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
|
*.pyc
|
||||||
venv
|
venv
|
||||||
|
data
|
||||||
|
.idea
|
||||||
|
|
|
@ -9,15 +9,21 @@ class Sentence:
|
||||||
self._id = _id
|
self._id = _id
|
||||||
self.items = []
|
self.items = []
|
||||||
self.links = []
|
self.links = []
|
||||||
|
self.srl_links = []
|
||||||
self.no_ud = no_ud
|
self.no_ud = no_ud
|
||||||
self.system = system
|
self.system = system
|
||||||
|
|
||||||
def add_item(self, token, lemma, upos, upos_other, xpos, misc):
|
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):
|
def add_link(self, link_ref, link_type):
|
||||||
self.links.append([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):
|
def as_xml(self, id_prefix=None):
|
||||||
if id_prefix:
|
if id_prefix:
|
||||||
xml_id = id_prefix + '.' + self._id
|
xml_id = id_prefix + '.' + self._id
|
||||||
|
@ -27,8 +33,24 @@ class Sentence:
|
||||||
set_xml_attr(base, 'id', xml_id)
|
set_xml_attr(base, 'id', xml_id)
|
||||||
id_counter = 1
|
id_counter = 1
|
||||||
|
|
||||||
|
in_seg = False
|
||||||
|
sentence_base = base
|
||||||
|
|
||||||
for item in self.items:
|
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
|
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')
|
to_add = etree.Element('pc')
|
||||||
|
@ -53,6 +75,11 @@ class Sentence:
|
||||||
|
|
||||||
base.append(to_add)
|
base.append(to_add)
|
||||||
|
|
||||||
|
if in_seg:
|
||||||
|
sentence_base.append(base)
|
||||||
|
base = sentence_base
|
||||||
|
|
||||||
|
# depparsing linkGrp
|
||||||
link_grp = etree.Element('linkGrp')
|
link_grp = etree.Element('linkGrp')
|
||||||
link_grp.set('corresp', '#'+xml_id)
|
link_grp.set('corresp', '#'+xml_id)
|
||||||
link_grp.set('targFunc', 'head argument')
|
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.set('target', '#' + xml_id + '.' + link_ref + ' #' + xml_id + '.' + str(link_id + 1))
|
||||||
link_grp.append(link)
|
link_grp.append(link)
|
||||||
base.append(link_grp)
|
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
|
return base
|
||||||
|
|
||||||
|
|
||||||
|
@ -234,7 +278,7 @@ def construct_sentence(sent_id, lines):
|
||||||
upos_other = tokens[5]
|
upos_other = tokens[5]
|
||||||
depparse_link = tokens[6]
|
depparse_link = tokens[6]
|
||||||
depparse_link_name = tokens[7]
|
depparse_link_name = tokens[7]
|
||||||
misc = tokens[9]
|
misc = {el.split('=')[0]: el.split('=')[1] for el in tokens[9].split('|')}
|
||||||
|
|
||||||
sentence.add_item(
|
sentence.add_item(
|
||||||
token,
|
token,
|
||||||
|
@ -247,6 +291,11 @@ def construct_sentence(sent_id, lines):
|
||||||
sentence.add_link(
|
sentence.add_link(
|
||||||
depparse_link,
|
depparse_link,
|
||||||
depparse_link_name)
|
depparse_link_name)
|
||||||
|
|
||||||
|
if 'SRL' in misc:
|
||||||
|
sentence.add_srl_link(
|
||||||
|
depparse_link,
|
||||||
|
misc['SRL'])
|
||||||
return sentence
|
return sentence
|
||||||
|
|
||||||
|
|
||||||
|
|
Loading…
Reference in New Issue
Block a user