264 lines
48 KiB
Plaintext
264 lines
48 KiB
Plaintext
|
{
|
||
|
|
"cells": [
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 75,
|
||
|
|
"metadata": {},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"# -*- coding: utf-8 -*-\n",
|
||
|
|
"from __future__ import unicode_literals\n",
|
||
|
|
"\n",
|
||
|
|
"import numpy as np\n",
|
||
|
|
"from keras.models import load_model\n",
|
||
|
|
"import sys\n",
|
||
|
|
"import pickle\n",
|
||
|
|
"import time\n",
|
||
|
|
"\n",
|
||
|
|
"from prepare_data import *\n",
|
||
|
|
"\n",
|
||
|
|
"np.random.seed(7)"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 2,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"data = Data('l', shuffle_all_inputs=False)\n",
|
||
|
|
"content = data._read_content('data/SlovarIJS_BESEDE_utf8.lex')\n",
|
||
|
|
"dictionary, max_word, max_num_vowels, vowels, accented_vowels = data._create_dict(content)\n",
|
||
|
|
"feature_dictionary = data._create_slovene_feature_dictionary()\n",
|
||
|
|
"syllable_dictionary = data._create_syllables_dictionary(content, vowels)\n",
|
||
|
|
"accented_vowels = ['ŕ', 'á', 'ä', 'é', 'ë', 'ě', 'í', 'î', 'ó', 'ô', 'ö', 'ú', 'ü']\n",
|
||
|
|
"\n"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 15,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"environment = {}\n",
|
||
|
|
"environment['dictionary'] = dictionary\n",
|
||
|
|
"environment['max_word'] = max_word\n",
|
||
|
|
"environment['max_num_vowels'] = max_num_vowels\n",
|
||
|
|
"environment['vowels'] = vowels\n",
|
||
|
|
"environment['accented_vowels'] = accented_vowels\n",
|
||
|
|
"environment['feature_dictionary'] = feature_dictionary\n",
|
||
|
|
"environment['eng_feature_dictionary'] = feature_dictionary\n",
|
||
|
|
"environment['syllable_dictionary'] = syllable_dictionary\n",
|
||
|
|
"output = open('environment.pkl', 'wb')\n",
|
||
|
|
"pickle.dump(environment, output)\n",
|
||
|
|
"output.close()"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 12,
|
||
|
|
"metadata": {},
|
||
|
|
"outputs": [
|
||
|
|
{
|
||
|
|
"name": "stdout",
|
||
|
|
"output_type": "stream",
|
||
|
|
"text": [
|
||
|
|
"407\n"
|
||
|
|
]
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"source": [
|
||
|
|
"i = 0\n",
|
||
|
|
"for el in syllable_dictionary:\n",
|
||
|
|
" if el == \"da\":\n",
|
||
|
|
" print(i)\n",
|
||
|
|
" i += 1"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 78,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"%run prepare_data.py\n",
|
||
|
|
"\n",
|
||
|
|
"data = Data('l', shuffle_all_inputs=False)\n",
|
||
|
|
"letter_location_model, syllable_location_model, syllabled_letters_location_model = data.load_location_models(\n",
|
||
|
|
" 'cnn/word_accetuation/cnn_dictionary/v5_3/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/word_accetuation/syllables/v3_3/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/word_accetuation/syllabled_letters/v3_3/20_final_epoch.h5')\n",
|
||
|
|
"\n",
|
||
|
|
"letter_location_co_model, syllable_location_co_model, syllabled_letters_location_co_model = data.load_location_models(\n",
|
||
|
|
" 'cnn/word_accetuation/cnn_dictionary/v5_2/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/word_accetuation/syllables/v3_2/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/word_accetuation/syllabled_letters/v3_2/20_final_epoch.h5')\n",
|
||
|
|
"\n",
|
||
|
|
"letter_type_model, syllable_type_model, syllabled_letter_type_model = data.load_type_models(\n",
|
||
|
|
" 'cnn/accent_classification/letters/v3_1/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/accent_classification/syllables/v2_1/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/accent_classification/syllabled_letters/v2_1/20_final_epoch.h5')\n",
|
||
|
|
"\n",
|
||
|
|
"letter_type_co_model, syllable_type_co_model, syllabled_letter_type_co_model = data.load_type_models(\n",
|
||
|
|
" 'cnn/accent_classification/letters/v3_0/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/accent_classification/syllables/v2_0/20_final_epoch.h5',\n",
|
||
|
|
" 'cnn/accent_classification/syllabled_letters/v2_0/20_final_epoch.h5')"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 4,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"test_input = [['uradni', '', 'Agpmpn', 'uradni'], ['podatki', '', 'Ncmpn', 'podatki'], ['policije', '', 'Ncfsg', 'policije'], ['kažejo', '', 'Vmpr3p', 'kažejo'], ['na', '', 'Sa', 'na'], ['precej', '', 'Rgp', 'precej'], ['napete', '', 'Appfpa', 'napete'], ['razmere', '', 'Ncfpa', 'razmere'], ['v', '', 'Sl', 'v'], ['piranskem', '', 'Agpmsl', 'piranskem'], ['zalivu', '', 'Ncmsl', 'zalivu'], ['je', '', 'Va-r3s-n', 'je'], ['danes', '', 'Rgp', 'danes'], ['poročala', '', 'Vmpp-sf', 'poročala'], ['oddaja', '', 'Ncfsn', 'oddaja'], ['do', '', 'Sg', 'do'], ['danes', '', 'Rgp', 'danes'], ['se', '', 'Px------y', 'se'], ['je', '', 'Va-r3s-n', 'je'], ['zgodilo', '', 'Vmep-sn', 'zgodilo']]"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 5,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"accented_vowels = ['ŕ', 'á', 'ä', 'é', 'ë', 'ě', 'í', 'î', 'ó', 'ô', 'ö', 'ú', 'ü']\n",
|
||
|
|
"words = [[\"Gorejevemu\", \"\", \"Psnsed\", \"Gorejevemu\"]]"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 159,
|
||
|
|
"metadata": {},
|
||
|
|
"outputs": [
|
||
|
|
{
|
||
|
|
"name": "stdout",
|
||
|
|
"output_type": "stream",
|
||
|
|
"text": [
|
||
|
|
"['Gorejévemu']\n",
|
||
|
|
"['Gorejěvemu']\n",
|
||
|
|
"[['Gorejevemu', '', 'Psnsed', 'Gorejevemu']]\n"
|
||
|
|
]
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"source": [
|
||
|
|
"pos = 4282\n",
|
||
|
|
"print(location_accented_words)\n",
|
||
|
|
"print(accented_words)\n",
|
||
|
|
"print(words)"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 5,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"data = Data('s', shuffle_all_inputs=False)\n",
|
||
|
|
"new_content = data._read_content('data/sloleks-sl_v1.2.tbl')"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 49,
|
||
|
|
"metadata": {
|
||
|
|
"collapsed": true
|
||
|
|
},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"words = [[el[0], '', el[2], el[0]] for el in new_content][1146450:1146550]\n",
|
||
|
|
"\n",
|
||
|
|
" "
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": 45,
|
||
|
|
"metadata": {},
|
||
|
|
"outputs": [
|
||
|
|
{
|
||
|
|
"name": "stdout",
|
||
|
|
"output_type": "stream",
|
||
|
|
"text": [
|
||
|
|
"[['adventistovo', '', 'Psnzeo', 'adventistovo'], ['adventistovo', '', 'Psnzet', 'adventistovo'], ['adventistu', '', 'Somed', 'adventistu'], ['adventistu', '', 'Somem', 'adventistu'], ['adventiven', '', 'Ppnmein', 'adventiven'], ['adventiven', '', 'Ppnmetn', 'adventiven'], ['adventivna', '', 'Ppnmdi', 'adventivna'], ['adventivna', '', 'Ppnmdt', 'adventivna'], ['adventivna', '', 'Ppnsmi', 'adventivna'], ['adventivna', '', 'Ppnsmt', 'adventivna'], ['adventivna', '', 'Ppnzei', 'adventivna'], ['adventivne', '', 'Ppnmmt', 'adventivne'], ['adventivne', '', 'Ppnzer', 'adventivne'], ['adventivne', '', 'Ppnzmi', 'adventivne'], ['adventivne', '', 'Ppnzmt', 'adventivne'], ['adventivnega', '', 'Ppnmer', 'adventivnega'], ['adventivnega', '', 'Ppnmet', 'adventivnega'], ['adventivnega', '', 'Ppnser', 'adventivnega'], ['adventivnem', '', 'Ppnmem', 'adventivnem'], ['adventivnem', '', 'Ppnsem', 'adventivnem'], ['adventivnemu', '', 'Ppnmed', 'adventivnemu'], ['adventivnemu', '', 'Ppnsed', 'adventivnemu'], ['adventivni', '', 'Ppnmeid', 'adventivni'], ['adventivni', '', 'Ppnmetd', 'adventivni'], ['adventivni', '', 'Ppnmmi', 'adventivni'], ['adventivni', '', 'Ppnsdi', 'adventivni'], ['adventivni', '', 'Ppnsdt', 'adventivni'], ['adventivni', '', 'Ppnzdi', 'adventivni'], ['adventivni', '', 'Ppnzdt', 'adventivni'], ['adventivni', '', 'Ppnzed', 'adventivni'], ['adventivni', '', 'Ppnzem', 'adventivni'], ['adventivnih', '', 'Ppnmdm', 'adventivnih'], ['adventivnih', '', 'Ppnmdr', 'adventivnih'], ['adventivnih', '', 'Ppnmmm', 'adventivnih'], ['adventivnih', '', 'Ppnmmr', 'adventivnih'], ['adventivnih', '', 'Ppnsdm', 'adventivnih'], ['adventivnih', '', 'Ppnsdr', 'adventivnih'], ['adventivnih', '', 'Ppnsmm', 'adventivnih'], ['adventivnih', '', 'Ppnsmr', 'adventivnih'], ['adventivnih', '', 'Ppnzdm', 'adventivnih'], ['adventivnih', '', 'Ppnzdr', 'adventivnih'], ['adventivnih', '', 'Ppnzmm', 'adventivnih'], ['adventivnih', '', 'Ppnzmr', 'adventivnih'], ['adventivnima', '', 'Ppnmdd', 'adventivnima'], ['adventivnima', '', 'Ppnmdo', 'adventivnima'], ['adventivnima', '', 'Ppnsdd', 'adventivnima'], ['adventivnima', '', 'Ppnsdo', 'adventivnima'], ['adventivnima', '', 'Ppnzdd', 'adventivnima'], ['adventivnima', '', 'Ppnzdo', 'adventivnima'], ['adventivnim', '', 'Ppnmeo', 'adventivnim'], ['adventivnim', '', 'Ppnmmd', 'adventivnim'], ['adventivnim', '', 'Ppnseo', 'adventivnim'], ['adventivnim', '', 'Ppnsmd', 'adventivnim'], ['adventivnim', '', 'Ppnzmd', 'adventivnim'], ['adventivnimi', '', 'Ppnmmo', 'adventivnimi'], ['adventivnimi', '', 'Ppnsmo', 'adventivnimi'], ['adventivnimi', '', 'Ppnzmo', 'adventivnimi'], ['adventivno', '', 'Ppnsei', 'adventivno'], ['adventivno', '', 'Ppnset', 'adventivno'], ['adventivno', '', 'Ppnzeo', 'adventivno'], ['adventivno', '', 'Ppnzet', 'adventivno'], ['adventna', '', 'Ppnmdi', 'adventna'], ['adventna', '', 'Ppnmdt', 'adventna'], ['adventna', '', 'Ppnsmi', 'adventna'], ['adventna', '', 'Ppnsmt', 'adventna'], ['adventna', '', 'Ppnzei', 'adventna'], ['adventne', '', 'Ppnmmt', 'adventne'], ['adventne', '', 'Ppnzer', 'adventne'], ['adventne', '', 'Ppnzmi', 'adventne'], ['adventne', '', 'Ppnzmt', 'adventne'], ['adventnega', '', 'Ppnmer', 'adventnega'], ['adventnega', '', 'Ppnmet', 'adventnega'], ['adventnega', '', 'Ppnser', 'adventnega'], ['adventnem', '', 'Ppnmem', 'adventnem'], ['adventnem', '', 'Ppnsem', 'adventnem'], ['adventnemu', '', 'Ppnmed', 'adventnemu'], ['adventnemu', '', 'Ppnsed', 'adventnemu'], ['adventni', '', 'Ppnmeid', 'adventni'], ['adventni', '', 'Ppnmetd', 'adventni'], ['adventni', '', 'Ppnmmi', 'adventni'], ['adventni', '', 'Ppnsdi', 'adventni'], ['adventni', '', 'Ppnsdt', 'adventni'], ['adventni', '', 'Ppnzdi', 'adventni'], ['adventni', '', 'Ppnzdt', 'adventni'], ['adventni', '', 'Ppnzed', 'adventni'], ['adventni', '', 'Ppnzem', 'adventni'], ['adventnih', '', 'Ppnmdm', 'adventnih'], ['adventnih', '', 'Ppnmdr', 'adventnih'], ['adventnih', '', 'Ppnmmm', 'adventnih'], ['adventnih', '', 'Ppnmmr', 'adventnih'], ['adventnih', '', 'Ppnsdm', 'adventnih'], ['adventnih', '', 'Ppnsdr', 'adventnih'], ['adventnih', '', 'Pp
|
||
|
|
]
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"source": [
|
||
|
|
"print(words.append['nadnaravno', '', 'Ppnsei'])"
|
||
|
|
]
|
||
|
|
},
|
||
|
|
{
|
||
|
|
"cell_type": "code",
|
||
|
|
"execution_count": null,
|
||
|
|
"metadata": {},
|
||
|
|
"outputs": [],
|
||
|
|
"source": [
|
||
|
|
"#Words proccesed: 650250\n",
|
||
|
|
"#Word indeks: 50023\n",
|
||
|
|
"#Word number: 50023\n",
|
||
|
|
"\n",
|
||
|
|
"#done_lexical_entries = 33522\n",
|
||
|
|
"\n",
|
||
|
|
"#new_content = data._read_content('sloleks-sl_v1.2.tbl')\n",
|
||
|
|
"rate = 100000\n",
|
||
|
|
"start_timer = time.time()\n",
|
||
|
|
"with open(\"data/new_sloleks/new_sloleks.tab\", \"a\") as myfile:\n",
|
||
|
|
" for index in range(0, len(new_content), rate):\n",
|
||
|
|
" if index+rate >= len(new_content):\n",
|
||
|
|
" words = [[el[0], '', el[2], el[0]] for el in new_content][index:len(new_content)]\n",
|
||
|
|
" else:\n",
|
||
|
|
" words = [[el[0], '', el[2], el[0]] for el in new_content][index:index+rate]\n",
|
||
|
|
" data = Data('l', shuffle_all_inputs=False)\n",
|
||
|
|
" location_accented_words, accented_words = data.accentuate_word(words, letter_location_model, syllable_location_model, syllabled_letters_location_model,\n",
|
||
|
|
" letter_location_co_model, syllable_location_co_model, syllabled_letters_location_co_model,\n",
|
||
|
|
" letter_type_model, syllable_type_model, syllabled_letter_type_model,\n",
|
||
|
|
" letter_type_co_model, syllable_type_co_model, syllabled_letter_type_co_model,\n",
|
||
|
|
" dictionary, max_word, max_num_vowels, vowels, accented_vowels, feature_dictionary, syllable_dictionary)\n",
|
||
|
|
"\n",
|
||
|
|
" res = ''\n",
|
||
|
|
" for i in range(index, index + len(words)):\n",
|
||
|
|
" res += new_content[i][0] + '\\t' + new_content[i][1] + '\\t' + new_content[i][2] + '\\t' \\\n",
|
||
|
|
" + new_content[i][3][:-1] + '\\t' + location_accented_words[i-index] + '\\t' + accented_words[i-index] + '\\n'\n",
|
||
|
|
"\n",
|
||
|
|
" print('Writing data from ' + str(index) + ' onward.')\n",
|
||
|
|
" end_timer = time.time()\n",
|
||
|
|
" print(\"Elapsed time: \" + \"{0:.2f}\".format((end_timer - start_timer)/60.0) + \" minutes\")\n",
|
||
|
|
" myfile.write(res)"
|
||
|
|
]
|
||
|
|
}
|
||
|
|
],
|
||
|
|
"metadata": {
|
||
|
|
"kernelspec": {
|
||
|
|
"display_name": "Python 3",
|
||
|
|
"language": "python",
|
||
|
|
"name": "python3"
|
||
|
|
},
|
||
|
|
"language_info": {
|
||
|
|
"codemirror_mode": {
|
||
|
|
"name": "ipython",
|
||
|
|
"version": 3
|
||
|
|
},
|
||
|
|
"file_extension": ".py",
|
||
|
|
"mimetype": "text/x-python",
|
||
|
|
"name": "python",
|
||
|
|
"nbconvert_exporter": "python",
|
||
|
|
"pygments_lexer": "ipython3",
|
||
|
|
"version": "3.5.2"
|
||
|
|
}
|
||
|
|
},
|
||
|
|
"nbformat": 4,
|
||
|
|
"nbformat_minor": 2
|
||
|
|
}
|