forked from kristjan/cjvt-srl-tagging
312 lines
15 KiB
Python
312 lines
15 KiB
Python
|
# msd mappings from slo to ang
|
||
|
|
class Msdmap():
|
||
|
|
def __init__(self):
|
||
|
|
# http://nl.ijs.si/ME/V4/msd/html/msd.categories-sl.html
|
||
|
|
self.pos_slo_ang = [
|
||
|
|
("samostalnik", "S", "Noun", "N"),
|
||
|
|
("glagol", "G", "Verb", "V"),
|
||
|
|
("pridevnik", "P", "Adjective", "A"),
|
||
|
|
("prislov", "R", "Adverb", "R"),
|
||
|
|
("zaimek", "Z", "Pronoun", "P"),
|
||
|
|
("števnik", "K", "Numeral", "M"),
|
||
|
|
("predlog", "D", "Preposition", "S"),
|
||
|
|
("veznik", "V", "Conjunction", "C"),
|
||
|
|
("členek", "L", "Particle", "Q"),
|
||
|
|
("medmet", "M", "Interjection", "I"),
|
||
|
|
("okrajšava", "O", "Abbreviation", "Y"),
|
||
|
|
("neuvrščeno", "N", "Residual", "X"),
|
||
|
|
]
|
||
|
|
|
||
|
|
# http://nl.ijs.si/ME/V4/msd/html/msd.values-sl.html
|
||
|
|
# col:
|
||
|
|
# (Value (sl), Code (sl), Attribute (sl), Category (sl),
|
||
|
|
# Value (en), Code (en), Attribute (en), Category (en))
|
||
|
|
self.pos_val = [
|
||
|
|
("arabski", "a", "zapis", "števnik",
|
||
|
|
"digit", "d", "Form", "Numeral"),
|
||
|
|
("besedni", "b", "zapis", "števnik",
|
||
|
|
"letter", "l", "Form", "Numeral"),
|
||
|
|
("celostni", "c", "vrsta", "zaimek",
|
||
|
|
"general", "g", "Type", "Pronoun"),
|
||
|
|
("da", "d", "določnost", "pridevnik",
|
||
|
|
"yes", "y", "Definiteness", "Adjective"),
|
||
|
|
("da", "d", "določnost", "števnik",
|
||
|
|
"yes", "y", "Definiteness", "Numeral"),
|
||
|
|
("da", "d", "živost", "samostalnik",
|
||
|
|
"yes", "y", "Animate", "Noun"),
|
||
|
|
("dajalnik", "d", "sklon", "predlog",
|
||
|
|
"dative", "d", "Case", "Adposition"),
|
||
|
|
("dajalnik", "d", "sklon", "pridevnik",
|
||
|
|
"dative", "d", "Case", "Adjective"),
|
||
|
|
("dajalnik", "d", "sklon", "samostalnik",
|
||
|
|
"dative", "d", "Case", "Noun"),
|
||
|
|
("dajalnik", "d", "sklon", "zaimek",
|
||
|
|
"dative", "d", "Case", "Pronoun"),
|
||
|
|
("dajalnik", "d", "sklon", "števnik",
|
||
|
|
"dative", "d", "Case", "Numeral"),
|
||
|
|
("deležje", "d", "vrsta", "prislov",
|
||
|
|
"participle", "r", "Type", "Adverb"),
|
||
|
|
("deležnik", "d", "oblika", "glagol",
|
||
|
|
"participle", "p", "VForm", "Verb"),
|
||
|
|
("deležniški", "d", "vrsta", "pridevnik",
|
||
|
|
"participle", "p", "Type", "Adjective"),
|
||
|
|
("dovršni", "d", "vid", "glagol",
|
||
|
|
"perfective", "e", "Aspect", "Verb"),
|
||
|
|
("druga", "d", "oseba", "glagol",
|
||
|
|
"second", "2", "Person", "Verb"),
|
||
|
|
("druga", "d", "oseba", "zaimek",
|
||
|
|
"second", "2", "Person", "Pronoun"),
|
||
|
|
("drugi", "d", "vrsta", "števnik",
|
||
|
|
"special", "s", "Type", "Numeral"),
|
||
|
|
("dvojina", "d", "število", "glagol",
|
||
|
|
"dual", "d", "Number", "Verb"),
|
||
|
|
("dvojina", "d", "število", "pridevnik",
|
||
|
|
"dual", "d", "Number", "Adjective"),
|
||
|
|
("dvojina", "d", "število", "samostalnik",
|
||
|
|
"dual", "d", "Number", "Noun"),
|
||
|
|
("dvojina", "d", "število", "zaimek",
|
||
|
|
"dual", "d", "Number", "Pronoun"),
|
||
|
|
("dvojina", "d", "število", "števnik",
|
||
|
|
"dual", "d", "Number", "Numeral"),
|
||
|
|
("dvojina", "d", "število_svojine", "zaimek",
|
||
|
|
"dual", "d", "Owner_Number", "Pronoun"),
|
||
|
|
("dvovidski", "v", "vid", "glagol",
|
||
|
|
"biaspectual", "b", "Aspect", "Verb"),
|
||
|
|
("ednina", "e", "število", "glagol",
|
||
|
|
"singular", "s", "Number", "Verb"),
|
||
|
|
("ednina", "e", "število", "pridevnik",
|
||
|
|
"singular", "s", "Number", "Adjective"),
|
||
|
|
("ednina", "e", "število", "samostalnik",
|
||
|
|
"singular", "s", "Number", "Noun"),
|
||
|
|
("ednina", "e", "število", "zaimek",
|
||
|
|
"singular", "s", "Number", "Pronoun"),
|
||
|
|
("ednina", "e", "število", "števnik",
|
||
|
|
"singular", "s", "Number", "Numeral"),
|
||
|
|
("ednina", "e", "število_svojine", "zaimek",
|
||
|
|
"singular", "s", "Owner_Number", "Pronoun"),
|
||
|
|
("glavni", "g", "vrsta", "glagol",
|
||
|
|
"main", "m", "Type", "Verb"),
|
||
|
|
("glavni", "g", "vrsta", "števnik",
|
||
|
|
"cardinal", "c", "Type", "Numeral"),
|
||
|
|
("imenovalnik", "i", "sklon", "predlog",
|
||
|
|
"nominative", "n", "Case", "Adposition"),
|
||
|
|
("imenovalnik", "i", "sklon", "pridevnik",
|
||
|
|
"nominative", "n", "Case", "Adjective"),
|
||
|
|
("imenovalnik", "i", "sklon", "samostalnik",
|
||
|
|
"nominative", "n", "Case", "Noun"),
|
||
|
|
("imenovalnik", "i", "sklon", "zaimek",
|
||
|
|
"nominative", "n", "Case", "Pronoun"),
|
||
|
|
("imenovalnik", "i", "sklon", "števnik",
|
||
|
|
"nominative", "n", "Case", "Numeral"),
|
||
|
|
("kazalni", "k", "vrsta", "zaimek",
|
||
|
|
"demonstrative", "d", "Type", "Pronoun"),
|
||
|
|
("klitična", "k", "naslonskost", "zaimek",
|
||
|
|
"yes", "y", "Clitic", "Pronoun"),
|
||
|
|
("lastno_ime", "l", "vrsta", "samostalnik",
|
||
|
|
"proper", "p", "Type", "Noun"),
|
||
|
|
("mestnik", "m", "sklon", "predlog",
|
||
|
|
"locative", "l", "Case", "Adposition"),
|
||
|
|
("mestnik", "m", "sklon", "pridevnik",
|
||
|
|
"locative", "l", "Case", "Adjective"),
|
||
|
|
("mestnik", "m", "sklon", "samostalnik",
|
||
|
|
"locative", "l", "Case", "Noun"),
|
||
|
|
("mestnik", "m", "sklon", "zaimek",
|
||
|
|
"locative", "l", "Case", "Pronoun"),
|
||
|
|
("mestnik", "m", "sklon", "števnik",
|
||
|
|
"locative", "l", "Case", "Numeral"),
|
||
|
|
("množina", "m", "število", "glagol",
|
||
|
|
"plural", "p", "Number", "Verb"),
|
||
|
|
("množina", "m", "število", "pridevnik",
|
||
|
|
"plural", "p", "Number", "Adjective"),
|
||
|
|
("množina", "m", "število", "samostalnik",
|
||
|
|
"plural", "p", "Number", "Noun"),
|
||
|
|
("množina", "m", "število", "zaimek",
|
||
|
|
"plural", "p", "Number", "Pronoun"),
|
||
|
|
("množina", "m", "število", "števnik",
|
||
|
|
"plural", "p", "Number", "Numeral"),
|
||
|
|
("množina", "m", "število_svojine", "zaimek",
|
||
|
|
"plural", "p", "Owner_Number", "Pronoun"),
|
||
|
|
("moški", "m", "spol", "glagol",
|
||
|
|
"masculine", "m", "Gender", "Verb"),
|
||
|
|
("moški", "m", "spol", "pridevnik",
|
||
|
|
"masculine", "m", "Gender", "Adjective"),
|
||
|
|
("moški", "m", "spol", "samostalnik",
|
||
|
|
"masculine", "m", "Gender", "Noun"),
|
||
|
|
("moški", "m", "spol", "zaimek",
|
||
|
|
"masculine", "m", "Gender", "Pronoun"),
|
||
|
|
("moški", "m", "spol", "števnik",
|
||
|
|
"masculine", "m", "Gender", "Numeral"),
|
||
|
|
("moški", "m", "spol_svojine", "zaimek",
|
||
|
|
"masculine", "m", "Owner_Gender", "Pronoun"),
|
||
|
|
("namenilnik", "m", "oblika", "glagol",
|
||
|
|
"supine", "u", "VForm", "Verb"),
|
||
|
|
("navezna", "z", "naslonskost", "zaimek",
|
||
|
|
"bound", "b", "Clitic", "Pronoun"),
|
||
|
|
("ne", "n", "določnost", "pridevnik",
|
||
|
|
"no", "n", "Definiteness", "Adjective"),
|
||
|
|
("ne", "n", "določnost", "števnik",
|
||
|
|
"no", "n", "Definiteness", "Numeral"),
|
||
|
|
("ne", "n", "živost", "samostalnik",
|
||
|
|
"no", "n", "Animate", "Noun"),
|
||
|
|
("nedoločeno", "n", "stopnja", "pridevnik",
|
||
|
|
"positive", "p", "Degree", "Adjective"),
|
||
|
|
("nedoločeno", "n", "stopnja", "prislov",
|
||
|
|
"positive", "p", "Degree", "Adverb"),
|
||
|
|
("nedoločni", "n", "vrsta", "zaimek",
|
||
|
|
"indefinite", "i", "Type", "Pronoun"),
|
||
|
|
("nedoločnik", "n", "oblika", "glagol",
|
||
|
|
"infinitive", "n", "VForm", "Verb"),
|
||
|
|
("nedovršni", "n", "vid", "glagol",
|
||
|
|
"progressive", "p", "Aspect", "Verb"),
|
||
|
|
("nezanikani", "n", "nikalnost", "glagol",
|
||
|
|
"no", "n", "Negative", "Verb"),
|
||
|
|
("nikalni", "l", "vrsta", "zaimek",
|
||
|
|
"negative", "z", "Type", "Pronoun"),
|
||
|
|
("občno_ime", "o", "vrsta", "samostalnik",
|
||
|
|
"common", "c", "Type", "Noun"),
|
||
|
|
("orodnik", "o", "sklon", "predlog",
|
||
|
|
"instrumental", "i", "Case", "Adposition"),
|
||
|
|
("orodnik", "o", "sklon", "pridevnik",
|
||
|
|
"instrumental", "i", "Case", "Adjective"),
|
||
|
|
("orodnik", "o", "sklon", "samostalnik",
|
||
|
|
"instrumental", "i", "Case", "Noun"),
|
||
|
|
("orodnik", "o", "sklon", "zaimek",
|
||
|
|
"instrumental", "i", "Case", "Pronoun"),
|
||
|
|
("orodnik", "o", "sklon", "števnik",
|
||
|
|
"instrumental", "i", "Case", "Numeral"),
|
||
|
|
("osebni", "o", "vrsta", "zaimek",
|
||
|
|
"personal", "p", "Type", "Pronoun"),
|
||
|
|
("oziralni", "z", "vrsta", "zaimek",
|
||
|
|
"relative", "r", "Type", "Pronoun"),
|
||
|
|
("podredni", "d", "vrsta", "veznik",
|
||
|
|
"subordinating", "s", "Type", "Conjunction"),
|
||
|
|
("pogojnik", "g", "oblika", "glagol",
|
||
|
|
"conditional", "c", "VForm", "Verb"),
|
||
|
|
("pomožni", "p", "vrsta", "glagol",
|
||
|
|
"auxiliary", "a", "Type", "Verb"),
|
||
|
|
("povratni", "p", "vrsta", "zaimek",
|
||
|
|
"reflexive", "x", "Type", "Pronoun"),
|
||
|
|
("presežnik", "s", "stopnja", "pridevnik",
|
||
|
|
"superlative", "s", "Degree", "Adjective"),
|
||
|
|
("presežnik", "s", "stopnja", "prislov",
|
||
|
|
"superlative", "s", "Degree", "Adverb"),
|
||
|
|
("prihodnjik", "p", "oblika", "glagol",
|
||
|
|
"future", "f", "VForm", "Verb"),
|
||
|
|
("primernik", "p", "stopnja", "pridevnik",
|
||
|
|
"comparative", "c", "Degree", "Adjective"),
|
||
|
|
("primernik", "r", "stopnja", "prislov",
|
||
|
|
"comparative", "c", "Degree", "Adverb"),
|
||
|
|
("priredni", "p", "vrsta", "veznik",
|
||
|
|
"coordinating", "c", "Type", "Conjunction"),
|
||
|
|
("program", "p", "vrsta", "neuvrščeno",
|
||
|
|
"program", "p", "Type", "Residual"),
|
||
|
|
("prva", "p", "oseba", "glagol",
|
||
|
|
"first", "1", "Person", "Verb"),
|
||
|
|
("prva", "p", "oseba", "zaimek",
|
||
|
|
"first", "1", "Person", "Pronoun"),
|
||
|
|
("rimski", "r", "zapis", "števnik",
|
||
|
|
"roman", "r", "Form", "Numeral"),
|
||
|
|
("rodilnik", "r", "sklon", "predlog",
|
||
|
|
"genitive", "g", "Case", "Adposition"),
|
||
|
|
("rodilnik", "r", "sklon", "pridevnik",
|
||
|
|
"genitive", "g", "Case", "Adjective"),
|
||
|
|
("rodilnik", "r", "sklon", "samostalnik",
|
||
|
|
"genitive", "g", "Case", "Noun"),
|
||
|
|
("rodilnik", "r", "sklon", "zaimek",
|
||
|
|
"genitive", "g", "Case", "Pronoun"),
|
||
|
|
("rodilnik", "r", "sklon", "števnik",
|
||
|
|
"genitive", "g", "Case", "Numeral"),
|
||
|
|
("sedanjik", "s", "oblika", "glagol",
|
||
|
|
"present", "r", "VForm", "Verb"),
|
||
|
|
("splošni", "p", "vrsta", "pridevnik",
|
||
|
|
"general", "g", "Type", "Adjective"),
|
||
|
|
("splošni", "s", "vrsta", "prislov",
|
||
|
|
"general", "g", "Type", "Adverb"),
|
||
|
|
("srednji", "s", "spol", "glagol",
|
||
|
|
"neuter", "n", "Gender", "Verb"),
|
||
|
|
("srednji", "s", "spol", "pridevnik",
|
||
|
|
"neuter", "n", "Gender", "Adjective"),
|
||
|
|
("srednji", "s", "spol", "samostalnik",
|
||
|
|
"neuter", "n", "Gender", "Noun"),
|
||
|
|
("srednji", "s", "spol", "zaimek",
|
||
|
|
"neuter", "n", "Gender", "Pronoun"),
|
||
|
|
("srednji", "s", "spol", "števnik",
|
||
|
|
"neuter", "n", "Gender", "Numeral"),
|
||
|
|
("srednji", "s", "spol_svojine", "zaimek",
|
||
|
|
"neuter", "n", "Owner_Gender", "Pronoun"),
|
||
|
|
("svojilni", "s", "vrsta", "pridevnik",
|
||
|
|
"possessive", "s", "Type", "Adjective"),
|
||
|
|
("svojilni", "s", "vrsta", "zaimek",
|
||
|
|
"possessive", "s", "Type", "Pronoun"),
|
||
|
|
("tipkarska", "t", "vrsta", "neuvrščeno",
|
||
|
|
"typo", "t", "Type", "Residual"),
|
||
|
|
("tožilnik", "t", "sklon", "predlog",
|
||
|
|
"accusative", "a", "Case", "Adposition"),
|
||
|
|
("tožilnik", "t", "sklon", "pridevnik",
|
||
|
|
"accusative", "a", "Case", "Adjective"),
|
||
|
|
("tožilnik", "t", "sklon", "samostalnik",
|
||
|
|
"accusative", "a", "Case", "Noun"),
|
||
|
|
("tožilnik", "t", "sklon", "zaimek",
|
||
|
|
"accusative", "a", "Case", "Pronoun"),
|
||
|
|
("tožilnik", "t", "sklon", "števnik",
|
||
|
|
"accusative", "a", "Case", "Numeral"),
|
||
|
|
("tretja", "t", "oseba", "glagol",
|
||
|
|
"third", "3", "Person", "Verb"),
|
||
|
|
("tretja", "t", "oseba", "zaimek",
|
||
|
|
"third", "3", "Person", "Pronoun"),
|
||
|
|
("tujejezično", "j", "vrsta", "neuvrščeno",
|
||
|
|
"foreign", "f", "Type", "Residual"),
|
||
|
|
("velelnik", "v", "oblika", "glagol",
|
||
|
|
"imperative", "m", "VForm", "Verb"),
|
||
|
|
("vprašalni", "v", "vrsta", "zaimek",
|
||
|
|
"interrogative", "q", "Type", "Pronoun"),
|
||
|
|
("vrstilni", "v", "vrsta", "števnik",
|
||
|
|
"ordinal", "o", "Type", "Numeral"),
|
||
|
|
("zaimkovni", "z", "vrsta", "števnik",
|
||
|
|
"pronominal", "p", "Type", "Numeral"),
|
||
|
|
("zanikani", "d", "nikalnost", "glagol",
|
||
|
|
"yes", "y", "Negative", "Verb"),
|
||
|
|
("ženski", "z", "spol", "glagol",
|
||
|
|
"feminine", "f", "Gender", "Verb"),
|
||
|
|
("ženski", "z", "spol", "pridevnik",
|
||
|
|
"feminine", "f", "Gender", "Adjective"),
|
||
|
|
("ženski", "z", "spol", "samostalnik",
|
||
|
|
"feminine", "f", "Gender", "Noun"),
|
||
|
|
("ženski", "z", "spol", "zaimek",
|
||
|
|
"feminine", "f", "Gender", "Pronoun"),
|
||
|
|
("ženski", "z", "spol", "števnik",
|
||
|
|
"feminine", "f", "Gender", "Numeral"),
|
||
|
|
("ženski", "z", "spol_svojine", "zaimek",
|
||
|
|
"feminine", "f", "Owner_Gender", "Pronoun"),
|
||
|
|
]
|
||
|
|
|
||
|
|
def pos_slo_ang_map(self, col, query):
|
||
|
|
for pos in self.pos_slo_ang:
|
||
|
|
if pos[col] == query:
|
||
|
|
return pos
|
||
|
|
raise ValueError("Wrong part of speech.")
|
||
|
|
|
||
|
|
def pos_val_map(self, en_category, col, query):
|
||
|
|
for pos in self.pos_val:
|
||
|
|
if pos[7] == en_category and pos[col] == query:
|
||
|
|
return pos
|
||
|
|
raise ValueError("Wrong part of speech value.")
|
||
|
|
|
||
|
|
def msd_from_slo(self, msd):
|
||
|
|
pos = self.pos_slo_ang_map(1, msd[0])
|
||
|
|
category = pos[2]
|
||
|
|
attr = [self.pos_val_map(category, 1, m)
|
||
|
|
for m in msd[1:] if m != "-"]
|
||
|
|
return pos, attr
|
||
|
|
|
||
|
|
|
||
|
|
if __name__ == "__main__":
|
||
|
|
test_msds = [
|
||
|
|
"Soser",
|
||
|
|
"Ppnzmm",
|
||
|
|
"Gp-d-mz"
|
||
|
|
]
|
||
|
|
|
||
|
|
for msd in test_msds:
|
||
|
|
print(Msdmap().msd_from_slo(msd))
|