15:00:19,995 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 586 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107971.xml
(ChunkerEvaluator) Sentence #13295 from articles/00107971 from sent1

Text  : Domino's Pizza Polska - wzrost przychodów w ciągu ostatniego półrocza i  zapowiedzi dalszej ekspansji
Tokens: 1_______ 2____ 3_____ 4 5_____ 6_________ 7 8____ 9_________ 10______ 11 12________ 13_____ 14_______

Chunks:
  FalsePositive nam [2,3] = Pizza Polska
  FalseNegative nam [1,3] = Domino's Pizza Polska

(ChunkerEvaluator) Sentence #13296 from articles/00107971 from sent2

Text  : Firma DP Poland plc , spółka matka DP Polska S  .  A  .  -  właściciela licencji Master Franchise Domino's Pizza na Polskę ,  ogłosiła swoje wyniki za pierwsze półrocze 2012 roku .
Tokens: 1____ 2_ 3_____ 4__ 5 6_____ 7____ 8_ 9_____ 10 11 12 13 14 15_________ 16______ 17____ 18_______ 19______ 20___ 21 22____ 23 24______ 25___ 26____ 27 28______ 29______ 30__ 31__ 32

Chunks:
  TruePositive nam [22,22] = Polskę
  FalsePositive nam [2,3] = DP Poland
  FalsePositive nam [9,13] = Polska S . A .
  FalsePositive nam [17,20] = Master Franchise Domino's Pizza
  FalseNegative nam [2,4] = DP Poland plc
  FalseNegative nam [8,13] = DP Polska S . A .
  FalseNegative nam [19,20] = Domino's Pizza

(ChunkerEvaluator) Sentence #13297 from articles/00107971 from sent3

Text  : Dane z raportu finansowego za 6 miesięcy bieżącego roku potwierdzają dynamiczny rozwój spółki w  naszym kraju .
Tokens: 1___ 2 3______ 4__________ 5_ 6 7_______ 8________ 9___ 10__________ 11________ 12____ 13____ 14 15____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #13298 from articles/00107971 from sent4

Text  : . . .
Tokens: 1 2 3

Chunks:

(ChunkerEvaluator) Sentence #13299 from articles/00107971 from sent5

Text  : Firma DP Poland plc , spółka matka DP Polska S  .  A  .  -  właściciela licencji Master Franchise Domino's Pizza na Polskę ,  ogłosiła swoje wyniki za pierwsze półrocze 2012 roku .
Tokens: 1____ 2_ 3_____ 4__ 5 6_____ 7____ 8_ 9_____ 10 11 12 13 14 15_________ 16______ 17____ 18_______ 19______ 20___ 21 22____ 23 24______ 25___ 26____ 27 28______ 29______ 30__ 31__ 32

Chunks:
  TruePositive nam [22,22] = Polskę
  FalsePositive nam [2,3] = DP Poland
  FalsePositive nam [9,13] = Polska S . A .
  FalsePositive nam [17,20] = Master Franchise Domino's Pizza
  FalseNegative nam [2,4] = DP Poland plc
  FalseNegative nam [8,13] = DP Polska S . A .
  FalseNegative nam [19,20] = Domino's Pizza

(ChunkerEvaluator) Sentence #13300 from articles/00107971 from sent6

Text  : Dane z raportu finansowego za 6 miesięcy bieżącego roku potwierdzają dynamiczny rozwój spółki w  naszym kraju .
Tokens: 1___ 2 3______ 4__________ 5_ 6 7_______ 8________ 9___ 10__________ 11________ 12____ 13____ 14 15____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #13301 from articles/00107971 from sent7

Text  : Spółka notowana na rynku AIM Londyńskiej Giełdy Papierów Wartościowych odnotowała aż 53 %  wzrost sprzedaży oraz 64 %  wzrost marży brutto w  okresie od stycznia do czerwca 2012 roku .
Tokens: 1_____ 2_______ 3_ 4____ 5__ 6__________ 7_____ 8_______ 9____________ 10________ 11 12 13 14____ 15_______ 16__ 17 18 19____ 20___ 21____ 22 23_____ 24 25______ 26 27_____ 28__ 29__ 30

Chunks:
  TruePositive nam [5,9] = AIM Londyńskiej Giełdy Papierów Wartościowych

(ChunkerEvaluator) Sentence #13302 from articles/00107971 from sent8

Text  : W ubiegłym miesiącu Domino's Pizza otworzyła 10 000 lokal w  Turcji -  wszystkie placówki sieci na całym świecie sprzedają milion pudełek pizzy dziennie .
Tokens: 1 2_______ 3_______ 4_______ 5____ 6________ 7_ 8__ 9____ 10 11____ 12 13_______ 14______ 15___ 16 17___ 18_____ 19_______ 20____ 21_____ 22___ 23______ 24

Chunks:
  TruePositive nam [4,5] = Domino's Pizza
  TruePositive nam [11,11] = Turcji

(ChunkerEvaluator) Sentence #13303 from articles/00107971 from sent9

Text  : W Polsce lokale znajdują się wyłącznie w Warszawie i okolicach -  aktualnie pod szyldem DP Polska amatorzy mogą odwiedzać 13 punktów w  stolicy i  Pruszkowie .
Tokens: 1 2_____ 3_____ 4_______ 5__ 6________ 7 8________ 9 10_______ 11 12_______ 13_ 14_____ 15 16____ 17______ 18__ 19_______ 20 21_____ 22 23_____ 24 25________ 26

Chunks:
  TruePositive nam [2,2] = Polsce
  TruePositive nam [8,8] = Warszawie
  TruePositive nam [15,16] = DP Polska
  TruePositive nam [25,25] = Pruszkowie

(ChunkerEvaluator) Sentence #13304 from articles/00107971 from sent10

Text  : Sieć wzmacnia obecność na lokalnym , warszawskim rynku na wielu polach .
Tokens: 1___ 2_______ 3_______ 4_ 5_______ 6 7__________ 8____ 9_ 10___ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #13305 from articles/00107971 from sent11

Text  : Lokale przechodzą stopniowe odświeżenie , a przed tygodniem została przygotowana nowa strona www.entuzjascipizzy.pl .
Tokens: 1_____ 2_________ 3________ 4__________ 5 6 7____ 8________ 9______ 10__________ 11__ 12____ 13____________________ 14

Chunks:
  TruePositive nam [13,13] = www.entuzjascipizzy.pl

(ChunkerEvaluator) Sentence #13306 from articles/00107971 from sent12

Text  : Działania wizerunkowe to fundament do dalszej ekspansji i bliższych związków z  potencjalnymi klientami .
Tokens: 1________ 2__________ 3_ 4________ 5_ 6______ 7________ 8 9________ 10______ 11 12___________ 13_______ 14

Chunks:

2016-10-27 15:00:20,065 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 587 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107972.xml
(ChunkerEvaluator) Sentence #13307 from articles/00107972 from sent1

Text  : Tajemnicza Bydgoszcz na fotografiach Roberta Nowaka
Tokens: 1_________ 2________ 3_ 4___________ 5______ 6_____

Chunks:
  TruePositive nam [5,6] = Roberta Nowaka
  FalsePositive nam [1,2] = Tajemnicza Bydgoszcz
  FalseNegative nam [2,2] = Bydgoszcz

(ChunkerEvaluator) Sentence #13308 from articles/00107972 from sent2

Text  : Wystawę zdjęć można oglądać od czwartku ( 25 . 10 )  w  Galerii Sztuki Ludowej i  Nieprofesjonalnej WOKiS .
Tokens: 1______ 2____ 3____ 4______ 5_ 6_______ 7 8_ 9 10 11 12 13_____ 14____ 15_____ 16 17_______________ 18___ 19

Chunks:
  FalsePositive nam [13,15] = Galerii Sztuki Ludowej
  FalsePositive nam [17,18] = Nieprofesjonalnej WOKiS
  FalseNegative nam [13,17] = Galerii Sztuki Ludowej i Nieprofesjonalnej
  FalseNegative nam [18,18] = WOKiS

(ChunkerEvaluator) Sentence #13309 from articles/00107972 from sent3

Text  : Na ekspozycję złożą się rysunki , fotografie , a także prezentacja multimedialna .
Tokens: 1_ 2_________ 3____ 4__ 5______ 6 7_________ 8 9 10___ 11_________ 12___________ 13

Chunks:

(ChunkerEvaluator) Sentence #13310 from articles/00107972 from sent4

Text  : W założeniu autora galeria zdjęć ma być opowieścią o drodze do dojrzewania i  dorosłości ,  przemijaniu czasu ,  egzystencji .
Tokens: 1 2________ 3_____ 4______ 5____ 6_ 7__ 8_________ 9 10____ 11 12_________ 13 14________ 15 16_________ 17___ 18 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #13311 from articles/00107972 from sent5

Text  : Nowak rozpoczyna wędrówkę po mieście w miejscu swoich narodzin i  przemierza bydgoskie ulice ,  jak odkrywca :  -  Szukam swego powołania dotykając odrapanych murów starych kamienic .
Tokens: 1____ 2_________ 3_______ 4_ 5______ 6 7______ 8_____ 9_______ 10 11________ 12_______ 13___ 14 15_ 16______ 17 18 19____ 20___ 21_______ 22_______ 23________ 24___ 25_____ 26______ 27

Chunks:
  TruePositive nam [1,1] = Nowak

(ChunkerEvaluator) Sentence #13312 from articles/00107972 from sent6

Text  : Nadając swym pracom odpowiedni kształt i formę , wciąż wędrując ,  przeistaczam całun otulający Bydgoszcz do snu ,  chowający ludzkie dramaty ,  tworzę własną Wenecję ,  zachowując się jak Neron ,  twórca budujący nowy twór ze starych ,  pozbieranych fragmentów Bydgoszczy ,  uwalniam żywioły ,  wodę i  czas .
Tokens: 1______ 2___ 3_____ 4_________ 5______ 6 7____ 8 9____ 10______ 11 12__________ 13___ 14_______ 15_______ 16 17_ 18 19_______ 20_____ 21_____ 22 23____ 24____ 25_____ 26 27________ 28_ 29_ 30___ 31 32____ 33______ 34__ 35__ 36 37_____ 38 39__________ 40________ 41________ 42 43______ 44_____ 45 46__ 47 48__ 49

Chunks:
  TruePositive nam [15,15] = Bydgoszcz
  TruePositive nam [25,25] = Wenecję
  TruePositive nam [30,30] = Neron
  TruePositive nam [41,41] = Bydgoszczy

(ChunkerEvaluator) Sentence #13313 from articles/00107972 from sent7

Text  : Przesuwam budynki , układam Bydgoszcz na własne podobieństwo , tworząc nową formę -  tłumaczy .
Tokens: 1________ 2______ 3 4______ 5________ 6_ 7_____ 8___________ 9 10_____ 11__ 12___ 13 14______ 15

Chunks:
  TruePositive nam [5,5] = Bydgoszcz

(ChunkerEvaluator) Sentence #13314 from articles/00107972 from sent8

Text  : - Realizując projekt Tajemnicza Bydgoszcz będę opowiadać o moim mieście w  formie nie tylko rysunkowo -  fotograficznej ale także multimedialnej ,  połączonej z  aranżacją muzyczną -  dodaje .
Tokens: 1 2_________ 3______ 4_________ 5________ 6___ 7________ 8 9___ 10_____ 11 12____ 13_ 14___ 15_______ 16 17____________ 18_ 19___ 20____________ 21 22________ 23 24_______ 25______ 26 27____ 28

Chunks:
  TruePositive nam [4,5] = Tajemnicza Bydgoszcz

(ChunkerEvaluator) Sentence #13315 from articles/00107972 from sent9

Text  : Wernisaż w czwartek ( 25 . 10 ) o godz .  17 w  Galerii Sztuki Ludowej i  Nieprofesjonalnej WOKiS na Starym Rynku 18 .
Tokens: 1_______ 2 3_______ 4 5_ 6 7_ 8 9 10__ 11 12 13 14_____ 15____ 16_____ 17 18_______________ 19___ 20 21____ 22___ 23 24

Chunks:
  FalsePositive nam [14,19] = Galerii Sztuki Ludowej i Nieprofesjonalnej WOKiS
  FalsePositive nam [22,22] = Rynku
  FalseNegative nam [14,18] = Galerii Sztuki Ludowej i Nieprofesjonalnej
  FalseNegative nam [19,19] = WOKiS
  FalseNegative nam [21,22] = Starym Rynku

(ChunkerEvaluator) Sentence #13316 from articles/00107972 from sent10

Text  : Wstęp wolny .
Tokens: 1____ 2____ 3

Chunks:

2016-10-27 15:00:20,129 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 588 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107973.xml
(ChunkerEvaluator) Sentence #13317 from articles/00107973 from sent1

Text  : Zobacz , jak Mariusz Rybicki z Widzewa Łódź tańczy breakdance !
Tokens: 1_____ 2 3__ 4______ 5______ 6 7______ 8___ 9_____ 10________ 11

Chunks:
  TruePositive nam [4,5] = Mariusz Rybicki
  TruePositive nam [7,8] = Widzewa Łódź

(ChunkerEvaluator) Sentence #13318 from articles/00107973 from sent2

Text  : [ WIDEO ]
Tokens: 1 2____ 3

Chunks:
  FalsePositive nam [2,2] = WIDEO

(ChunkerEvaluator) Sentence #13319 from articles/00107973 from sent3

Text  : Mariusz Rybicki , skrzydłowy Widzewa Łódź , to nie tylko świetnie wyszkolony technicznie ,  ale także znakomity tancerz .
Tokens: 1______ 2______ 3 4_________ 5______ 6___ 7 8_ 9__ 10___ 11______ 12________ 13_________ 14 15_ 16___ 17_______ 18_____ 19

Chunks:
  TruePositive nam [1,2] = Mariusz Rybicki
  TruePositive nam [5,6] = Widzewa Łódź

(ChunkerEvaluator) Sentence #13320 from articles/00107973 from sent4

Text  : 19 - letni piłkarz od początku tego roku występuje w  łódzkiej drużynie .
Tokens: 1_ 2 3____ 4______ 5_ 6_______ 7___ 8___ 9________ 10 11______ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #13321 from articles/00107973 from sent5

Text  : W tym sezonie wystąpił w ośmiu meczach i strzelił jednego gola w  wygranym spotkaniu z  Ruchem Chorzów (  2  :  0  )  .
Tokens: 1 2__ 3______ 4_______ 5 6____ 7______ 8 9_______ 10_____ 11__ 12 13______ 14_______ 15 16____ 17_____ 18 19 20 21 22 23

Chunks:
  TruePositive nam [16,17] = Ruchem Chorzów

(ChunkerEvaluator) Sentence #13322 from articles/00107973 from sent6

Text  : W ostatnim pojedynku z Piastem Gliwice wyróżnił się znakomitą indywidualną akcją ,  po której został sfaulowany w  polu karnym .
Tokens: 1 2_______ 3________ 4 5______ 6______ 7_______ 8__ 9________ 10__________ 11___ 12 13 14____ 15____ 16________ 17 18__ 19____ 20

Chunks:
  TruePositive nam [5,6] = Piastem Gliwice

(ChunkerEvaluator) Sentence #13323 from articles/00107973 from sent7

Text  : Sędzia podyktował „ jedenastkę ” , którą wykorzystał Łukasz Broź .
Tokens: 1_____ 2_________ 3 4_________ 5 6 7____ 8__________ 9_____ 10__ 11

Chunks:
  TruePositive nam [9,10] = Łukasz Broź
  FalsePositive nam [1,1] = Sędzia

(ChunkerEvaluator) Sentence #13324 from articles/00107973 from sent8

Text  : Rybicki , to nie tylko wielki talent piłkarski , ale także świetny tancerz breakdance .
Tokens: 1______ 2 3_ 4__ 5____ 6_____ 7_____ 8________ 9 10_ 11___ 12_____ 13_____ 14________ 15

Chunks:
  TruePositive nam [1,1] = Rybicki

(ChunkerEvaluator) Sentence #13325 from articles/00107973 from sent9

Text  : Na jednym z filmików na portalu YouTube można obejrzeć jego popisy .
Tokens: 1_ 2_____ 3 4_______ 5_ 6______ 7______ 8____ 9_______ 10__ 11____ 12

Chunks:
  TruePositive nam [7,7] = YouTube

(ChunkerEvaluator) Sentence #13326 from articles/00107973 from sent10

Text  : Zresztą sami oceńcie taneczne umiejętności widzewiaka ( to ten w  biało -  granatowej kurtce )  .
Tokens: 1______ 2___ 3______ 4_______ 5___________ 6_________ 7 8_ 9__ 10 11___ 12 13________ 14____ 15 16

Chunks:
  FalseNegative nam [6,6] = widzewiaka

2016-10-27 15:00:20,171 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 589 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107975.xml
(ChunkerEvaluator) Sentence #13327 from articles/00107975 from sent1

Text  : Tysiące za medal Klepackiej
Tokens: 1______ 2_ 3____ 4_________

Chunks:

(ChunkerEvaluator) Sentence #13328 from articles/00107975 from sent2

Text  : Anonimowy darczyńca zapłacił 40 tys . zł za medal olimpijski Zofii Klepackiej .
Tokens: 1________ 2________ 3_______ 4_ 5__ 6 7_ 8_ 9____ 10________ 11___ 12________ 13

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [11,12] = Zofii Klepackiej

(ChunkerEvaluator) Sentence #13329 from articles/00107975 from sent3

Text  : Zakończyła się akcja sprzedaży medalu olimpijskiego Zofii Klepackiej .
Tokens: 1_________ 2__ 3____ 4________ 5_____ 6____________ 7____ 8_________ 9

Chunks:
  TruePositive nam [7,8] = Zofii Klepackiej

(ChunkerEvaluator) Sentence #13330 from articles/00107975 from sent4

Text  : Suma wpłat wyniosła 86 806 , 83 złotych , a  najwyższa wpłata to 40 tys .  zł od anonimowego darczyńcy .
Tokens: 1___ 2____ 3_______ 4_ 5__ 6 7_ 8______ 9 10 11_______ 12____ 13 14 15_ 16 17 18 19_________ 20_______ 21

Chunks:
  TruePositive nam [8,8] = złotych
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #13331 from articles/00107975 from sent5

Text  : Całkowity dochód z aukcji zostanie przeznaczony na pomoc chorej na mukowiscydozę pięcioletniej Zuzanny Bobińskiej .
Tokens: 1________ 2_____ 3 4_____ 5_______ 6___________ 7_ 8____ 9_____ 10 11___________ 12___________ 13_____ 14________ 15

Chunks:
  TruePositive nam [13,14] = Zuzanny Bobińskiej

(ChunkerEvaluator) Sentence #13332 from articles/00107975 from sent6

Text  : Zbiórka pieniędzy dla Zuzi trwała pięć tygodni .
Tokens: 1______ 2________ 3__ 4___ 5_____ 6___ 7______ 8

Chunks:
  TruePositive nam [4,4] = Zuzi

(ChunkerEvaluator) Sentence #13333 from articles/00107975 from sent7

Text  : Co tydzień osoba lub firma , która dokonała największej wpłaty otrzymała koszulkę olimpijską Zosi oraz fotografię z  autografem .
Tokens: 1_ 2______ 3____ 4__ 5____ 6 7____ 8_______ 9__________ 10____ 11_______ 12______ 13________ 14__ 15__ 16________ 17 18________ 19

Chunks:
  TruePositive nam [14,14] = Zosi

(ChunkerEvaluator) Sentence #13334 from articles/00107975 from sent8

Text  : Najwyższa kwota wpłacona w czasie trwania aukcji oznaczała wygranie medalu .
Tokens: 1________ 2____ 3_______ 4 5_____ 6______ 7_____ 8________ 9_______ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #13335 from articles/00107975 from sent9

Text  : Trafi on do osoby , która wpłaciła 40 tysięcy złotych i  pragnie pozostać anonimowa .
Tokens: 1____ 2_ 3_ 4____ 5 6____ 7_______ 8_ 9______ 10_____ 11 12_____ 13______ 14_______ 15

Chunks:
  TruePositive nam [10,10] = złotych

(ChunkerEvaluator) Sentence #13336 from articles/00107975 from sent10

Text  : W sumie Fundacja Matio otrzymała 75 wpłat na łączną kwotę 81 806 ,  83 złotych ,  a  dodatkowo 5  000 złotych zostało przekazane bezpośrednio Zuzi .
Tokens: 1 2____ 3_______ 4____ 5________ 6_ 7____ 8_ 9_____ 10___ 11 12_ 13 14 15_____ 16 17 18_______ 19 20_ 21_____ 22_____ 23________ 24__________ 25__ 26

Chunks:
  TruePositive nam [3,4] = Fundacja Matio
  TruePositive nam [15,15] = złotych
  TruePositive nam [21,21] = złotych
  TruePositive nam [25,25] = Zuzi

(ChunkerEvaluator) Sentence #13337 from articles/00107975 from sent11

Text  : - Jestem bardzo szczęśliwa !
Tokens: 1 2_____ 3_____ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #13338 from articles/00107975 from sent12

Text  : Nie myślała m , że uda się uzbierać aż tyle pieniędzy -  w  sumie całkiem niewiele brakuje do okrągłych 100 tysięcy złotych .
Tokens: 1__ 2______ 3 4 5_ 6__ 7__ 8_______ 9_ 10__ 11_______ 12 13 14___ 15_____ 16______ 17_____ 18 19_______ 20_ 21_____ 22_____ 23

Chunks:
  TruePositive nam [22,22] = złotych

(ChunkerEvaluator) Sentence #13339 from articles/00107975 from sent13

Text  : Szczęście o tyle wielkie , że każda wpłacona złotówka wpłynie na uśmiech Zuzi i  odciąży trochę jej rodziców -  a  taki był nasz plan .
Tokens: 1________ 2 3___ 4______ 5 6_ 7____ 8_______ 9_______ 10_____ 11 12_____ 13__ 14 15_____ 16____ 17_ 18______ 19 20 21__ 22_ 23__ 24__ 25

Chunks:
  TruePositive nam [13,13] = Zuzi
  FalsePositive nam [9,9] = złotówka

(ChunkerEvaluator) Sentence #13340 from articles/00107975 from sent14

Text  : Jestem wzruszona ilością osób , które wzięły udział w naszej akcji .
Tokens: 1_____ 2________ 3______ 4___ 5 6____ 7_____ 8_____ 9 10____ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #13341 from articles/00107975 from sent15

Text  : Najwyższe wpłacone kwoty , to przelewy od firm , ale jest też sporo wysokich wpłat ,  po kilka tysięcy złotych ,  od osób prywatnych .
Tokens: 1________ 2_______ 3____ 4 5_ 6_______ 7_ 8___ 9 10_ 11__ 12_ 13___ 14______ 15___ 16 17 18___ 19_____ 20_____ 21 22 23__ 24________ 25

Chunks:
  TruePositive nam [20,20] = złotych

(ChunkerEvaluator) Sentence #13342 from articles/00107975 from sent16

Text  : Wszyscy jesteście wspaniali ! - podsumowała wyniki akcji Zofia Klepacka ,  która sprzedała swój najcenniejszy medal -  brąz zdobyty podczas igrzysk olimpijskich w  Londynie w  żeglarskiej klasie RS :  X  .
Tokens: 1______ 2________ 3________ 4 5 6__________ 7_____ 8____ 9____ 10______ 11 12___ 13_______ 14__ 15___________ 16___ 17 18__ 19_____ 20_____ 21_____ 22__________ 23 24______ 25 26_________ 27____ 28 29 30 31

Chunks:
  TruePositive nam [9,10] = Zofia Klepacka
  TruePositive nam [24,24] = Londynie
  TruePositive nam [28,30] = RS : X

(ChunkerEvaluator) Sentence #13343 from articles/00107975 from sent17

Text  : Zgodnie z wcześniejszymi deklaracjami Zofia Klepacka postanowiła zorganizować aukcję medalu ,  z  której pieniądze pomogą Zuzi -  chorej na mukowiscydozę pięcioletniej sąsiadce .
Tokens: 1______ 2 3_____________ 4___________ 5____ 6_______ 7__________ 8___________ 9_____ 10____ 11 12 13____ 14_______ 15____ 16__ 17 18____ 19 20___________ 21___________ 22______ 23

Chunks:
  TruePositive nam [5,6] = Zofia Klepacka
  TruePositive nam [16,16] = Zuzi

(ChunkerEvaluator) Sentence #13344 from articles/00107975 from sent18

Text  : Mukowiscydoza to wrodzona , uwarunkowana genetycznie choroba , która objawia się zaburzeniem wydzielania przez gruczoły zewnątrzwydzielnicze ,  co najczęściej powoduje nawracające zakażenia w  układzie oddechowym ,  które prowadzą do uszkodzenia płuc i  niewydolności oddechowej ,  a  także przewlekłe zapalenie trzustki ,  prowadzące do jej uszkodzenia niewydolności ,  a  niekiedy wtórnej cukrzycy .
Tokens: 1____________ 2_ 3_______ 4 5___________ 6__________ 7______ 8 9____ 10_____ 11_ 12_________ 13_________ 14___ 15______ 16__________________ 17 18 19_________ 20______ 21_________ 22_______ 23 24______ 25________ 26 27___ 28______ 29 30_________ 31__ 32 33___________ 34________ 35 36 37___ 38________ 39_______ 40______ 41 42________ 43 44_ 45_________ 46___________ 47 48 49______ 50_____ 51______ 52

Chunks:

2016-10-27 15:00:20,271 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 590 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107976.xml
(ChunkerEvaluator) Sentence #13345 from articles/00107976 from sent1

Text  : MinFin : Wyniki przetargu uzupełniającego obligacji DS1013
Tokens: 1_____ 2 3_____ 4________ 5______________ 6________ 7_____

Chunks:
  FalsePositive nam [7,7] = DS1013
  FalseNegative nam [1,1] = MinFin

(ChunkerEvaluator) Sentence #13346 from articles/00107976 from sent2

Text  : Departament Długu Publicznego Ministerstwa Finansów informuje , iż w dniu 16 stycznia 2003 r  .  odbył się ,  organizowany przez Narodowy Bank Polski ,  przetarg uzupełniający obligacji o  oprocentowaniu stałym i  terminie wykupu 24 października 2013 r  .
Tokens: 1__________ 2____ 3__________ 4___________ 5_______ 6________ 7 8_ 9 10__ 11 12______ 13__ 14 15 16___ 17_ 18 19__________ 20___ 21______ 22__ 23____ 24 25______ 26___________ 27_______ 28 29____________ 30____ 31 32______ 33____ 34 35__________ 36__ 37 38

Chunks:
  TruePositive nam [21,23] = Narodowy Bank Polski
  FalsePositive nam [4,5] = Ministerstwa Finansów

(ChunkerEvaluator) Sentence #13347 from articles/00107976 from sent3

Text  : ( DS1013 ) .
Tokens: 1 2_____ 3 4

Chunks:
  FalsePositive nam [2,2] = DS1013

(ChunkerEvaluator) Sentence #13348 from articles/00107976 from sent4

Text  : Wyniki przetargu przedstawia poniższe zestawienie :
Tokens: 1_____ 2________ 3__________ 4_______ 5__________ 6

Chunks:

2016-10-27 15:00:20,289 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 591 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107977.xml
(ChunkerEvaluator) Sentence #13349 from articles/00107977 from sent1

Text  : Jak zatrzymać falę
Tokens: 1__ 2________ 3___

Chunks:

(ChunkerEvaluator) Sentence #13350 from articles/00107977 from sent2

Text  : Wszyscy są wstrząśnięci historią z łódzkiego domu dziecka .
Tokens: 1______ 2_ 3___________ 4_______ 5 6________ 7___ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #13351 from articles/00107977 from sent3

Text  : Resort pracy domaga się wyjaśnień i naprawy sytuacji w tej placówce .
Tokens: 1_____ 2____ 3_____ 4__ 5________ 6 7______ 8_______ 9 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #13352 from articles/00107977 from sent4

Text  : Podobnie szefowa sejmowej komisji sprawiedliwości
Tokens: 1_______ 2______ 3_______ 4______ 5______________

Chunks:

(ChunkerEvaluator) Sentence #13353 from articles/00107977 from sent5

Text  : W „ Gazecie ” opisali śmy wstrząsające wydarzenia , jakie miały miejsce w  domu dziecka przy ul .  Małachowskiego w  Łodzi .
Tokens: 1 2 3______ 4 5______ 6__ 7___________ 8_________ 9 10___ 11___ 12_____ 13 14__ 15_____ 16__ 17 18 19____________ 20 21___ 22

Chunks:
  TruePositive nam [3,3] = Gazecie
  TruePositive nam [19,19] = Małachowskiego
  TruePositive nam [21,21] = Łodzi

(ChunkerEvaluator) Sentence #13354 from articles/00107977 from sent6

Text  : Cztero - i sześciolatki były tam wykorzystywane seksualnie przez dziesięcioletnich chłopców z  grupy średniaków .
Tokens: 1_____ 2 3 4___________ 5___ 6__ 7_____________ 8_________ 9____ 10_______________ 11______ 12 13___ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #13355 from articles/00107977 from sent7

Text  : Kiedy to się wydało , zareagowali najstarsi , 18 -  letni wychowankowie -  zbili pasem dziesięciolatków .
Tokens: 1____ 2_ 3__ 4_____ 5 6__________ 7________ 8 9_ 10 11___ 12___________ 13 14___ 15___ 16______________ 17

Chunks:

(ChunkerEvaluator) Sentence #13356 from articles/00107977 from sent8

Text  : „ Gazecie ” o wszystkim opowiedział przywódca samosądu Piotr Yasin .
Tokens: 1 2______ 3 4 5________ 6__________ 7________ 8_______ 9____ 10___ 11

Chunks:
  TruePositive nam [9,10] = Piotr Yasin
  FalseNegative nam [2,2] = Gazecie

(ChunkerEvaluator) Sentence #13357 from articles/00107977 from sent9

Text  : - W bidulu ( tak wychowankowie nazywają dom dziecka )  małolaty wołały kilkuletnie maluchy do pokoju i  kazały im „  brać do buzi ”  .
Tokens: 1 2 3_____ 4 5__ 6____________ 7_______ 8__ 9______ 10 11______ 12____ 13_________ 14_____ 15 16____ 17 18____ 19 20 21__ 22 23__ 24 25

Chunks:

(ChunkerEvaluator) Sentence #13358 from articles/00107977 from sent10

Text  : Nie chcę , żeby ta sprawa została wyciszona - mówił poruszony .
Tokens: 1__ 2___ 3 4___ 5_ 6_____ 7______ 8________ 9 10___ 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #13359 from articles/00107977 from sent11

Text  : Z jego relacji wynika , że dyrekcja placówki zachowywała się biernie .
Tokens: 1 2___ 3______ 4_____ 5 6_ 7_______ 8_______ 9__________ 10_ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #13360 from articles/00107977 from sent12

Text  : Za karę wyrzuciła Yasina ( jest niepełnosprawny i porusza się na wózku )  .
Tokens: 1_ 2___ 3________ 4_____ 5 6___ 7______________ 8 9______ 10_ 11 12___ 13 14

Chunks:
  FalseNegative nam [4,4] = Yasina

(ChunkerEvaluator) Sentence #13361 from articles/00107977 from sent13

Text  : Pozostałych chłopców , którzy uczestniczyli w biciu , ukarała naganami .
Tokens: 1__________ 2_______ 3 4_____ 5____________ 6 7____ 8 9______ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #13362 from articles/00107977 from sent14

Text  : Według dyrekcji dziwne zachowania seksualne wychowanków „ były głupią zabawą ”  ,  w  której naśladowali dorosłych .
Tokens: 1_____ 2_______ 3_____ 4_________ 5________ 6__________ 7 8___ 9_____ 10____ 11 12 13 14____ 15_________ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #13363 from articles/00107977 from sent15

Text  : Innego zdania jest regionalny konsultant ds . seksuologii w Łodzi .
Tokens: 1_____ 2_____ 3___ 4_________ 5_________ 6_ 7 8__________ 9 10___ 11

Chunks:
  TruePositive nam [10,10] = Łodzi

(ChunkerEvaluator) Sentence #13364 from articles/00107977 from sent16

Text  : - „ Branie do buzi ” i pobicie to zachowania z  tej samej kategorii przemocy -  mówi dr Aleksandra Robacha .
Tokens: 1 2 3_____ 4_ 5___ 6 7 8______ 9_ 10________ 11 12_ 13___ 14_______ 15______ 16 17__ 18 19________ 20_____ 21

Chunks:
  TruePositive nam [19,20] = Aleksandra Robacha

(ChunkerEvaluator) Sentence #13365 from articles/00107977 from sent17

Text  : - Mamy tu do czynienia z falą , która jest charakterystyczna dla środowisk zamkniętych ,  jak wojsko czy więzienie .
Tokens: 1 2___ 3_ 4_ 5________ 6 7___ 8 9____ 10__ 11_______________ 12_ 13_______ 14_________ 15 16_ 17____ 18_ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #13366 from articles/00107977 from sent18

Text  : To przerażające , że wychowawcy są bezradni .
Tokens: 1_ 2___________ 3 4_ 5_________ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13367 from articles/00107977 from sent19

Text  : Czy to przypadek wyjątkowy ?
Tokens: 1__ 2_ 3________ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #13368 from articles/00107977 from sent20

Text  : - Nie prowadzimy badań , co się dzieje w domach dziecka -  mówi Victoria Biederman ,  z  -  ca dyrektora w  departamencie pomocy społecznej resortu pracy .
Tokens: 1 2__ 3_________ 4____ 5 6_ 7__ 8_____ 9 10____ 11_____ 12 13__ 14______ 15_______ 16 17 18 19 20_______ 21 22___________ 23____ 24________ 25_____ 26___ 27

Chunks:
  TruePositive nam [14,15] = Victoria Biederman

(ChunkerEvaluator) Sentence #13369 from articles/00107977 from sent21

Text  : - Zbieramy tylko informacje statystyczne : ile jest domów ,  ile w  nich dzieci i  kadry ,  jakie są warunki .
Tokens: 1 2_______ 3____ 4_________ 5___________ 6 7__ 8___ 9____ 10 11_ 12 13__ 14____ 15 16___ 17 18___ 19 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #13370 from articles/00107977 from sent22

Text  : Kontrole i nadzór nad domami dziecka należą w województwach do wydziałów polityki społecznej .
Tokens: 1_______ 2 3_____ 4__ 5_____ 6______ 7_____ 8 9____________ 10 11_______ 12______ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #13371 from articles/00107977 from sent23

Text  : Dyr . Biederman przyznaje , że nigdy nie słyszała o  równie drastycznym przypadku :  -  Placówka jest źle prowadzona i  musi być jak najszybciej zreorganizowana .
Tokens: 1__ 2 3________ 4________ 5 6_ 7____ 8__ 9_______ 10 11____ 12_________ 13_______ 14 15 16______ 17__ 18_ 19________ 20 21__ 22_ 23_ 24_________ 25_____________ 26

Chunks:
  FalsePositive nam [16,16] = Placówka
  FalseNegative nam [3,3] = Biederman

(ChunkerEvaluator) Sentence #13372 from articles/00107977 from sent24

Text  : Trzeba znaleźć na to jakiś sposób .
Tokens: 1_____ 2______ 3_ 4_ 5____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #13373 from articles/00107977 from sent25

Text  : Resort pracy przesłał do Łodzi faks z pytaniem , co zamierza zrobić wojewódzki wydział polityki społecznej w  tej sprawie .
Tokens: 1_____ 2____ 3_______ 4_ 5____ 6___ 7 8_______ 9 10 11______ 12____ 13________ 14_____ 15______ 16________ 17 18_ 19_____ 20

Chunks:
  TruePositive nam [5,5] = Łodzi

(ChunkerEvaluator) Sentence #13374 from articles/00107977 from sent26

Text  : „ Gazecie ” nie udało się w piątek porozmawiać z  szefami domu dziecka .
Tokens: 1 2______ 3 4__ 5____ 6__ 7 8_____ 9__________ 10 11_____ 12__ 13_____ 14

Chunks:
  FalseNegative nam [2,2] = Gazecie

(ChunkerEvaluator) Sentence #13375 from articles/00107977 from sent27

Text  : Mówi Barbara Szczepańska z wojewódzkiego wydziału polityki społecznej nadzorująca placówki opiekuńcze dla dzieci :  -  Jest problem i  chcemy go rozwiązać .
Tokens: 1___ 2______ 3__________ 4 5____________ 6_______ 7_______ 8_________ 9__________ 10______ 11________ 12_ 13____ 14 15 16__ 17_____ 18 19____ 20 21_______ 22

Chunks:
  TruePositive nam [2,3] = Barbara Szczepańska

(ChunkerEvaluator) Sentence #13376 from articles/00107977 from sent28

Text  : W połowie przyszłego tygodnia przeprowadzimy kontrolę w domu dziecka .
Tokens: 1 2______ 3_________ 4_______ 5_____________ 6_______ 7 8___ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #13377 from articles/00107977 from sent29

Text  : Porozmawiamy z dyrektorką i wychowawcami .
Tokens: 1___________ 2 3_________ 4 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #13378 from articles/00107977 from sent30

Text  : - To niesłychane , że o tak drastycznych sprawach dowiadujemy się z  prasy -  mówi Katarzyna Piekarska (  SLD )  ,  przewodnicząca sejmowej komisji sprawiedliwości i  praw człowieka .
Tokens: 1 2_ 3__________ 4 5_ 6 7__ 8___________ 9_______ 10_________ 11_ 12 13___ 14 15__ 16_______ 17_______ 18 19_ 20 21 22____________ 23______ 24_____ 25_____________ 26 27__ 28_______ 29

Chunks:
  TruePositive nam [16,17] = Katarzyna Piekarska
  TruePositive nam [19,19] = SLD

(ChunkerEvaluator) Sentence #13379 from articles/00107977 from sent31

Text  : - Gdzie w tym wszystkim jest nadzór ministerstwa ?
Tokens: 1 2____ 3 4__ 5________ 6___ 7_____ 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #13380 from articles/00107977 from sent32

Text  : Obawiam się , że wydarzenia opisane przez was to wierzchołek góry lodowej .
Tokens: 1______ 2__ 3 4_ 5_________ 6______ 7____ 8__ 9_ 10_________ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #13381 from articles/00107977 from sent33

Text  : Tej sprawy nie możemy zostawić .
Tokens: 1__ 2_____ 3__ 4_____ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #13382 from articles/00107977 from sent34

Text  : Konieczne są badania nad zjawiskiem przemocy w domach dziecka i  szersza opieka psychologiczna -  mówi Piekarska ,  która zamierza zgłosić w  Sejmie interpelację w  tej sprawie .
Tokens: 1________ 2_ 3______ 4__ 5_________ 6_______ 7 8_____ 9______ 10 11_____ 12____ 13____________ 14 15__ 16_______ 17 18___ 19______ 20_____ 21 22____ 23__________ 24 25_ 26_____ 27

Chunks:
  TruePositive nam [22,22] = Sejmie
  FalseNegative nam [16,16] = Piekarska

2016-10-27 15:00:20,440 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 592 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107978.xml
(ChunkerEvaluator) Sentence #13383 from articles/00107978 from sent1

Text  : Posłowie za kontynuowaniem pomocy w spłacie kredytów mieszkaniowych
Tokens: 1_______ 2_ 3_____________ 4_____ 5 6______ 7_______ 8_____________

Chunks:

(ChunkerEvaluator) Sentence #13384 from articles/00107978 from sent2

Text  : Posłowie komisji infrastruktury i finansów są za przedłużeniem do końca 2017 r  .  możliwości jednorazowej spłaty na preferencyjnych warunkach zadłużenia mieszkań spółdzielczych ,  wobec których stosowana jest pomoc państwa w  spłacie długoterminowych kredytów .
Tokens: 1_______ 2______ 3_____________ 4 5_______ 6_ 7_ 8____________ 9_ 10___ 11__ 12 13 14________ 15__________ 16____ 17 18_____________ 19_______ 20________ 21______ 22____________ 23 24___ 25_____ 26_______ 27__ 28___ 29_____ 30 31_____ 32______________ 33______ 34

Chunks:

(ChunkerEvaluator) Sentence #13385 from articles/00107978 from sent3

Text  : Rozwiązanie takie przewiduje rządowy projekt nowelizacji ustawy o pomocy państwa w  spłacie niektórych kredytów mieszkaniowych ,  udzielaniu premii gwarancyjnych oraz refundacji bankom wypłaconych premii gwarancyjnych ,  opracowany przez ministra transportu ,  budownictwa i  gospodarki morskiej .
Tokens: 1__________ 2____ 3_________ 4______ 5______ 6__________ 7_____ 8 9_____ 10_____ 11 12_____ 13________ 14______ 15____________ 16 17________ 18____ 19___________ 20__ 21________ 22____ 23_________ 24____ 25___________ 26 27________ 28___ 29______ 30________ 31 32_________ 33 34________ 35______ 36

Chunks:

(ChunkerEvaluator) Sentence #13386 from articles/00107978 from sent4

Text  : W środę odbyło się pierwsze czytanie projektu .
Tokens: 1 2____ 3_____ 4__ 5_______ 6_______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13387 from articles/00107978 from sent5

Text  : Posłowie nie zaproponowali do niego poprawek .
Tokens: 1_______ 2__ 3____________ 4_ 5____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13388 from articles/00107978 from sent6

Text  : Chodzi o kredyty zaciągnięte przez spółdzielnie mieszkaniowe do końca maja 1992 r  .  na budowę mieszkań spółdzielczych lokatorskich .
Tokens: 1_____ 2 3______ 4__________ 5____ 6___________ 7___________ 8_ 9____ 10__ 11__ 12 13 14 15____ 16______ 17____________ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #13389 from articles/00107978 from sent7

Text  : Zadłużonych w ten sposób lokali spółdzielczych jest jeszcze , według szacunków resortu ,  ok .  73 tysięcy .
Tokens: 1__________ 2 3__ 4_____ 5_____ 6_____________ 7___ 8______ 9 10____ 11_______ 12_____ 13 14 15 16 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #13390 from articles/00107978 from sent8

Text  : Możliwość jednorazowej spłaty zadłużenia na preferencyjnych warunkach kończy się w  2012 r  .
Tokens: 1________ 2___________ 3_____ 4_________ 5_ 6______________ 7________ 8_____ 9__ 10 11__ 12 13

Chunks:

(ChunkerEvaluator) Sentence #13391 from articles/00107978 from sent9

Text  : Nowelizacja wydłuża ten okres .
Tokens: 1__________ 2______ 3__ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #13392 from articles/00107978 from sent10

Text  : " Projektowane w drodze nowelizacji ustawy zmiany przewidują wydłużenie o  kolejnych 5  lat ,  tj .  do końca 2017 r  .  terminu ,  w  jakim kredytobiorca może dokonać całkowitej spłaty kredytu wraz z  częścią skapitalizowanych i  przejściowo wykupionych odsetek "  -  powiedział podczas posiedzenia komisji wiceminister transportu ,  budownictwa i  gospodarki morskiej Piotr Styczeń .
Tokens: 1 2___________ 3 4_____ 5__________ 6_____ 7_____ 8_________ 9_________ 10 11_______ 12 13_ 14 15 16 17 18___ 19__ 20 21 22_____ 23 24 25___ 26___________ 27__ 28_____ 29________ 30____ 31_____ 32__ 33 34_____ 35_______________ 36 37_________ 38_________ 39_____ 40 41 42________ 43_____ 44_________ 45_____ 46__________ 47________ 48 49_________ 50 51________ 52______ 53___ 54_____ 55

Chunks:
  TruePositive nam [53,54] = Piotr Styczeń

(ChunkerEvaluator) Sentence #13393 from articles/00107978 from sent11

Text  : Dodał , że grupa do 70 tys . członków spółdzielni oczekuje tego przedłużenia .
Tokens: 1____ 2 3_ 4____ 5_ 6_ 7__ 8 9_______ 10_________ 11______ 12__ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #13394 from articles/00107978 from sent12

Text  : Resort spodziewa się , że dzięki nowelizacji nastąpi wyraźny spadek liczby zadłużonych mieszkań ,  wobec których stosowana jest pomoc państwa ;  będą także dodatkowe wpływy do budżetu z  jednorazowych spłat zadłużenia .
Tokens: 1_____ 2________ 3__ 4 5_ 6_____ 7__________ 8______ 9______ 10____ 11____ 12_________ 13______ 14 15___ 16_____ 17_______ 18__ 19___ 20_____ 21 22__ 23___ 24_______ 25____ 26 27_____ 28 29___________ 30___ 31________ 32

Chunks:

(ChunkerEvaluator) Sentence #13395 from articles/00107978 from sent13

Text  : Nowe przepisy powinny także uporządkować sytuację mieszkaniową spółdzielców , którzy będą mogli swobodnie dysponować swoimi lokalami ,  w  tym sprzedawać je na wolnym rynku .
Tokens: 1___ 2_______ 3______ 4____ 5___________ 6_______ 7___________ 8___________ 9 10____ 11__ 12___ 13_______ 14________ 15____ 16______ 17 18 19_ 20________ 21 22 23____ 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #13396 from articles/00107978 from sent14

Text  : Preferencyjne warunki spłaty kredytów polegają m . in . na pokryciu przez budżet znacznej części odsetek skapitalizowanych i  odsetek przejściowo wykupionych przez państwo .
Tokens: 1____________ 2______ 3_____ 4_______ 5_______ 6 7 8_ 9 10 11______ 12___ 13____ 14______ 15____ 16_____ 17_______________ 18 19_____ 20_________ 21_________ 22___ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #13397 from articles/00107978 from sent15

Text  : Posłowie podczas posiedzenia komisji rozpatrywali również poselski projekt nowelizujący ustawę o  pomocy państwa w  spłacie niektórych kredytów mieszkaniowych ,  udzielaniu premii gwarancyjnych oraz refundacji bankom wypłaconych premii gwarancyjnych .
Tokens: 1_______ 2______ 3__________ 4______ 5___________ 6______ 7_______ 8______ 9___________ 10____ 11 12____ 13_____ 14 15_____ 16________ 17______ 18____________ 19 20________ 21____ 22___________ 23__ 24________ 25____ 26_________ 27____ 28___________ 29

Chunks:

(ChunkerEvaluator) Sentence #13398 from articles/00107978 from sent16

Text  : Posłowie zdecydowali o powołaniu nadzwyczajnej komisji do rozpatrzenia poselskiego projektu .
Tokens: 1_______ 2__________ 3 4________ 5____________ 6______ 7_ 8___________ 9__________ 10______ 11

Chunks:

2016-10-27 15:00:20,546 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 593 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107979.xml
(ChunkerEvaluator) Sentence #13399 from articles/00107979 from sent1

Text  : Nie ma silnych na „ prezydenta ”
Tokens: 1__ 2_ 3______ 4_ 5 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #13400 from articles/00107979 from sent2

Text  : Oskarżony o gwałt przedsiębiorca z Białej Podlaskiej , lekceważy wymiar sprawiedliwości
Tokens: 1________ 2 3____ 4_____________ 5 6_____ 7_________ 8 9________ 10____ 11_____________

Chunks:
  TruePositive nam [6,7] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13401 from articles/00107979 from sent3

Text  : Krzysztof T . , z wykształcenia nauczyciel historii , należał w  Białej Podlaskiej do najbogatszych .
Tokens: 1________ 2 3 4 5 6____________ 7_________ 8_______ 9 10_____ 11 12____ 13________ 14 15___________ 16

Chunks:
  TruePositive nam [1,3] = Krzysztof T .
  TruePositive nam [12,13] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13402 from articles/00107979 from sent4

Text  : Dorobił się na początku lat 90 . na handlu ze Wschodem .
Tokens: 1______ 2__ 3_ 4_______ 5__ 6_ 7 8_ 9_____ 10 11______ 12

Chunks:
  FalsePositive nam [11,11] = Wschodem

(ChunkerEvaluator) Sentence #13403 from articles/00107979 from sent5

Text  : Właściciel sklepów , hurtowni , restauracji .
Tokens: 1_________ 2______ 3 4_______ 5 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #13404 from articles/00107979 from sent6

Text  : Chwalił się dobrymi układami „ na górze ” , szczycił się znajomościami z  prominentnymi politykami SLD (  tymi z  najwyższej półki )  .
Tokens: 1______ 2__ 3______ 4_______ 5 6_ 7____ 8 9 10______ 11_ 12___________ 13 14___________ 15________ 16_ 17 18__ 19 20________ 21___ 22 23

Chunks:
  TruePositive nam [16,16] = SLD

(ChunkerEvaluator) Sentence #13405 from articles/00107979 from sent7

Text  : Inwestował w nieruchomości , założył największą w okolicy hurtownię napoi ,  prowadził najdroższą w  mieście restaurację .
Tokens: 1_________ 2 3____________ 4 5______ 6_________ 7 8______ 9________ 10___ 11 12_______ 13________ 14 15_____ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #13406 from articles/00107979 from sent8

Text  : Na mieście tytułował się „ prezydentem ” .
Tokens: 1_ 2______ 3________ 4__ 5 6__________ 7 8

Chunks:

(ChunkerEvaluator) Sentence #13407 from articles/00107979 from sent9

Text  : Kierowca , którego nazywał lokajem , woził go najdroższym mercedesem .
Tokens: 1_______ 2 3______ 4______ 5______ 6 7____ 8_ 9__________ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #13408 from articles/00107979 from sent10

Text  : „ Prezydent ” nie lubił sam sobie otwierać drzwi .
Tokens: 1 2________ 3 4__ 5____ 6__ 7____ 8_______ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #13409 from articles/00107979 from sent11

Text  : Przyszła podpisać umowę
Tokens: 1_______ 2_______ 3____

Chunks:

(ChunkerEvaluator) Sentence #13410 from articles/00107979 from sent12

Text  : W lipcu 1999 r .
Tokens: 1 2____ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #13411 from articles/00107979 from sent13

Text  : Magda , studentka czwartego roku socjologii , przeczytała w lokalnej prasie ogłoszenie -  firma Krzysztofa T  .  poszukiwała przedstawiciela handlowego .
Tokens: 1____ 2 3________ 4________ 5___ 6_________ 7 8__________ 9 10______ 11____ 12________ 13 14___ 15________ 16 17 18_________ 19_____________ 20________ 21

Chunks:
  TruePositive nam [1,1] = Magda
  TruePositive nam [15,17] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13412 from articles/00107979 from sent14

Text  : Po krótkiej rozmowie dziewczyna została przyjęta na okres próbny ;  własnym autem jeździła po sklepach i  zbierała zamówienia .
Tokens: 1_ 2_______ 3_______ 4_________ 5______ 6_______ 7_ 8____ 9_____ 10 11_____ 12___ 13______ 14 15______ 16 17______ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #13413 from articles/00107979 from sent15

Text  : Już po tygodniu T . zaprosił dziewczynę do firmy na podpisanie umowy i  odbiór kluczyków od służbowego seicento .
Tokens: 1__ 2_ 3_______ 4 5 6_______ 7_________ 8_ 9____ 10 11________ 12___ 13 14____ 15_______ 16 17________ 18______ 19

Chunks:
  TruePositive nam [4,5] = T .

(ChunkerEvaluator) Sentence #13414 from articles/00107979 from sent16

Text  : Magda była szczęśliwa .
Tokens: 1____ 2___ 3_________ 4

Chunks:

(ChunkerEvaluator) Sentence #13415 from articles/00107979 from sent17

Text  : Dziś jest pod opieką psychiatry - próbuje zapomnieć o wydarzeniach sprzed trzech lat .
Tokens: 1___ 2___ 3__ 4_____ 5_________ 6 7______ 8________ 9 10__________ 11____ 12____ 13_ 14

Chunks:

(ChunkerEvaluator) Sentence #13416 from articles/00107979 from sent18

Text  : Magda : - Było południe .
Tokens: 1____ 2 3 4___ 5_______ 6

Chunks:
  TruePositive nam [1,1] = Magda

(ChunkerEvaluator) Sentence #13417 from articles/00107979 from sent19

Text  : Krzysztof T . w towarzystwie kierowcy i ochroniarza wywiózł mnie z  firmy do Serpelic nad Bugiem ,  do swojej daczy .
Tokens: 1________ 2 3 4 5___________ 6_______ 7 8__________ 9______ 10__ 11 12___ 13 14______ 15_ 16____ 17 18 19____ 20___ 21

Chunks:
  TruePositive nam [1,3] = Krzysztof T .
  FalsePositive nam [14,16] = Serpelic nad Bugiem
  FalseNegative nam [14,14] = Serpelic
  FalseNegative nam [16,16] = Bugiem

(ChunkerEvaluator) Sentence #13418 from articles/00107979 from sent20

Text  : Próbowała m uciekać .
Tokens: 1________ 2 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #13419 from articles/00107979 from sent21

Text  : Wtedy pobił mnie i zgwałcił .
Tokens: 1____ 2____ 3___ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #13420 from articles/00107979 from sent22

Text  : Już po wszystkim , wykorzystując chwilę nieuwagi , wymknęła m  się z  daczy i  pobiegła m  w  stronę szosy .
Tokens: 1__ 2_ 3________ 4 5____________ 6_____ 7_______ 8 9_______ 10 11_ 12 13___ 14 15______ 16 17 18____ 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #13421 from articles/00107979 from sent23

Text  : Zobaczyła m nadjeżdżający samochód , zaczęła m machać .
Tokens: 1________ 2 3____________ 4_______ 5 6______ 7 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #13422 from articles/00107979 from sent24

Text  : Gdy się zatrzymał , zobaczyła m jego , Krzysztofa T  .
Tokens: 1__ 2__ 3________ 4 5________ 6 7___ 8 9_________ 10 11

Chunks:
  FalsePositive nam [9,10] = Krzysztofa T
  FalseNegative nam [9,11] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13423 from articles/00107979 from sent25

Text  : Z powrotem do daczy , znów bicie i znów gwałt .
Tokens: 1 2_______ 3_ 4____ 5 6___ 7____ 8 9___ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #13424 from articles/00107979 from sent26

Text  : Magda zdołała dotrzeć do domu przed północą .
Tokens: 1____ 2______ 3______ 4_ 5___ 6____ 7______ 8

Chunks:
  TruePositive nam [1,1] = Magda

(ChunkerEvaluator) Sentence #13425 from articles/00107979 from sent27

Text  : Tego samego dnia złożyła doniesienie na policji .
Tokens: 1___ 2_____ 3___ 4______ 5__________ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #13426 from articles/00107979 from sent28

Text  : Była noc z piątku na sobotę .
Tokens: 1___ 2__ 3 4_____ 5_ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #13427 from articles/00107979 from sent29

Text  : Matka Magdy : - W poniedziałek rano w mieszkaniu zadzwonił telefon .
Tokens: 1____ 2____ 3 4 5 6___________ 7___ 8 9_________ 10_______ 11_____ 12

Chunks:
  TruePositive nam [2,2] = Magdy

(ChunkerEvaluator) Sentence #13428 from articles/00107979 from sent30

Text  : T . poprosił o spotkanie .
Tokens: 1 2 3_______ 4 5________ 6

Chunks:
  FalseNegative nam [1,2] = T .

(ChunkerEvaluator) Sentence #13429 from articles/00107979 from sent31

Text  : Nie chciała m go widzieć .
Tokens: 1__ 2______ 3 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #13430 from articles/00107979 from sent32

Text  : Mimo to za kilka minut , razem z adwokatem [  mecenas Marek Przeciechowski ,  jeden z  najbardziej znanych lubelskich adwokatów ,  broni m  .  in .  przestępców z  pierwszych stron gazet -  J  .  B  .  ]  zapukał do drzwi .
Tokens: 1___ 2_ 3_ 4____ 5____ 6 7____ 8 9________ 10 11_____ 12___ 13____________ 14 15___ 16 17_________ 18_____ 19________ 20_______ 21 22___ 23 24 25 26 27_________ 28 29________ 30___ 31___ 32 33 34 35 36 37 38_____ 39 40___ 41

Chunks:
  TruePositive nam [12,13] = Marek Przeciechowski
  TruePositive nam [33,36] = J . B .

(ChunkerEvaluator) Sentence #13431 from articles/00107979 from sent33

Text  : T . wyjął z kieszeni 30 tys . zł .
Tokens: 1 2 3____ 4 5_______ 6_ 7__ 8 9_ 10

Chunks:
  TruePositive nam [9,9] = zł
  FalseNegative nam [1,2] = T .

(ChunkerEvaluator) Sentence #13432 from articles/00107979 from sent34

Text  : „ Masz pieniądze i każ córce wycofać zeznania ” -  rozkazał .
Tokens: 1 2___ 3________ 4 5__ 6____ 7______ 8_______ 9 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #13433 from articles/00107979 from sent35

Text  : Kiedy odmówiła m , zagroził , że nas zniszczy .
Tokens: 1____ 2_______ 3 4 5_______ 6 7_ 8__ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #13434 from articles/00107979 from sent36

Text  : Wyprosiła m go .
Tokens: 1________ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #13435 from articles/00107979 from sent37

Text  : W środę z samego rana do drzwi zapukał ksiądz K  .  ,  bialski duszpasterz akademicki .
Tokens: 1 2____ 3 4_____ 5___ 6_ 7____ 8______ 9_____ 10 11 12 13_____ 14_________ 15________ 16

Chunks:
  TruePositive nam [10,11] = K .

(ChunkerEvaluator) Sentence #13436 from articles/00107979 from sent38

Text  : - Zaraz po przekroczeniu progu zaczął pouczać , że bliźniemu trzeba wybaczyć ,  pieniądze wziąć i  zapomnieć .
Tokens: 1 2____ 3_ 4____________ 5____ 6_____ 7______ 8 9_ 10_______ 11____ 12______ 13 14_______ 15___ 16 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #13437 from articles/00107979 from sent39

Text  : Po co mają sąsiedzi się dowiedzieć , dodał , zamykając drzwi .
Tokens: 1_ 2_ 3___ 4_______ 5__ 6_________ 7 8____ 9 10_______ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #13438 from articles/00107979 from sent40

Text  : W Boga wierzę , ale księdzu K . nie wybaczę -  mówi matka Magdy .
Tokens: 1 2___ 3_____ 4 5__ 6______ 7 8 9__ 10_____ 11 12__ 13___ 14___ 15

Chunks:
  TruePositive nam [2,2] = Boga
  TruePositive nam [14,14] = Magdy
  FalsePositive nam [7,7] = K
  FalseNegative nam [7,8] = K .

(ChunkerEvaluator) Sentence #13439 from articles/00107979 from sent41

Text  : - Po kilku godzinach u drzwi znowu rozległ się dzwonek .
Tokens: 1 2_ 3____ 4________ 5 6____ 7____ 8______ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #13440 from articles/00107979 from sent42

Text  : Stanął w nich sąsiad , bardzo porządny człowiek .
Tokens: 1_____ 2 3___ 4_____ 5 6_____ 7_______ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #13441 from articles/00107979 from sent43

Text  : Przyznał , że Krzysztof T . to drań .
Tokens: 1_______ 2 3_ 4________ 5 6 7_ 8___ 9

Chunks:
  TruePositive nam [4,6] = Krzysztof T .

(ChunkerEvaluator) Sentence #13442 from articles/00107979 from sent44

Text  : Potem ostrzegł , że w Białej Podlaskiej nikt krzywdy mu nie zrobi .
Tokens: 1____ 2_______ 3 4_ 5 6_____ 7_________ 8___ 9______ 10 11_ 12___ 13

Chunks:
  TruePositive nam [6,7] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13443 from articles/00107979 from sent45

Text  : A dziecko będą ci ciągać po przesłuchaniach , na języki weźmie ją całe miasto -  przestrzegał .
Tokens: 1 2______ 3___ 4_ 5_____ 6_ 7______________ 8 9_ 10____ 11____ 12 13__ 14____ 15 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #13444 from articles/00107979 from sent46

Text  : Bez obaw matactwa
Tokens: 1__ 2___ 3_______

Chunks:

(ChunkerEvaluator) Sentence #13445 from articles/00107979 from sent47

Text  : Sprawa gwałtu trafiła do bialskiej prokuratury .
Tokens: 1_____ 2_____ 3______ 4_ 5________ 6__________ 7

Chunks:
  FalseNegative nam [5,5] = bialskiej

(ChunkerEvaluator) Sentence #13446 from articles/00107979 from sent48

Text  : Prokurator Zbigniew Chalimoniuk przesłuchiwał Magdę sześć i pół godziny .
Tokens: 1_________ 2_______ 3__________ 4____________ 5____ 6____ 7 8__ 9______ 10

Chunks:
  TruePositive nam [2,3] = Zbigniew Chalimoniuk
  TruePositive nam [5,5] = Magdę

(ChunkerEvaluator) Sentence #13447 from articles/00107979 from sent49

Text  : - Ze szczegółami : jak była ubrana , czy piła ,  czy jej się podobał .
Tokens: 1 2_ 3__________ 4 5__ 6___ 7_____ 8 9__ 10__ 11 12_ 13_ 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #13448 from articles/00107979 from sent50

Text  : Po przesłuchaniu wyglądała tak jak tamtej nocy - matka Magdy nie wytrzymuje ,  rozkleja się .
Tokens: 1_ 2____________ 3________ 4__ 5__ 6_____ 7___ 8 9____ 10___ 11_ 12________ 13 14______ 15_ 16

Chunks:
  TruePositive nam [10,10] = Magdy

(ChunkerEvaluator) Sentence #13449 from articles/00107979 from sent51

Text  : Zeznania Magdy potwierdzili pracownicy Krzysztofa T . , kierowca i  ochroniarz .
Tokens: 1_______ 2____ 3___________ 4_________ 5_________ 6 7 8 9_______ 10 11________ 12

Chunks:
  TruePositive nam [2,2] = Magdy
  TruePositive nam [5,7] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13450 from articles/00107979 from sent52

Text  : On sam do niczego się nie przyznał i odmówił składania zeznań .
Tokens: 1_ 2__ 3_ 4______ 5__ 6__ 7_______ 8 9______ 10_______ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #13451 from articles/00107979 from sent53

Text  : Jego wizyta w prokuraturze trwała kwadrans .
Tokens: 1___ 2_____ 3 4___________ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13452 from articles/00107979 from sent54

Text  : W listopadzie 1999 r . , po czterech miesiącach śledztwa ,  prokurator przedstawił Krzysztofowi T  .  zarzuty .
Tokens: 1 2__________ 3___ 4 5 6 7_ 8_______ 9_________ 10______ 11 12________ 13_________ 14__________ 15 16 17_____ 18

Chunks:
  FalsePositive nam [14,17] = Krzysztofowi T . zarzuty
  FalseNegative nam [14,16] = Krzysztofowi T .

(ChunkerEvaluator) Sentence #13453 from articles/00107979 from sent55

Text  : Oprócz gwałtu oskarżył go o próbę zastraszenia Magdy .
Tokens: 1_____ 2_____ 3_______ 4_ 5 6____ 7___________ 8____ 9

Chunks:
  TruePositive nam [8,8] = Magdy

(ChunkerEvaluator) Sentence #13454 from articles/00107979 from sent56

Text  : Mimo że gwałt uważany jest za ciężkie przestępstwo i prokurator zwykle domaga się dla podejrzanego aresztu ,  Zbigniew Chalimoniuk zadowolił się poręczeniem majątkowym -  30 tys .  zł (  taką kwotę T  .  proponował matce Magdy )  .
Tokens: 1___ 2_ 3____ 4______ 5___ 6_ 7______ 8___________ 9 10________ 11____ 12____ 13_ 14_ 15__________ 16_____ 17 18______ 19_________ 20_______ 21_ 22_________ 23________ 24 25 26_ 27 28 29 30__ 31___ 32 33 34________ 35___ 36___ 37 38

Chunks:
  TruePositive nam [18,19] = Zbigniew Chalimoniuk
  TruePositive nam [28,28] = zł
  TruePositive nam [36,36] = Magdy
  FalsePositive nam [32,32] = T
  FalseNegative nam [32,33] = T .

(ChunkerEvaluator) Sentence #13455 from articles/00107979 from sent57

Text  : Dziś nie chce rozmawiać z „ Gazetą ” .
Tokens: 1___ 2__ 3___ 4________ 5 6 7_____ 8 9

Chunks:
  TruePositive nam [7,7] = Gazetą

(ChunkerEvaluator) Sentence #13456 from articles/00107979 from sent58

Text  : Do 13 razy sztuka
Tokens: 1_ 2_ 3___ 4_____

Chunks:

(ChunkerEvaluator) Sentence #13457 from articles/00107979 from sent59

Text  : Choć sprawa Krzysztofa T . trafiła na wokandę bialskiego sądu w  marcu 2000 r  .  ,  mimo wyznaczenia 13 terminów prokurator do dziś nie zdołał odczytać liczącego pięć stron aktu oskarżenia .
Tokens: 1___ 2_____ 3_________ 4 5 6______ 7_ 8______ 9_________ 10__ 11 12___ 13__ 14 15 16 17__ 18_________ 19 20______ 21________ 22 23__ 24_ 25____ 26______ 27_______ 28__ 29___ 30__ 31________ 32

Chunks:
  TruePositive nam [3,5] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13458 from articles/00107979 from sent60

Text  : Z formalnego punktu widzenia proces w ogóle się nie rozpoczął ,  a  kolejne posiedzenia przypominały zabawę w  kotka i  myszkę .
Tokens: 1 2_________ 3_____ 4_______ 5_____ 6 7____ 8__ 9__ 10_______ 11 12 13_____ 14_________ 15__________ 16____ 17 18___ 19 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #13459 from articles/00107979 from sent61

Text  : Pierwszy termin wyznaczono na 7 marca 2000 r .
Tokens: 1_______ 2_____ 3_________ 4_ 5 6____ 7___ 8 9

Chunks:

(ChunkerEvaluator) Sentence #13460 from articles/00107979 from sent62

Text  : W sądzie zjawił się obrońca Krzysztofa T . mecenas Marek Przeciechowski i  przedstawił zwolnienie lekarskie swojego klienta ,  od neurologa .
Tokens: 1 2_____ 3_____ 4__ 5______ 6_________ 7 8 9______ 10___ 11____________ 12 13_________ 14________ 15_______ 16_____ 17_____ 18 19 20_______ 21

Chunks:
  TruePositive nam [6,8] = Krzysztofa T .
  TruePositive nam [10,11] = Marek Przeciechowski

(ChunkerEvaluator) Sentence #13461 from articles/00107979 from sent63

Text  : Sąd zakwestionował druk L - 4 .
Tokens: 1__ 2_____________ 3___ 4 5 6 7

Chunks:
  FalsePositive nam [4,6] = L - 4

(ChunkerEvaluator) Sentence #13462 from articles/00107979 from sent64

Text  : Okazało się , że na dokumencie widniała pieczątka przychodni zdrowia ,  w  której T  .  w  ogóle się nie leczył (  sąd poinformował o  nieprawidłowościach okręgową izbę lekarską )  .
Tokens: 1______ 2__ 3 4_ 5_ 6_________ 7_______ 8________ 9_________ 10_____ 11 12 13____ 14 15 16 17___ 18_ 19_ 20____ 21 22_ 23__________ 24 25_________________ 26______ 27__ 28______ 29 30

Chunks:
  FalsePositive nam [14,14] = T
  FalseNegative nam [14,15] = T .

(ChunkerEvaluator) Sentence #13463 from articles/00107979 from sent65

Text  : 14 kwietnia 2000 r . podczas drugiego terminu obrońca ponownie przedstawił zwolnienie lekarskie Krzysztofa T  .  Sąd ,  podejrzewając ,  że oskarżony może się przed rozprawami uchylać ,  zaocznie wydał nakaz aresztowania .
Tokens: 1_ 2_______ 3___ 4 5 6______ 7_______ 8______ 9______ 10______ 11_________ 12________ 13_______ 14________ 15 16 17_ 18 19___________ 20 21 22_______ 23__ 24_ 25___ 26________ 27_____ 28 29______ 30___ 31___ 32__________ 33

Chunks:
  FalsePositive nam [14,17] = Krzysztofa T . Sąd
  FalseNegative nam [15,16] = T .

(ChunkerEvaluator) Sentence #13464 from articles/00107979 from sent66

Text  : Mecenas Przeciechowski odwołał się jednak do Sądu Okręgowego w Lublinie ,  który zmienił decyzję sądu w  Białej Podlaskiej .
Tokens: 1______ 2_____________ 3______ 4__ 5_____ 6_ 7___ 8_________ 9 10______ 11 12___ 13_____ 14_____ 15__ 16 17____ 18________ 19

Chunks:
  TruePositive nam [1,2] = Mecenas Przeciechowski
  TruePositive nam [17,18] = Białej Podlaskiej
  FalsePositive nam [7,10] = Sądu Okręgowego w Lublinie
  FalseNegative nam [7,8] = Sądu Okręgowego
  FalseNegative nam [10,10] = Lublinie

(ChunkerEvaluator) Sentence #13465 from articles/00107979 from sent67

Text  : W uzasadnieniu lubelski sąd zauważył , że „ obawa ucieczki lub ukrywania się T  .  jest niczym nieuzasadniona ,  a  ewentualne uchybienia lekarza [  tego ,  który wystawił zwolnienie -  J  .  B  .  ]  nie mogą powodować negatywnych konsekwencji dla oskarżonego ”  .
Tokens: 1 2___________ 3_______ 4__ 5_______ 6 7_ 8 9____ 10______ 11_ 12_______ 13_ 14 15 16__ 17____ 18____________ 19 20 21________ 22________ 23_____ 24 25__ 26 27___ 28______ 29________ 30 31 32 33 34 35 36_ 37__ 38_______ 39_________ 40__________ 41_ 42_________ 43 44

Chunks:
  TruePositive nam [31,34] = J . B .
  FalsePositive nam [14,14] = T
  FalseNegative nam [14,15] = T .

(ChunkerEvaluator) Sentence #13466 from articles/00107979 from sent68

Text  : Sędzią sprawozdawcą na posiedzeniu , podczas którego uchylono areszt ,  był Jarosław Matras ,  rzecznik prasowy lubelskiego sądu okręgowego .
Tokens: 1_____ 2___________ 3_ 4__________ 5 6______ 7______ 8_______ 9_____ 10 11_ 12______ 13____ 14 15______ 16_____ 17_________ 18__ 19________ 20

Chunks:
  TruePositive nam [12,13] = Jarosław Matras

(ChunkerEvaluator) Sentence #13467 from articles/00107979 from sent69

Text  : - Dokładnie nie pamiętam tamtej sprawy .
Tokens: 1 2________ 3__ 4_______ 5_____ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #13468 from articles/00107979 from sent70

Text  : Poza tym nie mogę komentować sądowych uzasadnień - zastrzega dziś Matras .
Tokens: 1___ 2__ 3__ 4___ 5_________ 6_______ 7_________ 8 9________ 10__ 11____ 12

Chunks:
  TruePositive nam [11,11] = Matras

(ChunkerEvaluator) Sentence #13469 from articles/00107979 from sent71

Text  : 12 czerwca , kolejny termin rozprawy .
Tokens: 1_ 2______ 3 4______ 5_____ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13470 from articles/00107979 from sent72

Text  : Mecenas Przeciechowski ponownie przedstawił zwolnienie Krzysztofa T . , od innego lekarza .
Tokens: 1______ 2_____________ 3_______ 4__________ 5_________ 6_________ 7 8 9 10 11____ 12_____ 13

Chunks:
  TruePositive nam [1,2] = Mecenas Przeciechowski
  TruePositive nam [6,8] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13471 from articles/00107979 from sent73

Text  : Adwokat złożył też wniosek o przebadanie klienta przez niezależnych biegłych .
Tokens: 1______ 2_____ 3__ 4______ 5 6__________ 7______ 8____ 9___________ 10______ 11

Chunks:
  FalsePositive nam [1,1] = Adwokat

(ChunkerEvaluator) Sentence #13472 from articles/00107979 from sent74

Text  : Biegli z Warszawy nie znaleźli jednak przeszkód , by T  .  brał udział w  rozprawach .
Tokens: 1_____ 2 3_______ 4__ 5_______ 6_____ 7________ 8 9_ 10 11 12__ 13____ 14 15________ 16

Chunks:
  TruePositive nam [3,3] = Warszawy
  FalsePositive nam [10,10] = T
  FalseNegative nam [10,11] = T .

(ChunkerEvaluator) Sentence #13473 from articles/00107979 from sent75

Text  : Już wcześniej , w marcu , taki sam werdykt wydali biegli lekarze z  Lublina -  zwrócili oni uwagę sądu na „  świadome reakcje symulacyjne ”  .
Tokens: 1__ 2________ 3 4 5____ 6 7___ 8__ 9______ 10____ 11____ 12_____ 13 14_____ 15 16______ 17_ 18___ 19__ 20 21 22______ 23_____ 24_________ 25 26

Chunks:
  TruePositive nam [14,14] = Lublina

(ChunkerEvaluator) Sentence #13474 from articles/00107979 from sent76

Text  : Krzysztof T . po raz pierwszy stawił się w bialskim sądzie dopiero 29 maja 2001 r  .
Tokens: 1________ 2 3 4_ 5__ 6_______ 7_____ 8__ 9 10______ 11____ 12_____ 13 14__ 15__ 16 17

Chunks:
  TruePositive nam [1,3] = Krzysztof T .

(ChunkerEvaluator) Sentence #13475 from articles/00107979 from sent77

Text  : ( 15 miesięcy od daty pierwszego terminu ) .
Tokens: 1 2_ 3_______ 4_ 5___ 6_________ 7______ 8 9

Chunks:

(ChunkerEvaluator) Sentence #13476 from articles/00107979 from sent78

Text  : Tym razem na salę rozpraw nie dotarł jednak mecenas Przeciechowski (  zwolnienie lekarskie )  .
Tokens: 1__ 2____ 3_ 4___ 5______ 6__ 7_____ 8_____ 9______ 10____________ 11 12________ 13_______ 14 15

Chunks:
  FalseNegative nam [10,10] = Przeciechowski

(ChunkerEvaluator) Sentence #13477 from articles/00107979 from sent79

Text  : Ponieważ oskarżony bez obrońcy odpowiadać nie chciał , proces i  tym razem nie ruszył z  miejsca .
Tokens: 1_______ 2________ 3__ 4______ 5_________ 6__ 7_____ 8 9_____ 10 11_ 12___ 13_ 14____ 15 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #13478 from articles/00107979 from sent80

Text  : Podobnie było podczas dwóch kolejnych terminów , kiedy do Białej Podlaskiej nie docierał ani Przeciechowski ,  ani mecenas Zbigniew Piesiewicz z  Warszawy wyznaczony przez Krzysztofa T  .  na drugiego obrońcę .
Tokens: 1_______ 2___ 3______ 4____ 5________ 6_______ 7 8____ 9_ 10____ 11________ 12_ 13______ 14_ 15____________ 16 17_ 18_____ 19______ 20________ 21 22______ 23________ 24___ 25________ 26 27 28 29______ 30_____ 31

Chunks:
  TruePositive nam [10,11] = Białej Podlaskiej
  TruePositive nam [19,20] = Zbigniew Piesiewicz
  TruePositive nam [22,22] = Warszawy
  TruePositive nam [25,27] = Krzysztofa T .
  FalseNegative nam [15,15] = Przeciechowski

(ChunkerEvaluator) Sentence #13479 from articles/00107979 from sent81

Text  : Sąd słał zawiadomienia do lubelskiej i warszawskiej rady adwokackiej ,  a  mecenasi zasłaniali się drukami L  -  4  .
Tokens: 1__ 2___ 3____________ 4_ 5_________ 6 7___________ 8___ 9__________ 10 11 12______ 13________ 14_ 15_____ 16 17 18 19

Chunks:
  FalsePositive nam [16,18] = L - 4

(ChunkerEvaluator) Sentence #13480 from articles/00107979 from sent82

Text  : 3 września 2001 r . po raz pierwszy przed sądem stawili się wszyscy -  oskarżony i  dwaj obrońcy .
Tokens: 1 2_______ 3___ 4 5 6_ 7__ 8_______ 9____ 10___ 11_____ 12_ 13_____ 14 15_______ 16 17__ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #13481 from articles/00107979 from sent83

Text  : Tego dnia proces powinien był się rozpocząć .
Tokens: 1___ 2___ 3_____ 4_______ 5__ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #13482 from articles/00107979 from sent84

Text  : Nic z tego .
Tokens: 1__ 2 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #13483 from articles/00107979 from sent85

Text  : Sędzia co prawda odrzucił kolejny wniosek obrony o przeprowadzenie badań psychiatrycznych oskarżonego ,  ale był bezsilny ,  kiedy T  .  niespodziewanie cofnął obrońcom pełnomocnictwa (  powołał się na rzekomy konflikt linii obrony mecenasów Przeciechowskiego i  Piesiewicza )  .
Tokens: 1_____ 2_ 3_____ 4_______ 5______ 6______ 7_____ 8 9______________ 10___ 11______________ 12_________ 13 14_ 15_ 16______ 17 18___ 19 20 21_____________ 22____ 23______ 24____________ 25 26_____ 27_ 28 29_____ 30______ 31___ 32____ 33_______ 34_______________ 35 36_________ 37 38

Chunks:
  TruePositive nam [19,20] = T .
  FalseNegative nam [34,34] = Przeciechowskiego
  FalseNegative nam [36,36] = Piesiewicza

(ChunkerEvaluator) Sentence #13484 from articles/00107979 from sent86

Text  : Tego dnia oskarżony stawił się w sądzie po raz ostatni .
Tokens: 1___ 2___ 3________ 4_____ 5__ 6 7_____ 8_ 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #13485 from articles/00107979 from sent87

Text  : Cierpliwość sądu skończyła się 17 stycznia 2002 r .
Tokens: 1__________ 2___ 3________ 4__ 5_ 6_______ 7___ 8 9

Chunks:

(ChunkerEvaluator) Sentence #13486 from articles/00107979 from sent88

Text  : ( 12 . termin ) .
Tokens: 1 2_ 3 4_____ 5 6

Chunks:

(ChunkerEvaluator) Sentence #13487 from articles/00107979 from sent89

Text  : Tego dnia sąd wydał nakaz aresztowania T . , a  policja rozesłała za nim list gończy .
Tokens: 1___ 2___ 3__ 4____ 5____ 6___________ 7 8 9 10 11_____ 12_______ 13 14_ 15__ 16____ 17

Chunks:
  TruePositive nam [7,8] = T .

(ChunkerEvaluator) Sentence #13488 from articles/00107979 from sent90

Text  : Poręczenie sekretarza Świrgonia
Tokens: 1_________ 2_________ 3________

Chunks:
  FalseNegative nam [3,3] = Świrgonia

(ChunkerEvaluator) Sentence #13489 from articles/00107979 from sent91

Text  : W lutym 2002 na biurko prezesa bialskiego sądu trafiły dwa listy polecone .
Tokens: 1 2____ 3___ 4_ 5_____ 6______ 7_________ 8___ 9______ 10_ 11___ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #13490 from articles/00107979 from sent92

Text  : Za Krzysztofem T . ręczyli osobiście poseł SLD z Żyrardowa Benedykt Suchecki oraz redaktor naczelny „  Chłopskiej Drogi ”  i  „  Tygodnika Chełmskiego ”  ,  a  w  przeszłości sekretarz KC PZPR Waldemar Świrgoń .
Tokens: 1_ 2__________ 3 4 5______ 6________ 7____ 8__ 9 10_______ 11______ 12______ 13__ 14______ 15______ 16 17________ 18___ 19 20 21 22_______ 23_________ 24 25 26 27 28_________ 29_______ 30 31__ 32______ 33_____ 34

Chunks:
  TruePositive nam [2,4] = Krzysztofem T .
  TruePositive nam [8,8] = SLD
  TruePositive nam [10,10] = Żyrardowa
  TruePositive nam [11,12] = Benedykt Suchecki
  TruePositive nam [17,18] = Chłopskiej Drogi
  TruePositive nam [22,23] = Tygodnika Chełmskiego
  TruePositive nam [30,31] = KC PZPR
  TruePositive nam [32,33] = Waldemar Świrgoń

(ChunkerEvaluator) Sentence #13491 from articles/00107979 from sent93

Text  : „ Krzysztof T . będzie się stawiał na każde wezwanie sądu i  nie będzie w  żaden bezprawny sposób utrudniał prowadzonego postępowania ”  -  oświadczyli w  identycznie brzmiących pismach .
Tokens: 1 2________ 3 4 5_____ 6__ 7______ 8_ 9____ 10______ 11__ 12 13_ 14____ 15 16___ 17_______ 18____ 19_______ 20__________ 21__________ 22 23 24_________ 25 26_________ 27________ 28_____ 29

Chunks:
  TruePositive nam [2,4] = Krzysztof T .

(ChunkerEvaluator) Sentence #13492 from articles/00107979 from sent94

Text  : Mimo poręczeń posła i byłego sekretarza sąd nie uchylił nakazu aresztowania .
Tokens: 1___ 2_______ 3____ 4 5_____ 6_________ 7__ 8__ 9______ 10____ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #13493 from articles/00107979 from sent95

Text  : - Krzysztofa T . znam jeszcze z czasów działalności w  Związku Młodzieży Wiejskiej .
Tokens: 1 2_________ 3 4 5___ 6______ 7 8_____ 9___________ 10 11_____ 12_______ 13_______ 14

Chunks:
  TruePositive nam [11,13] = Związku Młodzieży Wiejskiej
  FalsePositive nam [2,3] = Krzysztofa T
  FalseNegative nam [2,4] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13494 from articles/00107979 from sent96

Text  : W latach 80 . zasiadali śmy w kierownictwie tej organizacji .
Tokens: 1 2_____ 3_ 4 5________ 6__ 7 8____________ 9__ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #13495 from articles/00107979 from sent97

Text  : W tej chwili nie pamiętam , kto namówił mnie do poręczenia za T  .  -  tłumaczy poseł Suchecki .
Tokens: 1 2__ 3_____ 4__ 5_______ 6 7__ 8______ 9___ 10 11________ 12 13 14 15 16______ 17___ 18______ 19

Chunks:
  TruePositive nam [13,14] = T .
  TruePositive nam [18,18] = Suchecki

(ChunkerEvaluator) Sentence #13496 from articles/00107979 from sent98

Text  : - Ktoś z kierownictwa SLD ? - pytam .
Tokens: 1 2___ 3 4___________ 5__ 6 7 8____ 9

Chunks:
  TruePositive nam [5,5] = SLD

(ChunkerEvaluator) Sentence #13497 from articles/00107979 from sent99

Text  : - SLD z tą sprawą nie ma nic wspólnego -  podkreśla poseł z  Żyrardowa wyraźnie zafrasowany rozmową .
Tokens: 1 2__ 3 4_ 5_____ 6__ 7_ 8__ 9________ 10 11_______ 12___ 13 14_______ 15______ 16_________ 17_____ 18

Chunks:
  TruePositive nam [2,2] = SLD
  TruePositive nam [14,14] = Żyrardowa

(ChunkerEvaluator) Sentence #13498 from articles/00107979 from sent100

Text  : Waldemar Świrgoń poznał T . na początku lat 90 .
Tokens: 1_______ 2______ 3_____ 4 5 6_ 7_______ 8__ 9_ 10

Chunks:
  TruePositive nam [1,2] = Waldemar Świrgoń
  FalseNegative nam [4,5] = T .

(ChunkerEvaluator) Sentence #13499 from articles/00107979 from sent101

Text  : - Krzysztof był biznesmenem , prowadził rozległe interesy i szeroko ogłaszał się w  moich gazetach .
Tokens: 1 2________ 3__ 4__________ 5 6________ 7_______ 8_______ 9 10_____ 11______ 12_ 13 14___ 15______ 16

Chunks:
  TruePositive nam [2,2] = Krzysztof

(ChunkerEvaluator) Sentence #13500 from articles/00107979 from sent102

Text  : Uważam , że zamykanie w areszcie poważnego biznesmena przed prawomocnym wyrokiem nie ma sensu .
Tokens: 1_____ 2 3_ 4________ 5 6_______ 7________ 8_________ 9____ 10_________ 11______ 12_ 13 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #13501 from articles/00107979 from sent103

Text  : Nie wspomnę o wątpliwych prokuratorskich dowodach .
Tokens: 1__ 2______ 3 4_________ 5______________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13502 from articles/00107979 from sent104

Text  : - Wątpliwych ?
Tokens: 1 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #13503 from articles/00107979 from sent105

Text  : A skąd pan wie ? - pytam .
Tokens: 1 2___ 3__ 4__ 5 6 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #13504 from articles/00107979 from sent106

Text  : - Rozmawiał em z T .
Tokens: 1 2________ 3_ 4 5 6

Chunks:
  FalseNegative nam [5,6] = T .

(ChunkerEvaluator) Sentence #13505 from articles/00107979 from sent107

Text  : O wszystkim mi opowiedział - mówi Świrgoń .
Tokens: 1 2________ 3_ 4__________ 5 6___ 7______ 8

Chunks:
  FalseNegative nam [7,7] = Świrgoń

(ChunkerEvaluator) Sentence #13506 from articles/00107979 from sent108

Text  : - Spotykacie się ?
Tokens: 1 2_________ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #13507 from articles/00107979 from sent109

Text  : Przecież Krzysztof T . jest ścigany listem gończym - nie dowierzam .
Tokens: 1_______ 2________ 3 4 5___ 6______ 7_____ 8______ 9 10_ 11_______ 12

Chunks:
  TruePositive nam [2,4] = Krzysztof T .

(ChunkerEvaluator) Sentence #13508 from articles/00107979 from sent110

Text  : Po drugiej stronie słuchawki chwila ciszy .
Tokens: 1_ 2______ 3______ 4________ 5_____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #13509 from articles/00107979 from sent111

Text  : - Nie , nie !
Tokens: 1 2__ 3 4__ 5

Chunks:

(ChunkerEvaluator) Sentence #13510 from articles/00107979 from sent112

Text  : T . często do mnie dzwoni .
Tokens: 1 2 3_____ 4_ 5___ 6_____ 7

Chunks:
  FalseNegative nam [1,2] = T .

(ChunkerEvaluator) Sentence #13511 from articles/00107979 from sent113

Text  : Ostatnio prosił o poradę w sprawie kasacji do Prezydenta RP w  sprawie wstrzymania decyzji o  tymczasowym aresztowaniu .
Tokens: 1_______ 2_____ 3 4_____ 5 6______ 7______ 8_ 9_________ 10 11 12_____ 13_________ 14_____ 15 16_________ 17__________ 18

Chunks:
  FalsePositive nam [9,10] = Prezydenta RP

(ChunkerEvaluator) Sentence #13512 from articles/00107979 from sent114

Text  : Nie potrafił em mu pomóc , bo nie jestem prawnikiem -  tłumaczy .
Tokens: 1__ 2_______ 3_ 4_ 5____ 6 7_ 8__ 9_____ 10________ 11 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #13513 from articles/00107979 from sent115

Text  : Z powodu nieobecności oskarżonego zawieszono trzy inne rozprawy Krzysztofa T  .  ,  które toczyły się przed bialskim sądem .
Tokens: 1 2_____ 3___________ 4__________ 5_________ 6___ 7___ 8_______ 9_________ 10 11 12 13___ 14_____ 15_ 16___ 17______ 18___ 19

Chunks:
  TruePositive nam [9,11] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13514 from articles/00107979 from sent116

Text  : W 1996 r . został oskarżony o spowodowanie obrażeń ciała u  20 -  letniego mężczyzny (  przed lokalem Night Club w  Białej Podlaskiej strzelał według prokuratury z  ostrej broni ,  rykoszet zranił w  nogę przechodnia ,  bialski sąd skazał T  .  na osiem miesięcy więzienia w  zawieszeniu ,  ale Sąd Okręgowy w  Lublinie przekazał sprawę do ponownego rozpoznania )  .
Tokens: 1 2___ 3 4 5_____ 6________ 7 8___________ 9______ 10___ 11 12 13 14______ 15_______ 16 17___ 18_____ 19___ 20__ 21 22____ 23________ 24______ 25____ 26_________ 27 28____ 29___ 30 31______ 32____ 33 34__ 35_________ 36 37_____ 38_ 39____ 40 41 42 43___ 44______ 45_______ 46 47_________ 48 49_ 50_ 51______ 52 53______ 54_______ 55____ 56 57_______ 58_________ 59 60

Chunks:
  TruePositive nam [19,20] = Night Club
  TruePositive nam [22,23] = Białej Podlaskiej
  FalsePositive nam [40,40] = T
  FalsePositive nam [50,53] = Sąd Okręgowy w Lublinie
  FalseNegative nam [40,41] = T .
  FalseNegative nam [50,51] = Sąd Okręgowy
  FalseNegative nam [53,53] = Lublinie

(ChunkerEvaluator) Sentence #13515 from articles/00107979 from sent117

Text  : W 1999 r . bialska prokuratura zarzuciła mu oszustwo (  miał wynająć zadłużony lokal na aptekę ,  jej właścicielka straciła 19 tys .  zł .  )  .
Tokens: 1 2___ 3 4 5______ 6__________ 7________ 8_ 9_______ 10 11__ 12_____ 13_______ 14___ 15 16____ 17 18_ 19__________ 20______ 21 22_ 23 24 25 26 27

Chunks:
  TruePositive nam [24,24] = zł

(ChunkerEvaluator) Sentence #13516 from articles/00107979 from sent118

Text  : Krzysztof T . ponownie został oskarżony o oszustwo w 2001 r  .  (  według prokuratury przekazał willę swojej córce ,  mimo że nieruchomość była zabezpieczeniem należności wobec ZUS )  .
Tokens: 1________ 2 3 4_______ 5_____ 6________ 7 8_______ 9 10__ 11 12 13 14____ 15_________ 16_______ 17___ 18____ 19___ 20 21__ 22 23__________ 24__ 25_____________ 26________ 27___ 28_ 29 30

Chunks:
  TruePositive nam [1,3] = Krzysztof T .
  TruePositive nam [28,28] = ZUS

(ChunkerEvaluator) Sentence #13517 from articles/00107979 from sent119

Text  : Dajcie mu spokój
Tokens: 1_____ 2_ 3_____

Chunks:

(ChunkerEvaluator) Sentence #13518 from articles/00107979 from sent120

Text  : Na początku listopada do lubelskiej redakcji „ Gazety Wyborczej ”  zadzwonił telefon :  -  Mieszkam niedaleko Krzysztofa T  .  Spotykam go w  sklepie ,  na ulicy ,  w  samochodzie .
Tokens: 1_ 2_______ 3________ 4_ 5_________ 6_______ 7 8_____ 9________ 10 11_______ 12_____ 13 14 15______ 16_______ 17________ 18 19 20______ 21 22 23_____ 24 25 26___ 27 28 29_________ 30

Chunks:
  TruePositive nam [8,9] = Gazety Wyborczej
  FalsePositive nam [17,20] = Krzysztofa T . Spotykam
  FalseNegative nam [17,19] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13519 from articles/00107979 from sent121

Text  : Można się domyślać , dlaczego bialskiej policji ta sztuka ,  to znaczy jego zatrzymanie ,  nie może się udać .
Tokens: 1____ 2__ 3_______ 4 5_______ 6________ 7______ 8_ 9_____ 10 11 12____ 13__ 14_________ 15 16_ 17__ 18_ 19__ 20

Chunks:

(ChunkerEvaluator) Sentence #13520 from articles/00107979 from sent122

Text  : Anonimowy głos ( „ Krzysztof T . w Białej Podlaskiej w  dalszym ciągu dużo może ”  )  wskazał adresy ,  pod którymi przebywa poszukiwany ,  oraz marki i  numery rejestracyjne samochodów ,  którymi się porusza .
Tokens: 1________ 2___ 3 4 5________ 6 7 8 9_____ 10________ 11 12_____ 13___ 14__ 15__ 16 17 18_____ 19____ 20 21_ 22_____ 23______ 24_________ 25 26__ 27___ 28 29____ 30___________ 31________ 32 33_____ 34_ 35_____ 36

Chunks:
  TruePositive nam [5,7] = Krzysztof T .
  TruePositive nam [9,10] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13521 from articles/00107979 from sent123

Text  : Pojechał em do Białej Podlaskiej .
Tokens: 1_______ 2_ 3_ 4_____ 5_________ 6

Chunks:
  TruePositive nam [4,5] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13522 from articles/00107979 from sent124

Text  : Siedziba firmy Krzysztofa T . mieści się w odrestaurowanej kamienicy obok deptaku ,  30 metrów od gmachu sądu i  prokuratury ,  pół kilometra od komendy policji .
Tokens: 1_______ 2____ 3_________ 4 5 6_____ 7__ 8 9______________ 10_______ 11__ 12_____ 13 14 15____ 16 17____ 18__ 19 20_________ 21 22_ 23_______ 24 25_____ 26_____ 27

Chunks:
  TruePositive nam [3,5] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13523 from articles/00107979 from sent125

Text  : Nad wejściem nazwa firmy Krzysztofa T . - złote litery ,  logo w  kształcie herbu Pogoni (  to tutaj w  lipcu 1999 r  .  T  .  zaprosił Magdę na podpisanie umowy o  pracę )  .
Tokens: 1__ 2_______ 3____ 4____ 5_________ 6 7 8 9____ 10____ 11 12__ 13 14_______ 15___ 16____ 17 18 19___ 20 21___ 22__ 23 24 25 26 27______ 28___ 29 30________ 31___ 32 33___ 34 35

Chunks:
  TruePositive nam [5,7] = Krzysztofa T .
  TruePositive nam [16,16] = Pogoni
  TruePositive nam [25,26] = T .
  TruePositive nam [28,28] = Magdę
  FalsePositive nam [9,9] = złote

(ChunkerEvaluator) Sentence #13524 from articles/00107979 from sent126

Text  : W podziemiach kamienicy - restauracja Forteca , do niedawna najdroższy lokal w  mieście .
Tokens: 1 2__________ 3________ 4 5__________ 6______ 7 8_ 9_______ 10________ 11___ 12 13_____ 14

Chunks:
  TruePositive nam [6,6] = Forteca

(ChunkerEvaluator) Sentence #13525 from articles/00107979 from sent127

Text  : Dziś wszystkie drzwi Tok Company zamknięte na cztery spusty .
Tokens: 1___ 2________ 3____ 4__ 5______ 6________ 7_ 8_____ 9_____ 10

Chunks:
  FalsePositive nam [4,4] = Tok
  FalseNegative nam [4,5] = Tok Company

(ChunkerEvaluator) Sentence #13526 from articles/00107979 from sent128

Text  : Na szybach informacja : „ lokal do wynajęcia ” .
Tokens: 1_ 2______ 3_________ 4 5 6____ 7_ 8________ 9 10

Chunks:

(ChunkerEvaluator) Sentence #13527 from articles/00107979 from sent129

Text  : - Latem Krzysztof T . wyprawił w Fortecy raut dla znajomych .
Tokens: 1 2____ 3________ 4 5 6_______ 7 8______ 9___ 10_ 11_______ 12

Chunks:
  TruePositive nam [3,5] = Krzysztof T .
  TruePositive nam [8,8] = Fortecy

(ChunkerEvaluator) Sentence #13528 from articles/00107979 from sent130

Text  : Lokal był otwarty dla wszystkich .
Tokens: 1____ 2__ 3______ 4__ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #13529 from articles/00107979 from sent131

Text  : Ludzie widzieli rozbawionego biznesmena .
Tokens: 1_____ 2_______ 3___________ 4_________ 5

Chunks:

(ChunkerEvaluator) Sentence #13530 from articles/00107979 from sent132

Text  : Ktoś nawet zrobił sobie z nim zdjęcie , tak dla kawału -  opowiada jeden z  gości .
Tokens: 1___ 2____ 3_____ 4____ 5 6__ 7______ 8 9__ 10_ 11____ 12 13______ 14___ 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #13531 from articles/00107979 from sent133

Text  : Przypominam : w styczniu 2002 r . za Krzysztofem T  .  wydano list gończy .
Tokens: 1__________ 2 3 4_______ 5___ 6 7 8_ 9__________ 10 11 12____ 13__ 14____ 15

Chunks:
  TruePositive nam [9,11] = Krzysztofem T .

(ChunkerEvaluator) Sentence #13532 from articles/00107979 from sent134

Text  : Krzysztof T . mieszka w Białej Podlaskiej , niedaleko obwodnicy do Terespola ,  w  piętrowej willi otoczonej dwumetrowym parkanem .
Tokens: 1________ 2 3 4______ 5 6_____ 7_________ 8 9________ 10_______ 11 12_______ 13 14 15_______ 16___ 17_______ 18_________ 19______ 20

Chunks:
  TruePositive nam [1,3] = Krzysztof T .
  TruePositive nam [6,7] = Białej Podlaskiej
  TruePositive nam [12,12] = Terespola

(ChunkerEvaluator) Sentence #13533 from articles/00107979 from sent135

Text  : Dzwonię do drzwi .
Tokens: 1______ 2_ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #13534 from articles/00107979 from sent136

Text  : W oknie na pierwszym piętrze za firanką widzę postać .
Tokens: 1 2____ 3_ 4________ 5______ 6_ 7______ 8____ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #13535 from articles/00107979 from sent137

Text  : Nikt nie otwiera .
Tokens: 1___ 2__ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #13536 from articles/00107979 from sent138

Text  : - T . powinien być w domu - mówi zapytany przechodzień .
Tokens: 1 2 3 4_______ 5__ 6 7___ 8 9___ 10______ 11__________ 12

Chunks:
  FalseNegative nam [2,3] = T .

(ChunkerEvaluator) Sentence #13537 from articles/00107979 from sent139

Text  : - Przecież Krzysztof T . jest poszukiwany za poważne przestępstwo -  zwracam uwagę .
Tokens: 1 2_______ 3________ 4 5 6___ 7__________ 8_ 9______ 10__________ 11 12_____ 13___ 14

Chunks:
  TruePositive nam [3,5] = Krzysztof T .

(ChunkerEvaluator) Sentence #13538 from articles/00107979 from sent140

Text  : - To co ? !
Tokens: 1 2_ 3_ 4 5

Chunks:

(ChunkerEvaluator) Sentence #13539 from articles/00107979 from sent141

Text  : Niech policja z prokuraturą wezmą się na początek za rozliczenie tych z  rządu ,  co pozamykali prawie wszystkie bialskie firmy -  oburza się mężczyzna .
Tokens: 1____ 2______ 3 4__________ 5____ 6__ 7_ 8_______ 9_ 10_________ 11__ 12 13___ 14 15 16________ 17____ 18_______ 19______ 20___ 21 22____ 23_ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #13540 from articles/00107979 from sent142

Text  : Zatrzymany prędzej czy później
Tokens: 1_________ 2______ 3__ 4______

Chunks:

(ChunkerEvaluator) Sentence #13541 from articles/00107979 from sent143

Text  : Komendantem bialskiej policji jest młodszy inspektor Waldemar Pruski ( zastąpił aresztowanego przed rokiem za łapówki Andrzeja Sz .  )  .
Tokens: 1__________ 2________ 3______ 4___ 5______ 6________ 7_______ 8_____ 9 10______ 11___________ 12___ 13____ 14 15_____ 16______ 17 18 19 20

Chunks:
  TruePositive nam [7,8] = Waldemar Pruski
  FalsePositive nam [16,19] = Andrzeja Sz . )
  FalseNegative nam [16,18] = Andrzeja Sz .

(ChunkerEvaluator) Sentence #13542 from articles/00107979 from sent144

Text  : - Zatrzymanie Krzysztofa T . jest dla nas sprawą priorytetową .
Tokens: 1 2__________ 3_________ 4 5 6___ 7__ 8__ 9_____ 10__________ 11

Chunks:
  TruePositive nam [3,5] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13543 from articles/00107979 from sent145

Text  : Niestety , mamy ograniczone środki i nie stać nas na obserwację jego mieszkania czy biura -  rozkłada ręce komendant .
Tokens: 1_______ 2 3___ 4__________ 5_____ 6 7__ 8___ 9__ 10 11________ 12__ 13________ 14_ 15___ 16 17______ 18__ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #13544 from articles/00107979 from sent146

Text  : Na początku października poszukiwany listem gończym Krzysztof T . przesłał do bialskiego sądu wniosek o  uchylenie tymczasowego aresztowania .
Tokens: 1_ 2_______ 3___________ 4__________ 5_____ 6______ 7________ 8 9 10______ 11 12________ 13__ 14_____ 15 16_______ 17__________ 18__________ 19

Chunks:
  TruePositive nam [7,9] = Krzysztof T .

(ChunkerEvaluator) Sentence #13545 from articles/00107979 from sent147

Text  : Na posiedzeniu nie zjawił się ani on sam , ani jego adwokat .
Tokens: 1_ 2__________ 3__ 4_____ 5__ 6__ 7_ 8__ 9 10_ 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #13546 from articles/00107979 from sent148

Text  : Sąd wniosek odrzucił .
Tokens: 1__ 2______ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #13547 from articles/00107979 from sent149

Text  : Decyzja , jak każda sądowa korespondencja , trafiła , do siedziby korporacji Tok Company .
Tokens: 1______ 2 3__ 4____ 5_____ 6_____________ 7 8______ 9 10 11______ 12________ 13_ 14_____ 15

Chunks:
  FalsePositive nam [13,13] = Tok
  FalseNegative nam [13,14] = Tok Company

(ChunkerEvaluator) Sentence #13548 from articles/00107979 from sent150

Text  : Jak zwykle podpisała ją Anna B . ( czytelne nazwisko na awizo )  .
Tokens: 1__ 2_____ 3________ 4_ 5___ 6 7 8 9_______ 10______ 11 12___ 13 14

Chunks:
  FalsePositive nam [5,6] = Anna B
  FalseNegative nam [5,7] = Anna B .

(ChunkerEvaluator) Sentence #13549 from articles/00107979 from sent151

Text  : Kobieta musi mieć kontakt z T . Mimo to nie została dotąd przesłuchana .
Tokens: 1______ 2___ 3___ 4______ 5 6 7 8___ 9_ 10_ 11_____ 12___ 13__________ 14

Chunks:
  FalsePositive nam [6,8] = T . Mimo
  FalseNegative nam [6,7] = T .

(ChunkerEvaluator) Sentence #13550 from articles/00107979 from sent152

Text  : Sędzia z Białej Podlaskiej : - To było kilka miesięcy temu .
Tokens: 1_____ 2 3_____ 4_________ 5 6 7_ 8___ 9____ 10______ 11__ 12

Chunks:
  TruePositive nam [3,4] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13551 from articles/00107979 from sent153

Text  : Jechał em taksówką do znajomych na imieniny .
Tokens: 1_____ 2_ 3_______ 4_ 5________ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13552 from articles/00107979 from sent154

Text  : Kierowca jako ciekawostkę powiedział , że jego kolega z Radio Taxi kilka minut wcześniej otrzymał wezwanie od Krzysztofa T  .  Poszukiwany zamówił kurs do Chełma .
Tokens: 1_______ 2___ 3__________ 4_________ 5 6_ 7___ 8_____ 9 10___ 11__ 12___ 13___ 14_______ 15______ 16______ 17 18________ 19 20 21_________ 22_____ 23__ 24 25____ 26

Chunks:
  TruePositive nam [10,11] = Radio Taxi
  TruePositive nam [25,25] = Chełma
  FalsePositive nam [18,21] = Krzysztofa T . Poszukiwany
  FalseNegative nam [18,20] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13553 from articles/00107979 from sent155

Text  : Natychmiast zadzwonił em z komórki na policję .
Tokens: 1__________ 2________ 3_ 4 5______ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #13554 from articles/00107979 from sent156

Text  : Jednak taksówkarz , który wiózł T . , nie został nawet przesłuchany -  opowiada sędzia .
Tokens: 1_____ 2_________ 3 4____ 5____ 6 7 8 9__ 10____ 11___ 12__________ 13 14______ 15____ 16

Chunks:
  TruePositive nam [6,7] = T .

(ChunkerEvaluator) Sentence #13555 from articles/00107979 from sent157

Text  : Nie dowierzam .
Tokens: 1__ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #13556 from articles/00107979 from sent158

Text  : Sędzia : - T . ma w Serpelicach nad Bugiem dwie dacze .
Tokens: 1_____ 2 3 4 5 6_ 7 8__________ 9__ 10____ 11__ 12___ 13

Chunks:
  FalsePositive nam [1,10] = Sędzia : - T . ma w Serpelicach nad Bugiem
  FalseNegative nam [4,5] = T .
  FalseNegative nam [8,8] = Serpelicach
  FalseNegative nam [10,10] = Bugiem

(ChunkerEvaluator) Sentence #13557 from articles/00107979 from sent159

Text  : Słyszał em o organizowanych tam hucznych imprezach .
Tokens: 1______ 2_ 3 4_____________ 5__ 6_______ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #13558 from articles/00107979 from sent160

Text  : Z tego co wiem , gościli tam także przedstawiciele bialskich organów ścigania .
Tokens: 1 2___ 3_ 4___ 5 6______ 7__ 8____ 9______________ 10_______ 11_____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #13559 from articles/00107979 from sent161

Text  : Trudno jest zamknąć znajomego .
Tokens: 1_____ 2___ 3______ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #13560 from articles/00107979 from sent162

Text  : - Nie mamy informacji o taksówkarzu , który miał przewieźć T  .  z  Białej Podlaskiej do Chełma -  tłumaczy komendant Pruski .
Tokens: 1 2__ 3___ 4_________ 5 6__________ 7 8____ 9___ 10_______ 11 12 13 14____ 15________ 16 17____ 18 19______ 20_______ 21____ 22

Chunks:
  TruePositive nam [11,12] = T .
  TruePositive nam [14,15] = Białej Podlaskiej
  TruePositive nam [17,17] = Chełma
  TruePositive nam [21,21] = Pruski

(ChunkerEvaluator) Sentence #13561 from articles/00107979 from sent163

Text  : - Policja nic o tym nie wie ?
Tokens: 1 2______ 3__ 4 5__ 6__ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #13562 from articles/00107979 from sent164

Text  : Dyżurny nie zapisał telefonu od sędziego ? - nie rozumiem .
Tokens: 1______ 2__ 3______ 4_______ 5_ 6_______ 7 8 9__ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #13563 from articles/00107979 from sent165

Text  : Komendant chwilę milczy .
Tokens: 1________ 2_____ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #13564 from articles/00107979 from sent166

Text  : - Mogę odpowiadać za siebie , a nie za wszystkich funkcjonariuszy .
Tokens: 1 2___ 3_________ 4_ 5_____ 6 7 8__ 9_ 10________ 11_____________ 12

Chunks:

(ChunkerEvaluator) Sentence #13565 from articles/00107979 from sent167

Text  : Poza tym mamy ograniczone środki i nie możemy przed domem Krzysztofa T  .  postawić na stałe nieoznakowanego radiowozu .
Tokens: 1___ 2__ 3___ 4__________ 5_____ 6 7__ 8_____ 9____ 10___ 11________ 12 13 14______ 15 16___ 17_____________ 18_______ 19

Chunks:
  TruePositive nam [11,13] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13566 from articles/00107979 from sent168

Text  : Na terenie Białej Podlaskiej w ciągu roku poszukujemy 300 -  400 osób -  komendant zerka w  statystyki .
Tokens: 1_ 2______ 3_____ 4_________ 5 6____ 7___ 8__________ 9__ 10 11_ 12__ 13 14_______ 15___ 16 17________ 18

Chunks:
  TruePositive nam [3,4] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #13567 from articles/00107979 from sent169

Text  : - Czyli zatrzymanie Krzysztofa T . to sprawa pieniędzy ?  -  nie daję za wygraną .
Tokens: 1 2____ 3__________ 4_________ 5 6 7_ 8_____ 9________ 10 11 12_ 13__ 14 15_____ 16

Chunks:
  TruePositive nam [4,6] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13568 from articles/00107979 from sent170

Text  : Komendant Pruski uchyla się od odpowiedzi .
Tokens: 1________ 2_____ 3_____ 4__ 5_ 6_________ 7

Chunks:
  FalsePositive nam [1,2] = Komendant Pruski
  FalseNegative nam [2,2] = Pruski

(ChunkerEvaluator) Sentence #13569 from articles/00107979 from sent171

Text  : Odtąd z „ Gazetą ” rozmawia za pośrednictwem faksów .
Tokens: 1____ 2 3 4_____ 5 6_______ 7_ 8____________ 9_____ 10

Chunks:
  TruePositive nam [4,4] = Gazetą

(ChunkerEvaluator) Sentence #13570 from articles/00107979 from sent172

Text  : „ Do bialskiej komendy policji wpłynęły cztery informacje [ o  miejscu pobytu Krzysztofa T  .
Tokens: 1 2_ 3________ 4______ 5______ 6_______ 7_____ 8_________ 9 10 11_____ 12____ 13________ 14 15

Chunks:
  FalsePositive nam [13,14] = Krzysztofa T
  FalseNegative nam [14,15] = T .

(ChunkerEvaluator) Sentence #13571 from articles/00107979 from sent173

Text  : - J . B . ] , które zostały sprawdzone z  wynikiem negatywnym .
Tokens: 1 2 3 4 5 6 7 8____ 9______ 10________ 11 12______ 13________ 14

Chunks:
  TruePositive nam [2,5] = J . B .

(ChunkerEvaluator) Sentence #13572 from articles/00107979 from sent174

Text  : Oprócz tego policjanci w tej sprawie dokonali 26 sprawdzeń na terenie kraju .
Tokens: 1_____ 2___ 3_________ 4 5__ 6______ 7_______ 8_ 9________ 10 11_____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #13573 from articles/00107979 from sent175

Text  : Wynik negatywny ” - informuje na piśmie komendant Pruski .
Tokens: 1____ 2________ 3 4 5________ 6_ 7_____ 8________ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Pruski

(ChunkerEvaluator) Sentence #13574 from articles/00107979 from sent176

Text  : Latem skuteczność poszukiwań Krzysztofa T . przez policjantów z Białej Podlaskiej była kontrolowana przez funkcjonariuszy z  komendy wojewódzkiej w  Lublinie .
Tokens: 1____ 2__________ 3_________ 4_________ 5 6 7____ 8__________ 9 10____ 11________ 12__ 13__________ 14___ 15_____________ 16 17_____ 18__________ 19 20______ 21

Chunks:
  TruePositive nam [10,11] = Białej Podlaskiej
  TruePositive nam [20,20] = Lublinie
  FalsePositive nam [4,5] = Krzysztofa T
  FalseNegative nam [4,6] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13575 from articles/00107979 from sent177

Text  : Nieprawidłowości nie stwierdzono .
Tokens: 1_______________ 2__ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #13576 from articles/00107979 from sent178

Text  : Przestępstwa , o które prokuratura oskarża Krzysztofa T . ,  przedawnią się w  lipcu 2014 r  .
Tokens: 1___________ 2 3 4____ 5__________ 6______ 7_________ 8 9 10 11________ 12_ 13 14___ 15__ 16 17

Chunks:
  TruePositive nam [7,9] = Krzysztofa T .

(ChunkerEvaluator) Sentence #13577 from articles/00107979 from sent179

Text  : dane Magdy zostały w reportażu zmienione
Tokens: 1___ 2____ 3______ 4 5________ 6________

Chunks:
  TruePositive nam [2,2] = Magdy

2016-10-27 15:00:21,289 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 594 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107980.xml
(ChunkerEvaluator) Sentence #13578 from articles/00107980 from sent1

Text  : Williams rozbiła Azarenkę
Tokens: 1_______ 2______ 3_______

Chunks:
  TruePositive nam [1,1] = Williams
  FalseNegative nam [3,3] = Azarenkę

(ChunkerEvaluator) Sentence #13579 from articles/00107980 from sent2

Text  : Williams rozbiła Azarenkę
Tokens: 1_______ 2______ 3_______

Chunks:
  TruePositive nam [1,1] = Williams
  FalseNegative nam [3,3] = Azarenkę

(ChunkerEvaluator) Sentence #13580 from articles/00107980 from sent3

Text  : WTA Masters w Stambule .
Tokens: 1__ 2______ 3 4_______ 5

Chunks:
  TruePositive nam [4,4] = Stambule
  FalseNegative nam [1,2] = WTA Masters

(ChunkerEvaluator) Sentence #13581 from articles/00107980 from sent4

Text  : Amerykańska tenisistka z kompletem trzech zwycięstw weszła do półfinału .
Tokens: 1__________ 2_________ 3 4________ 5_____ 6________ 7_____ 8_ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #13582 from articles/00107980 from sent5

Text  : Serena Williams z kompletem trzech zwycięstw weszła do 1 /  2  finału turnieju WTA Masters w  Stambule .
Tokens: 1_____ 2_______ 3 4________ 5_____ 6________ 7_____ 8_ 9 10 11 12____ 13______ 14_ 15_____ 16 17______ 18

Chunks:
  TruePositive nam [1,2] = Serena Williams
  TruePositive nam [14,15] = WTA Masters
  TruePositive nam [17,17] = Stambule

(ChunkerEvaluator) Sentence #13583 from articles/00107980 from sent6

Text  : W czwartek pokonała Białorusinkę Wiktorię Azarenkę 6 : 4 ,  6  :  4
Tokens: 1 2_______ 3_______ 4___________ 5_______ 6_______ 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [4,4] = Białorusinkę
  TruePositive nam [5,6] = Wiktorię Azarenkę

(ChunkerEvaluator) Sentence #13584 from articles/00107980 from sent7

Text  : Amerykańska tenisistka Serena Williams nie znalazła pogromczyni w Grupie Czerwonej turnieju masters -  WTA Championships (  pula nagród 4  ,  9  mln dol .  )  i  z  kompletem trzech zwycięstw weszła do półfinału .
Tokens: 1__________ 2_________ 3_____ 4_______ 5__ 6_______ 7__________ 8 9_____ 10_______ 11______ 12_____ 13 14_ 15___________ 16 17__ 18____ 19 20 21 22_ 23_ 24 25 26 27 28_______ 29____ 30_______ 31____ 32 33_______ 34

Chunks:
  TruePositive nam [3,4] = Serena Williams
  TruePositive nam [9,10] = Grupie Czerwonej
  TruePositive nam [14,15] = WTA Championships
  FalsePositive nam [23,23] = dol
  FalseNegative nam [23,24] = dol .

(ChunkerEvaluator) Sentence #13585 from articles/00107980 from sent8

Text  : W czwartek pokonała Białorusinkę Wiktorię Azarenkę 6 : 4 ,  6  :  4  .
Tokens: 1 2_______ 3_______ 4___________ 5_______ 6_______ 7 8 9 10 11 12 13 14

Chunks:
  TruePositive nam [4,4] = Białorusinkę
  TruePositive nam [5,6] = Wiktorię Azarenkę

(ChunkerEvaluator) Sentence #13586 from articles/00107980 from sent9

Text  : Williams to była liderka rankingu WTA Tour , która w  tym sezonie osiągała najlepsze wyniki wśród czołowych tenisistek świata .
Tokens: 1_______ 2_ 3___ 4______ 5_______ 6__ 7___ 8 9____ 10 11_ 12_____ 13______ 14_______ 15____ 16___ 17_______ 18________ 19____ 20

Chunks:
  TruePositive nam [1,1] = Williams
  TruePositive nam [6,7] = WTA Tour

(ChunkerEvaluator) Sentence #13587 from articles/00107980 from sent10

Text  : Wygrała sześć turniejów , przy czym udało jej się skompletować tzw .  Złotego Szlema w  karierze ,  czyli do zwycięstw w  każdej z  imprez zaliczanych do Wielkiego Szlema dorzuciła mistrzostwo igrzysk olimpijskich .
Tokens: 1______ 2____ 3________ 4 5___ 6___ 7____ 8__ 9__ 10__________ 11_ 12 13_____ 14____ 15 16______ 17 18___ 19 20_______ 21 22____ 23 24____ 25_________ 26 27_______ 28____ 29_______ 30_________ 31_____ 32__________ 33

Chunks:
  TruePositive nam [13,14] = Złotego Szlema
  TruePositive nam [27,28] = Wielkiego Szlema

(ChunkerEvaluator) Sentence #13588 from articles/00107980 from sent11

Text  : W Londynie triumfowała miesiąc po tym jak zwyciężyła w Wimbledonie ,  pokonując w  zaciętym trzysetowym finale Agnieszkę Radwańską .
Tokens: 1 2_______ 3__________ 4______ 5_ 6__ 7__ 8_________ 9 10_________ 11 12_______ 13 14______ 15_________ 16____ 17_______ 18_______ 19

Chunks:
  TruePositive nam [2,2] = Londynie
  TruePositive nam [17,18] = Agnieszkę Radwańską
  FalseNegative nam [10,10] = Wimbledonie

(ChunkerEvaluator) Sentence #13589 from articles/00107980 from sent12

Text  : We wrześniu okazała się też najlepsza w wielkoszlemowym US Open .
Tokens: 1_ 2_______ 3______ 4__ 5__ 6________ 7 8______________ 9_ 10__ 11

Chunks:
  TruePositive nam [9,10] = US Open

(ChunkerEvaluator) Sentence #13590 from articles/00107980 from sent13

Text  : Po udanym występie w Nowym Jorku nigdzie nie grała .
Tokens: 1_ 2_____ 3_______ 4 5____ 6____ 7______ 8__ 9____ 10

Chunks:
  TruePositive nam [5,6] = Nowym Jorku

(ChunkerEvaluator) Sentence #13591 from articles/00107980 from sent14

Text  : Wróciła na korty dopiero w Stambule i znów błysnęła formą ,  nie tracąc w  trzech pojedynkach seta .
Tokens: 1______ 2_ 3____ 4______ 5 6_______ 7 8___ 9_______ 10___ 11 12_ 13____ 14 15____ 16_________ 17__ 18

Chunks:
  TruePositive nam [6,6] = Stambule

(ChunkerEvaluator) Sentence #13592 from articles/00107980 from sent15

Text  : Rozpoczęła we wtorek od wygranej z Niemką polskiego pochodzenia Angelique Kerber (  nr 5  .  )
Tokens: 1_________ 2_ 3_____ 4_ 5_______ 6 7_____ 8________ 9__________ 10_______ 11____ 12 13 14 15 16

Chunks:
  TruePositive nam [7,7] = Niemką
  TruePositive nam [10,11] = Angelique Kerber

(ChunkerEvaluator) Sentence #13593 from articles/00107980 from sent16

Text  : 6 : 4 , 6 : 1 , a dzień później pokonała Chinkę Na Li (  nr 8  .  )
Tokens: 1 2 3 4 5 6 7 8 9 10___ 11_____ 12______ 13____ 14 15 16 17 18 19 20

Chunks:
  FalsePositive nam [13,15] = Chinkę Na Li
  FalseNegative nam [13,13] = Chinkę
  FalseNegative nam [14,15] = Na Li

(ChunkerEvaluator) Sentence #13594 from articles/00107980 from sent17

Text  : 7 : 6 ( 7 - 2 ) , 6  :  3  .
Tokens: 1 2 3 4 5 6 7 8 9 10 11 12 13

Chunks:

(ChunkerEvaluator) Sentence #13595 from articles/00107980 from sent18

Text  : Również w meczu z Azarenką nie pozostawiła złudzeń , że jest obecnie najmocniejsza w  całym Tourze .
Tokens: 1______ 2 3____ 4 5_______ 6__ 7__________ 8______ 9 10 11__ 12_____ 13___________ 14 15___ 16____ 17

Chunks:
  TruePositive nam [5,5] = Azarenką
  FalseNegative nam [16,16] = Tourze

(ChunkerEvaluator) Sentence #13596 from articles/00107980 from sent19

Text  : - Wika jest bardzo dobrą zawodniczką , dlatego musiała m  dać z  siebie więcej niż w  poprzednich meczach .
Tokens: 1 2___ 3___ 4_____ 5____ 6__________ 7 8______ 9______ 10 11_ 12 13____ 14____ 15_ 16 17_________ 18_____ 19

Chunks:
  TruePositive nam [2,2] = Wika

(ChunkerEvaluator) Sentence #13597 from articles/00107980 from sent20

Text  : Przyznaję , że zawsze miło jest pokonać numer jeden na świecie ,  to zawsze jest dodatkowa motywacja przed kolejnymi meczami ,  bo w  każdym kolejnym trzeba grać jeszcze lepiej -  powiedziała Williams ,  która poprzednio w  trzech setach ograła Azarenkę w  finale US Open .
Tokens: 1________ 2 3_ 4_____ 5___ 6___ 7______ 8____ 9____ 10 11_____ 12 13 14____ 15__ 16_______ 17_______ 18___ 19_______ 20_____ 21 22 23 24____ 25______ 26____ 27__ 28_____ 29____ 30 31_________ 32______ 33 34___ 35________ 36 37____ 38____ 39____ 40______ 41 42____ 43 44__ 45

Chunks:
  TruePositive nam [32,32] = Williams
  TruePositive nam [43,44] = US Open
  FalseNegative nam [40,40] = Azarenkę

(ChunkerEvaluator) Sentence #13598 from articles/00107980 from sent21

Text  : Białorusinka dobrze rozpoczęła drugiego seta , zdobywając dwa gemy .
Tokens: 1___________ 2_____ 3_________ 4_______ 5___ 6 7_________ 8__ 9___ 10

Chunks:
  FalseNegative nam [1,1] = Białorusinka

(ChunkerEvaluator) Sentence #13599 from articles/00107980 from sent22

Text  : Była też dwie piłki od prowadzenia 3 : 0 ,  ale nie wykorzystała przewagi przełamania serwisu rywalki .
Tokens: 1___ 2__ 3___ 4____ 5_ 6__________ 7 8 9 10 11_ 12_ 13__________ 14______ 15_________ 16_____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #13600 from articles/00107980 from sent23

Text  : W końcówce wyraźnie nie nadążała za szybkim tempem gry Amerykanki ,  która już wcześniej zapewniła sobie awans do półfinału .
Tokens: 1 2_______ 3_______ 4__ 5_______ 6_ 7______ 8_____ 9__ 10________ 11 12___ 13_ 14_______ 15_______ 16___ 17___ 18 19_______ 20

Chunks:
  TruePositive nam [10,10] = Amerykanki

(ChunkerEvaluator) Sentence #13601 from articles/00107980 from sent24

Text  : W czwartek przypieczętowała pierwsze miejsce w Grupie Czerwonej .
Tokens: 1 2_______ 3_______________ 4_______ 5______ 6 7_____ 8________ 9

Chunks:
  TruePositive nam [7,8] = Grupie Czerwonej

(ChunkerEvaluator) Sentence #13602 from articles/00107980 from sent25

Text  : Azarenka wciąż ma szansę wyjść z grupy , ale musi w  ostatnim meczu uporać się z  Li .  Chinka odniosła w  czwartek pierwsze zwycięstwo w  imprezie .
Tokens: 1_______ 2____ 3_ 4_____ 5____ 6 7____ 8 9__ 10__ 11 12______ 13___ 14____ 15_ 16 17 18 19____ 20______ 21 22______ 23______ 24________ 25 26______ 27

Chunks:
  FalsePositive nam [17,19] = Li . Chinka
  FalseNegative nam [1,1] = Azarenka
  FalseNegative nam [17,17] = Li
  FalseNegative nam [19,19] = Chinka

(ChunkerEvaluator) Sentence #13603 from articles/00107980 from sent26

Text  : Pokonała Kerber 6 : 4 , 6 : 3 ,  która swój debiut w  mistrzostwach WTA Tour zakończyła z  trzema porażkami na koncie .
Tokens: 1_______ 2_____ 3 4 5 6 7 8 9 10 11___ 12__ 13____ 14 15___________ 16_ 17__ 18________ 19 20____ 21_______ 22 23____ 24

Chunks:
  TruePositive nam [16,17] = WTA Tour
  FalseNegative nam [2,2] = Kerber

(ChunkerEvaluator) Sentence #13604 from articles/00107980 from sent27

Text  : - Mimo trzech przegranych meczów cieszę się , że tu mogła m  wystąpić .
Tokens: 1 2___ 3_____ 4__________ 5_____ 6_____ 7__ 8 9_ 10 11___ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #13605 from articles/00107980 from sent28

Text  : Ten turniej przyniósł mi nowe doświadczenia , które mogą tylko zaprocentować w  przyszłości i  pomóc mi jeszcze bardziej poprawić swój tenis -  podsumowała start w  Stambule Kerber ,  która często trenuje na kortach swojego dziadka w  Puszczykowie pod Poznaniem .
Tokens: 1__ 2______ 3________ 4_ 5___ 6____________ 7 8____ 9___ 10___ 11___________ 12 13_________ 14 15___ 16 17_____ 18______ 19______ 20__ 21___ 22 23_________ 24___ 25 26______ 27____ 28 29___ 30____ 31_____ 32 33_____ 34_____ 35_____ 36 37__________ 38_ 39_______ 40

Chunks:
  TruePositive nam [37,37] = Puszczykowie
  TruePositive nam [39,39] = Poznaniem
  FalsePositive nam [26,27] = Stambule Kerber
  FalseNegative nam [26,26] = Stambule
  FalseNegative nam [27,27] = Kerber

(ChunkerEvaluator) Sentence #13606 from articles/00107980 from sent29

Text  : Williams spotka się w sobotę z zawodniczką , która zakończy na drugim miejscu rywalizację w  Grupie Białej .
Tokens: 1_______ 2_____ 3__ 4 5_____ 6 7__________ 8 9____ 10______ 11 12____ 13_____ 14_________ 15 16____ 17____ 18

Chunks:
  TruePositive nam [1,1] = Williams
  TruePositive nam [16,17] = Grupie Białej

(ChunkerEvaluator) Sentence #13607 from articles/00107980 from sent30

Text  : Może nią być Agnieszka Radwańska ( nr 4 . )  ,  jeśli w  piątek pokona Włoszkę Sarę Errani (  7  .  )  .
Tokens: 1___ 2__ 3__ 4________ 5________ 6 7_ 8 9 10 11 12___ 13 14____ 15____ 16_____ 17__ 18____ 19 20 21 22 23

Chunks:
  TruePositive nam [4,5] = Agnieszka Radwańska
  FalsePositive nam [16,18] = Włoszkę Sarę Errani
  FalseNegative nam [16,16] = Włoszkę
  FalseNegative nam [17,18] = Sarę Errani

(ChunkerEvaluator) Sentence #13608 from articles/00107980 from sent31

Text  : Polka jest obecnie druga w tabeli z dorobkiem jednego zwycięstwa i  jednej porażki .
Tokens: 1____ 2___ 3______ 4____ 5 6_____ 7 8________ 9______ 10________ 11 12____ 13_____ 14

Chunks:
  FalseNegative nam [1,1] = Polka

2016-10-27 15:00:21,542 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 595 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107981.xml
(ChunkerEvaluator) Sentence #13609 from articles/00107981 from sent1

Text  : Poszukiwany Adaś wrócił do mamy .
Tokens: 1__________ 2___ 3_____ 4_ 5___ 6

Chunks:
  FalsePositive nam [1,2] = Poszukiwany Adaś
  FalseNegative nam [2,2] = Adaś

(ChunkerEvaluator) Sentence #13610 from articles/00107981 from sent2

Text  : Przyleciał z Aten
Tokens: 1_________ 2 3___

Chunks:
  TruePositive nam [3,3] = Aten

(ChunkerEvaluator) Sentence #13611 from articles/00107981 from sent3

Text  : 3 , 5 - letni chłopiec , którego polska i  europejska policja poszukiwała od połowy października ,  odnalazł się .
Tokens: 1 2 3 4 5____ 6_______ 7 8______ 9_____ 10 11________ 12_____ 13_________ 14 15____ 16__________ 17 18______ 19_ 20

Chunks:

(ChunkerEvaluator) Sentence #13612 from articles/00107981 from sent4

Text  : W czwartek przyleciał z Aten do Warszawy
Tokens: 1 2_______ 3_________ 4 5___ 6_ 7_______

Chunks:
  TruePositive nam [5,5] = Aten
  TruePositive nam [7,7] = Warszawy

(ChunkerEvaluator) Sentence #13613 from articles/00107981 from sent5

Text  : Zdjęcia małego okularnika publikowały wszystkie media i portale społecznościowe .
Tokens: 1______ 2_____ 3_________ 4__________ 5________ 6____ 7 8______ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #13614 from articles/00107981 from sent6

Text  : O jego zaginięciu poinformowała policję 14 października rodzina jego matki ,  twierdząc ,  że został porwany przez ojca ,  Greka .
Tokens: 1 2___ 3_________ 4____________ 5______ 6_ 7___________ 8______ 9___ 10___ 11 12_______ 13 14 15____ 16_____ 17___ 18__ 19 20___ 21

Chunks:
  TruePositive nam [20,20] = Greka

(ChunkerEvaluator) Sentence #13615 from articles/00107981 from sent7

Text  : Wrocławską policję o porwaniu poinformowała matka .
Tokens: 1_________ 2______ 3 4_______ 5____________ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #13616 from articles/00107981 from sent8

Text  : Według relacji jej rodziny ojciec chłopca , który ma ograniczone prawa rodzicielskie ,  prysnął byłej żonie w  twarz gazem łzawiącym ,  wciągnął dziecko do samochodu i  odjechał .
Tokens: 1_____ 2______ 3__ 4______ 5_____ 6______ 7 8____ 9_ 10_________ 11___ 12___________ 13 14_____ 15___ 16___ 17 18___ 19___ 20_______ 21 22______ 23_____ 24 25_______ 26 27______ 28

Chunks:

(ChunkerEvaluator) Sentence #13617 from articles/00107981 from sent9

Text  : Ojciec 3 , 5 - letniego Adasia jest Grekiem .
Tokens: 1_____ 2 3 4 5 6_______ 7_____ 8___ 9______ 10

Chunks:
  TruePositive nam [7,7] = Adasia
  TruePositive nam [9,9] = Grekiem
  FalsePositive nam [1,1] = Ojciec

(ChunkerEvaluator) Sentence #13618 from articles/00107981 from sent10

Text  : To były mąż kobiety .
Tokens: 1_ 2___ 3__ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #13619 from articles/00107981 from sent11

Text  : - Okazało się jednak , że miał on pełnię władz rodzicielskich -  mówi tymczasem Kamil Rynkiewicz z  biura prasowego wrocławskiej policji .
Tokens: 1 2______ 3__ 4_____ 5 6_ 7___ 8_ 9_____ 10___ 11____________ 12 13__ 14_______ 15___ 16________ 17 18___ 19_______ 20__________ 21_____ 22

Chunks:
  TruePositive nam [15,16] = Kamil Rynkiewicz

(ChunkerEvaluator) Sentence #13620 from articles/00107981 from sent12

Text  : - Trudno w takich okolicznościach dalej mówić o porwaniu .
Tokens: 1 2_____ 3 4_____ 5______________ 6____ 7____ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #13621 from articles/00107981 from sent13

Text  : Według Rynkiewicza udało się doprowadzić do porozumienia opiekunów : -  W  naszych działaniach liczyło się przede wszystkim dobro dziecka .
Tokens: 1_____ 2__________ 3____ 4__ 5__________ 6_ 7___________ 8________ 9 10 11 12_____ 13_________ 14_____ 15_ 16____ 17_______ 18___ 19_____ 20

Chunks:
  TruePositive nam [2,2] = Rynkiewicza

(ChunkerEvaluator) Sentence #13622 from articles/00107981 from sent14

Text  : Chłopiec został przekazany matce .
Tokens: 1_______ 2_____ 3_________ 4____ 5

Chunks:
  FalsePositive nam [1,1] = Chłopiec

(ChunkerEvaluator) Sentence #13623 from articles/00107981 from sent15

Text  : Bartosz Szałega , brat mamy Adasia tłumaczy jednak , że sąd przyznał pełną opiekę nad dzieckiem matce ,  a  ojciec mógł się z  nim widywać raz w  miesiącu przez kilka godzin .
Tokens: 1______ 2______ 3 4___ 5___ 6_____ 7_______ 8_____ 9 10 11_ 12______ 13___ 14____ 15_ 16_______ 17___ 18 19 20____ 21__ 22_ 23 24_ 25_____ 26_ 27 28______ 29___ 30___ 31____ 32

Chunks:
  TruePositive nam [1,2] = Bartosz Szałega
  TruePositive nam [6,6] = Adasia

(ChunkerEvaluator) Sentence #13624 from articles/00107981 from sent16

Text  : - Jednak przez rok nie miał z nim kontaktu ,  dzieliła ich też bariera językowa .
Tokens: 1 2_____ 3____ 4__ 5__ 6___ 7 8__ 9_______ 10 11______ 12_ 13_ 14_____ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #13625 from articles/00107981 from sent17

Text  : By porwać chłopca użył gazu .
Tokens: 1_ 2_____ 3______ 4___ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #13626 from articles/00107981 from sent18

Text  : Jestem przekonany , że zwrócił dziecko tylko dzięki zaangażowaniu policji i  prokuratury ,  a  transport małego w  ekspresowym tempie i  bez dokumentów był możliwy dzięki przychylności PLL Lot ,  który zorganizował opiekę na pokładzie .
Tokens: 1_____ 2_________ 3 4_ 5______ 6______ 7____ 8_____ 9____________ 10_____ 11 12_________ 13 14 15_______ 16____ 17 18_________ 19____ 20 21_ 22________ 23_ 24_____ 25____ 26___________ 27_ 28_ 29 30___ 31__________ 32____ 33 34_______ 35

Chunks:
  TruePositive nam [27,28] = PLL Lot

(ChunkerEvaluator) Sentence #13627 from articles/00107981 from sent19

Text  : Nigdy nie zapomnę szczęścia dziecka biegnącego do mamy tuż po wyjściu z  rękawa .
Tokens: 1____ 2__ 3______ 4________ 5______ 6_________ 7_ 8___ 9__ 10 11_____ 12 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #13628 from articles/00107981 from sent20

Text  : Takie sceny znał em jedynie z filmów .
Tokens: 1____ 2____ 3___ 4_ 5______ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #13629 from articles/00107981 from sent21

Text  : Adaś przebywa z rodziną w domu , ale jest pod opieką psychologów .
Tokens: 1___ 2_______ 3 4______ 5 6___ 7 8__ 9___ 10_ 11____ 12_________ 13

Chunks:
  TruePositive nam [1,1] = Adaś

2016-10-27 15:00:21,643 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 596 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107982.xml
(ChunkerEvaluator) Sentence #13630 from articles/00107982 from sent1

Text  : Piłka nożna .
Tokens: 1____ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #13631 from articles/00107982 from sent2

Text  : W okręgówce walczą o tytuł mistrza jesieni
Tokens: 1 2________ 3_____ 4 5____ 6______ 7______

Chunks:

(ChunkerEvaluator) Sentence #13632 from articles/00107982 from sent3

Text  : W sobotę i niedzielę rozegrane zostaną kolejne spotkania w klasie okręgowej Vigo .
Tokens: 1 2_____ 3 4________ 5________ 6______ 7______ 8________ 9 10____ 11_______ 12__ 13

Chunks:
  FalseNegative nam [12,12] = Vigo

(ChunkerEvaluator) Sentence #13633 from articles/00107982 from sent4

Text  : Drużyny z czołówki tabeli tym razem o punkty walczyć będą przed własną publicznością .
Tokens: 1______ 2 3_______ 4_____ 5__ 6____ 7 8_____ 9______ 10__ 11___ 12____ 13___________ 14

Chunks:

(ChunkerEvaluator) Sentence #13634 from articles/00107982 from sent5

Text  : W sobotę zagrają : Warta Kamieńskie Młyny - Orzeł Kiedrzyn ,  Znicz Kłobuck -  Sparta Siedlec Duży ,  Pogoń Kamyk -  Jedność Boronów ,  Unia Kalety -  KS Panki ,  Sparta Lubliniec -  Liswarta Lisów ,  Polonia Poraj -  Lotnik Kościelec ,  MLKS Woźniki -  Orkan Rzerzęczyce .
Tokens: 1 2_____ 3______ 4 5____ 6_________ 7____ 8 9____ 10______ 11 12___ 13_____ 14 15____ 16_____ 17__ 18 19___ 20___ 21 22_____ 23_____ 24 25__ 26____ 27 28 29___ 30 31____ 32_______ 33 34______ 35___ 36 37_____ 38___ 39 40____ 41_______ 42 43__ 44_____ 45 46___ 47_________ 48

Chunks:
  TruePositive nam [5,7] = Warta Kamieńskie Młyny
  TruePositive nam [9,10] = Orzeł Kiedrzyn
  TruePositive nam [12,13] = Znicz Kłobuck
  TruePositive nam [15,17] = Sparta Siedlec Duży
  TruePositive nam [19,20] = Pogoń Kamyk
  TruePositive nam [22,23] = Jedność Boronów
  TruePositive nam [37,38] = Polonia Poraj
  TruePositive nam [40,41] = Lotnik Kościelec
  TruePositive nam [43,44] = MLKS Woźniki
  TruePositive nam [46,47] = Orkan Rzerzęczyce
  FalsePositive nam [25,29] = Unia Kalety - KS Panki
  FalsePositive nam [31,35] = Sparta Lubliniec - Liswarta Lisów
  FalseNegative nam [25,26] = Unia Kalety
  FalseNegative nam [28,29] = KS Panki
  FalseNegative nam [31,32] = Sparta Lubliniec
  FalseNegative nam [34,35] = Liswarta Lisów

(ChunkerEvaluator) Sentence #13635 from articles/00107982 from sent6

Text  : Początek spotkań o godz . 15 .
Tokens: 1_______ 2______ 3 4___ 5 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #13636 from articles/00107982 from sent7

Text  : W niedzielę rozegrany zostanie tylko jeden mecz .
Tokens: 1 2________ 3________ 4_______ 5____ 6____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #13637 from articles/00107982 from sent8

Text  : O godz . 14 rezerwy częstochowskiego Rakowa podejmować będą Unię Rędziny .
Tokens: 1 2___ 3 4_ 5______ 6_______________ 7_____ 8_________ 9___ 10__ 11_____ 12

Chunks:
  TruePositive nam [7,7] = Rakowa
  TruePositive nam [10,11] = Unię Rędziny

2016-10-27 15:00:21,679 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 597 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107983.xml
(ChunkerEvaluator) Sentence #13638 from articles/00107983 from sent1

Text  : Złoty medalista z Londynu , Rafał Wilk maluje kartki dla fundacji A  .  Dymnej
Tokens: 1____ 2________ 3 4______ 5 6____ 7___ 8_____ 9_____ 10_ 11______ 12 13 14____

Chunks:
  TruePositive nam [4,4] = Londynu
  TruePositive nam [6,7] = Rafał Wilk
  FalsePositive nam [11,14] = fundacji A . Dymnej
  FalseNegative nam [12,14] = A . Dymnej

(ChunkerEvaluator) Sentence #13639 from articles/00107983 from sent2

Text  : Mistrzowie paraplimpijscy Rafał Wilk i Natalia Partyka przygotowali projekty kartek świątecznych dla Spółdzielni Socjalnej &  quot ;  Republika Marzeń Fundacji Anny Dymnej Mimo Wszystko &  quot ;  -  poinformowała Angelika Chrapkiewicz -  Gądek z  Republiki Marzeń .
Tokens: 1_________ 2_____________ 3____ 4___ 5 6______ 7______ 8___________ 9_______ 10____ 11__________ 12_ 13_________ 14_______ 15 16__ 17 18_______ 19____ 20______ 21__ 22____ 23__ 24______ 25 26__ 27 28 29___________ 30______ 31__________ 32 33___ 34 35_______ 36____ 37

Chunks:
  TruePositive nam [3,4] = Rafał Wilk
  TruePositive nam [6,7] = Natalia Partyka
  TruePositive nam [30,33] = Angelika Chrapkiewicz - Gądek
  TruePositive nam [35,36] = Republiki Marzeń
  FalsePositive nam [13,15] = Spółdzielni Socjalnej &
  FalsePositive nam [18,26] = Republika Marzeń Fundacji Anny Dymnej Mimo Wszystko & quot
  FalseNegative nam [13,14] = Spółdzielni Socjalnej
  FalseNegative nam [18,24] = Republika Marzeń Fundacji Anny Dymnej Mimo Wszystko

(ChunkerEvaluator) Sentence #13640 from articles/00107983 from sent3

Text  : Rzeszowianin Rafał Wilk , dwukrotny mistrz paraolimpijski z Londynu (  2012 )  w  handbike'u (  rower z  napędem ręcznym )  i  Natalia Partyka ,  tenisistka stołowa ,  trzykrotna mistrzyni paraolimpijska z  Aten (  2004 )  ,  Pekinu (  2008 )  i  Londynu (  2012 )  przygotowali kartki ,  na których znajdują się Mikołaje z  motywami ich dyscyplin sportowych .
Tokens: 1___________ 2____ 3___ 4 5________ 6_____ 7_____________ 8 9______ 10 11__ 12 13 14________ 15 16___ 17 18_____ 19_____ 20 21 22_____ 23_____ 24 25________ 26_____ 27 28________ 29_______ 30____________ 31 32__ 33 34__ 35 36 37____ 38 39__ 40 41 42_____ 43 44__ 45 46__________ 47____ 48 49 50_____ 51______ 52_ 53______ 54 55______ 56_ 57_______ 58________ 59

Chunks:
  TruePositive nam [2,3] = Rafał Wilk
  TruePositive nam [9,9] = Londynu
  TruePositive nam [22,23] = Natalia Partyka
  TruePositive nam [32,32] = Aten
  TruePositive nam [37,37] = Pekinu
  TruePositive nam [42,42] = Londynu
  TruePositive nam [53,53] = Mikołaje
  FalseNegative nam [1,1] = Rzeszowianin

(ChunkerEvaluator) Sentence #13641 from articles/00107983 from sent4

Text  : Mistrzowie wyjaśnili organizatorom , że zaangażowali się w ten projekt ponieważ uważają ,  że jeśli można komuś w  ten sposób pomóc ,  to warto to zrobić .
Tokens: 1_________ 2________ 3____________ 4 5_ 6___________ 7__ 8 9__ 10_____ 11______ 12_____ 13 14 15___ 16___ 17___ 18 19_ 20____ 21___ 22 23 24___ 25 26____ 27

Chunks:

(ChunkerEvaluator) Sentence #13642 from articles/00107983 from sent5

Text  : Przyznali jednak , że nie było to dla nich łatwe zadanie .
Tokens: 1________ 2_____ 3 4_ 5__ 6___ 7_ 8__ 9___ 10___ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #13643 from articles/00107983 from sent6

Text  : Rafał Wilk powiedział , że musiał spędzić kilka wieczorów ,  aby narysować swoją wizję św .  Mikołaja ,  ponieważ nie jest uzdolniony artystycznie .
Tokens: 1____ 2___ 3_________ 4 5_ 6_____ 7______ 8____ 9________ 10 11_ 12_______ 13___ 14___ 15 16 17______ 18 19______ 20_ 21__ 22________ 23__________ 24

Chunks:
  TruePositive nam [1,2] = Rafał Wilk
  FalsePositive nam [17,17] = Mikołaja
  FalseNegative nam [15,17] = św . Mikołaja

(ChunkerEvaluator) Sentence #13644 from articles/00107983 from sent7

Text  : - Bez problemów zgodził em się jednak na udział w  tej akcji .
Tokens: 1 2__ 3________ 4______ 5_ 6__ 7_____ 8_ 9_____ 10 11_ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #13645 from articles/00107983 from sent8

Text  : Przecież ma ona szczytny cel , a poza tym firmuje ją osoba Anny Dymnej -  powiedział były żużlowiec rzeszowskiej Stali ,  który po wypadku zaczął odnosić sukcesy w  sporcie niepełnosprawnych .
Tokens: 1_______ 2_ 3__ 4_______ 5__ 6 7 8___ 9__ 10_____ 11 12___ 13__ 14____ 15 16________ 17__ 18_______ 19__________ 20___ 21 22___ 23 24_____ 25____ 26_____ 27_____ 28 29_____ 30_______________ 31

Chunks:
  TruePositive nam [13,14] = Anny Dymnej
  TruePositive nam [20,20] = Stali

(ChunkerEvaluator) Sentence #13646 from articles/00107983 from sent9

Text  : Głównym zadaniem Spółdzielni Socjalnej " Republika Marzeń Fundacji Anny Dymnej Mimo Wszystko "  jest promocja twórczości osób z  niepełnosprawnościami .
Tokens: 1______ 2_______ 3__________ 4________ 5 6________ 7_____ 8_______ 9___ 10____ 11__ 12______ 13 14__ 15______ 16________ 17__ 18 19___________________ 20

Chunks:
  TruePositive nam [3,4] = Spółdzielni Socjalnej
  TruePositive nam [6,12] = Republika Marzeń Fundacji Anny Dymnej Mimo Wszystko

(ChunkerEvaluator) Sentence #13647 from articles/00107983 from sent10

Text  : Niepełnosprawni stanowią również większość pracowników Republiki Marzeń .
Tokens: 1______________ 2_______ 3______ 4________ 5__________ 6________ 7_____ 8

Chunks:
  TruePositive nam [6,7] = Republiki Marzeń

(ChunkerEvaluator) Sentence #13648 from articles/00107983 from sent11

Text  : " Republika " zorganizowała m . in . warsztaty malarskie ,  fotograficzne i  bębniarskie ;  wydała również tomik z  poezją osób niepełnosprawnych pt .  "  Słowa ,  dobrze ,  że jesteście "  .
Tokens: 1 2________ 3 4____________ 5 6 7_ 8 9________ 10_______ 11 12___________ 13 14_________ 15 16____ 17_____ 18___ 19 20____ 21__ 22_______________ 23 24 25 26___ 27 28____ 29 30 31_______ 32 33

Chunks:
  TruePositive nam [2,2] = Republika
  FalsePositive nam [26,26] = Słowa
  FalseNegative nam [26,31] = Słowa , dobrze , że jesteście

(ChunkerEvaluator) Sentence #13649 from articles/00107983 from sent12

Text  : Dwa razy w roku przygotowuje katalog świątecznych kartek dla firm i  osób indywidualnych .
Tokens: 1__ 2___ 3 4___ 5___________ 6______ 7___________ 8_____ 9__ 10__ 11 12__ 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #13650 from articles/00107983 from sent13

Text  : - Te kartki kryją w sobie o wiele więcej niż tylko dobre życzenia -  powiedziała wiceprezes "  Republiki Marzeń "  Paulina Łysiak .
Tokens: 1 2_ 3_____ 4____ 5 6____ 7 8____ 9_____ 10_ 11___ 12___ 13______ 14 15_________ 16________ 17 18_______ 19____ 20 21_____ 22____ 23

Chunks:
  TruePositive nam [18,19] = Republiki Marzeń
  TruePositive nam [21,22] = Paulina Łysiak

(ChunkerEvaluator) Sentence #13651 from articles/00107983 from sent14

Text  : Jak podkreśliła , w rysunkach Mikołajów , choinek i aniołów ,  wykonanych przez osoby niepełnosprawne ,  zawarty jest też uśmiech oraz wysiłek autorów .
Tokens: 1__ 2__________ 3 4 5________ 6________ 7 8______ 9 10_____ 11 12________ 13___ 14___ 15_____________ 16 17_____ 18__ 19_ 20_____ 21__ 22_____ 23_____ 24

Chunks:
  TruePositive nam [6,6] = Mikołajów

(ChunkerEvaluator) Sentence #13652 from articles/00107983 from sent15

Text  : Dochód ze sprzedaży kartek - jak co roku - zostanie przekazany na rzecz artystów ,  którzy zmagają się z  niepełnosprawnością .
Tokens: 1_____ 2_ 3________ 4_____ 5 6__ 7_ 8___ 9 10______ 11________ 12 13___ 14______ 15 16____ 17_____ 18_ 19 20_________________ 21

Chunks:

(ChunkerEvaluator) Sentence #13653 from articles/00107983 from sent16

Text  : - Dziękujemy Natalii Partyce i Rafałowi Wilkowi za to ,  że są z  nami .
Tokens: 1 2_________ 3______ 4______ 5 6_______ 7______ 8_ 9_ 10 11 12 13 14__ 15

Chunks:
  TruePositive nam [3,4] = Natalii Partyce
  TruePositive nam [6,7] = Rafałowi Wilkowi

(ChunkerEvaluator) Sentence #13654 from articles/00107983 from sent17

Text  : To właśnie dzięki takim ludziom jak oni , możemy pomagać i  spełniać marzenia osób ,  które zmagają się z  niepełnosprawnością -  powiedziała Angelika Chrapkiewicz -  Gądek z  Republiki Marzeń .
Tokens: 1_ 2______ 3_____ 4____ 5______ 6__ 7__ 8 9_____ 10_____ 11 12______ 13______ 14__ 15 16___ 17_____ 18_ 19 20_________________ 21 22_________ 23______ 24__________ 25 26___ 27 28_______ 29____ 30

Chunks:
  TruePositive nam [23,26] = Angelika Chrapkiewicz - Gądek
  TruePositive nam [28,29] = Republiki Marzeń

(ChunkerEvaluator) Sentence #13655 from articles/00107983 from sent18

Text  : Kartki prezentowane są na stronie www.republikamarzen.org .
Tokens: 1_____ 2___________ 3_ 4_ 5______ 6______________________ 7

Chunks:
  TruePositive nam [6,6] = www.republikamarzen.org

2016-10-27 15:00:21,800 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 598 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107984.xml
(ChunkerEvaluator) Sentence #13656 from articles/00107984 from sent1

Text  : Kulisy teatru dla najmłodszych [ KONKURS ]
Tokens: 1_____ 2_____ 3__ 4___________ 5 6______ 7

Chunks:
  FalsePositive nam [6,6] = KONKURS

(ChunkerEvaluator) Sentence #13657 from articles/00107984 from sent2

Text  : Jak to jest być aktorem ?
Tokens: 1__ 2_ 3___ 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #13658 from articles/00107984 from sent3

Text  : Czy trudno wywołać u siebie różne emocje ?
Tokens: 1__ 2_____ 3______ 4 5_____ 6____ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #13659 from articles/00107984 from sent4

Text  : Aby się o tym przekonać dzieci razem z aktorami biorą udział we wspólnej zabawie w  teatr .
Tokens: 1__ 2__ 3 4__ 5________ 6_____ 7____ 8 9_______ 10___ 11____ 12 13______ 14_____ 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #13660 from articles/00107984 from sent5

Text  : Mamy dla Was
Tokens: 1___ 2__ 3__

Chunks:
  FalsePositive nam [3,3] = Was

(ChunkerEvaluator) Sentence #13661 from articles/00107984 from sent6

Text  : dwa podwójne zaproszenia na widowisko .
Tokens: 1__ 2_______ 3__________ 4_ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #13662 from articles/00107984 from sent7

Text  : Wystarczy odpowiedzieć na pytanie :
Tokens: 1________ 2___________ 3_ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #13663 from articles/00107984 from sent8

Text  : - Kiedy obchodzimy Międzynarodowy Dzień Teatru ?
Tokens: 1 2____ 3_________ 4_____________ 5____ 6_____ 7

Chunks:
  TruePositive nam [4,6] = Międzynarodowy Dzień Teatru

(ChunkerEvaluator) Sentence #13664 from articles/00107984 from sent9

Text  : Na odpowiedzi czekamy pod adresem piotr . sobierski @ gdansk .  agora .  pl do wtorku do godz .  13 .
Tokens: 1_ 2_________ 3______ 4__ 5______ 6____ 7 8________ 9 10____ 11 12___ 13 14 15 16____ 17 18__ 19 20 21

Chunks:
  TruePositive nam [6,14] = piotr . sobierski @ gdansk . agora . pl

(ChunkerEvaluator) Sentence #13665 from articles/00107984 from sent10

Text  : W tytule wiadomości prosimy wpisać „ Teatr ” , nie zapomnijcie podać swoich danych .
Tokens: 1 2_____ 3_________ 4______ 5_____ 6 7____ 8 9 10_ 11_________ 12___ 13____ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #13666 from articles/00107984 from sent11

Text  : - - - - -
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #13667 from articles/00107984 from sent12

Text  : Zabawa w teatr , to jedna z form wychowywania i  rozwoju dzieci .
Tokens: 1_____ 2 3____ 4 5_ 6____ 7 8___ 9___________ 10 11_____ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #13668 from articles/00107984 from sent13

Text  : Daje możliwość spontanicznej zabawy z rówieśnikami , oderwania od rzeczywistości .
Tokens: 1___ 2________ 3____________ 4_____ 5 6___________ 7 8________ 9_ 10____________ 11

Chunks:

(ChunkerEvaluator) Sentence #13669 from articles/00107984 from sent14

Text  : Rozwija wyobraźnię i kreatywność , oswaja ze sceną i publicznym wystąpieniem ,  dostarcza wielu emocji ,  rozładowuje stres .
Tokens: 1______ 2_________ 3 4__________ 5 6_____ 7_ 8____ 9 10________ 11__________ 12 13_______ 14___ 15____ 16 17_________ 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #13670 from articles/00107984 from sent15

Text  : Podczas zabawy dzieci poznają kulisy teatru , zdobywają wiedzę o  tworzeni i  odgrywaniu spektakli .
Tokens: 1______ 2_____ 3_____ 4______ 5_____ 6_____ 7 8________ 9_____ 10 11______ 12 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #13671 from articles/00107984 from sent16

Text  : Niedziela 4 listopad godz . 13 . 00
Tokens: 1________ 2 3_______ 4___ 5 6_ 7 8_

Chunks:
  FalsePositive nam [1,1] = Niedziela

(ChunkerEvaluator) Sentence #13672 from articles/00107984 from sent17

Text  : Teatr „ Gargulec ” z Gdyni „ Kulisy teatru ”
Tokens: 1____ 2 3_______ 4 5 6____ 7 8_____ 9_____ 10

Chunks:
  TruePositive nam [3,3] = Gargulec
  TruePositive nam [6,6] = Gdyni
  FalseNegative nam [8,9] = Kulisy teatru

(ChunkerEvaluator) Sentence #13673 from articles/00107984 from sent18

Text  : Pick Club , Sopot ul . Zamkowa Góra 3 -  5
Tokens: 1___ 2___ 3 4____ 5_ 6 7______ 8___ 9 10 11

Chunks:
  TruePositive nam [4,4] = Sopot
  TruePositive nam [7,8] = Zamkowa Góra
  FalsePositive nam [2,2] = Club
  FalseNegative nam [1,2] = Pick Club

(ChunkerEvaluator) Sentence #13674 from articles/00107984 from sent19

Text  : Cena 10 zł od osoby
Tokens: 1___ 2_ 3_ 4_ 5____

Chunks:
  TruePositive nam [3,3] = zł

(ChunkerEvaluator) Sentence #13675 from articles/00107984 from sent20

Text  : Przedsprzedaż biletów : Aqua Park , Biuro Obsługi Klienta Sopot ul .  Zamkowa Góra 3  -  5
Tokens: 1____________ 2______ 3 4___ 5___ 6 7____ 8______ 9______ 10___ 11 12 13_____ 14__ 15 16 17

Chunks:
  TruePositive nam [4,5] = Aqua Park
  TruePositive nam [13,14] = Zamkowa Góra
  FalsePositive nam [7,10] = Biuro Obsługi Klienta Sopot
  FalseNegative nam [7,9] = Biuro Obsługi Klienta
  FalseNegative nam [10,10] = Sopot

2016-10-27 15:00:21,865 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 599 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107985.xml
(ChunkerEvaluator) Sentence #13676 from articles/00107985 from sent1

Text  : Brudziński nazwał głupotę po imieniu .
Tokens: 1_________ 2_____ 3______ 4_ 5______ 6

Chunks:
  FalseNegative nam [1,1] = Brudziński

(ChunkerEvaluator) Sentence #13677 from articles/00107985 from sent2

Text  : I za to brawa .
Tokens: 1 2_ 3_ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #13678 from articles/00107985 from sent3

Text  : KOMENTARZ
Tokens: 1________

Chunks:
  FalsePositive nam [1,1] = KOMENTARZ

(ChunkerEvaluator) Sentence #13679 from articles/00107985 from sent4

Text  : Komentarz Jolanty Kowalewskiej
Tokens: 1________ 2______ 3___________

Chunks:
  TruePositive nam [2,3] = Jolanty Kowalewskiej

(ChunkerEvaluator) Sentence #13680 from articles/00107985 from sent5

Text  : Joachim Brudziński , lider zachodniopomorskiego PiS ostro , bez ogródek skrytykował w  poniedziałek własnego wiceprezydenta Mariusza Kądziołkę .
Tokens: 1______ 2_________ 3 4____ 5___________________ 6__ 7____ 8 9__ 10_____ 11_________ 12 13__________ 14______ 15____________ 16______ 17_______ 18

Chunks:
  TruePositive nam [1,2] = Joachim Brudziński
  TruePositive nam [6,6] = PiS
  TruePositive nam [16,17] = Mariusza Kądziołkę

(ChunkerEvaluator) Sentence #13681 from articles/00107985 from sent6

Text  : W przeciwieństwie do prezydenta Szczecina Piotra Krzystka czy samego Kądziołki winy nie zrzucał na urzędników czy Platformę .
Tokens: 1 2______________ 3_ 4_________ 5________ 6_____ 7_______ 8__ 9_____ 10_______ 11__ 12_ 13_____ 14 15________ 16_ 17_______ 18

Chunks:
  TruePositive nam [5,5] = Szczecina
  TruePositive nam [6,7] = Piotra Krzystka
  TruePositive nam [10,10] = Kądziołki
  TruePositive nam [17,17] = Platformę

(ChunkerEvaluator) Sentence #13682 from articles/00107985 from sent7

Text  : Jasno powiedział , że to Kądziołka ponosi polityczną odpowiedzialność za zamieszanie z  czynszami komunalnymi .
Tokens: 1____ 2_________ 3 4_ 5_ 6________ 7_____ 8_________ 9_______________ 10 11_________ 12 13_______ 14_________ 15

Chunks:
  TruePositive nam [6,6] = Kądziołka

(ChunkerEvaluator) Sentence #13683 from articles/00107985 from sent8

Text  : Szczecińskie szeregi PiS , które w Szczecinie przyłożyły rękę do uchwalenia stuprocentowej podwyżki czynszów Joachim Brudziński ostro łajał w  Radiu Szczecin w  poniedziałkowej „  Rozmowie pod krawatem ”  .
Tokens: 1___________ 2______ 3__ 4 5____ 6 7_________ 8_________ 9___ 10 11________ 12____________ 13______ 14______ 15_____ 16________ 17___ 18___ 19 20___ 21______ 22 23_____________ 24 25______ 26_ 27______ 28 29

Chunks:
  TruePositive nam [3,3] = PiS
  TruePositive nam [7,7] = Szczecinie
  TruePositive nam [15,16] = Joachim Brudziński
  TruePositive nam [20,21] = Radiu Szczecin
  FalseNegative nam [25,27] = Rozmowie pod krawatem

(ChunkerEvaluator) Sentence #13684 from articles/00107985 from sent9

Text  : Wiceprezydentowi Mariuszowi Kądziołce , którego przecież na to stanowisko desygnowało PiS i  sam Brudziński ,  zadedykował słowa z  serialu „  Szpital na peryferiach ”  -  „  Gdyby głupota potrafiła fruwać ,  to pani fruwała by jak gołębica ”  .
Tokens: 1_______________ 2_________ 3________ 4 5______ 6_______ 7_ 8_ 9_________ 10_________ 11_ 12 13_ 14________ 15 16_________ 17___ 18 19_____ 20 21_____ 22 23_________ 24 25 26 27___ 28_____ 29_______ 30____ 31 32 33__ 34_____ 35 36_ 37______ 38 39

Chunks:
  TruePositive nam [2,3] = Mariuszowi Kądziołce
  TruePositive nam [11,11] = PiS
  FalsePositive nam [21,21] = Szpital
  FalseNegative nam [14,14] = Brudziński
  FalseNegative nam [21,23] = Szpital na peryferiach

(ChunkerEvaluator) Sentence #13685 from articles/00107985 from sent10

Text  : Brudziński przyznał , że za czynszową wpadkę oberwało się też radnym PiS .
Tokens: 1_________ 2_______ 3 4_ 5_ 6________ 7_____ 8_______ 9__ 10_ 11____ 12_ 13

Chunks:
  TruePositive nam [12,12] = PiS
  FalseNegative nam [1,1] = Brudziński

(ChunkerEvaluator) Sentence #13686 from articles/00107985 from sent11

Text  : - Moja reprymenda udzielona zarówno panu wiceprezydentowi , jak i  innym radnym ,  była raczej w  języku marynarskim ,  ale na to zasłużyli -  tłumaczył na radiowej antenie poseł Prawa i  Sprawiedliwości .
Tokens: 1 2___ 3_________ 4________ 5______ 6___ 7_______________ 8 9__ 10 11___ 12____ 13 14__ 15____ 16 17____ 18_________ 19 20_ 21 22 23_______ 24 25_______ 26 27______ 28_____ 29___ 30___ 31 32_____________ 33

Chunks:
  TruePositive nam [30,32] = Prawa i Sprawiedliwości

(ChunkerEvaluator) Sentence #13687 from articles/00107985 from sent12

Text  : Stwierdził też , że uczestnicy wyjazdu do hotelu SPA nad morzem ,  gdzie radni i  urzędnicy ustalali podwyżki czynszów w  mieszkaniach komunalnych -  powinni oddać pieniądze .
Tokens: 1_________ 2__ 3 4_ 5_________ 6______ 7_ 8_____ 9__ 10_ 11____ 12 13___ 14___ 15 16_______ 17______ 18______ 19______ 20 21__________ 22_________ 23 24_____ 25___ 26_______ 27

Chunks:
  FalsePositive nam [9,9] = SPA

(ChunkerEvaluator) Sentence #13688 from articles/00107985 from sent13

Text  : Słowa Brudzińskiego to wyraźny sygnał dany Kądziołce , że ze stanowiskiem wiceprezydenta powinien się pożegnać .
Tokens: 1____ 2____________ 3_ 4______ 5_____ 6___ 7________ 8 9_ 10 11__________ 12____________ 13______ 14_ 15______ 16

Chunks:
  TruePositive nam [7,7] = Kądziołce
  FalsePositive nam [1,2] = Słowa Brudzińskiego
  FalseNegative nam [2,2] = Brudzińskiego

(ChunkerEvaluator) Sentence #13689 from articles/00107985 from sent14

Text  : Dodał jednak , że : - To jest decyzja autonomiczna pana prezydenta .
Tokens: 1____ 2_____ 3 4_ 5 6 7_ 8___ 9______ 10__________ 11__ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #13690 from articles/00107985 from sent15

Text  : Obejmując w tej kadencji swoją prezydenturę Piotr Krzystek zapowiadał ,  że wszyscy jego zastępcy w  dziedzinach ,  którymi się zajmują będą mądrzejsi od niego .
Tokens: 1________ 2 3__ 4_______ 5____ 6___________ 7____ 8_______ 9_________ 10 11 12_____ 13__ 14______ 15 16_________ 17 18_____ 19_ 20_____ 21__ 22_______ 23 24___ 25

Chunks:
  TruePositive nam [7,8] = Piotr Krzystek

(ChunkerEvaluator) Sentence #13691 from articles/00107985 from sent16

Text  : Słowa o gołębicy także Krzystka stawiają w bardzo niezręcznej sytuacji .
Tokens: 1____ 2 3_______ 4____ 5_______ 6_______ 7 8_____ 9__________ 10______ 11

Chunks:
  TruePositive nam [5,5] = Krzystka

2016-10-27 15:00:21,952 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 600 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107986.xml
(ChunkerEvaluator) Sentence #13692 from articles/00107986 from sent1

Text  : Olimpiada w Krakowie ?
Tokens: 1________ 2 3_______ 4

Chunks:
  TruePositive nam [3,3] = Krakowie

(ChunkerEvaluator) Sentence #13693 from articles/00107986 from sent2

Text  : Justyna Kowalczyk : Nawet jak się nie uda , to warto próbować !
Tokens: 1______ 2________ 3 4____ 5__ 6__ 7__ 8__ 9 10 11___ 12______ 13

Chunks:
  TruePositive nam [1,2] = Justyna Kowalczyk

(ChunkerEvaluator) Sentence #13694 from articles/00107986 from sent3

Text  : Mówi się o tym od dłuższego czasu i są to coraz śmielsze głosy .
Tokens: 1___ 2__ 3 4__ 5_ 6________ 7____ 8 9_ 10 11___ 12______ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #13695 from articles/00107986 from sent4

Text  : Obok Euro 2012 Zimowe Igrzyska Olimpijskie były by największą imprezą sportowa w  Polsce .
Tokens: 1___ 2___ 3___ 4_____ 5_______ 6__________ 7___ 8_ 9_________ 10_____ 11______ 12 13____ 14

Chunks:
  TruePositive nam [13,13] = Polsce
  FalsePositive nam [2,6] = Euro 2012 Zimowe Igrzyska Olimpijskie
  FalseNegative nam [2,3] = Euro 2012
  FalseNegative nam [4,6] = Zimowe Igrzyska Olimpijskie

(ChunkerEvaluator) Sentence #13696 from articles/00107986 from sent5

Text  : Jako pierwszy hasło „ Igrzyska Olimpijskie 2022 w Krakowie ”  rzucił Piotr Nurowski ,  nieżyjący prezes Polskiego Komitetu Olimpijskiego .
Tokens: 1___ 2_______ 3____ 4 5_______ 6__________ 7___ 8 9_______ 10 11____ 12___ 13______ 14 15_______ 16____ 17_______ 18______ 19___________ 20

Chunks:
  TruePositive nam [9,9] = Krakowie
  TruePositive nam [12,13] = Piotr Nurowski
  TruePositive nam [17,19] = Polskiego Komitetu Olimpijskiego
  FalsePositive nam [5,6] = Igrzyska Olimpijskie
  FalseNegative nam [5,7] = Igrzyska Olimpijskie 2022

(ChunkerEvaluator) Sentence #13697 from articles/00107986 from sent6

Text  : Podchwycił je dr hab . Szymon Krasicki z krakowskiej AWF i  pomysł nabiera kształtów .
Tokens: 1_________ 2_ 3_ 4__ 5 6_____ 7_______ 8 9__________ 10_ 11 12____ 13_____ 14_______ 15

Chunks:
  TruePositive nam [6,7] = Szymon Krasicki
  TruePositive nam [10,10] = AWF

(ChunkerEvaluator) Sentence #13698 from articles/00107986 from sent7

Text  : - Jeszcze dwa miesiące temu wydawało się , że to tylko mrzonki ,  nic więcej jak wołanie na puszczy ,  ale teraz można o  tym myśleć bardziej poważnie -  uważa Apoloniusz Tajner ,  prezes Polskiego Związku Narciarskiego .
Tokens: 1 2______ 3__ 4_______ 5___ 6_______ 7__ 8 9_ 10 11___ 12_____ 13 14_ 15____ 16_ 17_____ 18 19_____ 20 21_ 22___ 23___ 24 25_ 26____ 27______ 28______ 29 30___ 31________ 32____ 33 34____ 35_______ 36_____ 37___________ 38

Chunks:
  TruePositive nam [31,32] = Apoloniusz Tajner
  TruePositive nam [35,37] = Polskiego Związku Narciarskiego

(ChunkerEvaluator) Sentence #13699 from articles/00107986 from sent8

Text  : Po dwóch stronach Tatr
Tokens: 1_ 2____ 3_______ 4___

Chunks:
  TruePositive nam [4,4] = Tatr

(ChunkerEvaluator) Sentence #13700 from articles/00107986 from sent9

Text  : Oficjalnie miastem gospodarzem był by Kraków , ale stolica Małopolski sama nie udźwignie ciężaru .
Tokens: 1_________ 2______ 3__________ 4__ 5_ 6_____ 7 8__ 9______ 10________ 11__ 12_ 13_______ 14_____ 15

Chunks:
  TruePositive nam [6,6] = Kraków
  TruePositive nam [10,10] = Małopolski

(ChunkerEvaluator) Sentence #13701 from articles/00107986 from sent10

Text  : Dlatego część konkurencji wzięło by na siebie Zakopane , a  część -  Słowacja .
Tokens: 1______ 2____ 3__________ 4_____ 5_ 6_ 7_____ 8_______ 9 10 11___ 12 13______ 14

Chunks:
  TruePositive nam [8,8] = Zakopane
  TruePositive nam [13,13] = Słowacja

(ChunkerEvaluator) Sentence #13702 from articles/00107986 from sent11

Text  : - Było już kilka spotkań prezesów związków narciarskich oraz komitetów olimpijskich obu krajów .
Tokens: 1 2___ 3__ 4____ 5______ 6_______ 7_______ 8___________ 9___ 10_______ 11__________ 12_ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #13703 from articles/00107986 from sent12

Text  : Uczestniczyli w nich również przedstawiciele rządu i prezydenta Słowacji .
Tokens: 1____________ 2 3___ 4______ 5______________ 6____ 7 8_________ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Słowacji

(ChunkerEvaluator) Sentence #13704 from articles/00107986 from sent13

Text  : To jeszcze nic konkretnego , ale pojawiają się również sygnały ,  że także nasz rząd i  prezydent będą wspierać inicjatywę -  twierdzi prezes Tajner .
Tokens: 1_ 2______ 3__ 4__________ 5 6__ 7________ 8__ 9______ 10_____ 11 12 13___ 14__ 15__ 16 17_______ 18__ 19______ 20________ 21 22______ 23____ 24____ 25

Chunks:
  TruePositive nam [24,24] = Tajner

(ChunkerEvaluator) Sentence #13705 from articles/00107986 from sent14

Text  : Zapowiada też powstanie grup roboczych , które zajmą się szczegółami kandydatury .
Tokens: 1________ 2__ 3________ 4___ 5________ 6 7____ 8____ 9__ 10_________ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #13706 from articles/00107986 from sent15

Text  : Ciągle są bowiem rozbieżności .
Tokens: 1_____ 2_ 3_____ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #13707 from articles/00107986 from sent16

Text  : Atutem Krakowa ma być m . in . hala na 15 tys .  kibiców ,  która powstaje w  Czyżynach .
Tokens: 1_____ 2______ 3_ 4__ 5 6 7_ 8 9___ 10 11 12_ 13 14_____ 15 16___ 17______ 18 19_______ 20

Chunks:
  TruePositive nam [2,2] = Krakowa
  TruePositive nam [19,19] = Czyżynach

(ChunkerEvaluator) Sentence #13708 from articles/00107986 from sent17

Text  : Można by tam organizować mecze hokeja na lodzie , choć na tej dyscyplinie zależy Słowakom .
Tokens: 1____ 2_ 3__ 4__________ 5____ 6_____ 7_ 8_____ 9 10__ 11 12_ 13_________ 14____ 15______ 16

Chunks:
  TruePositive nam [15,15] = Słowakom

(ChunkerEvaluator) Sentence #13709 from articles/00107986 from sent18

Text  : Za południową granicą hokej jest bowiem dużo bardziej popularny .
Tokens: 1_ 2_________ 3______ 4____ 5___ 6_____ 7___ 8_______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #13710 from articles/00107986 from sent19

Text  : Praca nad mentalnością
Tokens: 1____ 2__ 3___________

Chunks:

(ChunkerEvaluator) Sentence #13711 from articles/00107986 from sent20

Text  : Mocny głos na „ tak ” dała niedawno Justyna Kowalczyk ,  która na swoim blogu zachęcała do wspierania inicjatywy .
Tokens: 1____ 2___ 3_ 4 5__ 6 7___ 8_______ 9______ 10_______ 11 12___ 13 14___ 15___ 16_______ 17 18________ 19________ 20

Chunks:
  TruePositive nam [9,10] = Justyna Kowalczyk

(ChunkerEvaluator) Sentence #13712 from articles/00107986 from sent21

Text  : „ Doskonale wiedziała m , że gdy wieść się tylko rozniesie ,  spadnie na nich fala krytyki .
Tokens: 1 2________ 3________ 4 5 6_ 7__ 8____ 9__ 10___ 11_______ 12 13_____ 14 15__ 16__ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #13713 from articles/00107986 from sent22

Text  : Bo z motyką na Księżyc , bo kryzys , bo to pieniądze wyrzucone w  błoto ,  bo czeka nas sromotna przegrana ,  bo wstyd będzie itd .  .  .
Tokens: 1_ 2 3_____ 4_ 5______ 6 7_ 8_____ 9 10 11 12_______ 13_______ 14 15___ 16 17 18___ 19_ 20______ 21_______ 22 23 24___ 25____ 26_ 27 28 29

Chunks:
  TruePositive nam [5,5] = Księżyc

(ChunkerEvaluator) Sentence #13714 from articles/00107986 from sent23

Text  : Bo najlepiej zawsze narzekać i krytykować .
Tokens: 1_ 2________ 3_____ 4_______ 5 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #13715 from articles/00107986 from sent24

Text  : Zrobić coś już ciężej ” - pisała biegaczka z Kasiny Wielkiej .
Tokens: 1_____ 2__ 3__ 4_____ 5 6 7_____ 8________ 9 10____ 11______ 12

Chunks:
  TruePositive nam [10,11] = Kasiny Wielkiej

(ChunkerEvaluator) Sentence #13716 from articles/00107986 from sent25

Text  : Wczoraj , podczas oficjalnego otwarcia sezonu , rozmawiali śmy z  Kowalczyk .
Tokens: 1______ 2 3______ 4__________ 5_______ 6_____ 7 8_________ 9__ 10 11_______ 12

Chunks:
  TruePositive nam [11,11] = Kowalczyk

(ChunkerEvaluator) Sentence #13717 from articles/00107986 from sent26

Text  : Pytali śmy m . in . , czy została by twarzą tej kandydatury .
Tokens: 1_____ 2__ 3 4 5_ 6 7 8__ 9______ 10 11____ 12_ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #13718 from articles/00107986 from sent27

Text  : - Na razie żadnej propozycji nie dostała m , więc nie ma o  czym mówić -  ucięła .
Tokens: 1 2_ 3____ 4_____ 5_________ 6__ 7______ 8 9 10__ 11_ 12 13 14__ 15___ 16 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #13719 from articles/00107986 from sent28

Text  : Ale znów przekonywała , że warto próbować .
Tokens: 1__ 2___ 3___________ 4 5_ 6____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13720 from articles/00107986 from sent29

Text  : - Wiem tylko , że jeśli ktoś nie uwierzy w  coś mocno ,  to nigdy tego nie osiągnie .
Tokens: 1 2___ 3____ 4 5_ 6____ 7___ 8__ 9______ 10 11_ 12___ 13 14 15___ 16__ 17_ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #13721 from articles/00107986 from sent30

Text  : Nawet jeśli nasza oferta zostanie odrzucona , to może odrobinę przesuniemy się do przodu .
Tokens: 1____ 2____ 3____ 4_____ 5_______ 6________ 7 8_ 9___ 10______ 11_________ 12_ 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #13722 from articles/00107986 from sent31

Text  : Może uda się w ten sposób popracować nad zmianą mentalności mieszkańców górskich rejonów naszego kraju -  zastanawiała się Kowalczyk .
Tokens: 1___ 2__ 3__ 4 5__ 6_____ 7_________ 8__ 9_____ 10_________ 11_________ 12______ 13_____ 14_____ 15___ 16 17__________ 18_ 19_______ 20

Chunks:
  TruePositive nam [19,19] = Kowalczyk

(ChunkerEvaluator) Sentence #13723 from articles/00107986 from sent32

Text  : „ Świetny pomysł ”
Tokens: 1 2______ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #13724 from articles/00107986 from sent33

Text  : Na portalu krakow.sport.pl pytali śmy , czy Kraków powinien ubiegać się o  IO .
Tokens: 1_ 2______ 3______________ 4_____ 5__ 6 7__ 8_____ 9_______ 10_____ 11_ 12 13 14

Chunks:
  TruePositive nam [3,3] = krakow.sport.pl
  TruePositive nam [8,8] = Kraków
  FalseNegative nam [13,13] = IO

(ChunkerEvaluator) Sentence #13725 from articles/00107986 from sent34

Text  : Wyniki sondy były jednoznaczne .
Tokens: 1_____ 2____ 3___ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #13726 from articles/00107986 from sent35

Text  : „ Tak , to świetny pomysł ” - odpowiedziało 77 proc .  z  ok .  1400 internautów .
Tokens: 1 2__ 3 4_ 5______ 6_____ 7 8 9____________ 10 11__ 12 13 14 15 16__ 17_________ 18

Chunks:
  FalsePositive nam [17,17] = internautów

(ChunkerEvaluator) Sentence #13727 from articles/00107986 from sent36

Text  : Tylko 15 proc . uznało , że igrzyska pod Wawelem to „  wyrzucanie pieniędzy w  błoto ”  .
Tokens: 1____ 2_ 3___ 4 5_____ 6 7_ 8_______ 9__ 10_____ 11 12 13________ 14_______ 15 16___ 17 18

Chunks:
  TruePositive nam [10,10] = Wawelem

(ChunkerEvaluator) Sentence #13728 from articles/00107986 from sent37

Text  : Czasu , by wejść do gry , jest niewiele ,  bo w  przyszłym roku trzeba złożyć ofertę .
Tokens: 1____ 2 3_ 4____ 5_ 6__ 7 8___ 9_______ 10 11 12 13_______ 14__ 15____ 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #13729 from articles/00107986 from sent38

Text  : Decyzja , kto będzie organizatorem , zapadnie w 2015 r  .
Tokens: 1______ 2 3__ 4_____ 5____________ 6 7_______ 8 9___ 10 11

Chunks:

2016-10-27 15:00:22,113 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 601 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107987.xml
(ChunkerEvaluator) Sentence #13730 from articles/00107987 from sent1

Text  : Café Snob , redakcja i księgarnia .
Tokens: 1___ 2___ 3 4_______ 5 6_________ 7

Chunks:
  TruePositive nam [1,2] = Café Snob

(ChunkerEvaluator) Sentence #13731 from articles/00107987 from sent2

Text  : Tak było na Foksal
Tokens: 1__ 2___ 3_ 4_____

Chunks:
  TruePositive nam [4,4] = Foksal

(ChunkerEvaluator) Sentence #13732 from articles/00107987 from sent3

Text  : Warszawa nieodbudowana - Foksal 17 .
Tokens: 1_______ 2____________ 3 4_____ 5_ 6

Chunks:
  TruePositive nam [4,4] = Foksal
  FalseNegative nam [1,1] = Warszawa

(ChunkerEvaluator) Sentence #13733 from articles/00107987 from sent4

Text  : Po wojnie była tu redakcja i księgarnia Państwowego Instytutu Wydawniczego oraz kawiarnia ,  która przeszła do historii PRL-u jako Café Snob .
Tokens: 1_ 2_____ 3___ 4_ 5_______ 6 7_________ 8__________ 9________ 10__________ 11__ 12_______ 13 14___ 15______ 16 17______ 18___ 19__ 20__ 21__ 22

Chunks:
  TruePositive nam [8,10] = Państwowego Instytutu Wydawniczego
  TruePositive nam [18,18] = PRL-u
  TruePositive nam [20,21] = Café Snob

(ChunkerEvaluator) Sentence #13734 from articles/00107987 from sent5

Text  : Mniej znane są przedwojenne dzieje domu , gdzie kawiarnię założył gwiazdor Eugeniusz Bodo
Tokens: 1____ 2____ 3_ 4___________ 5_____ 6___ 7 8____ 9________ 10_____ 11______ 12_______ 13__

Chunks:
  TruePositive nam [12,13] = Eugeniusz Bodo

(ChunkerEvaluator) Sentence #13735 from articles/00107987 from sent6

Text  : Fasada kamienicy przy Foksal 17 nie porywa .
Tokens: 1_____ 2________ 3___ 4_____ 5_ 6__ 7_____ 8

Chunks:
  TruePositive nam [4,4] = Foksal

(ChunkerEvaluator) Sentence #13736 from articles/00107987 from sent7

Text  : Wprawdzie ożywiają ją wykusze , a w bramie widnieją drewniane wrota nabijane ćwiekami i  z  kryształowymi szybami ,  lecz z  dawnego wystroju ocalało niewiele .
Tokens: 1________ 2_______ 3_ 4______ 5 6 7 8_____ 9_______ 10_______ 11___ 12______ 13______ 14 15 16___________ 17_____ 18 19__ 20 21_____ 22______ 23_____ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #13737 from articles/00107987 from sent8

Text  : Aż trudno uwierzyć , że do 1944 r . był to piękny budynek o  wczesnomodernistycznej architekturze łączącej formy empiru ,  klasycyzmu i  secesji .
Tokens: 1_ 2_____ 3_______ 4 5_ 6_ 7___ 8 9 10_ 11 12____ 13_____ 14 15____________________ 16___________ 17______ 18___ 19____ 20 21________ 22 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #13738 from articles/00107987 from sent9

Text  : Był też o dwa piętra wyższy niż dziś .
Tokens: 1__ 2__ 3 4__ 5_____ 6_____ 7__ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #13739 from articles/00107987 from sent10

Text  : Balkon pierwszego piętra zdobiły kolosalne maski , zaś elewację trzeciego piętra przysadziste doryckie kolumny .
Tokens: 1_____ 2_________ 3_____ 4______ 5________ 6____ 7 8__ 9_______ 10_______ 11____ 12__________ 13______ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #13740 from articles/00107987 from sent11

Text  : Kamienica powstała później niż inne domy przy ulicy Foksal ,  bo w  latach 1912 -  1913 .
Tokens: 1________ 2_______ 3______ 4__ 5___ 6___ 7___ 8____ 9_____ 10 11 12 13____ 14__ 15 16__ 17

Chunks:
  TruePositive nam [9,9] = Foksal

(ChunkerEvaluator) Sentence #13741 from articles/00107987 from sent12

Text  : Miłośnik romantyzmu
Tokens: 1_______ 2_________

Chunks:

(ChunkerEvaluator) Sentence #13742 from articles/00107987 from sent13

Text  : Nim stanął dom , posesja wciśnięta pomiędzy luksusowe kamienice a  gmach Towarzystwa Wioślarskiego należała do Leopolda Méyeta .
Tokens: 1__ 2_____ 3__ 4 5______ 6________ 7_______ 8________ 9________ 10 11___ 12_________ 13___________ 14______ 15 16______ 17____ 18

Chunks:
  TruePositive nam [12,13] = Towarzystwa Wioślarskiego
  TruePositive nam [16,17] = Leopolda Méyeta

(ChunkerEvaluator) Sentence #13743 from articles/00107987 from sent14

Text  : Postaci niezwykłej , czynnego adwokata , teoretyka prawa , ale też bibliofila ,  kolekcjonera ,  wreszcie filantropa .
Tokens: 1______ 2_________ 3 4_______ 5_______ 6 7________ 8____ 9 10_ 11_ 12________ 13 14__________ 15 16______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #13744 from articles/00107987 from sent15

Text  : Méyet był zapalonym badaczem epoki polskiego romantyzmu .
Tokens: 1____ 2__ 3________ 4_______ 5____ 6________ 7_________ 8

Chunks:
  FalseNegative nam [1,1] = Méyet

(ChunkerEvaluator) Sentence #13745 from articles/00107987 from sent16

Text  : Wraz z Ferdynandem Hoesickiem opracował dwutomową edycję listów Juliusza Słowackiego .
Tokens: 1___ 2 3__________ 4_________ 5________ 6________ 7_____ 8_____ 9_______ 10_________ 11

Chunks:
  TruePositive nam [3,4] = Ferdynandem Hoesickiem
  TruePositive nam [9,10] = Juliusza Słowackiego

(ChunkerEvaluator) Sentence #13746 from articles/00107987 from sent17

Text  : Zbierał pamiątki po Chopinie , a od 1909 r .  pełnił funkcję sekretarza komitetu budowy pomnika kompozytora .
Tokens: 1______ 2_______ 3_ 4_______ 5 6 7_ 8___ 9 10 11____ 12_____ 13________ 14______ 15____ 16_____ 17_________ 18

Chunks:
  TruePositive nam [4,4] = Chopinie

(ChunkerEvaluator) Sentence #13747 from articles/00107987 from sent18

Text  : Jego mieszkanie sprawiało wrażenie muzeum polskiego romantyzmu .
Tokens: 1___ 2_________ 3________ 4_______ 5_____ 6________ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #13748 from articles/00107987 from sent19

Text  : Z pochodzenia Żyd - był wielkim zwolennikiem pracy u podstaw mającej na celu asymilację ludności żydowskiej w  Polsce .
Tokens: 1 2__________ 3__ 4 5__ 6______ 7___________ 8____ 9 10_____ 11_____ 12 13__ 14________ 15______ 16________ 17 18____ 19

Chunks:
  TruePositive nam [3,3] = Żyd
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #13749 from articles/00107987 from sent20

Text  : Zmarł w styczniu 1912 r . , zapisując Warszawie zebrane przez siebie zbiory pamiątek po polskich romantykach ,  dzieła malarstwa ,  grafiki ,  rysunki i  rzemiosło artystyczne .
Tokens: 1____ 2 3_______ 4___ 5 6 7 8________ 9________ 10_____ 11___ 12____ 13____ 14______ 15 16______ 17_________ 18 19____ 20_______ 21 22_____ 23 24_____ 25 26_______ 27_________ 28

Chunks:
  TruePositive nam [9,9] = Warszawie

(ChunkerEvaluator) Sentence #13750 from articles/00107987 from sent21

Text  : W 1915 r . trafiły one do Muzeum Sztuk Pięknych stanowiącego zalążek dzisiejszego Muzeum Narodowego .
Tokens: 1 2___ 3 4 5______ 6__ 7_ 8_____ 9____ 10______ 11__________ 12_____ 13__________ 14____ 15________ 16

Chunks:
  TruePositive nam [8,10] = Muzeum Sztuk Pięknych
  TruePositive nam [14,15] = Muzeum Narodowego

(ChunkerEvaluator) Sentence #13751 from articles/00107987 from sent22

Text  : Chopinalia znalazły się w zbiorach Warszawskiego Towarzystwa Muzycznego , zaś autografy romantyków ,  m  .  in .  Słowackiego ,  w  Bibliotece Ordynacji Krasińskich .
Tokens: 1_________ 2_______ 3__ 4 5_______ 6____________ 7__________ 8_________ 9 10_ 11_______ 12________ 13 14 15 16 17 18_________ 19 20 21________ 22_______ 23_________ 24

Chunks:
  TruePositive nam [6,8] = Warszawskiego Towarzystwa Muzycznego
  TruePositive nam [18,18] = Słowackiego
  TruePositive nam [21,23] = Bibliotece Ordynacji Krasińskich
  FalseNegative nam [1,1] = Chopinalia

(ChunkerEvaluator) Sentence #13752 from articles/00107987 from sent23

Text  : Te ostatnie , niestety , spłonęły w 1944 r .
Tokens: 1_ 2_______ 3 4_______ 5 6_______ 7 8___ 9 10

Chunks:

(ChunkerEvaluator) Sentence #13753 from articles/00107987 from sent24

Text  : Czy to Méyet myślał o budowie empirowo modernistycznej kamienicy przy Foksal ?
Tokens: 1__ 2_ 3____ 4_____ 5 6______ 7_______ 8______________ 9________ 10__ 11____ 12

Chunks:
  TruePositive nam [11,11] = Foksal
  FalseNegative nam [3,3] = Méyet

(ChunkerEvaluator) Sentence #13754 from articles/00107987 from sent25

Text  : Być może , choć wydaje się , że realizację rozpoczęto już po jego śmierci w  1912 r  .  dla Henryka Lewenfisza .
Tokens: 1__ 2___ 3 4___ 5_____ 6__ 7 8_ 9_________ 10________ 11_ 12 13__ 14_____ 15 16__ 17 18 19_ 20_____ 21________ 22

Chunks:
  TruePositive nam [20,21] = Henryka Lewenfisza

(ChunkerEvaluator) Sentence #13755 from articles/00107987 from sent26

Text  : Jak podaje dr Mieczysław Orłowicz , autor przewodnika po Warszawie z  1922 r  .  ,  autorami projektu była wzięta spółka architektoniczna Józef Napoleon Czerwiński i  Wacław Heppen .
Tokens: 1__ 2_____ 3_ 4_________ 5_______ 6 7____ 8__________ 9_ 10_______ 11 12__ 13 14 15 16______ 17______ 18__ 19____ 20____ 21______________ 22___ 23______ 24________ 25 26____ 27____ 28

Chunks:
  TruePositive nam [4,5] = Mieczysław Orłowicz
  TruePositive nam [10,10] = Warszawie
  TruePositive nam [22,24] = Józef Napoleon Czerwiński
  TruePositive nam [26,27] = Wacław Heppen

(ChunkerEvaluator) Sentence #13756 from articles/00107987 from sent27

Text  : Budowa ukończona została na jesieni 1913 r .
Tokens: 1_____ 2________ 3______ 4_ 5______ 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #13757 from articles/00107987 from sent28

Text  : W październiku tego roku na łamach prasy ukazywały się ogłoszenia oferujące do wynajęcia w  kamienicy mieszkania 7  -  ,  5  -  i  4  -  pokojowe ,  antresole na biura oraz sutereny .
Tokens: 1 2___________ 3___ 4___ 5_ 6_____ 7____ 8________ 9__ 10________ 11_______ 12 13_______ 14 15_______ 16________ 17 18 19 20 21 22 23 24 25______ 26 27_______ 28 29___ 30__ 31______ 32

Chunks:

(ChunkerEvaluator) Sentence #13758 from articles/00107987 from sent29

Text  : Uboga córka milionera
Tokens: 1____ 2____ 3________

Chunks:

(ChunkerEvaluator) Sentence #13759 from articles/00107987 from sent30

Text  : Z początkiem lat 30 XX w . wielopokojowy apartament na czwartym piętrze kamienicy wynajął Roman Badior ,  prawnik ,  syn prezesa Banku Międzynarodowego .
Tokens: 1 2_________ 3__ 4_ 5_ 6 7 8____________ 9_________ 10 11______ 12_____ 13_______ 14_____ 15___ 16____ 17 18_____ 19 20_ 21_____ 22___ 23______________ 24

Chunks:
  TruePositive nam [15,16] = Roman Badior
  TruePositive nam [22,23] = Banku Międzynarodowego

(ChunkerEvaluator) Sentence #13760 from articles/00107987 from sent31

Text  : Wytworny , obyty , oczytany , wyrobiony muzycznie , lubiący kobiety ,  biegle władający wieloma językami był duszą towarzystwa .
Tokens: 1_______ 2 3____ 4 5_______ 6 7________ 8________ 9 10_____ 11_____ 12 13____ 14_______ 15_____ 16______ 17_ 18___ 19_________ 20

Chunks:

(ChunkerEvaluator) Sentence #13761 from articles/00107987 from sent32

Text  : Jak wspominał zaprzyjaźniony z nim pianista Roman Jasiński , Badior był jednak niewyobrażalnym snobem :  „  I  to we wszystkich możliwych dziedzinach ,  zarówno w  sprawach dotyczących garderoby ,  jak i  w  stosunkach towarzyskich ,  w  lekturach i  drobnych upodobaniach .
Tokens: 1__ 2________ 3_____________ 4 5__ 6_______ 7____ 8_______ 9 10____ 11_ 12____ 13_____________ 14____ 15 16 17 18 19 20________ 21_______ 22_________ 23 24_____ 25 26______ 27_________ 28_______ 29 30_ 31 32 33________ 34__________ 35 36 37_______ 38 39______ 40__________ 41

Chunks:
  TruePositive nam [7,8] = Roman Jasiński
  TruePositive nam [10,10] = Badior

(ChunkerEvaluator) Sentence #13762 from articles/00107987 from sent33

Text  : Ów snobizm przybierał czasem u niego formy wręcz komiczne .
Tokens: 1_ 2______ 3_________ 4_____ 5 6____ 7____ 8____ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #13763 from articles/00107987 from sent34

Text  : Dostarczał znajomym i przyjaciołom wiele okazji do plotkowania i złośliwych komentarzy .
Tokens: 1_________ 2_______ 3 4___________ 5____ 6_____ 7_ 8__________ 9 10________ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #13764 from articles/00107987 from sent35

Text  : Mimo tej przywary był lubiany , potrafił bowiem , gdy mu na kimś zależało ,  okazując swą życzliwość ,  stać się gościem prawdziwie pożądanym ”  -  czytamy w  książce Jasińskiego „  Zmierzch starego świata ”  .
Tokens: 1___ 2__ 3_______ 4__ 5______ 6 7_______ 8_____ 9 10_ 11 12 13__ 14______ 15 16______ 17_ 18________ 19 20__ 21_ 22_____ 23________ 24_______ 25 26 27_____ 28 29_____ 30_________ 31 32______ 33_____ 34____ 35 36

Chunks:
  TruePositive nam [30,30] = Jasińskiego
  FalseNegative nam [32,34] = Zmierzch starego świata

(ChunkerEvaluator) Sentence #13765 from articles/00107987 from sent36

Text  : Tak czy inaczej Roman Badior mógł być wzorcem dla niejednej postaci z  wielkiego świata w  scenariuszach przedwojennych komedii filmowych .
Tokens: 1__ 2__ 3______ 4____ 5_____ 6___ 7__ 8______ 9__ 10_______ 11_____ 12 13_______ 14____ 15 16___________ 17____________ 18_____ 19_______ 20

Chunks:
  TruePositive nam [4,5] = Roman Badior

(ChunkerEvaluator) Sentence #13766 from articles/00107987 from sent37

Text  : Przez lata mieszkał w Al . Ujazdowskich .
Tokens: 1____ 2___ 3_______ 4 5_ 6 7___________ 8

Chunks:
  TruePositive nam [5,7] = Al . Ujazdowskich

(ChunkerEvaluator) Sentence #13767 from articles/00107987 from sent38

Text  : Na Foksal przeniósł się zaraz po ślubie z panną Tutą ,  córką milionera Mariana Dąbrowskiego .
Tokens: 1_ 2_____ 3________ 4__ 5____ 6_ 7_____ 8 9____ 10__ 11 12___ 13_______ 14_____ 15__________ 16

Chunks:
  TruePositive nam [2,2] = Foksal
  TruePositive nam [10,10] = Tutą
  TruePositive nam [14,15] = Mariana Dąbrowskiego

(ChunkerEvaluator) Sentence #13768 from articles/00107987 from sent39

Text  : Teść Badiora był magnatem prasowym , założycielem i właścicielem „  Ilustrowanego Kuryera Codziennego ”  oraz posłem na sejm .
Tokens: 1___ 2______ 3__ 4_______ 5_______ 6 7___________ 8 9___________ 10 11___________ 12_____ 13_________ 14 15__ 16____ 17 18__ 19

Chunks:
  TruePositive nam [11,13] = Ilustrowanego Kuryera Codziennego
  FalseNegative nam [2,2] = Badiora

(ChunkerEvaluator) Sentence #13769 from articles/00107987 from sent40

Text  : Dla Dąbrowskiego małżeństwo jego córki z Badiorem , który miał korzenie żydowskie ,  było mezaliansem .
Tokens: 1__ 2___________ 3_________ 4___ 5____ 6 7_______ 8 9____ 10__ 11______ 12_______ 13 14__ 15_________ 16

Chunks:
  TruePositive nam [2,2] = Dąbrowskiego
  FalseNegative nam [7,7] = Badiorem

(ChunkerEvaluator) Sentence #13770 from articles/00107987 from sent41

Text  : Jak pisze Jasiński , w sferach ziemiańskich małżeństwa arystokratów z  bajecznie bogatymi pannami z  domów żydowskich nie były rzadkością .
Tokens: 1__ 2____ 3_______ 4 5 6______ 7___________ 8_________ 9___________ 10 11_______ 12______ 13_____ 14 15___ 16________ 17_ 18__ 19________ 20

Chunks:
  TruePositive nam [3,3] = Jasiński

(ChunkerEvaluator) Sentence #13771 from articles/00107987 from sent42

Text  : Odwrotna sytuacja , gdy to posażna ziemianka wychodziła za choćby zasymilowanego Żyda ,  była źle widziana .
Tokens: 1_______ 2_______ 3 4__ 5_ 6______ 7________ 8_________ 9_ 10____ 11____________ 12__ 13 14__ 15_ 16______ 17

Chunks:
  TruePositive nam [12,12] = Żyda

(ChunkerEvaluator) Sentence #13772 from articles/00107987 from sent43

Text  : Zdaniem Jasińskiego nie było to małżeństwo z miłości .
Tokens: 1______ 2__________ 3__ 4___ 5_ 6_________ 7 8______ 9

Chunks:
  TruePositive nam [2,2] = Jasińskiego

(ChunkerEvaluator) Sentence #13773 from articles/00107987 from sent44

Text  : Gdy Bank Międzynarodowy zaczął podupadać , Roman Badior postanowił bogato się ożenić .
Tokens: 1__ 2___ 3_____________ 4_____ 5________ 6 7____ 8_____ 9_________ 10____ 11_ 12____ 13

Chunks:
  TruePositive nam [2,3] = Bank Międzynarodowy
  TruePositive nam [7,8] = Roman Badior

(ChunkerEvaluator) Sentence #13774 from articles/00107987 from sent45

Text  : Jego wybór padł na pannę Tutę .
Tokens: 1___ 2____ 3___ 4_ 5____ 6___ 7

Chunks:
  TruePositive nam [6,6] = Tutę

(ChunkerEvaluator) Sentence #13775 from articles/00107987 from sent46

Text  : „ Panna Tuta była wprawdzie elegancka i zgrabna , lecz na twarzy dziwnie szpetna ,  a  przy tym przez rodziców psuta i  pieszczona miała w  główce mocno przewrócone .
Tokens: 1 2____ 3___ 4___ 5________ 6________ 7 8______ 9 10__ 11 12____ 13_____ 14_____ 15 16 17__ 18_ 19___ 20______ 21___ 22 23________ 24___ 25 26____ 27___ 28_________ 29

Chunks:
  FalsePositive nam [2,3] = Panna Tuta
  FalseNegative nam [3,3] = Tuta

(ChunkerEvaluator) Sentence #13776 from articles/00107987 from sent47

Text  : Oczywiście , że miała dużo starających się , których konkury stale jednak odrzucała .
Tokens: 1_________ 2 3_ 4____ 5___ 6__________ 7__ 8 9______ 10_____ 11___ 12____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #13777 from articles/00107987 from sent48

Text  : Nie pamiętam , w jaki sposób Roman potrafił ją opętać ,  i  to do tego stopnia ,  że niebawem zdecydowała się wyjść za niego za mąż ,  i  to wbrew woli całej swej rodziny .
Tokens: 1__ 2_______ 3 4 5___ 6_____ 7____ 8_______ 9_ 10____ 11 12 13 14 15__ 16_____ 17 18 19______ 20_________ 21_ 22___ 23 24___ 25 26_ 27 28 29 30___ 31__ 32___ 33__ 34_____ 35

Chunks:
  TruePositive nam [7,7] = Roman

(ChunkerEvaluator) Sentence #13778 from articles/00107987 from sent49

Text  : Dla państwa Dąbrowskich , których pozycja towarzyska na terenie Krakowa była zupełnie wyjątkowa i  którzy mieli prawo marzyć o  świetnym mariażu jedynej córki ,  ów niespodziewany jej wybór był prawdziwym ciosem ”  -  czytamy w  „  Zmierzchu starego świata ”  .
Tokens: 1__ 2______ 3__________ 4 5______ 6______ 7_________ 8_ 9______ 10_____ 11__ 12______ 13_______ 14 15____ 16___ 17___ 18____ 19 20______ 21_____ 22_____ 23___ 24 25 26____________ 27_ 28___ 29_ 30________ 31____ 32 33 34_____ 35 36 37_______ 38_____ 39____ 40 41

Chunks:
  TruePositive nam [3,3] = Dąbrowskich
  TruePositive nam [10,10] = Krakowa
  FalseNegative nam [37,39] = Zmierzchu starego świata

(ChunkerEvaluator) Sentence #13779 from articles/00107987 from sent50

Text  : Młodzi przenieśli się na Foksal .
Tokens: 1_____ 2_________ 3__ 4_ 5_____ 6

Chunks:
  TruePositive nam [5,5] = Foksal

(ChunkerEvaluator) Sentence #13780 from articles/00107987 from sent51

Text  : Mieszkanie było umeblowane luksusowo i wytwornie .
Tokens: 1_________ 2___ 3_________ 4________ 5 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #13781 from articles/00107987 from sent52

Text  : Właściciele spraszali czasem tłumy gości .
Tokens: 1__________ 2________ 3_____ 4____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #13782 from articles/00107987 from sent53

Text  : Jednak zdaniem Jasińskiego , choć stoły zastawione wówczas były srebrem oraz kosztowną porcelaną i  kryształami ,  to jedzenia na nich było mało .
Tokens: 1_____ 2______ 3__________ 4 5___ 6____ 7_________ 8______ 9___ 10_____ 11__ 12_______ 13_______ 14 15_________ 16 17 18______ 19 20__ 21__ 22__ 23

Chunks:
  TruePositive nam [3,3] = Jasińskiego

(ChunkerEvaluator) Sentence #13783 from articles/00107987 from sent54

Text  : Goście po przyjęciach u Badiora i pani Tuty wychodzi głodni i  by się najeść ,  wpadali zaraz do jakiegoś baru na Foksal lub Nowym Świecie .
Tokens: 1_____ 2_ 3__________ 4 5______ 6 7___ 8___ 9_______ 10____ 11 12 13_ 14____ 15 16_____ 17___ 18 19______ 20__ 21 22____ 23_ 24___ 25_____ 26

Chunks:
  TruePositive nam [8,8] = Tuty
  TruePositive nam [22,22] = Foksal
  TruePositive nam [24,25] = Nowym Świecie
  FalseNegative nam [5,5] = Badiora

(ChunkerEvaluator) Sentence #13784 from articles/00107987 from sent55

Text  : Za to trunków nigdy u Badiorów nie brakowało , gdyż pani Tuta lubiła czasem ostro popić .
Tokens: 1_ 2_ 3______ 4____ 5 6_______ 7__ 8________ 9 10__ 11__ 12__ 13____ 14____ 15___ 16___ 17

Chunks:
  TruePositive nam [6,6] = Badiorów
  TruePositive nam [12,12] = Tuta

(ChunkerEvaluator) Sentence #13785 from articles/00107987 from sent56

Text  : Zdaniem Jasińskiego rzekome skąpstwo na przyjęciach przy Foksal wynikało z  braku pieniędzy pary młodej .
Tokens: 1______ 2__________ 3______ 4_______ 5_ 6__________ 7___ 8_____ 9_______ 10 11___ 12_______ 13__ 14____ 15

Chunks:
  TruePositive nam [2,2] = Jasińskiego
  TruePositive nam [8,8] = Foksal

(ChunkerEvaluator) Sentence #13786 from articles/00107987 from sent57

Text  : Tuta nie dostała bowiem ani złotówki posagu .
Tokens: 1___ 2__ 3______ 4_____ 5__ 6_______ 7_____ 8

Chunks:
  TruePositive nam [1,1] = Tuta

(ChunkerEvaluator) Sentence #13787 from articles/00107987 from sent58

Text  : Rodzice oświadczyli jej , że jeśli zechce ich odwiedzić sama ,  bez męża ,  w  Krakowie ,  to zawsze ją przyjmą z  otwartymi ramionami .
Tokens: 1______ 2__________ 3__ 4 5_ 6____ 7_____ 8__ 9________ 10__ 11 12_ 13__ 14 15 16______ 17 18 19____ 20 21_____ 22 23_______ 24_______ 25

Chunks:
  TruePositive nam [16,16] = Krakowie

(ChunkerEvaluator) Sentence #13788 from articles/00107987 from sent59

Text  : Jednak na pomoc finansową liczyć nie mogła .
Tokens: 1_____ 2_ 3____ 4________ 5_____ 6__ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #13789 from articles/00107987 from sent60

Text  : Roman z kolei zarabiał zbyt mało , by być w  stanie utrzymać na wysokim poziomie ogromny dom przy Foksal .
Tokens: 1____ 2 3____ 4_______ 5___ 6___ 7 8_ 9__ 10 11____ 12______ 13 14_____ 15______ 16_____ 17_ 18__ 19____ 20

Chunks:
  TruePositive nam [1,1] = Roman
  TruePositive nam [19,19] = Foksal

(ChunkerEvaluator) Sentence #13790 from articles/00107987 from sent61

Text  : Tuta nie potrafiła zrezygnować ze swoich kosztownych zachcianek .
Tokens: 1___ 2__ 3________ 4__________ 5_ 6_____ 7__________ 8_________ 9

Chunks:
  FalseNegative nam [1,1] = Tuta

(ChunkerEvaluator) Sentence #13791 from articles/00107987 from sent62

Text  : W rezultacie małżeństwo szybko się rozpadło .
Tokens: 1 2_________ 3_________ 4_____ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13792 from articles/00107987 from sent63

Text  : „ Roman uwikłany w to nieszczęsne małżeństwo znalazł się w  niezmiernie trudnej sytuacji ,  bo sądząc ,  że starzy nie pozostawią córki w  potrzebie bez grosza ,  zadłużał się coraz bardziej ”  .
Tokens: 1 2____ 3_______ 4 5_ 6__________ 7_________ 8______ 9__ 10 11_________ 12_____ 13______ 14 15 16____ 17 18 19____ 20_ 21________ 22___ 23 24_______ 25_ 26____ 27 28______ 29_ 30___ 31______ 32 33

Chunks:
  TruePositive nam [2,2] = Roman

(ChunkerEvaluator) Sentence #13793 from articles/00107987 from sent64

Text  : Tuta wyjeżdżała do Krakowa na coraz dłużej i w końcu nie wróciła .
Tokens: 1___ 2_________ 3_ 4______ 5_ 6____ 7_____ 8 9 10___ 11_ 12_____ 13

Chunks:
  TruePositive nam [4,4] = Krakowa
  FalseNegative nam [1,1] = Tuta

(ChunkerEvaluator) Sentence #13794 from articles/00107987 from sent65

Text  : Rozwód przeprowadzono bardzo szybko i Tuta , tym razem z  błogosławieństwem rodziców ,  wyszła ponownie za Zdzisława Paschalskiego .
Tokens: 1_____ 2_____________ 3_____ 4_____ 5 6___ 7 8__ 9____ 10 11_______________ 12______ 13 14____ 15______ 16 17_______ 18___________ 19

Chunks:
  TruePositive nam [6,6] = Tuta
  TruePositive nam [17,18] = Zdzisława Paschalskiego

(ChunkerEvaluator) Sentence #13795 from articles/00107987 from sent66

Text  : Podobno jej temperament osłabł i rodzice więcej kłopotów z nią nie mieli .
Tokens: 1______ 2__ 3__________ 4_____ 5 6______ 7_____ 8_______ 9 10_ 11_ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #13796 from articles/00107987 from sent67

Text  : Za to Roman Badior finansowo stanął ponownie na nogi ,  co -  jak plotkuje Jasiński -  stało się dzięki zaangażowaniu w  niejasne interesy handlem bronią wysyłaną do Hiszpanii w  czasie wojny domowej .
Tokens: 1_ 2_ 3____ 4_____ 5________ 6_____ 7_______ 8_ 9___ 10 11 12 13_ 14______ 15______ 16 17___ 18_ 19____ 20___________ 21 22______ 23______ 24_____ 25____ 26______ 27 28_______ 29 30____ 31___ 32_____ 33

Chunks:
  TruePositive nam [3,4] = Roman Badior
  TruePositive nam [15,15] = Jasiński
  TruePositive nam [28,28] = Hiszpanii

(ChunkerEvaluator) Sentence #13797 from articles/00107987 from sent68

Text  : W 1937 r . przeniósł się do Paryża , w  czasie wojny służył w  Wojsku Polskim we Francji ,  a  potem znalazł się w  Portugalii ,  gdzie pracował w  polskiej delegaturze jako attaché wojskowy .
Tokens: 1 2___ 3 4 5________ 6__ 7_ 8_____ 9 10 11____ 12___ 13____ 14 15____ 16_____ 17 18_____ 19 20 21___ 22_____ 23_ 24 25________ 26 27___ 28______ 29 30______ 31_________ 32__ 33_____ 34______ 35

Chunks:
  TruePositive nam [8,8] = Paryża
  TruePositive nam [15,16] = Wojsku Polskim
  TruePositive nam [18,18] = Francji
  TruePositive nam [25,25] = Portugalii

(ChunkerEvaluator) Sentence #13798 from articles/00107987 from sent69

Text  : Tam też w tajemniczych okolicznościach odebrał sobie życie .
Tokens: 1__ 2__ 3 4___________ 5______________ 6______ 7____ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #13799 from articles/00107987 from sent70

Text  : Bodo z arlekinem
Tokens: 1___ 2 3________

Chunks:
  TruePositive nam [1,1] = Bodo

(ChunkerEvaluator) Sentence #13800 from articles/00107987 from sent71

Text  : Roman Badior dawno już był we Francji , gdy wiosną 1939 r  .  trzy piętra pod jego mieszkaniem czteropokojowy apartament wynajął Eugeniusz Bodo -  gwiazda przedwojennego kina polskiego .
Tokens: 1____ 2_____ 3____ 4__ 5__ 6_ 7______ 8 9__ 10____ 11__ 12 13 14__ 15____ 16_ 17__ 18_________ 19____________ 20________ 21_____ 22_______ 23__ 24 25_____ 26____________ 27__ 28_______ 29

Chunks:
  TruePositive nam [1,2] = Roman Badior
  TruePositive nam [7,7] = Francji
  TruePositive nam [22,23] = Eugeniusz Bodo

(ChunkerEvaluator) Sentence #13801 from articles/00107987 from sent72

Text  : Widywano go na klatce schodowej i w bramie kamienicy ,  jak spacerował z  dogiem arlekinem o  imieniu Sambo .
Tokens: 1_______ 2_ 3_ 4_____ 5________ 6 7 8_____ 9________ 10 11_ 12________ 13 14____ 15_______ 16 17_____ 18___ 19

Chunks:
  TruePositive nam [18,18] = Sambo

(ChunkerEvaluator) Sentence #13802 from articles/00107987 from sent73

Text  : Na parterze założył Café Bodo .
Tokens: 1_ 2_______ 3______ 4___ 5___ 6

Chunks:
  TruePositive nam [4,5] = Café Bodo

(ChunkerEvaluator) Sentence #13803 from articles/00107987 from sent74

Text  : Właściwie nie była to jego kawiarnia , lecz lokal ,  któremu sprzedał prawo na wykorzystywanie w  szyldzie własnego nazwiska .
Tokens: 1________ 2__ 3___ 4_ 5___ 6________ 7 8___ 9____ 10 11_____ 12______ 13___ 14 15_____________ 16 17______ 18______ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #13804 from articles/00107987 from sent75

Text  : Otrzymywał za to niebagatelną sumę 500 złotych miesięcznie .
Tokens: 1_________ 2_ 3_ 4___________ 5___ 6__ 7______ 8__________ 9

Chunks:
  TruePositive nam [7,7] = złotych

(ChunkerEvaluator) Sentence #13805 from articles/00107987 from sent76

Text  : Nowoczesne wnętrza projektował Józef Galewski , scenograf niemal wszystkich warszawskich teatrów dramatycznych ,  rewii i  kabaretów .
Tokens: 1_________ 2______ 3__________ 4____ 5_______ 6 7________ 8_____ 9_________ 10__________ 11_____ 12___________ 13 14___ 15 16_______ 17

Chunks:
  TruePositive nam [4,5] = Józef Galewski

(ChunkerEvaluator) Sentence #13806 from articles/00107987 from sent77

Text  : W Café Bodo były występy : piosenki , skecze ,  koncerty .
Tokens: 1 2___ 3___ 4___ 5______ 6 7_______ 8 9_____ 10 11______ 12

Chunks:
  TruePositive nam [2,3] = Café Bodo

(ChunkerEvaluator) Sentence #13807 from articles/00107987 from sent78

Text  : Czasem występował sam gwiazdor .
Tokens: 1_____ 2_________ 3__ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #13808 from articles/00107987 from sent79

Text  : Gdy zaczęła się wojna , aktor uciekł z Warszawy na Wschód i  jak wielu innych ludzi kultury znalazł się we Lwowie .
Tokens: 1__ 2______ 3__ 4____ 5 6____ 7_____ 8 9_______ 10 11____ 12 13_ 14___ 15____ 16___ 17_____ 18_____ 19_ 20 21____ 22

Chunks:
  TruePositive nam [9,9] = Warszawy
  TruePositive nam [21,21] = Lwowie
  FalsePositive nam [11,11] = Wschód

(ChunkerEvaluator) Sentence #13809 from articles/00107987 from sent80

Text  : Gdy Sowieci pozwoli na zakładanie teatrzyków , został konferansjerem w  Tea -  Jazzie prowadzonym przez Henryka Warsa .
Tokens: 1__ 2______ 3______ 4_ 5_________ 6_________ 7 8_____ 9_____________ 10 11_ 12 13____ 14_________ 15___ 16_____ 17___ 18

Chunks:
  TruePositive nam [2,2] = Sowieci
  TruePositive nam [11,13] = Tea - Jazzie
  TruePositive nam [16,17] = Henryka Warsa

(ChunkerEvaluator) Sentence #13810 from articles/00107987 from sent81

Text  : Biegle mówił po rosyjsku i swoje piosenki nagrywał w tym języku .
Tokens: 1_____ 2____ 3_ 4_______ 5 6____ 7_______ 8_______ 9 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #13811 from articles/00107987 from sent82

Text  : W czerwcu przepadł bez śladu na skraju lwowskiego Ogrodu Miejskiego ,  pod pomnikiem Agenora Gołuchowskiego .
Tokens: 1 2______ 3_______ 4__ 5____ 6_ 7_____ 8_________ 9_____ 10________ 11 12_ 13_______ 14_____ 15____________ 16

Chunks:
  TruePositive nam [9,10] = Ogrodu Miejskiego
  TruePositive nam [14,15] = Agenora Gołuchowskiego

(ChunkerEvaluator) Sentence #13812 from articles/00107987 from sent83

Text  : Jego dalsze losy i tajemnicę śmierci udało się ustalić dopiero po 1989 r  .
Tokens: 1___ 2_____ 3___ 4 5________ 6______ 7____ 8__ 9______ 10_____ 11 12__ 13 14

Chunks:

(ChunkerEvaluator) Sentence #13813 from articles/00107987 from sent84

Text  : Jak pisał historyk i znawca Lwowa Stanisław Nicieja , jedną z  przyczyn aresztowania aktora mogła być odmowa wyjazdu przez niego na tournée po Związku Radzieckim i  afiszowanie się szwajcarskim paszportem .
Tokens: 1__ 2____ 3_______ 4 5_____ 6____ 7________ 8______ 9 10___ 11 12______ 13__________ 14____ 15___ 16_ 17____ 18_____ 19___ 20___ 21 22_____ 23 24_____ 25________ 26 27_________ 28_ 29__________ 30________ 31

Chunks:
  TruePositive nam [6,6] = Lwowa
  TruePositive nam [7,8] = Stanisław Nicieja
  TruePositive nam [24,25] = Związku Radzieckim

(ChunkerEvaluator) Sentence #13814 from articles/00107987 from sent85

Text  : Według ustaleń Niciei Bodo został aresztowany 25 czerwca 1941 r  .  już po ataku Niemiec na ZSRR .
Tokens: 1_____ 2______ 3_____ 4___ 5_____ 6__________ 7_ 8______ 9___ 10 11 12_ 13 14___ 15_____ 16 17__ 18

Chunks:
  TruePositive nam [15,15] = Niemiec
  TruePositive nam [17,17] = ZSRR
  FalsePositive nam [3,4] = Niciei Bodo
  FalseNegative nam [3,3] = Niciei
  FalseNegative nam [4,4] = Bodo

(ChunkerEvaluator) Sentence #13815 from articles/00107987 from sent86

Text  : Po godzinie policyjnej zatrzymał go sowiecki patrol .
Tokens: 1_ 2_______ 3_________ 4________ 5_ 6_______ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #13816 from articles/00107987 from sent87

Text  : Zmarł 7 października 1943 r . w łagrze niedaleko Archangielska .
Tokens: 1____ 2 3___________ 4___ 5 6 7 8_____ 9________ 10___________ 11

Chunks:
  TruePositive nam [10,10] = Archangielska

(ChunkerEvaluator) Sentence #13817 from articles/00107987 from sent88

Text  : Na początku wojny , choć Bodo przebywał we wschodniej części Polski okupowanej przez ZSRR ,  kawiarnia przy Foksal nadal funkcjonowała pod jego imieniem .
Tokens: 1_ 2_______ 3____ 4 5___ 6___ 7________ 8_ 9_________ 10____ 11____ 12________ 13___ 14__ 15 16_______ 17__ 18____ 19___ 20___________ 21_ 22__ 23______ 24

Chunks:
  TruePositive nam [6,6] = Bodo
  TruePositive nam [11,11] = Polski
  TruePositive nam [14,14] = ZSRR
  TruePositive nam [18,18] = Foksal

(ChunkerEvaluator) Sentence #13818 from articles/00107987 from sent89

Text  : Wkrótce jednak przemianowano ją na Cyganerię , której szefowała Ola Oborska .
Tokens: 1______ 2_____ 3____________ 4_ 5_ 6________ 7 8_____ 9________ 10_ 11_____ 12

Chunks:
  TruePositive nam [6,6] = Cyganerię
  TruePositive nam [10,11] = Ola Oborska

(ChunkerEvaluator) Sentence #13819 from articles/00107987 from sent90

Text  : Organizowała koncerty pod dyrekcją Jerzego Lawiny Świętochowskiego , kompozytora i  piosenkarza .
Tokens: 1___________ 2_______ 3__ 4_______ 5______ 6_____ 7_______________ 8 9__________ 10 11_________ 12

Chunks:
  TruePositive nam [5,7] = Jerzego Lawiny Świętochowskiego

(ChunkerEvaluator) Sentence #13820 from articles/00107987 from sent91

Text  : W Cyganerii Świętochowski z Zygmuntem Rewkowskim założyli Duet Cyników .
Tokens: 1 2________ 3____________ 4 5________ 6_________ 7_______ 8___ 9______ 10

Chunks:
  TruePositive nam [5,6] = Zygmuntem Rewkowskim
  TruePositive nam [8,9] = Duet Cyników
  FalsePositive nam [2,3] = Cyganerii Świętochowski
  FalseNegative nam [2,2] = Cyganerii
  FalseNegative nam [3,3] = Świętochowski

(ChunkerEvaluator) Sentence #13821 from articles/00107987 from sent92

Text  : W 1940 r . kawiarnia została odremontowana , ponownie przez Galewskiego .
Tokens: 1 2___ 3 4 5________ 6______ 7____________ 8 9_______ 10___ 11_________ 12

Chunks:
  TruePositive nam [11,11] = Galewskiego

(ChunkerEvaluator) Sentence #13822 from articles/00107987 from sent93

Text  : Znów też powszechnie używano nazwy Café Bodo .
Tokens: 1___ 2__ 3__________ 4______ 5____ 6___ 7___ 8

Chunks:
  TruePositive nam [6,7] = Café Bodo

(ChunkerEvaluator) Sentence #13823 from articles/00107987 from sent94

Text  : „ Koncertowała orkiestra jazzowa .
Tokens: 1 2___________ 3________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #13824 from articles/00107987 from sent95

Text  : Na jakiś czas przytuliły się do tego lokalu znane aktorki teatralne i  filmowe ,  które później w  większym już gronie otworzyły lokal w  stylowym pałacyku w  Al .  Ujazdowskich ”  -  czytamy we „  Wspomnieniach o  warszawskich knajpach ”  Wiesława Wiernickiego .
Tokens: 1_ 2____ 3___ 4_________ 5__ 6_ 7___ 8_____ 9____ 10_____ 11_______ 12 13_____ 14 15___ 16_____ 17 18______ 19_ 20____ 21_______ 22___ 23 24______ 25______ 26 27 28 29__________ 30 31 32_____ 33 34 35___________ 36 37__________ 38______ 39 40______ 41__________ 42

Chunks:
  TruePositive nam [27,29] = Al . Ujazdowskich
  TruePositive nam [40,41] = Wiesława Wiernickiego
  FalseNegative nam [35,38] = Wspomnieniach o warszawskich knajpach

(ChunkerEvaluator) Sentence #13825 from articles/00107987 from sent96

Text  : Po Bodo Snob
Tokens: 1_ 2___ 3___

Chunks:
  TruePositive nam [2,3] = Bodo Snob

(ChunkerEvaluator) Sentence #13826 from articles/00107987 from sent97

Text  : Kamienica spłonęła częściowo w 1944 r .
Tokens: 1________ 2_______ 3________ 4 5___ 6 7

Chunks:

(ChunkerEvaluator) Sentence #13827 from articles/00107987 from sent98

Text  : Odbudowano ją już w 1948 r . według projektu inż .  Klausego .
Tokens: 1_________ 2_ 3__ 4 5___ 6 7 8_____ 9_______ 10_ 11 12______ 13

Chunks:
  FalseNegative nam [12,12] = Klausego

(ChunkerEvaluator) Sentence #13828 from articles/00107987 from sent99

Text  : Niestety , budynek utracił dwie ostatnie kondygnacje i częściowo wystrój .
Tokens: 1_______ 2 3______ 4______ 5___ 6_______ 7__________ 8 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #13829 from articles/00107987 from sent100

Text  : Resztę dekoracji architektonicznej wraz z efektownym balkonem usunięto w latach 60 .  XX w  .  ,  gdy na gładko wytynkowano fasadę .
Tokens: 1_____ 2________ 3________________ 4___ 5 6_________ 7_______ 8_______ 9 10____ 11 12 13 14 15 16 17_ 18 19____ 20_________ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #13830 from articles/00107987 from sent101

Text  : W budynku ulokował się Państwowy Instytut Wydawniczy .
Tokens: 1 2______ 3_______ 4__ 5________ 6_______ 7_________ 8

Chunks:
  TruePositive nam [5,7] = Państwowy Instytut Wydawniczy

(ChunkerEvaluator) Sentence #13831 from articles/00107987 from sent102

Text  : Przez jego siedzibę i działającą na parterze księgarnię przewinęli się chyba wszyscy powojenni poeci i  pisarze warszawscy .
Tokens: 1____ 2___ 3_______ 4 5_________ 6_ 7_______ 8_________ 9_________ 10_ 11___ 12_____ 13_______ 14___ 15 16_____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #13832 from articles/00107987 from sent103

Text  : Najsłynniejsza była mieszcząca się przy księgarni kawiarenka nazywana popularnie Café Snob .
Tokens: 1_____________ 2___ 3_________ 4__ 5___ 6________ 7_________ 8_______ 9_________ 10__ 11__ 12

Chunks:
  TruePositive nam [10,11] = Café Snob

(ChunkerEvaluator) Sentence #13833 from articles/00107987 from sent104

Text  : Maleńka , z kilkoma zaledwie stoliczkami pełniła rolę nieco podobną jak przed wojną kawiarnie literackie .
Tokens: 1______ 2 3 4______ 5_______ 6__________ 7______ 8___ 9____ 10_____ 11_ 12___ 13___ 14_______ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #13834 from articles/00107987 from sent105

Text  : I tu królował Antoni Słonimski .
Tokens: 1 2_ 3_______ 4_____ 5________ 6

Chunks:
  TruePositive nam [4,5] = Antoni Słonimski

(ChunkerEvaluator) Sentence #13835 from articles/00107987 from sent106

Text  : Cieszył się specjalnymi względami .
Tokens: 1______ 2__ 3__________ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #13836 from articles/00107987 from sent107

Text  : Gdy zamawiał kawę , bufetowa zawsze pamiętała o mleczku ,  a  w  tamtych latach był to ewenement .
Tokens: 1__ 2_______ 3___ 4 5_______ 6_____ 7________ 8 9______ 10 11 12 13_____ 14____ 15_ 16 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #13837 from articles/00107987 from sent108

Text  : Tylko w nielicznych warszawskich kawiarniach podawano do kawy mleko .
Tokens: 1____ 2 3__________ 4___________ 5__________ 6_______ 7_ 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #13838 from articles/00107987 from sent109

Text  : W połowie lat 60 . XX w . kawiarnia uchodziła za gniazdo rewizjonistów i  po marcu 1968 r  .  została zamknięta przez władze .
Tokens: 1 2______ 3__ 4_ 5 6_ 7 8 9________ 10_______ 11 12_____ 13___________ 14 15 16___ 17__ 18 19 20_____ 21_______ 22___ 23____ 24

Chunks:

(ChunkerEvaluator) Sentence #13839 from articles/00107987 from sent110

Text  : Odrodziła się kilka lat temu jako lokal Opasły Tom .
Tokens: 1________ 2__ 3____ 4__ 5___ 6___ 7____ 8_____ 9__ 10

Chunks:
  TruePositive nam [8,9] = Opasły Tom

(ChunkerEvaluator) Sentence #13840 from articles/00107987 from sent111

Text  : Jednak w budynku po kilkudziesięciu latach przestał istnieć sam PIW .
Tokens: 1_____ 2 3______ 4_ 5______________ 6_____ 7_______ 8______ 9__ 10_ 11

Chunks:
  TruePositive nam [10,10] = PIW

(ChunkerEvaluator) Sentence #13841 from articles/00107987 from sent112

Text  : Kolejny etap w dziejach kamienicy przeszedł do historii .
Tokens: 1______ 2___ 3 4_______ 5________ 6________ 7_ 8_______ 9

Chunks:

2016-10-27 15:00:22,634 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 602 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107988.xml
(ChunkerEvaluator) Sentence #13842 from articles/00107988 from sent1

Text  : Zaduszki Artystyczne w Kotłowni .
Tokens: 1_______ 2__________ 3 4_______ 5

Chunks:
  TruePositive nam [1,2] = Zaduszki Artystyczne
  TruePositive nam [4,4] = Kotłowni

(ChunkerEvaluator) Sentence #13843 from articles/00107988 from sent2

Text  : Gitarowy finał
Tokens: 1_______ 2____

Chunks:

(ChunkerEvaluator) Sentence #13844 from articles/00107988 from sent3

Text  : Będą filmy , fotografie i koncerty .
Tokens: 1___ 2____ 3 4_________ 5 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #13845 from articles/00107988 from sent4

Text  : Te ostatnie bluesowe , rockowe , a nawet zahaczające o  muzykę etniczną .
Tokens: 1_ 2_______ 3_______ 4 5______ 6 7 8____ 9__________ 10 11____ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #13846 from articles/00107988 from sent5

Text  : W klubie Kotłownia w piątek i sobotę trwać będą dwudniowe Zaduszki Artystyczne .
Tokens: 1 2_____ 3________ 4 5_____ 6 7_____ 8____ 9___ 10_______ 11______ 12_________ 13

Chunks:
  TruePositive nam [3,3] = Kotłownia
  TruePositive nam [11,12] = Zaduszki Artystyczne

(ChunkerEvaluator) Sentence #13847 from articles/00107988 from sent6

Text  : Dziś będzie o sztuce filmu i fotografii z muzycznym deserem na koniec .
Tokens: 1___ 2_____ 3 4_____ 5____ 6 7_________ 8 9________ 10_____ 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #13848 from articles/00107988 from sent7

Text  : O godz . 18 zaplanowano otwarcie zbiorowej wystawy fotograficznej kieleckich autorów „  Świętokrzyskie -  okolice bluesa ”  .
Tokens: 1 2___ 3 4_ 5__________ 6_______ 7________ 8______ 9_____________ 10________ 11_____ 12 13____________ 14 15_____ 16____ 17 18

Chunks:
  FalseNegative nam [13,16] = Świętokrzyskie - okolice bluesa

(ChunkerEvaluator) Sentence #13849 from articles/00107988 from sent8

Text  : Godzinę później wyświetlone zostaną filmy dokumentalne o życiu muzycznym w  Kielcach .
Tokens: 1______ 2______ 3__________ 4______ 5____ 6___________ 7 8____ 9________ 10 11______ 12

Chunks:
  TruePositive nam [11,11] = Kielcach

(ChunkerEvaluator) Sentence #13850 from articles/00107988 from sent9

Text  : Widzowie zobaczą między innymi relację z festiwalu Hasarapasa w 2010 roku oraz reportaże dziennikarza telewizyjnego Dominika Rakoczego .
Tokens: 1_______ 2______ 3_____ 4_____ 5______ 6 7________ 8_________ 9 10__ 11__ 12__ 13_______ 14__________ 15___________ 16______ 17_______ 18

Chunks:
  TruePositive nam [16,17] = Dominika Rakoczego
  FalseNegative nam [8,8] = Hasarapasa

(ChunkerEvaluator) Sentence #13851 from articles/00107988 from sent10

Text  : O 20 zaczną grać zespoły - między innymi Autoblues i  znany z  grupy Menomini wokalista Michał Zapała .
Tokens: 1 2_ 3_____ 4___ 5______ 6 7_____ 8_____ 9________ 10 11___ 12 13___ 14______ 15_______ 16____ 17____ 18

Chunks:
  TruePositive nam [16,17] = Michał Zapała
  FalseNegative nam [9,9] = Autoblues
  FalseNegative nam [14,14] = Menomini

(ChunkerEvaluator) Sentence #13852 from articles/00107988 from sent11

Text  : Jutro o godz . 18 kolejny wernisaż .
Tokens: 1____ 2 3___ 4 5_ 6______ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13853 from articles/00107988 from sent12

Text  : Tym razem swoje fotografie pokażą uczestnicy projektu młodzieżowego „ Drim tim blues ”  .
Tokens: 1__ 2____ 3____ 4_________ 5_____ 6_________ 7_______ 8____________ 9 10__ 11_ 12___ 13 14

Chunks:
  FalseNegative nam [10,12] = Drim tim blues

(ChunkerEvaluator) Sentence #13854 from articles/00107988 from sent13

Text  : O godz . 20 wystąpi wokalista Stiff , a gościnnie wspomagać go będzie na mikrofonie Sylwia Nadgrodkiewicz .
Tokens: 1 2___ 3 4_ 5______ 6________ 7____ 8 9 10_______ 11_______ 12 13____ 14 15________ 16____ 17____________ 18

Chunks:
  TruePositive nam [16,17] = Sylwia Nadgrodkiewicz
  FalseNegative nam [7,7] = Stiff

(ChunkerEvaluator) Sentence #13855 from articles/00107988 from sent14

Text  : Zaś godzinę później widzowie posłuchają wirtuoza gitary Piotra Resteckiego ,  któremu głosem akompaniować będzie Sylwia Gawłowska .
Tokens: 1__ 2______ 3______ 4_______ 5_________ 6_______ 7_____ 8_____ 9__________ 10 11_____ 12____ 13__________ 14____ 15____ 16_______ 17

Chunks:
  TruePositive nam [8,9] = Piotra Resteckiego
  TruePositive nam [15,16] = Sylwia Gawłowska

(ChunkerEvaluator) Sentence #13856 from articles/00107988 from sent15

Text  : Dwudniowe Zaduszki Artystyczne zakończy wspólne jam session muzyków .
Tokens: 1________ 2_______ 3__________ 4_______ 5______ 6__ 7______ 8______ 9

Chunks:
  TruePositive nam [2,3] = Zaduszki Artystyczne

(ChunkerEvaluator) Sentence #13857 from articles/00107988 from sent16

Text  : Zaduszki odbywać się będą w klubie Kotłownia przy ul .  Zbożowej 4  w  Kielcach .
Tokens: 1_______ 2______ 3__ 4___ 5 6_____ 7________ 8___ 9_ 10 11______ 12 13 14______ 15

Chunks:
  TruePositive nam [7,7] = Kotłownia
  TruePositive nam [11,11] = Zbożowej
  TruePositive nam [14,14] = Kielcach

(ChunkerEvaluator) Sentence #13858 from articles/00107988 from sent17

Text  : Bilety na każdy dzień kosztują 10 zł .
Tokens: 1_____ 2_ 3____ 4____ 5_______ 6_ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

2016-10-27 15:00:22,697 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 603 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107989.xml
(ChunkerEvaluator) Sentence #13859 from articles/00107989 from sent1

Text  : Małopolskie .
Tokens: 1__________ 2

Chunks:
  FalseNegative nam [1,1] = Małopolskie

(ChunkerEvaluator) Sentence #13860 from articles/00107989 from sent2

Text  : Ratownicy TOPR upamiętnili zmarłych kolegów
Tokens: 1________ 2___ 3__________ 4_______ 5______

Chunks:
  TruePositive nam [2,2] = TOPR

(ChunkerEvaluator) Sentence #13861 from articles/00107989 from sent3

Text  : Sześć tablic upamiętniających zmarłych ratowników górskich odsłonięto w piątek przy sanktuarium Maryjnym na Wiktorówkach w  Tatrach podczas obchodów Dnia Ratownika Tatrzańskiego .
Tokens: 1____ 2_____ 3_______________ 4_______ 5_________ 6_______ 7_________ 8 9_____ 10__ 11_________ 12______ 13 14__________ 15 16_____ 17_____ 18______ 19__ 20_______ 21___________ 22

Chunks:
  TruePositive nam [16,16] = Tatrach
  TruePositive nam [19,21] = Dnia Ratownika Tatrzańskiego
  FalsePositive nam [12,12] = Maryjnym
  FalseNegative nam [11,14] = sanktuarium Maryjnym na Wiktorówkach

(ChunkerEvaluator) Sentence #13862 from articles/00107989 from sent4

Text  : Dzień Ratownika Tatrzańskiego obchodzony jest co roku około 29 października czyli w  rocznicę powstania Tatrzańskiego Ochotniczego Pogotowia Ratunkowego (  TOPR )  ,  które założono w  1909 roku .
Tokens: 1____ 2________ 3____________ 4_________ 5___ 6_ 7___ 8____ 9_ 10__________ 11___ 12 13______ 14_______ 15___________ 16__________ 17_______ 18_________ 19 20__ 21 22 23___ 24______ 25 26__ 27__ 28

Chunks:
  TruePositive nam [1,3] = Dzień Ratownika Tatrzańskiego
  TruePositive nam [15,18] = Tatrzańskiego Ochotniczego Pogotowia Ratunkowego
  TruePositive nam [20,20] = TOPR

(ChunkerEvaluator) Sentence #13863 from articles/00107989 from sent5

Text  : Tego dnia tradycyjnie odbywa się spotkanie ratowników i ich przyjaciół .
Tokens: 1___ 2___ 3__________ 4_____ 5__ 6________ 7_________ 8 9__ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #13864 from articles/00107989 from sent6

Text  : Przy sanktuarium Matki Bożej Jaworzyńskiej na Wiktorówkach od wielu lat na murze umieszczane są tabliczki upamiętniające ludzi ,  którzy zginęli w  górach .
Tokens: 1___ 2__________ 3____ 4____ 5____________ 6_ 7___________ 8_ 9____ 10_ 11 12___ 13_________ 14 15_______ 16____________ 17___ 18 19____ 20_____ 21 22____ 23

Chunks:
  FalsePositive nam [3,5] = Matki Bożej Jaworzyńskiej
  FalseNegative nam [2,7] = sanktuarium Matki Bożej Jaworzyńskiej na Wiktorówkach

(ChunkerEvaluator) Sentence #13865 from articles/00107989 from sent7

Text  : W piątek odsłonięto kolejnych sześć tabliczek .
Tokens: 1 2_____ 3_________ 4________ 5____ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #13866 from articles/00107989 from sent8

Text  : Jedna z nich poświęcona jest zmarłemu w tym roku ratownikowi TOPR Józefowi Uznańskiemu ,  który podczas II wojny światowej zasłynął brawurową ucieczką przed Niemcami skacząc z  wagonika kolejki linowej pod szczytem Kasprowego Wierchu .
Tokens: 1____ 2 3___ 4_________ 5___ 6_______ 7 8__ 9___ 10_________ 11__ 12______ 13_________ 14 15___ 16_____ 17 18___ 19_______ 20______ 21_______ 22______ 23___ 24______ 25_____ 26 27______ 28_____ 29_____ 30_ 31______ 32________ 33_____ 34

Chunks:
  TruePositive nam [11,11] = TOPR
  TruePositive nam [12,13] = Józefowi Uznańskiemu
  TruePositive nam [17,19] = II wojny światowej
  TruePositive nam [24,24] = Niemcami
  TruePositive nam [32,33] = Kasprowego Wierchu

(ChunkerEvaluator) Sentence #13867 from articles/00107989 from sent9

Text  : Kolejne tabliczki poświęcone są wybitnym ratownikom : Mieczysławowi Kołodziejczykowi i  Rafałowi Mikiewiczowi oraz Piotrowi i  Jędrzejowi Malinowskim -  byłemu naczelnikowi TOPR i  jego synowi .
Tokens: 1______ 2________ 3_________ 4_ 5_______ 6_________ 7 8____________ 9_______________ 10 11______ 12__________ 13__ 14______ 15 16________ 17_________ 18 19____ 20__________ 21__ 22 23__ 24____ 25

Chunks:
  TruePositive nam [8,9] = Mieczysławowi Kołodziejczykowi
  TruePositive nam [11,12] = Rafałowi Mikiewiczowi
  TruePositive nam [14,14] = Piotrowi
  TruePositive nam [16,17] = Jędrzejowi Malinowskim
  TruePositive nam [21,21] = TOPR

(ChunkerEvaluator) Sentence #13868 from articles/00107989 from sent10

Text  : Szósta tabliczka upamiętnia młodego ratownika TOPR Pawła Nadybala , który zginął w  tym roku w  Słowenii podczas ratowania współuczestniczki spływu na górskiej rzece .
Tokens: 1_____ 2________ 3_________ 4______ 5________ 6___ 7____ 8_______ 9 10___ 11____ 12 13_ 14__ 15 16______ 17_____ 18_______ 19_______________ 20____ 21 22______ 23___ 24

Chunks:
  TruePositive nam [6,6] = TOPR
  TruePositive nam [7,8] = Pawła Nadybala
  TruePositive nam [16,16] = Słowenii

(ChunkerEvaluator) Sentence #13869 from articles/00107989 from sent11

Text  : " W ostatnich latach mieli śmy zły ciąg tragicznych zdarzeń ,  ponieważ zginęło kilku bardzo młodych ratowników .
Tokens: 1 2 3________ 4_____ 5____ 6__ 7__ 8___ 9__________ 10_____ 11 12______ 13_____ 14___ 15____ 16_____ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #13870 from articles/00107989 from sent12

Text  : Mam nadzieję , że przekażemy swoje wspomnienia o nich następnym pokoleniom "  -  powiedział naczelnik TOPR Jan Krzysztof .
Tokens: 1__ 2_______ 3 4_ 5_________ 6____ 7__________ 8 9___ 10_______ 11________ 12 13 14________ 15_______ 16__ 17_ 18_______ 19

Chunks:
  TruePositive nam [16,16] = TOPR
  TruePositive nam [17,18] = Jan Krzysztof

(ChunkerEvaluator) Sentence #13871 from articles/00107989 from sent13

Text  : Odsłonięcie pamiątkowych tabliczek poprzedziła uroczysta msza św . w sanktuarium na Wiktorówkach ,  które położone jest na wysokości 1200 m  n  .  p  .  m  .  ,  nieopodal Rusinowej Polany w  Tatrach .
Tokens: 1__________ 2___________ 3________ 4__________ 5________ 6___ 7_ 8 9 10_________ 11 12__________ 13 14___ 15______ 16__ 17 18_______ 19__ 20 21 22 23 24 25 26 27 28_______ 29_______ 30____ 31 32_____ 33

Chunks:
  TruePositive nam [29,30] = Rusinowej Polany
  TruePositive nam [32,32] = Tatrach
  FalsePositive nam [21,26] = n . p . m .
  FalseNegative nam [10,12] = sanktuarium na Wiktorówkach

(ChunkerEvaluator) Sentence #13872 from articles/00107989 from sent14

Text  : Zazwyczaj podczas Dnia Ratownika Tatrzańskiego odbywa się uroczysta przysięga nowych ratowników .
Tokens: 1________ 2______ 3___ 4________ 5____________ 6_____ 7__ 8________ 9________ 10____ 11________ 12

Chunks:
  TruePositive nam [3,5] = Dnia Ratownika Tatrzańskiego

(ChunkerEvaluator) Sentence #13873 from articles/00107989 from sent15

Text  : W tym roku jednak w szeregi TOPR-u nie wstąpił żaden nowy ratownik .
Tokens: 1 2__ 3___ 4_____ 5 6______ 7_____ 8__ 9______ 10___ 11__ 12______ 13

Chunks:
  TruePositive nam [7,7] = TOPR-u

(ChunkerEvaluator) Sentence #13874 from articles/00107989 from sent16

Text  : Tatrzańskie Ochotnicze Pogotowie Ratunkowe powstało w 1909 roku .
Tokens: 1__________ 2_________ 3________ 4________ 5_______ 6 7___ 8___ 9

Chunks:
  TruePositive nam [1,4] = Tatrzańskie Ochotnicze Pogotowie Ratunkowe

(ChunkerEvaluator) Sentence #13875 from articles/00107989 from sent17

Text  : Pomysłodawcami utworzenia tej organizacji ratowniczej byli taternik i żeglarz gen .  Mariusz Zaruski oraz wybitny kompozytor Mieczysław Karłowicz .
Tokens: 1_____________ 2_________ 3__ 4__________ 5__________ 6___ 7_______ 8 9______ 10_ 11 12_____ 13_____ 14__ 15_____ 16________ 17________ 18_______ 19

Chunks:
  TruePositive nam [12,13] = Mariusz Zaruski
  TruePositive nam [17,18] = Mieczysław Karłowicz

(ChunkerEvaluator) Sentence #13876 from articles/00107989 from sent18

Text  : Początkowo TOPR liczył 11 ratowników , do 1939 r .  było ich 50 .
Tokens: 1_________ 2___ 3_____ 4_ 5_________ 6 7_ 8___ 9 10 11__ 12_ 13 14

Chunks:
  TruePositive nam [2,2] = TOPR

(ChunkerEvaluator) Sentence #13877 from articles/00107989 from sent19

Text  : Dziś to nowoczesna , profesjonalna organizacja ratownicza licząca 240 zawodowych ratowników i  ochotników .
Tokens: 1___ 2_ 3_________ 4 5____________ 6__________ 7_________ 8______ 9__ 10________ 11________ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #13878 from articles/00107989 from sent20

Text  : Historia sanktuarium na Wiktorówkach - zwanego sanktuarium Matki Bożej Jaworzyńskiej lub Matki Bożej Królowej Tatr -  związana jest z  objawieniem się w  1860 roku w  tym miejscu Matki Bożej 14 -  letniej góralce Marysi Murzańskiej .
Tokens: 1_______ 2__________ 3_ 4___________ 5 6______ 7__________ 8____ 9____ 10___________ 11_ 12___ 13___ 14______ 15__ 16 17______ 18__ 19 20_________ 21_ 22 23__ 24__ 25 26_ 27_____ 28___ 29___ 30 31 32_____ 33_____ 34____ 35_________ 36

Chunks:
  TruePositive nam [12,15] = Matki Bożej Królowej Tatr
  TruePositive nam [28,29] = Matki Bożej
  TruePositive nam [34,35] = Marysi Murzańskiej
  FalsePositive nam [8,10] = Matki Bożej Jaworzyńskiej
  FalseNegative nam [2,4] = sanktuarium na Wiktorówkach
  FalseNegative nam [7,10] = sanktuarium Matki Bożej Jaworzyńskiej

(ChunkerEvaluator) Sentence #13879 from articles/00107989 from sent21

Text  : Maryja przekazała Marysi polecenie dla ludzi , by nie grzeszyli i  pokutowali za dawne winy .
Tokens: 1_____ 2_________ 3_____ 4________ 5__ 6____ 7 8_ 9__ 10_______ 11 12________ 13 14___ 15__ 16

Chunks:
  TruePositive nam [3,3] = Marysi
  FalseNegative nam [1,1] = Maryja

(ChunkerEvaluator) Sentence #13880 from articles/00107989 from sent22

Text  : W tym miejscu wzniesiono niewielką kapliczkę , a w 1936 roku wybudowano kościółek .
Tokens: 1 2__ 3______ 4_________ 5________ 6________ 7 8 9 10__ 11__ 12________ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #13881 from articles/00107989 from sent23

Text  : W 1975 roku ks . kardynał Karol Wojtyła powołał na Wiktorówkach Duszpasterstwo Turystyczne w  Tatrach .
Tokens: 1 2___ 3___ 4_ 5 6_______ 7____ 8______ 9______ 10 11__________ 12____________ 13_________ 14 15_____ 16

Chunks:
  TruePositive nam [7,8] = Karol Wojtyła
  TruePositive nam [15,15] = Tatrach
  FalsePositive nam [11,13] = Wiktorówkach Duszpasterstwo Turystyczne
  FalseNegative nam [11,11] = Wiktorówkach
  FalseNegative nam [12,13] = Duszpasterstwo Turystyczne

(ChunkerEvaluator) Sentence #13882 from articles/00107989 from sent24

Text  : W 1992 roku odbyła się uroczystość koronacji Królowej Tatr insygniami biskupimi .
Tokens: 1 2___ 3___ 4_____ 5__ 6__________ 7________ 8_______ 9___ 10________ 11_______ 12

Chunks:
  TruePositive nam [8,9] = Królowej Tatr

(ChunkerEvaluator) Sentence #13883 from articles/00107989 from sent25

Text  : W lipcu br . w tatrzańskim sanktuarium umieszczono relikwiarz z  krwią bł .  Jana Pawła II .  (  PAP )
Tokens: 1 2____ 3_ 4 5 6__________ 7__________ 8__________ 9_________ 10 11___ 12 13 14__ 15___ 16 17 18 19_ 20

Chunks:
  TruePositive nam [19,19] = PAP
  FalsePositive nam [14,17] = Jana Pawła II .
  FalseNegative nam [14,16] = Jana Pawła II

2016-10-27 15:00:22,830 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 604 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107992.xml
(ChunkerEvaluator) Sentence #13884 from articles/00107992 from sent1

Text  : A jednak !
Tokens: 1 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #13885 from articles/00107992 from sent2

Text  : Będzie budowa kolejki gondolowej
Tokens: 1_____ 2_____ 3______ 4_________

Chunks:

(ChunkerEvaluator) Sentence #13886 from articles/00107992 from sent3

Text  : Niestety , nie w Opolu , a we Wrocławiu .
Tokens: 1_______ 2 3__ 4 5____ 6 7 8_ 9________ 10

Chunks:
  TruePositive nam [5,5] = Opolu
  TruePositive nam [9,9] = Wrocławiu

(ChunkerEvaluator) Sentence #13887 from articles/00107992 from sent4

Text  : Napowietrzna kolej powstanie tam między Wybrzeżem Wyspiańskiego a ul .  Na Grobli -  donosi portal 24opole.pl .  Z  kolei w  „  Nowej Trybunie Opolskiej ”  czytamy ,  że mieszkańcy Kędzierzyna -  Koźla chcą u  siebie Wielkiego Brata .
Tokens: 1___________ 2____ 3________ 4__ 5_____ 6________ 7____________ 8 9_ 10 11 12____ 13 14____ 15____ 16________ 17 18 19___ 20 21 22___ 23______ 24_______ 25 26_____ 27 28 29________ 30_________ 31 32___ 33__ 34 35____ 36_______ 37___ 38

Chunks:
  TruePositive nam [16,16] = 24opole.pl
  TruePositive nam [22,24] = Nowej Trybunie Opolskiej
  TruePositive nam [30,32] = Kędzierzyna - Koźla
  TruePositive nam [36,37] = Wielkiego Brata
  FalsePositive nam [6,12] = Wybrzeżem Wyspiańskiego a ul . Na Grobli
  FalseNegative nam [6,7] = Wybrzeżem Wyspiańskiego
  FalseNegative nam [11,12] = Na Grobli

(ChunkerEvaluator) Sentence #13888 from articles/00107992 from sent5

Text  : O tym , że w Opolu ma powstać testowy odcinek kolejki ,  która usprawniła by komunikację miejską ,  głośno zrobiło się w  2007 roku .
Tokens: 1 2__ 3 4_ 5 6____ 7_ 8______ 9______ 10_____ 11_____ 12 13___ 14________ 15 16_________ 17_____ 18 19____ 20_____ 21_ 22 23__ 24__ 25

Chunks:
  TruePositive nam [6,6] = Opolu

(ChunkerEvaluator) Sentence #13889 from articles/00107992 from sent6

Text  : Miasto wydzierżawiło nawet jej pomysłodawcy teren przy ul . Wygonowej ,  by mógł tam sobie w  spokoju majsterkować .
Tokens: 1_____ 2____________ 3____ 4__ 5___________ 6____ 7___ 8_ 9 10_______ 11 12 13__ 14_ 15___ 16 17_____ 18__________ 19

Chunks:
  FalseNegative nam [10,10] = Wygonowej

(ChunkerEvaluator) Sentence #13890 from articles/00107992 from sent7

Text  : Ale od tamtej pory w sprawie gondoli jest cisza .
Tokens: 1__ 2_ 3_____ 4___ 5 6______ 7______ 8___ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #13891 from articles/00107992 from sent8

Text  : Tymczasem coś w tym kierunku zaczęło się dziać we Wrocławiu .
Tokens: 1________ 2__ 3 4__ 5_______ 6______ 7__ 8____ 9_ 10_______ 11

Chunks:
  TruePositive nam [10,10] = Wrocławiu

(ChunkerEvaluator) Sentence #13892 from articles/00107992 from sent9

Text  : 30 października tamtejsza politechnika podpisała umowę z firmą Doppelmayr ,  za sprawą której za jakiś czas wzdłuż Odry w  powietrzu będą kursować 15 -  osobowe gondole -  czytamy na 24opole.pl .  Opolanie wciąż muszą więc marzyć o  tym ,  że kiedyś zamiast stać w  korkach ,  będą mogli nad nimi poszybować .
Tokens: 1_ 2___________ 3________ 4___________ 5________ 6____ 7 8____ 9_________ 10 11 12____ 13____ 14 15___ 16__ 17____ 18__ 19 20_______ 21__ 22______ 23 24 25_____ 26_____ 27 28_____ 29 30________ 31 32______ 33___ 34___ 35__ 36____ 37 38_ 39 40 41____ 42_____ 43__ 44 45_____ 46 47__ 48___ 49_ 50__ 51________ 52

Chunks:
  TruePositive nam [18,18] = Odry
  TruePositive nam [30,30] = 24opole.pl
  FalsePositive nam [32,32] = Opolanie
  FalseNegative nam [9,9] = Doppelmayr

(ChunkerEvaluator) Sentence #13893 from articles/00107992 from sent10

Text  : Mieszkańcy Kędzierzyna - Koźla wymarzyli zaś sobie możliwość oglądania bezpośrednich transmisji z  dewastowania ich miasta .
Tokens: 1_________ 2__________ 3 4____ 5________ 6__ 7____ 8________ 9________ 10___________ 11________ 12 13__________ 14_ 15____ 16

Chunks:
  TruePositive nam [2,4] = Kędzierzyna - Koźla

(ChunkerEvaluator) Sentence #13894 from articles/00107992 from sent11

Text  : Chodzi o to , by - jak informuje „ Nowa Trybuna Opolska ”  -  obrazu z  miejskiego monitoringu nie musiał śledzić wyłącznie strażnik miejski ,  ale każdy ,  kto ma dostęp do internetu i  chce pomóc stróżom prawa w  wyłapywaniu agresywnych osobników .
Tokens: 1_____ 2 3_ 4 5_ 6 7__ 8________ 9 10__ 11_____ 12_____ 13 14 15____ 16 17________ 18_________ 19_ 20____ 21_____ 22_______ 23______ 24_____ 25 26_ 27___ 28 29_ 30 31____ 32 33_______ 34 35__ 36___ 37_____ 38___ 39 40_________ 41_________ 42_______ 43

Chunks:
  TruePositive nam [10,12] = Nowa Trybuna Opolska
  FalsePositive nam [33,33] = internetu

(ChunkerEvaluator) Sentence #13895 from articles/00107992 from sent12

Text  : Wszak kilka par oczu czujnie wpatrzonych w to , co transmitują kamery ,  to więcej niż dysponuje jeden strażnik .
Tokens: 1____ 2____ 3__ 4___ 5______ 6__________ 7 8_ 9 10 11_________ 12____ 13 14 15____ 16_ 17_______ 18___ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #13896 from articles/00107992 from sent13

Text  : Nie wspominając o tym , że a nuż przyuważy się kogoś znajomego na niekoniecznie dozwolonej zabawie .
Tokens: 1__ 2__________ 3 4__ 5 6_ 7 8__ 9________ 10_ 11___ 12_______ 13 14___________ 15________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #13897 from articles/00107992 from sent14

Text  : Radio Opole zastanawia się natomiast nad tym , czy Opolszczyzna nie będzie polskim zagłębiem sojowym .
Tokens: 1____ 2____ 3_________ 4__ 5________ 6__ 7__ 8 9__ 10__________ 11_ 12____ 13_____ 14_______ 15_____ 16

Chunks:
  TruePositive nam [10,10] = Opolszczyzna
  FalsePositive nam [2,2] = Opole
  FalseNegative nam [1,2] = Radio Opole

(ChunkerEvaluator) Sentence #13898 from articles/00107992 from sent15

Text  : Bo gdyby wprowadzić u nas uprawę soi na dużą skalę ,  to nie trzeba by sprowadzać soi modyfikowanej z  USA ,  a  i  zwierzęta nią karmione ponoć smakują lepiej .
Tokens: 1_ 2____ 3_________ 4 5__ 6_____ 7__ 8_ 9___ 10___ 11 12 13_ 14____ 15 16________ 17_ 18___________ 19 20_ 21 22 23 24_______ 25_ 26______ 27___ 28_____ 29____ 30

Chunks:
  TruePositive nam [20,20] = USA

(ChunkerEvaluator) Sentence #13899 from articles/00107992 from sent16

Text  : Na razie w tej kwestii prowadzone są badania , ale kto wie ,  czy niedługo pól rzepaku nie zastąpią pola soi .
Tokens: 1_ 2____ 3 4__ 5______ 6_________ 7_ 8______ 9 10_ 11_ 12_ 13 14_ 15______ 16_ 17_____ 18_ 19______ 20__ 21_ 22

Chunks:

2016-10-27 15:00:22,927 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 605 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107993.xml
(ChunkerEvaluator) Sentence #13900 from articles/00107993 from sent1

Text  : Warszawscy gimnazjaliści obejrzeli spektakl antynarkotykowy
Tokens: 1_________ 2____________ 3________ 4_______ 5______________

Chunks:

(ChunkerEvaluator) Sentence #13901 from articles/00107993 from sent2

Text  : Warszawskie gimnazja i szkoły średnie mogą zamawiać spektakl antynarkotykowy .
Tokens: 1__________ 2_______ 3 4_____ 5______ 6___ 7_______ 8_______ 9______________ 10

Chunks:

(ChunkerEvaluator) Sentence #13902 from articles/00107993 from sent3

Text  : Wczoraj w Młodzieżowym Dom Kultury na Woli zaprezentowano „ Drugą stronę cienia ”  .
Tokens: 1______ 2 3___________ 4__ 5______ 6_ 7___ 8_____________ 9 10___ 11____ 12____ 13 14

Chunks:
  TruePositive nam [3,5] = Młodzieżowym Dom Kultury
  TruePositive nam [7,7] = Woli
  FalseNegative nam [10,12] = Drugą stronę cienia

(ChunkerEvaluator) Sentence #13903 from articles/00107993 from sent4

Text  : krótko
Tokens: 1_____

Chunks:

(ChunkerEvaluator) Sentence #13904 from articles/00107993 from sent5

Text  : Na scenie o narkotykach
Tokens: 1_ 2_____ 3 4__________

Chunks:

(ChunkerEvaluator) Sentence #13905 from articles/00107993 from sent6

Text  : Dwaj dwudziestoparoletni kumple spotykają się na ulicy .
Tokens: 1___ 2__________________ 3_____ 4________ 5__ 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #13906 from articles/00107993 from sent7

Text  : Robert jest biznesmenem , Czarek , żebrząc , zbiera na „  towar ”  .
Tokens: 1_____ 2___ 3__________ 4 5_____ 6 7______ 8 9_____ 10 11 12___ 13 14

Chunks:
  TruePositive nam [1,1] = Robert
  TruePositive nam [5,5] = Czarek

(ChunkerEvaluator) Sentence #13907 from articles/00107993 from sent8

Text  : Zaczynają rozmawiać o narkotykach , które kiedyś cementowały ich znajomość .
Tokens: 1________ 2________ 3 4__________ 5 6____ 7_____ 8__________ 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #13908 from articles/00107993 from sent9

Text  : Taka jest treść spektaklu antynarkotykowego „ Druga strona cienia ”  ,  który obejrzeli wczoraj trzecioklasiści z  Gimnazjum nr 48 .
Tokens: 1___ 2___ 3____ 4________ 5________________ 6 7____ 8_____ 9_____ 10 11 12___ 13_______ 14_____ 15_____________ 16 17_______ 18 19 20

Chunks:
  FalsePositive nam [17,17] = Gimnazjum
  FalseNegative nam [7,9] = Druga strona cienia
  FalseNegative nam [17,19] = Gimnazjum nr 48

(ChunkerEvaluator) Sentence #13909 from articles/00107993 from sent10

Text  : - Myślę , że to pouczająca historia .
Tokens: 1 2____ 3 4_ 5_ 6_________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #13910 from articles/00107993 from sent11

Text  : Na szczęście nigdy nie miała m z takimi ludźmi kontaktu -  powiedziała nam Magda Głuchowska ,  gimnazjalistka .
Tokens: 1_ 2________ 3____ 4__ 5____ 6 7 8_____ 9_____ 10______ 11 12_________ 13_ 14___ 15________ 16 17____________ 18

Chunks:
  TruePositive nam [14,15] = Magda Głuchowska

(ChunkerEvaluator) Sentence #13911 from articles/00107993 from sent12

Text  : Przedstawienie przygotowali pracownicy Krakowskiego Ośrodka Programów Profilaktycznych , a zagrali aktorzy scen warszawskich .
Tokens: 1_____________ 2___________ 3_________ 4___________ 5______ 6________ 7_______________ 8 9 10_____ 11_____ 12__ 13__________ 14

Chunks:
  TruePositive nam [4,7] = Krakowskiego Ośrodka Programów Profilaktycznych

(ChunkerEvaluator) Sentence #13912 from articles/00107993 from sent13

Text  : - Spektakl jest częścią programu antynarkotykowego Arion - tłumaczy Monika Sarwińska z  KOPP .
Tokens: 1 2_______ 3___ 4______ 5_______ 6________________ 7____ 8 9_______ 10____ 11_______ 12 13__ 14

Chunks:
  TruePositive nam [7,7] = Arion
  TruePositive nam [10,11] = Monika Sarwińska
  FalseNegative nam [13,13] = KOPP

(ChunkerEvaluator) Sentence #13913 from articles/00107993 from sent14

Text  : - Ruszył we wrześniu ubiegłego roku w Krakowie z dobrym skutkiem .
Tokens: 1 2_____ 3_ 4_______ 5________ 6___ 7 8_______ 9 10____ 11______ 12

Chunks:
  TruePositive nam [8,8] = Krakowie

(ChunkerEvaluator) Sentence #13914 from articles/00107993 from sent15

Text  : Rozmawiamy teraz z warszawskimi dzielnicami - być może program będzie realizowany także w  stołecznych szkołach .
Tokens: 1_________ 2____ 3 4___________ 5__________ 6 7__ 8___ 9______ 10____ 11_________ 12___ 13 14_________ 15______ 16

Chunks:

2016-10-27 15:00:22,981 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 606 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107994.xml
(ChunkerEvaluator) Sentence #13915 from articles/00107994 from sent1

Text  : Lekkoatletyka .
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #13916 from articles/00107994 from sent2

Text  : Nowy Usain Bolt ?
Tokens: 1___ 2____ 3___ 4

Chunks:
  FalseNegative nam [2,3] = Usain Bolt

(ChunkerEvaluator) Sentence #13917 from articles/00107994 from sent3

Text  : 16 - letni Japończyk Yoshihide Kiryu bije rekordy szybkości
Tokens: 1_ 2 3____ 4________ 5________ 6____ 7___ 8______ 9________

Chunks:
  FalsePositive nam [4,6] = Japończyk Yoshihide Kiryu
  FalseNegative nam [4,4] = Japończyk
  FalseNegative nam [5,6] = Yoshihide Kiryu

(ChunkerEvaluator) Sentence #13918 from articles/00107994 from sent4

Text  : To może być następca Usaina Bolta !
Tokens: 1_ 2___ 3__ 4_______ 5_____ 6____ 7

Chunks:
  FalsePositive nam [5,7] = Usaina Bolta !
  FalseNegative nam [5,6] = Usaina Bolta

(ChunkerEvaluator) Sentence #13919 from articles/00107994 from sent5

Text  : 16 - letni Yoshide Kiryu przebiegł 100 metrów w czasie 10 ,  19 sek .
Tokens: 1_ 2 3____ 4______ 5____ 6________ 7__ 8_____ 9 10____ 11 12 13 14_ 15

Chunks:
  FalseNegative nam [4,5] = Yoshide Kiryu

(ChunkerEvaluator) Sentence #13920 from articles/00107994 from sent6

Text  : i ustanowił rekord świata w swojej kategorii wiekowej .
Tokens: 1 2________ 3_____ 4_____ 5 6_____ 7________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #13921 from articles/00107994 from sent7

Text  : W tym wieku wicemistrz olimpijski Yohan Blake biegał o 0  ,  14 sekundy wolniej .
Tokens: 1 2__ 3____ 4_________ 5_________ 6____ 7____ 8_____ 9 10 11 12 13_____ 14_____ 15

Chunks:
  TruePositive nam [6,7] = Yohan Blake

(ChunkerEvaluator) Sentence #13922 from articles/00107994 from sent8

Text  : A Bolt ?
Tokens: 1 2___ 3

Chunks:
  FalseNegative nam [2,2] = Bolt

(ChunkerEvaluator) Sentence #13923 from articles/00107994 from sent9

Text  : Gdy miał 16 lat jeszcze nie startował
Tokens: 1__ 2___ 3_ 4__ 5______ 6__ 7________

Chunks:

(ChunkerEvaluator) Sentence #13924 from articles/00107994 from sent10

Text  : Japończycy są pod wielkim wrażeniem talentu Kiryu .
Tokens: 1_________ 2_ 3__ 4______ 5________ 6______ 7____ 8

Chunks:
  FalseNegative nam [1,1] = Japończycy

(ChunkerEvaluator) Sentence #13925 from articles/00107994 from sent11

Text  : Młody lekkoatleta doczekał się już nawet przydomku „ Japoński Flash ”  .
Tokens: 1____ 2__________ 3_______ 4__ 5__ 6____ 7________ 8 9_______ 10___ 11 12

Chunks:
  FalsePositive nam [9,11] = Japoński Flash ”

(ChunkerEvaluator) Sentence #13926 from articles/00107994 from sent12

Text  : Ksywę zawdzięcza bohaterowi słynnego komiksu .
Tokens: 1____ 2_________ 3_________ 4_______ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #13927 from articles/00107994 from sent13

Text  : W miniony weekend nastolatek na zawodach w Fukuroi przebiegł „  setkę ”  w  10 ,  19 sek .
Tokens: 1 2______ 3______ 4_________ 5_ 6_______ 7 8______ 9________ 10 11___ 12 13 14 15 16 17_ 18

Chunks:
  TruePositive nam [8,8] = Fukuroi

(ChunkerEvaluator) Sentence #13928 from articles/00107994 from sent14

Text  : Taki czas dał by mu półfinał na igrzyskach w Londynie .
Tokens: 1___ 2___ 3__ 4_ 5_ 6_______ 7_ 8_________ 9 10______ 11

Chunks:
  TruePositive nam [10,10] = Londynie

(ChunkerEvaluator) Sentence #13929 from articles/00107994 from sent15

Text  : Nikt na świecie w jego wieku nie biegał nigdy szybciej .
Tokens: 1___ 2_ 3______ 4 5___ 6____ 7__ 8_____ 9____ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #13930 from articles/00107994 from sent16

Text  : Najwybitniejszy sprinter wszech czasów Usain Bolt , gdy miał 16 lat jeszcze nie startował .
Tokens: 1______________ 2_______ 3_____ 4_____ 5____ 6___ 7 8__ 9___ 10 11_ 12_____ 13_ 14_______ 15

Chunks:
  FalseNegative nam [5,6] = Usain Bolt

(ChunkerEvaluator) Sentence #13931 from articles/00107994 from sent17

Text  : Wolniej od Kiryu , który ustanowił przy okazji rekord kraju juniorów (  z  takim wynikiem zdobył by brązowy medal na ostatnich młodzieżowych mistrzostwach świata )  ,  biegał natomiast wicemistrz olimpijski z  Londynu Yohan Blake .
Tokens: 1______ 2_ 3____ 4 5____ 6________ 7___ 8_____ 9_____ 10___ 11______ 12 13 14___ 15______ 16____ 17 18_____ 19___ 20 21_______ 22___________ 23___________ 24____ 25 26 27____ 28_______ 29________ 30________ 31 32_____ 33___ 34___ 35

Chunks:
  FalsePositive nam [32,34] = Londynu Yohan Blake
  FalseNegative nam [3,3] = Kiryu
  FalseNegative nam [32,32] = Londynu
  FalseNegative nam [33,34] = Yohan Blake

(ChunkerEvaluator) Sentence #13932 from articles/00107994 from sent18

Text  : Jamajczyk w wieku 16 lat pokonał dystans 100 metrów w  czasie 10 ,  33 sek .
Tokens: 1________ 2 3____ 4_ 5__ 6______ 7______ 8__ 9_____ 10 11____ 12 13 14 15_ 16

Chunks:
  FalseNegative nam [1,1] = Jamajczyk

(ChunkerEvaluator) Sentence #13933 from articles/00107994 from sent19

Text  : Dotychczasowy rekord świata sprinterów do lat 17 należał do Amerykanina Rynella Parsona ,  który w  2007 roku przebiegł „  setkę ”  w  10 ,  23 sek .
Tokens: 1____________ 2_____ 3_____ 4_________ 5_ 6__ 7_ 8______ 9_ 10_________ 11_____ 12_____ 13 14___ 15 16__ 17__ 18_______ 19 20___ 21 22 23 24 25 26_ 27

Chunks:
  FalsePositive nam [10,12] = Amerykanina Rynella Parsona
  FalseNegative nam [10,10] = Amerykanina
  FalseNegative nam [11,12] = Rynella Parsona

(ChunkerEvaluator) Sentence #13934 from articles/00107994 from sent20

Text  : Rekord Jamajki w tej kategorii wiekowej należy za to do Jazeela Murphy'ego ,  a  jego wynik to 10 ,  27 sek .
Tokens: 1_____ 2______ 3 4__ 5________ 6_______ 7_____ 8_ 9_ 10 11_____ 12________ 13 14 15__ 16___ 17 18 19 20 21_ 22

Chunks:
  TruePositive nam [2,2] = Jamajki
  TruePositive nam [11,12] = Jazeela Murphy'ego

(ChunkerEvaluator) Sentence #13935 from articles/00107994 from sent21

Text  : Co ciekawe , przed sezonem najlepszym osiągnięciem Japończyka był czas 10 ,  58 sek .
Tokens: 1_ 2______ 3 4____ 5______ 6_________ 7___________ 8_________ 9__ 10__ 11 12 13 14_ 15

Chunks:
  TruePositive nam [8,8] = Japończyka

(ChunkerEvaluator) Sentence #13936 from articles/00107994 from sent22

Text  : Superszybki bieg w miniony weekend nie jest jednak jednorazowym wyskokiem .
Tokens: 1__________ 2___ 3 4______ 5______ 6__ 7___ 8_____ 9___________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #13937 from articles/00107994 from sent23

Text  : Na początku października pobiegł w nieoficjalnych zawodach zaledwie o 0  ,  02 sekundy wolniej .
Tokens: 1_ 2_______ 3___________ 4______ 5 6_____________ 7_______ 8_______ 9 10 11 12 13_____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #13938 from articles/00107994 from sent24

Text  : Nowy Usain Bolt ?
Tokens: 1___ 2____ 3___ 4

Chunks:
  FalseNegative nam [2,3] = Usain Bolt

(ChunkerEvaluator) Sentence #13939 from articles/00107994 from sent25

Text  : 16 - letni Japończyk Yoshihide Kiryu bije rekordy szybkości
Tokens: 1_ 2 3____ 4________ 5________ 6____ 7___ 8______ 9________

Chunks:
  FalsePositive nam [4,6] = Japończyk Yoshihide Kiryu
  FalseNegative nam [4,4] = Japończyk
  FalseNegative nam [5,6] = Yoshihide Kiryu

(ChunkerEvaluator) Sentence #13940 from articles/00107994 from sent26

Text  : To może być następca Usaina Bolta !
Tokens: 1_ 2___ 3__ 4_______ 5_____ 6____ 7

Chunks:
  FalsePositive nam [5,7] = Usaina Bolta !
  FalseNegative nam [5,6] = Usaina Bolta

(ChunkerEvaluator) Sentence #13941 from articles/00107994 from sent27

Text  : 16 - letni Japończyk Yoshide Kiryu przebiegł 100 metrów w  czasie 10 ,  19 s  i  ustanowił rekord świata w  swojej kategorii wiekowej
Tokens: 1_ 2 3____ 4________ 5______ 6____ 7________ 8__ 9_____ 10 11____ 12 13 14 15 16 17_______ 18____ 19____ 20 21____ 22_______ 23______

Chunks:
  FalsePositive nam [4,6] = Japończyk Yoshide Kiryu
  FalseNegative nam [4,4] = Japończyk
  FalseNegative nam [5,6] = Yoshide Kiryu

(ChunkerEvaluator) Sentence #13942 from articles/00107994 from sent28

Text  : To może być następca Usaina Bolta !
Tokens: 1_ 2___ 3__ 4_______ 5_____ 6____ 7

Chunks:
  FalsePositive nam [5,7] = Usaina Bolta !
  FalseNegative nam [5,6] = Usaina Bolta

(ChunkerEvaluator) Sentence #13943 from articles/00107994 from sent29

Text  : Podczas zawodów Fukoroi 16 - letni Yoshide Kiryu przebiegł 100 metrów w  czasie 10 ,  19 sek .
Tokens: 1______ 2______ 3______ 4_ 5 6____ 7______ 8____ 9________ 10_ 11____ 12 13____ 14 15 16 17_ 18

Chunks:
  FalsePositive nam [3,8] = Fukoroi 16 - letni Yoshide Kiryu
  FalseNegative nam [3,3] = Fukoroi
  FalseNegative nam [7,8] = Yoshide Kiryu

(ChunkerEvaluator) Sentence #13944 from articles/00107994 from sent30

Text  : i ustanowił rekord świata w swojej kategorii wiekowej .
Tokens: 1 2________ 3_____ 4_____ 5 6_____ 7________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #13945 from articles/00107994 from sent31

Text  : Ten rezultat dał by mu półfinał na igrzyskach w Londynie .
Tokens: 1__ 2_______ 3__ 4_ 5_ 6_______ 7_ 8_________ 9 10______ 11

Chunks:
  TruePositive nam [10,10] = Londynie

(ChunkerEvaluator) Sentence #13946 from articles/00107994 from sent32

Text  : W tym wieku wicemistrz olimpijski Yohan Blake biegał o 0  ,  14 sekundy wolniej .
Tokens: 1 2__ 3____ 4_________ 5_________ 6____ 7____ 8_____ 9 10 11 12 13_____ 14_____ 15

Chunks:
  TruePositive nam [6,7] = Yohan Blake

(ChunkerEvaluator) Sentence #13947 from articles/00107994 from sent33

Text  : A Bolt ?
Tokens: 1 2___ 3

Chunks:
  FalseNegative nam [2,2] = Bolt

(ChunkerEvaluator) Sentence #13948 from articles/00107994 from sent34

Text  : Gdy miał 16 lat jeszcze nie startował .
Tokens: 1__ 2___ 3_ 4__ 5______ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #13949 from articles/00107994 from sent35

Text  : Japończycy są pod wielkim wrażeniem talentu Kiryu .
Tokens: 1_________ 2_ 3__ 4______ 5________ 6______ 7____ 8

Chunks:
  FalseNegative nam [1,1] = Japończycy
  FalseNegative nam [7,7] = Kiryu

(ChunkerEvaluator) Sentence #13950 from articles/00107994 from sent36

Text  : Młody lekkoatleta doczekał się już nawet przydomku " Japoński Flash "  .
Tokens: 1____ 2__________ 3_______ 4__ 5__ 6____ 7________ 8 9_______ 10___ 11 12

Chunks:
  TruePositive nam [9,10] = Japoński Flash

(ChunkerEvaluator) Sentence #13951 from articles/00107994 from sent37

Text  : Ksywę zawdzięcza bohaterowi słynnego komiksu Flashowi Gordonowi , który był szybki jak błyskawica .
Tokens: 1____ 2_________ 3_________ 4_______ 5______ 6_______ 7________ 8 9____ 10_ 11____ 12_ 13________ 14

Chunks:
  TruePositive nam [6,7] = Flashowi Gordonowi

(ChunkerEvaluator) Sentence #13952 from articles/00107994 from sent38

Text  : Dotychczasowy rekord świata sprinterów do lat 17 należał do Amerykanina Rynella Parsona ,  który w  2007 roku przebiegł "  setkę "  w  10 ,  23 s  .
Tokens: 1____________ 2_____ 3_____ 4_________ 5_ 6__ 7_ 8______ 9_ 10_________ 11_____ 12_____ 13 14___ 15 16__ 17__ 18_______ 19 20___ 21 22 23 24 25 26 27

Chunks:
  FalsePositive nam [10,12] = Amerykanina Rynella Parsona
  FalseNegative nam [10,10] = Amerykanina
  FalseNegative nam [11,12] = Rynella Parsona

(ChunkerEvaluator) Sentence #13953 from articles/00107994 from sent39

Text  : Rekord Jamajki w tej kategorii wiekowej należy za to do Jazeela Murphy'ego ,  a  jego wynik to 10 ,  27 sek .
Tokens: 1_____ 2______ 3 4__ 5________ 6_______ 7_____ 8_ 9_ 10 11_____ 12________ 13 14 15__ 16___ 17 18 19 20 21_ 22

Chunks:
  TruePositive nam [2,2] = Jamajki
  TruePositive nam [11,12] = Jazeela Murphy'ego

(ChunkerEvaluator) Sentence #13954 from articles/00107994 from sent40

Text  : Co ciekawe , przed sezonem najlepszym osiągnięciem Japończyka był czas 10 ,  58 sek .
Tokens: 1_ 2______ 3 4____ 5______ 6_________ 7___________ 8_________ 9__ 10__ 11 12 13 14_ 15

Chunks:
  TruePositive nam [8,8] = Japończyka

(ChunkerEvaluator) Sentence #13955 from articles/00107994 from sent41

Text  : Superszybki bieg w miniony weekend nie jest jednak jednorazowym wyskokiem .
Tokens: 1__________ 2___ 3 4______ 5______ 6__ 7___ 8_____ 9___________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #13956 from articles/00107994 from sent42

Text  : Na początku października pobiegł w nieoficjalnych zawodach zaledwie o 0  ,  02 sekundy wolniej .
Tokens: 1_ 2_______ 3___________ 4______ 5 6_____________ 7_______ 8_______ 9 10 11 12 13_____ 14_____ 15

Chunks:

2016-10-27 15:00:23,128 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 607 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107995.xml
(ChunkerEvaluator) Sentence #13957 from articles/00107995 from sent1

Text  : Sprzedaż dyskontowej sieci Textilmarket wzrosła o 23 proc .
Tokens: 1_______ 2__________ 3____ 4___________ 5______ 6 7_ 8___ 9

Chunks:
  FalseNegative nam [4,4] = Textilmarket

(ChunkerEvaluator) Sentence #13958 from articles/00107995 from sent2

Text  : Grupa Kapitałowa Redan narastająco po 9 miesiącach br . miała skonsolidowane przychody ze sprzedaży na poziomie 302 ,  9  mln zł .
Tokens: 1____ 2_________ 3____ 4__________ 5_ 6 7_________ 8_ 9 10___ 11____________ 12_______ 13 14_______ 15 16______ 17_ 18 19 20_ 21 22

Chunks:
  TruePositive nam [1,3] = Grupa Kapitałowa Redan
  TruePositive nam [21,21] = zł

(ChunkerEvaluator) Sentence #13959 from articles/00107995 from sent3

Text  : Oznacza to 16 - proc . wzrost sprzedaży względem porównywalnego okresu 2011 r  .
Tokens: 1______ 2_ 3_ 4 5___ 6 7_____ 8________ 9_______ 10____________ 11____ 12__ 13 14

Chunks:

(ChunkerEvaluator) Sentence #13960 from articles/00107995 from sent4

Text  : Wypracowana w tym czasie marża handlowa była na poziomie 43 proc .  ,  czyli o  ponad 1  p  .  p  .  niższa w  porównaniu do roku wcześniejszego .
Tokens: 1__________ 2 3__ 4_____ 5____ 6_______ 7___ 8_ 9_______ 10 11__ 12 13 14___ 15 16___ 17 18 19 20 21 22____ 23 24________ 25 26__ 27____________ 28

Chunks:

(ChunkerEvaluator) Sentence #13961 from articles/00107995 from sent5

Text  : Wielkość skonsolidowanych przychodów ze sprzedaży zrealizowanych przez Redan we wrześniu 2012 r  .  wyniosła 37 ,  7  mln zł i  była o  27 proc .  wyższa w  porównaniu do osiągniętych w  tym samym okresie roku poprzedniego .
Tokens: 1_______ 2_______________ 3_________ 4_ 5________ 6_____________ 7____ 8____ 9_ 10______ 11__ 12 13 14______ 15 16 17 18_ 19 20 21__ 22 23 24__ 25 26____ 27 28________ 29 30__________ 31 32_ 33___ 34_____ 35__ 36__________ 37

Chunks:
  TruePositive nam [8,8] = Redan
  TruePositive nam [19,19] = zł

(ChunkerEvaluator) Sentence #13962 from articles/00107995 from sent6

Text  : Szacunkowa wielkość skonsolidowanej marży handlowej we wrześniu 2012 r .  wyniosła 44 proc .  i  była niższa od marży zrealizowanej we wrześniu ubiegłego roku o  ponad 4  pp .
Tokens: 1_________ 2_______ 3______________ 4____ 5________ 6_ 7_______ 8___ 9 10 11______ 12 13__ 14 15 16__ 17____ 18 19___ 20___________ 21 22______ 23_______ 24__ 25 26___ 27 28 29

Chunks:

(ChunkerEvaluator) Sentence #13963 from articles/00107995 from sent7

Text  : Sprzedaż sieci dyskontowej TextilMarket we wrześniu 2012 r . wzrosła o  23 proc .  r  .  /  r  .  i  wyniosła 21 mln zł .
Tokens: 1_______ 2____ 3__________ 4___________ 5_ 6_______ 7___ 8 9 10_____ 11 12 13__ 14 15 16 17 18 19 20 21______ 22 23_ 24 25

Chunks:
  TruePositive nam [24,24] = zł
  FalseNegative nam [4,4] = TextilMarket

(ChunkerEvaluator) Sentence #13964 from articles/00107995 from sent8

Text  : Narastająco po 9 miesiącach br . poziom sprzedaży wzrósł o  17 proc .  w  porównaniu do tego okresu 2011 r  .  i  osiągnął 158 ,  1  mln zł .
Tokens: 1__________ 2_ 3 4_________ 5_ 6 7_____ 8________ 9_____ 10 11 12__ 13 14 15________ 16 17__ 18____ 19__ 20 21 22 23______ 24_ 25 26 27_ 28 29

Chunks:
  TruePositive nam [28,28] = zł

(ChunkerEvaluator) Sentence #13965 from articles/00107995 from sent9

Text  : Natomiast szacunkowa marża handlowa w okresie styczeń - wrzesień 2012 wyniosła 39 proc .  ,  czyli o  1  p  .  p  .  więcej niż przed rokiem .
Tokens: 1________ 2_________ 3____ 4_______ 5 6______ 7______ 8 9_______ 10__ 11______ 12 13__ 14 15 16___ 17 18 19 20 21 22 23____ 24_ 25___ 26____ 27

Chunks:

(ChunkerEvaluator) Sentence #13966 from articles/00107995 from sent10

Text  : - Największym wyzwaniem od początku roku w sieci TextilMarket jest uzyskanie wyższej dynamiki wzrostu sprzedaży niż przyrostu powierzchni sklepów -  powiedział Bogusz Kruszyński ,  wiceprezes zarządu Redan SA .
Tokens: 1 2__________ 3________ 4_ 5_______ 6___ 7 8____ 9___________ 10__ 11_______ 12_____ 13______ 14_____ 15_______ 16_ 17_______ 18_________ 19_____ 20 21________ 22____ 23________ 24 25________ 26_____ 27___ 28 29

Chunks:
  TruePositive nam [9,9] = TextilMarket
  TruePositive nam [22,23] = Bogusz Kruszyński
  FalsePositive nam [27,28] = Redan SA
  FalseNegative nam [27,29] = Redan SA .

(ChunkerEvaluator) Sentence #13967 from articles/00107995 from sent11

Text  : - We wrześniu osiągnęli śmy to , lecz nie oceniamy ,  aby był to znak trwałej zmiany tendencji .
Tokens: 1 2_ 3_______ 4________ 5__ 6_ 7 8___ 9__ 10______ 11 12_ 13_ 14 15__ 16_____ 17____ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #13968 from articles/00107995 from sent12

Text  : Sieć Textilmarket na koniec sierpnia składała się z 278 sklepów własnych o  łącznej powierzchni 61 ,  4  tys .  mkw .  ,  co oznacza 19 -  proc .  przyrost powierzchni handlowej r  .  /  r  .
Tokens: 1___ 2___________ 3_ 4_____ 5_______ 6_______ 7__ 8 9__ 10_____ 11______ 12 13_____ 14_________ 15 16 17 18_ 19 20_ 21 22 23 24_____ 25 26 27__ 28 29______ 30_________ 31_______ 32 33 34 35 36

Chunks:
  FalseNegative nam [2,2] = Textilmarket

(ChunkerEvaluator) Sentence #13969 from articles/00107995 from sent13

Text  : We wrześniu wartość sprzedaży Grupy Redan w segmencie fashion wyniosła 16 ,  7  mln zł i  wzrosła o  34 proc .  r  .  /  r  .
Tokens: 1_ 2_______ 3______ 4________ 5____ 6____ 7 8________ 9______ 10______ 11 12 13 14_ 15 16 17_____ 18 19 20__ 21 22 23 24 25 26

Chunks:
  TruePositive nam [5,6] = Grupy Redan
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #13970 from articles/00107995 from sent14

Text  : Narastająco sprzedaż sektora modowego za 9 miesięcy wyniosła 144 ,  8  mln zł i  wzrosła o  15 proc .
Tokens: 1__________ 2_______ 3______ 4_______ 5_ 6 7_______ 8_______ 9__ 10 11 12_ 13 14 15_____ 16 17 18__ 19

Chunks:
  FalsePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #13971 from articles/00107995 from sent15

Text  : Szacunkowa wielkość marży handlowej w tych miesiącach wyniosła 48 proc .  ,  co w  ujęciu r  .  /  r  .  oznacza poziom o  4  p  .  p  .  niższy od roku poprzedniego .
Tokens: 1_________ 2_______ 3____ 4________ 5 6___ 7_________ 8_______ 9_ 10__ 11 12 13 14 15____ 16 17 18 19 20 21_____ 22____ 23 24 25 26 27 28 29____ 30 31__ 32__________ 33

Chunks:

(ChunkerEvaluator) Sentence #13972 from articles/00107995 from sent16

Text  : Natomiast marża handlowa wypracowana we wrześniu br . jest o  12 proc .  niższa niż osiągnięta we wrześniu 2011 r  .
Tokens: 1________ 2____ 3_______ 4__________ 5_ 6_______ 7_ 8 9___ 10 11 12__ 13 14____ 15_ 16________ 17 18______ 19__ 20 21

Chunks:

(ChunkerEvaluator) Sentence #13973 from articles/00107995 from sent17

Text  : - Wysoka dynamika sprzedaży w części modowej wynika z niskiego poziomu osiągniętego w  tym segmencie w  roku poprzednim -  powiedział Bogusz Kruszyński .
Tokens: 1 2_____ 3_______ 4________ 5 6_____ 7______ 8_____ 9 10______ 11_____ 12__________ 13 14_ 15_______ 16 17__ 18________ 19 20________ 21____ 22________ 23

Chunks:
  TruePositive nam [21,22] = Bogusz Kruszyński

(ChunkerEvaluator) Sentence #13974 from articles/00107995 from sent18

Text  : - Negatywny wpływ na wynik fashion ma znaczny spadek marży procentowej .
Tokens: 1 2________ 3____ 4_ 5____ 6______ 7_ 8______ 9_____ 10___ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #13975 from articles/00107995 from sent19

Text  : Jest on efektem m . in . dostępnej jeszcze we wrześniu wyprzedaży oferty wiosenno -  letniej ,  ale przede wszystkim byli śmy zmuszeni obniżać ceny w  celu stymulacji sprzedaży kolekcji jesień /  zima ,  która była kolekcją lepszą jakościowo ,  czyli droższą w  zakupie ,  ale klienci nie zaakceptowali zaproponowanych przez nas wyższych cen sprzedaży .
Tokens: 1___ 2_ 3______ 4 5 6_ 7 8________ 9______ 10 11______ 12________ 13____ 14______ 15 16_____ 17 18_ 19____ 20_______ 21__ 22_ 23______ 24_____ 25__ 26 27__ 28________ 29_______ 30______ 31____ 32 33__ 34 35___ 36__ 37______ 38____ 39________ 40 41___ 42_____ 43 44_____ 45 46_ 47_____ 48_ 49___________ 50_____________ 51___ 52_ 53______ 54_ 55_______ 56

Chunks:

(ChunkerEvaluator) Sentence #13976 from articles/00107995 from sent20

Text  : W sieci sprzedaży marek modowych : Top Secret , Troll i  Drywash w  Polsce i  za granicą na koniec sierpnia funkcjonowało 220 sklepów własnych i  franczyzowych o  łącznej powierzchni 35 ,  1  tys .  mkw .  ,  co oznacza wzrost powierzchni handlowej o  15 proc .  r  /  r  .
Tokens: 1 2____ 3________ 4____ 5_______ 6 7__ 8_____ 9 10___ 11 12_____ 13 14____ 15 16 17_____ 18 19____ 20______ 21___________ 22_ 23_____ 24______ 25 26___________ 27 28_____ 29_________ 30 31 32 33_ 34 35_ 36 37 38 39_____ 40____ 41_________ 42_______ 43 44 45__ 46 47 48 49 50

Chunks:
  TruePositive nam [7,8] = Top Secret
  TruePositive nam [10,10] = Troll
  TruePositive nam [14,14] = Polsce
  FalseNegative nam [12,12] = Drywash

2016-10-27 15:00:23,393 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 608 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107996.xml
(ChunkerEvaluator) Sentence #13977 from articles/00107996 from sent1

Text  : Jak zostać adminem Sport.pl na Facebooku ?
Tokens: 1__ 2_____ 3______ 4_______ 5_ 6________ 7

Chunks:
  TruePositive nam [4,4] = Sport.pl
  FalseNegative nam [6,6] = Facebooku

(ChunkerEvaluator) Sentence #13978 from articles/00107996 from sent2

Text  : Najczęściej zadawane pytania [ FAQ ]
Tokens: 1__________ 2_______ 3______ 4 5__ 6

Chunks:

(ChunkerEvaluator) Sentence #13979 from articles/00107996 from sent3

Text  : Mamy już prawie sto tysięcy fanów na Facebooku i z  tej okazji chcemy oddać go w  Wasze ręce .
Tokens: 1___ 2__ 3_____ 4__ 5______ 6____ 7_ 8________ 9 10 11_ 12____ 13____ 14___ 15 16 17___ 18__ 19

Chunks:
  FalseNegative nam [8,8] = Facebooku

(ChunkerEvaluator) Sentence #13980 from articles/00107996 from sent4

Text  : Nasza akcja wzbudziła spore zainteresowanie - odpowiadamy na najczęściej pojawiające się pytania .
Tokens: 1____ 2____ 3________ 4____ 5______________ 6 7__________ 8_ 9__________ 10_________ 11_ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #13981 from articles/00107996 from sent5

Text  : A jak to wyglądało by czasowo ?
Tokens: 1 2__ 3_ 4________ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #13982 from articles/00107996 from sent6

Text  : Jest możliwość pracy part - time ?
Tokens: 1___ 2________ 3____ 4___ 5 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #13983 from articles/00107996 from sent7

Text  : Zobaczymy .
Tokens: 1________ 2

Chunks:

(ChunkerEvaluator) Sentence #13984 from articles/00107996 from sent8

Text  : Na pewno nie szukamy osoby , która będzie prowadzić walla Sport.pl przez tydzień 24 godziny na dobę .
Tokens: 1_ 2____ 3__ 4______ 5____ 6 7____ 8_____ 9________ 10___ 11______ 12___ 13_____ 14 15_____ 16 17__ 18

Chunks:
  TruePositive nam [11,11] = Sport.pl

(ChunkerEvaluator) Sentence #13985 from articles/00107996 from sent9

Text  : Szukamy przede wszystkich błyskotliwych i dowcipnych osób z dużą wiedzą o  sporcie .
Tokens: 1______ 2_____ 3_________ 4____________ 5 6_________ 7___ 8 9___ 10____ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #13986 from articles/00107996 from sent10

Text  : Istnieje oczywiście możliwość ułożenia elastycznego grafika , który będzie Wam pozwalał na wykonywanie Waszej pracy ,  nauki ,  pasji itp .
Tokens: 1_______ 2_________ 3________ 4_______ 5___________ 6______ 7 8____ 9_____ 10_ 11______ 12 13_________ 14____ 15___ 16 17___ 18 19___ 20_ 21

Chunks:
  FalsePositive nam [10,10] = Wam

(ChunkerEvaluator) Sentence #13987 from articles/00107996 from sent11

Text  : Jak dużo trzeba dodawać tych postów ?
Tokens: 1__ 2___ 3_____ 4______ 5___ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #13988 from articles/00107996 from sent12

Text  : Nie , nie wymagamy , żeby ście spamowali sobie profile przez tydzień .
Tokens: 1__ 2 3__ 4_______ 5 6___ 7___ 8________ 9____ 10_____ 11___ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #13989 from articles/00107996 from sent13

Text  : Nie będziemy wchodzić na profile , chcemy mieć przesłany skan ,  czyli zrzut z  ekranu .
Tokens: 1__ 2_______ 3_______ 4_ 5______ 6 7_____ 8___ 9________ 10__ 11 12___ 13___ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #13990 from articles/00107996 from sent14

Text  : Pewnie nie zmieści się tam więcej niż 3 - 5  postów .
Tokens: 1_____ 2__ 3______ 4__ 5__ 6_____ 7__ 8 9 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #13991 from articles/00107996 from sent15

Text  : Na tej podstawie będziemy oceniać zgłoszenia .
Tokens: 1_ 2__ 3________ 4_______ 5______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #13992 from articles/00107996 from sent16

Text  : Może to być ciąg relacji z jednego meczu , albo niezależne wpisy .
Tokens: 1___ 2_ 3__ 4___ 5______ 6 7______ 8____ 9 10__ 11________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #13993 from articles/00107996 from sent17

Text  : Z linkami albo bez , z fotkami albo bez .
Tokens: 1 2______ 3___ 4__ 5 6 7______ 8___ 9__ 10

Chunks:

(ChunkerEvaluator) Sentence #13994 from articles/00107996 from sent18

Text  : Ile osób może wygrać ten konkurs ?
Tokens: 1__ 2___ 3___ 4_____ 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #13995 from articles/00107996 from sent19

Text  : Nie ustalili śmy żadnego limitu , jeśli zachwyci nas 50 osób -  to damy im szansę ,  ale może się też tak zdarzyć (  w  co raczej wątpimy )  ,  że nie znajdziemy nikogo odpowiedniego .
Tokens: 1__ 2_______ 3__ 4______ 5_____ 6 7____ 8_______ 9__ 10 11__ 12 13 14__ 15 16____ 17 18_ 19__ 20_ 21_ 22_ 23_____ 24 25 26 27____ 28_____ 29 30 31 32_ 33________ 34____ 35___________ 36

Chunks:

(ChunkerEvaluator) Sentence #13996 from articles/00107996 from sent20

Text  : Czy mogę wysłać opis , relacje napisaną w Wordzie ?
Tokens: 1__ 2___ 3_____ 4___ 5 6______ 7_______ 8 9______ 10

Chunks:
  TruePositive nam [9,9] = Wordzie

(ChunkerEvaluator) Sentence #13997 from articles/00107996 from sent21

Text  : Nie , nie chodzi nam o relację napisaną w Wordzie .
Tokens: 1__ 2 3__ 4_____ 5__ 6 7______ 8_______ 9 10_____ 11

Chunks:
  TruePositive nam [10,10] = Wordzie

(ChunkerEvaluator) Sentence #13998 from articles/00107996 from sent22

Text  : Chodzi nam o pokazanie , na przykładzie Waszych profili ,  jak prowadzili by ście profil Sport.pl na Facebooku .
Tokens: 1_____ 2__ 3 4________ 5 6_ 7__________ 8______ 9______ 10 11_ 12________ 13 14__ 15____ 16______ 17 18_______ 19

Chunks:
  TruePositive nam [16,16] = Sport.pl
  FalseNegative nam [18,18] = Facebooku

(ChunkerEvaluator) Sentence #13999 from articles/00107996 from sent23

Text  : Słyszał em o konkursie , co mam zrobić , aby móc sprawdzić się jako administrator ?
Tokens: 1______ 2_ 3 4________ 5 6_ 7__ 8_____ 9 10_ 11_ 12_______ 13_ 14__ 15___________ 16

Chunks:

(ChunkerEvaluator) Sentence #14000 from articles/00107996 from sent24

Text  : Poprowadzić , przez jeden wybrany dzień w czasie trwania naszej akcji ,  swój profil na Facebooku tak ,  jak prowadził (  a  )  by ś  profil Sport.pl .  Może to być minirelacja z  jakiegoś wydarzenia sportowego ,  mogą to być same statusy ,  bądź statusy ze zdjęciami lub linkami .
Tokens: 1__________ 2 3____ 4____ 5______ 6____ 7 8_____ 9______ 10____ 11___ 12 13__ 14____ 15 16_______ 17_ 18 19_ 20_______ 21 22 23 24 25 26____ 27______ 28 29__ 30 31_ 32_________ 33 34______ 35________ 36________ 37 38__ 39 40_ 41__ 42_____ 43 44__ 45_____ 46 47_______ 48_ 49_____ 50

Chunks:
  TruePositive nam [27,27] = Sport.pl
  FalseNegative nam [16,16] = Facebooku

(ChunkerEvaluator) Sentence #14001 from articles/00107996 from sent25

Text  : Potem robisz printscreen ( zrzut z ekranu ) ze swojego walla (  lub osi czasu )  i  wysyłasz nam ma adres facebook _  sport _  pl @  gazeta .  pl .
Tokens: 1____ 2_____ 3__________ 4 5____ 6 7_____ 8 9_ 10_____ 11___ 12 13_ 14_ 15___ 16 17 18______ 19_ 20 21___ 22______ 23 24___ 25 26 27 28____ 29 30 31

Chunks:
  FalsePositive nam [28,30] = gazeta . pl
  FalseNegative nam [22,30] = facebook _ sport _ pl @ gazeta . pl

(ChunkerEvaluator) Sentence #14002 from articles/00107996 from sent26

Text  : Ile płacicie ?
Tokens: 1__ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #14003 from articles/00107996 from sent27

Text  : Wygraną w naszej akcji jest możliwość administrowania profilem Sport.pl ,  wpływania na charakter fan page'a i  zwiedzenia naszej redakcji oraz zapoznania się z  redaktorami .
Tokens: 1______ 2 3_____ 4____ 5___ 6________ 7______________ 8_______ 9_______ 10 11_______ 12 13_______ 14_ 15____ 16 17________ 18____ 19______ 20__ 21________ 22_ 23 24_________ 25

Chunks:
  TruePositive nam [9,9] = Sport.pl

(ChunkerEvaluator) Sentence #14004 from articles/00107996 from sent28

Text  : Nie przewidujemy wynagrodzenia finansowego .
Tokens: 1__ 2___________ 3____________ 4__________ 5

Chunks:

(ChunkerEvaluator) Sentence #14005 from articles/00107996 from sent29

Text  : A nie szukacie kogoś do pisania artykułów na stronie ,  albo na staż jakiś ?
Tokens: 1 2__ 3_______ 4____ 5_ 6______ 7________ 8_ 9______ 10 11__ 12 13__ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #14006 from articles/00107996 from sent30

Text  : Nie bezpośrednio poprzez tę akcję .
Tokens: 1__ 2___________ 3______ 4_ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #14007 from articles/00107996 from sent31

Text  : Ta akcja służy tylko do tego , aby wyłonić nowego admina (  nowych adminów )  profilu Sport.pl .  Ale niczego nie da się wykluczyć -  może ktoś zostanie u  nas na dłużej ,  na innych zasadach .
Tokens: 1_ 2____ 3____ 4____ 5_ 6___ 7 8__ 9______ 10____ 11____ 12 13____ 14_____ 15 16_____ 17______ 18 19_ 20_____ 21_ 22 23_ 24_______ 25 26__ 27__ 28______ 29 30_ 31 32____ 33 34 35____ 36______ 37

Chunks:
  TruePositive nam [17,17] = Sport.pl

(ChunkerEvaluator) Sentence #14008 from articles/00107996 from sent32

Text  : Bierzecie wszystkich , którzy się zgłoszą ?
Tokens: 1________ 2_________ 3 4_____ 5__ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #14009 from articles/00107996 from sent33

Text  : Jeśli wszyscy , którzy się zgłoszą , będą tak fantastyczni ,  że nie damy rady im odmówić -  weźmiemy wszystkich .
Tokens: 1____ 2______ 3 4_____ 5__ 6______ 7 8___ 9__ 10__________ 11 12 13_ 14__ 15__ 16 17_____ 18 19______ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #14010 from articles/00107996 from sent34

Text  : Ale może się też zdarzyć , że nikt nas nie przekona .
Tokens: 1__ 2___ 3__ 4__ 5______ 6 7_ 8___ 9__ 10_ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #14011 from articles/00107996 from sent35

Text  : Dlatego nie ustalamy limitu zwycięzców , ale też nie gwarantujemy ,  że wybierzemy kogokolwiek .
Tokens: 1______ 2__ 3_______ 4_____ 5_________ 6 7__ 8__ 9__ 10__________ 11 12 13________ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #14012 from articles/00107996 from sent36

Text  : Jesteśmy jednak przekonani , że wśród fanów Sport.pl na Facebooku jest tyle kreatywnych jednostek ,  że będziemy cierpieć raczej na kłopoty bogactwa ;  )
Tokens: 1_______ 2_____ 3_________ 4 5_ 6____ 7____ 8_______ 9_ 10_______ 11__ 12__ 13_________ 14_______ 15 16 17______ 18______ 19____ 20 21_____ 22______ 23 24

Chunks:
  TruePositive nam [8,8] = Sport.pl
  FalseNegative nam [10,10] = Facebooku

(ChunkerEvaluator) Sentence #14013 from articles/00107996 from sent37

Text  : Do kiedy trwa akcja ?
Tokens: 1_ 2____ 3___ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #14014 from articles/00107996 from sent38

Text  : Pierwotnie mieli śmy czekać na zgłoszenia do niedzieli , ale przedłużamy czas do momentu ,  w  którym będziemy mieli 100 000 fanów .
Tokens: 1_________ 2____ 3__ 4_____ 5_ 6_________ 7_ 8________ 9 10_ 11_________ 12__ 13 14_____ 15 16 17____ 18______ 19___ 20_ 21_ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #14015 from articles/00107996 from sent39

Text  : Krótko po tym ogłosimy wyniki .
Tokens: 1_____ 2_ 3__ 4_______ 5_____ 6

Chunks:

2016-10-27 15:00:23,561 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 609 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107998.xml
(ChunkerEvaluator) Sentence #14016 from articles/00107998 from sent1

Text  : ATP World Tour Finals - drugie zwycięstwo i awans Federera
Tokens: 1__ 2____ 3___ 4_____ 5 6_____ 7_________ 8 9____ 10______

Chunks:
  TruePositive nam [1,4] = ATP World Tour Finals
  FalseNegative nam [10,10] = Federera

(ChunkerEvaluator) Sentence #14017 from articles/00107998 from sent2

Text  : # dochodzą kolejne wyniki #
Tokens: 1 2_______ 3______ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #14018 from articles/00107998 from sent3

Text  : 08 . 11 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #14019 from articles/00107998 from sent4

Text  : Londyn ( PAP ) - Roger Federer ( nr 2  .  )  wygrał z  Hiszpanem Davidem Ferrerem (  4  .  )
Tokens: 1_____ 2 3__ 4 5 6____ 7______ 8 9_ 10 11 12 13____ 14 15_______ 16_____ 17______ 18 19 20 21

Chunks:
  TruePositive nam [1,1] = Londyn
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,7] = Roger Federer
  FalsePositive nam [15,17] = Hiszpanem Davidem Ferrerem
  FalseNegative nam [15,15] = Hiszpanem
  FalseNegative nam [16,17] = Davidem Ferrerem

(ChunkerEvaluator) Sentence #14020 from articles/00107998 from sent5

Text  : 6 : 4 , 7 : 6 w meczu grupy B  kończącego sezon tenisowego turnieju masters -  ATP World Tour Finals (  z  pulą nagród 5  ,  5  mln funtów )  w  Londynie .
Tokens: 1 2 3 4 5 6 7 8 9____ 10___ 11 12________ 13___ 14________ 15______ 16_____ 17 18_ 19___ 20__ 21____ 22 23 24__ 25____ 26 27 28 29_ 30____ 31 32 33______ 34

Chunks:
  TruePositive nam [18,21] = ATP World Tour Finals
  TruePositive nam [30,30] = funtów
  TruePositive nam [33,33] = Londynie

(ChunkerEvaluator) Sentence #14021 from articles/00107998 from sent6

Text  : Broniący tytułu Szwajcar zapewnił sobie awans do półfinału .
Tokens: 1_______ 2_____ 3_______ 4_______ 5____ 6____ 7_ 8________ 9

Chunks:
  TruePositive nam [3,3] = Szwajcar

(ChunkerEvaluator) Sentence #14022 from articles/00107998 from sent7

Text  : To było czternaste spotkanie obu tenisistów ; wszystkie wygrał Federer .
Tokens: 1_ 2___ 3_________ 4________ 5__ 6_________ 7 8________ 9_____ 10_____ 11

Chunks:
  FalseNegative nam [10,10] = Federer

(ChunkerEvaluator) Sentence #14023 from articles/00107998 from sent8

Text  : W drugim meczu tej grupy Argentyńczyk Juan Martin Del Potro (  6  .  )  nie dał szans Serbowi Janko Tipsarevicowi (  8  .  )  zwyciężając 6  :  0  ,  6  :  4  .
Tokens: 1 2_____ 3____ 4__ 5____ 6___________ 7___ 8_____ 9__ 10___ 11 12 13 14 15_ 16_ 17___ 18_____ 19___ 20___________ 21 22 23 24 25_________ 26 27 28 29 30 31 32 33

Chunks:
  TruePositive nam [6,6] = Argentyńczyk
  TruePositive nam [7,10] = Juan Martin Del Potro
  FalsePositive nam [18,20] = Serbowi Janko Tipsarevicowi
  FalseNegative nam [18,18] = Serbowi
  FalseNegative nam [19,20] = Janko Tipsarevicowi

(ChunkerEvaluator) Sentence #14024 from articles/00107998 from sent9

Text  : W czwartek odbyły się także pojedynki w grupie A deblistów .
Tokens: 1 2_______ 3_____ 4__ 5____ 6________ 7 8_____ 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14025 from articles/00107998 from sent10

Text  : Rozstawieni z trójką Leander Paes z Indii oraz Czech Radek Stepanek pokonali Hiszpanów Marcela Granollersa i  Marca Lopeza (  6  .  )
Tokens: 1__________ 2 3_____ 4______ 5___ 6 7____ 8___ 9____ 10___ 11______ 12______ 13_______ 14_____ 15_________ 16 17___ 18____ 19 20 21 22

Chunks:
  TruePositive nam [4,5] = Leander Paes
  TruePositive nam [7,7] = Indii
  TruePositive nam [13,13] = Hiszpanów
  TruePositive nam [14,15] = Marcela Granollersa
  TruePositive nam [17,18] = Marca Lopeza
  FalsePositive nam [9,11] = Czech Radek Stepanek
  FalseNegative nam [9,9] = Czech
  FalseNegative nam [10,11] = Radek Stepanek

(ChunkerEvaluator) Sentence #14026 from articles/00107998 from sent11

Text  : 7 : 5 , 6 : 4 .
Tokens: 1 2 3 4 5 6 7 8

Chunks:

(ChunkerEvaluator) Sentence #14027 from articles/00107998 from sent12

Text  : Natomiast Amerykanie Bob i Mike Bryanowie wygrali z Pakistańczykiem Aisamem -  Ul -  Haq Qureshim i  Holendrem Jeanem -  Julienem Rojerem również 7  :  5  ,  6  :  4  .
Tokens: 1________ 2_________ 3__ 4 5___ 6________ 7______ 8 9______________ 10_____ 11 12 13 14_ 15______ 16 17_______ 18____ 19 20______ 21_____ 22_____ 23 24 25 26 27 28 29 30

Chunks:
  TruePositive nam [5,6] = Mike Bryanowie
  FalsePositive nam [2,3] = Amerykanie Bob
  FalsePositive nam [9,15] = Pakistańczykiem Aisamem - Ul - Haq Qureshim
  FalsePositive nam [17,21] = Holendrem Jeanem - Julienem Rojerem
  FalseNegative nam [2,2] = Amerykanie
  FalseNegative nam [3,3] = Bob
  FalseNegative nam [9,9] = Pakistańczykiem
  FalseNegative nam [10,15] = Aisamem - Ul - Haq Qureshim
  FalseNegative nam [17,17] = Holendrem
  FalseNegative nam [18,21] = Jeanem - Julienem Rojerem

(ChunkerEvaluator) Sentence #14028 from articles/00107998 from sent13

Text  : gra pojedyncza - grupa B Roger Federer ( Szwajcaria ,  2  )  -  David Ferrer (  Hiszpania ,  4  )  6  :  4  ,  7  :  6  (  7  -  5  )  Juan Martin Del Potro (  Argentyna ,  6  )  -  Janko Tipsarevic (  Serbia ,  8  )  6  :  0  ,  6  :  4
Tokens: 1__ 2_________ 3 4____ 5 6____ 7______ 8 9_________ 10 11 12 13 14___ 15____ 16 17_______ 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33__ 34____ 35_ 36___ 37 38_______ 39 40 41 42 43___ 44________ 45 46____ 47 48 49 50 51 52 53 54 55 56

Chunks:
  TruePositive nam [6,7] = Roger Federer
  TruePositive nam [9,9] = Szwajcaria
  TruePositive nam [14,15] = David Ferrer
  TruePositive nam [17,17] = Hiszpania
  TruePositive nam [33,36] = Juan Martin Del Potro
  TruePositive nam [38,38] = Argentyna
  TruePositive nam [43,44] = Janko Tipsarevic
  TruePositive nam [46,46] = Serbia

(ChunkerEvaluator) Sentence #14029 from articles/00107998 from sent14

Text  : Tabela : M Z P sety 1 .
Tokens: 1_____ 2 3 4 5 6___ 7 8

Chunks:
  FalsePositive nam [1,1] = Tabela

(ChunkerEvaluator) Sentence #14030 from articles/00107998 from sent15

Text  : Roger Federer ( Szwajcaria ) 2 2 0 4 -  0  2  .
Tokens: 1____ 2______ 3 4_________ 5 6 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [1,2] = Roger Federer
  TruePositive nam [4,4] = Szwajcaria

(ChunkerEvaluator) Sentence #14031 from articles/00107998 from sent16

Text  : David Ferrer ( Hiszpania ) 2 1 1 2 -  3  3  .
Tokens: 1____ 2_____ 3 4________ 5 6 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [1,2] = David Ferrer
  TruePositive nam [4,4] = Hiszpania

(ChunkerEvaluator) Sentence #14032 from articles/00107998 from sent17

Text  : Juan Martin Del Potro ( Argentyna ) 2 1 1  3  -  2  4  .
Tokens: 1___ 2_____ 3__ 4____ 5 6________ 7 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [1,4] = Juan Martin Del Potro
  TruePositive nam [6,6] = Argentyna

(ChunkerEvaluator) Sentence #14033 from articles/00107998 from sent18

Text  : Janko Tipsarevic ( Serbia ) 2 0 2 0 -  4
Tokens: 1____ 2_________ 3 4_____ 5 6 7 8 9 10 11

Chunks:
  TruePositive nam [1,2] = Janko Tipsarevic
  TruePositive nam [4,4] = Serbia

2016-10-27 15:00:23,641 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 610 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00107999.xml
(ChunkerEvaluator) Sentence #14034 from articles/00107999 from sent1

Text  : Jałowiec sabiński ( Juniperus sabina )
Tokens: 1_______ 2_______ 3 4________ 5_____ 6

Chunks:
  FalsePositive nam [1,1] = Jałowiec

(ChunkerEvaluator) Sentence #14035 from articles/00107999 from sent2

Text  : Jest to krzew początkowo płaski , z wiekiem osiąga wys .
Tokens: 1___ 2_ 3____ 4_________ 5_____ 6 7 8______ 9_____ 10_ 11

Chunks:

(ChunkerEvaluator) Sentence #14036 from articles/00107999 from sent3

Text  : około 1 m i 2 - 3 m szerokości .
Tokens: 1____ 2 3 4 5 6 7 8 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #14037 from articles/00107999 from sent4

Text  : Polecany jest do dużych ogrodów , parków i zieleni miejskiej
Tokens: 1_______ 2___ 3_ 4_____ 5______ 6 7_____ 8 9______ 10_______

Chunks:

(ChunkerEvaluator) Sentence #14038 from articles/00107999 from sent5

Text  : Wymagania
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #14039 from articles/00107999 from sent6

Text  : Jałowiec sabiński jest gatunkiem o wyjątkowo niewielkich wymaganiach siedliskowych .
Tokens: 1_______ 2_______ 3___ 4________ 5 6________ 7__________ 8__________ 9____________ 10

Chunks:
  FalsePositive nam [1,1] = Jałowiec

(ChunkerEvaluator) Sentence #14040 from articles/00107999 from sent7

Text  : W uprawie polecany do sadzenia na glebach lekkich , suchych ,  piaszczystych ,  w  miejscach słonecznych .
Tokens: 1 2______ 3_______ 4_ 5_______ 6_ 7______ 8______ 9 10_____ 11 12___________ 13 14 15_______ 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #14041 from articles/00107999 from sent8

Text  : Ze względu na płytki i rozległy system korzeniowy źle znosi przesadzanie .
Tokens: 1_ 2______ 3_ 4_____ 5 6_______ 7_____ 8_________ 9__ 10___ 11__________ 12

Chunks:

(ChunkerEvaluator) Sentence #14042 from articles/00107999 from sent9

Text  : Odporny na mróz i suszę .
Tokens: 1______ 2_ 3___ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #14043 from articles/00107999 from sent10

Text  : Zastosowanie
Tokens: 1___________

Chunks:

(ChunkerEvaluator) Sentence #14044 from articles/00107999 from sent11

Text  : Jałowiec sabiński jest doskonały do zadrzewień krajobrazowych i zestawień z  krajowymi gatunkami :  brzozami ,  sosnami oraz modrzewiami .
Tokens: 1_______ 2_______ 3___ 4________ 5_ 6_________ 7_____________ 8 9________ 10 11_______ 12_______ 13 14______ 15 16_____ 17__ 18_________ 19

Chunks:
  FalsePositive nam [1,1] = Jałowiec

(ChunkerEvaluator) Sentence #14045 from articles/00107999 from sent12

Text  : Polecany do sadzenia w dużych ogrodach przydomowych , na wrzosowiskach ,  pojedynczo oraz w  grupach .
Tokens: 1_______ 2_ 3_______ 4 5_____ 6_______ 7___________ 8 9_ 10___________ 11 12________ 13__ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #14046 from articles/00107999 from sent13

Text  : Nadaje się do obsadzania skarp , sadzenie przy budynkach i  na trawnikach .
Tokens: 1_____ 2__ 3_ 4_________ 5____ 6 7_______ 8___ 9________ 10 11 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #14047 from articles/00107999 from sent14

Text  : Ze względu na spore rozmiary raczej nie nadaje się do sadzenia w  pojemnikach ani na skalniakach .
Tokens: 1_ 2______ 3_ 4____ 5_______ 6_____ 7__ 8_____ 9__ 10 11______ 12 13_________ 14_ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #14048 from articles/00107999 from sent15

Text  : Więcej informacji w katalogach roślin :
Tokens: 1_____ 2_________ 3 4_________ 5_____ 6

Chunks:

2016-10-27 15:00:23,686 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 611 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108000.xml
(ChunkerEvaluator) Sentence #14049 from articles/00108000 from sent1

Text  : ŁKS przedstawił Cosinusa .
Tokens: 1__ 2__________ 3_______ 4

Chunks:
  TruePositive nam [1,1] = ŁKS
  TruePositive nam [3,3] = Cosinusa

(ChunkerEvaluator) Sentence #14050 from articles/00108000 from sent2

Text  : I czeka na włoskie konsorcjum .
Tokens: 1 2____ 3_ 4______ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #14051 from articles/00108000 from sent3

Text  : „ Rozmowy są zaawansowane ”
Tokens: 1 2______ 3_ 4___________ 5

Chunks:

(ChunkerEvaluator) Sentence #14052 from articles/00108000 from sent4

Text  : W piątek szefowie ŁKS oficjalnie przedstawili nowego sponsora .
Tokens: 1 2_____ 3_______ 4__ 5_________ 6___________ 7_____ 8_______ 9

Chunks:
  TruePositive nam [4,4] = ŁKS

(ChunkerEvaluator) Sentence #14053 from articles/00108000 from sent5

Text  : W klubie z al . Unii liczą także , że wkrótce wyjaśni się ,  czy sponsorem zostanie włoskie konsorcjum ,  które zainteresowane jest budową stadionu miejskiego .
Tokens: 1 2_____ 3 4_ 5 6___ 7____ 8____ 9 10 11_____ 12_____ 13_ 14 15_ 16_______ 17______ 18_____ 19________ 20 21___ 22____________ 23__ 24____ 25______ 26________ 27

Chunks:
  FalseNegative nam [6,6] = Unii

(ChunkerEvaluator) Sentence #14054 from articles/00108000 from sent6

Text  : W piątek na specjalnej konferencji przedstawiono nowego sponsora ŁKS ,  czyli sieć szkół Cosinus ,  która przez najbliższy rok będzie wspierać drużynę z  al .  Unii .
Tokens: 1 2_____ 3_ 4_________ 5__________ 6____________ 7_____ 8_______ 9__ 10 11___ 12__ 13___ 14_____ 15 16___ 17___ 18________ 19_ 20____ 21______ 22_____ 23 24 25 26__ 27

Chunks:
  TruePositive nam [9,9] = ŁKS
  TruePositive nam [14,14] = Cosinus
  FalseNegative nam [26,26] = Unii

(ChunkerEvaluator) Sentence #14055 from articles/00108000 from sent7

Text  : Cosinus to jedna z największych sieci szkół w Polsce ,  a  swoje placówki dydaktyczne posiada w  kilku miastach .
Tokens: 1______ 2_ 3____ 4 5___________ 6____ 7____ 8 9_____ 10 11 12___ 13______ 14_________ 15_____ 16 17___ 18______ 19

Chunks:
  TruePositive nam [9,9] = Polsce
  FalseNegative nam [1,1] = Cosinus

(ChunkerEvaluator) Sentence #14056 from articles/00108000 from sent8

Text  : - Myślę , że będziemy się wspólnie promować - powiedział Konrad Misiak ,  przedstawiciel zarządu Cosinusa .
Tokens: 1 2____ 3 4_ 5_______ 6__ 7_______ 8_______ 9 10________ 11____ 12____ 13 14____________ 15_____ 16______ 17

Chunks:
  TruePositive nam [11,12] = Konrad Misiak
  TruePositive nam [16,16] = Cosinusa

(ChunkerEvaluator) Sentence #14057 from articles/00108000 from sent9

Text  : Nieoficjalnie wiadomo , że sieć szkół wspomoże spółkę sportową kwotą około 200 tys .  zł .
Tokens: 1____________ 2______ 3 4_ 5___ 6____ 7_______ 8_____ 9_______ 10___ 11___ 12_ 13_ 14 15 16

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #14058 from articles/00108000 from sent10

Text  : Przewodniczący rady nadzorczej stwierdził ponadto , że wybiera się do Brzeska ,  by na żywo zobaczyć sobotnie spotkanie ŁKS z  Okocimskim .
Tokens: 1_____________ 2___ 3_________ 4_________ 5______ 6 7_ 8______ 9__ 10 11_____ 12 13 14 15__ 16______ 17______ 18_______ 19_ 20 21________ 22

Chunks:
  TruePositive nam [11,11] = Brzeska
  TruePositive nam [19,19] = ŁKS
  TruePositive nam [21,21] = Okocimskim

(ChunkerEvaluator) Sentence #14059 from articles/00108000 from sent11

Text  : Po meczu planuje także porozmawiać z trenerem Markiem Chojnackim -  spekulowano ostatnio ,  że wkrótce może on stracić pracę .
Tokens: 1_ 2____ 3______ 4____ 5__________ 6 7_______ 8______ 9_________ 10 11_________ 12______ 13 14 15_____ 16__ 17 18_____ 19___ 20

Chunks:
  TruePositive nam [8,9] = Markiem Chojnackim

(ChunkerEvaluator) Sentence #14060 from articles/00108000 from sent12

Text  : - Naturalną rzeczą jest , że jeżeli drużyna doznaje tylu porażek ,  to trzeba zastanowić się nad zmianami -  mówi Turek .
Tokens: 1 2________ 3_____ 4___ 5 6_ 7_____ 8______ 9______ 10__ 11_____ 12 13 14____ 15________ 16_ 17_ 18______ 19 20__ 21___ 22

Chunks:
  TruePositive nam [21,21] = Turek

(ChunkerEvaluator) Sentence #14061 from articles/00108000 from sent13

Text  : I dodaje : - Z czystym sumieniem mogę powiedzieć ,  że w  Brzesku ucieszy nas tylko zwycięstwo ,  a  gra drużyny nie będzie miała znaczenia .
Tokens: 1 2_____ 3 4 5 6______ 7________ 8___ 9_________ 10 11 12 13_____ 14_____ 15_ 16___ 17________ 18 19 20_ 21_____ 22_ 23____ 24___ 25_______ 26

Chunks:
  TruePositive nam [13,13] = Brzesku

2016-10-27 15:00:23,754 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 612 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108001.xml
(ChunkerEvaluator) Sentence #14062 from articles/00108001 from sent1

Text  : Zatankował do pełna i odjechał .
Tokens: 1_________ 2_ 3____ 4 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #14063 from articles/00108001 from sent2

Text  : Grozi mu więzienie
Tokens: 1____ 2_ 3________

Chunks:

(ChunkerEvaluator) Sentence #14064 from articles/00108001 from sent3

Text  : Podjechał mercedesem , zatankował 60 litrów paliwa i odjechał .
Tokens: 1________ 2_________ 3 4_________ 5_ 6_____ 7_____ 8 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #14065 from articles/00108001 from sent4

Text  : Grozi mu nawet pięć lat odsiadki .
Tokens: 1____ 2_ 3____ 4___ 5__ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #14066 from articles/00108001 from sent5

Text  : 30 - latek tankował na stacji w Nowych Marzach .
Tokens: 1_ 2 3____ 4_______ 5_ 6_____ 7 8_____ 9______ 10

Chunks:
  TruePositive nam [8,9] = Nowych Marzach

(ChunkerEvaluator) Sentence #14067 from articles/00108001 from sent6

Text  : Kierowca mercedesa podjechał pod dystrybutor , zatankował ponad 60 litrów paliwa o  wartości 340 złotych i  odjechał ,  nie płacąc .
Tokens: 1_______ 2________ 3________ 4__ 5__________ 6 7_________ 8____ 9_ 10____ 11____ 12 13______ 14_ 15_____ 16 17______ 18 19_ 20____ 21

Chunks:
  TruePositive nam [15,15] = złotych

(ChunkerEvaluator) Sentence #14068 from articles/00108001 from sent7

Text  : Zgłoszenie przekazano pracującym w terenie patrolom .
Tokens: 1_________ 2_________ 3_________ 4 5______ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #14069 from articles/00108001 from sent8

Text  : Mundurowi szybko go znaleźli .
Tokens: 1________ 2_____ 3_ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #14070 from articles/00108001 from sent9

Text  : Do kradzieży doszło w czwartek rano .
Tokens: 1_ 2________ 3_____ 4 5_______ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #14071 from articles/00108001 from sent10

Text  : Jeszcze tego samego dnia mężczyzna usłyszał zarzut kradzieży .
Tokens: 1______ 2___ 3_____ 4___ 5________ 6_______ 7_____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #14072 from articles/00108001 from sent11

Text  : Grozi mu od trzech miesięcy do pięciu lat więzienia .
Tokens: 1____ 2_ 3_ 4_____ 5_______ 6_ 7_____ 8__ 9________ 10

Chunks:

2016-10-27 15:00:23,784 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 613 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108002.xml
(ChunkerEvaluator) Sentence #14073 from articles/00108002 from sent1

Text  : Lider II ligi Energetyk ROW Rybnik tylko zremisował w Głogowie
Tokens: 1____ 2_ 3___ 4________ 5__ 6_____ 7____ 8_________ 9 10______

Chunks:
  TruePositive nam [10,10] = Głogowie
  FalsePositive nam [4,4] = Energetyk
  FalsePositive nam [6,6] = Rybnik
  FalseNegative nam [4,6] = Energetyk ROW Rybnik

(ChunkerEvaluator) Sentence #14074 from articles/00108002 from sent2

Text  : Rywal rybniczan zajmuje odległe miejsce w tabeli , ale stawił liderowi silny opór .
Tokens: 1____ 2________ 3______ 4______ 5______ 6 7_____ 8 9__ 10____ 11______ 12___ 13__ 14

Chunks:
  FalseNegative nam [2,2] = rybniczan

(ChunkerEvaluator) Sentence #14075 from articles/00108002 from sent3

Text  : Chrobry Głogów - Energetyk ROW Rybnik 1 : 1 (  1  :  0  )
Tokens: 1______ 2_____ 3 4________ 5__ 6_____ 7 8 9 10 11 12 13 14

Chunks:
  TruePositive nam [1,2] = Chrobry Głogów
  FalsePositive nam [4,4] = Energetyk
  FalsePositive nam [6,6] = Rybnik
  FalseNegative nam [4,6] = Energetyk ROW Rybnik

(ChunkerEvaluator) Sentence #14076 from articles/00108002 from sent4

Text  : Bramki : 1 : 0 Kaliciak ( 14 . )  ,  1  :  1  Kostecki (  49 .  )  .
Tokens: 1_____ 2 3 4 5 6_______ 7 8_ 9 10 11 12 13 14 15______ 16 17 18 19 20

Chunks:
  FalsePositive nam [1,1] = Bramki
  FalseNegative nam [6,6] = Kaliciak
  FalseNegative nam [15,15] = Kostecki

2016-10-27 15:00:23,803 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 614 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108003.xml
(ChunkerEvaluator) Sentence #14077 from articles/00108003 from sent1

Text  : Ekstraklasa - ZAKSA - Jastrzębski Węgiel 3 : 0
Tokens: 1__________ 2 3____ 4 5__________ 6_____ 7 8 9

Chunks:
  TruePositive nam [3,3] = ZAKSA
  FalsePositive nam [6,6] = Węgiel
  FalseNegative nam [1,1] = Ekstraklasa
  FalseNegative nam [5,6] = Jastrzębski Węgiel

(ChunkerEvaluator) Sentence #14078 from articles/00108003 from sent2

Text  : Po meczu powiedzieli :
Tokens: 1_ 2____ 3__________ 4

Chunks:

(ChunkerEvaluator) Sentence #14079 from articles/00108003 from sent3

Text  : Lorenzo Bernardi , trener Jastrzębskiego Węgla : " Bardzo trudno mi mówić o  tym meczu .
Tokens: 1______ 2_______ 3 4_____ 5_____________ 6____ 7 8 9_____ 10____ 11 12___ 13 14_ 15___ 16

Chunks:
  TruePositive nam [1,2] = Lorenzo Bernardi
  TruePositive nam [5,6] = Jastrzębskiego Węgla

(ChunkerEvaluator) Sentence #14080 from articles/00108003 from sent4

Text  : Mogę tylko przeprosić naszych sponsorw i fanów , ktrzy przyjechali do Kędzierzyna -  Koźla .
Tokens: 1___ 2____ 3_________ 4______ 5_______ 6 7____ 8 9____ 10_________ 11 12_________ 13 14___ 15

Chunks:
  TruePositive nam [12,14] = Kędzierzyna - Koźla

(ChunkerEvaluator) Sentence #14081 from articles/00108003 from sent5

Text  : To był bardzo zły mecz w naszym wykonaniu .
Tokens: 1_ 2__ 3_____ 4__ 5___ 6 7_____ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #14082 from articles/00108003 from sent6

Text  : Byli śmy słabsi we wszystkich elementach gry " .
Tokens: 1___ 2__ 3_____ 4_ 5_________ 6_________ 7__ 8 9

Chunks:

(ChunkerEvaluator) Sentence #14083 from articles/00108003 from sent7

Text  : Daniel Castellani , trener Zaksy Kędzierzyn - Koźle : "  Był to prawdopodobnie nasz najlepszy mecz rozegrany w  tym sezonie .
Tokens: 1_____ 2_________ 3 4_____ 5____ 6_________ 7 8____ 9 10 11_ 12 13____________ 14__ 15_______ 16__ 17_______ 18 19_ 20_____ 21

Chunks:
  TruePositive nam [1,2] = Daniel Castellani
  TruePositive nam [5,8] = Zaksy Kędzierzyn - Koźle

(ChunkerEvaluator) Sentence #14084 from articles/00108003 from sent8

Text  : Równie jak zwycięstwo cieszy mnie fakt , że drużyna z  meczu na mecz gra lepszą siatkówkę .
Tokens: 1_____ 2__ 3_________ 4_____ 5___ 6___ 7 8_ 9______ 10 11___ 12 13__ 14_ 15____ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #14085 from articles/00108003 from sent9

Text  : To dobry prognostyk przed spotkaniem z Trentino Diatec .
Tokens: 1_ 2____ 3_________ 4____ 5_________ 6 7_______ 8_____ 9

Chunks:
  TruePositive nam [7,8] = Trentino Diatec

(ChunkerEvaluator) Sentence #14086 from articles/00108003 from sent10

Text  : Piotr Gacek w przyszłym tygodniu zaczyna treningi i prawdopodobnie będzie gotowy do gry z  włoską drużyną .
Tokens: 1____ 2____ 3 4________ 5_______ 6______ 7_______ 8 9_____________ 10____ 11____ 12 13_ 14 15____ 16_____ 17

Chunks:
  TruePositive nam [1,2] = Piotr Gacek

(ChunkerEvaluator) Sentence #14087 from articles/00108003 from sent11

Text  : Co do Łukasza Wiśniewskiego - również w przyszłym tygodniu ma badania kontrolne i  być może także zacznie trenować "  .
Tokens: 1_ 2_ 3______ 4____________ 5 6______ 7 8________ 9_______ 10 11_____ 12_______ 13 14_ 15__ 16___ 17_____ 18______ 19 20

Chunks:
  TruePositive nam [3,4] = Łukasza Wiśniewskiego

(ChunkerEvaluator) Sentence #14088 from articles/00108003 from sent12

Text  : Paweł Zagumny , kapitan Zaksy Kędzierzyn - Koźle : "  Spodziewali śmy się ciężkiego meczu i  od początku wyszli śmy na piątkowe spotkanie maksymalnie skoncentrowani .
Tokens: 1____ 2______ 3 4______ 5____ 6_________ 7 8____ 9 10 11_________ 12_ 13_ 14_______ 15___ 16 17 18______ 19____ 20_ 21 22______ 23_______ 24_________ 25____________ 26

Chunks:
  TruePositive nam [1,2] = Paweł Zagumny
  TruePositive nam [5,8] = Zaksy Kędzierzyn - Koźle

(ChunkerEvaluator) Sentence #14089 from articles/00108003 from sent13

Text  : Dlatego nie pozwolili śmy rozwinąć przeciwnikowi skrzydeł ani na moment .
Tokens: 1______ 2__ 3________ 4__ 5_______ 6____________ 7_______ 8__ 9_ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #14090 from articles/00108003 from sent14

Text  : Grali śmy piłkę za piłką , bardzo dobrze w bloku i  obronie ,  zwłaszcza w  przejściach "  .
Tokens: 1____ 2__ 3____ 4_ 5____ 6 7_____ 8_____ 9 10___ 11 12_____ 13 14_______ 15 16_________ 17 18

Chunks:

(ChunkerEvaluator) Sentence #14091 from articles/00108003 from sent15

Text  : Michał Łasko , kapitan Jastrzębskiego Węgla : " Niewiele mam do powiedzenia po tak kiepskim spotkaniu .
Tokens: 1_____ 2____ 3 4______ 5_____________ 6____ 7 8 9_______ 10_ 11 12_________ 13 14_ 15______ 16_______ 17

Chunks:
  TruePositive nam [1,2] = Michał Łasko
  TruePositive nam [5,6] = Jastrzębskiego Węgla

(ChunkerEvaluator) Sentence #14092 from articles/00108003 from sent16

Text  : Pozostaje tylko pogratulować przeciwnikowi i jak najszybciej wrócić na treningi ,  by w  kolejnych spotkaniach zaprezentować się znacznie lepiej .
Tokens: 1________ 2____ 3___________ 4____________ 5 6__ 7__________ 8_____ 9_ 10______ 11 12 13 14_______ 15_________ 16___________ 17_ 18______ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #14093 from articles/00108003 from sent17

Text  : Zaksa grała w piątek lepiej w każdym elemencie " .
Tokens: 1____ 2____ 3 4_____ 5_____ 6 7_____ 8________ 9 10

Chunks:
  FalseNegative nam [1,1] = Zaksa

2016-10-27 15:00:23,878 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 615 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108004.xml
(ChunkerEvaluator) Sentence #14094 from articles/00108004 from sent1

Text  : Pentagon uciszy Navy Seals
Tokens: 1_______ 2_____ 3___ 4____

Chunks:
  TruePositive nam [3,4] = Navy Seals
  FalseNegative nam [1,1] = Pentagon

(ChunkerEvaluator) Sentence #14095 from articles/00108004 from sent2

Text  : W ostatnich miesiącach szczegóły misji bojowych czy szkolenia komandosów trafiły do książek ,  filmów i  gier komputerowych .
Tokens: 1 2________ 3_________ 4________ 5____ 6_______ 7__ 8________ 9_________ 10_____ 11 12_____ 13 14____ 15 16__ 17___________ 18

Chunks:

(ChunkerEvaluator) Sentence #14096 from articles/00108004 from sent3

Text  : Wczoraj zapadł wyrok w sprawie siedmiu komandosów Navy Seals ,  którzy służyli jako doradcy podczas tworzenia nowej odsłony gry "  Medal of Honor :  Warfighter "  .
Tokens: 1______ 2_____ 3____ 4 5______ 6______ 7_________ 8___ 9____ 10 11____ 12_____ 13__ 14_____ 15_____ 16_______ 17___ 18_____ 19_ 20 21___ 22 23___ 24 25________ 26 27

Chunks:
  TruePositive nam [8,9] = Navy Seals
  FalsePositive nam [21,23] = Medal of Honor
  FalseNegative nam [21,25] = Medal of Honor : Warfighter

(ChunkerEvaluator) Sentence #14097 from articles/00108004 from sent4

Text  : Jeden z żołnierzy należał do absolutnej elity - był członkiem oddziału wysłanego do pakistańskiego Abbottabadu na zakończone sukcesem polowanie na Osamę ben Ladena .
Tokens: 1____ 2 3________ 4______ 5_ 6_________ 7____ 8 9__ 10_______ 11______ 12_______ 13 14____________ 15_________ 16 17________ 18______ 19_______ 20 21___ 22_ 23____ 24

Chunks:
  FalsePositive nam [23,23] = Ladena
  FalseNegative nam [15,15] = Abbottabadu
  FalseNegative nam [21,23] = Osamę ben Ladena

(ChunkerEvaluator) Sentence #14098 from articles/00108004 from sent5

Text  : Inny członek tej ekipy - Matt Bisonette , autor księgarskiego przeboju "  No Easy Day "  -  relacji z  pierwszej ręki z  zabicia lidera Al -  Kaidy -  skarżył się na negatywne reakcje dowództwa armii na jego książkę .
Tokens: 1___ 2______ 3__ 4____ 5 6___ 7________ 8 9____ 10___________ 11______ 12 13 14__ 15_ 16 17 18_____ 19 20_______ 21__ 22 23_____ 24____ 25 26 27___ 28 29_____ 30_ 31 32_______ 33_____ 34_______ 35___ 36 37__ 38_____ 39

Chunks:
  TruePositive nam [6,7] = Matt Bisonette
  TruePositive nam [13,15] = No Easy Day
  TruePositive nam [25,27] = Al - Kaidy

(ChunkerEvaluator) Sentence #14099 from articles/00108004 from sent6

Text  : Dla byłych komandosów , zarabiających po zakończeniu kariery dzięki swojej specjalistycznej wiedzy ,  nadeszły złe czasy .
Tokens: 1__ 2_____ 3_________ 4 5____________ 6_ 7__________ 8______ 9_____ 10____ 11______________ 12____ 13 14______ 15_ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #14100 from articles/00108004 from sent7

Text  : Armia ma dość ich niedyskrecji .
Tokens: 1____ 2_ 3___ 4__ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #14101 from articles/00108004 from sent8

Text  : Cała siódemka to byli członkowie Team 6 .
Tokens: 1___ 2_______ 3_ 4___ 5_________ 6___ 7 8

Chunks:
  FalseNegative nam [6,7] = Team 6

(ChunkerEvaluator) Sentence #14102 from articles/00108004 from sent9

Text  : Według agencji AP do pracy nad grą wciągnął ich -  w  ramach powszechnej w  siłach specjalnych praktyki koleżeńskiej pomocy po zakończeniu kariery wojskowej -  właśnie Bisonette .
Tokens: 1_____ 2______ 3_ 4_ 5____ 6__ 7__ 8_______ 9__ 10 11 12____ 13_________ 14 15____ 16_________ 17______ 18__________ 19____ 20 21_________ 22_____ 23_______ 24 25_____ 26_______ 27

Chunks:
  TruePositive nam [3,3] = AP
  FalseNegative nam [26,26] = Bisonette

(ChunkerEvaluator) Sentence #14103 from articles/00108004 from sent10

Text  : Siedmiu skazanych dostało naganę , a ich pensje zostały czasowo zmniejszone za pracę nad "  Medal of Honor :  Warfighter "  bez zgody dowództwa i  prezentowanie unikalnego wyposażenia swojej jednostki .
Tokens: 1______ 2________ 3______ 4_____ 5 6 7__ 8_____ 9______ 10_____ 11_________ 12 13___ 14_ 15 16___ 17 18___ 19 20________ 21 22_ 23___ 24_______ 25 26___________ 27________ 28_________ 29____ 30_______ 31

Chunks:
  FalsePositive nam [16,18] = Medal of Honor
  FalseNegative nam [16,20] = Medal of Honor : Warfighter

(ChunkerEvaluator) Sentence #14104 from articles/00108004 from sent11

Text  : Żołnierze zostaną w wojsku , ale kontradmirał Garry Bonelli ,  zastępca dowódcy sił specjalnych marynarki wojennej USA ,  wydał oświadczenie ,  w  którym stwierdził ,  że armia "  nie toleruje odstępstw od zasad ,  które określają ,  kim jesteśmy jako żołnierze Marynarki Wojennej "  .
Tokens: 1________ 2______ 3 4_____ 5 6__ 7___________ 8____ 9______ 10 11______ 12_____ 13_ 14_________ 15_______ 16______ 17_ 18 19___ 20__________ 21 22 23____ 24________ 25 26 27___ 28 29_ 30______ 31_______ 32 33___ 34 35___ 36_______ 37 38_ 39______ 40__ 41_______ 42_______ 43______ 44 45

Chunks:
  TruePositive nam [8,9] = Garry Bonelli
  TruePositive nam [17,17] = USA
  TruePositive nam [42,43] = Marynarki Wojennej

(ChunkerEvaluator) Sentence #14105 from articles/00108004 from sent12

Text  : Według prawników Pentagon nie będzie miał jednak łatwego zadania ,  jeśli spróbuje usunąć z  wydanej właśnie przez Electronic Arts gry .
Tokens: 1_____ 2________ 3_______ 4__ 5_____ 6___ 7_____ 8______ 9______ 10 11___ 12______ 13____ 14 15_____ 16_____ 17___ 18________ 19__ 20_ 21

Chunks:
  TruePositive nam [3,3] = Pentagon
  FalseNegative nam [18,19] = Electronic Arts

(ChunkerEvaluator) Sentence #14106 from articles/00108004 from sent13

Text  : Będzie musiał udowodnić , że przedstawiono w niej tajne informacje ,  których ujawnienie zagraża bezpieczeństwu państwa .
Tokens: 1_____ 2_____ 3________ 4 5_ 6____________ 7 8___ 9____ 10________ 11 12_____ 13________ 14_____ 15____________ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #14107 from articles/00108004 from sent14

Text  : Zawarte w grze techniki i taktyka walki są bowiem powszechne w  grach komputerowych -  powiedział AP Mark Zaid ,  prawnik z  Waszyngtonu ,  specjalizujący się w  kwestiach bezpieczeństwa tajnych informacji .
Tokens: 1______ 2 3___ 4_______ 5 6______ 7____ 8_ 9_____ 10________ 11 12___ 13___________ 14 15________ 16 17__ 18__ 19 20_____ 21 22_________ 23 24____________ 25_ 26 27_______ 28____________ 29_____ 30________ 31

Chunks:
  TruePositive nam [22,22] = Waszyngtonu
  FalsePositive nam [16,18] = AP Mark Zaid
  FalseNegative nam [16,16] = AP
  FalseNegative nam [17,18] = Mark Zaid

(ChunkerEvaluator) Sentence #14108 from articles/00108004 from sent15

Text  : Rzecznik EA Peter Nguyen już zapowiedział , że gra nie zostanie wycofana ani zmieniona .
Tokens: 1_______ 2_ 3____ 4_____ 5__ 6___________ 7 8_ 9__ 10_ 11______ 12______ 13_ 14_______ 15

Chunks:
  TruePositive nam [3,4] = Peter Nguyen
  FalseNegative nam [2,2] = EA

2016-10-27 15:00:23,978 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 616 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108005.xml
(ChunkerEvaluator) Sentence #14109 from articles/00108005 from sent1

Text  : Bohater Piasta Gliwice .
Tokens: 1______ 2_____ 3______ 4

Chunks:
  FalsePositive nam [1,3] = Bohater Piasta Gliwice
  FalseNegative nam [2,3] = Piasta Gliwice

(ChunkerEvaluator) Sentence #14110 from articles/00108005 from sent2

Text  : Człowiek w kasku dobił mistrza Polski [ WIDEO ]
Tokens: 1_______ 2 3____ 4____ 5______ 6_____ 7 8____ 9

Chunks:
  TruePositive nam [6,6] = Polski
  FalsePositive nam [8,8] = WIDEO

(ChunkerEvaluator) Sentence #14111 from articles/00108005 from sent3

Text  : Damian Zbozień z Piasta Gliwice na długo zapamięta występ w  meczu ze Śląskiem Wrocław .
Tokens: 1_____ 2______ 3 4_____ 5______ 6_ 7____ 8________ 9_____ 10 11___ 12 13______ 14_____ 15

Chunks:
  TruePositive nam [1,2] = Damian Zbozień
  TruePositive nam [4,5] = Piasta Gliwice
  TruePositive nam [13,14] = Śląskiem Wrocław

(ChunkerEvaluator) Sentence #14112 from articles/00108005 from sent4

Text  : Obrońca Piasta , wypożyczony do gliwickiego klubu z Legii Warszawa ,  niespodziewanie pojawił się w  wyjściowym składzie .
Tokens: 1______ 2_____ 3 4__________ 5_ 6__________ 7____ 8 9____ 10______ 11 12_____________ 13_____ 14_ 15 16________ 17______ 18

Chunks:
  TruePositive nam [2,2] = Piasta
  TruePositive nam [9,10] = Legii Warszawa

(ChunkerEvaluator) Sentence #14113 from articles/00108005 from sent5

Text  : Zbozień ostatnio nie grał , bo w meczu z Widzewem Łódź doznał bardzo poważnej kontuzji pęknięcia podstawy czaszki .
Tokens: 1______ 2_______ 3__ 4___ 5 6_ 7 8____ 9 10______ 11__ 12____ 13____ 14______ 15______ 16_______ 17______ 18_____ 19

Chunks:
  TruePositive nam [10,11] = Widzewem Łódź
  FalseNegative nam [1,1] = Zbozień

(ChunkerEvaluator) Sentence #14114 from articles/00108005 from sent6

Text  : Wydawało się więc , że na boisku ujrzymy go dopiero w  rundzie wiosennej .
Tokens: 1_______ 2__ 3___ 4 5_ 6_ 7_____ 8______ 9_ 10_____ 11 12_____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #14115 from articles/00108005 from sent7

Text  : Jego wcześniejszy powrót na boisko umożliwił specjalny kask chroniący jego głowę .
Tokens: 1___ 2___________ 3_____ 4_ 5_____ 6________ 7________ 8___ 9________ 10__ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #14116 from articles/00108005 from sent8

Text  : W podobnym występuje słynny bramkarz Chelsea Petr Cech .
Tokens: 1 2_______ 3________ 4_____ 5_______ 6______ 7___ 8___ 9

Chunks:
  FalsePositive nam [6,8] = Chelsea Petr Cech
  FalseNegative nam [6,6] = Chelsea
  FalseNegative nam [7,8] = Petr Cech

(ChunkerEvaluator) Sentence #14117 from articles/00108005 from sent9

Text  : Oczywiście specjalną zgodę musiał na to wydać PZPN , posiłkując się pozytywną opinią neurologa .
Tokens: 1_________ 2________ 3____ 4_____ 5_ 6_ 7____ 8___ 9 10________ 11_ 12_______ 13____ 14_______ 15

Chunks:
  TruePositive nam [8,8] = PZPN

(ChunkerEvaluator) Sentence #14118 from articles/00108005 from sent10

Text  : Zbozień zagrał świetnie we Wrocławiu , a co najważniejsze strzelił jedną z  bramek dla swojego zespołu .
Tokens: 1______ 2_____ 3_______ 4_ 5________ 6 7 8_ 9____________ 10______ 11___ 12 13____ 14_ 15_____ 16_____ 17

Chunks:
  TruePositive nam [5,5] = Wrocławiu
  FalseNegative nam [1,1] = Zbozień

(ChunkerEvaluator) Sentence #14119 from articles/00108005 from sent11

Text  : Po trafieniu w końcówce meczu z radości . . .  poklepał się po kasku .
Tokens: 1_ 2________ 3 4_______ 5____ 6 7______ 8 9 10 11______ 12_ 13 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #14120 from articles/00108005 from sent12

Text  : Dla Zbozienia był to pierwszy gol w tym sezonie .
Tokens: 1__ 2________ 3__ 4_ 5_______ 6__ 7 8__ 9______ 10

Chunks:
  FalseNegative nam [2,2] = Zbozienia

(ChunkerEvaluator) Sentence #14121 from articles/00108005 from sent13

Text  : - Mamy młody skład i chcemy grać o jak najwyższe cele .
Tokens: 1 2___ 3____ 4____ 5 6_____ 7___ 8 9__ 10_______ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #14122 from articles/00108005 from sent14

Text  : Teraz walczymy o utrzymanie , a w Gliwicach buduje się fajna drużyna .
Tokens: 1____ 2_______ 3 4_________ 5 6 7 8________ 9_____ 10_ 11___ 12_____ 13

Chunks:
  TruePositive nam [8,8] = Gliwicach

(ChunkerEvaluator) Sentence #14123 from articles/00108005 from sent15

Text  : Chcemy punktować jak najwięcej , aby zima była spokojna -  dodawał piłkarz .
Tokens: 1_____ 2________ 3__ 4________ 5 6__ 7___ 8___ 9_______ 10 11_____ 12_____ 13

Chunks:

2016-10-27 15:00:24,039 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 617 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108006.xml
(ChunkerEvaluator) Sentence #14124 from articles/00108006 from sent1

Text  : Lekarz , monter rurociągów oraz specjalista od remontów .
Tokens: 1_____ 2 3_____ 4_________ 5___ 6__________ 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #14125 from articles/00108006 from sent2

Text  : Oferty pracy z Kielc
Tokens: 1_____ 2____ 3 4____

Chunks:
  TruePositive nam [4,4] = Kielc

(ChunkerEvaluator) Sentence #14126 from articles/00108006 from sent3

Text  : Przegląd ofert Miejskiego Urzędu Pracy w Kielcach .
Tokens: 1_______ 2____ 3_________ 4_____ 5____ 6 7_______ 8

Chunks:
  FalsePositive nam [3,7] = Miejskiego Urzędu Pracy w Kielcach
  FalseNegative nam [3,5] = Miejskiego Urzędu Pracy
  FalseNegative nam [7,7] = Kielcach

(ChunkerEvaluator) Sentence #14127 from articles/00108006 from sent4

Text  : W tym tygodniu pracodawcy szukają lekarza medycyny ratunkowej , montera rurociągów oraz specjalisty odpowiedzialnego za remonty i  inwestycje .
Tokens: 1 2__ 3_______ 4_________ 5______ 6______ 7_______ 8_________ 9 10_____ 11________ 12__ 13_________ 14______________ 15 16_____ 17 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #14128 from articles/00108006 from sent5

Text  : Firma Chemadin z Kielc szuka montera rurociągów , który będzie pracował w  Niemczech .
Tokens: 1____ 2_______ 3 4____ 5____ 6______ 7_________ 8 9____ 10____ 11______ 12 13_______ 14

Chunks:
  TruePositive nam [2,2] = Chemadin
  TruePositive nam [4,4] = Kielc
  TruePositive nam [13,13] = Niemczech

(ChunkerEvaluator) Sentence #14129 from articles/00108006 from sent6

Text  : Wynagrodzenie wynosi 7 euro za godzinę pracy .
Tokens: 1____________ 2_____ 3 4___ 5_ 6______ 7____ 8

Chunks:
  TruePositive nam [4,4] = euro

(ChunkerEvaluator) Sentence #14130 from articles/00108006 from sent7

Text  : Kandydat musi wykazać się znajomością rysunku izometrycznego , mieć uprawnienia spawalnicze oraz doświadczenie na podobnym stanowisku .
Tokens: 1_______ 2___ 3______ 4__ 5__________ 6______ 7_____________ 8 9___ 10_________ 11_________ 12__ 13___________ 14 15______ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #14131 from articles/00108006 from sent8

Text  : Specjalisty do spraw inwestycji i remontów poszukuje Kieleckie Centrum Kultury .
Tokens: 1__________ 2_ 3____ 4_________ 5 6_______ 7________ 8________ 9______ 10_____ 11

Chunks:
  TruePositive nam [8,10] = Kieleckie Centrum Kultury

(ChunkerEvaluator) Sentence #14132 from articles/00108006 from sent9

Text  : Zatrudniona osoba będzie obsługiwać prowadzone przez KCK inwestycje i remonty .
Tokens: 1__________ 2____ 3_____ 4_________ 5_________ 6____ 7__ 8_________ 9 10_____ 11

Chunks:
  TruePositive nam [7,7] = KCK

(ChunkerEvaluator) Sentence #14133 from articles/00108006 from sent10

Text  : Zarobi między 1 , 5 a 2 tys . zł .
Tokens: 1_____ 2_____ 3 4 5 6 7 8__ 9 10 11

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #14134 from articles/00108006 from sent11

Text  : Musi mieć wykształcenie wyższe techniczne oraz co najmniej roczne doświadczenie na podobnym stanowisku .
Tokens: 1___ 2___ 3____________ 4_____ 5_________ 6___ 7_ 8_______ 9_____ 10___________ 11 12______ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #14135 from articles/00108006 from sent12

Text  : College Medyczny z Kielc szuka lekarza medycyny ratunkowej , który poprowadzi szkolenia z  udzielania pierwszej pomocy .
Tokens: 1______ 2_______ 3 4____ 5____ 6______ 7_______ 8_________ 9 10___ 11________ 12_______ 13 14________ 15_______ 16____ 17

Chunks:
  TruePositive nam [1,2] = College Medyczny
  TruePositive nam [4,4] = Kielc

(ChunkerEvaluator) Sentence #14136 from articles/00108006 from sent13

Text  : Wynagrodzenie to 20 zł za godzinę .
Tokens: 1____________ 2_ 3_ 4_ 5_ 6______ 7

Chunks:
  TruePositive nam [4,4] = zł

2016-10-27 15:00:24,086 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 618 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108064.xml
(ChunkerEvaluator) Sentence #14137 from articles/00108064 from sent1

Text  : Kapitan niebiesko - czerwonych zostaje
Tokens: 1______ 2________ 3 4_________ 5______

Chunks:

(ChunkerEvaluator) Sentence #14138 from articles/00108064 from sent2

Text  : Tomasz Copik , który przez ostatnie pół roku pełnił funkcję kapitana opolskiej Odry ,  na kolejny rok przedłużył kontrakt z  naszym III -  ligowcem .
Tokens: 1_____ 2____ 3 4____ 5____ 6_______ 7__ 8___ 9_____ 10_____ 11______ 12_______ 13__ 14 15 16_____ 17_ 18________ 19______ 20 21____ 22_ 23 24______ 25

Chunks:
  TruePositive nam [1,2] = Tomasz Copik
  TruePositive nam [13,13] = Odry
  FalsePositive nam [22,24] = III - ligowcem

(ChunkerEvaluator) Sentence #14139 from articles/00108064 from sent3

Text  : 34 - letni defensywny pomocnik jest jednym z ulubieńców kibiców .
Tokens: 1_ 2 3____ 4_________ 5_______ 6___ 7_____ 8 9_________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #14140 from articles/00108064 from sent4

Text  : Nic dziwnego , bo mimo swego wieku , zaangażowaniem i  walecznością często przewyższa młodszych kolegów ,  a  serca do gry i  sił do biegania nigdy mu nie brakuje .
Tokens: 1__ 2_______ 3 4_ 5___ 6____ 7____ 8 9_____________ 10 11__________ 12____ 13________ 14_______ 15_____ 16 17 18___ 19 20_ 21 22_ 23 24______ 25___ 26 27_ 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #14141 from articles/00108064 from sent5

Text  : Przypomnijmy , że do Odry powrócił - po raz trzeci ,  bo wcześniej grał już w  Opolu w  latach 2000 -  2002 i  2007 -  2008 -  niespełna rok temu z  I  -  ligowej Olimpii Grudziądz .
Tokens: 1___________ 2 3_ 4_ 5___ 6_______ 7 8_ 9__ 10____ 11 12 13_______ 14__ 15_ 16 17___ 18 19____ 20__ 21 22__ 23 24__ 25 26__ 27 28_______ 29_ 30__ 31 32 33 34_____ 35_____ 36_______ 37

Chunks:
  TruePositive nam [5,5] = Odry
  TruePositive nam [17,17] = Opolu
  TruePositive nam [35,36] = Olimpii Grudziądz

(ChunkerEvaluator) Sentence #14142 from articles/00108064 from sent6

Text  : Podpisał wówczas z klubem kontrakt , który kończy się 31 grudnia .
Tokens: 1_______ 2______ 3 4_____ 5_______ 6 7____ 8_____ 9__ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #14143 from articles/00108064 from sent7

Text  : Teraz zdecydował się pozostać w Odrze na kolejny rok .
Tokens: 1____ 2_________ 3__ 4_______ 5 6____ 7_ 8______ 9__ 10

Chunks:
  TruePositive nam [6,6] = Odrze

(ChunkerEvaluator) Sentence #14144 from articles/00108064 from sent8

Text  : W rundzie jesiennej zdobył trzy bramki , podobny dorobek miał w  rundzie wiosennej sezonu 2011 /  2012 .
Tokens: 1 2______ 3________ 4_____ 5___ 6_____ 7 8______ 9______ 10__ 11 12_____ 13_______ 14____ 15__ 16 17__ 18

Chunks:

2016-10-27 15:00:24,130 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 619 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108065.xml
(ChunkerEvaluator) Sentence #14145 from articles/00108065 from sent1

Text  : Piosenka poetycka
Tokens: 1_______ 2_______

Chunks:

(ChunkerEvaluator) Sentence #14146 from articles/00108065 from sent2

Text  : Czwartek 6 lutego , godz . 19
Tokens: 1_______ 2 3_____ 4 5___ 6 7_

Chunks:

(ChunkerEvaluator) Sentence #14147 from articles/00108065 from sent3

Text  : II Zajazd Bardów rozpocznie się w Gołdapskim Domu Kultury .
Tokens: 1_ 2_____ 3_____ 4_________ 5__ 6 7_________ 8___ 9______ 10

Chunks:
  TruePositive nam [7,9] = Gołdapskim Domu Kultury
  FalsePositive nam [2,3] = Zajazd Bardów
  FalseNegative nam [1,3] = II Zajazd Bardów

(ChunkerEvaluator) Sentence #14148 from articles/00108065 from sent4

Text  : W ciągu trzech wieczorów ( 6 - 8 lutego )  kolejno śpiewać będą :  Tomasz Wachnowski ,  Andrzej Poniedzielski i  Piotr Bukartyk .
Tokens: 1 2____ 3_____ 4________ 5 6 7 8 9_____ 10 11_____ 12_____ 13__ 14 15____ 16________ 17 18_____ 19___________ 20 21___ 22______ 23

Chunks:
  TruePositive nam [15,16] = Tomasz Wachnowski
  TruePositive nam [18,19] = Andrzej Poniedzielski
  TruePositive nam [21,22] = Piotr Bukartyk

(ChunkerEvaluator) Sentence #14149 from articles/00108065 from sent5

Text  : Koncerty , rozpoczynające się codziennie o godz . 19 ,  prowadzić będzie Adam Andryszczyk .
Tokens: 1_______ 2 3_____________ 4__ 5_________ 6 7___ 8 9_ 10 11_______ 12____ 13__ 14_________ 15

Chunks:
  TruePositive nam [13,14] = Adam Andryszczyk

(ChunkerEvaluator) Sentence #14150 from articles/00108065 from sent6

Text  : Bilety na każdy dzień kosztują 10 zł , a karnet na wszystkie trzy wieczory -  20 zł .
Tokens: 1_____ 2_ 3____ 4____ 5_______ 6_ 7_ 8 9 10____ 11 12_______ 13__ 14______ 15 16 17 18

Chunks:
  TruePositive nam [7,7] = zł
  TruePositive nam [17,17] = zł

(ChunkerEvaluator) Sentence #14151 from articles/00108065 from sent7

Text  : Zajazdowi towarzyszyć będzie konkurs dla młodych piosenkarzy .
Tokens: 1________ 2__________ 3_____ 4______ 5__ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #14152 from articles/00108065 from sent8

Text  : Informacje i rezerwacja biletów : tel . 087 615 08 03 .
Tokens: 1_________ 2 3_________ 4______ 5 6__ 7 8__ 9__ 10 11 12

Chunks:
  FalseNegative nam [8,11] = 087 615 08 03

2016-10-27 15:00:24,159 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 620 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108066.xml
(ChunkerEvaluator) Sentence #14153 from articles/00108066 from sent1

Text  : Św . Błażeja od chorób gardła
Tokens: 1_ 2 3______ 4_ 5_____ 6_____

Chunks:
  FalsePositive nam [3,3] = Błażeja
  FalseNegative nam [1,3] = Św . Błażeja

(ChunkerEvaluator) Sentence #14154 from articles/00108066 from sent2

Text  : Pytanie o błogosławieństwo św . Błażeja
Tokens: 1______ 2 3_______________ 4_ 5 6______

Chunks:
  FalsePositive nam [6,6] = Błażeja
  FalseNegative nam [4,6] = św . Błażeja

(ChunkerEvaluator) Sentence #14155 from articles/00108066 from sent3

Text  : W poniedziałek , w dniu św . Błażeja , księża błogosławili wiernych z  chorymi gardłami .
Tokens: 1 2___________ 3 4 5___ 6_ 7 8______ 9 10____ 11__________ 12______ 13 14_____ 15______ 16

Chunks:
  FalsePositive nam [8,8] = Błażeja
  FalseNegative nam [6,8] = św . Błażeja

(ChunkerEvaluator) Sentence #14156 from articles/00108066 from sent4

Text  : Przykładali im do szyi dwie skrzyżowane świece .
Tokens: 1__________ 2_ 3_ 4___ 5___ 6__________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #14157 from articles/00108066 from sent5

Text  : Czy po takim błogosławieństwie choroba może ustąpić ?
Tokens: 1__ 2_ 3____ 4________________ 5______ 6___ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #14158 from articles/00108066 from sent6

Text  : Ks . Jarosław Kwiecień , rzecznik sosnowieckiej kurii : -  Św .  Błażej ,  żyjący w  III wieku po Chrystusie ,  cudem uratował od uduszenia dziecko ,  któremu utknęła w  gardle rybia ość .
Tokens: 1_ 2 3_______ 4_______ 5 6_______ 7____________ 8____ 9 10 11 12 13____ 14 15____ 16 17_ 18___ 19 20________ 21 22___ 23______ 24 25_______ 26_____ 27 28_____ 29_____ 30 31____ 32___ 33_ 34

Chunks:
  TruePositive nam [3,4] = Jarosław Kwiecień
  TruePositive nam [20,20] = Chrystusie
  FalseNegative nam [11,13] = Św . Błażej

(ChunkerEvaluator) Sentence #14159 from articles/00108066 from sent7

Text  : Od tej pory wierni powierzają mu swe troski .
Tokens: 1_ 2__ 3___ 4_____ 5_________ 6_ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #14160 from articles/00108066 from sent8

Text  : Błogosławieństwo to nie żadne gusła ani bioenergoterapia .
Tokens: 1_______________ 2_ 3__ 4____ 5____ 6__ 7_______________ 8

Chunks:

(ChunkerEvaluator) Sentence #14161 from articles/00108066 from sent9

Text  : Nic mi też nie wiadomo , żeby wosk ze świec czy ogień leczył te choroby gardła .
Tokens: 1__ 2_ 3__ 4__ 5______ 6 7___ 8___ 9_ 10___ 11_ 12___ 13____ 14 15_____ 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #14162 from articles/00108066 from sent10

Text  : Człowieka może uleczyć wiara .
Tokens: 1________ 2___ 3______ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #14163 from articles/00108066 from sent11

Text  : czyt baw tg
Tokens: 1___ 2__ 3_

Chunks:

2016-10-27 15:00:24,197 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 621 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108067.xml
(ChunkerEvaluator) Sentence #14164 from articles/00108067 from sent1

Text  : Znowu będzie szczypać w uszy
Tokens: 1____ 2_____ 3_______ 4 5___

Chunks:

(ChunkerEvaluator) Sentence #14165 from articles/00108067 from sent2

Text  : Wracają mrozy !
Tokens: 1______ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #14166 from articles/00108067 from sent3

Text  : Najbliższy weekend będzie zimny , ale święta Bożego Narodzenia już nie
Tokens: 1_________ 2______ 3_____ 4____ 5 6__ 7_____ 8_____ 9_________ 10_ 11_

Chunks:
  TruePositive nam [8,9] = Bożego Narodzenia

(ChunkerEvaluator) Sentence #14167 from articles/00108067 from sent4

Text  : Już dzisiaj będzie chłodniej niż w ostatnich dniach .
Tokens: 1__ 2______ 3_____ 4________ 5__ 6 7________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #14168 from articles/00108067 from sent5

Text  : Jutro w dzień w Poznaniu ma być minus 6 stopni Celsjusza ,  a  w  sobotę -  nawet minus 8  !
Tokens: 1____ 2 3____ 4 5_______ 6_ 7__ 8____ 9 10____ 11_______ 12 13 14 15____ 16 17___ 18___ 19 20

Chunks:
  TruePositive nam [5,5] = Poznaniu
  TruePositive nam [11,11] = Celsjusza

(ChunkerEvaluator) Sentence #14169 from articles/00108067 from sent6

Text  : Mróz złagodnieje w Wigilię ( do minus 4 stopni C  )  ,  a  w  święta temperatura za dnia powinna podnieść się ponad kreskę zera na termometrze .
Tokens: 1___ 2__________ 3 4______ 5 6_ 7____ 8 9_____ 10 11 12 13 14 15____ 16_________ 17 18__ 19_____ 20______ 21_ 22___ 23____ 24__ 25 26_________ 27

Chunks:
  TruePositive nam [4,4] = Wigilię
  FalseNegative nam [10,10] = C

(ChunkerEvaluator) Sentence #14170 from articles/00108067 from sent7

Text  : Wbrew wcześniejszym zapowiedziom w święta raczej nie będzie padać śnieg ,  ale na drogach -  zwłaszcza wieczorem -  może być ślisko .
Tokens: 1____ 2____________ 3___________ 4 5_____ 6_____ 7__ 8_____ 9____ 10___ 11 12_ 13 14_____ 15 16_______ 17_______ 18 19__ 20_ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #14171 from articles/00108067 from sent8

Text  : Dziś 354 . dzień roku .
Tokens: 1___ 2__ 3 4____ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #14172 from articles/00108067 from sent9

Text  : Imieniny obchodzą m . in . Bogumił , Bogumiła ,  Dagmara ,  Dominik ,  Eugeniusz ,  Krystian ,  Wincenty i  Zenon .
Tokens: 1_______ 2_______ 3 4 5_ 6 7______ 8 9_______ 10 11_____ 12 13_____ 14 15_______ 16 17______ 18 19______ 20 21___ 22

Chunks:
  TruePositive nam [7,7] = Bogumił
  TruePositive nam [9,9] = Bogumiła
  TruePositive nam [11,11] = Dagmara
  TruePositive nam [13,13] = Dominik
  TruePositive nam [15,15] = Eugeniusz
  TruePositive nam [17,17] = Krystian
  TruePositive nam [19,19] = Wincenty
  TruePositive nam [21,21] = Zenon

(ChunkerEvaluator) Sentence #14173 from articles/00108067 from sent10

Text  : Na świecie obchodzimy Międzynarodowy Dzień Solidarności , ustanowiony w 2006 r  .  przez Zgromadzenie Ogólne ONZ ,  a  w  Polsce -  Dzień Ryby .
Tokens: 1_ 2______ 3_________ 4_____________ 5____ 6___________ 7 8__________ 9 10__ 11 12 13___ 14__________ 15____ 16_ 17 18 19 20____ 21 22___ 23__ 24

Chunks:
  TruePositive nam [4,6] = Międzynarodowy Dzień Solidarności
  TruePositive nam [20,20] = Polsce
  TruePositive nam [22,23] = Dzień Ryby
  FalsePositive nam [16,16] = ONZ
  FalseNegative nam [14,16] = Zgromadzenie Ogólne ONZ

(ChunkerEvaluator) Sentence #14174 from articles/00108067 from sent11

Text  : 21 lat temu Polska została przyłączona do internetu .
Tokens: 1_ 2__ 3___ 4_____ 5______ 6__________ 7_ 8________ 9

Chunks:
  TruePositive nam [4,4] = Polska
  FalsePositive nam [8,8] = internetu

(ChunkerEvaluator) Sentence #14175 from articles/00108067 from sent12

Text  : Urodziny obchodzą dziś m . in . byli piłkarze Lecha Jacek Dembiński oraz Bartosz Bosacki .
Tokens: 1_______ 2_______ 3___ 4 5 6_ 7 8___ 9_______ 10___ 11___ 12_______ 13__ 14_____ 15_____ 16

Chunks:
  TruePositive nam [10,10] = Lecha
  TruePositive nam [11,12] = Jacek Dembiński
  TruePositive nam [14,15] = Bartosz Bosacki

2016-10-27 15:00:24,249 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 622 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108068.xml
(ChunkerEvaluator) Sentence #14176 from articles/00108068 from sent1

Text  : Na zamknięciu Nikkei spadł o - 0 . 0024 %  do 8500 .  6  pkt .
Tokens: 1_ 2_________ 3_____ 4____ 5 6 7 8 9___ 10 11 12__ 13 14 15_ 16

Chunks:
  FalseNegative nam [3,3] = Nikkei

(ChunkerEvaluator) Sentence #14177 from articles/00108068 from sent2

Text  : Nikkei 225 , indeks giełdy tokijskiej , zakończył wtorkową sesję o  0  .  2  pkt .  niżej (  -  0  .  0024 %  )  osiągając poziom 8500 .  6  punktów .
Tokens: 1_____ 2__ 3 4_____ 5_____ 6_________ 7 8________ 9_______ 10___ 11 12 13 14 15_ 16 17___ 18 19 20 21 22__ 23 24 25_______ 26____ 27__ 28 29 30_____ 31

Chunks:
  FalseNegative nam [1,1] = Nikkei

(ChunkerEvaluator) Sentence #14178 from articles/00108068 from sent3

Text  : Indeks Hangseng spadł o 6 . 3 pkt .
Tokens: 1_____ 2_______ 3____ 4 5 6 7 8__ 9

Chunks:
  FalsePositive nam [1,2] = Indeks Hangseng
  FalseNegative nam [2,2] = Hangseng

(ChunkerEvaluator) Sentence #14179 from articles/00108068 from sent4

Text  : ( - 0 . 0680 % ) kończąc sesję z  wartością 9252 .  7  punktów .
Tokens: 1 2 3 4 5___ 6 7 8______ 9____ 10 11_______ 12__ 13 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #14180 from articles/00108068 from sent5

Text  : ( ISB )
Tokens: 1 2__ 3

Chunks:
  FalseNegative nam [2,2] = ISB

2016-10-27 15:00:24,271 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 623 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108069.xml
(ChunkerEvaluator) Sentence #14181 from articles/00108069 from sent1

Text  : Warszawa drugą stolicą na świecie mającą dwa maratony
Tokens: 1_______ 2____ 3______ 4_ 5______ 6_____ 7__ 8_______

Chunks:
  FalseNegative nam [1,1] = Warszawa

(ChunkerEvaluator) Sentence #14182 from articles/00108069 from sent2

Text  : Warszawa będzie w przyszłym roku drugą stolicą na świecie (  po Seulu )  mającą dwa duże maratony rangi międzynarodowej -  na wiosnę i  jesienią .
Tokens: 1_______ 2_____ 3 4________ 5___ 6____ 7______ 8_ 9______ 10 11 12___ 13 14____ 15_ 16__ 17______ 18___ 19_____________ 20 21 22____ 23 24______ 25

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [12,12] = Seulu

(ChunkerEvaluator) Sentence #14183 from articles/00108069 from sent3

Text  : Bieg kwietniowy wyłoni jednocześnie mistrza kraju .
Tokens: 1___ 2_________ 3_____ 4___________ 5______ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #14184 from articles/00108069 from sent4

Text  : Dotychczas 35 razy zawodnicy walczyli o tytuły w Dębnie Lubuskim .
Tokens: 1_________ 2_ 3___ 4________ 5_______ 6 7_____ 8 9_____ 10______ 11

Chunks:
  TruePositive nam [9,10] = Dębnie Lubuskim

(ChunkerEvaluator) Sentence #14185 from articles/00108069 from sent5

Text  : - Decyzją zarządu PZLA , 83 . mistrzostwa Polski mężczyzn odbędą się 21 kwietnia 2013 roku podczas Orlen Warsaw Marathon .
Tokens: 1 2______ 3______ 4___ 5 6_ 7 8__________ 9_____ 10______ 11____ 12_ 13 14______ 15__ 16__ 17_____ 18___ 19____ 20______ 21

Chunks:
  TruePositive nam [18,20] = Orlen Warsaw Marathon
  FalsePositive nam [9,9] = Polski
  FalseNegative nam [4,4] = PZLA
  FalseNegative nam [8,9] = mistrzostwa Polski

(ChunkerEvaluator) Sentence #14186 from articles/00108069 from sent6

Text  : Tym samym Warszawa będzie jedyną w Europie stolicą i drugą na świecie mającą w  roku dwa wielkie biegi na dystansie 42 km 195 m  -  poinformował PAP prezes PZLA Jerzy Skucha .
Tokens: 1__ 2____ 3_______ 4_____ 5_____ 6 7______ 8______ 9 10___ 11 12_____ 13____ 14 15__ 16_ 17_____ 18___ 19 20_______ 21 22 23_ 24 25 26__________ 27_ 28____ 29__ 30___ 31____ 32

Chunks:
  TruePositive nam [3,3] = Warszawa
  TruePositive nam [7,7] = Europie
  TruePositive nam [27,27] = PAP
  TruePositive nam [30,31] = Jerzy Skucha
  FalseNegative nam [29,29] = PZLA

(ChunkerEvaluator) Sentence #14187 from articles/00108069 from sent7

Text  : Jak podkreślili przewodniczący komisji sportowo - technicznej PZLA Janusz Rozum oraz toruński maratończyk parający się statystyką Krzysztof Bartkiewicz ,  wiele stolic i  miejscowości na wszystkich kontynentach organizuje w  ciągu roku po kilkadziesiąt takich imprez .
Tokens: 1__ 2__________ 3_____________ 4______ 5_______ 6 7__________ 8___ 9_____ 10___ 11__ 12______ 13_________ 14______ 15_ 16________ 17_______ 18_________ 19 20___ 21____ 22 23__________ 24 25________ 26__________ 27________ 28 29___ 30__ 31 32___________ 33____ 34____ 35

Chunks:
  TruePositive nam [9,10] = Janusz Rozum
  TruePositive nam [17,18] = Krzysztof Bartkiewicz
  FalseNegative nam [8,8] = PZLA

(ChunkerEvaluator) Sentence #14188 from articles/00108069 from sent8

Text  : Na przykład w Seulu będzie ich blisko sto , ale tylko dwa -  w  marcu i  listopadzie -  są wizytówką stolicy Korei Południowej ,  przy czym wiosenny ma znacznie większy budżet (  w  tym roku zwycięzca za wynik 2  :  05 .  37 otrzymał aż 180 tys .  dolarów )  ,  aniżeli jesienny (  70 tys .  za 2  :  05 .  50 )  .
Tokens: 1_ 2_______ 3 4____ 5_____ 6__ 7_____ 8__ 9 10_ 11___ 12_ 13 14 15___ 16 17_________ 18 19 20_______ 21_____ 22___ 23_________ 24 25__ 26__ 27______ 28 29______ 30_____ 31____ 32 33 34_ 35__ 36_______ 37 38___ 39 40 41 42 43 44______ 45 46_ 47_ 48 49_____ 50 51 52_____ 53______ 54 55 56_ 57 58 59 60 61 62 63 64 65

Chunks:
  TruePositive nam [4,4] = Seulu
  TruePositive nam [22,23] = Korei Południowej
  TruePositive nam [49,49] = dolarów

(ChunkerEvaluator) Sentence #14189 from articles/00108069 from sent9

Text  : - Mnóstwo miast na świecie organizuje w roku od kilkunastu do kilkudziesięciu biegów na trasie długości 42 km 195 m  .
Tokens: 1 2______ 3____ 4_ 5______ 6_________ 7 8___ 9_ 10________ 11 12_____________ 13____ 14 15____ 16______ 17 18 19_ 20 21

Chunks:

(ChunkerEvaluator) Sentence #14190 from articles/00108069 from sent10

Text  : Na przykład w Berlinie jest ok . 20 , w  Hamburgu są co miesiąc ,  ale to są przeważnie amatorskie zawody ,  bez wielkich nazwisk ,  nagród ,  pieniędzy ,  sławy .
Tokens: 1_ 2_______ 3 4_______ 5___ 6_ 7 8_ 9 10 11______ 12 13 14_____ 15 16_ 17 18 19________ 20________ 21____ 22 23_ 24______ 25_____ 26 27____ 28 29_______ 30 31___ 32

Chunks:
  TruePositive nam [4,4] = Berlinie
  TruePositive nam [11,11] = Hamburgu

(ChunkerEvaluator) Sentence #14191 from articles/00108069 from sent11

Text  : Berlin najbardziej jest znany tylko z jednego , wrześniowego maratonu (  40 .  edycja 29 września 2013 )  ,  a  Hamburg z  kwietniowego (  28 .  edycja 21 kwietnia 2013 )  .
Tokens: 1_____ 2__________ 3___ 4____ 5____ 6 7______ 8 9___________ 10______ 11 12 13 14____ 15 16______ 17__ 18 19 20 21_____ 22 23__________ 24 25 26 27____ 28 29______ 30__ 31 32

Chunks:
  TruePositive nam [21,21] = Hamburg
  FalseNegative nam [1,1] = Berlin

(ChunkerEvaluator) Sentence #14192 from articles/00108069 from sent12

Text  : Kto słyszał o innych biegach ?
Tokens: 1__ 2______ 3 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #14193 from articles/00108069 from sent13

Text  : Podobnie jest z Nowym Jorkiem , Bostonem , Londynem ,  Paryżem ,  itd ,  itd -  powiedział PAP Bartkiewicz .
Tokens: 1_______ 2___ 3 4____ 5______ 6 7_______ 8 9_______ 10 11_____ 12 13_ 14 15_ 16 17________ 18_ 19_________ 20

Chunks:
  TruePositive nam [4,5] = Nowym Jorkiem
  TruePositive nam [7,7] = Bostonem
  TruePositive nam [9,9] = Londynem
  TruePositive nam [11,11] = Paryżem
  TruePositive nam [18,18] = PAP
  TruePositive nam [19,19] = Bartkiewicz

(ChunkerEvaluator) Sentence #14194 from articles/00108069 from sent14

Text  : Redaktor naczelny serwisu internetowego maratonypolskie.pl Michał Walczewski dodał , że organizacja na tak wielką skalę drugiego w  Warszawie biegu na dystansie 42 km 195 m  jest z  całą pewnością znaczącym wydarzeniem ,  biorąc pod uwagę budżet .
Tokens: 1_______ 2_______ 3______ 4____________ 5_________________ 6_____ 7_________ 8____ 9 10 11_________ 12 13_ 14____ 15___ 16______ 17 18_______ 19___ 20 21_______ 22 23 24_ 25 26__ 27 28__ 29_______ 30_______ 31_________ 32 33____ 34_ 35___ 36____ 37

Chunks:
  TruePositive nam [5,5] = maratonypolskie.pl
  TruePositive nam [6,7] = Michał Walczewski
  TruePositive nam [18,18] = Warszawie

(ChunkerEvaluator) Sentence #14195 from articles/00108069 from sent15

Text  : Jednak większe korzyści przyniosła by zasada w jedności siła .
Tokens: 1_____ 2______ 3_______ 4_________ 5_ 6_____ 7 8_______ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #14196 from articles/00108069 from sent16

Text  : Dyrektor Maratonu Warszawskiego Marek Tronina ( 35 . edycja 29 września )  jest podobnego zdania .
Tokens: 1_______ 2_______ 3____________ 4____ 5______ 6 7_ 8 9_____ 10 11______ 12 13__ 14_______ 15____ 16

Chunks:
  TruePositive nam [2,3] = Maratonu Warszawskiego
  FalsePositive nam [4,4] = Marek
  FalseNegative nam [4,5] = Marek Tronina

(ChunkerEvaluator) Sentence #14197 from articles/00108069 from sent17

Text  : Znacznie większe możliwości , pod każdym względem , mają wielkie metropolie ,  wielkie stolice ,  a  jednak skupiają wszystkie siły na jednym ,  sztandarowym maratonie .
Tokens: 1_______ 2______ 3_________ 4 5__ 6_____ 7_______ 8 9___ 10_____ 11________ 12 13_____ 14_____ 15 16 17____ 18______ 19_______ 20__ 21 22____ 23 24__________ 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #14198 from articles/00108069 from sent18

Text  : - Ostatnie lata pokazują , że w Polsce największą frekwencję mają biegi na 10 i  21 km .
Tokens: 1 2_______ 3___ 4_______ 5 6_ 7 8_____ 9_________ 10________ 11__ 12___ 13 14 15 16 17 18

Chunks:
  TruePositive nam [8,8] = Polsce

(ChunkerEvaluator) Sentence #14199 from articles/00108069 from sent19

Text  : Do 8 .
Tokens: 1_ 2 3

Chunks:

(ChunkerEvaluator) Sentence #14200 from articles/00108069 from sent20

Text  : Półmaratonu Warszawskiego ( 24 marca ) zgłosiło się ponad 9  tys .  osób ,  a  6  tys .  dokonało już opłaty pakietu startowego -  wspomniał Tronina .
Tokens: 1__________ 2____________ 3 4_ 5____ 6 7_______ 8__ 9____ 10 11_ 12 13__ 14 15 16 17_ 18 19______ 20_ 21____ 22_____ 23________ 24 25_______ 26_____ 27

Chunks:
  FalsePositive nam [2,2] = Warszawskiego
  FalseNegative nam [1,2] = Półmaratonu Warszawskiego
  FalseNegative nam [26,26] = Tronina

(ChunkerEvaluator) Sentence #14201 from articles/00108069 from sent21

Text  : Coraz więcej osób bierze udział w masowej imprezie Biegnij Warszawo .
Tokens: 1____ 2_____ 3___ 4_____ 5_____ 6 7______ 8_______ 9______ 10______ 11

Chunks:
  TruePositive nam [9,10] = Biegnij Warszawo

(ChunkerEvaluator) Sentence #14202 from articles/00108069 from sent22

Text  : W październiku dystans 10 km pokonało prawie 10 tys .  osób .
Tokens: 1 2___________ 3______ 4_ 5_ 6_______ 7_____ 8_ 9__ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #14203 from articles/00108069 from sent23

Text  : Walczewski zaznaczył , że Polska nie odstaje już aż tak bardzo ,  jak przed laty ,  od europejskiej ,  a  nawet światowej czołówki pod względem liczby zawodów ,  także i  maratońskich .
Tokens: 1_________ 2________ 3 4_ 5_____ 6__ 7______ 8__ 9_ 10_ 11____ 12 13_ 14___ 15__ 16 17 18__________ 19 20 21___ 22_______ 23______ 24_ 25______ 26____ 27_____ 28 29___ 30 31__________ 32

Chunks:
  TruePositive nam [5,5] = Polska
  FalseNegative nam [1,1] = Walczewski

(ChunkerEvaluator) Sentence #14204 from articles/00108069 from sent24

Text  : A tych w mijającym roku było 120 - 42 zorganizowano jeden po drugim w  ciągu 42 dni ,  ponadto 13 odbyło się w  Katowicach ,  a  10 w  Bydgoszczy .
Tokens: 1 2___ 3 4________ 5___ 6___ 7__ 8 9_ 10___________ 11___ 12 13____ 14 15___ 16 17_ 18 19_____ 20 21____ 22_ 23 24________ 25 26 27 28 29________ 30

Chunks:
  TruePositive nam [24,24] = Katowicach
  TruePositive nam [29,29] = Bydgoszczy

(ChunkerEvaluator) Sentence #14205 from articles/00108069 from sent25

Text  : Stąd też nachodzące na siebie terminy .
Tokens: 1___ 2__ 3_________ 4_ 5_____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #14206 from articles/00108069 from sent26

Text  : W przyszłorocznym kalendarzu bardzo bogato wygląda zwłaszcza kwiecień ; planowanych jest kilkanaście maratonów ,  w  tym cztery z  tzw .  górnej półki :  7  .  04 -  Dębno ,  14 .  04 -  Łódź ,  21 .  04 -  Warszawa i  28 .  04 -  Kraków .
Tokens: 1 2______________ 3_________ 4_____ 5_____ 6______ 7________ 8_______ 9 10_________ 11__ 12_________ 13_______ 14 15 16_ 17____ 18 19_ 20 21____ 22___ 23 24 25 26 27 28___ 29 30 31 32 33 34__ 35 36 37 38 39 40______ 41 42 43 44 45 46____ 47

Chunks:
  TruePositive nam [28,28] = Dębno
  TruePositive nam [34,34] = Łódź
  TruePositive nam [40,40] = Warszawa
  TruePositive nam [46,46] = Kraków

2016-10-27 15:00:24,441 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 624 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108070.xml
(ChunkerEvaluator) Sentence #14207 from articles/00108070 from sent1

Text  : Chodorkowski wyjdzie na wolność w 2014 roku .
Tokens: 1___________ 2______ 3_ 4______ 5 6___ 7___ 8

Chunks:
  FalseNegative nam [1,1] = Chodorkowski

(ChunkerEvaluator) Sentence #14208 from articles/00108070 from sent2

Text  : Sąd skrócił wyrok
Tokens: 1__ 2______ 3____

Chunks:
  FalseNegative nam [1,1] = Sąd

(ChunkerEvaluator) Sentence #14209 from articles/00108070 from sent3

Text  : Sąd w Moskwie złagodził do 11 lat karę więzienia byłemu szefowi koncernu naftowego Jukos Michaiłowi Chodorkowskiemu i  jego partnerowi biznesowemu Płatonowi Lebiediewowi .
Tokens: 1__ 2 3______ 4________ 5_ 6_ 7__ 8___ 9________ 10____ 11_____ 12______ 13_______ 14___ 15________ 16_____________ 17 18__ 19________ 20_________ 21_______ 22__________ 23

Chunks:
  TruePositive nam [3,3] = Moskwie
  TruePositive nam [21,22] = Płatonowi Lebiediewowi
  FalsePositive nam [14,16] = Jukos Michaiłowi Chodorkowskiemu
  FalseNegative nam [1,1] = Sąd
  FalseNegative nam [14,14] = Jukos
  FalseNegative nam [15,16] = Michaiłowi Chodorkowskiemu

(ChunkerEvaluator) Sentence #14210 from articles/00108070 from sent4

Text  : Wyjdą oni na wolność w 2014 roku - podało Radio Echo Moskwy .
Tokens: 1____ 2__ 3_ 4______ 5 6___ 7___ 8 9_____ 10___ 11__ 12____ 13

Chunks:
  TruePositive nam [10,12] = Radio Echo Moskwy

(ChunkerEvaluator) Sentence #14211 from articles/00108070 from sent5

Text  : Podejmując decyzję o skróceniu wyroku dwóch biznesmenów z 13 do 11 lat ,  sąd powołał się na zmiany w  rosyjskim prawodawstwie dotyczącym kar za przestępstwa gospodarcze .
Tokens: 1_________ 2______ 3 4________ 5_____ 6____ 7__________ 8 9_ 10 11 12_ 13 14_ 15_____ 16_ 17 18____ 19 20_______ 21___________ 22________ 23_ 24 25__________ 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #14212 from articles/00108070 from sent6

Text  : Czwartkowa decyzja sądu oznacza , że Chodorkowski wyjdzie na wolność 25 października 2014 roku ,  a  Lebiediew -  2  lipca 2014 roku -  podało Echo Moskwy .
Tokens: 1_________ 2______ 3___ 4______ 5 6_ 7___________ 8______ 9_ 10_____ 11 12__________ 13__ 14__ 15 16 17_______ 18 19 20___ 21__ 22__ 23 24____ 25__ 26____ 27

Chunks:
  TruePositive nam [25,26] = Echo Moskwy
  FalseNegative nam [7,7] = Chodorkowski
  FalseNegative nam [17,17] = Lebiediew

(ChunkerEvaluator) Sentence #14213 from articles/00108070 from sent7

Text  : Adwokaci zaskarżą decyzję : Nasi klienci powinni być zwolnieni natychmiast
Tokens: 1_______ 2_______ 3______ 4 5___ 6______ 7______ 8__ 9________ 10_________

Chunks:

(ChunkerEvaluator) Sentence #14214 from articles/00108070 from sent8

Text  : Decyzja nie satysfakcjonuje w pełni adwokatów Chodorkowskiego i Lebiediewa ,  ponieważ uważają oni ,  że konsekwencją nowych przepisów powinno być skrócenie kary do tej ,  którą dwaj biznesmeni już odbyli ,  i  wobec tego powinni oni być zwolnieni natychmiast .
Tokens: 1______ 2__ 3______________ 4 5____ 6________ 7______________ 8 9_________ 10 11______ 12_____ 13_ 14 15 16__________ 17____ 18_______ 19_____ 20_ 21_______ 22__ 23 24_ 25 26___ 27__ 28________ 29_ 30____ 31 32 33___ 34__ 35_____ 36_ 37_ 38_______ 39_________ 40

Chunks:
  TruePositive nam [7,7] = Chodorkowskiego
  FalseNegative nam [9,9] = Lebiediewa

(ChunkerEvaluator) Sentence #14215 from articles/00108070 from sent9

Text  : Według radia Echo Moskwy obrońcy zaskarżą decyzję sądu .
Tokens: 1_____ 2____ 3___ 4_____ 5______ 6_______ 7______ 8___ 9

Chunks:
  TruePositive nam [3,4] = Echo Moskwy

(ChunkerEvaluator) Sentence #14216 from articles/00108070 from sent10

Text  : Wcześniej , w listopadzie , sąd rejonowy w Wielsku ,  gdzie Lebiediew odsiaduje wyrok ,  skrócił mu karę z  13 do 10 lat pozbawienia wolności ,  ale następnie sąd wyższej instancji uchylił tę decyzję .
Tokens: 1________ 2 3 4__________ 5 6__ 7_______ 8 9______ 10 11___ 12_______ 13_______ 14___ 15 16_____ 17 18__ 19 20 21 22 23_ 24_________ 25______ 26 27_ 28_______ 29_ 30_____ 31_______ 32_____ 33 34_____ 35

Chunks:
  FalseNegative nam [9,9] = Wielsku
  FalseNegative nam [12,12] = Lebiediew

(ChunkerEvaluator) Sentence #14217 from articles/00108070 from sent11

Text  : Media rosyjskie zwracają uwagę , że czwartkowe orzeczenie sądu zbiegła się z  doroczną konferencją prasową prezydenta Władimira Putina .
Tokens: 1____ 2________ 3_______ 4____ 5 6_ 7_________ 8_________ 9___ 10_____ 11_ 12 13______ 14_________ 15_____ 16________ 17_______ 18____ 19

Chunks:
  TruePositive nam [17,18] = Władimira Putina

(ChunkerEvaluator) Sentence #14218 from articles/00108070 from sent12

Text  : Pytany przez dziennikarzy decyzję ws .
Tokens: 1_____ 2____ 3___________ 4______ 5_ 6

Chunks:

(ChunkerEvaluator) Sentence #14219 from articles/00108070 from sent13

Text  : Chodorkowskiego , Putin oświadczył , że w Rosji wymiar sprawiedliwości jest autonomiczny ,  a  wyroku na byłego szefa Jukosu "  nie można nazwać politycznym "  .
Tokens: 1______________ 2 3____ 4_________ 5 6_ 7 8____ 9_____ 10_____________ 11__ 12__________ 13 14 15____ 16 17____ 18___ 19____ 20 21_ 22___ 23____ 24_________ 25 26

Chunks:
  TruePositive nam [3,3] = Putin
  TruePositive nam [8,8] = Rosji
  FalseNegative nam [1,1] = Chodorkowskiego
  FalseNegative nam [19,19] = Jukosu

(ChunkerEvaluator) Sentence #14220 from articles/00108070 from sent14

Text  : Wyrok za domniemane przestępstwa gospodarcze
Tokens: 1____ 2_ 3_________ 4___________ 5__________

Chunks:

(ChunkerEvaluator) Sentence #14221 from articles/00108070 from sent15

Text  : Lebiediew i Chodorkowski odbywają kary 13 lat pozbawienia wolności za domniemane przestępstwa gospodarcze ,  w  tym pranie brudnych pieniędzy .
Tokens: 1________ 2 3___________ 4_______ 5___ 6_ 7__ 8__________ 9_______ 10 11________ 12__________ 13_________ 14 15 16_ 17____ 18______ 19_______ 20

Chunks:
  TruePositive nam [3,3] = Chodorkowski
  FalseNegative nam [1,1] = Lebiediew

(ChunkerEvaluator) Sentence #14222 from articles/00108070 from sent16

Text  : Byli sądzeni w dwóch procesach .
Tokens: 1___ 2______ 3 4____ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #14223 from articles/00108070 from sent17

Text  : Według wyroku mieli wyjść na wolność w 2016 roku (  Chodorkowski -  25 października ,  a  Lebiediew -  2  lipca )  ,  gdyż w  drugim procesie ,  w  2010 roku ,  na poczet kary zaliczono im wcześniejszy wyrok .
Tokens: 1_____ 2_____ 3____ 4____ 5_ 6______ 7 8___ 9___ 10 11__________ 12 13 14__________ 15 16 17_______ 18 19 20___ 21 22 23__ 24 25____ 26______ 27 28 29__ 30__ 31 32 33____ 34__ 35_______ 36 37__________ 38___ 39

Chunks:
  FalseNegative nam [11,11] = Chodorkowski
  FalseNegative nam [17,17] = Lebiediew

(ChunkerEvaluator) Sentence #14224 from articles/00108070 from sent18

Text  : W pierwszym procesie , w 2005 roku , biznesmeni zostali skazani na osiem lat pozbawienia wolności za rzekome oszustwa podatkowe i  uchylanie się od płacenia podatków .
Tokens: 1 2________ 3_______ 4 5 6___ 7___ 8 9_________ 10_____ 11_____ 12 13___ 14_ 15_________ 16______ 17 18_____ 19______ 20_______ 21 22_______ 23_ 24 25______ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #14225 from articles/00108070 from sent19

Text  : Aresztowani w 2003 roku Chodorkowski i Lebiediew konsekwentnie odpierali wszystkie wysunięte wobec nich zarzuty ,  uważając je za sfabrykowane i  politycznie umotywowane .
Tokens: 1__________ 2 3___ 4___ 5___________ 6 7________ 8____________ 9________ 10_______ 11_______ 12___ 13__ 14_____ 15 16______ 17 18 19__________ 20 21_________ 22_________ 23

Chunks:
  TruePositive nam [5,5] = Chodorkowski
  TruePositive nam [7,7] = Lebiediew

(ChunkerEvaluator) Sentence #14226 from articles/00108070 from sent20

Text  : Obaj odwoływali się od wyroku z 2010 roku , lecz Moskiewski Sąd Miejski odrzucił ich apelację ,  a  Sąd Najwyższy FR podtrzymał tę decyzję .
Tokens: 1___ 2_________ 3__ 4_ 5_____ 6 7___ 8___ 9 10__ 11________ 12_ 13_____ 14______ 15_ 16______ 17 18 19_ 20_______ 21 22________ 23 24_____ 25

Chunks:
  TruePositive nam [11,13] = Moskiewski Sąd Miejski
  TruePositive nam [19,21] = Sąd Najwyższy FR

(ChunkerEvaluator) Sentence #14227 from articles/00108070 from sent21

Text  : Obaj ubiegali się też o przedterminowe zwolnienie , argumentując ,  że odsiedzieli już więcej niż połowę wyroku .
Tokens: 1___ 2_______ 3__ 4__ 5 6_____________ 7_________ 8 9___________ 10 11 12_________ 13_ 14____ 15_ 16____ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #14228 from articles/00108070 from sent22

Text  : Również te wnioski zostały odrzucone .
Tokens: 1______ 2_ 3______ 4______ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #14229 from articles/00108070 from sent23

Text  : Chodorkowski wolny w 2014
Tokens: 1___________ 2____ 3 4___

Chunks:
  FalseNegative nam [1,1] = Chodorkowski

(ChunkerEvaluator) Sentence #14230 from articles/00108070 from sent24

Text  : Oligarcha i jego wspólnik wcześniej wyjdą na wolność
Tokens: 1________ 2 3___ 4_______ 5________ 6____ 7_ 8______

Chunks:

(ChunkerEvaluator) Sentence #14231 from articles/00108070 from sent25

Text  : Moskiewski sąd skrócił karę nałożoną na Michaiła Chodorkowskiego i Płatona Lebiediewa z  13 do 11 lat pobytu w  kolonii karnej .
Tokens: 1_________ 2__ 3______ 4___ 5_______ 6_ 7_______ 8______________ 9 10_____ 11________ 12 13 14 15 16_ 17____ 18 19_____ 20____ 21

Chunks:
  TruePositive nam [7,8] = Michaiła Chodorkowskiego
  TruePositive nam [10,11] = Płatona Lebiediewa

(ChunkerEvaluator) Sentence #14232 from articles/00108070 from sent26

Text  : Obaj wyjdą na wolność w 2014 r .
Tokens: 1___ 2____ 3_ 4______ 5 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #14233 from articles/00108070 from sent27

Text  : Moskiewski sąd skrócił karę nałożoną na Michaiła Chodorkowskiego z 13 do 11 lat pobytu w  kolonii karnej .
Tokens: 1_________ 2__ 3______ 4___ 5_______ 6_ 7_______ 8______________ 9 10 11 12 13_ 14____ 15 16_____ 17____ 18

Chunks:
  TruePositive nam [7,8] = Michaiła Chodorkowskiego

(ChunkerEvaluator) Sentence #14234 from articles/00108070 from sent28

Text  : Tak samo skrócono karę , jaką odbywa partner biznesowy Chodorkowskiego ,  Płaton Lebiediew .
Tokens: 1__ 2___ 3_______ 4___ 5 6___ 7_____ 8______ 9________ 10_____________ 11 12____ 13_______ 14

Chunks:
  TruePositive nam [12,13] = Płaton Lebiediew
  FalseNegative nam [10,10] = Chodorkowskiego

(ChunkerEvaluator) Sentence #14235 from articles/00108070 from sent29

Text  : Oznacza to , że obaj mogą wyjść na wolność w  2014 roku .
Tokens: 1______ 2_ 3 4_ 5___ 6___ 7____ 8_ 9______ 10 11__ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #14236 from articles/00108070 from sent30

Text  : Sąd uzasadnił swoją decyzję liberalizacją przepisów .
Tokens: 1__ 2________ 3____ 4______ 5____________ 6________ 7

Chunks:
  FalseNegative nam [1,1] = Sąd

(ChunkerEvaluator) Sentence #14237 from articles/00108070 from sent31

Text  : O obniżenie kar wnioskowała prokuratura .
Tokens: 1 2________ 3__ 4__________ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #14238 from articles/00108070 from sent32

Text  : Oświadczyła ona , że Chodorkowski i Lebiediew zostali skazani prawomocnie i  słusznie ,  ale w  związku ze zmianami w  kodeksie karnym ich wyroki powinny zostać obniżone .
Tokens: 1__________ 2__ 3 4_ 5___________ 6 7________ 8______ 9______ 10_________ 11 12______ 13 14_ 15 16_____ 17 18______ 19 20______ 21____ 22_ 23____ 24_____ 25____ 26______ 27

Chunks:
  FalseNegative nam [5,5] = Chodorkowski
  FalseNegative nam [7,7] = Lebiediew

(ChunkerEvaluator) Sentence #14239 from articles/00108070 from sent33

Text  : Michaił Chodorkowski był współwłaścicielem koncernu naftowego Jukos .
Tokens: 1______ 2___________ 3__ 4________________ 5_______ 6________ 7____ 8

Chunks:
  TruePositive nam [1,2] = Michaił Chodorkowski
  TruePositive nam [7,7] = Jukos

(ChunkerEvaluator) Sentence #14240 from articles/00108070 from sent34

Text  : W 2005 roku został skazany na 8 lat pozbawienia wolności za oszustwa podatkowe .
Tokens: 1 2___ 3___ 4_____ 5______ 6_ 7 8__ 9__________ 10______ 11 12______ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #14241 from articles/00108070 from sent35

Text  : 5 lat później skazano go na 13 i pół roku więzienia za przywłaszczenie 218 milionów ton ropy naftowej ,  w  poczet tej kary zaliczono jednak wcześniejszy wyrok .
Tokens: 1 2__ 3______ 4______ 5_ 6_ 7_ 8 9__ 10__ 11_______ 12 13_____________ 14_ 15______ 16_ 17__ 18______ 19 20 21____ 22_ 23__ 24_______ 25____ 26__________ 27___ 28

Chunks:

(ChunkerEvaluator) Sentence #14242 from articles/00108070 from sent36

Text  : Zdaniem rosyjskiej opozycji Chodorkowski został skazany za krytykę polityki Władimira Putina .
Tokens: 1______ 2_________ 3_______ 4___________ 5_____ 6______ 7_ 8______ 9_______ 10_______ 11____ 12

Chunks:
  TruePositive nam [10,11] = Władimira Putina
  FalseNegative nam [4,4] = Chodorkowski

2016-10-27 15:00:24,624 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 625 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108071.xml
(ChunkerEvaluator) Sentence #14243 from articles/00108071 from sent1

Text  : Pistolet Bonda w nowej publikacji Muzeum Powstania Warszawskiego
Tokens: 1_______ 2____ 3 4____ 5_________ 6_____ 7________ 8____________

Chunks:
  TruePositive nam [1,2] = Pistolet Bonda
  TruePositive nam [6,8] = Muzeum Powstania Warszawskiego

(ChunkerEvaluator) Sentence #14244 from articles/00108071 from sent2

Text  : Niemiecki pistolet Walther PPK , używany przez agenta 007 Jamesa Bonda i  niemiecki karabin maszynowy MG 15 ,  który &  quot ;  zagrał &  quot ;  w  &  quot ;  Gwiezdnych wojnach &  quot ;  to niektóre z  rodzajów broni używanej w  Powstaniu Warszawskim .
Tokens: 1________ 2_______ 3______ 4__ 5 6______ 7____ 8_____ 9__ 10____ 11___ 12 13_______ 14_____ 15_______ 16 17 18 19___ 20 21__ 22 23____ 24 25__ 26 27 28 29__ 30 31________ 32_____ 33 34__ 35 36 37______ 38 39______ 40___ 41______ 42 43_______ 44_________ 45

Chunks:
  TruePositive nam [3,4] = Walther PPK
  TruePositive nam [10,11] = Jamesa Bonda
  TruePositive nam [43,44] = Powstaniu Warszawskim
  FalsePositive nam [16,16] = MG
  FalseNegative nam [8,9] = agenta 007
  FalseNegative nam [16,17] = MG 15
  FalseNegative nam [31,32] = Gwiezdnych wojnach

(ChunkerEvaluator) Sentence #14245 from articles/00108071 from sent3

Text  : Ich opisy znalazły się w & quot ; Leksykonie militariów Powstania Warszawskiego &  quot ;  .
Tokens: 1__ 2____ 3_______ 4__ 5 6 7___ 8 9_________ 10________ 11_______ 12___________ 13 14__ 15 16

Chunks:
  FalsePositive nam [9,9] = Leksykonie
  FalsePositive nam [11,13] = Powstania Warszawskiego &
  FalseNegative nam [9,12] = Leksykonie militariów Powstania Warszawskiego

(ChunkerEvaluator) Sentence #14246 from articles/00108071 from sent4

Text  : W publikacji wydanej właśnie przez Muzeum Powstania Warszawskiego wspólnie z  IPN ,  zaprezentowano 165 haseł opisujących uzbrojenie i  wyposażenie Polaków i  Niemców walczących w  Powstaniu Warszawskim .
Tokens: 1 2_________ 3______ 4______ 5____ 6_____ 7________ 8____________ 9_______ 10 11_ 12 13____________ 14_ 15___ 16_________ 17________ 18 19_________ 20_____ 21 22_____ 23________ 24 25_______ 26_________ 27

Chunks:
  TruePositive nam [6,8] = Muzeum Powstania Warszawskiego
  TruePositive nam [11,11] = IPN
  TruePositive nam [20,20] = Polaków
  TruePositive nam [22,22] = Niemców
  TruePositive nam [25,26] = Powstaniu Warszawskim

(ChunkerEvaluator) Sentence #14247 from articles/00108071 from sent5

Text  : W każdym z haseł znalazł się nie tylko opis i  historia broni wraz z  fotografią współczesną ,  ale także jej archiwalne zdjęcia oraz relacje powstańców mających z  nią styczność .
Tokens: 1 2_____ 3 4____ 5______ 6__ 7__ 8____ 9___ 10 11______ 12___ 13__ 14 15________ 16_________ 17 18_ 19___ 20_ 21________ 22_____ 23__ 24_____ 25________ 26______ 27 28_ 29_______ 30

Chunks:

(ChunkerEvaluator) Sentence #14248 from articles/00108071 from sent6

Text  : " To pierwsze wydawnictwo ukazujące w pełni uzbrojenie z Powstania Warszawskiego .
Tokens: 1 2_ 3_______ 4__________ 5________ 6 7____ 8_________ 9 10_______ 11___________ 12

Chunks:
  TruePositive nam [10,11] = Powstania Warszawskiego

(ChunkerEvaluator) Sentence #14249 from articles/00108071 from sent7

Text  : Każde z haseł zawiera opis broni , informacje kiedy powstała ,  jak działała ,  gdzie i  przez kogo była używana w  Powstaniu .
Tokens: 1____ 2 3____ 4______ 5___ 6____ 7 8_________ 9____ 10______ 11 12_ 13______ 14 15___ 16 17___ 18__ 19__ 20_____ 21 22_______ 23

Chunks:
  TruePositive nam [22,22] = Powstaniu

(ChunkerEvaluator) Sentence #14250 from articles/00108071 from sent8

Text  : Hasło zawiera także parametry techniczne - długość , kaliber ,  masę .
Tokens: 1____ 2______ 3____ 4________ 5_________ 6 7______ 8 9______ 10 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #14251 from articles/00108071 from sent9

Text  : Starali śmy przy nim umieścić także powstałą na podstawie naszego Archiwum Historii Mówionej ,  relację powstańczą osoby ,  która miała styczność z  tą bronią lub relację niemiecką potwierdzającą ,  że dana broń była używana w  Powstaniu .
Tokens: 1______ 2__ 3___ 4__ 5_______ 6____ 7_______ 8_ 9________ 10_____ 11______ 12______ 13______ 14 15_____ 16________ 17___ 18 19___ 20___ 21_______ 22 23 24____ 25_ 26_____ 27_______ 28____________ 29 30 31__ 32__ 33__ 34_____ 35 36_______ 37

Chunks:
  TruePositive nam [36,36] = Powstaniu
  FalsePositive nam [11,13] = Archiwum Historii Mówionej
  FalseNegative nam [11,14] = Archiwum Historii Mówionej ,

(ChunkerEvaluator) Sentence #14252 from articles/00108071 from sent10

Text  : Notkę uzupełnia również zawsze jakaś ciekawostka wzbogacająca wiedzę o obiekcie i  literatura przedmiotu "  -  opowiadał PAP jeden z  autorów publikacji Karol Mazur z  Muzeum Powstania Warszawskiego .
Tokens: 1____ 2________ 3______ 4_____ 5____ 6__________ 7___________ 8_____ 9 10______ 11 12________ 13________ 14 15 16_______ 17_ 18___ 19 20_____ 21________ 22___ 23___ 24 25____ 26_______ 27___________ 28

Chunks:
  TruePositive nam [17,17] = PAP
  TruePositive nam [22,23] = Karol Mazur
  TruePositive nam [25,27] = Muzeum Powstania Warszawskiego

(ChunkerEvaluator) Sentence #14253 from articles/00108071 from sent11

Text  : Jak zaznaczył , celem publikacji było zaprezentowanie w przystępny sposób uzbrojenia w  Powstaniu Warszawskim -  zarówno powstańców ,  jak i  sił tłumiących zryw .
Tokens: 1__ 2________ 3 4____ 5_________ 6___ 7______________ 8 9_________ 10____ 11________ 12 13_______ 14_________ 15 16_____ 17________ 18 19_ 20 21_ 22________ 23__ 24

Chunks:
  TruePositive nam [13,14] = Powstaniu Warszawskim

(ChunkerEvaluator) Sentence #14254 from articles/00108071 from sent12

Text  : " Książka miała być popularna , nie chcieli śmy zrobić czegoś bardzo naukowego ,  pisanego językiem dostępnym tylko dla ekspertów od militariów ,  tylko dla każdego odbiorcy zainteresowanego tą tematyką ,  żeby mógł mieć takie kompendium wiedzy na ten temat .
Tokens: 1 2______ 3____ 4__ 5________ 6 7__ 8______ 9__ 10____ 11____ 12____ 13_______ 14 15______ 16______ 17_______ 18___ 19_ 20_______ 21 22________ 23 24___ 25_ 26_____ 27______ 28______________ 29 30______ 31 32__ 33__ 34__ 35___ 36________ 37____ 38 39_ 40___ 41

Chunks:

(ChunkerEvaluator) Sentence #14255 from articles/00108071 from sent13

Text  : Duży nacisk położyli śmy też na grafikę , a w  publikacji znalazły się zarówno współczesne zdjęcia obiektów muzealnych ,  jak i  fotografie archiwalne z  okresu Powstania lub II wojny "  -  powiedział Mazur .
Tokens: 1___ 2_____ 3_______ 4__ 5__ 6_ 7______ 8 9 10 11________ 12______ 13_ 14_____ 15_________ 16_____ 17______ 18________ 19 20_ 21 22________ 23________ 24 25____ 26_______ 27_ 28 29___ 30 31 32________ 33___ 34

Chunks:
  TruePositive nam [26,26] = Powstania
  TruePositive nam [33,33] = Mazur
  FalseNegative nam [28,29] = II wojny

(ChunkerEvaluator) Sentence #14256 from articles/00108071 from sent14

Text  : W książce zaprezentowano broń palną , pancerną i artyleryjską ;  granaty ,  broń specjalną i  osprzęt ;  lotnictwo oraz umundurowanie i  wyposażenie uczestników zrywu .
Tokens: 1 2______ 3_____________ 4___ 5____ 6 7_______ 8 9___________ 10 11_____ 12 13__ 14_______ 15 16_____ 17 18_______ 19__ 20___________ 21 22_________ 23_________ 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #14257 from articles/00108071 from sent15

Text  : " Starali śmy się pokazać , że powstańcy byli prawdziwymi żołnierzami ,  iż nie było tak ,  jak mówiła propaganda niemiecka ,  że byli to jacyś bandyci ,  którzy chwycili za broń .
Tokens: 1 2______ 3__ 4__ 5______ 6 7_ 8________ 9___ 10_________ 11_________ 12 13 14_ 15__ 16_ 17 18_ 19____ 20________ 21_______ 22 23 24__ 25 26___ 27_____ 28 29____ 30______ 31 32__ 33

Chunks:

(ChunkerEvaluator) Sentence #14258 from articles/00108071 from sent16

Text  : Oni starali się naprawdę wyglądać jak regularna armia , bardzo dbali o  to ,  żeby mieć odpowiednie umundurowanie -  czy to zdobyte na Niemcach czy choćby kombinezony ,  żeby wyglądać jak regularne wojsko .
Tokens: 1__ 2______ 3__ 4_______ 5_______ 6__ 7________ 8____ 9 10____ 11___ 12 13 14 15__ 16__ 17_________ 18___________ 19 20_ 21 22_____ 23 24______ 25_ 26____ 27_________ 28 29__ 30______ 31_ 32_______ 33____ 34

Chunks:
  TruePositive nam [24,24] = Niemcach

(ChunkerEvaluator) Sentence #14259 from articles/00108071 from sent17

Text  : Zresztą w czasie Powstania sami nie nazywali siebie Armią Krajową ,  tylko Wojskiem Polskim ,  stąd na opaskach nosili litery +  WP +  "  -  podkreślił Mazur .
Tokens: 1______ 2 3_____ 4________ 5___ 6__ 7_______ 8_____ 9____ 10_____ 11 12___ 13______ 14_____ 15 16__ 17 18______ 19____ 20____ 21 22 23 24 25 26________ 27___ 28

Chunks:
  TruePositive nam [4,4] = Powstania
  TruePositive nam [9,10] = Armią Krajową
  TruePositive nam [13,14] = Wojskiem Polskim
  TruePositive nam [27,27] = Mazur
  FalsePositive nam [22,23] = WP +

(ChunkerEvaluator) Sentence #14260 from articles/00108071 from sent18

Text  : W publikacji przedstawiona została również broń pochodzącą ze zrzutów alianckich oraz zdobyta przez powstańców lub własnoręcznie przez nich wykonywana .
Tokens: 1 2_________ 3____________ 4______ 5______ 6___ 7_________ 8_ 9______ 10________ 11__ 12_____ 13___ 14________ 15_ 16___________ 17___ 18__ 19________ 20

Chunks:

(ChunkerEvaluator) Sentence #14261 from articles/00108071 from sent19

Text  : Zaprezentowany w wydawnictwie polski pistolet maszynowy " Błyskawica " był podczas II wojny światowej jedynym opracowanym i  seryjnie produkowanym przez ruch oporu rodzajem broni w  okupowanej Europie .
Tokens: 1_____________ 2 3___________ 4_____ 5_______ 6________ 7 8_________ 9 10_ 11_____ 12 13___ 14_______ 15_____ 16_________ 17 18______ 19__________ 20___ 21__ 22___ 23______ 24___ 25 26________ 27_____ 28

Chunks:
  TruePositive nam [8,8] = Błyskawica
  TruePositive nam [27,27] = Europie
  FalseNegative nam [12,14] = II wojny światowej

(ChunkerEvaluator) Sentence #14262 from articles/00108071 from sent20

Text  : Natomiast podczas konstruowania przez powstańców wozu bojowego " Kubuś "  blachy do jego opancerzenia sprowadzano z  różnych miejsc ,  były to m  .  in .  drzwi do kas pancernych ,  które znaleziono w  magazynie przy stołecznej ul .  Kopernika .
Tokens: 1________ 2______ 3____________ 4____ 5_________ 6___ 7_______ 8 9____ 10 11____ 12 13__ 14__________ 15_________ 16 17_____ 18____ 19 20__ 21 22 23 24 25 26___ 27 28_ 29________ 30 31___ 32________ 33 34_______ 35__ 36________ 37 38 39_______ 40

Chunks:
  TruePositive nam [9,9] = Kubuś
  TruePositive nam [39,39] = Kopernika

(ChunkerEvaluator) Sentence #14263 from articles/00108071 from sent21

Text  : Wytwarzane przez powstańców butelki zapalające Niemcy nazywali zaś " koktajlami Montera "  .
Tokens: 1_________ 2____ 3_________ 4______ 5_________ 6_____ 7_______ 8__ 9 10________ 11_____ 12 13

Chunks:
  TruePositive nam [6,6] = Niemcy
  FalsePositive nam [11,11] = Montera
  FalseNegative nam [10,11] = koktajlami Montera

(ChunkerEvaluator) Sentence #14264 from articles/00108071 from sent22

Text  : Nazwa ta nawiązywała do pseudonimu dowódcy Powstania Warszawskiego gen .  Antoniego Chruściela "  Montera "  i  powszechnie używanego określenia na ten rodzaj broni -  "  koktajl Mołotowa "  .
Tokens: 1____ 2_ 3__________ 4_ 5_________ 6______ 7________ 8____________ 9__ 10 11_______ 12________ 13 14_____ 15 16 17_________ 18_______ 19________ 20 21_ 22____ 23___ 24 25 26_____ 27______ 28 29

Chunks:
  TruePositive nam [7,8] = Powstania Warszawskiego
  TruePositive nam [11,12] = Antoniego Chruściela
  TruePositive nam [14,14] = Montera
  FalsePositive nam [27,27] = Mołotowa
  FalseNegative nam [26,27] = koktajl Mołotowa

(ChunkerEvaluator) Sentence #14265 from articles/00108071 from sent23

Text  : Sami Niemcy z kolei , przygotowując stanowisko dla opisanego w  książce moździerza samobieżnego Karl Moerser Geraet ,  umożliwiające mu ostrzał Warszawy ,  wylali w  Parku Sowińskiego na Woli betonowy podest ,  który znajduje się tam do dzisiaj .
Tokens: 1___ 2_____ 3 4____ 5 6____________ 7_________ 8__ 9________ 10 11_____ 12________ 13__________ 14__ 15_____ 16____ 17 18___________ 19 20_____ 21______ 22 23____ 24 25___ 26_________ 27 28__ 29______ 30____ 31 32___ 33______ 34_ 35_ 36 37_____ 38

Chunks:
  TruePositive nam [2,2] = Niemcy
  TruePositive nam [14,16] = Karl Moerser Geraet
  TruePositive nam [21,21] = Warszawy
  TruePositive nam [25,26] = Parku Sowińskiego
  TruePositive nam [28,28] = Woli

(ChunkerEvaluator) Sentence #14266 from articles/00108071 from sent24

Text  : Zaś m . in . dzięki produkowanym przez powstańców miotaczom płomieni ,  20 sierpnia 1944 r  .
Tokens: 1__ 2 3 4_ 5 6_____ 7___________ 8____ 9_________ 10_______ 11______ 12 13 14______ 15__ 16 17

Chunks:

(ChunkerEvaluator) Sentence #14267 from articles/00108071 from sent25

Text  : Polacy zdobyli jeden z dwóch najwyższych budynków w Warszawie ,  wieżowiec PAST-y (  Polskiej Akcyjnej Spółki Telefonicznej )  .
Tokens: 1_____ 2______ 3____ 4 5____ 6__________ 7_______ 8 9________ 10 11_______ 12____ 13 14______ 15______ 16____ 17___________ 18 19

Chunks:
  TruePositive nam [9,9] = Warszawie
  TruePositive nam [14,17] = Polskiej Akcyjnej Spółki Telefonicznej
  FalsePositive nam [11,12] = wieżowiec PAST-y
  FalseNegative nam [1,1] = Polacy
  FalseNegative nam [12,12] = PAST-y

(ChunkerEvaluator) Sentence #14268 from articles/00108071 from sent26

Text  : To było jedno z największych zwycięstw odniesionych przez powstańców .
Tokens: 1_ 2___ 3____ 4 5___________ 6________ 7___________ 8____ 9_________ 10

Chunks:

2016-10-27 15:00:24,825 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 626 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108072.xml
(ChunkerEvaluator) Sentence #14269 from articles/00108072 from sent1

Text  : Beskidy .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Beskidy

(ChunkerEvaluator) Sentence #14270 from articles/00108072 from sent2

Text  : Góralska pasterka w Szczyrku i Żabnicy ; górska - na Dębowcu
Tokens: 1_______ 2_______ 3 4_______ 5 6______ 7 8_____ 9 10 11_____

Chunks:
  TruePositive nam [4,4] = Szczyrku
  TruePositive nam [6,6] = Żabnicy
  TruePositive nam [11,11] = Dębowcu
  FalseNegative nam [2,2] = pasterka

(ChunkerEvaluator) Sentence #14271 from articles/00108072 from sent3

Text  : Na góralskich pasterkach powitają wierni w Beskidach narodzenie Zbawiciela .
Tokens: 1_ 2_________ 3_________ 4_______ 5_____ 6 7________ 8_________ 9_________ 10

Chunks:
  TruePositive nam [7,7] = Beskidach
  TruePositive nam [9,9] = Zbawiciela
  FalseNegative nam [3,3] = pasterkach

(ChunkerEvaluator) Sentence #14272 from articles/00108072 from sent4

Text  : Uroczyste msze święte odprawione zostaną między innymi w Szczyrku i  Żabnicy ,  a  także na górze Dębowiec w  Bielsku -  Białej .
Tokens: 1________ 2___ 3_____ 4_________ 5______ 6_____ 7_____ 8 9_______ 10 11_____ 12 13 14___ 15 16___ 17______ 18 19_____ 20 21____ 22

Chunks:
  TruePositive nam [9,9] = Szczyrku
  TruePositive nam [11,11] = Żabnicy
  TruePositive nam [17,17] = Dębowiec
  TruePositive nam [19,21] = Bielsku - Białej

(ChunkerEvaluator) Sentence #14273 from articles/00108072 from sent5

Text  : Kolędy zaśpiewają góralskie kapele .
Tokens: 1_____ 2_________ 3________ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #14274 from articles/00108072 from sent6

Text  : Góralska pasterka zostanie odprawiona w sanktuarium Pani Beskidów na Górce w  Szczyrku .
Tokens: 1_______ 2_______ 3_______ 4_________ 5 6__________ 7___ 8_______ 9_ 10___ 11 12______ 13

Chunks:
  TruePositive nam [12,12] = Szczyrku
  FalsePositive nam [7,8] = Pani Beskidów
  FalsePositive nam [10,10] = Górce
  FalseNegative nam [2,2] = pasterka
  FalseNegative nam [8,8] = Beskidów

(ChunkerEvaluator) Sentence #14275 from articles/00108072 from sent7

Text  : Pielgrzymów wezwą na modlitwę góralskie trombity .
Tokens: 1__________ 2____ 3_ 4_______ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #14276 from articles/00108072 from sent8

Text  : Zapłonie także watra , czyli ogromne ognisko , przy którym wierni przełamią się opłatkiem .
Tokens: 1_______ 2____ 3____ 4 5____ 6______ 7______ 8 9___ 10____ 11____ 12_______ 13_ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #14277 from articles/00108072 from sent9

Text  : Kolędy zaśpiewa zespół regionalny Klimczok .
Tokens: 1_____ 2_______ 3_____ 4_________ 5_______ 6

Chunks:
  FalseNegative nam [5,5] = Klimczok

(ChunkerEvaluator) Sentence #14278 from articles/00108072 from sent10

Text  : W miejscu , gdzie stoi szczyrkowskie sanktuarium , w 1894 roku 12 -  letniej Juliannie Peździe ukazała się Matka Boża .
Tokens: 1 2______ 3 4____ 5___ 6____________ 7__________ 8 9 10__ 11__ 12 13 14_____ 15_______ 16_____ 17_____ 18_ 19___ 20__ 21

Chunks:
  TruePositive nam [19,20] = Matka Boża
  FalsePositive nam [15,15] = Juliannie
  FalseNegative nam [15,16] = Juliannie Peździe

(ChunkerEvaluator) Sentence #14279 from articles/00108072 from sent11

Text  : Później widziała ją jeszcze dwójka innych dzieci : Marianna Pezdek oraz Marianna Marek .
Tokens: 1______ 2_______ 3_ 4______ 5_____ 6_____ 7_____ 8 9_______ 10____ 11__ 12______ 13___ 14

Chunks:
  TruePositive nam [9,10] = Marianna Pezdek
  TruePositive nam [12,13] = Marianna Marek

(ChunkerEvaluator) Sentence #14280 from articles/00108072 from sent12

Text  : Dzieci otrzymały od Maryi szereg zaleceń .
Tokens: 1_____ 2________ 3_ 4____ 5_____ 6______ 7

Chunks:
  TruePositive nam [4,4] = Maryi

(ChunkerEvaluator) Sentence #14281 from articles/00108072 from sent13

Text  : Matka Boża miała zwrócić szczególną uwagę na odmawianie modlitwy Anioł Pański ,  a  także kazała wybudować kaplicę .
Tokens: 1____ 2___ 3____ 4______ 5_________ 6____ 7_ 8_________ 9_______ 10___ 11____ 12 13 14___ 15____ 16_______ 17_____ 18

Chunks:
  TruePositive nam [1,2] = Matka Boża
  TruePositive nam [10,11] = Anioł Pański

(ChunkerEvaluator) Sentence #14282 from articles/00108072 from sent14

Text  : Drewniana kapliczka powstała jeszcze w 1894 roku .
Tokens: 1________ 2________ 3_______ 4______ 5 6___ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #14283 from articles/00108072 from sent15

Text  : W 1912 roku rozpoczęła się budowa murowanej kaplicy .
Tokens: 1 2___ 3___ 4_________ 5__ 6_____ 7________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #14284 from articles/00108072 from sent16

Text  : W latach 1948 - 1953 wzniesiony został obecnie istniejący kościół -  sanktuarium .
Tokens: 1 2_____ 3___ 4 5___ 6_________ 7_____ 8______ 9_________ 10_____ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #14285 from articles/00108072 from sent17

Text  : Góralska muzyka na pięćdziesiąt instrumentów i dwieście głosów przywita Jezusa w  ubożuchnej szopce w  kościele parafialnym w  Żabnicy w  Beskidzie Żywieckim .
Tokens: 1_______ 2_____ 3_ 4___________ 5___________ 6 7_______ 8_____ 9_______ 10____ 11 12________ 13____ 14 15______ 16_________ 17 18_____ 19 20_______ 21_______ 22

Chunks:
  TruePositive nam [10,10] = Jezusa
  TruePositive nam [18,18] = Żabnicy
  TruePositive nam [20,21] = Beskidzie Żywieckim

(ChunkerEvaluator) Sentence #14286 from articles/00108072 from sent18

Text  : " Okarynki , fujrecki , skrzypki , dudy , basy ,  bydom grały Jezuskowi po syściutkie casy "  -  zaprosili organizatorzy .
Tokens: 1 2_______ 3 4_______ 5 6_______ 7 8___ 9 10__ 11 12___ 13___ 14_______ 15 16________ 17__ 18 19 20_______ 21___________ 22

Chunks:
  FalseNegative nam [14,14] = Jezuskowi

(ChunkerEvaluator) Sentence #14287 from articles/00108072 from sent19

Text  : Pasterka odprawiona zostanie także w kaplicy akademickiej na górującej nad Bielskiem -  Białą górze Dębowiec .
Tokens: 1_______ 2_________ 3_______ 4____ 5 6______ 7___________ 8_ 9________ 10_ 11_______ 12 13___ 14___ 15______ 16

Chunks:
  TruePositive nam [11,13] = Bielskiem - Białą
  TruePositive nam [15,15] = Dębowiec
  FalseNegative nam [1,1] = Pasterka

(ChunkerEvaluator) Sentence #14288 from articles/00108072 from sent20

Text  : Rokrocznie gromadzi ona setki bielszczan , świętujących narodziny Chrystusa w  górskiej scenerii .
Tokens: 1_________ 2_______ 3__ 4____ 5_________ 6 7___________ 8________ 9________ 10 11______ 12______ 13

Chunks:
  TruePositive nam [9,9] = Chrystusa

(ChunkerEvaluator) Sentence #14289 from articles/00108072 from sent21

Text  : Wielu uczestników przychodzi z pochodniami lub lampionami .
Tokens: 1____ 2__________ 3_________ 4 5__________ 6__ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #14290 from articles/00108072 from sent22

Text  : Dodatkową atrakcją jest panorama ; z polany na Dębowcu roztacza się widok na Bielsko -  Białą oraz okoliczne góry .
Tokens: 1________ 2_______ 3___ 4_______ 5 6 7_____ 8_ 9______ 10______ 11_ 12___ 13 14_____ 15 16___ 17__ 18_______ 19__ 20

Chunks:
  TruePositive nam [9,9] = Dębowcu
  TruePositive nam [14,16] = Bielsko - Białą

(ChunkerEvaluator) Sentence #14291 from articles/00108072 from sent23

Text  : Pasterki w drewnianej kaplicy , położonej nieopodal schroniska , odprawiane są od kilkunastu lat .
Tokens: 1_______ 2 3_________ 4______ 5 6________ 7________ 8_________ 9 10________ 11 12 13________ 14_ 15

Chunks:
  FalseNegative nam [1,1] = Pasterki

(ChunkerEvaluator) Sentence #14292 from articles/00108072 from sent24

Text  : W Beskidach panuje odwilż .
Tokens: 1 2________ 3_____ 4_____ 5

Chunks:
  FalsePositive nam [2,2] = Beskidach

(ChunkerEvaluator) Sentence #14293 from articles/00108072 from sent25

Text  : Temperatury są dodatnie , a wierni , którzy będą uczestniczyli w  pasterkach powinni pamiętać o  parasolach .
Tokens: 1__________ 2_ 3_______ 4 5 6_____ 7 8_____ 9___ 10___________ 11 12________ 13_____ 14______ 15 16________ 17

Chunks:
  FalseNegative nam [12,12] = pasterkach

2016-10-27 15:00:24,922 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 627 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108073.xml
(ChunkerEvaluator) Sentence #14294 from articles/00108073 from sent1

Text  : Syria : dowódca żandarmerii przeszedł na stronę powstańców
Tokens: 1____ 2 3______ 4__________ 5________ 6_ 7_____ 8_________

Chunks:
  TruePositive nam [1,1] = Syria

(ChunkerEvaluator) Sentence #14295 from articles/00108073 from sent2

Text  : W umieszczonym w środę w internecie nagraniu wideo dowódca syryjskiej żandarmerii wojskowej oświadczył ,  iż wypowiedział posłuszeństwo reżimowi prezydenta Baszara el -  Asada i  przyłączył się do trwającego już blisko dwa lata antyrządowego powstania .
Tokens: 1 2___________ 3 4____ 5 6_________ 7_______ 8____ 9______ 10________ 11_________ 12_______ 13________ 14 15 16__________ 17___________ 18______ 19________ 20_____ 21 22 23___ 24 25________ 26_ 27 28________ 29_ 30____ 31_ 32__ 33___________ 34_______ 35

Chunks:
  TruePositive nam [20,23] = Baszara el - Asada
  FalsePositive nam [6,6] = internecie

(ChunkerEvaluator) Sentence #14296 from articles/00108073 from sent3

Text  : - Jestem generał Abdelaziz Dżassim al - Szalal , dowódca żandarmerii wojskowej .
Tokens: 1 2_____ 3______ 4________ 5______ 6_ 7 8_____ 9 10_____ 11_________ 12_______ 13

Chunks:
  TruePositive nam [4,8] = Abdelaziz Dżassim al - Szalal

(ChunkerEvaluator) Sentence #14297 from articles/00108073 from sent4

Text  : Wypowiedział em posłuszeństwo z powodu odejścia wojska od jego podstawowego zadania ochrony kraju i  przekształcenia się w  gangi ,  zajmujące się zabijaniem i  niszczeniem -  powiedział na filmie wideo ,  zamieszczonym na portalu internetowym YouTube .
Tokens: 1___________ 2_ 3____________ 4 5_____ 6_______ 7_____ 8_ 9___ 10__________ 11_____ 12_____ 13___ 14 15_____________ 16_ 17 18___ 19 20_______ 21_ 22________ 23 24_________ 25 26________ 27 28____ 29___ 30 31___________ 32 33_____ 34__________ 35_____ 36

Chunks:
  FalseNegative nam [35,35] = YouTube

(ChunkerEvaluator) Sentence #14298 from articles/00108073 from sent5

Text  : Przedstawiciel syryjskich władz bezpieczeństwa potwierdził fakt dezercji Szalala , bagatelizując jednocześnie znaczenie tego wydarzenia .
Tokens: 1_____________ 2_________ 3____ 4_____________ 5__________ 6___ 7_______ 8______ 9 10___________ 11__________ 12_______ 13__ 14________ 15

Chunks:
  FalseNegative nam [8,8] = Szalala

(ChunkerEvaluator) Sentence #14299 from articles/00108073 from sent6

Text  : Jak zaznaczył , generał miał być przeniesiony na emeryturę ,  a  swym obecnym posunięciem próbuje "  grać bohatera "  .
Tokens: 1__ 2________ 3 4______ 5___ 6__ 7___________ 8_ 9________ 10 11 12__ 13_____ 14_________ 15_____ 16 17__ 18______ 19 20

Chunks:

(ChunkerEvaluator) Sentence #14300 from articles/00108073 from sent7

Text  : W Syrii już drugi rok trwa wojna opozycji przeciw reżimowi Baszara al -  Asada ,  syna dyktatora Hafeza al -  Asada ,  który był u  władzy wcześniej przez 30 lat .
Tokens: 1 2____ 3__ 4____ 5__ 6___ 7____ 8_______ 9______ 10______ 11_____ 12 13 14___ 15 16__ 17_______ 18____ 19 20 21___ 22 23___ 24_ 25 26____ 27_______ 28___ 29 30_ 31

Chunks:
  TruePositive nam [2,2] = Syrii
  TruePositive nam [11,14] = Baszara al - Asada
  TruePositive nam [18,21] = Hafeza al - Asada

(ChunkerEvaluator) Sentence #14301 from articles/00108073 from sent8

Text  : Inspiracją dla Syryjczyków do protestów , a następnie zbrojnego wystąpienia były rewolucje w  Tunezji ,  Egipcie oraz wojna domowa w  Libii .
Tokens: 1_________ 2__ 3__________ 4_ 5________ 6 7 8________ 9________ 10_________ 11__ 12_______ 13 14_____ 15 16_____ 17__ 18___ 19____ 20 21___ 22

Chunks:
  TruePositive nam [3,3] = Syryjczyków
  TruePositive nam [14,14] = Tunezji
  TruePositive nam [16,16] = Egipcie
  TruePositive nam [21,21] = Libii

(ChunkerEvaluator) Sentence #14302 from articles/00108073 from sent9

Text  : Według szacunków ONZ w walkach zginęło już około 45 tys .  osób ,  większość to cywile .
Tokens: 1_____ 2________ 3__ 4 5______ 6______ 7__ 8____ 9_ 10_ 11 12__ 13 14_______ 15 16____ 17

Chunks:
  TruePositive nam [3,3] = ONZ

(ChunkerEvaluator) Sentence #14303 from articles/00108073 from sent10

Text  : Wśród ofiar jest dużo kobiet i dzieci .
Tokens: 1____ 2____ 3___ 4___ 5_____ 6 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #14304 from articles/00108073 from sent11

Text  : W niedawnym wywiadzie dla jednej z libańskich gazet wiceprezydent Faruk al -  Szaraa stwierdził ,  że żadna ze stron nie jest w  stanie wygrać wojny domowej i  że potrzebne jest stworzenie rządu jedności narodowej .
Tokens: 1 2________ 3________ 4__ 5_____ 6 7_________ 8____ 9____________ 10___ 11 12 13____ 14________ 15 16 17___ 18 19___ 20_ 21__ 22 23____ 24____ 25___ 26_____ 27 28 29_______ 30__ 31________ 32___ 33______ 34_______ 35

Chunks:
  FalseNegative nam [10,13] = Faruk al - Szaraa

(ChunkerEvaluator) Sentence #14305 from articles/00108073 from sent12

Text  : Szaraa prawdopodobnie przebywa w areszcie domowym w Damaszku , odsunięty od władzy za zbytnią uległość wobec powstańców .
Tokens: 1_____ 2_____________ 3_______ 4 5_______ 6______ 7 8_______ 9 10_______ 11 12____ 13 14_____ 15______ 16___ 17________ 18

Chunks:
  TruePositive nam [8,8] = Damaszku
  FalseNegative nam [1,1] = Szaraa

2016-10-27 15:00:25,005 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 628 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108074.xml
(ChunkerEvaluator) Sentence #14306 from articles/00108074 from sent1

Text  : Iran wpuści inspektorów , jeśli ustaną groźby
Tokens: 1___ 2_____ 3__________ 4 5____ 6_____ 7_____

Chunks:
  TruePositive nam [1,1] = Iran

(ChunkerEvaluator) Sentence #14307 from articles/00108074 from sent2

Text  : Iran wpuści inspektorów do bazy wojskowej , która mogła być użyta do prac związanych z  produkcją broni atomowej ,  jeśli społeczność międzynarodowa zrezygnuje z  gróźb przeciw Teheranowi -  podał w  czwartek Reuters ,  powołując się na przedstawiciela irańskich władz .
Tokens: 1___ 2_____ 3__________ 4_ 5___ 6________ 7 8____ 9____ 10_ 11___ 12 13__ 14________ 15 16_______ 17___ 18______ 19 20___ 21_________ 22____________ 23________ 24 25___ 26_____ 27________ 28 29___ 30 31______ 32_____ 33 34_______ 35_ 36 37_____________ 38_______ 39___ 40

Chunks:
  TruePositive nam [1,1] = Iran
  TruePositive nam [27,27] = Teheranowi
  TruePositive nam [32,32] = Reuters

(ChunkerEvaluator) Sentence #14308 from articles/00108074 from sent3

Text  : " Jeśli transregionalne groźby ( przeciwko Iranowi ) ustaną ,  wtedy uznamy ,  że można przeprowadzić inspekcję w  Parczinie "  -  powiedział wiceminister spraw zagranicznych Iranu Hassan Kaszkawi ,  cytowany przez irańskie media .
Tokens: 1 2____ 3______________ 4_____ 5 6________ 7______ 8 9_____ 10 11___ 12____ 13 14 15___ 16___________ 17_______ 18 19_______ 20 21 22________ 23__________ 24___ 25___________ 26___ 27____ 28______ 29 30______ 31___ 32______ 33___ 34

Chunks:
  TruePositive nam [7,7] = Iranowi
  TruePositive nam [26,26] = Iranu
  TruePositive nam [27,28] = Hassan Kaszkawi
  FalseNegative nam [19,19] = Parczinie

(ChunkerEvaluator) Sentence #14309 from articles/00108074 from sent4

Text  : Międzynarodowa Agencja Energii Atomowej ( MAEA ) uważa , że Iran przeprowadził w  znajdującej się na południowy wschód od Teheranu dużej bazie Parczin testy materiałów wybuchowych ,  które potencjalnie można wykorzystać w  broni atomowej .
Tokens: 1_____________ 2______ 3______ 4_______ 5 6___ 7 8____ 9 10 11__ 12___________ 13 14_________ 15_ 16 17________ 18____ 19 20______ 21___ 22___ 23_____ 24___ 25________ 26_________ 27 28___ 29__________ 30___ 31_________ 32 33___ 34______ 35

Chunks:
  TruePositive nam [1,4] = Międzynarodowa Agencja Energii Atomowej
  TruePositive nam [6,6] = MAEA
  TruePositive nam [11,11] = Iran
  TruePositive nam [20,20] = Teheranu
  FalseNegative nam [23,23] = Parczin

(ChunkerEvaluator) Sentence #14310 from articles/00108074 from sent5

Text  : Inspektorzy MAEA wielokrotnie prosili o możliwość przeprowadzenia na jej terenie inspekcji .
Tokens: 1__________ 2___ 3___________ 4______ 5 6________ 7______________ 8_ 9__ 10_____ 11_______ 12

Chunks:
  TruePositive nam [2,2] = MAEA

(ChunkerEvaluator) Sentence #14311 from articles/00108074 from sent6

Text  : Zdaniem zachodnich dyplomatów Iran w ciągu ostatniego roku przeprowadził w  Parczinie intensywne prace mające na celu wyczyszczenie wszelkich śladów wskazujących na nielegalną działalność ,  jednak szef MAEA Yukiya Amano uważa ,  że inspekcja wciąż mogła by się okazać "  pożyteczna "  .
Tokens: 1______ 2_________ 3_________ 4___ 5 6____ 7_________ 8___ 9____________ 10 11_______ 12________ 13___ 14____ 15 16__ 17___________ 18_______ 19____ 20__________ 21 22________ 23_________ 24 25____ 26__ 27__ 28____ 29___ 30___ 31 32 33_______ 34___ 35___ 36 37_ 38____ 39 40________ 41 42

Chunks:
  TruePositive nam [4,4] = Iran
  FalsePositive nam [27,29] = MAEA Yukiya Amano
  FalseNegative nam [11,11] = Parczinie
  FalseNegative nam [27,27] = MAEA
  FalseNegative nam [28,29] = Yukiya Amano

(ChunkerEvaluator) Sentence #14312 from articles/00108074 from sent7

Text  : W swojej wypowiedzi Kaszkawi najprawdopodobniej odwoływał się do izraelskiej groźby operacji militarnej przeciwko Iranowi oraz możliwości wprowadzenia kolejnych sankcji przez państwa zachodnie .
Tokens: 1 2_____ 3_________ 4_______ 5_________________ 6________ 7__ 8_ 9__________ 10____ 11______ 12________ 13_______ 14_____ 15__ 16________ 17__________ 18_______ 19_____ 20___ 21_____ 22_______ 23

Chunks:
  TruePositive nam [14,14] = Iranowi
  FalseNegative nam [4,4] = Kaszkawi

(ChunkerEvaluator) Sentence #14313 from articles/00108074 from sent8

Text  : Izrael zagroził , że jeśli środkami dyplomatycznymi nie uda mu się powstrzymać Iranu przed uzyskaniem broni atomowej ,  sięgnie po rozwiązania zbrojne .
Tokens: 1_____ 2_______ 3 4_ 5____ 6_______ 7______________ 8__ 9__ 10 11_ 12_________ 13___ 14___ 15________ 16___ 17______ 18 19_____ 20 21_________ 22_____ 23

Chunks:
  TruePositive nam [1,1] = Izrael
  TruePositive nam [13,13] = Iranu

(ChunkerEvaluator) Sentence #14314 from articles/00108074 from sent9

Text  : Teheran zapewnia , że jego program atomowy ma wyłącznie pokojowy charakter .
Tokens: 1______ 2_______ 3 4_ 5___ 6______ 7______ 8_ 9________ 10______ 11_______ 12

Chunks:
  FalseNegative nam [1,1] = Teheran

(ChunkerEvaluator) Sentence #14315 from articles/00108074 from sent10

Text  : W grudniu przedstawiciele MAEA odwiedzili Iran , by spróbować wynegocjować dostęp do Parczinu i  rozwiązać kwestie związane z  "  ewentualnym militarnym wymiarem "  irańskiego programu nuklearnego .
Tokens: 1 2______ 3______________ 4___ 5_________ 6___ 7 8_ 9________ 10__________ 11____ 12 13______ 14 15_______ 16_____ 17______ 18 19 20_________ 21________ 22______ 23 24________ 25______ 26_________ 27

Chunks:
  TruePositive nam [4,4] = MAEA
  TruePositive nam [6,6] = Iran
  FalseNegative nam [13,13] = Parczinu

(ChunkerEvaluator) Sentence #14316 from articles/00108074 from sent11

Text  : Iran powtarza , że zanim otworzy bazę dla inspektorów międzynarodowych ,  musi osiągnąć szersze porozumienie w  sprawie dochodzenia MAEA .
Tokens: 1___ 2_______ 3 4_ 5____ 6______ 7___ 8__ 9__________ 10______________ 11 12__ 13______ 14_____ 15__________ 16 17_____ 18_________ 19__ 20

Chunks:
  TruePositive nam [1,1] = Iran
  TruePositive nam [19,19] = MAEA

2016-10-27 15:00:25,088 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 629 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108075.xml
(ChunkerEvaluator) Sentence #14317 from articles/00108075 from sent1

Text  : Przedłużanie Złotej w Katowicach
Tokens: 1___________ 2_____ 3 4_________

Chunks:
  TruePositive nam [2,2] = Złotej
  TruePositive nam [4,4] = Katowicach

(ChunkerEvaluator) Sentence #14318 from articles/00108075 from sent2

Text  : Prawdopodobnie już w marcu rozpoczną się w Katowicach prace przy przedłużaniu ul .  Złotej do Bukowej .
Tokens: 1_____________ 2__ 3 4____ 5________ 6__ 7 8_________ 9____ 10__ 11__________ 12 13 14____ 15 16_____ 17

Chunks:
  TruePositive nam [8,8] = Katowicach
  TruePositive nam [14,14] = Złotej
  TruePositive nam [16,16] = Bukowej

(ChunkerEvaluator) Sentence #14319 from articles/00108075 from sent3

Text  : Dzięki tej inwestycji łatwiej będzie w przyszłości dostać się z  Siemianowic na Drogową Trasę Średnicową .
Tokens: 1_____ 2__ 3_________ 4______ 5_____ 6 7__________ 8_____ 9__ 10 11_________ 12 13_____ 14___ 15________ 16

Chunks:
  TruePositive nam [11,11] = Siemianowic
  TruePositive nam [13,15] = Drogową Trasę Średnicową

(ChunkerEvaluator) Sentence #14320 from articles/00108075 from sent4

Text  : Przedłużanie Złotej w Katowicach
Tokens: 1___________ 2_____ 3 4_________

Chunks:
  TruePositive nam [2,2] = Złotej
  TruePositive nam [4,4] = Katowicach

(ChunkerEvaluator) Sentence #14321 from articles/00108075 from sent5

Text  : Prawdopodobnie już w marcu rozpoczną się w Katowicach prace przy przedłużaniu ul .  Złotej do Bukowej .
Tokens: 1_____________ 2__ 3 4____ 5________ 6__ 7 8_________ 9____ 10__ 11__________ 12 13 14____ 15 16_____ 17

Chunks:
  TruePositive nam [8,8] = Katowicach
  TruePositive nam [14,14] = Złotej
  TruePositive nam [16,16] = Bukowej

(ChunkerEvaluator) Sentence #14322 from articles/00108075 from sent6

Text  : Dzięki tej inwestycji łatwiej będzie w przyszłości dostać się z  Siemianowic na Drogową Trasę Średnicową .
Tokens: 1_____ 2__ 3_________ 4______ 5_____ 6 7__________ 8_____ 9__ 10 11_________ 12 13_____ 14___ 15________ 16

Chunks:
  TruePositive nam [11,11] = Siemianowic
  TruePositive nam [13,15] = Drogową Trasę Średnicową

(ChunkerEvaluator) Sentence #14323 from articles/00108075 from sent7

Text  : KATOWICE
Tokens: 1_______

Chunks:
  TruePositive nam [1,1] = KATOWICE

(ChunkerEvaluator) Sentence #14324 from articles/00108075 from sent8

Text  : Ze Złotej na Bukową
Tokens: 1_ 2_____ 3_ 4_____

Chunks:
  TruePositive nam [2,2] = Złotej
  TruePositive nam [4,4] = Bukową

(ChunkerEvaluator) Sentence #14325 from articles/00108075 from sent9

Text  : Ponad milion złotych wydadzą władze Katowic na przedłużenie ul .  Złotej do ul .  Bukowej .
Tokens: 1____ 2_____ 3______ 4______ 5_____ 6______ 7_ 8___________ 9_ 10 11____ 12 13 14 15_____ 16

Chunks:
  TruePositive nam [3,3] = złotych
  TruePositive nam [6,6] = Katowic
  TruePositive nam [11,11] = Złotej
  TruePositive nam [15,15] = Bukowej

(ChunkerEvaluator) Sentence #14326 from articles/00108075 from sent10

Text  : Dzięki tej inwestycji łatwiej będzie m . in . dostać się z  kierunku Siemianowic na Drogową Trasę Średnicową .
Tokens: 1_____ 2__ 3_________ 4______ 5_____ 6 7 8_ 9 10____ 11_ 12 13______ 14_________ 15 16_____ 17___ 18________ 19

Chunks:
  TruePositive nam [14,14] = Siemianowic
  TruePositive nam [16,18] = Drogową Trasę Średnicową

(ChunkerEvaluator) Sentence #14327 from articles/00108075 from sent11

Text  : Chodzi o odcinek drogi między ul . Bukową a Szpitalną ,  który jako ul .  Złota zostanie wydłużony do ul .  Bukowej .
Tokens: 1_____ 2 3______ 4____ 5_____ 6_ 7 8_____ 9 10_______ 11 12___ 13__ 14 15 16___ 17______ 18_______ 19 20 21 22_____ 23

Chunks:
  TruePositive nam [16,16] = Złota
  TruePositive nam [22,22] = Bukowej
  FalsePositive nam [8,10] = Bukową a Szpitalną
  FalseNegative nam [8,8] = Bukową
  FalseNegative nam [10,10] = Szpitalną

(ChunkerEvaluator) Sentence #14328 from articles/00108075 from sent12

Text  : Nowe przejście do tej ostatniej ulicy powstanie kosztem części parkingu przy stadionie katowickiego GKS-u .
Tokens: 1___ 2________ 3_ 4__ 5________ 6____ 7________ 8______ 9_____ 10______ 11__ 12_______ 13__________ 14___ 15

Chunks:
  TruePositive nam [14,14] = GKS-u

(ChunkerEvaluator) Sentence #14329 from articles/00108075 from sent13

Text  : - Prace przy tej inwestycji rozpoczniemy prawdopodobnie już w marcu -  powiedziała nam Ewa Lidwin ,  naczelnik wydziału inwestycji katowickiego Urzędu Miasta .
Tokens: 1 2____ 3___ 4__ 5_________ 6___________ 7_____________ 8__ 9 10___ 11 12_________ 13_ 14_ 15____ 16 17_______ 18______ 19________ 20__________ 21____ 22____ 23

Chunks:
  TruePositive nam [14,15] = Ewa Lidwin
  FalsePositive nam [20,22] = katowickiego Urzędu Miasta
  FalseNegative nam [21,22] = Urzędu Miasta

(ChunkerEvaluator) Sentence #14330 from articles/00108075 from sent14

Text  : Purz
Tokens: 1___

Chunks:

(ChunkerEvaluator) Sentence #14331 from articles/00108075 from sent15

Text  : czyt . ch d
Tokens: 1___ 2 3_ 4

Chunks:

2016-10-27 15:00:25,140 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 630 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108076.xml
(ChunkerEvaluator) Sentence #14332 from articles/00108076 from sent1

Text  : Ruch Chorzów już po walnym .
Tokens: 1___ 2______ 3__ 4_ 5_____ 6

Chunks:
  TruePositive nam [1,2] = Ruch Chorzów

(ChunkerEvaluator) Sentence #14333 from articles/00108076 from sent2

Text  : „ R - ka ” wróciła z wakacji na Cyprze
Tokens: 1 2 3 4_ 5 6______ 7 8______ 9_ 10____

Chunks:
  TruePositive nam [2,4] = R - ka
  TruePositive nam [10,10] = Cyprze

(ChunkerEvaluator) Sentence #14334 from articles/00108076 from sent3

Text  : Na Cichej zakończyło się walne zgromadzenie akcjonariuszy
Tokens: 1_ 2_____ 3_________ 4__ 5____ 6___________ 7____________

Chunks:
  TruePositive nam [2,2] = Cichej

(ChunkerEvaluator) Sentence #14335 from articles/00108076 from sent4

Text  : - Zakończenie tej operacji to dobry pretekst , aby rozwiać kilka wątpliwości .
Tokens: 1 2__________ 3__ 4_______ 5_ 6____ 7_______ 8 9__ 10_____ 11___ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #14336 from articles/00108076 from sent5

Text  : Gdyby śmy zdecydowali się na wycenę znaków towarowych Ruchu w  naszym kraju ,  musieli by śmy zapłacić wysoki podatek .
Tokens: 1____ 2__ 3__________ 4__ 5_ 6_____ 7_____ 8_________ 9____ 10 11____ 12___ 13 14_____ 15 16_ 17______ 18____ 19_____ 20

Chunks:
  TruePositive nam [9,9] = Ruchu

(ChunkerEvaluator) Sentence #14337 from articles/00108076 from sent6

Text  : Ta kwota została by nam potem zwrócona , ale już samo zgromadzenie jej było by dla spółki niełatwym zadaniem .
Tokens: 1_ 2____ 3______ 4_ 5__ 6____ 7_______ 8 9__ 10_ 11__ 12__________ 13_ 14__ 15 16_ 17____ 18_______ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #14338 from articles/00108076 from sent7

Text  : Zdecydowali śmy się więc na utworzenie firmy zależnej , bo było to ,  z  ekonomicznego punktu widzenia ,  najrozsądniejsze rozwiązanie .
Tokens: 1__________ 2__ 3__ 4___ 5_ 6_________ 7____ 8_______ 9 10 11__ 12 13 14 15___________ 16____ 17______ 18 19______________ 20_________ 21

Chunks:

(ChunkerEvaluator) Sentence #14339 from articles/00108076 from sent8

Text  : Warto też przypomnieć , że obecność na rynku NewConnect obliguje nas do publikowania raportów poświęconych naszym finansom .
Tokens: 1____ 2__ 3__________ 4 5_ 6_______ 7_ 8____ 9_________ 10______ 11_ 12 13__________ 14______ 15__________ 16____ 17______ 18

Chunks:
  TruePositive nam [9,9] = NewConnect

(ChunkerEvaluator) Sentence #14340 from articles/00108076 from sent9

Text  : Tak było również w przypadku planowanego połączenia Ruchu i Ganbist Limited -  wyjaśnia Dariusz Smagorowicz ,  prezes Ruchu Chorzów .
Tokens: 1__ 2___ 3______ 4 5________ 6__________ 7_________ 8____ 9 10_____ 11_____ 12 13______ 14_____ 15_________ 16 17____ 18___ 19_____ 20

Chunks:
  TruePositive nam [8,8] = Ruchu
  TruePositive nam [14,15] = Dariusz Smagorowicz
  TruePositive nam [18,19] = Ruchu Chorzów
  FalseNegative nam [10,11] = Ganbist Limited

(ChunkerEvaluator) Sentence #14341 from articles/00108076 from sent10

Text  : Zarząd i rada nadzorcza spółki otrzymały absolutorium .
Tokens: 1_____ 2 3___ 4________ 5_____ 6________ 7___________ 8

Chunks:

2016-10-27 15:00:25,183 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 631 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108077.xml
(ChunkerEvaluator) Sentence #14342 from articles/00108077 from sent1

Text  : Egipt .
Tokens: 1____ 2

Chunks:
  TruePositive nam [1,1] = Egipt

(ChunkerEvaluator) Sentence #14343 from articles/00108077 from sent2

Text  : Mursi przestrzega przed zamieszkami , popiera rewolucję w Syrii
Tokens: 1____ 2__________ 3____ 4__________ 5 6______ 7________ 8 9____

Chunks:
  TruePositive nam [9,9] = Syrii
  FalseNegative nam [1,1] = Mursi

(ChunkerEvaluator) Sentence #14344 from articles/00108077 from sent3

Text  : Prezydent Egiptu Mohammed Mursi przestrzegł w sobotę przed kolejnymi zamieszkami w  kraju ,  które mogły by zakłócić dążenia do naprawy gospodarki .
Tokens: 1________ 2_____ 3_______ 4____ 5__________ 6 7_____ 8____ 9________ 10_________ 11 12___ 13 14___ 15___ 16 17______ 18_____ 19 20_____ 21________ 22

Chunks:
  TruePositive nam [2,2] = Egiptu
  TruePositive nam [3,4] = Mohammed Mursi

(ChunkerEvaluator) Sentence #14345 from articles/00108077 from sent4

Text  : W przemówieniu w Szurze , izbie wyższej parlamentu , oświadczył też ,  że jego kraj popiera rewolucję w  Syrii .
Tokens: 1 2___________ 3 4_____ 5 6____ 7______ 8_________ 9 10________ 11_ 12 13 14__ 15__ 16_____ 17_______ 18 19___ 20

Chunks:
  TruePositive nam [19,19] = Syrii
  FalseNegative nam [4,4] = Szurze

(ChunkerEvaluator) Sentence #14346 from articles/00108077 from sent5

Text  : W transmitowanym przez telewizję pierwszym przemówieniu do nowo zwołanej Szury prezydent Mursi namawiał opozycję do współpracy z  rządem .
Tokens: 1 2_____________ 3____ 4________ 5________ 6___________ 7_ 8___ 9_______ 10___ 11_______ 12___ 13______ 14______ 15 16________ 17 18____ 19

Chunks:
  FalseNegative nam [10,10] = Szury
  FalseNegative nam [12,12] = Mursi

(ChunkerEvaluator) Sentence #14347 from articles/00108077 from sent6

Text  : Podkreślił , że nadszedł czas , by naród podjął "  pracę i  produkcję "  po dwóch latach niepokojów .
Tokens: 1_________ 2 3_ 4_______ 5___ 6 7_ 8____ 9_____ 10 11___ 12 13_______ 14 15 16___ 17____ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #14348 from articles/00108077 from sent7

Text  : Kryzys gospodarczy i walka o nową konstytucję uwidoczniły głębokie podziały między Mursim a  jego przeciwnikami oraz opóźniły powrót do stabilizacji prawie dwa lata po rewolucji ,  która odsunęła od władzy prezydenta Hosniego Mubaraka .
Tokens: 1_____ 2__________ 3 4____ 5 6___ 7__________ 8__________ 9_______ 10______ 11____ 12____ 13 14__ 15___________ 16__ 17______ 18____ 19 20__________ 21____ 22_ 23__ 24 25_______ 26 27___ 28______ 29 30____ 31________ 32______ 33______ 34

Chunks:
  TruePositive nam [32,33] = Hosniego Mubaraka
  FalseNegative nam [12,12] = Mursim

(ChunkerEvaluator) Sentence #14349 from articles/00108077 from sent8

Text  : " Przyjęta przez naród konstytucja gwarantuje wszystkim Egipcjanom równe prawa "  -  zapewniał w  sobotnim przemówieniu Mursi .
Tokens: 1 2_______ 3____ 4____ 5__________ 6_________ 7________ 8_________ 9____ 10___ 11 12 13_______ 14 15______ 16__________ 17___ 18

Chunks:
  TruePositive nam [8,8] = Egipcjanom
  FalseNegative nam [17,17] = Mursi

(ChunkerEvaluator) Sentence #14350 from articles/00108077 from sent9

Text  : Zaapelował do wszystkich sił politycznych kraju o dialog , o  dojrzałą demokrację i  unikanie przemocy .
Tokens: 1_________ 2_ 3_________ 4__ 5___________ 6____ 7 8_____ 9 10 11______ 12________ 13 14______ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #14351 from articles/00108077 from sent10

Text  : W ostatnim miesiącu fala napięć w Egipcie znów się podniosła ,  gdy opozycja wzmogła protesty przeciwko nowej konstytucji ,  a  islamistyczni zwolennicy prezydenta organizowali kontrdemonstracje .
Tokens: 1 2_______ 3_______ 4___ 5_____ 6 7______ 8___ 9__ 10_______ 11 12_ 13______ 14_____ 15______ 16_______ 17___ 18_________ 19 20 21___________ 22________ 23________ 24__________ 25_______________ 26

Chunks:
  TruePositive nam [7,7] = Egipcie

(ChunkerEvaluator) Sentence #14352 from articles/00108077 from sent11

Text  : W sobotnim przemówieniu Mursi podkreślił też , że jego kraj popiera syryjską rewolucję i  że dla administracji prezydenta Baszara el -  Asada nie ma miejsca w  Syrii przyszłości .
Tokens: 1 2_______ 3___________ 4____ 5_________ 6__ 7 8_ 9___ 10__ 11_____ 12______ 13_______ 14 15 16_ 17___________ 18________ 19_____ 20 21 22___ 23_ 24 25_____ 26 27___ 28_________ 29

Chunks:
  TruePositive nam [27,27] = Syrii
  FalseNegative nam [4,4] = Mursi
  FalseNegative nam [19,22] = Baszara el - Asada

(ChunkerEvaluator) Sentence #14353 from articles/00108077 from sent12

Text  : Powiedział , że priorytetem Egiptu jest wstrzymanie rozlewu krwi w  Syrii i  współdziałanie z  innymi państwami arabskimi w  celu znalezienia politycznego rozwiązania ,  które pozwoli narodowi syryjskiemu zastąpić obecny reżim władzami z  wyboru .
Tokens: 1_________ 2 3_ 4__________ 5_____ 6___ 7__________ 8______ 9___ 10 11___ 12 13____________ 14 15____ 16_______ 17_______ 18 19__ 20_________ 21__________ 22_________ 23 24___ 25_____ 26______ 27_________ 28______ 29____ 30___ 31______ 32 33____ 34

Chunks:
  TruePositive nam [5,5] = Egiptu
  TruePositive nam [11,11] = Syrii

(ChunkerEvaluator) Sentence #14354 from articles/00108077 from sent13

Text  : Na pierwszym po przyjęciu konstytucji posiedzeniu licząca 270 członków egipska Szura zebrała się w  środę ;  wówczas zaprzysiężono 90 nowych członków wyznaczonych przez Mursiego .
Tokens: 1_ 2________ 3_ 4________ 5__________ 6__________ 7______ 8__ 9_______ 10_____ 11___ 12_____ 13_ 14 15___ 16 17_____ 18___________ 19 20____ 21______ 22__________ 23___ 24______ 25

Chunks:
  TruePositive nam [24,24] = Mursiego
  FalseNegative nam [11,11] = Szura

(ChunkerEvaluator) Sentence #14355 from articles/00108077 from sent14

Text  : Są wśród nich chrześcijanie , liberałowie i kobiety , a  także przedstawiciele Bractwa Muzułmańskiego oraz radykalnych islamistów .
Tokens: 1_ 2____ 3___ 4____________ 5 6__________ 7 8______ 9 10 11___ 12_____________ 13_____ 14____________ 15__ 16_________ 17________ 18

Chunks:
  TruePositive nam [13,14] = Bractwa Muzułmańskiego
  FalseNegative nam [17,17] = islamistów

(ChunkerEvaluator) Sentence #14356 from articles/00108077 from sent15

Text  : Nowa konstytucja przyznaje izbie wyższej , która dotąd nie miała takich prerogatyw ,  pełnię władzy ustawodawczej aż do czasu wyłonienia nowej izby niższej w  wyniku wyborów ,  które są spodziewane w  ciągu kilku miesięcy .  (  PAP )
Tokens: 1___ 2__________ 3________ 4____ 5______ 6 7____ 8____ 9__ 10___ 11____ 12________ 13 14____ 15____ 16___________ 17 18 19___ 20________ 21___ 22__ 23_____ 24 25____ 26_____ 27 28___ 29 30_________ 31 32___ 33___ 34______ 35 36 37_ 38

Chunks:
  TruePositive nam [37,37] = PAP

2016-10-27 15:00:25,426 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 632 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108078.xml
(ChunkerEvaluator) Sentence #14357 from articles/00108078 from sent1

Text  : Bank BPS Fakro Muszyna ustalił datę pierwszej bitwy polsko -  polskiej
Tokens: 1___ 2__ 3____ 4______ 5______ 6___ 7________ 8____ 9_____ 10 11______

Chunks:
  FalsePositive nam [2,4] = BPS Fakro Muszyna
  FalseNegative nam [1,4] = Bank BPS Fakro Muszyna

(ChunkerEvaluator) Sentence #14358 from articles/00108078 from sent2

Text  : Bank BPS Fakro Muszyna pierwszy mecz z Aluprofem Bielsko -  Biała w  Pucharze CEV zagra 16 stycznia .
Tokens: 1___ 2__ 3____ 4______ 5_______ 6___ 7 8________ 9______ 10 11___ 12 13______ 14_ 15___ 16 17______ 18

Chunks:
  TruePositive nam [8,11] = Aluprofem Bielsko - Biała
  TruePositive nam [13,14] = Pucharze CEV
  FalsePositive nam [2,4] = BPS Fakro Muszyna
  FalseNegative nam [1,4] = Bank BPS Fakro Muszyna

(ChunkerEvaluator) Sentence #14359 from articles/00108078 from sent3

Text  : Drużyna z Małopolski nie spełniła oczekiwań i nie wyszła z  grupy Ligi Mistrzyń .
Tokens: 1______ 2 3_________ 4__ 5_______ 6________ 7 8__ 9_____ 10 11___ 12__ 13______ 14

Chunks:
  TruePositive nam [3,3] = Małopolski
  TruePositive nam [12,13] = Ligi Mistrzyń

(ChunkerEvaluator) Sentence #14360 from articles/00108078 from sent4

Text  : Na otarcie łez została przeniesiona do Pucharu CEV , gdzie w  ćwierćfinale trafiła na Aluprof Bielsko -  Biała .
Tokens: 1_ 2______ 3__ 4______ 5___________ 6_ 7______ 8__ 9 10___ 11 12__________ 13_____ 14 15_____ 16_____ 17 18___ 19

Chunks:
  TruePositive nam [7,8] = Pucharu CEV
  TruePositive nam [15,18] = Aluprof Bielsko - Biała

(ChunkerEvaluator) Sentence #14361 from articles/00108078 from sent5

Text  : Działacze klubu już ustalili termin pierwszego spotkania , które odbędzie się w  środę 16 stycznia o  godz .  18 w  hali w  Muszynie .
Tokens: 1________ 2____ 3__ 4_______ 5_____ 6_________ 7________ 8 9____ 10______ 11_ 12 13___ 14 15______ 16 17__ 18 19 20 21__ 22 23______ 24

Chunks:
  TruePositive nam [23,23] = Muszynie

(ChunkerEvaluator) Sentence #14362 from articles/00108078 from sent6

Text  : Pięć dni wcześniej obie drużyny przeprowadzą badanie sił , bo 11 stycznia zmierzą się w  meczu ligowym .
Tokens: 1___ 2__ 3________ 4___ 5______ 6___________ 7______ 8__ 9 10 11 12______ 13_____ 14_ 15 16___ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #14363 from articles/00108078 from sent7

Text  : To spotkanie też będzie miało bardzo duże znaczenie , bo oba zespoły walczą o  pierwsze miejsce przed fazą play -  off .
Tokens: 1_ 2________ 3__ 4_____ 5____ 6_____ 7___ 8________ 9 10 11_ 12_____ 13____ 14 15______ 16_____ 17___ 18__ 19__ 20 21_ 22

Chunks:

(ChunkerEvaluator) Sentence #14364 from articles/00108078 from sent8

Text  : Data rewanżowego meczu Pucharu CEV w Bielsku - Białej nie jest jeszcze ustalona .
Tokens: 1___ 2__________ 3____ 4______ 5__ 6 7______ 8 9_____ 10_ 11__ 12_____ 13______ 14

Chunks:
  FalsePositive nam [4,9] = Pucharu CEV w Bielsku - Białej
  FalseNegative nam [4,5] = Pucharu CEV
  FalseNegative nam [7,9] = Bielsku - Białej

2016-10-27 15:00:25,468 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 633 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108079.xml
(ChunkerEvaluator) Sentence #14365 from articles/00108079 from sent1

Text  : Philips miał rekordowy zysk , ale poniżej oczekiwań
Tokens: 1______ 2___ 3________ 4___ 5 6__ 7______ 8________

Chunks:
  TruePositive nam [1,1] = Philips

(ChunkerEvaluator) Sentence #14366 from articles/00108079 from sent2

Text  : Philips Electronics , największy w Europie producent elektroniki użytkowej i  drugi pod względem wielkości producent półprzewodników ,  opublikował w  czwartek wyniki za rok 2000 .
Tokens: 1______ 2__________ 3 4_________ 5 6______ 7________ 8__________ 9________ 10 11___ 12_ 13______ 14_______ 15_______ 16_____________ 17 18_________ 19 20______ 21____ 22 23_ 24__ 25

Chunks:
  TruePositive nam [1,2] = Philips Electronics
  TruePositive nam [6,6] = Europie

(ChunkerEvaluator) Sentence #14367 from articles/00108079 from sent3

Text  : Były one rekordowe , ale niższe od oczekiwanych
Tokens: 1___ 2__ 3________ 4 5__ 6_____ 7_ 8___________

Chunks:

(ChunkerEvaluator) Sentence #14368 from articles/00108079 from sent4

Text  : Philips miał rekordowy zysk , ale poniżej oczekiwań
Tokens: 1______ 2___ 3________ 4___ 5 6__ 7______ 8________

Chunks:
  TruePositive nam [1,1] = Philips

(ChunkerEvaluator) Sentence #14369 from articles/00108079 from sent5

Text  : Philips Electronics , największy w Europie producent elektroniki użytkowej i  drugi pod względem wielkości producent półprzewodników ,  opublikował w  czwartek wyniki za rok 2000 .
Tokens: 1______ 2__________ 3 4_________ 5 6______ 7________ 8__________ 9________ 10 11___ 12_ 13______ 14_______ 15_______ 16_____________ 17 18_________ 19 20______ 21____ 22 23_ 24__ 25

Chunks:
  TruePositive nam [1,2] = Philips Electronics
  TruePositive nam [6,6] = Europie

(ChunkerEvaluator) Sentence #14370 from articles/00108079 from sent6

Text  : Były one rekordowe , ale niższe od oczekiwanych
Tokens: 1___ 2__ 3________ 4 5__ 6_____ 7_ 8___________

Chunks:

(ChunkerEvaluator) Sentence #14371 from articles/00108079 from sent7

Text  : Zysk netto Philipsa w roku 2000 wzrósł do 9 ,  6  mld euro (  8  ,  96 mld dol .  )  z  1  ,  8  mld w  roku poprzednim .
Tokens: 1___ 2____ 3_______ 4 5___ 6___ 7_____ 8_ 9 10 11 12_ 13__ 14 15 16 17 18_ 19_ 20 21 22 23 24 25 26_ 27 28__ 29________ 30

Chunks:
  TruePositive nam [3,3] = Philipsa
  TruePositive nam [13,13] = euro
  TruePositive nam [19,19] = dol

(ChunkerEvaluator) Sentence #14372 from articles/00108079 from sent8

Text  : jednak aż 7 , 04 mld euro z tej sumy stanowiły pozycje nadzwyczajne .
Tokens: 1_____ 2_ 3 4 5_ 6__ 7___ 8 9__ 10__ 11_______ 12_____ 13__________ 14

Chunks:
  TruePositive nam [7,7] = euro

(ChunkerEvaluator) Sentence #14373 from articles/00108079 from sent9

Text  : Po ich odliczeniu zysk netto wyniósł 2 , 56 mld euro .
Tokens: 1_ 2__ 3_________ 4___ 5____ 6______ 7 8 9_ 10_ 11__ 12

Chunks:
  TruePositive nam [11,11] = euro

(ChunkerEvaluator) Sentence #14374 from articles/00108079 from sent10

Text  : Analitycy przewidywali , że zysk netto Philipsa przed uwzględnieniem pozycji nadzwyczajnych wyniesie 2  ,  91 -  4  ,  28 mld euro .
Tokens: 1________ 2___________ 3 4_ 5___ 6____ 7_______ 8____ 9_____________ 10_____ 11____________ 12______ 13 14 15 16 17 18 19 20_ 21__ 22

Chunks:
  TruePositive nam [7,7] = Philipsa
  TruePositive nam [21,21] = euro

(ChunkerEvaluator) Sentence #14375 from articles/00108079 from sent11

Text  : Philips przewiduje , że rozwój na niektórych rynkach światowych będzie w  2001 r  .  wolniejszy ,  a  spadek cen wyższy ,  szczególnie w  pierwszej połowie roku .
Tokens: 1______ 2_________ 3 4_ 5_____ 6_ 7_________ 8______ 9_________ 10____ 11 12__ 13 14 15________ 16 17 18____ 19_ 20____ 21 22_________ 23 24_______ 25_____ 26__ 27

Chunks:
  TruePositive nam [1,1] = Philips

(ChunkerEvaluator) Sentence #14376 from articles/00108079 from sent12

Text  : „ Na rok 2001 Philips przewiduje spowolnienie aktywności gospodarczej w  niektórych częściach świata ,  szczególnie w  USA ”  -  napisano w  oświadczeniu Philipsa .
Tokens: 1 2_ 3__ 4___ 5______ 6_________ 7___________ 8_________ 9___________ 10 11________ 12_______ 13____ 14 15_________ 16 17_ 18 19 20______ 21 22__________ 23______ 24

Chunks:
  TruePositive nam [5,5] = Philips
  TruePositive nam [17,17] = USA
  TruePositive nam [23,23] = Philipsa

(ChunkerEvaluator) Sentence #14377 from articles/00108079 from sent13

Text  : „ Co więcej , na rynku PC - ów i  rynkach pokrewnych oraz w  sektorze telekomunikacyjnym widać pewne oznaki czasowej nadpodaży ”  .
Tokens: 1 2_ 3_____ 4 5_ 6____ 7_ 8 9_ 10 11_____ 12________ 13__ 14 15______ 16________________ 17___ 18___ 19____ 20______ 21_______ 22 23

Chunks:
  FalsePositive nam [7,7] = PC

(ChunkerEvaluator) Sentence #14378 from articles/00108079 from sent14

Text  : Philips chce aby jego sprzedaż rosła w tempie 10 proc .  rocznie .
Tokens: 1______ 2___ 3__ 4___ 5_______ 6____ 7 8_____ 9_ 10__ 11 12_____ 13

Chunks:
  TruePositive nam [1,1] = Philips

(ChunkerEvaluator) Sentence #14379 from articles/00108079 from sent15

Text  : Reuters , zum
Tokens: 1______ 2 3__

Chunks:
  TruePositive nam [1,1] = Reuters

2016-10-27 15:00:25,538 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 634 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108080.xml
(ChunkerEvaluator) Sentence #14380 from articles/00108080 from sent1

Text  : Droższy powrót z sylwestra .
Tokens: 1______ 2_____ 3 4________ 5

Chunks:
  FalseNegative nam [4,4] = sylwestra

(ChunkerEvaluator) Sentence #14381 from articles/00108080 from sent2

Text  : Po północy zmiana cen biletów
Tokens: 1_ 2______ 3_____ 4__ 5______

Chunks:

(ChunkerEvaluator) Sentence #14382 from articles/00108080 from sent3

Text  : Od Nowego Roku zdrożeją bilety komunikacji miejskiej .
Tokens: 1_ 2_____ 3___ 4_______ 5_____ 6__________ 7________ 8

Chunks:
  TruePositive nam [2,3] = Nowego Roku

(ChunkerEvaluator) Sentence #14383 from articles/00108080 from sent4

Text  : Za jednorazowy przejazd - 20 - i 40 - minutowy -  będziemy płacić o  20 groszy drożej niż obecnie .
Tokens: 1_ 2__________ 3_______ 4 5_ 6 7 8_ 9 10______ 11 12______ 13____ 14 15 16____ 17____ 18_ 19_____ 20

Chunks:
  FalseNegative nam [16,16] = groszy

(ChunkerEvaluator) Sentence #14384 from articles/00108080 from sent5

Text  : Na początku 2012 roku rada miejska zdecydowała o trzech kolejnych podwyżkach cen biletów MPK .
Tokens: 1_ 2_______ 3___ 4___ 5___ 6______ 7__________ 8 9_____ 10_______ 11________ 12_ 13_____ 14_ 15

Chunks:
  TruePositive nam [14,14] = MPK

(ChunkerEvaluator) Sentence #14385 from articles/00108080 from sent6

Text  : Pierwsza z nich weszła w życie w marcu .
Tokens: 1_______ 2 3___ 4_____ 5 6____ 7 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #14386 from articles/00108080 from sent7

Text  : Zmieniły się nie tylko ceny , ale również czasy przejazdów .
Tokens: 1_______ 2__ 3__ 4____ 5___ 6 7__ 8______ 9____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #14387 from articles/00108080 from sent8

Text  : Bilety 10 - i 30 - minutowe zostały zastąpione przez 20 -  i  40 -  minutowe .
Tokens: 1_____ 2_ 3 4 5_ 6 7_______ 8______ 9_________ 10___ 11 12 13 14 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #14388 from articles/00108080 from sent9

Text  : Obowiązują one do dziś i kosztują odpowiednio 2 , 40 i  3  ,  20 .
Tokens: 1_________ 2__ 3_ 4___ 5 6_______ 7__________ 8 9 10 11 12 13 14 15

Chunks:

(ChunkerEvaluator) Sentence #14389 from articles/00108080 from sent10

Text  : Zmiana ta spowodowała bardzo duże zamieszanie .
Tokens: 1_____ 2_ 3__________ 4_____ 5___ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #14390 from articles/00108080 from sent11

Text  : Przez kilka dni w większości sklepów i kiosków nie można było ich kupić .
Tokens: 1____ 2____ 3__ 4 5_________ 6______ 7 8______ 9__ 10___ 11__ 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #14391 from articles/00108080 from sent12

Text  : Niemal na wszystkich punktach wisiały tabliczki „ brak biletów MPK ”  .
Tokens: 1_____ 2_ 3_________ 4_______ 5______ 6________ 7 8___ 9______ 10_ 11 12

Chunks:
  TruePositive nam [10,10] = MPK

(ChunkerEvaluator) Sentence #14392 from articles/00108080 from sent13

Text  : Pasażerowie nie wiedzieli , co robić .
Tokens: 1__________ 2__ 3________ 4 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #14393 from articles/00108080 from sent14

Text  : Byli zdenerwowani i zdezorientowani .
Tokens: 1___ 2___________ 3 4______________ 5

Chunks:

(ChunkerEvaluator) Sentence #14394 from articles/00108080 from sent15

Text  : Wielu z nich zmuszonych było jechać na gapę .
Tokens: 1____ 2 3___ 4_________ 5___ 6_____ 7_ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #14395 from articles/00108080 from sent16

Text  : Teoretycznie można było jechać na starym bilecie - pod warunkiem że dokupimy brakującą kwotę .
Tokens: 1___________ 2____ 3___ 4_____ 5_ 6_____ 7______ 8 9__ 10_______ 11 12______ 13_______ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #14396 from articles/00108080 from sent17

Text  : Wydrukowano specjalne nominały : 0 , 35 zł , 0  ,  40 zł ,  0  ,  70 zł ,  0  ,  80 zł .
Tokens: 1__________ 2________ 3_______ 4 5 6 7_ 8_ 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Chunks:
  TruePositive nam [8,8] = zł
  TruePositive nam [13,13] = zł
  TruePositive nam [18,18] = zł
  TruePositive nam [23,23] = zł

(ChunkerEvaluator) Sentence #14397 from articles/00108080 from sent18

Text  : Niestety , ich w kioskach też nie było .
Tokens: 1_______ 2 3__ 4 5_______ 6__ 7__ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #14398 from articles/00108080 from sent19

Text  : MPK przyznało się wówczas do błędu i przeprosiło pasażerów .
Tokens: 1__ 2________ 3__ 4______ 5_ 6____ 7 8__________ 9________ 10

Chunks:
  TruePositive nam [1,1] = MPK

(ChunkerEvaluator) Sentence #14399 from articles/00108080 from sent20

Text  : Tłumaczono , że zabrakło okresu przejściowego .
Tokens: 1_________ 2 3_ 4_______ 5_____ 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #14400 from articles/00108080 from sent21

Text  : Przed nami kolejna zmiana cen i znowu nie ma okresu ,  w  którym można by było przygotować się do nowych stawek .
Tokens: 1____ 2___ 3______ 4_____ 5__ 6 7____ 8__ 9_ 10____ 11 12 13____ 14___ 15 16__ 17_________ 18_ 19 20____ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #14401 from articles/00108080 from sent22

Text  : Według uchwały rady miejskiej z dniem 31 grudnia przestanie obowiązywać dotychczasowy cennik ,  a  od 1  stycznia zaczną obowiązywać nowe stawki .
Tokens: 1_____ 2______ 3___ 4________ 5 6____ 7_ 8______ 9_________ 10_________ 11___________ 12____ 13 14 15 16 17______ 18____ 19_________ 20__ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #14402 from articles/00108080 from sent23

Text  : Od wtorku bilety będą kosztować : 2 , 60 (  20 -  minutowy )  i  3  ,  40 (  40 -  minutowy )  .
Tokens: 1_ 2_____ 3_____ 4___ 5________ 6 7 8 9_ 10 11 12 13______ 14 15 16 17 18 19 20 21 22______ 23 24

Chunks:

(ChunkerEvaluator) Sentence #14403 from articles/00108080 from sent24

Text  : Czy czeka nas kolejne zamieszanie z biletami ?
Tokens: 1__ 2____ 3__ 4______ 5__________ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #14404 from articles/00108080 from sent25

Text  : Pamiętajmy , że 1 stycznia większość sklepów będzie zamknięta .
Tokens: 1_________ 2 3_ 4 5_______ 6________ 7______ 8_____ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #14405 from articles/00108080 from sent26

Text  : Jeśli chcemy pierwszego dnia nowego roku korzystać z komunikacji miejskiej lub wracać nią z  sylwestra ,  powinni śmy w  nowe bilety zaopatrzyć się już wcześniej .
Tokens: 1____ 2_____ 3_________ 4___ 5_____ 6___ 7________ 8 9__________ 10_______ 11_ 12____ 13_ 14 15_______ 16 17_____ 18_ 19 20__ 21____ 22________ 23_ 24_ 25_______ 26

Chunks:
  FalseNegative nam [15,15] = sylwestra

(ChunkerEvaluator) Sentence #14406 from articles/00108080 from sent27

Text  : Kupić trzeba je więc najpóźniej w poniedziałek .
Tokens: 1____ 2_____ 3_ 4___ 5_________ 6 7___________ 8

Chunks:

(ChunkerEvaluator) Sentence #14407 from articles/00108080 from sent28

Text  : Niestety , w wielu kioskach nadal ich nie ma .
Tokens: 1_______ 2 3 4____ 5_______ 6____ 7__ 8__ 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #14408 from articles/00108080 from sent29

Text  : - Mam końcówkę starych .
Tokens: 1 2__ 3_______ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #14409 from articles/00108080 from sent30

Text  : Nowych nie kupuję , bo wyzbywamy się towaru przed remanentem .
Tokens: 1_____ 2__ 3_____ 4 5_ 6________ 7__ 8_____ 9____ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #14410 from articles/00108080 from sent31

Text  : Zaczniemy je sprowadzać dopiero po Nowym Roku - mówiła w  weekend pani z  kiosku przy ulicy Aleksandrowskiej .
Tokens: 1________ 2_ 3_________ 4______ 5_ 6____ 7___ 8 9_____ 10 11_____ 12__ 13 14____ 15__ 16___ 17______________ 18

Chunks:
  TruePositive nam [6,7] = Nowym Roku
  TruePositive nam [17,17] = Aleksandrowskiej

(ChunkerEvaluator) Sentence #14411 from articles/00108080 from sent32

Text  : Miejski przewoźnik nie wie , w ilu dokładnie kioskach i  czy we wszystkich będzie można kupić nowe bilety po 1  stycznia .
Tokens: 1______ 2_________ 3__ 4__ 5 6 7__ 8________ 9_______ 10 11_ 12 13________ 14____ 15___ 16___ 17__ 18____ 19 20 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14412 from articles/00108080 from sent33

Text  : - Sklepy , kioski , saloniki prasowe zaopatrują się w  hurtowniach .
Tokens: 1 2_____ 3 4_____ 5 6_______ 7______ 8_________ 9__ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #14413 from articles/00108080 from sent34

Text  : To , czy nowe bilety w nich będą , zależy od ich właścicieli ,  a  nie od MPK -  mówi Agnieszka Hamankiewicz z  MPK .
Tokens: 1_ 2 3__ 4___ 5_____ 6 7___ 8___ 9 10____ 11 12_ 13_________ 14 15 16_ 17 18_ 19 20__ 21_______ 22__________ 23 24_ 25

Chunks:
  TruePositive nam [18,18] = MPK
  TruePositive nam [21,22] = Agnieszka Hamankiewicz
  TruePositive nam [24,24] = MPK

(ChunkerEvaluator) Sentence #14414 from articles/00108080 from sent35

Text  : I dodaje : - Nowe bilety i bilety dopłatowe już od 6  grudnia można było kupić we wszystkich punktach sprzedaży biletów MPK i  ajencyjnych .
Tokens: 1 2_____ 3 4 5___ 6_____ 7 8_____ 9________ 10_ 11 12 13_____ 14___ 15__ 16___ 17 18________ 19______ 20_______ 21_____ 22_ 23 24_________ 25

Chunks:
  TruePositive nam [22,22] = MPK

(ChunkerEvaluator) Sentence #14415 from articles/00108080 from sent36

Text  : Gdzie zatem kupić bilet w Nowy Rok ?
Tokens: 1____ 2____ 3____ 4____ 5 6___ 7__ 8

Chunks:
  TruePositive nam [6,7] = Nowy Rok

(ChunkerEvaluator) Sentence #14416 from articles/00108080 from sent37

Text  : 1 stycznia będą otwarte punkty MPK : na pl .  Barlickiego ,  przy skrzyżowaniu Kościuszki -  Mickiewicza ,  Kościuszki -  Struga ,  na pl .  Niepodległości ,  na pl .  Wolności ,  przy al .  Wyszyńskiego )  .
Tokens: 1 2_______ 3___ 4______ 5_____ 6__ 7 8_ 9_ 10 11_________ 12 13__ 14__________ 15________ 16 17_________ 18 19________ 20 21____ 22 23 24 25 26____________ 27 28 29 30 31______ 32 33__ 34 35 36__________ 37 38

Chunks:
  TruePositive nam [6,6] = MPK
  TruePositive nam [11,11] = Barlickiego
  TruePositive nam [15,15] = Kościuszki
  TruePositive nam [17,17] = Mickiewicza
  TruePositive nam [19,19] = Kościuszki
  TruePositive nam [21,21] = Struga
  TruePositive nam [26,26] = Niepodległości
  TruePositive nam [36,36] = Wyszyńskiego
  FalseNegative nam [31,31] = Wolności

(ChunkerEvaluator) Sentence #14417 from articles/00108080 from sent38

Text  : Będą także do nabycia w automatach biletowych w pojazdach (  jest ich 134 )  .
Tokens: 1___ 2____ 3_ 4______ 5 6_________ 7_________ 8 9________ 10 11__ 12_ 13_ 14 15

Chunks:

(ChunkerEvaluator) Sentence #14418 from articles/00108080 from sent39

Text  : Problemu nie będą miały także osoby płacące za przejazd za pomocą telefonu komórkowego .
Tokens: 1_______ 2__ 3___ 4____ 5____ 6____ 7______ 8_ 9_______ 10 11____ 12______ 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #14419 from articles/00108080 from sent40

Text  : Można to zrobić , korzystając z jednej z pięciu działających aplikacji (  CallPay ,  moBilet ,  mPay ,  SkyCash ,  Unibank )  .
Tokens: 1____ 2_ 3_____ 4 5__________ 6 7_____ 8 9_____ 10__________ 11_______ 12 13_____ 14 15_____ 16 17__ 18 19_____ 20 21_____ 22 23

Chunks:
  TruePositive nam [19,19] = SkyCash
  FalseNegative nam [13,13] = CallPay
  FalseNegative nam [15,15] = moBilet
  FalseNegative nam [17,17] = mPay
  FalseNegative nam [21,21] = Unibank

(ChunkerEvaluator) Sentence #14420 from articles/00108080 from sent41

Text  : Szczegóły dotyczące nowej taryfy można znaleźć na www . mpk .  lodz .  pl .
Tokens: 1________ 2________ 3____ 4_____ 5____ 6______ 7_ 8__ 9 10_ 11 12__ 13 14 15

Chunks:
  TruePositive nam [8,14] = www . mpk . lodz . pl

(ChunkerEvaluator) Sentence #14421 from articles/00108080 from sent42

Text  : Kolejną , trzecią podwyżkę , zaplanowano za rok .
Tokens: 1______ 2 3______ 4_______ 5 6__________ 7_ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #14422 from articles/00108080 from sent43

Text  : Od 1 stycznia 2014 roku bilety zdrożeją o kolejne 20 groszy .
Tokens: 1_ 2 3_______ 4___ 5___ 6_____ 7_______ 8 9______ 10 11____ 12

Chunks:
  FalseNegative nam [11,11] = groszy

(ChunkerEvaluator) Sentence #14423 from articles/00108080 from sent44

Text  : Będą więc kosztować odpowiednio 2 , 80 i 3 ,  60 .
Tokens: 1___ 2___ 3________ 4__________ 5 6 7_ 8 9 10 11 12

Chunks:

2016-10-27 15:00:25,710 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 635 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108081.xml
(ChunkerEvaluator) Sentence #14424 from articles/00108081 from sent1

Text  : 30 lat temu Rada Państwa zawiesiła stan wojenny
Tokens: 1_ 2__ 3___ 4___ 5______ 6________ 7___ 8______

Chunks:
  TruePositive nam [4,5] = Rada Państwa
  FalseNegative nam [7,8] = stan wojenny

(ChunkerEvaluator) Sentence #14425 from articles/00108081 from sent2

Text  : 31 grudnia 1982 r .
Tokens: 1_ 2______ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #14426 from articles/00108081 from sent3

Text  : Rada Państwa PRL zawiesiła na terenie całego kraju stan wojenny ,  utrzymując jednak najważniejsze ograniczenia praw obywatelskich .
Tokens: 1___ 2______ 3__ 4________ 5_ 6______ 7_____ 8____ 9___ 10_____ 11 12________ 13____ 14___________ 15__________ 16__ 17___________ 18

Chunks:
  FalsePositive nam [1,2] = Rada Państwa
  FalsePositive nam [3,3] = PRL
  FalseNegative nam [1,3] = Rada Państwa PRL
  FalseNegative nam [9,10] = stan wojenny

(ChunkerEvaluator) Sentence #14427 from articles/00108081 from sent4

Text  : Kilka dni wcześniej zamknięto ośrodki internowania , zwalniając z nich wszystkich przetrzymywanych za wyjątkiem siedmiu członków władz NSZZ "  Solidarność "  ,  których aresztowano i  przeniesiono do więzienia z  zamiarem wytoczenia im procesu o  próbę obalenia PRL .
Tokens: 1____ 2__ 3________ 4________ 5______ 6___________ 7 8_________ 9 10__ 11________ 12______________ 13 14_______ 15_____ 16______ 17___ 18__ 19 20_________ 21 22 23_____ 24_________ 25 26__________ 27 28_______ 29 30______ 31________ 32 33_____ 34 35___ 36______ 37_ 38

Chunks:
  TruePositive nam [18,21] = NSZZ " Solidarność "
  TruePositive nam [37,37] = PRL

(ChunkerEvaluator) Sentence #14428 from articles/00108081 from sent5

Text  : Decyzję o zawieszeniu stanu wojennego Rada Państwa uchwaliła 19 grudnia 1982 r  .
Tokens: 1______ 2 3__________ 4____ 5________ 6___ 7______ 8________ 9_ 10_____ 11__ 12 13

Chunks:
  TruePositive nam [6,7] = Rada Państwa
  FalseNegative nam [4,5] = stanu wojennego

(ChunkerEvaluator) Sentence #14429 from articles/00108081 from sent6

Text  : Dzień wcześniej Sejm przyjął ustawę " O szczególnej regulacji prawnej w  okresie zawieszenia stanu wojennego "  ,  która utrzymywała najważniejsze ograniczenia praw obywatelskich .
Tokens: 1____ 2________ 3___ 4______ 5_____ 6 7 8__________ 9________ 10_____ 11 12_____ 13_________ 14___ 15_______ 16 17 18___ 19_________ 20___________ 21__________ 22__ 23___________ 24

Chunks:
  TruePositive nam [3,3] = Sejm
  FalseNegative nam [14,15] = stanu wojennego

(ChunkerEvaluator) Sentence #14430 from articles/00108081 from sent7

Text  : Zniesienie stanu wojennego władze komunistyczne zamierzały przeprowadzać etapami .
Tokens: 1_________ 2____ 3________ 4_____ 5____________ 6_________ 7____________ 8______ 9

Chunks:
  FalseNegative nam [2,3] = stanu wojennego

(ChunkerEvaluator) Sentence #14431 from articles/00108081 from sent8

Text  : Prof . Andrzej Paczkowski w książce " Wojna polsko -  jaruzelska "  stwierdza ,  że pierwsza poważna narada poświęcona temu zagadnieniu odbyła się 18 listopada 1982 r  .  na posiedzeniu Biura Politycznego .
Tokens: 1___ 2 3______ 4_________ 5 6______ 7 8____ 9_____ 10 11________ 12 13_______ 14 15 16______ 17_____ 18____ 19________ 20__ 21_________ 22____ 23_ 24 25_______ 26__ 27 28 29 30_________ 31___ 32__________ 33

Chunks:
  TruePositive nam [3,4] = Andrzej Paczkowski
  TruePositive nam [8,11] = Wojna polsko - jaruzelska
  TruePositive nam [31,32] = Biura Politycznego

(ChunkerEvaluator) Sentence #14432 from articles/00108081 from sent9

Text  : Miało ono miejsce tuż po nieudanej dla Solidarności próbie zorganizowania 10 listopada ,  w  drugą rocznicę rejestracji związku ,  wielkiej akcji strajkowej i  w  kilka dni po uwolnieniu z  internowania Lecha Wałęsy .
Tokens: 1____ 2__ 3______ 4__ 5_ 6________ 7__ 8___________ 9_____ 10____________ 11 12_______ 13 14 15___ 16______ 17_________ 18_____ 19 20______ 21___ 22________ 23 24 25___ 26_ 27 28________ 29 30__________ 31___ 32____ 33

Chunks:
  TruePositive nam [31,32] = Lecha Wałęsy
  FalsePositive nam [8,9] = Solidarności próbie
  FalseNegative nam [8,8] = Solidarności

(ChunkerEvaluator) Sentence #14433 from articles/00108081 from sent10

Text  : Na wspomniane posiedzenie BP zaproszono marszałka Sejmu Stanisława Gucwę (  ZSL )  ,  a  także całe Prezydium Rady Ministrów razem z  wicepremierami Romanem Malinowskim (  ZSL )  ,  Edwardem Kowalczykiem (  SD )  i  Zenonem Komenderem (  PAX )  .
Tokens: 1_ 2_________ 3__________ 4_ 5_________ 6________ 7____ 8_________ 9____ 10 11_ 12 13 14 15___ 16__ 17_______ 18__ 19_______ 20___ 21 22____________ 23_____ 24_________ 25 26_ 27 28 29______ 30__________ 31 32 33 34 35_____ 36________ 37 38_ 39 40

Chunks:
  TruePositive nam [4,4] = BP
  TruePositive nam [7,7] = Sejmu
  TruePositive nam [8,9] = Stanisława Gucwę
  TruePositive nam [11,11] = ZSL
  TruePositive nam [17,19] = Prezydium Rady Ministrów
  TruePositive nam [23,24] = Romanem Malinowskim
  TruePositive nam [26,26] = ZSL
  TruePositive nam [29,30] = Edwardem Kowalczykiem
  TruePositive nam [32,32] = SD
  TruePositive nam [35,36] = Zenonem Komenderem
  TruePositive nam [38,38] = PAX

(ChunkerEvaluator) Sentence #14434 from articles/00108081 from sent11

Text  : Obecni byli również przewodniczący Rady Państwa Henryk Jabłoński , minister sprawiedliwości oraz Prokurator Generalny PRL .
Tokens: 1_____ 2___ 3______ 4_____________ 5___ 6______ 7_____ 8________ 9 10______ 11_____________ 12__ 13________ 14_______ 15_ 16

Chunks:
  TruePositive nam [7,8] = Henryk Jabłoński
  TruePositive nam [13,15] = Prokurator Generalny PRL
  FalsePositive nam [10,11] = minister sprawiedliwości
  FalseNegative nam [5,6] = Rady Państwa

(ChunkerEvaluator) Sentence #14435 from articles/00108081 from sent12

Text  : Na uwagę zasługuje wyjątkowy fakt uczestniczenia w obradach Biura Politycznego ludzi spoza PZPR .
Tokens: 1_ 2____ 3________ 4________ 5___ 6_____________ 7 8_______ 9____ 10__________ 11___ 12___ 13__ 14

Chunks:
  TruePositive nam [9,10] = Biura Politycznego
  TruePositive nam [13,13] = PZPR

(ChunkerEvaluator) Sentence #14436 from articles/00108081 from sent13

Text  : Gen . Wojciech Jaruzelski przedstawiając w swoim wystąpieniu trzy możliwe scenariusze działań -  tzn .  kontynuowanie stanu wojennego ,  jego zawieszenie lub zniesienie ,  stwierdził ,  że zdaniem Wojskowej Rady Ocalenia Narodowego zawieszenie stanu wojennego "  daje największe korzyści "  .
Tokens: 1__ 2 3_______ 4_________ 5_____________ 6 7____ 8__________ 9___ 10_____ 11_________ 12_____ 13 14_ 15 16___________ 17___ 18_______ 19 20__ 21_________ 22_ 23________ 24 25________ 26 27 28_____ 29_______ 30__ 31______ 32________ 33_________ 34___ 35_______ 36 37__ 38________ 39______ 40 41

Chunks:
  TruePositive nam [3,4] = Wojciech Jaruzelski
  TruePositive nam [29,32] = Wojskowej Rady Ocalenia Narodowego
  FalseNegative nam [17,18] = stanu wojennego
  FalseNegative nam [34,35] = stanu wojennego

(ChunkerEvaluator) Sentence #14437 from articles/00108081 from sent14

Text  : I sekretarz KC zwracał uwagę na to , że "  przy przyjęciu odpowiednich aktów prawnych "  w  każdej chwili stan wojenny będzie można wznowić ,  a  "  bezpiecznik ten jest ważny ,  ponieważ przed nami stoją trudne problemy ,  związane między innymi z  trudną sytuacją żywnościową "  .
Tokens: 1 2________ 3_ 4______ 5____ 6_ 7_ 8 9_ 10 11__ 12_______ 13__________ 14___ 15______ 16 17 18____ 19____ 20__ 21_____ 22____ 23___ 24_____ 25 26 27 28_________ 29_ 30__ 31___ 32 33______ 34___ 35__ 36___ 37____ 38______ 39 40______ 41____ 42____ 43 44____ 45______ 46_________ 47 48

Chunks:
  TruePositive nam [3,3] = KC
  FalseNegative nam [20,21] = stan wojenny

(ChunkerEvaluator) Sentence #14438 from articles/00108081 from sent15

Text  : " Trzeba także panować nad sytuacją - dodawał gen .  Jaruzelski -  w  związku z  wizytą papieża "  .
Tokens: 1 2_____ 3____ 4______ 5__ 6_______ 7 8______ 9__ 10 11________ 12 13 14_____ 15 16____ 17_____ 18 19

Chunks:
  TruePositive nam [11,11] = Jaruzelski

(ChunkerEvaluator) Sentence #14439 from articles/00108081 from sent16

Text  : Propozycje zmian prawnych , które miały być wprowadzone w nowej sytuacji ,  przedstawił gen .  Florian Siwicki .
Tokens: 1_________ 2____ 3_______ 4 5____ 6____ 7__ 8__________ 9 10___ 11______ 12 13_________ 14_ 15 16_____ 17_____ 18

Chunks:
  TruePositive nam [16,17] = Florian Siwicki

(ChunkerEvaluator) Sentence #14440 from articles/00108081 from sent17

Text  : Dotyczyły one m . in . prawa pracy i przewidywały ,  że pracownik zatrudniony w  zakładach dotychczas zmilitaryzowanych nie będzie mógł na podstawie własnej ,  jednostronnej decyzji odejść z  miejsca pracy .
Tokens: 1________ 2__ 3 4 5_ 6 7____ 8____ 9 10__________ 11 12 13_______ 14_________ 15 16_______ 17________ 18_______________ 19_ 20____ 21__ 22 23_______ 24_____ 25 26___________ 27_____ 28____ 29 30_____ 31___ 32

Chunks:

(ChunkerEvaluator) Sentence #14441 from articles/00108081 from sent18

Text  : Ponadto udział w strajkach czy też nielegalnych demonstracjach grozić miał zwolnieniem .
Tokens: 1______ 2_____ 3 4________ 5__ 6__ 7___________ 8_____________ 9_____ 10__ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #14442 from articles/00108081 from sent19

Text  : Planowano również utrzymać możliwość relegowania studentów na mocy decyzji administracyjnej ,  prawo zawieszania dyrektorów przez wojewodów ,  oraz rektorów szkół wyższych .
Tokens: 1________ 2______ 3_______ 4________ 5__________ 6________ 7_ 8___ 9______ 10______________ 11 12___ 13_________ 14________ 15___ 16_______ 17 18__ 19______ 20___ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14443 from articles/00108081 from sent20

Text  : Gen . Siwicki w swoim wystąpieniu na posiedzeniu Biura Politycznego uznał ,  że obecna sytuacja polityczna nie pozwala na amnestię i  rozważać można jedynie prawo łaski wobec 500 -  700 osób ,  które popełniły "  czyny niegroźne "  ,  okazały skruchę i  zachowują się nienagannie .
Tokens: 1__ 2 3______ 4 5____ 6__________ 7_ 8__________ 9____ 10__________ 11___ 12 13 14____ 15______ 16________ 17_ 18_____ 19 20______ 21 22______ 23___ 24_____ 25___ 26___ 27___ 28_ 29 30_ 31__ 32 33___ 34_______ 35 36___ 37_______ 38 39 40_____ 41_____ 42 43_______ 44_ 45_________ 46

Chunks:
  TruePositive nam [9,10] = Biura Politycznego
  FalseNegative nam [3,3] = Siwicki

(ChunkerEvaluator) Sentence #14444 from articles/00108081 from sent21

Text  : Wobec przygotowywanego zniesienia instytucji internowania gen . Siwicki oświadczył ,  że grupie ok .  120 internowanych należy postawić zarzuty ,  a  następnie ich aresztować .
Tokens: 1____ 2_______________ 3_________ 4_________ 5___________ 6__ 7 8______ 9_________ 10 11 12____ 13 14 15_ 16___________ 17____ 18______ 19_____ 20 21 22_______ 23_ 24________ 25

Chunks:
  FalseNegative nam [8,8] = Siwicki

(ChunkerEvaluator) Sentence #14445 from articles/00108081 from sent22

Text  : Kolejny mówca - minister spraw wewnętrznych gen . Czesław Kiszczak -  był zdania ,  że postępowaniem karnym należało by objąć 80 -  90 osób .
Tokens: 1______ 2____ 3 4_______ 5____ 6___________ 7__ 8 9______ 10______ 11 12_ 13____ 14 15 16___________ 17____ 18______ 19 20___ 21 22 23 24__ 25

Chunks:
  TruePositive nam [9,10] = Czesław Kiszczak

(ChunkerEvaluator) Sentence #14446 from articles/00108081 from sent23

Text  : Zwrócił również uwagę , iż Andrzeja Gwiazdę , Seweryna Jaworskiego ,  Karola Modzelewskiego ,  Grzegorza Palkę ,  Andrzeja Rozpłochowskiego i  Jana Rulewskiego można pociągnąć do odpowiedzialności "  za działalność spiskową "  .
Tokens: 1______ 2______ 3____ 4 5_ 6_______ 7______ 8 9_______ 10_________ 11 12____ 13____________ 14 15_______ 16___ 17 18______ 19______________ 20 21__ 22_________ 23___ 24_______ 25 26_______________ 27 28 29_________ 30______ 31 32

Chunks:
  TruePositive nam [6,7] = Andrzeja Gwiazdę
  TruePositive nam [9,10] = Seweryna Jaworskiego
  TruePositive nam [12,13] = Karola Modzelewskiego
  TruePositive nam [15,16] = Grzegorza Palkę
  TruePositive nam [18,19] = Andrzeja Rozpłochowskiego
  TruePositive nam [21,22] = Jana Rulewskiego

(ChunkerEvaluator) Sentence #14447 from articles/00108081 from sent24

Text  : W podsumowaniu dyskusji gen . Jaruzelski wyraził opinię , iż było by celowe ,  aby "  jak najwięcej osób odbywających obecnie kary wyekspediować za granicę "  .
Tokens: 1 2___________ 3_______ 4__ 5 6_________ 7______ 8_____ 9 10 11__ 12 13____ 14 15_ 16 17_ 18_______ 19__ 20__________ 21_____ 22__ 23___________ 24 25_____ 26 27

Chunks:
  TruePositive nam [6,6] = Jaruzelski

(ChunkerEvaluator) Sentence #14448 from articles/00108081 from sent25

Text  : Ustalenia z listopadowego spotkania Biura Politycznego stanowiły podstawę uchwalonej 18 grudnia 1982 r  .  ustawy "  O  szczególnej regulacji prawnej w  okresie zawieszenia stanu wojennego "  ,  która utrzymywała najważniejsze ograniczenia praw obywatelskich .
Tokens: 1________ 2 3____________ 4________ 5____ 6___________ 7________ 8_______ 9_________ 10 11_____ 12__ 13 14 15____ 16 17 18_________ 19_______ 20_____ 21 22_____ 23_________ 24___ 25_______ 26 27 28___ 29_________ 30___________ 31__________ 32__ 33___________ 34

Chunks:
  TruePositive nam [5,6] = Biura Politycznego
  FalseNegative nam [24,25] = stanu wojennego

(ChunkerEvaluator) Sentence #14449 from articles/00108081 from sent26

Text  : Zrezygnowano w niej z planów amnestii , pozostawiając więźniom jedynie możliwość skorzystania z  prawa łaski ,  o  które prosić należało Radę Państwa .
Tokens: 1___________ 2 3___ 4 5_____ 6_______ 7 8____________ 9_______ 10_____ 11_______ 12__________ 13 14___ 15___ 16 17 18___ 19____ 20______ 21__ 22_____ 23

Chunks:
  TruePositive nam [21,22] = Radę Państwa

(ChunkerEvaluator) Sentence #14450 from articles/00108081 from sent27

Text  : 19 grudnia 1982 r .
Tokens: 1_ 2______ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #14451 from articles/00108081 from sent28

Text  : Rada Państwa uchwaliła zawieszenie od 31 grudnia stanu wojennego .
Tokens: 1___ 2______ 3________ 4__________ 5_ 6_ 7______ 8____ 9________ 10

Chunks:
  TruePositive nam [1,2] = Rada Państwa
  FalseNegative nam [8,9] = stanu wojennego

(ChunkerEvaluator) Sentence #14452 from articles/00108081 from sent29

Text  : Ośrodki internowania miały zostać zlikwidowane , a osoby w nich przebywające uwolnione .
Tokens: 1______ 2___________ 3____ 4_____ 5___________ 6 7 8____ 9 10__ 11__________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #14453 from articles/00108081 from sent30

Text  : W sumie w okresie stanu wojennego wydano 10 132 decyzje o  internowaniu w  stosunku do 9736 osób (  396 decyzji dotyczyło osób internowanych ponownie ,  po uprzednim zwolnieniu ich z  ośrodka odosobnienia )  .
Tokens: 1 2____ 3 4______ 5____ 6________ 7_____ 8_ 9__ 10_____ 11 12__________ 13 14______ 15 16__ 17__ 18 19_ 20_____ 21_______ 22__ 23___________ 24______ 25 26 27_______ 28________ 29_ 30 31_____ 32__________ 33 34

Chunks:
  FalseNegative nam [5,6] = stanu wojennego

(ChunkerEvaluator) Sentence #14454 from articles/00108081 from sent31

Text  : Wśród internowanych było 8728 mężczyzn i 1008 kobiet .
Tokens: 1____ 2____________ 3___ 4___ 5_______ 6 7___ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #14455 from articles/00108081 from sent32

Text  : Byli oni przetrzymywani w 49 ośrodkach odosobnienia , na terenie całego kraju .
Tokens: 1___ 2__ 3_____________ 4 5_ 6________ 7___________ 8 9_ 10_____ 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #14456 from articles/00108081 from sent33

Text  : Internowania były przeprowadzane przez milicję bez nakazu sądowego .
Tokens: 1___________ 2___ 3_____________ 4____ 5______ 6__ 7_____ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #14457 from articles/00108081 from sent34

Text  : Nie było dokładnie ustalonego czasu przetrzymywania .
Tokens: 1__ 2___ 3________ 4_________ 5____ 6______________ 7

Chunks:

(ChunkerEvaluator) Sentence #14458 from articles/00108081 from sent35

Text  : Internowani przebywali w tzw . centrach izolacyjnych : w więzieniach ,  zakładach poprawczych oraz w  pracowniczych i  wojskowych ośrodkach wypoczynkowych .
Tokens: 1__________ 2_________ 3 4__ 5 6_______ 7___________ 8 9 10_________ 11 12_______ 13_________ 14__ 15 16___________ 17 18________ 19_______ 20____________ 21

Chunks:

(ChunkerEvaluator) Sentence #14459 from articles/00108081 from sent36

Text  : Większość internowanych doświadczyła złych warunków : chłodu , braku higieny ,  zatłoczenia .
Tokens: 1________ 2____________ 3___________ 4____ 5_______ 6 7_____ 8 9____ 10_____ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #14460 from articles/00108081 from sent37

Text  : W ośrodkach internowania znalazła się znaczna część krajowych i regionalnych przywódców "  Solidarności "  ,  doradców ,  członków komisji zakładowych dużych fabryk ,  działaczy opozycji demokratycznej oraz intelektualistów związanych z  Solidarnością .
Tokens: 1 2________ 3___________ 4_______ 5__ 6______ 7____ 8________ 9 10__________ 11________ 12 13__________ 14 15 16______ 17 18______ 19_____ 20_________ 21____ 22____ 23 24_______ 25______ 26____________ 27__ 28______________ 29________ 30 31___________ 32

Chunks:
  TruePositive nam [31,31] = Solidarnością
  FalsePositive nam [12,14] = " Solidarności "
  FalseNegative nam [13,13] = Solidarności

(ChunkerEvaluator) Sentence #14461 from articles/00108081 from sent38

Text  : Internowani niejednokrotnie przesłuchiwani byli przez Służbę Bezpieczeństwa i zmuszani do współpracy z  milicją ,  a  także do emigracji lub podpisania oświadczenia ,  że nie będą angażować się w  działalność antypaństwową ,  co było warunkiem ich zwolnienia .
Tokens: 1__________ 2______________ 3_____________ 4___ 5____ 6_____ 7_____________ 8 9_______ 10 11________ 12 13_____ 14 15 16___ 17 18_______ 19_ 20________ 21__________ 22 23 24_ 25__ 26_______ 27_ 28 29_________ 30___________ 31 32 33__ 34_______ 35_ 36________ 37

Chunks:
  TruePositive nam [6,7] = Służbę Bezpieczeństwa

(ChunkerEvaluator) Sentence #14462 from articles/00108081 from sent39

Text  : Internowani skarżyli się , iż odmawiano im pomocy medycznej lub że udzielano jej zbyt późno .
Tokens: 1__________ 2_______ 3__ 4 5_ 6________ 7_ 8_____ 9________ 10_ 11 12_______ 13_ 14__ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #14463 from articles/00108081 from sent40

Text  : Zdarzały się również przypadki pobicia zatrzymywanych przez strażników .
Tokens: 1_______ 2__ 3______ 4________ 5______ 6_____________ 7____ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #14464 from articles/00108081 from sent41

Text  : 14 sierpnia 1982 r . w Kwidzynie milicja i straż więzienna przeprowadziły wyjątkowo brutalną pacyfikację obozu internowania dla działaczy Solidarności ,  protestujących przeciwko ograniczeniu ich kontaktów z  rodzinami .
Tokens: 1_ 2_______ 3___ 4 5 6 7________ 8______ 9 10___ 11_______ 12____________ 13_______ 14______ 15_________ 16___ 17__________ 18_ 19_______ 20__________ 21 22____________ 23_______ 24__________ 25_ 26_______ 27 28_______ 29

Chunks:
  TruePositive nam [7,7] = Kwidzynie
  FalsePositive nam [19,20] = działaczy Solidarności
  FalseNegative nam [20,20] = Solidarności

(ChunkerEvaluator) Sentence #14465 from articles/00108081 from sent42

Text  : W jej wyniku pobito ponad 80 internowanych , blisko połowa z  nich doznała ciężkich obrażeń .
Tokens: 1 2__ 3_____ 4_____ 5____ 6_ 7____________ 8 9_____ 10____ 11 12__ 13_____ 14______ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #14466 from articles/00108081 from sent43

Text  : Pacyfikacja w Kwidzynie , nie była pierwszym przypadkiem znęcania się nad internowanymi przez służbę więzienną .
Tokens: 1__________ 2 3________ 4 5__ 6___ 7________ 8__________ 9_______ 10_ 11_ 12___________ 13___ 14____ 15_______ 16

Chunks:
  TruePositive nam [3,3] = Kwidzynie

(ChunkerEvaluator) Sentence #14467 from articles/00108081 from sent44

Text  : Zdarzenia takie miały miejsce m . in . 13 lutego 1982 r  .  w  Wierzchowie Pomorskim i  25 marca tego samego roku w  Iławie .
Tokens: 1________ 2____ 3____ 4______ 5 6 7_ 8 9_ 10____ 11__ 12 13 14 15_________ 16_______ 17 18 19___ 20__ 21____ 22__ 23 24____ 25

Chunks:
  TruePositive nam [15,16] = Wierzchowie Pomorskim
  TruePositive nam [24,24] = Iławie

(ChunkerEvaluator) Sentence #14468 from articles/00108081 from sent45

Text  : 23 grudnia 1982 r . ośrodki internowania zostały zamknięte .
Tokens: 1_ 2______ 3___ 4 5 6______ 7___________ 8______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #14469 from articles/00108081 from sent46

Text  : Zwolniono wszystkich internowanych z wyjątkiem siedmiu członków władz NSZZ "  Solidarność "  :  Andrzeja Gwiazdy ,  Mariana Jurczyka ,  Jana Rulewskiego ,  Seweryna Jaworskiego ,  Karola Modzelewskiego ,  Grzegorza Palki i  Andrzeja Rozpłochowskiego .
Tokens: 1________ 2_________ 3____________ 4 5________ 6______ 7_______ 8____ 9___ 10 11_________ 12 13 14______ 15_____ 16 17_____ 18______ 19 20__ 21_________ 22 23______ 24_________ 25 26____ 27____________ 28 29_______ 30___ 31 32______ 33______________ 34

Chunks:
  TruePositive nam [14,15] = Andrzeja Gwiazdy
  TruePositive nam [17,18] = Mariana Jurczyka
  TruePositive nam [20,21] = Jana Rulewskiego
  TruePositive nam [23,24] = Seweryna Jaworskiego
  TruePositive nam [26,27] = Karola Modzelewskiego
  TruePositive nam [29,30] = Grzegorza Palki
  TruePositive nam [32,33] = Andrzeja Rozpłochowskiego
  FalsePositive nam [9,12] = NSZZ " Solidarność "
  FalseNegative nam [9,11] = NSZZ " Solidarność

(ChunkerEvaluator) Sentence #14470 from articles/00108081 from sent47

Text  : Wyżej wymienionych aresztowano i przeniesiono do więzienia z zamiarem wytoczenia im procesu o  próbę obalenia PRL .
Tokens: 1____ 2___________ 3__________ 4 5___________ 6_ 7________ 8 9_______ 10________ 11 12_____ 13 14___ 15______ 16_ 17

Chunks:
  TruePositive nam [16,16] = PRL

(ChunkerEvaluator) Sentence #14471 from articles/00108081 from sent48

Text  : Tak samo postąpiono wcześniej , we wrześniu 1982 r .  ,  z  działaczami KOR :  Jackiem Kuroniem ,  Adamem Michnikiem ,  Henrykiem Wujcem i  Janem Lityńskim .
Tokens: 1__ 2___ 3_________ 4________ 5 6_ 7_______ 8___ 9 10 11 12 13_________ 14_ 15 16_____ 17______ 18 19____ 20________ 21 22_______ 23____ 24 25___ 26_______ 27

Chunks:
  TruePositive nam [14,14] = KOR
  TruePositive nam [16,17] = Jackiem Kuroniem
  TruePositive nam [19,20] = Adamem Michnikiem
  TruePositive nam [22,23] = Henrykiem Wujcem
  TruePositive nam [25,26] = Janem Lityńskim

(ChunkerEvaluator) Sentence #14472 from articles/00108081 from sent49

Text  : Im również zamieniono internowanie na areszt , oskarżając ich o  działania zmierzające do "  przygotowywania zbrojnego przewrotu w  polskim systemie politycznym "  .
Tokens: 1_ 2______ 3_________ 4___________ 5_ 6_____ 7 8_________ 9__ 10 11_______ 12_________ 13 14 15_____________ 16_______ 17_______ 18 19_____ 20______ 21_________ 22 23

Chunks:

(ChunkerEvaluator) Sentence #14473 from articles/00108081 from sent50

Text  : Po zawieszeniu stanu wojennego i likwidacji ośrodków internowania władze komunistyczne nadal przetrzymywały od kilkuset do ponad tysiąca osób ,  które skazane były za działalność w  zdelegalizowanej Solidarności ,  druk lub kolportaż podziemnych wydawnictw ,  a  czasem nawet za zbieranie składek na pomoc dla już uwięzionych .
Tokens: 1_ 2__________ 3____ 4________ 5 6_________ 7_______ 8___________ 9_____ 10___________ 11___ 12____________ 13 14______ 15 16___ 17_____ 18__ 19 20___ 21_____ 22__ 23 24_________ 25 26______________ 27__________ 28 29__ 30_ 31_______ 32_________ 33________ 34 35 36____ 37___ 38 39_______ 40_____ 41 42___ 43_ 44_ 45_________ 46

Chunks:
  FalsePositive nam [26,27] = zdelegalizowanej Solidarności
  FalseNegative nam [3,4] = stanu wojennego
  FalseNegative nam [27,27] = Solidarności

(ChunkerEvaluator) Sentence #14474 from articles/00108081 from sent51

Text  : Stosowano również inne metody represji , takie jak zwalnianie ze stanowisk lub z  pracy ,  odmowa wydania paszportu czy karanie wysokimi grzywnami za drobne przewinienia .
Tokens: 1________ 2______ 3___ 4_____ 5_______ 6 7____ 8__ 9_________ 10 11_______ 12_ 13 14___ 15 16____ 17_____ 18_______ 19_ 20_____ 21______ 22_______ 23 24____ 25__________ 26

Chunks:

(ChunkerEvaluator) Sentence #14475 from articles/00108081 from sent52

Text  : Prof . Paczkowski oceniając sytuację polityczną w Polsce po ogłoszeniu zawieszenia stanu wojennego pisał :  "  Dwudziestego drugiego grudnia 1981 r  .  ,  zapowiadając podczas posiedzenia Biura Politycznego ,  że na wygranie kampanii +  potrzeba kilka miesięcy +  ,  gen .  Jaruzelski wykazał się zbytnim optymizmem ,  ale trzeba przyznać ,  że niewiele się pomylił .
Tokens: 1___ 2 3_________ 4________ 5_______ 6_________ 7 8_____ 9_ 10________ 11_________ 12___ 13_______ 14___ 15 16 17__________ 18______ 19_____ 20__ 21 22 23 24__________ 25_____ 26_________ 27___ 28__________ 29 30 31 32______ 33______ 34 35______ 36___ 37______ 38 39 40_ 41 42________ 43_____ 44_ 45_____ 46________ 47 48_ 49____ 50______ 51 52 53______ 54_ 55_____ 56

Chunks:
  TruePositive nam [8,8] = Polsce
  TruePositive nam [27,28] = Biura Politycznego
  TruePositive nam [42,42] = Jaruzelski
  FalseNegative nam [3,3] = Paczkowski

(ChunkerEvaluator) Sentence #14476 from articles/00108081 from sent53

Text  : + W polu + kampania została ostatecznie wygrana 10 listopada ,  a  zawieszenie stanu wojennego było już tylko skonsumowaniem zwycięstwa .
Tokens: 1 2 3___ 4 5_______ 6______ 7__________ 8______ 9_ 10_______ 11 12 13_________ 14___ 15_______ 16__ 17_ 18___ 19____________ 20________ 21

Chunks:
  FalseNegative nam [14,15] = stanu wojennego

(ChunkerEvaluator) Sentence #14477 from articles/00108081 from sent54

Text  : Wszakże w tym samym wystąpieniu zapowiadał , że aby wygrać wojnę ,  +  potrzeba dziesięciu lat +  .
Tokens: 1______ 2 3__ 4____ 5__________ 6_________ 7 8_ 9__ 10____ 11___ 12 13 14______ 15________ 16_ 17 18

Chunks:

(ChunkerEvaluator) Sentence #14478 from articles/00108081 from sent55

Text  : I rzeczywiście - 31 grudnia 1982 r . konflikt drążący Polskę ,  od wielu ,  wielu lat nie zakończył się .
Tokens: 1 2___________ 3 4_ 5______ 6___ 7 8 9_______ 10_____ 11____ 12 13 14___ 15 16___ 17_ 18_ 19_______ 20_ 21

Chunks:
  TruePositive nam [11,11] = Polskę

(ChunkerEvaluator) Sentence #14479 from articles/00108081 from sent56

Text  : Ciąg dalszy miał nastąpić " .
Tokens: 1___ 2_____ 3___ 4_______ 5 6

Chunks:

2016-10-27 15:00:26,089 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 636 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108082.xml
(ChunkerEvaluator) Sentence #14480 from articles/00108082 from sent1

Text  : W wałbrzyskich autobusach gospodarzami są konduktorzy
Tokens: 1 2___________ 3_________ 4___________ 5_ 6__________

Chunks:

(ChunkerEvaluator) Sentence #14481 from articles/00108082 from sent2

Text  : LIST DO REDAKCJI .
Tokens: 1___ 2_ 3_______ 4

Chunks:
  FalsePositive nam [3,3] = REDAKCJI

(ChunkerEvaluator) Sentence #14482 from articles/00108082 from sent3

Text  : Od blisko dwóch miesięcy w ramach programu pilotażowego w autobusach wałbrzyskiej komunikacji miejskiej obsługą pasażerów zajmują się konduktorzy .
Tokens: 1_ 2_____ 3____ 4_______ 5 6_____ 7_______ 8___________ 9 10________ 11__________ 12_________ 13_______ 14_____ 15_______ 16_____ 17_ 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #14483 from articles/00108082 from sent4

Text  : Są oni zatrudnieni przez Zarząd Dróg , Komunikacji i Utrzymania Miasta (  ZDKiUM )  ,  mają jednolite mundury ,  charakterystyczne czapki ,  wyposażeni są w  czytniki biletów .
Tokens: 1_ 2__ 3__________ 4____ 5_____ 6___ 7 8__________ 9 10________ 11____ 12 13____ 14 15 16__ 17_______ 18_____ 19 20_______________ 21____ 22 23________ 24 25 26______ 27_____ 28

Chunks:
  FalsePositive nam [5,6] = Zarząd Dróg
  FalsePositive nam [8,11] = Komunikacji i Utrzymania Miasta
  FalseNegative nam [5,11] = Zarząd Dróg , Komunikacji i Utrzymania Miasta
  FalseNegative nam [13,13] = ZDKiUM

(ChunkerEvaluator) Sentence #14484 from articles/00108082 from sent5

Text  : Grupa konduktorów w okresie pilotażowym liczyła ok . 20 -  24 osób .
Tokens: 1____ 2__________ 3 4______ 5__________ 6______ 7_ 8 9_ 10 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #14485 from articles/00108082 from sent6

Text  : Pilotażowy program „ Konduktor ” jest elementem wdrożenia programu modernizacji i  rozwoju miejskiej komunikacji autobusowej w  Wałbrzychu .
Tokens: 1_________ 2______ 3 4________ 5 6___ 7________ 8________ 9_______ 10__________ 11 12_____ 13_______ 14_________ 15_________ 16 17________ 18

Chunks:
  TruePositive nam [4,4] = Konduktor
  TruePositive nam [17,17] = Wałbrzychu

(ChunkerEvaluator) Sentence #14486 from articles/00108082 from sent7

Text  : Po likwidacji Miejskiego Przedsiębiorstwa Komunikacyjnego gmina Wałbrzych zdecydowała się na stworzenie od nowa modelowego systemu komunikacji autobusowej .
Tokens: 1_ 2_________ 3_________ 4_______________ 5______________ 6____ 7________ 8__________ 9__ 10 11________ 12 13__ 14________ 15_____ 16_________ 17_________ 18

Chunks:
  TruePositive nam [3,5] = Miejskiego Przedsiębiorstwa Komunikacyjnego
  TruePositive nam [7,7] = Wałbrzych

(ChunkerEvaluator) Sentence #14487 from articles/00108082 from sent8

Text  : W ramach programu kupiono 23 nowoczesne autobusy funkcjonujące od września .
Tokens: 1 2_____ 3_______ 4______ 5_ 6_________ 7_______ 8____________ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #14488 from articles/00108082 from sent9

Text  : Po rozstrzygnięciu przetargu na operatora systemu od marca wszystkie autobusy (  ok .  56 )  jeżdżące po ulicach Wałbrzycha będą fabrycznie nowe .
Tokens: 1_ 2______________ 3________ 4_ 5________ 6______ 7_ 8____ 9________ 10______ 11 12 13 14 15 16______ 17 18_____ 19________ 20__ 21________ 22__ 23

Chunks:
  TruePositive nam [19,19] = Wałbrzycha

(ChunkerEvaluator) Sentence #14489 from articles/00108082 from sent10

Text  : Konduktorzy mają za zadanie stworzenie atmosfery komfortu , bezpieczeństwa i  życzliwości w  autobusach miejskich .
Tokens: 1__________ 2___ 3_ 4______ 5_________ 6________ 7_______ 8 9_____________ 10 11_________ 12 13________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #14490 from articles/00108082 from sent11

Text  : Idea wprowadzenia swego rodzaju „ gospodarza autobusu ” związana jest m  .  in .  z  nie najwyższą oceną skuteczności pracy grupy kontrolerów ,  kosztami i  skutecznością egzekucji mandatów ,  złą oceną społeczną pracy kontrolerów ,  potrzebą zapewnienia ładu i  porządku w  autobusach .
Tokens: 1___ 2___________ 3____ 4______ 5 6_________ 7_______ 8 9_______ 10__ 11 12 13 14 15 16_ 17_______ 18___ 19__________ 20___ 21___ 22_________ 23 24______ 25 26___________ 27_______ 28______ 29 30_ 31___ 32_______ 33___ 34_________ 35 36______ 37_________ 38__ 39 40______ 41 42________ 43

Chunks:

(ChunkerEvaluator) Sentence #14491 from articles/00108082 from sent12

Text  : Do zadań kontrolera należy m . in . utrzymanie porządku w  autobusie ,  pomoc pasażerom przy kasowaniu biletów ,  również w  czasie wejścia do pojazdu osobom starszym lub niepełnosprawnym ,  udzielanie informacji odnośnie do kursowania i  tras przejazdu autobusów na poszczególnych liniach komunikacyjnych ,  sprzedaż biletów i  ich kontrola .
Tokens: 1_ 2____ 3_________ 4_____ 5 6 7_ 8 9_________ 10______ 11 12_______ 13 14___ 15_______ 16__ 17_______ 18_____ 19 20_____ 21 22____ 23_____ 24 25_____ 26____ 27______ 28_ 29______________ 30 31________ 32________ 33______ 34 35________ 36 37__ 38_______ 39_______ 40 41____________ 42_____ 43_____________ 44 45______ 46_____ 47 48_ 49______ 50

Chunks:

(ChunkerEvaluator) Sentence #14492 from articles/00108082 from sent13

Text  : Równocześnie znacznie zmniejszona liczba kontrolerów nadal obsługuje linie bez konduktorów .
Tokens: 1___________ 2_______ 3__________ 4_____ 5__________ 6____ 7________ 8____ 9__ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #14493 from articles/00108082 from sent14

Text  : W celu zachowania porządku konduktorzy współpracują ze strażą miejską i  policją ,  co wpływa w  znacznym stopniu na poprawę poczucia bezpieczeństwa i  komfortu pasażerów .
Tokens: 1 2___ 3_________ 4_______ 5__________ 6___________ 7_ 8_____ 9______ 10 11_____ 12 13 14____ 15 16______ 17_____ 18 19_____ 20______ 21____________ 22 23______ 24_______ 25

Chunks:

(ChunkerEvaluator) Sentence #14494 from articles/00108082 from sent15

Text  : Każdy kierowca ma możliwość łatwego kontaktu ze służbami miejskimi .
Tokens: 1____ 2_______ 3_ 4________ 5______ 6_______ 7_ 8_______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #14495 from articles/00108082 from sent16

Text  : Liczba zdarzeń wymagających pomocy służb mundurowych w autobusach z kontrolerami jest praktycznie zerowa .
Tokens: 1_____ 2______ 3___________ 4_____ 5____ 6__________ 7 8_________ 9 10__________ 11__ 12_________ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #14496 from articles/00108082 from sent17

Text  : Od chwili wdrożenia pilotażowego programu funkcjonowanie konduktorów spotkało się z  przychylnością mieszkańców Wałbrzycha ,  którzy nie tylko aprobują nową sytuację ,  ale wręcz zachęcają do rozszerzania usługi .
Tokens: 1_ 2_____ 3________ 4___________ 5_______ 6_____________ 7__________ 8_______ 9__ 10 11____________ 12_________ 13________ 14 15____ 16_ 17___ 18______ 19__ 20______ 21 22_ 23___ 24_______ 25 26__________ 27____ 28

Chunks:
  TruePositive nam [13,13] = Wałbrzycha

(ChunkerEvaluator) Sentence #14497 from articles/00108082 from sent18

Text  : ZDKiUM na bieżąco analizuje wyniki programu .
Tokens: 1_____ 2_ 3______ 4________ 5_____ 6_______ 7

Chunks:
  FalseNegative nam [1,1] = ZDKiUM

(ChunkerEvaluator) Sentence #14498 from articles/00108082 from sent19

Text  : Zbierane uwagi samych kontrolerów , pasażerów , kierowców pozwolą na wprowadzenie zmian .
Tokens: 1_______ 2____ 3_____ 4__________ 5 6________ 7 8________ 9______ 10 11__________ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #14499 from articles/00108082 from sent20

Text  : Dotyczy to zasad min . funkcjonowania i elementów wyposażenia .
Tokens: 1______ 2_ 3____ 4__ 5 6_____________ 7 8________ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #14500 from articles/00108082 from sent21

Text  : Przyjęto założenie , że cel ekonomiczny wdrożenia programu zostanie osiągnięty ,  jeśli koszt zatrudniania grupy konduktorów zostanie pokryty przez wartość ,  o  jaką w  obserwowanym okresie wzrośnie sprzedaż biletów .
Tokens: 1_______ 2________ 3 4_ 5__ 6__________ 7________ 8_______ 9_______ 10________ 11 12___ 13___ 14__________ 15___ 16_________ 17______ 18_____ 19___ 20_____ 21 22 23__ 24 25__________ 26_____ 27______ 28______ 29_____ 30

Chunks:

(ChunkerEvaluator) Sentence #14501 from articles/00108082 from sent22

Text  : Przychody ze sprzedaży biletów zasilają kasę gminy Wałbrzych .
Tokens: 1________ 2_ 3________ 4______ 5_______ 6___ 7____ 8________ 9

Chunks:
  TruePositive nam [8,8] = Wałbrzych

(ChunkerEvaluator) Sentence #14502 from articles/00108082 from sent23

Text  : Analizy prowadzone na bieżąco przez ZDKiUM w Wałbrzychu , który jest odpowiedzialny za sprzedaż biletów w  mieście ,  wykazały ,  że wzrost wartości sprzedaży biletów wyniósł średnio o  10 proc .  ,  a  poszczególnych rodzajów biletów nawet o  ponad 15 proc .  w  porównaniu z  analogicznym okresem roku ubiegłego .
Tokens: 1______ 2_________ 3_ 4______ 5____ 6_____ 7 8_________ 9 10___ 11__ 12____________ 13 14______ 15_____ 16 17_____ 18 19______ 20 21 22____ 23______ 24_______ 25_____ 26_____ 27_____ 28 29 30__ 31 32 33 34____________ 35______ 36_____ 37___ 38 39___ 40 41__ 42 43 44________ 45 46__________ 47_____ 48__ 49_______ 50

Chunks:
  TruePositive nam [6,6] = ZDKiUM
  TruePositive nam [8,8] = Wałbrzychu

(ChunkerEvaluator) Sentence #14503 from articles/00108082 from sent24

Text  : Wdrożenie programu „ Konduktor ” związane było również z potrzebą zmniejszenia skutków społecznych zwolnień pracowników dawnego MPK w  sytuacji ,  kiedy nowy operator ,  dysponując fabrycznie nowym taborem autobusów ,  nie potrzebuje tak licznej obsługi technicznej .
Tokens: 1________ 2_______ 3 4________ 5 6_______ 7___ 8______ 9 10______ 11__________ 12_____ 13_________ 14______ 15_________ 16_____ 17_ 18 19______ 20 21___ 22__ 23______ 24 25________ 26________ 27___ 28_____ 29_______ 30 31_ 32________ 33_ 34_____ 35_____ 36_________ 37

Chunks:
  TruePositive nam [4,4] = Konduktor
  TruePositive nam [17,17] = MPK

(ChunkerEvaluator) Sentence #14504 from articles/00108082 from sent25

Text  : Niemniej w grupie 24 konduktorów znajdują się również osoby zatrudnione spoza dawnej załogi MPK .
Tokens: 1_______ 2 3_____ 4_ 5__________ 6_______ 7__ 8______ 9____ 10_________ 11___ 12____ 13____ 14_ 15

Chunks:
  TruePositive nam [14,14] = MPK

(ChunkerEvaluator) Sentence #14505 from articles/00108082 from sent26

Text  : Mając na uwadze społeczną akceptację , jak również dotychczasowe wyniki finansowe programu „  Konduktor ”  ,  podjęta została decyzja o  przedłużeniu programu i  jego stopniowym rozszerzeniu na wszystkie linie .
Tokens: 1____ 2_ 3_____ 4________ 5_________ 6 7__ 8______ 9____________ 10____ 11_______ 12______ 13 14_______ 15 16 17_____ 18_____ 19_____ 20 21__________ 22______ 23 24__ 25________ 26__________ 27 28_______ 29___ 30

Chunks:
  TruePositive nam [14,14] = Konduktor

2016-10-27 15:00:26,252 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 637 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108083.xml
(ChunkerEvaluator) Sentence #14506 from articles/00108083 from sent1

Text  : Podlaskie : przyszłoroczne kontraktowanie na finiszu
Tokens: 1________ 2 3_____________ 4_____________ 5_ 6______

Chunks:
  FalseNegative nam [1,1] = Podlaskie

(ChunkerEvaluator) Sentence #14507 from articles/00108083 from sent2

Text  : 297 umów z poradniami specjalistycznymi i 104 umowy ze szpitalami .
Tokens: 1__ 2___ 3 4_________ 5________________ 6 7__ 8____ 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #14508 from articles/00108083 from sent3

Text  : To już prawie wszystkie kontrakty jakie w tym roku miał do podpisania Narodowy Fundusz Zdrowia .
Tokens: 1_ 2__ 3_____ 4________ 5________ 6____ 7 8__ 9___ 10__ 11 12________ 13______ 14_____ 15_____ 16

Chunks:
  TruePositive nam [13,15] = Narodowy Fundusz Zdrowia

(ChunkerEvaluator) Sentence #14509 from articles/00108083 from sent4

Text  : W tym roku kontraktowanie przebiega spokojnie .
Tokens: 1 2__ 3___ 4_____________ 5________ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #14510 from articles/00108083 from sent5

Text  : Podlaski NFZ ma już uzgodnione warunki finansowe na przyszły rok ze wszystkimi podmiotami prowadzącymi poradnie specjalistyczne i  ze szpitalami .
Tokens: 1_______ 2__ 3_ 4__ 5_________ 6______ 7________ 8_ 9_______ 10_ 11 12________ 13________ 14__________ 15______ 16_____________ 17 18 19________ 20

Chunks:
  TruePositive nam [2,2] = NFZ
  FalseNegative nam [1,1] = Podlaski

(ChunkerEvaluator) Sentence #14511 from articles/00108083 from sent6

Text  : - Jedynym wyjątkiem jest Izba Przyjęć w SP ZOZ Augustowie -  w  tym przypadku świadczeniodawca nie zgodził się z  zasadą obliczania stawki ryczałtu dobowego -  powiedziała Gazecie Wyborczej Małgorzata Jopich z  Podlaskiego Narodowego Funduszu Zdrowia .
Tokens: 1 2______ 3________ 4___ 5___ 6______ 7 8_ 9__ 10________ 11 12 13_ 14_______ 15______________ 16_ 17_____ 18_ 19 20____ 21________ 22____ 23______ 24______ 25 26_________ 27_____ 28_______ 29________ 30____ 31 32_________ 33________ 34______ 35_____ 36

Chunks:
  TruePositive nam [27,28] = Gazecie Wyborczej
  TruePositive nam [29,30] = Małgorzata Jopich
  FalsePositive nam [5,6] = Izba Przyjęć
  FalsePositive nam [8,8] = SP
  FalsePositive nam [9,10] = ZOZ Augustowie
  FalsePositive nam [32,35] = Podlaskiego Narodowego Funduszu Zdrowia
  FalseNegative nam [8,10] = SP ZOZ Augustowie
  FalseNegative nam [32,32] = Podlaskiego
  FalseNegative nam [33,35] = Narodowego Funduszu Zdrowia

(ChunkerEvaluator) Sentence #14512 from articles/00108083 from sent7

Text  : Dodała też , że pacjenci z Augustowa nie muszą się jednak niczego obawiać .
Tokens: 1_____ 2__ 3 4_ 5_______ 6 7________ 8__ 9____ 10_ 11____ 12_____ 13_____ 14

Chunks:
  TruePositive nam [7,7] = Augustowa

(ChunkerEvaluator) Sentence #14513 from articles/00108083 from sent8

Text  : Umowa na obecnych warunkach będzie przedłużona do końca lutego ,  a  w  międzyczasie zostanie ogłoszony nowy konkurs na świadczenia w  tym zakresie .
Tokens: 1____ 2_ 3_______ 4________ 5_____ 6__________ 7_ 8____ 9_____ 10 11 12 13__________ 14______ 15_______ 16__ 17_____ 18 19_________ 20 21_ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #14514 from articles/00108083 from sent9

Text  : Fundusz rozstrzygnął konkursy uzupełniające na świadczenia rehabilitacyjne .
Tokens: 1______ 2___________ 3_______ 4____________ 5_ 6__________ 7______________ 8

Chunks:
  FalseNegative nam [1,1] = Fundusz

(ChunkerEvaluator) Sentence #14515 from articles/00108083 from sent10

Text  : Dotyczą one poradni lekarzy rehabilitantów w Białymstoku , a także fizjoterapii ambulatoryjnej w  powiatach grajewskim i  hajnowskim oraz rehabilitacji domowej w  Białymstoku i  sąsiednich powiatach .
Tokens: 1______ 2__ 3______ 4______ 5_____________ 6 7__________ 8 9 10___ 11__________ 12____________ 13 14_______ 15________ 16 17________ 18__ 19___________ 20_____ 21 22_________ 23 24________ 25_______ 26

Chunks:
  TruePositive nam [7,7] = Białymstoku
  TruePositive nam [22,22] = Białymstoku
  FalseNegative nam [15,15] = grajewskim
  FalseNegative nam [17,17] = hajnowskim

(ChunkerEvaluator) Sentence #14516 from articles/00108083 from sent11

Text  : Z NFZ dogadali się też lekarze rodzinni .
Tokens: 1 2__ 3_______ 4__ 5__ 6______ 7_______ 8

Chunks:
  TruePositive nam [2,2] = NFZ

(ChunkerEvaluator) Sentence #14517 from articles/00108083 from sent12

Text  : Blisko dwa miliardy złotych - tyle na leczenie w województwie podlaskim w  przyszłym roku przeznaczył Fundusz ,  to o  blisko 56 mln zł więcej niż w  tym roku .
Tokens: 1_____ 2__ 3_______ 4______ 5 6___ 7_ 8_______ 9 10__________ 11_______ 12 13_______ 14__ 15_________ 16_____ 17 18 19 20____ 21 22_ 23 24____ 25_ 26 27_ 28__ 29

Chunks:
  TruePositive nam [4,4] = złotych
  TruePositive nam [11,11] = podlaskim
  TruePositive nam [23,23] = zł
  FalseNegative nam [16,16] = Fundusz

(ChunkerEvaluator) Sentence #14518 from articles/00108083 from sent13

Text  : Podobnie spokojnie przebiegało kontroktowanie świadczeń i w innych regionach kraju .
Tokens: 1_______ 2________ 3__________ 4_____________ 5________ 6 7 8_____ 9________ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #14519 from articles/00108083 from sent14

Text  : Jak zaznaczał w Senacie ( 19 grudnia ) wiceminister zdrowia Sławimir Neumann ,  już na początku grudnia Narodowy Fundusz Zdrowia uzgodnił ponad 21 %  umów POZ ,  98 %  kontraktów na nocną i  świąteczną opiekę zdrowotną ,  99 %  umów na ambulatoryjną opiekę specjalistyczną .
Tokens: 1__ 2________ 3 4______ 5 6_ 7______ 8 9___________ 10_____ 11______ 12_____ 13 14_ 15 16______ 17_____ 18______ 19_____ 20_____ 21______ 22___ 23 24 25__ 26_ 27 28 29 30________ 31 32___ 33 34________ 35____ 36_______ 37 38 39 40__ 41 42___________ 43____ 44_____________ 45

Chunks:
  TruePositive nam [4,4] = Senacie
  TruePositive nam [11,12] = Sławimir Neumann
  TruePositive nam [18,20] = Narodowy Fundusz Zdrowia
  TruePositive nam [26,26] = POZ

(ChunkerEvaluator) Sentence #14520 from articles/00108083 from sent15

Text  : Już wówczas niemal wszystkie umowy były sfinalizowane w zakresie opieki :  psychiatrycznej i  leczenia uzależnień ,  pielęgnacyjno -  opiekuńczej ,  paliatywnej i  hospicyjnej oraz rehabilitacji medycznej .
Tokens: 1__ 2______ 3_____ 4________ 5____ 6___ 7____________ 8 9_______ 10____ 11 12_____________ 13 14______ 15________ 16 17___________ 18 19_________ 20 21_________ 22 23_________ 24__ 25___________ 26_______ 27

Chunks:

(ChunkerEvaluator) Sentence #14521 from articles/00108083 from sent16

Text  : Jak wyjaśniał minister , opóźnienia w podpisywaniu umów z POZ wynikały zaś ze stosunkowo późno ogłoszongo zarządzenie prezesa NFZ w  tej kwestii ,  a  nie problemów z  uzgodnieniem ofert .
Tokens: 1__ 2________ 3_______ 4 5_________ 6 7___________ 8___ 9 10_ 11______ 12_ 13 14________ 15___ 16________ 17_________ 18_____ 19_ 20 21_ 22_____ 23 24 25_ 26_______ 27 28__________ 29___ 30

Chunks:
  TruePositive nam [10,10] = POZ
  TruePositive nam [19,19] = NFZ

2016-10-27 15:00:26,343 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 638 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108084.xml
(ChunkerEvaluator) Sentence #14522 from articles/00108084 from sent1

Text  : Fajerwerki nad Bydgoszczą .
Tokens: 1_________ 2__ 3_________ 4

Chunks:
  TruePositive nam [3,3] = Bydgoszczą

(ChunkerEvaluator) Sentence #14523 from articles/00108084 from sent2

Text  : Tak witali śmy 2013 rok [ ZDJĘCIA ]
Tokens: 1__ 2_____ 3__ 4___ 5__ 6 7______ 8

Chunks:
  FalsePositive nam [7,7] = ZDJĘCIA

(ChunkerEvaluator) Sentence #14524 from articles/00108084 from sent3

Text  : W tym roku zamiast na plenerową imprezę sylwestrową bydgoski ratusz zaprosił mieszkańców do oglądania pokazu fajerwerków
Tokens: 1 2__ 3___ 4______ 5_ 6________ 7______ 8__________ 9_______ 10____ 11______ 12_________ 13 14_______ 15____ 16_________

Chunks:
  FalseNegative nam [8,8] = sylwestrową

(ChunkerEvaluator) Sentence #14525 from articles/00108084 from sent4

Text  : Miejski pokaz trwał 8 minut .
Tokens: 1______ 2____ 3____ 4 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #14526 from articles/00108084 from sent5

Text  : O wiele dłużej niebo rozświetlały fajerwerki wystrzelone przez mieszkańców .
Tokens: 1 2____ 3_____ 4____ 5___________ 6_________ 7__________ 8____ 9__________ 10

Chunks:

2016-10-27 15:00:26,357 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 639 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108085.xml
(ChunkerEvaluator) Sentence #14527 from articles/00108085 from sent1

Text  : Jędrzejów .
Tokens: 1________ 2

Chunks:
  FalseNegative nam [1,1] = Jędrzejów

(ChunkerEvaluator) Sentence #14528 from articles/00108085 from sent2

Text  : W styczniu przetarg na budowę oczyszczalni ścieków
Tokens: 1 2_______ 3_______ 4_ 5_____ 6___________ 7______

Chunks:

(ChunkerEvaluator) Sentence #14529 from articles/00108085 from sent3

Text  : Jeszcze w styczniu wystartuje przetarg na gruntowną modernizację oczyszczalni ścieków w  Jędrzejowie i  budowę sieci kanalizacyjnej na osiedlu Zamoście -  poinformował PAP we wtorek burmistrz miasta i  gminy Marcin Piszczek .
Tokens: 1______ 2 3_______ 4_________ 5_______ 6_ 7________ 8___________ 9___________ 10_____ 11 12_________ 13 14____ 15___ 16____________ 17 18_____ 19______ 20 21__________ 22_ 23 24____ 25_______ 26____ 27 28___ 29____ 30______ 31

Chunks:
  TruePositive nam [12,12] = Jędrzejowie
  TruePositive nam [19,19] = Zamoście
  TruePositive nam [22,22] = PAP
  TruePositive nam [29,30] = Marcin Piszczek

(ChunkerEvaluator) Sentence #14530 from articles/00108085 from sent4

Text  : Wartość inwestycji to 44 mln zł .
Tokens: 1______ 2_________ 3_ 4_ 5__ 6_ 7

Chunks:
  TruePositive nam [6,6] = zł

(ChunkerEvaluator) Sentence #14531 from articles/00108085 from sent5

Text  : Liczymy , że już w pierwszym półroczu podpiszemy dwa kontrakty :  pierwszy na modernizację oczyszczalni ,  a  drugi na budowę kanalizacji dla mieszkańców osiedla Zamoście w  Jędrzejowie .
Tokens: 1______ 2 3_ 4__ 5 6________ 7_______ 8_________ 9__ 10_______ 11 12______ 13 14__________ 15__________ 16 17 18___ 19 20____ 21_________ 22_ 23_________ 24_____ 25______ 26 27_________ 28

Chunks:
  TruePositive nam [25,25] = Zamoście
  TruePositive nam [27,27] = Jędrzejowie

(ChunkerEvaluator) Sentence #14532 from articles/00108085 from sent6

Text  : Druga połowa roku to już prace budowlane " - powiedział PAP Piszczek .
Tokens: 1____ 2_____ 3___ 4_ 5__ 6____ 7________ 8 9 10________ 11_ 12______ 13

Chunks:
  TruePositive nam [11,11] = PAP
  TruePositive nam [12,12] = Piszczek

(ChunkerEvaluator) Sentence #14533 from articles/00108085 from sent7

Text  : Jak przyznał , inwestycja jest możliwa dzięki otrzymaniu unijnego dofinansowania z  Programu Operacyjnego "  Infrastruktura i  Środowisko "  .
Tokens: 1__ 2_______ 3 4_________ 5___ 6______ 7_____ 8_________ 9_______ 10____________ 11 12______ 13__________ 14 15____________ 16 17________ 18 19

Chunks:
  FalsePositive nam [12,17] = Programu Operacyjnego " Infrastruktura i Środowisko
  FalseNegative nam [15,17] = Infrastruktura i Środowisko

(ChunkerEvaluator) Sentence #14534 from articles/00108085 from sent8

Text  : Umowę w tej sprawie gmina podpisała pod koniec grudnia .
Tokens: 1____ 2 3__ 4______ 5____ 6________ 7__ 8_____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #14535 from articles/00108085 from sent9

Text  : Dofinansowanie projektu ze środków Unii Europejskiej wyniesie 17 mln 600 tys .  zł ,  przy zakładanym koszcie całkowitym projektu 44 mln 152 tys .  zł .
Tokens: 1_____________ 2_______ 3_ 4______ 5___ 6___________ 7_______ 8_ 9__ 10_ 11_ 12 13 14 15__ 16________ 17_____ 18________ 19______ 20 21_ 22_ 23_ 24 25 26

Chunks:
  TruePositive nam [5,6] = Unii Europejskiej
  TruePositive nam [13,13] = zł
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #14536 from articles/00108085 from sent10

Text  : Oczyszczalnia będzie zmodernizowana i rozbudowana już za dwa i pół roku .
Tokens: 1____________ 2_____ 3_____________ 4 5__________ 6__ 7_ 8__ 9 10_ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #14537 from articles/00108085 from sent11

Text  : Taki sam termin miasto ma na wybudowanie sieci kanalizacyjnej na Zamościu dla 500 mieszkańców miasta .
Tokens: 1___ 2__ 3_____ 4_____ 5_ 6_ 7__________ 8____ 9_____________ 10 11______ 12_ 13_ 14_________ 15____ 16

Chunks:
  TruePositive nam [11,11] = Zamościu

(ChunkerEvaluator) Sentence #14538 from articles/00108085 from sent12

Text  : " Musimy bardzo szybko działać .
Tokens: 1 2_____ 3_____ 4_____ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #14539 from articles/00108085 from sent13

Text  : Całość inwestycji trzeba zakończyć do 30 czerwca 2015 roku .
Tokens: 1_____ 2_________ 3_____ 4________ 5_ 6_ 7______ 8___ 9___ 10

Chunks:

(ChunkerEvaluator) Sentence #14540 from articles/00108085 from sent14

Text  : Tu nie tylko chodzi o zakończenie budowy , ale także musimy do tego czasu spełnić wszystkie parametry ekologiczne "  -  zaznaczył burmistrz Jędrzejowa .
Tokens: 1_ 2__ 3____ 4_____ 5 6__________ 7_____ 8 9__ 10___ 11____ 12 13__ 14___ 15_____ 16_______ 17_______ 18_________ 19 20 21_______ 22_______ 23________ 24

Chunks:
  TruePositive nam [23,23] = Jędrzejowa

(ChunkerEvaluator) Sentence #14541 from articles/00108085 from sent15

Text  : Jak informują władze miasta , dzięki inwestycji wszystkie ścieki pochodzące z  aglomeracji będą oczyszczane zgodnie z  wymogami prawa polskiego oraz unijnego .
Tokens: 1__ 2________ 3_____ 4_____ 5 6_____ 7_________ 8________ 9_____ 10________ 11 12_________ 13__ 14_________ 15_____ 16 17______ 18___ 19_______ 20__ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14542 from articles/00108085 from sent16

Text  : Liczący ponad 16 tys . mieszkańców Jędrzejów leży w południowo -  zachodniej części województwa świętokrzyskiego .
Tokens: 1______ 2____ 3_ 4__ 5 6__________ 7________ 8___ 9 10________ 11 12________ 13____ 14_________ 15______________ 16

Chunks:
  TruePositive nam [7,7] = Jędrzejów
  FalseNegative nam [15,15] = świętokrzyskiego

(ChunkerEvaluator) Sentence #14543 from articles/00108085 from sent17

Text  : Jest ósmym pod względem liczby ludności miastem regionu .
Tokens: 1___ 2____ 3__ 4_______ 5_____ 6_______ 7______ 8______ 9

Chunks:

2016-10-27 15:00:26,432 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 640 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108086.xml
(ChunkerEvaluator) Sentence #14544 from articles/00108086 from sent1

Text  : Jak prezydent Adamowicz buduje Gdańsk
Tokens: 1__ 2________ 3________ 4_____ 5_____

Chunks:
  TruePositive nam [3,3] = Adamowicz
  TruePositive nam [5,5] = Gdańsk

(ChunkerEvaluator) Sentence #14545 from articles/00108086 from sent2

Text  : Nikt nie ma wątpliwości , że budujemy w Gdańsku dużo .
Tokens: 1___ 2__ 3_ 4__________ 5 6_ 7_______ 8 9______ 10__ 11

Chunks:
  TruePositive nam [9,9] = Gdańsku

(ChunkerEvaluator) Sentence #14546 from articles/00108086 from sent3

Text  : I nie do końca wiadomo , czy na pewno to ,  czego najbardziej potrzebujemy
Tokens: 1 2__ 3_ 4____ 5______ 6 7__ 8_ 9____ 10 11 12___ 13_________ 14__________

Chunks:

(ChunkerEvaluator) Sentence #14547 from articles/00108086 from sent4

Text  : Paweł Adamowicz , lat 47 , konserwatysta , radca prawny ,  były ministrant ks .  Henryka Jankowskiego .
Tokens: 1____ 2________ 3 4__ 5_ 6 7____________ 8 9____ 10____ 11 12__ 13________ 14 15 16_____ 17__________ 18

Chunks:
  TruePositive nam [1,2] = Paweł Adamowicz
  TruePositive nam [16,17] = Henryka Jankowskiego

(ChunkerEvaluator) Sentence #14548 from articles/00108086 from sent5

Text  : Ukończył I LO w Gdańsku - to samo co Donald Tusk ,  Aleksander Hall czy Arkadiusz Rybicki .
Tokens: 1_______ 2 3_ 4 5______ 6 7_ 8___ 9_ 10____ 11__ 12 13________ 14__ 15_ 16_______ 17_____ 18

Chunks:
  TruePositive nam [5,5] = Gdańsku
  TruePositive nam [10,11] = Donald Tusk
  TruePositive nam [13,14] = Aleksander Hall
  TruePositive nam [16,17] = Arkadiusz Rybicki
  FalsePositive nam [3,3] = LO
  FalseNegative nam [2,3] = I LO

(ChunkerEvaluator) Sentence #14549 from articles/00108086 from sent6

Text  : Do polityki wszedł w 1990 r . - wtedy po raz pierwszy został wybrany do Rady Miasta Gdańska z  listy Komitetu Obywatelskiego „  Solidarność ”  .
Tokens: 1_ 2_______ 3_____ 4 5___ 6 7 8 9____ 10 11_ 12______ 13____ 14_____ 15 16__ 17____ 18_____ 19 20___ 21______ 22____________ 23 24_________ 25 26

Chunks:
  TruePositive nam [16,18] = Rady Miasta Gdańska
  TruePositive nam [21,25] = Komitetu Obywatelskiego „ Solidarność ”

(ChunkerEvaluator) Sentence #14550 from articles/00108086 from sent7

Text  : Jak napisał w swojej książce podsumowującej 10 lat rządów ,  do kandydowania namówiły go dwie starsze sąsiadki .
Tokens: 1__ 2______ 3 4_____ 5______ 6_____________ 7_ 8__ 9_____ 10 11 12__________ 13______ 14 15__ 16_____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #14551 from articles/00108086 from sent8

Text  : Osiem lat później AWS , która zmiażdżyła w Trójmieście rywali ,  wybrała go na prezydenta Gdańska .
Tokens: 1____ 2__ 3______ 4__ 5 6____ 7_________ 8 9__________ 10____ 11 12_____ 13 14 15________ 16_____ 17

Chunks:
  TruePositive nam [4,4] = AWS
  TruePositive nam [9,9] = Trójmieście
  TruePositive nam [16,16] = Gdańska

(ChunkerEvaluator) Sentence #14552 from articles/00108086 from sent9

Text  : W fotelu prezydenta zastąpił Tomasza Posadzkiego z Unii Wolności .
Tokens: 1 2_____ 3_________ 4_______ 5______ 6__________ 7 8___ 9_______ 10

Chunks:
  TruePositive nam [5,6] = Tomasza Posadzkiego
  TruePositive nam [8,9] = Unii Wolności

(ChunkerEvaluator) Sentence #14553 from articles/00108086 from sent10

Text  : Gdy rozpoczęła się walka o fundusze unijne , Gdańsk ruszył z  kopyta .
Tokens: 1__ 2_________ 3__ 4____ 5 6_______ 7_____ 8 9_____ 10____ 11 12____ 13

Chunks:
  TruePositive nam [9,9] = Gdańsk

(ChunkerEvaluator) Sentence #14554 from articles/00108086 from sent11

Text  : Postawiono na inwestycje w transport , miasto zaangażowało się też w  budowę kilku prestiżowych instytucji kulturalnych :  Europejskiego Centrum Solidarności ,  Muzeum II Wojny Światowej ,  Teatru Szekspirowskiego .
Tokens: 1_________ 2_ 3_________ 4 5________ 6 7_____ 8___________ 9__ 10_ 11 12____ 13___ 14__________ 15________ 16__________ 17 18___________ 19_____ 20__________ 21 22____ 23 24___ 25_______ 26 27____ 28______________ 29

Chunks:
  TruePositive nam [18,20] = Europejskiego Centrum Solidarności
  TruePositive nam [22,25] = Muzeum II Wojny Światowej
  TruePositive nam [27,28] = Teatru Szekspirowskiego

(ChunkerEvaluator) Sentence #14555 from articles/00108086 from sent12

Text  : Wsparcie rządzącej krajem od 2007 r .
Tokens: 1_______ 2________ 3_____ 4_ 5___ 6 7

Chunks:

(ChunkerEvaluator) Sentence #14556 from articles/00108086 from sent13

Text  : Platformy nie było bez znaczenia .
Tokens: 1________ 2__ 3___ 4__ 5________ 6

Chunks:
  FalseNegative nam [1,1] = Platformy

(ChunkerEvaluator) Sentence #14557 from articles/00108086 from sent14

Text  : Na granicy Gdańska i Sopotu powstała najnowocześniejsza w Polsce hala widowiskowo -  sportowa na 11 tys .  osób ,  potem miasto wywalczyło prawo do organizowania meczów Euro 2012 .
Tokens: 1_ 2______ 3______ 4 5_____ 6_______ 7_________________ 8 9_____ 10__ 11_________ 12 13______ 14 15 16_ 17 18__ 19 20___ 21____ 22________ 23___ 24 25___________ 26____ 27__ 28__ 29

Chunks:
  TruePositive nam [3,3] = Gdańska
  TruePositive nam [5,5] = Sopotu
  TruePositive nam [9,9] = Polsce
  TruePositive nam [27,28] = Euro 2012

(ChunkerEvaluator) Sentence #14558 from articles/00108086 from sent15

Text  : Powstał nie tylko stadion , ale - co najważniejsze -  buduje się gdański „  ring ”  .
Tokens: 1______ 2__ 3____ 4______ 5 6__ 7 8_ 9____________ 10 11____ 12_ 13_____ 14 15__ 16 17

Chunks:

(ChunkerEvaluator) Sentence #14559 from articles/00108086 from sent16

Text  : Chodzi o układ dwupasmowych ulic , które pozwolą kierowcom ominąć śródmieście ,  obojętnie z  której strony wjadą do miasta .
Tokens: 1_____ 2 3____ 4___________ 5___ 6 7____ 8______ 9________ 10____ 11_________ 12 13_______ 14 15____ 16____ 17___ 18 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #14560 from articles/00108086 from sent17

Text  : Do tego dochodzą m . in . kilometry dróg ,  projekt wodno -  ściekowy ,  centra biurowe .
Tokens: 1_ 2___ 3_______ 4 5 6_ 7 8________ 9___ 10 11_____ 12___ 13 14______ 15 16____ 17_____ 18

Chunks:

(ChunkerEvaluator) Sentence #14561 from articles/00108086 from sent18

Text  : Po mieście jeżdżą nowe autobusy i tramwaje , powstały dwie nowe linie tramwajowe ,  jedna z  najnowocześniejszych szkół w  Polsce czy basen .
Tokens: 1_ 2______ 3_____ 4___ 5_______ 6 7_______ 8 9_______ 10__ 11__ 12___ 13________ 14 15___ 16 17__________________ 18___ 19 20____ 21_ 22___ 23

Chunks:
  TruePositive nam [20,20] = Polsce

(ChunkerEvaluator) Sentence #14562 from articles/00108086 from sent19

Text  : Dużo inwestycji , duże długi
Tokens: 1___ 2_________ 3 4___ 5____

Chunks:

(ChunkerEvaluator) Sentence #14563 from articles/00108086 from sent20

Text  : Gdańsk buduje za pieniądze własne , unijne , rządowe i  prywatne .
Tokens: 1_____ 2_____ 3_ 4________ 5_____ 6 7_____ 8 9______ 10 11______ 12

Chunks:
  TruePositive nam [1,1] = Gdańsk

(ChunkerEvaluator) Sentence #14564 from articles/00108086 from sent21

Text  : Ma to swoje konsekwencje - zajmuje szóste miejsce pod względem zadłużenia wśród 12 największych miast Polski ,  co bez przerwy wytykają prezydentowi oponenci .
Tokens: 1_ 2_ 3____ 4___________ 5 6______ 7_____ 8______ 9__ 10______ 11________ 12___ 13 14__________ 15___ 16____ 17 18 19_ 20_____ 21______ 22__________ 23______ 24

Chunks:
  TruePositive nam [16,16] = Polski

(ChunkerEvaluator) Sentence #14565 from articles/00108086 from sent22

Text  : Rosną lokalne podatki i opłaty .
Tokens: 1____ 2______ 3______ 4 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #14566 from articles/00108086 from sent23

Text  : Adamowicz odpowiada , że gdyby miasto nie wykorzystało swoich pięciu minut ,  wszystko ,  co powyżej opisane ,  powstało by za jakieś 15 -  20 lat .
Tokens: 1________ 2________ 3 4_ 5____ 6_____ 7__ 8___________ 9_____ 10____ 11___ 12 13______ 14 15 16_____ 17_____ 18 19______ 20 21 22____ 23 24 25 26_ 27

Chunks:
  TruePositive nam [1,1] = Adamowicz

(ChunkerEvaluator) Sentence #14567 from articles/00108086 from sent24

Text  : I trudno się z tym nie zgodzić .
Tokens: 1 2_____ 3__ 4 5__ 6__ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #14568 from articles/00108086 from sent25

Text  : Szczególnie ostatnie lata to pasmo inwestycyjnych sukcesów .
Tokens: 1__________ 2_______ 3___ 4_ 5____ 6_____________ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #14569 from articles/00108086 from sent26

Text  : Trudno ocenić , czy dzieje się tak dzięki Adamowiczowi ,  czy pomimo jego rządów ,  ale dzieje się dużo .
Tokens: 1_____ 2_____ 3 4__ 5_____ 6__ 7__ 8_____ 9___________ 10 11_ 12____ 13__ 14____ 15 16_ 17____ 18_ 19__ 20

Chunks:
  TruePositive nam [9,9] = Adamowiczowi

(ChunkerEvaluator) Sentence #14570 from articles/00108086 from sent27

Text  : - To była geopolityczna strategia , której pierwszym impulsem było wejście do UE ,  drugim Euro ,  a  trzecim przychylność premiera z  Gdańska w  przydzielaniu pieniędzy dla Pomorza -  ocenia Lidia Makowska ,  dzielnicowa radna ,  oponentka prezydenckiej polityki .
Tokens: 1 2_ 3___ 4____________ 5________ 6 7_____ 8________ 9_______ 10__ 11_____ 12 13 14 15____ 16__ 17 18 19_____ 20__________ 21______ 22 23_____ 24 25___________ 26_______ 27_ 28_____ 29 30____ 31___ 32______ 33 34_________ 35___ 36 37_______ 38___________ 39______ 40

Chunks:
  TruePositive nam [13,13] = UE
  TruePositive nam [16,16] = Euro
  TruePositive nam [23,23] = Gdańska
  TruePositive nam [28,28] = Pomorza
  TruePositive nam [31,32] = Lidia Makowska

(ChunkerEvaluator) Sentence #14571 from articles/00108086 from sent28

Text  : - Dostali śmy pieniądze i je zagospodarowali śmy .
Tokens: 1 2______ 3__ 4________ 5 6_ 7______________ 8__ 9

Chunks:

(ChunkerEvaluator) Sentence #14572 from articles/00108086 from sent29

Text  : Ale nie wiadomo , co dalej .
Tokens: 1__ 2__ 3______ 4 5_ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #14573 from articles/00108086 from sent30

Text  : Gdańsk zaangażował się w wiele olbrzymich i kosztownych inwestycji ,  jak stadion ,  ale trudno określić ,  kto to będzie utrzymywał .
Tokens: 1_____ 2__________ 3__ 4 5____ 6_________ 7 8__________ 9_________ 10 11_ 12_____ 13 14_ 15____ 16______ 17 18_ 19 20____ 21________ 22

Chunks:
  TruePositive nam [1,1] = Gdańsk

(ChunkerEvaluator) Sentence #14574 from articles/00108086 from sent31

Text  : Pokutuje poczucie , że to raczej element marketingu politycznego niż przemyślanej strategii .
Tokens: 1_______ 2_______ 3 4_ 5_ 6_____ 7______ 8_________ 9___________ 10_ 11__________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #14575 from articles/00108086 from sent32

Text  : Król wymyślił , zrealizował , a o opinię mieszkańców nie zapytał .
Tokens: 1___ 2_______ 3 4__________ 5 6 7 8_____ 9__________ 10_ 11_____ 12

Chunks:
  FalsePositive nam [1,1] = Król

(ChunkerEvaluator) Sentence #14576 from articles/00108086 from sent33

Text  : Bo czy to zrównoważony rozwój ?
Tokens: 1_ 2__ 3_ 4___________ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #14577 from articles/00108086 from sent34

Text  : Mieszkańcy coraz głośniej mówią o tym , że w Gdańsku brakuje przedszkoli ,  żłobków ,  kolejnych basenów ,  wyremontowanych dróg dzielnicowych ,  a  nie inwestycji na pokaz .
Tokens: 1_________ 2____ 3_______ 4____ 5 6__ 7 8_ 9 10_____ 11_____ 12_________ 13 14_____ 15 16_______ 17_____ 18 19_____________ 20__ 21___________ 22 23 24_ 25________ 26 27___ 28

Chunks:
  TruePositive nam [10,10] = Gdańsku

(ChunkerEvaluator) Sentence #14578 from articles/00108086 from sent35

Text  : Prezydent Adamowicz z jednej strony mówi o budowaniu społeczeństwa obywatelskiego ,  ale z  drugiej uważa ,  że mieszkańcy nie dorośli do współdecydowania o  sprawach miasta .
Tokens: 1________ 2________ 3 4_____ 5_____ 6___ 7 8________ 9____________ 10____________ 11 12_ 13 14_____ 15___ 16 17 18________ 19_ 20_____ 21 22______________ 23 24______ 25____ 26

Chunks:
  TruePositive nam [2,2] = Adamowicz

(ChunkerEvaluator) Sentence #14579 from articles/00108086 from sent36

Text  : To z jego inicjatywy rada ustaliła próg wymaganych podpisów pod obywatelską inicjatywą uchwałodawczą na poziomie 2000 zamiast 200 .
Tokens: 1_ 2 3___ 4_________ 5___ 6_______ 7___ 8_________ 9_______ 10_ 11_________ 12________ 13___________ 14 15______ 16__ 17_____ 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #14580 from articles/00108086 from sent37

Text  : Co ze strategią ?
Tokens: 1_ 2_ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #14581 from articles/00108086 from sent38

Text  : Na ostatnim , dorocznym spotkaniu z osiedlowymi radnymi , przedstawicielami spółdzielni i  wspólnot mieszkaniowych czy przedstawicielami organizacji pozarządowych prezydent mówił o  Gdańsku w  2030 r  .
Tokens: 1_ 2_______ 3 4________ 5________ 6 7__________ 8______ 9 10_______________ 11_________ 12 13______ 14____________ 15_ 16_______________ 17_________ 18___________ 19_______ 20___ 21 22_____ 23 24__ 25 26

Chunks:
  TruePositive nam [22,22] = Gdańsku

(ChunkerEvaluator) Sentence #14582 from articles/00108086 from sent39

Text  : O „ rozwoju silników gospodarki ” i współtworzeniu „ Bursztynowej Doliny przedsiębiorczych ludzi ”  .
Tokens: 1 2 3______ 4_______ 5_________ 6 7 8_____________ 9 10__________ 11____ 12_______________ 13___ 14 15

Chunks:
  FalsePositive nam [10,11] = Bursztynowej Doliny

(ChunkerEvaluator) Sentence #14583 from articles/00108086 from sent40

Text  : I jak sam zauważył , już w 2007 r .  zapowiadał ,  że Gdańsk stanie się taką polską Doliną Krzemową z  Kalifornii .
Tokens: 1 2__ 3__ 4_______ 5 6__ 7 8___ 9 10 11________ 12 13 14____ 15____ 16_ 17__ 18____ 19____ 20______ 21 22________ 23

Chunks:
  TruePositive nam [14,14] = Gdańsk
  TruePositive nam [19,20] = Doliną Krzemową
  TruePositive nam [22,22] = Kalifornii

(ChunkerEvaluator) Sentence #14584 from articles/00108086 from sent41

Text  : Nie wspomniał jednak , że taka nie powstała .
Tokens: 1__ 2________ 3_____ 4 5_ 6___ 7__ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #14585 from articles/00108086 from sent42

Text  : Czy obecne plany są realne ?
Tokens: 1__ 2_____ 3____ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #14586 from articles/00108086 from sent43

Text  : Trudno ocenić .
Tokens: 1_____ 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #14587 from articles/00108086 from sent44

Text  : I trudno nie oprzeć się też wrażeniu , że takie przemówienie mógł wygłosić w  zasadzie każdy prezydent .
Tokens: 1 2_____ 3__ 4_____ 5__ 6__ 7_______ 8 9_ 10___ 11__________ 12__ 13______ 14 15______ 16___ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #14588 from articles/00108086 from sent45

Text  : - Strategii na razie nie widać , jest PR -  ocenia Lidia Makowska .
Tokens: 1 2________ 3_ 4____ 5__ 6____ 7 8___ 9_ 10 11____ 12___ 13______ 14

Chunks:
  TruePositive nam [12,13] = Lidia Makowska

(ChunkerEvaluator) Sentence #14589 from articles/00108086 from sent46

Text  : - Zgoda , potrzeba nam właśnie przedsiębiorczych ludzi , którzy będą tu zarabiać i  wydawać .
Tokens: 1 2____ 3 4_______ 5__ 6______ 7________________ 8____ 9 10____ 11__ 12 13______ 14 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #14590 from articles/00108086 from sent47

Text  : Tylko nie wiadomo , jak pan prezydent chce ich przyciągnąć ?
Tokens: 1____ 2__ 3______ 4 5__ 6__ 7________ 8___ 9__ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #14591 from articles/00108086 from sent48

Text  : Adamowicz : - Gdy lata temu mówił em o Trasie Słowackiego ,  Sucharskiego ,  budowie tunelu pod Martwą Wisłą czy Euro ,  wielu się śmiało i  też mówiło o  PR .
Tokens: 1________ 2 3 4__ 5___ 6___ 7____ 8_ 9 10____ 11_________ 12 13__________ 14 15_____ 16____ 17_ 18____ 19___ 20_ 21__ 22 23___ 24_ 25____ 26 27_ 28____ 29 30 31

Chunks:
  TruePositive nam [1,1] = Adamowicz
  TruePositive nam [13,13] = Sucharskiego
  TruePositive nam [18,19] = Martwą Wisłą
  TruePositive nam [21,21] = Euro
  FalsePositive nam [11,11] = Słowackiego
  FalseNegative nam [10,11] = Trasie Słowackiego

(ChunkerEvaluator) Sentence #14592 from articles/00108086 from sent49

Text  : Dziś to wszystko można zweryfikować .
Tokens: 1___ 2_ 3_______ 4____ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #14593 from articles/00108086 from sent50

Text  : Mistrzostwa w piłce nożnej pokazały , że warto mieć ambicje .
Tokens: 1__________ 2 3____ 4_____ 5_______ 6 7_ 8____ 9___ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #14594 from articles/00108086 from sent51

Text  : Dziś cele musimy określać wspólnie , potrzebne jest zaangażowanie elit gospodarczych ,  społecznych i  kulturalnych ,  gmin ,  samorządów całego regionu i  uczelni ,  bo kształcimy zbyt mało absolwentów matematyki czy informatyki .
Tokens: 1___ 2___ 3_____ 4_______ 5_______ 6 7________ 8___ 9____________ 10__ 11___________ 12 13_________ 14 15__________ 16 17__ 18 19________ 20____ 21_____ 22 23_____ 24 25 26________ 27__ 28__ 29_________ 30________ 31_ 32_________ 33

Chunks:

(ChunkerEvaluator) Sentence #14595 from articles/00108086 from sent52

Text  : Musimy postawić na sektor biznesowy oraz ICT , który już dziś dał nam 13 tys .  miejsc pracy ,  a  rocznie przynosi kolejne 500 -  1000 .
Tokens: 1_____ 2_______ 3_ 4_____ 5________ 6___ 7__ 8 9____ 10_ 11__ 12_ 13_ 14 15_ 16 17____ 18___ 19 20 21_____ 22______ 23_____ 24_ 25 26__ 27

Chunks:
  FalseNegative nam [7,7] = ICT

(ChunkerEvaluator) Sentence #14596 from articles/00108086 from sent53

Text  : Każdy odpowiedzialny polityk powinien postawić sobie pytanie : co po roku 2020 ,  kiedy skończą się fundusze unijne ?
Tokens: 1____ 2_____________ 3______ 4_______ 5_______ 6____ 7______ 8 9_ 10 11__ 12__ 13 14___ 15_____ 16_ 17______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #14597 from articles/00108086 from sent54

Text  : Z czego wtedy miasto będzie czerpać moc ?
Tokens: 1 2____ 3____ 4_____ 5_____ 6______ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #14598 from articles/00108086 from sent55

Text  : Odpowiadam : ze średnich przedsiębiorców .
Tokens: 1_________ 2 3_ 4_______ 5______________ 6

Chunks:

(ChunkerEvaluator) Sentence #14599 from articles/00108086 from sent56

Text  : W przyszłym roku branża biznesowa ma dać w Polsce 20 tys .  miejsc pracy ,  ale musimy grać zespołowo ,  żeby przybyło ich w  naszym regionie .
Tokens: 1 2________ 3___ 4_____ 5________ 6_ 7__ 8 9_____ 10 11_ 12 13____ 14___ 15 16_ 17____ 18__ 19_______ 20 21__ 22______ 23_ 24 25____ 26______ 27

Chunks:
  TruePositive nam [9,9] = Polsce

(ChunkerEvaluator) Sentence #14600 from articles/00108086 from sent57

Text  : Prezydent do emerytury ?
Tokens: 1________ 2_ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #14601 from articles/00108086 from sent58

Text  : W Platformie coraz częściej myśli się o następcy Adamowicza ,  krytyka zaczyna być już otwarta ,  ale wciąż brak kontrkandydata .
Tokens: 1 2_________ 3____ 4_______ 5____ 6__ 7 8_______ 9_________ 10 11_____ 12_____ 13_ 14_ 15_____ 16 17_ 18___ 19__ 20____________ 21

Chunks:
  TruePositive nam [2,2] = Platformie
  TruePositive nam [9,9] = Adamowicza

(ChunkerEvaluator) Sentence #14602 from articles/00108086 from sent59

Text  : Jedynym , który mógł by go pokonać , jest minister transportu Sławomir Nowak ,  ale fotel prezydenta Gdańska uważał by jednak za degradację .
Tokens: 1______ 2 3____ 4___ 5_ 6_ 7______ 8 9___ 10______ 11________ 12______ 13___ 14 15_ 16___ 17________ 18_____ 19____ 20 21____ 22 23________ 24

Chunks:
  TruePositive nam [12,13] = Sławomir Nowak
  TruePositive nam [18,18] = Gdańska

(ChunkerEvaluator) Sentence #14603 from articles/00108086 from sent60

Text  : Z drugiej strony pozycja PO w Trójmieście jest niezwykle silna .
Tokens: 1 2______ 3_____ 4______ 5_ 6 7__________ 8___ 9________ 10___ 11

Chunks:
  TruePositive nam [5,5] = PO
  TruePositive nam [7,7] = Trójmieście

(ChunkerEvaluator) Sentence #14604 from articles/00108086 from sent61

Text  : Nie przebije się żaden kandydat reprezentujący lewicę czy PiS .
Tokens: 1__ 2_______ 3__ 4____ 5_______ 6_____________ 7_____ 8__ 9__ 10

Chunks:
  TruePositive nam [9,9] = PiS

(ChunkerEvaluator) Sentence #14605 from articles/00108086 from sent62

Text  : Wygląda więc na to , że Adamowicz w obecnym układzie mógł by rządzić do emerytury .
Tokens: 1______ 2___ 3_ 4_ 5 6_ 7________ 8 9______ 10______ 11__ 12 13_____ 14 15_______ 16

Chunks:
  TruePositive nam [7,7] = Adamowicz

(ChunkerEvaluator) Sentence #14606 from articles/00108086 from sent63

Text  : Czy chce ?
Tokens: 1__ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #14607 from articles/00108086 from sent64

Text  : Prezydent mówi , że „ nie zastanawia się jeszcze nad jesienią 2014 roku ”  .
Tokens: 1________ 2___ 3 4_ 5 6__ 7_________ 8__ 9______ 10_ 11______ 12__ 13__ 14 15

Chunks:

(ChunkerEvaluator) Sentence #14608 from articles/00108086 from sent65

Text  : - Ciągłe rządy doprowadzają do rutyny , okopywania się na swoich stanowiskach -  mówi prof .  Piotr Dominiuk ,  dziekan Wydziału Zarządzania i  Ekonomii Politechniki Gdańskiej .
Tokens: 1 2_____ 3____ 4___________ 5_ 6_____ 7 8_________ 9__ 10 11____ 12__________ 13 14__ 15__ 16 17___ 18______ 19 20_____ 21______ 22_________ 23 24______ 25__________ 26_______ 27

Chunks:
  TruePositive nam [17,18] = Piotr Dominiuk
  FalsePositive nam [24,26] = Ekonomii Politechniki Gdańskiej
  FalseNegative nam [21,24] = Wydziału Zarządzania i Ekonomii
  FalseNegative nam [25,26] = Politechniki Gdańskiej

(ChunkerEvaluator) Sentence #14609 from articles/00108086 from sent66

Text  : - I to w Gdańsku trochę widać .
Tokens: 1 2 3_ 4 5______ 6_____ 7____ 8

Chunks:
  TruePositive nam [5,5] = Gdańsku

(ChunkerEvaluator) Sentence #14610 from articles/00108086 from sent67

Text  : Gdańsk w liczbach
Tokens: 1_____ 2 3_______

Chunks:
  TruePositive nam [1,1] = Gdańsk

(ChunkerEvaluator) Sentence #14611 from articles/00108086 from sent68

Text  : 14 lat Paweł Adamowicz rządzi Gdańskiem
Tokens: 1_ 2__ 3____ 4________ 5_____ 6________

Chunks:
  TruePositive nam [3,4] = Paweł Adamowicz
  TruePositive nam [6,6] = Gdańskiem

(ChunkerEvaluator) Sentence #14612 from articles/00108086 from sent69

Text  : 53 , 77 proc . poparcia zyskał prezydent w ostatnich wyborach samorządowych
Tokens: 1_ 2 3_ 4___ 5 6_______ 7_____ 8________ 9 10_______ 11______ 12___________

Chunks:

(ChunkerEvaluator) Sentence #14613 from articles/00108086 from sent70

Text  : 460 , 5 tys . mieszkańców ma Gdańsk
Tokens: 1__ 2 3 4__ 5 6__________ 7_ 8_____

Chunks:
  TruePositive nam [8,8] = Gdańsk

(ChunkerEvaluator) Sentence #14614 from articles/00108086 from sent71

Text  : 6 proc . wynosi stopa bezrobocia
Tokens: 1 2___ 3 4_____ 5____ 6_________

Chunks:

(ChunkerEvaluator) Sentence #14615 from articles/00108086 from sent72

Text  : 13 szkół wyższych ma swoją siedzibę w Gdańsku , uczy się w  nich 80 941 studentów
Tokens: 1_ 2____ 3_______ 4_ 5____ 6_______ 7 8______ 9 10__ 11_ 12 13__ 14 15_ 16_______

Chunks:
  TruePositive nam [8,8] = Gdańsku

(ChunkerEvaluator) Sentence #14616 from articles/00108086 from sent73

Text  : Źródło : „ Informator o sytuacji społeczno - gospodarczej Gdańska za 2011 rok ”
Tokens: 1_____ 2 3 4_________ 5 6_______ 7________ 8 9___________ 10_____ 11 12__ 13_ 14

Chunks:
  FalsePositive nam [1,1] = Źródło
  FalsePositive nam [10,10] = Gdańska
  FalseNegative nam [4,13] = Informator o sytuacji społeczno - gospodarczej Gdańska za 2011 rok

2016-10-27 15:00:26,760 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 641 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108087.xml
(ChunkerEvaluator) Sentence #14617 from articles/00108087 from sent1

Text  : Dialog ze spółdzielcami w sprawie śmieci
Tokens: 1_____ 2_ 3____________ 4 5______ 6_____

Chunks:

(ChunkerEvaluator) Sentence #14618 from articles/00108087 from sent2

Text  : Wiceprezydent Wrocławia Wojciech Adamski odpowiedział na list spółdzielców , zaniepokojonych zmianą związaną z  przejęciem przez gminę gospodarki odpadami .
Tokens: 1____________ 2________ 3_______ 4______ 5___________ 6_ 7___ 8___________ 9 10_____________ 11____ 12______ 13 14________ 15___ 16___ 17________ 18______ 19

Chunks:
  TruePositive nam [2,2] = Wrocławia
  TruePositive nam [3,4] = Wojciech Adamski

(ChunkerEvaluator) Sentence #14619 from articles/00108087 from sent3

Text  : Wyrazili w nim obawę o organizacyjne aspekty tych zmian i  poprosili o  podjęcie działań ,  które ograniczą spodziewany wzrost kosztów .
Tokens: 1_______ 2 3__ 4____ 5 6____________ 7______ 8___ 9____ 10 11_______ 12 13______ 14_____ 15 16___ 17_______ 18_________ 19____ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #14620 from articles/00108087 from sent4

Text  : Miasto będzie konsultować ze spółdzielcami m . in . sposób obliczania stawek za wywóz odpadów .
Tokens: 1_____ 2_____ 3__________ 4_ 5____________ 6 7 8_ 9 10____ 11________ 12____ 13 14___ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #14621 from articles/00108087 from sent5

Text  : Prezydent Rafał Dutkiewicz dwukrotnie spotkał się w tej sprawie z  Komisją Dialogu Społecznego .
Tokens: 1________ 2____ 3_________ 4_________ 5______ 6__ 7 8__ 9______ 10 11_____ 12_____ 13_________ 14

Chunks:
  TruePositive nam [2,3] = Rafał Dutkiewicz
  TruePositive nam [11,13] = Komisją Dialogu Społecznego

(ChunkerEvaluator) Sentence #14622 from articles/00108087 from sent6

Text  : Wrocławski magistrat opublikował list wiceprezydenta .
Tokens: 1_________ 2________ 3__________ 4___ 5_____________ 6

Chunks:

(ChunkerEvaluator) Sentence #14623 from articles/00108087 from sent7

Text  : Oto on .
Tokens: 1__ 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #14624 from articles/00108087 from sent8

Text  : Szanowni Państwo !
Tokens: 1_______ 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #14625 from articles/00108087 from sent9

Text  : W odpowiedzi na pismo z 13 grudnia br . uprzejmie informuję ,  że podjął em szereg działań mających na celu jak najsprawniejsze wprowadzenie nowych zasad gospodarowania odpadami we Wrocławiu .
Tokens: 1 2_________ 3_ 4____ 5 6_ 7______ 8_ 9 10_______ 11_______ 12 13 14____ 15 16____ 17_____ 18______ 19 20__ 21_ 22_____________ 23__________ 24____ 25___ 26____________ 27______ 28 29_______ 30

Chunks:
  TruePositive nam [29,29] = Wrocławiu

(ChunkerEvaluator) Sentence #14626 from articles/00108087 from sent10

Text  : Zmianę , o której Państwo piszą , spowodowała przyjęta przez Sejm RP Ustawa o  utrzymaniu czystości i  porządku w  gminach .
Tokens: 1_____ 2 3 4_____ 5______ 6____ 7 8__________ 9_______ 10___ 11__ 12 13____ 14 15________ 16_______ 17 18______ 19 20_____ 21

Chunks:
  FalsePositive nam [11,13] = Sejm RP Ustawa
  FalseNegative nam [11,12] = Sejm RP

(ChunkerEvaluator) Sentence #14627 from articles/00108087 from sent11

Text  : Realizując poszczególne postanowienia tej Ustawy doszli śmy do momentu ,  w  którym należało dokonać wyboru metody naliczania opłaty za odbiór odpadów od mieszkańców Wrocławia .
Tokens: 1_________ 2___________ 3____________ 4__ 5_____ 6_____ 7__ 8_ 9______ 10 11 12____ 13______ 14_____ 15____ 16____ 17________ 18____ 19 20____ 21_____ 22 23_________ 24_______ 25

Chunks:
  TruePositive nam [24,24] = Wrocławia

(ChunkerEvaluator) Sentence #14628 from articles/00108087 from sent12

Text  : Niestety , uchwalone przez Sejm rozwiązania ustawowe są nieadekwatne do sytuacji w  gminach ,  bardzo rygorystyczne oraz narzucające wybór tylko jednej metody naliczania opłaty ,  a  metody „  na sztywno "  zostały opisane w  Ustawie .
Tokens: 1_______ 2 3________ 4____ 5___ 6__________ 7_______ 8_ 9___________ 10 11______ 12 13_____ 14 15____ 16___________ 17__ 18_________ 19___ 20___ 21____ 22____ 23________ 24____ 25 26 27____ 28 29 30_____ 31 32_____ 33_____ 34 35_____ 36

Chunks:
  TruePositive nam [5,5] = Sejm
  FalsePositive nam [35,35] = Ustawie

(ChunkerEvaluator) Sentence #14629 from articles/00108087 from sent13

Text  : Dlatego też wystąpił em do Ministerstwa Środowiska o zmianę zapisu Ustawy i  -  jak wynika z  otrzymanej korespondencji -  Ustawa będzie zmieniona 4  stycznia 2013 roku .
Tokens: 1______ 2__ 3_______ 4_ 5_ 6___________ 7_________ 8 9_____ 10____ 11____ 12 13 14_ 15____ 16 17________ 18____________ 19 20____ 21____ 22_______ 23 24______ 25__ 26__ 27

Chunks:
  TruePositive nam [6,7] = Ministerstwa Środowiska
  FalsePositive nam [11,11] = Ustawy
  FalsePositive nam [20,20] = Ustawa

(ChunkerEvaluator) Sentence #14630 from articles/00108087 from sent14

Text  : Pozwoliło to zrealizować ustawowy obowiązek ustalenia metody oraz stawki za wywóz odpadów w  dwóch czytaniach uchwały Rady Miejskiej Wrocławia .
Tokens: 1________ 2_ 3__________ 4_______ 5________ 6________ 7_____ 8___ 9_____ 10 11___ 12_____ 13 14___ 15________ 16_____ 17__ 18_______ 19_______ 20

Chunks:
  TruePositive nam [17,19] = Rady Miejskiej Wrocławia

(ChunkerEvaluator) Sentence #14631 from articles/00108087 from sent15

Text  : W dniu 28 grudnia Rada Miejska Wrocławia odbyła pierwsze czytanie uchwały ,  natomiast po dokonaniu zmian ustawowych w  dniu 4  stycznia 2013 r  .  na kolejnych sesjach nastąpi drugie czytanie .
Tokens: 1 2___ 3_ 4______ 5___ 6______ 7________ 8_____ 9_______ 10______ 11_____ 12 13_______ 14 15_______ 16___ 17________ 18 19__ 20 21______ 22__ 23 24 25 26_______ 27_____ 28_____ 29____ 30______ 31

Chunks:
  TruePositive nam [5,7] = Rada Miejska Wrocławia

(ChunkerEvaluator) Sentence #14632 from articles/00108087 from sent16

Text  : Uchwała po pierwszym czytaniu oraz zaproponowane stawki uwzględniają przewidywany koszt gospodarowania odpadami we Wrocławiu ,  ale czas pomiędzy pierwszym a  drugim czytaniem pozwoli na konsultacje m  .  in .  z  prezesami spółdzielni mieszkaniowych oraz innymi zarządcami i  właścicielami nieruchomości mieszkalnych .
Tokens: 1______ 2_ 3________ 4_______ 5___ 6____________ 7_____ 8___________ 9___________ 10___ 11____________ 12______ 13 14_______ 15 16_ 17__ 18______ 19_______ 20 21____ 22_______ 23_____ 24 25_________ 26 27 28 29 30 31_______ 32_________ 33____________ 34__ 35____ 36________ 37 38___________ 39___________ 40__________ 41

Chunks:
  TruePositive nam [14,14] = Wrocławiu

(ChunkerEvaluator) Sentence #14633 from articles/00108087 from sent17

Text  : Głównym celem tych prac jest minimalizacja wzrostu kosztów związanych z  gospodarką odpadami dla mieszkańców .
Tokens: 1______ 2____ 3___ 4___ 5___ 6____________ 7______ 8______ 9_________ 10 11________ 12______ 13_ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #14634 from articles/00108087 from sent18

Text  : Należy jednak pamiętać , że ostateczna cena zostanie ustalona w  wyniku przetargu ,  do przeprowadzenia którego samorządy gminne są zobowiązane ustawowo .
Tokens: 1_____ 2_____ 3_______ 4 5_ 6_________ 7___ 8_______ 9_______ 10 11____ 12_______ 13 14 15_____________ 16_____ 17_______ 18____ 19 20_________ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14635 from articles/00108087 from sent19

Text  : Konieczność korzystania z instalacji biologiczno - mechanicznej w miejscowości Rudna Wielka w  gminie Wąsosz wynika z  przyjętego planu gospodarowania odpadami przez Samorząd Województwa Dolnośląskiego .
Tokens: 1__________ 2__________ 3 4_________ 5__________ 6 7___________ 8 9___________ 10___ 11____ 12 13____ 14____ 15____ 16 17________ 18___ 19____________ 20______ 21___ 22______ 23_________ 24____________ 25

Chunks:
  TruePositive nam [10,11] = Rudna Wielka
  TruePositive nam [14,14] = Wąsosz
  TruePositive nam [22,24] = Samorząd Województwa Dolnośląskiego

(ChunkerEvaluator) Sentence #14636 from articles/00108087 from sent20

Text  : W tej sprawie zwrócił em się do Urzędu Ochrony Konkurencji i  Konsumentów z  wnioskiem o  wszczęcie postępowania wyjaśniającego .
Tokens: 1 2__ 3______ 4______ 5_ 6__ 7_ 8_____ 9______ 10_________ 11 12_________ 13 14_______ 15 16_______ 17__________ 18____________ 19

Chunks:
  TruePositive nam [8,12] = Urzędu Ochrony Konkurencji i Konsumentów

(ChunkerEvaluator) Sentence #14637 from articles/00108087 from sent21

Text  : Mam nadzieję , że wymienione działania pozwolą na podjęcie w  drugim czytaniu uchwały o  wyborze metody i  ustaleniu stawek za gospodarowanie odpadami we Wrocławiu na minimalnym możliwym poziomie .
Tokens: 1__ 2_______ 3 4_ 5_________ 6________ 7______ 8_ 9_______ 10 11____ 12______ 13_____ 14 15_____ 16____ 17 18_______ 19____ 20 21____________ 22______ 23 24_______ 25 26________ 27______ 28______ 29

Chunks:
  TruePositive nam [24,24] = Wrocławiu

(ChunkerEvaluator) Sentence #14638 from articles/00108087 from sent22

Text  : Jednocześnie bardzo Państwu dziękuję za podjętą inicjatywę .
Tokens: 1___________ 2_____ 3______ 4_______ 5_ 6______ 7_________ 8

Chunks:

2016-10-27 15:00:26,892 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 642 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108088.xml
(ChunkerEvaluator) Sentence #14639 from articles/00108088 from sent1

Text  : PO i PSL za propozycją ws . mandatów ; opozycja nie mówi &  quot ;  nie &  quot ;
Tokens: 1_ 2 3__ 4_ 5_________ 6_ 7 8_______ 9 10______ 11_ 12__ 13 14__ 15 16_ 17 18__ 19

Chunks:
  TruePositive nam [3,3] = PSL
  FalseNegative nam [1,1] = PO

(ChunkerEvaluator) Sentence #14640 from articles/00108088 from sent2

Text  : # dochodzą opinie posłów #
Tokens: 1 2_______ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #14641 from articles/00108088 from sent3

Text  : 03 . 01 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #14642 from articles/00108088 from sent4

Text  : Warszawa ( PAP ) - PO i PSL popierają propozycję ,  by parlamentarzyści byli karani za wykroczenia drogowe od razu po zdarzeniu .
Tokens: 1_______ 2 3__ 4 5 6_ 7 8__ 9________ 10________ 11 12 13______________ 14__ 15____ 16 17_________ 18_____ 19 20__ 21 22_______ 23

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [6,6] = PO
  TruePositive nam [8,8] = PSL

(ChunkerEvaluator) Sentence #14643 from articles/00108088 from sent5

Text  : Inicjatywy nie odrzuca opozycja , ale podkreśla m . in .  ,  że brakuje szczegółów .
Tokens: 1_________ 2__ 3______ 4_______ 5 6__ 7________ 8 9 10 11 12 13 14_____ 15________ 16

Chunks:

(ChunkerEvaluator) Sentence #14644 from articles/00108088 from sent6

Text  : PiS zarzuca , że to temat zastępczy , a RP ,  że forma igrzysk politycznych .
Tokens: 1__ 2______ 3 4_ 5_ 6____ 7________ 8 9 10 11 12 13___ 14_____ 15__________ 16

Chunks:
  TruePositive nam [1,1] = PiS
  TruePositive nam [10,10] = RP

(ChunkerEvaluator) Sentence #14645 from articles/00108088 from sent7

Text  : Marszałek Sejmu Ewa Kopacz zapowiedziała w czwartek , że zwróci się do sejmowej komisji regulaminowej z  projektem nowelizacji ustawy o  wykonywaniu mandatu posła i  senatora ,  która umożliwi karanie parlamentarzystów za wykroczenia drogowe od razu po zdarzeniu .
Tokens: 1________ 2____ 3__ 4_____ 5____________ 6 7_______ 8 9_ 10____ 11_ 12 13______ 14_____ 15___________ 16 17_______ 18_________ 19____ 20 21_________ 22_____ 23___ 24 25______ 26 27___ 28______ 29_____ 30_______________ 31 32_________ 33_____ 34 35__ 36 37_______ 38

Chunks:
  TruePositive nam [3,4] = Ewa Kopacz
  FalsePositive nam [1,2] = Marszałek Sejmu
  FalseNegative nam [2,2] = Sejmu

(ChunkerEvaluator) Sentence #14646 from articles/00108088 from sent8

Text  : " Zwrócę się do komisji regulaminowej , aby w przypadku ,  który mocno interesował media i  obywateli -  czyli sprawy dotyczącej fotoradarów i  ewentualnie karania posłów i  senatorów za +  zbyt ciężką nogę na pedale gazu +  -  była możliwość karania mandatem tak jak każdego "  -  zapowiedziała Kopacz na konferencji prasowej w  Sejmie .
Tokens: 1 2_____ 3__ 4_ 5______ 6____________ 7 8__ 9 10_______ 11 12___ 13___ 14_________ 15___ 16 17_______ 18 19___ 20____ 21________ 22_________ 23 24_________ 25_____ 26____ 27 28_______ 29 30 31__ 32____ 33__ 34 35____ 36__ 37 38 39__ 40_______ 41_____ 42______ 43_ 44_ 45_____ 46 47 48___________ 49____ 50 51_________ 52______ 53 54____ 55

Chunks:
  TruePositive nam [49,49] = Kopacz
  TruePositive nam [54,54] = Sejmie

(ChunkerEvaluator) Sentence #14647 from articles/00108088 from sent9

Text  : Powiedziała , że " stojąc jako marszałek na straży regulaminu ,  ale także demokracji "  chciała by ,  aby wszystkie kluby parlamentarne także chciały równości posłów i  senatorów wobec prawa .
Tokens: 1__________ 2 3_ 4 5_____ 6___ 7________ 8_ 9_____ 10________ 11 12_ 13___ 14________ 15 16_____ 17 18 19_ 20_______ 21___ 22___________ 23___ 24_____ 25______ 26____ 27 28_______ 29___ 30___ 31

Chunks:

(ChunkerEvaluator) Sentence #14648 from articles/00108088 from sent10

Text  : Jak podkreśliła , chciała by , aby zmiany dotyczyły nie tylko posłów i  senatorów ,  ale także innych osób chronionych immunitetem ,  np .  Rzecznika Praw Dziecka czy Głównego Inspektora Ochrony Danych Osobowych i  prokuratorów .
Tokens: 1__ 2__________ 3 4______ 5_ 6 7__ 8_____ 9________ 10_ 11___ 12____ 13 14_______ 15 16_ 17___ 18____ 19__ 20_________ 21_________ 22 23 24 25_______ 26__ 27_____ 28_ 29______ 30________ 31_____ 32____ 33_______ 34 35__________ 36

Chunks:
  FalsePositive nam [25,27] = Rzecznika Praw Dziecka
  FalsePositive nam [29,33] = Głównego Inspektora Ochrony Danych Osobowych

(ChunkerEvaluator) Sentence #14649 from articles/00108088 from sent11

Text  : " Będziemy nowelizować ustawę o wykonywaniu mandatu posła i senatora ,  która pozwoli bezpośrednio po zdarzeniu uiścić mandat przez posła ,  senatora czy osobę chronioną immunitetem ,  bez tej całej drogi służbowej "  -  zapowiedziała .
Tokens: 1 2_______ 3__________ 4_____ 5 6__________ 7______ 8____ 9 10______ 11 12___ 13_____ 14__________ 15 16_______ 17____ 18____ 19___ 20___ 21 22______ 23_ 24___ 25_______ 26_________ 27 28_ 29_ 30___ 31___ 32_______ 33 34 35___________ 36

Chunks:

(ChunkerEvaluator) Sentence #14650 from articles/00108088 from sent12

Text  : Kopacz przypomniała , że obecnie , gdy parlamentarzysta złamie przepisy drogowe ,  należy zwrócić się przez prokuratora do marszałka Sejmu ,  następnie marszałek zwraca się do osoby zainteresowanej ,  czy sama wyraża zgodę na uchylenie immunitetu ,  a  jeśli nie ,  to kieruje sprawę do komisji regulaminowej .
Tokens: 1_____ 2___________ 3 4_ 5______ 6 7__ 8_______________ 9_____ 10______ 11_____ 12 13____ 14_____ 15_ 16___ 17_________ 18 19_______ 20___ 21 22_______ 23_______ 24____ 25_ 26 27___ 28_____________ 29 30_ 31__ 32____ 33___ 34 35_______ 36________ 37 38 39___ 40_ 41 42 43_____ 44____ 45 46_____ 47___________ 48

Chunks:
  TruePositive nam [1,1] = Kopacz
  TruePositive nam [20,20] = Sejmu

(ChunkerEvaluator) Sentence #14651 from articles/00108088 from sent13

Text  : " Ta zmiana będzie umożliwiać posłowi natychmiastowe uregulowanie mandatu "  -  zaznaczyła Kopacz .
Tokens: 1 2_ 3_____ 4_____ 5_________ 6______ 7_____________ 8___________ 9______ 10 11 12________ 13____ 14

Chunks:
  TruePositive nam [13,13] = Kopacz

(ChunkerEvaluator) Sentence #14652 from articles/00108088 from sent14

Text  : Dodała , że nad tym projektem pracował jeszcze poprzedni marszałek Sejmu .
Tokens: 1_____ 2 3_ 4__ 5__ 6________ 7_______ 8______ 9________ 10_______ 11___ 12

Chunks:
  TruePositive nam [11,11] = Sejmu

(ChunkerEvaluator) Sentence #14653 from articles/00108088 from sent15

Text  : Kopacz podkreśliła , że ponieważ marszałek Sejmu nie ma inicjatywy ustawodawczej ,  dlatego kieruje projekt do komisji regulaminowej .
Tokens: 1_____ 2__________ 3 4_ 5_______ 6________ 7____ 8__ 9_ 10________ 11___________ 12 13_____ 14_____ 15_____ 16 17_____ 18___________ 19

Chunks:
  TruePositive nam [1,1] = Kopacz
  TruePositive nam [7,7] = Sejmu

(ChunkerEvaluator) Sentence #14654 from articles/00108088 from sent16

Text  : " Liczę na to , że pod tym projektem ustawy nie będzie 15 podpisów ,  (  ale )  że pod tym projektem będzie 460 podpisów posłów z  parlamentu "  -  zaznaczyła Kopacz .
Tokens: 1 2____ 3_ 4_ 5 6_ 7__ 8__ 9________ 10____ 11_ 12____ 13 14______ 15 16 17_ 18 19 20_ 21_ 22_______ 23____ 24_ 25______ 26____ 27 28________ 29 30 31________ 32____ 33

Chunks:
  TruePositive nam [32,32] = Kopacz

(ChunkerEvaluator) Sentence #14655 from articles/00108088 from sent17

Text  : Jerzy Budnik ( PO ) przypomniał w rozmowie z PAP ,  że w  poprzedniej kadencji Bronisław Komorowski jako ówczesny marszałek przedstawił Prezydium Sejmu i  klubom projekt zmian w  ustawie o  wykonywaniu mandatu posła i  senatora ,  zgodnie z  którym posłowie otrzymywali m  .  in .  możliwość zapłacenia mandatu drogowego na miejscu zdarzenia .
Tokens: 1____ 2_____ 3 4_ 5 6__________ 7 8_______ 9 10_ 11 12 13 14_________ 15______ 16_______ 17________ 18__ 19______ 20_______ 21_________ 22_______ 23___ 24 25____ 26_____ 27___ 28 29_____ 30 31_________ 32_____ 33___ 34 35______ 36 37_____ 38 39____ 40______ 41_________ 42 43 44 45 46_______ 47________ 48_____ 49_______ 50 51_____ 52_______ 53

Chunks:
  TruePositive nam [1,2] = Jerzy Budnik
  TruePositive nam [4,4] = PO
  TruePositive nam [10,10] = PAP
  TruePositive nam [16,17] = Bronisław Komorowski
  TruePositive nam [22,23] = Prezydium Sejmu

(ChunkerEvaluator) Sentence #14656 from articles/00108088 from sent18

Text  : Jednak - jak zaznaczył - inicjatywa została wówczas oprotestowana przez posłów opozycji i  część ekspertów .
Tokens: 1_____ 2 3__ 4________ 5 6_________ 7______ 8______ 9____________ 10___ 11____ 12______ 13 14___ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #14657 from articles/00108088 from sent19

Text  : " Zobaczymy , jak będzie teraz .
Tokens: 1 2________ 3 4__ 5_____ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #14658 from articles/00108088 from sent20

Text  : Dyskusja na temat zmian jest potrzebna .
Tokens: 1_______ 2_ 3____ 4____ 5___ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #14659 from articles/00108088 from sent21

Text  : Jestem za uproszczeniem obecnych przepisów " - zadeklarował .
Tokens: 1_____ 2_ 3____________ 4_______ 5________ 6 7 8___________ 9

Chunks:

(ChunkerEvaluator) Sentence #14660 from articles/00108088 from sent22

Text  : Eugeniusz Kłopotek ( PSL ) zaznaczył , że rozwiązanie zaproponowane przez Kopacz powinno obowiązywać już dawno .
Tokens: 1________ 2_______ 3 4__ 5 6________ 7 8_ 9__________ 10___________ 11___ 12____ 13_____ 14_________ 15_ 16___ 17

Chunks:
  TruePositive nam [1,2] = Eugeniusz Kłopotek
  TruePositive nam [4,4] = PSL
  TruePositive nam [12,12] = Kopacz

(ChunkerEvaluator) Sentence #14661 from articles/00108088 from sent23

Text  : " Najwyższy czas , żeby nie było tych cyrków ,  które są obecnie "  -  powiedział .
Tokens: 1 2________ 3___ 4 5___ 6__ 7___ 8___ 9_____ 10 11___ 12 13_____ 14 15 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #14662 from articles/00108088 from sent24

Text  : Poseł PiS z komisji regulaminowej Maks Kraczkowski podkreślił , że jeżeli projekt znajdzie się w  Sejmie nie zagłosuje przeciw ,  ale ma wobec niego wątpliwości .
Tokens: 1____ 2__ 3 4______ 5____________ 6___ 7__________ 8_________ 9 10 11____ 12_____ 13______ 14_ 15 16____ 17_ 18_______ 19_____ 20 21_ 22 23___ 24___ 25_________ 26

Chunks:
  TruePositive nam [2,2] = PiS
  TruePositive nam [6,7] = Maks Kraczkowski
  TruePositive nam [16,16] = Sejmie

(ChunkerEvaluator) Sentence #14663 from articles/00108088 from sent25

Text  : " Wiem z własnego doświadczenia : jak jestem zatrzymany przez policję ,  nie zasłaniam się legitymacją poselską ,  tylko zawsze przyjmuję mandaty .
Tokens: 1 2___ 3 4_______ 5____________ 6 7__ 8_____ 9_________ 10___ 11_____ 12 13_ 14_______ 15_ 16_________ 17______ 18 19___ 20____ 21_______ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #14664 from articles/00108088 from sent26

Text  : Uważam , że nie powinni śmy zajmować się sprawami w  gruncie rzeczy błahymi ,  gdy są dużo ważniejsze .
Tokens: 1_____ 2 3_ 4__ 5______ 6__ 7_______ 8__ 9_______ 10 11_____ 12____ 13_____ 14 15_ 16 17__ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #14665 from articles/00108088 from sent27

Text  : Propozycja ta to temat zastępczy , ma odwrócić uwagę od tego ,  że fotoradary stały się obecnie maszynką do zarabiania pieniędzy "  -  powiedział PAP Kraczkowski .
Tokens: 1_________ 2_ 3_ 4____ 5________ 6 7_ 8_______ 9____ 10 11__ 12 13 14________ 15___ 16_ 17_____ 18______ 19 20________ 21_______ 22 23 24________ 25_ 26_________ 27

Chunks:
  TruePositive nam [25,25] = PAP
  TruePositive nam [26,26] = Kraczkowski

(ChunkerEvaluator) Sentence #14666 from articles/00108088 from sent28

Text  : " Marszałek Kopacz i PO robią igrzyska .
Tokens: 1 2________ 3_____ 4 5_ 6____ 7_______ 8

Chunks:
  TruePositive nam [5,5] = PO
  FalsePositive nam [2,3] = Marszałek Kopacz
  FalseNegative nam [3,3] = Kopacz

(ChunkerEvaluator) Sentence #14667 from articles/00108088 from sent29

Text  : Platforma obiecywała likwidację immunitetu poselskiego i senatorskiego 5 lat temu "  -  ocenił poseł Ruchu Palikota Armand Ryfiński .
Tokens: 1________ 2_________ 3_________ 4_________ 5__________ 6 7____________ 8 9__ 10__ 11 12 13____ 14___ 15___ 16______ 17____ 18______ 19

Chunks:
  FalsePositive nam [15,18] = Ruchu Palikota Armand Ryfiński
  FalseNegative nam [1,1] = Platforma
  FalseNegative nam [15,16] = Ruchu Palikota
  FalseNegative nam [17,18] = Armand Ryfiński

(ChunkerEvaluator) Sentence #14668 from articles/00108088 from sent30

Text  : " Mandaty płacę na bieżąco , jeśli je otrzymuję .
Tokens: 1 2______ 3____ 4_ 5______ 6 7____ 8_ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #14669 from articles/00108088 from sent31

Text  : Płacę i nie chowam się za immunitetem " - zapewnił Ryfiński .
Tokens: 1____ 2 3__ 4_____ 5__ 6_ 7__________ 8 9 10______ 11______ 12

Chunks:
  FalseNegative nam [11,11] = Ryfiński

(ChunkerEvaluator) Sentence #14670 from articles/00108088 from sent32

Text  : Romuald Ajchler z SLD podkreślił , że należy rozważyć propozycję marszałek Sejmu .
Tokens: 1______ 2______ 3 4__ 5_________ 6 7_ 8_____ 9_______ 10________ 11_______ 12___ 13

Chunks:
  TruePositive nam [1,2] = Romuald Ajchler
  TruePositive nam [4,4] = SLD
  TruePositive nam [12,12] = Sejmu

(ChunkerEvaluator) Sentence #14671 from articles/00108088 from sent33

Text  : " Jednak trzeba poczekać na szczegóły projektu " - zastrzegł .
Tokens: 1 2_____ 3_____ 4_______ 5_ 6________ 7_______ 8 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14672 from articles/00108088 from sent34

Text  : " To krok w dobrym kierunku , ale zbyt zachowawczy .
Tokens: 1 2_ 3___ 4 5_____ 6_______ 7 8__ 9___ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #14673 from articles/00108088 from sent35

Text  : Solidarna Polska opowiada się za całkowitym zniesieniem immunitetów nie tylko posłów ,  ale i  sędziów oraz prokuratorów "  -  powiedział PAP rzecznik klubu Solidarnej Polski Patryk Jaki .  (  PAP )
Tokens: 1________ 2_____ 3_______ 4__ 5_ 6_________ 7__________ 8__________ 9__ 10___ 11____ 12 13_ 14 15_____ 16__ 17__________ 18 19 20________ 21_ 22______ 23___ 24________ 25____ 26____ 27__ 28 29 30_ 31

Chunks:
  TruePositive nam [1,2] = Solidarna Polska
  TruePositive nam [21,21] = PAP
  TruePositive nam [24,25] = Solidarnej Polski
  TruePositive nam [26,27] = Patryk Jaki
  TruePositive nam [30,30] = PAP

2016-10-27 15:00:27,131 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 643 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108089.xml
(ChunkerEvaluator) Sentence #14674 from articles/00108089 from sent1

Text  : TV : Depardieu cieszy się z obywatelstwa , nazywa Rosję demokracją
Tokens: 1_ 2 3________ 4_____ 5__ 6 7___________ 8 9_____ 10___ 11________

Chunks:
  TruePositive nam [1,1] = TV
  TruePositive nam [3,3] = Depardieu
  TruePositive nam [10,10] = Rosję

(ChunkerEvaluator) Sentence #14675 from articles/00108089 from sent2

Text  : # oświadczenie Depardieu opublikowane w rosyjskiej TV #
Tokens: 1 2___________ 3________ 4___________ 5 6_________ 7_ 8

Chunks:
  TruePositive nam [3,3] = Depardieu
  TruePositive nam [7,7] = TV

(ChunkerEvaluator) Sentence #14676 from articles/00108089 from sent3

Text  : 03 . 01 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #14677 from articles/00108089 from sent4

Text  : Moskwa ( PAP / ITAR - TASS , AFP ,  Media )  -  W  liście opublikowanym w  czwartek przez rosyjską telewizję francuski aktor Gerard Depardieu oznajmił ,  że zwracał się o  paszport rosyjski i  cieszy się ,  że tę prośbę spełniono ;  podkreśla swą sympatię do Władimira Putina i  nazywa Rosję "  wielką demokracją "  .
Tokens: 1_____ 2 3__ 4 5___ 6 7___ 8 9__ 10 11___ 12 13 14 15____ 16___________ 17 18______ 19___ 20______ 21_______ 22_______ 23___ 24____ 25_______ 26______ 27 28 29_____ 30_ 31 32______ 33______ 34 35____ 36_ 37 38 39 40____ 41_______ 42 43_______ 44_ 45______ 46 47_______ 48____ 49 50____ 51___ 52 53____ 54________ 55 56

Chunks:
  TruePositive nam [1,1] = Moskwa
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,7] = ITAR - TASS
  TruePositive nam [24,25] = Gerard Depardieu
  TruePositive nam [47,48] = Władimira Putina
  TruePositive nam [51,51] = Rosję
  FalsePositive nam [9,11] = AFP , Media
  FalseNegative nam [9,9] = AFP
  FalseNegative nam [11,11] = Media

(ChunkerEvaluator) Sentence #14678 from articles/00108089 from sent5

Text  : Według Kanału Pierwszego rosyjskiej telewizji list zawiera komentarz Depardieu .
Tokens: 1_____ 2_____ 3_________ 4_________ 5________ 6___ 7______ 8________ 9________ 10

Chunks:
  TruePositive nam [2,3] = Kanału Pierwszego
  TruePositive nam [9,9] = Depardieu

(ChunkerEvaluator) Sentence #14679 from articles/00108089 from sent6

Text  : " Tak , zwrócił em się o paszport i cieszę się ,  że dostał em zgodę "  -  głosi tekst opublikowany po rosyjsku i  francusku ,  zatytułowany :  "  Apel do dziennikarzy rosyjskich "  .
Tokens: 1 2__ 3 4______ 5_ 6__ 7 8_______ 9 10____ 11_ 12 13 14____ 15 16___ 17 18 19___ 20___ 21__________ 22 23______ 24 25_______ 26 27__________ 28 29 30__ 31 32__________ 33________ 34 35

Chunks:
  FalsePositive nam [30,30] = Apel
  FalseNegative nam [30,33] = Apel do dziennikarzy rosyjskich

(ChunkerEvaluator) Sentence #14680 from articles/00108089 from sent7

Text  : Depardieu wyjaśnia , że " uwielbia Rosję , jej pisarzy ,  historię oraz ludzi rosyjskich "  .
Tokens: 1________ 2_______ 3 4_ 5 6_______ 7____ 8 9__ 10_____ 11 12______ 13__ 14___ 15________ 16 17

Chunks:
  TruePositive nam [1,1] = Depardieu
  TruePositive nam [7,7] = Rosję

(ChunkerEvaluator) Sentence #14681 from articles/00108089 from sent8

Text  : " Mój ojciec był swego czasu komunistą i słuchał Radia Moskwa .
Tokens: 1 2__ 3_____ 4__ 5____ 6____ 7________ 8 9______ 10___ 11____ 12

Chunks:
  TruePositive nam [10,11] = Radia Moskwa

(ChunkerEvaluator) Sentence #14682 from articles/00108089 from sent9

Text  : To także część mojej kultury " - dodaje w liście .
Tokens: 1_ 2____ 3____ 4____ 5______ 6 7 8_____ 9 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #14683 from articles/00108089 from sent10

Text  : Podkreśla , że darzy wielką i odwzajemnioną sympatią prezydenta Putina i  że mówił o  tym prezydentowi Francji Francois Hollande'owi .
Tokens: 1________ 2 3_ 4____ 5_____ 6 7____________ 8_______ 9_________ 10____ 11 12 13___ 14 15_ 16__________ 17_____ 18______ 19__________ 20

Chunks:
  TruePositive nam [10,10] = Putina
  TruePositive nam [17,17] = Francji
  TruePositive nam [18,19] = Francois Hollande'owi

(ChunkerEvaluator) Sentence #14684 from articles/00108089 from sent11

Text  : " Powiedział em mu , że Rosja jest wielką demokracją ,  że nie jest krajem ,  gdzie premier mógł by nazwać obywatela żałosnym "  -  głosi oświadczenie .
Tokens: 1 2_________ 3_ 4_ 5 6_ 7____ 8___ 9_____ 10________ 11 12 13_ 14__ 15____ 16 17___ 18_____ 19__ 20 21____ 22_______ 23______ 24 25 26___ 27__________ 28

Chunks:
  TruePositive nam [7,7] = Rosja

(ChunkerEvaluator) Sentence #14685 from articles/00108089 from sent12

Text  : Tym słowem określił aktora premier Francji Jean - Marc Ayrault po tym ,  gdy Depardieu przed wysokimi podatkami we Francji przeniósł się do Belgii .
Tokens: 1__ 2_____ 3_______ 4_____ 5______ 6______ 7___ 8 9___ 10_____ 11 12_ 13 14_ 15_______ 16___ 17______ 18_______ 19 20_____ 21_______ 22_ 23 24____ 25

Chunks:
  TruePositive nam [6,6] = Francji
  TruePositive nam [7,10] = Jean - Marc Ayrault
  TruePositive nam [15,15] = Depardieu
  TruePositive nam [20,20] = Francji
  TruePositive nam [24,24] = Belgii

(ChunkerEvaluator) Sentence #14686 from articles/00108089 from sent13

Text  : Właśnie w reakcji m . in . na tę krytykę aktor zapowiedział ,  że chce zwrócić francuski paszport .
Tokens: 1______ 2 3______ 4 5 6_ 7 8_ 9_ 10_____ 11___ 12__________ 13 14 15__ 16_____ 17_______ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #14687 from articles/00108089 from sent14

Text  : W liście opublikowanym przez Kanał Pierwszy Depardieu wyznaje też ,  że Moskwa jest dla niego "  zbyt wielką metropolią "  ,  i  że woli wieś ,  a  w  Rosji "  zna cudowne miejsca "  .
Tokens: 1 2_____ 3____________ 4____ 5____ 6_______ 7________ 8______ 9__ 10 11 12____ 13__ 14_ 15___ 16 17__ 18____ 19________ 20 21 22 23 24__ 25__ 26 27 28 29___ 30 31_ 32_____ 33_____ 34 35

Chunks:
  TruePositive nam [12,12] = Moskwa
  TruePositive nam [29,29] = Rosji
  FalsePositive nam [5,7] = Kanał Pierwszy Depardieu
  FalseNegative nam [5,6] = Kanał Pierwszy
  FalseNegative nam [7,7] = Depardieu

(ChunkerEvaluator) Sentence #14688 from articles/00108089 from sent15

Text  : Zapewnia , że ma zamiar uczyć się rosyjskiego " .
Tokens: 1_______ 2 3_ 4_ 5_____ 6____ 7__ 8__________ 9 10

Chunks:

(ChunkerEvaluator) Sentence #14689 from articles/00108089 from sent16

Text  : List kończy się słowami " Sława Rossii ! " (  chwała Rosji !  )  i  "  Spasibo !  "  (  dziękuję )  .
Tokens: 1___ 2_____ 3__ 4______ 5 6____ 7_____ 8 9 10 11____ 12___ 13 14 15 16 17_____ 18 19 20 21______ 22 23

Chunks:
  TruePositive nam [12,12] = Rosji
  FalsePositive nam [6,8] = Sława Rossii !
  FalsePositive nam [16,18] = " Spasibo !
  FalseNegative nam [7,7] = Rossii

(ChunkerEvaluator) Sentence #14690 from articles/00108089 from sent17

Text  : Na stronie internetowej Putina opublikowany został w czwartek dekret ,  w  którym prezydent przyznaje Depardieu obywatelstwo rosyjskie .
Tokens: 1_ 2______ 3___________ 4_____ 5___________ 6_____ 7 8_______ 9_____ 10 11 12____ 13_______ 14_______ 15_______ 16__________ 17_______ 18

Chunks:
  TruePositive nam [4,4] = Putina
  TruePositive nam [15,15] = Depardieu

(ChunkerEvaluator) Sentence #14691 from articles/00108089 from sent18

Text  : Następnie rzecznik prezydenta Dmitrij Pieskow wyjaśnił , że Depardieu zasłużył się dla kultury i  kinematografii rosyjskiej .
Tokens: 1________ 2_______ 3_________ 4______ 5______ 6_______ 7 8_ 9________ 10______ 11_ 12_ 13_____ 14 15____________ 16________ 17

Chunks:
  TruePositive nam [4,5] = Dmitrij Pieskow
  TruePositive nam [9,9] = Depardieu

(ChunkerEvaluator) Sentence #14692 from articles/00108089 from sent19

Text  : 20 grudnia Putin na dorocznej konferencji prasowej oświadczył , że jest gotów przyznać aktorowi rosyjski paszport ,  jeżeli ten wyrazi takie życzenie .
Tokens: 1_ 2______ 3____ 4_ 5________ 6__________ 7_______ 8_________ 9 10 11__ 12___ 13______ 14______ 15______ 16______ 17 18____ 19_ 20____ 21___ 22______ 23

Chunks:
  TruePositive nam [3,3] = Putin

(ChunkerEvaluator) Sentence #14693 from articles/00108089 from sent20

Text  : " Mamy z nim bardzo dobre stosunki " - zapewnił .
Tokens: 1 2___ 3 4__ 5_____ 6____ 7_______ 8 9 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #14694 from articles/00108089 from sent21

Text  : Depardieu często bywa w Rosji na festiwalach filmowych , m  .  in .  jako członek jury festiwalu w  Moskwie ,  i  na wielu innych imprezach z  udziałem celebrytów .
Tokens: 1________ 2_____ 3___ 4 5____ 6_ 7__________ 8________ 9 10 11 12 13 14__ 15_____ 16__ 17_______ 18 19_____ 20 21 22 23___ 24____ 25_______ 26 27______ 28________ 29

Chunks:
  TruePositive nam [1,1] = Depardieu
  TruePositive nam [5,5] = Rosji
  TruePositive nam [19,19] = Moskwie

(ChunkerEvaluator) Sentence #14695 from articles/00108089 from sent22

Text  : Wystąpił też w kilku reklamach - m . in .  jednego z  banków ,  keczupu oraz sklepu spożywczego .
Tokens: 1_______ 2__ 3 4____ 5________ 6 7 8 9_ 10 11_____ 12 13____ 14 15_____ 16__ 17____ 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #14696 from articles/00108089 from sent23

Text  : Dzień po Putinie premier Dmitrij Miedwiediew zaprosił francuskiego gwiazdora do Rosji ,  zapewniając ,  że jej władze nie zamierzają zmieniać podatku dochodowego wynoszącego 13 proc .
Tokens: 1____ 2_ 3______ 4______ 5______ 6__________ 7_______ 8___________ 9________ 10 11___ 12 13_________ 14 15 16_ 17____ 18_ 19________ 20______ 21_____ 22_________ 23_________ 24 25__ 26

Chunks:
  TruePositive nam [3,3] = Putinie
  TruePositive nam [5,6] = Dmitrij Miedwiediew
  TruePositive nam [11,11] = Rosji

(ChunkerEvaluator) Sentence #14697 from articles/00108089 from sent24

Text  : " Le Monde " informował wówczas , że Depardieu rozpatruje możliwość przyjęcia obywatelstwa rosyjskiego ,  czarnogórskiego lub belgijskiego .
Tokens: 1 2_ 3____ 4 5_________ 6______ 7 8_ 9________ 10________ 11_______ 12_______ 13__________ 14_________ 15 16_____________ 17_ 18__________ 19

Chunks:
  TruePositive nam [2,3] = Le Monde
  TruePositive nam [9,9] = Depardieu

(ChunkerEvaluator) Sentence #14698 from articles/00108089 from sent25

Text  : W czwartek dziennik przypomniał , że aktor w gronie bliskich przyjaciół miał powiedzieć ,  jeszcze przed publiczną deklaracją rosyjskiego prezydenta ,  że "  Putin przysłał mu paszport "  .
Tokens: 1 2_______ 3_______ 4__________ 5 6_ 7____ 8 9_____ 10______ 11________ 12__ 13________ 14 15_____ 16___ 17_______ 18________ 19_________ 20________ 21 22 23 24___ 25______ 26 27______ 28 29

Chunks:
  TruePositive nam [24,24] = Putin

(ChunkerEvaluator) Sentence #14699 from articles/00108089 from sent26

Text  : Gazeta wypomina też w czwartek Depardieu kontakty z autorytarnymi przywódcami na obszarze byłego ZSRR .
Tokens: 1_____ 2_______ 3__ 4 5_______ 6________ 7_______ 8 9____________ 10_________ 11 12______ 13____ 14__ 15

Chunks:
  TruePositive nam [6,6] = Depardieu
  TruePositive nam [14,14] = ZSRR

(ChunkerEvaluator) Sentence #14700 from articles/00108089 from sent27

Text  : Między innymi jego zeszłoroczną wizytę w Czeczenii i publiczne pochwały pod adresem tamtejszego prezydenta Ramzana Kadyrowa .
Tokens: 1_____ 2_____ 3___ 4___________ 5_____ 6 7________ 8 9________ 10______ 11_ 12_____ 13_________ 14________ 15_____ 16______ 17

Chunks:
  TruePositive nam [7,7] = Czeczenii
  TruePositive nam [15,16] = Ramzana Kadyrowa

(ChunkerEvaluator) Sentence #14701 from articles/00108089 from sent28

Text  : 63 - letni Depardieu , jeden z najlepiej opłacanych aktorów nad Sekwaną ,  oświadczył tuż przed Nowym Rokiem ,  że orzeczenie francuskiej Rady Konstytucyjnej ,  która uchyliła projekt ustawy nakazującej najbogatszym Francuzom płacenie 75 -  procentowego podatku ,  nie zmieni jego decyzji o  wyjeździe z  ojczyzny .
Tokens: 1_ 2 3____ 4________ 5 6____ 7 8________ 9_________ 10_____ 11_ 12_____ 13 14________ 15_ 16___ 17___ 18____ 19 20 21________ 22_________ 23__ 24____________ 25 26___ 27______ 28_____ 29____ 30_________ 31__________ 32_______ 33______ 34 35 36__________ 37_____ 38 39_ 40____ 41__ 42_____ 43 44_______ 45 46______ 47

Chunks:
  TruePositive nam [4,4] = Depardieu
  TruePositive nam [12,12] = Sekwaną
  TruePositive nam [17,18] = Nowym Rokiem
  TruePositive nam [23,24] = Rady Konstytucyjnej
  TruePositive nam [32,32] = Francuzom

(ChunkerEvaluator) Sentence #14702 from articles/00108089 from sent29

Text  : Kilka tygodni temu Depardieu przeprowadził się do Belgii , aby uchronić się przed wysokimi podatkami ,  i  jest od niedawna zameldowany w  wiosce Nechin tuż przy granicy z  Francją .
Tokens: 1____ 2______ 3___ 4________ 5____________ 6__ 7_ 8_____ 9 10_ 11______ 12_ 13___ 14______ 15_______ 16 17 18__ 19 20______ 21_________ 22 23____ 24____ 25_ 26__ 27_____ 28 29_____ 30

Chunks:
  TruePositive nam [4,4] = Depardieu
  TruePositive nam [8,8] = Belgii
  TruePositive nam [29,29] = Francją

(ChunkerEvaluator) Sentence #14703 from articles/00108089 from sent30

Text  : W połowie grudnia Depardieu powiedział , że zamierza oddać paszport francuski i  rozważa przyjęcie obywatelstwa belgijskiego .
Tokens: 1 2______ 3______ 4________ 5_________ 6 7_ 8_______ 9____ 10______ 11_______ 12 13_____ 14_______ 15__________ 16__________ 17

Chunks:
  TruePositive nam [4,4] = Depardieu

(ChunkerEvaluator) Sentence #14704 from articles/00108089 from sent31

Text  : Francuski rząd ogłosił , że nadal zamierza forsować wysoki podatek dla osób zarabiających ponad milion euro rocznie ,  podejmując działania dostosowujące projekt ustawy do konstytucji .
Tokens: 1________ 2___ 3______ 4 5_ 6____ 7_______ 8_______ 9_____ 10_____ 11_ 12__ 13___________ 14___ 15____ 16__ 17_____ 18 19________ 20_______ 21___________ 22_____ 23____ 24 25_________ 26

Chunks:
  TruePositive nam [16,16] = euro

(ChunkerEvaluator) Sentence #14705 from articles/00108089 from sent32

Text  : Chociaż planowany podatek miał mieć przede wszystkim symboliczne znaczenie i  dotyczył tylko kilku tysięcy najbogatszych podatników ,  nowa stawka była szokiem dla zagranicznych inwestorów i  wywołała żywą polemikę we Francji .
Tokens: 1______ 2________ 3______ 4___ 5___ 6_____ 7________ 8__________ 9________ 10 11______ 12___ 13___ 14_____ 15___________ 16________ 17 18__ 19____ 20__ 21_____ 22_ 23___________ 24________ 25 26______ 27__ 28______ 29 30_____ 31

Chunks:
  TruePositive nam [30,30] = Francji

(ChunkerEvaluator) Sentence #14706 from articles/00108089 from sent33

Text  : Rząd liczył na dodatkowe wpływy do budżetu w wysokości 300 mln euro rocznie .
Tokens: 1___ 2_____ 3_ 4________ 5_____ 6_ 7______ 8 9________ 10_ 11_ 12__ 13_____ 14

Chunks:
  TruePositive nam [12,12] = euro

2016-10-27 15:00:27,457 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 644 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108090.xml
(ChunkerEvaluator) Sentence #14707 from articles/00108090 from sent1

Text  : Ford Germaz Ekstraklasa .
Tokens: 1___ 2_____ 3__________ 4

Chunks:
  FalsePositive nam [1,3] = Ford Germaz Ekstraklasa
  FalseNegative nam [1,2] = Ford Germaz

(ChunkerEvaluator) Sentence #14708 from articles/00108090 from sent2

Text  : Lider w Pabianicach , Widzew z Liderem
Tokens: 1____ 2 3__________ 4 5_____ 6 7______

Chunks:
  TruePositive nam [3,3] = Pabianicach
  TruePositive nam [5,5] = Widzew
  TruePositive nam [7,7] = Liderem
  FalseNegative nam [1,1] = Lider

(ChunkerEvaluator) Sentence #14709 from articles/00108090 from sent3

Text  : Po noworocznej przerwie koszykarki Widzew i PTK Pabianice wracają na boiska .
Tokens: 1_ 2__________ 3_______ 4_________ 5_____ 6 7__ 8________ 9______ 10 11____ 12

Chunks:
  TruePositive nam [5,5] = Widzew
  TruePositive nam [7,8] = PTK Pabianice

(ChunkerEvaluator) Sentence #14710 from articles/00108090 from sent4

Text  : W niedzielę o godz . 17 . 45 w nowej hali w  Pabianicach podopieczne trenerki Edyty Koryzny będą podejmować CCC Polkowice .
Tokens: 1 2________ 3 4___ 5 6_ 7 8_ 9 10___ 11__ 12 13_________ 14_________ 15______ 16___ 17_____ 18__ 19________ 20_ 21_______ 22

Chunks:
  TruePositive nam [13,13] = Pabianicach
  TruePositive nam [16,17] = Edyty Koryzny
  TruePositive nam [20,21] = CCC Polkowice

(ChunkerEvaluator) Sentence #14711 from articles/00108090 from sent5

Text  : Do tej pory rywalki przegrały zaledwie jedno spotkanie , a  pabianiczanki -  wszystkie 12 .
Tokens: 1_ 2__ 3___ 4______ 5________ 6_______ 7____ 8________ 9 10 11___________ 12 13_______ 14 15

Chunks:
  FalseNegative nam [11,11] = pabianiczanki

(ChunkerEvaluator) Sentence #14712 from articles/00108090 from sent6

Text  : W pierwszym meczu CCC pokonało u siebie PTK 89 :  39 ,  dlatego w  rewanżu trudno spodziewać się niespodzianki .
Tokens: 1 2________ 3____ 4__ 5_______ 6 7_____ 8__ 9_ 10 11 12 13_____ 14 15_____ 16____ 17________ 18_ 19___________ 20

Chunks:
  TruePositive nam [8,8] = PTK
  FalseNegative nam [4,4] = CCC

(ChunkerEvaluator) Sentence #14713 from articles/00108090 from sent7

Text  : Tym bardziej że pabianiczanki nadal muszą grać bez swojej najlepszej zawodniczki Moniki Jasnowskiej ,  która przechodzi rehabilitację po operacji .
Tokens: 1__ 2_______ 3_ 4____________ 5____ 6____ 7___ 8__ 9_____ 10________ 11_________ 12____ 13_________ 14 15___ 16________ 17___________ 18 19______ 20

Chunks:
  TruePositive nam [12,13] = Moniki Jasnowskiej
  FalseNegative nam [4,4] = pabianiczanki

(ChunkerEvaluator) Sentence #14714 from articles/00108090 from sent8

Text  : Widzewianki czeka z kolei spotkanie w Pruszkowie z Liderem ,  który wygrał siedem z  13 spotkań .
Tokens: 1__________ 2____ 3 4____ 5________ 6 7_________ 8 9______ 10 11___ 12____ 13____ 14 15 16_____ 17

Chunks:
  TruePositive nam [7,7] = Pruszkowie
  TruePositive nam [9,9] = Liderem
  FalseNegative nam [1,1] = Widzewianki

(ChunkerEvaluator) Sentence #14715 from articles/00108090 from sent9

Text  : Podopieczne Ryszarda Andrzejczaka mają gorszy bilans meczowy ( 1 -  11 )  ,  dlatego drużyna byłego trenera ŁKS Adama Prabuckiego znów będzie faworytem .
Tokens: 1__________ 2_______ 3___________ 4___ 5_____ 6_____ 7______ 8 9 10 11 12 13 14_____ 15_____ 16____ 17_____ 18_ 19___ 20_________ 21__ 22____ 23_______ 24

Chunks:
  TruePositive nam [2,3] = Ryszarda Andrzejczaka
  TruePositive nam [18,18] = ŁKS
  TruePositive nam [19,20] = Adama Prabuckiego

(ChunkerEvaluator) Sentence #14716 from articles/00108090 from sent10

Text  : - Trudno liczyć na sprawienie niespodzianki , skoro nasza liderka Leona Jankowska od kilku dni nie ćwiczy z  drużyną z  powodu choroby -  tłumaczy szkoleniowiec Widzewa .
Tokens: 1 2_____ 3_____ 4_ 5_________ 6____________ 7 8____ 9____ 10_____ 11___ 12_______ 13 14___ 15_ 16_ 17____ 18 19_____ 20 21____ 22_____ 23 24______ 25___________ 26_____ 27

Chunks:
  TruePositive nam [11,12] = Leona Jankowska
  TruePositive nam [26,26] = Widzewa

(ChunkerEvaluator) Sentence #14717 from articles/00108090 from sent11

Text  : Spotkanie w Pruszkowie rozpocznie się o godz . 18 .
Tokens: 1________ 2 3_________ 4_________ 5__ 6 7___ 8 9_ 10

Chunks:
  TruePositive nam [3,3] = Pruszkowie

(ChunkerEvaluator) Sentence #14718 from articles/00108090 from sent12

Text  : W pierwszej lidze kobiet Basket Aleksandrów zagra na wyjeździe z  najsłabszą drużyną w  tabeli JAS Sosnowiec .
Tokens: 1 2________ 3____ 4_____ 5_____ 6__________ 7____ 8_ 9________ 10 11________ 12_____ 13 14____ 15_ 16_______ 17

Chunks:
  TruePositive nam [5,6] = Basket Aleksandrów
  TruePositive nam [15,16] = JAS Sosnowiec

(ChunkerEvaluator) Sentence #14719 from articles/00108090 from sent13

Text  : Z kolei drugoligowe koszykarki ŁKS w sobotę o godz .  17 .  30 w  hali przy al .  Unii zmierzą się z  Huraganem Wołomin .
Tokens: 1 2____ 3__________ 4_________ 5__ 6 7_____ 8 9___ 10 11 12 13 14 15__ 16__ 17 18 19__ 20_____ 21_ 22 23_______ 24_____ 25

Chunks:
  TruePositive nam [5,5] = ŁKS
  TruePositive nam [23,24] = Huraganem Wołomin
  FalseNegative nam [19,19] = Unii

2016-10-27 15:00:27,523 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 645 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108091.xml
(ChunkerEvaluator) Sentence #14720 from articles/00108091 from sent1

Text  : ” Dlaczego miasto traktuje nas tak źle ? ”
Tokens: 1 2_______ 3_____ 4_______ 5__ 6__ 7__ 8 9

Chunks:

(ChunkerEvaluator) Sentence #14721 from articles/00108091 from sent2

Text  : LIST
Tokens: 1___

Chunks:
  FalsePositive nam [1,1] = LIST

(ChunkerEvaluator) Sentence #14722 from articles/00108091 from sent3

Text  : - Biletomat musi być już nieczynny na tyle długo ,  że ktoś go opatrzył nawet informującym o  tym napisem .
Tokens: 1 2________ 3___ 4__ 5__ 6________ 7_ 8___ 9____ 10 11 12__ 13 14______ 15___ 16__________ 17 18_ 19_____ 20

Chunks:

(ChunkerEvaluator) Sentence #14723 from articles/00108091 from sent4

Text  : Postanowiła m go sfotografować , aby mieć jakiś dowód w  razie kontroli -  czytelniczka opisuje swoje przejścia przy poszukiwaniu sieciówki
Tokens: 1__________ 2 3_ 4____________ 5 6__ 7___ 8____ 9____ 10 11___ 12______ 13 14__________ 15_____ 16___ 17_______ 18__ 19__________ 20_______

Chunks:

(ChunkerEvaluator) Sentence #14724 from articles/00108091 from sent5

Text  : Piszę w sprawie kondycji MPK i ZTM w Poznaniu .
Tokens: 1____ 2 3______ 4_______ 5__ 6 7__ 8 9_______ 10

Chunks:
  TruePositive nam [5,5] = MPK
  TruePositive nam [7,7] = ZTM
  TruePositive nam [9,9] = Poznaniu

(ChunkerEvaluator) Sentence #14725 from articles/00108091 from sent6

Text  : Wprawdzie zerknęła m na stronę poznańskiej „ Gazety ” i  zauważyła m  tam już kilka listów od zirytowanych pasażerów ,  ale postanowiła m  dorzucić swoje trzy grosze .
Tokens: 1________ 2_______ 3 4_ 5_____ 6__________ 7 8_____ 9 10 11_______ 12 13_ 14_ 15___ 16____ 17 18__________ 19_______ 20 21_ 22_________ 23 24______ 25___ 26__ 27____ 28

Chunks:
  TruePositive nam [8,8] = Gazety

(ChunkerEvaluator) Sentence #14726 from articles/00108091 from sent7

Text  : W poszukiwaniu sieciówki
Tokens: 1 2___________ 3________

Chunks:

(ChunkerEvaluator) Sentence #14727 from articles/00108091 from sent8

Text  : Dzisiaj , a więc 7 stycznia , wczesnym popołudniem postanowiła m  po drodze do domu załadować swoją kartę miejską -  żeby nie korzystać już z  tych nowych ,  drogich biletów jednorazowych ,  a  skorzystać z  nowej ,  drogiej sieciówki .
Tokens: 1______ 2 3 4___ 5 6_______ 7 8_______ 9__________ 10_________ 11 12 13____ 14 15__ 16_______ 17___ 18___ 19_____ 20 21__ 22_ 23_______ 24_ 25 26__ 27____ 28 29_____ 30_____ 31___________ 32 33 34________ 35 36___ 37 38_____ 39_______ 40

Chunks:

(ChunkerEvaluator) Sentence #14728 from articles/00108091 from sent9

Text  : W tym celu udała m się na przystanek tramwajowy Dworzec PKS ,  gdzie niestety poważnie się zawiodła m  ,  bo biletomat był nieczynny i  uszkodzony -  powitał mnie taki widok jak na załączonym zdjęciu [  zdjęcie czytelniczki załączamy powyżej -  red .  ]
Tokens: 1 2__ 3___ 4____ 5 6__ 7_ 8_________ 9_________ 10_____ 11_ 12 13___ 14______ 15______ 16_ 17______ 18 19 20 21_______ 22_ 23_______ 24 25________ 26 27_____ 28__ 29__ 30___ 31_ 32 33________ 34_____ 35 36_____ 37__________ 38_______ 39_____ 40 41_ 42 43

Chunks:
  TruePositive nam [10,11] = Dworzec PKS

(ChunkerEvaluator) Sentence #14729 from articles/00108091 from sent10

Text  : Biletomat musi być już nieczynny na tyle długo , że ktoś go opatrzył nawet informującym o  tym napisem .
Tokens: 1________ 2___ 3__ 4__ 5________ 6_ 7___ 8____ 9 10 11__ 12 13______ 14___ 15__________ 16 17_ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #14730 from articles/00108091 from sent11

Text  : Postanowiła m go sfotografować , aby mieć jakiś dowód w  razie kontroli .
Tokens: 1__________ 2 3_ 4____________ 5 6__ 7___ 8____ 9____ 10 11___ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #14731 from articles/00108091 from sent12

Text  : Na szczęście kontrolerzy nie pojawili się aż do Ronda Rataje ,  gdzie wysiadła m  w  nadziei ,  że uda mi się tam załadować kartę .
Tokens: 1_ 2________ 3__________ 4__ 5_______ 6__ 7_ 8_ 9____ 10____ 11 12___ 13______ 14 15 16_____ 17 18 19_ 20 21_ 22_ 23_______ 24___ 25

Chunks:
  TruePositive nam [9,10] = Ronda Rataje

(ChunkerEvaluator) Sentence #14732 from articles/00108091 from sent13

Text  : Niestety , biletomat na Rondzie również był nieczynny , o  czym zaświadcza drugie załączone zdjęcie .
Tokens: 1_______ 2 3________ 4_ 5______ 6______ 7__ 8________ 9 10 11__ 12________ 13____ 14_______ 15_____ 16

Chunks:
  TruePositive nam [5,5] = Rondzie

(ChunkerEvaluator) Sentence #14733 from articles/00108091 from sent14

Text  : Pomocny napis na wyświetlaczu zachęcał mnie do udania się na AWF bądź Kórnicką .
Tokens: 1______ 2____ 3_ 4___________ 5_______ 6___ 7_ 8_____ 9__ 10 11_ 12__ 13______ 14

Chunks:
  TruePositive nam [11,11] = AWF
  TruePositive nam [13,13] = Kórnicką

(ChunkerEvaluator) Sentence #14734 from articles/00108091 from sent15

Text  : Zignorowała m go i skierowała m się do kiosku Ruchu ,  gdzie zwykle kupuję bilety ,  ale i  tam czekała niemiła niespodzianka :  sprzedawczyni poinformowała mnie ,  że system ładowania biletów nie działa jej od pół godziny i  wszystkich pasażerów MPK musi odsyłać z  kwitkiem !
Tokens: 1__________ 2 3_ 4 5_________ 6 7__ 8_ 9_____ 10___ 11 12___ 13____ 14____ 15____ 16 17_ 18 19_ 20_____ 21_____ 22___________ 23 24___________ 25___________ 26__ 27 28 29____ 30_______ 31_____ 32_ 33____ 34_ 35 36_ 37_____ 38 39________ 40_______ 41_ 42__ 43_____ 44 45______ 46

Chunks:
  TruePositive nam [10,10] = Ruchu
  TruePositive nam [41,41] = MPK

(ChunkerEvaluator) Sentence #14735 from articles/00108091 from sent16

Text  : Nie zostało mi nic innego , jak skierować się do punktu sprzedaży biletów na dworcu autobusowym Rataje ,  tak jak wszystkich pozostałych chętnych na nowe bilety ,  co oznaczało wielkie kolejki .
Tokens: 1__ 2______ 3_ 4__ 5_____ 6 7__ 8________ 9__ 10 11____ 12_______ 13_____ 14 15____ 16_________ 17____ 18 19_ 20_ 21________ 22_________ 23______ 24 25__ 26____ 27 28 29_______ 30_____ 31_____ 32

Chunks:
  TruePositive nam [17,17] = Rataje

(ChunkerEvaluator) Sentence #14736 from articles/00108091 from sent17

Text  : Dlaczego miasto traktuje nas tak źle ?
Tokens: 1_______ 2_____ 3_______ 4__ 5__ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #14737 from articles/00108091 from sent18

Text  : W takim razie kreuje się pytanie : jak to możliwe ,  że miasto forsuje cały czas nowe podwyżki ,  a  nie wymaga od ZTM odpowiedniej infrastruktury ?
Tokens: 1 2____ 3____ 4_____ 5__ 6______ 7 8__ 9_ 10_____ 11 12 13____ 14_____ 15__ 16__ 17__ 18______ 19 20 21_ 22____ 23 24_ 25__________ 26____________ 27

Chunks:
  TruePositive nam [24,24] = ZTM

(ChunkerEvaluator) Sentence #14738 from articles/00108091 from sent19

Text  : W niewielu autobusach i tramwajach są biletomaty , te na przystankach -  wiecznie popsute ,  w  kioskach trudno jest kupić odpowiednie bilety ,  natomiast system płatności elektronicznej jest skomplikowany i  wymaga dużo zachodu !
Tokens: 1 2_______ 3_________ 4 5_________ 6_ 7_________ 8 9_ 10 11__________ 12 13______ 14_____ 15 16 17______ 18____ 19__ 20___ 21_________ 22____ 23 24_______ 25____ 26_______ 27____________ 28__ 29___________ 30 31____ 32__ 33_____ 34

Chunks:

(ChunkerEvaluator) Sentence #14739 from articles/00108091 from sent20

Text  : Na domiar złego jakość usług wyraźnie spadła , tramwaje i  autobusy jeżdżą nieregularnie ,  są zatłoczone ,  powolne ,  opóźnione ,  często wypadają z  rozkładu ,  na dodatek od początku stycznia rozkopano Most Dworcowy i  nawet ta trasa jest teraz zakorkowana !
Tokens: 1_ 2_____ 3____ 4_____ 5____ 6_______ 7_____ 8 9_______ 10 11______ 12____ 13___________ 14 15 16________ 17 18_____ 19 20_______ 21 22____ 23______ 24 25______ 26 27 28_____ 29 30______ 31______ 32_______ 33__ 34______ 35 36___ 37 38___ 39__ 40___ 41_________ 42

Chunks:
  TruePositive nam [33,34] = Most Dworcowy

(ChunkerEvaluator) Sentence #14740 from articles/00108091 from sent21

Text  : Rozumiem , że koszty eksploatacji komunikacji wzrastają , że trasy trzeba wyremontować ,  ale dlaczego odbywa się to tylko kosztem pasażerów ?
Tokens: 1_______ 2 3_ 4_____ 5___________ 6__________ 7________ 8 9_ 10___ 11____ 12__________ 13 14_ 15______ 16____ 17_ 18 19___ 20_____ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #14741 from articles/00108091 from sent22

Text  : Czy nikt z decydentów nie potrafi zrozumieć , że mieszkańcy Poznania ,  którzy płacą coraz więcej i  za to dostają coraz mniej i  coraz gorzej ,  stają się sfrustrowani ?
Tokens: 1__ 2___ 3 4_________ 5__ 6______ 7________ 8 9_ 10________ 11______ 12 13____ 14___ 15___ 16____ 17 18 19 20_____ 21___ 22___ 23 24___ 25____ 26 27___ 28_ 29__________ 30

Chunks:
  TruePositive nam [11,11] = Poznania

(ChunkerEvaluator) Sentence #14742 from articles/00108091 from sent23

Text  : Nie każdy posiada samochód , a poza tym miasto chyba powinno zachęcać do przesiadania się na komunikację miejską ,  a  nie jeżdżenie wszędzie smrodliwym ,  drogim pojazdem ,  nieprawdaż ?
Tokens: 1__ 2____ 3______ 4_______ 5 6 7___ 8__ 9_____ 10___ 11_____ 12______ 13 14__________ 15_ 16 17_________ 18_____ 19 20 21_ 22_______ 23______ 24________ 25 26____ 27______ 28 29________ 30

Chunks:

(ChunkerEvaluator) Sentence #14743 from articles/00108091 from sent24

Text  : Rower również nie jest rozwiązaniem , bo nie dość ,  że w  miesiącach zimowych trudno jest się nim poruszać ,  to tutaj również brak odpowiedniej infrastruktury -  a  rowerzyści nie chcą codziennie narażać życia ,  przebijając się przez miasto po drogach .  .  .
Tokens: 1____ 2______ 3__ 4___ 5___________ 6 7_ 8__ 9___ 10 11 12 13________ 14______ 15____ 16__ 17_ 18_ 19______ 20 21 22___ 23_____ 24__ 25__________ 26____________ 27 28 29________ 30_ 31__ 32________ 33_____ 34___ 35 36_________ 37_ 38___ 39____ 40 41_____ 42 43 44

Chunks:

(ChunkerEvaluator) Sentence #14744 from articles/00108091 from sent25

Text  : Dlaczego miasto tak źle traktuje swoich mieszkańców ?
Tokens: 1_______ 2_____ 3__ 4__ 5_______ 6_____ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #14745 from articles/00108091 from sent26

Text  : Przenieść się do Gdyni ?
Tokens: 1________ 2__ 3_ 4____ 5

Chunks:
  TruePositive nam [4,4] = Gdyni

(ChunkerEvaluator) Sentence #14746 from articles/00108091 from sent27

Text  : Nie urodziła m się w Poznaniu - pochodzę z Gdyni ,  a  przeprowadziła m  się tutaj na studia i  została m  ,  bo pokochała m  Poznań .
Tokens: 1__ 2_______ 3 4__ 5 6_______ 7 8_______ 9 10___ 11 12 13____________ 14 15_ 16___ 17 18____ 19 20_____ 21 22 23 24_______ 25 26____ 27

Chunks:
  TruePositive nam [6,6] = Poznaniu
  TruePositive nam [10,10] = Gdyni
  TruePositive nam [26,26] = Poznań

(ChunkerEvaluator) Sentence #14747 from articles/00108091 from sent28

Text  : Nie rozumiem , dlaczego to miasto - a właściwie jego decydenci -  tak uparcie chcą przekonać mnie do powrotu do Trójmiasta ,  gdzie komfort życia jest nieporównanie wyższy .
Tokens: 1__ 2_______ 3 4_______ 5_ 6_____ 7 8 9________ 10__ 11_______ 12 13_ 14_____ 15__ 16_______ 17__ 18 19_____ 20 21________ 22 23___ 24_____ 25___ 26__ 27___________ 28____ 29

Chunks:
  FalsePositive nam [21,21] = Trójmiasta
  FalseNegative nam [21,22] = Trójmiasta ,

(ChunkerEvaluator) Sentence #14748 from articles/00108091 from sent29

Text  : Nie wysyłam tej skargi do ZTM , ponieważ dwa miesiące temu napisała m  podobną i  nie dostała m  żadnej odpowiedzi ,  kieruję się więc od razu do Państwa w  nadziei ,  że „  Gazeta ”  będzie podejmować ten temat tak długo ,  aż dokonają się jakieś zmiany .
Tokens: 1__ 2______ 3__ 4_____ 5_ 6__ 7 8_______ 9__ 10______ 11__ 12______ 13 14_____ 15 16_ 17_____ 18 19____ 20________ 21 22_____ 23_ 24__ 25 26__ 27 28_____ 29 30_____ 31 32 33 34____ 35 36____ 37________ 38_ 39___ 40_ 41___ 42 43 44______ 45_ 46____ 47____ 48

Chunks:
  TruePositive nam [6,6] = ZTM
  TruePositive nam [34,34] = Gazeta
  FalsePositive nam [28,28] = Państwa

(ChunkerEvaluator) Sentence #14749 from articles/00108091 from sent30

Text  : Z uszanowaniem , Anna Dąbkowska
Tokens: 1 2___________ 3 4___ 5________

Chunks:
  TruePositive nam [4,5] = Anna Dąbkowska

(ChunkerEvaluator) Sentence #14750 from articles/00108091 from sent31

Text  : * Tytuł i śródtytuły od redakcji
Tokens: 1 2____ 3 4_________ 5_ 6_______

Chunks:

2016-10-27 15:00:27,717 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 646 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108092.xml
(ChunkerEvaluator) Sentence #14751 from articles/00108092 from sent1

Text  : Oto pleśniak .
Tokens: 1__ 2_______ 3

Chunks:

(ChunkerEvaluator) Sentence #14752 from articles/00108092 from sent2

Text  : Prosty przepis na doskonałe ciasto sprzed lat
Tokens: 1_____ 2______ 3_ 4________ 5_____ 6_____ 7__

Chunks:

(ChunkerEvaluator) Sentence #14753 from articles/00108092 from sent3

Text  : Jakiś czas temu wpadł mi w ręce wielki segregator z  przepisami mojej mamy .
Tokens: 1____ 2___ 3___ 4____ 5_ 6 7___ 8_____ 9_________ 10 11________ 12___ 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #14754 from articles/00108092 from sent4

Text  : Wśród przepisów na ciasta o dziwnych nazwach typu pocałunek murzyna lub noc generała ,  znalazł em przepis na moje ulubione ciasto z  dzieciństwa
Tokens: 1____ 2________ 3_ 4_____ 5 6_______ 7______ 8___ 9________ 10_____ 11_ 12_ 13______ 14 15_____ 16 17_____ 18 19__ 20______ 21____ 22 23_________

Chunks:

(ChunkerEvaluator) Sentence #14755 from articles/00108092 from sent5

Text  : Pleśniak
Tokens: 1_______

Chunks:
  FalsePositive nam [1,1] = Pleśniak

(ChunkerEvaluator) Sentence #14756 from articles/00108092 from sent6

Text  : Przygotowanie :
Tokens: 1____________ 2

Chunks:

(ChunkerEvaluator) Sentence #14757 from articles/00108092 from sent7

Text  : Z wyżej wymienionych składników zagnieść ciasto , uformować wałek i  podzielić na 3  części .
Tokens: 1 2____ 3___________ 4_________ 5_______ 6_____ 7 8________ 9____ 10 11_______ 12 13 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #14758 from articles/00108092 from sent8

Text  : Białą , większą część , włożyć do blaszki i piec na jasno złoty kolor .
Tokens: 1____ 2 3______ 4____ 5 6_____ 7_ 8______ 9 10__ 11 12___ 13___ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #14759 from articles/00108092 from sent9

Text  : Do drugiej części ciasta dodać 3 łyżki kakao , zagnieść i  włożyć do zamrażalnika .
Tokens: 1_ 2______ 3_____ 4_____ 5____ 6 7____ 8____ 9 10______ 11 12____ 13 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #14760 from articles/00108092 from sent10

Text  : Trzecią część , bez kakao , też włożyć do zamrażalnika .
Tokens: 1______ 2____ 3 4__ 5____ 6 7__ 8_____ 9_ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #14761 from articles/00108092 from sent11

Text  : Na upieczony spód ciasta wyłożyć ulubiony dżem ( wiśnie ,  śliwki ,  czarna porzeczka )  i  otarty na grubej tarce kawałek ciasta z  kakao .
Tokens: 1_ 2________ 3___ 4_____ 5______ 6_______ 7___ 8 9_____ 10 11____ 12 13____ 14_______ 15 16 17____ 18 19____ 20___ 21_____ 22____ 23 24___ 25

Chunks:

(ChunkerEvaluator) Sentence #14762 from articles/00108092 from sent12

Text  : Na to wylać pianę ubitą z 4 białek , szklanki cukru i  łyżeczki mąki ziemniaczanej lub kisielu ,  piana będzie miała wtedy kolor kisielu .
Tokens: 1_ 2_ 3____ 4____ 5____ 6 7 8_____ 9 10______ 11___ 12 13______ 14__ 15___________ 16_ 17_____ 18 19___ 20____ 21___ 22___ 23___ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #14763 from articles/00108092 from sent13

Text  : Na to położyć starty na tarce kawałek zamrożonego ciasta bez kakao .
Tokens: 1_ 2_ 3______ 4_____ 5_ 6____ 7______ 8__________ 9_____ 10_ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #14764 from articles/00108092 from sent14

Text  : Piec około pół godziny w temp . ok . 180 st .  C  .  ,  aż ciasto będzie chrupiące ,  a  beza z  piany nie przypalona .
Tokens: 1___ 2____ 3__ 4______ 5 6___ 7 8_ 9 10_ 11 12 13 14 15 16 17____ 18____ 19_______ 20 21 22__ 23 24___ 25_ 26________ 27

Chunks:
  FalsePositive nam [13,14] = C .
  FalseNegative nam [13,13] = C

(ChunkerEvaluator) Sentence #14765 from articles/00108092 from sent15

Text  : Wierzch posypać cukrem pudrem lub wiórkami kokosowymi .
Tokens: 1______ 2______ 3_____ 4_____ 5__ 6_______ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #14766 from articles/00108092 from sent16

Text  : Smacznego !
Tokens: 1________ 2

Chunks:

2016-10-27 15:00:27,779 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 647 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108093.xml
(ChunkerEvaluator) Sentence #14767 from articles/00108093 from sent1

Text  : Marszałek lobbuje za zachodnią obwodnicą Szczecina .
Tokens: 1________ 2______ 3_ 4________ 5________ 6________ 7

Chunks:
  TruePositive nam [6,6] = Szczecina
  FalsePositive nam [1,1] = Marszałek

(ChunkerEvaluator) Sentence #14768 from articles/00108093 from sent2

Text  : Bez szans ?
Tokens: 1__ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #14769 from articles/00108093 from sent3

Text  : KOMENTARZ
Tokens: 1________

Chunks:
  FalsePositive nam [1,1] = KOMENTARZ

(ChunkerEvaluator) Sentence #14770 from articles/00108093 from sent4

Text  : Wniosek o włączenie zachodniej obwodnicy Szczecina do sieci dróg krajowych wyśle do ministra transportu ,  budownictwa i  gospodarki morskiej marszałek województwa .
Tokens: 1______ 2 3________ 4_________ 5________ 6________ 7_ 8____ 9___ 10_______ 11___ 12 13______ 14________ 15 16_________ 17 18________ 19______ 20_______ 21_________ 22

Chunks:
  TruePositive nam [6,6] = Szczecina

(ChunkerEvaluator) Sentence #14771 from articles/00108093 from sent5

Text  : Bez tego nie ma szans na jakiekolwiek pieniądze na tę inwestycję spoza budżetu regionu .
Tokens: 1__ 2___ 3__ 4_ 5____ 6_ 7___________ 8________ 9_ 10 11________ 12___ 13_____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #14772 from articles/00108093 from sent6

Text  : Decyzja w tej sprawie zapadła we wtorek .
Tokens: 1______ 2 3__ 4______ 5______ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #14773 from articles/00108093 from sent7

Text  : O zachodnim obejściu Szczecina mówi się od wielu lat .
Tokens: 1 2________ 3_______ 4________ 5___ 6__ 7_ 8____ 9__ 10

Chunks:
  TruePositive nam [4,4] = Szczecina

(ChunkerEvaluator) Sentence #14774 from articles/00108093 from sent8

Text  : Miało by biec od Kołbaskowa , przez Police , do Goleniowa .
Tokens: 1____ 2_ 3___ 4_ 5_________ 6 7____ 8_____ 9 10 11_______ 12

Chunks:
  TruePositive nam [5,5] = Kołbaskowa
  TruePositive nam [8,8] = Police
  TruePositive nam [11,11] = Goleniowa

(ChunkerEvaluator) Sentence #14775 from articles/00108093 from sent9

Text  : Głównym celem jest wyprowadzenie transportu z i do ZCh Police z  centrum Szczecina .
Tokens: 1______ 2____ 3___ 4____________ 5_________ 6 7 8_ 9__ 10____ 11 12_____ 13_______ 14

Chunks:
  TruePositive nam [9,10] = ZCh Police
  TruePositive nam [13,13] = Szczecina

(ChunkerEvaluator) Sentence #14776 from articles/00108093 from sent10

Text  : Zlecona przez konsorcjum gmin ze Szczecińskiego Obszaru Metropolitarnego „ Wstępna analiza etapowania budowy Zachodniego Drogowego Obejścia Miasta Szczecina ”  zakłada ,  że najpierw powstała by jedna jezdnia oraz tunel pod Odrą na wysokości Polic i  Świętej .
Tokens: 1______ 2____ 3_________ 4___ 5_ 6_____________ 7______ 8_______________ 9 10_____ 11_____ 12________ 13____ 14_________ 15_______ 16______ 17____ 18_______ 19 20_____ 21 22 23______ 24______ 25 26___ 27_____ 28__ 29___ 30_ 31__ 32 33_______ 34___ 35 36_____ 37

Chunks:
  TruePositive nam [6,8] = Szczecińskiego Obszaru Metropolitarnego
  TruePositive nam [31,31] = Odrą
  TruePositive nam [34,34] = Polic
  TruePositive nam [36,36] = Świętej
  FalsePositive nam [14,18] = Zachodniego Drogowego Obejścia Miasta Szczecina
  FalseNegative nam [18,18] = Szczecina

(ChunkerEvaluator) Sentence #14777 from articles/00108093 from sent11

Text  : Łącznie droga od Kołbaskowa do węzła Goleniów miała by 51 ,  6  km .
Tokens: 1______ 2____ 3_ 4_________ 5_ 6____ 7_______ 8____ 9_ 10 11 12 13 14

Chunks:
  TruePositive nam [4,4] = Kołbaskowa
  TruePositive nam [7,7] = Goleniów

(ChunkerEvaluator) Sentence #14778 from articles/00108093 from sent12

Text  : Koszt budowy takiej drogi z tunelem szacuje się na ponad 2  ,  27 mld zł .
Tokens: 1____ 2_____ 3_____ 4____ 5 6______ 7______ 8__ 9_ 10___ 11 12 13 14_ 15 16

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #14779 from articles/00108093 from sent13

Text  : Później miała by powstać druga jezdnia tak , by całość spełniała parametry drogi ekspresowej .
Tokens: 1______ 2____ 3_ 4______ 5____ 6______ 7__ 8 9_ 10____ 11_______ 12_______ 13___ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #14780 from articles/00108093 from sent14

Text  : Wówczas koszt wzrósł by do 4 mld zł .
Tokens: 1______ 2____ 3_____ 4_ 5_ 6 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #14781 from articles/00108093 from sent15

Text  : - Zdajemy sobie sprawę z tego , że mówimy o  projekcie wymagającym ogromnego nakładu finansowego oraz z  tego ,  że obecnie jest wiele pilniejszych zadań do realizacji ,  jak choćby dokończenie drogi S3 .
Tokens: 1 2______ 3____ 4_____ 5 6___ 7 8_ 9_____ 10 11_______ 12_________ 13_______ 14_____ 15_________ 16__ 17 18__ 19 20 21_____ 22__ 23___ 24__________ 25___ 26 27________ 28 29_ 30____ 31_________ 32___ 33 34

Chunks:
  FalseNegative nam [33,33] = S3

(ChunkerEvaluator) Sentence #14782 from articles/00108093 from sent16

Text  : Jednak zdecydowali śmy się zarekomendować panu ministrowi to zadanie ,  tak aby mogło być ujęte w  planowym procesie poszerzania sieci dróg krajowych -  komentuje marszałek województwa Olgierd Geblewicz .
Tokens: 1_____ 2__________ 3__ 4__ 5_____________ 6___ 7_________ 8_ 9______ 10 11_ 12_ 13___ 14_ 15___ 16 17______ 18______ 19_________ 20___ 21__ 22_______ 23 24_______ 25_______ 26_________ 27_____ 28_______ 29

Chunks:
  TruePositive nam [27,28] = Olgierd Geblewicz

(ChunkerEvaluator) Sentence #14783 from articles/00108093 from sent17

Text  : Wraz z decyzją zarządu województwa do wojewody zachodniopomorskiego zostanie skierowane pismo z  prośbą o  poparcie wniosku o  nadanie zachodniej obwodnicy Szczecina statusu drogi krajowej .
Tokens: 1___ 2 3______ 4______ 5__________ 6_ 7_______ 8___________________ 9_______ 10________ 11___ 12 13____ 14 15______ 16_____ 17 18_____ 19________ 20_______ 21_______ 22_____ 23___ 24______ 25

Chunks:
  TruePositive nam [21,21] = Szczecina
  FalseNegative nam [8,8] = zachodniopomorskiego

(ChunkerEvaluator) Sentence #14784 from articles/00108093 from sent18

Text  : Komentarz
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #14785 from articles/00108093 from sent19

Text  : Powstanie zachodniej obwodnicy zapewne uczyniło by życie w Szczecinie lżejszym .
Tokens: 1________ 2_________ 3________ 4______ 5_______ 6_ 7____ 8 9_________ 10______ 11

Chunks:
  TruePositive nam [9,9] = Szczecinie

(ChunkerEvaluator) Sentence #14786 from articles/00108093 from sent20

Text  : Czy jednak ma szansę na realizację ?
Tokens: 1__ 2_____ 3_ 4_____ 5_ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #14787 from articles/00108093 from sent21

Text  : W tej chwili żadnych .
Tokens: 1 2__ 3_____ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #14788 from articles/00108093 from sent22

Text  : Nawet jeśli droga zostanie wpisana do dokumentów , niczego to nie zmieni .
Tokens: 1____ 2____ 3____ 4_______ 5______ 6_ 7_________ 8 9______ 10 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #14789 from articles/00108093 from sent23

Text  : Program budowy dróg i autostrad do roku 2020 już jest pełny różnych ,  z  punku widzenia strategii kraju ,  o  wiele ważniejszych projektów .
Tokens: 1______ 2_____ 3___ 4 5________ 6_ 7___ 8___ 9__ 10__ 11___ 12_____ 13 14 15___ 16______ 17_______ 18___ 19 20 21___ 22__________ 23_______ 24

Chunks:

(ChunkerEvaluator) Sentence #14790 from articles/00108093 from sent24

Text  : Mniej ważne znalazły się na liście rezerwowej .
Tokens: 1____ 2____ 3_______ 4__ 5_ 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #14791 from articles/00108093 from sent25

Text  : Zachodnia obwodnica Szczecina w nomenklaturze drogowej na dziś nie istnieje .
Tokens: 1________ 2________ 3________ 4 5____________ 6_______ 7_ 8___ 9__ 10______ 11

Chunks:
  TruePositive nam [3,3] = Szczecina

(ChunkerEvaluator) Sentence #14792 from articles/00108093 from sent26

Text  : Kilka lat temu do sieci dróg krajowych wpisano tunelowe połączenie wysp Uznam i  Wolin (  droga nr 93 )  .
Tokens: 1____ 2__ 3___ 4_ 5____ 6___ 7________ 8______ 9_______ 10________ 11__ 12___ 13 14___ 15 16___ 17 18 19 20

Chunks:
  TruePositive nam [12,12] = Uznam
  TruePositive nam [14,14] = Wolin
  FalseNegative nam [18,18] = 93

(ChunkerEvaluator) Sentence #14793 from articles/00108093 from sent27

Text  : Inwestycję ważniejszą niż zachodnie obejście Szczecina .
Tokens: 1_________ 2_________ 3__ 4________ 5_______ 6________ 7

Chunks:
  TruePositive nam [6,6] = Szczecina

(ChunkerEvaluator) Sentence #14794 from articles/00108093 from sent28

Text  : Co to dało ?
Tokens: 1_ 2_ 3___ 4

Chunks:

(ChunkerEvaluator) Sentence #14795 from articles/00108093 from sent29

Text  : Nic !
Tokens: 1__ 2

Chunks:

(ChunkerEvaluator) Sentence #14796 from articles/00108093 from sent30

Text  : Pieniądze na budowę tunelu pod Świną trafiły do Gdańska .
Tokens: 1________ 2_ 3_____ 4_____ 5__ 6____ 7______ 8_ 9______ 10

Chunks:
  TruePositive nam [9,9] = Gdańska
  FalseNegative nam [6,6] = Świną

(ChunkerEvaluator) Sentence #14797 from articles/00108093 from sent31

Text  : Nie liczy się bowiem zapis w papierach , a siła politycznego wsparcia .
Tokens: 1__ 2____ 3__ 4_____ 5____ 6 7________ 8 9 10__ 11__________ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #14798 from articles/00108093 from sent32

Text  : A z tym - jak pokazują raporty - w Szczecinie mamy duże problemy .
Tokens: 1 2 3__ 4 5__ 6_______ 7______ 8 9 10________ 11__ 12__ 13______ 14

Chunks:
  TruePositive nam [10,10] = Szczecinie

(ChunkerEvaluator) Sentence #14799 from articles/00108093 from sent33

Text  : Mariusz Rabenda
Tokens: 1______ 2______

Chunks:
  TruePositive nam [1,2] = Mariusz Rabenda

2016-10-27 15:00:27,906 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 648 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108094.xml
(ChunkerEvaluator) Sentence #14800 from articles/00108094 from sent1

Text  : Śląskie .
Tokens: 1______ 2

Chunks:
  FalseNegative nam [1,1] = Śląskie

(ChunkerEvaluator) Sentence #14801 from articles/00108094 from sent2

Text  : Chcą aresztu podejrzewanego o zabójstwo , jest na Słowacji
Tokens: 1___ 2______ 3_____________ 4 5________ 6 7___ 8_ 9_______

Chunks:
  TruePositive nam [9,9] = Słowacji

(ChunkerEvaluator) Sentence #14802 from articles/00108094 from sent3

Text  : Bielska prokuratura okręgowa wystąpiła o Europejski Nakaz Aresztowania 33 -  letniego Aleksandra W  .  ,  który jest podejrzewany o  zabicie pod koniec grudnia w  Grodźcu (  Śląskie )  macochy i  ojca .
Tokens: 1______ 2__________ 3_______ 4________ 5 6_________ 7____ 8___________ 9_ 10 11______ 12________ 13 14 15 16___ 17__ 18__________ 19 20_____ 21_ 22____ 23_____ 24 25_____ 26 27_____ 28 29_____ 30 31__ 32

Chunks:
  TruePositive nam [12,14] = Aleksandra W .
  TruePositive nam [25,25] = Grodźcu
  TruePositive nam [27,27] = Śląskie
  FalsePositive nam [6,11] = Europejski Nakaz Aresztowania 33 - letniego
  FalseNegative nam [6,8] = Europejski Nakaz Aresztowania

(ChunkerEvaluator) Sentence #14803 from articles/00108094 from sent4

Text  : Prawdopodobnie jest na Słowacji .
Tokens: 1_____________ 2___ 3_ 4_______ 5

Chunks:
  TruePositive nam [4,4] = Słowacji

(ChunkerEvaluator) Sentence #14804 from articles/00108094 from sent5

Text  : Rzecznik prokuratury Małgorzata Borkowska powiedziała w środę PAP , że podejrzewany o  podwójne zabójstwo prawdopodobnie przebywa na Słowacji .
Tokens: 1_______ 2__________ 3_________ 4________ 5__________ 6 7____ 8__ 9 10 11__________ 12 13______ 14_______ 15____________ 16______ 17 18______ 19

Chunks:
  TruePositive nam [3,4] = Małgorzata Borkowska
  TruePositive nam [8,8] = PAP
  TruePositive nam [18,18] = Słowacji

(ChunkerEvaluator) Sentence #14805 from articles/00108094 from sent6

Text  : Tamtejsza policja zatrzymała mężczyznę bez dokumentów , który podał się za Aleksandra W  .  Jego tożsamość nie została na razie zweryfikowana .
Tokens: 1________ 2______ 3_________ 4________ 5__ 6_________ 7 8____ 9____ 10_ 11 12________ 13 14 15__ 16_______ 17_ 18_____ 19 20___ 21___________ 22

Chunks:
  FalsePositive nam [12,15] = Aleksandra W . Jego
  FalseNegative nam [12,14] = Aleksandra W .

(ChunkerEvaluator) Sentence #14806 from articles/00108094 from sent7

Text  : Zdaniem rzecznika bielskiego sądu okręgowego Jarosława Sablika wniosek prokuratury zostanie rozpatrzony w  czwartek .
Tokens: 1______ 2________ 3_________ 4___ 5_________ 6________ 7______ 8______ 9__________ 10______ 11_________ 12 13______ 14

Chunks:
  TruePositive nam [6,7] = Jarosława Sablika

(ChunkerEvaluator) Sentence #14807 from articles/00108094 from sent8

Text  : Jak powiedział , jeśli sąd wyda ENA , wówczas przekazany on zostanie do właściwego sądu na Słowacji ,  który podejmie decyzję o  ewentualnym aresztowaniu i  przekazaniu poszukiwanego Polsce .
Tokens: 1__ 2_________ 3 4____ 5__ 6___ 7__ 8 9______ 10________ 11 12______ 13 14________ 15__ 16 17______ 18 19___ 20______ 21_____ 22 23_________ 24__________ 25 26_________ 27___________ 28____ 29

Chunks:
  TruePositive nam [7,7] = ENA
  TruePositive nam [17,17] = Słowacji
  TruePositive nam [28,28] = Polsce

(ChunkerEvaluator) Sentence #14808 from articles/00108094 from sent9

Text  : Rodzinna tragedia wydarzyła się 28 grudnia ubiegłego roku .
Tokens: 1_______ 2_______ 3________ 4__ 5_ 6______ 7________ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #14809 from articles/00108094 from sent10

Text  : 33 - latek podejrzewany jest o zabicie 60 - letniego ojca i  63 -  letniej macochy w  prywatnym domu w  Grodźcu niedaleko Bielska -  Białej .
Tokens: 1_ 2 3____ 4___________ 5___ 6 7______ 8_ 9 10______ 11__ 12 13 14 15_____ 16_____ 17 18_______ 19__ 20 21_____ 22_______ 23_____ 24 25____ 26

Chunks:
  TruePositive nam [21,21] = Grodźcu
  TruePositive nam [23,25] = Bielska - Białej

(ChunkerEvaluator) Sentence #14810 from articles/00108094 from sent11

Text  : Studiująca w Krakowie córka ofiar powiadomiła policję , gdyż nie mogła się skontaktować z  rodzicami .
Tokens: 1_________ 2 3_______ 4____ 5____ 6__________ 7______ 8 9___ 10_ 11___ 12_ 13__________ 14 15_______ 16

Chunks:
  TruePositive nam [3,3] = Krakowie

(ChunkerEvaluator) Sentence #14811 from articles/00108094 from sent12

Text  : Podejrzewała , że doszło do tragedii .
Tokens: 1___________ 2 3_ 4_____ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #14812 from articles/00108094 from sent13

Text  : Do policjantów , którzy przyjechali na miejsce , ktoś zaczął strzelać z  wiatrówki .
Tokens: 1_ 2__________ 3 4_____ 5__________ 6_ 7______ 8 9___ 10____ 11______ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #14813 from articles/00108094 from sent14

Text  : Strzelający zdołał uciec .
Tokens: 1__________ 2_____ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #14814 from articles/00108094 from sent15

Text  : Po wejściu do budynku funkcjonariusze odkryli zwłoki małżonków z ranami zadanymi nożem .
Tokens: 1_ 2______ 3_ 4______ 5______________ 6______ 7_____ 8________ 9 10____ 11______ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #14815 from articles/00108094 from sent16

Text  : Ślady wskazywały , że doszło także do bójki .
Tokens: 1____ 2_________ 3 4_ 5_____ 6____ 7_ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #14816 from articles/00108094 from sent17

Text  : Zdaniem rzeczniczki prokuratury Małgorzaty Borkowskiej podejrzewany mężczyzna cierpi na zaburzenia psychiczne .
Tokens: 1______ 2__________ 3__________ 4_________ 5__________ 6___________ 7________ 8_____ 9_ 10________ 11________ 12

Chunks:
  TruePositive nam [4,5] = Małgorzaty Borkowskiej

(ChunkerEvaluator) Sentence #14817 from articles/00108094 from sent18

Text  : Prawdopodobnym motywem zbrodni był konflikt , który od dawana tlił się rodzinie .
Tokens: 1_____________ 2______ 3______ 4__ 5_______ 6 7____ 8_ 9_____ 10__ 11_ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #14818 from articles/00108094 from sent19

Text  : W przeszłości Aleksander W . trafił już przed sąd za znęcanie się nad bliskimi .
Tokens: 1 2__________ 3_________ 4 5 6_____ 7__ 8____ 9__ 10 11______ 12_ 13_ 14______ 15

Chunks:
  TruePositive nam [3,5] = Aleksander W .

2016-10-27 15:00:27,992 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 649 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108095.xml
(ChunkerEvaluator) Sentence #14819 from articles/00108095 from sent1

Text  : MSW pozytywnie , choć z zastrzeżeniami , o ośrodkach dla cudzoziemców
Tokens: 1__ 2_________ 3 4___ 5 6_____________ 7 8 9________ 10_ 11__________

Chunks:
  TruePositive nam [1,1] = MSW

(ChunkerEvaluator) Sentence #14820 from articles/00108095 from sent2

Text  : Działania Straży Granicznej w zamkniętych ośrodkach dla cudzoziemców są prawidłowe i  zapewniają przestrzeganie praw człowieka ;  jednak niektóre zapisy regulaminów wewnętrznych tych placówek naruszają godność osobistą -  wynika z  raportu MSW ,  do którego dotarła PAP .
Tokens: 1________ 2_____ 3_________ 4 5__________ 6________ 7__ 8___________ 9_ 10________ 11 12________ 13____________ 14__ 15_______ 16 17____ 18______ 19____ 20_________ 21__________ 22__ 23______ 24_______ 25_____ 26______ 27 28____ 29 30_____ 31_ 32 33 34_____ 35_____ 36_ 37

Chunks:
  TruePositive nam [2,3] = Straży Granicznej
  TruePositive nam [31,31] = MSW
  TruePositive nam [36,36] = PAP

(ChunkerEvaluator) Sentence #14821 from articles/00108095 from sent3

Text  : MSW skontrolowało wszystkie sześć funkcjonujących w Polsce zamkniętych ośrodków dla cudzoziemców :  w  Kętrzynie ,  Białymstoku ,  Przemyślu ,  Białej Podlaskiej ,  Lesznowoli i  Krośnie Odrzańskim .
Tokens: 1__ 2____________ 3________ 4____ 5______________ 6 7_____ 8__________ 9_______ 10_ 11__________ 12 13 14_______ 15 16_________ 17 18_______ 19 20____ 21________ 22 23________ 24 25_____ 26________ 27

Chunks:
  TruePositive nam [1,1] = MSW
  TruePositive nam [7,7] = Polsce
  TruePositive nam [14,14] = Kętrzynie
  TruePositive nam [16,16] = Białymstoku
  TruePositive nam [18,18] = Przemyślu
  TruePositive nam [20,21] = Białej Podlaskiej
  TruePositive nam [23,23] = Lesznowoli
  TruePositive nam [25,26] = Krośnie Odrzańskim

(ChunkerEvaluator) Sentence #14822 from articles/00108095 from sent4

Text  : Kontrole były związany z protestem , który w październiku 2012 r  .  podjęło ponad 70 cudzoziemców w  czterech z  tych placówek .
Tokens: 1_______ 2___ 3_______ 4 5________ 6 7____ 8 9___________ 10__ 11 12 13_____ 14___ 15 16__________ 17 18______ 19 20__ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14823 from articles/00108095 from sent5

Text  : Domagali się m . in . prawa do informacji w  ich języku ,  kontaktu ze światem zewnętrznym ,  prawa do edukacji i  właściwej opieki medycznej oraz poszanowania praw dzieci .
Tokens: 1_______ 2__ 3 4 5_ 6 7____ 8_ 9_________ 10 11_ 12____ 13 14______ 15 16_____ 17_________ 18 19___ 20 21______ 22 23_______ 24____ 25_______ 26__ 27__________ 28__ 29____ 30

Chunks:

(ChunkerEvaluator) Sentence #14824 from articles/00108095 from sent6

Text  : " Działania komendantów oddziałów Straży Granicznej i kierownictwa ośrodków ,  na podstawie dokonanych ustaleń ,  można ocenić jako zapewniające odpowiedni standard realizacji podstawowych praw osób przebywających w  strzeżonych ośrodkach dla cudzoziemców .
Tokens: 1 2________ 3__________ 4________ 5_____ 6_________ 7 8___________ 9_______ 10 11 12_______ 13________ 14_____ 15 16___ 17____ 18__ 19__________ 20________ 21______ 22________ 23__________ 24__ 25__ 26____________ 27 28_________ 29_______ 30_ 31__________ 32

Chunks:
  TruePositive nam [5,6] = Straży Granicznej

(ChunkerEvaluator) Sentence #14825 from articles/00108095 from sent7

Text  : Niemniej , dokonane ustalenia wskazują na istnienie zarówno uchybień ,  jak i  nieprawidłowości w  kontrolowanej działalności ,  które należy wyeliminować "  -  wskazano w  liczącym 30 stron dokumencie MSW .
Tokens: 1_______ 2 3_______ 4________ 5_______ 6_ 7________ 8______ 9_______ 10 11_ 12 13______________ 14 15___________ 16__________ 17 18___ 19____ 20__________ 21 22 23______ 24 25______ 26 27___ 28________ 29_ 30

Chunks:
  TruePositive nam [29,29] = MSW

(ChunkerEvaluator) Sentence #14826 from articles/00108095 from sent8

Text  : Wynika z niego , że w regulaminach wewnętrznych znajdują się zapisy ,  które "  zbyt rygorystycznie przestrzegane naruszają godność osobistą człowieka "  .
Tokens: 1_____ 2 3____ 4 5_ 6 7___________ 8___________ 9_______ 10_ 11____ 12 13___ 14 15__ 16____________ 17___________ 18_______ 19_____ 20______ 21_______ 22 23

Chunks:

(ChunkerEvaluator) Sentence #14827 from articles/00108095 from sent9

Text  : Chodzi m . in . o ograniczenia w zakresie widzeń czy wielkości i  zawartości paczek otrzymywanych przez cudzoziemców .
Tokens: 1_____ 2 3 4_ 5 6 7___________ 8 9_______ 10____ 11_ 12_______ 13 14________ 15____ 16___________ 17___ 18__________ 19

Chunks:

(ChunkerEvaluator) Sentence #14828 from articles/00108095 from sent10

Text  : Np . w placówkach w Krośnie Odrzańskim , Białymstoku i  Lesznowoli są zapisy ,  zgodnie z  którymi cudzoziemcom odmawia się prawa do widzeń z  osobami bliskimi ,  prowadzenia korespondencji czy korzystania z  telefonu .
Tokens: 1_ 2 3 4_________ 5 6______ 7_________ 8 9__________ 10 11________ 12 13____ 14 15_____ 16 17_____ 18__________ 19_____ 20_ 21___ 22 23____ 24 25_____ 26______ 27 28_________ 29____________ 30_ 31_________ 32 33______ 34

Chunks:
  TruePositive nam [6,7] = Krośnie Odrzańskim
  TruePositive nam [9,9] = Białymstoku
  TruePositive nam [11,11] = Lesznowoli

(ChunkerEvaluator) Sentence #14829 from articles/00108095 from sent11

Text  : W trakcie kontroli stwierdzono problemy w zakresie realizacji obowiązku szkolnego .
Tokens: 1 2______ 3_______ 4__________ 5_______ 6 7_______ 8_________ 9________ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14830 from articles/00108095 from sent12

Text  : " Dochodzą do tego trudności techniczne oraz wynikające z braku odpowiedniego przygotowania kadry dydaktycznej ,  utrudniające organizację w  strzeżonych ośrodkach zajęć o  określonym wymiarze czasowym i  zróżnicowaniu programowym "  -  podkreślono .
Tokens: 1 2_______ 3_ 4___ 5________ 6_________ 7___ 8_________ 9 10___ 11___________ 12___________ 13___ 14__________ 15 16__________ 17_________ 18 19_________ 20_______ 21___ 22 23________ 24______ 25______ 26 27___________ 28_________ 29 30 31_________ 32

Chunks:

(ChunkerEvaluator) Sentence #14831 from articles/00108095 from sent13

Text  : Raport wskazuje , że we wszystkich ośrodkach cudzoziemcy mają zapewnione prawo do korzystania z  opieki lekarskiej ,  faktyczny dostęp do lekarzy w  przyjmujących w  ośrodkach i  zapewniający poszanowanie wolności religii i  wyznania .
Tokens: 1_____ 2_______ 3 4_ 5_ 6_________ 7________ 8__________ 9___ 10________ 11___ 12 13_________ 14 15____ 16________ 17 18_______ 19____ 20 21_____ 22 23___________ 24 25_______ 26 27__________ 28__________ 29______ 30_____ 31 32______ 33

Chunks:

(ChunkerEvaluator) Sentence #14832 from articles/00108095 from sent14

Text  : " Opieka zdrowotna zapewniana cudzoziemcom jest na wysokim poziomie .
Tokens: 1 2_____ 3________ 4_________ 5___________ 6___ 7_ 8______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #14833 from articles/00108095 from sent15

Text  : Nie stwierdzono jakichkolwiek skarg w tym zakresie składanych przez cudzoziemców "  -  głosi raport .
Tokens: 1__ 2__________ 3____________ 4____ 5 6__ 7_______ 8_________ 9____ 10__________ 11 12 13___ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #14834 from articles/00108095 from sent16

Text  : Jak wskazano , w najgorszym stanie technicznym jest ośrodek w  Lesznowoli ,  który według zapowiedzi MSW ma być wyremontowany .
Tokens: 1__ 2_______ 3 4 5_________ 6_____ 7__________ 8___ 9______ 10 11________ 12 13___ 14____ 15________ 16_ 17 18_ 19___________ 20

Chunks:
  TruePositive nam [11,11] = Lesznowoli
  TruePositive nam [16,16] = MSW

(ChunkerEvaluator) Sentence #14835 from articles/00108095 from sent17

Text  : W większości ośrodków pokoje mieszkalne spełniają kryteria powierzchniowe i sanitarne .
Tokens: 1 2_________ 3_______ 4_____ 5_________ 6________ 7_______ 8_____________ 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14836 from articles/00108095 from sent18

Text  : Jest w nich odpowiednie oświetlenie oraz wyposażenie .
Tokens: 1___ 2 3___ 4__________ 5__________ 6___ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #14837 from articles/00108095 from sent19

Text  : Rzeczniczka MSW Małgorzata Woźniak powiedziała PAP , że jeszcze w  tym miesiącu kierownictwo MSW chce spotkać się z  przedstawicielami organizacji pozarządowych ,  aby porozmawiać o  sytuacji cudzoziemców ,  przebywających w  ośrodkach strzeżonych oraz wspólnie przeanalizować wnioski płynące z  kontroli .
Tokens: 1__________ 2__ 3_________ 4______ 5__________ 6__ 7 8_ 9______ 10 11_ 12______ 13__________ 14_ 15__ 16_____ 17_ 18 19_______________ 20_________ 21___________ 22 23_ 24_________ 25 26______ 27__________ 28 29____________ 30 31_______ 32_________ 33__ 34______ 35____________ 36_____ 37_____ 38 39______ 40

Chunks:
  TruePositive nam [2,2] = MSW
  TruePositive nam [3,4] = Małgorzata Woźniak
  TruePositive nam [6,6] = PAP
  TruePositive nam [14,14] = MSW

(ChunkerEvaluator) Sentence #14838 from articles/00108095 from sent20

Text  : Po koniec 2012 r .
Tokens: 1_ 2_____ 3___ 4 5

Chunks:

(ChunkerEvaluator) Sentence #14839 from articles/00108095 from sent21

Text  : MSW zapowiadało zmiany w ośrodkach , m . in .  możliwość swobodnego przemieszczania się cudzoziemców wewnątrz budynków ,  przebudowę tych ośrodków ,  które są stare i  przypominają więzienia .
Tokens: 1__ 2__________ 3_____ 4 5________ 6 7 8 9_ 10 11_______ 12________ 13_____________ 14_ 15__________ 16______ 17______ 18 19________ 20__ 21______ 22 23___ 24 25___ 26 27__________ 28_______ 29

Chunks:
  TruePositive nam [1,1] = MSW

(ChunkerEvaluator) Sentence #14840 from articles/00108095 from sent22

Text  : Dzieci miały by być umieszczane tylko w dwóch specjalnie do tego przystosowanych ośrodkach -  w  Kętrzynie i  Białej Podlaskiej ,  gdzie jest wykwalifikowana kadra .
Tokens: 1_____ 2____ 3_ 4__ 5__________ 6____ 7 8____ 9_________ 10 11__ 12_____________ 13_______ 14 15 16_______ 17 18____ 19________ 20 21___ 22__ 23_____________ 24___ 25

Chunks:
  TruePositive nam [16,16] = Kętrzynie
  TruePositive nam [18,19] = Białej Podlaskiej

(ChunkerEvaluator) Sentence #14841 from articles/00108095 from sent23

Text  : Postępowania , które dotyczą rodzin z dziećmi mają być prowadzone w  pierwszej kolejności .
Tokens: 1___________ 2 3____ 4______ 5_____ 6 7______ 8___ 9__ 10________ 11 12_______ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #14842 from articles/00108095 from sent24

Text  : W grudniu ub . r . swój raport na temat sytuacji w  ośrodkach dla cudzoziemców przedstawiła Helsińska Fundacja Praw Człowieka .
Tokens: 1 2______ 3_ 4 5 6 7___ 8_____ 9_ 10___ 11______ 12 13_______ 14_ 15__________ 16__________ 17_______ 18______ 19__ 20_______ 21

Chunks:
  TruePositive nam [17,20] = Helsińska Fundacja Praw Człowieka

(ChunkerEvaluator) Sentence #14843 from articles/00108095 from sent25

Text  : Uznała za opresyjny panujący w nich reżim należy .
Tokens: 1_____ 2_ 3________ 4_______ 5 6___ 7____ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #14844 from articles/00108095 from sent26

Text  : Wskazała , że choć nie ma tam poważnych naruszeń prawa ,  to obecna praktyka może prowadzić do naruszania godności cudzoziemców .
Tokens: 1_______ 2 3_ 4___ 5__ 6_ 7__ 8________ 9_______ 10___ 11 12 13____ 14______ 15__ 16_______ 17 18________ 19______ 20__________ 21

Chunks:

(ChunkerEvaluator) Sentence #14845 from articles/00108095 from sent27

Text  : Przedstawiciele HFPC ustalili , że w 2012 r . w  ośrodkach doszło do blisko 50 przypadków użycia przymusu bezpośredniego ,  jednak w  żadnym przypadku nie doprowadziło to do obrażeń u  cudzoziemców .
Tokens: 1______________ 2___ 3_______ 4 5_ 6 7___ 8 9 10 11_______ 12____ 13 14____ 15 16________ 17____ 18______ 19____________ 20 21____ 22 23____ 24_______ 25_ 26__________ 27 28 29_____ 30 31__________ 32

Chunks:
  FalseNegative nam [2,2] = HFPC

2016-10-27 15:00:28,173 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 650 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108096.xml
(ChunkerEvaluator) Sentence #14846 from articles/00108096 from sent1

Text  : „ Eksperyment Lepper & quot ; wymknął się spod kontroli ”  .
Tokens: 1 2__________ 3_____ 4 5___ 6 7______ 8__ 9___ 10______ 11 12

Chunks:
  FalsePositive nam [2,5] = Eksperyment Lepper & quot
  FalseNegative nam [3,3] = Lepper

(ChunkerEvaluator) Sentence #14847 from articles/00108096 from sent2

Text  : To oni rządzili Polską [ LEPPERIADA ]
Tokens: 1_ 2__ 3_______ 4_____ 5 6_________ 7

Chunks:
  TruePositive nam [4,4] = Polską
  FalseNegative nam [6,6] = LEPPERIADA

(ChunkerEvaluator) Sentence #14848 from articles/00108096 from sent3

Text  : Czy można , bezkarnie , wygrać wybory , fałszując je ?
Tokens: 1__ 2____ 3 4________ 5 6_____ 7_____ 8 9________ 10 11

Chunks:

(ChunkerEvaluator) Sentence #14849 from articles/00108096 from sent4

Text  : Można .
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #14850 from articles/00108096 from sent5

Text  : A oszukać wszystkie polskie media i wymyślić akcję , która zaświtała tylko w  głowie spin doktora ?
Tokens: 1 2______ 3________ 4______ 5____ 6 7_______ 8____ 9 10___ 11_______ 12___ 13 14____ 15__ 16_____ 17

Chunks:

(ChunkerEvaluator) Sentence #14851 from articles/00108096 from sent6

Text  : Też można .
Tokens: 1__ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #14852 from articles/00108096 from sent7

Text  : Dowodzi tego Marcin Kącki w książce „ Lepperiada ” ,  która jest barwnie napisaną historią Samoobrony i  jej wodza oraz lekturą o  niebezpiecznej symbiozie polityki z  mediami .
Tokens: 1______ 2___ 3_____ 4____ 5 6______ 7 8_________ 9 10 11___ 12__ 13_____ 14______ 15______ 16________ 17 18_ 19___ 20__ 21_____ 22 23____________ 24_______ 25______ 26 27_____ 28

Chunks:
  TruePositive nam [3,4] = Marcin Kącki
  TruePositive nam [16,16] = Samoobrony
  FalseNegative nam [8,8] = Lepperiada

(ChunkerEvaluator) Sentence #14853 from articles/00108096 from sent8

Text  : „ Zorganizowali śmy 2 , 5 tys . głosów na pana korzyść .
Tokens: 1 2____________ 3__ 4 5 6 7__ 8 9_____ 10 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #14854 from articles/00108096 from sent9

Text  : Każdy z nich kosztował nas 10 zł ”
Tokens: 1____ 2 3___ 4________ 5__ 6_ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #14855 from articles/00108096 from sent10

Text  : Książka Kąckiego , dziennikarza „ Gazety Wyborczej ” , to reporterski rajd po politycznej historii narodzin i  upadku Andrzeja Leppera .
Tokens: 1______ 2_______ 3 4___________ 5 6_____ 7________ 8 9 10 11_________ 12__ 13 14_________ 15______ 16______ 17 18____ 19______ 20_____ 21

Chunks:
  TruePositive nam [6,7] = Gazety Wyborczej
  TruePositive nam [19,20] = Andrzeja Leppera
  FalsePositive nam [1,2] = Książka Kąckiego
  FalseNegative nam [2,2] = Kąckiego

(ChunkerEvaluator) Sentence #14856 from articles/00108096 from sent11

Text  : Napisana ze swadą , pełna detali , przypomina o niezwykłych perypetiach Samoobrony ,  której działacze traktowali politykę jak skarbonkę ,  amnestię albo rubaszną zabawę .
Tokens: 1_______ 2_ 3____ 4 5____ 6_____ 7 8_________ 9 10_________ 11_________ 12________ 13 14____ 15_______ 16________ 17______ 18_ 19_______ 20 21______ 22__ 23______ 24____ 25

Chunks:
  TruePositive nam [12,12] = Samoobrony

(ChunkerEvaluator) Sentence #14857 from articles/00108096 from sent12

Text  : Czytając „ Lepperiadę ” , czytelnik zastanawia się , czy aby na pewno świat przedstawiony w  książce był realny ,  czy to nie wytwór surrealizmu .
Tokens: 1_______ 2 3_________ 4 5 6________ 7_________ 8__ 9 10_ 11_ 12 13___ 14___ 15___________ 16 17_____ 18_ 19____ 20 21_ 22 23_ 24____ 25_________ 26

Chunks:
  FalseNegative nam [3,3] = Lepperiadę

(ChunkerEvaluator) Sentence #14858 from articles/00108096 from sent13

Text  : „ Kandydat Samoobrony Sławomir Jastrzębski z Kalisza reklamował się hasłem :  „  Kalisz zasługuje na rzetelnych radnych ”  .
Tokens: 1 2_______ 3_________ 4_______ 5__________ 6 7______ 8_________ 9__ 10____ 11 12 13____ 14_______ 15 16________ 17_____ 18 19

Chunks:
  TruePositive nam [3,3] = Samoobrony
  TruePositive nam [4,5] = Sławomir Jastrzębski
  TruePositive nam [7,7] = Kalisza
  FalseNegative nam [13,17] = Kalisz zasługuje na rzetelnych radnych

(ChunkerEvaluator) Sentence #14859 from articles/00108096 from sent14

Text  : Hasło przekuwali w czyn działacze Jastrzębskiego , co można usłyszeć na nagraniu (  .  .  .  )
Tokens: 1____ 2_________ 3 4___ 5________ 6_____________ 7 8_ 9____ 10______ 11 12______ 13 14 15 16 17

Chunks:
  TruePositive nam [6,6] = Jastrzębskiego

(ChunkerEvaluator) Sentence #14860 from articles/00108096 from sent15

Text  : - Masz dowód przy sobie ? - pyta działaczka .
Tokens: 1 2___ 3____ 4___ 5____ 6 7 8___ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #14861 from articles/00108096 from sent16

Text  : - Yhy - odpowiada głosująca .
Tokens: 1 2__ 3 4________ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #14862 from articles/00108096 from sent17

Text  : - To teraz wyciągnąć wódkę czy jak przyjdziesz ?
Tokens: 1 2_ 3____ 4________ 5____ 6__ 7__ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #14863 from articles/00108096 from sent18

Text  : - Nie , jak przyjdę .
Tokens: 1 2__ 3 4__ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #14864 from articles/00108096 from sent19

Text  : - Tam trzy karty dawają .
Tokens: 1 2__ 3___ 4____ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #14865 from articles/00108096 from sent20

Text  : [ ] Na pierwszej będzie jego nazwisko pisało : Jastrzębski Sławomir .
Tokens: 1 2 3_ 4________ 5_____ 6___ 7_______ 8_____ 9 10_________ 11______ 12

Chunks:
  TruePositive nam [10,11] = Jastrzębski Sławomir

(ChunkerEvaluator) Sentence #14866 from articles/00108096 from sent21

Text  : I tam krzyżyk tylko postawisz przy nim .
Tokens: 1 2__ 3______ 4____ 5________ 6___ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #14867 from articles/00108096 from sent22

Text  : Jak załatwisz , to tutaj przyjdź .
Tokens: 1__ 2________ 3 4_ 5____ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #14868 from articles/00108096 from sent23

Text  : Po głosowaniu .
Tokens: 1_ 2_________ 3

Chunks:

(ChunkerEvaluator) Sentence #14869 from articles/00108096 from sent24

Text  : - Już ? - dopytuje działaczka .
Tokens: 1 2__ 3 4 5_______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #14870 from articles/00108096 from sent25

Text  : - No . Na każdy głos tak chleją ?
Tokens: 1 2_ 3 4_ 5____ 6___ 7__ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #14871 from articles/00108096 from sent26

Text  : [ ]
Tokens: 1 2

Chunks:

(ChunkerEvaluator) Sentence #14872 from articles/00108096 from sent27

Text  : - Ta .
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #14873 from articles/00108096 from sent28

Text  : Działaczka odkręca korek , leje wódkę .
Tokens: 1_________ 2______ 3____ 4 5___ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #14874 from articles/00108096 from sent29

Text  : - Dobra małego mówiła m ! - oburza się głosująca .
Tokens: 1 2____ 3_____ 4_____ 5 6 7 8_____ 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14875 from articles/00108096 from sent30

Text  : - Aha .
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #14876 from articles/00108096 from sent31

Text  : No dobra .
Tokens: 1_ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #14877 from articles/00108096 from sent32

Text  : - Dzięki .
Tokens: 1 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #14878 from articles/00108096 from sent33

Text  : - No , dzięki za te wybory ” .
Tokens: 1 2_ 3 4_____ 5_ 6_ 7_____ 8 9

Chunks:

(ChunkerEvaluator) Sentence #14879 from articles/00108096 from sent34

Text  : Czytelnik przekonuje się , że to nie zapis kabaretowego skeczu ,  ale reportaż opisujący kulisy sceny polskiej polityki tak niedawnej ,  pozostawionej tuż za rogiem historii .
Tokens: 1________ 2_________ 3__ 4 5_ 6_ 7__ 8____ 9___________ 10____ 11 12_ 13______ 14_______ 15____ 16___ 17______ 18______ 19_ 20_______ 21 22___________ 23_ 24 25____ 26______ 27

Chunks:
  FalsePositive nam [1,1] = Czytelnik

(ChunkerEvaluator) Sentence #14880 from articles/00108096 from sent35

Text  : I choć niektóre fragmenty budzą grozę , to w wielu miejscach towarzyszy temu rozbawienie .
Tokens: 1 2___ 3_______ 4________ 5____ 6____ 7 8_ 9 10___ 11_______ 12________ 13__ 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #14881 from articles/00108096 from sent36

Text  : „ Wódka była w Samoobronie częstym motywem wyborczym .
Tokens: 1 2____ 3___ 4 5__________ 6______ 7______ 8________ 9

Chunks:
  TruePositive nam [5,5] = Samoobronie

(ChunkerEvaluator) Sentence #14882 from articles/00108096 from sent37

Text  : We Włocławku Grzegorz Biernacki , czterdziestopięcioletni kandydat Samoobrony prowadzący gospodarstwo rolne ,  dostał się co prawda do sejmiku wojewódzkiego ,  ale zaraz po tym otrzymał grzeczny list :  Nadal nie widzimy z  Pana strony chęci rozliczenia się za Pańską kampanię wyborczą ,  która została przez nas zorganizowana .
Tokens: 1_ 2________ 3_______ 4________ 5 6______________________ 7_______ 8_________ 9_________ 10__________ 11___ 12 13____ 14_ 15 16____ 17 18_____ 19___________ 20 21_ 22___ 23 24_ 25______ 26______ 27__ 28 29___ 30_ 31_____ 32 33__ 34____ 35___ 36_________ 37_ 38 39____ 40______ 41______ 42 43___ 44_____ 45___ 46_ 47___________ 48

Chunks:
  TruePositive nam [2,2] = Włocławku
  TruePositive nam [3,4] = Grzegorz Biernacki
  TruePositive nam [8,8] = Samoobrony

(ChunkerEvaluator) Sentence #14883 from articles/00108096 from sent38

Text  : Sumując , zorganizowali śmy dwa i pół tysiąca głosów na Pana korzyść ,  a  każdy z  nich kosztował nas dziesięć złotych .
Tokens: 1______ 2 3____________ 4__ 5__ 6 7__ 8______ 9_____ 10 11__ 12_____ 13 14 15___ 16 17__ 18_______ 19_ 20______ 21_____ 22

Chunks:
  TruePositive nam [21,21] = złotych
  FalsePositive nam [11,11] = Pana

(ChunkerEvaluator) Sentence #14884 from articles/00108096 from sent39

Text  : Osoba , która zdecydowała się poprzeć Pana , oddając swój głos podczas wyborów ,  otrzymała od nas podarek w  postaci alkoholu ,  dokładnie pół litra wódki ,  której koszt szacujemy na dziewięć złotych za sztukę .
Tokens: 1____ 2 3____ 4__________ 5__ 6______ 7___ 8 9______ 10__ 11__ 12_____ 13_____ 14 15_______ 16 17_ 18_____ 19 20_____ 21______ 22 23_______ 24_ 25___ 26___ 27 28____ 29___ 30_______ 31 32______ 33_____ 34 35____ 36

Chunks:
  TruePositive nam [33,33] = złotych
  FalsePositive nam [7,7] = Pana

(ChunkerEvaluator) Sentence #14885 from articles/00108096 from sent40

Text  : Należy jeszcze doliczyć koszt dowiezienia każdego głosującego do punktu wyborczego ,  co wyceniamy na około jedną złotówkę ”  .
Tokens: 1_____ 2______ 3_______ 4____ 5__________ 6______ 7__________ 8_ 9_____ 10________ 11 12 13_______ 14 15___ 16___ 17______ 18 19

Chunks:
  TruePositive nam [17,17] = złotówkę

(ChunkerEvaluator) Sentence #14886 from articles/00108096 from sent41

Text  : „ Mówię mu , że wygląda jak część inwentarza .
Tokens: 1 2____ 3_ 4 5_ 6______ 7__ 8____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #14887 from articles/00108096 from sent42

Text  : Nie obraża się .
Tokens: 1__ 2_____ 3__ 4

Chunks:

(ChunkerEvaluator) Sentence #14888 from articles/00108096 from sent43

Text  : Prosi o konkrety ”
Tokens: 1____ 2 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #14889 from articles/00108096 from sent44

Text  : Kącki pokazuje również nieznane dotychczas kulisy formowania się Leppera jako produktu marketingu politycznego w  zadziwiająco szczerej rozmowie z  Piotrem Tymochowiczem ,  nadwornym doradcą Leppera .
Tokens: 1____ 2_______ 3______ 4_______ 5_________ 6_____ 7_________ 8__ 9______ 10__ 11______ 12________ 13__________ 14 15__________ 16______ 17______ 18 19_____ 20___________ 21 22_______ 23_____ 24_____ 25

Chunks:
  TruePositive nam [9,9] = Leppera
  TruePositive nam [19,20] = Piotrem Tymochowiczem
  TruePositive nam [24,24] = Leppera

(ChunkerEvaluator) Sentence #14890 from articles/00108096 from sent45

Text  : „ Kilkanaście dni wystarczyło Tymochowiczowi na kosmetykę .
Tokens: 1 2__________ 3__ 4__________ 5_____________ 6_ 7________ 8

Chunks:
  FalseNegative nam [5,5] = Tymochowiczowi

(ChunkerEvaluator) Sentence #14891 from articles/00108096 from sent46

Text  : Zaczęli , po spotkaniu na blokadzie , od sesji ze stylistką .
Tokens: 1______ 2 3_ 4________ 5_ 6________ 7 8_ 9____ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #14892 from articles/00108096 from sent47

Text  : - Mówię mu , że wygląda jak część inwentarza .
Tokens: 1 2____ 3_ 4 5_ 6______ 7__ 8____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #14893 from articles/00108096 from sent48

Text  : Nie obraża się , prosi o konkrety .
Tokens: 1__ 2_____ 3__ 4 5____ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #14894 from articles/00108096 from sent49

Text  : Mówię , że ma fryzurę jak spod garnka , a  on :  „  Zmieniajmy ,  już !  ”  -  wspomina Tymochowicz .
Tokens: 1____ 2 3_ 4_ 5______ 6__ 7___ 8_____ 9 10 11 12 13 14________ 15 16_ 17 18 19 20______ 21_________ 22

Chunks:
  FalseNegative nam [21,21] = Tymochowicz

(ChunkerEvaluator) Sentence #14895 from articles/00108096 from sent50

Text  : Stylistka i fryzjer robią przymiarki do włosów .
Tokens: 1________ 2 3______ 4____ 5_________ 6_ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #14896 from articles/00108096 from sent51

Text  : Lepper trochę walczy , przyzwyczajony do starej fryzury .
Tokens: 1_____ 2_____ 3_____ 4 5_____________ 6_ 7_____ 8______ 9

Chunks:
  TruePositive nam [1,1] = Lepper

(ChunkerEvaluator) Sentence #14897 from articles/00108096 from sent52

Text  : Gdy zaczesują mu grzywkę do góry , jest zadowolony .
Tokens: 1__ 2________ 3_ 4______ 5_ 6___ 7 8___ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #14898 from articles/00108096 from sent53

Text  : Tymochowicz doradza jeszcze , jak dostosować strój do sytuacji ,  by nie przesadzić z  nowym image'em .  -  Mówię ,  że na spotkanie z  rolnikami wystarczy średniej jakości marynarka ,  a  nie markowy garnitur .
Tokens: 1__________ 2______ 3______ 4 5__ 6_________ 7____ 8_ 9_______ 10 11 12_ 13________ 14 15___ 16______ 17 18 19___ 20 21 22 23_______ 24 25_______ 26_______ 27______ 28_____ 29_______ 30 31 32_ 33_____ 34______ 35

Chunks:
  FalseNegative nam [1,1] = Tymochowicz

(ChunkerEvaluator) Sentence #14899 from articles/00108096 from sent54

Text  : Szef Samoobrony , w przeciwieństwie do innych polityków , podczas kampanii wyborczych unika występów z  żoną ,  bo -  jak mówi mi Tymochowicz -  po zmianie wizerunku za mocno od niej odbił .
Tokens: 1___ 2_________ 3 4 5______________ 6_ 7_____ 8________ 9 10_____ 11______ 12________ 13___ 14______ 15 16__ 17 18 19 20_ 21__ 22 23_________ 24 25 26_____ 27_______ 28 29___ 30 31__ 32___ 33

Chunks:
  TruePositive nam [2,2] = Samoobrony
  FalseNegative nam [23,23] = Tymochowicz

(ChunkerEvaluator) Sentence #14900 from articles/00108096 from sent55

Text  : - Dziś mogę powiedzieć - przyznaje wtedy Tymochowicz - że „  eksperyment Lepper ”  wymknął się spod kontroli .
Tokens: 1 2___ 3___ 4_________ 5 6________ 7____ 8__________ 9 10 11 12_________ 13____ 14 15_____ 16_ 17__ 18______ 19

Chunks:
  TruePositive nam [13,13] = Lepper
  FalseNegative nam [8,8] = Tymochowicz

(ChunkerEvaluator) Sentence #14901 from articles/00108096 from sent56

Text  : Ale to nie ja wybieram i głosuję ” .
Tokens: 1__ 2_ 3__ 4_ 5_______ 6 7______ 8 9

Chunks:

(ChunkerEvaluator) Sentence #14902 from articles/00108096 from sent57

Text  : Żaden komornik nie tknął dobytku Leppera
Tokens: 1____ 2_______ 3__ 4____ 5______ 6______

Chunks:
  TruePositive nam [6,6] = Leppera

(ChunkerEvaluator) Sentence #14903 from articles/00108096 from sent58

Text  : Rewolucja Leppera miała swój początek w rolniczych długach .
Tokens: 1________ 2______ 3____ 4___ 5_______ 6 7_________ 8______ 9

Chunks:
  TruePositive nam [2,2] = Leppera

(ChunkerEvaluator) Sentence #14904 from articles/00108096 from sent59

Text  : Szef Samoobrony wylewał gnojowicę na drogi , a blokując je ,  żądał ,  by komornicy przestali licytować rolnicze majątki .
Tokens: 1___ 2_________ 3______ 4________ 5_ 6____ 7 8 9_______ 10 11 12___ 13 14 15_______ 16_______ 17_______ 18______ 19_____ 20

Chunks:
  TruePositive nam [2,2] = Samoobrony

(ChunkerEvaluator) Sentence #14905 from articles/00108096 from sent60

Text  : Kąckiemu udaje się udowodnić , że Lepper , w swoim przypadku ,  jednak blefował .
Tokens: 1_______ 2____ 3__ 4________ 5 6_ 7_____ 8 9 10___ 11_______ 12 13____ 14______ 15

Chunks:
  TruePositive nam [7,7] = Lepper
  FalseNegative nam [1,1] = Kąckiemu

(ChunkerEvaluator) Sentence #14906 from articles/00108096 from sent61

Text  : „ Pytam wśród pomorskich komorników , czy licytowali cokolwiek z  majątku Leppera .
Tokens: 1 2____ 3____ 4_________ 5_________ 6 7__ 8_________ 9________ 10 11_____ 12_____ 13

Chunks:
  TruePositive nam [12,12] = Leppera

(ChunkerEvaluator) Sentence #14907 from articles/00108096 from sent62

Text  : Marek Winnicki z Koszalina pamięta tylko , że jego nazwisko poznał na blokadach :  -  Stał em w  korkach ,  gdy on blokował drogi .
Tokens: 1____ 2_______ 3 4________ 5______ 6____ 7 8_ 9___ 10______ 11____ 12 13_______ 14 15 16__ 17 18 19_____ 20 21_ 22 23______ 24___ 25

Chunks:
  TruePositive nam [1,2] = Marek Winnicki
  TruePositive nam [4,4] = Koszalina

(ChunkerEvaluator) Sentence #14908 from articles/00108096 from sent63

Text  : Dopiero Eryka Walczok , emerytowana już komornik , opisuje mi zmagania z  Lepperem .
Tokens: 1______ 2____ 3______ 4 5__________ 6__ 7_______ 8 9______ 10 11______ 12 13______ 14

Chunks:
  TruePositive nam [2,3] = Eryka Walczok
  TruePositive nam [13,13] = Lepperem

(ChunkerEvaluator) Sentence #14909 from articles/00108096 from sent64

Text  : Z tytułami egzekucyjnymi od banku w Darłowie jechała do „  majątku ”  Leppera polną ,  dziurawą drogą .
Tokens: 1 2_______ 3____________ 4_ 5____ 6 7_______ 8______ 9_ 10 11_____ 12 13_____ 14___ 15 16______ 17___ 18

Chunks:
  TruePositive nam [7,7] = Darłowie
  TruePositive nam [13,13] = Leppera

(ChunkerEvaluator) Sentence #14910 from articles/00108096 from sent65

Text  : - To było dość liche gospodarstwo , ze starymi maszynami .
Tokens: 1 2_ 3___ 4___ 5____ 6___________ 7 8_ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #14911 from articles/00108096 from sent66

Text  : Zawsze przyjmowała mnie jego żona i kilku gburowatych mężczyzn ,  którzy nie spuszczali ze mnie oka -  mówi .
Tokens: 1_____ 2__________ 3___ 4___ 5___ 6 7____ 8__________ 9_______ 10 11____ 12_ 13________ 14 15__ 16_ 17 18__ 19

Chunks:

(ChunkerEvaluator) Sentence #14912 from articles/00108096 from sent67

Text  : - Bała się pani ? - pytam .
Tokens: 1 2___ 3__ 4___ 5 6 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #14913 from articles/00108096 from sent68

Text  : - Nie .
Tokens: 1 2__ 3

Chunks:

(ChunkerEvaluator) Sentence #14914 from articles/00108096 from sent69

Text  : Ale wbrew temu , co twierdził publicznie Lepper , nigdy nie zajęła m  nic z  jego dobytku .
Tokens: 1__ 2____ 3___ 4 5_ 6________ 7_________ 8_____ 9 10___ 11_ 12____ 13 14_ 15 16__ 17_____ 18

Chunks:
  TruePositive nam [8,8] = Lepper

(ChunkerEvaluator) Sentence #14915 from articles/00108096 from sent70

Text  : Ziemi nie zabierała m , maszyny były za stare .
Tokens: 1____ 2__ 3________ 4 5 6______ 7___ 8_ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #14916 from articles/00108096 from sent71

Text  : Jego historie o licytacjach majątków rolniczych były naciągane .
Tokens: 1___ 2_______ 3 4__________ 5_______ 6_________ 7___ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #14917 from articles/00108096 from sent72

Text  : Komornicy po prostu nie mieli co licytować , bo na wsi ,  a  w  moim regionie na pewno ,  rzeczywiście panowała bieda .
Tokens: 1________ 2_ 3_____ 4__ 5____ 6_ 7________ 8 9_ 10 11_ 12 13 14 15__ 16______ 17 18___ 19 20__________ 21______ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #14918 from articles/00108096 from sent73

Text  : Walczok nigdy Leppera osobiście nie zastała .
Tokens: 1______ 2____ 3______ 4________ 5__ 6______ 7

Chunks:
  TruePositive nam [3,3] = Leppera
  FalseNegative nam [1,1] = Walczok

(ChunkerEvaluator) Sentence #14919 from articles/00108096 from sent74

Text  : - Gdy o niego pytała m , małżonka mówiła :  „  Mąż nie wróci do domu ,  dopóki nie zasiądzie w  pałacu ”  .
Tokens: 1 2__ 3 4____ 5_____ 6 7 8_______ 9_____ 10 11 12_ 13_ 14___ 15 16__ 17 18____ 19_ 20_______ 21 22____ 23 24

Chunks:

(ChunkerEvaluator) Sentence #14920 from articles/00108096 from sent75

Text  : - Co to znaczy ?
Tokens: 1 2_ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #14921 from articles/00108096 from sent76

Text  : - On już wtedy przekonywał żonę , że zostanie prezydentem ”  .
Tokens: 1 2_ 3__ 4____ 5__________ 6___ 7 8_ 9_______ 10_________ 11 12

Chunks:

(ChunkerEvaluator) Sentence #14922 from articles/00108096 from sent77

Text  : Tymochowicz : zaproszenie dla Leppera od Husajna to moja robota
Tokens: 1__________ 2 3__________ 4__ 5______ 6_ 7______ 8_ 9___ 10____

Chunks:
  TruePositive nam [5,5] = Leppera
  TruePositive nam [7,7] = Husajna
  FalseNegative nam [1,1] = Tymochowicz

(ChunkerEvaluator) Sentence #14923 from articles/00108096 from sent78

Text  : Kącki bez pardonu obchodzi się w swojej książce z mediami ,  a  wnioski z  tego płyną ponure .
Tokens: 1____ 2__ 3______ 4_______ 5__ 6 7_____ 8______ 9 10_____ 11 12 13_____ 14 15__ 16___ 17____ 18

Chunks:
  FalseNegative nam [1,1] = Kącki

(ChunkerEvaluator) Sentence #14924 from articles/00108096 from sent79

Text  : Telewizje informacyjne oddawały szefowi Samoobrony swój czas antenowy bez ograniczeń ,  traktując go jak nabijacz słupków oglądalności ,  co ten w  pełni wykorzystywał ,  wypuszczając nawet informacje nieprawdziwe ,  z  zapałem przez dziennikarzy podchwytywane .
Tokens: 1________ 2___________ 3_______ 4______ 5_________ 6___ 7___ 8_______ 9__ 10________ 11 12_______ 13 14_ 15______ 16_____ 17__________ 18 19 20_ 21 22___ 23___________ 24 25__________ 26___ 27________ 28__________ 29 30 31_____ 32___ 33__________ 34___________ 35

Chunks:
  TruePositive nam [5,5] = Samoobrony

(ChunkerEvaluator) Sentence #14925 from articles/00108096 from sent80

Text  : Lepper potrafił , co opisuje Kącki , prokurować wręcz fikcyjne ,  wielkie akcje ,  by wypłynąć we wszystkich mediach w  nastroju ekskluzywnej sensacji .
Tokens: 1_____ 2_______ 3 4_ 5______ 6____ 7 8_________ 9____ 10______ 11 12_____ 13___ 14 15 16______ 17 18________ 19_____ 20 21______ 22__________ 23______ 24

Chunks:
  TruePositive nam [1,1] = Lepper
  FalseNegative nam [6,6] = Kącki

(ChunkerEvaluator) Sentence #14926 from articles/00108096 from sent81

Text  : Niezwykłe , że znana sprawa Saddama Husajna , dyktatora Iraku ,  którego Lepper miał odwiedzić przy oburzeniu polityków i  mediów ,  miała być właśnie przykładem takiej medialnej fatamorgany .
Tokens: 1________ 2 3_ 4____ 5_____ 6______ 7______ 8 9________ 10___ 11 12_____ 13____ 14__ 15_______ 16__ 17_______ 18_______ 19 20____ 21 22___ 23_ 24_____ 25________ 26____ 27_______ 28_________ 29

Chunks:
  TruePositive nam [6,7] = Saddama Husajna
  TruePositive nam [10,10] = Iraku
  TruePositive nam [13,13] = Lepper

(ChunkerEvaluator) Sentence #14927 from articles/00108096 from sent82

Text  : „ Lepper nie lubił , gdy go w mediach w  ogóle nie było .
Tokens: 1 2_____ 3__ 4____ 5 6__ 7_ 8 9______ 10 11___ 12_ 13__ 14

Chunks:
  TruePositive nam [2,2] = Lepper

(ChunkerEvaluator) Sentence #14928 from articles/00108096 from sent83

Text  : W 2001 roku Monika Olejnik , wpływowa dziennikarka Radia Zet i  telewizji TVN24 ,  ogłosiła bojkot Leppera ,  gdy nazwał ojca Włodzimierza Cimoszewicza „  zbrodniarzem ,  który zabijał Polaków ”  .
Tokens: 1 2___ 3___ 4_____ 5______ 6 7_______ 8___________ 9____ 10_ 11 12_______ 13___ 14 15______ 16____ 17_____ 18 19_ 20____ 21__ 22__________ 23__________ 24 25__________ 26 27___ 28_____ 29_____ 30 31

Chunks:
  TruePositive nam [4,5] = Monika Olejnik
  TruePositive nam [9,10] = Radia Zet
  TruePositive nam [13,13] = TVN24
  TruePositive nam [17,17] = Leppera
  TruePositive nam [22,23] = Włodzimierza Cimoszewicza
  TruePositive nam [29,29] = Polaków

(ChunkerEvaluator) Sentence #14929 from articles/00108096 from sent84

Text  : W ślady Olejnik idą inne redakcje .
Tokens: 1 2____ 3______ 4__ 5___ 6_______ 7

Chunks:
  TruePositive nam [3,3] = Olejnik

(ChunkerEvaluator) Sentence #14930 from articles/00108096 from sent85

Text  : Lepper znika .
Tokens: 1_____ 2____ 3

Chunks:
  FalseNegative nam [1,1] = Lepper

(ChunkerEvaluator) Sentence #14931 from articles/00108096 from sent86

Text  : I skarży się z mównicy sejmowej : - Wielka dziennikarka straszy ,  że nie zaprosi do swojego programu .
Tokens: 1 2_____ 3__ 4 5______ 6_______ 7 8 9_____ 10__________ 11_____ 12 13 14_ 15_____ 16 17_____ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #14932 from articles/00108096 from sent87

Text  : Prywatną telewizję ma .
Tokens: 1_______ 2________ 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #14933 from articles/00108096 from sent88

Text  : Brak jej profesjonalizmu .
Tokens: 1___ 2__ 3______________ 4

Chunks:

(ChunkerEvaluator) Sentence #14934 from articles/00108096 from sent89

Text  : Złamania blokady podejmuje się Piotr Tymochowicz , doradca medialny szefa Samoobrony .
Tokens: 1_______ 2______ 3________ 4__ 5____ 6__________ 7 8______ 9_______ 10___ 11________ 12

Chunks:
  TruePositive nam [5,6] = Piotr Tymochowicz
  TruePositive nam [11,11] = Samoobrony

(ChunkerEvaluator) Sentence #14935 from articles/00108096 from sent90

Text  : - Andrzej był blokadą przejęty .
Tokens: 1 2______ 3__ 4______ 5_______ 6

Chunks:
  TruePositive nam [2,2] = Andrzej

(ChunkerEvaluator) Sentence #14936 from articles/00108096 from sent91

Text  : Wnet głośno się zrobiło o narastającym konflikcie między USA i  Irakiem .
Tokens: 1___ 2_____ 3__ 4______ 5 6___________ 7_________ 8_____ 9__ 10 11_____ 12

Chunks:
  TruePositive nam [9,9] = USA
  TruePositive nam [11,11] = Irakiem

(ChunkerEvaluator) Sentence #14937 from articles/00108096 from sent92

Text  : Wykorzystał em to - mówi mi Tymochowicz .
Tokens: 1__________ 2_ 3_ 4 5___ 6_ 7__________ 8

Chunks:
  FalseNegative nam [7,7] = Tymochowicz

(ChunkerEvaluator) Sentence #14938 from articles/00108096 from sent93

Text  : Lepper podczas blokady medialnej otrzymuje zaproszenie od Saddama Husajna ,  irackiego przywódcy .
Tokens: 1_____ 2______ 3______ 4________ 5________ 6__________ 7_ 8______ 9______ 10 11_______ 12_______ 13

Chunks:
  TruePositive nam [8,9] = Saddama Husajna
  FalseNegative nam [1,1] = Lepper

(ChunkerEvaluator) Sentence #14939 from articles/00108096 from sent94

Text  : Szef Samoobrony rozważa publicznie , czy pojechać , a media oburzyły się ,  że wyjazd był by wsparciem dla dyktatora ,  potępianego za łamanie praw człowieka .
Tokens: 1___ 2_________ 3______ 4_________ 5 6__ 7_______ 8 9 10___ 11______ 12_ 13 14 15____ 16_ 17 18_______ 19_ 20_______ 21 22_________ 23 24_____ 25__ 26_______ 27

Chunks:
  TruePositive nam [2,2] = Samoobrony

(ChunkerEvaluator) Sentence #14940 from articles/00108096 from sent95

Text  : Amerykanie szykowali się w tamtym czasie na wojnę z Irakiem .
Tokens: 1_________ 2________ 3__ 4 5_____ 6_____ 7_ 8____ 9 10_____ 11

Chunks:
  TruePositive nam [1,1] = Amerykanie
  TruePositive nam [10,10] = Irakiem

(ChunkerEvaluator) Sentence #14941 from articles/00108096 from sent96

Text  : Tymochowicz : - Zadzwonił do mnie nawet Marek Siwiec [  poseł SLD ]  i  tłumaczył ,  że niszczymy polską rację stanu .
Tokens: 1__________ 2 3 4________ 5_ 6___ 7____ 8____ 9_____ 10 11___ 12_ 13 14 15_______ 16 17 18_______ 19____ 20___ 21___ 22

Chunks:
  TruePositive nam [8,9] = Marek Siwiec
  TruePositive nam [12,12] = SLD
  FalseNegative nam [1,1] = Tymochowicz

(ChunkerEvaluator) Sentence #14942 from articles/00108096 from sent97

Text  : Lepper , będąc znów w centrum wydarzeń , uspokaja ,  że ma nieważny paszport ,  więc z  zaproszenia nie skorzysta .
Tokens: 1_____ 2 3____ 4___ 5 6______ 7_______ 8 9_______ 10 11 12 13______ 14______ 15 16__ 17 18_________ 19_ 20_______ 21

Chunks:
  TruePositive nam [1,1] = Lepper

(ChunkerEvaluator) Sentence #14943 from articles/00108096 from sent98

Text  : Tymochowicz : - Nie pojechał , bo kazał em mu powiedzieć ,  że ma nieważny paszport .
Tokens: 1__________ 2 3 4__ 5_______ 6 7_ 8____ 9_ 10 11________ 12 13 14 15______ 16______ 17

Chunks:
  FalseNegative nam [1,1] = Tymochowicz

(ChunkerEvaluator) Sentence #14944 from articles/00108096 from sent99

Text  : Lepper miał wrócić na czołówki gazet i złamać blokadę Moniki Olejnik w  Radiu Zet .
Tokens: 1_____ 2___ 3_____ 4_ 5_______ 6____ 7 8_____ 9______ 10____ 11_____ 12 13___ 14_ 15

Chunks:
  TruePositive nam [1,1] = Lepper
  TruePositive nam [10,11] = Moniki Olejnik
  TruePositive nam [13,14] = Radiu Zet

(ChunkerEvaluator) Sentence #14945 from articles/00108096 from sent100

Text  : Złamał .
Tokens: 1_____ 2

Chunks:

(ChunkerEvaluator) Sentence #14946 from articles/00108096 from sent101

Text  : Tymochowicz mówił mi , poważnym tonem , że to jego współpracownicy skontaktowali się z  Husajnem i  sprokurowali zaproszenie dla Leppera ,  a  Samoobrona przekazała mediom ,  że była to inicjatywa Iraku ”  .
Tokens: 1__________ 2____ 3_ 4 5_______ 6____ 7 8_ 9_ 10__ 11_____________ 12___________ 13_ 14 15______ 16 17__________ 18_________ 19_ 20_____ 21 22 23________ 24________ 25____ 26 27 28__ 29 30________ 31___ 32 33

Chunks:
  TruePositive nam [15,15] = Husajnem
  TruePositive nam [20,20] = Leppera
  TruePositive nam [23,23] = Samoobrona
  TruePositive nam [31,31] = Iraku
  FalseNegative nam [1,1] = Tymochowicz

(ChunkerEvaluator) Sentence #14947 from articles/00108096 from sent102

Text  : Lepper bawił się dziennikarzami , a dziennikarze Lepperem
Tokens: 1_____ 2____ 3__ 4_____________ 5 6 7___________ 8_______

Chunks:
  TruePositive nam [1,1] = Lepper
  TruePositive nam [8,8] = Lepperem

(ChunkerEvaluator) Sentence #14948 from articles/00108096 from sent103

Text  : Autor książki przesłuchał także archiwalne nagrania , by wydobyć takie choćby incydenty ,  w  których Lepper bywał ,  w  rękach dziennikarzy ,  atrakcyjną zabawką .
Tokens: 1____ 2______ 3__________ 4____ 5_________ 6_______ 7 8_ 9______ 10___ 11____ 12_______ 13 14 15_____ 16____ 17___ 18 19 20____ 21__________ 22 23________ 24_____ 25

Chunks:
  TruePositive nam [16,16] = Lepper

(ChunkerEvaluator) Sentence #14949 from articles/00108096 from sent104

Text  : „ Pan premier ma dzisiaj fantastyczne obuwie , różne rodzaje skór -  rozpoczyna Jacek Żakowski w  Radiu TOK FM .
Tokens: 1 2__ 3______ 4_ 5______ 6___________ 7_____ 8 9____ 10_____ 11__ 12 13________ 14___ 15______ 16 17___ 18_ 19 20

Chunks:
  TruePositive nam [14,15] = Jacek Żakowski
  TruePositive nam [17,19] = Radiu TOK FM

(ChunkerEvaluator) Sentence #14950 from articles/00108096 from sent105

Text  : - Celowo dla was ubrał em , to jest polska firma .
Tokens: 1 2_____ 3__ 4__ 5____ 6_ 7 8_ 9___ 10____ 11___ 12

Chunks:

(ChunkerEvaluator) Sentence #14951 from articles/00108096 from sent106

Text  : To normalne buty , co wy robicie tutaj sensację z  butów Leppera ?
Tokens: 1_ 2_______ 3___ 4 5_ 6_ 7______ 8____ 9_______ 10 11___ 12_____ 13

Chunks:
  TruePositive nam [12,12] = Leppera

(ChunkerEvaluator) Sentence #14952 from articles/00108096 from sent107

Text  : - Myślał em , że to dzieło sztuki , u  jakiegoś najsłynniejszego szewca robione .
Tokens: 1 2_____ 3_ 4 5_ 6_ 7_____ 8_____ 9 10 11______ 12______________ 13____ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #14953 from articles/00108096 from sent108

Text  : - Polski pan Kielman .
Tokens: 1 2_____ 3__ 4______ 5

Chunks:
  FalseNegative nam [4,4] = Kielman

(ChunkerEvaluator) Sentence #14954 from articles/00108096 from sent109

Text  : I niech pan nie przesadza z tym , że posłów na to nie stać ,  żeby chodzili elegancko ubrani i  dobrze reprezentowali Polskę .
Tokens: 1 2____ 3__ 4__ 5________ 6 7__ 8 9_ 10____ 11 12 13_ 14__ 15 16__ 17______ 18_______ 19____ 20 21____ 22____________ 23____ 24

Chunks:
  TruePositive nam [23,23] = Polskę

(ChunkerEvaluator) Sentence #14955 from articles/00108096 from sent110

Text  : A nie wygnieceni ” .
Tokens: 1 2__ 3_________ 4 5

Chunks:

(ChunkerEvaluator) Sentence #14956 from articles/00108096 from sent111

Text  : „ Lepperiada ” to historia groteskowa , ale i dramatyczna .
Tokens: 1 2_________ 3 4_ 5_______ 6_________ 7 8__ 9 10_________ 11

Chunks:
  FalseNegative nam [2,2] = Lepperiada

(ChunkerEvaluator) Sentence #14957 from articles/00108096 from sent112

Text  : Lepper , otoczony zespołem koniunkturalnych , bezideowych działaczy , pozostaje na politycznej scenie sam .
Tokens: 1_____ 2 3_______ 4_______ 5_______________ 6 7__________ 8________ 9 10_______ 11 12_________ 13____ 14_ 15

Chunks:
  TruePositive nam [1,1] = Lepper

(ChunkerEvaluator) Sentence #14958 from articles/00108096 from sent113

Text  : Pozbawiony wsparcia , pieniędzy , nadziei , odchodzi , by po raz ostatni wrócić na tak lubiane przez siebie czołówki gazet i  w  najlepszy czas antenowy .
Tokens: 1_________ 2_______ 3 4________ 5 6______ 7 8_______ 9 10 11 12_ 13_____ 14____ 15 16_ 17_____ 18___ 19____ 20______ 21___ 22 23 24_______ 25__ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #14959 from articles/00108096 from sent114

Text  : „ Lepperiada ” to także historia uniwersalna o mechanizmach polityki ,  choć głównie o  jej niedoskonałościach w  demokracji .
Tokens: 1 2_________ 3 4_ 5____ 6_______ 7__________ 8 9___________ 10______ 11 12__ 13_____ 14 15_ 16________________ 17 18________ 19

Chunks:
  FalseNegative nam [2,2] = Lepperiada

(ChunkerEvaluator) Sentence #14960 from articles/00108096 from sent115

Text  : Jak ostrzeżenie brzmi w książce komunikat Państwowej Komisji Wyborczej ,  gdy Renata Beger ,  nadworna Leppera ,  zostaje posłanką po sfałszowaniu podpisów -  „  nie może to być podstawą do weryfikacji wyborów ”  -  uznaje PKW .
Tokens: 1__ 2__________ 3____ 4 5______ 6________ 7_________ 8______ 9________ 10 11_ 12____ 13___ 14 15______ 16_____ 17 18_____ 19______ 20 21__________ 22______ 23 24 25_ 26__ 27 28_ 29______ 30 31_________ 32_____ 33 34 35____ 36_ 37

Chunks:
  TruePositive nam [7,9] = Państwowej Komisji Wyborczej
  TruePositive nam [12,13] = Renata Beger
  TruePositive nam [16,16] = Leppera
  FalseNegative nam [36,36] = PKW

(ChunkerEvaluator) Sentence #14961 from articles/00108096 from sent116

Text  : To również lektura o współzależności polityki z mediami , o  ich symbiozie i  pasożytnictwie .
Tokens: 1_ 2______ 3______ 4 5______________ 6_______ 7 8______ 9 10 11_ 12_______ 13 14____________ 15

Chunks:

(ChunkerEvaluator) Sentence #14962 from articles/00108096 from sent117

Text  : Z książki wyłania się wątpliwość , czy to aby na pewno media ,  zwłaszcza elektroniczne ,  tak hołubione przez Leppera ,  sprawują nad polityką nadzór ,  nieodzowny w  systemie demokratycznym .
Tokens: 1 2______ 3______ 4__ 5_________ 6 7__ 8_ 9__ 10 11___ 12___ 13 14_______ 15___________ 16 17_ 18_______ 19___ 20_____ 21 22______ 23_ 24______ 25____ 26 27________ 28 29______ 30____________ 31

Chunks:
  TruePositive nam [20,20] = Leppera

(ChunkerEvaluator) Sentence #14963 from articles/00108096 from sent118

Text  : A może jest odwrotnie .
Tokens: 1 2___ 3___ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #14964 from articles/00108096 from sent119

Text  : Tomasz Lis pisze w recenzji : „ Książka Kąckiego to opowieść o  Ikarze w  gumofilcach ,  który z  impetem wszedł na salony ,  a  później został z  nich wyrzucony ,  który budził fascynację i  odrazę ,  ale zawsze zainteresowanie ”  .
Tokens: 1_____ 2__ 3____ 4 5_______ 6 7 8______ 9_______ 10 11______ 12 13____ 14 15_________ 16 17___ 18 19_____ 20____ 21 22____ 23 24 25_____ 26____ 27 28__ 29_______ 30 31___ 32____ 33________ 34 35____ 36 37_ 38____ 39_____________ 40 41

Chunks:
  TruePositive nam [1,2] = Tomasz Lis
  TruePositive nam [13,13] = Ikarze
  FalsePositive nam [8,9] = Książka Kąckiego
  FalseNegative nam [9,9] = Kąckiego

(ChunkerEvaluator) Sentence #14965 from articles/00108096 from sent120

Text  : Andrzej Skworz , redaktor naczelny miesięcznika „ Press ” ,  dodaje :  „  Lepperiada ”  jest dowodem na to ,  że Kącki nie odpuścił Samoobronie .
Tokens: 1______ 2_____ 3 4_______ 5_______ 6___________ 7 8____ 9 10 11____ 12 13 14________ 15 16__ 17_____ 18 19 20 21 22___ 23_ 24______ 25_________ 26

Chunks:
  TruePositive nam [1,2] = Andrzej Skworz
  TruePositive nam [25,25] = Samoobronie
  FalseNegative nam [8,8] = Press
  FalseNegative nam [14,14] = Lepperiada
  FalseNegative nam [22,22] = Kącki

(ChunkerEvaluator) Sentence #14966 from articles/00108096 from sent121

Text  : Od początku miał ją na oku .
Tokens: 1_ 2_______ 3___ 4_ 5_ 6__ 7

Chunks:

(ChunkerEvaluator) Sentence #14967 from articles/00108096 from sent122

Text  : Teraz brawurowo podsumowuje historię tej partii i jej wodza .
Tokens: 1____ 2________ 3__________ 4_______ 5__ 6_____ 7 8__ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #14968 from articles/00108096 from sent123

Text  : I robi to z niezwykłą troską o detale .
Tokens: 1 2___ 3_ 4 5________ 6_____ 7 8_____ 9

Chunks:

2016-10-27 15:00:28,689 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 651 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108097.xml
(ChunkerEvaluator) Sentence #14969 from articles/00108097 from sent1

Text  : „ Kawał bandziora .
Tokens: 1 2____ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #14970 from articles/00108097 from sent2

Text  : Taką miał opinię ” [ KIM BYŁ ANDRZEJ B .
Tokens: 1___ 2___ 3_____ 4 5 6__ 7__ 8______ 9 10

Chunks:
  FalsePositive nam [6,6] = KIM
  FalsePositive nam [8,9] = ANDRZEJ B
  FalseNegative nam [8,10] = ANDRZEJ B .

(ChunkerEvaluator) Sentence #14971 from articles/00108097 from sent3

Text  : Z SANOKA ]
Tokens: 1 2_____ 3

Chunks:
  TruePositive nam [2,2] = SANOKA

(ChunkerEvaluator) Sentence #14972 from articles/00108097 from sent4

Text  : Kim był sprawca strzelaniny w Sanoku Andrzej B . ?
Tokens: 1__ 2__ 3______ 4__________ 5 6_____ 7______ 8 9 10

Chunks:
  TruePositive nam [6,6] = Sanoku
  TruePositive nam [7,9] = Andrzej B .

(ChunkerEvaluator) Sentence #14973 from articles/00108097 from sent5

Text  : „ Witamy w piekle ” , „ Boże chroń fanatyków ”  -  tak na Facebooku chwalił się kibolskimi zdjęciami ze stadionów .
Tokens: 1 2_____ 3 4_____ 5 6 7 8___ 9____ 10_______ 11 12 13_ 14 15_______ 16_____ 17_ 18________ 19_______ 20 21_______ 22

Chunks:
  FalseNegative nam [15,15] = Facebooku

(ChunkerEvaluator) Sentence #14974 from articles/00108097 from sent6

Text  : Ale dlaczego zabił kolegę , z którym planował napad na stację paliw ?
Tokens: 1__ 2_______ 3____ 4_____ 5 6 7_____ 8_______ 9____ 10 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #14975 from articles/00108097 from sent7

Text  : I dlaczego musiała zginąć 17 - letnia przyjaciółka mężczyzny ?
Tokens: 1 2_______ 3______ 4_____ 5_ 6 7_____ 8___________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #14976 from articles/00108097 from sent8

Text  : - Przewijał się w naszych sprawach związanych z ciemnymi interesami lokalnych biznesmenów na pokaźne kwoty .
Tokens: 1 2________ 3__ 4 5______ 6_______ 7_________ 8 9_______ 10________ 11_______ 12_________ 13 14_____ 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #14977 from articles/00108097 from sent9

Text  : Miał sprawę w Sądzie Okręgowym w Krośnie za pożyczenie 200 tys .  zł ,  których nie oddał ,  i  twierdził ,  że nigdy nie pożyczał -  słyszymy od prokuratorów .
Tokens: 1___ 2_____ 3 4_____ 5________ 6 7______ 8_ 9_________ 10_ 11_ 12 13 14 15_____ 16_ 17___ 18 19 20_______ 21 22 23___ 24_ 25______ 26 27______ 28 29__________ 30

Chunks:
  TruePositive nam [4,5] = Sądzie Okręgowym
  TruePositive nam [7,7] = Krośnie
  TruePositive nam [13,13] = zł

(ChunkerEvaluator) Sentence #14978 from articles/00108097 from sent10

Text  : - Kawał bandziora , taką Andrzej B . miał opinię w  Sanoku -  podsumowuje „  Gazecie ”  jeden z  sanockich śledczych .
Tokens: 1 2____ 3________ 4 5___ 6______ 7 8 9___ 10____ 11 12____ 13 14_________ 15 16_____ 17 18___ 19 20_______ 21_______ 22

Chunks:
  TruePositive nam [12,12] = Sanoku
  TruePositive nam [16,16] = Gazecie
  FalsePositive nam [6,7] = Andrzej B
  FalseNegative nam [6,8] = Andrzej B .

(ChunkerEvaluator) Sentence #14979 from articles/00108097 from sent11

Text  : Wydawało mu się , że śnieg zasypie ślady . .  .
Tokens: 1_______ 2_ 3__ 4 5_ 6____ 7______ 8____ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #14980 from articles/00108097 from sent12

Text  : Dlaczego Andrzej B . zdecydował się na tak desperacki krok ?
Tokens: 1_______ 2______ 3 4 5_________ 6__ 7_ 8__ 9_________ 10__ 11

Chunks:
  TruePositive nam [2,4] = Andrzej B .

(ChunkerEvaluator) Sentence #14981 from articles/00108097 from sent13

Text  : Ten 32 - latek , pochodzący z Leska , a  od ośmiu lat mieszkający w  Sanoku ,  był postacią z  bogatą przeszłością kryminalną -  notowany m  .  in .  za rozbój z  użyciem niebezpiecznego narzędzia ,  handel narkotykami i  jazdę po pijanemu .
Tokens: 1__ 2_ 3 4____ 5 6_________ 7 8____ 9 10 11 12___ 13_ 14_________ 15 16____ 17 18_ 19______ 20 21____ 22__________ 23________ 24 25______ 26 27 28 29 30 31____ 32 33_____ 34_____________ 35_______ 36 37____ 38_________ 39 40___ 41 42______ 43

Chunks:
  TruePositive nam [8,8] = Leska
  TruePositive nam [16,16] = Sanoku

(ChunkerEvaluator) Sentence #14982 from articles/00108097 from sent14

Text  : Z zamordowanym Krystianem L . bardzo dobrze się znał z  czasów szkolnych .
Tokens: 1 2___________ 3_________ 4 5 6_____ 7_____ 8__ 9___ 10 11____ 12_______ 13

Chunks:
  TruePositive nam [3,5] = Krystianem L .

(ChunkerEvaluator) Sentence #14983 from articles/00108097 from sent15

Text  : - Mieli wspólne plany akcji przestępczych - twierdzi nasz informator z  prokuratury .
Tokens: 1 2____ 3______ 4____ 5____ 6____________ 7 8_______ 9___ 10________ 11 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #14984 from articles/00108097 from sent16

Text  : Jednym z nich był napad , jaki obaj planowali na stację paliw .
Tokens: 1_____ 2 3___ 4__ 5____ 6 7___ 8___ 9________ 10 11____ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #14985 from articles/00108097 from sent17

Text  : - Przy Krystianie L . znaleziono notatki , z których wynikało ,  że stację wcześniej obserwowali -  słyszymy od śledczych .
Tokens: 1 2___ 3_________ 4 5 6_________ 7______ 8 9 10_____ 11______ 12 13 14____ 15_______ 16_________ 17 18______ 19 20_______ 21

Chunks:
  TruePositive nam [3,5] = Krystianie L .

(ChunkerEvaluator) Sentence #14986 from articles/00108097 from sent18

Text  : Dlaczego więc Krystian L . zginął ?
Tokens: 1_______ 2___ 3_______ 4 5 6_____ 7

Chunks:
  TruePositive nam [3,5] = Krystian L .

(ChunkerEvaluator) Sentence #14987 from articles/00108097 from sent19

Text  : - Poróżnili się w sprawach finansowych .
Tokens: 1 2________ 3__ 4 5_______ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #14988 from articles/00108097 from sent20

Text  : L . wiedział o czymś , czego się B .  bał .
Tokens: 1 2 3_______ 4 5____ 6 7____ 8__ 9 10 11_ 12

Chunks:
  FalsePositive nam [9,9] = B
  FalseNegative nam [1,2] = L .
  FalseNegative nam [9,10] = B .

(ChunkerEvaluator) Sentence #14989 from articles/00108097 from sent21

Text  : Może chodziło o zemstę , może B . chciał usunąć niewygodnego świadka .
Tokens: 1___ 2_______ 3 4_____ 5 6___ 7 8 9_____ 10____ 11__________ 12_____ 13

Chunks:
  FalsePositive nam [7,7] = B
  FalseNegative nam [7,8] = B .

(ChunkerEvaluator) Sentence #14990 from articles/00108097 from sent22

Text  : B . liczył na to , że jak Krystiana wywiezie na wieś i  tam go zastrzeli ,  to uniknie odpowiedzialności karnej .
Tokens: 1 2 3_____ 4_ 5_ 6 7_ 8__ 9________ 10______ 11 12__ 13 14_ 15 16_______ 17 18 19_____ 20_______________ 21____ 22

Chunks:
  TruePositive nam [9,9] = Krystiana
  FalseNegative nam [1,2] = B .

(ChunkerEvaluator) Sentence #14991 from articles/00108097 from sent23

Text  : Wydawało mu się , że jak śnieg zasypie ślady opon ,  to nikt do niego nie dotrze -  oceniają nasi rozmówcy .
Tokens: 1_______ 2_ 3__ 4 5_ 6__ 7____ 8______ 9____ 10__ 11 12 13__ 14 15___ 16_ 17____ 18 19______ 20__ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #14992 from articles/00108097 from sent24

Text  : Ekskluzywne życie
Tokens: 1__________ 2____

Chunks:

(ChunkerEvaluator) Sentence #14993 from articles/00108097 from sent25

Text  : Oficjalnie Andrzej B . prowadził w Tyrawie Wołoskiej k .  Sanoka firmę drzewną .
Tokens: 1_________ 2______ 3 4 5________ 6 7______ 8________ 9 10 11____ 12___ 13_____ 14

Chunks:
  TruePositive nam [7,8] = Tyrawie Wołoskiej
  TruePositive nam [11,11] = Sanoka
  FalsePositive nam [2,3] = Andrzej B
  FalseNegative nam [2,4] = Andrzej B .

(ChunkerEvaluator) Sentence #14994 from articles/00108097 from sent26

Text  : Do rodzinnego Leska właściwie nie zaglądał .
Tokens: 1_ 2_________ 3____ 4________ 5__ 6_______ 7

Chunks:
  TruePositive nam [3,3] = Leska

(ChunkerEvaluator) Sentence #14995 from articles/00108097 from sent27

Text  : Z matką , która mieszka w skromnym mieszkaniu , utrzymywał tylko kontakt telefoniczny .
Tokens: 1 2____ 3 4____ 5______ 6 7_______ 8_________ 9 10________ 11___ 12_____ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #14996 from articles/00108097 from sent28

Text  : Obecni sąsiedzi B . mówią o nim : „ Dobrze ubrany ,  widać było ,  że ma pieniądze ”  .
Tokens: 1_____ 2_______ 3 4 5____ 6 7__ 8 9 10____ 11____ 12 13___ 14__ 15 16 17 18_______ 19 20

Chunks:
  FalseNegative nam [3,4] = B .

(ChunkerEvaluator) Sentence #14997 from articles/00108097 from sent29

Text  : - Jeździł dobrymi samochodami - mercedesem , bmw , ostatnio chyba miał forda .
Tokens: 1 2______ 3______ 4__________ 5 6_________ 7 8__ 9 10______ 11___ 12__ 13___ 14

Chunks:
  FalseNegative nam [6,6] = mercedesem
  FalseNegative nam [8,8] = bmw
  FalseNegative nam [13,13] = forda

(ChunkerEvaluator) Sentence #14998 from articles/00108097 from sent30

Text  : Przyjeżdżali do niego tacy bardziej napakowani .
Tokens: 1___________ 2_ 3____ 4___ 5_______ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #14999 from articles/00108097 from sent31

Text  : Szpanowali w kabrioletach - opowiada „ Gazecie ” starszy mężczyzna .
Tokens: 1_________ 2 3___________ 4 5_______ 6 7______ 8 9______ 10_______ 11

Chunks:
  TruePositive nam [7,7] = Gazecie

(ChunkerEvaluator) Sentence #15000 from articles/00108097 from sent32

Text  : Jego znajomy dodaje : - Kiedyś trafił do niego windykator w  sprawie zwrotu długu bankowego .
Tokens: 1___ 2______ 3_____ 4 5 6_____ 7_____ 8_ 9____ 10________ 11 12_____ 13____ 14___ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #15001 from articles/00108097 from sent33

Text  : Jak wyszedł z tego mieszkania , to powiedział , że więcej tam już nie pójdzie .
Tokens: 1__ 2______ 3 4___ 5_________ 6 7_ 8_________ 9 10 11____ 12_ 13_ 14_ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #15002 from articles/00108097 from sent34

Text  : Prezesowi banku też zapowiedział , że więcej się tam nie pojawi .
Tokens: 1________ 2____ 3__ 4___________ 5 6_ 7_____ 8__ 9__ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15003 from articles/00108097 from sent35

Text  : Mieszkanka Sanoka : - Bardzo grzeczny .
Tokens: 1_________ 2_____ 3 4 5_____ 6_______ 7

Chunks:
  TruePositive nam [2,2] = Sanoka

(ChunkerEvaluator) Sentence #15004 from articles/00108097 from sent36

Text  : Zawsze się ukłonił , zawsze mówił „ dzień dobry ”  .
Tokens: 1_____ 2__ 3______ 4 5_____ 6____ 7 8____ 9____ 10 11

Chunks:

(ChunkerEvaluator) Sentence #15005 from articles/00108097 from sent37

Text  : Pracował w tartaku , miał jakieś kontakty z Ukrainą .
Tokens: 1_______ 2 3______ 4 5___ 6_____ 7_______ 8 9______ 10

Chunks:
  TruePositive nam [9,9] = Ukrainą

(ChunkerEvaluator) Sentence #15006 from articles/00108097 from sent38

Text  : - Na odległość - grzeczny , ale z bliska -  furiat .
Tokens: 1 2_ 3________ 4 5_______ 6 7__ 8 9_____ 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15007 from articles/00108097 from sent39

Text  : Kiedyś groził mojemu dziadkowi , który zwrócił mu uwagę ,  że w  mieszkaniu jest za głośno .
Tokens: 1_____ 2_____ 3_____ 4________ 5 6____ 7______ 8_ 9____ 10 11 12 13________ 14__ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #15008 from articles/00108097 from sent40

Text  : Zdarzały się imprezy .
Tokens: 1_______ 2__ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #15009 from articles/00108097 from sent41

Text  : Wiem , że często szukali go Ukraińcy - opowiada młody człowiek .
Tokens: 1___ 2 3_ 4_____ 5______ 6_ 7_______ 8 9_______ 10___ 11______ 12

Chunks:
  TruePositive nam [7,7] = Ukraińcy

(ChunkerEvaluator) Sentence #15010 from articles/00108097 from sent42

Text  : Ostatni wpis na Facebooku Andrzeja B . , jaki znaleźli śmy ,  jest z  31 października ub .  r  .
Tokens: 1______ 2___ 3_ 4________ 5_______ 6 7 8 9___ 10______ 11_ 12 13__ 14 15 16__________ 17 18 19 20

Chunks:
  TruePositive nam [5,7] = Andrzeja B .
  FalseNegative nam [4,4] = Facebooku

(ChunkerEvaluator) Sentence #15011 from articles/00108097 from sent43

Text  : „ Wg .
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #15012 from articles/00108097 from sent44

Text  : zeznań w sądzie niejakiej M . G . powinien em odbyć karę 1  ,  6  /  5  bo mam ekskluzywnego psa oraz prowadzę ekskluzywne życie ”  [  pisownia oryginalna ]  .
Tokens: 1_____ 2 3_____ 4________ 5 6 7 8 9_______ 10 11___ 12__ 13 14 15 16 17 18 19_ 20___________ 21_ 22__ 23______ 24_________ 25___ 26 27 28______ 29________ 30 31

Chunks:
  TruePositive nam [5,8] = M . G .

(ChunkerEvaluator) Sentence #15013 from articles/00108097 from sent45

Text  : Tło jego profilu zdobi kibolskie zdjęcie ze stadionu , na którym wywieszono transparent z  napisem :  „  Witamy w  piekle ”  .
Tokens: 1__ 2___ 3______ 4____ 5________ 6______ 7_ 8_______ 9 10 11____ 12________ 13_________ 14 15_____ 16 17 18____ 19 20____ 21 22

Chunks:

(ChunkerEvaluator) Sentence #15014 from articles/00108097 from sent46

Text  : Na innym są transparenty z napisami : „ Boże chroń fanatyków ”  i  „  Legia się w  tańcu nie pierdoli ”  .
Tokens: 1_ 2____ 3_ 4___________ 5 6_______ 7 8 9___ 10___ 11_______ 12 13 14 15___ 16_ 17 18___ 19_ 20______ 21 22

Chunks:
  FalseNegative nam [9,9] = Boże
  FalseNegative nam [15,15] = Legia

(ChunkerEvaluator) Sentence #15015 from articles/00108097 from sent47

Text  : Andrzej B . na Facebooku chwalił się także bronią .
Tokens: 1______ 2 3 4_ 5________ 6______ 7__ 8____ 9_____ 10

Chunks:
  TruePositive nam [1,3] = Andrzej B .
  TruePositive nam [5,5] = Facebooku

(ChunkerEvaluator) Sentence #15016 from articles/00108097 from sent48

Text  : A 17 - letnia dziewczyna ?
Tokens: 1 2_ 3 4_____ 5_________ 6

Chunks:

(ChunkerEvaluator) Sentence #15017 from articles/00108097 from sent49

Text  : - Była bardzo cicha .
Tokens: 1 2___ 3_____ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #15018 from articles/00108097 from sent50

Text  : Zawsze gdzieś w cieniu B . - opowiada listonoszka .
Tokens: 1_____ 2_____ 3 4_____ 5 6 7 8_______ 9__________ 10

Chunks:
  TruePositive nam [5,6] = B .

(ChunkerEvaluator) Sentence #15019 from articles/00108097 from sent51

Text  : - Ale grzeczna .
Tokens: 1 2__ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #15020 from articles/00108097 from sent52

Text  : On też , choć przynosiła m mu niezbyt ciekawą korespondencję -  głównie z  policji i  prokuratury -  dodaje .
Tokens: 1_ 2__ 3 4___ 5_________ 6 7_ 8______ 9______ 10____________ 11 12_____ 13 14_____ 15 16_________ 17 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #15021 from articles/00108097 from sent53

Text  : Egzekucja
Tokens: 1________

Chunks:

(ChunkerEvaluator) Sentence #15022 from articles/00108097 from sent54

Text  : - Krystian L . musiał klęczeć .
Tokens: 1 2_______ 3 4 5_____ 6______ 7

Chunks:
  FalsePositive nam [2,3] = Krystian L
  FalseNegative nam [2,4] = Krystian L .

(ChunkerEvaluator) Sentence #15023 from articles/00108097 from sent55

Text  : Dostał z bliska trzy kule w głowę i jedną na dobicie w  plecy .
Tokens: 1_____ 2 3_____ 4___ 5___ 6 7____ 8 9____ 10 11_____ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #15024 from articles/00108097 from sent56

Text  : Andrzej B . wykonał egzekucję jak gestapowiec - mówi jeden ze śledczych .
Tokens: 1______ 2 3 4______ 5________ 6__ 7__________ 8 9___ 10___ 11 12_______ 13

Chunks:
  FalsePositive nam [1,2] = Andrzej B
  FalseNegative nam [1,3] = Andrzej B .

(ChunkerEvaluator) Sentence #15025 from articles/00108097 from sent57

Text  : I dodaje : - Zaskakuje mnie zimna krew sprawcy zabójstwa .
Tokens: 1 2_____ 3 4 5________ 6___ 7____ 8___ 9______ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #15026 from articles/00108097 from sent58

Text  : Nawet nie desperacja , a bezwzględność .
Tokens: 1____ 2__ 3_________ 4 5 6____________ 7

Chunks:

(ChunkerEvaluator) Sentence #15027 from articles/00108097 from sent59

Text  : Absolutny brak skrupułów .
Tokens: 1________ 2___ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #15028 from articles/00108097 from sent60

Text  : Ofiara klęczała .
Tokens: 1_____ 2_______ 3

Chunks:
  FalsePositive nam [1,1] = Ofiara

(ChunkerEvaluator) Sentence #15029 from articles/00108097 from sent61

Text  : To typowa pozycja do wykonania wyroku .
Tokens: 1_ 2_____ 3______ 4_ 5________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #15030 from articles/00108097 from sent62

Text  : Czy rzeczywiście Andrzej B . wykonał egzekucję na Krystianie L  .  ,  a  potem zastrzelił dziewczynę i  siebie ?
Tokens: 1__ 2___________ 3______ 4 5 6______ 7________ 8_ 9_________ 10 11 12 13 14___ 15________ 16________ 17 18____ 19

Chunks:
  TruePositive nam [9,11] = Krystianie L .
  FalsePositive nam [3,4] = Andrzej B
  FalseNegative nam [3,5] = Andrzej B .

(ChunkerEvaluator) Sentence #15031 from articles/00108097 from sent63

Text  : Oficjalnie prokuratura ma niewiele do powiedzenia .
Tokens: 1_________ 2__________ 3_ 4_______ 5_ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #15032 from articles/00108097 from sent64

Text  : - Wiemy niewiele , a może bardzo mało - stwierdza w  rozmowie z  „  Gazetą ”  Romualda Władyka ,  wiceszefowa Prokuratury Rejonowej w  Sanoku .
Tokens: 1 2____ 3_______ 4 5 6___ 7_____ 8___ 9 10_______ 11 12______ 13 14 15____ 16 17______ 18_____ 19 20_________ 21_________ 22_______ 23 24____ 25

Chunks:
  TruePositive nam [15,15] = Gazetą
  TruePositive nam [17,18] = Romualda Władyka
  FalsePositive nam [21,24] = Prokuratury Rejonowej w Sanoku
  FalseNegative nam [21,22] = Prokuratury Rejonowej
  FalseNegative nam [24,24] = Sanoku

2016-10-27 15:00:28,923 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 652 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108098.xml
(ChunkerEvaluator) Sentence #15033 from articles/00108098 from sent1

Text  : Co czeka nas w niedzielę we Wrocławiu na finale WOŚP ?
Tokens: 1_ 2____ 3__ 4 5________ 6_ 7________ 8_ 9_____ 10__ 11

Chunks:
  TruePositive nam [7,7] = Wrocławiu
  TruePositive nam [10,10] = WOŚP

(ChunkerEvaluator) Sentence #15034 from articles/00108098 from sent2

Text  : W niedzielę kilkuset wolontariuszy będzie zbierać pieniądze na sprzęt do ratowania życia dzieci i  -  po raz pierwszy w  historii Orkiestry -  godną opiekę medyczną osób starszych .
Tokens: 1 2________ 3_______ 4____________ 5_____ 6______ 7________ 8_ 9_____ 10 11_______ 12___ 13____ 14 15 16 17_ 18______ 19 20______ 21_______ 22 23___ 24____ 25______ 26__ 27_______ 28

Chunks:
  TruePositive nam [21,21] = Orkiestry

(ChunkerEvaluator) Sentence #15035 from articles/00108098 from sent3

Text  : Na Rynku obejrzymy koncerty i licytacje , przejedziemy się terenówkami i  spotkamy grupy rekonstrukcyjne oraz psy ratownicze .
Tokens: 1_ 2____ 3________ 4_______ 5 6________ 7 8___________ 9__ 10_________ 11 12______ 13___ 14_____________ 15__ 16_ 17________ 18

Chunks:
  TruePositive nam [2,2] = Rynku

(ChunkerEvaluator) Sentence #15036 from articles/00108098 from sent4

Text  : Na ulice Wrocławia wyjdzie 800 wolontariuszy .
Tokens: 1_ 2____ 3________ 4______ 5__ 6____________ 7

Chunks:
  TruePositive nam [3,3] = Wrocławia

(ChunkerEvaluator) Sentence #15037 from articles/00108098 from sent5

Text  : Podczas 21 . finału będą zbierać pieniądze nie tylko na pomoc dzieciom ,  ale też dla osób starszych .
Tokens: 1______ 2_ 3 4_____ 5___ 6______ 7________ 8__ 9____ 10 11___ 12______ 13 14_ 15_ 16_ 17__ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #15038 from articles/00108098 from sent6

Text  : Zebrane fundusze będą przekazane m . in . na zakup sprzętu rehabilitacyjnego ,  pomp żywieniowych ,  regulowanych łóżek i  materacy przeciwodleżynowych .
Tokens: 1______ 2_______ 3___ 4_________ 5 6 7_ 8 9_ 10___ 11_____ 12_______________ 13 14__ 15__________ 16 17__________ 18___ 19 20______ 21_________________ 22

Chunks:

(ChunkerEvaluator) Sentence #15039 from articles/00108098 from sent7

Text  : Będą kwestować także psy
Tokens: 1___ 2________ 3____ 4__

Chunks:

(ChunkerEvaluator) Sentence #15040 from articles/00108098 from sent8

Text  : Oficjalne rozpoczęcie imprezy , czyli występ policyjnej i wojskowej orkiestry dętej ,  zaplanowano o  godz .  12 na scenie w  Rynku .
Tokens: 1________ 2__________ 3______ 4 5____ 6_____ 7_________ 8 9________ 10_______ 11___ 12 13_________ 14 15__ 16 17 18 19____ 20 21___ 22

Chunks:
  TruePositive nam [21,21] = Rynku

(ChunkerEvaluator) Sentence #15041 from articles/00108098 from sent9

Text  : Posłuchamy też marynarskich szant , reggae , popu oraz piosenek Marka Grechuty .
Tokens: 1_________ 2__ 3___________ 4____ 5 6_____ 7 8___ 9___ 10______ 11___ 12______ 13

Chunks:
  TruePositive nam [11,12] = Marka Grechuty

(ChunkerEvaluator) Sentence #15042 from articles/00108098 from sent10

Text  : Jak co roku o godz . 20 wystrzeli światełko do nieba :  z  Rynku ,  przed dziecięcym szpitalem na Koszarowej i  kliniką onkologii na Bujwida .
Tokens: 1__ 2_ 3___ 4 5___ 6 7_ 8________ 9________ 10 11___ 12 13 14___ 15 16___ 17________ 18_______ 19 20________ 21 22_____ 23_______ 24 25_____ 26

Chunks:
  TruePositive nam [14,14] = Rynku
  TruePositive nam [20,20] = Koszarowej
  TruePositive nam [25,25] = Bujwida

(ChunkerEvaluator) Sentence #15043 from articles/00108098 from sent11

Text  : Oprócz zwykłych wolontariuszy , na Rynku kwestować będzie też grupa miłośników golden retrieverów ,  które tego dnia będą ubrane w  charakterystyczne chusty .
Tokens: 1_____ 2_______ 3____________ 4 5_ 6____ 7________ 8_____ 9__ 10___ 11________ 12____ 13_________ 14 15___ 16__ 17__ 18__ 19____ 20 21_______________ 22____ 23

Chunks:
  TruePositive nam [6,6] = Rynku

(ChunkerEvaluator) Sentence #15044 from articles/00108098 from sent12

Text  : Każdy będzie mógł zrobić sobie z nimi zdjęcie .
Tokens: 1____ 2_____ 3___ 4_____ 5____ 6 7___ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #15045 from articles/00108098 from sent13

Text  : - Podczas finału będzie można wziąć udział w rajdzie samochodowym ,  oddać krew w  Muzeum Miejskim Wrocławia albo pomóc w  biciu rekordu w  ilości tranu wypitego na świeżym powietrzu -  mówi Maciej Łomnicki ,  rzecznik prasowy wrocławskiego sztabu .
Tokens: 1 2______ 3_____ 4_____ 5____ 6____ 7_____ 8 9______ 10__________ 11 12___ 13__ 14 15____ 16______ 17_______ 18__ 19___ 20 21___ 22_____ 23 24____ 25___ 26______ 27 28_____ 29_______ 30 31__ 32____ 33______ 34 35______ 36_____ 37___________ 38____ 39

Chunks:
  TruePositive nam [15,17] = Muzeum Miejskim Wrocławia
  TruePositive nam [32,33] = Maciej Łomnicki

(ChunkerEvaluator) Sentence #15046 from articles/00108098 from sent14

Text  : - Spotkamy też ekipy poszukiwawcze z psami ratowniczymi , miłośników militariów i  grupy rekonstrukcyjne ,  np .  wikingów .
Tokens: 1 2_______ 3__ 4____ 5____________ 6 7____ 8___________ 9 10________ 11________ 12 13___ 14_____________ 15 16 17 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #15047 from articles/00108098 from sent15

Text  : Samochody i grochówka
Tokens: 1________ 2 3________

Chunks:

(ChunkerEvaluator) Sentence #15048 from articles/00108098 from sent16

Text  : Mocnym punktem finałowego programu będzie amatorski rajd terenowy na wrocławskim motodromie "  Niskie Łąki "  .
Tokens: 1_____ 2______ 3_________ 4_______ 5_____ 6________ 7___ 8_______ 9_ 10_________ 11________ 12 13____ 14__ 15 16

Chunks:
  TruePositive nam [13,14] = Niskie Łąki

(ChunkerEvaluator) Sentence #15049 from articles/00108098 from sent17

Text  : Zawody rozpoczną się o godz . 10 , a wpisowe (  które będzie przekazane na rzecz Orkiestry )  wynosi 100 zł od załogi .
Tokens: 1_____ 2________ 3__ 4 5___ 6 7_ 8 9 10_____ 11 12___ 13____ 14________ 15 16___ 17_______ 18 19____ 20_ 21 22 23____ 24

Chunks:
  TruePositive nam [17,17] = Orkiestry
  TruePositive nam [21,21] = zł

(ChunkerEvaluator) Sentence #15050 from articles/00108098 from sent18

Text  : Fani jazdy off - road powinni też odwiedzić plac Solny -  tam terenówki będą musiały pokonać m  .  in .  pochylnie i  huśtawki .
Tokens: 1___ 2____ 3__ 4 5___ 6______ 7__ 8________ 9___ 10___ 11 12_ 13_______ 14__ 15_____ 16_____ 17 18 19 20 21_______ 22 23______ 24

Chunks:
  FalseNegative nam [9,10] = plac Solny

(ChunkerEvaluator) Sentence #15051 from articles/00108098 from sent19

Text  : W tym samym miejscu odbędą się też prezentacje zabytkowych oraz wojskowych samochodów i  motocykli .
Tokens: 1 2__ 3____ 4______ 5_____ 6__ 7__ 8__________ 9__________ 10__ 11________ 12________ 13 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #15052 from articles/00108098 from sent20

Text  : Po walce z napędem 4x4 będzie można uzupełnić siły miską wojskowej grochówki ,  a  na wolontariuszy WOŚP przez cały dzień czeka bezpłatna kawa w  sieci kawiarni Starbucks .
Tokens: 1_ 2____ 3 4______ 5__ 6_____ 7____ 8________ 9___ 10___ 11_______ 12_______ 13 14 15 16___________ 17__ 18___ 19__ 20___ 21___ 22_______ 23__ 24 25___ 26______ 27_______ 28

Chunks:
  TruePositive nam [17,17] = WOŚP
  FalseNegative nam [27,27] = Starbucks

(ChunkerEvaluator) Sentence #15053 from articles/00108098 from sent21

Text  : Orkiestrowe strzyżenie
Tokens: 1__________ 2_________

Chunks:

(ChunkerEvaluator) Sentence #15054 from articles/00108098 from sent22

Text  : Orkiestrze pomagają też lekarze i fryzjerzy .
Tokens: 1_________ 2_______ 3__ 4______ 5 6________ 7

Chunks:
  FalseNegative nam [1,1] = Orkiestrze

(ChunkerEvaluator) Sentence #15055 from articles/00108098 from sent23

Text  : Bezpłatne badania dzieci w ramach akcji „ Biała niedziela ”  organizuje Klinika Chirurgii i  Urologii Dziecięcej ,  Klinika Transplantacji Szpiku ,  Onkologii i  Hematologii ,  Wojewódzki Szpital Specjalistyczny przy ul .  Kamieńskiego oraz gabinety stomatologiczne Tarabuła .
Tokens: 1________ 2______ 3_____ 4 5_____ 6____ 7 8____ 9________ 10 11________ 12_____ 13_______ 14 15______ 16________ 17 18_____ 19____________ 20____ 21 22_______ 23 24_________ 25 26________ 27_____ 28_____________ 29__ 30 31 32__________ 33__ 34______ 35_____________ 36______ 37

Chunks:
  TruePositive nam [18,20] = Klinika Transplantacji Szpiku
  TruePositive nam [26,28] = Wojewódzki Szpital Specjalistyczny
  TruePositive nam [32,32] = Kamieńskiego
  FalsePositive nam [12,13] = Klinika Chirurgii
  FalsePositive nam [15,16] = Urologii Dziecięcej
  FalsePositive nam [22,22] = Onkologii
  FalsePositive nam [24,24] = Hematologii
  FalseNegative nam [8,9] = Biała niedziela
  FalseNegative nam [12,16] = Klinika Chirurgii i Urologii Dziecięcej
  FalseNegative nam [22,24] = Onkologii i Hematologii
  FalseNegative nam [36,36] = Tarabuła

(ChunkerEvaluator) Sentence #15056 from articles/00108098 from sent24

Text  : Wrocławskie salony fryzjerskie ( Studio Fryzur Wierzbicki , Mona Lisa ,  Pracownia Fryzur oraz Aga )  zapraszają z  kolei na niedzielne strzyżenie ,  czesanie i  farbowanie ,  z  którego całkowity dochód zostanie przeznaczony na rzecz WOŚP .
Tokens: 1__________ 2_____ 3__________ 4 5_____ 6_____ 7_________ 8 9___ 10__ 11 12_______ 13____ 14__ 15_ 16 17________ 18 19___ 20 21________ 22________ 23 24______ 25 26________ 27 28 29_____ 30_______ 31____ 32______ 33__________ 34 35___ 36__ 37

Chunks:
  TruePositive nam [5,7] = Studio Fryzur Wierzbicki
  TruePositive nam [9,10] = Mona Lisa
  TruePositive nam [12,13] = Pracownia Fryzur
  TruePositive nam [15,15] = Aga
  TruePositive nam [36,36] = WOŚP

(ChunkerEvaluator) Sentence #15057 from articles/00108098 from sent25

Text  : W salonach tego dnia zostaną wyłączone kasy , a klienci będą wrzucać zapłatę bezpośrednio do orkiestrowych skarbonek .
Tokens: 1 2_______ 3___ 4___ 5______ 6________ 7___ 8 9 10_____ 11__ 12_____ 13_____ 14__________ 15 16___________ 17_______ 18

Chunks:

(ChunkerEvaluator) Sentence #15058 from articles/00108098 from sent26

Text  : Aukcje dla WOŚP
Tokens: 1_____ 2__ 3___

Chunks:
  TruePositive nam [3,3] = WOŚP

(ChunkerEvaluator) Sentence #15059 from articles/00108098 from sent27

Text  : Podczas finału WOŚP odbędą się też atrakcyjne licytacje ( o  godz .  17 .  50 i  18 .  45 na scenie głównej i  przez cały dzień na portalu Allegro )  .
Tokens: 1______ 2_____ 3___ 4_____ 5__ 6__ 7_________ 8________ 9 10 11__ 12 13 14 15 16 17 18 19 20 21____ 22_____ 23 24___ 25__ 26___ 27 28_____ 29_____ 30 31

Chunks:
  TruePositive nam [3,3] = WOŚP
  TruePositive nam [29,29] = Allegro

(ChunkerEvaluator) Sentence #15060 from articles/00108098 from sent28

Text  : Na aukcjach będzie można kupić m . in . dożywotni karnet wstępu do aquaparku ,  hełm rzecznika straży pożarnej ,  partię szachów z  wojewodą Markiem Skorupą ,  tablicę z  przejścia granicznego Polska -  Niemcy ,  którą usunięto kiedy Polska weszła do strefy Schengen ,  trzydniową wizytę w  Brukseli z  europosłem Piotrem Borysem ,  piłki z  podpisami zawodników Śląska Wrocław .
Tokens: 1_ 2_______ 3_____ 4____ 5____ 6 7 8_ 9 10_______ 11____ 12____ 13 14_______ 15 16__ 17_______ 18____ 19______ 20 21____ 22_____ 23 24______ 25_____ 26_____ 27 28_____ 29 30_______ 31_________ 32____ 33 34____ 35 36___ 37______ 38___ 39____ 40____ 41 42____ 43______ 44 45________ 46____ 47 48______ 49 50________ 51_____ 52_____ 53 54___ 55 56_______ 57________ 58____ 59_____ 60

Chunks:
  TruePositive nam [25,26] = Markiem Skorupą
  TruePositive nam [32,32] = Polska
  TruePositive nam [34,34] = Niemcy
  TruePositive nam [39,39] = Polska
  TruePositive nam [48,48] = Brukseli
  TruePositive nam [51,52] = Piotrem Borysem
  TruePositive nam [58,59] = Śląska Wrocław
  FalsePositive nam [43,43] = Schengen
  FalseNegative nam [42,43] = strefy Schengen

(ChunkerEvaluator) Sentence #15061 from articles/00108098 from sent29

Text  : Nextbike Polska , operator Wrocławskiego Roweru Miejskiego , przekazał również jedną ze swoich stacji na specjalną licytację Orkiestry .
Tokens: 1_______ 2_____ 3 4_______ 5____________ 6_____ 7_________ 8 9________ 10_____ 11___ 12 13____ 14____ 15 16_______ 17_______ 18_______ 19

Chunks:
  TruePositive nam [5,7] = Wrocławskiego Roweru Miejskiego
  TruePositive nam [18,18] = Orkiestry
  FalsePositive nam [2,2] = Polska
  FalseNegative nam [1,2] = Nextbike Polska

(ChunkerEvaluator) Sentence #15062 from articles/00108098 from sent30

Text  : Zwycięzca będzie mógł ją nazwać i ozdobić ją według własnego pomysłu .
Tokens: 1________ 2_____ 3___ 4_ 5_____ 6 7______ 8_ 9_____ 10______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #15063 from articles/00108098 from sent31

Text  : Dodatkowo pięć specjalnie oznakowanych rowerów miejskich będzie jeździć na rzecz Orkiestry .
Tokens: 1________ 2___ 3_________ 4___________ 5______ 6________ 7_____ 8______ 9_ 10___ 11_______ 12

Chunks:
  TruePositive nam [11,11] = Orkiestry

(ChunkerEvaluator) Sentence #15064 from articles/00108098 from sent32

Text  : Podczas finału będzie można też wylicytować zaproszenia do Impartu na cały sezon (  obejmuje m  .  in .  49 .
Tokens: 1______ 2_____ 3_____ 4____ 5__ 6__________ 7__________ 8_ 9______ 10 11__ 12___ 13 14______ 15 16 17 18 19 20

Chunks:
  FalseNegative nam [9,9] = Impartu

(ChunkerEvaluator) Sentence #15065 from articles/00108098 from sent33

Text  : Festiwal Jazz nad Odrą , koncerty Artura Andrusa , Macieja Maleńczuka ,  zespołu Pectus ,  Marka Dyjaka ,  Edyty Geppert ,  bajki dla dzieci czy spektakl „  Leningrad ”  )  .
Tokens: 1_______ 2___ 3__ 4___ 5 6_______ 7_____ 8______ 9 10_____ 11________ 12 13_____ 14____ 15 16___ 17____ 18 19___ 20_____ 21 22___ 23_ 24____ 25_ 26______ 27 28_______ 29 30 31

Chunks:
  TruePositive nam [7,8] = Artura Andrusa
  TruePositive nam [10,11] = Macieja Maleńczuka
  TruePositive nam [16,17] = Marka Dyjaka
  TruePositive nam [19,20] = Edyty Geppert
  TruePositive nam [28,28] = Leningrad
  FalsePositive nam [1,2] = Festiwal Jazz
  FalsePositive nam [4,4] = Odrą
  FalseNegative nam [1,4] = Festiwal Jazz nad Odrą
  FalseNegative nam [14,14] = Pectus

(ChunkerEvaluator) Sentence #15066 from articles/00108098 from sent34

Text  : Cena wywoławcza vouchera dla dwóch osób to 200 zł .
Tokens: 1___ 2_________ 3_______ 4__ 5____ 6___ 7_ 8__ 9_ 10

Chunks:
  TruePositive nam [9,9] = zł

2016-10-27 15:00:29,126 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 653 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108099.xml
(ChunkerEvaluator) Sentence #15067 from articles/00108099 from sent1

Text  : W USA wzrosło poparcie dla wojny z Irakiem
Tokens: 1 2__ 3______ 4_______ 5__ 6____ 7 8______

Chunks:
  TruePositive nam [2,2] = USA
  TruePositive nam [8,8] = Irakiem

(ChunkerEvaluator) Sentence #15068 from articles/00108099 from sent2

Text  : 11 . 2 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #15069 from articles/00108099 from sent3

Text  : Waszyngton , PAP - Większość Amerykanów popiera interwencję wojskową w  Iraku nawet bez mandatu ONZ ,  tylko pod warunkiem ,  że USA będą wspomagane przez niektórych kluczowych sojuszników -  wynika z  najnowszego sondażu telewizji ABC News i  "  Washington Post "
Tokens: 1_________ 2 3__ 4 5________ 6_________ 7______ 8__________ 9_______ 10 11___ 12___ 13_ 14_____ 15_ 16 17___ 18_ 19_______ 20 21 22_ 23__ 24________ 25___ 26________ 27________ 28_________ 29 30____ 31 32_________ 33_____ 34_______ 35_ 36__ 37 38 39________ 40__ 41

Chunks:
  TruePositive nam [1,1] = Waszyngton
  TruePositive nam [3,3] = PAP
  TruePositive nam [11,11] = Iraku
  TruePositive nam [15,15] = ONZ
  TruePositive nam [22,22] = USA
  TruePositive nam [35,36] = ABC News
  TruePositive nam [39,40] = Washington Post
  FalsePositive nam [5,6] = Większość Amerykanów
  FalseNegative nam [6,6] = Amerykanów

(ChunkerEvaluator) Sentence #15070 from articles/00108099 from sent4

Text  : Jak podaje ten dziennik w swym wtorkowym wydaniu , akcję zbrojną w  celu rozbrojenia i  obalenia Saddama Husajna ,  bez upoważnienia Rady Bezpieczeństwa ,  aprobuje prawie 60 procent amerykańskiego społeczeństwa -  jeśli tylko w  wojnie pomogą USA takie kraje jak Wielka Brytania i  Włochy
Tokens: 1__ 2_____ 3__ 4_______ 5 6___ 7________ 8______ 9 10___ 11_____ 12 13__ 14_________ 15 16______ 17_____ 18_____ 19 20_ 21__________ 22__ 23____________ 24 25______ 26____ 27 28_____ 29____________ 30___________ 31 32___ 33___ 34 35____ 36____ 37_ 38___ 39___ 40_ 41____ 42______ 43 44____

Chunks:
  TruePositive nam [17,18] = Saddama Husajna
  TruePositive nam [22,23] = Rady Bezpieczeństwa
  TruePositive nam [37,37] = USA
  TruePositive nam [41,42] = Wielka Brytania
  TruePositive nam [44,44] = Włochy

(ChunkerEvaluator) Sentence #15071 from articles/00108099 from sent5

Text  : Jeszcze miesiąc temu poparcie jednostronnej akcji bez mandatu ONZ było o  prawie 10 procent niższe
Tokens: 1______ 2______ 3___ 4_______ 5____________ 6____ 7__ 8______ 9__ 10__ 11 12____ 13 14_____ 15____

Chunks:
  TruePositive nam [9,9] = ONZ

(ChunkerEvaluator) Sentence #15072 from articles/00108099 from sent6

Text  : Zwrot opinii nastąpił po orędziu o stanie państwa , wygłoszonym przez prezydenta Busha pod koniec stycznia ;  poparcie wzrosło jeszcze po wystąpieniu sekretarza stanu Colina Powella w  Radzie Bezpieczeństwa w  zeszłym tygodniu .
Tokens: 1____ 2_____ 3_______ 4_ 5______ 6 7_____ 8______ 9 10_________ 11___ 12________ 13___ 14_ 15____ 16______ 17 18______ 19_____ 20_____ 21 22_________ 23________ 24___ 25____ 26_____ 27 28____ 29____________ 30 31_____ 32______ 33

Chunks:
  TruePositive nam [13,13] = Busha
  TruePositive nam [25,26] = Colina Powella
  TruePositive nam [28,29] = Radzie Bezpieczeństwa

(ChunkerEvaluator) Sentence #15073 from articles/00108099 from sent7

Text  : Obaj przedstawili obszerne uzasadnienie konieczności rozbrojenia Husajna
Tokens: 1___ 2___________ 3_______ 4___________ 5___________ 6__________ 7______

Chunks:
  TruePositive nam [7,7] = Husajna

(ChunkerEvaluator) Sentence #15074 from articles/00108099 from sent8

Text  : Poprawiły się także znowu notowania Busha jako prezydenta - obecnie aprobata dla sposobu pełnienia przez niego urzędu wynosi 64 procent
Tokens: 1________ 2__ 3____ 4____ 5________ 6____ 7___ 8_________ 9 10_____ 11______ 12_ 13_____ 14_______ 15___ 16___ 17____ 18____ 19 20_____

Chunks:
  TruePositive nam [6,6] = Busha

(ChunkerEvaluator) Sentence #15075 from articles/00108099 from sent9

Text  : Tomasz Zalewski ( PAP ) hb /
Tokens: 1_____ 2_______ 3 4__ 5 6_ 7

Chunks:
  TruePositive nam [1,2] = Tomasz Zalewski
  TruePositive nam [4,4] = PAP

2016-10-27 15:00:29,182 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 654 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108100.xml
(ChunkerEvaluator) Sentence #15076 from articles/00108100 from sent1

Text  : NBA .
Tokens: 1__ 2

Chunks:
  TruePositive nam [1,1] = NBA

(ChunkerEvaluator) Sentence #15077 from articles/00108100 from sent2

Text  : Dwa tysiące zwycięstw Phoenix Suns
Tokens: 1__ 2______ 3________ 4______ 5___

Chunks:
  TruePositive nam [4,5] = Phoenix Suns

(ChunkerEvaluator) Sentence #15078 from articles/00108100 from sent3

Text  : Zespół Marcina Gortata wygrał w sobotę na wyjeździe z Chicago Bulls 97 :  81 ,  przerwali passę dwunastu porażek poza własną halą i  odnieśli dwutysięczne zwycięstwo w  historii drużyny .
Tokens: 1_____ 2______ 3______ 4_____ 5 6_____ 7_ 8________ 9 10_____ 11___ 12 13 14 15 16_______ 17___ 18______ 19_____ 20__ 21____ 22__ 23 24______ 25__________ 26________ 27 28______ 29_____ 30

Chunks:
  TruePositive nam [2,3] = Marcina Gortata
  TruePositive nam [10,11] = Chicago Bulls

(ChunkerEvaluator) Sentence #15079 from articles/00108100 from sent4

Text  : Polak był bliski double - double - rzucił osiem punktów i  miał 10 zbiórek .
Tokens: 1____ 2__ 3_____ 4_____ 5 6_____ 7 8_____ 9____ 10_____ 11 12__ 13 14_____ 15

Chunks:
  TruePositive nam [1,1] = Polak

(ChunkerEvaluator) Sentence #15080 from articles/00108100 from sent5

Text  : Na wygranie dwóch tysięcy meczów w NBA Suns potrzebowali 3599 spotkań ,  ale ich historyczna wygrana w  Chicago jest zaskakująca .
Tokens: 1_ 2_______ 3____ 4______ 5_____ 6 7__ 8___ 9___________ 10__ 11_____ 12 13_ 14_ 15_________ 16_____ 17 18_____ 19__ 20_________ 21

Chunks:
  TruePositive nam [7,7] = NBA
  TruePositive nam [18,18] = Chicago
  FalseNegative nam [8,8] = Suns

(ChunkerEvaluator) Sentence #15081 from articles/00108100 from sent6

Text  : Do soboty przegrali 12 meczów wyjazdowych z rzędu , nie radzili sobie w  spotkaniach granych dzień pod dniu (  do soboty osiem porażek )  ,  do tego nie wygrali pięciu ostatnich spotkań .
Tokens: 1_ 2_____ 3________ 4_ 5_____ 6__________ 7 8____ 9 10_ 11_____ 12___ 13 14_________ 15_____ 16___ 17_ 18__ 19 20 21____ 22___ 23_____ 24 25 26 27__ 28_ 29_____ 30____ 31_______ 32_____ 33

Chunks:

(ChunkerEvaluator) Sentence #15082 from articles/00108100 from sent7

Text  : W sobotę Suns wykorzystali bardzo słabą grę Bulls oraz to ,  że przebudził się Michael Beasley .
Tokens: 1 2_____ 3___ 4___________ 5_____ 6____ 7__ 8____ 9___ 10 11 12 13________ 14_ 15_____ 16_____ 17

Chunks:
  TruePositive nam [15,16] = Michael Beasley
  FalseNegative nam [3,3] = Suns
  FalseNegative nam [8,8] = Bulls

(ChunkerEvaluator) Sentence #15083 from articles/00108100 from sent8

Text  : Skrzydłowy , który miał być liderem Suns w ataku ,  ostatnio wypadł z  rotacji trenera Gentry'ego ,  na boisku pojawiał się epizodycznie ,  ale z  Bulls wykorzystał swoją szansę .
Tokens: 1_________ 2 3____ 4___ 5__ 6______ 7___ 8 9____ 10 11______ 12____ 13 14_____ 15_____ 16________ 17 18 19____ 20______ 21_ 22__________ 23 24_ 25 26___ 27_________ 28___ 29____ 30

Chunks:
  TruePositive nam [16,16] = Gentry'ego
  TruePositive nam [26,26] = Bulls
  FalsePositive nam [1,1] = Skrzydłowy
  FalseNegative nam [7,7] = Suns

(ChunkerEvaluator) Sentence #15084 from articles/00108100 from sent9

Text  : Rzucił 20 punktów , z czego 14 w drugiej kwarcie ,  gdy jego zespół odskoczył na siedem punktów .
Tokens: 1_____ 2_ 3______ 4 5 6____ 7_ 8 9______ 10_____ 11 12_ 13__ 14____ 15_______ 16 17____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #15085 from articles/00108100 from sent10

Text  : Dołożył do tego sześć zbiórek , asystę oraz blok ,  a  to wszystko w  21 minut .
Tokens: 1______ 2_ 3___ 4____ 5______ 6 7_____ 8___ 9___ 10 11 12 13______ 14 15 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #15086 from articles/00108100 from sent11

Text  : To jego najlepszy mecz od miesiąca .
Tokens: 1_ 2___ 3________ 4___ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #15087 from articles/00108100 from sent12

Text  : Dobrze wypełnił lukę po Jaredzie Dudleyu , który nie zagrał z  Bulls z  powodu kontuzji ręki .
Tokens: 1_____ 2_______ 3___ 4_ 5_______ 6______ 7 8____ 9__ 10____ 11 12___ 13 14____ 15______ 16__ 17

Chunks:
  TruePositive nam [5,6] = Jaredzie Dudleyu
  FalseNegative nam [12,12] = Bulls

(ChunkerEvaluator) Sentence #15088 from articles/00108100 from sent13

Text  : Suns trafiali z blisko 50 - procentową skutecznością .
Tokens: 1___ 2_______ 3 4_____ 5_ 6 7_________ 8____________ 9

Chunks:
  FalseNegative nam [1,1] = Suns

(ChunkerEvaluator) Sentence #15089 from articles/00108100 from sent14

Text  : Do przerwy mieli siedem punktów więcej , w trzeciej kwarcie powiększyli ją do 14 i  kontrolowali mecz do końca .
Tokens: 1_ 2______ 3____ 4_____ 5______ 6_____ 7 8 9_______ 10_____ 11_________ 12 13 14 15 16__________ 17__ 18 19___ 20

Chunks:

(ChunkerEvaluator) Sentence #15090 from articles/00108100 from sent15

Text  : Bardzo dobre spotkanie zagrał Luis Scola , który zdobył 22 punkty ,  miał siedem zbiórek ,  trzy asysty i  przechwyt .
Tokens: 1_____ 2____ 3________ 4_____ 5___ 6____ 7 8____ 9_____ 10 11____ 12 13__ 14____ 15_____ 16 17__ 18____ 19 20_______ 21

Chunks:
  TruePositive nam [5,6] = Luis Scola

(ChunkerEvaluator) Sentence #15091 from articles/00108100 from sent16

Text  : 13 punktów , sześć zbiórek i pięć asyst dołożył rezerwowy rozgrywający Sebastian Telfair .
Tokens: 1_ 2______ 3 4____ 5______ 6 7___ 8____ 9______ 10_______ 11__________ 12_______ 13_____ 14

Chunks:
  TruePositive nam [12,13] = Sebastian Telfair

(ChunkerEvaluator) Sentence #15092 from articles/00108100 from sent17

Text  : Marcin Gortat rzucił osiem punktów i miał 10 zbiórek .
Tokens: 1_____ 2_____ 3_____ 4____ 5______ 6 7___ 8_ 9______ 10

Chunks:
  TruePositive nam [1,2] = Marcin Gortat

(ChunkerEvaluator) Sentence #15093 from articles/00108100 from sent18

Text  : Polak był na parkiecie przez 38 minut , trafił trzy z  czterech rzutów z  gry ,  dwa z  czterech wolnych .
Tokens: 1____ 2__ 3_ 4________ 5____ 6_ 7____ 8 9_____ 10__ 11 12______ 13____ 14 15_ 16 17_ 18 19______ 20_____ 21

Chunks:
  TruePositive nam [1,1] = Polak

(ChunkerEvaluator) Sentence #15094 from articles/00108100 from sent19

Text  : Miał też trzy asysty , dwa bloki i tylko jedną stratę .
Tokens: 1___ 2__ 3___ 4_____ 5 6__ 7____ 8 9____ 10___ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15095 from articles/00108100 from sent20

Text  : Mecz zaczął od dwóch szybkich fauli , ale później grał już lepiej .
Tokens: 1___ 2_____ 3_ 4____ 5_______ 6____ 7 8__ 9______ 10__ 11_ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #15096 from articles/00108100 from sent21

Text  : Sześć z ośmiu punktów zdobył po przerwie .
Tokens: 1____ 2 3____ 4______ 5_____ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #15097 from articles/00108100 from sent22

Text  : Najwięcej punktów dla Bulls - 15 - rzucił Carlos Boozer .
Tokens: 1________ 2______ 3__ 4____ 5 6_ 7 8_____ 9_____ 10____ 11

Chunks:
  TruePositive nam [4,4] = Bulls
  TruePositive nam [9,10] = Carlos Boozer

(ChunkerEvaluator) Sentence #15098 from articles/00108100 from sent23

Text  : Podkoszowy miał też 10 zbiórek , ale podobnie jak pozostali gracze gospodarzy miał ogromne problemy ze skutecznością .
Tokens: 1_________ 2___ 3__ 4_ 5______ 6 7__ 8_______ 9__ 10_______ 11____ 12________ 13__ 14_____ 15______ 16 17___________ 18

Chunks:
  FalseNegative nam [1,1] = Podkoszowy

(ChunkerEvaluator) Sentence #15099 from articles/00108100 from sent24

Text  : Bulls , choć grali we własnej hali , trafili tylko 36 procent swoich rzutów ,  dali się zablokować aż 11 razy .
Tokens: 1____ 2 3___ 4____ 5_ 6______ 7___ 8 9______ 10___ 11 12_____ 13____ 14____ 15 16__ 17_ 18________ 19 20 21__ 22

Chunks:
  FalseNegative nam [1,1] = Bulls

(ChunkerEvaluator) Sentence #15100 from articles/00108100 from sent25

Text  : Była to 10 . porażka Bulls przed własną publicznością w  sezonie ,  kolejna z  zespołem z  dna tabeli .
Tokens: 1___ 2_ 3_ 4 5______ 6____ 7____ 8_____ 9____________ 10 11_____ 12 13_____ 14 15______ 16 17_ 18____ 19

Chunks:
  FalseNegative nam [6,6] = Bulls

(ChunkerEvaluator) Sentence #15101 from articles/00108100 from sent26

Text  : Ekipa z Chicago zajmuje szóste miejsce na wschodzie .
Tokens: 1____ 2 3______ 4______ 5_____ 6______ 7_ 8________ 9

Chunks:
  TruePositive nam [3,3] = Chicago

(ChunkerEvaluator) Sentence #15102 from articles/00108100 from sent27

Text  : Suns , którzy przerwali serię pięciu porażek , cały czas tkwią na przedostatnim miejscu w  tabeli zachodu z  bilansem 13 -  26 .
Tokens: 1___ 2 3_____ 4________ 5____ 6_____ 7______ 8 9___ 10__ 11___ 12 13___________ 14_____ 15 16____ 17_____ 18 19______ 20 21 22 23

Chunks:
  FalseNegative nam [1,1] = Suns

(ChunkerEvaluator) Sentence #15103 from articles/00108100 from sent28

Text  : Po czteromeczowej serii wyjazdowej na wschodnim wybrzeżu Suns czekają dwa spotkania przed własną publicznością .
Tokens: 1_ 2_____________ 3____ 4_________ 5_ 6________ 7_______ 8___ 9______ 10_ 11_______ 12___ 13____ 14___________ 15

Chunks:
  TruePositive nam [8,8] = Suns

(ChunkerEvaluator) Sentence #15104 from articles/00108100 from sent29

Text  : W poniedziałek zmierzą się z najlepszymi na zachodzie Oklahoma City Thunder ,  a  w  czwartek ich rywalami będą Milwaukee Bucks .
Tokens: 1 2___________ 3______ 4__ 5 6__________ 7_ 8________ 9_______ 10__ 11_____ 12 13 14 15______ 16_ 17______ 18__ 19_______ 20___ 21

Chunks:
  TruePositive nam [9,11] = Oklahoma City Thunder
  TruePositive nam [19,20] = Milwaukee Bucks

2016-10-27 15:00:29,433 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 655 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108101.xml
(ChunkerEvaluator) Sentence #15105 from articles/00108101 from sent1

Text  : WOŚP liczy kasę i dalej licytuje .
Tokens: 1___ 2____ 3___ 4 5____ 6_______ 7

Chunks:
  TruePositive nam [1,1] = WOŚP

(ChunkerEvaluator) Sentence #15106 from articles/00108101 from sent2

Text  : Wiemy ile było w puszkach
Tokens: 1____ 2__ 3___ 4 5_______

Chunks:

(ChunkerEvaluator) Sentence #15107 from articles/00108101 from sent3

Text  : 155 tys . 910 zł zebrali do puszek bydgoscy wolontariusze .
Tokens: 1__ 2__ 3 4__ 5_ 6______ 7_ 8_____ 9_______ 10___________ 11

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #15108 from articles/00108101 from sent4

Text  : 77 tys . 700 zł zgromadził Rafał Rykowski podczas licytacji złotych serduszek w  bydgoskiej TVP .
Tokens: 1_ 2__ 3 4__ 5_ 6_________ 7____ 8_______ 9______ 10_______ 11_____ 12_______ 13 14________ 15_ 16

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [7,8] = Rafał Rykowski
  TruePositive nam [15,15] = TVP
  FalsePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #15109 from articles/00108101 from sent5

Text  : Aukcje internetowe ciągle trwają .
Tokens: 1_____ 2__________ 3_____ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #15110 from articles/00108101 from sent6

Text  : Finał w Bydgoszczy organizowały dwa sztaby .
Tokens: 1____ 2 3_________ 4___________ 5__ 6_____ 7

Chunks:
  TruePositive nam [3,3] = Bydgoszczy

(ChunkerEvaluator) Sentence #15111 from articles/00108101 from sent7

Text  : - Otrzymali śmy od nich pieniądze już w niedzielę -  dokładnie 155 tys .  910 zł .
Tokens: 1 2________ 3__ 4_ 5___ 6________ 7__ 8 9________ 10 11_______ 12_ 13_ 14 15_ 16 17

Chunks:
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #15112 from articles/00108101 from sent8

Text  : Zostaną jeszcze raz dokładnie policzone i wtedy zaksięgowane na koncie Fundacji -  informuje Lidia Zakrzewska z  II oddziału banku PKO SA w  Bydgoszczy .
Tokens: 1______ 2______ 3__ 4________ 5________ 6 7____ 8___________ 9_ 10____ 11______ 12 13_______ 14___ 15________ 16 17 18______ 19___ 20_ 21 22 23________ 24

Chunks:
  TruePositive nam [11,11] = Fundacji
  TruePositive nam [14,15] = Lidia Zakrzewska
  TruePositive nam [20,21] = PKO SA
  TruePositive nam [23,23] = Bydgoszczy

(ChunkerEvaluator) Sentence #15113 from articles/00108101 from sent9

Text  : 77 tys . 700 zł udało się zebrać podczas licytacji złotych serduszek w  bydgoskiej TVP .
Tokens: 1_ 2__ 3 4__ 5_ 6____ 7__ 8_____ 9______ 10_______ 11_____ 12_______ 13 14________ 15_ 16

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [15,15] = TVP
  FalsePositive nam [11,11] = złotych

(ChunkerEvaluator) Sentence #15114 from articles/00108101 from sent10

Text  : Nasze miasto jest jedynym w Polsce , poza Warszawą ,  w  którym prowadzona jest taka aukcja .
Tokens: 1____ 2_____ 3___ 4______ 5 6_____ 7 8___ 9_______ 10 11 12____ 13________ 14__ 15__ 16____ 17

Chunks:
  TruePositive nam [6,6] = Polsce
  TruePositive nam [9,9] = Warszawą

(ChunkerEvaluator) Sentence #15115 from articles/00108101 from sent11

Text  : Złoto przekazali bydgoscy jubilerzy .
Tokens: 1____ 2_________ 3_______ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #15116 from articles/00108101 from sent12

Text  : Po raz 11 . aukcję prowadził jej pomysłodawca Rafał Rykowski .
Tokens: 1_ 2__ 3_ 4 5_____ 6________ 7__ 8___________ 9____ 10______ 11

Chunks:
  TruePositive nam [9,10] = Rafał Rykowski

(ChunkerEvaluator) Sentence #15117 from articles/00108101 from sent13

Text  : Sprzedane zostały wszystkie serduszka , a numer jeden osiągnął cenę 24 tys .  zł .
Tokens: 1________ 2______ 3________ 4________ 5 6 7____ 8____ 9_______ 10__ 11 12_ 13 14 15

Chunks:
  TruePositive nam [14,14] = zł

(ChunkerEvaluator) Sentence #15118 from articles/00108101 from sent14

Text  : Kupiła je firma Eurotherm Niewiadomscy .
Tokens: 1_____ 2_ 3____ 4________ 5___________ 6

Chunks:
  TruePositive nam [4,5] = Eurotherm Niewiadomscy

(ChunkerEvaluator) Sentence #15119 from articles/00108101 from sent15

Text  : Dwa bydgoskie salony fryzjerskie - Edyty Soboty przy ul .  Jezuickiej 5  oraz Renaty Kamińskiej przy ul .  Twardzickiego 10 -  zbierały pieniądze do skarbon ,  a  także cały dochód z  niedzielnej pracy przekazały na konto WOŚP .
Tokens: 1__ 2________ 3_____ 4__________ 5 6____ 7_____ 8___ 9_ 10 11________ 12 13__ 14____ 15________ 16__ 17 18 19___________ 20 21 22______ 23_______ 24 25_____ 26 27 28___ 29__ 30____ 31 32_________ 33___ 34________ 35 36___ 37__ 38

Chunks:
  TruePositive nam [6,7] = Edyty Soboty
  TruePositive nam [11,11] = Jezuickiej
  TruePositive nam [14,15] = Renaty Kamińskiej
  TruePositive nam [19,19] = Twardzickiego
  TruePositive nam [37,37] = WOŚP

(ChunkerEvaluator) Sentence #15120 from articles/00108101 from sent16

Text  : - W pierwszym zgromadzono 1603 zł , w drugim -  725 zł .
Tokens: 1 2 3________ 4__________ 5___ 6_ 7 8 9_____ 10 11_ 12 13

Chunks:
  TruePositive nam [6,6] = zł
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #15121 from articles/00108101 from sent17

Text  : Pieniądze już zostały przekazane Orkiestrze - mówi Adam Studziński z  sieci salonów Kemon .
Tokens: 1________ 2__ 3______ 4_________ 5_________ 6 7___ 8___ 9_________ 10 11___ 12_____ 13___ 14

Chunks:
  TruePositive nam [5,5] = Orkiestrze
  TruePositive nam [8,9] = Adam Studziński
  FalseNegative nam [13,13] = Kemon

(ChunkerEvaluator) Sentence #15122 from articles/00108101 from sent18

Text  : Wszyscy , którzy chcieli by jeszcze wesprzeć WOŚP , mają szansę .
Tokens: 1______ 2 3_____ 4______ 5_ 6______ 7_______ 8___ 9 10__ 11____ 12

Chunks:
  TruePositive nam [8,8] = WOŚP

(ChunkerEvaluator) Sentence #15123 from articles/00108101 from sent19

Text  : Nadal trwają aukcje internetowe prowadzone przez bydgoskie sztaby .
Tokens: 1____ 2_____ 3_____ 4__________ 5_________ 6____ 7________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #15124 from articles/00108101 from sent20

Text  : - Większość potrwa jeszcze około 10 - 12 dni ,  ale wciąż można zgłaszać nowe przedmioty ,  więc zakończenie akcji na internetowym serwisie planujemy dopiero na koniec lutego -  mówi Igor Luliński ze sztabu przy ul .  Niedźwiedziej .
Tokens: 1 2________ 3_____ 4______ 5____ 6_ 7 8_ 9__ 10 11_ 12___ 13___ 14______ 15__ 16________ 17 18__ 19_________ 20___ 21 22__________ 23______ 24_______ 25_____ 26 27____ 28____ 29 30__ 31__ 32______ 33 34____ 35__ 36 37 38___________ 39

Chunks:
  TruePositive nam [31,32] = Igor Luliński
  TruePositive nam [38,38] = Niedźwiedziej

(ChunkerEvaluator) Sentence #15125 from articles/00108101 from sent21

Text  : Jak dotąd , powodzeniem zakończyły się aukcje m . in .  fotograficznego pleneru ślubnego (  250 zł )  czy wynajęcia zabytkowego cadillaca (  300 zł )  .
Tokens: 1__ 2____ 3 4__________ 5_________ 6__ 7_____ 8 9 10 11 12_____________ 13_____ 14______ 15 16_ 17 18 19_ 20_______ 21_________ 22_______ 23 24_ 25 26 27

Chunks:
  TruePositive nam [17,17] = zł
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #15126 from articles/00108101 from sent22

Text  : Nadal kupić można jeszcze m . in . szachy z  autografem Kasparowa od europosła Zwiefki (  tydzień do końca )  ,  przejażdżkę porsche (  2  dni )  ,  oryginalny kask Polonii Bydgoszcz Speedway Żużel (  5  dni )  ,  dzień u  introligatora (  tydzień )  ,  wizytę w  placówce straży granicznej (  10 dni )  czy voucher na wynajęcie miejskiej łodzi Piast ,  ofiarowany przez prezydenta Bydgoszczy .
Tokens: 1____ 2____ 3____ 4______ 5 6 7_ 8 9_____ 10 11________ 12_______ 13 14_______ 15_____ 16 17_____ 18 19___ 20 21 22_________ 23_____ 24 25 26_ 27 28 29________ 30__ 31_____ 32_______ 33______ 34___ 35 36 37_ 38 39 40___ 41 42___________ 43 44_____ 45 46 47____ 48 49______ 50____ 51________ 52 53 54_ 55 56_ 57_____ 58 59_______ 60_______ 61___ 62___ 63 64________ 65___ 66________ 67________ 68

Chunks:
  TruePositive nam [12,12] = Kasparowa
  TruePositive nam [62,62] = Piast
  TruePositive nam [67,67] = Bydgoszczy
  FalsePositive nam [31,34] = Polonii Bydgoszcz Speedway Żużel
  FalseNegative nam [15,15] = Zwiefki
  FalseNegative nam [23,23] = porsche
  FalseNegative nam [31,32] = Polonii Bydgoszcz
  FalseNegative nam [33,34] = Speedway Żużel

(ChunkerEvaluator) Sentence #15127 from articles/00108101 from sent23

Text  : Licytować można pod adresem - aukcje . wosp . org .  pl .
Tokens: 1________ 2____ 3__ 4______ 5 6_____ 7 8___ 9 10_ 11 12 13

Chunks:
  TruePositive nam [6,12] = aukcje . wosp . org . pl

(ChunkerEvaluator) Sentence #15128 from articles/00108101 from sent24

Text  : Wielka Orkiestra Świątecznej Pomocy grała w minioną niedzielę po raz 21 .
Tokens: 1_____ 2________ 3__________ 4_____ 5____ 6 7______ 8________ 9_ 10_ 11 12

Chunks:
  TruePositive nam [1,4] = Wielka Orkiestra Świątecznej Pomocy

(ChunkerEvaluator) Sentence #15129 from articles/00108101 from sent25

Text  : W tym roku zbierała pieniądze nie tylko na ratowanie życia najmłodszym ,  ale także godną opiekę medyczną dla seniorów .
Tokens: 1 2__ 3___ 4_______ 5________ 6__ 7____ 8_ 9________ 10___ 11_________ 12 13_ 14___ 15___ 16____ 17______ 18_ 19______ 20

Chunks:

2016-10-27 15:00:29,560 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 656 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108102.xml
(ChunkerEvaluator) Sentence #15130 from articles/00108102 from sent1

Text  : Stadionowi chuligani urządzili bijatykę w Katowicach ; 12 zatrzymanych
Tokens: 1_________ 2________ 3________ 4_______ 5 6_________ 7 8_ 9___________

Chunks:
  TruePositive nam [6,6] = Katowicach

(ChunkerEvaluator) Sentence #15131 from articles/00108102 from sent2

Text  : Stadionowi chuligani ze Śląska i czeskiej Ostrawy umówili się w  minioną sobotę w  Katowicach na bójkę -  tzw .  ustawkę .
Tokens: 1_________ 2________ 3_ 4_____ 5 6_______ 7______ 8______ 9__ 10 11_____ 12____ 13 14________ 15 16___ 17 18_ 19 20_____ 21

Chunks:
  TruePositive nam [4,4] = Śląska
  TruePositive nam [7,7] = Ostrawy
  TruePositive nam [14,14] = Katowicach

(ChunkerEvaluator) Sentence #15132 from articles/00108102 from sent3

Text  : Bijatykę z udziałem ok . 200 osób przerwali policjanci ,  zatrzymując 12 agresywnych młodych mężczyzn .
Tokens: 1_______ 2 3_______ 4_ 5 6__ 7___ 8________ 9_________ 10 11_________ 12 13_________ 14_____ 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #15133 from articles/00108102 from sent4

Text  : Szczegóły awantury , do której doszło przy okazji sparingu drugoligowego Rozwoju Katowice i  grającego w  ekstraklasie Ruchu Chorzów ,  podał we wtorek rzecznik katowickiej policji kom .
Tokens: 1________ 2_______ 3 4_ 5_____ 6_____ 7___ 8_____ 9_______ 10___________ 11_____ 12______ 13 14_______ 15 16__________ 17___ 18_____ 19 20___ 21 22____ 23______ 24_________ 25_____ 26_ 27

Chunks:
  TruePositive nam [11,12] = Rozwoju Katowice
  TruePositive nam [17,18] = Ruchu Chorzów

(ChunkerEvaluator) Sentence #15134 from articles/00108102 from sent5

Text  : Jacek Pytel .
Tokens: 1____ 2____ 3

Chunks:
  TruePositive nam [1,2] = Jacek Pytel

(ChunkerEvaluator) Sentence #15135 from articles/00108102 from sent6

Text  : Zapowiedział , że możliwe są kolejne zatrzymania w tej sprawie .
Tokens: 1___________ 2 3_ 4______ 5_ 6______ 7__________ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #15136 from articles/00108102 from sent7

Text  : W bijatyce zorganizowanej w pobliżu ogródków działkowych wzięli udział sympatycy Ruchu Chorzów ,  GKS Katowice ,  Górnika Zabrze i  czeskiego Banika Ostrawa .
Tokens: 1 2_______ 3_____________ 4 5______ 6_______ 7__________ 8_____ 9_____ 10_______ 11___ 12_____ 13 14_ 15______ 16 17_____ 18____ 19 20_______ 21____ 22_____ 23

Chunks:
  TruePositive nam [11,12] = Ruchu Chorzów
  TruePositive nam [14,15] = GKS Katowice
  TruePositive nam [17,18] = Górnika Zabrze
  TruePositive nam [21,22] = Banika Ostrawa

(ChunkerEvaluator) Sentence #15137 from articles/00108102 from sent8

Text  : Bili się na pięści .
Tokens: 1___ 2__ 3_ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #15138 from articles/00108102 from sent9

Text  : Pięciu z nich zostało pobitych tak dotkliwie , że potrzebowali natychmiastowej pomocy medycznej .
Tokens: 1_____ 2 3___ 4______ 5_______ 6__ 7________ 8 9_ 10__________ 11_____________ 12____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #15139 from articles/00108102 from sent10

Text  : Trafili do szpitali .
Tokens: 1______ 2_ 3_______ 4

Chunks:

(ChunkerEvaluator) Sentence #15140 from articles/00108102 from sent11

Text  : Siedmiu podejrzanych w wieku od 20 do 30 lat -  sympatyków drużyny z  Chorzowa -  już usłyszało zarzuty udziału w  bójce .
Tokens: 1______ 2___________ 3 4____ 5_ 6_ 7_ 8_ 9__ 10 11________ 12_____ 13 14______ 15 16_ 17_______ 18_____ 19_____ 20 21___ 22

Chunks:
  TruePositive nam [14,14] = Chorzowa

(ChunkerEvaluator) Sentence #15141 from articles/00108102 from sent12

Text  : Grozi im kara do trzech lat więzienia .
Tokens: 1____ 2_ 3___ 4_ 5_____ 6__ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #15142 from articles/00108102 from sent13

Text  : Musieli wpłacić po 500 zł poręczenia majątkowego , zostali też objęci dozorem policyjnym -  muszą meldować się w  komisariacie .
Tokens: 1______ 2______ 3_ 4__ 5_ 6_________ 7__________ 8 9______ 10_ 11____ 12_____ 13________ 14 15___ 16______ 17_ 18 19__________ 20

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #15143 from articles/00108102 from sent14

Text  : Mają też zakaz wstępu na stadiony .
Tokens: 1___ 2__ 3____ 4_____ 5_ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #15144 from articles/00108102 from sent15

Text  : Jeden z zatrzymanych to 17 - latek .
Tokens: 1____ 2 3___________ 4_ 5_ 6 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #15145 from articles/00108102 from sent16

Text  : Zajmie się nim sąd rodzinny .
Tokens: 1_____ 2__ 3__ 4__ 5_______ 6

Chunks:

(ChunkerEvaluator) Sentence #15146 from articles/00108102 from sent17

Text  : Pozostali zatrzymani zostali przesłuchani , wkrótce mogą usłyszeć zarzuty .
Tokens: 1________ 2_________ 3______ 4___________ 5 6______ 7___ 8_______ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #15147 from articles/00108102 from sent18

Text  : Uciekający przed policjantami chuligani porzucili 21 samochodów , którymi przyjechali na "  ustawkę "  .
Tokens: 1_________ 2____ 3___________ 4________ 5________ 6_ 7_________ 8 9______ 10_________ 11 12 13_____ 14 15

Chunks:

(ChunkerEvaluator) Sentence #15148 from articles/00108102 from sent19

Text  : Policjanci zapowiadają , że z czasem dotrą do kolejnych uczestników awantury .  (  PAP )
Tokens: 1_________ 2__________ 3 4_ 5 6_____ 7____ 8_ 9________ 10_________ 11______ 12 13 14_ 15

Chunks:
  TruePositive nam [14,14] = PAP

2016-10-27 15:00:29,635 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 657 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108103.xml
(ChunkerEvaluator) Sentence #15149 from articles/00108103 from sent1

Text  : Facebook zapowiada ułatwienia w przeszukiwaniu informacji
Tokens: 1_______ 2________ 3_________ 4 5_____________ 6_________

Chunks:
  FalseNegative nam [1,1] = Facebook

(ChunkerEvaluator) Sentence #15150 from articles/00108103 from sent2

Text  : Facebook postanowił ułatwić swym użytkownikom , których jest już ponad miliard ,  przeszukiwanie zgromadzonych na tym portalu społecznościowym ogromnych ilości informacji .
Tokens: 1_______ 2_________ 3______ 4___ 5___________ 6 7______ 8___ 9__ 10___ 11_____ 12 13____________ 14___________ 15 16_ 17_____ 18______________ 19_______ 20____ 21________ 22

Chunks:
  FalseNegative nam [1,1] = Facebook

(ChunkerEvaluator) Sentence #15151 from articles/00108103 from sent3

Text  : We wtorek założyciel portalu Mark Zuckerberg przedstawił nową funkcję -  graph search .
Tokens: 1_ 2_____ 3_________ 4______ 5___ 6_________ 7__________ 8___ 9______ 10 11___ 12____ 13

Chunks:
  TruePositive nam [5,6] = Mark Zuckerberg

(ChunkerEvaluator) Sentence #15152 from articles/00108103 from sent4

Text  : Możliwe stanie się wyszukanie takich informacji , jak " seriale ,  które podobają się moim przyjaciołom "  ,  "  zdjęcia moich przyjaciół z  2009 roku "  ,  czy "  moi przyjaciele w  San Francisco "  -  wyjaśnił Zuckerberg .
Tokens: 1______ 2_____ 3__ 4_________ 5_____ 6_________ 7 8__ 9 10_____ 11 12___ 13______ 14_ 15__ 16__________ 17 18 19 20_____ 21___ 22________ 23 24__ 25__ 26 27 28_ 29 30_ 31_________ 32 33_ 34_______ 35 36 37______ 38________ 39

Chunks:
  TruePositive nam [33,34] = San Francisco
  FalseNegative nam [38,38] = Zuckerberg

(ChunkerEvaluator) Sentence #15153 from articles/00108103 from sent5

Text  : Poszukiwanie można zawęzić , pytając np . o przyjaciół w  konkretnym mieście ,  którym podobał się konkretny film ,  etc .
Tokens: 1___________ 2____ 3______ 4 5______ 6_ 7 8 9_________ 10 11________ 12_____ 13 14____ 15_____ 16_ 17_______ 18__ 19 20_ 21

Chunks:

(ChunkerEvaluator) Sentence #15154 from articles/00108103 from sent6

Text  : Zuckerberg podkreślił , że nowa funkcja dochowuje zasad prywatności ,  co oznacza ,  że użytkownik będzie mógł przeszukiwać tylko te informacje ,  które sam kiedyś wprowadził lub które udostępnili mu inni .
Tokens: 1_________ 2_________ 3 4_ 5___ 6______ 7________ 8____ 9__________ 10 11 12_____ 13 14 15________ 16____ 17__ 18__________ 19___ 20 21________ 22 23___ 24_ 25____ 26________ 27_ 28___ 29_________ 30 31__ 32

Chunks:
  FalseNegative nam [1,1] = Zuckerberg

(ChunkerEvaluator) Sentence #15155 from articles/00108103 from sent7

Text  : Na razie graph search ma status wersji beta , czyli wczesnej i  pozwala głównie na wyszukiwanie zdjęć ,  ludzi ,  miejsc i  zainteresowań .
Tokens: 1_ 2____ 3____ 4_____ 5_ 6_____ 7_____ 8___ 9 10___ 11______ 12 13_____ 14_____ 15 16__________ 17___ 18 19___ 20 21____ 22 23___________ 24

Chunks:

(ChunkerEvaluator) Sentence #15156 from articles/00108103 from sent8

Text  : Na razie graph search jest dostępny , w ramach bardzo ograniczonego programu beta ,  tylko dla użytkowników Facebooka w  USA .
Tokens: 1_ 2____ 3____ 4_____ 5___ 6_______ 7 8 9_____ 10____ 11___________ 12______ 13__ 14 15___ 16_ 17__________ 18_______ 19 20_ 21

Chunks:
  TruePositive nam [20,20] = USA
  FalseNegative nam [18,18] = Facebooka

(ChunkerEvaluator) Sentence #15157 from articles/00108103 from sent9

Text  : Jest możliwość zapisania się na listę oczekujących . ( PAP )
Tokens: 1___ 2________ 3________ 4__ 5_ 6____ 7___________ 8 9 10_ 11

Chunks:
  TruePositive nam [10,10] = PAP

2016-10-27 15:00:29,689 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 658 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108104.xml
(ChunkerEvaluator) Sentence #15158 from articles/00108104 from sent1

Text  : Zmiany personalne w komisariacie w Pyskowicach
Tokens: 1_____ 2_________ 3 4___________ 5 6__________

Chunks:
  TruePositive nam [6,6] = Pyskowicach

(ChunkerEvaluator) Sentence #15159 from articles/00108104 from sent2

Text  : Komisariat policji w Pyskowicach ma nowego komendanta i naczelnika pionu kryminalnego .
Tokens: 1_________ 2______ 3 4__________ 5_ 6_____ 7_________ 8 9_________ 10___ 11__________ 12

Chunks:
  TruePositive nam [4,4] = Pyskowicach

(ChunkerEvaluator) Sentence #15160 from articles/00108104 from sent3

Text  : Decyzję o zmianach podjął szef gliwickiej policji m . in .  po prasowych artykułach o  gangu terroryzującym miasto .
Tokens: 1______ 2 3_______ 4_____ 5___ 6_________ 7______ 8 9 10 11 12 13_______ 14________ 15 16___ 17____________ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #15161 from articles/00108104 from sent4

Text  : PYSKOWICE .
Tokens: 1________ 2

Chunks:
  FalseNegative nam [1,1] = PYSKOWICE

(ChunkerEvaluator) Sentence #15162 from articles/00108104 from sent5

Text  : Terroryzowane miasto - cd .
Tokens: 1____________ 2_____ 3 4_ 5

Chunks:

(ChunkerEvaluator) Sentence #15163 from articles/00108104 from sent6

Text  : „ Bodzio ” przyspieszył zmiany
Tokens: 1 2_____ 3 4___________ 5_____

Chunks:
  FalseNegative nam [2,2] = Bodzio

(ChunkerEvaluator) Sentence #15164 from articles/00108104 from sent7

Text  : Komisariat policji w Pyskowicach ma nowego komendanta i naczelnika pionu kryminalnego .
Tokens: 1_________ 2______ 3 4__________ 5_ 6_____ 7_________ 8 9_________ 10___ 11__________ 12

Chunks:
  TruePositive nam [4,4] = Pyskowicach

(ChunkerEvaluator) Sentence #15165 from articles/00108104 from sent8

Text  : Decyzję o zmianach podjął szef gliwickiej policji m . in .  po artykułach o  gangu terroryzującym miasto
Tokens: 1______ 2 3_______ 4_____ 5___ 6_________ 7______ 8 9 10 11 12 13________ 14 15___ 16____________ 17____

Chunks:

(ChunkerEvaluator) Sentence #15166 from articles/00108104 from sent9

Text  : Wniosek o odwołanie szefa i zastępcy komisariatu w Pyskowicach miejscowi radni złożyli w  grudniu .
Tokens: 1______ 2 3________ 4____ 5 6_______ 7__________ 8 9__________ 10_______ 11___ 12_____ 13 14_____ 15

Chunks:
  TruePositive nam [9,9] = Pyskowicach

(ChunkerEvaluator) Sentence #15167 from articles/00108104 from sent10

Text  : Tadeusz Łęgowski , przewodniczący miejskiej komisji ds . bezpieczeństwa ,  mówił „  Gazecie ”  ,  że mieszkańcy skarżyli się na pracę policji -  m  .  in .  że ta nie przyjmuje zgłoszeń o  dewastacjach klatek schodowych ,  zaginięciach czy kradzieżach samochodów oraz że z  policji wyciekają informacje do miejscowych przestępców .
Tokens: 1______ 2_______ 3 4_____________ 5________ 6______ 7_ 8 9_____________ 10 11___ 12 13_____ 14 15 16 17________ 18______ 19_ 20 21___ 22_____ 23 24 25 26 27 28 29 30_ 31_______ 32______ 33 34__________ 35____ 36________ 37 38__________ 39_ 40_________ 41________ 42__ 43 44 45_____ 46_______ 47________ 48 49_________ 50_________ 51

Chunks:
  TruePositive nam [1,2] = Tadeusz Łęgowski
  TruePositive nam [13,13] = Gazecie

(ChunkerEvaluator) Sentence #15168 from articles/00108104 from sent11

Text  : Pod koniec stycznia agenci śląskiego Centralnego Biura Śledczego rozbili terroryzujący mieszkańców Pyskowic gang Bogdana B  .  ,  ps .  „  Bodzio ”  .
Tokens: 1__ 2_____ 3_______ 4_____ 5________ 6__________ 7____ 8________ 9______ 10___________ 11_________ 12______ 13__ 14_____ 15 16 17 18 19 20 21____ 22 23

Chunks:
  TruePositive nam [6,8] = Centralnego Biura Śledczego
  TruePositive nam [12,12] = Pyskowic
  TruePositive nam [14,16] = Bogdana B .
  FalseNegative nam [21,21] = Bodzio

(ChunkerEvaluator) Sentence #15169 from articles/00108104 from sent12

Text  : Sprawa pyskowickiego komisariatu stała się głośna , zajęła się nią Komenda Miejska Policji w  Gliwicach .
Tokens: 1_____ 2____________ 3__________ 4____ 5__ 6_____ 7 8_____ 9__ 10_ 11_____ 12_____ 13_____ 14 15_______ 16

Chunks:
  TruePositive nam [11,13] = Komenda Miejska Policji
  TruePositive nam [15,15] = Gliwicach

(ChunkerEvaluator) Sentence #15170 from articles/00108104 from sent13

Text  : Wczoraj jej szef inspektor Roman Szafraniec powiedział nam , że w  pyskowickim komisariacie nastąpiły zmiany personalne .
Tokens: 1______ 2__ 3___ 4________ 5____ 6_________ 7_________ 8__ 9 10 11 12_________ 13__________ 14_______ 15____ 16________ 17

Chunks:
  TruePositive nam [5,6] = Roman Szafraniec

(ChunkerEvaluator) Sentence #15171 from articles/00108104 from sent14

Text  : Były naczelnik pionu kryminalnego napisał raport z prośbą o wcześniejsze przejście na emeryturę .
Tokens: 1___ 2________ 3____ 4___________ 5______ 6_____ 7 8_____ 9 10__________ 11_______ 12 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #15172 from articles/00108104 from sent15

Text  : Inspektor Szafraniec zgodził się i naczelnik przejdzie na nią od marca ,  a  jego obowiązki już teraz przejął komisarz Mariusz Luszawski .
Tokens: 1________ 2_________ 3______ 4__ 5 6________ 7________ 8_ 9__ 10 11___ 12 13 14__ 15_______ 16_ 17___ 18_____ 19______ 20_____ 21_______ 22

Chunks:
  TruePositive nam [2,2] = Szafraniec
  TruePositive nam [20,21] = Mariusz Luszawski

(ChunkerEvaluator) Sentence #15173 from articles/00108104 from sent16

Text  : Obowiązki komendanta komisariatu powierzono natomiast podinspektor Barbarze Ambrożkiewicz - Nosal .
Tokens: 1________ 2_________ 3__________ 4_________ 5________ 6___________ 7_______ 8____________ 9 10___ 11

Chunks:
  TruePositive nam [7,10] = Barbarze Ambrożkiewicz - Nosal

(ChunkerEvaluator) Sentence #15174 from articles/00108104 from sent17

Text  : - Komendant komisariatu jest na zwolnieniu lekarskim .
Tokens: 1 2________ 3__________ 4___ 5_ 6_________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #15175 from articles/00108104 from sent18

Text  : Wszystko wskazuje na to , że pozostanie na nim jeszcze przez dłuższy czas ,  a  trzeba przecież kierować jednostką .
Tokens: 1_______ 2_______ 3_ 4_ 5 6_ 7_________ 8_ 9__ 10_____ 11___ 12_____ 13__ 14 15 16____ 17______ 18______ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #15176 from articles/00108104 from sent19

Text  : Nie ukrywam jednak , że ta emocjonalna sprawa z gangiem „  Bodzia ”  przyspieszyła moją decyzję .
Tokens: 1__ 2______ 3_____ 4 5_ 6_ 7__________ 8_____ 9 10_____ 11 12____ 13 14___________ 15__ 16_____ 17

Chunks:
  FalseNegative nam [12,12] = Bodzia

(ChunkerEvaluator) Sentence #15177 from articles/00108104 from sent20

Text  : Przeanalizował em pracę komisariatu , wziął em pod uwagę opinię burmistrza ,  przeczytał em artykuły i  uznał em ,  że należy to zmienić -  tłumaczy komendant Szafraniec .
Tokens: 1_____________ 2_ 3____ 4__________ 5 6____ 7_ 8__ 9____ 10____ 11________ 12 13________ 14 15______ 16 17___ 18 19 20 21____ 22 23_____ 24 25______ 26_______ 27________ 28

Chunks:
  TruePositive nam [27,27] = Szafraniec

(ChunkerEvaluator) Sentence #15178 from articles/00108104 from sent21

Text  : - Moje najważniejsze zadanie to zapewnienie mieszkańcom bezpieczeństwa oraz współpraca z  samorządami i  strażą miejską -  powiedziała nam wczoraj nowa pani komendant .
Tokens: 1 2___ 3____________ 4______ 5_ 6__________ 7__________ 8_____________ 9___ 10________ 11 12_________ 13 14____ 15_____ 16 17_________ 18_ 19_____ 20__ 21__ 22_______ 23

Chunks:

(ChunkerEvaluator) Sentence #15179 from articles/00108104 from sent22

Text  : Ambrożkiewicz - Nosal skończyła socjologię na Uniwersytecie Łódzkim , służy w  policji od 19 lat .
Tokens: 1____________ 2 3____ 4________ 5_________ 6_ 7____________ 8______ 9 10___ 11 12_____ 13 14 15_ 16

Chunks:
  TruePositive nam [1,3] = Ambrożkiewicz - Nosal
  TruePositive nam [7,8] = Uniwersytecie Łódzkim

(ChunkerEvaluator) Sentence #15180 from articles/00108104 from sent23

Text  : Zajmowała się m . in . przestępstwami gospodarczymi , a  ostatnio ochroną informacji niejawnych .
Tokens: 1________ 2__ 3 4 5_ 6 7_____________ 8____________ 9 10 11______ 12_____ 13________ 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #15181 from articles/00108104 from sent24

Text  : Ma męża , za którym przyjechała na Śląsk , i  córkę ,  studentkę II roku polonistyki na Uniwersytecie Jagiellońskim .
Tokens: 1_ 2___ 3 4_ 5_____ 6__________ 7_ 8____ 9 10 11___ 12 13_______ 14 15__ 16_________ 17 18___________ 19___________ 20

Chunks:
  TruePositive nam [8,8] = Śląsk
  TruePositive nam [18,19] = Uniwersytecie Jagiellońskim

(ChunkerEvaluator) Sentence #15182 from articles/00108104 from sent25

Text  : czyt.jg gk
Tokens: 1______ 2_

Chunks:

2016-10-27 15:00:29,815 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 659 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108106.xml
(ChunkerEvaluator) Sentence #15183 from articles/00108106 from sent1

Text  : Joanna Mucha : Sport powszechny inwestycyjnym priorytetem ministerstwa
Tokens: 1_____ 2____ 3 4____ 5_________ 6____________ 7__________ 8___________

Chunks:
  TruePositive nam [1,2] = Joanna Mucha
  FalsePositive nam [4,4] = Sport

(ChunkerEvaluator) Sentence #15184 from articles/00108106 from sent2

Text  : Priorytetem w programie inwestycyjnym Ministerstwa Sportu będą obiekty służące sportowi powszechnemu -  zapewniła w  Katowicach szefowa resortu Joanna Mucha .
Tokens: 1__________ 2 3________ 4____________ 5___________ 6_____ 7___ 8______ 9______ 10______ 11__________ 12 13_______ 14 15________ 16_____ 17_____ 18____ 19___ 20

Chunks:
  TruePositive nam [5,6] = Ministerstwa Sportu
  TruePositive nam [15,15] = Katowicach
  TruePositive nam [18,19] = Joanna Mucha

(ChunkerEvaluator) Sentence #15185 from articles/00108106 from sent3

Text  : - Niedopuszczalna jest sytuacja , kiedy szkoła nie ma pełnowymiarowej sali gimnastycznej -  powiedziała .
Tokens: 1 2______________ 3___ 4_______ 5 6____ 7_____ 8__ 9_ 10_____________ 11__ 12___________ 13 14_________ 15

Chunks:

(ChunkerEvaluator) Sentence #15186 from articles/00108106 from sent4

Text  : Mucha poinformowała , że w ciągu ostatnich pięciu lat ministerstwo przeznaczyło na dofinansowanie inwestycji sportowych w  woj .  śląskim 326 ,  5  mln zł .
Tokens: 1____ 2____________ 3 4_ 5 6____ 7________ 8_____ 9__ 10__________ 11__________ 12 13____________ 14________ 15________ 16 17_ 18 19_____ 20_ 21 22 23_ 24 25

Chunks:
  TruePositive nam [1,1] = Mucha
  TruePositive nam [19,19] = śląskim
  TruePositive nam [24,24] = zł
  FalseNegative nam [10,10] = ministerstwo

(ChunkerEvaluator) Sentence #15187 from articles/00108106 from sent5

Text  : Dzięki tym środkom powstało 369 obiektów , w tym m  .  in .  174 orliki ,  36 hal sportowych i  40 sal gimnastycznych .
Tokens: 1_____ 2__ 3______ 4_______ 5__ 6_______ 7 8 9__ 10 11 12 13 14_ 15____ 16 17 18_ 19________ 20 21 22_ 23____________ 24

Chunks:

(ChunkerEvaluator) Sentence #15188 from articles/00108106 from sent6

Text  : 46 mln zł wyniosła dotacja na przebudowę skoczni narciarskiej w  Wiśle Malince ,  gdzie w  styczniu po raz pierwszy odbył się konkurs Pucharu Świata .
Tokens: 1_ 2__ 3_ 4_______ 5______ 6_ 7_________ 8______ 9___________ 10 11___ 12_____ 13 14___ 15 16______ 17 18_ 19______ 20___ 21_ 22_____ 23_____ 24____ 25

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [23,24] = Pucharu Świata
  FalsePositive nam [11,12] = Wiśle Malince
  FalseNegative nam [11,11] = Wiśle
  FalseNegative nam [12,12] = Malince

(ChunkerEvaluator) Sentence #15189 from articles/00108106 from sent7

Text  : - To był naprawdę świetny ruch dla turystyki i sportu -  podkreśliła Mucha .
Tokens: 1 2_ 3__ 4_______ 5______ 6___ 7__ 8________ 9 10____ 11 12_________ 13___ 14

Chunks:
  TruePositive nam [13,13] = Mucha

(ChunkerEvaluator) Sentence #15190 from articles/00108106 from sent8

Text  : Resort wsparł też m . in . poprawę infrastruktury biatlonowej na Kubalonce (  6  mln zł )  .
Tokens: 1_____ 2_____ 3__ 4 5 6_ 7 8______ 9_____________ 10_________ 11 12_______ 13 14 15_ 16 17 18

Chunks:
  TruePositive nam [16,16] = zł

(ChunkerEvaluator) Sentence #15191 from articles/00108106 from sent9

Text  : Mówiąc o priorytetowej roli inwestycji w sport powszechny , minister Mucha wskazała ,  że w  ośmiu gminach woj .  śląskiego nie ma pełnowymiarowej sali gimnastycznej ,  a  55 gmin nie wzięło udziału w  programie „  Moje Boisko -  Orlik 2012 ”  .
Tokens: 1_____ 2 3____________ 4___ 5_________ 6 7____ 8_________ 9 10______ 11___ 12______ 13 14 15 16___ 17_____ 18_ 19 20_______ 21_ 22 23_____________ 24__ 25___________ 26 27 28 29__ 30_ 31____ 32_____ 33 34_______ 35 36__ 37____ 38 39___ 40__ 41 42

Chunks:
  TruePositive nam [11,11] = Mucha
  TruePositive nam [20,20] = śląskiego
  FalsePositive nam [36,37] = Moje Boisko
  FalsePositive nam [39,41] = Orlik 2012 ”
  FalseNegative nam [36,40] = Moje Boisko - Orlik 2012

(ChunkerEvaluator) Sentence #15192 from articles/00108106 from sent10

Text  : - To sporo , to szkoda .
Tokens: 1 2_ 3____ 4 5_ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #15193 from articles/00108106 from sent11

Text  : Mam nadzieję , że w najbliższym czasie z pomocą środków z  ministerstwa uda się nadrobić te braki -  dodała Mucha .
Tokens: 1__ 2_______ 3 4_ 5 6__________ 7_____ 8 9_____ 10_____ 11 12__________ 13_ 14_ 15______ 16 17___ 18 19____ 20___ 21

Chunks:
  TruePositive nam [20,20] = Mucha
  FalseNegative nam [12,12] = ministerstwa

2016-10-27 15:00:29,879 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 660 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108107.xml
(ChunkerEvaluator) Sentence #15194 from articles/00108107 from sent1

Text  : Młodzi futboliści z Opola lepsi od Legii , Śląska ,  Ruchu i  Widzewa
Tokens: 1_____ 2_________ 3 4____ 5____ 6_ 7____ 8 9_____ 10 11___ 12 13_____

Chunks:
  TruePositive nam [4,4] = Opola
  TruePositive nam [7,7] = Legii
  TruePositive nam [11,11] = Ruchu
  TruePositive nam [13,13] = Widzewa
  FalseNegative nam [9,9] = Śląska

(ChunkerEvaluator) Sentence #15195 from articles/00108107 from sent2

Text  : Piłkarze ASD Gwardia Opole zajęli doskonałe czwarte miejsce w bardzo silnie obsadzonym turnieju Zagłębie Cup 2013 ,  który odbył się w  Będzinie i  Czeladzi .
Tokens: 1_______ 2__ 3______ 4____ 5_____ 6________ 7______ 8______ 9 10____ 11____ 12________ 13______ 14______ 15_ 16__ 17 18___ 19___ 20_ 21 22______ 23 24______ 25

Chunks:
  TruePositive nam [2,4] = ASD Gwardia Opole
  TruePositive nam [14,16] = Zagłębie Cup 2013
  TruePositive nam [22,22] = Będzinie
  TruePositive nam [24,24] = Czeladzi

(ChunkerEvaluator) Sentence #15196 from articles/00108107 from sent3

Text  : Opolanie okazali się lepsi m . in . od młodzieżowych zespołów klubów z  ekstraklasy .
Tokens: 1_______ 2______ 3__ 4____ 5 6 7_ 8 9_ 10___________ 11______ 12____ 13 14_________ 15

Chunks:
  TruePositive nam [1,1] = Opolanie

(ChunkerEvaluator) Sentence #15197 from articles/00108107 from sent4

Text  : Gwardia była jedynym reprezentantem Opolszczyzny wśród 20 startujących drużyn ,  a  mimo ,  iż przyszło jej walczyć z  całą koalicją śląskich klubów zaprezentowała się doskonale .
Tokens: 1______ 2___ 3______ 4_____________ 5___________ 6____ 7_ 8___________ 9_____ 10 11 12__ 13 14 15______ 16_ 17_____ 18 19__ 20______ 21______ 22____ 23____________ 24_ 25_______ 26

Chunks:
  TruePositive nam [5,5] = Opolszczyzny
  FalseNegative nam [1,1] = Gwardia

(ChunkerEvaluator) Sentence #15198 from articles/00108107 from sent5

Text  : Nasi 10 - latkowie ( w turnieju startowały akademie piłkarskie z  rocznika 2003 i  młodsi )  z  ośmiu rozegranych spotkań wygrali cztery :  z  Zagłębiem Sosnowiec 2  :  1  ,  Śląskiem Wrocław 3  :  0  ,  Ruchem Chorzów 1  :  0  i  Polonią Środę Wielkopolska 1  :  0  ,  dwa zremisowali :  z  Widzewem Łódź 0  :  0  i  MKS-em Żory 3  :  3  i  dwa -  dopiero w  fazie finałowej zawodów -  przegrali .
Tokens: 1___ 2_ 3 4_______ 5 6 7_______ 8_________ 9_______ 10________ 11 12______ 13__ 14 15____ 16 17 18___ 19_________ 20_____ 21_____ 22____ 23 24 25_______ 26_______ 27 28 29 30 31______ 32_____ 33 34 35 36 37____ 38_____ 39 40 41 42 43_____ 44___ 45__________ 46 47 48 49 50_ 51_________ 52 53 54______ 55__ 56 57 58 59 60____ 61__ 62 63 64 65 66_ 67 68_____ 69 70___ 71_______ 72_____ 73 74_______ 75

Chunks:
  FalsePositive nam [1,4] = Nasi 10 - latkowie
  FalsePositive nam [26,26] = Sosnowiec
  FalsePositive nam [32,32] = Wrocław
  FalsePositive nam [38,38] = Chorzów
  FalsePositive nam [43,43] = Polonią
  FalsePositive nam [45,45] = Wielkopolska
  FalsePositive nam [54,54] = Widzewem
  FalsePositive nam [55,55] = Łódź
  FalsePositive nam [60,60] = MKS-em
  FalsePositive nam [61,61] = Żory
  FalseNegative nam [25,26] = Zagłębiem Sosnowiec
  FalseNegative nam [31,32] = Śląskiem Wrocław
  FalseNegative nam [37,38] = Ruchem Chorzów
  FalseNegative nam [43,45] = Polonią Środę Wielkopolska
  FalseNegative nam [54,55] = Widzewem Łódź
  FalseNegative nam [60,61] = MKS-em Żory

(ChunkerEvaluator) Sentence #15199 from articles/00108107 from sent6

Text  : W półfinale rywalizacji lepsza od gwardzistów okazała się - uznawana za najlepszą drużynę w  tej kategorii w  Polsce i  późniejszy triumfator zawodów -  Siódemka Tychy ,  która minimalnie zwyciężyła 1  :  0  .
Tokens: 1 2________ 3__________ 4_____ 5_ 6__________ 7______ 8__ 9 10______ 11 12_______ 13_____ 14 15_ 16_______ 17 18____ 19 20________ 21________ 22_____ 23 24______ 25___ 26 27___ 28________ 29________ 30 31 32 33

Chunks:
  TruePositive nam [18,18] = Polsce
  TruePositive nam [24,25] = Siódemka Tychy

(ChunkerEvaluator) Sentence #15200 from articles/00108107 from sent7

Text  : Z kolei w pojedynku o trzecie miejsce opolan pokonał 2  :  0  zespół Rakowa Częstochowa .
Tokens: 1 2____ 3 4________ 5 6______ 7______ 8_____ 9______ 10 11 12 13____ 14____ 15_________ 16

Chunks:
  TruePositive nam [14,15] = Rakowa Częstochowa

(ChunkerEvaluator) Sentence #15201 from articles/00108107 from sent8

Text  : Na drugim stopniu podium stanęli młodzi zawodnicy GKS-u Katowice ,  a  wśród startujących ,  poza wymienionymi ,  były jeszcze m  .  in .  Legia Warszawa ,  SMS Łódź ,  Podbeskidzie Bielsko -  Biała ,  Zawisza Bydgoszcz i  Znicz Pruszków .
Tokens: 1_ 2_____ 3______ 4_____ 5______ 6_____ 7________ 8____ 9_______ 10 11 12___ 13__________ 14 15__ 16__________ 17 18__ 19_____ 20 21 22 23 24___ 25______ 26 27_ 28__ 29 30__________ 31_____ 32 33___ 34 35_____ 36_______ 37 38___ 39______ 40

Chunks:
  TruePositive nam [8,9] = GKS-u Katowice
  TruePositive nam [24,25] = Legia Warszawa
  TruePositive nam [27,28] = SMS Łódź
  TruePositive nam [30,33] = Podbeskidzie Bielsko - Biała
  TruePositive nam [35,36] = Zawisza Bydgoszcz
  TruePositive nam [38,39] = Znicz Pruszków

(ChunkerEvaluator) Sentence #15202 from articles/00108107 from sent9

Text  : ASD Gwardia zagrała w składzie : Michał Wróbel - Daniel Cieśla (  1  bramka )  ,  Łukasz Czajkowski ,  Kacper Dachnowski (  1  )  ,  Kacper Gaj ,  Marcel Jaszczyk (  1  )  ,  Tymon Radlak (  2  )  ,  Łukasz Rychlik (  1  )  ,  Jakub Tomala i  Maciej Wróbel (  4  )  .
Tokens: 1__ 2______ 3______ 4 5_______ 6 7_____ 8_____ 9 10____ 11____ 12 13 14____ 15 16 17____ 18________ 19 20____ 21________ 22 23 24 25 26____ 27_ 28 29____ 30______ 31 32 33 34 35___ 36____ 37 38 39 40 41____ 42_____ 43 44 45 46 47___ 48____ 49 50____ 51____ 52 53 54 55

Chunks:
  TruePositive nam [7,8] = Michał Wróbel
  TruePositive nam [10,11] = Daniel Cieśla
  TruePositive nam [17,18] = Łukasz Czajkowski
  TruePositive nam [20,21] = Kacper Dachnowski
  TruePositive nam [26,27] = Kacper Gaj
  TruePositive nam [29,30] = Marcel Jaszczyk
  TruePositive nam [35,36] = Tymon Radlak
  TruePositive nam [41,42] = Łukasz Rychlik
  TruePositive nam [47,48] = Jakub Tomala
  TruePositive nam [50,51] = Maciej Wróbel
  FalsePositive nam [2,2] = Gwardia
  FalseNegative nam [1,2] = ASD Gwardia

(ChunkerEvaluator) Sentence #15203 from articles/00108107 from sent10

Text  : Trenerem zespołu jest Łukasz Wilczek .
Tokens: 1_______ 2______ 3___ 4_____ 5______ 6

Chunks:
  TruePositive nam [4,5] = Łukasz Wilczek

2016-10-27 15:00:29,967 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 661 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108108.xml
(ChunkerEvaluator) Sentence #15204 from articles/00108108 from sent1

Text  : KRONIKA KRYMINALNA
Tokens: 1______ 2_________

Chunks:
  FalsePositive nam [2,2] = KRYMINALNA

(ChunkerEvaluator) Sentence #15205 from articles/00108108 from sent2

Text  : KRONIKA KRYMINALNA
Tokens: 1______ 2_________

Chunks:
  FalsePositive nam [2,2] = KRYMINALNA

(ChunkerEvaluator) Sentence #15206 from articles/00108108 from sent3

Text  : ALKOHOL W BAKU .
Tokens: 1______ 2 3___ 4

Chunks:
  FalsePositive nam [3,3] = BAKU

(ChunkerEvaluator) Sentence #15207 from articles/00108108 from sent4

Text  : 60 litrów spirytusu próbował wczoraj przywieźć z Czech do Polski 23 -  letni mieszkaniec Żor .
Tokens: 1_ 2_____ 3________ 4_______ 5______ 6________ 7 8____ 9_ 10____ 11 12 13___ 14_________ 15_ 16

Chunks:
  TruePositive nam [8,8] = Czech
  TruePositive nam [10,10] = Polski
  TruePositive nam [15,15] = Żor

(ChunkerEvaluator) Sentence #15208 from articles/00108108 from sent5

Text  : Mężczyzna podróżował oplem , został zatrzymany przez polskich celników na moście Wolności w  Cieszynie .
Tokens: 1________ 2_________ 3____ 4 5_____ 6_________ 7____ 8_______ 9_______ 10 11____ 12______ 13 14_______ 15

Chunks:
  TruePositive nam [12,12] = Wolności
  TruePositive nam [14,14] = Cieszynie
  FalsePositive nam [1,1] = Mężczyzna
  FalseNegative nam [3,3] = oplem

(ChunkerEvaluator) Sentence #15209 from articles/00108108 from sent6

Text  : Celnicy zauważyli , że zbiornik na paliwo w jego samochodzie ma ślady spawania .
Tokens: 1______ 2________ 3 4_ 5_______ 6_ 7_____ 8 9___ 10_________ 11 12___ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #15210 from articles/00108108 from sent7

Text  : Okazało się , że w środku jest alkohol o wartości ponad 4  tys .  zł .
Tokens: 1______ 2__ 3 4_ 5 6_____ 7___ 8______ 9 10______ 11___ 12 13_ 14 15 16

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #15211 from articles/00108108 from sent8

Text  : Wobec mężczyzny wszczęto postępowanie karno - skarbowe .
Tokens: 1____ 2________ 3_______ 4___________ 5____ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #15212 from articles/00108108 from sent9

Text  : Grozi mu grzywna .
Tokens: 1____ 2_ 3______ 4

Chunks:

(ChunkerEvaluator) Sentence #15213 from articles/00108108 from sent10

Text  : POŻAR OD GRZEJNIKA .
Tokens: 1____ 2_ 3________ 4

Chunks:
  FalsePositive nam [3,3] = GRZEJNIKA

(ChunkerEvaluator) Sentence #15214 from articles/00108108 from sent11

Text  : 21 strażaków gasiło wczoraj rano pożar , który wybuchł w  jednym z  pomieszczeń w  jednorodzinnym domu przy ul .  Biegunowej w  Bielsku -  Białej .
Tokens: 1_ 2________ 3_____ 4______ 5___ 6____ 7 8____ 9______ 10 11____ 12 13_________ 14 15____________ 16__ 17__ 18 19 20________ 21 22_____ 23 24____ 25

Chunks:
  TruePositive nam [22,24] = Bielsku - Białej
  FalseNegative nam [20,20] = Biegunowej

(ChunkerEvaluator) Sentence #15215 from articles/00108108 from sent12

Text  : Spaliły się m . in . meble , sprzęt rtv oraz część stropu .
Tokens: 1______ 2__ 3 4 5_ 6 7____ 8 9_____ 10_ 11__ 12___ 13____ 14

Chunks:

(ChunkerEvaluator) Sentence #15216 from articles/00108108 from sent13

Text  : Straty wynoszą ok . 60 tys . zł .
Tokens: 1_____ 2______ 3_ 4 5_ 6__ 7 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #15217 from articles/00108108 from sent14

Text  : Przyczyną pożaru było pozostawienie bez opieki urządzenia grzewczego .
Tokens: 1________ 2_____ 3___ 4____________ 5__ 6_____ 7_________ 8_________ 9

Chunks:

(ChunkerEvaluator) Sentence #15218 from articles/00108108 from sent15

Text  : Nikt z mieszkańców nie ucierpiał .
Tokens: 1___ 2 3__________ 4__ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #15219 from articles/00108108 from sent16

Text  : czyt baw tg
Tokens: 1___ 2__ 3_

Chunks:

2016-10-27 15:00:30,013 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 662 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108109.xml
(ChunkerEvaluator) Sentence #15220 from articles/00108109 from sent1

Text  : Teresa Kamińska : Unia nic nie ma do naszych stref ekonomicznych
Tokens: 1_____ 2_______ 3 4___ 5__ 6__ 7_ 8_ 9______ 10___ 11___________

Chunks:
  TruePositive nam [1,2] = Teresa Kamińska
  FalseNegative nam [4,4] = Unia

(ChunkerEvaluator) Sentence #15221 from articles/00108109 from sent2

Text  : Rozmowa z Teresą Kamińską , prezes Pomorskiej Specjalnej Strefy Ekonomicznej .
Tokens: 1______ 2 3_____ 4_______ 5 6_____ 7_________ 8_________ 9_____ 10__________ 11

Chunks:
  TruePositive nam [3,4] = Teresą Kamińską
  FalsePositive nam [6,10] = prezes Pomorskiej Specjalnej Strefy Ekonomicznej
  FalseNegative nam [7,10] = Pomorskiej Specjalnej Strefy Ekonomicznej

(ChunkerEvaluator) Sentence #15222 from articles/00108109 from sent3

Text  : - Rząd stoi przed decyzją o przesunięciu okresu działalności specjalnych stref ekonomicznych z  2020 do 2026 roku .
Tokens: 1 2___ 3___ 4____ 5______ 6 7___________ 8_____ 9___________ 10_________ 11___ 12___________ 13 14__ 15 16__ 17__ 18

Chunks:
  FalseNegative nam [2,2] = Rząd

(ChunkerEvaluator) Sentence #15223 from articles/00108109 from sent4

Text  : W ubiegłym roku przez wiele miesięcy toczył się o to spór pomiędzy ówczesnym ministrem gospodarki Waldemarem Pawlakiem ,  a  ministrem finansów Vincentem Rostowski .
Tokens: 1 2_______ 3___ 4____ 5____ 6_______ 7_____ 8__ 9 10 11__ 12______ 13_______ 14_______ 15________ 16________ 17_______ 18 19 20_______ 21______ 22_______ 23_______ 24

Chunks:
  TruePositive nam [16,17] = Waldemarem Pawlakiem
  TruePositive nam [22,23] = Vincentem Rostowski

(ChunkerEvaluator) Sentence #15224 from articles/00108109 from sent5

Text  : Pawlak chciał ich przedłużenia a Rostowski nie .
Tokens: 1_____ 2_____ 3__ 4___________ 5 6________ 7__ 8

Chunks:
  TruePositive nam [1,1] = Pawlak
  TruePositive nam [6,6] = Rostowski

(ChunkerEvaluator) Sentence #15225 from articles/00108109 from sent6

Text  : Pawlaka nie ma , jest Rostowski . . .
Tokens: 1______ 2__ 3_ 4 5___ 6________ 7 8 9

Chunks:
  TruePositive nam [6,6] = Rostowski
  FalseNegative nam [1,1] = Pawlaka

(ChunkerEvaluator) Sentence #15226 from articles/00108109 from sent7

Text  : - Ale jest też nowy minister gospodarki i na szczęście jest on zwolennikiem przedłużenia działalności stref .
Tokens: 1 2__ 3___ 4__ 5___ 6_______ 7_________ 8 9_ 10_______ 11__ 12 13__________ 14__________ 15__________ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #15227 from articles/00108109 from sent8

Text  : Jak się wydaje wicepremier Janusz Piechociński doskonale rozumie , jakie znaczenie mają strefy dla polskiej gospodarki zwłaszcza teraz w  dobie kryzysu ,  czy rosnącego właśnie bezrobocia .
Tokens: 1__ 2__ 3_____ 4__________ 5_____ 6___________ 7________ 8______ 9 10___ 11_______ 12__ 13____ 14_ 15______ 16________ 17_______ 18___ 19 20___ 21_____ 22 23_ 24_______ 25_____ 26________ 27

Chunks:
  TruePositive nam [5,6] = Janusz Piechociński

(ChunkerEvaluator) Sentence #15228 from articles/00108109 from sent9

Text  : Zresztą nie tylko on rozumie po co są strefy -  ich istnienie popierają samorządy ,  parlamentarzyści różnych opcji ,  przedsiębiorcy .
Tokens: 1______ 2__ 3____ 4_ 5______ 6_ 7_ 8_ 9_____ 10 11_ 12_______ 13_______ 14_______ 15 16______________ 17_____ 18___ 19 20____________ 21

Chunks:

(ChunkerEvaluator) Sentence #15229 from articles/00108109 from sent10

Text  : Wszyscy wiedzą , że to doskonałe narzędzie przyciągania kapitału ,  tworzenia wzrostu gospodarczego ,  miejsc pracy .
Tokens: 1______ 2_____ 3 4_ 5_ 6________ 7________ 8___________ 9_______ 10 11_______ 12_____ 13___________ 14 15____ 16___ 17

Chunks:

(ChunkerEvaluator) Sentence #15230 from articles/00108109 from sent11

Text  : Warto z niego skorzystać właśnie teraz , żeby przetrwać ten kryzys .
Tokens: 1____ 2 3____ 4_________ 5______ 6____ 7 8___ 9________ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15231 from articles/00108109 from sent12

Text  : Można wzmacniać gospodarkę niejako za pieniądze inwestorów , którzy pojawią się w  strefach .
Tokens: 1____ 2________ 3_________ 4______ 5_ 6________ 7_________ 8 9_____ 10_____ 11_ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #15232 from articles/00108109 from sent13

Text  : Bo taki inwestor , zanim zacznie sobie odbierać ulgi przysługujące mu w  strefie ,  to musi zainwestować -  zbudować zakład (  często za pomocą polskich firm )  ,  wyposażyć go (  również w  polskie maszyny )  ,  czy zatrudnić ludzi ,  zacząć produkować ,  mieć dochody .
Tokens: 1_ 2___ 3_______ 4 5____ 6______ 7____ 8_______ 9___ 10___________ 11 12 13_____ 14 15 16__ 17__________ 18 19______ 20____ 21 22____ 23 24____ 25______ 26__ 27 28 29_______ 30 31 32_____ 33 34_____ 35_____ 36 37 38_ 39_______ 40___ 41 42____ 43________ 44 45__ 46_____ 47

Chunks:

(ChunkerEvaluator) Sentence #15233 from articles/00108109 from sent14

Text  : Trwa to dwa , trzy lata .
Tokens: 1___ 2_ 3__ 4 5___ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #15234 from articles/00108109 from sent15

Text  : Dopiero po tym czasie odbiera sobie pomoc publiczną , ale też równolegle w  związku z  jego działalnością płaci VAT ,  a  pracownicy PIT .
Tokens: 1______ 2_ 3__ 4_____ 5______ 6____ 7____ 8________ 9 10_ 11_ 12________ 13 14_____ 15 16__ 17___________ 18___ 19_ 20 21 22________ 23_ 24

Chunks:
  FalsePositive nam [19,19] = VAT
  FalsePositive nam [23,23] = PIT

(ChunkerEvaluator) Sentence #15235 from articles/00108109 from sent16

Text  : To takie oczywiste .
Tokens: 1_ 2____ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #15236 from articles/00108109 from sent17

Text  : Niestety , nawet sama dyskusja na temat tego , czy przedłużać okres funkcjonowania stref i  ich oceny jest szkodliwa dla tych inwestycji .
Tokens: 1_______ 2 3____ 4___ 5_______ 6_ 7____ 8___ 9 10_ 11________ 12___ 13____________ 14___ 15 16_ 17___ 18__ 19_______ 20_ 21__ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #15237 from articles/00108109 from sent18

Text  : Sama dyskusja nie jest chyba groźna dla istnienia stref .
Tokens: 1___ 2_______ 3__ 4___ 5____ 6_____ 7__ 8________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #15238 from articles/00108109 from sent19

Text  : Raczej jej możliwe efekty .
Tokens: 1_____ 2__ 3______ 4_____ 5

Chunks:

(ChunkerEvaluator) Sentence #15239 from articles/00108109 from sent20

Text  : A jednak , tu szkodzi zbyt długo trwająca dyskusja .
Tokens: 1 2_____ 3 4_ 5______ 6___ 7____ 8_______ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #15240 from articles/00108109 from sent21

Text  : Po pierwsze dobry biznes lubi ciszę i dyskrecję .
Tokens: 1_ 2_______ 3____ 4_____ 5___ 6____ 7 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #15241 from articles/00108109 from sent22

Text  : Po drugie wystarczy , iż pojawią się wątpliwości wokół tego terminu działania stref ,  a  natychmiast zmienia się nastawienie administracji .
Tokens: 1_ 2_____ 3________ 4 5_ 6______ 7__ 8__________ 9____ 10__ 11_____ 12_______ 13___ 14 15 16_________ 17_____ 18_ 19_________ 20___________ 21

Chunks:

(ChunkerEvaluator) Sentence #15242 from articles/00108109 from sent23

Text  : Inwestorzy to wychwytują i zaczynają się wahać z lokowaniem nowych przedsięwzięć .
Tokens: 1_________ 2_ 3_________ 4 5________ 6__ 7____ 8 9_________ 10____ 11___________ 12

Chunks:

(ChunkerEvaluator) Sentence #15243 from articles/00108109 from sent24

Text  : Tak właśnie jest w tej chwili w Polsce - u  bram stref stoją wielomilionowe inwestycje ,  a  może niektóre z  nich już stracili śmy .
Tokens: 1__ 2______ 3___ 4 5__ 6_____ 7 8_____ 9 10 11__ 12___ 13___ 14____________ 15________ 16 17 18__ 19______ 20 21__ 22_ 23______ 24_ 25

Chunks:
  TruePositive nam [8,8] = Polsce

(ChunkerEvaluator) Sentence #15244 from articles/00108109 from sent25

Text  : Dlatego czas skończyć tę dyskusję i zdecydować o przedłużeniu okresu ich funkcjonowania .
Tokens: 1______ 2___ 3_______ 4_ 5_______ 6 7_________ 8 9___________ 10____ 11_ 12____________ 13

Chunks:

(ChunkerEvaluator) Sentence #15245 from articles/00108109 from sent26

Text  : Minister Rostowski mówi , że strefy musza się zmienić .
Tokens: 1_______ 2________ 3___ 4 5_ 6_____ 7____ 8__ 9______ 10

Chunks:
  TruePositive nam [2,2] = Rostowski

(ChunkerEvaluator) Sentence #15246 from articles/00108109 from sent27

Text  : Obecną formuła funkcjonowania stref w Polsce budzi wątpliwości Unii Europejskiej ,  gdyż stanowi zorganizowaną pomoc publiczną .
Tokens: 1_____ 2______ 3_____________ 4____ 5 6_____ 7____ 8__________ 9___ 10__________ 11 12__ 13_____ 14___________ 15___ 16_______ 17

Chunks:
  TruePositive nam [6,6] = Polsce
  TruePositive nam [9,10] = Unii Europejskiej

(ChunkerEvaluator) Sentence #15247 from articles/00108109 from sent28

Text  : I w tej kwestii zgadza się , z ministrem Rostowskim -  strefy musza się zmienić i  się zmieniają .
Tokens: 1 2 3__ 4______ 5_____ 6__ 7 8 9________ 10________ 11 12____ 13___ 14_ 15_____ 16 17_ 18_______ 19

Chunks:
  TruePositive nam [10,10] = Rostowskim

(ChunkerEvaluator) Sentence #15248 from articles/00108109 from sent29

Text  : Już w 2000 roku , jeszcze przed wejściem do UE ,  nasz rząd zmienił ich status .
Tokens: 1__ 2 3___ 4___ 5 6______ 7____ 8_______ 9_ 10 11 12__ 13__ 14_____ 15_ 16____ 17

Chunks:
  TruePositive nam [10,10] = UE

(ChunkerEvaluator) Sentence #15249 from articles/00108109 from sent30

Text  : Zrobił to pod wpływem UE , która stwierdziła , że nie możemy już rozszerzać ich granic .
Tokens: 1_____ 2_ 3__ 4______ 5_ 6 7____ 8__________ 9 10 11_ 12____ 13_ 14________ 15_ 16____ 17

Chunks:
  TruePositive nam [5,5] = UE

(ChunkerEvaluator) Sentence #15250 from articles/00108109 from sent31

Text  : Zdecydowano więc , że mają one być nie tylko źródłem nowych miejsc pracy ,  ale też nowych technologii ,  ich transferu między światem nauki ,  a  przemysłem .
Tokens: 1__________ 2___ 3 4_ 5___ 6__ 7__ 8__ 9____ 10_____ 11____ 12____ 13___ 14 15_ 16_ 17____ 18_________ 19 20_ 21_______ 22____ 23_____ 24___ 25 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #15251 from articles/00108109 from sent32

Text  : Chodzi o to , by działał tzw . złoty trójkąt dobrej współpracy pomiędzy władzami publicznymi ,  nauką i  biznesem ,  by sprawnie odbywał się przepływ wiedzy ,  informacji ,  technologii .
Tokens: 1_____ 2 3_ 4 5_ 6______ 7__ 8 9____ 10_____ 11____ 12________ 13______ 14______ 15_________ 16 17___ 18 19______ 20 21 22______ 23_____ 24_ 25______ 26____ 27 28________ 29 30_________ 31

Chunks:

(ChunkerEvaluator) Sentence #15252 from articles/00108109 from sent33

Text  : Pomorska Specjalna Strefa Ekonomiczna zrealizowała tę ideę poprzez stworzenie Gdańskiego Parku Naukowo Technologicznego -  miejsca ,  które stwarza warunki do takiego transferu ,  również pomiędzy tymi wielkimi firmami już działającymi na terenie strefie ,  a  tymi najmniejszymi ,  które zaczynają działalność w  naszym inkubatorze przedsiębiorczości .
Tokens: 1_______ 2________ 3_____ 4__________ 5___________ 6_ 7___ 8______ 9_________ 10________ 11___ 12_____ 13______________ 14 15_____ 16 17___ 18_____ 19_____ 20 21_____ 22_______ 23 24_____ 25______ 26__ 27______ 28_____ 29_ 30__________ 31 32_____ 33_____ 34 35 36__ 37___________ 38 39___ 40_______ 41_________ 42 43____ 44_________ 45________________ 46

Chunks:
  TruePositive nam [1,4] = Pomorska Specjalna Strefa Ekonomiczna
  TruePositive nam [10,13] = Gdańskiego Parku Naukowo Technologicznego

(ChunkerEvaluator) Sentence #15253 from articles/00108109 from sent34

Text  : I taki kierunek jest popierany poprzez Unię Europejską .
Tokens: 1 2___ 3_______ 4___ 5________ 6______ 7___ 8_________ 9

Chunks:
  TruePositive nam [7,8] = Unię Europejską

(ChunkerEvaluator) Sentence #15254 from articles/00108109 from sent35

Text  : Natomiast stanowczo protestuję przeciwko takiej tezie , że Unia nie zgodzi się na przedłużenie działalności stref ,  do 2026 roku ,  bo to pomoc publiczna .
Tokens: 1________ 2________ 3_________ 4________ 5_____ 6____ 7 8_ 9___ 10_ 11____ 12_ 13 14__________ 15__________ 16___ 17 18 19__ 20__ 21 22 23 24___ 25_______ 26

Chunks:
  FalseNegative nam [9,9] = Unia

(ChunkerEvaluator) Sentence #15255 from articles/00108109 from sent36

Text  : Nie obawia się zatem Pani o reakcje Brukseli ?
Tokens: 1__ 2_____ 3__ 4____ 5___ 6 7______ 8_______ 9

Chunks:
  TruePositive nam [8,8] = Brukseli

(ChunkerEvaluator) Sentence #15256 from articles/00108109 from sent37

Text  : Po pierwsze Unia Europejska nie ma w tej kwestii nic do powiedzenia .
Tokens: 1_ 2_______ 3___ 4_________ 5__ 6_ 7 8__ 9______ 10_ 11 12_________ 13

Chunks:
  TruePositive nam [3,4] = Unia Europejska

(ChunkerEvaluator) Sentence #15257 from articles/00108109 from sent38

Text  : Decyzja o przedłużeniu ich działalności zależy od decyzji naszego rządu .
Tokens: 1______ 2 3___________ 4__ 5___________ 6_____ 7_ 8______ 9______ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #15258 from articles/00108109 from sent39

Text  : Po drugie , strefy powoływane są w wielu krajach europejskich ,  a  w  szczególności na terenie dawnej NRD .
Tokens: 1_ 2_____ 3 4_____ 5_________ 6_ 7 8____ 9______ 10__________ 11 12 13 14___________ 15 16_____ 17____ 18_ 19

Chunks:
  TruePositive nam [18,18] = NRD

(ChunkerEvaluator) Sentence #15259 from articles/00108109 from sent40

Text  : Tam rosną jak grzyby po deszczu .
Tokens: 1__ 2____ 3__ 4_____ 5_ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #15260 from articles/00108109 from sent41

Text  : I co ?
Tokens: 1 2_ 3

Chunks:

(ChunkerEvaluator) Sentence #15261 from articles/00108109 from sent42

Text  : Niemcy w dobie kryzysu mają najmniejsze bezrobocie od czasu połączenia z  NRD .
Tokens: 1_____ 2 3____ 4______ 5___ 6__________ 7_________ 8_ 9____ 10________ 11 12_ 13

Chunks:
  TruePositive nam [1,1] = Niemcy
  TruePositive nam [12,12] = NRD

(ChunkerEvaluator) Sentence #15262 from articles/00108109 from sent43

Text  : Doskonale bowiem rozumieją , że utrata miejsc pracy , kiedy firmy zaczną zamykać swoje fabryki ,  jest bardzo kosztowna .
Tokens: 1________ 2_____ 3________ 4 5_ 6_____ 7_____ 8____ 9 10___ 11___ 12____ 13_____ 14___ 15_____ 16 17__ 18____ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #15263 from articles/00108109 from sent44

Text  : Utworzenie na nowo takiego miejsca pracy jest droższe niż utrzymanie już istniejącego .
Tokens: 1_________ 2_ 3___ 4______ 5______ 6____ 7___ 8______ 9__ 10________ 11_ 12__________ 13

Chunks:

(ChunkerEvaluator) Sentence #15264 from articles/00108109 from sent45

Text  : I może w ten sam sposób powinni śmy myśleć o  kreowaniu polityki walki z  bezrobociem .
Tokens: 1 2___ 3 4__ 5__ 6_____ 7______ 8__ 9_____ 10 11_______ 12______ 13___ 14 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #15265 from articles/00108109 from sent46

Text  : Ale stworzenie miejsca pracy w strefach jest drogie .
Tokens: 1__ 2_________ 3______ 4____ 5 6_______ 7___ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #15266 from articles/00108109 from sent47

Text  : Tak naprawdę nie wiadomo , jaka jest efektywność ich działania .
Tokens: 1__ 2_______ 3__ 4______ 5 6___ 7___ 8__________ 9__ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #15267 from articles/00108109 from sent48

Text  : To jest nieprawda .
Tokens: 1_ 2___ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #15268 from articles/00108109 from sent49

Text  : Warto bowiem pamiętać , że przez 15 lat działania stref w  Polsce inwestorzy odebrali sobie tylko 12 proc .  należnej im pomocy publicznej .
Tokens: 1____ 2_____ 3_______ 4 5_ 6____ 7_ 8__ 9________ 10___ 11 12____ 13________ 14______ 15___ 16___ 17 18__ 19 20______ 21 22____ 23________ 24

Chunks:
  TruePositive nam [12,12] = Polsce

(ChunkerEvaluator) Sentence #15269 from articles/00108109 from sent50

Text  : To 8 miliardów złotych , ale sami zainwestowali 80 mld zł .
Tokens: 1_ 2 3________ 4______ 5 6__ 7___ 8____________ 9_ 10_ 11 12

Chunks:
  TruePositive nam [4,4] = złotych
  TruePositive nam [11,11] = zł

(ChunkerEvaluator) Sentence #15270 from articles/00108109 from sent51

Text  : Stworzyli setki tysięcy miejsc pracy .
Tokens: 1________ 2____ 3______ 4_____ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15271 from articles/00108109 from sent52

Text  : Są odpowiedzialni za wzrost gospodarczy .
Tokens: 1_ 2_____________ 3_ 4_____ 5__________ 6

Chunks:

(ChunkerEvaluator) Sentence #15272 from articles/00108109 from sent53

Text  : Strefy to czysty zysk .
Tokens: 1_____ 2_ 3_____ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #15273 from articles/00108109 from sent54

Text  : Wystarczy porozmawiać z samorządami , na trenie których pojawiły się strefy .
Tokens: 1________ 2__________ 3 4__________ 5 6_ 7_____ 8______ 9_______ 10_ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15274 from articles/00108109 from sent55

Text  : To dlaczego nie przedłużyć działalności stref na czas nieograniczony ?
Tokens: 1_ 2_______ 3__ 4_________ 5___________ 6____ 7_ 8___ 9_____________ 10

Chunks:

(ChunkerEvaluator) Sentence #15275 from articles/00108109 from sent56

Text  : Na to minister Rostowski na pewno się nie zgodzi .
Tokens: 1_ 2_ 3_______ 4________ 5_ 6____ 7__ 8__ 9_____ 10

Chunks:
  TruePositive nam [4,4] = Rostowski

(ChunkerEvaluator) Sentence #15276 from articles/00108109 from sent57

Text  : Zresztą - jak już powiedziała m - zgadam się ,  że strefy powinny się zmieniać w  kierunku poszukiwania innowacji ,  nowoczesnych technologii ,  po to ,  by sprostać również konkurencji spoza Unii Europejskiej .
Tokens: 1______ 2 3__ 4__ 5__________ 6 7 8_____ 9__ 10 11 12____ 13_____ 14_ 15______ 16 17______ 18__________ 19_______ 20 21__________ 22_________ 23 24 25 26 27 28______ 29_____ 30_________ 31___ 32__ 33__________ 34

Chunks:
  TruePositive nam [32,33] = Unii Europejskiej

(ChunkerEvaluator) Sentence #15277 from articles/00108109 from sent58

Text  : Jak ważne są to cele , jakie ma znaczenie pokazują choćby Rosjanie ,  którzy tworzą park technologiczny i  specjalną strefę na terenie Obwodu Kaliningradzkiego i  zamierzają wyłożyć na to kilkaset milionów euro .
Tokens: 1__ 2____ 3_ 4_ 5___ 6 7____ 8_ 9________ 10______ 11____ 12______ 13 14____ 15____ 16__ 17____________ 18 19_______ 20____ 21 22_____ 23____ 24_______________ 25 26________ 27_____ 28 29 30______ 31______ 32__ 33

Chunks:
  TruePositive nam [12,12] = Rosjanie
  TruePositive nam [23,24] = Obwodu Kaliningradzkiego
  TruePositive nam [32,32] = euro

(ChunkerEvaluator) Sentence #15278 from articles/00108109 from sent59

Text  : Zresztą Pomorska Specjalna Strefa Ekonomiczna podpisała porozumienie o współpracy z  tamtejszymi władzami w  sprawie parku technologicznego .
Tokens: 1______ 2_______ 3________ 4_____ 5__________ 6________ 7___________ 8 9_________ 10 11_________ 12______ 13 14_____ 15___ 16______________ 17

Chunks:
  TruePositive nam [2,5] = Pomorska Specjalna Strefa Ekonomiczna

(ChunkerEvaluator) Sentence #15279 from articles/00108109 from sent60

Text  : Będziemy im doradzać , jak go tworzyć .
Tokens: 1_______ 2_ 3_______ 4 5__ 6_ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #15280 from articles/00108109 from sent61

Text  : Mówi Pani o parku technologicznym , a tymczasem Strefa odbudowuje tereny po Stoczni Gdynia .
Tokens: 1___ 2___ 3 4____ 5______________ 6 7 8________ 9_____ 10________ 11____ 12 13_____ 14____ 15

Chunks:
  TruePositive nam [9,9] = Strefa
  TruePositive nam [13,14] = Stoczni Gdynia
  FalsePositive nam [2,2] = Pani

(ChunkerEvaluator) Sentence #15281 from articles/00108109 from sent62

Text  : Co to ma wspólnego z innowacją ?
Tokens: 1_ 2_ 3_ 4________ 5 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #15282 from articles/00108109 from sent63

Text  : Czy aby nie tylko dumną nazwę : Bałtycki Port Nowych Technologii .
Tokens: 1__ 2__ 3__ 4____ 5____ 6____ 7 8_______ 9___ 10____ 11_________ 12

Chunks:
  TruePositive nam [8,11] = Bałtycki Port Nowych Technologii

(ChunkerEvaluator) Sentence #15283 from articles/00108109 from sent64

Text  : Po co to wzięli ście ?
Tokens: 1_ 2_ 3_ 4_____ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #15284 from articles/00108109 from sent65

Text  : - Weszli śmy tam trochę na zasadzie mierz siły na zamiary .
Tokens: 1 2_____ 3__ 4__ 5_____ 6_ 7_______ 8____ 9___ 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #15285 from articles/00108109 from sent66

Text  : Może zabrzmi to patetycznie , ale nie chcieli śmy ,  by nasze dzieci zarzuciły nam ,  że zmarnowali śmy dla naszej gospodarki tak ciekawy gospodarczo teren .
Tokens: 1___ 2______ 3_ 4__________ 5 6__ 7__ 8______ 9__ 10 11 12___ 13____ 14_______ 15_ 16 17 18________ 19_ 20_ 21____ 22________ 23_ 24_____ 25_________ 26___ 27

Chunks:

(ChunkerEvaluator) Sentence #15286 from articles/00108109 from sent67

Text  : Stocznia upadła , nie pojawił się bogaty inwestor , który dźwignął by ją z  kolan .
Tokens: 1_______ 2_____ 3 4__ 5______ 6__ 7_____ 8_______ 9 10___ 11______ 12 13 14 15___ 16

Chunks:
  FalseNegative nam [1,1] = Stocznia

(ChunkerEvaluator) Sentence #15287 from articles/00108109 from sent68

Text  : To nie do końca prawda , że nie ma inwestorów .
Tokens: 1_ 2__ 3_ 4____ 5_____ 6 7_ 8__ 9_ 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #15288 from articles/00108109 from sent69

Text  : Pojawili się w trakcie procesu kompensacji Stoczni Gdynia , ponad 20 firm -  powiedziała by m  prawdziwi bohaterowie ,  którzy weszli na nieznany im teren .
Tokens: 1_______ 2__ 3 4______ 5______ 6__________ 7______ 8_____ 9 10___ 11 12__ 13 14_________ 15 16 17_______ 18_________ 19 20____ 21____ 22 23______ 24 25___ 26

Chunks:
  TruePositive nam [7,8] = Stoczni Gdynia

(ChunkerEvaluator) Sentence #15289 from articles/00108109 from sent70

Text  : Strefa pojawiła się tam , by stworzyć im dobre warunki do inwestowania .
Tokens: 1_____ 2_______ 3__ 4__ 5 6_ 7_______ 8_ 9____ 10_____ 11 12__________ 13

Chunks:
  FalseNegative nam [1,1] = Strefa

(ChunkerEvaluator) Sentence #15290 from articles/00108109 from sent71

Text  : Wyremontowali śmy infrastrukturę , zmieniamy ten teren również pod względem funkcjonalnym i  estetycznym ,  bo to również ma znaczenie w  prowadzeniu biznesu ,  w  przyciąganiu partnerów kolejnych inwestycji .
Tokens: 1____________ 2__ 3_____________ 4 5________ 6__ 7____ 8______ 9__ 10______ 11___________ 12 13_________ 14 15 16 17_____ 18 19_______ 20 21_________ 22_____ 23 24 25__________ 26_______ 27_______ 28________ 29

Chunks:

(ChunkerEvaluator) Sentence #15291 from articles/00108109 from sent72

Text  : Już za rok będzie to jeden z najpiękniejszych terenów przemysłowych w  Polsce
Tokens: 1__ 2_ 3__ 4_____ 5_ 6____ 7 8_______________ 9______ 10___________ 11 12____

Chunks:
  TruePositive nam [12,12] = Polsce

(ChunkerEvaluator) Sentence #15292 from articles/00108109 from sent73

Text  : Warto zaważyć , że pomagamy też tym firmom nie na zasadzie dopłat ,  ale informacji -  pomagamy np .  zdobyć pieniądze ,  z  rożnych grantów ,  bo często mamy na ten temat większą wiedzę .
Tokens: 1____ 2______ 3 4_ 5_______ 6__ 7__ 8_____ 9__ 10 11______ 12____ 13 14_ 15________ 16 17______ 18 19 20____ 21_______ 22 23 24_____ 25_____ 26 27 28____ 29__ 30 31_ 32___ 33_____ 34____ 35

Chunks:

(ChunkerEvaluator) Sentence #15293 from articles/00108109 from sent74

Text  : Są tam takie firmy , które to doskonale rozumieją -  produkują statki dla stawiania wież wiatrowych na morzu ,  inne bezzałogowe pojazdy dla wojska i  służb ratowniczych .
Tokens: 1_ 2__ 3____ 4____ 5 6____ 7_ 8________ 9________ 10 11_______ 12____ 13_ 14_______ 15__ 16________ 17 18___ 19 20__ 21_________ 22_____ 23_ 24____ 25 26___ 27__________ 28

Chunks:

(ChunkerEvaluator) Sentence #15294 from articles/00108109 from sent75

Text  : I w tym sensie BPNT jest również parkiem technologicznym ,  miejscem poszukiwania innowacji .
Tokens: 1 2 3__ 4_____ 5___ 6___ 7______ 8______ 9______________ 10 11______ 12__________ 13_______ 14

Chunks:
  TruePositive nam [5,5] = BPNT

(ChunkerEvaluator) Sentence #15295 from articles/00108109 from sent76

Text  : Dziękuję za rozmowę .
Tokens: 1_______ 2_ 3______ 4

Chunks:

2016-10-27 15:00:30,379 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 663 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108110.xml
(ChunkerEvaluator) Sentence #15296 from articles/00108110 from sent1

Text  : Jak odbierać telewizję cyfrową
Tokens: 1__ 2_______ 3________ 4______

Chunks:

(ChunkerEvaluator) Sentence #15297 from articles/00108110 from sent2

Text  : Aby oglądać nasze ulubione programy - w telewizji cyfrowej -  musimy mieć właściwy sprzęt .
Tokens: 1__ 2______ 3____ 4_______ 5_______ 6 7 8________ 9_______ 10 11____ 12__ 13______ 14____ 15

Chunks:

(ChunkerEvaluator) Sentence #15298 from articles/00108110 from sent3

Text  : Ale uwaga , nie wymieniajmy pochopnie telewizora
Tokens: 1__ 2____ 3 4__ 5__________ 6________ 7_________

Chunks:

(ChunkerEvaluator) Sentence #15299 from articles/00108110 from sent4

Text  : W całym kraju trwa proces przechodzenia z analogowej telewizji naziemnej na cyfrową .
Tokens: 1 2____ 3____ 4___ 5_____ 6____________ 7 8_________ 9________ 10_______ 11 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #15300 from articles/00108110 from sent5

Text  : Odbierają już mieszkańcy Lubuskiego i wielu gmin na północy kraju .
Tokens: 1________ 2__ 3_________ 4_________ 5 6____ 7___ 8_ 9______ 10___ 11

Chunks:
  TruePositive nam [4,4] = Lubuskiego

(ChunkerEvaluator) Sentence #15301 from articles/00108110 from sent6

Text  : Tradycyjny sygnał telewizyjny jest wyłączany etapami w kolejnych rejonach kraju ,  ostatnie nadajniki telewizji analogowej mają przestać działać w  lipcu 2013 roku .
Tokens: 1_________ 2_____ 3__________ 4___ 5________ 6______ 7 8________ 9_______ 10___ 11 12______ 13_______ 14_______ 15________ 16__ 17______ 18_____ 19 20___ 21__ 22__ 23

Chunks:

(ChunkerEvaluator) Sentence #15302 from articles/00108110 from sent7

Text  : Jak pisali śmy wczoraj , telewidzowie korzystający z płatnych platform satelitarnych czy usług telewizji kablowych nie muszą przejmować się cyfryzacją i  kupować nowego sprzętu .
Tokens: 1__ 2_____ 3__ 4______ 5 6___________ 7___________ 8 9_______ 10______ 11___________ 12_ 13___ 14_______ 15_______ 16_ 17___ 18________ 19_ 20________ 21 22_____ 23____ 24_____ 25

Chunks:

(ChunkerEvaluator) Sentence #15303 from articles/00108110 from sent8

Text  : Dalej będą korzystać z takich pakietów , jakie oferuje im operator .
Tokens: 1____ 2___ 3________ 4 5_____ 6_______ 7 8____ 9______ 10 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #15304 from articles/00108110 from sent9

Text  : W części przypadków - zależnie od umowy , jaką mamy ze „  swoją ”  siecią ,  może to jednak być dalej telewizja analogowa ,  bo kablówki nie mają prawnego obowiązku dostarczania sygnału cyfrowego .
Tokens: 1 2_____ 3_________ 4 5_______ 6_ 7____ 8 9___ 10__ 11 12 13___ 14 15____ 16 17__ 18 19____ 20_ 21___ 22_______ 23_______ 24 25 26______ 27_ 28__ 29______ 30_______ 31__________ 32_____ 33_______ 34

Chunks:

(ChunkerEvaluator) Sentence #15305 from articles/00108110 from sent10

Text  : Jeżeli ktoś chce to zmienić , powinien zamówić inny pakiet telewizji cyfrowej oferowany przez kablówki ,  ewentualnie zacząć odbierać telewizję „  z  powietrza ”  na własną rękę (  tak ,  jak piszemy poniżej )  .
Tokens: 1_____ 2___ 3___ 4_ 5______ 6 7_______ 8______ 9___ 10____ 11_______ 12______ 13_______ 14___ 15______ 16 17_________ 18____ 19______ 20_______ 21 22 23_______ 24 25 26____ 27__ 28 29_ 30 31_ 32_____ 33_____ 34 35

Chunks:

(ChunkerEvaluator) Sentence #15306 from articles/00108110 from sent11

Text  : Trzeba jednak pamiętać , że pakiety oferowane przez operatorów są bogatsze -  ale trzeba za nie płacić od kilkunastu do kilkudziesięciu złotych miesięcznie -  niż naziemna telewizja cyfrowa ,  która jest darmowa .
Tokens: 1_____ 2_____ 3_______ 4 5_ 6______ 7________ 8____ 9_________ 10 11______ 12 13_ 14____ 15 16_ 17____ 18 19________ 20 21_____________ 22_____ 23_________ 24 25_ 26______ 27_______ 28_____ 29 30___ 31__ 32_____ 33

Chunks:
  FalsePositive nam [22,22] = złotych

(ChunkerEvaluator) Sentence #15307 from articles/00108110 from sent12

Text  : Kupujemy telewizor
Tokens: 1_______ 2________

Chunks:

(ChunkerEvaluator) Sentence #15308 from articles/00108110 from sent13

Text  : Pozostali ( czyli Ci , którzy korzystają z anten )  do odbioru telewizji cyfrowej muszą się przygotować ,  dobierając właściwy sprzęt .
Tokens: 1________ 2 3____ 4_ 5 6_____ 7_________ 8 9____ 10 11 12_____ 13_______ 14______ 15___ 16_ 17_________ 18 19________ 20______ 21____ 22

Chunks:

(ChunkerEvaluator) Sentence #15309 from articles/00108110 from sent14

Text  : Jeżeli tego nie zrobią , nie będą mogli oglądać nadawanych cyfrowo programów .
Tokens: 1_____ 2___ 3__ 4_____ 5 6__ 7___ 8____ 9______ 10________ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #15310 from articles/00108110 from sent15

Text  : Zgodnie z prawem naziemna telewizja cyfrowa jest bezpłatna .
Tokens: 1______ 2 3_____ 4_______ 5________ 6______ 7___ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #15311 from articles/00108110 from sent16

Text  : Ale czekają nas koszty związane z przygotowaniem odpowiedniego sprzętu .
Tokens: 1__ 2______ 3__ 4_____ 5_______ 6 7_____________ 8____________ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #15312 from articles/00108110 from sent17

Text  : Jeśli mamy stosunkowo nowy , płaski telewizor , to jest szansa ,  że jest przystosowany do cyfrowego odbioru .
Tokens: 1____ 2___ 3_________ 4___ 5 6_____ 7________ 8 9_ 10__ 11____ 12 13 14__ 15___________ 16 17_______ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #15313 from articles/00108110 from sent18

Text  : Musi mieć wbudowany tuner telewizyjny DVB - T ( to standard ,  w  jakim nadawana jest w  Polsce telewizja cyfrowa z  nadajników naziemnych )  i  określone parametry ,  czyli kodowanie MPEG -  4  dla obrazu i  EAC -  3  dla dźwięku .
Tokens: 1___ 2___ 3________ 4____ 5__________ 6__ 7 8 9 10 11______ 12 13 14___ 15______ 16__ 17 18____ 19_______ 20_____ 21 22________ 23________ 24 25 26_______ 27_______ 28 29___ 30_______ 31__ 32 33 34_ 35____ 36 37_ 38 39 40_ 41_____ 42

Chunks:
  TruePositive nam [6,8] = DVB - T
  TruePositive nam [18,18] = Polsce
  TruePositive nam [31,33] = MPEG - 4
  TruePositive nam [37,39] = EAC - 3

(ChunkerEvaluator) Sentence #15314 from articles/00108110 from sent19

Text  : Możemy to sprawdzić w instrukcji obsługi w części dotyczącej parametrów technicznych telewizora .
Tokens: 1_____ 2_ 3________ 4 5_________ 6______ 7 8_____ 9_________ 10________ 11__________ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #15315 from articles/00108110 from sent20

Text  : Jeżeli odbiornik ma taki tuner , jesteśmy przygotowani do odbioru telewizji cyfrowej .
Tokens: 1_____ 2________ 3_ 4___ 5____ 6 7_______ 8___________ 9_ 10_____ 11_______ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #15316 from articles/00108110 from sent21

Text  : Jeśli nie - możemy kupić nowy telewizor , który spełnia wyżej opisane parametry .
Tokens: 1____ 2__ 3 4_____ 5____ 6___ 7________ 8 9____ 10_____ 11___ 12_____ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #15317 from articles/00108110 from sent22

Text  : W sklepach jest ich ogromny wybór - są w różnych wielkościach ,  mają różne ceny -  wybór zależy od zasobności naszego portfela .
Tokens: 1 2_______ 3___ 4__ 5______ 6____ 7 8_ 9 10_____ 11__________ 12 13__ 14___ 15__ 16 17___ 18____ 19 20________ 21_____ 22______ 23

Chunks:

(ChunkerEvaluator) Sentence #15318 from articles/00108110 from sent23

Text  : Gdy podłączymy antenę ( patrz niżej ) i uruchomimy taki odbiornik po raz pierwszy ,  przeskanuje on częstotliwości dla obydwu tunerów -  analogowego i  cyfrowego .
Tokens: 1__ 2_________ 3_____ 4 5____ 6____ 7 8 9_________ 10__ 11_______ 12 13_ 14______ 15 16_________ 17 18____________ 19_ 20____ 21_____ 22 23_________ 24 25_______ 26

Chunks:

(ChunkerEvaluator) Sentence #15319 from articles/00108110 from sent24

Text  : Potem zostanie nam już tylko oglądanie telewizji .
Tokens: 1____ 2_______ 3__ 4__ 5____ 6________ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #15320 from articles/00108110 from sent25

Text  : Kupujemy dekoder
Tokens: 1_______ 2______

Chunks:

(ChunkerEvaluator) Sentence #15321 from articles/00108110 from sent26

Text  : Jeśli mamy starszy telewizor , który nie spełnia standardów koniecznych do odbioru telewizji cyfrowej ,  a  nie chcemy kupować nowego odbiornika ,  musimy kupić dekoder naziemnej telewizji cyfrowej DVB -  T  zgodny (  tak jak w  przypadku nowego telewizora )  ze standardami MPEG -  4  dla obrazu i  EAC -  3  dla dźwięku .
Tokens: 1____ 2___ 3______ 4________ 5 6____ 7__ 8______ 9_________ 10_________ 11 12_____ 13_______ 14______ 15 16 17_ 18____ 19_____ 20____ 21________ 22 23____ 24___ 25_____ 26_______ 27_______ 28______ 29_ 30 31 32____ 33 34_ 35_ 36 37_______ 38____ 39________ 40 41 42_________ 43__ 44 45 46_ 47____ 48 49_ 50 51 52_ 53_____ 54

Chunks:
  TruePositive nam [29,31] = DVB - T
  TruePositive nam [43,45] = MPEG - 4
  TruePositive nam [49,51] = EAC - 3

(ChunkerEvaluator) Sentence #15322 from articles/00108110 from sent27

Text  : Niekiedy takie dekodery , zwane też tunerami , są również określane jako set -  top -  box lub w  skrócie STB .
Tokens: 1_______ 2____ 3_______ 4 5____ 6__ 7_______ 8 9_ 10_____ 11_______ 12__ 13_ 14 15_ 16 17_ 18_ 19 20_____ 21_ 22

Chunks:
  FalseNegative nam [13,17] = set - top - box
  FalseNegative nam [21,21] = STB

(ChunkerEvaluator) Sentence #15323 from articles/00108110 from sent28

Text  : Taki dekoder to niewielka , płaska przystawka do telewizora .
Tokens: 1___ 2______ 3_ 4________ 5 6_____ 7_________ 8_ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15324 from articles/00108110 from sent29

Text  : Umożliwia odbiór programów naziemnej telewizji cyfrowej na ekranie telewizora ,  który samodzielnie nie odbiera sygnału cyfrowego .
Tokens: 1________ 2_____ 3________ 4________ 5________ 6_______ 7_ 8______ 9_________ 10 11___ 12__________ 13_ 14_____ 15_____ 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #15325 from articles/00108110 from sent30

Text  : Urządzenie musimy wpiąć między antenę ( instalację antenową ) a  telewizor .
Tokens: 1_________ 2_____ 3____ 4_____ 5_____ 6 7_________ 8_______ 9 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #15326 from articles/00108110 from sent31

Text  : Dekoderów możemy używać zarówno wtedy , gdy mamy nowszy ,  płaski telewizor ,  choć jeszcze nieprzystosowany do naziemnej telewizji cyfrowej ,  jak i  wtedy ,  gdy jest to starszy odbiornik kineskopowy .
Tokens: 1________ 2_____ 3_____ 4______ 5____ 6 7__ 8___ 9_____ 10 11____ 12_______ 13 14__ 15_____ 16______________ 17 18_______ 19_______ 20______ 21 22_ 23 24___ 25 26_ 27__ 28 29_____ 30_______ 31_________ 32

Chunks:

(ChunkerEvaluator) Sentence #15327 from articles/00108110 from sent32

Text  : W sklepach dekoderów DVB - T jest mnóstwo .
Tokens: 1 2_______ 3________ 4__ 5 6 7___ 8______ 9

Chunks:
  TruePositive nam [4,6] = DVB - T

(ChunkerEvaluator) Sentence #15328 from articles/00108110 from sent33

Text  : Kosztują od kilkudziesięciu do ponad 200 zł w zależności od producenta oraz parametrów .
Tokens: 1_______ 2_ 3______________ 4_ 5____ 6__ 7_ 8 9_________ 10 11________ 12__ 13________ 14

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #15329 from articles/00108110 from sent34

Text  : Bezpiecznym rozwiązaniem będzie zakup dekodera w średniej cenie , co powinno gwarantować jego przyzwoitą jakość i  różne ,  przydatne funkcje .
Tokens: 1__________ 2___________ 3_____ 4____ 5_______ 6 7_______ 8____ 9 10 11_____ 12_________ 13__ 14________ 15____ 16 17___ 18 19_______ 20_____ 21

Chunks:

(ChunkerEvaluator) Sentence #15330 from articles/00108110 from sent35

Text  : Może to być np . port USB , przez który podłączymy do dekodera zewnętrzny twardy dysk lub pamięć pendrive .
Tokens: 1___ 2_ 3__ 4_ 5 6___ 7__ 8 9____ 10___ 11________ 12 13______ 14________ 15____ 16__ 17_ 18____ 19______ 20

Chunks:
  TruePositive nam [7,7] = USB

(ChunkerEvaluator) Sentence #15331 from articles/00108110 from sent36

Text  : Dzięki temu będziemy mogli oglądać w telewizorze zdjęcia czy nagrane na taką zewnętrzną pamięć filmy w  dobrej jakości .
Tokens: 1_____ 2___ 3_______ 4____ 5______ 6 7__________ 8______ 9__ 10_____ 11 12__ 13________ 14____ 15___ 16 17____ 18_____ 19

Chunks:

(ChunkerEvaluator) Sentence #15332 from articles/00108110 from sent37

Text  : Przydatna w dekoderze mogą być funkcja obsługująca EPG , czyli elektroniczny przewodnik po kanałach ,  i  funkcja PVR Ready ,  pozwalająca nagrywać programy na zewnętrzny dysk podpięty do dekodera o  określonej przez nas godzinie .
Tokens: 1________ 2 3________ 4___ 5__ 6______ 7__________ 8__ 9 10___ 11___________ 12________ 13 14______ 15 16 17_____ 18_ 19___ 20 21_________ 22______ 23______ 24 25________ 26__ 27______ 28 29______ 30 31________ 32___ 33_ 34______ 35

Chunks:
  TruePositive nam [8,8] = EPG
  TruePositive nam [18,19] = PVR Ready

(ChunkerEvaluator) Sentence #15333 from articles/00108110 from sent38

Text  : Niemal wszystkie dekodery na rynku to dzisiaj dekodery HD ,  które umożliwiają odbiór telewizji o  wysokiej rozdzielczości ,  czyli w  bardzo dobrej jakości .
Tokens: 1_____ 2________ 3_______ 4_ 5____ 6_ 7______ 8_______ 9_ 10 11___ 12_________ 13____ 14_______ 15 16______ 17____________ 18 19___ 20 21____ 22____ 23_____ 24

Chunks:
  FalseNegative nam [9,9] = HD

(ChunkerEvaluator) Sentence #15334 from articles/00108110 from sent39

Text  : Chroni nas prawo
Tokens: 1_____ 2__ 3____

Chunks:

(ChunkerEvaluator) Sentence #15335 from articles/00108110 from sent40

Text  : Zgodnie z ustawą o wdrożeniu naziemnej telewizji cyfrowej sklep czy firma rozprowadzająca telewizory i  dekodery może sprzedać takie ,  które niespełniają wymagań do odbioru nadawanej w  Polsce naziemnej telewizji cyfrowej ,  tylko wtedy ,  gdy wyraźnie poinformuje o  tym kupującego .
Tokens: 1______ 2 3_____ 4 5________ 6________ 7________ 8_______ 9____ 10_ 11___ 12_____________ 13________ 14 15______ 16__ 17______ 18___ 19 20___ 21__________ 22_____ 23 24_____ 25_______ 26 27____ 28_______ 29_______ 30______ 31 32___ 33___ 34 35_ 36______ 37_________ 38 39_ 40________ 41

Chunks:
  TruePositive nam [27,27] = Polsce

(ChunkerEvaluator) Sentence #15336 from articles/00108110 from sent41

Text  : Przedsiębiorca musi to zrobić pisemnie najpóźniej w chwili sprzedaży .
Tokens: 1_____________ 2___ 3_ 4_____ 5_______ 6_________ 7 8_____ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #15337 from articles/00108110 from sent42

Text  : Z kolei nabywca takiego sprzętu powinien dać sprzedającemu potwierdzenie zapoznania się z  tą informacją .
Tokens: 1 2____ 3______ 4______ 5______ 6_______ 7__ 8____________ 9____________ 10________ 11_ 12 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #15338 from articles/00108110 from sent43

Text  : Dotyczy to też sprzedaży internetowej .
Tokens: 1______ 2_ 3__ 4________ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #15339 from articles/00108110 from sent44

Text  : Sprzedawcy powinni również wywiesić w widocznym miejscu informację , że tylko odbiorniki cyfrowe zgodne z  wymaganiami określonymi w  przepisach umożliwią odbiór naziemnej telewizji cyfrowej .
Tokens: 1_________ 2______ 3______ 4_______ 5 6________ 7______ 8_________ 9 10 11___ 12________ 13_____ 14____ 15 16_________ 17_________ 18 19________ 20_______ 21____ 22_______ 23_______ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #15340 from articles/00108110 from sent45

Text  : Sprawdzaniem , czy to robią , zajmuje się Urząd Ochrony Konkurencji i  Konsumentów ,  a  za niedopełnienie obowiązków Inspekcja Handlowa może nałożyć na sprzedawcę karę od 1  tys .  do 50 tys .  zł .
Tokens: 1___________ 2 3__ 4_ 5____ 6 7______ 8__ 9____ 10_____ 11_________ 12 13_________ 14 15 16 17____________ 18________ 19_______ 20______ 21__ 22_____ 23 24________ 25__ 26 27 28_ 29 30 31 32_ 33 34 35

Chunks:
  TruePositive nam [9,13] = Urząd Ochrony Konkurencji i Konsumentów
  TruePositive nam [19,20] = Inspekcja Handlowa
  TruePositive nam [34,34] = zł

(ChunkerEvaluator) Sentence #15341 from articles/00108110 from sent46

Text  : Podpinamy dekoder
Tokens: 1________ 2______

Chunks:

(ChunkerEvaluator) Sentence #15342 from articles/00108110 from sent47

Text  : Gdy już kupili śmy dekoder , trzeba go podłączyć do naszego telewizora .
Tokens: 1__ 2__ 3_____ 4__ 5______ 6 7_____ 8_ 9________ 10 11_____ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #15343 from articles/00108110 from sent48

Text  : Jeżeli mamy telewizor o wysokiej rozdzielczości ( w instrukcji ,  na pudełku lub na samym odbiorniku powinny być oznaczenia HD Ready lub Full HD )  ,  to ma złącze (  gniazdo )  HDMI .
Tokens: 1_____ 2___ 3________ 4 5_______ 6_____________ 7 8 9_________ 10 11 12_____ 13_ 14 15___ 16________ 17_____ 18_ 19________ 20 21___ 22_ 23__ 24 25 26 27 28 29____ 30 31_____ 32 33__ 34

Chunks:
  TruePositive nam [23,24] = Full HD
  FalseNegative nam [20,21] = HD Ready
  FalseNegative nam [33,33] = HDMI

(ChunkerEvaluator) Sentence #15344 from articles/00108110 from sent49

Text  : Takie samo gniazdo będzie też na dekoderze .
Tokens: 1____ 2___ 3______ 4_____ 5__ 6_ 7________ 8

Chunks:

(ChunkerEvaluator) Sentence #15345 from articles/00108110 from sent50

Text  : Połączenie ich kablem HDMI nie tylko umożliwi odbiór programów w  najwyższej jakości ,  ale poprawi też tradycyjny sygnał .
Tokens: 1_________ 2__ 3_____ 4___ 5__ 6____ 7_______ 8_____ 9________ 10 11________ 12_____ 13 14_ 15_____ 16_ 17________ 18____ 19

Chunks:
  FalseNegative nam [4,4] = HDMI

(ChunkerEvaluator) Sentence #15346 from articles/00108110 from sent51

Text  : W przypadku starszych telewizorów kineskopowych , które nie mają złącza HDMI ,  możemy wykorzystać gniazdo SCART ,  nazywane eurozłączem .
Tokens: 1 2________ 3________ 4__________ 5____________ 6 7____ 8__ 9___ 10____ 11__ 12 13____ 14_________ 15_____ 16___ 17 18______ 19_________ 20

Chunks:
  FalseNegative nam [11,11] = HDMI
  FalseNegative nam [16,16] = SCART

(ChunkerEvaluator) Sentence #15347 from articles/00108110 from sent52

Text  : Wygląda ono jak szufladka z szeregiem styków .
Tokens: 1______ 2__ 3__ 4________ 5 6________ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #15348 from articles/00108110 from sent53

Text  : Część jeszcze starszych telewizorów posiada tylko port RCA , nazywany inaczej cinch lub AV .
Tokens: 1____ 2______ 3________ 4__________ 5______ 6____ 7___ 8__ 9 10______ 11_____ 12___ 13_ 14 15

Chunks:
  TruePositive nam [8,8] = RCA
  FalseNegative nam [14,14] = AV

(ChunkerEvaluator) Sentence #15349 from articles/00108110 from sent54

Text  : Do nich potrzebny będzie kabel przejściowy z gniazda SCART na cinch .
Tokens: 1_ 2___ 3________ 4_____ 5____ 6__________ 7 8______ 9____ 10 11___ 12

Chunks:
  FalseNegative nam [9,9] = SCART
  FalseNegative nam [11,11] = cinch

(ChunkerEvaluator) Sentence #15350 from articles/00108110 from sent55

Text  : Możemy go kupić w sklepie RTV .
Tokens: 1_____ 2_ 3____ 4 5______ 6__ 7

Chunks:
  FalsePositive nam [6,6] = RTV

(ChunkerEvaluator) Sentence #15351 from articles/00108110 from sent56

Text  : Problem może wystąpić w przypadku najstarszych , ponad 20 -  letnich telewizorów ,  które nie mają żadnych z  wyżej wymienionych gniazd ,  a  jedynie gniazdko na zwykły koncentryczny kabel antenowy .
Tokens: 1______ 2___ 3_______ 4 5________ 6___________ 7 8____ 9_ 10 11_____ 12_________ 13 14___ 15_ 16__ 17_____ 18 19___ 20__________ 21____ 22 23 24_____ 25______ 26 27____ 28___________ 29___ 30______ 31

Chunks:

(ChunkerEvaluator) Sentence #15352 from articles/00108110 from sent57

Text  : Wtedy możemy zastosować tzw . modulator PAL - AV ,  który połączy dekoder z  telewizorem za pomocą zwykłego kabla antenowego .
Tokens: 1____ 2_____ 3_________ 4__ 5 6________ 7__ 8 9_ 10 11___ 12_____ 13_____ 14 15_________ 16 17____ 18______ 19___ 20________ 21

Chunks:
  TruePositive nam [7,9] = PAL - AV

(ChunkerEvaluator) Sentence #15353 from articles/00108110 from sent58

Text  : Modulator PAL - AV jest dzisiaj trudno dostępny na rynku i  w  zwykłych sklepach ze sprzętem RTV ciężko będzie go kupić .
Tokens: 1________ 2__ 3 4_ 5___ 6______ 7_____ 8_______ 9_ 10___ 11 12 13______ 14______ 15 16______ 17_ 18____ 19____ 20 21___ 22

Chunks:
  TruePositive nam [2,4] = PAL - AV
  TruePositive nam [17,17] = RTV

(ChunkerEvaluator) Sentence #15354 from articles/00108110 from sent59

Text  : Można go jednak zaleźć w internecie - w wyszukiwarkę należy wpisać „  modulator PAL ”  .
Tokens: 1____ 2_ 3_____ 4_____ 5 6_________ 7 8 9___________ 10____ 11____ 12 13_______ 14_ 15 16

Chunks:
  TruePositive nam [14,14] = PAL
  FalsePositive nam [6,6] = internecie

(ChunkerEvaluator) Sentence #15355 from articles/00108110 from sent60

Text  : Kosztuje od 70 do prawie 150 zł .
Tokens: 1_______ 2_ 3_ 4_ 5_____ 6__ 7_ 8

Chunks:
  TruePositive nam [7,7] = zł

(ChunkerEvaluator) Sentence #15356 from articles/00108110 from sent61

Text  : Wiele osób nie orientuje się w tych skomplikowanych zagadnieniach .
Tokens: 1____ 2___ 3__ 4________ 5__ 6 7___ 8______________ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #15357 from articles/00108110 from sent62

Text  : Dlatego przed zakupem dekodera najlepiej sprawdzić , jakie gniazda wejściowe ma nasz telewizor ,  i  powiedzieć o  tym sprzedawcy ,  który pomoże dobrać odpowiedni sprzęt .
Tokens: 1______ 2____ 3______ 4_______ 5________ 6________ 7 8____ 9______ 10_______ 11 12__ 13_______ 14 15 16________ 17 18_ 19________ 20 21___ 22____ 23____ 24________ 25____ 26

Chunks:

(ChunkerEvaluator) Sentence #15358 from articles/00108110 from sent63

Text  : Jeśli nie wiemy , jakie nazwy mają złącza ( gniazda )  w  naszym telewizorze ,  można spróbować je narysować na kartce lub zrobić zdjęcie i  pokazać w  sklepie .
Tokens: 1____ 2__ 3____ 4 5____ 6____ 7___ 8_____ 9 10_____ 11 12 13____ 14_________ 15 16___ 17_______ 18 19_______ 20 21____ 22_ 23____ 24_____ 25 26_____ 27 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #15359 from articles/00108110 from sent64

Text  : Potrzebna antena
Tokens: 1________ 2_____

Chunks:

(ChunkerEvaluator) Sentence #15360 from articles/00108110 from sent65

Text  : Aby odbierać sygnał cyfrowy , potrzebujemy jeszcze anteny .
Tokens: 1__ 2_______ 3_____ 4______ 5 6___________ 7______ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #15361 from articles/00108110 from sent66

Text  : To jednak wbrew pozorom najprostsza sprawa .
Tokens: 1_ 2_____ 3____ 4______ 5__________ 6_____ 7

Chunks:

(ChunkerEvaluator) Sentence #15362 from articles/00108110 from sent67

Text  : Do obioru naziemnej telewizji cyfrowej stosuje się bowiem te same anteny ,  które są wykorzystywane do odbioru dotychczasowej telewizji analogowej .
Tokens: 1_ 2_____ 3________ 4________ 5_______ 6______ 7__ 8_____ 9_ 10__ 11____ 12 13___ 14 15____________ 16 17_____ 18____________ 19_______ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #15363 from articles/00108110 from sent68

Text  : Jeśli zatem do tej pory normalnie odbierali śmy telewizję za pomocą anteny zamontowanej na balkonie lub dachu ,  to nie powinni śmy mieć żadnych kłopotów z  odbiorem sygnału cyfrowego .
Tokens: 1____ 2____ 3_ 4__ 5___ 6________ 7________ 8__ 9________ 10 11____ 12____ 13__________ 14 15______ 16_ 17___ 18 19 20_ 21_____ 22_ 23__ 24_____ 25______ 26 27______ 28_____ 29_______ 30

Chunks:

(ChunkerEvaluator) Sentence #15364 from articles/00108110 from sent69

Text  : Anteny nie musimy nawet ruszać , bo jest on nadawany w  tym samym paśmie co dotychczasowy sygnał analogowy .
Tokens: 1_____ 2__ 3_____ 4____ 5_____ 6 7_ 8___ 9_ 10______ 11 12_ 13___ 14____ 15 16___________ 17____ 18_______ 19

Chunks:

(ChunkerEvaluator) Sentence #15365 from articles/00108110 from sent70

Text  : Osoby , które nie mają anteny , kupią ją w  sklepie ze sprzętem telewizyjnym .
Tokens: 1____ 2 3____ 4__ 5___ 6_____ 7 8____ 9_ 10 11_____ 12 13______ 14__________ 15

Chunks:

(ChunkerEvaluator) Sentence #15366 from articles/00108110 from sent71

Text  : Najlepsza będzie tzw . antena kierunkowa , wieloelementowa , zwłaszcza jeżeli jesteśmy znacznie oddaleni od nadajnika .
Tokens: 1________ 2_____ 3__ 4 5_____ 6_________ 7 8______________ 9 10_______ 11____ 12______ 13______ 14______ 15 16_______ 17

Chunks:

(ChunkerEvaluator) Sentence #15367 from articles/00108110 from sent72

Text  : Koszt takiej anteny wynosi od kilkudziesięciu do ponad stu złotych .
Tokens: 1____ 2_____ 3_____ 4_____ 5_ 6______________ 7_ 8____ 9__ 10_____ 11

Chunks:
  TruePositive nam [10,10] = złotych

(ChunkerEvaluator) Sentence #15368 from articles/00108110 from sent73

Text  : Nową antenę musimy skierować na najbliższą stację nadawczą w naszej okolicy (  wykaz nadajników jest na stronie www.emitel.pl )  .
Tokens: 1___ 2_____ 3_____ 4________ 5_ 6_________ 7_____ 8_______ 9 10____ 11_____ 12 13___ 14________ 15__ 16 17_____ 18___________ 19 20

Chunks:
  TruePositive nam [18,18] = www.emitel.pl

(ChunkerEvaluator) Sentence #15369 from articles/00108110 from sent74

Text  : Możemy też po prostu podpatrzyć , w którą stronę mają skierowane anteny nasi sąsiedzi .
Tokens: 1_____ 2__ 3_ 4_____ 5_________ 6 7 8____ 9_____ 10__ 11________ 12____ 13__ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #15370 from articles/00108110 from sent75

Text  : Po podłączeniu anteny trzeba po prostu uruchomić wyszukiwanie programów w  telewizorze .
Tokens: 1_ 2__________ 3_____ 4_____ 5_ 6_____ 7________ 8___________ 9________ 10 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #15371 from articles/00108110 from sent76

Text  : Jeżeli nie umiemy sami sobie poradzić z zamontowaniem anteny albo jest to niebezpieczne ,  bo np .  trzeba to zrobić na dachu ,  to trzeba wtedy wezwać instalatora .
Tokens: 1_____ 2__ 3_____ 4___ 5____ 6_______ 7 8____________ 9_____ 10__ 11__ 12 13___________ 14 15 16 17 18____ 19 20____ 21 22___ 23 24 25____ 26___ 27____ 28_________ 29

Chunks:

(ChunkerEvaluator) Sentence #15372 from articles/00108110 from sent77

Text  : Antena zewnętrzna zawsze zapewni lepszy odbiór niż antena wewnętrzna .
Tokens: 1_____ 2_________ 3_____ 4______ 5_____ 6_____ 7__ 8_____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15373 from articles/00108110 from sent78

Text  : Ale jeśli mieszkamy w pobliżu stacji nadawczych i mamy bardzo mocny sygnał ,  to możemy wybrać wewnętrzne anteny pokojowe .
Tokens: 1__ 2____ 3________ 4 5______ 6_____ 7_________ 8 9___ 10____ 11___ 12____ 13 14 15____ 16____ 17________ 18____ 19______ 20

Chunks:

(ChunkerEvaluator) Sentence #15374 from articles/00108110 from sent79

Text  : Kosztują około kilkudziesięciu złotych .
Tokens: 1_______ 2____ 3______________ 4______ 5

Chunks:
  TruePositive nam [4,4] = złotych

(ChunkerEvaluator) Sentence #15375 from articles/00108110 from sent80

Text  : Też umożliwią oglądanie naziemnej telewizji cyfrowej .
Tokens: 1__ 2________ 3________ 4________ 5________ 6_______ 7

Chunks:

(ChunkerEvaluator) Sentence #15376 from articles/00108110 from sent81

Text  : Ale antena zewnętrzna oznacza mniejsze ryzyko , że będziemy mieli problem z  odbiorem .
Tokens: 1__ 2_____ 3_________ 4______ 5_______ 6_____ 7 8_ 9_______ 10___ 11_____ 12 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #15377 from articles/00108110 from sent82

Text  : Uwaga !
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #15378 from articles/00108110 from sent83

Text  : Jeśli teraz , odbierając telewizję analogową , widzimy rozdzielanie się obrazu ,  śnieżenie ,  mamy kłopoty z  głosem -  słowem ,  mamy kiepski odbiór ,  to cyfrowa telewizja też może nie działać .
Tokens: 1____ 2____ 3 4_________ 5________ 6________ 7 8______ 9___________ 10_ 11____ 12 13_______ 14 15__ 16_____ 17 18____ 19 20____ 21 22__ 23_____ 24____ 25 26 27_____ 28_______ 29_ 30__ 31_ 32_____ 33

Chunks:

(ChunkerEvaluator) Sentence #15379 from articles/00108110 from sent84

Text  : Przyczyn może być wiele , np . wewnętrzna antena pokojowa może nie odbierać wystarczająco dobrze sygnału -  wtedy musimy kupić zewnętrzną .
Tokens: 1_______ 2___ 3__ 4____ 5 6_ 7 8_________ 9_____ 10______ 11__ 12_ 13______ 14___________ 15____ 16_____ 17 18___ 19____ 20___ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #15380 from articles/00108110 from sent85

Text  : Może też zdarzyć się , że antena zewnętrzna jest uszkodzona lub źle ustawiona albo mamy złamany kabel .
Tokens: 1___ 2__ 3______ 4__ 5 6_ 7_____ 8_________ 9___ 10________ 11_ 12_ 13_______ 14__ 15__ 16_____ 17___ 18

Chunks:

(ChunkerEvaluator) Sentence #15381 from articles/00108110 from sent86

Text  : Dlatego warto sprawdzić stan i jakość instalacji .
Tokens: 1______ 2____ 3________ 4___ 5 6_____ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #15382 from articles/00108110 from sent87

Text  : W takich sytuacjach może okazać się potrzeba pomoc specjalistów .
Tokens: 1 2_____ 3_________ 4___ 5_____ 6__ 7_______ 8____ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #15383 from articles/00108110 from sent88

Text  : Uwaga na domokrążców
Tokens: 1____ 2_ 3__________

Chunks:

(ChunkerEvaluator) Sentence #15384 from articles/00108110 from sent89

Text  : Michał Kanownik , dyrektor Związku Importerów i Producentów Sprzętu Elektrycznego i  Elektronicznego Branży RTV ,  radzi ,  na co uważać podczas kompletowana sprzętu potrzebnego do odbioru naziemnej telewizji cyfrowej :
Tokens: 1_____ 2_______ 3 4_______ 5______ 6_________ 7 8__________ 9______ 10___________ 11 12_____________ 13____ 14_ 15 16___ 17 18 19 20____ 21_____ 22__________ 23_____ 24_________ 25 26_____ 27_______ 28_______ 29______ 30

Chunks:
  TruePositive nam [1,2] = Michał Kanownik
  FalsePositive nam [5,10] = Związku Importerów i Producentów Sprzętu Elektrycznego
  FalsePositive nam [12,14] = Elektronicznego Branży RTV
  FalseNegative nam [5,14] = Związku Importerów i Producentów Sprzętu Elektrycznego i Elektronicznego Branży RTV

(ChunkerEvaluator) Sentence #15385 from articles/00108110 from sent90

Text  : * * W przypadku telewizorów ryzyko kupna odbiornika , który nie będzie odbierał naziemnej telewizji cyfrowej ,  jest stosunkowo niewielkie .
Tokens: 1 2 3 4________ 5__________ 6_____ 7____ 8_________ 9 10___ 11_ 12____ 13______ 14_______ 15_______ 16______ 17 18__ 19________ 20________ 21

Chunks:

(ChunkerEvaluator) Sentence #15386 from articles/00108110 from sent91

Text  : Niemal wszystkie , zwłaszcza te dostępne w większych sieciach ,  są dostosowane do cyfryzacji .
Tokens: 1_____ 2________ 3 4________ 5_ 6_______ 7 8________ 9_______ 10 11 12_________ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #15387 from articles/00108110 from sent92

Text  : Warto uważać podczas kupowania telewizorów przez internet , które np .  są sprowadzane z  zagranicy ,  np .  z  Niemiec .
Tokens: 1____ 2_____ 3______ 4________ 5__________ 6____ 7_______ 8 9____ 10 11 12 13_________ 14 15_______ 16 17 18 19 20_____ 21

Chunks:
  TruePositive nam [20,20] = Niemiec
  FalsePositive nam [7,7] = internet

(ChunkerEvaluator) Sentence #15388 from articles/00108110 from sent93

Text  : Może się bowiem okazać , że nie działają one w  systemie MPEG -  4  ,  który u  nas jest wymagany ,  tylko w  systemie MPEG -  2  .
Tokens: 1___ 2__ 3_____ 4_____ 5 6_ 7__ 8_______ 9__ 10 11______ 12__ 13 14 15 16___ 17 18_ 19__ 20______ 21 22___ 23 24______ 25__ 26 27 28

Chunks:
  TruePositive nam [12,14] = MPEG - 4
  TruePositive nam [25,27] = MPEG - 2

(ChunkerEvaluator) Sentence #15389 from articles/00108110 from sent94

Text  : A wtedy nie będą odbierały naszej telewizji cyfrowej .
Tokens: 1 2____ 3__ 4___ 5________ 6_____ 7________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #15390 from articles/00108110 from sent95

Text  : * * Dużo większy problem jest w przypadku dekoderów .
Tokens: 1 2 3___ 4______ 5______ 6___ 7 8________ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #15391 from articles/00108110 from sent96

Text  : Najczęściej kupują je osoby starsze , mniej zamożne i mniej zorientowane w  sprawach technologicznych .
Tokens: 1__________ 2_____ 3_ 4____ 5______ 6 7____ 8______ 9 10___ 11__________ 12 13______ 14______________ 15

Chunks:

(ChunkerEvaluator) Sentence #15392 from articles/00108110 from sent97

Text  : Dlatego ryzyko , że ktoś sprzeda im nieodpowiedni sprzęt ,  jest większe .
Tokens: 1______ 2_____ 3 4_ 5___ 6______ 7_ 8____________ 9_____ 10 11__ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #15393 from articles/00108110 from sent98

Text  : Trzeba np . uważać , żeby nie kupić dekodera DVB -  S  ,  który służy do odbioru telewizji satelitarnej .
Tokens: 1_____ 2_ 3 4_____ 5 6___ 7__ 8____ 9_______ 10_ 11 12 13 14___ 15___ 16 17_____ 18_______ 19__________ 20

Chunks:
  TruePositive nam [10,12] = DVB - S

(ChunkerEvaluator) Sentence #15394 from articles/00108110 from sent99

Text  : Do odbioru naszej naziemnej telewizji cyfrowej potrzebny jest dekoder DVB -  T  .
Tokens: 1_ 2______ 3_____ 4________ 5________ 6_______ 7________ 8___ 9______ 10_ 11 12 13

Chunks:
  TruePositive nam [10,12] = DVB - T

(ChunkerEvaluator) Sentence #15395 from articles/00108110 from sent100

Text  : Należy też uważać , żeby ktoś nie sprzedał nam starszego dekodera obsługującego system obrazu MPEG -  2  .
Tokens: 1_____ 2__ 3_____ 4 5___ 6___ 7__ 8_______ 9__ 10_______ 11______ 12___________ 13____ 14____ 15__ 16 17 18

Chunks:
  TruePositive nam [15,17] = MPEG - 2

(ChunkerEvaluator) Sentence #15396 from articles/00108110 from sent101

Text  : Musimy mieć taki , który obsługuje system MPEG - 4  i  dźwięk Dolby Digital Plus ,  inaczej określany jako EAC -  3  .
Tokens: 1_____ 2___ 3___ 4 5____ 6________ 7_____ 8___ 9 10 11 12____ 13___ 14_____ 15__ 16 17_____ 18_______ 19__ 20_ 21 22 23

Chunks:
  TruePositive nam [8,10] = MPEG - 4
  TruePositive nam [13,15] = Dolby Digital Plus
  FalseNegative nam [20,22] = EAC - 3

(ChunkerEvaluator) Sentence #15397 from articles/00108110 from sent102

Text  : Warto zwrócić uwagę , by dekoder działał w systemie HD .
Tokens: 1____ 2______ 3____ 4 5_ 6______ 7______ 8 9_______ 10 11

Chunks:
  TruePositive nam [10,10] = HD

(ChunkerEvaluator) Sentence #15398 from articles/00108110 from sent103

Text  : To wszystko powinno być napisane na pudełku lub w instrukcji .
Tokens: 1_ 2_______ 3______ 4__ 5_______ 6_ 7______ 8__ 9 10________ 11

Chunks:

(ChunkerEvaluator) Sentence #15399 from articles/00108110 from sent104

Text  : Najbezpieczniej jest nie kupować takiego sprzętu od domokrążców .
Tokens: 1______________ 2___ 3__ 4______ 5______ 6______ 7_ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #15400 from articles/00108110 from sent105

Text  : Można iść do sklepu albo zamówić odpowiedni dekoder w placówce pocztowej lub u  listonosza .
Tokens: 1____ 2__ 3_ 4_____ 5___ 6______ 7_________ 8______ 9 10______ 11_______ 12_ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #15401 from articles/00108110 from sent106

Text  : W sklepach lepiej unikać dekoderów , których cena jest bardzo niska i  diametralnie różni się od innych ,  podobnych urządzeń .
Tokens: 1 2_______ 3_____ 4_____ 5________ 6 7______ 8___ 9___ 10____ 11___ 12 13__________ 14___ 15_ 16 17____ 18 19_______ 20______ 21

Chunks:

(ChunkerEvaluator) Sentence #15402 from articles/00108110 from sent107

Text  : To może być sygnał ostrzegawczy , że nie spełniają wszystkich wymaganych parametrów .
Tokens: 1_ 2___ 3__ 4_____ 5___________ 6 7_ 8__ 9________ 10________ 11________ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #15403 from articles/00108110 from sent108

Text  : * * Problem z anteną jest najmniejszy , bo możemy korzystać z  dotychczasowej .
Tokens: 1 2 3______ 4 5_____ 6___ 7__________ 8 9_ 10____ 11_______ 12 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #15404 from articles/00108110 from sent109

Text  : Trzeba jednak uważać na naciągaczy , którzy ostatnio pojawiają się w  domach i  oferują usługę „  czyszczenia anten ”  przed odbiorem telewizji cyfrowej .
Tokens: 1_____ 2_____ 3_____ 4_ 5_________ 6 7_____ 8_______ 9________ 10_ 11 12____ 13 14_____ 15____ 16 17_________ 18___ 19 20___ 21______ 22_______ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #15405 from articles/00108110 from sent110

Text  : To oszustwo , nic takiego nie jest potrzebne .
Tokens: 1_ 2_______ 3 4__ 5______ 6__ 7___ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #15406 from articles/00108110 from sent111

Text  : * * Osoby starsze , które nie orientują się dobrze w  tych sprawach ,  powinny poprosić o  pomoc wnuczka ,  syna czy sąsiada .
Tokens: 1 2 3____ 4______ 5 6____ 7__ 8________ 9__ 10____ 11 12__ 13______ 14 15_____ 16______ 17 18___ 19_____ 20 21__ 22_ 23_____ 24

Chunks:

(ChunkerEvaluator) Sentence #15407 from articles/00108110 from sent112

Text  : Wtedy na pewno będzie łatwiej w zakupie odpowiedniego sprzętu .
Tokens: 1____ 2_ 3____ 4_____ 5______ 6 7______ 8____________ 9______ 10

Chunks:

2016-10-27 15:00:30,925 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 664 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108111.xml
(ChunkerEvaluator) Sentence #15408 from articles/00108111 from sent1

Text  : Manitoba - nowe dziecko Intela
Tokens: 1_______ 2 3___ 4______ 5_____

Chunks:
  TruePositive nam [5,5] = Intela
  FalseNegative nam [1,1] = Manitoba

(ChunkerEvaluator) Sentence #15409 from articles/00108111 from sent2

Text  : Podczas kongresu GSM w Cannes koncern Intel ma oficjalnie przedstawić najnowszy procesor przeznaczony do telefonów komórkowych ukryty dotychczas pod kryptonimem Manitoba
Tokens: 1______ 2_______ 3__ 4 5_____ 6______ 7____ 8_ 9_________ 10_________ 11_______ 12______ 13__________ 14 15_______ 16_________ 17____ 18________ 19_ 20_________ 21______

Chunks:
  TruePositive nam [3,3] = GSM
  TruePositive nam [5,5] = Cannes
  TruePositive nam [7,7] = Intel
  FalseNegative nam [21,21] = Manitoba

(ChunkerEvaluator) Sentence #15410 from articles/00108111 from sent3

Text  : Atak na komórki
Tokens: 1___ 2_ 3______

Chunks:

(ChunkerEvaluator) Sentence #15411 from articles/00108111 from sent4

Text  : Podczas kongresu GSM w Cannes koncern Intel ma oficjalnie przedstawić najnowszy procesor przeznaczony do telefonów komórkowych ukryty dotychczas pod kryptonimem Manitoba
Tokens: 1______ 2_______ 3__ 4 5_____ 6______ 7____ 8_ 9_________ 10_________ 11_______ 12______ 13__________ 14 15_______ 16_________ 17____ 18________ 19_ 20_________ 21______

Chunks:
  TruePositive nam [3,3] = GSM
  TruePositive nam [5,5] = Cannes
  TruePositive nam [7,7] = Intel
  FalseNegative nam [21,21] = Manitoba

(ChunkerEvaluator) Sentence #15412 from articles/00108111 from sent5

Text  : Szczegóły dotyczące procesora , który nazywać się będzie PXA800F ,  ujawniono w  ubiegłym tygodniu .
Tokens: 1________ 2________ 3________ 4 5____ 6______ 7__ 8_____ 9______ 10 11_______ 12 13______ 14______ 15

Chunks:
  FalseNegative nam [9,9] = PXA800F

(ChunkerEvaluator) Sentence #15413 from articles/00108111 from sent6

Text  : W nowym chipie zintegrowano procesor skalowalny w technologii XScale ,  pamięć flash i  układ przetwarzający sygnał cyfrowy .
Tokens: 1 2____ 3_____ 4___________ 5_______ 6_________ 7 8__________ 9_____ 10 11____ 12___ 13 14___ 15____________ 16____ 17_____ 18

Chunks:
  TruePositive nam [9,9] = XScale

(ChunkerEvaluator) Sentence #15414 from articles/00108111 from sent7

Text  : - Jeśli spojrzeć na rynek układów do telefonów komórkowych wart jest dziesiątki miliardów dolarów .
Tokens: 1 2____ 3_______ 4_ 5____ 6______ 7_ 8________ 9__________ 10__ 11__ 12________ 13_______ 14_____ 15

Chunks:
  TruePositive nam [14,14] = dolarów

(ChunkerEvaluator) Sentence #15415 from articles/00108111 from sent8

Text  : Mamy zamiar stać się na tym rynku znaczącym graczem -  powiedział Joel LaValle ,  dyrektor sprzedaży Intela .
Tokens: 1___ 2_____ 3___ 4__ 5_ 6__ 7____ 8________ 9______ 10 11________ 12__ 13_____ 14 15______ 16_______ 17____ 18

Chunks:
  TruePositive nam [12,13] = Joel LaValle
  TruePositive nam [17,17] = Intela

(ChunkerEvaluator) Sentence #15416 from articles/00108111 from sent9

Text  : Pierwsze modele telefonów wyposażonych w Manitobę mają się pojawić pod koniec tego roku .
Tokens: 1_______ 2_____ 3________ 4___________ 5 6_______ 7___ 8__ 9______ 10_ 11____ 12__ 13__ 14

Chunks:
  FalseNegative nam [6,6] = Manitobę

(ChunkerEvaluator) Sentence #15417 from articles/00108111 from sent10

Text  : Masowa produkcja ruszy w pierwszej połowie 2004 roku .
Tokens: 1_____ 2________ 3____ 4 5________ 6______ 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #15418 from articles/00108111 from sent11

Text  : Koncern ujawnił , że prowadzi negocjacje z pięcioma największymi producentami telefonów na świecie (  Nokia ,  Motorola ,  Samsung ,  Siemens ,  Sony Ericsson )  w  sprawie wykorzystanie najnowszego procesora w  ich produktach .
Tokens: 1______ 2______ 3 4_ 5_______ 6_________ 7 8_______ 9___________ 10__________ 11_______ 12 13_____ 14 15___ 16 17______ 18 19_____ 20 21_____ 22 23__ 24______ 25 26 27_____ 28___________ 29_________ 30_______ 31 32_ 33________ 34

Chunks:
  TruePositive nam [15,15] = Nokia
  TruePositive nam [17,17] = Motorola
  TruePositive nam [19,19] = Samsung
  TruePositive nam [21,21] = Siemens
  TruePositive nam [23,24] = Sony Ericsson

(ChunkerEvaluator) Sentence #15419 from articles/00108111 from sent12

Text  : Dotychczas amerykański gigant dostarczał im pamięci flash i podzespoły wspomagające sterowanie niektórymi elementami telefonów .
Tokens: 1_________ 2__________ 3_____ 4_________ 5_ 6______ 7____ 8 9_________ 10__________ 11________ 12________ 13________ 14_______ 15

Chunks:

2016-10-27 15:00:30,982 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 665 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108112.xml
(ChunkerEvaluator) Sentence #15420 from articles/00108112 from sent1

Text  : Czy Kay przegra kolejny mecz ?
Tokens: 1__ 2__ 3______ 4______ 5___ 6

Chunks:
  FalseNegative nam [2,2] = Kay

(ChunkerEvaluator) Sentence #15421 from articles/00108112 from sent2

Text  : Fatalnie wystartowali w XVII edycji Miejskiej Ligi Biznesu mistrzowie z  Kaya .
Tokens: 1_______ 2___________ 3 4___ 5_____ 6________ 7___ 8______ 9_________ 10 11__ 12

Chunks:
  TruePositive nam [6,8] = Miejskiej Ligi Biznesu
  FalseNegative nam [11,11] = Kaya

(ChunkerEvaluator) Sentence #15422 from articles/00108112 from sent3

Text  : Porażka z Orlen Remontem 2 : 4 nie wróży zbyt dobrze na przyszłość .
Tokens: 1______ 2 3____ 4_______ 5 6 7 8__ 9____ 10__ 11____ 12 13________ 14

Chunks:
  TruePositive nam [3,4] = Orlen Remontem

(ChunkerEvaluator) Sentence #15423 from articles/00108112 from sent4

Text  : Zawodnicy Kaya muszą pamiętać , że aby obronić tytuł ,  powinni wziąć się ostro do roboty .
Tokens: 1________ 2___ 3____ 4_______ 5 6_ 7__ 8______ 9____ 10 11_____ 12___ 13_ 14___ 15 16____ 17

Chunks:
  FalseNegative nam [2,2] = Kaya

(ChunkerEvaluator) Sentence #15424 from articles/00108112 from sent5

Text  : PIŁKA NOŻNA .
Tokens: 1____ 2____ 3

Chunks:
  FalsePositive nam [1,2] = PIŁKA NOŻNA

(ChunkerEvaluator) Sentence #15425 from articles/00108112 from sent6

Text  : XVII edycja Miejskiej Ligi Biznesu
Tokens: 1___ 2_____ 3________ 4___ 5______

Chunks:
  TruePositive nam [3,5] = Miejskiej Ligi Biznesu

(ChunkerEvaluator) Sentence #15426 from articles/00108112 from sent7

Text  : Czekając na Kaya
Tokens: 1_______ 2_ 3___

Chunks:
  FalseNegative nam [3,3] = Kaya

(ChunkerEvaluator) Sentence #15427 from articles/00108112 from sent8

Text  : Mistrzowie ligi przegrali w pierwszym meczu 2 : 4 z  Orlen Remontem .
Tokens: 1_________ 2___ 3________ 4 5________ 6____ 7 8 9 10 11___ 12______ 13

Chunks:
  TruePositive nam [11,12] = Orlen Remontem

(ChunkerEvaluator) Sentence #15428 from articles/00108112 from sent9

Text  : To nie wróży zbyt dobrze na przyszłość .
Tokens: 1_ 2__ 3____ 4___ 5_____ 6_ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #15429 from articles/00108112 from sent10

Text  : Zawodnicy Kaya muszą pamiętać , że aby obronić tytuł ,  powinni wziąć się ostro do roboty
Tokens: 1________ 2___ 3____ 4_______ 5 6_ 7__ 8______ 9____ 10 11_____ 12___ 13_ 14___ 15 16____

Chunks:
  FalseNegative nam [2,2] = Kaya

(ChunkerEvaluator) Sentence #15430 from articles/00108112 from sent11

Text  : Teraz już nie ma żartów .
Tokens: 1____ 2__ 3__ 4_ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #15431 from articles/00108112 from sent12

Text  : MLB ostro ruszyła do przodu w każdej z nowo powstałych trzech lig .
Tokens: 1__ 2____ 3______ 4_ 5_____ 6 7_____ 8 9___ 10________ 11____ 12_ 13

Chunks:
  FalseNegative nam [1,1] = MLB

(ChunkerEvaluator) Sentence #15432 from articles/00108112 from sent13

Text  : Tu każdy mecz jest meczem o wszystko .
Tokens: 1_ 2____ 3___ 4___ 5_____ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #15433 from articles/00108112 from sent14

Text  : Najlepiej mógł się o tym przekonać Kay - aktualny mistrz ligi .
Tokens: 1________ 2___ 3__ 4 5__ 6________ 7__ 8 9_______ 10____ 11__ 12

Chunks:
  FalseNegative nam [7,7] = Kay

(ChunkerEvaluator) Sentence #15434 from articles/00108112 from sent15

Text  : W pierwszym pojedynku wypadł słabo , choć jak na najlepszą drużynę poprzedniej edycji ,  nie powinien sobie pozwolić na chwile słabości .
Tokens: 1 2________ 3________ 4_____ 5____ 6 7___ 8__ 9_ 10_______ 11_____ 12_________ 13____ 14 15_ 16______ 17___ 18______ 19 20____ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #15435 from articles/00108112 from sent16

Text  : Mistrzostwo w końcu do czegoś zobowiązuje .
Tokens: 1__________ 2 3____ 4_ 5_____ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #15436 from articles/00108112 from sent17

Text  : A jedyną formą rehabilitacji są kolejne zwycięstwa i awans w  tabeli .
Tokens: 1 2_____ 3____ 4____________ 5_ 6______ 7_________ 8 9____ 10 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #15437 from articles/00108112 from sent18

Text  : Zadanie czekające Kaya w drugiej kolejce wcale nie jest jednak łatwe .
Tokens: 1______ 2________ 3___ 4 5______ 6______ 7____ 8__ 9___ 10____ 11___ 12

Chunks:
  FalseNegative nam [3,3] = Kaya

(ChunkerEvaluator) Sentence #15438 from articles/00108112 from sent19

Text  : Bo o ile otrząsnąć się z pierwszej porażki można stosunkowo łatwo ,  to gorzej może być z  psychiką .
Tokens: 1_ 2 3__ 4________ 5__ 6 7________ 8______ 9____ 10________ 11___ 12 13 14____ 15__ 16_ 17 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #15439 from articles/00108112 from sent20

Text  : Dlaczego ?
Tokens: 1_______ 2

Chunks:

(ChunkerEvaluator) Sentence #15440 from articles/00108112 from sent21

Text  : Najbliższy rywal mistrzów Turbud jest raczej ligowym średniakiem , ale za to potrafiącym sprawić dużą niespodziankę .
Tokens: 1_________ 2____ 3_______ 4_____ 5___ 6_____ 7______ 8__________ 9 10_ 11 12 13_________ 14_____ 15__ 16___________ 17

Chunks:
  FalseNegative nam [4,4] = Turbud

(ChunkerEvaluator) Sentence #15441 from articles/00108112 from sent22

Text  : Jak dużą ?
Tokens: 1__ 2___ 3

Chunks:

(ChunkerEvaluator) Sentence #15442 from articles/00108112 from sent23

Text  : Taką jak choćby zwycięstwo w poprzedniej edycji nad . .  .
Tokens: 1___ 2__ 3_____ 4_________ 5 6__________ 7_____ 8__ 9 10 11

Chunks:

(ChunkerEvaluator) Sentence #15443 from articles/00108112 from sent24

Text  : Kayem 4 : 3 .
Tokens: 1____ 2 3 4 5

Chunks:
  FalseNegative nam [1,1] = Kayem

(ChunkerEvaluator) Sentence #15444 from articles/00108112 from sent25

Text  : Była to jedyna porażka późniejszych mistrzów w całych rozgrywkach .
Tokens: 1___ 2_ 3_____ 4______ 5___________ 6_______ 7 8_____ 9__________ 10

Chunks:

(ChunkerEvaluator) Sentence #15445 from articles/00108112 from sent26

Text  : Michał Pesta i spółka muszą się wziąć do roboty .
Tokens: 1_____ 2____ 3 4_____ 5____ 6__ 7____ 8_ 9_____ 10

Chunks:
  TruePositive nam [1,2] = Michał Pesta

(ChunkerEvaluator) Sentence #15446 from articles/00108112 from sent27

Text  : Podobnie jak bramkarz Seweryn Jakubiak , najbardziej utytułowany zawodnik w  historii MLB .
Tokens: 1_______ 2__ 3_______ 4______ 5_______ 6 7__________ 8__________ 9_______ 10 11______ 12_ 13

Chunks:
  TruePositive nam [4,5] = Seweryn Jakubiak
  FalseNegative nam [12,12] = MLB

(ChunkerEvaluator) Sentence #15447 from articles/00108112 from sent28

Text  : Zdobywał już przecież tytuły mistrzowskie po dwa razy występując w  barwach PEC-u i  Boro .
Tokens: 1_______ 2__ 3_______ 4_____ 5___________ 6_ 7__ 8___ 9_________ 10 11_____ 12___ 13 14__ 15

Chunks:
  TruePositive nam [12,12] = PEC-u
  TruePositive nam [14,14] = Boro

(ChunkerEvaluator) Sentence #15448 from articles/00108112 from sent29

Text  : Piąte złoto dorzucił już jako gracz Kaya .
Tokens: 1____ 2____ 3_______ 4__ 5___ 6____ 7___ 8

Chunks:
  FalseNegative nam [7,7] = Kaya

(ChunkerEvaluator) Sentence #15449 from articles/00108112 from sent30

Text  : Więc i dla niego jest to ważny mecz .
Tokens: 1___ 2 3__ 4____ 5___ 6_ 7____ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #15450 from articles/00108112 from sent31

Text  : Drugi tytuł z tą samą drużyną ciągle jest do wygrania .
Tokens: 1____ 2____ 3 4_ 5___ 6______ 7_____ 8___ 9_ 10______ 11

Chunks:

(ChunkerEvaluator) Sentence #15451 from articles/00108112 from sent32

Text  : Terminarz II kolejki
Tokens: 1________ 2_ 3______

Chunks:

(ChunkerEvaluator) Sentence #15452 from articles/00108112 from sent33

Text  : sobota 15 lutego
Tokens: 1_____ 2_ 3_____

Chunks:

(ChunkerEvaluator) Sentence #15453 from articles/00108112 from sent34

Text  : godz . 15 Euroserwis - Zakłady Mięsne
Tokens: 1___ 2 3_ 4_________ 5 6______ 7_____

Chunks:
  TruePositive nam [6,7] = Zakłady Mięsne
  FalseNegative nam [4,4] = Euroserwis

(ChunkerEvaluator) Sentence #15454 from articles/00108112 from sent35

Text  : godz . 16 Wodociągi - Dream Team
Tokens: 1___ 2 3_ 4________ 5 6____ 7___

Chunks:
  TruePositive nam [4,4] = Wodociągi
  FalseNegative nam [6,7] = Dream Team

(ChunkerEvaluator) Sentence #15455 from articles/00108112 from sent36

Text  : godz . 17 Vectra - Telekomunikacja
Tokens: 1___ 2 3_ 4_____ 5 6______________

Chunks:
  TruePositive nam [6,6] = Telekomunikacja
  FalseNegative nam [4,4] = Vectra

(ChunkerEvaluator) Sentence #15456 from articles/00108112 from sent37

Text  : godz . 18 Orlen Eltech - Orlen Ochrona
Tokens: 1___ 2 3_ 4____ 5_____ 6 7____ 8______

Chunks:
  TruePositive nam [7,8] = Orlen Ochrona
  FalseNegative nam [4,5] = Orlen Eltech

(ChunkerEvaluator) Sentence #15457 from articles/00108112 from sent38

Text  : godz . 19 Orlen Remont - Kluge
Tokens: 1___ 2 3_ 4____ 5_____ 6 7____

Chunks:
  FalseNegative nam [4,5] = Orlen Remont

(ChunkerEvaluator) Sentence #15458 from articles/00108112 from sent39

Text  : godz . 20 Tekobud - Orlen
Tokens: 1___ 2 3_ 4______ 5 6____

Chunks:
  FalseNegative nam [4,4] = Tekobud
  FalseNegative nam [6,6] = Orlen

(ChunkerEvaluator) Sentence #15459 from articles/00108112 from sent40

Text  : niedziela 16 lutego
Tokens: 1________ 2_ 3_____

Chunks:

(ChunkerEvaluator) Sentence #15460 from articles/00108112 from sent41

Text  : godz . 15 Dream Team - Zakłady Mięsne
Tokens: 1___ 2 3_ 4____ 5___ 6 7______ 8_____

Chunks:
  TruePositive nam [7,8] = Zakłady Mięsne
  FalseNegative nam [4,5] = Dream Team

(ChunkerEvaluator) Sentence #15461 from articles/00108112 from sent42

Text  : godz . 16 Orlen Mechanika - Beton Stal
Tokens: 1___ 2 3_ 4____ 5________ 6 7____ 8___

Chunks:
  TruePositive nam [4,5] = Orlen Mechanika
  TruePositive nam [7,8] = Beton Stal

(ChunkerEvaluator) Sentence #15462 from articles/00108112 from sent43

Text  : godz 17 Radio Plus - DEC
Tokens: 1___ 2_ 3____ 4___ 5 6__

Chunks:
  TruePositive nam [6,6] = DEC
  FalsePositive nam [4,4] = Plus
  FalseNegative nam [3,4] = Radio Plus

(ChunkerEvaluator) Sentence #15463 from articles/00108112 from sent44

Text  : godz . 18 Stangpol - Naftoremont
Tokens: 1___ 2 3_ 4_______ 5 6__________

Chunks:
  FalseNegative nam [4,4] = Stangpol
  FalseNegative nam [6,6] = Naftoremont

(ChunkerEvaluator) Sentence #15464 from articles/00108112 from sent45

Text  : godz . 19 Kay - Turbud
Tokens: 1___ 2 3_ 4__ 5 6_____

Chunks:
  FalseNegative nam [4,4] = Kay
  FalseNegative nam [6,6] = Turbud

(ChunkerEvaluator) Sentence #15465 from articles/00108112 from sent46

Text  : godz . 20 Oldboys - Nasze Miasto Płock
Tokens: 1___ 2 3_ 4______ 5 6____ 7_____ 8____

Chunks:
  FalsePositive nam [4,8] = Oldboys - Nasze Miasto Płock
  FalseNegative nam [4,4] = Oldboys
  FalseNegative nam [6,8] = Nasze Miasto Płock

2016-10-27 15:00:31,105 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 666 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108113.xml
(ChunkerEvaluator) Sentence #15466 from articles/00108113 from sent1

Text  : Sylwetki nauczycieli
Tokens: 1_______ 2__________

Chunks:

(ChunkerEvaluator) Sentence #15467 from articles/00108113 from sent2

Text  : Robert Urbański , Eimear Kelly i Martin Clarke
Tokens: 1_____ 2_______ 3 4_____ 5____ 6 7_____ 8_____

Chunks:
  TruePositive nam [1,2] = Robert Urbański
  TruePositive nam [4,5] = Eimear Kelly
  FalsePositive nam [7,7] = Martin
  FalseNegative nam [7,8] = Martin Clarke

(ChunkerEvaluator) Sentence #15468 from articles/00108113 from sent3

Text  : Robert Urbański
Tokens: 1_____ 2_______

Chunks:
  TruePositive nam [1,2] = Robert Urbański

(ChunkerEvaluator) Sentence #15469 from articles/00108113 from sent4

Text  : Polski Kanadyjczyk , a może kanadyjski Polak .
Tokens: 1_____ 2__________ 3 4 5___ 6_________ 7____ 8

Chunks:
  TruePositive nam [7,7] = Polak
  FalsePositive nam [1,2] = Polski Kanadyjczyk
  FalseNegative nam [2,2] = Kanadyjczyk

(ChunkerEvaluator) Sentence #15470 from articles/00108113 from sent5

Text  : Dobrze mu u nas , szczególnie z dziewczyną Karoliną .
Tokens: 1_____ 2_ 3 4__ 5 6__________ 7 8_________ 9_______ 10

Chunks:
  TruePositive nam [9,9] = Karoliną

(ChunkerEvaluator) Sentence #15471 from articles/00108113 from sent6

Text  : Co tydzień w naszej „ Gazecie Praca " ( w  poniedziałki )  i  w  „  Kujonie 3miejskim "  (  we wtorki )  ukazuje się pisana przez niego i  Eimear po angielsku historii sióstr Patrycji i  Wiktorii Gembek
Tokens: 1_ 2______ 3 4_____ 5 6______ 7____ 8 9 10 11__________ 12 13 14 15 16_____ 17_______ 18 19 20 21____ 22 23_____ 24_ 25____ 26___ 27___ 28 29____ 30 31_______ 32______ 33____ 34______ 35 36______ 37____

Chunks:
  TruePositive nam [6,7] = Gazecie Praca
  TruePositive nam [16,17] = Kujonie 3miejskim
  TruePositive nam [29,29] = Eimear
  TruePositive nam [34,34] = Patrycji
  TruePositive nam [36,37] = Wiktorii Gembek

(ChunkerEvaluator) Sentence #15472 from articles/00108113 from sent7

Text  : ( okulary )
Tokens: 1 2______ 3

Chunks:

(ChunkerEvaluator) Sentence #15473 from articles/00108113 from sent8

Text  : Eimear Kelly
Tokens: 1_____ 2____

Chunks:
  TruePositive nam [1,2] = Eimear Kelly

(ChunkerEvaluator) Sentence #15474 from articles/00108113 from sent9

Text  : Irlandka .
Tokens: 1_______ 2

Chunks:
  FalseNegative nam [1,1] = Irlandka

(ChunkerEvaluator) Sentence #15475 from articles/00108113 from sent10

Text  : Mieszka w Gdańsku z mężem Polakiem i dziećmi .
Tokens: 1______ 2 3______ 4 5____ 6_______ 7 8______ 9

Chunks:
  TruePositive nam [3,3] = Gdańsku
  TruePositive nam [6,6] = Polakiem

(ChunkerEvaluator) Sentence #15476 from articles/00108113 from sent11

Text  : Ma kartę stałego pobytu , bo wiedziała , komu podać pod biurkiem butelkę dobrego wina .
Tokens: 1_ 2____ 3______ 4_____ 5 6_ 7________ 8 9___ 10___ 11_ 12______ 13_____ 14_____ 15__ 16

Chunks:

(ChunkerEvaluator) Sentence #15477 from articles/00108113 from sent12

Text  : Współautorka sagi sióstr Gembek .
Tokens: 1___________ 2___ 3_____ 4_____ 5

Chunks:
  FalseNegative nam [4,4] = Gembek

(ChunkerEvaluator) Sentence #15478 from articles/00108113 from sent13

Text  : Świetnie czuje się w naszych pociągach
Tokens: 1_______ 2____ 3__ 4 5______ 6________

Chunks:

(ChunkerEvaluator) Sentence #15479 from articles/00108113 from sent14

Text  : Martin Clarke
Tokens: 1_____ 2_____

Chunks:
  FalsePositive nam [1,1] = Martin
  FalseNegative nam [1,2] = Martin Clarke

(ChunkerEvaluator) Sentence #15480 from articles/00108113 from sent15

Text  : Szkot mieszkający w Trójmieście ze swoją dziewczyną Renee Rozumilowicz (  Amerykanka polskiego pochodzenia )  .
Tokens: 1____ 2__________ 3 4__________ 5_ 6____ 7_________ 8____ 9___________ 10 11________ 12_______ 13_________ 14 15

Chunks:
  TruePositive nam [4,4] = Trójmieście
  TruePositive nam [8,9] = Renee Rozumilowicz
  FalseNegative nam [1,1] = Szkot
  FalseNegative nam [11,11] = Amerykanka

(ChunkerEvaluator) Sentence #15481 from articles/00108113 from sent16

Text  : Najbardziej w Polsce brakuje mu pubów , chociaż odpowiednio wyspiarską atmosferę odnajduje w  sopockim Language Pubie
Tokens: 1__________ 2 3_____ 4______ 5_ 6____ 7 8______ 9__________ 10________ 11_______ 12_______ 13 14______ 15______ 16___

Chunks:
  TruePositive nam [3,3] = Polsce
  TruePositive nam [15,16] = Language Pubie

(ChunkerEvaluator) Sentence #15482 from articles/00108113 from sent17

Text  : ( krótkie włosy , no glasses )
Tokens: 1 2______ 3____ 4 5_ 6______ 7

Chunks:

2016-10-27 15:00:31,152 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 667 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108115.xml
(ChunkerEvaluator) Sentence #15483 from articles/00108115 from sent1

Text  : Dzień na Wiejskiej
Tokens: 1____ 2_ 3________

Chunks:
  TruePositive nam [3,3] = Wiejskiej

(ChunkerEvaluator) Sentence #15484 from articles/00108115 from sent2

Text  : 14 . 2 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #15485 from articles/00108115 from sent3

Text  : Warszawa ( PAP ) - Piątkowe obrady Sejmu zdominowała informacja szefa MSWiA Krzysztofa Janika na temat zajść w  podczas rolniczej blokady w  Cieni II niedaleko Kalisza ,  gdzie policja użyła gumowych kul
Tokens: 1_______ 2 3__ 4 5 6_______ 7_____ 8____ 9__________ 10________ 11___ 12___ 13________ 14____ 15 16___ 17___ 18 19_____ 20_______ 21_____ 22 23___ 24 25_______ 26_____ 27 28___ 29_____ 30___ 31______ 32_

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [8,8] = Sejmu
  TruePositive nam [12,12] = MSWiA
  TruePositive nam [13,14] = Krzysztofa Janika
  FalsePositive nam [23,26] = Cieni II niedaleko Kalisza
  FalseNegative nam [26,26] = Kalisza

(ChunkerEvaluator) Sentence #15486 from articles/00108115 from sent4

Text  : " Kamień lub kij nie mogą być bronią w walce nawet o  najsłuszniejsze postulaty .
Tokens: 1 2_____ 3__ 4__ 5__ 6___ 7__ 8_____ 9 10___ 11___ 12 13_____________ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #15487 from articles/00108115 from sent5

Text  : Do takiej walki służy kartka wyborcza . ( . .  .  )
Tokens: 1_ 2_____ 3____ 4____ 5_____ 6_______ 7 8 9 10 11 12

Chunks:

(ChunkerEvaluator) Sentence #15488 from articles/00108115 from sent6

Text  : Każdy , kto mając świadomość skali biedy w Polsce ,  namawia do łamania prawa ,  żeby osiągnąć swoje cele ,  jest naciągaczem .
Tokens: 1____ 2 3__ 4____ 5_________ 6____ 7____ 8 9_____ 10 11_____ 12 13_____ 14___ 15 16__ 17______ 18___ 19__ 20 21__ 22_________ 23

Chunks:
  TruePositive nam [9,9] = Polsce

(ChunkerEvaluator) Sentence #15489 from articles/00108115 from sent7

Text  : Jeśli ktoś namawia do łamania prawa i zasłania się immunitetem ,  to kto to jest ?  "  -  pytał w  piątek posłów Janik
Tokens: 1____ 2___ 3______ 4_ 5______ 6____ 7 8_______ 9__ 10_________ 11 12 13_ 14 15__ 16 17 18 19___ 20 21____ 22____ 23___

Chunks:
  TruePositive nam [23,23] = Janik

(ChunkerEvaluator) Sentence #15490 from articles/00108115 from sent8

Text  : Według niego , ostatnie wydarzenia skłaniają do zastanowienia nad stanem państwa .
Tokens: 1_____ 2____ 3 4_______ 5_________ 6________ 7_ 8____________ 9__ 10____ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #15491 from articles/00108115 from sent9

Text  : " Bo czy można szanować państwo , gdzie Sejm ,  zamiast miejscem stanowienia prawa ,  staje się miejscem protestów ,  gdzie prawo egzekwuje się metodami ulicznymi ,  gdzie można bez żenady wyciągnąć ludzi na ulicę ,  a  wszystko po to ,  by przez pięć minut zaistnieć w  telewizji ?  "  -  pytał Janik
Tokens: 1 2_ 3__ 4____ 5_______ 6______ 7 8____ 9___ 10 11_____ 12______ 13_________ 14___ 15 16___ 17_ 18______ 19_______ 20 21___ 22___ 23_______ 24_ 25______ 26_______ 27 28___ 29___ 30_ 31____ 32_______ 33___ 34 35___ 36 37 38______ 39 40 41 42 43___ 44__ 45___ 46_______ 47 48_______ 49 50 51 52___ 53___

Chunks:
  TruePositive nam [9,9] = Sejm
  TruePositive nam [53,53] = Janik

(ChunkerEvaluator) Sentence #15492 from articles/00108115 from sent10

Text  : " Od 3 lutego - dnia rozpoczęcia protestów , do wczoraj odbyło się 710 protestów ,  blokad i  innych manifestacji rolniczych .
Tokens: 1 2_ 3 4_____ 5 6___ 7__________ 8________ 9 10 11_____ 12____ 13_ 14_ 15_______ 16 17____ 18 19____ 20__________ 21________ 22

Chunks:

(ChunkerEvaluator) Sentence #15493 from articles/00108115 from sent11

Text  : Tylko 70 z nich było zorganizowanych legalnie " - powiedział Janik .
Tokens: 1____ 2_ 3 4___ 5___ 6______________ 7_______ 8 9 10________ 11___ 12

Chunks:
  TruePositive nam [11,11] = Janik

(ChunkerEvaluator) Sentence #15494 from articles/00108115 from sent12

Text  : Dodał , że wzięło w nich udział w sumie 47 tys .  osób .
Tokens: 1____ 2 3_ 4_____ 5 6___ 7_____ 8 9____ 10 11_ 12 13__ 14

Chunks:

(ChunkerEvaluator) Sentence #15495 from articles/00108115 from sent13

Text  : Do pilnowania porządku wysłano 9 , 5 tys . funkcjonariuszy .
Tokens: 1_ 2_________ 3_______ 4______ 5 6 7 8__ 9 10_____________ 11

Chunks:

(ChunkerEvaluator) Sentence #15496 from articles/00108115 from sent14

Text  : 11 razy użyli oni środków przymusu , w tym trzy razy armatek wodnych ,  a  dwa razy gumowych kul
Tokens: 1_ 2___ 3____ 4__ 5______ 6_______ 7 8 9__ 10__ 11__ 12_____ 13_____ 14 15 16_ 17__ 18______ 19_

Chunks:

(ChunkerEvaluator) Sentence #15497 from articles/00108115 from sent15

Text  : Minister powiedział , że nie chce ferować wyroków , czy dowodzący akcją słusznie zdecydował o  użyciu pocisków .
Tokens: 1_______ 2_________ 3 4_ 5__ 6___ 7______ 8______ 9 10_ 11_______ 12___ 13______ 14________ 15 16____ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #15498 from articles/00108115 from sent16

Text  : Zaznaczył , że prokuratura prowadzi w tej sprawie śledztwo
Tokens: 1________ 2 3_ 4__________ 5_______ 6 7__ 8______ 9_______

Chunks:

(ChunkerEvaluator) Sentence #15499 from articles/00108115 from sent17

Text  : Andrzej Pęczak ( SLD ) przyjął " ze zrozumieniem "  wyjaśnienia Janika .
Tokens: 1______ 2_____ 3 4__ 5 6______ 7 8_ 9___________ 10 11_________ 12____ 13

Chunks:
  TruePositive nam [1,2] = Andrzej Pęczak
  TruePositive nam [4,4] = SLD
  TruePositive nam [12,12] = Janika

(ChunkerEvaluator) Sentence #15500 from articles/00108115 from sent18

Text  : Podkreślił , że jego klub żałuje zarówno poszkodowanych w zajściach rolników ,  jak i  policjantów .
Tokens: 1_________ 2 3_ 4___ 5___ 6_____ 7______ 8_____________ 9 10_______ 11______ 12 13_ 14 15_________ 16

Chunks:

(ChunkerEvaluator) Sentence #15501 from articles/00108115 from sent19

Text  : Dodał , że jeżeli śledztwo wykaże , iż dowodzący akcją podjął błędną decyzję ,  klub SLD opowie się za wyciągnięciem konsekwencji wobec winnych .
Tokens: 1____ 2 3_ 4_____ 5_______ 6_____ 7 8_ 9________ 10___ 11____ 12____ 13_____ 14 15__ 16_ 17____ 18_ 19 20___________ 21__________ 22___ 23_____ 24

Chunks:
  TruePositive nam [16,16] = SLD

(ChunkerEvaluator) Sentence #15502 from articles/00108115 from sent20

Text  : Pęczak powiedział , że odpowiedzialność za złamanie prawa powinni ponieść także rolnicy
Tokens: 1_____ 2_________ 3 4_ 5_______________ 6_ 7_______ 8____ 9______ 10_____ 11___ 12_____

Chunks:
  TruePositive nam [1,1] = Pęczak

(ChunkerEvaluator) Sentence #15503 from articles/00108115 from sent21

Text  : Użycie siły przez policję potępiło PiS .
Tokens: 1_____ 2___ 3____ 4______ 5_______ 6__ 7

Chunks:
  TruePositive nam [6,6] = PiS

(ChunkerEvaluator) Sentence #15504 from articles/00108115 from sent22

Text  : " A teraz pijecie piwo , które sami sobie nawarzyli ście .
Tokens: 1 2 3____ 4______ 5___ 6 7____ 8___ 9____ 10_______ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #15505 from articles/00108115 from sent23

Text  : Rząd nie uczy się na błędach poprzedników .
Tokens: 1___ 2__ 3___ 4__ 5_ 6______ 7___________ 8

Chunks:
  FalseNegative nam [1,1] = Rząd

(ChunkerEvaluator) Sentence #15506 from articles/00108115 from sent24

Text  : Za poprzedniej koalicji wychodzili ście z założenia : im gorzej dla koalicji (  AWS -  UW )  ,  tym lepiej dla SLD .
Tokens: 1_ 2__________ 3_______ 4_________ 5___ 6 7________ 8 9_ 10____ 11_ 12______ 13 14_ 15 16 17 18 19_ 20____ 21_ 22_ 23

Chunks:
  TruePositive nam [14,16] = AWS - UW
  TruePositive nam [22,22] = SLD

(ChunkerEvaluator) Sentence #15507 from articles/00108115 from sent25

Text  : Im gorzej dla Polski - tym lepiej dla SLD "  -  powiedział Michał Kamiński
Tokens: 1_ 2_____ 3__ 4_____ 5 6__ 7_____ 8__ 9__ 10 11 12________ 13____ 14______

Chunks:
  TruePositive nam [4,4] = Polski
  TruePositive nam [9,9] = SLD
  TruePositive nam [13,14] = Michał Kamiński

(ChunkerEvaluator) Sentence #15508 from articles/00108115 from sent26

Text  : Andrzej Gałażewski ( PO ) uznał , że prokuratura powinna szybko wyjaśnić ,  czy użycie przez policję broni wobec rolników protestujących w  Cieni było zgodne z  prawem .
Tokens: 1______ 2_________ 3 4_ 5 6____ 7 8_ 9__________ 10_____ 11____ 12______ 13 14_ 15____ 16___ 17_____ 18___ 19___ 20______ 21____________ 22 23___ 24__ 25____ 26 27____ 28

Chunks:
  TruePositive nam [1,2] = Andrzej Gałażewski
  TruePositive nam [4,4] = PO
  TruePositive nam [23,23] = Cieni

(ChunkerEvaluator) Sentence #15509 from articles/00108115 from sent27

Text  : Według posła Platformy , przyczyną protestów społecznych jest fakt ,  że SLD chodzi głównie o  sprawowanie władzy ,  a  nie kierowanie Polską
Tokens: 1_____ 2____ 3________ 4 5________ 6________ 7__________ 8___ 9___ 10 11 12_ 13____ 14_____ 15 16_________ 17____ 18 19 20_ 21________ 22____

Chunks:
  TruePositive nam [3,3] = Platformy
  TruePositive nam [12,12] = SLD
  TruePositive nam [22,22] = Polską

(ChunkerEvaluator) Sentence #15510 from articles/00108115 from sent28

Text  : Lider Samoobrony Andrzej Lepper ostrzegł , że jeżeli rząd nie zlikwiduje przyczyn protestów ,  to nie pomoże broń ,  gdyż policja stanie po stronie manifestujących .
Tokens: 1____ 2_________ 3______ 4_____ 5_______ 6 7_ 8_____ 9___ 10_ 11________ 12______ 13_______ 14 15 16_ 17____ 18__ 19 20__ 21_____ 22____ 23 24_____ 25_____________ 26

Chunks:
  TruePositive nam [2,2] = Samoobrony
  TruePositive nam [3,4] = Andrzej Lepper

(ChunkerEvaluator) Sentence #15511 from articles/00108115 from sent29

Text  : Wezwał jednocześnie górników , hutników , pielęgniarki , lekarzy i  nauczycieli ,  robotników i  rolników do pokojowego protestu
Tokens: 1_____ 2___________ 3_______ 4 5_______ 6 7___________ 8 9______ 10 11_________ 12 13________ 14 15______ 16 17________ 18______

Chunks:

(ChunkerEvaluator) Sentence #15512 from articles/00108115 from sent30

Text  : Zdaniem Andrzeja Grzyba ( PSL ) , używanie siły wobec protestujących to zrywanie dialogu społecznego .
Tokens: 1______ 2_______ 3_____ 4 5__ 6 7 8_______ 9___ 10___ 11____________ 12 13______ 14_____ 15_________ 16

Chunks:
  TruePositive nam [2,3] = Andrzeja Grzyba
  TruePositive nam [5,5] = PSL

(ChunkerEvaluator) Sentence #15513 from articles/00108115 from sent31

Text  : " Niech w kalkulacjach rządu ktoś weźmie pod uwagę ,  że nie chodzi tylko o  przestrzeganie prawa ,  lecz o  to ,  by w  wyniku jego przestrzegania nie doszło do zerwania więzi społeczeństwa z  państwem "  -  powiedział
Tokens: 1 2____ 3 4___________ 5____ 6___ 7_____ 8__ 9____ 10 11 12_ 13____ 14___ 15 16____________ 17___ 18 19__ 20 21 22 23 24 25____ 26__ 27____________ 28_ 29____ 30 31______ 32___ 33___________ 34 35______ 36 37 38________

Chunks:

(ChunkerEvaluator) Sentence #15514 from articles/00108115 from sent32

Text  : Występujący w imieniu Unii Pracy Andrzej Aumiller zaapelował , aby posłowie zaczęli pracować nad rozwiązaniami ,  które zapewnią pieniądze na rolnictwo .
Tokens: 1__________ 2 3______ 4___ 5____ 6______ 7_______ 8_________ 9 10_ 11______ 12_____ 13______ 14_ 15___________ 16 17___ 18______ 19_______ 20 21_______ 22

Chunks:
  TruePositive nam [4,5] = Unii Pracy
  TruePositive nam [6,7] = Andrzej Aumiller

(ChunkerEvaluator) Sentence #15515 from articles/00108115 from sent33

Text  : " Siedzimy wspólnie na minie , jeśli jej nie rozbroimy ,  to wspólnie wylecimy w  powietrze "  -  ostrzegł
Tokens: 1 2_______ 3_______ 4_ 5____ 6 7____ 8__ 9__ 10_______ 11 12 13______ 14______ 15 16_______ 17 18 19______

Chunks:

(ChunkerEvaluator) Sentence #15516 from articles/00108115 from sent34

Text  : Poseł LPR Witold Tomczak wezwał ministra Janika do podania się do dymisji ,  jeżeli nie potrafi rozróżnić bandytów od osób walczących o  chleb .
Tokens: 1____ 2__ 3_____ 4______ 5_____ 6_______ 7_____ 8_ 9______ 10_ 11 12_____ 13 14____ 15_ 16_____ 17_______ 18______ 19 20__ 21________ 22 23___ 24

Chunks:
  TruePositive nam [2,2] = LPR
  TruePositive nam [3,4] = Witold Tomczak
  TruePositive nam [7,7] = Janika

(ChunkerEvaluator) Sentence #15517 from articles/00108115 from sent35

Text  : Zdaniem posła , użycie siły przez policję było nieuzasadnione .
Tokens: 1______ 2____ 3 4_____ 5___ 6____ 7______ 8___ 9_____________ 10

Chunks:

(ChunkerEvaluator) Sentence #15518 from articles/00108115 from sent36

Text  : Tomczak wniósł o odrzucenie informacji ministra
Tokens: 1______ 2_____ 3 4_________ 5_________ 6_______

Chunks:
  TruePositive nam [1,1] = Tomczak

(ChunkerEvaluator) Sentence #15519 from articles/00108115 from sent37

Text  : Zanim jednak Sejm zdążył rano przystąpić do pracy , już marszałek ogłosił godzinną przerwę na wniosek LPR .
Tokens: 1____ 2_____ 3___ 4_____ 5___ 6_________ 7_ 8____ 9 10_ 11_______ 12_____ 13______ 14_____ 15 16_____ 17_ 18

Chunks:
  TruePositive nam [3,3] = Sejm
  TruePositive nam [17,17] = LPR

(ChunkerEvaluator) Sentence #15520 from articles/00108115 from sent38

Text  : Roman Giertych mówił , że zbiera się klub Ligi ,  bo w  Sejmie są ważne głosowania .
Tokens: 1____ 2_______ 3____ 4 5_ 6_____ 7__ 8___ 9___ 10 11 12 13____ 14 15___ 16________ 17

Chunks:
  TruePositive nam [1,2] = Roman Giertych
  TruePositive nam [9,9] = Ligi
  TruePositive nam [13,13] = Sejmie

(ChunkerEvaluator) Sentence #15521 from articles/00108115 from sent39

Text  : Potem okazało się , że chodzi nie tylko o to
Tokens: 1____ 2______ 3__ 4 5_ 6_____ 7__ 8____ 9 10

Chunks:

(ChunkerEvaluator) Sentence #15522 from articles/00108115 from sent40

Text  : Wiceszef komisji śledczej do zbadania tzw . afery Rywina ,  Bohdan Kopczyński (  LPR )  powiedział PAP ,  że "  grupa posłów Ligi ,  w  osobach pana Kotlinowskiego ,  pana Giertycha i  pani Sobeckiej dyktatorsko zmusza posłów ,  aby m  zrezygnował "  (  z  udziału w  komisji śledczej )  -  powiedział Kopczyński
Tokens: 1_______ 2______ 3_______ 4_ 5_______ 6__ 7 8____ 9_____ 10 11____ 12________ 13 14_ 15 16________ 17_ 18 19 20 21___ 22____ 23__ 24 25 26_____ 27__ 28____________ 29 30__ 31_______ 32 33__ 34_______ 35_________ 36____ 37____ 38 39_ 40 41_________ 42 43 44 45_____ 46 47_____ 48______ 49 50 51________ 52________

Chunks:
  TruePositive nam [11,12] = Bohdan Kopczyński
  TruePositive nam [14,14] = LPR
  TruePositive nam [17,17] = PAP
  TruePositive nam [31,31] = Giertycha
  TruePositive nam [52,52] = Kopczyński
  FalsePositive nam [9,9] = Rywina
  FalseNegative nam [8,9] = afery Rywina
  FalseNegative nam [23,23] = Ligi
  FalseNegative nam [28,28] = Kotlinowskiego
  FalseNegative nam [34,34] = Sobeckiej

(ChunkerEvaluator) Sentence #15523 from articles/00108115 from sent41

Text  : Przed godz . 10 posłanka Ligi Anna Sobecka poinformowała ,  że Kopczyński został usunięty z  klubu LPR .
Tokens: 1____ 2___ 3 4_ 5_______ 6___ 7___ 8______ 9____________ 10 11 12________ 13____ 14______ 15 16___ 17_ 18

Chunks:
  TruePositive nam [6,6] = Ligi
  TruePositive nam [7,8] = Anna Sobecka
  TruePositive nam [12,12] = Kopczyński
  TruePositive nam [17,17] = LPR

(ChunkerEvaluator) Sentence #15524 from articles/00108115 from sent42

Text  : Pytana , dlaczego , odparła , że Kopczyński " nie reprezentuje stanowiska klubu w  komisji śledczej "  .
Tokens: 1_____ 2 3_______ 4 5______ 6 7_ 8_________ 9 10_ 11__________ 12________ 13___ 14 15_____ 16______ 17 18

Chunks:
  TruePositive nam [8,8] = Kopczyński

(ChunkerEvaluator) Sentence #15525 from articles/00108115 from sent43

Text  : Jeden z liderów LPR Marek Kotlinowski powiedział PAP , że Kopczyńskiego miał by zastąpić w  komisji śledczej Roman Giertych .
Tokens: 1____ 2 3______ 4__ 5____ 6__________ 7_________ 8__ 9 10 11___________ 12__ 13 14______ 15 16_____ 17______ 18___ 19______ 20

Chunks:
  TruePositive nam [4,4] = LPR
  TruePositive nam [5,6] = Marek Kotlinowski
  TruePositive nam [8,8] = PAP
  TruePositive nam [11,11] = Kopczyńskiego
  TruePositive nam [18,19] = Roman Giertych

(ChunkerEvaluator) Sentence #15526 from articles/00108115 from sent44

Text  : W tej sprawie obradował klub Ligi
Tokens: 1 2__ 3______ 4________ 5___ 6___

Chunks:
  TruePositive nam [6,6] = Ligi

(ChunkerEvaluator) Sentence #15527 from articles/00108115 from sent45

Text  : Szef komisji Tomasz Nałęcz ( UP ) powiedział , że otrzymał od Kopczyńskiego pismo dotyczące tej sytuacji .
Tokens: 1___ 2______ 3_____ 4_____ 5 6_ 7 8_________ 9 10 11______ 12 13___________ 14___ 15_______ 16_ 17______ 18

Chunks:
  TruePositive nam [3,4] = Tomasz Nałęcz
  TruePositive nam [6,6] = UP
  TruePositive nam [13,13] = Kopczyńskiego

(ChunkerEvaluator) Sentence #15528 from articles/00108115 from sent46

Text  : " W piśmie Kopczyńskiego do komisji śledczej jest mowa o  stosowanych wobec niego groźbach ,  o  nie realizowanych przez niego ,  a  wydawanych mu instrukcjach klubowych ,  o  karze ,  jaką ma być za takie zachowanie usunięcie z  komisji "  -  mówił Nałęcz
Tokens: 1 2 3_____ 4____________ 5_ 6______ 7_______ 8___ 9___ 10 11_________ 12___ 13___ 14______ 15 16 17_ 18___________ 19___ 20___ 21 22 23________ 24 25__________ 26_______ 27 28 29___ 30 31__ 32 33_ 34 35___ 36________ 37_______ 38 39_____ 40 41 42___ 43____

Chunks:
  TruePositive nam [4,4] = Kopczyńskiego
  TruePositive nam [43,43] = Nałęcz

(ChunkerEvaluator) Sentence #15529 from articles/00108115 from sent47

Text  : PAP dotarła do pisma Kopczyńskiego .
Tokens: 1__ 2______ 3_ 4____ 5____________ 6

Chunks:
  TruePositive nam [1,1] = PAP
  TruePositive nam [5,5] = Kopczyńskiego

(ChunkerEvaluator) Sentence #15530 from articles/00108115 from sent48

Text  : Twierdzi w nim , że Giertych , Kotlinowski i Sobecka posłowie ci "  groźbą bezprawną "  wywierali na niego wpływ ,  aby zrezygnował z  członkostwa w  komisji śledczej
Tokens: 1_______ 2 3__ 4 5_ 6_______ 7 8__________ 9 10_____ 11______ 12 13 14____ 15_______ 16 17_______ 18 19___ 20___ 21 22_ 23_________ 24 25_________ 26 27_____ 28______

Chunks:
  TruePositive nam [6,6] = Giertych
  FalseNegative nam [8,8] = Kotlinowski
  FalseNegative nam [10,10] = Sobecka

(ChunkerEvaluator) Sentence #15531 from articles/00108115 from sent49

Text  : Dodał , że odbyło się to na środowym " specjalnym ,  nie planowanym posiedzeniu klubu LPR "  .
Tokens: 1____ 2 3_ 4_____ 5__ 6_ 7_ 8_______ 9 10________ 11 12_ 13________ 14_________ 15___ 16_ 17 18

Chunks:
  TruePositive nam [16,16] = LPR

(ChunkerEvaluator) Sentence #15532 from articles/00108115 from sent50

Text  : " Zarzutem kierowanym pod moim adresem było to , że nie atakował em Adama Michnika "  -  napisał też Kopczyński
Tokens: 1 2_______ 3_________ 4__ 5___ 6______ 7___ 8_ 9 10 11_ 12______ 13 14___ 15______ 16 17 18_____ 19_ 20________

Chunks:
  TruePositive nam [14,15] = Adama Michnika
  TruePositive nam [20,20] = Kopczyński

(ChunkerEvaluator) Sentence #15533 from articles/00108115 from sent51

Text  : ( Redaktor naczelny " Gazety Wyborczej " był przesłuchiwany przez komisję śledczą w  minioną sobotę i  w  poniedziełek )
Tokens: 1 2_______ 3_______ 4 5_____ 6________ 7 8__ 9_____________ 10___ 11_____ 12_____ 13 14_____ 15____ 16 17 18__________ 19

Chunks:
  TruePositive nam [5,6] = Gazety Wyborczej

(ChunkerEvaluator) Sentence #15534 from articles/00108115 from sent52

Text  : Według Giertycha , posłowie Ligi są niezadowoleni z tego ,  że Kopczyński :  poparł kandydaturę Bogdana Lewandowskiego z  SLD na wiceszefa komisji śledczej ,  głosował przeciw wnioskowi o  sprawdzenie billingów premiera i  kilku ministrów ,  a  także w  "  niewłaściwy sposób "  przesłuchiwał Michnika
Tokens: 1_____ 2________ 3 4_______ 5___ 6_ 7____________ 8 9___ 10 11 12________ 13 14____ 15_________ 16_____ 17____________ 18 19_ 20 21_______ 22_____ 23______ 24 25______ 26_____ 27_______ 28 29_________ 30_______ 31______ 32 33___ 34_______ 35 36 37___ 38 39 40_________ 41____ 42 43___________ 44______

Chunks:
  TruePositive nam [2,2] = Giertycha
  TruePositive nam [12,12] = Kopczyński
  TruePositive nam [16,17] = Bogdana Lewandowskiego
  TruePositive nam [19,19] = SLD
  TruePositive nam [44,44] = Michnika
  FalseNegative nam [5,5] = Ligi

(ChunkerEvaluator) Sentence #15535 from articles/00108115 from sent53

Text  : Zarzuty , postawione mu przez członków prezydium klubu LPR ,  Kopczyński nazwał "  dziecinnymi "  .
Tokens: 1______ 2 3_________ 4_ 5____ 6_______ 7________ 8____ 9__ 10 11________ 12____ 13 14_________ 15 16

Chunks:
  TruePositive nam [9,9] = LPR
  TruePositive nam [11,11] = Kopczyński

(ChunkerEvaluator) Sentence #15536 from articles/00108115 from sent54

Text  : Zaprzeczył , jakoby głosował przeciwko wnioskowi Zbigniewa Ziobry ( PiS )  w  sprawie ujawnienia billingów premiera ,  co zarzucił mu Giertych .
Tokens: 1_________ 2 3_____ 4_______ 5________ 6________ 7________ 8_____ 9 10_ 11 12 13_____ 14________ 15_______ 16______ 17 18 19______ 20 21______ 22

Chunks:
  TruePositive nam [7,8] = Zbigniewa Ziobry
  TruePositive nam [10,10] = PiS
  TruePositive nam [21,21] = Giertych

(ChunkerEvaluator) Sentence #15537 from articles/00108115 from sent55

Text  : Powiedział też , że ze strony klubu nie otrzymał nigdy żadnych sugestii w  sprawie jego pracy w  komisji
Tokens: 1_________ 2__ 3 4_ 5_ 6_____ 7____ 8__ 9_______ 10___ 11_____ 12______ 13 14_____ 15__ 16___ 17 18_____

Chunks:

(ChunkerEvaluator) Sentence #15538 from articles/00108115 from sent56

Text  : W czasie kolejnej przerwy zebrały się Prezydium Sejmu i Konwent Seniorów .
Tokens: 1 2_____ 3_______ 4______ 5______ 6__ 7________ 8____ 9 10_____ 11______ 12

Chunks:
  TruePositive nam [7,8] = Prezydium Sejmu
  TruePositive nam [10,11] = Konwent Seniorów

(ChunkerEvaluator) Sentence #15539 from articles/00108115 from sent57

Text  : Po wznowieniu obrad Kotlinowski wnioskował , by Sejm głosował jeszcze w  piątek wniosek LPR o  zmianę w  składzie osobowym komisji śledczej .
Tokens: 1_ 2_________ 3____ 4__________ 5_________ 6 7_ 8___ 9_______ 10_____ 11 12____ 13_____ 14_ 15 16____ 17 18______ 19______ 20_____ 21______ 22

Chunks:
  TruePositive nam [8,8] = Sejm
  TruePositive nam [14,14] = LPR
  FalseNegative nam [4,4] = Kotlinowski

(ChunkerEvaluator) Sentence #15540 from articles/00108115 from sent58

Text  : " Stanowisko Konwentu i Prezydium było jednolite , z wyjątkiem pana posła (  Kotlinowskiego -  PAP )  ,  cały Konwent oraz całe Prezydium przyjęło jednolite stanowisko ,  że sprawy związane z  wymianą muszą być najpierw wyjaśnione "  -  powiedział marszałek Marek Borowski .
Tokens: 1 2_________ 3_______ 4 5________ 6___ 7________ 8 9 10_______ 11__ 12___ 13 14____________ 15 16_ 17 18 19__ 20_____ 21__ 22__ 23_______ 24______ 25_______ 26________ 27 28 29____ 30______ 31 32_____ 33___ 34_ 35______ 36________ 37 38 39________ 40_______ 41___ 42______ 43

Chunks:
  TruePositive nam [5,5] = Prezydium
  TruePositive nam [16,16] = PAP
  TruePositive nam [20,20] = Konwent
  TruePositive nam [23,23] = Prezydium
  TruePositive nam [41,42] = Marek Borowski
  FalsePositive nam [2,3] = Stanowisko Konwentu
  FalseNegative nam [3,3] = Konwentu
  FalseNegative nam [14,14] = Kotlinowskiego

(ChunkerEvaluator) Sentence #15541 from articles/00108115 from sent59

Text  : ( PAP ) rad / zet /
Tokens: 1 2__ 3 4__ 5 6__ 7

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 15:00:31,605 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 668 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108116.xml
(ChunkerEvaluator) Sentence #15542 from articles/00108116 from sent1

Text  : Bądź tam w tym tygodniu
Tokens: 1___ 2__ 3 4__ 5_______

Chunks:

(ChunkerEvaluator) Sentence #15543 from articles/00108116 from sent2

Text  : Na wystawie Tymczasowego Zakładu Fotograficznego , na SkinYardzie w Jerozolimie
Tokens: 1_ 2_______ 3___________ 4______ 5______________ 6 7_ 8__________ 9 10_________

Chunks:
  TruePositive nam [3,5] = Tymczasowego Zakładu Fotograficznego
  TruePositive nam [10,10] = Jerozolimie
  FalseNegative nam [8,8] = SkinYardzie

(ChunkerEvaluator) Sentence #15544 from articles/00108116 from sent3

Text  : Na wystawie Tymczasowego Zakładu Fotograficznego
Tokens: 1_ 2_______ 3___________ 4______ 5______________

Chunks:
  TruePositive nam [3,5] = Tymczasowego Zakładu Fotograficznego

(ChunkerEvaluator) Sentence #15545 from articles/00108116 from sent4

Text  : „ Pod nazwą Tymczasowy Zakład Fotograficzny przemieszczali śmy się po różnych obszarach dzielnicy z  inspirowanym na wzór starych zakładem .
Tokens: 1 2__ 3____ 4_________ 5_____ 6____________ 7_____________ 8__ 9__ 10 11_____ 12_______ 13_______ 14 15__________ 16 17__ 18_____ 19______ 20

Chunks:
  TruePositive nam [4,6] = Tymczasowy Zakład Fotograficzny

(ChunkerEvaluator) Sentence #15546 from articles/00108116 from sent5

Text  : Fotografowali śmy lokalnych mieszkańców , archiwizowali śmy zdjęcia z albumów rodzinnych ,  rozmawiali śmy o  Warszawie ,  o  korzeniach ,  wspomnieniach .  ”
Tokens: 1____________ 2__ 3________ 4__________ 5 6____________ 7__ 8______ 9 10_____ 11________ 12 13________ 14_ 15 16_______ 17 18 19________ 20 21___________ 22 23

Chunks:
  TruePositive nam [16,16] = Warszawie

(ChunkerEvaluator) Sentence #15547 from articles/00108116 from sent6

Text  : Tak o swojej akcji opowiadają autorzy projektu , czyli Agnieszka Czerwińska i  Justyna Klein z  kolektywu Fotograficznego Gęsia Skórka .
Tokens: 1__ 2 3_____ 4____ 5_________ 6______ 7_______ 8 9____ 10_______ 11________ 12 13_____ 14___ 15 16_______ 17_____________ 18___ 19____ 20

Chunks:
  TruePositive nam [10,11] = Agnieszka Czerwińska
  TruePositive nam [13,14] = Justyna Klein
  FalsePositive nam [17,19] = Fotograficznego Gęsia Skórka
  FalseNegative nam [18,19] = Gęsia Skórka

(ChunkerEvaluator) Sentence #15548 from articles/00108116 from sent7

Text  : Jednym z bohaterów Tymczasowego Zakładu Fotograficznego jest wybitny warszawski fotograf Tadeusz Rolke .
Tokens: 1_____ 2 3________ 4___________ 5______ 6______________ 7___ 8______ 9_________ 10______ 11_____ 12___ 13

Chunks:
  TruePositive nam [4,6] = Tymczasowego Zakładu Fotograficznego
  TruePositive nam [11,12] = Tadeusz Rolke

(ChunkerEvaluator) Sentence #15549 from articles/00108116 from sent8

Text  : W piątek , 25 stycznia o godz . 18 .  30 będzie gościem Zakładu ,  i  opowie o  czasach ,  kiedy mieszkał na ul .  Marszałkowskiej ,  odwiedzał pobliski Bar Prasowy ,  Świteziankę i  redakcję Życia Warszawy .
Tokens: 1 2_____ 3 4_ 5_______ 6 7___ 8 9_ 10 11 12____ 13_____ 14_____ 15 16 17____ 18 19_____ 20 21___ 22______ 23 24 25 26_____________ 27 28_______ 29______ 30_ 31_____ 32 33_________ 34 35______ 36___ 37______ 38

Chunks:
  TruePositive nam [26,26] = Marszałkowskiej
  TruePositive nam [30,31] = Bar Prasowy
  TruePositive nam [33,33] = Świteziankę
  TruePositive nam [36,37] = Życia Warszawy
  FalseNegative nam [14,14] = Zakładu

(ChunkerEvaluator) Sentence #15550 from articles/00108116 from sent9

Text  : Sama wystawa potrwa do niedzieli , 27 stycznia .
Tokens: 1___ 2______ 3_____ 4_ 5________ 6 7_ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #15551 from articles/00108116 from sent10

Text  : Można ją oglądać na ul . ul . Marszałkowskiej 9  /  15 codziennie od godz .  13 do godz .  20 .
Tokens: 1____ 2_ 3______ 4_ 5_ 6 7_ 8 9______________ 10 11 12 13________ 14 15__ 16 17 18 19__ 20 21 22

Chunks:
  TruePositive nam [9,9] = Marszałkowskiej

(ChunkerEvaluator) Sentence #15552 from articles/00108116 from sent11

Text  : Na SkinYardzie w Jerozolimie
Tokens: 1_ 2__________ 3 4__________

Chunks:
  TruePositive nam [2,2] = SkinYardzie
  TruePositive nam [4,4] = Jerozolimie

(ChunkerEvaluator) Sentence #15553 from articles/00108116 from sent12

Text  : To jedna z tych interdyscyplinarnych imprez w Warszawie , gdzie muzyka łączy się z  obrazem ,  tym ruchomym ,  tym stałym -  Chcieli śmy stworzyć coś naprawdę ciężkiego i  mrocznego ,  łącząc muzykę z  doznaniami wizualnymi -  piszą w  zaproszeniu organizatorzy i  dodają -  Nie chodzi nam o  muzykę ciężką z  cyklu lata 90 .  trans acid techno czy brutal death metal ,  ale coś bardziej finezyjnego i  jakby nieobecnego na warszawskiej scenie .
Tokens: 1_ 2____ 3 4___ 5___________________ 6_____ 7 8________ 9 10___ 11____ 12___ 13_ 14 15_____ 16 17_ 18______ 19 20_ 21____ 22 23_____ 24_ 25______ 26_ 27______ 28_______ 29 30_______ 31 32____ 33____ 34 35________ 36________ 37 38___ 39 40_________ 41___________ 42 43____ 44 45_ 46____ 47_ 48 49____ 50____ 51 52___ 53__ 54 55 56___ 57__ 58____ 59_ 60____ 61___ 62___ 63 64_ 65_ 66______ 67_________ 68 69___ 70_________ 71 72__________ 73____ 74

Chunks:
  TruePositive nam [8,8] = Warszawie

(ChunkerEvaluator) Sentence #15554 from articles/00108116 from sent13

Text  : Na pierwszej więc imprezie wystąpi m . in . Lutto Lento znany fanom wywołujących ciarki ,  intrygujących brzmień .
Tokens: 1_ 2________ 3___ 4_______ 5______ 6 7 8_ 9 10___ 11___ 12___ 13___ 14__________ 15____ 16 17___________ 18_____ 19

Chunks:
  TruePositive nam [10,11] = Lutto Lento

(ChunkerEvaluator) Sentence #15555 from articles/00108116 from sent14

Text  : Didżej jest m . in . autorem z serii kaset z  muzyką pochodzącą z  włoskich horrorów ,  nagrań terenowych ,  kompozycji pięknych ,  ale znanych tylko nielicznym .
Tokens: 1_____ 2___ 3 4 5_ 6 7______ 8 9____ 10___ 11 12____ 13________ 14 15______ 16______ 17 18____ 19________ 20 21________ 22______ 23 24_ 25_____ 26___ 27________ 28

Chunks:
  FalsePositive nam [1,1] = Didżej

(ChunkerEvaluator) Sentence #15556 from articles/00108116 from sent15

Text  : Muzyce Lutto Lento towarzyszyć będą zdjęcia , wizualizacje , instalacje .
Tokens: 1_____ 2____ 3____ 4__________ 5___ 6______ 7 8___________ 9 10________ 11

Chunks:
  FalsePositive nam [1,3] = Muzyce Lutto Lento
  FalseNegative nam [2,3] = Lutto Lento

(ChunkerEvaluator) Sentence #15557 from articles/00108116 from sent16

Text  : Impreza SkinYard odbędzie się w czwartek , 31 stycznia w  Jerozolimie w  Alejach Jerozolimskich 57 .
Tokens: 1______ 2_______ 3_______ 4__ 5 6_______ 7 8_ 9_______ 10 11_________ 12 13_____ 14____________ 15 16

Chunks:
  TruePositive nam [11,11] = Jerozolimie
  TruePositive nam [13,14] = Alejach Jerozolimskich
  FalsePositive nam [1,2] = Impreza SkinYard
  FalseNegative nam [2,2] = SkinYard

(ChunkerEvaluator) Sentence #15558 from articles/00108116 from sent17

Text  : Początek o godz . 20 . 30 .
Tokens: 1_______ 2 3___ 4 5_ 6 7_ 8

Chunks:

(ChunkerEvaluator) Sentence #15559 from articles/00108116 from sent18

Text  : Bilety 5 zł do godz . 22 i 10 zł (  później )  .
Tokens: 1_____ 2 3_ 4_ 5___ 6 7_ 8 9_ 10 11 12_____ 13 14

Chunks:
  TruePositive nam [3,3] = zł
  TruePositive nam [10,10] = zł

2016-10-27 15:00:31,705 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 669 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108117.xml
(ChunkerEvaluator) Sentence #15560 from articles/00108117 from sent1

Text  : Krewni i znajomi Warmiaka
Tokens: 1_____ 2 3______ 4_______

Chunks:

(ChunkerEvaluator) Sentence #15561 from articles/00108117 from sent2

Text  : Za sześć zł możemy pomóc ratować jedne z piękniejszych i  najbardziej zagrożonych wyginięciem drapieżników na świecie .
Tokens: 1_ 2____ 3_ 4_____ 5____ 6______ 7____ 8 9____________ 10 11_________ 12_________ 13_________ 14__________ 15 16_____ 17

Chunks:
  TruePositive nam [3,3] = zł

(ChunkerEvaluator) Sentence #15562 from articles/00108117 from sent3

Text  : Tyle kosztuje breloczek z okiem tygrysa , który od dziś można kupić w  gdańskim zoo .
Tokens: 1___ 2_______ 3________ 4 5____ 6______ 7 8____ 9_ 10__ 11___ 12___ 13 14______ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #15563 from articles/00108117 from sent4

Text  : Na wolności żyje obecnie pięć podgatunków tygrysa .
Tokens: 1_ 2_______ 3___ 4______ 5___ 6__________ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #15564 from articles/00108117 from sent5

Text  : Największy z nich to tygrys syberyjski .
Tokens: 1_________ 2 3___ 4_ 5_____ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #15565 from articles/00108117 from sent6

Text  : Długość jego ciała może wynosić do 3 metrów ( bez ogona -  ten może mierzyć kolejny metr !  )  ,  waga -  około 300 kilogramów .
Tokens: 1______ 2___ 3____ 4___ 5______ 6_ 7 8_____ 9 10_ 11___ 12 13_ 14__ 15_____ 16_____ 17__ 18 19 20 21__ 22 23___ 24_ 25________ 26

Chunks:

(ChunkerEvaluator) Sentence #15566 from articles/00108117 from sent7

Text  : Największy zbadany okaz tygrysa syberyjskiego ważył aż 384 kg .
Tokens: 1_________ 2______ 3___ 4______ 5____________ 6____ 7_ 8__ 9_ 10

Chunks:

(ChunkerEvaluator) Sentence #15567 from articles/00108117 from sent8

Text  : Taki drapieżnik dziennie musi zjeść około 10 kilogramów mięsa .
Tokens: 1___ 2_________ 3_______ 4___ 5____ 6____ 7_ 8_________ 9____ 10

Chunks:

(ChunkerEvaluator) Sentence #15568 from articles/00108117 from sent9

Text  : Ale podczas jednego posiłku potrafi przegryźć nawet czterokrotnie większą porcję .
Tokens: 1__ 2______ 3______ 4______ 5______ 6________ 7____ 8____________ 9______ 10____ 11

Chunks:

(ChunkerEvaluator) Sentence #15569 from articles/00108117 from sent10

Text  : Szczękami jest w stanie zmiażdżyć kręgosłup dzika .
Tokens: 1________ 2___ 3 4_____ 5________ 6________ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #15570 from articles/00108117 from sent11

Text  : Samce tygrysów żyją samotnie , młodymi opiekują się samice .
Tokens: 1____ 2_______ 3___ 4_______ 5 6______ 7_______ 8__ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #15571 from articles/00108117 from sent12

Text  : Oprócz tygrysów syberyjskich , na wolności żyją jeszcze bengalskie ,  indochińskie ,  południowochińskie i  sumatrzańskie .
Tokens: 1_____ 2_______ 3___________ 4 5_ 6_______ 7___ 8______ 9_________ 10 11__________ 12 13________________ 14 15___________ 16

Chunks:
  FalsePositive nam [11,11] = indochińskie

(ChunkerEvaluator) Sentence #15572 from articles/00108117 from sent13

Text  : Są mniejsze , różnią się umaszczeniem i układem pręgowanych pasów .
Tokens: 1_ 2_______ 3 4_____ 5__ 6___________ 7 8______ 9__________ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #15573 from articles/00108117 from sent14

Text  : Tygrys południowochiński został już praktycznie przetrzebiony - na wolności żyje zaledwie kilkadziesiąt jego sztuk .
Tokens: 1_____ 2________________ 3_____ 4__ 5__________ 6____________ 7 8_ 9_______ 10__ 11______ 12___________ 13__ 14___ 15

Chunks:

(ChunkerEvaluator) Sentence #15574 from articles/00108117 from sent15

Text  : Trzy rodzaje tygrysów zostały już całkowicie wytępione - balijski ,  kaspijski oraz jawajski (  ostatni reprezentanci tego podgatunku zniknęli w  latach 70 .  i  80 .  )
Tokens: 1___ 2______ 3_______ 4______ 5__ 6_________ 7________ 8 9_______ 10 11_______ 12__ 13______ 14 15_____ 16___________ 17__ 18________ 19______ 20 21____ 22 23 24 25 26 27

Chunks:

(ChunkerEvaluator) Sentence #15575 from articles/00108117 from sent16

Text  : W gdańskim zoo żyje tygrys syberyjski o imieniu Warmiak .
Tokens: 1 2_______ 3__ 4___ 5_____ 6_________ 7 8______ 9______ 10

Chunks:
  FalseNegative nam [9,9] = Warmiak

(ChunkerEvaluator) Sentence #15576 from articles/00108117 from sent17

Text  : Ma 15 lat , przyjechał do Gdańska z ogrodu w  Braniewie .
Tokens: 1_ 2_ 3__ 4 5_________ 6_ 7______ 8 9_____ 10 11_______ 12

Chunks:
  TruePositive nam [7,7] = Gdańska
  TruePositive nam [11,11] = Braniewie

2016-10-27 15:00:31,769 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 670 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108119.xml
(ChunkerEvaluator) Sentence #15577 from articles/00108119 from sent1

Text  : Jesteś za zmianą granic Rzeszowa ?
Tokens: 1_____ 2_ 3_____ 4_____ 5_______ 6

Chunks:
  TruePositive nam [5,5] = Rzeszowa

(ChunkerEvaluator) Sentence #15578 from articles/00108119 from sent2

Text  : Od poniedziałku konsultacje
Tokens: 1_ 2___________ 3__________

Chunks:

(ChunkerEvaluator) Sentence #15579 from articles/00108119 from sent3

Text  : W najbliższy poniedziałek rozpoczną się konsultacje w sprawie zmiany granic Rzeszowa .
Tokens: 1 2_________ 3___________ 4________ 5__ 6__________ 7 8______ 9_____ 10____ 11______ 12

Chunks:
  TruePositive nam [11,11] = Rzeszowa

(ChunkerEvaluator) Sentence #15580 from articles/00108119 from sent4

Text  : Ankiety będzie można wypełniać m . in . w budynkach urzędu miasta i  siedzibach osiedlowych rad .
Tokens: 1______ 2_____ 3____ 4________ 5 6 7_ 8 9 10_______ 11____ 12____ 13 14________ 15_________ 16_ 17

Chunks:

(ChunkerEvaluator) Sentence #15581 from articles/00108119 from sent5

Text  : Prezydent Rzeszowa Tadeusz Ferenc chce znów powiększać miasto .
Tokens: 1________ 2_______ 3______ 4_____ 5___ 6___ 7_________ 8_____ 9

Chunks:
  TruePositive nam [2,2] = Rzeszowa
  TruePositive nam [3,4] = Tadeusz Ferenc

(ChunkerEvaluator) Sentence #15582 from articles/00108119 from sent6

Text  : Tym razem o gminę Trzebownisko oraz kilka sołectw , m  .  in .  :  Miłocin i  Pogwizdów Nowy z  gminy Głogów Małopolski oraz Malwę z  gminy Krasne .
Tokens: 1__ 2____ 3 4____ 5___________ 6___ 7____ 8______ 9 10 11 12 13 14 15_____ 16 17_______ 18__ 19 20___ 21____ 22________ 23__ 24___ 25 26___ 27____ 28

Chunks:
  TruePositive nam [5,5] = Trzebownisko
  TruePositive nam [17,18] = Pogwizdów Nowy
  TruePositive nam [21,22] = Głogów Małopolski
  TruePositive nam [24,24] = Malwę
  TruePositive nam [27,27] = Krasne
  FalseNegative nam [15,15] = Miłocin

(ChunkerEvaluator) Sentence #15583 from articles/00108119 from sent7

Text  : Na rozpoczęcie procedury zmiany zgodzili się rzeszowscy radni .
Tokens: 1_ 2__________ 3________ 4_____ 5_______ 6__ 7_________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #15584 from articles/00108119 from sent8

Text  : Teraz przychodzi czas na kolejny element procesu zmiany granic -  konsultacje społeczne .
Tokens: 1____ 2_________ 3___ 4_ 5______ 6______ 7______ 8_____ 9_____ 10 11_________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #15585 from articles/00108119 from sent9

Text  : Mieszkańcy Rzeszowa zostaną zapytani o to , czy chcą przyłączenia konkretnych miejscowości oraz połączenia miasta z  gminą Trzebownisko .
Tokens: 1_________ 2_______ 3______ 4_______ 5 6_ 7 8__ 9___ 10__________ 11_________ 12__________ 13__ 14________ 15____ 16 17___ 18__________ 19

Chunks:
  TruePositive nam [2,2] = Rzeszowa
  TruePositive nam [18,18] = Trzebownisko

(ChunkerEvaluator) Sentence #15586 from articles/00108119 from sent10

Text  : - Konsultacje społeczne rozpoczynają się 28 stycznia .
Tokens: 1 2__________ 3________ 4___________ 5__ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #15587 from articles/00108119 from sent11

Text  : Sposób prowadzenia konsultacji będzie taki sam jak w poprzednich latach -  informuje Katarzyna Pawlak z  biura prasowego rzeszowskiego urzędu miasta .
Tokens: 1_____ 2__________ 3__________ 4_____ 5___ 6__ 7__ 8 9__________ 10____ 11 12_______ 13_______ 14____ 15 16___ 17_______ 18___________ 19____ 20____ 21

Chunks:
  TruePositive nam [13,14] = Katarzyna Pawlak

(ChunkerEvaluator) Sentence #15588 from articles/00108119 from sent12

Text  : Rzeszowianie będą wypełniali ankiety konsultacyjne , które będą dostępne w  ratuszu ,  w  Punktach Informacji i  Obsługi Mieszkańców Urzędu Miasta Rzeszowa przy ul .  Okrzei 1  ,  pl .  Ofiar Getta 7  ,  ul .  Kopernika 15 ,  al .  Witosa 21 (  hipermarket Real )  ,  al .  Rejtana 69 (  hipermarket Leclerc )  ,  al .  Kopisto 1  (  Centrum Kulturalno -  Handlowe Millenium Hall )  i  ul .  Krakowska 20 (  Galeria Handlowa Nowy Świat )  ,  w  siedzibach rad osiedlowych miasta Rzeszowa .
Tokens: 1___________ 2___ 3_________ 4______ 5____________ 6 7____ 8___ 9_______ 10 11_____ 12 13 14______ 15________ 16 17_____ 18_________ 19____ 20____ 21______ 22__ 23 24 25____ 26 27 28 29 30___ 31___ 32 33 34 35 36_______ 37 38 39 40 41____ 42 43 44_________ 45__ 46 47 48 49 50_____ 51 52 53_________ 54_____ 55 56 57 58 59_____ 60 61 62_____ 63________ 64 65______ 66_______ 67__ 68 69 70 71 72_______ 73 74 75_____ 76______ 77__ 78___ 79 80 81 82________ 83_ 84_________ 85____ 86______ 87

Chunks:
  TruePositive nam [14,21] = Punktach Informacji i Obsługi Mieszkańców Urzędu Miasta Rzeszowa
  TruePositive nam [25,25] = Okrzei
  TruePositive nam [30,31] = Ofiar Getta
  TruePositive nam [36,36] = Kopernika
  TruePositive nam [41,41] = Witosa
  TruePositive nam [45,45] = Real
  TruePositive nam [50,50] = Rejtana
  TruePositive nam [54,54] = Leclerc
  TruePositive nam [59,59] = Kopisto
  TruePositive nam [62,67] = Centrum Kulturalno - Handlowe Millenium Hall
  TruePositive nam [72,72] = Krakowska
  TruePositive nam [75,78] = Galeria Handlowa Nowy Świat
  TruePositive nam [86,86] = Rzeszowa
  FalseNegative nam [1,1] = Rzeszowianie

(ChunkerEvaluator) Sentence #15589 from articles/00108119 from sent13

Text  : Konsultacje w Rzeszowie potrwają do 18 lutego .
Tokens: 1__________ 2 3________ 4_______ 5_ 6_ 7_____ 8

Chunks:
  TruePositive nam [3,3] = Rzeszowie

(ChunkerEvaluator) Sentence #15590 from articles/00108119 from sent14

Text  : Swoje konsultacje przeprowadzą także gminy Trzebownisko , Głogów Małopolski i  Krasne .
Tokens: 1____ 2__________ 3___________ 4____ 5____ 6___________ 7 8_____ 9_________ 10 11____ 12

Chunks:
  TruePositive nam [6,6] = Trzebownisko
  TruePositive nam [8,9] = Głogów Małopolski
  TruePositive nam [11,11] = Krasne

(ChunkerEvaluator) Sentence #15591 from articles/00108119 from sent15

Text  : Po zakończeniu konsultacji wniosek o zmianę granic rzeszowscy urzędnicy złożą u  wojewody podkarpackiego .
Tokens: 1_ 2__________ 3__________ 4______ 5 6_____ 7_____ 8_________ 9________ 10___ 11 12______ 13____________ 14

Chunks:

(ChunkerEvaluator) Sentence #15592 from articles/00108119 from sent16

Text  : Ten wyda swoją opinię na temat zmiany granic i prześle dokumenty do Warszawy do Ministerstwa Administracji i  Cyfryzacji .
Tokens: 1__ 2___ 3____ 4_____ 5_ 6____ 7_____ 8_____ 9 10_____ 11_______ 12 13______ 14 15__________ 16___________ 17 18________ 19

Chunks:
  TruePositive nam [13,13] = Warszawy
  FalsePositive nam [15,16] = Ministerstwa Administracji
  FalseNegative nam [15,18] = Ministerstwa Administracji i Cyfryzacji

(ChunkerEvaluator) Sentence #15593 from articles/00108119 from sent17

Text  : Decyzję o zmianie granic podejmie Rada Ministrów do końca lipca tego roku .
Tokens: 1______ 2 3______ 4_____ 5_______ 6___ 7________ 8_ 9____ 10___ 11__ 12__ 13

Chunks:
  TruePositive nam [6,7] = Rada Ministrów

2016-10-27 15:00:31,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 671 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108120.xml
(ChunkerEvaluator) Sentence #15594 from articles/00108120 from sent1

Text  : RPO : telewizyjna kampania o UE - niedostępna dla głuchych
Tokens: 1__ 2 3__________ 4_______ 5 6_ 7 8__________ 9__ 10______

Chunks:
  TruePositive nam [6,6] = UE
  FalsePositive nam [1,1] = RPO

(ChunkerEvaluator) Sentence #15595 from articles/00108120 from sent2

Text  : 17 . 2 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #15596 from articles/00108120 from sent3

Text  : Warszawa ( PAP ) - Emitowana w telewizji kampania informacyjna w  sprawie przystąpienia Polski do Unii Europejskiej jest niedostępna dla głuchych ,  bowiem udzielane w  niej informacje nie są przekazywane w  języku migowym -  uważa RPO
Tokens: 1_______ 2 3__ 4 5 6________ 7 8________ 9_______ 10__________ 11 12_____ 13___________ 14____ 15 16__ 17__________ 18__ 19_________ 20_ 21______ 22 23____ 24_______ 25 26__ 27________ 28_ 29 30__________ 31 32____ 33_____ 34 35___ 36_

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [3,3] = PAP
  TruePositive nam [14,14] = Polski
  TruePositive nam [16,17] = Unii Europejskiej
  FalsePositive nam [36,36] = RPO

(ChunkerEvaluator) Sentence #15597 from articles/00108120 from sent4

Text  : Rzecznik Praw Obywatelskich Andrzej Zoll zwrócił się w tej sprawie do ministra ds .  przygotowania referendum ,  Lecha Nikolskiego
Tokens: 1_______ 2___ 3____________ 4______ 5___ 6______ 7__ 8 9__ 10_____ 11 12______ 13 14 15___________ 16________ 17 18___ 19_________

Chunks:
  TruePositive nam [4,5] = Andrzej Zoll
  TruePositive nam [18,19] = Lecha Nikolskiego
  FalsePositive nam [1,3] = Rzecznik Praw Obywatelskich

(ChunkerEvaluator) Sentence #15598 from articles/00108120 from sent5

Text  : W liście , udostępnionym PAP w poniedziałek , RPO przypomina ,  że zgodnie z  Kartą Praw Osób Niepełnosprawnych (  uchwaloną przez Sejm w  1997 r  .  )  osoby niepełnosprawne mają prawo do niezależnego ,  samodzielnego i  aktywnego życia oraz nie mogą podlegać dyskryminacji .
Tokens: 1 2_____ 3 4____________ 5__ 6 7___________ 8 9__ 10________ 11 12 13_____ 14 15___ 16__ 17__ 18_______________ 19 20_______ 21___ 22__ 23 24__ 25 26 27 28___ 29_____________ 30__ 31___ 32 33__________ 34 35___________ 36 37_______ 38___ 39__ 40_ 41__ 42______ 43___________ 44

Chunks:
  TruePositive nam [5,5] = PAP
  TruePositive nam [15,18] = Kartą Praw Osób Niepełnosprawnych
  TruePositive nam [22,22] = Sejm
  FalsePositive nam [9,9] = RPO

(ChunkerEvaluator) Sentence #15599 from articles/00108120 from sent6

Text  : " Oznacza to w szczególności prawo osób niepełnosprawnych do dostępu m  .  in .  do dóbr i  usług umożliwiających pełne uczestnictwo w  życiu społecznym ,  prawo do życia w  środowisku wolnym od barier funkcjonalnych ,  w  tym m  .  in .  dostępu do informacji "  -  czytamy w  liście
Tokens: 1 2______ 3_ 4 5____________ 6____ 7___ 8________________ 9_ 10_____ 11 12 13 14 15 16__ 17 18___ 19_____________ 20___ 21__________ 22 23___ 24________ 25 26___ 27 28___ 29 30________ 31____ 32 33____ 34____________ 35 36 37_ 38 39 40 41 42_____ 43 44________ 45 46 47_____ 48 49____

Chunks:

(ChunkerEvaluator) Sentence #15600 from articles/00108120 from sent7

Text  : Rzecznik przypomina , że z prośbą o podjęcie działań w  celu zlikwidowania problemu dyskryminacji osób głuchych i  umożliwienia im dostępu do prowadzonej w  telewizji kampanii informacyjnej zwracał się w  listopadzie ub .  r  .  do pełnomocnika rządu ds
Tokens: 1_______ 2_________ 3 4_ 5 6_____ 7 8_______ 9______ 10 11__ 12___________ 13______ 14___________ 15__ 16______ 17 18__________ 19 20_____ 21 22_________ 23 24_______ 25______ 26___________ 27_____ 28_ 29 30_________ 31 32 33 34 35 36__________ 37___ 38

Chunks:

(ChunkerEvaluator) Sentence #15601 from articles/00108120 from sent8

Text  : informacji europejskiej i do tej pory nie uzyskał odpowiedzi
Tokens: 1_________ 2___________ 3 4_ 5__ 6___ 7__ 8______ 9_________

Chunks:

(ChunkerEvaluator) Sentence #15602 from articles/00108120 from sent9

Text  : Do pełnomocnika rządu zwracał się w tej sprawie w ub .  r  .  także Zarząd Główny Polskiego Związku Głuchych .
Tokens: 1_ 2___________ 3____ 4______ 5__ 6 7__ 8______ 9 10 11 12 13 14___ 15____ 16____ 17_______ 18_____ 19______ 20

Chunks:
  TruePositive nam [15,19] = Zarząd Główny Polskiego Związku Głuchych

(ChunkerEvaluator) Sentence #15603 from articles/00108120 from sent10

Text  : Związek wyraził gotowość współpracy , mającej na celu jak najszybsze zlikwidowanie bariery i  dotarcie do osób głuchych i  głuchoniemych z  możliwie najszerszą informacją .
Tokens: 1______ 2______ 3_______ 4_________ 5 6______ 7_ 8___ 9__ 10________ 11___________ 12_____ 13 14______ 15 16__ 17______ 18 19___________ 20 21______ 22________ 23________ 24

Chunks:
  FalseNegative nam [1,1] = Związek

(ChunkerEvaluator) Sentence #15604 from articles/00108120 from sent11

Text  : ( PAP ) dsr / past / hes /
Tokens: 1 2__ 3 4__ 5 6___ 7 8__ 9

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 15:00:31,940 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 672 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108121.xml
(ChunkerEvaluator) Sentence #15605 from articles/00108121 from sent1

Text  : 100 euro jako łapówka ?
Tokens: 1__ 2___ 3___ 4______ 5

Chunks:
  TruePositive nam [2,2] = euro

(ChunkerEvaluator) Sentence #15606 from articles/00108121 from sent2

Text  : Kierowca z promilami chciał się wykupić
Tokens: 1_______ 2 3________ 4_____ 5__ 6______

Chunks:

(ChunkerEvaluator) Sentence #15607 from articles/00108121 from sent3

Text  : 50 - letni kierowca renault za pomocą łapówki chciał uniknąć odpowiedzialności za popełnione wykroczenie drogowe .
Tokens: 1_ 2 3____ 4_______ 5______ 6_ 7_____ 8______ 9_____ 10_____ 11_______________ 12 13________ 14_________ 15_____ 16

Chunks:
  FalseNegative nam [5,5] = renault

(ChunkerEvaluator) Sentence #15608 from articles/00108121 from sent4

Text  : Trafił do policyjnego aresztu .
Tokens: 1_____ 2_ 3__________ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #15609 from articles/00108121 from sent5

Text  : Teraz za swoje postępowanie odpowie przed sądem .
Tokens: 1____ 2_ 3____ 4___________ 5______ 6____ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #15610 from articles/00108121 from sent6

Text  : W poniedziałek około godziny 14 na drodze krajowej numer 61 niedaleko miejscowości Karwowo patrol ruchu drogowego zatrzymał do kontroli kierowcę renault .
Tokens: 1 2___________ 3____ 4______ 5_ 6_ 7_____ 8_______ 9____ 10 11_______ 12__________ 13_____ 14____ 15___ 16_______ 17_______ 18 19______ 20______ 21_____ 22

Chunks:
  FalseNegative nam [13,13] = Karwowo
  FalseNegative nam [21,21] = renault

(ChunkerEvaluator) Sentence #15611 from articles/00108121 from sent7

Text  : Interwencja nie była przypadkowa , wcześniej kierowca wyprzedził w zakazanym miejscu .
Tokens: 1__________ 2__ 3___ 4__________ 5 6________ 7_______ 8_________ 9 10_______ 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #15612 from articles/00108121 from sent8

Text  : Ponadto podczas kontroli wyszło na jaw , że 50 -  letni kierowca był pod wpływem alkoholu .
Tokens: 1______ 2______ 3_______ 4_____ 5_ 6__ 7 8_ 9_ 10 11___ 12______ 13_ 14_ 15_____ 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #15613 from articles/00108121 from sent9

Text  : Badanie alkomatem wykazało w jego organizmie ponad 0 , 2  promila .
Tokens: 1______ 2________ 3_______ 4 5___ 6_________ 7____ 8 9 10 11_____ 12

Chunks:

(ChunkerEvaluator) Sentence #15614 from articles/00108121 from sent10

Text  : Gdy mieszkaniec powiatu sejneńskiego usłyszał od funkcjonariusza , że za wykroczenie w  ruchu drogowym zostanie ukarany mandatem oraz zostanie mu zatrzymane prawo jazdy za kierowanie pojazdem pod wpływem alkoholu ,  postanowił załatwić sprawę w  inny sposób .
Tokens: 1__ 2__________ 3______ 4___________ 5_______ 6_ 7______________ 8 9_ 10 11_________ 12 13___ 14______ 15______ 16_____ 17______ 18__ 19______ 20 21________ 22___ 23___ 24 25________ 26______ 27_ 28_____ 29______ 30 31________ 32______ 33____ 34 35__ 36____ 37

Chunks:
  FalseNegative nam [4,4] = sejneńskiego

(ChunkerEvaluator) Sentence #15615 from articles/00108121 from sent11

Text  : Mimo powtarzanych przez policjantów ostrzeżeń starał się namówić ich do odstąpienia od ukarania ,  oferując w  zamian 100 euro .
Tokens: 1___ 2___________ 3____ 4__________ 5________ 6_____ 7__ 8______ 9__ 10 11_________ 12 13______ 14 15______ 16 17____ 18_ 19__ 20

Chunks:
  TruePositive nam [19,19] = euro

(ChunkerEvaluator) Sentence #15616 from articles/00108121 from sent12

Text  : W związku z tym kierowca został zatrzymany i trafił do policyjnego aresztu .
Tokens: 1 2______ 3 4__ 5_______ 6_____ 7_________ 8 9_____ 10 11_________ 12_____ 13

Chunks:

2016-10-27 15:00:31,994 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 673 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108122.xml
(ChunkerEvaluator) Sentence #15617 from articles/00108122 from sent1

Text  : Marek Kaliszewski odchodzi z drugoligowego Radomiaka
Tokens: 1____ 2__________ 3_______ 4 5____________ 6________

Chunks:
  TruePositive nam [1,2] = Marek Kaliszewski
  FalseNegative nam [6,6] = Radomiaka

(ChunkerEvaluator) Sentence #15618 from articles/00108122 from sent2

Text  : Zarząd klubu Radomiak Radom S .
Tokens: 1_____ 2____ 3_______ 4____ 5 6

Chunks:
  TruePositive nam [3,6] = Radomiak Radom S .

(ChunkerEvaluator) Sentence #15619 from articles/00108122 from sent3

Text  : A postanowił nie przedłużać umowy z 29 - letnim pomocnikiem .
Tokens: 1 2_________ 3__ 4_________ 5____ 6 7_ 8 9_____ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #15620 from articles/00108122 from sent4

Text  : Kaliszewski w Radomiaku spędził więc rok i w tym czasie zdobył dla Zielonych cztery bramki .
Tokens: 1__________ 2 3________ 4______ 5___ 6__ 7 8 9__ 10____ 11____ 12_ 13_______ 14____ 15____ 16

Chunks:
  TruePositive nam [1,1] = Kaliszewski
  TruePositive nam [13,13] = Zielonych
  FalseNegative nam [3,3] = Radomiaku

(ChunkerEvaluator) Sentence #15621 from articles/00108122 from sent5

Text  : Do Radomiaka popularny „ Kali ” przyszedł z Pogoni Siedlce .
Tokens: 1_ 2________ 3________ 4 5___ 6 7________ 8 9_____ 10_____ 11

Chunks:
  TruePositive nam [5,5] = Kali
  TruePositive nam [9,10] = Pogoni Siedlce
  FalseNegative nam [2,2] = Radomiaka

(ChunkerEvaluator) Sentence #15622 from articles/00108122 from sent6

Text  : Już w debiucie przeciwko Sokołowi Aleksandrów Łódzki zdobył swoją pierwszą bramkę dla Radomiaka .
Tokens: 1__ 2 3_______ 4________ 5_______ 6__________ 7_____ 8_____ 9____ 10______ 11____ 12_ 13_______ 14

Chunks:
  TruePositive nam [5,7] = Sokołowi Aleksandrów Łódzki
  FalseNegative nam [13,13] = Radomiaka

(ChunkerEvaluator) Sentence #15623 from articles/00108122 from sent7

Text  : Z nim też cieszył się z awansu do II ligi .
Tokens: 1 2__ 3__ 4______ 5__ 6 7_____ 8_ 9_ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #15624 from articles/00108122 from sent8

Text  : Niestety runda jesienna nie była już tak udana .
Tokens: 1_______ 2____ 3_______ 4__ 5___ 6__ 7__ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #15625 from articles/00108122 from sent9

Text  : Pomocnikowi z pewnością w uzyskiwaniu dobrych wyników , przeszkodziła niedoleczona kontuzja ,  z  którą dość długo się zmagał .
Tokens: 1__________ 2 3________ 4 5__________ 6______ 7______ 8 9____________ 10__________ 11______ 12 13 14___ 15__ 16___ 17_ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #15626 from articles/00108122 from sent10

Text  : Ostatecznie jesienią Kaliszewski zagrał w ośmiu spotkaniach , ale żadnego z  nich nie odbył w  pełnym wymiarze czasowym .
Tokens: 1__________ 2_______ 3__________ 4_____ 5 6____ 7__________ 8 9__ 10_____ 11 12__ 13_ 14___ 15 16____ 17______ 18______ 19

Chunks:
  TruePositive nam [3,3] = Kaliszewski

(ChunkerEvaluator) Sentence #15627 from articles/00108122 from sent11

Text  : Czterokrotnie rozpoczynał mecze w pierwszym składzie , i tyle samo razy wchodził z  ławki dla zawodników rezerwowych .
Tokens: 1____________ 2__________ 3____ 4 5________ 6_______ 7 8 9___ 10__ 11__ 12______ 13 14___ 15_ 16________ 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #15628 from articles/00108122 from sent12

Text  : Lubiany przez kibiców , za swoje rajdy prawą stroną boiska -  Kaliszewski ,  ani razu nie wpisał się na listę strzelców .
Tokens: 1______ 2____ 3______ 4 5_ 6____ 7____ 8____ 9_____ 10____ 11 12_________ 13 14_ 15__ 16_ 17____ 18_ 19 20___ 21_______ 22

Chunks:
  TruePositive nam [12,12] = Kaliszewski

(ChunkerEvaluator) Sentence #15629 from articles/00108122 from sent13

Text  : Dlatego też , zarząd Radomiaka postanowił nie przedłużać z zawodnikiem umowy i  ostatecznie ją rozwiązał .
Tokens: 1______ 2__ 3 4_____ 5________ 6_________ 7__ 8_________ 9 10_________ 11___ 12 13_________ 14 15_______ 16

Chunks:
  FalseNegative nam [5,5] = Radomiaka

(ChunkerEvaluator) Sentence #15630 from articles/00108122 from sent14

Text  : Tymczasem w środę o godz . 15 . 30 Radomiak rozegra czwarty mecz kontrolny w  okresie przygotowawczym .
Tokens: 1________ 2 3____ 4 5___ 6 7_ 8 9_ 10______ 11_____ 12_____ 13__ 14_______ 15 16_____ 17_____________ 18

Chunks:
  FalseNegative nam [10,10] = Radomiak

(ChunkerEvaluator) Sentence #15631 from articles/00108122 from sent15

Text  : Jego rywalem będzie lider IV ligi gr . południowej -  Pilica Białobrzegi .
Tokens: 1___ 2______ 3_____ 4____ 5_ 6___ 7_ 8 9__________ 10 11____ 12_________ 13

Chunks:
  TruePositive nam [11,12] = Pilica Białobrzegi

2016-10-27 15:00:32,057 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 674 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108123.xml
(ChunkerEvaluator) Sentence #15632 from articles/00108123 from sent1

Text  : Zarobili na mandatach 4 , 5 mln zł .
Tokens: 1_______ 2_ 3________ 4 5 6 7__ 8_ 9

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #15633 from articles/00108123 from sent2

Text  : Czy straż miejska jest potrzebna ?
Tokens: 1__ 2____ 3______ 4___ 5________ 6

Chunks:

(ChunkerEvaluator) Sentence #15634 from articles/00108123 from sent3

Text  : Czy straż miejska jest potrzebna i czy nie karze mieszkańców zbyt surowo ?
Tokens: 1__ 2____ 3______ 4___ 5________ 6 7__ 8__ 9____ 10_________ 11__ 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #15635 from articles/00108123 from sent4

Text  : Dyskutowano o tym dziś w Poznaniu .
Tokens: 1__________ 2 3__ 4___ 5 6_______ 7

Chunks:
  TruePositive nam [6,6] = Poznaniu

(ChunkerEvaluator) Sentence #15636 from articles/00108123 from sent5

Text  : - Będziemy zbierać podpisy w sprawie likwidacji straży miejskiej .
Tokens: 1 2_______ 3______ 4______ 5 6______ 7_________ 8_____ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #15637 from articles/00108123 from sent6

Text  : Chcemy , by włodarze miast , w tym także Poznania zastanowili się ,  czy taka jednostka jest potrzebna .
Tokens: 1_____ 2 3_ 4_______ 5____ 6 7 8__ 9____ 10______ 11_________ 12_ 13 14_ 15__ 16_______ 17__ 18_______ 19

Chunks:
  TruePositive nam [10,10] = Poznania

(ChunkerEvaluator) Sentence #15638 from articles/00108123 from sent7

Text  : Uważamy , że wszystkie jej zadania może przejąć policja -  mówił dziś na konferencji prasowej poseł Ruchu Palikota Maciej Banaszak .
Tokens: 1______ 2 3_ 4________ 5__ 6______ 7___ 8______ 9______ 10 11___ 12__ 13 14_________ 15______ 16___ 17___ 18______ 19____ 20______ 21

Chunks:
  TruePositive nam [17,18] = Ruchu Palikota
  TruePositive nam [19,20] = Maciej Banaszak

(ChunkerEvaluator) Sentence #15639 from articles/00108123 from sent8

Text  : Dodał , że jest to akcja ogólnopolska , która ma wywołać dyskusję na temat sensu istnienia i  zasad funkcjonowania municypalnych .
Tokens: 1____ 2 3_ 4___ 5_ 6____ 7___________ 8 9____ 10 11_____ 12______ 13 14___ 15___ 16_______ 17 18___ 19____________ 20___________ 21

Chunks:

(ChunkerEvaluator) Sentence #15640 from articles/00108123 from sent9

Text  : - Jeżeli okaże się , że straż jest potrzebna i  ma zostać ,  to powinna mieć zmienione uprawnienia tak ,  by nie mogła karać kierowców ,  bo w  tej chwili za bardzo się na tym skupia .
Tokens: 1 2_____ 3____ 4__ 5 6_ 7____ 8___ 9________ 10 11 12____ 13 14 15_____ 16__ 17_______ 18_________ 19_ 20 21 22_ 23___ 24___ 25_______ 26 27 28 29_ 30____ 31 32____ 33_ 34 35_ 36____ 37

Chunks:

(ChunkerEvaluator) Sentence #15641 from articles/00108123 from sent10

Text  : Będziemy wnioskować o zmianę prawa - podkreślał Banaszak .
Tokens: 1_______ 2_________ 3 4_____ 5____ 6 7_________ 8_______ 9

Chunks:
  TruePositive nam [8,8] = Banaszak

(ChunkerEvaluator) Sentence #15642 from articles/00108123 from sent11

Text  : Niepotrzebni ?
Tokens: 1___________ 2

Chunks:

(ChunkerEvaluator) Sentence #15643 from articles/00108123 from sent12

Text  : Interweniowali 70 tys . razy
Tokens: 1_____________ 2_ 3__ 4 5___

Chunks:

(ChunkerEvaluator) Sentence #15644 from articles/00108123 from sent13

Text  : Pomysł , by zlikwidować w naszym mieście straż miejską nie jest nowy .
Tokens: 1_____ 2 3_ 4__________ 5 6_____ 7______ 8____ 9______ 10_ 11__ 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #15645 from articles/00108123 from sent14

Text  : Wcześniej podpisy za jej likwidacją zbierało Stowarzyszenie Tak dla Poznania .
Tokens: 1________ 2______ 3_ 4__ 5_________ 6_______ 7_____________ 8__ 9__ 10______ 11

Chunks:
  FalsePositive nam [7,10] = Stowarzyszenie Tak dla Poznania
  FalseNegative nam [8,10] = Tak dla Poznania

(ChunkerEvaluator) Sentence #15646 from articles/00108123 from sent15

Text  : Organizacja planowała przeprowadzenie referendum , a likwidacja municypalnych była jednym z  jej postulatów .
Tokens: 1__________ 2________ 3______________ 4_________ 5 6 7_________ 8____________ 9___ 10____ 11 12_ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #15647 from articles/00108123 from sent16

Text  : Udało się zebrać 31 tys . podpisów , ale wymagane do referendum było 42 ,  5  tys .
Tokens: 1____ 2__ 3_____ 4_ 5__ 6 7_______ 8 9__ 10______ 11 12________ 13__ 14 15 16 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #15648 from articles/00108123 from sent17

Text  : Wygląda na to , że również w tej chwili strażnicy nie mają się czego obawiać .
Tokens: 1______ 2_ 3_ 4 5_ 6______ 7 8__ 9_____ 10_______ 11_ 12__ 13_ 14___ 15_____ 16

Chunks:

(ChunkerEvaluator) Sentence #15649 from articles/00108123 from sent18

Text  : Już godzinę po konferencji u Banaszaka , wiceprezydent Tomasz Kayser wyraził zadowolenie z  pracy podległej mu jednostki .
Tokens: 1__ 2______ 3_ 4__________ 5 6________ 7 8____________ 9_____ 10____ 11_____ 12_________ 13 14___ 15_______ 16 17_______ 18

Chunks:
  TruePositive nam [6,6] = Banaszaka
  TruePositive nam [9,10] = Tomasz Kayser

(ChunkerEvaluator) Sentence #15650 from articles/00108123 from sent19

Text  : - W ciągu tego roku poznańscy strażnicy interweniowali 70 tys .  razy .
Tokens: 1 2 3____ 4___ 5___ 6________ 7________ 8_____________ 9_ 10_ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #15651 from articles/00108123 from sent20

Text  : Tylko połowa tych interwencji dotyczyła komunikacji .
Tokens: 1____ 2_____ 3___ 4__________ 5________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #15652 from articles/00108123 from sent21

Text  : Nie wyobrażam sobie , by wszystkie drobniejsze sprawy , najczęściej porządkowe realizowała policja -  tłumaczył wiceprezydent .
Tokens: 1__ 2________ 3____ 4 5_ 6________ 7__________ 8_____ 9 10_________ 11________ 12_________ 13_____ 14 15_______ 16___________ 17

Chunks:

(ChunkerEvaluator) Sentence #15653 from articles/00108123 from sent22

Text  : Z kolei , szef straży miejskiej przedstawił szczegółowe sprawozdanie z  działalności podwładnych za miniony rok .
Tokens: 1 2____ 3 4___ 5_____ 6________ 7__________ 8__________ 9___________ 10 11__________ 12_________ 13 14_____ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #15654 from articles/00108123 from sent23

Text  : Wynika z niego , że najwięcej interwencji , aż 15 tysięcy ,  dotyczyło źle zaparkowanych samochodów .
Tokens: 1_____ 2 3____ 4 5_ 6________ 7__________ 8 9_ 10 11_____ 12 13_______ 14_ 15___________ 16________ 17

Chunks:

(ChunkerEvaluator) Sentence #15655 from articles/00108123 from sent24

Text  : - Pokutuje opinia , że tam , gdzie oznakowanie jest niewyraźne ,  strażnicy na potęgę wystawiają mandaty ,  ale tak nie jest .
Tokens: 1 2_______ 3_____ 4 5_ 6__ 7 8____ 9__________ 10__ 11________ 12 13_______ 14 15____ 16________ 17_____ 18 19_ 20_ 21_ 22__ 23

Chunks:

(ChunkerEvaluator) Sentence #15656 from articles/00108123 from sent25

Text  : Wręcz przeciwnie , jeżeli widzimy , że w jakimś miejscu ilość mandatów wzrasta ,  to staramy się zmienić tę sytuację -  tłumaczył Kayser .
Tokens: 1____ 2_________ 3 4_____ 5______ 6 7_ 8 9_____ 10_____ 11___ 12______ 13_____ 14 15 16_____ 17_ 18_____ 19 20______ 21 22_______ 23____ 24

Chunks:
  FalseNegative nam [23,23] = Kayser

(ChunkerEvaluator) Sentence #15657 from articles/00108123 from sent26

Text  : Zarobili na mandatach 4 , 5 mln zł
Tokens: 1_______ 2_ 3________ 4 5 6 7__ 8_

Chunks:
  TruePositive nam [8,8] = zł

(ChunkerEvaluator) Sentence #15658 from articles/00108123 from sent27

Text  : Według Banaszaka , straż miejska za dużo wystawia mandatów za przekroczenie prędkości .
Tokens: 1_____ 2________ 3 4____ 5______ 6_ 7___ 8_______ 9_______ 10 11___________ 12_______ 13

Chunks:
  TruePositive nam [2,2] = Banaszaka

(ChunkerEvaluator) Sentence #15659 from articles/00108123 from sent28

Text  : - Zarobili w tym roku na mandatach 4 , 5  mln zł .
Tokens: 1 2_______ 3 4__ 5___ 6_ 7________ 8 9 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #15660 from articles/00108123 from sent29

Text  : Z tego 4 mln to mandaty za wykroczenia w komunikacji -  mówi Banaszak .
Tokens: 1 2___ 3 4__ 5_ 6______ 7_ 8__________ 9 10_________ 11 12__ 13______ 14

Chunks:
  TruePositive nam [13,13] = Banaszak

(ChunkerEvaluator) Sentence #15661 from articles/00108123 from sent30

Text  : Straż miejska broniła się jednak , tłumacząc , że ma tylko dwa fotoradary ,  a  na swojej stronie informuje mieszkańców ,  gdzie się znajdują .
Tokens: 1____ 2______ 3______ 4__ 5_____ 6 7________ 8 9_ 10 11___ 12_ 13________ 14 15 16 17____ 18_____ 19_______ 20_________ 21 22___ 23_ 24______ 25

Chunks:

(ChunkerEvaluator) Sentence #15662 from articles/00108123 from sent31

Text  : - Są umieszczane w miejscach newralgicznych , tam gdzie dochodzi do dużej liczby wypadków i  to działa ,  kierowcy zdejmują nogę z  gazu -  bronił strażników Kayser .
Tokens: 1 2_ 3__________ 4 5________ 6_____________ 7 8__ 9____ 10______ 11 12___ 13____ 14______ 15 16 17____ 18 19______ 20______ 21__ 22 23__ 24 25____ 26________ 27____ 28

Chunks:
  FalseNegative nam [27,27] = Kayser

(ChunkerEvaluator) Sentence #15663 from articles/00108123 from sent32

Text  : Łącznie w ciągu minionego roku straż miejska ukarała 56 tys .  osób .
Tokens: 1______ 2 3____ 4________ 5___ 6____ 7______ 8______ 9_ 10_ 11 12__ 13

Chunks:

(ChunkerEvaluator) Sentence #15664 from articles/00108123 from sent33

Text  : Z tego 11 tys . dostało tylko pouczenia .
Tokens: 1 2___ 3_ 4__ 5 6______ 7____ 8________ 9

Chunks:

2016-10-27 15:00:32,199 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 675 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108124.xml
(ChunkerEvaluator) Sentence #15665 from articles/00108124 from sent1

Text  : Czternaście blokad w Łódzkiem ( aktl . )
Tokens: 1__________ 2_____ 3 4_______ 5 6___ 7 8

Chunks:
  TruePositive nam [4,4] = Łódzkiem

(ChunkerEvaluator) Sentence #15666 from articles/00108124 from sent2

Text  : 18 . 2 .
Tokens: 1_ 2 3 4

Chunks:

(ChunkerEvaluator) Sentence #15667 from articles/00108124 from sent3

Text  : Łódź ( PAP ) - Do czternastu wzrosła liczba wtorkowych protestów rolniczych na drogach województwa łódzkiego .
Tokens: 1___ 2 3__ 4 5 6_ 7_________ 8______ 9_____ 10________ 11_______ 12________ 13 14_____ 15_________ 16_______ 17

Chunks:
  TruePositive nam [1,1] = Łódź
  TruePositive nam [3,3] = PAP
  FalseNegative nam [16,16] = łódzkiego

(ChunkerEvaluator) Sentence #15668 from articles/00108124 from sent4

Text  : Ruch kierowany jest wahadłowo - poinformowała PAP policja
Tokens: 1___ 2________ 3___ 4________ 5 6____________ 7__ 8______

Chunks:
  TruePositive nam [7,7] = PAP

(ChunkerEvaluator) Sentence #15669 from articles/00108124 from sent5

Text  : Największe utrudnienia w ruchu powoduje blokada drogi Łódź - Sieradz w  Łasku .
Tokens: 1_________ 2__________ 3 4____ 5_______ 6______ 7____ 8___ 9 10_____ 11 12___ 13

Chunks:
  FalsePositive nam [8,12] = Łódź - Sieradz w Łasku
  FalseNegative nam [8,8] = Łódź
  FalseNegative nam [10,10] = Sieradz
  FalseNegative nam [12,12] = Łasku

(ChunkerEvaluator) Sentence #15670 from articles/00108124 from sent6

Text  : " Blokujący co 50 minut otwierają drogę tylko na 10 minut ,  przez co tworzą się korki "  -  powiedział PAP nadkomisarz Tomasz Klimczak z  Komendy Wojewódzkiej Policji w  Łodzi
Tokens: 1 2________ 3_ 4_ 5____ 6________ 7____ 8____ 9_ 10 11___ 12 13___ 14 15____ 16_ 17___ 18 19 20________ 21_ 22_________ 23____ 24______ 25 26_____ 27__________ 28_____ 29 30___

Chunks:
  TruePositive nam [21,21] = PAP
  TruePositive nam [23,24] = Tomasz Klimczak
  TruePositive nam [26,28] = Komendy Wojewódzkiej Policji
  TruePositive nam [30,30] = Łodzi

(ChunkerEvaluator) Sentence #15671 from articles/00108124 from sent7

Text  : Rolnicy blokują również drogi : Warszawa - Wrocław w Studziankach ,  Łódź -  Konin w  Kucinach i  Uniejowie ,  Łódź -  Łowicz w  Domaniewicach ,  Łódź -  Wrocław w  Sieradzu i  Złoczewie ,  Łódź -  Kalisz w  Błaszkach ,  Gdańsk -  Cieszyn w  Strzecach Małych koło Radomska i  Ozorkowie ,  Wieluń -  Kluczbork w  Kadłubie ,  Częstochowa -  Wieluń w  Dzietrznikach ,  Łask -  Widawa w  Sędziejowicach i  Łódź -  Błaszki w  Górnej Woli
Tokens: 1______ 2______ 3______ 4____ 5 6_______ 7 8______ 9 10__________ 11 12__ 13 14___ 15 16______ 17 18_______ 19 20__ 21 22____ 23 24___________ 25 26__ 27 28_____ 29 30______ 31 32_______ 33 34__ 35 36____ 37 38_______ 39 40____ 41 42_____ 43 44_______ 45____ 46__ 47______ 48 49_______ 50 51____ 52 53_______ 54 55______ 56 57_________ 58 59____ 60 61___________ 62 63__ 64 65____ 66 67____________ 68 69__ 70 71_____ 72 73____ 74__

Chunks:
  TruePositive nam [18,18] = Uniejowie
  TruePositive nam [24,24] = Domaniewicach
  TruePositive nam [30,30] = Sieradzu
  TruePositive nam [32,32] = Złoczewie
  TruePositive nam [47,47] = Radomska
  TruePositive nam [49,49] = Ozorkowie
  TruePositive nam [55,55] = Kadłubie
  TruePositive nam [67,67] = Sędziejowicach
  FalsePositive nam [6,10] = Warszawa - Wrocław w Studziankach
  FalsePositive nam [12,14] = Łódź - Konin
  FalsePositive nam [20,22] = Łódź - Łowicz
  FalsePositive nam [26,28] = Łódź - Wrocław
  FalsePositive nam [34,38] = Łódź - Kalisz w Błaszkach
  FalsePositive nam [40,45] = Gdańsk - Cieszyn w Strzecach Małych
  FalsePositive nam [51,53] = Wieluń - Kluczbork
  FalsePositive nam [57,61] = Częstochowa - Wieluń w Dzietrznikach
  FalsePositive nam [63,65] = Łask - Widawa
  FalsePositive nam [69,74] = Łódź - Błaszki w Górnej Woli
  FalseNegative nam [6,6] = Warszawa
  FalseNegative nam [8,8] = Wrocław
  FalseNegative nam [10,10] = Studziankach
  FalseNegative nam [12,12] = Łódź
  FalseNegative nam [14,14] = Konin
  FalseNegative nam [16,16] = Kucinach
  FalseNegative nam [20,20] = Łódź
  FalseNegative nam [22,22] = Łowicz
  FalseNegative nam [26,26] = Łódź
  FalseNegative nam [28,28] = Wrocław
  FalseNegative nam [34,34] = Łódź
  FalseNegative nam [36,36] = Kalisz
  FalseNegative nam [38,38] = Błaszkach
  FalseNegative nam [40,40] = Gdańsk
  FalseNegative nam [42,42] = Cieszyn
  FalseNegative nam [44,45] = Strzecach Małych
  FalseNegative nam [51,51] = Wieluń
  FalseNegative nam [53,53] = Kluczbork
  FalseNegative nam [57,57] = Częstochowa
  FalseNegative nam [59,59] = Wieluń
  FalseNegative nam [61,61] = Dzietrznikach
  FalseNegative nam [63,63] = Łask
  FalseNegative nam [65,65] = Widawa
  FalseNegative nam [69,69] = Łódź
  FalseNegative nam [71,71] = Błaszki
  FalseNegative nam [73,74] = Górnej Woli

(ChunkerEvaluator) Sentence #15672 from articles/00108124 from sent8

Text  : " W tych miejscach nie ma większych utrudnień w ruchu ,  ponieważ protestujący często przepuszczają samochody "  -  poinformował Klimczak
Tokens: 1 2 3___ 4________ 5__ 6_ 7________ 8________ 9 10___ 11 12______ 13__________ 14____ 15___________ 16_______ 17 18 19__________ 20______

Chunks:
  TruePositive nam [20,20] = Klimczak

(ChunkerEvaluator) Sentence #15673 from articles/00108124 from sent9

Text  : Protestujący rolnicy domagają się podniesienia cen skupu żywca wieprzowego ,  zwiększenia dopłat do mleka ,  odrzucenia weta prezydenta w  sprawie biopaliw i  rzetelnej informacji o  Unii Europejskiej .
Tokens: 1___________ 2______ 3_______ 4__ 5___________ 6__ 7____ 8____ 9__________ 10 11_________ 12____ 13 14___ 15 16________ 17__ 18________ 19 20_____ 21______ 22 23_______ 24________ 25 26__ 27__________ 28

Chunks:
  TruePositive nam [26,27] = Unii Europejskiej

(ChunkerEvaluator) Sentence #15674 from articles/00108124 from sent10

Text  : ( PAP ) hop / malk / bug /
Tokens: 1 2__ 3 4__ 5 6___ 7 8__ 9

Chunks:
  TruePositive nam [2,2] = PAP

2016-10-27 15:00:32,262 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 676 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108125.xml
(ChunkerEvaluator) Sentence #15675 from articles/00108125 from sent1

Text  : Zdeprawowani policjanci , którzy biorą w łapę i nadużywają władzy ,  czyli „  Drogówka ”  od piątku w  kinach
Tokens: 1___________ 2_________ 3 4_____ 5____ 6 7___ 8 9_________ 10____ 11 12___ 13 14______ 15 16 17____ 18 19____

Chunks:
  FalseNegative nam [14,14] = Drogówka

(ChunkerEvaluator) Sentence #15676 from articles/00108125 from sent2

Text  : W piątek 1 lutego na ekrany kin wchodzi najnowszy film Wojciecha Smarzowskiego .
Tokens: 1 2_____ 3 4_____ 5_ 6_____ 7__ 8______ 9________ 10__ 11_______ 12___________ 13

Chunks:
  TruePositive nam [11,12] = Wojciecha Smarzowskiego

(ChunkerEvaluator) Sentence #15677 from articles/00108125 from sent3

Text  : Jeszcze przed premierą „ Drogówka ” wzbudza niemniejsze kontrowersje niż „  Róża ”  czy „  Dom zły ”  ,  czyli poprzednie dzieła tego twórcy .
Tokens: 1______ 2____ 3_______ 4 5_______ 6 7______ 8__________ 9___________ 10_ 11 12__ 13 14_ 15 16_ 17_ 18 19 20___ 21________ 22____ 23__ 24____ 25

Chunks:
  TruePositive nam [5,5] = Drogówka
  TruePositive nam [12,12] = Róża
  TruePositive nam [16,17] = Dom zły

(ChunkerEvaluator) Sentence #15678 from articles/00108125 from sent4

Text  : I tym razem reżyser postawił na sprawdzoną obsadę .
Tokens: 1 2__ 3____ 4______ 5_______ 6_ 7_________ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #15679 from articles/00108125 from sent5

Text  : Na ekranie zobaczymy więc m . in . Mariana Dziędziela ,  Bartłomieja Topę ,  Arkadiusza Jakubiaka czy Marcina Dorocińskiego .
Tokens: 1_ 2______ 3________ 4___ 5 6 7_ 8 9______ 10________ 11 12_________ 13__ 14 15________ 16_______ 17_ 18_____ 19___________ 20

Chunks:
  TruePositive nam [9,10] = Mariana Dziędziela
  TruePositive nam [12,13] = Bartłomieja Topę
  TruePositive nam [15,16] = Arkadiusza Jakubiaka
  TruePositive nam [18,19] = Marcina Dorocińskiego

(ChunkerEvaluator) Sentence #15680 from articles/00108125 from sent6

Text  : W Częstochowie film wyświetlać będą Cinema City Wolność oraz Cinema City Galeria Jurajska .
Tokens: 1 2___________ 3___ 4_________ 5___ 6_____ 7___ 8______ 9___ 10____ 11__ 12_____ 13______ 14

Chunks:
  TruePositive nam [2,2] = Częstochowie
  TruePositive nam [6,8] = Cinema City Wolność
  TruePositive nam [10,13] = Cinema City Galeria Jurajska

(ChunkerEvaluator) Sentence #15681 from articles/00108125 from sent7

Text  : Warszawa w filmie Smarzowskiego chleje na umór i rzyga ,  klei się brudem ,  śmierdzi i  odrzuca .
Tokens: 1_______ 2 3_____ 4____________ 5_____ 6_ 7___ 8 9____ 10 11__ 12_ 13____ 14 15______ 16 17_____ 18

Chunks:
  TruePositive nam [1,1] = Warszawa
  TruePositive nam [4,4] = Smarzowskiego

(ChunkerEvaluator) Sentence #15682 from articles/00108125 from sent8

Text  : Czy to jedynie miasto zdeprawowanych policjantów z tytułowej „ drogówki ”  czy raczej stolica perwersyjnie uniwersalna ,  niechcianie prawdziwa ,  tyle że oglądana z  perspektywy śmietnika ,  zapitej speluny albo burdelu ?
Tokens: 1__ 2_ 3______ 4_____ 5_____________ 6__________ 7 8________ 9 10______ 11 12_ 13____ 14_____ 15__________ 16_________ 17 18_________ 19_______ 20 21__ 22 23______ 24 25_________ 26_______ 27 28_____ 29_____ 30__ 31_____ 32

Chunks:
  FalseNegative nam [10,10] = drogówki

(ChunkerEvaluator) Sentence #15683 from articles/00108125 from sent9

Text  : Gliniarze z „ drogówki ” robią dokładnie to , czego po gliniarzach z  „  drogówki ”  spodziewać się można -  biorą w  łapę ,  dają się ochoczo korumpować ,  żerują na ludzkiej naiwności (  w  końcu „  suszarka ”  może pokazać przekroczenie prędkości nawet wtedy ,  gdy go nie było )  i  głupocie .
Tokens: 1________ 2 3 4_______ 5 6____ 7________ 8_ 9 10___ 11 12_________ 13 14 15______ 16 17________ 18_ 19___ 20 21___ 22 23__ 24 25__ 26_ 27_____ 28________ 29 30____ 31 32______ 33_______ 34 35 36___ 37 38______ 39 40__ 41_____ 42___________ 43_______ 44___ 45___ 46 47_ 48 49_ 50__ 51 52 53______ 54

Chunks:
  FalseNegative nam [4,4] = drogówki
  FalseNegative nam [15,15] = drogówki

(ChunkerEvaluator) Sentence #15684 from articles/00108125 from sent10

Text  : Tworzą coś w rodzaju samozwańczej , kumpelskiej brygady połączonej tym ,  co łączy najmocniej :  wspólnym grzechem .
Tokens: 1_____ 2__ 3 4______ 5___________ 6 7__________ 8______ 9_________ 10_ 11 12 13___ 14________ 15 16______ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #15685 from articles/00108125 from sent11

Text  : Solidarnie więc wyciągają ręce po łapówki , solidarnie upijają się po pracy (  albo w  pracy )  i  peregrynują po warszawskich domach rozpusty .
Tokens: 1_________ 2___ 3________ 4___ 5_ 6______ 7 8_________ 9______ 10_ 11 12___ 13 14__ 15 16___ 17 18 19_________ 20 21__________ 22____ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #15686 from articles/00108125 from sent12

Text  : Łączą ich pożyczki , zdrady ( np . z żoną kolegi )  i  romanse (  np .  z  koleżanką z  pracy )  ,  ale też niechęć do tych ,  którzy w  policyjnej hierarchii stoją „  na górze ”  .
Tokens: 1____ 2__ 3_______ 4 5_____ 6 7_ 8 9 10__ 11____ 12 13 14_____ 15 16 17 18 19_______ 20 21___ 22 23 24_ 25_ 26_____ 27 28__ 29 30____ 31 32________ 33________ 34___ 35 36 37___ 38 39

Chunks:

(ChunkerEvaluator) Sentence #15687 from articles/00108125 from sent13

Text  : Jeśli świat , który z naturalistycznym pazurem pokazuje Smarzowski ,  traktować jak metaforę ,  jakie będą wnioski ?
Tokens: 1____ 2____ 3 4____ 5 6_______________ 7______ 8_______ 9_________ 10 11_______ 12_ 13______ 14 15___ 16__ 17_____ 18

Chunks:
  FalseNegative nam [9,9] = Smarzowski

(ChunkerEvaluator) Sentence #15688 from articles/00108125 from sent14

Text  : Żyjemy w kraju ludzi seksualnie niespełnionych i wygłodniałych , gotowych na niemal wszystko dla paruset złotych ,  lojalnych wobec siebie tylko do momentu ,  gdy na drodze lojalności stanie swój własny ,  egoistyczny interes .
Tokens: 1_____ 2 3____ 4____ 5_________ 6_____________ 7 8____________ 9 10______ 11 12____ 13______ 14_ 15_____ 16_____ 17 18_______ 19___ 20____ 21___ 22 23_____ 24 25_ 26 27____ 28________ 29____ 30__ 31____ 32 33_________ 34_____ 35

Chunks:
  TruePositive nam [16,16] = złotych

(ChunkerEvaluator) Sentence #15689 from articles/00108125 from sent15

Text  : Ale jest w tych bohaterach - nas ? - coś jeszcze :  jakieś odwieczne upokorzenie ,  nieuleczalny ,  polski kompleks ,  świadomość poniżenia ,  które trzeba sobie wynagrodzić .
Tokens: 1__ 2___ 3 4___ 5_________ 6 7__ 8 9 10_ 11_____ 12 13____ 14_______ 15_________ 16 17__________ 18 19____ 20______ 21 22________ 23_______ 24 25___ 26____ 27___ 28_________ 29

Chunks:

(ChunkerEvaluator) Sentence #15690 from articles/00108125 from sent16

Text  : Oczywiście władzą , którą w „ Drogówce ” dają pieniądze ,  seks ,  zwierzchnictwo w  pracy albo nawet płeć czy „  mocna głowa ”  pozwalająca wypić więcej niż innym .
Tokens: 1_________ 2_____ 3 4____ 5 6 7_______ 8 9___ 10_______ 11 12__ 13 14____________ 15 16___ 17__ 18___ 19__ 20_ 21 22___ 23___ 24 25_________ 26___ 27____ 28_ 29___ 30

Chunks:
  TruePositive nam [7,7] = Drogówce

(ChunkerEvaluator) Sentence #15691 from articles/00108125 from sent17

Text  : Chyba jeszcze nigdy Smarzowski nie oferował widzowi tak szalonej ,  filmowej jazdy bez trzymanki :  „  Drogówka ”  opływa wódą ,  krwią i  spermą w  sposób ,  który dla bardziej wrażliwych widzów może być trudny do wytrzymania .
Tokens: 1____ 2______ 3____ 4_________ 5__ 6_______ 7______ 8__ 9_______ 10 11______ 12___ 13_ 14_______ 15 16 17______ 18 19____ 20__ 21 22___ 23 24____ 25 26____ 27 28___ 29_ 30______ 31________ 32____ 33__ 34_ 35____ 36 37_________ 38

Chunks:
  TruePositive nam [17,17] = Drogówka
  FalseNegative nam [4,4] = Smarzowski

(ChunkerEvaluator) Sentence #15692 from articles/00108125 from sent18

Text  : Ktoś traci w dziwnych okolicznościach przyrodzenie , a ktoś inny kilka godzin z  pamięci ,  w  czasie których podobno zabił człowieka .
Tokens: 1___ 2____ 3 4_______ 5______________ 6___________ 7 8 9___ 10__ 11___ 12____ 13 14_____ 15 16 17____ 18_____ 19_____ 20___ 21_______ 22

Chunks:

(ChunkerEvaluator) Sentence #15693 from articles/00108125 from sent19

Text  : Reżyser - kapitalnie świadomy formy oczywiście , co widać i  w  sposobie fotografowania ,  i  w  piekielnie precyzyjnym montażu -  sprawia nawet wrażenie ,  jakby rezygnował ze swojej wszechwładzy i  pozwalał bohaterom pokazywać swój świat na własną rękę .
Tokens: 1______ 2 3_________ 4_______ 5____ 6_________ 7 8_ 9____ 10 11 12______ 13____________ 14 15 16 17________ 18_________ 19_____ 20 21_____ 22___ 23______ 24 25___ 26________ 27 28____ 29__________ 30 31______ 32_______ 33_______ 34__ 35___ 36 37____ 38__ 39

Chunks:

(ChunkerEvaluator) Sentence #15694 from articles/00108125 from sent20

Text  : Stąd wizualne rozedrganie , stąd ciągła obecność chropowatych , chaotycznych obrazków z  telefonów komórkowych ,  które nagrywają policjanci .
Tokens: 1___ 2_______ 3__________ 4 5___ 6_____ 7_______ 8___________ 9 10__________ 11______ 12 13_______ 14_________ 15 16___ 17_______ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #15695 from articles/00108125 from sent21

Text  : To w tych obrazkach kryje się klucz do bohaterów ,  do miasta .
Tokens: 1_ 2 3___ 4________ 5____ 6__ 7____ 8_ 9________ 10 11 12____ 13

Chunks:

(ChunkerEvaluator) Sentence #15696 from articles/00108125 from sent22

Text  : Ale też do fabularnej , sensacyjnej intrygi z morderstwem i  kasą w  tle ,  którą na własną rękę rozwikłać próbuje sierżant Król ,  czyli Bartłomiej Topa .
Tokens: 1__ 2__ 3_ 4_________ 5 6__________ 7______ 8 9__________ 10 11__ 12 13_ 14 15___ 16 17____ 18__ 19_______ 20_____ 21______ 22__ 23 24___ 25________ 26__ 27

Chunks:
  TruePositive nam [22,22] = Król
  TruePositive nam [25,26] = Bartłomiej Topa

(ChunkerEvaluator) Sentence #15697 from articles/00108125 from sent23

Text  : „ Drogówka ” kończy się tak , jak kończył się „  Dom zły ”  :  kamera ,  skupiona wcześniej na konkretach ,  jednostkach ,  detalach ,  w  finale oddala się od tego świata i  patrzy na niego z  góry .
Tokens: 1 2_______ 3 4_____ 5__ 6__ 7 8__ 9______ 10_ 11 12_ 13_ 14 15 16____ 17 18______ 19_______ 20 21________ 22 23_________ 24 25______ 26 27 28____ 29____ 30_ 31 32__ 33____ 34 35____ 36 37___ 38 39__ 40

Chunks:
  TruePositive nam [2,2] = Drogówka
  TruePositive nam [12,13] = Dom zły

(ChunkerEvaluator) Sentence #15698 from articles/00108125 from sent24

Text  : Co jednak z tej niemal boskiej perspektywy widać ?
Tokens: 1_ 2_____ 3 4__ 5_____ 6______ 7__________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #15699 from articles/00108125 from sent25

Text  : I czy nie zbyt prosto , zbyt łopatologicznie brzmi w  filmie diagnoza ,  że świat jest paskudny ,  wszyscy toną w  brudzie ,  a  jeśli pojawi się szlachetny gest buntu wobec zła ,  prędzej czy później zostanie ukarany ?
Tokens: 1 2__ 3__ 4___ 5_____ 6 7___ 8______________ 9____ 10 11____ 12______ 13 14 15___ 16__ 17______ 18 19_____ 20__ 21 22_____ 23 24 25___ 26____ 27_ 28________ 29__ 30___ 31___ 32_ 33 34_____ 35_ 36_____ 37______ 38_____ 39

Chunks:

(ChunkerEvaluator) Sentence #15700 from articles/00108125 from sent26

Text  : Każdy kolejny film Smarzowskiego jest wydarzeniem : to jeden z  tych rasowych twórców ,  od których nie sposób oczekiwać bubla .
Tokens: 1____ 2______ 3___ 4____________ 5___ 6__________ 7 8_ 9____ 10 11__ 12______ 13_____ 14 15 16_____ 17_ 18____ 19_______ 20___ 21

Chunks:
  FalseNegative nam [4,4] = Smarzowskiego

(ChunkerEvaluator) Sentence #15701 from articles/00108125 from sent27

Text  : Znów mamy więc rewelacyjny , aktorski dream - team (  od Bartłomieja Topy ,  Mariana Dziędziela i  Marcina Dorocińskiego po Arkadiusza Jakubika ,  Jacka Braciaka ,  Eryka Lubosa i  Julię Kijowską )  ,  znów pozwalamy się reżyserowi wodzić za nos ,  znów dajemy się zanurzyć w  piekło i  z  rozkoszą zatopić w  jego kolejnych kręgach .
Tokens: 1___ 2___ 3___ 4__________ 5 6_______ 7____ 8 9___ 10 11 12_________ 13__ 14 15_____ 16________ 17 18_____ 19___________ 20 21________ 22______ 23 24___ 25______ 26 27___ 28____ 29 30___ 31______ 32 33 34__ 35_______ 36_ 37________ 38____ 39 40_ 41 42__ 43____ 44_ 45______ 46 47____ 48 49 50______ 51_____ 52 53__ 54_______ 55_____ 56

Chunks:
  TruePositive nam [12,13] = Bartłomieja Topy
  TruePositive nam [15,16] = Mariana Dziędziela
  TruePositive nam [18,19] = Marcina Dorocińskiego
  TruePositive nam [21,22] = Arkadiusza Jakubika
  TruePositive nam [24,25] = Jacka Braciaka
  TruePositive nam [27,28] = Eryka Lubosa
  TruePositive nam [30,31] = Julię Kijowską

(ChunkerEvaluator) Sentence #15702 from articles/00108125 from sent28

Text  : A jednak rewelacyjnie zrobiona „ Drogówka ” wydaje się u  Smarzowskiego lekkim krokiem w  tył .
Tokens: 1 2_____ 3___________ 4_______ 5 6_______ 7 8_____ 9__ 10 11___________ 12____ 13_____ 14 15_ 16

Chunks:
  TruePositive nam [6,6] = Drogówka
  FalseNegative nam [11,11] = Smarzowskiego

(ChunkerEvaluator) Sentence #15703 from articles/00108125 from sent29

Text  : Bo to film błyskotliwie sprzedawanych oczywistości - kino jakby świadomie rezygnujące z  wielopiętrowych ,  znaczeniowych puzzli ,  ostro bijące po oczach ,  ale jak na tego reżysera dość powierzchowne i  operujące myślowymi ogólnikami ,  które -  również z  innych filmów -  dobrze znamy .
Tokens: 1_ 2_ 3___ 4___________ 5____________ 6___________ 7 8___ 9____ 10_______ 11_________ 12 13_____________ 14 15___________ 16____ 17 18___ 19____ 20 21____ 22 23_ 24_ 25 26__ 27______ 28__ 29___________ 30 31_______ 32_______ 33________ 34 35___ 36 37_____ 38 39____ 40____ 41 42____ 43___ 44

Chunks:

(ChunkerEvaluator) Sentence #15704 from articles/00108125 from sent30

Text  : Jeśli marudzę , to dlatego , że od Smarzowskiego oczekuję więcej niż od innych .
Tokens: 1____ 2______ 3 4_ 5______ 6 7_ 8_ 9____________ 10______ 11____ 12_ 13 14____ 15

Chunks:
  TruePositive nam [9,9] = Smarzowskiego

(ChunkerEvaluator) Sentence #15705 from articles/00108125 from sent31

Text  : Co nie znaczy , że można „ Drogówkę ” zignorować :  to film jakby zrobiony w  gorączce ,  bo o  łapanym w  biegu tu i  teraz .
Tokens: 1_ 2__ 3_____ 4 5_ 6____ 7 8_______ 9 10________ 11 12 13__ 14___ 15______ 16 17______ 18 19 20 21_____ 22 23___ 24 25 26___ 27

Chunks:
  TruePositive nam [8,8] = Drogówkę

(ChunkerEvaluator) Sentence #15706 from articles/00108125 from sent32

Text  : Mam wrażenie , że w kinach będzie hitem .
Tokens: 1__ 2_______ 3 4_ 5 6_____ 7_____ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #15707 from articles/00108125 from sent33

Text  : Polska 2013 .
Tokens: 1_____ 2___ 3

Chunks:
  TruePositive nam [1,1] = Polska

(ChunkerEvaluator) Sentence #15708 from articles/00108125 from sent34

Text  : Reż . Wojtek Smarzowski .
Tokens: 1__ 2 3_____ 4_________ 5

Chunks:
  TruePositive nam [3,4] = Wojtek Smarzowski

(ChunkerEvaluator) Sentence #15709 from articles/00108125 from sent35

Text  : Aktorzy : Bartłomiej Topa , Marian Dziędziel , Julia Kijowska ,  Marcin Dorociński ,  Arkadiusz Jakubik ,  Jacek Braciak ,  Eryk Lubos .
Tokens: 1______ 2 3_________ 4___ 5 6_____ 7________ 8 9____ 10______ 11 12____ 13________ 14 15_______ 16_____ 17 18___ 19_____ 20 21__ 22___ 23

Chunks:
  TruePositive nam [3,4] = Bartłomiej Topa
  TruePositive nam [6,7] = Marian Dziędziel
  TruePositive nam [9,10] = Julia Kijowska
  TruePositive nam [12,13] = Marcin Dorociński
  TruePositive nam [15,16] = Arkadiusz Jakubik
  TruePositive nam [18,19] = Jacek Braciak
  TruePositive nam [21,22] = Eryk Lubos

(ChunkerEvaluator) Sentence #15710 from articles/00108125 from sent36

Text  : Ocena filmu : * * * *
Tokens: 1____ 2____ 3 4 5 6 7

Chunks:

(ChunkerEvaluator) Sentence #15711 from articles/00108125 from sent37

Text  : Legenda : * ( beznadziejny ) , * * (  słaby )  ,  *  *  *  (  przyzwoity )  ,  *  *  *  *  (  warto zobaczyć )  ,  *  *  *  *  *  (  bardzo dobry )  ,  *  *  *  *  *  *  (  wybitny )
Tokens: 1______ 2 3 4 5___________ 6 7 8 9 10 11___ 12 13 14 15 16 17 18________ 19 20 21 22 23 24 25 26___ 27______ 28 29 30 31 32 33 34 35 36____ 37___ 38 39 40 41 42 43 44 45 46 47_____ 48

Chunks:
  FalsePositive nam [1,1] = Legenda

2016-10-27 15:00:32,523 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 677 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108126.xml
(ChunkerEvaluator) Sentence #15712 from articles/00108126 from sent1

Text  : Za trzynastki samorządy grożą sądem
Tokens: 1_ 2_________ 3________ 4____ 5____

Chunks:
  FalseNegative nam [2,2] = trzynastki

(ChunkerEvaluator) Sentence #15713 from articles/00108126 from sent2

Text  : Będziemy musieli wydać na trzynastki własne pieniądze .
Tokens: 1_______ 2______ 3____ 4_ 5_________ 6_____ 7________ 8

Chunks:
  FalseNegative nam [5,5] = trzynastki

(ChunkerEvaluator) Sentence #15714 from articles/00108126 from sent3

Text  : Ostrzegamy stronę rządową , że będziemy bezwzględni w tej kwestii .
Tokens: 1_________ 2_____ 3______ 4 5_ 6_______ 7__________ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #15715 from articles/00108126 from sent4

Text  : Możemy wystąpić do sądu o odszkodowania & amp ; #  8211 ;  mówi Mariusz Poznański .
Tokens: 1_____ 2_______ 3_ 4___ 5 6____________ 7 8__ 9 10 11__ 12 13__ 14_____ 15_______ 16

Chunks:
  TruePositive nam [14,15] = Mariusz Poznański

(ChunkerEvaluator) Sentence #15716 from articles/00108126 from sent5

Text  : Na posiedzeniu Komisji Wspólnej Rządu i Samorządu Terytorialnego samorządowcy po raz kolejny nie zaopiniowali przygotowanego przez Rządowe Centrum Legislacji projektu ustawy o  dodatkowym wynagrodzeniu rocznym dla pracowników jednostek sfery budżetowej .
Tokens: 1_ 2__________ 3______ 4_______ 5____ 6 7________ 8_____________ 9___________ 10 11_ 12_____ 13_ 14__________ 15____________ 16___ 17_____ 18_____ 19________ 20______ 21____ 22 23________ 24___________ 25_____ 26_ 27_________ 28_______ 29___ 30________ 31

Chunks:
  TruePositive nam [17,19] = Rządowe Centrum Legislacji
  FalsePositive nam [7,8] = Samorządu Terytorialnego
  FalseNegative nam [3,8] = Komisji Wspólnej Rządu i Samorządu Terytorialnego

(ChunkerEvaluator) Sentence #15717 from articles/00108126 from sent6

Text  : Czytaj też : Trzynastka domaga się wyliczeń
Tokens: 1_____ 2__ 3 4_________ 5_____ 6__ 7_______

Chunks:
  TruePositive nam [4,4] = Trzynastka

(ChunkerEvaluator) Sentence #15718 from articles/00108126 from sent7

Text  : Dokument przewiduje wliczanie urlopu macierzyńskiego do okresu uprawniającego do dodatkowego wynagrodzenia rocznego .
Tokens: 1_______ 2_________ 3________ 4_____ 5______________ 6_ 7_____ 8_____________ 9_ 10_________ 11___________ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #15719 from articles/00108126 from sent8

Text  : - Jest to zadanie , którego nie było i w  projekcie nie ma określonego źródła finansowania .
Tokens: 1 2___ 3_ 4______ 5 6______ 7__ 8___ 9 10 11_______ 12_ 13 14_________ 15____ 16__________ 17

Chunks:

(ChunkerEvaluator) Sentence #15720 from articles/00108126 from sent9

Text  : Dlatego trudno wydać jakąkolwiek pozytywną opinię - stwierdził Ryszard Grobelny ,  prezydent Poznania .
Tokens: 1______ 2_____ 3____ 4__________ 5________ 6_____ 7 8_________ 9______ 10______ 11 12_______ 13______ 14

Chunks:
  TruePositive nam [9,10] = Ryszard Grobelny
  TruePositive nam [13,13] = Poznania

(ChunkerEvaluator) Sentence #15721 from articles/00108126 from sent10

Text  : Czytaj też : Trzynastka na urlopie macierzyńskim
Tokens: 1_____ 2__ 3 4_________ 5_ 6______ 7____________

Chunks:
  TruePositive nam [4,4] = Trzynastka

(ChunkerEvaluator) Sentence #15722 from articles/00108126 from sent11

Text  : Współprzewodniczący komisji Mariusz Poznański dodał , że samorządy będą musiały wydać na trzynastki własne pieniądze ,  ale oczekują na rozwiązania ,  które im te środki zwrócą w  przyszłości .
Tokens: 1__________________ 2______ 3______ 4________ 5____ 6 7_ 8________ 9___ 10_____ 11___ 12 13________ 14____ 15_______ 16 17_ 18______ 19 20_________ 21 22___ 23 24 25____ 26____ 27 28_________ 29

Chunks:
  TruePositive nam [3,4] = Mariusz Poznański
  FalseNegative nam [13,13] = trzynastki

(ChunkerEvaluator) Sentence #15723 from articles/00108126 from sent12

Text  : - Możemy wystąpić do sądu o odszkodowania w tej kwestii .
Tokens: 1 2_____ 3_______ 4_ 5___ 6 7____________ 8 9__ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #15724 from articles/00108126 from sent13

Text  : Ostrzegamy stronę rządową , że będziemy bezwzględni - podkreśla Mariusz Poznański .
Tokens: 1_________ 2_____ 3______ 4 5_ 6_______ 7__________ 8 9________ 10_____ 11_______ 12

Chunks:
  TruePositive nam [10,11] = Mariusz Poznański

(ChunkerEvaluator) Sentence #15725 from articles/00108126 from sent14

Text  : Czytaj też : Trzynastka matkom się należy
Tokens: 1_____ 2__ 3 4_________ 5_____ 6__ 7_____

Chunks:
  FalseNegative nam [4,4] = Trzynastka

(ChunkerEvaluator) Sentence #15726 from articles/00108126 from sent15

Text  : Zespół finansów już wcześniej odmówił zaopiniowania projektu ze względu na brak wyliczenia skutków finansowych dla budżetów samorządów .
Tokens: 1_____ 2_______ 3__ 4________ 5______ 6____________ 7_______ 8_ 9______ 10 11__ 12________ 13_____ 14_________ 15_ 16______ 17________ 18

Chunks:

(ChunkerEvaluator) Sentence #15727 from articles/00108126 from sent16

Text  : Samorządowcy napisali nawet do ministra Michała Boniego pismo , w  którym tłumaczyli ,  że „  strona samorządowa odmawia zaopiniowania projektu jako niespełniającego wymogu art .  50 ust .  1  pkt .  2  ustawy o  finansach publicznych i  niewskazanie źródeł finansowych nowych wydatków samorządów "  .
Tokens: 1___________ 2_______ 3____ 4_ 5_______ 6______ 7______ 8____ 9 10 11____ 12________ 13 14 15 16____ 17_________ 18_____ 19___________ 20______ 21__ 22______________ 23____ 24_ 25 26 27_ 28 29 30_ 31 32 33____ 34 35_______ 36_________ 37 38__________ 39____ 40_________ 41____ 42______ 43________ 44 45

Chunks:
  TruePositive nam [6,7] = Michała Boniego

(ChunkerEvaluator) Sentence #15728 from articles/00108126 from sent17

Text  : Czytaj też : Trzynastka na macierzyńskim z puli na nagrody
Tokens: 1_____ 2__ 3 4_________ 5_ 6____________ 7 8___ 9_ 10_____

Chunks:
  TruePositive nam [4,4] = Trzynastka

(ChunkerEvaluator) Sentence #15729 from articles/00108126 from sent18

Text  : W sprawie trzynastek wypowiedział się Trybunał Konstytucyjny .
Tokens: 1 2______ 3_________ 4___________ 5__ 6_______ 7____________ 8

Chunks:
  TruePositive nam [6,7] = Trybunał Konstytucyjny
  FalseNegative nam [3,3] = trzynastek

(ChunkerEvaluator) Sentence #15730 from articles/00108126 from sent19

Text  : Sędziowie orzekli , że przepis odbierający prawo do trzynastki pracownicom korzystającym z  urlopów macierzyńskich i  zwolnień związanych z  rodzicielstwem ,  jest niezgodny z  konstytucją .
Tokens: 1________ 2______ 3 4_ 5______ 6__________ 7____ 8_ 9_________ 10_________ 11___________ 12 13_____ 14____________ 15 16______ 17________ 18 19____________ 20 21__ 22_______ 23 24_________ 25

Chunks:
  FalseNegative nam [9,9] = trzynastki

2016-10-27 15:00:32,613 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 678 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108127.xml
(ChunkerEvaluator) Sentence #15731 from articles/00108127 from sent1

Text  : Spór o datę śmierci Korczaka .
Tokens: 1___ 2 3___ 4______ 5_______ 6

Chunks:
  TruePositive nam [5,5] = Korczaka

(ChunkerEvaluator) Sentence #15732 from articles/00108127 from sent2

Text  : Proces zawieszony
Tokens: 1_____ 2_________

Chunks:

(ChunkerEvaluator) Sentence #15733 from articles/00108127 from sent3

Text  : Kiedy zmarł polski pisarz Janusz Korczak ?
Tokens: 1____ 2____ 3_____ 4_____ 5_____ 6______ 7

Chunks:
  TruePositive nam [5,6] = Janusz Korczak

(ChunkerEvaluator) Sentence #15734 from articles/00108127 from sent4

Text  : Miał to rozstrzygnąć precedensowy proces przed sądem cywilnym w Lublinie .
Tokens: 1___ 2_ 3___________ 4___________ 5_____ 6____ 7____ 8_______ 9 10______ 11

Chunks:
  TruePositive nam [10,10] = Lublinie

(ChunkerEvaluator) Sentence #15735 from articles/00108127 from sent5

Text  : Ale - jak dowiaduje się TOK FM - na razie nie ma na to szans .
Tokens: 1__ 2 3__ 4________ 5__ 6__ 7_ 8 9_ 10___ 11_ 12 13 14 15___ 16

Chunks:
  TruePositive nam [6,7] = TOK FM

(ChunkerEvaluator) Sentence #15736 from articles/00108127 from sent6

Text  : Pozew o ustalenie daty śmierci Korczaka złożyła Fundacja „ Nowoczesna Polska ”  .
Tokens: 1____ 2 3________ 4___ 5______ 6_______ 7______ 8_______ 9 10________ 11____ 12 13

Chunks:
  TruePositive nam [6,6] = Korczaka
  FalsePositive nam [8,11] = Fundacja „ Nowoczesna Polska
  FalseNegative nam [8,12] = Fundacja „ Nowoczesna Polska ”

(ChunkerEvaluator) Sentence #15737 from articles/00108127 from sent7

Text  : Fundacja zajmuje się m . in . publikacją w sieci dzieł ,  których okres ochrony praw autorskich już minął .
Tokens: 1_______ 2______ 3__ 4 5 6_ 7 8_________ 9 10___ 11___ 12 13_____ 14___ 15_____ 16__ 17________ 18_ 19___ 20

Chunks:
  TruePositive nam [1,1] = Fundacja

(ChunkerEvaluator) Sentence #15738 from articles/00108127 from sent8

Text  : W tej sprawie także chodziło o ochronę praw autorskich .
Tokens: 1 2__ 3______ 4____ 5_______ 6 7______ 8___ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15739 from articles/00108127 from sent9

Text  : Ochrona to 70 lat od śmierci autora ; potem jego działa można publikować .
Tokens: 1______ 2_ 3_ 4__ 5_ 6______ 7_____ 8 9____ 10__ 11____ 12___ 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #15740 from articles/00108127 from sent10

Text  : W przypadku Korczaka nie znamy dokładnej daty śmierci .
Tokens: 1 2________ 3_______ 4__ 5____ 6________ 7___ 8______ 9

Chunks:
  TruePositive nam [3,3] = Korczaka

(ChunkerEvaluator) Sentence #15741 from articles/00108127 from sent11

Text  : Wiadomo , że zginął w drodze do Treblinki , albo w  samym obozie w  1942 r  .
Tokens: 1______ 2 3_ 4_____ 5 6_____ 7_ 8________ 9 10__ 11 12___ 13____ 14 15__ 16 17

Chunks:
  TruePositive nam [8,8] = Treblinki

(ChunkerEvaluator) Sentence #15742 from articles/00108127 from sent12

Text  : I w tym problem .
Tokens: 1 2 3__ 4______ 5

Chunks:

(ChunkerEvaluator) Sentence #15743 from articles/00108127 from sent13

Text  : Jeśli sąd uznał by za datę śmierci rok 1942 ,  dzieła Korczaka można by publikować już teraz .
Tokens: 1____ 2__ 3____ 4_ 5_ 6___ 7______ 8__ 9___ 10 11____ 12______ 13___ 14 15________ 16_ 17___ 18

Chunks:
  TruePositive nam [12,12] = Korczaka

(ChunkerEvaluator) Sentence #15744 from articles/00108127 from sent14

Text  : Ale po wojnie uznano Korczaka za zmarłego w 1946 roku .
Tokens: 1__ 2_ 3_____ 4_____ 5_______ 6_ 7_______ 8 9___ 10__ 11

Chunks:
  TruePositive nam [5,5] = Korczaka

(ChunkerEvaluator) Sentence #15745 from articles/00108127 from sent15

Text  : Tak robiono w wielu przypadkach , gdy nie znano okoliczności śmierci -  wpisywano wtedy w  dokumenty datę rok po zakończeniu wojny .
Tokens: 1__ 2______ 3 4____ 5__________ 6 7__ 8__ 9____ 10__________ 11_____ 12 13_______ 14___ 15 16_______ 17__ 18_ 19 20_________ 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #15746 from articles/00108127 from sent16

Text  : W 1954 r . wniosek o uznanie Korczaka za zmarłego złożyła w  sądzie Janina Gołębiewska .
Tokens: 1 2___ 3 4 5______ 6 7______ 8_______ 9_ 10______ 11_____ 12 13____ 14____ 15_________ 16

Chunks:
  TruePositive nam [8,8] = Korczaka
  TruePositive nam [14,15] = Janina Gołębiewska

(ChunkerEvaluator) Sentence #15747 from articles/00108127 from sent17

Text  : Sąd wydał postanowienie , wpisując w akt zgonu właśnie rok 1946 .
Tokens: 1__ 2____ 3____________ 4 5_______ 6 7__ 8____ 9______ 10_ 11__ 12

Chunks:

(ChunkerEvaluator) Sentence #15748 from articles/00108127 from sent18

Text  : Dla publikacji dzieł pisarza w internecie to ważna różnica -  jeśli teraz lubelski sąd cywilny uznał by ten rok za datę śmierci ,  to majątkowe prawa autorskie do utworów Korczaka wygasły by dopiero pod koniec 2016 r  .
Tokens: 1__ 2_________ 3____ 4______ 5 6_________ 7_ 8____ 9______ 10 11___ 12___ 13______ 14_ 15_____ 16___ 17 18_ 19_ 20 21__ 22_____ 23 24 25_______ 26___ 27_______ 28 29_____ 30______ 31_____ 32 33_____ 34_ 35____ 36__ 37 38

Chunks:
  TruePositive nam [30,30] = Korczaka
  FalsePositive nam [6,6] = internecie

(ChunkerEvaluator) Sentence #15749 from articles/00108127 from sent19

Text  : Ale sąd uznał , że trzeba znaleźć spadkobierców Janiny Gołębiewskiej ,  gdyż powinni być oni uczestnikami postępowania .
Tokens: 1__ 2__ 3____ 4 5_ 6_____ 7______ 8____________ 9_____ 10___________ 11 12__ 13_____ 14_ 15_ 16__________ 17__________ 18

Chunks:
  TruePositive nam [9,10] = Janiny Gołębiewskiej

(ChunkerEvaluator) Sentence #15750 from articles/00108127 from sent20

Text  : To się nie udało , dlatego - jak informuje rzecznik sądu sędzia Artur Ozimek -  proces zawieszono .
Tokens: 1_ 2__ 3__ 4____ 5 6______ 7 8__ 9________ 10______ 11__ 12____ 13___ 14____ 15 16____ 17________ 18

Chunks:
  TruePositive nam [13,14] = Artur Ozimek

2016-10-27 15:00:32,699 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 679 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108128.xml
(ChunkerEvaluator) Sentence #15751 from articles/00108128 from sent1

Text  : Radni chcą obcięcia budżetu galerii Arsenał
Tokens: 1____ 2___ 3_______ 4______ 5______ 6______

Chunks:
  TruePositive nam [6,6] = Arsenał

(ChunkerEvaluator) Sentence #15752 from articles/00108128 from sent2

Text  : Galeria Arsenał może nie zorganizować już żadnej nowej wystawy w  tym roku .
Tokens: 1______ 2______ 3___ 4__ 5___________ 6__ 7_____ 8____ 9______ 10 11_ 12__ 13

Chunks:
  FalsePositive nam [1,2] = Galeria Arsenał
  FalseNegative nam [2,2] = Arsenał

(ChunkerEvaluator) Sentence #15753 from articles/00108128 from sent3

Text  : Powód ?
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #15754 from articles/00108128 from sent4

Text  : Komisja kultury Rady Miejskiej chce obciąć budżet galerii o 20 proc .
Tokens: 1______ 2______ 3___ 4________ 5___ 6_____ 7_____ 8______ 9 10 11__ 12

Chunks:
  FalsePositive nam [3,4] = Rady Miejskiej
  FalseNegative nam [1,4] = Komisja kultury Rady Miejskiej

(ChunkerEvaluator) Sentence #15755 from articles/00108128 from sent5

Text  : Radna Beata Antypiuk : - Galeria nie przekazuje piękna ,  prawie milion złotych idzie na demoralizację !
Tokens: 1____ 2____ 3_______ 4 5 6______ 7__ 8_________ 9_____ 10 11____ 12____ 13_____ 14___ 15 16___________ 17

Chunks:
  TruePositive nam [2,3] = Beata Antypiuk
  TruePositive nam [13,13] = złotych
  FalsePositive nam [6,6] = Galeria

(ChunkerEvaluator) Sentence #15756 from articles/00108128 from sent6

Text  : Obnażony Arsenał
Tokens: 1_______ 2______

Chunks:
  TruePositive nam [2,2] = Arsenał

(ChunkerEvaluator) Sentence #15757 from articles/00108128 from sent7

Text  : Galeria Arsenał może nie zorganizować już żadnej nowej wystawy w  tym roku .
Tokens: 1______ 2______ 3___ 4__ 5___________ 6__ 7_____ 8____ 9______ 10 11_ 12__ 13

Chunks:
  FalsePositive nam [1,2] = Galeria Arsenał
  FalseNegative nam [2,2] = Arsenał

(ChunkerEvaluator) Sentence #15758 from articles/00108128 from sent8

Text  : Powód ?
Tokens: 1____ 2

Chunks:

(ChunkerEvaluator) Sentence #15759 from articles/00108128 from sent9

Text  : Komisja kultury Rady Miejskiej chce obciąć budżet galerii o 20 proc .
Tokens: 1______ 2______ 3___ 4________ 5___ 6_____ 7_____ 8______ 9 10 11__ 12

Chunks:
  FalsePositive nam [3,4] = Rady Miejskiej
  FalseNegative nam [1,4] = Komisja kultury Rady Miejskiej

(ChunkerEvaluator) Sentence #15760 from articles/00108128 from sent10

Text  : Radna Beata Antypiuk : - Galeria nie przekazuje piękna ,  prawie milion złotych idzie na demoralizację !
Tokens: 1____ 2____ 3_______ 4 5 6______ 7__ 8_________ 9_____ 10 11____ 12____ 13_____ 14___ 15 16___________ 17

Chunks:
  TruePositive nam [2,3] = Beata Antypiuk
  TruePositive nam [13,13] = złotych
  FalsePositive nam [6,6] = Galeria

(ChunkerEvaluator) Sentence #15761 from articles/00108128 from sent11

Text  : Jeszcze miesiąc temu nic nie zapowiadało dramatycznej sytuacji .
Tokens: 1______ 2______ 3___ 4__ 5__ 6__________ 7___________ 8_______ 9

Chunks:

(ChunkerEvaluator) Sentence #15762 from articles/00108128 from sent12

Text  : Galeria wystąpiła z wnioskiem o budżet w wysokości 1 ,  050 mln zł .
Tokens: 1______ 2________ 3 4________ 5 6_____ 7 8________ 9 10 11_ 12_ 13 14

Chunks:
  TruePositive nam [13,13] = zł
  FalsePositive nam [1,1] = Galeria

(ChunkerEvaluator) Sentence #15763 from articles/00108128 from sent13

Text  : Urząd Miejski skorygował tę kwotę do 980 tys . zł (  na działania podstawowe i  samochód )  .
Tokens: 1____ 2______ 3_________ 4_ 5____ 6_ 7__ 8__ 9 10 11 12 13_______ 14________ 15 16______ 17 18

Chunks:
  TruePositive nam [1,2] = Urząd Miejski
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #15764 from articles/00108128 from sent14

Text  : Galeria na cięcia była przygotowana , nie dramatyzowała .
Tokens: 1______ 2_ 3_____ 4___ 5___________ 6 7__ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #15765 from articles/00108128 from sent15

Text  : Tymczasem komisja kultury RM kwotę tę postanowiła obciąć jeszcze o  10 proc .
Tokens: 1________ 2______ 3______ 4_ 5____ 6_ 7__________ 8_____ 9______ 10 11 12__ 13

Chunks:
  TruePositive nam [4,4] = RM
  FalseNegative nam [2,3] = komisja kultury

(ChunkerEvaluator) Sentence #15766 from articles/00108128 from sent16

Text  : Wniosek powędrował do komisji finansów , ta jednak wniosku nie uwzględniła .
Tokens: 1______ 2_________ 3_ 4______ 5_______ 6 7_ 8_____ 9______ 10_ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #15767 from articles/00108128 from sent17

Text  : Galeria odetchnęła , ale nie na długo .
Tokens: 1______ 2_________ 3 4__ 5__ 6_ 7____ 8

Chunks:
  FalsePositive nam [1,1] = Galeria

(ChunkerEvaluator) Sentence #15768 from articles/00108128 from sent18

Text  : Przedwczoraj bowiem komisja kultury zażądała obcięcia budżetu galerii . .  .  o  20 proc .
Tokens: 1___________ 2_____ 3______ 4______ 5_______ 6_______ 7______ 8______ 9 10 11 12 13 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #15769 from articles/00108128 from sent19

Text  : Taki wniosek zgłosiła Katarzyna Dec , 28 - letnia katechetka z  klubu LPR .
Tokens: 1___ 2______ 3_______ 4________ 5__ 6 7_ 8 9_____ 10________ 11 12___ 13_ 14

Chunks:
  TruePositive nam [4,5] = Katarzyna Dec
  TruePositive nam [13,13] = LPR

(ChunkerEvaluator) Sentence #15770 from articles/00108128 from sent20

Text  : - Teraz to można uznać za demonstrację , ale skoro poprzedniego wniosku prezydent w  ogóle nie wziął pod uwagę .  .  .  -  tłumaczy jej klubowa koleżanka ,  radna Beata Antypiuk .
Tokens: 1 2____ 3_ 4____ 5____ 6_ 7___________ 8 9__ 10___ 11__________ 12_____ 13_______ 14 15___ 16_ 17___ 18_ 19___ 20 21 22 23 24______ 25_ 26_____ 27_______ 28 29___ 30___ 31______ 32

Chunks:
  TruePositive nam [30,31] = Beata Antypiuk

(ChunkerEvaluator) Sentence #15771 from articles/00108128 from sent21

Text  : Jeśli propozycja komisji spodoba się pozostałym radnym i przejdzie na sesji -  galerii wystarczy pieniędzy tylko na utrzymanie budynku i  płace .
Tokens: 1____ 2_________ 3______ 4______ 5__ 6_________ 7_____ 8 9________ 10 11___ 12 13_____ 14_______ 15_______ 16___ 17 18________ 19_____ 20 21___ 22

Chunks:

(ChunkerEvaluator) Sentence #15772 from articles/00108128 from sent22

Text  : - Nie przygotujemy żadnej nowej wystawy , nie starczy nam pieniędzy na działalność oświatową ,  nawet na zaproszenia zabraknie .
Tokens: 1 2__ 3___________ 4_____ 5____ 6______ 7 8__ 9______ 10_ 11_______ 12 13_________ 14_______ 15 16___ 17 18_________ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #15773 from articles/00108128 from sent23

Text  : To pierwszy krok do powolnego zamykania galerii - mówi Monika Szewczyk ,  szefowa galerii Arsenał .
Tokens: 1_ 2_______ 3___ 4_ 5________ 6________ 7______ 8 9___ 10____ 11______ 12 13_____ 14_____ 15_____ 16

Chunks:
  TruePositive nam [10,11] = Monika Szewczyk
  TruePositive nam [15,15] = Arsenał

(ChunkerEvaluator) Sentence #15774 from articles/00108128 from sent24

Text  : Galeria - jedna z najlepszych w kraju - już wcześniej nie cieszyła się szczególnym uznaniem wśród niektórych radnych (  szczególnie skrajnie prawicowych )  .
Tokens: 1______ 2 3____ 4 5__________ 6 7____ 8 9__ 10_______ 11_ 12______ 13_ 14_________ 15______ 16___ 17________ 18_____ 19 20_________ 21______ 22_________ 23 24

Chunks:
  FalsePositive nam [1,1] = Galeria

(ChunkerEvaluator) Sentence #15775 from articles/00108128 from sent25

Text  : Kilka razy zarzucano jej kontrowersyjność prezentacji .
Tokens: 1____ 2___ 3________ 4__ 5_______________ 6__________ 7

Chunks:

(ChunkerEvaluator) Sentence #15776 from articles/00108128 from sent26

Text  : Teraz oliwy do ognia dolała otwarta przed tygodniem interesująca wystawa Katarzyny Korzenieckiej ,  która prezentuje płótna -  fotografie nagich kobiet ,  mężczyzn i  przytulonych par .
Tokens: 1____ 2____ 3_ 4____ 5_____ 6______ 7____ 8________ 9___________ 10_____ 11_______ 12___________ 13 14___ 15________ 16____ 17 18________ 19____ 20____ 21 22______ 23 24__________ 25_ 26

Chunks:
  TruePositive nam [11,12] = Katarzyny Korzenieckiej

(ChunkerEvaluator) Sentence #15777 from articles/00108128 from sent27

Text  : Przedwczoraj w galerii odbyło się specjalne posiedzenie w galerii .
Tokens: 1___________ 2 3______ 4_____ 5__ 6________ 7__________ 8 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #15778 from articles/00108128 from sent28

Text  : Dla niektórych radnych była to pierwsza wizyta w tym miejscu ,  a  wystawa Korzenieckiej -  jedyna ,  jaką widzieli .
Tokens: 1__ 2_________ 3______ 4___ 5_ 6_______ 7_____ 8 9__ 10_____ 11 12 13_____ 14___________ 15 16____ 17 18__ 19______ 20

Chunks:
  FalseNegative nam [14,14] = Korzenieckiej

(ChunkerEvaluator) Sentence #15779 from articles/00108128 from sent29

Text  : Radni z kręgów prawicowych zareagowali z oburzeniem : „ pornografia ”  ,  „  to żenujące ”  .
Tokens: 1____ 2 3_____ 4__________ 5__________ 6 7_________ 8 9 10_________ 11 12 13 14 15______ 16 17

Chunks:

(ChunkerEvaluator) Sentence #15780 from articles/00108128 from sent30

Text  : Nie wszyscy członkowie komisji optowali za obcięciem budżetu .
Tokens: 1__ 2______ 3_________ 4______ 5_______ 6_ 7________ 8______ 9

Chunks:

(ChunkerEvaluator) Sentence #15781 from articles/00108128 from sent31

Text  : Jednak przeważyła większość .
Tokens: 1_____ 2_________ 3________ 4

Chunks:

(ChunkerEvaluator) Sentence #15782 from articles/00108128 from sent32

Text  : Nie pomogły argumenty , że Arsenał jest jedyną galerią w  mieście ,  której samodzielnie udaje się zdobyć granty na projekty .
Tokens: 1__ 2______ 3________ 4 5_ 6______ 7___ 8_____ 9______ 10 11_____ 12 13____ 14__________ 15___ 16_ 17____ 18____ 19 20______ 21

Chunks:
  TruePositive nam [6,6] = Arsenał

(ChunkerEvaluator) Sentence #15783 from articles/00108128 from sent33

Text  : W ub . r . zdobyła łącznie 300 tys .  zł (  30 proc .  budżetu )  od tak prestiżowych instytucji ,  jak np .  :  Fundacja Batorego ,  British Council ,  Instytut Adama Mickiewicza .
Tokens: 1 2_ 3 4 5 6______ 7______ 8__ 9__ 10 11 12 13 14__ 15 16_____ 17 18 19_ 20__________ 21________ 22 23_ 24 25 26 27______ 28______ 29 30_____ 31_____ 32 33______ 34___ 35_________ 36

Chunks:
  TruePositive nam [11,11] = zł
  TruePositive nam [27,28] = Fundacja Batorego
  TruePositive nam [30,31] = British Council
  TruePositive nam [33,35] = Instytut Adama Mickiewicza

(ChunkerEvaluator) Sentence #15784 from articles/00108128 from sent34

Text  : - Takie instytucje dają pieniądze dopiero wtedy , kiedy projekt wydaje im się społecznie potrzebny .
Tokens: 1 2____ 3_________ 4___ 5________ 6______ 7____ 8 9____ 10_____ 11____ 12 13_ 14________ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #15785 from articles/00108128 from sent35

Text  : Nie rozumiem więc zastrzeżeń niektórych radnych , jakoby śmy marnotrawili pieniądze -  mówi Monika Szewczyk .
Tokens: 1__ 2_______ 3___ 4_________ 5_________ 6______ 7 8_____ 9__ 10__________ 11_______ 12 13__ 14____ 15______ 16

Chunks:
  TruePositive nam [14,15] = Monika Szewczyk

(ChunkerEvaluator) Sentence #15786 from articles/00108128 from sent36

Text  : Ale i ten argument dla niektórych radnych ma inną wymowę :  -  Skoro wypracowali środki ,  to i  dalej sobie poradzą .
Tokens: 1__ 2 3__ 4_______ 5__ 6_________ 7______ 8_ 9___ 10____ 11 12 13___ 14_________ 15____ 16 17 18 19___ 20___ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #15787 from articles/00108128 from sent37

Text  : Radna Antypiuk : - A najlepiej niech się sprywatyzują .
Tokens: 1____ 2_______ 3 4 5 6________ 7____ 8__ 9___________ 10

Chunks:
  FalsePositive nam [1,2] = Radna Antypiuk
  FalseNegative nam [2,2] = Antypiuk

(ChunkerEvaluator) Sentence #15788 from articles/00108128 from sent38

Text  : Galerii broni wiceprezydent Ryszard Zimnoch : - Gdyby radni mieli więcej czasu i  chodzili na wystawy ,  to wyrobili by sobie precyzyjniejsze zdanie na temat galerii .
Tokens: 1______ 2____ 3____________ 4______ 5______ 6 7 8____ 9____ 10___ 11____ 12___ 13 14______ 15 16_____ 17 18 19______ 20 21___ 22_____________ 23____ 24 25___ 26_____ 27

Chunks:
  TruePositive nam [4,5] = Ryszard Zimnoch

(ChunkerEvaluator) Sentence #15789 from articles/00108128 from sent39

Text  : Ja uważam , że Arsenał jest potrzebny .
Tokens: 1_ 2_____ 3 4_ 5______ 6___ 7________ 8

Chunks:
  TruePositive nam [5,5] = Arsenał

(ChunkerEvaluator) Sentence #15790 from articles/00108128 from sent40

Text  : Pokazuje , co akurat się dzieje w sztuce współczesnej .
Tokens: 1_______ 2 3_ 4_____ 5__ 6_____ 7 8_____ 9___________ 10

Chunks:

(ChunkerEvaluator) Sentence #15791 from articles/00108128 from sent41

Text  : Na szczęście opinia komisji to na razie wniosek na sesję .
Tokens: 1_ 2________ 3_____ 4______ 5_ 6_ 7____ 8______ 9_ 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #15792 from articles/00108128 from sent42

Text  : Jeszcze nie decyzja .
Tokens: 1______ 2__ 3______ 4

Chunks:

2016-10-27 15:00:32,888 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 680 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108129.xml
(ChunkerEvaluator) Sentence #15793 from articles/00108129 from sent1

Text  : Wisła Kraków .
Tokens: 1____ 2_____ 3

Chunks:
  FalsePositive nam [2,2] = Kraków
  FalseNegative nam [1,2] = Wisła Kraków

(ChunkerEvaluator) Sentence #15794 from articles/00108129 from sent2

Text  : Rafał Boguski nie pasuje do stereotypu piłkarza .
Tokens: 1____ 2______ 3__ 4_____ 5_ 6_________ 7_______ 8

Chunks:
  TruePositive nam [1,2] = Rafał Boguski

(ChunkerEvaluator) Sentence #15795 from articles/00108129 from sent3

Text  : Pochłania książki , lubi teatr i operę
Tokens: 1________ 2______ 3 4___ 5____ 6 7____

Chunks:

(ChunkerEvaluator) Sentence #15796 from articles/00108129 from sent4

Text  : Woli mówić o sztuce niż o piłkarskiej przyszłości , a  tematem tabu są kontuzje .
Tokens: 1___ 2____ 3 4_____ 5__ 6 7__________ 8__________ 9 10 11_____ 12__ 13 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #15797 from articles/00108129 from sent5

Text  : - Lubię teatr i operę , ale to chyba nic nietypowego .
Tokens: 1 2____ 3____ 4 5____ 6 7__ 8_ 9____ 10_ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #15798 from articles/00108129 from sent6

Text  : W szatniach jest coraz mniej piłkarzy , którzy myślą tylko o  tym ,  by fajnie wyglądać -  przekonuje Rafał Boguski
Tokens: 1 2________ 3___ 4____ 5____ 6_______ 7 8_____ 9____ 10___ 11 12_ 13 14 15____ 16______ 17 18________ 19___ 20_____

Chunks:
  TruePositive nam [19,20] = Rafał Boguski

(ChunkerEvaluator) Sentence #15799 from articles/00108129 from sent7

Text  : Zerwane więzadła w kolanie , uszkodzone więzadła łączące kość piszczelową i  strzałkową ,  problemy z  łydką i  mięśniem czworogłowym .
Tokens: 1______ 2_______ 3 4______ 5 6_________ 7_______ 8______ 9___ 10_________ 11 12________ 13 14______ 15 16___ 17 18______ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #15800 from articles/00108129 from sent8

Text  : To tylko część urazów , których Boguski nabawił się przez ostatnie trzy i  pół roku .
Tokens: 1_ 2____ 3____ 4_____ 5 6______ 7______ 8______ 9__ 10___ 11______ 12__ 13 14_ 15__ 16

Chunks:
  FalseNegative nam [7,7] = Boguski

(ChunkerEvaluator) Sentence #15801 from articles/00108129 from sent9

Text  : - Jak teraz się czuję ?
Tokens: 1 2__ 3____ 4__ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15802 from articles/00108129 from sent10

Text  : O zdrowiu nie rozmawiam i koniec - ucina Boguski .
Tokens: 1 2______ 3__ 4________ 5 6_____ 7 8____ 9______ 10

Chunks:
  FalseNegative nam [9,9] = Boguski

(ChunkerEvaluator) Sentence #15803 from articles/00108129 from sent11

Text  : „ Rigoletto ” i Bagatela
Tokens: 1 2________ 3 4 5_______

Chunks:
  TruePositive nam [5,5] = Bagatela
  FalseNegative nam [2,2] = Rigoletto

(ChunkerEvaluator) Sentence #15804 from articles/00108129 from sent12

Text  : Wydaje się jednak , że częste urazy to jedyne ,  co może potwierdzać ,  że jest wyczynowym sportowcem .
Tokens: 1_____ 2__ 3_____ 4 5_ 6_____ 7____ 8_ 9_____ 10 11 12__ 13_________ 14 15 16__ 17________ 18________ 19

Chunks:

(ChunkerEvaluator) Sentence #15805 from articles/00108129 from sent13

Text  : Do stereotypu piłkarza za nic nie pasuje .
Tokens: 1_ 2_________ 3_______ 4_ 5__ 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #15806 from articles/00108129 from sent14

Text  : Raczej nie wychodzi przed szereg , nie jest typem gaduły ,  a  w  wywiadach czasami wspomina ,  że lubi czytać książki .
Tokens: 1_____ 2__ 3_______ 4____ 5_____ 6 7__ 8___ 9____ 10____ 11 12 13 14_______ 15_____ 16______ 17 18 19__ 20____ 21_____ 22

Chunks:

(ChunkerEvaluator) Sentence #15807 from articles/00108129 from sent15

Text  : - Chodzi po prostu o to , by nie siedzieć bezczynnie i  nie myśleć o  głupotach ,  a  zająć się czymś interesującym -  przekonuje .
Tokens: 1 2_____ 3_ 4_____ 5 6_ 7 8_ 9__ 10______ 11________ 12 13_ 14____ 15 16_______ 17 18 19___ 20_ 21___ 22___________ 23 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #15808 from articles/00108129 from sent16

Text  : Lubi operę , szczególnie „ Rigoletto ” , i jest bywalcem teatrów (  poleca obie części „  Mayday ”  wystawianego w  Bagateli )  .
Tokens: 1___ 2____ 3 4__________ 5 6________ 7 8 9 10__ 11______ 12_____ 13 14____ 15__ 16____ 17 18____ 19 20__________ 21 22______ 23 24

Chunks:
  TruePositive nam [22,22] = Bagateli
  FalseNegative nam [6,6] = Rigoletto
  FalseNegative nam [18,18] = Mayday

(ChunkerEvaluator) Sentence #15809 from articles/00108129 from sent17

Text  : Książki ?
Tokens: 1______ 2

Chunks:

(ChunkerEvaluator) Sentence #15810 from articles/00108129 from sent18

Text  : Najchętniej czyta thrillery polityczne , choć ostatnio chętnie sięga po powieści Kena Folletta .
Tokens: 1__________ 2____ 3________ 4_________ 5 6___ 7_______ 8______ 9____ 10 11______ 12__ 13______ 14

Chunks:
  TruePositive nam [12,13] = Kena Folletta

(ChunkerEvaluator) Sentence #15811 from articles/00108129 from sent19

Text  : - Do momentu narodzin córki mieli śmy z żoną więcej czasu na teatr .
Tokens: 1 2_ 3______ 4_______ 5____ 6____ 7__ 8 9___ 10____ 11___ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #15812 from articles/00108129 from sent20

Text  : To jednak nie były ciężkie spektakle , gdzie trzeba szukać podtekstów .
Tokens: 1_ 2_____ 3__ 4___ 5______ 6________ 7 8____ 9_____ 10____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #15813 from articles/00108129 from sent21

Text  : Czy takie zainteresowania odbiegają od stereotypu ?
Tokens: 1__ 2____ 3______________ 4________ 5_ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #15814 from articles/00108129 from sent22

Text  : Każdy wie , jak postrzegany jest piłkarz .
Tokens: 1____ 2__ 3 4__ 5__________ 6___ 7______ 8

Chunks:

(ChunkerEvaluator) Sentence #15815 from articles/00108129 from sent23

Text  : To lansiarz , który lubi fajnie wyglądać i jeździć szybkim samochodem .
Tokens: 1_ 2_______ 3 4____ 5___ 6_____ 7_______ 8 9______ 10_____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #15816 from articles/00108129 from sent24

Text  : Ale czasy , kiedy w szatniach było dużo takich ludzi ,  chyba odeszły -  twierdzi .
Tokens: 1__ 2____ 3 4____ 5 6________ 7___ 8___ 9_____ 10___ 11 12___ 13_____ 14 15______ 16

Chunks:

(ChunkerEvaluator) Sentence #15817 from articles/00108129 from sent25

Text  : Od nadziei po rezerwowego
Tokens: 1_ 2______ 3_ 4__________

Chunks:

(ChunkerEvaluator) Sentence #15818 from articles/00108129 from sent26

Text  : Piłkarzem Wisły jest od 2005 r .
Tokens: 1________ 2____ 3___ 4_ 5___ 6 7

Chunks:
  TruePositive nam [2,2] = Wisły

(ChunkerEvaluator) Sentence #15819 from articles/00108129 from sent27

Text  : Trafił pod Wawel jeszcze za kadencji Dana Petrescu , miał wtedy 21 lat .
Tokens: 1_____ 2__ 3____ 4______ 5_ 6_______ 7___ 8_______ 9 10__ 11___ 12 13_ 14

Chunks:
  TruePositive nam [3,3] = Wawel
  TruePositive nam [7,8] = Dana Petrescu

(ChunkerEvaluator) Sentence #15820 from articles/00108129 from sent28

Text  : Sezon później został wypożyczony do GKS-u Bełchatów i po powrocie wydawało się ,  że nadszedł jego czas :  zaczął grać regularnie ,  dostał powołanie do reprezentacji Polski i  mówili o  nim :  „  nadzieja na Euro 2012 ”  .
Tokens: 1____ 2______ 3_____ 4__________ 5_ 6____ 7________ 8 9_ 10______ 11______ 12_ 13 14 15______ 16__ 17__ 18 19____ 20__ 21________ 22 23____ 24_______ 25 26___________ 27____ 28 29____ 30 31_ 32 33 34______ 35 36__ 37__ 38 39

Chunks:
  TruePositive nam [6,7] = GKS-u Bełchatów
  TruePositive nam [27,27] = Polski
  FalsePositive nam [36,38] = Euro 2012 ”
  FalseNegative nam [36,37] = Euro 2012

(ChunkerEvaluator) Sentence #15821 from articles/00108129 from sent29

Text  : Kłopot w tym , że od kilku sezonów jest przy Reymonta co najwyżej aktorem drugoplanowym .
Tokens: 1_____ 2 3__ 4 5_ 6_ 7____ 8______ 9___ 10__ 11______ 12 13______ 14_____ 15___________ 16

Chunks:
  TruePositive nam [11,11] = Reymonta

(ChunkerEvaluator) Sentence #15822 from articles/00108129 from sent30

Text  : Z różnych powodów - głównie przez kontuzje , choć niektórzy trenerzy rzadko na niego stawiali nawet jak był zdrowy .
Tokens: 1 2______ 3______ 4 5______ 6____ 7_______ 8 9___ 10_______ 11______ 12____ 13 14___ 15______ 16___ 17_ 18_ 19____ 20

Chunks:

(ChunkerEvaluator) Sentence #15823 from articles/00108129 from sent31

Text  : Przed rundą wiosenną Boguski może powiedzieć : „ teraz albo nigdy ”  .
Tokens: 1____ 2____ 3_______ 4______ 5___ 6_________ 7 8 9____ 10__ 11___ 12 13

Chunks:
  TruePositive nam [4,4] = Boguski

(ChunkerEvaluator) Sentence #15824 from articles/00108129 from sent32

Text  : Ostatnio w sparingach trener Tomasz Kulawik wystawiał go w pomocy ,  ale 29 -  letni piłkarz twierdzi ,  że to jeszcze o  niczym nie świadczy .
Tokens: 1_______ 2 3_________ 4_____ 5_____ 6______ 7________ 8_ 9 10____ 11 12_ 13 14 15___ 16_____ 17______ 18 19 20 21_____ 22 23____ 24_ 25______ 26

Chunks:
  TruePositive nam [5,6] = Tomasz Kulawik

(ChunkerEvaluator) Sentence #15825 from articles/00108129 from sent33

Text  : Widzi się w roli podwieszonego napastnika , a akurat w  ataku Wisły konkurencja kuleje .
Tokens: 1____ 2__ 3 4___ 5____________ 6_________ 7 8 9_____ 10 11___ 12___ 13_________ 14____ 15

Chunks:
  TruePositive nam [12,12] = Wisły

(ChunkerEvaluator) Sentence #15826 from articles/00108129 from sent34

Text  : Rywalizował by m . in . z Danielem Sikorskim ,  który dawno zapomniał ,  jak się strzela bramki .
Tokens: 1__________ 2_ 3 4 5_ 6 7 8_______ 9________ 10 11___ 12___ 13_______ 14 15_ 16_ 17_____ 18____ 19

Chunks:
  TruePositive nam [8,9] = Danielem Sikorskim

(ChunkerEvaluator) Sentence #15827 from articles/00108129 from sent35

Text  : Jest jeszcze Cwetan Genkow , przed sezonem typowany nawet na króla strzelców ,  ale Bułgar zdobył tylko trzy gole i  nie zachwyca .
Tokens: 1___ 2______ 3_____ 4_____ 5 6____ 7______ 8_______ 9____ 10 11___ 12_______ 13 14_ 15____ 16____ 17___ 18__ 19__ 20 21_ 22______ 23

Chunks:
  TruePositive nam [3,4] = Cwetan Genkow
  TruePositive nam [15,15] = Bułgar

(ChunkerEvaluator) Sentence #15828 from articles/00108129 from sent36

Text  : - Ale to wszystko było jesienią , teraz jest inny rozdział .
Tokens: 1 2__ 3_ 4_______ 5___ 6_______ 7 8____ 9___ 10__ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #15829 from articles/00108129 from sent37

Text  : Daniel dobrze się ostatnio prezentował , w sparingu strzelił bramkę .
Tokens: 1_____ 2_____ 3__ 4_______ 5__________ 6 7 8_______ 9_______ 10____ 11

Chunks:
  TruePositive nam [1,1] = Daniel

(ChunkerEvaluator) Sentence #15830 from articles/00108129 from sent38

Text  : Cwetan też ciężko pracuje .
Tokens: 1_____ 2__ 3_____ 4______ 5

Chunks:
  FalseNegative nam [1,1] = Cwetan

(ChunkerEvaluator) Sentence #15831 from articles/00108129 from sent39

Text  : Teraz albo nigdy ?
Tokens: 1____ 2___ 3____ 4

Chunks:

(ChunkerEvaluator) Sentence #15832 from articles/00108129 from sent40

Text  : Nie podchodzę do przyszłości w ten sposób .
Tokens: 1__ 2________ 3_ 4__________ 5 6__ 7_____ 8

Chunks:

(ChunkerEvaluator) Sentence #15833 from articles/00108129 from sent41

Text  : Po prostu muszę być spokojny i robić swoje - mówi Boguski .
Tokens: 1_ 2_____ 3____ 4__ 5_______ 6 7____ 8____ 9 10__ 11_____ 12

Chunks:
  FalseNegative nam [11,11] = Boguski

2016-10-27 15:00:33,050 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 681 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108130.xml
(ChunkerEvaluator) Sentence #15834 from articles/00108130 from sent1

Text  : Polryb : Branża rybna traci na współpracy z sieciami handlowymi
Tokens: 1_____ 2 3_____ 4____ 5____ 6_ 7_________ 8 9_______ 10________

Chunks:
  FalsePositive nam [3,3] = Branża
  FalseNegative nam [1,1] = Polryb

(ChunkerEvaluator) Sentence #15835 from articles/00108130 from sent2

Text  : Jednym z podstawowych problemów branży rybnej w skali makro jest dopuszczenie w  Polsce do nadmiernego rozwoju sieci handlowych -  powiedział serwisowi portalspożywczy .  pl Krzysztof Parfianowicz ,  właściciel firmy Polryb .
Tokens: 1_____ 2 3___________ 4________ 5_____ 6_____ 7 8____ 9____ 10__ 11__________ 12 13____ 14 15_________ 16_____ 17___ 18________ 19 20________ 21_______ 22_____________ 23 24 25_______ 26__________ 27 28________ 29___ 30____ 31

Chunks:
  TruePositive nam [13,13] = Polsce
  TruePositive nam [25,26] = Krzysztof Parfianowicz
  FalseNegative nam [22,24] = portalspożywczy . pl
  FalseNegative nam [30,30] = Polryb

(ChunkerEvaluator) Sentence #15836 from articles/00108130 from sent3

Text  : Jego zdaniem , doprowadziło to do likwidacji lokalnych hurtowni oraz sklepów branżowych .
Tokens: 1___ 2______ 3 4___________ 5_ 6_ 7_________ 8________ 9_______ 10__ 11_____ 12________ 13

Chunks:

(ChunkerEvaluator) Sentence #15837 from articles/00108130 from sent4

Text  : Podstawowymi odbiorcami ryb i przetworów rybnych stali się więc odbiorcy sieciowi .
Tokens: 1___________ 2_________ 3__ 4 5_________ 6______ 7____ 8__ 9___ 10______ 11______ 12

Chunks:

(ChunkerEvaluator) Sentence #15838 from articles/00108130 from sent5

Text  : - Z powodu swojej wielkości i silnego umocowania na rynku ,  wymuszają oni na producentach poziom cen często nieopłacalny .
Tokens: 1 2 3_____ 4_____ 5________ 6 7______ 8_________ 9_ 10___ 11 12_______ 13_ 14 15__________ 16____ 17_ 18____ 19__________ 20

Chunks:

(ChunkerEvaluator) Sentence #15839 from articles/00108130 from sent6

Text  : Brak możliwości dystrybucji towaru poza sieciami powoduje , że producenci zmuszani są do godzenia się na niekorzystne warunki lub wycofywania się z  rynku ,  lub tez szukania wyjścia alternatywnego polegającego na obniżeniu jakości wyrobów poprzez stosowanie tańszych surowców oraz innych ich proporcji w  wyrobie gotowym -  mówi Krzysztof Parfianowicz .
Tokens: 1___ 2_________ 3__________ 4_____ 5___ 6_______ 7_______ 8 9_ 10________ 11______ 12 13 14______ 15_ 16 17__________ 18_____ 19_ 20_________ 21_ 22 23___ 24 25_ 26_ 27______ 28_____ 29____________ 30__________ 31 32_______ 33_____ 34_____ 35_____ 36________ 37______ 38______ 39__ 40____ 41_ 42_______ 43 44_____ 45_____ 46 47__ 48_______ 49__________ 50

Chunks:
  TruePositive nam [48,49] = Krzysztof Parfianowicz

(ChunkerEvaluator) Sentence #15840 from articles/00108130 from sent7

Text  : Firma Polryb produkuje głównie płaty i tusze śledziowe , w  oparciu o  surowiec bałtycki .
Tokens: 1____ 2_____ 3________ 4______ 5____ 6 7____ 8________ 9 10 11_____ 12 13______ 14______ 15

Chunks:
  TruePositive nam [2,2] = Polryb

(ChunkerEvaluator) Sentence #15841 from articles/00108130 from sent8

Text  : Firma zajmuje się wyłącznie rynkiem surowcowym , a jej profil to obróbka wstępna ryb .
Tokens: 1____ 2______ 3__ 4________ 5______ 6_________ 7 8 9__ 10____ 11 12_____ 13_____ 14_ 15

Chunks:

2016-10-27 15:00:33,104 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 682 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108131.xml
(ChunkerEvaluator) Sentence #15842 from articles/00108131 from sent1

Text  : Prezydent podpisał budżet
Tokens: 1________ 2_______ 3_____

Chunks:

(ChunkerEvaluator) Sentence #15843 from articles/00108131 from sent2

Text  : Prezydent podpisał budżet
Tokens: 1________ 2_______ 3_____

Chunks:

(ChunkerEvaluator) Sentence #15844 from articles/00108131 from sent3

Text  : Prezydent podpisał ustawę budżetową na 2013 rok
Tokens: 1________ 2_______ 3_____ 4________ 5_ 6___ 7__

Chunks:

(ChunkerEvaluator) Sentence #15845 from articles/00108131 from sent4

Text  : Prezydent podpisał ustawę budżetową na 2013 r . , która została przyjęta przez parlament 25 stycznia .
Tokens: 1________ 2_______ 3_____ 4________ 5_ 6___ 7 8 9 10___ 11_____ 12______ 13___ 14_______ 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #15846 from articles/00108131 from sent5

Text  : Budżet zakłada , że wzrost PKB wyniesie 2 , 2  proc
Tokens: 1_____ 2______ 3 4_ 5_____ 6__ 7_______ 8 9 10 11__

Chunks:
  TruePositive nam [6,6] = PKB

(ChunkerEvaluator) Sentence #15847 from articles/00108131 from sent6

Text  : Prezydent podpisał ustawę budżetową na 2013 rok - poinformowała Informacyjną Agencję Radiową Kancelaria Prezydenta .
Tokens: 1________ 2_______ 3_____ 4________ 5_ 6___ 7__ 8 9____________ 10__________ 11_____ 12_____ 13________ 14________ 15

Chunks:
  FalsePositive nam [10,14] = Informacyjną Agencję Radiową Kancelaria Prezydenta
  FalseNegative nam [10,12] = Informacyjną Agencję Radiową
  FalseNegative nam [13,14] = Kancelaria Prezydenta

(ChunkerEvaluator) Sentence #15848 from articles/00108131 from sent7

Text  : Ustawa została przyjęta przez parlament 25 stycznia .
Tokens: 1_____ 2______ 3_______ 4____ 5________ 6_ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #15849 from articles/00108131 from sent8

Text  : W budżecie założono , że wzrost produktu krajowego brutto w  tym roku wyniesie 2  ,  2  procent ,  stopa bezrobocia na koniec roku 13 procent ,  a  inflacja 2  ,  7  procent .
Tokens: 1 2_______ 3_______ 4 5_ 6_____ 7_______ 8________ 9_____ 10 11_ 12__ 13______ 14 15 16 17_____ 18 19___ 20________ 21 22____ 23__ 24 25_____ 26 27 28______ 29 30 31 32_____ 33

Chunks:

(ChunkerEvaluator) Sentence #15850 from articles/00108131 from sent9

Text  : Ponadto szacuje się , że deficyt sektora finansów publicznych w  relacji do PKB wyniesie około 2  ,  6  procent PKB ,  czyli zmniejszy się w  stosunku do sytuacji z  roku 2012 (  2  ,  9  procent PKB )  .
Tokens: 1______ 2______ 3__ 4 5_ 6______ 7______ 8_______ 9__________ 10 11_____ 12 13_ 14______ 15___ 16 17 18 19_____ 20_ 21 22___ 23_______ 24_ 25 26______ 27 28______ 29 30__ 31__ 32 33 34 35 36_____ 37_ 38 39

Chunks:
  TruePositive nam [13,13] = PKB
  TruePositive nam [20,20] = PKB
  TruePositive nam [37,37] = PKB

(ChunkerEvaluator) Sentence #15851 from articles/00108131 from sent10

Text  : W budżecie państwa limit wydatków ustalono na kwotę prawie 335 miliardów złotych ,  z  kolei wysokość dochodów prognozowana jest na poziomie prawie 300 miliardów .
Tokens: 1 2_______ 3______ 4____ 5_______ 6_______ 7_ 8____ 9_____ 10_ 11_______ 12_____ 13 14 15___ 16______ 17______ 18__________ 19__ 20 21______ 22____ 23_ 24_______ 25

Chunks:
  TruePositive nam [12,12] = złotych

(ChunkerEvaluator) Sentence #15852 from articles/00108131 from sent11

Text  : Deficyt budżetu państwa ustala się na dzień 31 grudnia 2013 roku na kwotę nie większą niż 35 ,  5  miliarda złotych .
Tokens: 1______ 2______ 3______ 4_____ 5__ 6_ 7____ 8_ 9______ 10__ 11__ 12 13___ 14_ 15_____ 16_ 17 18 19 20______ 21_____ 22

Chunks:
  TruePositive nam [21,21] = złotych

(ChunkerEvaluator) Sentence #15853 from articles/00108131 from sent12

Text  : Źródłem pokrycia pożyczkowych potrzeb budżetu państwa , w tym deficytu ,  będą środki pozostające na rachunkach budżetu państwa w  dniu 31 grudnia 2012 roku ,  przychody z  tytułu sprzedaży skarbowych papierów wartościowych ,  przychody z  prywatyzacji ,  kredytów i  pożyczek oraz innych źródeł .
Tokens: 1______ 2_______ 3___________ 4______ 5______ 6______ 7 8 9__ 10______ 11 12__ 13____ 14_________ 15 16________ 17_____ 18_____ 19 20__ 21 22_____ 23__ 24__ 25 26_______ 27 28____ 29_______ 30________ 31______ 32___________ 33 34_______ 35 36__________ 37 38______ 39 40______ 41__ 42____ 43____ 44

Chunks:

2016-10-27 15:00:33,176 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 683 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108132.xml
(ChunkerEvaluator) Sentence #15854 from articles/00108132 from sent1

Text  : Grupa Lotos podwyższa ceny paliw
Tokens: 1____ 2____ 3________ 4___ 5____

Chunks:
  TruePositive nam [1,2] = Grupa Lotos

(ChunkerEvaluator) Sentence #15855 from articles/00108132 from sent2

Text  : Grupa Lotos podwyższa od soboty 2 lutego cenę hurtową benzyny bezołowiowej 95 o  11 zł na tysiąc litrów ,  benzyny 98 o  9  zł ,  oleju napędowego o  13 zł ,  a  oleju napędowego do celów opałowych o  11 zł -  poinformowało biuro prasowe spółki .
Tokens: 1____ 2____ 3________ 4_ 5_____ 6 7_____ 8___ 9______ 10_____ 11__________ 12 13 14 15 16 17____ 18____ 19 20_____ 21 22 23 24 25 26___ 27________ 28 29 30 31 32 33___ 34________ 35 36___ 37_______ 38 39 40 41 42___________ 43___ 44_____ 45____ 46

Chunks:
  TruePositive nam [1,2] = Grupa Lotos
  TruePositive nam [15,15] = zł
  TruePositive nam [24,24] = zł
  TruePositive nam [30,30] = zł
  TruePositive nam [40,40] = zł

(ChunkerEvaluator) Sentence #15856 from articles/00108132 from sent3

Text  : Lotos zaznaczył , że termin i wysokość zmian cen na stacjach paliw jest niezależną decyzją ich właścicieli .
Tokens: 1____ 2________ 3 4_ 5_____ 6 7_______ 8____ 9__ 10 11______ 12___ 13__ 14________ 15_____ 16_ 17_________ 18

Chunks:
  FalseNegative nam [1,1] = Lotos

2016-10-27 15:00:33,302 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 684 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108133.xml
(ChunkerEvaluator) Sentence #15857 from articles/00108133 from sent1

Text  : Francja .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Francja

(ChunkerEvaluator) Sentence #15858 from articles/00108133 from sent2

Text  : Homomałżeństwa
Tokens: 1_____________

Chunks:

(ChunkerEvaluator) Sentence #15859 from articles/00108133 from sent3

Text  : Francja .
Tokens: 1______ 2

Chunks:
  TruePositive nam [1,1] = Francja

(ChunkerEvaluator) Sentence #15860 from articles/00108133 from sent4

Text  : Homomałżeństwa
Tokens: 1_____________

Chunks:

(ChunkerEvaluator) Sentence #15861 from articles/00108133 from sent5

Text  : Małżeństwo nie tylko dla mężczyzny i kobiety
Tokens: 1_________ 2__ 3____ 4__ 5________ 6 7______

Chunks:

(ChunkerEvaluator) Sentence #15862 from articles/00108133 from sent6

Text  : Francuskie Zgromadzenie Narodowe przyjęło najważniejszy artykuł ustawy pozwalającej na zawieranie małżeństw homoseksualnych i  adopcję przez nie dzieci
Tokens: 1_________ 2___________ 3_______ 4_______ 5____________ 6______ 7_____ 8___________ 9_ 10________ 11_______ 12_____________ 13 14_____ 15___ 16_ 17____

Chunks:
  TruePositive nam [1,3] = Francuskie Zgromadzenie Narodowe

(ChunkerEvaluator) Sentence #15863 from articles/00108133 from sent7

Text  : Francuskie Zgromadzenie Narodowe przyjęło najważniejszy artykuł ustawy pozwalającej na zawieranie małżeństw homoseksualnych i  adopcję przez nie dzieci .
Tokens: 1_________ 2___________ 3_______ 4_______ 5____________ 6______ 7_____ 8___________ 9_ 10________ 11_______ 12_____________ 13 14_____ 15___ 16_ 17____ 18

Chunks:
  TruePositive nam [1,3] = Francuskie Zgromadzenie Narodowe

(ChunkerEvaluator) Sentence #15864 from articles/00108133 from sent8

Text  : Deputowani uchwalili stosunkiem głosów 249 : 97 pierwszy artykuł ustawy stanowiący ,  że małżeństwo jest umową dwóch osób ,  a  nie umową mężczyzny i  kobiety .
Tokens: 1_________ 2________ 3_________ 4_____ 5__ 6 7_ 8_______ 9______ 10____ 11________ 12 13 14________ 15__ 16___ 17___ 18__ 19 20 21_ 22___ 23_______ 24 25_____ 26

Chunks:

(ChunkerEvaluator) Sentence #15865 from articles/00108133 from sent9

Text  : Parlamentarna debata nad projektem rozpoczęła się 4 dni temu ,  a  głosowanie ma się odbyć za 10 dni .
Tokens: 1____________ 2_____ 3__ 4________ 5_________ 6__ 7 8__ 9___ 10 11 12________ 13 14_ 15___ 16 17 18_ 19

Chunks:

(ChunkerEvaluator) Sentence #15866 from articles/00108133 from sent10

Text  : Ustawę popierają rządzący socjaliści , natomiast prawicowa opozycja jest przeciwko .
Tokens: 1_____ 2________ 3_______ 4_________ 5 6________ 7________ 8_______ 9___ 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #15867 from articles/00108133 from sent11

Text  : Jednak spór we francuskim społeczeństwie trwa od wielu tygodni .
Tokens: 1_____ 2___ 3_ 4_________ 5_____________ 6___ 7_ 8____ 9______ 10

Chunks:

(ChunkerEvaluator) Sentence #15868 from articles/00108133 from sent12

Text  : Prawica i organizacje katolickie zwołały w Paryżu kilkusettysięczną manifestację przeciwko ustawie ,  na ulicach demonstrowali też jej zwolennicy .
Tokens: 1______ 2 3__________ 4_________ 5______ 6 7_____ 8________________ 9___________ 10_______ 11_____ 12 13 14_____ 15___________ 16_ 17_ 18________ 19

Chunks:
  TruePositive nam [7,7] = Paryżu

(ChunkerEvaluator) Sentence #15869 from articles/00108133 from sent13

Text  : Według sondażu Instytutu Ifop 63 proc .
Tokens: 1_____ 2______ 3________ 4___ 5_ 6___ 7

Chunks:
  TruePositive nam [3,4] = Instytutu Ifop

(ChunkerEvaluator) Sentence #15870 from articles/00108133 from sent14

Text  : Francuzów popiera małżeństwa osób tej samej płci .
Tokens: 1________ 2______ 3_________ 4___ 5__ 6____ 7___ 8

Chunks:
  FalseNegative nam [1,1] = Francuzów

2016-10-27 15:00:33,349 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 685 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108134.xml
(ChunkerEvaluator) Sentence #15871 from articles/00108134 from sent1

Text  : W Belgii powstaje gigantyczna , największa śluza portowa na świecie
Tokens: 1 2_____ 3_______ 4__________ 5 6_________ 7____ 8______ 9_ 10_____

Chunks:
  TruePositive nam [2,2] = Belgii

(ChunkerEvaluator) Sentence #15872 from articles/00108134 from sent2

Text  : W położonej na północy Belgii Antwerpii powstaje największa śluza portowa na świecie .
Tokens: 1 2________ 3_ 4______ 5_____ 6________ 7_______ 8_________ 9____ 10_____ 11 12_____ 13

Chunks:
  TruePositive nam [5,5] = Belgii
  TruePositive nam [6,6] = Antwerpii

(ChunkerEvaluator) Sentence #15873 from articles/00108134 from sent3

Text  : Gigantyczna inwestycja pozwoli temu niespełna półmilionowemu miastu umocnić pozycję &  quot ;  bramy Europy &  quot ;  ,  przez którą przechodzą towary importowane do UE z  całego świata .
Tokens: 1__________ 2_________ 3______ 4___ 5________ 6_____________ 7_____ 8______ 9______ 10 11__ 12 13___ 14____ 15 16__ 17 18 19___ 20___ 21________ 22____ 23_________ 24 25 26 27____ 28____ 29

Chunks:
  TruePositive nam [25,25] = UE
  FalsePositive nam [14,16] = Europy & quot
  FalseNegative nam [14,14] = Europy

(ChunkerEvaluator) Sentence #15874 from articles/00108134 from sent4

Text  : W latach 1873 - 1943 linia Red Star przewiozła ponad 2  mln pasażerów z  Antwerpii do USA .
Tokens: 1 2_____ 3___ 4 5___ 6____ 7__ 8___ 9_________ 10___ 11 12_ 13_______ 14 15_______ 16 17_ 18

Chunks:
  TruePositive nam [7,8] = Red Star
  TruePositive nam [15,15] = Antwerpii
  TruePositive nam [17,17] = USA

(ChunkerEvaluator) Sentence #15875 from articles/00108134 from sent5

Text  : W większości byli to biedni mieszkańcy Europy , którzy za oceanem chcieli zrealizować swój amerykański sen .
Tokens: 1 2_________ 3___ 4_ 5_____ 6_________ 7_____ 8 9_____ 10 11_____ 12_____ 13_________ 14__ 15_________ 16_ 17

Chunks:
  TruePositive nam [7,7] = Europy

(ChunkerEvaluator) Sentence #15876 from articles/00108134 from sent6

Text  : Teraz ten sam port , w którym emigranci żegnali się ze Starym Kontynentem ,  ma przyczyniać się do wzrostu wymiany handlowej UE z  jej transatlantyckimi partnerami ,  zwłaszcza jeśli dojdzie do podpisania umowy o  wolnym handlu UE ze Stanami Zjednoczonymi .
Tokens: 1____ 2__ 3__ 4___ 5 6 7_____ 8________ 9______ 10_ 11 12____ 13_________ 14 15 16_________ 17_ 18 19_____ 20_____ 21_______ 22 23 24_ 25_______________ 26________ 27 28_______ 29___ 30_____ 31 32________ 33___ 34 35____ 36____ 37 38 39_____ 40___________ 41

Chunks:
  TruePositive nam [12,13] = Starym Kontynentem
  TruePositive nam [22,22] = UE
  TruePositive nam [37,37] = UE
  TruePositive nam [39,40] = Stanami Zjednoczonymi

(ChunkerEvaluator) Sentence #15877 from articles/00108134 from sent7

Text  : KE w planie na ten rok wpisała rozpoczęcie negocjacji z  Waszyngtonem w  tej sprawie .
Tokens: 1_ 2 3_____ 4_ 5__ 6__ 7______ 8__________ 9_________ 10 11__________ 12 13_ 14_____ 15

Chunks:
  TruePositive nam [11,11] = Waszyngtonem
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #15878 from articles/00108134 from sent8

Text  : Niewykluczone , że w najbliższych miesiącach sfinalizowane zostaną rozmowy z  Kanadą .
Tokens: 1____________ 2 3_ 4 5___________ 6_________ 7____________ 8______ 9______ 10 11____ 12

Chunks:
  TruePositive nam [11,11] = Kanadą

(ChunkerEvaluator) Sentence #15879 from articles/00108134 from sent9

Text  : Dodatkowo w zeszłym roku zatwierdzono porozumienia z Kolumbią , Peru ,  a  także sześcioma krajami Ameryki Środkowej .
Tokens: 1________ 2 3______ 4___ 5___________ 6___________ 7 8_______ 9 10__ 11 12 13___ 14_______ 15_____ 16_____ 17_______ 18

Chunks:
  TruePositive nam [8,8] = Kolumbią
  TruePositive nam [10,10] = Peru
  TruePositive nam [16,17] = Ameryki Środkowej

(ChunkerEvaluator) Sentence #15880 from articles/00108134 from sent10

Text  : Jeśli " 27 " udało by podpisać wszystkie negocjowane umowy ,  unijne PKB wzrosło by o  2  proc .
Tokens: 1____ 2 3_ 4 5____ 6_ 7_______ 8________ 9__________ 10___ 11 12____ 13_ 14_____ 15 16 17 18__ 19

Chunks:
  TruePositive nam [13,13] = PKB

(ChunkerEvaluator) Sentence #15881 from articles/00108134 from sent11

Text  : To - jak wyliczył Reuters , który zwrócił uwagę znaczenie inwestycji w  Antwerpii -  mniej więcej tyle ,  ile zyskała by UE ,  gdyby ponownie dodać do jej gospodarki kraj taki ,  jak Dania czy Austria .
Tokens: 1_ 2 3__ 4_______ 5______ 6 7____ 8______ 9____ 10_______ 11________ 12 13_______ 14 15___ 16____ 17__ 18 19_ 20_____ 21 22 23 24___ 25______ 26___ 27 28_ 29________ 30__ 31__ 32 33_ 34___ 35_ 36_____ 37

Chunks:
  TruePositive nam [5,5] = Reuters
  TruePositive nam [13,13] = Antwerpii
  TruePositive nam [22,22] = UE
  TruePositive nam [34,34] = Dania
  TruePositive nam [36,36] = Austria

(ChunkerEvaluator) Sentence #15882 from articles/00108134 from sent12

Text  : Port w Antwerpii , drugi pod względem wielkości w Europie po Rotterdamie ,  jest jednym z  głównych ośrodków Transeuropejskiej Sieci Transportowej .
Tokens: 1___ 2 3________ 4 5____ 6__ 7_______ 8________ 9 10_____ 11 12_________ 13 14__ 15____ 16 17______ 18______ 19_______________ 20___ 21___________ 22

Chunks:
  TruePositive nam [3,3] = Antwerpii
  TruePositive nam [10,10] = Europie
  TruePositive nam [12,12] = Rotterdamie
  TruePositive nam [19,21] = Transeuropejskiej Sieci Transportowej

(ChunkerEvaluator) Sentence #15883 from articles/00108134 from sent13

Text  : Ogromna inwestycja , która będzie kosztować ponad 382 mln euro finansowana jest prawie w  połowie ze środków Europejskiego Banku Inwestycyjnego .
Tokens: 1______ 2_________ 3 4____ 5_____ 6________ 7____ 8__ 9__ 10__ 11_________ 12__ 13____ 14 15_____ 16 17_____ 18___________ 19___ 20____________ 21

Chunks:
  TruePositive nam [10,10] = euro
  TruePositive nam [18,20] = Europejskiego Banku Inwestycyjnego

(ChunkerEvaluator) Sentence #15884 from articles/00108134 from sent14

Text  : Budowa śluzy na uchodzącej do Morza Północnego rzece Skalda pochłonie 20 tys .  ton stali .
Tokens: 1_____ 2____ 3_ 4_________ 5_ 6____ 7_________ 8____ 9_____ 10_______ 11 12_ 13 14_ 15___ 16

Chunks:
  TruePositive nam [6,7] = Morza Północnego
  TruePositive nam [9,9] = Skalda

(ChunkerEvaluator) Sentence #15885 from articles/00108134 from sent15

Text  : Jak chwalą się wykonawcy , to trzy razy tyle ,  ile trzeba było użyć do konstrukcji paryskiej wieży Eiffla .
Tokens: 1__ 2_____ 3__ 4________ 5 6_ 7___ 8___ 9___ 10 11_ 12____ 13__ 14__ 15 16_________ 17_______ 18___ 19____ 20

Chunks:
  TruePositive nam [19,19] = Eiffla

(ChunkerEvaluator) Sentence #15886 from articles/00108134 from sent16

Text  : Dok , do którego będą mogły wpływać największe kontenerowce na świecie ,  będzie długi na pół kilometra ,  to tyle co 28 ustawionych zderzak w  zderzak autobusów przegubowych .
Tokens: 1__ 2 3_ 4______ 5___ 6____ 7______ 8_________ 9___________ 10 11_____ 12 13____ 14___ 15 16_ 17_______ 18 19 20__ 21 22 23_________ 24_____ 25 26_____ 27_______ 28__________ 29

Chunks:

(ChunkerEvaluator) Sentence #15887 from articles/00108134 from sent17

Text  : Jego szerokość będzie porównywalna z 19 - pasową autostradą .
Tokens: 1___ 2________ 3_____ 4___________ 5 6_ 7 8_____ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15888 from articles/00108134 from sent18

Text  : Pierwsza śluza na lewym brzegu Skaldy , z której obecnie korzystają statki ,  została otwarta w  1979 r  .  i  jest już za mała ,  a  przede wszystkim zbyt płytka ,  by przyjmować najcięższe transporty .
Tokens: 1_______ 2____ 3_ 4____ 5_____ 6_____ 7 8 9_____ 10_____ 11________ 12____ 13 14_____ 15_____ 16 17__ 18 19 20 21__ 22_ 23 24__ 25 26 27____ 28_______ 29__ 30____ 31 32 33________ 34________ 35________ 36

Chunks:
  FalseNegative nam [6,6] = Skaldy

(ChunkerEvaluator) Sentence #15889 from articles/00108134 from sent19

Text  : Nowa konstrukcja ma powstać do 2016 r .
Tokens: 1___ 2__________ 3_ 4______ 5_ 6___ 7 8

Chunks:

(ChunkerEvaluator) Sentence #15890 from articles/00108134 from sent20

Text  : W trakcie budowy , która rozpoczęła się w 2011 r  .  ,  ogromnymi ciężarówkami wywiezionych będzie 4  ,  7  mln metrów sześciennych piasku i  ziemi .
Tokens: 1 2______ 3_____ 4 5____ 6_________ 7__ 8 9___ 10 11 12 13_______ 14__________ 15__________ 16____ 17 18 19 20_ 21____ 22__________ 23____ 24 25___ 26

Chunks:

(ChunkerEvaluator) Sentence #15891 from articles/00108134 from sent21

Text  : To pięć razy więcej niż łączna kubatura Stadionu Narodowego w  Warszawie .
Tokens: 1_ 2___ 3___ 4_____ 5__ 6_____ 7_______ 8_______ 9_________ 10 11_______ 12

Chunks:
  FalsePositive nam [8,11] = Stadionu Narodowego w Warszawie
  FalseNegative nam [8,9] = Stadionu Narodowego
  FalseNegative nam [11,11] = Warszawie

(ChunkerEvaluator) Sentence #15892 from articles/00108134 from sent22

Text  : Beton , który zostanie użyty , mógł by wypełnić blok mieszkalny o  wysokości 30 pięter .
Tokens: 1____ 2 3____ 4_______ 5____ 6 7___ 8_ 9_______ 10__ 11________ 12 13_______ 14 15____ 16

Chunks:
  FalsePositive nam [1,1] = Beton

(ChunkerEvaluator) Sentence #15893 from articles/00108134 from sent23

Text  : W porcie w Antwerpii pracuje ok . 150 tys .  osób ;  rocznie przechodzi przez niego ok .  180 mln .  ton ładunków .
Tokens: 1 2_____ 3 4________ 5______ 6_ 7 8__ 9__ 10 11__ 12 13_____ 14________ 15___ 16___ 17 18 19_ 20_ 21 22_ 23______ 24

Chunks:
  TruePositive nam [4,4] = Antwerpii

(ChunkerEvaluator) Sentence #15894 from articles/00108134 from sent24

Text  : Transport morski ma ogromne znaczenie dla gospodarek .
Tokens: 1________ 2_____ 3_ 4______ 5________ 6__ 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #15895 from articles/00108134 from sent25

Text  : Według danych OECD , na które powołuje się Reuters 90 proc .  ładunków handlowych na świecie jest transportowanych drogą morską .
Tokens: 1_____ 2_____ 3___ 4 5_ 6____ 7_______ 8__ 9______ 10 11__ 12 13______ 14________ 15 16_____ 17__ 18______________ 19___ 20____ 21

Chunks:
  TruePositive nam [3,3] = OECD
  TruePositive nam [9,9] = Reuters

(ChunkerEvaluator) Sentence #15896 from articles/00108134 from sent26

Text  : W strategii Komisji Europejskiej " Transport 2050 " porty w  UE określane są jako "  bramy "  do rynków europejskich .
Tokens: 1 2________ 3______ 4___________ 5 6________ 7___ 8 9____ 10 11 12_______ 13 14__ 15 16___ 17 18 19____ 20__________ 21

Chunks:
  TruePositive nam [3,4] = Komisji Europejskiej
  TruePositive nam [11,11] = UE
  FalsePositive nam [6,7] = Transport 2050

(ChunkerEvaluator) Sentence #15897 from articles/00108134 from sent27

Text  : Dzięki nowej śluzie Antwerpia umocni swoją pozycję i na pewno będzie jedną z  najważniejszych "  bram "  .
Tokens: 1_____ 2____ 3_____ 4________ 5_____ 6____ 7______ 8 9_ 10___ 11____ 12___ 13 14_____________ 15 16__ 17 18

Chunks:
  TruePositive nam [4,4] = Antwerpia

(ChunkerEvaluator) Sentence #15898 from articles/00108134 from sent28

Text  : Krzysztof Strzępka
Tokens: 1________ 2_______

Chunks:
  TruePositive nam [1,2] = Krzysztof Strzępka

2016-10-27 15:00:33,502 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 686 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108135.xml
(ChunkerEvaluator) Sentence #15899 from articles/00108135 from sent1

Text  : Autorzy niepokorni wracają do Hajdarowicza
Tokens: 1______ 2_________ 3______ 4_ 5___________

Chunks:
  FalseNegative nam [5,5] = Hajdarowicza

(ChunkerEvaluator) Sentence #15900 from articles/00108135 from sent2

Text  : Do „ Rzeczpospolitej ” wracają dziennikarze , którzy zerwali współpracę z  Presspublicą po tym ,  jak Paweł Lisicki został przez zarząd spółki zwolniony ze stanowiska redaktora naczelnego „  Uważam Rze ”  .
Tokens: 1_ 2 3______________ 4 5______ 6___________ 7 8_____ 9______ 10________ 11 12__________ 13 14_ 15 16_ 17___ 18_____ 19____ 20___ 21____ 22____ 23_______ 24 25________ 26_______ 27________ 28 29____ 30_ 31 32

Chunks:
  TruePositive nam [3,3] = Rzeczpospolitej
  TruePositive nam [17,18] = Paweł Lisicki
  TruePositive nam [29,30] = Uważam Rze
  FalseNegative nam [12,12] = Presspublicą

(ChunkerEvaluator) Sentence #15901 from articles/00108135 from sent3

Text  : Na łamy „ Rz ” powrócili Ziemkiewicz , Mazurek ,  Semka i  Warzecha .
Tokens: 1_ 2___ 3 4_ 5 6________ 7__________ 8 9______ 10 11___ 12 13______ 14

Chunks:
  TruePositive nam [9,9] = Mazurek
  TruePositive nam [11,11] = Semka
  TruePositive nam [13,13] = Warzecha
  FalseNegative nam [4,4] = Rz
  FalseNegative nam [7,7] = Ziemkiewicz

(ChunkerEvaluator) Sentence #15902 from articles/00108135 from sent4

Text  : „ Nie rozumiem sensacji ” - odpowiada na Twitterze internautom zarzucającym mu brak konsekwencji Łukasz Warzecha .
Tokens: 1 2__ 3_______ 4_______ 5 6 7________ 8_ 9________ 10_________ 11__________ 12 13__ 14__________ 15____ 16______ 17

Chunks:
  TruePositive nam [15,16] = Łukasz Warzecha
  FalseNegative nam [9,9] = Twitterze

(ChunkerEvaluator) Sentence #15903 from articles/00108135 from sent5

Text  : „ Wracam na kolumny opinii " Rzeczpospolitej " tekstem o  wystąpieniu Camerona ”  napisał na Twitterze Łukasz Warzecha .
Tokens: 1 2_____ 3_ 4______ 5_____ 6 7______________ 8 9______ 10 11_________ 12______ 13 14_____ 15 16_______ 17____ 18______ 19

Chunks:
  TruePositive nam [7,7] = Rzeczpospolitej
  TruePositive nam [17,18] = Łukasz Warzecha
  FalseNegative nam [12,12] = Camerona
  FalseNegative nam [16,16] = Twitterze

(ChunkerEvaluator) Sentence #15904 from articles/00108135 from sent6

Text  : O ile sam tekst nie wzbudził żadnych kontrowersji , to fakt powrotu na łamy „  Rz ”  oburzył wielu komentatorów .
Tokens: 1 2__ 3__ 4____ 5__ 6_______ 7______ 8___________ 9 10 11__ 12_____ 13 14__ 15 16 17 18_____ 19___ 20__________ 21

Chunks:
  FalseNegative nam [16,16] = Rz

(ChunkerEvaluator) Sentence #15905 from articles/00108135 from sent7

Text  : „ Został eś w Rzepie czy wrócił eś ?
Tokens: 1 2_____ 3_ 4 5_____ 6__ 7_____ 8_ 9

Chunks:
  TruePositive nam [5,5] = Rzepie

(ChunkerEvaluator) Sentence #15906 from articles/00108135 from sent8

Text  : Bo przecież odszedł eś ” - napisała Marzena Paczuska .
Tokens: 1_ 2_______ 3______ 4_ 5 6 7_______ 8______ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Marzena Paczuska

(ChunkerEvaluator) Sentence #15907 from articles/00108135 from sent9

Text  : „ Jest kilka tytułów , w których na pewno by m  nie pisał ”
Tokens: 1 2___ 3____ 4______ 5 6 7______ 8_ 9____ 10 11 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #15908 from articles/00108135 from sent10

Text  : Łukasz Warzecha był w gronie autorów , którzy w listopadzie zrezygnowali ze współpracy z  „  Uważam Rze ”  po tym ,  jak z  funkcji naczelnego został zwolniony Paweł Lisicki .
Tokens: 1_____ 2_______ 3__ 4 5_____ 6______ 7 8_____ 9 10_________ 11__________ 12 13________ 14 15 16____ 17_ 18 19 20_ 21 22_ 23 24_____ 25________ 26____ 27_______ 28___ 29_____ 30

Chunks:
  TruePositive nam [1,2] = Łukasz Warzecha
  TruePositive nam [16,17] = Uważam Rze
  TruePositive nam [28,29] = Paweł Lisicki

(ChunkerEvaluator) Sentence #15909 from articles/00108135 from sent11

Text  : „ My , twórcy i autorzy tygodnika „ Uważam Rze ”  ,  po odwołaniu redaktora Pawła Lisickiego ,  nie widzimy dalszych możliwości współpracy z  tym pismem .
Tokens: 1 2_ 3 4_____ 5 6______ 7________ 8 9_____ 10_ 11 12 13 14_______ 15_______ 16___ 17________ 18 19_ 20_____ 21______ 22________ 23________ 24 25_ 26____ 27

Chunks:
  TruePositive nam [9,10] = Uważam Rze
  TruePositive nam [16,17] = Pawła Lisickiego

(ChunkerEvaluator) Sentence #15910 from articles/00108135 from sent12

Text  : Nie bierzemy odpowiedzialności za cokolwiek , co pojawiać się będzie pod jego szyldem ”  -  napisali .
Tokens: 1__ 2_______ 3________________ 4_ 5________ 6 7_ 8_______ 9__ 10____ 11_ 12__ 13_____ 14 15 16______ 17

Chunks:

(ChunkerEvaluator) Sentence #15911 from articles/00108135 from sent13

Text  : Teraz Łukasz Warzecha broni się , że oświadczenie dotyczyło wyłącznie „  URz ”  .
Tokens: 1____ 2_____ 3_______ 4____ 5__ 6 7_ 8___________ 9________ 10_______ 11 12_ 13 14

Chunks:
  TruePositive nam [2,3] = Łukasz Warzecha
  TruePositive nam [12,12] = URz

(ChunkerEvaluator) Sentence #15912 from articles/00108135 from sent14

Text  : „ Jest kilka tytułów , w których na pewno by m  nie pisał .
Tokens: 1 2___ 3____ 4______ 5 6 7______ 8_ 9____ 10 11 12_ 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #15913 from articles/00108135 from sent15

Text  : „ RZ ” ze Zdortem w Opiniach do nich nie należy ”  .
Tokens: 1 2_ 3 4_ 5______ 6 7_______ 8_ 9___ 10_ 11____ 12 13

Chunks:
  FalsePositive nam [7,7] = Opiniach
  FalseNegative nam [2,2] = RZ
  FalseNegative nam [5,5] = Zdortem

(ChunkerEvaluator) Sentence #15914 from articles/00108135 from sent16

Text  : Podkreśla też , że nigdy nie odszedł z „ Rze ”  ,  został tylko zablokowany przez Andrzeja Talagę .
Tokens: 1________ 2__ 3 4_ 5____ 6__ 7______ 8 9 10_ 11 12 13____ 14___ 15_________ 16___ 17______ 18____ 19

Chunks:
  TruePositive nam [17,18] = Andrzeja Talagę
  FalseNegative nam [10,10] = Rze

(ChunkerEvaluator) Sentence #15915 from articles/00108135 from sent17

Text  : Przypomniał też internautom , że był wyłącznie współpracującym publicystą .
Tokens: 1__________ 2__ 3__________ 4 5_ 6__ 7________ 8______________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15916 from articles/00108135 from sent18

Text  : „ Jaasne .
Tokens: 1 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #15917 from articles/00108135 from sent19

Text  : Każdy wie , że jest dwóch Hajdarowiczów .
Tokens: 1____ 2__ 3 4_ 5___ 6____ 7____________ 8

Chunks:
  FalseNegative nam [7,7] = Hajdarowiczów

(ChunkerEvaluator) Sentence #15918 from articles/00108135 from sent20

Text  : Ten z URze to bandyta , a ten z Rzepy to fajowy gość ”  -  ironicznie podsumowała na Twitterze jego argumentację Marzena Paczuska .
Tokens: 1__ 2 3___ 4_ 5______ 6 7 8__ 9 10___ 11 12____ 13__ 14 15 16________ 17_________ 18 19_______ 20__ 21__________ 22_____ 23______ 24

Chunks:
  TruePositive nam [3,3] = URze
  TruePositive nam [10,10] = Rzepy
  TruePositive nam [22,23] = Marzena Paczuska
  FalseNegative nam [19,19] = Twitterze

(ChunkerEvaluator) Sentence #15919 from articles/00108135 from sent21

Text  : „ Nigdy z Hajdarowiczem nie będę w aliansach ”
Tokens: 1 2____ 3 4____________ 5__ 6___ 7 8________ 9

Chunks:
  FalseNegative nam [4,4] = Hajdarowiczem

(ChunkerEvaluator) Sentence #15920 from articles/00108135 from sent22

Text  : Warzecha nie jest jedynym autorem „ URz ” , który ponownie nawiązał współpracę z  wydawnictwem Presspublica .
Tokens: 1_______ 2__ 3___ 4______ 5______ 6 7__ 8 9 10___ 11______ 12______ 13________ 14 15__________ 16__________ 17

Chunks:
  TruePositive nam [7,7] = URz
  FalseNegative nam [1,1] = Warzecha
  FalseNegative nam [16,16] = Presspublica

(ChunkerEvaluator) Sentence #15921 from articles/00108135 from sent23

Text  : Na łamy „ Rzeczpospolitej ” wrócił też Rafał Ziemkiewicz ,  który dwa miesiące temu deklarował w  tekście opublikowanym w  serwisie Salon24 :  „  Nigdy z  Hajdarowiczem nie będę w  aliansach .
Tokens: 1_ 2___ 3 4______________ 5 6_____ 7__ 8____ 9__________ 10 11___ 12_ 13______ 14__ 15________ 16 17_____ 18___________ 19 20______ 21_____ 22 23 24___ 25 26___________ 27_ 28__ 29 30_______ 31

Chunks:
  TruePositive nam [4,4] = Rzeczpospolitej
  TruePositive nam [8,9] = Rafał Ziemkiewicz
  TruePositive nam [21,21] = Salon24
  FalseNegative nam [26,26] = Hajdarowiczem

(ChunkerEvaluator) Sentence #15922 from articles/00108135 from sent24

Text  : Facet jest albo zwyczajnym słupem Tuska , a w takim razie zadawanie się z  nim nie ma sensu ,  albo kompletnym idiotą ,  co wiedzie do wniosku tego samego .
Tokens: 1____ 2___ 3___ 4_________ 5_____ 6____ 7 8 9 10___ 11___ 12_______ 13_ 14 15_ 16_ 17 18___ 19 20__ 21________ 22____ 23 24 25_____ 26 27_____ 28__ 29____ 30

Chunks:
  TruePositive nam [6,6] = Tuska

(ChunkerEvaluator) Sentence #15923 from articles/00108135 from sent25

Text  : Wiele przesłanek wskazuje na pierwsze , wiele na drugie ,  trzeba też brać pod uwagę ,  że oba warianty się nie wykluczają .  (  .  .  .  )
Tokens: 1____ 2_________ 3_______ 4_ 5_______ 6 7____ 8_ 9_____ 10 11____ 12_ 13__ 14_ 15___ 16 17 18_ 19______ 20_ 21_ 22________ 23 24 25 26 27 28

Chunks:

(ChunkerEvaluator) Sentence #15924 from articles/00108135 from sent26

Text  : Dlatego nie zamierzam nigdy mieć nic wspólnego z żadnym przedsięwzięciem ,  z  którym związany jest p  .  Grzegorz Hajdarowicz ”  .
Tokens: 1______ 2__ 3________ 4____ 5___ 6__ 7________ 8 9_____ 10______________ 11 12 13____ 14______ 15__ 16 17 18______ 19_________ 20 21

Chunks:
  TruePositive nam [18,19] = Grzegorz Hajdarowicz

(ChunkerEvaluator) Sentence #15925 from articles/00108135 from sent27

Text  : Zdanie na temat współpracy z Grzegorzem Hajdarowiczem zmienili też Robert Mazurek i  Piotr Semka -  ich teksty również znalazły się w  „  Rzeczpospolitej ”  .
Tokens: 1_____ 2_ 3____ 4_________ 5 6_________ 7____________ 8_______ 9__ 10____ 11_____ 12 13___ 14___ 15 16_ 17____ 18_____ 19______ 20_ 21 22 23_____________ 24 25

Chunks:
  TruePositive nam [6,7] = Grzegorzem Hajdarowiczem
  TruePositive nam [10,11] = Robert Mazurek
  TruePositive nam [13,14] = Piotr Semka
  TruePositive nam [23,23] = Rzeczpospolitej

(ChunkerEvaluator) Sentence #15926 from articles/00108135 from sent28

Text  : Niepokorni u Hajdarowicza
Tokens: 1_________ 2 3___________

Chunks:
  TruePositive nam [3,3] = Hajdarowicza

(ChunkerEvaluator) Sentence #15927 from articles/00108135 from sent29

Text  : Do " Rz " wracają dziennikarze , którzy zerwali współpracę z  Presspublicą
Tokens: 1_ 2 3_ 4 5______ 6___________ 7 8_____ 9______ 10________ 11 12__________

Chunks:
  FalseNegative nam [3,3] = Rz
  FalseNegative nam [12,12] = Presspublicą

(ChunkerEvaluator) Sentence #15928 from articles/00108135 from sent30

Text  : Do " Rz " wracają dziennikarze , którzy zerwali współpracę z  Presspublicą ,  kiedy Paweł Lisicki został zwolniony ze stanowiska redaktora naczelnego "  Uważam Rze "
Tokens: 1_ 2 3_ 4 5______ 6___________ 7 8_____ 9______ 10________ 11 12__________ 13 14___ 15___ 16_____ 17____ 18_______ 19 20________ 21_______ 22________ 23 24____ 25_ 26

Chunks:
  TruePositive nam [15,16] = Paweł Lisicki
  TruePositive nam [24,25] = Uważam Rze
  FalseNegative nam [3,3] = Rz
  FalseNegative nam [12,12] = Presspublicą

(ChunkerEvaluator) Sentence #15929 from articles/00108135 from sent31

Text  : Do " Rzeczpospolitej " wracają dziennikarze , którzy zerwali współpracę z  Presspublicą po tym ,  jak Paweł Lisicki został przez zarząd spółki zwolniony ze stanowiska redaktora naczelnego "  Uważam Rze "  .
Tokens: 1_ 2 3______________ 4 5______ 6___________ 7 8_____ 9______ 10________ 11 12__________ 13 14_ 15 16_ 17___ 18_____ 19____ 20___ 21____ 22____ 23_______ 24 25________ 26_______ 27________ 28 29____ 30_ 31 32

Chunks:
  TruePositive nam [3,3] = Rzeczpospolitej
  TruePositive nam [17,18] = Paweł Lisicki
  TruePositive nam [29,30] = Uważam Rze
  FalseNegative nam [12,12] = Presspublicą

(ChunkerEvaluator) Sentence #15930 from articles/00108135 from sent32

Text  : Na łamy " Rz " powrócili Ziemkiewicz , Mazurek ,  Semka i  Warzecha .
Tokens: 1_ 2___ 3 4_ 5 6________ 7__________ 8 9______ 10 11___ 12 13______ 14

Chunks:
  TruePositive nam [9,9] = Mazurek
  TruePositive nam [11,11] = Semka
  TruePositive nam [13,13] = Warzecha
  FalseNegative nam [4,4] = Rz
  FalseNegative nam [7,7] = Ziemkiewicz

(ChunkerEvaluator) Sentence #15931 from articles/00108135 from sent33

Text  : " Nie rozumiem sensacji " - odpowiada na Twitterze internautom zarzucającym mu brak konsekwencji Łukasz Warzecha .
Tokens: 1 2__ 3_______ 4_______ 5 6 7________ 8_ 9________ 10_________ 11__________ 12 13__ 14__________ 15____ 16______ 17

Chunks:
  TruePositive nam [15,16] = Łukasz Warzecha
  FalseNegative nam [9,9] = Twitterze

(ChunkerEvaluator) Sentence #15932 from articles/00108135 from sent34

Text  : Łukasz Warzecha napisał na Twitterze : Wracam na kolumny opinii "  Rzeczpospolitej "  tekstem o  wystąpieniu Camerona .
Tokens: 1_____ 2_______ 3______ 4_ 5________ 6 7_____ 8_ 9______ 10____ 11 12_____________ 13 14_____ 15 16_________ 17______ 18

Chunks:
  TruePositive nam [1,2] = Łukasz Warzecha
  TruePositive nam [12,12] = Rzeczpospolitej
  FalseNegative nam [5,5] = Twitterze
  FalseNegative nam [17,17] = Camerona

(ChunkerEvaluator) Sentence #15933 from articles/00108135 from sent35

Text  : O ile sam tekst nie wzbudził żadnych kontrowersji , to fakt powrotu na łamy "  Rz "  oburzył wielu komentatorów .
Tokens: 1 2__ 3__ 4____ 5__ 6_______ 7______ 8___________ 9 10 11__ 12_____ 13 14__ 15 16 17 18_____ 19___ 20__________ 21

Chunks:
  FalseNegative nam [16,16] = Rz

(ChunkerEvaluator) Sentence #15934 from articles/00108135 from sent36

Text  : " Został eś w Rzepie czy wrócił eś ?
Tokens: 1 2_____ 3_ 4 5_____ 6__ 7_____ 8_ 9

Chunks:
  TruePositive nam [5,5] = Rzepie

(ChunkerEvaluator) Sentence #15935 from articles/00108135 from sent37

Text  : Bo przecież odszedł eś " - napisała Marzena Paczuska .
Tokens: 1_ 2_______ 3______ 4_ 5 6 7_______ 8______ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Marzena Paczuska

(ChunkerEvaluator) Sentence #15936 from articles/00108135 from sent38

Text  : Łukasz Warzecha był w gronie autorów , którzy w listopadzie zrezygnowali ze współpracy z  "  Uważam Rze "  po tym ,  jak z  funkcji naczelnego został zwolniony Paweł Lisicki .
Tokens: 1_____ 2_______ 3__ 4 5_____ 6______ 7 8_____ 9 10_________ 11__________ 12 13________ 14 15 16____ 17_ 18 19 20_ 21 22_ 23 24_____ 25________ 26____ 27_______ 28___ 29_____ 30

Chunks:
  TruePositive nam [1,2] = Łukasz Warzecha
  TruePositive nam [16,17] = Uważam Rze
  TruePositive nam [28,29] = Paweł Lisicki

(ChunkerEvaluator) Sentence #15937 from articles/00108135 from sent39

Text  : Teraz Łukasz Warzecha broni się , że oświadczenie dotyczyło wyłącznie "  URz "  :  Jest kilka tytułów ,  w  których na pewno by m  nie pisał .
Tokens: 1____ 2_____ 3_______ 4____ 5__ 6 7_ 8___________ 9________ 10_______ 11 12_ 13 14 15__ 16___ 17_____ 18 19 20_____ 21 22___ 23 24 25_ 26___ 27

Chunks:
  TruePositive nam [2,3] = Łukasz Warzecha
  TruePositive nam [12,12] = URz

(ChunkerEvaluator) Sentence #15938 from articles/00108135 from sent40

Text  : " RZ " ze Zdortem w Opiniach do nich nie należy .
Tokens: 1 2_ 3 4_ 5______ 6 7_______ 8_ 9___ 10_ 11____ 12

Chunks:
  FalsePositive nam [7,7] = Opiniach
  FalseNegative nam [2,2] = RZ
  FalseNegative nam [5,5] = Zdortem

(ChunkerEvaluator) Sentence #15939 from articles/00108135 from sent41

Text  : Podkreśla też , że nigdy nie odszedł z " Rze "  ,  został tylko zablokowany przez Andrzeja Talagę .
Tokens: 1________ 2__ 3 4_ 5____ 6__ 7______ 8 9 10_ 11 12 13____ 14___ 15_________ 16___ 17______ 18____ 19

Chunks:
  TruePositive nam [17,18] = Andrzeja Talagę
  FalseNegative nam [10,10] = Rze

(ChunkerEvaluator) Sentence #15940 from articles/00108135 from sent42

Text  : Przypomniał też internautom , że był wyłącznie współpracującym publicystą .
Tokens: 1__________ 2__ 3__________ 4 5_ 6__ 7________ 8______________ 9_________ 10

Chunks:

(ChunkerEvaluator) Sentence #15941 from articles/00108135 from sent43

Text  : " Jaasne .
Tokens: 1 2_____ 3

Chunks:

(ChunkerEvaluator) Sentence #15942 from articles/00108135 from sent44

Text  : Każdy wie , że jest dwóch Hajdarowiczów .
Tokens: 1____ 2__ 3 4_ 5___ 6____ 7____________ 8

Chunks:
  FalseNegative nam [7,7] = Hajdarowiczów

(ChunkerEvaluator) Sentence #15943 from articles/00108135 from sent45

Text  : Ten z URze to bandyta , a ten z Rzepy to fajowy gość "  -  ironicznie podsumowała na Twitterze jego argumentację Marzena Paczuska .
Tokens: 1__ 2 3___ 4_ 5______ 6 7 8__ 9 10___ 11 12____ 13__ 14 15 16________ 17_________ 18 19_______ 20__ 21__________ 22_____ 23______ 24

Chunks:
  TruePositive nam [3,3] = URze
  TruePositive nam [10,10] = Rzepy
  TruePositive nam [22,23] = Marzena Paczuska
  FalseNegative nam [19,19] = Twitterze

(ChunkerEvaluator) Sentence #15944 from articles/00108135 from sent46

Text  : Warzecha nie jest jedynym autorem " URz " , który ponownie nawiązał współpracę z  wydawnictwem Presspublica .
Tokens: 1_______ 2__ 3___ 4______ 5______ 6 7__ 8 9 10___ 11______ 12______ 13________ 14 15__________ 16__________ 17

Chunks:
  TruePositive nam [7,7] = URz
  FalseNegative nam [1,1] = Warzecha
  FalseNegative nam [16,16] = Presspublica

(ChunkerEvaluator) Sentence #15945 from articles/00108135 from sent47

Text  : Na łamy " Rzeczpospolitej " wrócił też Rafał Ziemkiewicz ,  który dwa miesiące temu deklarował w  tekście opublikowanym w  serwisie Salon24 :  (  .  .  .  )  nie zamierzam nigdy mieć nic wspólnego z  żadnym przedsięwzięciem ,  z  którym związany jest p  .  Grzegorz Hajdarowicz .
Tokens: 1_ 2___ 3 4______________ 5 6_____ 7__ 8____ 9__________ 10 11___ 12_ 13______ 14__ 15________ 16 17_____ 18___________ 19 20______ 21_____ 22 23 24 25 26 27 28_ 29_______ 30___ 31__ 32_ 33_______ 34 35____ 36______________ 37 38 39____ 40______ 41__ 42 43 44______ 45_________ 46

Chunks:
  TruePositive nam [4,4] = Rzeczpospolitej
  TruePositive nam [8,9] = Rafał Ziemkiewicz
  TruePositive nam [21,21] = Salon24
  TruePositive nam [44,45] = Grzegorz Hajdarowicz

(ChunkerEvaluator) Sentence #15946 from articles/00108135 from sent48

Text  : Zdanie na temat współpracy z Grzegorzem Hajdarowiczem zmienili też Robert Mazurek i  Piotr Semka -  ich teksty również znalazły się w  "  Rzeczpospolitej "  .
Tokens: 1_____ 2_ 3____ 4_________ 5 6_________ 7____________ 8_______ 9__ 10____ 11_____ 12 13___ 14___ 15 16_ 17____ 18_____ 19______ 20_ 21 22 23_____________ 24 25

Chunks:
  TruePositive nam [6,7] = Grzegorzem Hajdarowiczem
  TruePositive nam [10,11] = Robert Mazurek
  TruePositive nam [13,14] = Piotr Semka
  TruePositive nam [23,23] = Rzeczpospolitej

2016-10-27 15:00:33,744 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 687 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108136.xml
(ChunkerEvaluator) Sentence #15947 from articles/00108136 from sent1

Text  : Szczecińska zima 1940 i szczecinianie na kolorowym filmie [ WIDEO ]
Tokens: 1__________ 2___ 3___ 4 5____________ 6_ 7________ 8_____ 9 10___ 11

Chunks:
  FalsePositive nam [10,10] = WIDEO
  FalseNegative nam [5,5] = szczecinianie

(ChunkerEvaluator) Sentence #15948 from articles/00108136 from sent2

Text  : Najpierw kilka scen z zaśnieżonego parku .
Tokens: 1_______ 2____ 3___ 4 5___________ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #15949 from articles/00108136 from sent3

Text  : W tle widać budynek , który przetrwał wojnę .
Tokens: 1 2__ 3____ 4______ 5 6____ 7________ 8____ 9

Chunks:

(ChunkerEvaluator) Sentence #15950 from articles/00108136 from sent4

Text  : Potem kilka ujęć z urodzinowej imprezy .
Tokens: 1____ 2____ 3___ 4 5__________ 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #15951 from articles/00108136 from sent5

Text  : Zobaczcie niezwykły , bo kolorowy film przedstawiający szczecinian w roku 1940 .
Tokens: 1________ 2________ 3 4_ 5_______ 6___ 7______________ 8__________ 9 10__ 11__ 12

Chunks:
  FalseNegative nam [8,8] = szczecinian

(ChunkerEvaluator) Sentence #15952 from articles/00108136 from sent6

Text  : Film opublikowany został w serwisie youtube.com .
Tokens: 1___ 2___________ 3_____ 4 5_______ 6__________ 7

Chunks:
  TruePositive nam [6,6] = youtube.com

(ChunkerEvaluator) Sentence #15953 from articles/00108136 from sent7

Text  : W poniedziałek po południu poinformował o nim na swoim profilu na Facebooku Portal Miłośników Dawnego Szczecina Sedina.pl
Tokens: 1 2___________ 3_ 4_______ 5___________ 6 7__ 8_ 9____ 10_____ 11 12_______ 13____ 14________ 15_____ 16_______ 17_______

Chunks:
  TruePositive nam [17,17] = Sedina.pl
  FalsePositive nam [12,16] = Facebooku Portal Miłośników Dawnego Szczecina
  FalseNegative nam [12,12] = Facebooku
  FalseNegative nam [13,16] = Portal Miłośników Dawnego Szczecina

(ChunkerEvaluator) Sentence #15954 from articles/00108136 from sent8

Text  : Film trwa ponad dwie minuty .
Tokens: 1___ 2___ 3____ 4___ 5_____ 6

Chunks:

(ChunkerEvaluator) Sentence #15955 from articles/00108136 from sent9

Text  : To typowo rodzinna produkcja .
Tokens: 1_ 2_____ 3_______ 4________ 5

Chunks:

(ChunkerEvaluator) Sentence #15956 from articles/00108136 from sent10

Text  : Najpierw mamy więc kilka ujęć uśmiechniętych szczecinian przechadzających się po zaśnieżonym parku .
Tokens: 1_______ 2___ 3___ 4____ 5___ 6_____________ 7__________ 8_______________ 9__ 10 11_________ 12___ 13

Chunks:
  FalseNegative nam [7,7] = szczecinian

(ChunkerEvaluator) Sentence #15957 from articles/00108136 from sent11

Text  : Z ukształtowania terenu i późniejszego ujęcia wynika , że to obecny park Kasprowicza .
Tokens: 1 2_____________ 3_____ 4 5___________ 6_____ 7_____ 8 9_ 10 11____ 12__ 13_________ 14

Chunks:
  TruePositive nam [13,13] = Kasprowicza

(ChunkerEvaluator) Sentence #15958 from articles/00108136 from sent12

Text  : Potem mamy ujęcie przedstawiające pana podskakującego na śniegu .
Tokens: 1____ 2___ 3_____ 4______________ 5___ 6_____________ 7_ 8_____ 9

Chunks:

(ChunkerEvaluator) Sentence #15959 from articles/00108136 from sent13

Text  : W tle jest charakterystyczny budynek , który stoi do dziś .
Tokens: 1 2__ 3___ 4________________ 5______ 6 7____ 8___ 9_ 10__ 11

Chunks:

(ChunkerEvaluator) Sentence #15960 from articles/00108136 from sent14

Text  : To obecny gmach Zachodniopomorskiego Uniwersytetu Technologicznego przy ul . Słowackiego .
Tokens: 1_ 2_____ 3____ 4___________________ 5___________ 6_______________ 7___ 8_ 9 10_________ 11

Chunks:
  TruePositive nam [4,6] = Zachodniopomorskiego Uniwersytetu Technologicznego
  TruePositive nam [10,10] = Słowackiego

(ChunkerEvaluator) Sentence #15961 from articles/00108136 from sent15

Text  : Końcówka filmu to ujęcia z urodzinowej imprezy wyprawionej na cześć jednego z  maluchów widocznych na filmie .
Tokens: 1_______ 2____ 3_ 4_____ 5 6__________ 7______ 8__________ 9_ 10___ 11_____ 12 13______ 14________ 15 16____ 17

Chunks:

2016-10-27 15:00:33,793 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 688 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108137.xml
(ChunkerEvaluator) Sentence #15962 from articles/00108137 from sent1

Text  : Audrey Hepburn we wspomnieniach
Tokens: 1_____ 2______ 3_ 4____________

Chunks:
  FalsePositive nam [2,2] = Hepburn
  FalseNegative nam [1,2] = Audrey Hepburn

(ChunkerEvaluator) Sentence #15963 from articles/00108137 from sent2

Text  : 2 TVP 19 : 00 Film biograficzny
Tokens: 1 2__ 3_ 4 5_ 6___ 7___________

Chunks:
  FalsePositive nam [2,2] = TVP
  FalseNegative nam [1,2] = 2 TVP

(ChunkerEvaluator) Sentence #15964 from articles/00108137 from sent3

Text  : W roku 1981 , wspólnie z synem Seanem Ferrerem ,  bawiła się jeszcze w  romantycznej komedii „  Wszyscy się śmiali ”  Petera Bogdanovicha .
Tokens: 1 2___ 3___ 4 5_______ 6 7____ 8_____ 9_______ 10 11____ 12_ 13_____ 14 15__________ 16_____ 17 18_____ 19_ 20____ 21 22____ 23__________ 24

Chunks:
  TruePositive nam [8,9] = Seanem Ferrerem
  TruePositive nam [22,23] = Petera Bogdanovicha
  FalsePositive nam [18,18] = Wszyscy
  FalseNegative nam [18,20] = Wszyscy się śmiali

(ChunkerEvaluator) Sentence #15965 from articles/00108137 from sent4

Text  : Po sześcioletniej przerwie , w równie romantycznym dreszczowcu „ Miłość wśród złodziei ”  ,  jako elegancka dama przywłaszczała sobie cudze skarby ,  by zapłacić okup za porwanego kochanka .
Tokens: 1_ 2_____________ 3_______ 4 5 6_____ 7___________ 8__________ 9 10____ 11___ 12______ 13 14 15__ 16_______ 17__ 18____________ 19___ 20___ 21____ 22 23 24______ 25__ 26 27_______ 28______ 29

Chunks:
  FalseNegative nam [10,12] = Miłość wśród złodziei

(ChunkerEvaluator) Sentence #15966 from articles/00108137 from sent5

Text  : Romantyczna była też współczesna baśń „ Na zawsze ” Stevena Spielberga z  roku 1989 .
Tokens: 1__________ 2___ 3__ 4__________ 5___ 6 7_ 8_____ 9 10_____ 11________ 12 13__ 14__ 15

Chunks:
  TruePositive nam [10,11] = Stevena Spielberga
  FalseNegative nam [7,8] = Na zawsze

(ChunkerEvaluator) Sentence #15967 from articles/00108137 from sent6

Text  : Audrey pojawiała się tam tylko na krótko , na rozległej zielonej polanie ,  by jako Anioł Stróż powierzyć duchowi zmarłego lotnika ważną misję na Ziemi .
Tokens: 1_____ 2________ 3__ 4__ 5____ 6_ 7_____ 8 9_ 10_______ 11______ 12_____ 13 14 15__ 16___ 17___ 18_______ 19_____ 20______ 21_____ 22___ 23___ 24 25___ 26

Chunks:
  TruePositive nam [16,17] = Anioł Stróż
  TruePositive nam [25,25] = Ziemi
  FalseNegative nam [1,1] = Audrey

(ChunkerEvaluator) Sentence #15968 from articles/00108137 from sent7

Text  : To było jej pożegnanie z ekranem .
Tokens: 1_ 2___ 3__ 4_________ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #15969 from articles/00108137 from sent8

Text  : Sama już od kilku lat poświęcała się ważnej misji :  jako przedstawicielka Funduszu Pomocy Dzieciom ONZ jeździła do Etiopii i  Somalii ,  a  w  gazetach nazywano ją aniołem opiekuńczym małych nędzarzy .
Tokens: 1___ 2__ 3_ 4____ 5__ 6_________ 7__ 8_____ 9____ 10 11__ 12______________ 13______ 14____ 15______ 16_ 17______ 18 19_____ 20 21_____ 22 23 24 25______ 26______ 27 28_____ 29_________ 30____ 31______ 32

Chunks:
  TruePositive nam [13,16] = Funduszu Pomocy Dzieciom ONZ
  TruePositive nam [19,19] = Etiopii
  TruePositive nam [21,21] = Somalii

(ChunkerEvaluator) Sentence #15970 from articles/00108137 from sent9

Text  : Edda Hepburn van Heemstra ( 1929 - 1993 ) urodziła się Brukseli ,  ale na scenie debiutowała w  USA .
Tokens: 1___ 2______ 3__ 4_______ 5 6___ 7 8___ 9 10______ 11_ 12______ 13 14_ 15 16____ 17_________ 18 19_ 20

Chunks:
  TruePositive nam [1,4] = Edda Hepburn van Heemstra
  TruePositive nam [12,12] = Brukseli
  TruePositive nam [19,19] = USA

(ChunkerEvaluator) Sentence #15971 from articles/00108137 from sent10

Text  : O jej karierze zdecydowały dwa sukcesy : rola tytułowa „  Gigi ”  w  teatrze na Broadwayu (  1951 )  i  rola księżniczki Anny w  „  Rzymskich wakacjach ”  Wylera (  Oscar '  53 )  .
Tokens: 1 2__ 3_______ 4__________ 5__ 6______ 7 8___ 9_______ 10 11__ 12 13 14_____ 15 16_______ 17 18__ 19 20 21__ 22_________ 23__ 24 25 26_______ 27_______ 28 29____ 30 31___ 32 33 34 35

Chunks:
  TruePositive nam [11,11] = Gigi
  TruePositive nam [16,16] = Broadwayu
  TruePositive nam [23,23] = Anny
  TruePositive nam [31,31] = Oscar
  FalseNegative nam [26,27] = Rzymskich wakacjach
  FalseNegative nam [29,29] = Wylera

(ChunkerEvaluator) Sentence #15972 from articles/00108137 from sent11

Text  : Pełna uroku , liryczna i figlarna - potrafiła nadać odcień romantyczny ogromnej większości swoich ról .
Tokens: 1____ 2____ 3 4_______ 5 6_______ 7 8________ 9____ 10____ 11_________ 12______ 13________ 14____ 15_ 16

Chunks:

(ChunkerEvaluator) Sentence #15973 from articles/00108137 from sent12

Text  : Nie starała się schlebiać publiczności ani prasie , nie kreowała legend ,  nie była idolem :  na corocznie ustalanych listach 10 najbardziej kasowych gwiazd Hollywood jej nazwisko nie pojawiło się ani razu ,  chociaż status gwiazdy przysługiwał jej przez lat 40 .
Tokens: 1__ 2______ 3__ 4________ 5___________ 6__ 7_____ 8 9__ 10______ 11____ 12 13_ 14__ 15____ 16 17 18_______ 19________ 20_____ 21 22_________ 23______ 24____ 25_______ 26_ 27______ 28_ 29______ 30_ 31_ 32__ 33 34_____ 35____ 36_____ 37__________ 38_ 39___ 40_ 41 42

Chunks:
  TruePositive nam [25,25] = Hollywood

2016-10-27 15:00:33,868 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 689 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108138.xml
(ChunkerEvaluator) Sentence #15974 from articles/00108138 from sent1

Text  : Gaba Kulka żegna się z królikiem
Tokens: 1___ 2____ 3____ 4__ 5 6________

Chunks:
  TruePositive nam [1,2] = Gaba Kulka

(ChunkerEvaluator) Sentence #15975 from articles/00108138 from sent2

Text  : Gaba Kulka żegna się z królikiem
Tokens: 1___ 2____ 3____ 4__ 5 6________

Chunks:
  TruePositive nam [1,2] = Gaba Kulka

(ChunkerEvaluator) Sentence #15976 from articles/00108138 from sent3

Text  : Gaba Kulka podcza skoncertów nagra materiał live na specjalną płytę
Tokens: 1___ 2____ 3_____ 4_________ 5____ 6_______ 7___ 8_ 9________ 10___

Chunks:
  TruePositive nam [1,2] = Gaba Kulka

(ChunkerEvaluator) Sentence #15977 from articles/00108138 from sent4

Text  : 10 lutego podczas dwóch ( godz . 18 i 20 )  koncertów w  Radiu Kraków (  al .  Słowackiego 22 )  Gaba Kulka nagra materiał live na specjalną edycję premierowej płyty
Tokens: 1_ 2_____ 3______ 4____ 5 6___ 7 8_ 9 10 11 12_______ 13 14___ 15____ 16 17 18 19_________ 20 21 22__ 23___ 24___ 25______ 26__ 27 28_______ 29____ 30_________ 31___

Chunks:
  TruePositive nam [14,15] = Radiu Kraków
  TruePositive nam [19,19] = Słowackiego
  TruePositive nam [22,23] = Gaba Kulka

(ChunkerEvaluator) Sentence #15978 from articles/00108138 from sent5

Text  : W niedzielę 10 lutego podczas dwóch ( godz . 18 i  20 )  koncertów w  Radiu Kraków (  al .  Słowackiego 22 )  Gaba Kulka nagra materiał live na specjalną edycję premierowej płyty !
Tokens: 1 2________ 3_ 4_____ 5______ 6____ 7 8___ 9 10 11 12 13 14_______ 15 16___ 17____ 18 19 20 21_________ 22 23 24__ 25___ 26___ 27______ 28__ 29 30_______ 31____ 32_________ 33___ 34

Chunks:
  TruePositive nam [16,17] = Radiu Kraków
  TruePositive nam [21,21] = Słowackiego
  TruePositive nam [24,25] = Gaba Kulka

(ChunkerEvaluator) Sentence #15979 from articles/00108138 from sent6

Text  : W studiu im . Romany Bobrowskiej Radia Kraków Gaba zagra dwa pierwsze koncerty w  ramach trasy "  Bye ,  Rabbit 2013 !  "  ,  która będzie pożegnaniem z  albumem "  Hat ,  Rabbit "  .
Tokens: 1 2_____ 3_ 4 5_____ 6__________ 7____ 8_____ 9___ 10___ 11_ 12______ 13______ 14 15____ 16___ 17 18_ 19 20____ 21__ 22 23 24 25___ 26____ 27_________ 28 29_____ 30 31_ 32 33____ 34 35

Chunks:
  FalsePositive nam [5,9] = Romany Bobrowskiej Radia Kraków Gaba
  FalseNegative nam [5,6] = Romany Bobrowskiej
  FalseNegative nam [7,8] = Radia Kraków
  FalseNegative nam [9,9] = Gaba
  FalseNegative nam [18,22] = Bye , Rabbit 2013 !
  FalseNegative nam [31,33] = Hat , Rabbit

(ChunkerEvaluator) Sentence #15980 from articles/00108138 from sent7

Text  : Oba zostaną zarejestrowane , a materiał z nich pojawi się równocześnie z  nowym albumem Kulki jako oddzielne wydawnictwo w  formie cyfrowej i  dodatek do specjalnej edycji premierowej płyty .
Tokens: 1__ 2______ 3_____________ 4 5 6_______ 7 8___ 9_____ 10_ 11__________ 12 13___ 14_____ 15___ 16__ 17_______ 18_________ 19 20____ 21______ 22 23_____ 24 25________ 26____ 27_________ 28___ 29

Chunks:
  TruePositive nam [15,15] = Kulki

(ChunkerEvaluator) Sentence #15981 from articles/00108138 from sent8

Text  : Większość kompozycji usłyszymy w nowych aranżacjach , a artystce towarzyszyć będą muzycy z  tria The Light :  Wacław Ziempel ,  Robert Rasz i  Wojciech Traczyk .
Tokens: 1________ 2_________ 3________ 4 5_____ 6__________ 7 8 9_______ 10_________ 11__ 12____ 13 14__ 15_ 16___ 17 18____ 19_____ 20 21____ 22__ 23 24______ 25_____ 26

Chunks:
  TruePositive nam [15,16] = The Light
  TruePositive nam [18,19] = Wacław Ziempel
  TruePositive nam [21,22] = Robert Rasz
  TruePositive nam [24,25] = Wojciech Traczyk

2016-10-27 15:00:33,921 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 690 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108139.xml
(ChunkerEvaluator) Sentence #15982 from articles/00108139 from sent1

Text  : Wrocławskie nominacje do Fryderyków
Tokens: 1__________ 2________ 3_ 4_________

Chunks:
  TruePositive nam [4,4] = Fryderyków

(ChunkerEvaluator) Sentence #15983 from articles/00108139 from sent2

Text  : Wśród ogłoszonych przedwczoraj nominacji do nagrody polskiego przemysłu muzycznego „  Fryderyk 2002 ”  znalazło się sporo wrocławskich akcentów
Tokens: 1____ 2__________ 3___________ 4________ 5_ 6______ 7________ 8________ 9_________ 10 11______ 12__ 13 14______ 15_ 16___ 17__________ 18______

Chunks:
  FalsePositive nam [11,13] = Fryderyk 2002 ”
  FalseNegative nam [11,12] = Fryderyk 2002

(ChunkerEvaluator) Sentence #15984 from articles/00108139 from sent3

Text  : Wrocławianie po Fryderyki ?
Tokens: 1___________ 2_ 3________ 4

Chunks:
  TruePositive nam [3,3] = Fryderyki
  FalseNegative nam [1,1] = Wrocławianie

(ChunkerEvaluator) Sentence #15985 from articles/00108139 from sent4

Text  : Lech Janerka , poeta i rockman , dostał trzy nominacje -  jako autor tekstów ,  kompozytor i  za płytę „  Fiu fiu .  .  .  ”  (  w  kategorii „  Album roku -  muzyka alternatywna ”  )  .
Tokens: 1___ 2______ 3 4____ 5 6______ 7 8_____ 9___ 10_______ 11 12__ 13___ 14_____ 15 16________ 17 18 19___ 20 21_ 22_ 23 24 25 26 27 28 29_______ 30 31___ 32__ 33 34____ 35__________ 36 37 38

Chunks:
  TruePositive nam [1,2] = Lech Janerka
  TruePositive nam [21,25] = Fiu fiu . . .
  FalseNegative nam [31,35] = Album roku - muzyka alternatywna

(ChunkerEvaluator) Sentence #15986 from articles/00108139 from sent5

Text  : Płytę wydał koncern BMG
Tokens: 1____ 2____ 3______ 4__

Chunks:
  TruePositive nam [4,4] = BMG

(ChunkerEvaluator) Sentence #15987 from articles/00108139 from sent6

Text  : ( tu następuje obrazek płyty )
Tokens: 1 2_ 3________ 4______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15988 from articles/00108139 from sent7

Text  : Nominację w kategorii „ Album roku - etno / folk ”  dostała płyta „  Alkimja ”  Justyny Steczkowskiej .
Tokens: 1________ 2 3________ 4 5____ 6___ 7 8___ 9 10__ 11 12_____ 13___ 14 15_____ 16 17_____ 18___________ 19

Chunks:
  TruePositive nam [17,18] = Justyny Steczkowskiej
  FalsePositive nam [10,10] = folk
  FalseNegative nam [5,10] = Album roku - etno / folk
  FalseNegative nam [15,15] = Alkimja

(ChunkerEvaluator) Sentence #15989 from articles/00108139 from sent8

Text  : Teksty piosenek napisał wrocławianin Roman Kołakowski , tutaj nagrano znaczną część materiału z  udziałem wrocławskich artystów ,  m  .  in .  chóru Synagogi pod Białym Bocianem .
Tokens: 1_____ 2_______ 3______ 4___________ 5____ 6_________ 7 8____ 9______ 10_____ 11___ 12_______ 13 14______ 15__________ 16______ 17 18 19 20 21 22___ 23______ 24_ 25____ 26______ 27

Chunks:
  TruePositive nam [5,6] = Roman Kołakowski
  FalsePositive nam [23,23] = Synagogi
  FalsePositive nam [25,26] = Białym Bocianem
  FalseNegative nam [4,4] = wrocławianin
  FalseNegative nam [23,26] = Synagogi pod Białym Bocianem

(ChunkerEvaluator) Sentence #15990 from articles/00108139 from sent9

Text  : Płytę wydała wrocławska firma Luna Music .
Tokens: 1____ 2_____ 3_________ 4____ 5___ 6____ 7

Chunks:
  TruePositive nam [5,6] = Luna Music

(ChunkerEvaluator) Sentence #15991 from articles/00108139 from sent10

Text  : ( tu następuje obrazek płyty )
Tokens: 1 2_ 3________ 4______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15992 from articles/00108139 from sent11

Text  : Szansę na nagrodę w kategorii „ Album roku - muzyka orkiestrowa ”  ma Wrocławska Orkiestra Kameralna „  Vratislavia ”  pod batutą wybitnego skrzypka Jana Staniendy .
Tokens: 1_____ 2_ 3______ 4 5________ 6 7____ 8___ 9 10____ 11_________ 12 13 14________ 15_______ 16_______ 17 18_________ 19 20_ 21____ 22_______ 23______ 24__ 25_______ 26

Chunks:
  TruePositive nam [24,25] = Jana Staniendy
  FalsePositive nam [14,18] = Wrocławska Orkiestra Kameralna „ Vratislavia
  FalseNegative nam [7,11] = Album roku - muzyka orkiestrowa
  FalseNegative nam [14,16] = Wrocławska Orkiestra Kameralna
  FalseNegative nam [18,18] = Vratislavia

(ChunkerEvaluator) Sentence #15993 from articles/00108139 from sent12

Text  : Na płycie „ Muzyka polska poprzez wieki ” , wydanej przez firmę DUX ,  znalazły się utwory Feliksa Janiewicza ,  Władysława Słowińskiego ,  Macieja Radziwiłła ,  Romualda Twardowskiego i  współczesnego kompozytora z  Wrocławia -  Rafała Augustyna .
Tokens: 1_ 2_____ 3 4_____ 5_____ 6______ 7____ 8 9 10_____ 11___ 12___ 13_ 14 15______ 16_ 17____ 18_____ 19________ 20 21________ 22__________ 23 24_____ 25________ 26 27______ 28___________ 29 30___________ 31_________ 32 33_______ 34 35____ 36_______ 37

Chunks:
  TruePositive nam [18,19] = Feliksa Janiewicza
  TruePositive nam [21,22] = Władysława Słowińskiego
  TruePositive nam [24,25] = Macieja Radziwiłła
  TruePositive nam [27,28] = Romualda Twardowskiego
  TruePositive nam [33,33] = Wrocławia
  TruePositive nam [35,36] = Rafała Augustyna
  FalsePositive nam [4,4] = Muzyka
  FalseNegative nam [4,7] = Muzyka polska poprzez wieki
  FalseNegative nam [13,13] = DUX

(ChunkerEvaluator) Sentence #15994 from articles/00108139 from sent13

Text  : ( tu następuje obrazek płyty )
Tokens: 1 2_ 3________ 4______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15995 from articles/00108139 from sent14

Text  : Albumem roku w kategorii „ Heavy metal ” może zostać płyta „  Candra ”  zespołu Moonlight .
Tokens: 1______ 2___ 3 4________ 5 6____ 7____ 8 9___ 10____ 11___ 12 13____ 14 15_____ 16_______ 17

Chunks:
  TruePositive nam [16,16] = Moonlight
  FalseNegative nam [6,7] = Heavy metal
  FalseNegative nam [13,13] = Candra

(ChunkerEvaluator) Sentence #15996 from articles/00108139 from sent15

Text  : Wokalistka grupy Maja Konarska mieszka we Wrocławiu , tutaj też płyta została nagrana .
Tokens: 1_________ 2____ 3___ 4_______ 5______ 6_ 7________ 8 9____ 10_ 11___ 12_____ 13_____ 14

Chunks:
  TruePositive nam [3,4] = Maja Konarska
  TruePositive nam [7,7] = Wrocławiu

(ChunkerEvaluator) Sentence #15997 from articles/00108139 from sent16

Text  : Wydała ją firma Metal Mind Productions .
Tokens: 1_____ 2_ 3____ 4____ 5___ 6__________ 7

Chunks:
  TruePositive nam [4,6] = Metal Mind Productions

(ChunkerEvaluator) Sentence #15998 from articles/00108139 from sent17

Text  : ( tu następuje obrazek płyty )
Tokens: 1 2_ 3________ 4______ 5____ 6

Chunks:

(ChunkerEvaluator) Sentence #15999 from articles/00108139 from sent18

Text  : Nominację w kategorii „ Jazzowy muzyk roku ” dostał kontrabasista Darek Oleszkiewicz ,  wrocławianin z  urodzenia ,  od kilkunastu lat mieszkający w  Los Angeles ,  ale często koncertujący w  Polsce .
Tokens: 1________ 2 3________ 4 5______ 6____ 7___ 8 9_____ 10___________ 11___ 12__________ 13 14__________ 15 16_______ 17 18 19________ 20_ 21_________ 22 23_ 24_____ 25 26_ 27____ 28__________ 29 30____ 31

Chunks:
  TruePositive nam [11,12] = Darek Oleszkiewicz
  TruePositive nam [23,24] = Los Angeles
  TruePositive nam [30,30] = Polsce
  FalseNegative nam [5,7] = Jazzowy muzyk roku
  FalseNegative nam [14,14] = wrocławianin

(ChunkerEvaluator) Sentence #16000 from articles/00108139 from sent19

Text  : Oleszkiewicz uznawany jest za jednego z najlepszych basistów jazzowych w  Stanach Zjednoczonych ,  a  w  Polsce współpracował ostatnio z  Anną Marią Jopek przy płycie „  Upojenie ”  .
Tokens: 1___________ 2_______ 3___ 4_ 5______ 6 7__________ 8_______ 9________ 10 11_____ 12___________ 13 14 15 16____ 17___________ 18______ 19 20__ 21___ 22___ 23__ 24____ 25 26______ 27 28

Chunks:
  TruePositive nam [11,12] = Stanach Zjednoczonych
  TruePositive nam [16,16] = Polsce
  TruePositive nam [20,22] = Anną Marią Jopek
  TruePositive nam [26,26] = Upojenie
  FalseNegative nam [1,1] = Oleszkiewicz

(ChunkerEvaluator) Sentence #16001 from articles/00108139 from sent20

Text  : ( tu następuje zdjęcie - foto ma , foto da )
Tokens: 1 2_ 3________ 4______ 5 6___ 7_ 8 9___ 10 11

Chunks:

(ChunkerEvaluator) Sentence #16002 from articles/00108139 from sent21

Text  : W kategorii „ Muzyka orkiestrowa ” nominację otrzymało nagranie koncertu skrzypcowego Johannesa Brahmsa .
Tokens: 1 2________ 3 4_____ 5__________ 6 7________ 8________ 9_______ 10______ 11__________ 12_______ 13_____ 14

Chunks:
  TruePositive nam [12,13] = Johannesa Brahmsa
  FalseNegative nam [4,5] = Muzyka orkiestrowa

(ChunkerEvaluator) Sentence #16003 from articles/00108139 from sent22

Text  : Krzysztof Jakowicz - „ Brahms - Koncert skrzypcowy - Krzysztof Jakowicz ”  .
Tokens: 1________ 2_______ 3 4 5_____ 6 7______ 8_________ 9 10_______ 11______ 12 13

Chunks:
  TruePositive nam [1,2] = Krzysztof Jakowicz
  FalsePositive nam [5,5] = Brahms
  FalsePositive nam [7,7] = Koncert
  FalsePositive nam [10,11] = Krzysztof Jakowicz
  FalseNegative nam [5,11] = Brahms - Koncert skrzypcowy - Krzysztof Jakowicz

(ChunkerEvaluator) Sentence #16004 from articles/00108139 from sent23

Text  : Towarzyszącą Krzysztofowi Jakowiczowi Orkiestrą Polskiego Radia i Telewizji w Krakowie dyrygował profesor wrocławskiej Akademii Muzycznej i  były dyrektor Filharmonii Wrocławskiej -  Marek Pijarowski .
Tokens: 1___________ 2___________ 3__________ 4________ 5________ 6____ 7 8________ 9 10______ 11_______ 12______ 13__________ 14______ 15_______ 16 17__ 18______ 19_________ 20__________ 21 22___ 23________ 24

Chunks:
  TruePositive nam [14,15] = Akademii Muzycznej
  TruePositive nam [19,20] = Filharmonii Wrocławskiej
  TruePositive nam [22,23] = Marek Pijarowski
  FalsePositive nam [2,10] = Krzysztofowi Jakowiczowi Orkiestrą Polskiego Radia i Telewizji w Krakowie
  FalseNegative nam [2,3] = Krzysztofowi Jakowiczowi
  FalseNegative nam [4,8] = Orkiestrą Polskiego Radia i Telewizji
  FalseNegative nam [10,10] = Krakowie

(ChunkerEvaluator) Sentence #16005 from articles/00108139 from sent24

Text  : Płytę wydało Polskie Radio .
Tokens: 1____ 2_____ 3______ 4____ 5

Chunks:
  TruePositive nam [3,4] = Polskie Radio

(ChunkerEvaluator) Sentence #16006 from articles/00108139 from sent25

Text  : Albumem roku w kategorii „ Muzyka dawna ” mogą zostać „  Dzieła wokalno -  instrumentalne ”  Grzegorza Gerwazego Gorczyckiego .
Tokens: 1______ 2___ 3 4________ 5 6_____ 7____ 8 9___ 10____ 11 12____ 13_____ 14 15____________ 16 17_______ 18_______ 19__________ 20

Chunks:
  TruePositive nam [17,19] = Grzegorza Gerwazego Gorczyckiego
  FalseNegative nam [6,7] = Muzyka dawna
  FalseNegative nam [12,15] = Dzieła wokalno - instrumentalne

(ChunkerEvaluator) Sentence #16007 from articles/00108139 from sent26

Text  : Jednym z solistów jest wrocławianin , kontratenor Piotr Łykowski .
Tokens: 1_____ 2 3_______ 4___ 5___________ 6 7__________ 8____ 9_______ 10

Chunks:
  TruePositive nam [8,9] = Piotr Łykowski
  FalseNegative nam [5,5] = wrocławianin

(ChunkerEvaluator) Sentence #16008 from articles/00108139 from sent27

Text  : Płytę wydało Polskie Radio .
Tokens: 1____ 2_____ 3______ 4____ 5

Chunks:
  TruePositive nam [3,4] = Polskie Radio

2016-10-27 15:00:34,042 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 691 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108140.xml
(ChunkerEvaluator) Sentence #16009 from articles/00108140 from sent1

Text  : MŚ w biathlonie - Pałka : mijając metę - płakała m
Tokens: 1_ 2 3_________ 4 5____ 6 7______ 8___ 9 10_____ 11

Chunks:
  TruePositive nam [5,5] = Pałka
  FalseNegative nam [1,3] = MŚ w biathlonie

(ChunkerEvaluator) Sentence #16010 from articles/00108140 from sent2

Text  : Krystyna Pałka , srebrna medalistka w biegu na dochodzenie na 10 km w  biathlonowych mistrzostwach świata w  Novym Mescie na Morawach ,  powiedziała na konferencji prasowej :
Tokens: 1_______ 2____ 3 4______ 5_________ 6 7____ 8_ 9__________ 10 11 12 13 14___________ 15___________ 16____ 17 18___ 19____ 20 21______ 22 23_________ 24 25_________ 26______ 27

Chunks:
  TruePositive nam [1,2] = Krystyna Pałka
  TruePositive nam [18,19] = Novym Mescie
  TruePositive nam [21,21] = Morawach
  FalseNegative nam [14,16] = biathlonowych mistrzostwach świata

(ChunkerEvaluator) Sentence #16011 from articles/00108140 from sent3

Text  : " To dla mnie specjalny dzień .
Tokens: 1 2_ 3__ 4___ 5________ 6____ 7

Chunks:

(ChunkerEvaluator) Sentence #16012 from articles/00108140 from sent4

Text  : Pierwszy raz stanęła m na podium i to od razu podczas mistrzostw świata .
Tokens: 1_______ 2__ 3______ 4 5_ 6_____ 7 8_ 9_ 10__ 11_____ 12________ 13____ 14

Chunks:
  FalseNegative nam [12,13] = mistrzostw świata

(ChunkerEvaluator) Sentence #16013 from articles/00108140 from sent5

Text  : Trudno mi opisać to uczucie .
Tokens: 1_____ 2_ 3_____ 4_ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #16014 from articles/00108140 from sent6

Text  : Także pierwszy raz zdarzyło mi się , że płakała m  ,  mijając linię mety .
Tokens: 1____ 2_______ 3__ 4_______ 5_ 6__ 7 8_ 9______ 10 11 12_____ 13___ 14__ 15

Chunks:

(ChunkerEvaluator) Sentence #16015 from articles/00108140 from sent7

Text  : Zawsze czegoś mi brakowało w trakcie zawodów - albo w  strzelaniu ,  albo w  biegu .
Tokens: 1_____ 2_____ 3_ 4________ 5 6______ 7______ 8 9___ 10 11________ 12 13__ 14 15___ 16

Chunks:

(ChunkerEvaluator) Sentence #16016 from articles/00108140 from sent8

Text  : Dziś wreszcie poczuła m , że jestem w stanie pokonać każdą rywalkę "  .
Tokens: 1___ 2_______ 3______ 4 5 6_ 7_____ 8 9_____ 10_____ 11___ 12_____ 13 14

Chunks:

2016-10-27 15:00:34,075 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 692 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108141.xml
(ChunkerEvaluator) Sentence #16017 from articles/00108141 from sent1

Text  : Oświęcimskiej synagodze Chewra Lomdej Misznajot grozi katastrofa
Tokens: 1____________ 2________ 3_____ 4_____ 5________ 6____ 7_________

Chunks:
  TruePositive nam [3,5] = Chewra Lomdej Misznajot

(ChunkerEvaluator) Sentence #16018 from articles/00108141 from sent2

Text  : Zabytkowej synagodze Chewra Lomdej Misznajot w Oświęcimiu grozi katastrofa .
Tokens: 1_________ 2________ 3_____ 4_____ 5________ 6 7_________ 8____ 9_________ 10

Chunks:
  TruePositive nam [3,5] = Chewra Lomdej Misznajot
  TruePositive nam [7,7] = Oświęcimiu

(ChunkerEvaluator) Sentence #16019 from articles/00108141 from sent3

Text  : Dyrektor miejscowego Centrum Żydowskiego , którego częścią jest świątynia ,  Tomasz Kuncewicz powiedział we wtorek ,  że skarpa ,  na której stoi budynek ,  jest niestabilna i  wymaga wzmocnienia .
Tokens: 1_______ 2__________ 3______ 4__________ 5 6______ 7______ 8___ 9________ 10 11____ 12_______ 13________ 14 15____ 16 17 18____ 19 20 21____ 22__ 23_____ 24 25__ 26_________ 27 28____ 29_________ 30

Chunks:
  TruePositive nam [3,4] = Centrum Żydowskiego
  TruePositive nam [11,12] = Tomasz Kuncewicz

(ChunkerEvaluator) Sentence #16020 from articles/00108141 from sent4

Text  : " Najnowsza ekspertyza budowlana wykazała , że budynek synagogi jest zagrożony ze względu na możliwość osunięcia erodującej skarpy ,  na której stoi .
Tokens: 1 2________ 3_________ 4________ 5_______ 6 7_ 8______ 9_______ 10__ 11_______ 12 13_____ 14 15_______ 16_______ 17________ 18____ 19 20 21____ 22__ 23

Chunks:

(ChunkerEvaluator) Sentence #16021 from articles/00108141 from sent5

Text  : Grunt wymaga natychmiastowego zabezpieczenia , między innymi za pomocą systemu betonowych mikropali ,  a  także wzmocnienia konstrukcji domu rodziny Klugerów ,  który stabilizuje skarpę "  -  powiedział Kuncewicz w  rozmowie z  PAP .
Tokens: 1____ 2_____ 3_______________ 4_____________ 5 6_____ 7_____ 8_ 9_____ 10_____ 11________ 12_______ 13 14 15___ 16_________ 17_________ 18__ 19_____ 20______ 21 22___ 23_________ 24____ 25 26 27________ 28_______ 29 30______ 31 32_ 33

Chunks:
  TruePositive nam [28,28] = Kuncewicz
  TruePositive nam [32,32] = PAP
  FalseNegative nam [20,20] = Klugerów

(ChunkerEvaluator) Sentence #16022 from articles/00108141 from sent6

Text  : Jak podkreślił dyrektor Centrum Żydowskiego ziemia jest na tyle niestabilna ,  że jej ruchy wywołać mogą silniejsze opady deszczu lub tąpnięcia w  kopalniach ,  które znajdują się w  pobliżu Oświęcimia .
Tokens: 1__ 2_________ 3_______ 4______ 5__________ 6_____ 7___ 8_ 9___ 10_________ 11 12 13_ 14___ 15_____ 16__ 17________ 18___ 19_____ 20_ 21_______ 22 23________ 24 25___ 26______ 27_ 28 29_____ 30________ 31

Chunks:
  TruePositive nam [4,5] = Centrum Żydowskiego
  TruePositive nam [30,30] = Oświęcimia

(ChunkerEvaluator) Sentence #16023 from articles/00108141 from sent7

Text  : Zdaniem dyrektora szacunkowa wartość prac budowlanych może wynieść nawet 1  mln zł .
Tokens: 1______ 2________ 3_________ 4______ 5___ 6__________ 7___ 8______ 9____ 10 11_ 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #16024 from articles/00108141 from sent8

Text  : Prace rozpoczną się wiosną bieżącego roku .
Tokens: 1____ 2________ 3__ 4_____ 5________ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #16025 from articles/00108141 from sent9

Text  : Część funduszy została już zgromadzona , ale Centrum apeluje o  wsparcie .
Tokens: 1____ 2_______ 3______ 4__ 5__________ 6 7__ 8______ 9______ 10 11______ 12

Chunks:
  FalseNegative nam [8,8] = Centrum

(ChunkerEvaluator) Sentence #16026 from articles/00108141 from sent10

Text  : " Zwracamy się do wszystkich ludzi , którym bliska jest wrażliwość na wielokulturowe dziedzictwo Polski ,  o  zaangażowanie się w  uratowanie ostatniej synagogi w  pobliżu Auschwitz .
Tokens: 1 2_______ 3__ 4_ 5_________ 6____ 7 8_____ 9_____ 10__ 11________ 12 13____________ 14_________ 15____ 16 17 18___________ 19_ 20 21________ 22_______ 23______ 24 25_____ 26_______ 27

Chunks:
  TruePositive nam [15,15] = Polski
  TruePositive nam [26,26] = Auschwitz

(ChunkerEvaluator) Sentence #16027 from articles/00108141 from sent11

Text  : Darowizny można przekazywać na konto : Bank Pekao SA ,  32 1240 1170 1111 0000 2418 5213 "  -  apeluje Centrum .
Tokens: 1________ 2____ 3__________ 4_ 5____ 6 7___ 8____ 9_ 10 11 12__ 13__ 14__ 15__ 16__ 17__ 18 19 20_____ 21_____ 22

Chunks:
  TruePositive nam [7,9] = Bank Pekao SA
  FalseNegative nam [21,21] = Centrum

(ChunkerEvaluator) Sentence #16028 from articles/00108141 from sent12

Text  : " Synagoga jest unikatowym śladem po społeczności żydowskiej , która współtworzyła Oświęcim i  Polskę przez niemal 500 lat ,  aż do Holokaustu .
Tokens: 1 2_______ 3___ 4_________ 5_____ 6_ 7___________ 8_________ 9 10___ 11___________ 12______ 13 14____ 15___ 16____ 17_ 18_ 19 20 21 22________ 23

Chunks:
  TruePositive nam [12,12] = Oświęcim
  TruePositive nam [14,14] = Polskę
  TruePositive nam [22,22] = Holokaustu

(ChunkerEvaluator) Sentence #16029 from articles/00108141 from sent13

Text  : Jest to zabytek o wyjątkowym znaczeniu symbolicznym dla polsko -  żydowskiego dziedzictwa naszego kraju ze względu na lokalizację w  bezpośrednim sąsiedztwie byłego obozu koncentracyjnego i  zagłady Auschwitz "  -  podkreślił dyrektor Centrum Żydowskiego Tomasz Kuncewicz .
Tokens: 1___ 2_ 3______ 4 5_________ 6________ 7___________ 8__ 9_____ 10 11_________ 12_________ 13_____ 14___ 15 16_____ 17 18_________ 19 20__________ 21_________ 22____ 23___ 24______________ 25 26_____ 27_______ 28 29 30________ 31______ 32_____ 33_________ 34____ 35_______ 36

Chunks:
  TruePositive nam [27,27] = Auschwitz
  TruePositive nam [32,33] = Centrum Żydowskiego
  TruePositive nam [34,35] = Tomasz Kuncewicz

(ChunkerEvaluator) Sentence #16030 from articles/00108141 from sent14

Text  : Synagoga Chewra Lomdej Misznajot w Oświęcimiu powstała na początku XX wieku .
Tokens: 1_______ 2_____ 3_____ 4________ 5 6_________ 7_______ 8_ 9_______ 10 11___ 12

Chunks:
  TruePositive nam [2,4] = Chewra Lomdej Misznajot
  TruePositive nam [6,6] = Oświęcimiu

(ChunkerEvaluator) Sentence #16031 from articles/00108141 from sent15

Text  : Po wojnie mieściła się w niej między innymi hurtownia dywanów .
Tokens: 1_ 2_____ 3_______ 4__ 5 6___ 7_____ 8_____ 9________ 10_____ 11

Chunks:

(ChunkerEvaluator) Sentence #16032 from articles/00108141 from sent16

Text  : W marcu 1998 roku została zwrócona społeczności żydowskiej na mocy ustawy o  restytucji majątków gmin żydowskich w  Polsce .
Tokens: 1 2____ 3___ 4___ 5______ 6_______ 7___________ 8_________ 9_ 10__ 11____ 12 13________ 14______ 15__ 16________ 17 18____ 19

Chunks:
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #16033 from articles/00108141 from sent17

Text  : Jest to jedyna synagoga w Oświęcimiu ocalała z II wojny światowej .
Tokens: 1___ 2_ 3_____ 4_______ 5 6_________ 7______ 8 9_ 10___ 11_______ 12

Chunks:
  TruePositive nam [6,6] = Oświęcimiu
  TruePositive nam [9,11] = II wojny światowej

(ChunkerEvaluator) Sentence #16034 from articles/00108141 from sent18

Text  : Uroczystość jej rededykacji miała miejsce w 1999 roku .
Tokens: 1__________ 2__ 3__________ 4____ 5______ 6 7___ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #16035 from articles/00108141 from sent19

Text  : Centrum Żydowskie w Oświęcimiu powstało w 2000 roku .
Tokens: 1______ 2________ 3 4_________ 5_______ 6 7___ 8___ 9

Chunks:
  TruePositive nam [1,2] = Centrum Żydowskie
  TruePositive nam [4,4] = Oświęcimiu

(ChunkerEvaluator) Sentence #16036 from articles/00108141 from sent20

Text  : Jego celem jest kultywowanie pamięci o żydowskich mieszkańcach miasta ,  którego nazwę podczas wojny Niemcy zmienili na Auschwitz ,  a  także edukacja ze szczególnym uwzględnieniem problematyki Holokaustu i  współczesnych zagrożeń związanych z  nietolerancją i  uprzedzeniami .
Tokens: 1___ 2____ 3___ 4___________ 5______ 6 7_________ 8___________ 9_____ 10 11_____ 12___ 13_____ 14___ 15____ 16______ 17 18_______ 19 20 21___ 22______ 23 24_________ 25____________ 26__________ 27________ 28 29___________ 30______ 31________ 32 33___________ 34 35___________ 36

Chunks:
  TruePositive nam [15,15] = Niemcy
  TruePositive nam [18,18] = Auschwitz
  TruePositive nam [27,27] = Holokaustu

(ChunkerEvaluator) Sentence #16037 from articles/00108141 from sent21

Text  : Pod jego auspicjami działa muzeum żydowskie , synagoga oraz centrum edukacyjne .
Tokens: 1__ 2___ 3_________ 4_____ 5_____ 6________ 7 8_______ 9___ 10_____ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #16038 from articles/00108141 from sent22

Text  : Dom Klugerów został wzniesiony na przełomie XIX i XX wieku .
Tokens: 1__ 2_______ 3_____ 4_________ 5_ 6________ 7__ 8 9_ 10___ 11

Chunks:
  FalsePositive nam [1,2] = Dom Klugerów
  FalsePositive nam [7,7] = XIX
  FalseNegative nam [2,2] = Klugerów

(ChunkerEvaluator) Sentence #16039 from articles/00108141 from sent23

Text  : Rodzina Klugerów mieszkała w Oświęcimiu przed wojną .
Tokens: 1______ 2_______ 3________ 4 5_________ 6____ 7____ 8

Chunks:
  TruePositive nam [5,5] = Oświęcimiu
  FalseNegative nam [2,2] = Klugerów

(ChunkerEvaluator) Sentence #16040 from articles/00108141 from sent24

Text  : Z dziewięciorga dzieci Zagładę przeżyła tylko trójka , w tym Szymon ,  który był więźniem niemieckiego obozu Auschwitz .
Tokens: 1 2____________ 3_____ 4______ 5_______ 6____ 7_____ 8 9 10_ 11____ 12 13___ 14_ 15______ 16__________ 17___ 18_______ 19

Chunks:
  TruePositive nam [4,4] = Zagładę
  TruePositive nam [11,11] = Szymon
  TruePositive nam [18,18] = Auschwitz

(ChunkerEvaluator) Sentence #16041 from articles/00108141 from sent25

Text  : Po wojnie mieszkał w Szwecji .
Tokens: 1_ 2_____ 3_______ 4 5______ 6

Chunks:
  TruePositive nam [5,5] = Szwecji

(ChunkerEvaluator) Sentence #16042 from articles/00108141 from sent26

Text  : W latach 60 . powrócił do Oświęcimia .
Tokens: 1 2_____ 3_ 4 5_______ 6_ 7_________ 8

Chunks:
  TruePositive nam [7,7] = Oświęcimia

(ChunkerEvaluator) Sentence #16043 from articles/00108141 from sent27

Text  : Był ostatnim Żydem mieszkającym w mieście .
Tokens: 1__ 2_______ 3____ 4___________ 5 6______ 7

Chunks:
  TruePositive nam [3,3] = Żydem

(ChunkerEvaluator) Sentence #16044 from articles/00108141 from sent28

Text  : Zmarł w 2000 roku .
Tokens: 1____ 2 3___ 4___ 5

Chunks:

(ChunkerEvaluator) Sentence #16045 from articles/00108141 from sent29

Text  : Spoczywa na miejscowym kirkucie .
Tokens: 1_______ 2_ 3_________ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #16046 from articles/00108141 from sent30

Text  : Pierwsi Żydzi zamieszkali w Oświęcimiu w początkach XVI wieku .
Tokens: 1______ 2____ 3__________ 4 5_________ 6 7_________ 8__ 9____ 10

Chunks:
  TruePositive nam [2,2] = Żydzi
  TruePositive nam [5,5] = Oświęcimiu

(ChunkerEvaluator) Sentence #16047 from articles/00108141 from sent31

Text  : W 1939 roku stanowili ponad połowę mieszkańców 14 - tysięcznego miasta .
Tokens: 1 2___ 3___ 4________ 5____ 6_____ 7__________ 8_ 9 10_________ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #16048 from articles/00108141 from sent32

Text  : Po II wojnie światowej do Oświęcimia powróciło 186 Żydów .
Tokens: 1_ 2_ 3_____ 4________ 5_ 6_________ 7________ 8__ 9____ 10

Chunks:
  TruePositive nam [6,6] = Oświęcimia
  TruePositive nam [9,9] = Żydów
  FalseNegative nam [2,4] = II wojnie światowej

2016-10-27 15:00:34,217 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 693 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108142.xml
(ChunkerEvaluator) Sentence #16049 from articles/00108142 from sent1

Text  : Zakupy w sieci mogą być bezpieczne .
Tokens: 1_____ 2 3____ 4___ 5__ 6_________ 7

Chunks:

(ChunkerEvaluator) Sentence #16050 from articles/00108142 from sent2

Text  : Wystarczy przestrzegać kilku zasad
Tokens: 1________ 2___________ 3____ 4____

Chunks:

(ChunkerEvaluator) Sentence #16051 from articles/00108142 from sent3

Text  : Polacy coraz chętniej korzystają z możliwości jakie daje im Internet i  coraz częściej i  odważniej korzystają z  zakupów on -  line .
Tokens: 1_____ 2____ 3_______ 4_________ 5 6_________ 7____ 8___ 9_ 10______ 11 12___ 13______ 14 15_______ 16________ 17 18_____ 19 20 21__ 22

Chunks:
  TruePositive nam [10,10] = Internet
  FalseNegative nam [1,1] = Polacy

(ChunkerEvaluator) Sentence #16052 from articles/00108142 from sent4

Text  : Z badań firmy Gemius wynika , że już 70 proc .  internautów kupuje towary lub usługi w  Internecie .
Tokens: 1 2____ 3____ 4_____ 5_____ 6 7_ 8__ 9_ 10__ 11 12_________ 13____ 14____ 15_ 16____ 17 18________ 19

Chunks:
  TruePositive nam [18,18] = Internecie
  FalsePositive nam [12,12] = internautów
  FalseNegative nam [4,4] = Gemius

(ChunkerEvaluator) Sentence #16053 from articles/00108142 from sent5

Text  : Z roku na rok coraz więcej z nas płaci też za zakupy w  e  -  sklepach za pomocą różnych metod płatności internetowych .
Tokens: 1 2___ 3_ 4__ 5____ 6_____ 7 8__ 9____ 10_ 11 12____ 13 14 15 16______ 17 18____ 19_____ 20___ 21_______ 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #16054 from articles/00108142 from sent6

Text  : Aby zachować bezpieczeństwo kupując w sieci , wystarczy przestrzegać kilku prostych zasad .
Tokens: 1__ 2_______ 3_____________ 4______ 5 6____ 7 8________ 9___________ 10___ 11______ 12___ 13

Chunks:

(ChunkerEvaluator) Sentence #16055 from articles/00108142 from sent7

Text  : - Większa śmiałość Polaków do zakupów czy też zarządzania finansami w  sieci to dobra wiadomość .
Tokens: 1 2______ 3_______ 4______ 5_ 6______ 7__ 8__ 9__________ 10_______ 11 12___ 13 14___ 15_______ 16

Chunks:
  TruePositive nam [4,4] = Polaków

(ChunkerEvaluator) Sentence #16056 from articles/00108142 from sent8

Text  : Z roku na rok maleją bariery psychologiczne , które jeszcze do niedawna nakazywały dla ostrożności wybrać płatność za towar czy usługę przy odbiorze lub na poczcie ,  zamiast szybszego i  wygodnego przelewu internetowego -  mówi Artur Wojtczuk ,  dyrektor Linii biznesowej płatności internetowe
Tokens: 1 2___ 3_ 4__ 5_____ 6______ 7_____________ 8 9____ 10_____ 11 12______ 13________ 14_ 15_________ 16____ 17______ 18 19___ 20_ 21____ 22__ 23______ 24_ 25 26_____ 27 28_____ 29_______ 30 31_______ 32______ 33___________ 34 35__ 36___ 37______ 38 39______ 40___ 41________ 42_______ 43_________

Chunks:
  TruePositive nam [36,37] = Artur Wojtczuk
  FalseNegative nam [40,43] = Linii biznesowej płatności internetowe

(ChunkerEvaluator) Sentence #16057 from articles/00108142 from sent9

Text  : w Krajowej Izbie Rozliczeniowej S . A . , który odpowiada m  .  in .  za rozwój systemu bezpośrednich płatności internetowych PayByNet .
Tokens: 1 2_______ 3____ 4_____________ 5 6 7 8 9 10___ 11_______ 12 13 14 15 16 17____ 18_____ 19___________ 20_______ 21___________ 22______ 23

Chunks:
  TruePositive nam [2,8] = Krajowej Izbie Rozliczeniowej S . A .
  FalseNegative nam [22,22] = PayByNet

(ChunkerEvaluator) Sentence #16058 from articles/00108142 from sent10

Text  : - Trzeba jednak pamiętać , że nieostrożność w posługiwaniu się swoimi danymi i  pieniędzmi w  sieci może kosztować nas tak samo słono ,  jak nieroztropność w  świecie realnym -  podkreśla .
Tokens: 1 2_____ 3_____ 4_______ 5 6_ 7____________ 8 9___________ 10_ 11____ 12____ 13 14________ 15 16___ 17__ 18_______ 19_ 20_ 21__ 22___ 23 24_ 25____________ 26 27_____ 28_____ 29 30_______ 31

Chunks:

(ChunkerEvaluator) Sentence #16059 from articles/00108142 from sent11

Text  : W Internecie nasze bezpieczeństwo zależy w dużym stopniu od nas samych ,  niezależnie od zabezpieczeń stosowanych przez e  -  sklepy czy banki .
Tokens: 1 2_________ 3____ 4_____________ 5_____ 6 7____ 8______ 9_ 10_ 11____ 12 13_________ 14 15__________ 16_________ 17___ 18 19 20____ 21_ 22___ 23

Chunks:
  TruePositive nam [2,2] = Internecie

(ChunkerEvaluator) Sentence #16060 from articles/00108142 from sent12

Text  : Bezpieczne hasło to pierwsza linia obrony finansów i naszych danych osobowych w  sieci .
Tokens: 1_________ 2____ 3_ 4_______ 5____ 6_____ 7_______ 8 9______ 10____ 11_______ 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #16061 from articles/00108142 from sent13

Text  : Dotyczy to tak haseł do poczty elektronicznej czy portali społecznościowych ,  jak i  haseł ,  którymi zabezpieczamy swoje konta w  bankowości elektronicznej .
Tokens: 1______ 2_ 3__ 4____ 5_ 6_____ 7_____________ 8__ 9______ 10_______________ 11 12_ 13 14___ 15 16_____ 17___________ 18___ 19___ 20 21________ 22____________ 23

Chunks:

(ChunkerEvaluator) Sentence #16062 from articles/00108142 from sent14

Text  : Skuteczne hasło powinno składać się co najmniej z 8 różnych znaków .
Tokens: 1________ 2____ 3______ 4______ 5__ 6_ 7_______ 8 9 10_____ 11____ 12

Chunks:

(ChunkerEvaluator) Sentence #16063 from articles/00108142 from sent15

Text  : - Oznacza to , że mając do dyspozycji standardową klawiaturę komputera jesteśmy w  stanie wygenerować aż 6  ,  1  kwadryliona unikalnych haseł .
Tokens: 1 2______ 3_ 4 5_ 6____ 7_ 8_________ 9__________ 10________ 11_______ 12______ 13 14____ 15_________ 16 17 18 19 20_________ 21________ 22___ 23

Chunks:

(ChunkerEvaluator) Sentence #16064 from articles/00108142 from sent16

Text  : Niestety większość haseł , które stosujemy jest zbyt prosta lub łatwa do odgadnięcia -  mówi Artur Wojtczuk z  KIR S  .  A  .
Tokens: 1_______ 2________ 3____ 4 5____ 6________ 7___ 8___ 9_____ 10_ 11___ 12 13_________ 14 15__ 16___ 17______ 18 19_ 20 21 22 23

Chunks:
  TruePositive nam [16,17] = Artur Wojtczuk
  TruePositive nam [19,23] = KIR S . A .

(ChunkerEvaluator) Sentence #16065 from articles/00108142 from sent17

Text  : Jak przewiduje firma doradcza Deloitte w najnowszym raporcie „ TMT Predictions "  już w  2013 r  .  ponad 90 proc .  haseł generowanych przez użytkowników do różnego rodzaju serwisów on -  line ,  może nie zapewniać skutecznej ochrony przeciw hakerom .
Tokens: 1__ 2_________ 3____ 4_______ 5_______ 6 7_________ 8_______ 9 10_ 11_________ 12 13_ 14 15__ 16 17 18___ 19 20__ 21 22___ 23__________ 24___ 25__________ 26 27_____ 28_____ 29______ 30 31 32__ 33 34__ 35_ 36_______ 37________ 38_____ 39_____ 40_____ 41

Chunks:
  TruePositive nam [10,11] = TMT Predictions
  FalseNegative nam [5,5] = Deloitte

(ChunkerEvaluator) Sentence #16066 from articles/00108142 from sent18

Text  : - Wybierając hasło , osoby często kierują się tym ,  czy jest ono łatwe do zapamiętania lub na tyle krótkie ,  by z  łatwością można je było „  wstukać "  na klawiaturze telefonu -  mówi Jakub Wróbel ,  Starszy Menedżer w  Dziale Konsultingu Deloitte .
Tokens: 1 2_________ 3____ 4 5____ 6_____ 7______ 8__ 9__ 10 11_ 12__ 13_ 14___ 15 16__________ 17_ 18 19__ 20_____ 21 22 23 24_______ 25___ 26 27__ 28 29_____ 30 31 32_________ 33______ 34 35__ 36___ 37____ 38 39_____ 40______ 41 42____ 43_________ 44______ 45

Chunks:
  TruePositive nam [36,37] = Jakub Wróbel
  TruePositive nam [42,44] = Dziale Konsultingu Deloitte
  FalsePositive nam [39,40] = Starszy Menedżer

(ChunkerEvaluator) Sentence #16067 from articles/00108142 from sent19

Text  : - Jedno z ostatnich badań pokazuje , że spośród haseł wygenerowanych przez 6  milionów użytkowników aż około 98 proc .  znalazło się wśród 10 tysięcy najbardziej popularnych -  dodaje .
Tokens: 1 2____ 3 4________ 5____ 6_______ 7 8_ 9______ 10___ 11____________ 12___ 13 14______ 15__________ 16 17___ 18 19__ 20 21______ 22_ 23___ 24 25_____ 26_________ 27_________ 28 29____ 30

Chunks:

(ChunkerEvaluator) Sentence #16068 from articles/00108142 from sent20

Text  : Obok używania zbyt prostych lub zbyt krótkich haseł istnieje jeszcze jeden często popełniany błąd ,  który może w  znaczący sposób wpływać na bezpieczeństwo naszych finansów .
Tokens: 1___ 2_______ 3___ 4_______ 5__ 6___ 7_______ 8____ 9_______ 10_____ 11___ 12____ 13________ 14__ 15 16___ 17__ 18 19______ 20____ 21_____ 22 23____________ 24_____ 25______ 26

Chunks:

(ChunkerEvaluator) Sentence #16069 from articles/00108142 from sent21

Text  : Nawet najbardziej skomplikowane hasło może okazać się mało efektywne ,  jeżeli będziemy za jego pomocą logować się do więcej niż jednego serwisu .
Tokens: 1____ 2__________ 3____________ 4____ 5___ 6_____ 7__ 8___ 9________ 10 11____ 12______ 13 14__ 15____ 16_____ 17_ 18 19____ 20_ 21_____ 22_____ 23

Chunks:

(ChunkerEvaluator) Sentence #16070 from articles/00108142 from sent22

Text  : - Używanie tego samego zestawu znaków , aby uzyskać dostęp np .  do bankowości elektronicznej ,  portalu społecznościowego i  poczty elektronicznej ,  negatywnie wpływa na ochronę naszych danych przechowywanych w  każdym z  serwisów .
Tokens: 1 2_______ 3___ 4_____ 5______ 6_____ 7 8__ 9______ 10____ 11 12 13 14________ 15____________ 16 17_____ 18_______________ 19 20____ 21____________ 22 23________ 24____ 25 26_____ 27_____ 28____ 29_____________ 30 31____ 32 33______ 34

Chunks:

(ChunkerEvaluator) Sentence #16071 from articles/00108142 from sent23

Text  : Ułatwiając życie sobie , ułatwiamy je niestety również hakerowi -  mówi Jakub Wróbel z  Deloitte .
Tokens: 1_________ 2____ 3____ 4 5________ 6_ 7_______ 8______ 9_______ 10 11__ 12___ 13____ 14 15______ 16

Chunks:
  TruePositive nam [12,13] = Jakub Wróbel
  TruePositive nam [15,15] = Deloitte

(ChunkerEvaluator) Sentence #16072 from articles/00108142 from sent24

Text  : Przed wykonaniem jakiejkolwiek transakcji finansowej on - line warto upewnić się ,  że urządzenie ,  z  którego korzystamy ,  jest dobrze zabezpieczone .
Tokens: 1____ 2_________ 3____________ 4_________ 5_________ 6_ 7 8___ 9____ 10_____ 11_ 12 13 14________ 15 16 17_____ 18________ 19 20__ 21____ 22___________ 23

Chunks:

(ChunkerEvaluator) Sentence #16073 from articles/00108142 from sent25

Text  : Równie ważne , jak używanie legalnych i znanych programów jest zainstalowanie zapory antywirusowej i  regularne jej aktualizowanie .
Tokens: 1_____ 2____ 3 4__ 5_______ 6________ 7 8______ 9________ 10__ 11____________ 12____ 13___________ 14 15_______ 16_ 17____________ 18

Chunks:

(ChunkerEvaluator) Sentence #16074 from articles/00108142 from sent26

Text  : Bez takiej ochrony szkodliwe oprogramowanie może niepostrzeżenie zainstalować się na komputerze i  umożliwić hakerom kradzież loginów i  haseł .
Tokens: 1__ 2_____ 3______ 4________ 5_____________ 6___ 7______________ 8___________ 9__ 10 11________ 12 13_______ 14_____ 15______ 16_____ 17 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #16075 from articles/00108142 from sent27

Text  : Warto również zastanowić się , zanim zalogujemy się do naszej bankowości elektronicznej korzystając z  hot -  spotów ,  umożliwiających darmowy dostęp do Internetu w  restauracjach czy centrach handlowych .
Tokens: 1____ 2______ 3_________ 4__ 5 6____ 7_________ 8__ 9_ 10____ 11________ 12____________ 13_________ 14 15_ 16 17____ 18 19_____________ 20_____ 21____ 22 23_______ 24 25___________ 26_ 27______ 28________ 29

Chunks:
  TruePositive nam [23,23] = Internetu

(ChunkerEvaluator) Sentence #16076 from articles/00108142 from sent28

Text  : Trzeba pamiętać , że często są to sieci otwarte ,  niewystarczająco dobrze zabezpieczone ,  przez co wzrasta ryzyko ,  że dane ,  które wprowadzimy do komputera -  takie jak login i  hasło -  zostaną przechwycone .
Tokens: 1_____ 2_______ 3 4_ 5_____ 6_ 7_ 8____ 9______ 10 11______________ 12____ 13___________ 14 15___ 16 17_____ 18____ 19 20 21__ 22 23___ 24_________ 25 26_______ 27 28___ 29_ 30___ 31 32___ 33 34_____ 35__________ 36

Chunks:

(ChunkerEvaluator) Sentence #16077 from articles/00108142 from sent29

Text  : To samo dotyczy korzystania z komputerów w kawiarenkach internetowych .
Tokens: 1_ 2___ 3______ 4__________ 5 6_________ 7 8___________ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #16078 from articles/00108142 from sent30

Text  : Decydując się na zakupy w konkretnym sklepie internetowym , warto sprawdzić jego wiarygodność .
Tokens: 1________ 2__ 3_ 4_____ 5 6_________ 7______ 8___________ 9 10___ 11_______ 12__ 13__________ 14

Chunks:

(ChunkerEvaluator) Sentence #16079 from articles/00108142 from sent31

Text  : W tym celu można skorzystać chociażby z komentarzy dostępnych na forach internetowych czy w  porównywarkach cen ,  aby dowiedzieć się co o  danym sklepie piszą jego dawni klienci .
Tokens: 1 2__ 3___ 4____ 5_________ 6________ 7 8_________ 9_________ 10 11____ 12___________ 13_ 14 15____________ 16_ 17 18_ 19________ 20_ 21 22 23___ 24_____ 25___ 26__ 27___ 28_____ 29

Chunks:

(ChunkerEvaluator) Sentence #16080 from articles/00108142 from sent32

Text  : Pozwoli to zawczasu zrezygnować z usług niesolidnych sprzedawców .
Tokens: 1______ 2_ 3_______ 4__________ 5 6____ 7___________ 8__________ 9

Chunks:

(ChunkerEvaluator) Sentence #16081 from articles/00108142 from sent33

Text  : Wiarygodne sklepy mogą pochwalić się odpowiednimi certyfikatami potwierdzającymi ich rzetelność ,  jak choćby Certyfikat Firmy Wiarygodnej Finansowo przyznawany przez BIG InfoMonitor .
Tokens: 1_________ 2_____ 3___ 4________ 5__ 6___________ 7____________ 8_______________ 9__ 10________ 11 12_ 13____ 14________ 15___ 16_________ 17_______ 18_________ 19___ 20_ 21_________ 22

Chunks:
  TruePositive nam [14,17] = Certyfikat Firmy Wiarygodnej Finansowo
  TruePositive nam [20,21] = BIG InfoMonitor

(ChunkerEvaluator) Sentence #16082 from articles/00108142 from sent34

Text  : Warto również zapoznać się z regulaminem sklepu i zwrócić uwagę na przepisy dotyczące dokonywania płatności ,  możliwości zwrotu zakupionego towaru oraz ochrony gromadzonych danych osobowych (  tzw .  polityka prywatności )  .
Tokens: 1____ 2______ 3_______ 4__ 5 6__________ 7_____ 8 9______ 10___ 11 12______ 13_______ 14_________ 15_______ 16 17________ 18____ 19_________ 20____ 21__ 22_____ 23__________ 24____ 25_______ 26 27_ 28 29______ 30_________ 31 32

Chunks:

(ChunkerEvaluator) Sentence #16083 from articles/00108142 from sent35

Text  : Dzięki temu unikniemy przykrych niespodzianek .
Tokens: 1_____ 2___ 3________ 4________ 5____________ 6

Chunks:

(ChunkerEvaluator) Sentence #16084 from articles/00108142 from sent36

Text  : - Przed zatwierdzeniem płatności w sklepie internetowych warto sprawdzić czy transakcja odbywa się za pośrednictwem szyfrowanego połączenia -  przestrzega Artur Wojtczuk ,  dyrektor Linii biznesowej płatności internetowe w  KIR S  .  A  .  -  Na początku adresu witryny powinno widnieć „  https "  zamiast „  http "  ,  a  na dolnej belce przeglądarki powinien pojawić się symbol klucza lub kłódki .
Tokens: 1 2____ 3_____________ 4________ 5 6______ 7____________ 8____ 9________ 10_ 11________ 12____ 13_ 14 15___________ 16__________ 17________ 18 19_________ 20___ 21______ 22 23______ 24___ 25________ 26_______ 27_________ 28 29_ 30 31 32 33 34 35 36______ 37____ 38_____ 39_____ 40_____ 41 42___ 43 44_____ 45 46__ 47 48 49 50 51____ 52___ 53__________ 54______ 55_____ 56_ 57____ 58____ 59_ 60____ 61

Chunks:
  TruePositive nam [20,21] = Artur Wojtczuk
  TruePositive nam [29,33] = KIR S . A .
  FalseNegative nam [24,27] = Linii biznesowej płatności internetowe

(ChunkerEvaluator) Sentence #16085 from articles/00108142 from sent37

Text  : Po kliknięciu na niego otrzymamy informacje na temat certyfikatu bezpieczeństwa danej witryny .
Tokens: 1_ 2_________ 3_ 4____ 5________ 6_________ 7_ 8____ 9__________ 10____________ 11___ 12_____ 13

Chunks:

(ChunkerEvaluator) Sentence #16086 from articles/00108142 from sent38

Text  : Jeśli stracił ważność lub nie można go zweryfikować , lepiej zrezygnować z  zakupów -  dodaje .
Tokens: 1____ 2______ 3______ 4__ 5__ 6____ 7_ 8___________ 9 10____ 11_________ 12 13_____ 14 15____ 16

Chunks:

(ChunkerEvaluator) Sentence #16087 from articles/00108142 from sent39

Text  : Coraz więcej sklepów internetowych oferuje możliwość zapłaty za zakupy poprzez tzw .  szybkie przelewy .
Tokens: 1____ 2_____ 3______ 4____________ 5______ 6________ 7______ 8_ 9_____ 10_____ 11_ 12 13_____ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #16088 from articles/00108142 from sent40

Text  : Zazwyczaj klient może wybrać pomiędzy kilkoma takimi rozwiązaniami .
Tokens: 1________ 2_____ 3___ 4_____ 5_______ 6______ 7_____ 8____________ 9

Chunks:

(ChunkerEvaluator) Sentence #16089 from articles/00108142 from sent41

Text  : Warto zwrócić uwagę na to , którą markę szybkiego przelewu wybieramy ,  ponieważ w  zależności od dostawcy systemu nasze pieniądze pokonają różne drogi zanim trafią do sprzedawcy .
Tokens: 1____ 2______ 3____ 4_ 5_ 6 7____ 8____ 9________ 10______ 11_______ 12 13______ 14 15________ 16 17______ 18_____ 19___ 20_______ 21______ 22___ 23___ 24___ 25____ 26 27________ 28

Chunks:

(ChunkerEvaluator) Sentence #16090 from articles/00108142 from sent42

Text  : Większość systemów szybkich płatności online ( tzw . pay -  by -  link )  realizowana jest w  Polsce przez pośredników .
Tokens: 1________ 2_______ 3_______ 4________ 5_____ 6 7__ 8 9__ 10 11 12 13__ 14 15_________ 16__ 17 18____ 19___ 20_________ 21

Chunks:
  TruePositive nam [18,18] = Polsce

(ChunkerEvaluator) Sentence #16091 from articles/00108142 from sent43

Text  : Przelew z konta kupującego wędruje do firmy rozliczającej , a  ta dopiero przekazuje pieniądze do sklepu .
Tokens: 1______ 2 3____ 4_________ 5______ 6_ 7____ 8____________ 9 10 11 12_____ 13________ 14_______ 15 16____ 17

Chunks:

(ChunkerEvaluator) Sentence #16092 from articles/00108142 from sent44

Text  : Taka operacja może potrwać nawet kilka dni .
Tokens: 1___ 2_______ 3___ 4______ 5____ 6____ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #16093 from articles/00108142 from sent45

Text  : W przypadku płatności bezpośredniej ( jak np . PayByNet )  sprzedawca może przystąpić do realizacji zamówienia natychmiast .
Tokens: 1 2________ 3________ 4____________ 5 6__ 7_ 8 9_______ 10 11________ 12__ 13________ 14 15________ 16________ 17_________ 18

Chunks:
  TruePositive nam [9,9] = PayByNet

(ChunkerEvaluator) Sentence #16094 from articles/00108142 from sent46

Text  : Dodatkowo klient wie , komu przelał pieniądze , ponieważ po wybraniu w  sklepie internetowym opcji szybkiego przelewu i  po zalogowaniu się na swój rachunek zobaczy wypełniony przelew z  danymi sprzedawcy .
Tokens: 1________ 2_____ 3__ 4 5___ 6______ 7________ 8 9_______ 10 11______ 12 13_____ 14__________ 15___ 16_______ 17______ 18 19 20_________ 21_ 22 23__ 24______ 25_____ 26________ 27_____ 28 29____ 30________ 31

Chunks:

(ChunkerEvaluator) Sentence #16095 from articles/00108142 from sent47

Text  : - Automatyczne przenoszenie danych dotyczących treści przelewu , w tym numeru konta bankowego odbiorcy płatności ,  jego nazwy i  adresu ,  sprawia ,  że klient ma pewność ,  iż jego pieniądze trafią od razu do sprzedawcy -  mówi Artur Wojtczuk z  KIR S  .  A  .  -  Dzięki bezpośredniemu przekazaniu środków pomiędzy klientem a  sklepem ,  przyspieszony zostaje nie tyko proces realizacji zamówienia dla klienta ,  lecz także księgowania i  rozliczania transakcji po stronie sprzedającego -  zaznacza .
Tokens: 1 2___________ 3___________ 4_____ 5__________ 6_____ 7_______ 8 9 10_ 11____ 12___ 13_______ 14______ 15_______ 16 17__ 18___ 19 20____ 21 22_____ 23 24 25____ 26 27_____ 28 29 30__ 31_______ 32____ 33 34__ 35 36________ 37 38__ 39___ 40______ 41 42_ 43 44 45 46 47 48____ 49____________ 50_________ 51_____ 52______ 53______ 54 55_____ 56 57___________ 58_____ 59_ 60__ 61____ 62________ 63________ 64_ 65_____ 66 67__ 68___ 69_________ 70 71_________ 72________ 73 74_____ 75___________ 76 77______ 78

Chunks:
  TruePositive nam [39,40] = Artur Wojtczuk
  TruePositive nam [42,46] = KIR S . A .

(ChunkerEvaluator) Sentence #16096 from articles/00108142 from sent48

Text  : Co więcej , w przypadku zwrotu towaru e - sklepowi będzie łatwiej zidentyfikować konkretne zlecenie ,  dzięki czemu będzie mógł szybciej zwrócić środki na nasze konto .
Tokens: 1_ 2_____ 3 4 5________ 6_____ 7_____ 8 9 10______ 11____ 12_____ 13____________ 14_______ 15______ 16 17____ 18___ 19____ 20__ 21______ 22_____ 23____ 24 25___ 26___ 27

Chunks:

2016-10-27 15:00:34,552 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 694 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108143.xml
(ChunkerEvaluator) Sentence #16097 from articles/00108143 from sent1

Text  : Zima w klubie żużlowym .
Tokens: 1___ 2 3_____ 4_______ 5

Chunks:

(ChunkerEvaluator) Sentence #16098 from articles/00108143 from sent2

Text  : „ To wcale nie jest sezon ogórkowy ”
Tokens: 1 2_ 3____ 4__ 5___ 6____ 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #16099 from articles/00108143 from sent3

Text  : Jak przyznają pracownicy Stali , czas bez ścigania i ligowej rywalizacji ,  to również wytężona praca .
Tokens: 1__ 2________ 3_________ 4____ 5 6___ 7__ 8_______ 9 10_____ 11_________ 12 13 14_____ 15______ 16___ 17

Chunks:
  FalseNegative nam [4,4] = Stali

(ChunkerEvaluator) Sentence #16100 from articles/00108143 from sent4

Text  : Co robią ?
Tokens: 1_ 2____ 3

Chunks:

(ChunkerEvaluator) Sentence #16101 from articles/00108143 from sent5

Text  : O tym poniżej , w krótkiej wizytówce gorzowskiego klubu żużlowego „  od kuchni ”  .
Tokens: 1 2__ 3______ 4 5 6_______ 7________ 8___________ 9____ 10_______ 11 12 13____ 14 15

Chunks:

(ChunkerEvaluator) Sentence #16102 from articles/00108143 from sent6

Text  : Kierownik drużyny Krzysztof Orzeł czuwa nad poprawnością podpisywanych kontraktów ,  wydania kart zgłoszenia zawodników i  wszelkich oświadczeń ,  zebrania licencji na sezon 2013 czy zapisania żużlowców do specjalisty medycyny sportowej na wymagane w  Polsce badania .
Tokens: 1________ 2______ 3________ 4____ 5____ 6__ 7___________ 8____________ 9_________ 10 11_____ 12__ 13________ 14________ 15 16_______ 17________ 18 19______ 20______ 21 22___ 23__ 24_ 25_______ 26_______ 27 28_________ 29______ 30_______ 31 32______ 33 34____ 35_____ 36

Chunks:
  TruePositive nam [3,4] = Krzysztof Orzeł
  TruePositive nam [34,34] = Polsce

(ChunkerEvaluator) Sentence #16103 from articles/00108143 from sent7

Text  : - Ponadto stadion musi przejść przeglądy światła , band ,  konserwacje ,  sprawdzone muszą zostać pulpity sędziowskie i  wszelka aparatura związana z  rozgrywaniem zawodów -  opowiadał Orzeł w  rozmowie z  oficjalną stroną gorzowskiego klubu Stalgorzow.pl .  -  Obecnie z  trenerem Piotrem Paluchem zajmujemy się podziałem sprzętu ,  zakupem nowych części i  silników ,  części podwozia ,  kevlarów żużlowych .
Tokens: 1 2______ 3______ 4___ 5______ 6________ 7______ 8 9___ 10 11_________ 12 13________ 14___ 15____ 16_____ 17_________ 18 19_____ 20_______ 21______ 22 23__________ 24_____ 25 26_______ 27___ 28 29______ 30 31_______ 32____ 33__________ 34___ 35___________ 36 37 38_____ 39 40______ 41_____ 42______ 43_______ 44_ 45_______ 46_____ 47 48_____ 49____ 50____ 51 52______ 53 54____ 55______ 56 57______ 58_______ 59

Chunks:
  TruePositive nam [27,27] = Orzeł
  TruePositive nam [35,35] = Stalgorzow.pl
  TruePositive nam [41,42] = Piotrem Paluchem

(ChunkerEvaluator) Sentence #16104 from articles/00108143 from sent8

Text  : Ustalamy również , jakie reklamy znajdą się na kevlarach poszczególnych zawodników .
Tokens: 1_______ 2______ 3 4____ 5______ 6_____ 7__ 8_ 9________ 10____________ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #16105 from articles/00108143 from sent9

Text  : Musimy też pilnować zgłoszeń na wszystkie imprezy naszych żużlowców .
Tokens: 1_____ 2__ 3_______ 4_______ 5_ 6________ 7______ 8______ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #16106 from articles/00108143 from sent10

Text  : To niby sezon zimowy , ogórkowy , ale mamy pełno roboty w  tym czasie -  dodał kierownik Stali .
Tokens: 1_ 2___ 3____ 4_____ 5 6_______ 7 8__ 9___ 10___ 11____ 12 13_ 14____ 15 16___ 17_______ 18___ 19

Chunks:
  FalseNegative nam [18,18] = Stali

(ChunkerEvaluator) Sentence #16107 from articles/00108143 from sent11

Text  : Dział organizacji imprez jest na etapie sporządzania i składania do odpowiednich instytucji dokumentacji niezbędnej do uzyskania zgody na organizację imprez masowych .
Tokens: 1____ 2__________ 3_____ 4___ 5_ 6_____ 7___________ 8 9________ 10 11__________ 12________ 13__________ 14________ 15 16_______ 17___ 18 19_________ 20____ 21______ 22

Chunks:

(ChunkerEvaluator) Sentence #16108 from articles/00108143 from sent12

Text  : - Liczymy , że wzorem lat poprzednich proces ten przebiegnie bez większych problemów -  mówił Remigiusz Piątkowski ,  kierownik działu organizacji imprez .
Tokens: 1 2______ 3 4_ 5_____ 6__ 7__________ 8_____ 9__ 10_________ 11_ 12_______ 13_______ 14 15___ 16_______ 17________ 18 19_______ 20____ 21_________ 22____ 23

Chunks:
  TruePositive nam [16,17] = Remigiusz Piątkowski

(ChunkerEvaluator) Sentence #16109 from articles/00108143 from sent13

Text  : - Trwają również prace związane z zabezpieczeniem klubu do trudów sezonu pod względem technicznym ,  a  zakres ten jest bardzo szeroki ,  począwszy od przeglądu i  ewentualnych napraw sprzętu ,  po przygotowanie identyfikacji osób funkcyjnych ,  pracowników oraz określenie ich możliwości dostępu do poszczególnych części obiektu ,  takich jak park maszyn czy wieżyczka sędziowska .
Tokens: 1 2_____ 3______ 4____ 5_______ 6 7______________ 8____ 9_ 10____ 11____ 12_ 13______ 14_________ 15 16 17____ 18_ 19__ 20____ 21_____ 22 23_______ 24 25_______ 26 27__________ 28____ 29_____ 30 31 32___________ 33___________ 34__ 35_________ 36 37_________ 38__ 39________ 40_ 41________ 42_____ 43 44____________ 45____ 46_____ 47 48____ 49_ 50__ 51____ 52_ 53_______ 54________ 55

Chunks:

(ChunkerEvaluator) Sentence #16110 from articles/00108143 from sent14

Text  : Jak dodaje , z początkiem marca zaplanowane są systematyczne działania mające na celu przygotowanie powierzchni reklamowych w  celu realizacji umów sponsorskich .
Tokens: 1__ 2_____ 3 4 5_________ 6____ 7__________ 8_ 9____________ 10_______ 11____ 12 13__ 14___________ 15_________ 16_________ 17 18__ 19________ 20__ 21__________ 22

Chunks:

(ChunkerEvaluator) Sentence #16111 from articles/00108143 from sent15

Text  : Dział marketingu i promocji od początku roku realizuje nową strategię marketingową ,  która została przyjęta pod koniec 2012 roku ,  a  rozpisana jest na trzy lata .
Tokens: 1____ 2_________ 3 4_______ 5_ 6_______ 7___ 8________ 9___ 10_______ 11__________ 12 13___ 14_____ 15______ 16_ 17____ 18__ 19__ 20 21 22_______ 23__ 24 25__ 26__ 27

Chunks:

(ChunkerEvaluator) Sentence #16112 from articles/00108143 from sent16

Text  : Obecnie główne zadania skupiają się wokół przygotowań do ligi i  gorzowskiego turnieju Grand Prix .
Tokens: 1______ 2_____ 3______ 4_______ 5__ 6____ 7__________ 8_ 9___ 10 11__________ 12______ 13___ 14__ 15

Chunks:
  TruePositive nam [13,14] = Grand Prix

(ChunkerEvaluator) Sentence #16113 from articles/00108143 from sent17

Text  : - Z racji zbliżającego się sezonu skupiamy się mocno na promocji imprez ligowych ,  stąd poszukiwane i  podpisywane są umowy z  telewizją ,  gazetami lokalnymi ,  agencjami reklamowymi .
Tokens: 1 2 3____ 4___________ 5__ 6_____ 7_______ 8__ 9____ 10 11______ 12____ 13______ 14 15__ 16_________ 17 18_________ 19 20___ 21 22_______ 23 24______ 25_______ 26 27_______ 28_________ 29

Chunks:

(ChunkerEvaluator) Sentence #16114 from articles/00108143 from sent18

Text  : Rozpisane mamy już akcje charytatywne i prospołeczne , w których wzięli śmy ,  bądź dopiero weźmiemy udział .
Tokens: 1________ 2___ 3__ 4____ 5___________ 6 7___________ 8 9 10_____ 11____ 12_ 13 14__ 15_____ 16______ 17____ 18

Chunks:

(ChunkerEvaluator) Sentence #16115 from articles/00108143 from sent19

Text  : Zamawiane są nowe gadżety na rozpoczęcie sezonu , tworzone są nowe projekty .
Tokens: 1________ 2_ 3___ 4______ 5_ 6__________ 7_____ 8 9_______ 10 11__ 12______ 13

Chunks:

(ChunkerEvaluator) Sentence #16116 from articles/00108143 from sent20

Text  : Jeśli chodzi o nowości , to finalizujemy projekt strony internetowej Stali Gorzów ,  która nie dość ,  że będzie zupełnie inna od dotychczasowej ,  to kompleksowo zmieni się jakość redakcyjna .
Tokens: 1____ 2_____ 3 4______ 5 6_ 7___________ 8______ 9_____ 10__________ 11___ 12____ 13 14___ 15_ 16__ 17 18 19____ 20______ 21__ 22 23____________ 24 25 26_________ 27____ 28_ 29____ 30________ 31

Chunks:
  TruePositive nam [11,12] = Stali Gorzów

(ChunkerEvaluator) Sentence #16117 from articles/00108143 from sent21

Text  : Do tego dojdzie odświeżona Stal TV - wymienia Jacek Gumowski ,  marketing manager Stali .
Tokens: 1_ 2___ 3______ 4_________ 5___ 6_ 7 8_______ 9____ 10______ 11 12_______ 13_____ 14___ 15

Chunks:
  TruePositive nam [5,6] = Stal TV
  TruePositive nam [9,10] = Jacek Gumowski
  FalseNegative nam [14,14] = Stali

(ChunkerEvaluator) Sentence #16118 from articles/00108143 from sent22

Text  : Polki zagrają w Belgii
Tokens: 1____ 2______ 3 4_____

Chunks:
  TruePositive nam [4,4] = Belgii
  FalseNegative nam [1,1] = Polki

(ChunkerEvaluator) Sentence #16119 from articles/00108143 from sent23

Text  : Agnieszka Radwańska jednak nie zagra we wrocławskiej Hali Stulecia
Tokens: 1________ 2________ 3_____ 4__ 5____ 6_ 7___________ 8___ 9_______

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [8,9] = Hali Stulecia

(ChunkerEvaluator) Sentence #16120 from articles/00108143 from sent24

Text  : Polskie tenisistki zagrają z Belgią w Pucharze Federacji .
Tokens: 1______ 2_________ 3______ 4 5_____ 6 7_______ 8________ 9

Chunks:
  TruePositive nam [5,5] = Belgią
  TruePositive nam [7,8] = Pucharze Federacji

(ChunkerEvaluator) Sentence #16121 from articles/00108143 from sent25

Text  : Pojedynek zostanie rozegrany w Belgii , więc nie będzie meczów we wrocławskiej Hali Stulecia
Tokens: 1________ 2_______ 3________ 4 5_____ 6 7___ 8__ 9_____ 10____ 11 12__________ 13__ 14______

Chunks:
  TruePositive nam [5,5] = Belgii
  TruePositive nam [13,14] = Hali Stulecia

(ChunkerEvaluator) Sentence #16122 from articles/00108143 from sent26

Text  : Polskie tenisistki zagrają z Belgią w Pucharze Federacji .
Tokens: 1______ 2_________ 3______ 4 5_____ 6 7_______ 8________ 9

Chunks:
  TruePositive nam [5,5] = Belgią
  TruePositive nam [7,8] = Pucharze Federacji

(ChunkerEvaluator) Sentence #16123 from articles/00108143 from sent27

Text  : Pojedynek zostanie rozegrany w Belgii , dlatego wrocławscy kibice nie zobaczą we wrocławskiej Hali Stulecia Agnieszki Radwańskiej .
Tokens: 1________ 2_______ 3________ 4 5_____ 6 7______ 8_________ 9_____ 10_ 11_____ 12 13__________ 14__ 15______ 16_______ 17_________ 18

Chunks:
  TruePositive nam [5,5] = Belgii
  FalsePositive nam [14,17] = Hali Stulecia Agnieszki Radwańskiej
  FalseNegative nam [14,15] = Hali Stulecia
  FalseNegative nam [16,17] = Agnieszki Radwańskiej

(ChunkerEvaluator) Sentence #16124 from articles/00108143 from sent28

Text  : Losowanie par tenisowego Pucharu Federacji przeprowadzono w Londynie .
Tokens: 1________ 2__ 3_________ 4______ 5________ 6_____________ 7 8_______ 9

Chunks:
  TruePositive nam [4,5] = Pucharu Federacji
  TruePositive nam [8,8] = Londynie

(ChunkerEvaluator) Sentence #16125 from articles/00108143 from sent29

Text  : Polki trafiły na drużynę Belgii i zagrają na wyjeździe .
Tokens: 1____ 2______ 3_ 4______ 5_____ 6 7______ 8_ 9________ 10

Chunks:
  TruePositive nam [5,5] = Belgii
  FalseNegative nam [1,1] = Polki

(ChunkerEvaluator) Sentence #16126 from articles/00108143 from sent30

Text  : Gdyby los przydzielił naszej reprezentacji kogoś z trójki : Ukraina ,  Francja lub Wielka Brytania ,  o  miejscu rozegrania barażów zadecydowało by losowanie .
Tokens: 1____ 2__ 3__________ 4_____ 5____________ 6____ 7 8_____ 9 10_____ 11 12_____ 13_ 14____ 15______ 16 17 18_____ 19________ 20_____ 21__________ 22 23_______ 24

Chunks:
  TruePositive nam [10,10] = Ukraina
  TruePositive nam [12,12] = Francja
  TruePositive nam [14,15] = Wielka Brytania

(ChunkerEvaluator) Sentence #16127 from articles/00108143 from sent31

Text  : Wtedy była szansa na pojedynek w Polsce .
Tokens: 1____ 2___ 3_____ 4_ 5________ 6 7_____ 8

Chunks:
  TruePositive nam [7,7] = Polsce

(ChunkerEvaluator) Sentence #16128 from articles/00108143 from sent32

Text  : A wielką ochotę na organizację spotkania miał Wrocław .
Tokens: 1 2_____ 3_____ 4_ 5__________ 6________ 7___ 8______ 9

Chunks:
  TruePositive nam [8,8] = Wrocław

(ChunkerEvaluator) Sentence #16129 from articles/00108143 from sent33

Text  : Planowano , że pojedynki rozgrywane były by w Hali Stulecia .
Tokens: 1________ 2 3_ 4________ 5_________ 6___ 7_ 8 9___ 10______ 11

Chunks:
  TruePositive nam [9,10] = Hali Stulecia

2016-10-27 15:00:34,731 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 695 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108144.xml
(ChunkerEvaluator) Sentence #16130 from articles/00108144 from sent1

Text  : Piłkarska LM - Real - Manchester 1 : 1
Tokens: 1________ 2_ 3 4___ 5 6_________ 7 8 9

Chunks:
  TruePositive nam [6,6] = Manchester
  FalsePositive nam [1,4] = Piłkarska LM - Real
  FalseNegative nam [2,2] = LM
  FalseNegative nam [4,4] = Real

(ChunkerEvaluator) Sentence #16131 from articles/00108144 from sent2

Text  : # dochodzą składy #
Tokens: 1 2_______ 3_____ 4

Chunks:

(ChunkerEvaluator) Sentence #16132 from articles/00108144 from sent3

Text  : 13 . 02 .
Tokens: 1_ 2 3_ 4

Chunks:

(ChunkerEvaluator) Sentence #16133 from articles/00108144 from sent4

Text  : Madryt ( PAP / Reuters ) - Real Madryt zremisował na własnym stadionie z  Manchesterem United 1  :  1  (  1  :  1  )  w  pierwszym meczu 1  /  8  finału piłkarskiej Ligi Mistrzów .
Tokens: 1_____ 2 3__ 4 5______ 6 7 8___ 9_____ 10________ 11 12_____ 13_______ 14 15__________ 16____ 17 18 19 20 21 22 23 24 25 26_______ 27___ 28 29 30 31____ 32_________ 33__ 34______ 35

Chunks:
  TruePositive nam [1,1] = Madryt
  TruePositive nam [3,3] = PAP
  TruePositive nam [5,5] = Reuters
  TruePositive nam [8,9] = Real Madryt
  TruePositive nam [15,16] = Manchesterem United
  TruePositive nam [33,34] = Ligi Mistrzów

(ChunkerEvaluator) Sentence #16134 from articles/00108144 from sent5

Text  : Rewanż 5 marca w Anglii .
Tokens: 1_____ 2 3____ 4 5_____ 6

Chunks:
  TruePositive nam [5,5] = Anglii

(ChunkerEvaluator) Sentence #16135 from articles/00108144 from sent6

Text  : Real Madryt - Manchester United 1 : 1 ( 1  :  1  )
Tokens: 1___ 2_____ 3 4_________ 5_____ 6 7 8 9 10 11 12 13

Chunks:
  TruePositive nam [1,2] = Real Madryt
  TruePositive nam [4,5] = Manchester United

(ChunkerEvaluator) Sentence #16136 from articles/00108144 from sent7

Text  : Bramki : dla Realu - Cristiano Ronaldo 30 ; dla Manchesteru -  Danny Welbeck 20 .
Tokens: 1_____ 2 3__ 4____ 5 6________ 7______ 8_ 9 10_ 11_________ 12 13___ 14_____ 15 16

Chunks:
  TruePositive nam [4,4] = Realu
  TruePositive nam [11,11] = Manchesteru
  FalsePositive nam [1,1] = Bramki
  FalsePositive nam [7,7] = Ronaldo
  FalsePositive nam [13,15] = Danny Welbeck 20
  FalseNegative nam [6,7] = Cristiano Ronaldo
  FalseNegative nam [13,14] = Danny Welbeck

(ChunkerEvaluator) Sentence #16137 from articles/00108144 from sent8

Text  : Sędzia : Felix Brych ( Niemcy ) .
Tokens: 1_____ 2 3____ 4____ 5 6_____ 7 8

Chunks:
  TruePositive nam [3,4] = Felix Brych
  TruePositive nam [6,6] = Niemcy

(ChunkerEvaluator) Sentence #16138 from articles/00108144 from sent9

Text  : Real Madryt : Diego Lopez ; Alvaro Arbeloa , Raphael Varane ,  Sergio Ramos ,  Fabio Coentrao ;  Xabi Alonso (  84 -  Pepe )  ,  Sami Khedira ;  Angel Di Maria (  75 -  Luka Modric )  ,  Mesut Oezil ,  Cristiano Ronaldo ;  Karim Benzema (  60 -  Gonzalo Higuain )  .
Tokens: 1___ 2_____ 3 4____ 5____ 6 7_____ 8______ 9 10_____ 11____ 12 13____ 14___ 15 16___ 17______ 18 19__ 20____ 21 22 23 24__ 25 26 27__ 28_____ 29 30___ 31 32___ 33 34 35 36__ 37____ 38 39 40___ 41___ 42 43_______ 44_____ 45 46___ 47_____ 48 49 50 51_____ 52_____ 53 54

Chunks:
  TruePositive nam [1,2] = Real Madryt
  TruePositive nam [4,5] = Diego Lopez
  TruePositive nam [7,8] = Alvaro Arbeloa
  TruePositive nam [10,11] = Raphael Varane
  TruePositive nam [13,14] = Sergio Ramos
  TruePositive nam [16,17] = Fabio Coentrao
  TruePositive nam [19,20] = Xabi Alonso
  TruePositive nam [27,28] = Sami Khedira
  TruePositive nam [30,32] = Angel Di Maria
  TruePositive nam [36,37] = Luka Modric
  TruePositive nam [40,41] = Mesut Oezil
  TruePositive nam [46,47] = Karim Benzema
  TruePositive nam [51,52] = Gonzalo Higuain
  FalsePositive nam [44,44] = Ronaldo
  FalseNegative nam [24,24] = Pepe
  FalseNegative nam [43,44] = Cristiano Ronaldo

(ChunkerEvaluator) Sentence #16139 from articles/00108144 from sent10

Text  : Manchester United : David de Gea ; Rafael , Rio Ferdinand ,  Jonny Evans ,  Patrice Evra ;  Michael Carrick ,  Phil Jones ;  Wayne Rooney (  85 -  Anderson )  ,  Shinji Kagawa (  64 -  Ryan Giggs )  ,  Danny Welbeck (  73 -  Antonio Valencia )  ;  Robin van Persie .
Tokens: 1_________ 2_____ 3 4____ 5_ 6__ 7 8_____ 9 10_ 11_______ 12 13___ 14___ 15 16_____ 17__ 18 19_____ 20_____ 21 22__ 23___ 24 25___ 26____ 27 28 29 30______ 31 32 33____ 34____ 35 36 37 38__ 39___ 40 41 42___ 43_____ 44 45 46 47_____ 48______ 49 50 51___ 52_ 53____ 54

Chunks:
  TruePositive nam [1,2] = Manchester United
  TruePositive nam [4,6] = David de Gea
  TruePositive nam [8,8] = Rafael
  TruePositive nam [10,11] = Rio Ferdinand
  TruePositive nam [13,14] = Jonny Evans
  TruePositive nam [16,17] = Patrice Evra
  TruePositive nam [19,20] = Michael Carrick
  TruePositive nam [22,23] = Phil Jones
  TruePositive nam [33,34] = Shinji Kagawa
  TruePositive nam [38,39] = Ryan Giggs
  TruePositive nam [42,43] = Danny Welbeck
  TruePositive nam [47,48] = Antonio Valencia
  FalsePositive nam [25,25] = Wayne
  FalsePositive nam [29,30] = - Anderson
  FalsePositive nam [51,51] = Robin
  FalsePositive nam [53,53] = Persie
  FalseNegative nam [25,26] = Wayne Rooney
  FalseNegative nam [30,30] = Anderson
  FalseNegative nam [51,53] = Robin van Persie

2016-10-27 15:00:34,787 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 696 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108145.xml
(ChunkerEvaluator) Sentence #16140 from articles/00108145 from sent1

Text  : Kobiak bydgoskim pełnomocnikiem Platformy Obywatelskiej
Tokens: 1_____ 2________ 3_____________ 4________ 5____________

Chunks:
  TruePositive nam [4,5] = Platformy Obywatelskiej
  FalseNegative nam [1,1] = Kobiak

(ChunkerEvaluator) Sentence #16141 from articles/00108145 from sent2

Text  : Dotychczasowy wiceprzewodniczący kujawsko - pomorskiej Unii Wolności Andrzej Kobiak został pełnomocnikiem Platformy Obywatelskiej na Bydgoszcz .
Tokens: 1____________ 2_________________ 3_______ 4 5_________ 6___ 7_______ 8______ 9_____ 10____ 11____________ 12_______ 13___________ 14 15_______ 16

Chunks:
  TruePositive nam [6,7] = Unii Wolności
  TruePositive nam [8,9] = Andrzej Kobiak
  TruePositive nam [12,13] = Platformy Obywatelskiej
  TruePositive nam [15,15] = Bydgoszcz
  FalseNegative nam [3,5] = kujawsko - pomorskiej

(ChunkerEvaluator) Sentence #16142 from articles/00108145 from sent3

Text  : Kobiak bydgoskim pełnomocnikiem Platformy Obywatelskiej
Tokens: 1_____ 2________ 3_____________ 4________ 5____________

Chunks:
  TruePositive nam [4,5] = Platformy Obywatelskiej
  FalseNegative nam [1,1] = Kobiak

(ChunkerEvaluator) Sentence #16143 from articles/00108145 from sent4

Text  : Dotychczasowy wiceprzewodniczący kujawsko - pomorskiej Unii Wolności Andrzej Kobiak został pełnomocnikiem Platformy Obywatelskiej na Bydgoszcz .
Tokens: 1____________ 2_________________ 3_______ 4 5_________ 6___ 7_______ 8______ 9_____ 10____ 11____________ 12_______ 13___________ 14 15_______ 16

Chunks:
  TruePositive nam [6,7] = Unii Wolności
  TruePositive nam [8,9] = Andrzej Kobiak
  TruePositive nam [12,13] = Platformy Obywatelskiej
  TruePositive nam [15,15] = Bydgoszcz

(ChunkerEvaluator) Sentence #16144 from articles/00108145 from sent5

Text  : Kobiak na Platformie
Tokens: 1_____ 2_ 3_________

Chunks:
  TruePositive nam [3,3] = Platformie
  FalseNegative nam [1,1] = Kobiak

(ChunkerEvaluator) Sentence #16145 from articles/00108145 from sent6

Text  : BYDGOSKI PEŁNOMOCNIK PLATFORMY OBYWATELSKIEJ
Tokens: 1_______ 2__________ 3________ 4____________

Chunks:
  FalsePositive nam [2,4] = PEŁNOMOCNIK PLATFORMY OBYWATELSKIEJ
  FalseNegative nam [3,4] = PLATFORMY OBYWATELSKIEJ

(ChunkerEvaluator) Sentence #16146 from articles/00108145 from sent7

Text  : Andrzej Kobiak , dotychczasowy wiceprzewodniczący kujawsko - pomorskiej Unii Wolności ,  został bydgoskim pełnomocnikiem Platformy Obywatelskiej .
Tokens: 1______ 2_____ 3 4____________ 5_________________ 6_______ 7 8_________ 9___ 10______ 11 12____ 13_______ 14____________ 15_______ 16___________ 17

Chunks:
  TruePositive nam [1,2] = Andrzej Kobiak
  TruePositive nam [9,10] = Unii Wolności
  TruePositive nam [15,16] = Platformy Obywatelskiej

(ChunkerEvaluator) Sentence #16147 from articles/00108145 from sent8

Text  : Lada dzień ma być ogłoszone nazwisko przedstawiciela ugrupowania na okręg toruńsko -  włocławski .
Tokens: 1___ 2____ 3_ 4__ 5________ 6_______ 7______________ 8__________ 9_ 10___ 11______ 12 13________ 14

Chunks:

(ChunkerEvaluator) Sentence #16148 from articles/00108145 from sent9

Text  : Liderzy PO - Andrzej Olechowski , Donald Tusk i Maciej Płażyński -  rozpoczęli tworzenie struktur w  terenie półtora tygodnia temu od mianowania przedstawicieli wojewódzkich .
Tokens: 1______ 2_ 3 4______ 5_________ 6 7_____ 8___ 9 10____ 11_______ 12 13________ 14_______ 15______ 16 17_____ 18_____ 19______ 20__ 21 22________ 23_____________ 24__________ 25

Chunks:
  TruePositive nam [2,2] = PO
  TruePositive nam [4,5] = Andrzej Olechowski
  TruePositive nam [7,8] = Donald Tusk
  TruePositive nam [10,11] = Maciej Płażyński

(ChunkerEvaluator) Sentence #16149 from articles/00108145 from sent10

Text  : Docelowo będzie ich 41 , tylu ile okręgów wyborczych w  projekcie nowej ordynacji .
Tokens: 1_______ 2_____ 3__ 4_ 5 6___ 7__ 8______ 9_________ 10 11_______ 12___ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #16150 from articles/00108145 from sent11

Text  : Na Kujawach i Pomorzu pełnomocnikiem został Janusz Kaczmarek - dyrektor regionalnych Lasów Państwowych ,  dotychczasowy członek władz RS AWS i  radny AWS w  sejmiku .
Tokens: 1_ 2_______ 3 4______ 5_____________ 6_____ 7_____ 8________ 9 10______ 11__________ 12___ 13_________ 14 15___________ 16_____ 17___ 18 19_ 20 21___ 22_ 23 24_____ 25

Chunks:
  TruePositive nam [2,2] = Kujawach
  TruePositive nam [4,4] = Pomorzu
  TruePositive nam [7,8] = Janusz Kaczmarek
  TruePositive nam [12,13] = Lasów Państwowych
  TruePositive nam [22,22] = AWS
  FalsePositive nam [19,19] = AWS
  FalseNegative nam [18,19] = RS AWS

(ChunkerEvaluator) Sentence #16151 from articles/00108145 from sent12

Text  : W sobotę , po zebraniu osób wspierających Platformę , poinformowano o  powołaniu pełnomocnika na miasto Bydgoszcz .
Tokens: 1 2_____ 3 4_ 5_______ 6___ 7____________ 8________ 9 10___________ 11 12_______ 13__________ 14 15____ 16_______ 17

Chunks:
  TruePositive nam [8,8] = Platformę
  TruePositive nam [16,16] = Bydgoszcz

(ChunkerEvaluator) Sentence #16152 from articles/00108145 from sent13

Text  : Został nim przedsiębiorca Andrzej Kobiak , w poprzedniej kadencji bydgoski radny ,  dotąd wiceprzewodniczący kujawsko -  pomorskiej Unii Wolności .
Tokens: 1_____ 2__ 3_____________ 4______ 5_____ 6 7 8__________ 9_______ 10______ 11___ 12 13___ 14________________ 15______ 16 17________ 18__ 19______ 20

Chunks:
  TruePositive nam [4,5] = Andrzej Kobiak
  TruePositive nam [18,19] = Unii Wolności

(ChunkerEvaluator) Sentence #16153 from articles/00108145 from sent14

Text  : W ciągu najbliższych tygodni powołani zostaną pełnomocnicy powiatowi .
Tokens: 1 2____ 3___________ 4______ 5_______ 6______ 7___________ 8________ 9

Chunks:

(ChunkerEvaluator) Sentence #16154 from articles/00108145 from sent15

Text  : - A jeśli aktywni zwolennicy znajdą się w jakiejś gminie ,  być może powołamy też pełnomocników gminnych -  zapowiada Kobiak .
Tokens: 1 2 3____ 4______ 5_________ 6_____ 7__ 8 9______ 10____ 11 12_ 13__ 14______ 15_ 16___________ 17______ 18 19_______ 20____ 21

Chunks:
  FalseNegative nam [20,20] = Kobiak

(ChunkerEvaluator) Sentence #16155 from articles/00108145 from sent16

Text  : Na razie działacze Platformy nie są w stanie powiedzieć ,  ile osób z  regionu zgłosiło akces do PO .
Tokens: 1_ 2____ 3________ 4________ 5__ 6_ 7 8_____ 9_________ 10 11_ 12__ 13 14_____ 15______ 16___ 17 18 19

Chunks:
  TruePositive nam [4,4] = Platformy
  TruePositive nam [18,18] = PO

(ChunkerEvaluator) Sentence #16156 from articles/00108145 from sent17

Text  : - Takich danych jeszcze nie ma .
Tokens: 1 2_____ 3_____ 4______ 5__ 6_ 7

Chunks:

(ChunkerEvaluator) Sentence #16157 from articles/00108145 from sent18

Text  : Dostajemy listy i telefony , ale część osób kontaktuje się bezpośrednio z  Warszawa i  Gdańskiem .
Tokens: 1________ 2____ 3 4_______ 5 6__ 7____ 8___ 9_________ 10_ 11__________ 12 13______ 14 15_______ 16

Chunks:
  TruePositive nam [13,13] = Warszawa
  TruePositive nam [15,15] = Gdańskiem

(ChunkerEvaluator) Sentence #16158 from articles/00108145 from sent19

Text  : Na pewno wkrótce uporządkujemy sytuację - zapewnia Kobiak .
Tokens: 1_ 2____ 3______ 4____________ 5_______ 6 7_______ 8_____ 9

Chunks:
  FalseNegative nam [8,8] = Kobiak

(ChunkerEvaluator) Sentence #16159 from articles/00108145 from sent20

Text  : Wkrótce założyciele zamierzają zorganizować w Bydgoszczy i Toruniu konwencje z  udziałem liderów swego ugrupowania .
Tokens: 1______ 2__________ 3_________ 4___________ 5 6_________ 7 8______ 9________ 10 11______ 12_____ 13___ 14_________ 15

Chunks:
  TruePositive nam [6,6] = Bydgoszczy
  TruePositive nam [8,8] = Toruniu

(ChunkerEvaluator) Sentence #16160 from articles/00108145 from sent21

Text  : Spotkanie nad Brdą planowane jest na 4 marca .
Tokens: 1________ 2__ 3___ 4________ 5___ 6_ 7 8____ 9

Chunks:
  TruePositive nam [3,3] = Brdą

(ChunkerEvaluator) Sentence #16161 from articles/00108145 from sent22

Text  : wł
Tokens: 1_

Chunks:

2016-10-27 15:00:34,876 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 697 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108146.xml
(ChunkerEvaluator) Sentence #16162 from articles/00108146 from sent1

Text  : Dwaliszwili podpisze kontrakt z Legią w piątek .
Tokens: 1__________ 2_______ 3_______ 4 5____ 6 7_____ 8

Chunks:
  TruePositive nam [5,5] = Legią
  FalseNegative nam [1,1] = Dwaliszwili

(ChunkerEvaluator) Sentence #16163 from articles/00108146 from sent2

Text  : Ma kosztować około pół mln euro
Tokens: 1_ 2________ 3____ 4__ 5__ 6___

Chunks:
  FalsePositive nam [6,6] = euro

(ChunkerEvaluator) Sentence #16164 from articles/00108146 from sent3

Text  : W piątek Władimir Dwaliszwili ma przejść badania medyczne w Legii ,  a  wieczorem podpisać kontrakt z  klubem z  Łazienkowskiej .
Tokens: 1 2_____ 3_______ 4__________ 5_ 6______ 7______ 8_______ 9 10___ 11 12 13_______ 14______ 15______ 16 17____ 18 19____________ 20

Chunks:
  TruePositive nam [10,10] = Legii
  TruePositive nam [19,19] = Łazienkowskiej
  FalsePositive nam [3,3] = Władimir
  FalseNegative nam [3,4] = Władimir Dwaliszwili

(ChunkerEvaluator) Sentence #16165 from articles/00108146 from sent4

Text  : Gruzin ma kosztować Legię około pół miliona euro .
Tokens: 1_____ 2_ 3________ 4____ 5____ 6__ 7______ 8___ 9

Chunks:
  TruePositive nam [4,4] = Legię
  TruePositive nam [8,8] = euro
  FalseNegative nam [1,1] = Gruzin

(ChunkerEvaluator) Sentence #16166 from articles/00108146 from sent5

Text  : Dwaliszwili w piątek ma przejść badania medyczne w Legii .
Tokens: 1__________ 2 3_____ 4_ 5______ 6______ 7_______ 8 9____ 10

Chunks:
  TruePositive nam [9,9] = Legii
  FalseNegative nam [1,1] = Dwaliszwili

(ChunkerEvaluator) Sentence #16167 from articles/00108146 from sent6

Text  : Jeśli ich wynik będzie pozytywny , jeszcze tego samego dnia o  godz .  20 ma dojść do podpisania kontraktu .
Tokens: 1____ 2__ 3____ 4_____ 5________ 6 7______ 8___ 9_____ 10__ 11 12__ 13 14 15 16___ 17 18________ 19_______ 20

Chunks:

(ChunkerEvaluator) Sentence #16168 from articles/00108146 from sent7

Text  : Gruzin ma kosztować klub z Łazienkowskiej około pół miliona euro .
Tokens: 1_____ 2_ 3________ 4___ 5 6_____________ 7____ 8__ 9______ 10__ 11

Chunks:
  TruePositive nam [6,6] = Łazienkowskiej
  TruePositive nam [10,10] = euro
  FalseNegative nam [1,1] = Gruzin

(ChunkerEvaluator) Sentence #16169 from articles/00108146 from sent8

Text  : Nie więcej niż 200 tysięcy euro trafi do Polonii ,  natomiast reszta pójdzie na spłatę zadłużenia wobec piłkarza oraz na konto Józefa Wojciechowskiego ,  byłego właściciela Polonii ,  który zachował sobie prawo do części pieniędzy z  transferu Dwaliszwilego .
Tokens: 1__ 2_____ 3__ 4__ 5______ 6___ 7____ 8_ 9______ 10 11_______ 12____ 13_____ 14 15____ 16________ 17___ 18______ 19__ 20 21___ 22____ 23______________ 24 25____ 26_________ 27_____ 28 29___ 30______ 31___ 32___ 33 34____ 35_______ 36 37_______ 38___________ 39

Chunks:
  TruePositive nam [6,6] = euro
  TruePositive nam [9,9] = Polonii
  TruePositive nam [22,23] = Józefa Wojciechowskiego
  TruePositive nam [27,27] = Polonii
  FalseNegative nam [38,38] = Dwaliszwilego

(ChunkerEvaluator) Sentence #16170 from articles/00108146 from sent9

Text  : Te 570 tys . zł , które niedawno prezes klubu z  Konwiktorskiej Ireneusz Król przelał na konto Dwaliszwilego to mniej więcej trzecia część kwoty ,  którą Polonia zalega piłkarzowi .
Tokens: 1_ 2__ 3__ 4 5_ 6 7____ 8_______ 9_____ 10___ 11 12____________ 13______ 14__ 15_____ 16 17___ 18___________ 19 20___ 21____ 22_____ 23___ 24___ 25 26___ 27_____ 28____ 29________ 30

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [12,12] = Konwiktorskiej
  TruePositive nam [13,14] = Ireneusz Król
  TruePositive nam [27,27] = Polonia
  FalseNegative nam [18,18] = Dwaliszwilego

(ChunkerEvaluator) Sentence #16171 from articles/00108146 from sent10

Text  : Warunki kontraktu z Dwaliszwilim Legia uzgodniła już jakiś czas temu ,  przeszkodą w  podpisaniu umowy były negocjacje z  Królem .
Tokens: 1______ 2________ 3 4___________ 5____ 6________ 7__ 8____ 9___ 10__ 11 12________ 13 14________ 15___ 16__ 17________ 18 19____ 20

Chunks:
  TruePositive nam [19,19] = Królem
  FalsePositive nam [4,5] = Dwaliszwilim Legia
  FalseNegative nam [4,4] = Dwaliszwilim
  FalseNegative nam [5,5] = Legia

(ChunkerEvaluator) Sentence #16172 from articles/00108146 from sent11

Text  : Strony doszły jednak do porozumienia .
Tokens: 1_____ 2_____ 3_____ 4_ 5___________ 6

Chunks:

(ChunkerEvaluator) Sentence #16173 from articles/00108146 from sent12

Text  : Drugim zawodnikiem , którym ostatnio był przymierzany do Legii jest Marcin Wasilewski .
Tokens: 1_____ 2__________ 3 4_____ 5_______ 6__ 7___________ 8_ 9____ 10__ 11____ 12________ 13

Chunks:
  TruePositive nam [9,9] = Legii
  TruePositive nam [11,12] = Marcin Wasilewski

(ChunkerEvaluator) Sentence #16174 from articles/00108146 from sent13

Text  : Jego transfer jednak oddalił się ze względu na zbyt wysokie oczekiwania finansowe zawodnika .
Tokens: 1___ 2_______ 3_____ 4______ 5__ 6_ 7______ 8_ 9___ 10_____ 11_________ 12_______ 13_______ 14

Chunks:

(ChunkerEvaluator) Sentence #16175 from articles/00108146 from sent14

Text  : Na razie Legii nie stać na 33 - letniego reprezentanta Polski .
Tokens: 1_ 2____ 3____ 4__ 5___ 6_ 7_ 8 9_______ 10___________ 11____ 12

Chunks:
  TruePositive nam [3,3] = Legii
  TruePositive nam [11,11] = Polski

2016-10-27 15:00:34,944 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 698 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108147.xml
(ChunkerEvaluator) Sentence #16176 from articles/00108147 from sent1

Text  : Sandecja lepsza od Okocimskiego w sparingu małopolskich pierwszoligowców
Tokens: 1_______ 2_____ 3_ 4___________ 5 6_______ 7___________ 8_______________

Chunks:
  TruePositive nam [4,4] = Okocimskiego
  FalseNegative nam [1,1] = Sandecja

(ChunkerEvaluator) Sentence #16177 from articles/00108147 from sent2

Text  : Sandecja Nowy Sącz wygrała 4 : 2 w towarzyskim meczu z  Okocimskim Brzesko .
Tokens: 1_______ 2___ 3___ 4______ 5 6 7 8 9__________ 10___ 11 12________ 13_____ 14

Chunks:
  TruePositive nam [1,3] = Sandecja Nowy Sącz
  TruePositive nam [12,13] = Okocimskim Brzesko

(ChunkerEvaluator) Sentence #16178 from articles/00108147 from sent3

Text  : Pięć z sześciu bramek strzelili zawodnicy , którzy jesienią nie występowali w  pierwszoligowych klubach .
Tokens: 1___ 2 3______ 4_____ 5________ 6________ 7 8_____ 9_______ 10_ 11_________ 12 13______________ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #16179 from articles/00108147 from sent4

Text  : Gole dla Sandecji strzelali pozyskani zimą z Lechii Gdańsk Paweł Nowak i  Patryk Tuszyński oraz testowany Maciej Górski (  dwie )  .
Tokens: 1___ 2__ 3_______ 4________ 5________ 6___ 7 8_____ 9_____ 10___ 11___ 12 13____ 14_______ 15__ 16_______ 17____ 18____ 19 20__ 21 22

Chunks:
  TruePositive nam [3,3] = Sandecji
  TruePositive nam [8,9] = Lechii Gdańsk
  TruePositive nam [10,11] = Paweł Nowak
  TruePositive nam [13,14] = Patryk Tuszyński
  TruePositive nam [17,18] = Maciej Górski
  FalsePositive nam [1,1] = Gole

(ChunkerEvaluator) Sentence #16180 from articles/00108147 from sent5

Text  : Z kolei Marcina Cabaja pokonywali Daniel Chyła ( przyszedł z  Floty Świnoujście )  i  Radosław Jacek (  gra w  Brzesku od sezonu 2011 /  12 )  .
Tokens: 1 2____ 3______ 4_____ 5_________ 6_____ 7____ 8 9________ 10 11___ 12_________ 13 14 15______ 16___ 17 18_ 19 20_____ 21 22____ 23__ 24 25 26 27

Chunks:
  TruePositive nam [3,4] = Marcina Cabaja
  TruePositive nam [6,7] = Daniel Chyła
  TruePositive nam [11,12] = Floty Świnoujście
  TruePositive nam [15,16] = Radosław Jacek
  TruePositive nam [20,20] = Brzesku

(ChunkerEvaluator) Sentence #16181 from articles/00108147 from sent6

Text  : Okocimski testował trzech zawodników , których nazwisk nie ujawnił .
Tokens: 1________ 2_______ 3_____ 4_________ 5 6______ 7______ 8__ 9______ 10

Chunks:
  TruePositive nam [1,1] = Okocimski

(ChunkerEvaluator) Sentence #16182 from articles/00108147 from sent7

Text  : Okocimski KS Brzesko - Sandecja Nowy Sącz 2 : 4  (  1  :  1  )
Tokens: 1________ 2_ 3______ 4 5_______ 6___ 7___ 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [5,7] = Sandecja Nowy Sącz
  FalsePositive nam [1,3] = Okocimski KS Brzesko
  FalseNegative nam [1,1] = Okocimski
  FalseNegative nam [2,3] = KS Brzesko

(ChunkerEvaluator) Sentence #16183 from articles/00108147 from sent8

Text  : Bramki : Chyła ( 7 . ) , Jacek (  78 .  )
Tokens: 1_____ 2 3____ 4 5 6 7 8 9____ 10 11 12 13

Chunks:
  TruePositive nam [9,9] = Jacek
  FalsePositive nam [1,1] = Bramki
  FalseNegative nam [3,3] = Chyła

(ChunkerEvaluator) Sentence #16184 from articles/00108147 from sent9

Text  : - Tuszyński ( 14 . ) , Górski ( 65 .  ,  67 .  )  ,  Nowak (  72 .  -  karny )
Tokens: 1 2________ 3 4_ 5 6 7 8_____ 9 10 11 12 13 14 15 16 17___ 18 19 20 21 22___ 23

Chunks:
  TruePositive nam [2,2] = Tuszyński
  TruePositive nam [8,8] = Górski
  TruePositive nam [17,17] = Nowak

(ChunkerEvaluator) Sentence #16185 from articles/00108147 from sent10

Text  : Okocimski : Mieczkowski ( 46 .
Tokens: 1________ 2 3__________ 4 5_ 6

Chunks:
  TruePositive nam [1,1] = Okocimski
  TruePositive nam [3,3] = Mieczkowski

(ChunkerEvaluator) Sentence #16186 from articles/00108147 from sent11

Text  : Kozioł ) - Wawryka ( 46 .
Tokens: 1_____ 2 3 4______ 5 6_ 7

Chunks:
  TruePositive nam [1,1] = Kozioł
  TruePositive nam [4,4] = Wawryka

(ChunkerEvaluator) Sentence #16187 from articles/00108147 from sent12

Text  : Jacek ) , Vajda ( 46 .
Tokens: 1____ 2 3 4____ 5 6_ 7

Chunks:
  TruePositive nam [1,1] = Jacek
  FalseNegative nam [4,4] = Vajda

(ChunkerEvaluator) Sentence #16188 from articles/00108147 from sent13

Text  : Cegliński ) , zawodnik testowany I , zawodnik testowany II (  76 .
Tokens: 1________ 2 3 4_______ 5________ 6 7 8_______ 9________ 10 11 12 13

Chunks:
  FalseNegative nam [1,1] = Cegliński

(ChunkerEvaluator) Sentence #16189 from articles/00108147 from sent14

Text  : Gurgul ) - Termanowski ( 46 .
Tokens: 1_____ 2 3 4__________ 5 6_ 7

Chunks:
  TruePositive nam [1,1] = Gurgul
  FalseNegative nam [4,4] = Termanowski

(ChunkerEvaluator) Sentence #16190 from articles/00108147 from sent15

Text  : Wieczorek ) , Chyła ( 46 .
Tokens: 1________ 2 3 4____ 5 6_ 7

Chunks:
  TruePositive nam [1,1] = Wieczorek
  FalseNegative nam [4,4] = Chyła

(ChunkerEvaluator) Sentence #16191 from articles/00108147 from sent16

Text  : Wojcieszyński ) , Koman ( 46 .
Tokens: 1____________ 2 3 4____ 5 6_ 7

Chunks:
  FalseNegative nam [1,1] = Wojcieszyński
  FalseNegative nam [4,4] = Koman

(ChunkerEvaluator) Sentence #16192 from articles/00108147 from sent17

Text  : Jeriomenko ) , Łytwyniuk ( 46 .
Tokens: 1_________ 2 3 4________ 5 6_ 7

Chunks:
  FalseNegative nam [1,1] = Jeriomenko
  FalseNegative nam [4,4] = Łytwyniuk

(ChunkerEvaluator) Sentence #16193 from articles/00108147 from sent18

Text  : Darmochwał ) , zawodnik testowany III ( 70 .
Tokens: 1_________ 2 3 4_______ 5________ 6__ 7 8_ 9

Chunks:
  FalseNegative nam [1,1] = Darmochwał

(ChunkerEvaluator) Sentence #16194 from articles/00108147 from sent19

Text  : Sosnowski ) - Smółka ( 46 .
Tokens: 1________ 2 3 4_____ 5 6_ 7

Chunks:
  FalsePositive nam [1,4] = Sosnowski ) - Smółka
  FalseNegative nam [1,1] = Sosnowski
  FalseNegative nam [4,4] = Smółka

(ChunkerEvaluator) Sentence #16195 from articles/00108147 from sent20

Text  : Ogar )
Tokens: 1___ 2

Chunks:
  FalsePositive nam [1,1] = Ogar

(ChunkerEvaluator) Sentence #16196 from articles/00108147 from sent21

Text  : Sandecja : Cabaj - Borovicanin , Czarnecki , Duda ,  Mójta -  Bębenek (  55 .
Tokens: 1_______ 2 3____ 4 5__________ 6 7________ 8 9___ 10 11___ 12 13_____ 14 15 16

Chunks:
  TruePositive nam [7,7] = Czarnecki
  TruePositive nam [9,9] = Duda
  TruePositive nam [11,13] = Mójta - Bębenek
  FalsePositive nam [1,5] = Sandecja : Cabaj - Borovicanin
  FalseNegative nam [1,1] = Sandecja
  FalseNegative nam [3,3] = Cabaj
  FalseNegative nam [5,5] = Borovicanin

(ChunkerEvaluator) Sentence #16197 from articles/00108147 from sent22

Text  : Czertik ) , Nowak , Mroziński , Kosiorowski - Tuszyński ,  Giel (  60 .
Tokens: 1______ 2 3 4____ 5 6________ 7 8__________ 9 10_______ 11 12__ 13 14 15

Chunks:
  TruePositive nam [4,4] = Nowak
  TruePositive nam [6,6] = Mroziński
  TruePositive nam [10,10] = Tuszyński
  FalseNegative nam [1,1] = Czertik
  FalseNegative nam [8,8] = Kosiorowski
  FalseNegative nam [12,12] = Giel

(ChunkerEvaluator) Sentence #16198 from articles/00108147 from sent23

Text  : Górski )
Tokens: 1_____ 2

Chunks:
  TruePositive nam [1,1] = Górski

2016-10-27 15:00:35,017 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 699 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108148.xml
(ChunkerEvaluator) Sentence #16199 from articles/00108148 from sent1

Text  : Ukradli kable i narzędzia warte 50 tys . zł
Tokens: 1______ 2____ 3 4________ 5____ 6_ 7__ 8 9_

Chunks:
  TruePositive nam [9,9] = zł

(ChunkerEvaluator) Sentence #16200 from articles/00108148 from sent2

Text  : 15 zarzutów kradzieży usłyszało czterech złodziei miedzianych kabli , złomu ,  metali kolorowych oraz elektronarzędzi .
Tokens: 1_ 2_______ 3________ 4________ 5_______ 6_______ 7__________ 8____ 9 10___ 11 12____ 13________ 14__ 15_____________ 16

Chunks:

(ChunkerEvaluator) Sentence #16201 from articles/00108148 from sent3

Text  : Mężczyznom grozi do 10 lat więzienia .
Tokens: 1_________ 2____ 3_ 4_ 5__ 6________ 7

Chunks:

(ChunkerEvaluator) Sentence #16202 from articles/00108148 from sent4

Text  : Czwórka złodziei w wieku od 18 do 25 lat włamała się do zakładu w  Praszce zajmującego się m  .  in .  produkcją odlewów z  metali kolorowych .
Tokens: 1______ 2_______ 3 4____ 5_ 6_ 7_ 8_ 9__ 10_____ 11_ 12 13_____ 14 15_____ 16_________ 17_ 18 19 20 21 22_______ 23_____ 24 25____ 26________ 27

Chunks:
  TruePositive nam [15,15] = Praszce

(ChunkerEvaluator) Sentence #16203 from articles/00108148 from sent5

Text  : Usiłowali ukraść miedziane elementy wyposażenia o wartości blisko 2 tys .  zł .
Tokens: 1________ 2_____ 3________ 4_______ 5__________ 6 7_______ 8_____ 9 10_ 11 12 13

Chunks:
  TruePositive nam [12,12] = zł

(ChunkerEvaluator) Sentence #16204 from articles/00108148 from sent6

Text  : Gdy grupka trafiła do aresztu , szybko okazało się ,  że wcześniej także „  odwiedzali ”  ten zakład .
Tokens: 1__ 2_____ 3______ 4_ 5______ 6 7_____ 8______ 9__ 10 11 12_______ 13___ 14 15________ 16 17_ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #16205 from articles/00108148 from sent7

Text  : Dwóch z nich w listopadzie ubiegłego roku skradło z niego sprzęt komputerowy ,  elektronarzędzia i  kable miedziane o  łącznej wartości ponad 13 tys .  zł .
Tokens: 1____ 2 3___ 4 5__________ 6________ 7___ 8______ 9 10___ 11____ 12_________ 13 14______________ 15 16___ 17_______ 18 19_____ 20______ 21___ 22 23_ 24 25 26

Chunks:
  TruePositive nam [25,25] = zł

(ChunkerEvaluator) Sentence #16206 from articles/00108148 from sent8

Text  : Łączne straty , jakie od listopada 2012 do lutego 2013 poniósł poszkodowany ,  oszacowano na kwotę nie mniejszą niż 50 tys .  zł .
Tokens: 1_____ 2_____ 3 4____ 5_ 6________ 7___ 8_ 9_____ 10__ 11_____ 12__________ 13 14________ 15 16___ 17_ 18______ 19_ 20 21_ 22 23 24

Chunks:
  TruePositive nam [23,23] = zł

(ChunkerEvaluator) Sentence #16207 from articles/00108148 from sent9

Text  : Zatrzymanym przedstawiono łącznie 15 zarzutów kradzieży i kradzieży z włamaniem .
Tokens: 1__________ 2____________ 3______ 4_ 5_______ 6________ 7 8________ 9 10_______ 11

Chunks:

(ChunkerEvaluator) Sentence #16208 from articles/00108148 from sent10

Text  : Decyzją sądu zastosowano wobec nich policyjny dozór oraz dodatkowo w  stosunku do dwóch poręczenie majątkowe .
Tokens: 1______ 2___ 3__________ 4____ 5___ 6________ 7____ 8___ 9________ 10 11______ 12 13___ 14________ 15_______ 16

Chunks:

(ChunkerEvaluator) Sentence #16209 from articles/00108148 from sent11

Text  : Włamywaczom grozi do 10 lat pozbawienia wolności .
Tokens: 1__________ 2____ 3_ 4_ 5__ 6__________ 7_______ 8

Chunks:

2016-10-27 15:00:35,070 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 700 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108149.xml
(ChunkerEvaluator) Sentence #16210 from articles/00108149 from sent1

Text  : Siódmy sparing Tura Bielsk Podlaski , szósty bez porażki
Tokens: 1_____ 2______ 3___ 4_____ 5_______ 6 7_____ 8__ 9______

Chunks:
  TruePositive nam [3,5] = Tura Bielsk Podlaski

(ChunkerEvaluator) Sentence #16211 from articles/00108149 from sent2

Text  : III - ligowy Tur Bielsk Podlaski zremisował 1 : 1  ze Zniczem Biała Piska w  sparingowym spotkaniu rozegranym w  sobotę w  Zambrowie
Tokens: 1__ 2 3_____ 4__ 5_____ 6_______ 7_________ 8 9 10 11 12_____ 13___ 14___ 15 16_________ 17_______ 18________ 19 20____ 21 22_______

Chunks:
  TruePositive nam [4,6] = Tur Bielsk Podlaski
  TruePositive nam [12,14] = Zniczem Biała Piska
  TruePositive nam [22,22] = Zambrowie
  FalsePositive nam [4,5] = Tur Bielsk
  FalsePositive nam [13,14] = Biała Piska

(ChunkerEvaluator) Sentence #16212 from articles/00108149 from sent3

Text  : Tur prowadził w sobotnim meczu kontrolnym po bramce strzelonej tuż przed przerwą przez Radosława Żero z  występującym w  warmińsko -  mazurskiej IV lidze Zniczem Biała Piska (  trzecie miejsce w  tabeli po jesiennej części rozgrywek )  .
Tokens: 1__ 2________ 3 4_______ 5____ 6_________ 7_ 8_____ 9_________ 10_ 11___ 12_____ 13___ 14_______ 15__ 16 17__________ 18 19_______ 20 21________ 22 23___ 24_____ 25___ 26___ 27 28_____ 29_____ 30 31____ 32 33_______ 34____ 35_______ 36 37

Chunks:
  TruePositive nam [14,15] = Radosława Żero
  TruePositive nam [24,26] = Zniczem Biała Piska
  FalseNegative nam [1,1] = Tur
  FalseNegative nam [19,21] = warmińsko - mazurskiej

(ChunkerEvaluator) Sentence #16213 from articles/00108149 from sent4

Text  : Rywale wyrównali w 89 . minucie .
Tokens: 1_____ 2________ 3 4_ 5 6______ 7

Chunks:

(ChunkerEvaluator) Sentence #16214 from articles/00108149 from sent5

Text  : - Zaczęło się od naszych napastników , którzy nie doskoczyli do stopera Znicza ;  ten zagrał do środka ,  a  później zagapili śmy się w  obronie i  dali śmy sobie strzelić wyrównującego gola -  opisuje grający trener Tura Bielsk Podlaski ,  Grzegorz Pieczywek .
Tokens: 1 2______ 3__ 4_ 5______ 6__________ 7 8_____ 9__ 10________ 11 12_____ 13____ 14 15_ 16____ 17 18____ 19 20 21_____ 22______ 23_ 24_ 25 26_____ 27 28__ 29_ 30___ 31______ 32___________ 33__ 34 35_____ 36_____ 37____ 38__ 39____ 40______ 41 42______ 43_______ 44

Chunks:
  TruePositive nam [13,13] = Znicza
  TruePositive nam [38,40] = Tura Bielsk Podlaski
  TruePositive nam [42,43] = Grzegorz Pieczywek

(ChunkerEvaluator) Sentence #16215 from articles/00108149 from sent6

Text  : - Przeciwnik był mocny .
Tokens: 1 2_________ 3__ 4____ 5

Chunks:

(ChunkerEvaluator) Sentence #16216 from articles/00108149 from sent7

Text  : Gdy oba zespoły grały w pierwszej połowie podstawowymi składami ,  mecz mógł się podobać .
Tokens: 1__ 2__ 3______ 4____ 5 6________ 7______ 8___________ 9_______ 10 11__ 12__ 13_ 14_____ 15

Chunks:

(ChunkerEvaluator) Sentence #16217 from articles/00108149 from sent8

Text  : Był wyrównany i szybki , dużo było gry kombinacyjnej .
Tokens: 1__ 2________ 3 4_____ 5 6___ 7___ 8__ 9____________ 10

Chunks:

(ChunkerEvaluator) Sentence #16218 from articles/00108149 from sent9

Text  : Uważam , że mieli śmy lepsze sytuacje : nie trafił do pustej bramki Piotr Murawski ,  przestrzelił z  bliskiej odległości Radek Żero po odebraniu piłki w  polu karnym .
Tokens: 1_____ 2 3_ 4____ 5__ 6_____ 7_______ 8 9__ 10____ 11 12____ 13____ 14___ 15______ 16 17__________ 18 19______ 20________ 21___ 22__ 23 24_______ 25___ 26 27__ 28____ 29

Chunks:
  TruePositive nam [14,15] = Piotr Murawski
  FalsePositive nam [21,21] = Radek
  FalseNegative nam [21,22] = Radek Żero

(ChunkerEvaluator) Sentence #16219 from articles/00108149 from sent10

Text  : W drugiej połowie po przeprowadzeniu zmian , gra była bardziej chaotyczna ,  mało było składnych akcji ,  choć mieli śmy jeszcze szanse bramkowe .
Tokens: 1 2______ 3______ 4_ 5______________ 6____ 7 8__ 9___ 10______ 11________ 12 13__ 14__ 15_______ 16___ 17 18__ 19___ 20_ 21_____ 22____ 23______ 24

Chunks:

(ChunkerEvaluator) Sentence #16220 from articles/00108149 from sent11

Text  : Blisko zdobycia gola był Karwacki , Żero i ja ,  ale źle uderzył em i  bramkarz Znicza obronił .
Tokens: 1_____ 2_______ 3___ 4__ 5_______ 6 7___ 8 9_ 10 11_ 12_ 13_____ 14 15 16______ 17____ 18_____ 19

Chunks:
  TruePositive nam [7,7] = Żero
  TruePositive nam [17,17] = Znicza
  FalseNegative nam [5,5] = Karwacki

(ChunkerEvaluator) Sentence #16221 from articles/00108149 from sent12

Text  : Był to siódmy kontrolny mecz Tura Bielsk Podlaski w okresie przygotowawczym (  pięć zwycięstw -  z  Młodą Jagiellonią Białystok ,  Magnatem Juchnowiec Kościelny ,  Promieniem Mońki ,  Piastem Białystok ,  Narwią Choroszcz ,  remis ze Zniczem Biała Piska ,  jedna porażka -  z  Olimpią Zambrów )  .
Tokens: 1__ 2_ 3_____ 4________ 5___ 6___ 7_____ 8_______ 9 10_____ 11_____________ 12 13__ 14_______ 15 16 17___ 18_________ 19_______ 20 21______ 22________ 23_______ 24 25________ 26___ 27 28_____ 29_______ 30 31____ 32_______ 33 34___ 35 36_____ 37___ 38___ 39 40___ 41_____ 42 43 44_____ 45_____ 46 47

Chunks:
  TruePositive nam [6,8] = Tura Bielsk Podlaski
  TruePositive nam [17,19] = Młodą Jagiellonią Białystok
  TruePositive nam [21,23] = Magnatem Juchnowiec Kościelny
  TruePositive nam [25,26] = Promieniem Mońki
  TruePositive nam [31,32] = Narwią Choroszcz
  TruePositive nam [36,38] = Zniczem Biała Piska
  TruePositive nam [44,45] = Olimpią Zambrów
  FalsePositive nam [28,29] = Piastem Białystok

(ChunkerEvaluator) Sentence #16222 from articles/00108149 from sent13

Text  : W następnym sparingu podopieczni Grzegorza Pieczywka zmierzą się 24 lutego z  KS-em Michałowo (  boisko MOSP-u w  Białymstoku ,  godz .  12 )  .
Tokens: 1 2________ 3_______ 4__________ 5________ 6________ 7______ 8__ 9_ 10____ 11 12___ 13_______ 14 15____ 16____ 17 18_________ 19 20__ 21 22 23 24

Chunks:
  TruePositive nam [5,6] = Grzegorza Pieczywka
  TruePositive nam [12,13] = KS-em Michałowo
  TruePositive nam [18,18] = Białymstoku
  FalseNegative nam [16,16] = MOSP-u

(ChunkerEvaluator) Sentence #16223 from articles/00108149 from sent14

Text  : Tur Bielsk Podlaski - Znicz Biała Piska 1 : 1  (  1  :  0  )
Tokens: 1__ 2_____ 3_______ 4 5____ 6____ 7____ 8 9 10 11 12 13 14 15

Chunks:
  TruePositive nam [1,3] = Tur Bielsk Podlaski
  TruePositive nam [5,7] = Znicz Biała Piska

(ChunkerEvaluator) Sentence #16224 from articles/00108149 from sent15

Text  : Strzelec bramki dla Tura : Żero ( 44 . )  .
Tokens: 1_______ 2_____ 3__ 4___ 5 6___ 7 8_ 9 10 11

Chunks:
  TruePositive nam [4,4] = Tura
  FalseNegative nam [6,6] = Żero

(ChunkerEvaluator) Sentence #16225 from articles/00108149 from sent16

Text  : Tur : Sosnowski ( Struchowski ) - Gudewicz , Marcinkiewicz ,  Naliwajko ,  K  .  Kulikowski -  Kesler ,  Łochnicki ,  Lewczuk ,  Żero -  Murawski ,  Karwacki ,  Na zmiany wchodzili :  K  .  Jakubowski ,  Wierbicki ,  Tkaczuk ,  Pieczywek ,  R  .  Kulikowski .
Tokens: 1__ 2 3________ 4 5__________ 6 7 8_______ 9 10___________ 11 12_______ 13 14 15 16________ 17 18____ 19 20_______ 21 22_____ 23 24__ 25 26______ 27 28______ 29 30 31____ 32_______ 33 34 35 36________ 37 38_______ 39 40_____ 41 42_______ 43 44 45 46________ 47

Chunks:
  TruePositive nam [1,1] = Tur
  TruePositive nam [3,3] = Sosnowski
  TruePositive nam [10,10] = Marcinkiewicz
  TruePositive nam [24,24] = Żero
  TruePositive nam [26,26] = Murawski
  TruePositive nam [28,28] = Karwacki
  TruePositive nam [34,36] = K . Jakubowski
  TruePositive nam [44,46] = R . Kulikowski
  FalsePositive nam [14,18] = K . Kulikowski - Kesler
  FalseNegative nam [5,5] = Struchowski
  FalseNegative nam [8,8] = Gudewicz
  FalseNegative nam [12,12] = Naliwajko
  FalseNegative nam [14,16] = K . Kulikowski
  FalseNegative nam [18,18] = Kesler
  FalseNegative nam [20,20] = Łochnicki
  FalseNegative nam [22,22] = Lewczuk
  FalseNegative nam [38,38] = Wierbicki
  FalseNegative nam [40,40] = Tkaczuk
  FalseNegative nam [42,42] = Pieczywek

2016-10-27 15:00:35,287 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 701 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108150.xml
(ChunkerEvaluator) Sentence #16226 from articles/00108150 from sent1

Text  : Dziesiątki tysięcy złotych fundacji KidProtect.pl na prywatne wydatki szefa .
Tokens: 1_________ 2______ 3______ 4_______ 5____________ 6_ 7_______ 8______ 9____ 10

Chunks:
  TruePositive nam [3,3] = złotych
  TruePositive nam [5,5] = KidProtect.pl

(ChunkerEvaluator) Sentence #16227 from articles/00108150 from sent2

Text  : Sprawą zajmuje się prokuratura
Tokens: 1_____ 2______ 3__ 4__________

Chunks:

(ChunkerEvaluator) Sentence #16228 from articles/00108150 from sent3

Text  : W piątek Jakub Śpiewak zapowiedział wycofanie się z kierowania fundacją KidProtect.pl i  z  życia publicznego .
Tokens: 1 2_____ 3____ 4______ 5___________ 6________ 7__ 8 9_________ 10______ 11___________ 12 13 14___ 15_________ 16

Chunks:
  TruePositive nam [3,4] = Jakub Śpiewak
  TruePositive nam [11,11] = KidProtect.pl

(ChunkerEvaluator) Sentence #16229 from articles/00108150 from sent4

Text  : Jak tłumaczył , nadużył zaufania , zaspokajając prywatne potrzeby z  fundacyjnych pieniędzy .
Tokens: 1__ 2________ 3 4______ 5_______ 6 7___________ 8_______ 9_______ 10 11__________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #16230 from articles/00108150 from sent5

Text  : Według tygodnika „ Wprost ” deklaracja Śpiewaka była krokiem wyprzedzającym publikację tygodnika .
Tokens: 1_____ 2________ 3 4_____ 5 6_________ 7_______ 8___ 9______ 10____________ 11________ 12_______ 13

Chunks:
  TruePositive nam [7,7] = Śpiewaka
  FalseNegative nam [4,4] = Wprost

(ChunkerEvaluator) Sentence #16231 from articles/00108150 from sent6

Text  : Magazyn ujawnia też ogromną skalę wydatków Śpiewaka za pomocą firmowej karty .
Tokens: 1______ 2______ 3__ 4______ 5____ 6_______ 7_______ 8_ 9_____ 10______ 11___ 12

Chunks:
  TruePositive nam [7,7] = Śpiewaka

(ChunkerEvaluator) Sentence #16232 from articles/00108150 from sent7

Text  : Oszustwo KidProtect.pl
Tokens: 1_______ 2____________

Chunks:
  TruePositive nam [2,2] = KidProtect.pl

(ChunkerEvaluator) Sentence #16233 from articles/00108150 from sent8

Text  : Szef płacił za swoje prywatne wydatki kartą fundacji
Tokens: 1___ 2_____ 3_ 4____ 5_______ 6______ 7____ 8_______

Chunks:

(ChunkerEvaluator) Sentence #16234 from articles/00108150 from sent9

Text  : W piątek Jakub Śpiewak zapowiedział wycofanie się z kierowania fundacją KidProtect.pl i  z  życia publicznego -  "  Wprost "  ujawnia jego przewinienia .
Tokens: 1 2_____ 3____ 4______ 5___________ 6________ 7__ 8 9_________ 10______ 11___________ 12 13 14___ 15_________ 16 17 18____ 19 20_____ 21__ 22__________ 23

Chunks:
  TruePositive nam [3,4] = Jakub Śpiewak
  TruePositive nam [11,11] = KidProtect.pl
  FalseNegative nam [18,18] = Wprost

(ChunkerEvaluator) Sentence #16235 from articles/00108150 from sent10

Text  : W piątek Jakub Śpiewak zapowiedział wycofanie się z kierowania fundacją KidProtect.pl i  z  życia publicznego .
Tokens: 1 2_____ 3____ 4______ 5___________ 6________ 7__ 8 9_________ 10______ 11___________ 12 13 14___ 15_________ 16

Chunks:
  TruePositive nam [3,4] = Jakub Śpiewak
  TruePositive nam [11,11] = KidProtect.pl

(ChunkerEvaluator) Sentence #16236 from articles/00108150 from sent11

Text  : Jak tłumaczył , nadużył zaufania , zaspokajając prywatne potrzeby z  fundacyjnych pieniędzy .
Tokens: 1__ 2________ 3 4______ 5_______ 6 7___________ 8_______ 9_______ 10 11__________ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #16237 from articles/00108150 from sent12

Text  : Według tygodnika " Wprost " deklaracja Śpiewaka była krokiem wyprzedzającym publikację tygodnika .
Tokens: 1_____ 2________ 3 4_____ 5 6_________ 7_______ 8___ 9______ 10____________ 11________ 12_______ 13

Chunks:
  TruePositive nam [7,7] = Śpiewaka
  FalseNegative nam [4,4] = Wprost

(ChunkerEvaluator) Sentence #16238 from articles/00108150 from sent13

Text  : Magazyn ujawnia też ogromną skalę wydatków Śpiewaka za pomocą firmowej karty .
Tokens: 1______ 2______ 3__ 4______ 5____ 6_______ 7_______ 8_ 9_____ 10______ 11___ 12

Chunks:
  TruePositive nam [7,7] = Śpiewaka

(ChunkerEvaluator) Sentence #16239 from articles/00108150 from sent14

Text  : Dziennikarze tygodnika rozmawiali ze Śpiewakiem w czwartek wieczorem , szykując publikację na temat niejasnych wydatków jego fundacji do nowego numeru .
Tokens: 1___________ 2________ 3_________ 4_ 5_________ 6 7_______ 8________ 9 10______ 11________ 12 13___ 14________ 15______ 16__ 17______ 18 19____ 20____ 21

Chunks:
  TruePositive nam [5,5] = Śpiewakiem

(ChunkerEvaluator) Sentence #16240 from articles/00108150 from sent15

Text  : Zatytułowany " Wyznaję i przepraszam " wpis na blogu działacza na rzecz walki z  pedofilią pojawił się następnego dnia rano .
Tokens: 1___________ 2 3______ 4 5__________ 6 7___ 8_ 9____ 10_______ 11 12___ 13___ 14 15_______ 16_____ 17_ 18________ 19__ 20__ 21

Chunks:
  FalseNegative nam [3,5] = Wyznaję i przepraszam

(ChunkerEvaluator) Sentence #16241 from articles/00108150 from sent16

Text  : Śpiewak przyznawał się , że nie umiał kierować tak dużą instytucją ,  jaką w  ciągu 11 lat od założenia stała się fundacja KidProtect.pl ,  a  także że wypłacał sobie pieniądze z  konta fundacji bez podpisania jakiejkolwiek umowy o  pracę .
Tokens: 1______ 2_________ 3__ 4 5_ 6__ 7____ 8_______ 9__ 10__ 11________ 12 13__ 14 15___ 16 17_ 18 19_______ 20___ 21_ 22______ 23___________ 24 25 26___ 27 28______ 29___ 30_______ 31 32___ 33______ 34_ 35________ 36___________ 37___ 38 39___ 40

Chunks:
  TruePositive nam [1,1] = Śpiewak
  TruePositive nam [23,23] = KidProtect.pl

(ChunkerEvaluator) Sentence #16242 from articles/00108150 from sent17

Text  : " Szczytem głupoty było zapłacenie za wyjazd do Turcji .
Tokens: 1 2_______ 3______ 4___ 5_________ 6_ 7_____ 8_ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Turcji

(ChunkerEvaluator) Sentence #16243 from articles/00108150 from sent18

Text  : Był to mój pierwszy , trwający tydzień , urlop od 20 lat .
Tokens: 1__ 2_ 3__ 4_______ 5 6_______ 7______ 8 9____ 10 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #16244 from articles/00108150 from sent19

Text  : Ale nic nie usprawiedliwia użycia karty służbowej " - pisał .
Tokens: 1__ 2__ 3__ 4_____________ 5_____ 6____ 7________ 8 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #16245 from articles/00108150 from sent20

Text  : Założyciel fundacji dodał , że taka sytuacja miała miejsce "  nie raz i  nie dwa "  ,  jednak jak doprecyzowuje "  Wprost "  ,  powołując się na wyciągi z  kont bankowych KidProtect.pl z  2011 roku ,  w  grę mogło wchodzić wykorzystanie na cele prywatne dziesiątek tysięcy złotych z  fundacyjnych pieniędzy .
Tokens: 1_________ 2_______ 3____ 4 5_ 6___ 7_______ 8____ 9______ 10 11_ 12_ 13 14_ 15_ 16 17 18____ 19_ 20___________ 21 22____ 23 24 25_______ 26_ 27 28_____ 29 30__ 31_______ 32___________ 33 34__ 35__ 36 37 38_ 39___ 40______ 41___________ 42 43__ 44______ 45________ 46_____ 47_____ 48 49__________ 50_______ 51

Chunks:
  TruePositive nam [32,32] = KidProtect.pl
  TruePositive nam [47,47] = złotych
  FalseNegative nam [22,22] = Wprost

(ChunkerEvaluator) Sentence #16246 from articles/00108150 from sent21

Text  : Niemal 30 tys . zł z konta KidProtect.pl wydane zostało w  luksusowych sklepach odzieżowych ,  m  .  in .  Peek and Clopenburg ,  Van Graff i  Timberland .
Tokens: 1_____ 2_ 3__ 4 5_ 6 7____ 8____________ 9_____ 10_____ 11 12_________ 13______ 14_________ 15 16 17 18 19 20__ 21_ 22________ 23 24_ 25___ 26 27________ 28

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [8,8] = KidProtect.pl
  TruePositive nam [24,25] = Van Graff
  FalseNegative nam [20,22] = Peek and Clopenburg
  FalseNegative nam [27,27] = Timberland

(ChunkerEvaluator) Sentence #16247 from articles/00108150 from sent22

Text  : Prawie 6 tys . - w perfumeriach i sklepie z  zegarkami .
Tokens: 1_____ 2 3__ 4 5 6 7___________ 8 9______ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #16248 from articles/00108150 from sent23

Text  : W księgarniach i aptekach - około 4 tys . zł .
Tokens: 1 2___________ 3 4_______ 5 6____ 7 8__ 9 10 11

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #16249 from articles/00108150 from sent24

Text  : Ponad 3 tys . zł służbową kartą zapłacono w sklepie z  okularami .
Tokens: 1____ 2 3__ 4 5_ 6_______ 7____ 8________ 9 10_____ 11 12_______ 13

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #16250 from articles/00108150 from sent25

Text  : Wspomniane przez Śpiewaka na jego blogu wakacje w Turcji kosztowały prawie 6  tys .  zł -  wylicza tygodnik ,  podkreślając ,  że założyciel KidProtect.pl jako jedyny miał dostęp do służbowej karty .
Tokens: 1_________ 2____ 3_______ 4_ 5___ 6____ 7______ 8 9_____ 10________ 11____ 12 13_ 14 15 16 17_____ 18______ 19 20__________ 21 22 23________ 24___________ 25__ 26____ 27__ 28____ 29 30_______ 31___ 32

Chunks:
  TruePositive nam [3,3] = Śpiewaka
  TruePositive nam [9,9] = Turcji
  TruePositive nam [15,15] = zł
  TruePositive nam [24,24] = KidProtect.pl

(ChunkerEvaluator) Sentence #16251 from articles/00108150 from sent26

Text  : Właściciel karty wypłacał też pieniądze z bankomatów .
Tokens: 1_________ 2____ 3_______ 4__ 5________ 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #16252 from articles/00108150 from sent27

Text  : Od stycznia 2011 do marca 2012 roku pobrał z konta fundacji 170 tys .  zł .
Tokens: 1_ 2_______ 3___ 4_ 5____ 6___ 7___ 8_____ 9 10___ 11______ 12_ 13_ 14 15 16

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #16253 from articles/00108150 from sent28

Text  : Jak podkreśla " Wprost " , powołując się na rozmowy z  pracownikami KidProtect.pl ,  pieniądze te nie były przeznaczane na opłacenie pracowników czy organizatorów szkoleń ,  bo takie płatności realizowane były za pomocą przelewów .
Tokens: 1__ 2________ 3 4_____ 5 6 7________ 8__ 9_ 10_____ 11 12__________ 13___________ 14 15_______ 16 17_ 18__ 19__________ 20 21_______ 22_________ 23_ 24___________ 25_____ 26 27 28___ 29_______ 30_________ 31__ 32 33____ 34_______ 35

Chunks:
  TruePositive nam [13,13] = KidProtect.pl
  FalseNegative nam [4,4] = Wprost

(ChunkerEvaluator) Sentence #16254 from articles/00108150 from sent29

Text  : Według Śpiewaka pieniądze te przeznaczane były na delegacje dla pracowników fundacji prowadzących szkolenia w  całym kraju .
Tokens: 1_____ 2_______ 3________ 4_ 5___________ 6___ 7_ 8________ 9__ 10_________ 11______ 12__________ 13_______ 14 15___ 16___ 17

Chunks:
  TruePositive nam [2,2] = Śpiewaka

(ChunkerEvaluator) Sentence #16255 from articles/00108150 from sent30

Text  : Fundacja KidProtect.pl nie rozliczyła się też z Ministerstwem Pracy i  Polityki Społecznej za akcję "  1  proc .  z  podatku "  za 2011 rok .
Tokens: 1_______ 2____________ 3__ 4_________ 5__ 6__ 7 8____________ 9____ 10 11______ 12________ 13 14___ 15 16 17__ 18 19 20_____ 21 22 23__ 24_ 25

Chunks:
  TruePositive nam [2,2] = KidProtect.pl
  TruePositive nam [8,12] = Ministerstwem Pracy i Polityki Społecznej

(ChunkerEvaluator) Sentence #16256 from articles/00108150 from sent31

Text  : Sprawozdanie finansowe złożyła jedynie za 2010 rok .
Tokens: 1___________ 2________ 3______ 4______ 5_ 6___ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #16257 from articles/00108150 from sent32

Text  : W rezultacie utraciła status organizacji pożytku publicznego .
Tokens: 1 2_________ 3_______ 4_____ 5__________ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #16258 from articles/00108150 from sent33

Text  : Byli pracownicy fundacji starają się uzyskać należne im pieniądze .
Tokens: 1___ 2_________ 3_______ 4______ 5__ 6______ 7______ 8_ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #16259 from articles/00108150 from sent34

Text  : Jak przyznaje Śpiewak na swoim blogu , KidProtect.pl jest obecnie zadłużone .
Tokens: 1__ 2________ 3______ 4_ 5____ 6____ 7 8____________ 9___ 10_____ 11_______ 12

Chunks:
  TruePositive nam [3,3] = Śpiewak
  TruePositive nam [8,8] = KidProtect.pl

(ChunkerEvaluator) Sentence #16260 from articles/00108150 from sent35

Text  : Na zajętym przez ZUS na poczet długów koncie nie ma żadnych pieniędzy -  przyznaje "  Wprost "  ,  dodając ,  że śledztwo w  sprawie KidProtect.pl prowadzi prokuratura .
Tokens: 1_ 2______ 3____ 4__ 5_ 6_____ 7_____ 8_____ 9__ 10 11_____ 12_______ 13 14_______ 15 16____ 17 18 19_____ 20 21 22______ 23 24_____ 25___________ 26______ 27_________ 28

Chunks:
  TruePositive nam [4,4] = ZUS
  TruePositive nam [25,25] = KidProtect.pl
  FalseNegative nam [16,16] = Wprost

(ChunkerEvaluator) Sentence #16261 from articles/00108150 from sent36

Text  : Śpiewak przyznawał się , że nie umiał kierować tak dużą instytucją ,  jaką w  ciągu 11 lat od założenia stała się fundacja KidProtect.pl ,  a  także że wypłacał sobie pieniądze z  konta fundacji bez podpisania jakiejkolwiek umowy o  pracę .
Tokens: 1______ 2_________ 3__ 4 5_ 6__ 7____ 8_______ 9__ 10__ 11________ 12 13__ 14 15___ 16 17_ 18 19_______ 20___ 21_ 22______ 23___________ 24 25 26___ 27 28______ 29___ 30_______ 31 32___ 33______ 34_ 35________ 36___________ 37___ 38 39___ 40

Chunks:
  TruePositive nam [1,1] = Śpiewak
  TruePositive nam [23,23] = KidProtect.pl

(ChunkerEvaluator) Sentence #16262 from articles/00108150 from sent37

Text  : „ Szczytem głupoty było zapłacenie za wyjazd do Turcji .
Tokens: 1 2_______ 3______ 4___ 5_________ 6_ 7_____ 8_ 9_____ 10

Chunks:
  TruePositive nam [9,9] = Turcji

(ChunkerEvaluator) Sentence #16263 from articles/00108150 from sent38

Text  : Był to mój pierwszy , trwający tydzień , urlop od 20 lat .
Tokens: 1__ 2_ 3__ 4_______ 5 6_______ 7______ 8 9____ 10 11 12_ 13

Chunks:

(ChunkerEvaluator) Sentence #16264 from articles/00108150 from sent39

Text  : Ale nic nie usprawiedliwia użycia karty służbowej " - pisał .
Tokens: 1__ 2__ 3__ 4_____________ 5_____ 6____ 7________ 8 9 10___ 11

Chunks:

(ChunkerEvaluator) Sentence #16265 from articles/00108150 from sent40

Text  : Założyciel fundacji dodał , że taka sytuacja miała miejsce „  nie raz i  nie dwa ”  ,  jednak jak doprecyzowuje „  Wprost ”  ,  powołując się na wyciągi z  kont bankowych KidProtect.pl z  2011 roku ,  w  grę mogło wchodzić wykorzystanie na cele prywatne dziesiątek tysięcy złotych z  fundacyjnych pieniędzy .
Tokens: 1_________ 2_______ 3____ 4 5_ 6___ 7_______ 8____ 9______ 10 11_ 12_ 13 14_ 15_ 16 17 18____ 19_ 20___________ 21 22____ 23 24 25_______ 26_ 27 28_____ 29 30__ 31_______ 32___________ 33 34__ 35__ 36 37 38_ 39___ 40______ 41___________ 42 43__ 44______ 45________ 46_____ 47_____ 48 49__________ 50_______ 51

Chunks:
  TruePositive nam [32,32] = KidProtect.pl
  TruePositive nam [47,47] = złotych
  FalseNegative nam [22,22] = Wprost

(ChunkerEvaluator) Sentence #16266 from articles/00108150 from sent41

Text  : Niemal 30 tys . zł z konta KidProtect.pl wydane zostało w  luksusowych sklepach odzieżowych ,  m  .  in .  Peek and Clopenburg ,  Van Graff i  Timberland .
Tokens: 1_____ 2_ 3__ 4 5_ 6 7____ 8____________ 9_____ 10_____ 11 12_________ 13______ 14_________ 15 16 17 18 19 20__ 21_ 22________ 23 24_ 25___ 26 27________ 28

Chunks:
  TruePositive nam [5,5] = zł
  TruePositive nam [8,8] = KidProtect.pl
  TruePositive nam [24,25] = Van Graff
  FalseNegative nam [20,20] = Peek
  FalseNegative nam [22,22] = Clopenburg
  FalseNegative nam [27,27] = Timberland

(ChunkerEvaluator) Sentence #16267 from articles/00108150 from sent42

Text  : Prawie 6 tys . - w perfumeriach i sklepie z  zegarkami .
Tokens: 1_____ 2 3__ 4 5 6 7___________ 8 9______ 10 11_______ 12

Chunks:

(ChunkerEvaluator) Sentence #16268 from articles/00108150 from sent43

Text  : W księgarniach i aptekach - około 4 tys . zł .
Tokens: 1 2___________ 3 4_______ 5 6____ 7 8__ 9 10 11

Chunks:
  TruePositive nam [10,10] = zł

(ChunkerEvaluator) Sentence #16269 from articles/00108150 from sent44

Text  : Ponad 3 tys . zł służbową kartą zapłacono w sklepie z  okularami .
Tokens: 1____ 2 3__ 4 5_ 6_______ 7____ 8________ 9 10_____ 11 12_______ 13

Chunks:
  TruePositive nam [5,5] = zł

(ChunkerEvaluator) Sentence #16270 from articles/00108150 from sent45

Text  : Wspomniane przez Śpiewaka na jego blogu wakacje w Turcji kosztowały prawie 6  tys .  zł -  wylicza tygodnik ,  podkreślając ,  że założyciel KidProtect.pl jako jedyny miał dostęp do służbowej karty .
Tokens: 1_________ 2____ 3_______ 4_ 5___ 6____ 7______ 8 9_____ 10________ 11____ 12 13_ 14 15 16 17_____ 18______ 19 20__________ 21 22 23________ 24___________ 25__ 26____ 27__ 28____ 29 30_______ 31___ 32

Chunks:
  TruePositive nam [3,3] = Śpiewaka
  TruePositive nam [9,9] = Turcji
  TruePositive nam [15,15] = zł
  TruePositive nam [24,24] = KidProtect.pl

(ChunkerEvaluator) Sentence #16271 from articles/00108150 from sent46

Text  : Właściciel karty wypłacał też pieniądze z bankomatów .
Tokens: 1_________ 2____ 3_______ 4__ 5________ 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #16272 from articles/00108150 from sent47

Text  : Od stycznia 2011 do marca 2012 roku pobrał z konta fundacji 170 tys .  zł .
Tokens: 1_ 2_______ 3___ 4_ 5____ 6___ 7___ 8_____ 9 10___ 11______ 12_ 13_ 14 15 16

Chunks:
  TruePositive nam [15,15] = zł

(ChunkerEvaluator) Sentence #16273 from articles/00108150 from sent48

Text  : Jak podkreśla „ Wprost ” , powołując się na rozmowy z  pracownikami KidProtect.pl ,  pieniądze te nie były przeznaczane na opłacenie pracowników czy organizatorów szkoleń ,  bo takie płatności realizowane były za pomocą przelewów .
Tokens: 1__ 2________ 3 4_____ 5 6 7________ 8__ 9_ 10_____ 11 12__________ 13___________ 14 15_______ 16 17_ 18__ 19__________ 20 21_______ 22_________ 23_ 24___________ 25_____ 26 27 28___ 29_______ 30_________ 31__ 32 33____ 34_______ 35

Chunks:
  TruePositive nam [13,13] = KidProtect.pl
  FalseNegative nam [4,4] = Wprost

(ChunkerEvaluator) Sentence #16274 from articles/00108150 from sent49

Text  : Według Śpiewaka pieniądze te przeznaczane były na delegacje dla pracowników fundacji prowadzących szkolenia w  całym kraju .
Tokens: 1_____ 2_______ 3________ 4_ 5___________ 6___ 7_ 8________ 9__ 10_________ 11______ 12__________ 13_______ 14 15___ 16___ 17

Chunks:
  TruePositive nam [2,2] = Śpiewaka

(ChunkerEvaluator) Sentence #16275 from articles/00108150 from sent50

Text  : Fundacja KidProtect.pl nie rozliczyła się też z Ministerstwem Pracy i  Polityki Społecznej za akcję „  1  proc .  z  podatku za 2011 rok ”  .
Tokens: 1_______ 2____________ 3__ 4_________ 5__ 6__ 7 8____________ 9____ 10 11______ 12________ 13 14___ 15 16 17__ 18 19 20_____ 21 22__ 23_ 24 25

Chunks:
  TruePositive nam [2,2] = KidProtect.pl
  TruePositive nam [8,12] = Ministerstwem Pracy i Polityki Społecznej

(ChunkerEvaluator) Sentence #16276 from articles/00108150 from sent51

Text  : Sprawozdanie finansowe złożyła jedynie za 2010 rok .
Tokens: 1___________ 2________ 3______ 4______ 5_ 6___ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #16277 from articles/00108150 from sent52

Text  : W rezultacie utraciła status organizacji pożytku publicznego .
Tokens: 1 2_________ 3_______ 4_____ 5__________ 6______ 7__________ 8

Chunks:

(ChunkerEvaluator) Sentence #16278 from articles/00108150 from sent53

Text  : Byli pracownicy fundacji starają się uzyskać należne im pieniądze .
Tokens: 1___ 2_________ 3_______ 4______ 5__ 6______ 7______ 8_ 9________ 10

Chunks:

(ChunkerEvaluator) Sentence #16279 from articles/00108150 from sent54

Text  : Jak przyznaje Śpiewak na swoim blogu , KidProtect.pl jest obecnie zadłużone .
Tokens: 1__ 2________ 3______ 4_ 5____ 6____ 7 8____________ 9___ 10_____ 11_______ 12

Chunks:
  TruePositive nam [3,3] = Śpiewak
  TruePositive nam [8,8] = KidProtect.pl

(ChunkerEvaluator) Sentence #16280 from articles/00108150 from sent55

Text  : Na zajętym przez ZUS na poczet długów koncie nie ma żadnych pieniędzy -  przyznaje „  Wprost ”  ,  dodając ,  że śledztwo w  sprawie KidProtect.pl prowadzi prokuratura .
Tokens: 1_ 2______ 3____ 4__ 5_ 6_____ 7_____ 8_____ 9__ 10 11_____ 12_______ 13 14_______ 15 16____ 17 18 19_____ 20 21 22______ 23 24_____ 25___________ 26______ 27_________ 28

Chunks:
  TruePositive nam [4,4] = ZUS
  TruePositive nam [25,25] = KidProtect.pl
  FalseNegative nam [16,16] = Wprost

2016-10-27 15:00:35,577 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 702 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108151.xml
(ChunkerEvaluator) Sentence #16281 from articles/00108151 from sent1

Text  : Nożownik z Piotrkowskiej : Wzięli śmy mefedron i pili śmy alkohol
Tokens: 1_______ 2 3____________ 4 5_____ 6__ 7_______ 8 9___ 10_ 11_____

Chunks:
  TruePositive nam [3,3] = Piotrkowskiej

(ChunkerEvaluator) Sentence #16282 from articles/00108151 from sent2

Text  : Podczas przesłuchania Rafał N . i Bartłomiej K . mówili ,  że pili alkohol i  brali mefedron .
Tokens: 1______ 2____________ 3____ 4 5 6 7_________ 8 9 10____ 11 12 13__ 14_____ 15 16___ 17______ 18

Chunks:
  TruePositive nam [3,5] = Rafał N .
  TruePositive nam [7,9] = Bartłomiej K .

(ChunkerEvaluator) Sentence #16283 from articles/00108151 from sent3

Text  : To silny narkotyk , który powoduje pobudzenie , euforię ,  ale także zaburzenia pamięci i  halucynacje .
Tokens: 1_ 2____ 3_______ 4 5____ 6_______ 7_________ 8 9______ 10 11_ 12___ 13________ 14_____ 15 16_________ 17

Chunks:

(ChunkerEvaluator) Sentence #16284 from articles/00108151 from sent4

Text  : Był sprzedawany jako dopalacz , po znowelizowaniu ustawy o przeciwdziałaniu narkomanii od 25 sierpnia 2010 r  .  jest na liście substancji zakazanych .
Tokens: 1__ 2__________ 3___ 4_______ 5 6_ 7_____________ 8_____ 9 10______________ 11________ 12 13 14______ 15__ 16 17 18__ 19 20____ 21________ 22________ 23

Chunks:

(ChunkerEvaluator) Sentence #16285 from articles/00108151 from sent5

Text  : - To narkotyk , który młodym ludziom zastępuje amfetaminę -  mówi Marek Grondas ,  terapeuta z  Monaru .
Tokens: 1 2_ 3_______ 4 5____ 6_____ 7______ 8________ 9_________ 10 11__ 12___ 13_____ 14 15_______ 16 17____ 18

Chunks:
  TruePositive nam [12,13] = Marek Grondas
  TruePositive nam [17,17] = Monaru

(ChunkerEvaluator) Sentence #16286 from articles/00108151 from sent6

Text  : - Pobudza i wywołuje euforię .
Tokens: 1 2______ 3 4_______ 5______ 6

Chunks:

(ChunkerEvaluator) Sentence #16287 from articles/00108151 from sent7

Text  : Kiedy przestaje działać , pojawiają się lęki , dziwne myśli i  ogólny niepokój .
Tokens: 1____ 2________ 3______ 4 5________ 6__ 7___ 8 9_____ 10___ 11 12____ 13______ 14

Chunks:

(ChunkerEvaluator) Sentence #16288 from articles/00108151 from sent8

Text  : Silnie uzależnia .
Tokens: 1_____ 2________ 3

Chunks:

(ChunkerEvaluator) Sentence #16289 from articles/00108151 from sent9

Text  : Coraz więcej pacjentów zgłasza się do naszej przychodni właśnie z  powodu problemów z  mefedronem .
Tokens: 1____ 2_____ 3________ 4______ 5__ 6_ 7_____ 8_________ 9______ 10 11____ 12_______ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #16290 from articles/00108151 from sent10

Text  : Mefedron jest nielegalny , ale - jak mówią fachowcy -  na czarnym rynku pozostały ogromne ilości narkotyku ,  z  czasów ,  kiedy był stosowany w  dopalaczach .
Tokens: 1_______ 2___ 3_________ 4 5__ 6 7__ 8____ 9_______ 10 11 12_____ 13___ 14_______ 15_____ 16____ 17_______ 18 19 20____ 21 22___ 23_ 24_______ 25 26_________ 27

Chunks:

(ChunkerEvaluator) Sentence #16291 from articles/00108151 from sent11

Text  : Przypomnijmy , Mateusz zginął w sobotę nad ranem , gdy wdał się w  bójkę z  dwoma mężczyznami ,  którzy uderzyli w  twarz towarzyszącą mu dziewczynę .
Tokens: 1___________ 2 3______ 4_____ 5 6_____ 7__ 8____ 9 10_ 11__ 12_ 13 14___ 15 16___ 17_________ 18 19____ 20______ 21 22___ 23__________ 24 25________ 26

Chunks:
  TruePositive nam [3,3] = Mateusz

(ChunkerEvaluator) Sentence #16292 from articles/00108151 from sent12

Text  : Jeden z nich - 20 - letni Rafał N .
Tokens: 1____ 2 3___ 4 5_ 6 7____ 8____ 9 10

Chunks:
  FalsePositive nam [8,9] = Rafał N
  FalseNegative nam [8,10] = Rafał N .

(ChunkerEvaluator) Sentence #16293 from articles/00108151 from sent13

Text  : - 11 - krotnie pchnął go nożem .
Tokens: 1 2_ 3 4______ 5_____ 6_ 7____ 8

Chunks:

(ChunkerEvaluator) Sentence #16294 from articles/00108151 from sent14

Text  : Obaj napastnicy czekają na decyzję sądu , który dziś rozpatrzy wniosek prokuratury o  ich aresztowanie .
Tokens: 1___ 2_________ 3______ 4_ 5______ 6___ 7 8____ 9___ 10_______ 11_____ 12_________ 13 14_ 15__________ 16

Chunks:

2016-10-27 15:00:35,644 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 703 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108152.xml
(ChunkerEvaluator) Sentence #16295 from articles/00108152 from sent1

Text  : O regionalizmach i integracji europejskiej - debata w Senacie
Tokens: 1 2_____________ 3 4_________ 5___________ 6 7_____ 8 9______

Chunks:
  TruePositive nam [9,9] = Senacie

(ChunkerEvaluator) Sentence #16296 from articles/00108152 from sent2

Text  : Regionalizmy mają ważną rolę do odegrania w nowoczesnej Europie -  uznali uczestnicy wtorkowej konferencji &  quot ;  Czy jest miejsce dla regionalizmów w  kontekście integracji europejskiej ?  &  quot ;  .
Tokens: 1___________ 2___ 3____ 4___ 5_ 6________ 7 8__________ 9______ 10 11____ 12________ 13_______ 14_________ 15 16__ 17 18_ 19__ 20_____ 21_ 22___________ 23 24________ 25________ 26__________ 27 28 29__ 30 31

Chunks:
  TruePositive nam [9,9] = Europie

(ChunkerEvaluator) Sentence #16297 from articles/00108152 from sent3

Text  : Debatę zorganizowała Krajowa Rada Ruchu Stowarzyszeń Regionalnych RP .
Tokens: 1_____ 2____________ 3______ 4___ 5____ 6___________ 7___________ 8_ 9

Chunks:
  TruePositive nam [3,8] = Krajowa Rada Ruchu Stowarzyszeń Regionalnych RP
  FalsePositive nam [1,1] = Debatę

(ChunkerEvaluator) Sentence #16298 from articles/00108152 from sent4

Text  : Podczas debaty podejmowano kwestie współczesnej roli regionalizmów w kształtowaniu nowoczesnego społeczeństwa oraz różnicy między nimi a  lokalizmami .
Tokens: 1______ 2_____ 3__________ 4______ 5___________ 6___ 7____________ 8 9____________ 10__________ 11___________ 12__ 13_____ 14____ 15__ 16 17_________ 18

Chunks:

(ChunkerEvaluator) Sentence #16299 from articles/00108152 from sent5

Text  : " Regionalizm ma zazwyczaj charakter regresywny i za to bywa krytykowany .
Tokens: 1 2__________ 3_ 4________ 5________ 6_________ 7 8_ 9_ 10__ 11_________ 12

Chunks:

(ChunkerEvaluator) Sentence #16300 from articles/00108152 from sent6

Text  : ( . . . )
Tokens: 1 2 3 4 5

Chunks:

(ChunkerEvaluator) Sentence #16301 from articles/00108152 from sent7

Text  : Ruch regionalistyczny stoi więc na straży tradycji , rodzimych wartości ,  odmienności i  osobliwości i  z  tej racji ma wymiar ideologiczny "  -  powiedział dr Edward Chudziński z  Uniwersytetu Pedagogicznego w  Krakowie .
Tokens: 1___ 2_______________ 3___ 4___ 5_ 6_____ 7_______ 8 9________ 10______ 11 12_________ 13 14_________ 15 16 17_ 18___ 19 20____ 21__________ 22 23 24________ 25 26____ 27________ 28 29__________ 30____________ 31 32______ 33

Chunks:
  TruePositive nam [26,27] = Edward Chudziński
  TruePositive nam [29,30] = Uniwersytetu Pedagogicznego
  TruePositive nam [32,32] = Krakowie

(ChunkerEvaluator) Sentence #16302 from articles/00108152 from sent8

Text  : Według niego lokalizm jest w swej istocie pragmatyczny niż regionalizm .
Tokens: 1_____ 2____ 3_______ 4___ 5 6___ 7______ 8___________ 9__ 10_________ 11

Chunks:

(ChunkerEvaluator) Sentence #16303 from articles/00108152 from sent9

Text  : " Odwołuje się do tradycji , ale koncentruje się na teraźniejszości i  przyszłości .
Tokens: 1 2_______ 3__ 4_ 5_______ 6 7__ 8__________ 9__ 10 11_____________ 12 13_________ 14

Chunks:

(ChunkerEvaluator) Sentence #16304 from articles/00108152 from sent10

Text  : Promuje aktywność , wyzwala miejscowy potencjał , sprzyja samorealizacji jednostkowej i  zbiorowej .
Tokens: 1______ 2________ 3 4______ 5________ 6________ 7 8______ 9_____________ 10__________ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #16305 from articles/00108152 from sent11

Text  : Realizuje dewizę : + myśl globalnie , działaj lokalnie +  "  -  dodał .
Tokens: 1________ 2_____ 3 4 5___ 6________ 7 8______ 9_______ 10 11 12 13___ 14

Chunks:

(ChunkerEvaluator) Sentence #16306 from articles/00108152 from sent12

Text  : " Czy jest miejsce dla regionalizmów w kontekście integracji europejskiej ?
Tokens: 1 2__ 3___ 4______ 5__ 6____________ 7 8_________ 9_________ 10__________ 11

Chunks:

(ChunkerEvaluator) Sentence #16307 from articles/00108152 from sent13

Text  : Jeśli oznacza on otwarcie i myślenie przyszłościowe , jak najbardziej "  -  skonkludował Chudziński .
Tokens: 1____ 2______ 3_ 4_______ 5 6_______ 7_____________ 8 9__ 10_________ 11 12 13__________ 14________ 15

Chunks:
  FalseNegative nam [14,14] = Chudziński

(ChunkerEvaluator) Sentence #16308 from articles/00108152 from sent14

Text  : " Podstawową kwestią w dyskusji nad współczesnych regionalizmem jest samo jego pojęcie i  rozumienie .
Tokens: 1 2_________ 3______ 4 5_______ 6__ 7____________ 8____________ 9___ 10__ 11__ 12_____ 13 14________ 15

Chunks:

(ChunkerEvaluator) Sentence #16309 from articles/00108152 from sent15

Text  : Jest to sprawa istotna , ponieważ bardzo często kojarzy się on z  takimi pojęciami jak :  folklor ,  ludowość ,  obrzędowość "  -  powiedział ks .  prof .  Henryk Skorowski z  Uniwersytetu Kardynała Stefana Wyszyńskiego .
Tokens: 1___ 2_ 3_____ 4______ 5 6_______ 7_____ 8_____ 9______ 10_ 11 12 13____ 14_______ 15_ 16 17_____ 18 19______ 20 21_________ 22 23 24________ 25 26 27__ 28 29____ 30_______ 31 32__________ 33_______ 34_____ 35__________ 36

Chunks:
  TruePositive nam [29,30] = Henryk Skorowski
  TruePositive nam [32,35] = Uniwersytetu Kardynała Stefana Wyszyńskiego

(ChunkerEvaluator) Sentence #16310 from articles/00108152 from sent16

Text  : Ksiądz Skorowski przedstawił trzy grupy pojęciowe dotyczące regionalizmu .
Tokens: 1_____ 2________ 3__________ 4___ 5____ 6________ 7________ 8___________ 9

Chunks:
  FalsePositive nam [1,2] = Ksiądz Skorowski
  FalseNegative nam [2,2] = Skorowski

(ChunkerEvaluator) Sentence #16311 from articles/00108152 from sent17

Text  : Pierwsza z nich koncentruje się na różnorodności i osobliwościach geograficznych i  kulturowych ,  druga kładzie nacisk na kwestie indywidualnych doświadczeń decydujących o  poczuciu bliskości z  danym regionem ,  trzecia zaś ujmuje regionalizm jako kult tradycji i  przeszłości .
Tokens: 1_______ 2 3___ 4__________ 5__ 6_ 7____________ 8 9_____________ 10____________ 11 12_________ 13 14___ 15_____ 16____ 17 18_____ 19____________ 20_________ 21__________ 22 23______ 24_______ 25 26___ 27______ 28 29_____ 30_ 31____ 32_________ 33__ 34__ 35______ 36 37_________ 38

Chunks:

(ChunkerEvaluator) Sentence #16312 from articles/00108152 from sent18

Text  : " Podstawowym zarzutem dotyczącym tych trzech grup pojęciowych jest to ,  że pomijają one zupełnie sferę osobistych przekonań człowieka oraz całą sferę jego działalności .
Tokens: 1 2__________ 3_______ 4_________ 5___ 6_____ 7___ 8__________ 9___ 10 11 12 13______ 14_ 15______ 16___ 17________ 18_______ 19_______ 20__ 21__ 22___ 23__ 24__________ 25

Chunks:

(ChunkerEvaluator) Sentence #16313 from articles/00108152 from sent19

Text  : Pełnego pojęcia regionalizmu nie można z kolei zacieśnić tylko i  wyłącznie do sfery osobistych ,  wewnętrznych doświadczeń osoby ,  ani do samej działalności na rzecz szeroko rozumianego regionu i  jego specyfiki "  -  argumentował Skorowski .
Tokens: 1______ 2______ 3___________ 4__ 5____ 6 7____ 8________ 9____ 10 11_______ 12 13___ 14________ 15 16__________ 17_________ 18___ 19 20_ 21 22___ 23__________ 24 25___ 26_____ 27_________ 28_____ 29 30__ 31_______ 32 33 34__________ 35_______ 36

Chunks:
  FalseNegative nam [35,35] = Skorowski

(ChunkerEvaluator) Sentence #16314 from articles/00108152 from sent20

Text  : O wpływie nowoczesnej technologii na poczucie własnej tożsamości mówiła dr Longina Strumska -  Cylwik z  Uniwersytetu Gdańskiego .
Tokens: 1 2______ 3__________ 4__________ 5_ 6_______ 7______ 8_________ 9_____ 10 11_____ 12______ 13 14____ 15 16__________ 17________ 18

Chunks:
  TruePositive nam [11,14] = Longina Strumska - Cylwik
  TruePositive nam [16,17] = Uniwersytetu Gdańskiego

(ChunkerEvaluator) Sentence #16315 from articles/00108152 from sent21

Text  : Jako przykład " dehumanizującego wpływu na jednostkę " podała popularność portali społecznościowych jak Facebook ,  MySpace czy Nasza Klasa .
Tokens: 1___ 2_______ 3 4_______________ 5_____ 6_ 7________ 8 9_____ 10_________ 11_____ 12_______________ 13_ 14______ 15 16_____ 17_ 18___ 19___ 20

Chunks:
  TruePositive nam [16,16] = MySpace
  TruePositive nam [18,19] = Nasza Klasa
  FalseNegative nam [14,14] = Facebook

(ChunkerEvaluator) Sentence #16316 from articles/00108152 from sent22

Text  : " Kultura współczesnego , globalnego świata , nie zawsze sprzyja związkom oraz więziom wzajemnym .
Tokens: 1 2______ 3____________ 4 5_________ 6_____ 7 8__ 9_____ 10_____ 11______ 12__ 13_____ 14_______ 15

Chunks:

(ChunkerEvaluator) Sentence #16317 from articles/00108152 from sent23

Text  : Zwłaszcza , że silnie wpisuje się ona w ideę kultury zdeterytorializowanej .
Tokens: 1________ 2 3_ 4_____ 5______ 6__ 7__ 8 9___ 10_____ 11___________________ 12

Chunks:

(ChunkerEvaluator) Sentence #16318 from articles/00108152 from sent24

Text  : Jej pierwszorzędnym zadaniem ma być uwalnianie się od ograniczającej ją przestrzeni ,  a  tym samym propagowanie +  bycia na odległość +  "  -  tłumaczyła .
Tokens: 1__ 2______________ 3_______ 4_ 5__ 6_________ 7__ 8_ 9_____________ 10 11_________ 12 13 14_ 15___ 16__________ 17 18___ 19 20_______ 21 22 23 24________ 25

Chunks:

(ChunkerEvaluator) Sentence #16319 from articles/00108152 from sent25

Text  : Strumska - Cylwik podkreśliła znaczenie kontaktu bezpośredniego - " twarzą w  twarz "  jako najbardziej pierwotnej ,  naturalnej i  efektywnej "  formy budowania więzi międzyludzkich ,  wspólnotowych ,  które zarazem pozwalają lepiej troszczyć się o  nasze +  małe ojczyny +  "  -  dodała Strumska -  Cylwik .
Tokens: 1_______ 2 3_____ 4__________ 5________ 6_______ 7_____________ 8 9 10____ 11 12___ 13 14__ 15_________ 16________ 17 18________ 19 20________ 21 22___ 23_______ 24___ 25____________ 26 27___________ 28 29___ 30_____ 31_______ 32____ 33_______ 34_ 35 36___ 37 38__ 39_____ 40 41 42 43____ 44______ 45 46____ 47

Chunks:
  TruePositive nam [1,3] = Strumska - Cylwik
  TruePositive nam [44,46] = Strumska - Cylwik

(ChunkerEvaluator) Sentence #16320 from articles/00108152 from sent26

Text  : Konferencji towarzyszy publikacja książkowa , wydana przez Kancelarię Senatu .
Tokens: 1__________ 2_________ 3_________ 4________ 5 6_____ 7____ 8_________ 9_____ 10

Chunks:
  TruePositive nam [8,9] = Kancelarię Senatu

2016-10-27 15:00:35,797 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 704 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108153.xml
(ChunkerEvaluator) Sentence #16321 from articles/00108153 from sent1

Text  : Liga Mistrzów .
Tokens: 1___ 2_______ 3

Chunks:
  TruePositive nam [1,2] = Liga Mistrzów

(ChunkerEvaluator) Sentence #16322 from articles/00108153 from sent2

Text  : Puyol : Jestem kibicem Milanu
Tokens: 1____ 2 3_____ 4______ 5_____

Chunks:
  FalseNegative nam [1,1] = Puyol
  FalseNegative nam [5,5] = Milanu

(ChunkerEvaluator) Sentence #16323 from articles/00108153 from sent3

Text  : - Kibicuję Milanowi , oczywiście kiedy nie gra z Barceloną -  przyznał na konferencji prasowej Carles Puyol ,  kapitan katalońskiego klubu .
Tokens: 1 2_______ 3_______ 4 5_________ 6____ 7__ 8__ 9 10_______ 11 12______ 13 14_________ 15______ 16____ 17___ 18 19_____ 20___________ 21___ 22

Chunks:
  TruePositive nam [3,3] = Milanowi
  TruePositive nam [10,10] = Barceloną
  TruePositive nam [16,17] = Carles Puyol

(ChunkerEvaluator) Sentence #16324 from articles/00108153 from sent4

Text  : Pierwszy mecz Milanu z Barceloną w 1 / 8 finału Ligi Mistrzów w  środę o  20 .  45 .
Tokens: 1_______ 2___ 3_____ 4 5________ 6 7 8 9 10____ 11__ 12______ 13 14___ 15 16 17 18 19

Chunks:
  TruePositive nam [5,5] = Barceloną
  TruePositive nam [11,12] = Ligi Mistrzów
  FalseNegative nam [3,3] = Milanu

(ChunkerEvaluator) Sentence #16325 from articles/00108153 from sent5

Text  : Relacja Z Czuba i na żywo w Sport.pl i w  aplikacji Sport.pl LIVE na Androida .
Tokens: 1______ 2 3____ 4 5_ 6___ 7 8_______ 9 10 11_______ 12______ 13__ 14 15______ 16

Chunks:
  TruePositive nam [8,8] = Sport.pl
  TruePositive nam [15,15] = Androida
  FalsePositive nam [12,13] = Sport.pl LIVE
  FalseNegative nam [3,3] = Czuba
  FalseNegative nam [12,12] = Sport.pl

(ChunkerEvaluator) Sentence #16326 from articles/00108153 from sent6

Text  : - Milan nie zaczął dobrze tego sezonu , ale teraz jest w  formie .
Tokens: 1 2____ 3__ 4_____ 5_____ 6___ 7_____ 8 9__ 10___ 11__ 12 13____ 14

Chunks:
  TruePositive nam [2,2] = Milan

(ChunkerEvaluator) Sentence #16327 from articles/00108153 from sent7

Text  : To będzie trudny mecz , Rossoneri to rywale , którym należy się szacunek -  powiedział Puyol .
Tokens: 1_ 2_____ 3_____ 4___ 5 6________ 7_ 8_____ 9 10____ 11____ 12_ 13______ 14 15________ 16___ 17

Chunks:
  FalseNegative nam [6,6] = Rossoneri
  FalseNegative nam [16,16] = Puyol

(ChunkerEvaluator) Sentence #16328 from articles/00108153 from sent8

Text  : - Sprzedali kilku ważnych zawodników i odmłodzili skład , więc stracili na doświadczeniu ,  ale są bardziej zjednoczeni -  dodał .
Tokens: 1 2________ 3____ 4______ 5_________ 6 7_________ 8____ 9 10__ 11______ 12 13___________ 14 15_ 16 17______ 18_________ 19 20___ 21

Chunks:

(ChunkerEvaluator) Sentence #16329 from articles/00108153 from sent9

Text  : W przeszłości Puyol był łączony z Milanem , ale do transferu nie doszło .
Tokens: 1 2__________ 3____ 4__ 5______ 6 7______ 8 9__ 10 11_______ 12_ 13____ 14

Chunks:
  TruePositive nam [3,3] = Puyol
  TruePositive nam [7,7] = Milanem

(ChunkerEvaluator) Sentence #16330 from articles/00108153 from sent10

Text  : Na przedmeczowej konferencji zawodnik przyznał się do sympatii do klubu z  Mediolanu .
Tokens: 1_ 2____________ 3__________ 4_______ 5_______ 6__ 7_ 8_______ 9_ 10___ 11 12_______ 13

Chunks:
  TruePositive nam [12,12] = Mediolanu

(ChunkerEvaluator) Sentence #16331 from articles/00108153 from sent11

Text  : W Milanie gra kolega Puyola z Barcelony , Bojan Krkić .
Tokens: 1 2______ 3__ 4_____ 5_____ 6 7________ 8 9____ 10___ 11

Chunks:
  TruePositive nam [2,2] = Milanie
  TruePositive nam [7,7] = Barcelony
  TruePositive nam [9,10] = Bojan Krkić
  FalseNegative nam [5,5] = Puyola

(ChunkerEvaluator) Sentence #16332 from articles/00108153 from sent12

Text  : - Jestem w kontakcie z Bojanem , jesteśmy przyjaciółmi .
Tokens: 1 2_____ 3 4________ 5 6______ 7 8_______ 9___________ 10

Chunks:
  TruePositive nam [6,6] = Bojanem

(ChunkerEvaluator) Sentence #16333 from articles/00108153 from sent13

Text  : Nie gra za dużo w Serie A , ale to świetny zawodnik ,  który stanie się ważnym graczem Milanu -  zapewnił środkowy obrońca .
Tokens: 1__ 2__ 3_ 4___ 5 6____ 7 8 9__ 10 11_____ 12______ 13 14___ 15____ 16_ 17____ 18_____ 19____ 20 21______ 22______ 23_____ 24

Chunks:
  FalsePositive nam [6,7] = Serie A
  FalseNegative nam [19,19] = Milanu

2016-10-27 15:00:35,861 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 705 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108154.xml
(ChunkerEvaluator) Sentence #16334 from articles/00108154 from sent1

Text  : Dubaj .
Tokens: 1____ 2

Chunks:
  FalseNegative nam [1,1] = Dubaj

(ChunkerEvaluator) Sentence #16335 from articles/00108154 from sent2

Text  : Awans Radwańskiej
Tokens: 1____ 2__________

Chunks:
  TruePositive nam [2,2] = Radwańskiej

(ChunkerEvaluator) Sentence #16336 from articles/00108154 from sent3

Text  : Dubaj .
Tokens: 1____ 2

Chunks:
  FalseNegative nam [1,1] = Dubaj

(ChunkerEvaluator) Sentence #16337 from articles/00108154 from sent4

Text  : Awans Radwańskiej
Tokens: 1____ 2__________

Chunks:
  TruePositive nam [2,2] = Radwańskiej

(ChunkerEvaluator) Sentence #16338 from articles/00108154 from sent5

Text  : WTA w Dubaju .
Tokens: 1__ 2 3_____ 4

Chunks:
  FalseNegative nam [1,1] = WTA
  FalseNegative nam [3,3] = Dubaju

(ChunkerEvaluator) Sentence #16339 from articles/00108154 from sent6

Text  : Polka pokonała Putincewą i zagra w ćwierćfinale turnieju
Tokens: 1____ 2_______ 3________ 4 5____ 6 7___________ 8_______

Chunks:
  TruePositive nam [1,1] = Polka
  FalseNegative nam [3,3] = Putincewą

(ChunkerEvaluator) Sentence #16340 from articles/00108154 from sent7

Text  : Agnieszka Radwańska pokonała Julię Putincewą 7 : 5 , 6  :  3  w  drugiej rundzie turnieju WTA Tour na twardych kortach w  Dubaju (  z  pulą nagród 2  mln dolarów )
Tokens: 1________ 2________ 3_______ 4____ 5________ 6 7 8 9 10 11 12 13 14_____ 15_____ 16______ 17_ 18__ 19 20______ 21_____ 22 23____ 24 25 26__ 27____ 28 29_ 30_____ 31

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [4,5] = Julię Putincewą
  TruePositive nam [17,18] = WTA Tour
  TruePositive nam [30,30] = dolarów
  FalseNegative nam [23,23] = Dubaju

(ChunkerEvaluator) Sentence #16341 from articles/00108154 from sent8

Text  : Agnieszka Radwańska pokonała Julię Putincewą 7 : 5 , 6  :  3  w  drugiej rundzie turnieju WTA Tour na twardych kortach w  Dubaju (  z  pulą nagród 2  mln dolarów )  .
Tokens: 1________ 2________ 3_______ 4____ 5________ 6 7 8 9 10 11 12 13 14_____ 15_____ 16______ 17_ 18__ 19 20______ 21_____ 22 23____ 24 25 26__ 27____ 28 29_ 30_____ 31 32

Chunks:
  TruePositive nam [1,2] = Agnieszka Radwańska
  TruePositive nam [4,5] = Julię Putincewą
  TruePositive nam [17,18] = WTA Tour
  TruePositive nam [30,30] = dolarów
  FalseNegative nam [23,23] = Dubaju

(ChunkerEvaluator) Sentence #16342 from articles/00108154 from sent9

Text  : Reprezentująca Kazachstan 18 - latka sprawiła Radwańskiej wiele problemów ,  szczególnie w  gemach serwisowych Polki .
Tokens: 1_____________ 2_________ 3_ 4 5____ 6_______ 7__________ 8____ 9________ 10 11_________ 12 13____ 14_________ 15___ 16

Chunks:
  TruePositive nam [2,2] = Kazachstan
  TruePositive nam [7,7] = Radwańskiej
  TruePositive nam [15,15] = Polki

(ChunkerEvaluator) Sentence #16343 from articles/00108154 from sent10

Text  : Krakowianka grała niefrasobliwie , popełniała mnóstwo niewymuszonych błędów i złych decyzji taktycznych .
Tokens: 1__________ 2____ 3_____________ 4 5_________ 6______ 7_____________ 8_____ 9 10___ 11_____ 12_________ 13

Chunks:
  TruePositive nam [1,1] = Krakowianka

(ChunkerEvaluator) Sentence #16344 from articles/00108154 from sent11

Text  : Na szczęście Putincewa nie wytrzymała trudów spotkania .
Tokens: 1_ 2________ 3________ 4__ 5_________ 6_____ 7________ 8

Chunks:
  FalseNegative nam [3,3] = Putincewa

(ChunkerEvaluator) Sentence #16345 from articles/00108154 from sent12

Text  : Pod koniec meczu za wszelką cenę próbowała skracać wymiany ,  przez co wielokrotnie posyłała piłkę w  aut .
Tokens: 1__ 2_____ 3____ 4_ 5______ 6___ 7________ 8______ 9______ 10 11___ 12 13__________ 14______ 15___ 16 17_ 18

Chunks:

(ChunkerEvaluator) Sentence #16346 from articles/00108154 from sent13

Text  : Radwańska broni w Dubaju tytułu zdobytego przed rokiem .
Tokens: 1________ 2____ 3 4_____ 5_____ 6________ 7____ 8_____ 9

Chunks:
  FalseNegative nam [1,1] = Radwańska
  FalseNegative nam [4,4] = Dubaju

2016-10-27 15:00:35,907 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 706 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108155.xml
(ChunkerEvaluator) Sentence #16347 from articles/00108155 from sent1

Text  : KE zachęca kraje UE do inwestycji społecznych
Tokens: 1_ 2______ 3____ 4_ 5_ 6_________ 7__________

Chunks:
  TruePositive nam [4,4] = UE
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #16348 from articles/00108155 from sent2

Text  : KE wezwała kraje UE do zmodernizowania swoich systemów opieki społecznej i  lepszego wydatkowania środków na cele socjalne .
Tokens: 1_ 2______ 3____ 4_ 5_ 6______________ 7_____ 8_______ 9_____ 10________ 11 12______ 13__________ 14_____ 15 16__ 17______ 18

Chunks:
  TruePositive nam [4,4] = UE
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #16349 from articles/00108155 from sent3

Text  : Jak przekonywał komisarz ds . zatrudnienia Laszlo Andor , inwestycje społeczne to dobra inwestycja .
Tokens: 1__ 2__________ 3_______ 4_ 5 6___________ 7_____ 8____ 9 10________ 11_______ 12 13___ 14________ 15

Chunks:
  TruePositive nam [7,8] = Laszlo Andor

(ChunkerEvaluator) Sentence #16350 from articles/00108155 from sent4

Text  : " Inwestycje społeczne mają kluczowe znaczenie , jeśli chcemy wyjść z  kryzysu silniejsi ,  bardziej spójni i  bardziej konkurencyjni "  -  mówił na środowej konferencji prasowej w  Brukseli Andor .
Tokens: 1 2_________ 3________ 4___ 5_______ 6________ 7 8____ 9_____ 10___ 11 12_____ 13_______ 14 15______ 16____ 17 18______ 19___________ 20 21 22___ 23 24______ 25_________ 26______ 27 28______ 29___ 30

Chunks:
  FalsePositive nam [28,29] = Brukseli Andor
  FalseNegative nam [28,28] = Brukseli
  FalseNegative nam [29,29] = Andor

(ChunkerEvaluator) Sentence #16351 from articles/00108155 from sent5

Text  : Zaprezentowany przez niego pakiet dotyczący inwestycji społecznych zawiera wskazówki w  sprawie wydajniejszej i  skuteczniejszej polityki ,  która ma odpowiedzieć na wyzwania ,  z  jakimi się obecnie borykają kraje UE .
Tokens: 1_____________ 2____ 3____ 4_____ 5________ 6_________ 7__________ 8______ 9________ 10 11_____ 12___________ 13 14_____________ 15______ 16 17___ 18 19__________ 20 21______ 22 23 24____ 25_ 26_____ 27______ 28___ 29 30

Chunks:
  TruePositive nam [29,29] = UE

(ChunkerEvaluator) Sentence #16352 from articles/00108155 from sent6

Text  : Chodzi o rosnące ubóstwo i wykluczenie społeczne , rekordowo wysokie bezrobocie ,  zwłaszcza wśród młodzieży ,  problem starzenia się społeczeństw i  zmniejszania się liczebności populacji w  wieku produkcyjnym .
Tokens: 1_____ 2 3______ 4______ 5 6__________ 7________ 8 9________ 10_____ 11________ 12 13_______ 14___ 15_______ 16 17_____ 18_______ 19_ 20__________ 21 22__________ 23_ 24_________ 25_______ 26 27___ 28__________ 29

Chunks:

(ChunkerEvaluator) Sentence #16353 from articles/00108155 from sent7

Text  : KE chce , by państwowe systemy zabezpieczenia społecznego wychodziły naprzeciw potrzebom obywateli w  najbardziej krytycznych momentach ich życia .
Tokens: 1_ 2___ 3 4_ 5________ 6______ 7_____________ 8__________ 9_________ 10_______ 11_______ 12_______ 13 14_________ 15_________ 16_______ 17_ 18___ 19

Chunks:
  FalseNegative nam [1,1] = KE

(ChunkerEvaluator) Sentence #16354 from articles/00108155 from sent8

Text  : Celem ma być zmniejszenie ryzyka degradacji społecznej i uniknięcie w  ten sposób ponoszenia wyższych wydatków socjalnych w  przyszłości .
Tokens: 1____ 2_ 3__ 4___________ 5_____ 6_________ 7_________ 8 9_________ 10 11_ 12____ 13________ 14______ 15______ 16________ 17 18_________ 19

Chunks:

(ChunkerEvaluator) Sentence #16355 from articles/00108155 from sent9

Text  : " Trzeba unowocześnić państwo opiekuńcze , temu służy ten pakiet "  -  mówił komisarz .
Tokens: 1 2_____ 3___________ 4______ 5_________ 6 7___ 8____ 9__ 10____ 11 12 13___ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #16356 from articles/00108155 from sent10

Text  : Jego zdaniem polityki społeczne muszą wykorzystywać jak najlepsze doświadczenia tych państw ,  w  których widać ich najlepsze efekty .
Tokens: 1___ 2______ 3_______ 4________ 5____ 6____________ 7__ 8________ 9____________ 10__ 11____ 12 13 14_____ 15___ 16_ 17_______ 18____ 19

Chunks:

(ChunkerEvaluator) Sentence #16357 from articles/00108155 from sent11

Text  : Niektóre kraje odnotowują lepsze wyniki , mimo posiadania podobnych lub mniejszych budżetów ,  co -  jak dodaje KE -  pokazuje ,  że istnieją możliwości bardziej wydajnego wydatkowania środków w  ramach polityki społecznej .
Tokens: 1_______ 2____ 3_________ 4_____ 5_____ 6 7___ 8_________ 9________ 10_ 11________ 12______ 13 14 15 16_ 17____ 18 19 20______ 21 22 23______ 24________ 25______ 26_______ 27__________ 28_____ 29 30____ 31______ 32________ 33

Chunks:
  FalseNegative nam [18,18] = KE

(ChunkerEvaluator) Sentence #16358 from articles/00108155 from sent12

Text  : Komisja chciała by uproszczenia , ale jednocześnie lepszego ukierunkowania polityki społecznej .
Tokens: 1______ 2______ 3_ 4___________ 5 6__ 7___________ 8_______ 9_____________ 10______ 11________ 12

Chunks:

(ChunkerEvaluator) Sentence #16359 from articles/00108155 from sent13

Text  : Chodziło by - jak wyliczał Andor - o przystępną cenowo ,  wysokiej jakości opiekę nad dziećmi ,  zapobieganie przedwczesnemu kończeniu nauki ,  szkolenia i  wsparcie w  poszukiwaniu pracy ,  wsparcie w  zakresie mieszkalnictwa i  dostępność opieki zdrowotnej .
Tokens: 1_______ 2_ 3 4__ 5_______ 6____ 7 8 9_________ 10____ 11 12______ 13_____ 14____ 15_ 16_____ 17 18__________ 19____________ 20_______ 21___ 22 23_______ 24 25______ 26 27__________ 28___ 29 30______ 31 32______ 33____________ 34 35________ 36____ 37________ 38

Chunks:
  TruePositive nam [6,6] = Andor

(ChunkerEvaluator) Sentence #16360 from articles/00108155 from sent14

Text  : Komisarz położył też nacisk na walkę z ubóstwem dzieci .
Tokens: 1_______ 2______ 3__ 4_____ 5_ 6____ 7 8_______ 9_____ 10

Chunks:

(ChunkerEvaluator) Sentence #16361 from articles/00108155 from sent15

Text  : Wskazywał , że zmniejszenie nierówności w młodym wieku poprzez zapewnienie opieki i  wychowania przedszkolnego dzieci powinno być zadaniem wszystkich rządów .
Tokens: 1________ 2 3_ 4___________ 5__________ 6 7_____ 8____ 9______ 10_________ 11____ 12 13________ 14____________ 15____ 16_____ 17_ 18______ 19________ 20____ 21

Chunks:

(ChunkerEvaluator) Sentence #16362 from articles/00108155 from sent16

Text  : Z analiz KE wynika , że państwa członkowskie o zdecydowanym zaangażowaniu na rzecz inwestycji społecznych ,  zapewniające usługi ,  które zwiększają umiejętności i  kwalifikacje obywateli ,  mają niższy odsetek ludności zagrożonej ubóstwem lub wykluczeniem społecznym ,  wyższy poziom wykształcenia ,  wyższe zatrudnienie ,  niższe deficyty ,  a  także wyższy PKB na mieszkańca .
Tokens: 1 2_____ 3_ 4_____ 5 6_ 7______ 8___________ 9 10__________ 11___________ 12 13___ 14________ 15_________ 16 17__________ 18____ 19 20___ 21________ 22__________ 23 24__________ 25_______ 26 27__ 28____ 29_____ 30______ 31________ 32______ 33_ 34__________ 35________ 36 37____ 38____ 39___________ 40 41____ 42__________ 43 44____ 45______ 46 47 48___ 49____ 50_ 51 52________ 53

Chunks:
  TruePositive nam [50,50] = PKB
  FalseNegative nam [3,3] = KE

(ChunkerEvaluator) Sentence #16363 from articles/00108155 from sent17

Text  : " Chodzi o to , żeby państwa lepiej reagowały na kryzys (  .  .  .  )  chcemy służyć doradztwem co do tego ,  jak najlepiej wykorzystywać środki europejskie ,  zwłaszcza Europejskiego Funduszu Społecznego na rzecz wspierania inwestycji społecznych "  -  oświadczył komisarz Andor .
Tokens: 1 2_____ 3 4_ 5 6___ 7______ 8_____ 9________ 10 11____ 12 13 14 15 16 17____ 18____ 19________ 20 21 22__ 23 24_ 25_______ 26___________ 27____ 28_________ 29 30_______ 31___________ 32______ 33_________ 34 35___ 36________ 37________ 38_________ 39 40 41________ 42______ 43___ 44

Chunks:
  TruePositive nam [43,43] = Andor
  FalsePositive nam [31,38] = Europejskiego Funduszu Społecznego na rzecz wspierania inwestycji społecznych
  FalseNegative nam [31,33] = Europejskiego Funduszu Społecznego

(ChunkerEvaluator) Sentence #16364 from articles/00108155 from sent18

Text  : KE zaproponowała , żeby przynajmniej 20 proc . EFS w  każdym państwie było przeznaczane na zmniejszanie nierówności społecznych i  zwalczanie ubóstwa .
Tokens: 1_ 2____________ 3 4___ 5___________ 6_ 7___ 8 9__ 10 11____ 12______ 13__ 14__________ 15 16__________ 17_________ 18_________ 19 20________ 21_____ 22

Chunks:
  FalseNegative nam [1,1] = KE
  FalseNegative nam [9,9] = EFS

(ChunkerEvaluator) Sentence #16365 from articles/00108155 from sent19

Text  : KE chce też , by do EFS trafiło co najmniej 25 proc .  środków z  polityki spójności .
Tokens: 1_ 2___ 3__ 4 5_ 6_ 7__ 8______ 9_ 10______ 11 12__ 13 14_____ 15 16______ 17_______ 18

Chunks:
  FalseNegative nam [1,1] = KE
  FalseNegative nam [7,7] = EFS

(ChunkerEvaluator) Sentence #16366 from articles/00108155 from sent20

Text  : Zadaniem Europejskiego Funduszu Społecznego jest zmniejszanie różnic w zamożności i  jakości życia we wszystkich państwach członkowskich i  regionach UE .
Tokens: 1_______ 2____________ 3_______ 4__________ 5___ 6___________ 7_____ 8 9_________ 10 11_____ 12___ 13 14________ 15_______ 16___________ 17 18_______ 19 20

Chunks:
  TruePositive nam [2,4] = Europejskiego Funduszu Społecznego
  TruePositive nam [19,19] = UE

(ChunkerEvaluator) Sentence #16367 from articles/00108155 from sent21

Text  : Zajmuje się on m . in . promocją zatrudnienia w  Unii .
Tokens: 1______ 2__ 3_ 4 5 6_ 7 8_______ 9___________ 10 11__ 12

Chunks:
  FalseNegative nam [11,11] = Unii

(ChunkerEvaluator) Sentence #16368 from articles/00108155 from sent22

Text  : " Państwa członkowskie muszą przenieść nacisk na inwestycje w kapitał ludzki i  spójność społeczeństwa .
Tokens: 1 2______ 3___________ 4____ 5________ 6_____ 7_ 8_________ 9 10_____ 11____ 12 13______ 14___________ 15

Chunks:

(ChunkerEvaluator) Sentence #16369 from articles/00108155 from sent23

Text  : Inwestując teraz , mogą uniknąć dużo wyższych rachunków w przyszłości "  -  przekonywał komisarz .
Tokens: 1_________ 2____ 3 4___ 5______ 6___ 7_______ 8________ 9 10_________ 11 12 13_________ 14______ 15

Chunks:

(ChunkerEvaluator) Sentence #16370 from articles/00108155 from sent24

Text  : Polityka oszczędności , prowadzona przez kraje unijne w czasie kryzysu ,  przyczyniła się do zwiększenia zagrożenia ubóstwem .
Tokens: 1_______ 2___________ 3 4_________ 5____ 6____ 7_____ 8 9_____ 10_____ 11 12_________ 13_ 14 15_________ 16________ 17______ 18

Chunks:

(ChunkerEvaluator) Sentence #16371 from articles/00108155 from sent25

Text  : Według danych KE obecnie prawie 120 mln ludzi , czyli niemal jedna czwarta populacji UE ,  żyje na krawędzi ubóstwa i  wykluczenia społecznego .
Tokens: 1_____ 2_____ 3_ 4______ 5_____ 6__ 7__ 8____ 9 10___ 11____ 12___ 13_____ 14_______ 15 16 17__ 18 19______ 20_____ 21 22_________ 23_________ 24

Chunks:
  TruePositive nam [3,3] = KE
  TruePositive nam [15,15] = UE

(ChunkerEvaluator) Sentence #16372 from articles/00108155 from sent26

Text  : Liczba bezrobotnych jest najwyższa od 20 lat .
Tokens: 1_____ 2___________ 3___ 4________ 5_ 6_ 7__ 8

Chunks:

(ChunkerEvaluator) Sentence #16373 from articles/00108155 from sent27

Text  : Bez pracy pozostaje 26 mln osób , w tym 7  ,  5  mln młodych ludzi w  wieku do 24 lat .
Tokens: 1__ 2____ 3________ 4_ 5__ 6___ 7 8 9__ 10 11 12 13_ 14_____ 15___ 16 17___ 18 19 20_ 21

Chunks:

(ChunkerEvaluator) Sentence #16374 from articles/00108155 from sent28

Text  : Z Brukseli Krzysztof Strzępka
Tokens: 1 2_______ 3________ 4_______

Chunks:
  TruePositive nam [2,2] = Brukseli
  TruePositive nam [3,4] = Krzysztof Strzępka

2016-10-27 15:00:36,091 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 707 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108156.xml
(ChunkerEvaluator) Sentence #16375 from articles/00108156 from sent1

Text  : Meow Meow , The Vocal Orchestra , Burgeois & amp ;  Maurice .
Tokens: 1___ 2___ 3 4__ 5____ 6________ 7 8_______ 9 10_ 11 12_____ 13

Chunks:
  TruePositive nam [1,2] = Meow Meow
  TruePositive nam [4,6] = The Vocal Orchestra
  FalsePositive nam [12,12] = Maurice
  FalseNegative nam [8,12] = Burgeois & amp ; Maurice

(ChunkerEvaluator) Sentence #16376 from articles/00108156 from sent2

Text  : Wrocław prawie jak Edynburg
Tokens: 1______ 2_____ 3__ 4_______

Chunks:
  TruePositive nam [1,1] = Wrocław
  TruePositive nam [4,4] = Edynburg

(ChunkerEvaluator) Sentence #16377 from articles/00108156 from sent3

Text  : Letni Fringe Festival powszechnie uważany jest za najważniejszy festiwal teatru alternatywnego .
Tokens: 1____ 2_____ 3_______ 4__________ 5______ 6___ 7_ 8____________ 9_______ 10____ 11____________ 12

Chunks:
  FalsePositive nam [2,3] = Fringe Festival
  FalseNegative nam [1,3] = Letni Fringe Festival

(ChunkerEvaluator) Sentence #16378 from articles/00108156 from sent4

Text  : W programie 34 . PPA jest aż czworo artystów mających na koncie występy na szkockiej imprezie .
Tokens: 1 2________ 3_ 4 5__ 6___ 7_ 8_____ 9_______ 10______ 11 12____ 13_____ 14 15_______ 16______ 17

Chunks:
  TruePositive nam [5,5] = PPA

(ChunkerEvaluator) Sentence #16379 from articles/00108156 from sent5

Text  : Pierwsza z nich to Meow Meow , charyzmatyczna , kreująca się na scenie na zmysłową pin -  up girl .
Tokens: 1_______ 2 3___ 4_ 5___ 6___ 7 8_____________ 9 10______ 11_ 12 13____ 14 15______ 16_ 17 18 19__ 20

Chunks:
  TruePositive nam [5,6] = Meow Meow

(ChunkerEvaluator) Sentence #16380 from articles/00108156 from sent6

Text  : - To odmiana żeńskiego kabaretu , który pokazywały już u  nas Mrs Bang i  Camille O'Sullivan .
Tokens: 1 2_ 3______ 4________ 5_______ 6 7____ 8_________ 9__ 10 11_ 12_ 13__ 14 15_____ 16________ 17

Chunks:
  TruePositive nam [12,13] = Mrs Bang
  TruePositive nam [15,16] = Camille O'Sullivan

(ChunkerEvaluator) Sentence #16381 from articles/00108156 from sent7

Text  : Burleskowa Meow Meow jest kwintesencją tego nurtu - tak zachwalał Konrad Imiela gwiazdę głównego nurtu festiwalu w  Edynburgu podczas styczniowej konferencji prasowej .
Tokens: 1_________ 2___ 3___ 4___ 5___________ 6___ 7____ 8 9__ 10_______ 11____ 12____ 13_____ 14______ 15___ 16_______ 17 18_______ 19_____ 20_________ 21_________ 22______ 23

Chunks:
  TruePositive nam [2,3] = Meow Meow
  TruePositive nam [18,18] = Edynburgu
  FalsePositive nam [11,11] = Konrad
  FalseNegative nam [11,12] = Konrad Imiela

(ChunkerEvaluator) Sentence #16382 from articles/00108156 from sent8

Text  : Temperament , wyzywająca seksualność , klimat burleski i doskonały wokal -  te atuty zaprowadziły Meow Meow na główne estrady Fringe'u .
Tokens: 1__________ 2 3_________ 4__________ 5 6_____ 7_______ 8 9________ 10___ 11 12 13___ 14__________ 15__ 16__ 17 18____ 19_____ 20______ 21

Chunks:
  TruePositive nam [15,16] = Meow Meow
  TruePositive nam [20,20] = Fringe'u

(ChunkerEvaluator) Sentence #16383 from articles/00108156 from sent9

Text  : Tam też występowała grająca rockowe covery i wystylizowana na włóczęgów francuska grupa The Les Clöchards ,  niesamowity skład rozprawiający się ze światowymi hitami za pomocą melodyki ,  kontrabasu ,  gitary rezofonicznej i  perkusji „  własnej roboty ”  .
Tokens: 1__ 2__ 3__________ 4______ 5______ 6_____ 7 8____________ 9_ 10_______ 11_______ 12___ 13_ 14_ 15_______ 16 17_________ 18___ 19___________ 20_ 21 22________ 23____ 24 25____ 26______ 27 28________ 29 30____ 31___________ 32 33______ 34 35_____ 36____ 37 38

Chunks:
  TruePositive nam [13,15] = The Les Clöchards

(ChunkerEvaluator) Sentence #16384 from articles/00108156 from sent10

Text  : Edynburski epizod ma też na koncie The Vocal Orchestra ,  grupa genialnych wokalistów skrzykniętych przez beatboxera Shlomo ,  współpracownika m  .  in .  Björk .
Tokens: 1_________ 2_____ 3_ 4__ 5_ 6_____ 7__ 8____ 9________ 10 11___ 12________ 13________ 14___________ 15___ 16________ 17____ 18 19_____________ 20 21 22 23 24___ 25

Chunks:
  TruePositive nam [7,9] = The Vocal Orchestra
  FalseNegative nam [17,17] = Shlomo
  FalseNegative nam [24,24] = Björk

(ChunkerEvaluator) Sentence #16385 from articles/00108156 from sent11

Text  : - Z czystym sumieniem polecam ich każdemu , kto szuka świetnej rozrywki -  zachwalał skład Imiela .
Tokens: 1 2 3______ 4________ 5______ 6__ 7______ 8 9__ 10___ 11______ 12______ 13 14_______ 15___ 16____ 17

Chunks:
  FalseNegative nam [16,16] = Imiela

(ChunkerEvaluator) Sentence #16386 from articles/00108156 from sent12

Text  : Ostatni na liście „ bywalców Fringe'u ” jest łamiący wszelkie tabu brytyjski duet Bourgeois &  Maurice ,  mistrzowie autoironii wychowani na absurdalnych klimatach Monty Pythona i  chętnie czerpiący z  ich dorobku w  swojej twórczości .
Tokens: 1______ 2_ 3_____ 4 5_______ 6_______ 7 8___ 9______ 10______ 11__ 12_______ 13__ 14_______ 15 16_____ 17 18________ 19________ 20_______ 21 22__________ 23_______ 24___ 25_____ 26 27_____ 28_______ 29 30_ 31_____ 32 33____ 34________ 35

Chunks:
  TruePositive nam [6,6] = Fringe'u
  TruePositive nam [24,25] = Monty Pythona
  FalseNegative nam [14,16] = Bourgeois & Maurice

(ChunkerEvaluator) Sentence #16387 from articles/00108156 from sent13

Text  : Co , prócz występów na szkockim festiwalu i wysokiego poziomu ,  jaki prezentują ,  łączy tych wszystkich artystów ?
Tokens: 1_ 2 3____ 4_______ 5_ 6_______ 7________ 8 9________ 10_____ 11 12__ 13________ 14 15___ 16__ 17________ 18______ 19

Chunks:

(ChunkerEvaluator) Sentence #16388 from articles/00108156 from sent14

Text  : Zdaniem szefa PPA wykonują inną piosenkę aktorską od tej ,  do której jesteśmy przyzwyczajeni :  -  Jej ważnym elementem jest interakcja z  publicznością .
Tokens: 1______ 2____ 3__ 4_______ 5___ 6_______ 7_______ 8_ 9__ 10 11 12____ 13______ 14____________ 15 16 17_ 18____ 19_______ 20__ 21________ 22 23___________ 24

Chunks:
  TruePositive nam [3,3] = PPA

(ChunkerEvaluator) Sentence #16389 from articles/00108156 from sent15

Text  : To po prostu rodzaj żywego teatralnego show , w którym reakcja widzów jest niezwykle ważna .
Tokens: 1_ 2_ 3_____ 4_____ 5_____ 6__________ 7___ 8 9 10____ 11_____ 12____ 13__ 14_______ 15___ 16

Chunks:

2016-10-27 15:00:36,179 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 708 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108157.xml
(ChunkerEvaluator) Sentence #16390 from articles/00108157 from sent1

Text  : Europa Centralna przygotowała na otwarcie atrakcje dla klientów
Tokens: 1_____ 2________ 3___________ 4_ 5_______ 6_______ 7__ 8_______

Chunks:
  TruePositive nam [1,2] = Europa Centralna

(ChunkerEvaluator) Sentence #16391 from articles/00108157 from sent2

Text  : Już tylko kilka dni zostało do otwarcia jednego z największych na Śląsku centrów handlowych -  Europy Centralnej .
Tokens: 1__ 2____ 3____ 4__ 5______ 6_ 7_______ 8______ 9 10__________ 11 12____ 13_____ 14________ 15 16____ 17________ 18

Chunks:
  FalsePositive nam [12,17] = Śląsku centrów handlowych - Europy Centralnej
  FalseNegative nam [12,12] = Śląsku
  FalseNegative nam [16,17] = Europy Centralnej

(ChunkerEvaluator) Sentence #16392 from articles/00108157 from sent3

Text  : Inwestor dla pierwszych klientów przygotował maraton zakupów ze zniżkami .
Tokens: 1_______ 2__ 3_________ 4_______ 5__________ 6______ 7______ 8_ 9_______ 10

Chunks:

(ChunkerEvaluator) Sentence #16393 from articles/00108157 from sent4

Text  : Montowanie półek , układanie towaru , metkowanie .
Tokens: 1_________ 2____ 3 4________ 5_____ 6 7_________ 8

Chunks:

(ChunkerEvaluator) Sentence #16394 from articles/00108157 from sent5

Text  : Trwają ostatnie przygotowania do otwarcia pierwszych sklepów w nowym gliwickim centrum handlowym .
Tokens: 1_____ 2_______ 3____________ 4_ 5_______ 6_________ 7______ 8 9____ 10_______ 11_____ 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #16395 from articles/00108157 from sent6

Text  : Na zakupy będzie się można wybrać 27 lutego , ale prawdziwe atrakcje zaplanowano od 1  do 3  marca .
Tokens: 1_ 2_____ 3_____ 4__ 5____ 6_____ 7_ 8_____ 9 10_ 11_______ 12______ 13_________ 14 15 16 17 18___ 19

Chunks:

(ChunkerEvaluator) Sentence #16396 from articles/00108157 from sent7

Text  : - Dla pierwszych klientów przygotowali śmy specjalny program inauguracyjny -  mówi Jonathan Tinker ,  członek zarządu Helical Poland ,  właściciela obiektu .
Tokens: 1 2__ 3_________ 4_______ 5___________ 6__ 7________ 8______ 9____________ 10 11__ 12______ 13____ 14 15_____ 16_____ 17_____ 18____ 19 20_________ 21_____ 22

Chunks:
  TruePositive nam [12,13] = Jonathan Tinker
  TruePositive nam [17,18] = Helical Poland

(ChunkerEvaluator) Sentence #16397 from articles/00108157 from sent8

Text  : Będą trzydniowy maraton zakupowy , spotkanie ze stylistą Tomaszem Jacykowem ,  aktorką Anną Guzik oraz występ Rafała Brzozowskiego ,  który będzie także podpisywał swoją najnowszą płytę .
Tokens: 1___ 2_________ 3______ 4_______ 5 6________ 7_ 8_______ 9_______ 10_______ 11 12_____ 13__ 14___ 15__ 16____ 17____ 18___________ 19 20___ 21____ 22___ 23________ 24___ 25_______ 26___ 27

Chunks:
  TruePositive nam [9,10] = Tomaszem Jacykowem
  TruePositive nam [13,14] = Anną Guzik
  TruePositive nam [17,18] = Rafała Brzozowskiego

(ChunkerEvaluator) Sentence #16398 from articles/00108157 from sent9

Text  : W centrum zostanie urządzona specjalna strefa gier .
Tokens: 1 2______ 3_______ 4________ 5________ 6_____ 7___ 8

Chunks:

(ChunkerEvaluator) Sentence #16399 from articles/00108157 from sent10

Text  : - Przygotowali śmy oddzielne segmenty dla dzieci , kobiet i  mężczyzn ,  żeby każdy mógł oddać się grze ,  która sprawi mu najwięcej frajdy -  zapowiada Monika Magner ,  przedstawicielka inwestora .
Tokens: 1 2___________ 3__ 4________ 5_______ 6__ 7_____ 8 9_____ 10 11______ 12 13__ 14___ 15__ 16___ 17_ 18__ 19 20___ 21____ 22 23_______ 24____ 25 26_______ 27____ 28____ 29 30______________ 31_______ 32

Chunks:
  TruePositive nam [27,28] = Monika Magner

(ChunkerEvaluator) Sentence #16400 from articles/00108157 from sent11

Text  : Centrum handlowe Europa Centralna o powierzchni 67 tysięcy metrów kwadratowych jest jednym z  największych tego typu obiektów komercyjnych w  Polsce .
Tokens: 1______ 2_______ 3_____ 4________ 5 6__________ 7_ 8______ 9_____ 10__________ 11__ 12____ 13 14__________ 15__ 16__ 17______ 18__________ 19 20____ 21

Chunks:
  TruePositive nam [3,4] = Europa Centralna
  TruePositive nam [20,20] = Polsce

(ChunkerEvaluator) Sentence #16401 from articles/00108157 from sent12

Text  : W jednym miejscu klienci będą mogli zrobić wszystkie niezbędne zakupy -  od artykułów spożywczych ,  przez materiały do budowy domu ,  po ubrania z  najnowszych kolekcji .
Tokens: 1 2_____ 3______ 4______ 5___ 6____ 7_____ 8________ 9________ 10____ 11 12 13_______ 14_________ 15 16___ 17_______ 18 19____ 20__ 21 22 23_____ 24 25_________ 26______ 27

Chunks:

(ChunkerEvaluator) Sentence #16402 from articles/00108157 from sent13

Text  : Centrum jest położone przy jednym z największych węzłów autostradowych w  Polsce (  Gliwice -  Sośnica )  ,  gdzie łączą się autostrady A1 i  A4 i  droga krajowa nr 44 oraz na obszarze gęsto zaludnionego Górnośląskiego Okręgu Przemysłowego ,  co sprawia ,  że niemal 5  mln osób może w  ciągu godziny dojechać tu na zakupy .
Tokens: 1______ 2___ 3_______ 4___ 5_____ 6 7___________ 8_____ 9_____________ 10 11____ 12 13_____ 14 15_____ 16 17 18___ 19___ 20_ 21________ 22 23 24 25 26___ 27_____ 28 29 30__ 31 32______ 33___ 34__________ 35____________ 36____ 37___________ 38 39 40_____ 41 42 43____ 44 45_ 46__ 47__ 48 49___ 50_____ 51______ 52 53 54____ 55

Chunks:
  TruePositive nam [11,11] = Polsce
  TruePositive nam [22,22] = A1
  TruePositive nam [24,24] = A4
  TruePositive nam [35,37] = Górnośląskiego Okręgu Przemysłowego
  FalsePositive nam [13,15] = Gliwice - Sośnica
  FalseNegative nam [1,1] = Centrum
  FalseNegative nam [13,13] = Gliwice
  FalseNegative nam [15,15] = Sośnica
  FalseNegative nam [29,29] = 44

2016-10-27 15:00:36,260 [main] INFO  g419.corpus.io.reader.BatchReader - Reading 709 from 708: /nlp/corpora/agora/agora-workdir/agora-1.2.1-names-disamb-names/articles/00108158.xml
(ChunkerEvaluator) Sentence #16403 from articles/00108158 from sent1

Text  : TNS Polska : 56 proc . pozytywnie o prezydencie ;  32 proc .  o  premierze
Tokens: 1__ 2_____ 3 4_ 5___ 6 7_________ 8 9__________ 10 11 12__ 13 14 15_______

Chunks:
  FalsePositive nam [2,2] = Polska
  FalseNegative nam [1,2] = TNS Polska

(ChunkerEvaluator) Sentence #16404 from articles/00108158 from sent2

Text  : 56 proc . respondentów uważa , że Bronisław Komorowski dobrze wypełnia obowiązki prezydenta -  wynika z  sondażu TNS Polska .
Tokens: 1_ 2___ 3 4___________ 5____ 6 7_ 8________ 9_________ 10____ 11______ 12_______ 13________ 14 15____ 16 17_____ 18_ 19____ 20

Chunks:
  TruePositive nam [8,9] = Bronisław Komorowski
  TruePositive nam [18,19] = TNS Polska

(ChunkerEvaluator) Sentence #16405 from articles/00108158 from sent3

Text  : Negatywnie jego pracę ocenia 34 proc .
Tokens: 1_________ 2___ 3____ 4_____ 5_ 6___ 7

Chunks:

(ChunkerEvaluator) Sentence #16406 from articles/00108158 from sent4

Text  : Zadowolonych z tego jak Donald Tusk wypełnia obowiązki premiera jest 32 proc .  badanych ,  59 proc .  wyraża niezadowolenie .
Tokens: 1___________ 2 3___ 4__ 5_____ 6___ 7_______ 8________ 9_______ 10__ 11 12__ 13 14______ 15 16 17__ 18 19____ 20____________ 21

Chunks:
  TruePositive nam [5,6] = Donald Tusk

(ChunkerEvaluator) Sentence #16407 from articles/00108158 from sent5

Text  : Według badania TNS Polska z początku lutego 26 proc .  ankietowanych dobrze ocenia działalność rządu .
Tokens: 1_____ 2______ 3__ 4_____ 5 6_______ 7_____ 8_ 9___ 10 11___________ 12____ 13____ 14_________ 15___ 16

Chunks:
  TruePositive nam [3,4] = TNS Polska

(ChunkerEvaluator) Sentence #16408 from articles/00108158 from sent6

Text  : Przeciwnego zdania jest 66 proc . badanych .
Tokens: 1__________ 2_____ 3___ 4_ 5___ 6 7_______ 8

Chunks:

(ChunkerEvaluator) Sentence #16409 from articles/00108158 from sent7

Text  : Notowania prezydenta , premiera i rządu poprawiły się w porównaniu ze styczniem .
Tokens: 1________ 2_________ 3 4_______ 5 6____ 7________ 8__ 9 10________ 11 12_______ 13

Chunks:

(ChunkerEvaluator) Sentence #16410 from articles/00108158 from sent8

Text  : Spośród 56 proc . badanych dobrze oceniających prezydenta ; 45 proc .  uważa ,  że Bronisław Komorowski raczej dobrze wypełnia swoje obowiązki ,  a  11 proc .  respondentów odpowiada w  sposób zdecydowany .
Tokens: 1______ 2_ 3___ 4 5_______ 6_____ 7___________ 8_________ 9 10 11__ 12 13___ 14 15 16_______ 17________ 18____ 19____ 20______ 21___ 22_______ 23 24 25 26__ 27 28__________ 29_______ 30 31____ 32_________ 33

Chunks:
  TruePositive nam [16,17] = Bronisław Komorowski

(ChunkerEvaluator) Sentence #16411 from articles/00108158 from sent9

Text  : Z 34 proc . źle mówiących o pracy prezydenta ,  23 proc .  ankietowanych mówi raczej źle ,  a  11 proc .  zdecydowanie źle .
Tokens: 1 2_ 3___ 4 5__ 6________ 7 8____ 9_________ 10 11 12__ 13 14___________ 15__ 16____ 17_ 18 19 20 21__ 22 23__________ 24_ 25

Chunks:

(ChunkerEvaluator) Sentence #16412 from articles/00108158 from sent10

Text  : W porównaniu ze styczniowymi wynikami odsetek ocen przychylnych Bronisławowi Komorowskiemu wzrósł o  6  pkt .  proc .
Tokens: 1 2_________ 3_ 4___________ 5_______ 6______ 7___ 8___________ 9___________ 10___________ 11____ 12 13 14_ 15 16__ 17

Chunks:
  TruePositive nam [9,10] = Bronisławowi Komorowskiemu

(ChunkerEvaluator) Sentence #16413 from articles/00108158 from sent11

Text  : O 3 pkt . proc . zmniejszył się natomiast odsetek ocen negatywnych .
Tokens: 1 2 3__ 4 5___ 6 7_________ 8__ 9________ 10_____ 11__ 12_________ 13

Chunks:

(ChunkerEvaluator) Sentence #16414 from articles/00108158 from sent12

Text  : Spośród 59 proc . ankietowanych źle oceniających Donalda Tuska zdecydowanie krytycznie o  jego pracy wypowiada się 21 proc .  badanych ;  raczej złe zdanie ma na ten temat 38 proc .
Tokens: 1______ 2_ 3___ 4 5____________ 6__ 7___________ 8______ 9____ 10__________ 11________ 12 13__ 14___ 15_______ 16_ 17 18__ 19 20______ 21 22____ 23_ 24____ 25 26 27_ 28___ 29 30__ 31

Chunks:
  TruePositive nam [8,9] = Donalda Tuska

(ChunkerEvaluator) Sentence #16415 from articles/00108158 from sent13

Text  : Z 32 proc . ankietowanych dobrze oceniających Tuska 2 proc ,  jest przekonanych ,  że szef rządu wypełnia swe obowiązki bardzo dobrze ,  a  30 proc .  jest zdania ,  że premier rządzi raczej dobrze .
Tokens: 1 2_ 3___ 4 5____________ 6_____ 7___________ 8____ 9 10__ 11 12__ 13__________ 14 15 16__ 17___ 18______ 19_ 20_______ 21____ 22____ 23 24 25 26__ 27 28__ 29____ 30 31 32_____ 33____ 34____ 35____ 36

Chunks:
  TruePositive nam [8,8] = Tuska

(ChunkerEvaluator) Sentence #16416 from articles/00108158 from sent14

Text  : W porównaniu do stycznia wyniki premiera poprawiły się - o  10 pkt .  proc .  wzrósł odsetek osób dobrze oceniających pracę Donalda Tuska .
Tokens: 1 2_________ 3_ 4_______ 5_____ 6_______ 7________ 8__ 9 10 11 12_ 13 14__ 15 16____ 17_____ 18__ 19____ 20__________ 21___ 22_____ 23___ 24

Chunks:
  TruePositive nam [22,23] = Donalda Tuska

(ChunkerEvaluator) Sentence #16417 from articles/00108158 from sent15

Text  : Działalność rządu Donalda Tuska negatywnie ocenia 66 proc . badanych -  46 proc .
Tokens: 1__________ 2____ 3______ 4____ 5_________ 6_____ 7_ 8___ 9 10______ 11 12 13__ 14

Chunks:
  TruePositive nam [3,4] = Donalda Tuska

(ChunkerEvaluator) Sentence #16418 from articles/00108158 from sent16

Text  : " raczej źle " , a 20 proc .
Tokens: 1 2_____ 3__ 4 5 6 7_ 8___ 9

Chunks:

(ChunkerEvaluator) Sentence #16419 from articles/00108158 from sent17

Text  : " zdecydowanie źle " .
Tokens: 1 2___________ 3__ 4 5

Chunks:

(ChunkerEvaluator) Sentence #16420 from articles/00108158 from sent18

Text  : Przeciwnego zdania jest 26 proc .
Tokens: 1__________ 2_____ 3___ 4_ 5___ 6

Chunks:

(ChunkerEvaluator) Sentence #16421 from articles/00108158 from sent19

Text  : Polaków , z czego zaledwie 1 proc . wypowiada się w  sposób zdecydowanie dobry
Tokens: 1______ 2 3 4____ 5_______ 6 7___ 8 9________ 10_ 11 12____ 13__________ 14___

Chunks:
  TruePositive nam [1,1] = Polaków

(ChunkerEvaluator) Sentence #16422 from articles/00108158 from sent20

Text  : Jak zauważają autorzy badania , w porównaniu z styczniem badaniem ,  oceny działalności rządu ,  kiedy nastąpiło załamanie ocen ,  poprawiły się -  o  9  pkt .  proc .  wzrósł odsetek osób ,  które dobrze wypowiadają się na temat Rady Ministrów .
Tokens: 1__ 2________ 3______ 4______ 5 6 7_________ 8 9________ 10______ 11 12___ 13__________ 14___ 15 16___ 17_______ 18_______ 19__ 20 21_______ 22_ 23 24 25 26_ 27 28__ 29 30____ 31_____ 32__ 33 34___ 35____ 36_________ 37_ 38 39___ 40__ 41_______ 42

Chunks:
  TruePositive nam [40,41] = Rady Ministrów

(ChunkerEvaluator) Sentence #16423 from articles/00108158 from sent21

Text  : Sondaż zrealizowano w dniach 8 - 11 lutego na ogólnopolskiej ,  reprezentatywnej próbie 1000 mieszkańców Polski w  wieku powyżej 15 lat .
Tokens: 1_____ 2___________ 3 4_____ 5 6 7_ 8_____ 9_ 10____________ 11 12______________ 13____ 14__ 15_________ 16____ 17 18___ 19_____ 20 21_ 22

Chunks:
  TruePositive nam [16,16] = Polski

======================================================================================
# Exact match evaluation -- annotation span and types evaluation
======================================================================================
        Annotation                     &      TP &      FP &      FN & Precision & Recall  & F$_1$   \\
\hline
        nam                            &   13954 &    2249 &    4924 &    86.12% &  73.92% &  79.55% \\
\hline
        *TOTAL*                        &   13954 &    2249 &    4924 &    86.12% &  73.92% &  79.55% \\


======================================================================================
# Annotation span evaluation (annotation types are ignored)
======================================================================================
        Annotation                     &      TP &      FP &      FN & Precision & Recall  & F$_1$   \\
\hline
        *TOTAL*                        &   13954 &    2249 &    4924 &    86.12% &  73.92% &  79.55% \\


======================================================================================
# MUC match evaluation
======================================================================================
        Annotation                     &     COR &     ACT &     POS & Precision & Recall  & F$_1$   \\
\hline
        nam                            &   29502 &    2904 &    7984 &    91.04% &  78.70% &  84.42% \\
\hline
        *TOTAL*                        &   29502 &    2904 &    7984 &    91.04% &  78.70% &  84.42% \\


====================================================
Processing time
====================================================
1) Model loading        : --h 11m 03s (663448464272ns) 
2) Data reading         : --h --m 02s (2038832442ns) 
3) Feature generation   : --h --m 19s (19715295082ns) 
4) Chunking             : --h --m 31s (31966140382ns) 
5) Evaluation           : --h --m 31s (31719445802ns) (not in total time)
----------------------------------------------------
## Total time             --h 11m 57s (717168732178ns)
----------------------------------------------------
Tokens           :   274975
Text kB          :     1627.37
Tokens  / second :      383.42
Text kB / second :        2.27
----------------------------------------------------
