Added NER + SRL to conllu_to_tei script
This commit is contained in:
parent
2f74dfcab8
commit
e636be1dc2
2
.gitignore
vendored
2
.gitignore
vendored
|
@ -1,2 +1,4 @@
|
|||
*.pyc
|
||||
venv
|
||||
data
|
||||
.idea
|
||||
|
|
|
@ -9,15 +9,21 @@ class Sentence:
|
|||
self._id = _id
|
||||
self.items = []
|
||||
self.links = []
|
||||
self.srl_links = []
|
||||
self.no_ud = no_ud
|
||||
self.system = system
|
||||
|
||||
def add_item(self, token, lemma, upos, upos_other, xpos, misc):
|
||||
self.items.append([token, lemma, upos, upos_other, xpos, "SpaceAfter=No" in misc.split('|')])
|
||||
no_space_after = 'SpaceAfter' in misc and misc['SpaceAfter'] == 'No'
|
||||
ner = misc['NER'] if 'NER' in misc else 'O'
|
||||
self.items.append([token, lemma, upos, upos_other, xpos, no_space_after, ner])
|
||||
|
||||
def add_link(self, link_ref, link_type):
|
||||
self.links.append([link_ref, link_type])
|
||||
|
||||
def add_srl_link(self, link_ref, link_type):
|
||||
self.srl_links.append([link_ref, link_type])
|
||||
|
||||
def as_xml(self, id_prefix=None):
|
||||
if id_prefix:
|
||||
xml_id = id_prefix + '.' + self._id
|
||||
|
@ -27,8 +33,24 @@ class Sentence:
|
|||
set_xml_attr(base, 'id', xml_id)
|
||||
id_counter = 1
|
||||
|
||||
in_seg = False
|
||||
sentence_base = base
|
||||
|
||||
for item in self.items:
|
||||
token, lemma, upos, upos_other, xpos, no_space_after = item
|
||||
token, lemma, upos, upos_other, xpos, no_space_after, ner = item
|
||||
|
||||
if ner[0] == 'B':
|
||||
if in_seg:
|
||||
sentence_base.append(base)
|
||||
in_seg = True
|
||||
base = etree.Element('seg')
|
||||
base.set('type', 'name')
|
||||
base.set('subtype', f'{ner[2:].lower()}')
|
||||
elif ner[0] == 'O':
|
||||
if in_seg:
|
||||
sentence_base.append(base)
|
||||
base = sentence_base
|
||||
in_seg = False
|
||||
|
||||
if xpos in {'U', 'Z'}: # hmm, safe only as long as U is unused in English tagset and Z in Slovenian one
|
||||
to_add = etree.Element('pc')
|
||||
|
@ -53,6 +75,11 @@ class Sentence:
|
|||
|
||||
base.append(to_add)
|
||||
|
||||
if in_seg:
|
||||
sentence_base.append(base)
|
||||
base = sentence_base
|
||||
|
||||
# depparsing linkGrp
|
||||
link_grp = etree.Element('linkGrp')
|
||||
link_grp.set('corresp', '#'+xml_id)
|
||||
link_grp.set('targFunc', 'head argument')
|
||||
|
@ -67,6 +94,23 @@ class Sentence:
|
|||
link.set('target', '#' + xml_id + '.' + link_ref + ' #' + xml_id + '.' + str(link_id + 1))
|
||||
link_grp.append(link)
|
||||
base.append(link_grp)
|
||||
|
||||
# srl linkGrp
|
||||
if self.srl_links:
|
||||
link_grp = etree.Element('linkGrp')
|
||||
link_grp.set('corresp', '#' + xml_id)
|
||||
link_grp.set('targFunc', 'head argument')
|
||||
link_grp.set('type', 'SRL')
|
||||
for link_id, item in enumerate(self.srl_links):
|
||||
link_ref, link_type = item
|
||||
link = etree.Element('link')
|
||||
link.set('ana', 'srl:' + link_type.replace(':', '_'))
|
||||
if link_ref == u'0':
|
||||
link.set('target', '#' + xml_id + ' #' + xml_id + '.' + str(link_id + 1))
|
||||
else:
|
||||
link.set('target', '#' + xml_id + '.' + link_ref + ' #' + xml_id + '.' + str(link_id + 1))
|
||||
link_grp.append(link)
|
||||
base.append(link_grp)
|
||||
return base
|
||||
|
||||
|
||||
|
@ -234,7 +278,7 @@ def construct_sentence(sent_id, lines):
|
|||
upos_other = tokens[5]
|
||||
depparse_link = tokens[6]
|
||||
depparse_link_name = tokens[7]
|
||||
misc = tokens[9]
|
||||
misc = {el.split('=')[0]: el.split('=')[1] for el in tokens[9].split('|')}
|
||||
|
||||
sentence.add_item(
|
||||
token,
|
||||
|
@ -247,6 +291,11 @@ def construct_sentence(sent_id, lines):
|
|||
sentence.add_link(
|
||||
depparse_link,
|
||||
depparse_link_name)
|
||||
|
||||
if 'SRL' in misc:
|
||||
sentence.add_srl_link(
|
||||
depparse_link,
|
||||
misc['SRL'])
|
||||
return sentence
|
||||
|
||||
|
||||
|
|
Loading…
Reference in New Issue
Block a user