|
|
|
@ -6,6 +6,84 @@ from conversion_utils.translate_conllu_jos import get_syn_map
|
|
|
|
|
|
|
|
|
|
from lxml import etree
|
|
|
|
|
|
|
|
|
|
labels_mapper = {
|
|
|
|
|
"B/GLAG/moči_morati": "B/GLAG/moči-morati",
|
|
|
|
|
"B/MEN/besedna_družina": "B/MEN/besedna-družina",
|
|
|
|
|
"B/MEN/glagol_bz": "B/MEN/glagol-bz",
|
|
|
|
|
"B/MEN/polnopomenska_v_zaimek": "B/MEN/polnopomenska-v-zaimek",
|
|
|
|
|
"B/MEN/prislov_pridevnik_bz": "B/MEN/prislov-pridevnik-bz",
|
|
|
|
|
"B/MEN/samostalnik_bz": "B/MEN/samostalnik-bz",
|
|
|
|
|
"B/MEN/veznik_zaimek": "B/MEN/veznik-zaimek",
|
|
|
|
|
"B/MEN/zaimek_v_polnopomensko": "B/MEN/zaimek-v-polnopomensko",
|
|
|
|
|
"B/PRED/glag_zveze": "B/PRED/glagolske-zveze",
|
|
|
|
|
"B/PRED/lokacijske_dvojnice": "B/PRED/lokacijske-dvojnice",
|
|
|
|
|
"B/PRED/neglag_zveze": "B/PRED/neglagolske-zveze",
|
|
|
|
|
"B/SAM/lastno_občno": "B/SAM/lastno-občno",
|
|
|
|
|
"B/SAM/napačno_lastno": "B/SAM/napačno-lastno",
|
|
|
|
|
"B/SAM/občno_besedišče": "B/SAM/občno-besedišče",
|
|
|
|
|
"B/VEZ/in_pa_ter": "B/VEZ/in-pa-ter",
|
|
|
|
|
"B/VEZ/sprememba_odnosa": "B/VEZ/sprememba-odnosa",
|
|
|
|
|
"B/ZAIM/ki_kateri": "B/ZAIM/ki-kateri",
|
|
|
|
|
"B/ZAIM/povratna_svojilnost": "B/ZAIM/povratna-svojilnost",
|
|
|
|
|
"Č/PREDL/sz": "Č/PRED/sz",
|
|
|
|
|
"N//necitljivo": "N//nečitljivo",
|
|
|
|
|
"O/DOD/besede-mati_hči": "O/DOD/besede-mati-hči",
|
|
|
|
|
"O/KAT/oblika_zaimka": "O/KAT/oblika-zaimka",
|
|
|
|
|
"O/PAR/glagolska_končnica": "O/PAR/glagolska-končnica",
|
|
|
|
|
"O/PAR/glagolska_osnova": "O/PAR/glagolska-osnova",
|
|
|
|
|
"O/PAR/neglagolska_končnica": "O/PAR/neglagolska-končnica",
|
|
|
|
|
"O/PAR/neglagolska_osnova": "O/PAR/neglagolska-osnova",
|
|
|
|
|
"O/PAR/neobstojni_vokal": "O/PAR/neobstojni-vokal",
|
|
|
|
|
"O/PAR/preglas_in_cč": "O/PAR/preglas-in-cč",
|
|
|
|
|
"P/ZAP/mala_velika": "P/ZAP/mala-velika",
|
|
|
|
|
"S/BR/naslonski_niz-prirednost_podrednost": "S/BR/naslonski-niz-prirednost-podrednost",
|
|
|
|
|
"S/BR/naslonski_niz-znotraj": "S/BR/naslonski-niz-znotraj",
|
|
|
|
|
"S/BR/povedek-prislovno_določilo": "S/BR/povedek-prislovno-določilo",
|
|
|
|
|
"S/BR/znotraj_stavčnega_člena": "S/BR/znotraj-stavčnega-člena",
|
|
|
|
|
"S/DOD/pomensko_prazni": "S/DOD/pomensko-prazni",
|
|
|
|
|
"S/IZPUST/samostalnik-lastno_ime": "S/IZPUST/samostalnik-lastno-ime",
|
|
|
|
|
"S/IZPUST/samostalnik-občno_ime": "S/IZPUST/samostalnik-občno-ime",
|
|
|
|
|
"S/ODVEČ/pomensko-prazni": "S/DOD/pomensko-prazni",
|
|
|
|
|
"S/ODVEČ/samostalnik-lastno_ime": "S/ODVEČ/samostalnik-lastno-ime",
|
|
|
|
|
"S/ODVEČ/samostalnik-občno_ime": "S/ODVEČ/samostalnik-občno-ime",
|
|
|
|
|
"S/ODVEČ/veznik-pa_drugo": "S/ODVEČ/veznik-pa-drugo",
|
|
|
|
|
"S/ODVEČ/veznik-pa_vezniki": "S/ODVEČ/veznik-pa-vezniki",
|
|
|
|
|
"S/ODVEČ/vsebina-drugo": "S/DOD/vsebina-drugo",
|
|
|
|
|
"S/STR/besedna_zveza_stavek": "S/STR/besedna-zveza-stavek",
|
|
|
|
|
"S/STR/deljenje_stavkov": "S/STR/deljenje-stavkov",
|
|
|
|
|
"S/STR/ločilo_veznik": "S/STR/ločilo-veznik",
|
|
|
|
|
"S/STR/preoblikovanje_stavka": "S/STR/preoblikovanje-stavka",
|
|
|
|
|
"S/STR/svojina_od": "S/STR/svojina-od",
|
|
|
|
|
"S/STR/svojina_rodilnik": "S/STR/svojina-rodilnik",
|
|
|
|
|
"S/STR/združevanje_stavkov": "S/STR/združevanje-stavkov",
|
|
|
|
|
"Z/LOC/clenek+veznik": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/DRUGO": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/glede": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/hiperkorekcija": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/NERAZ": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/NEREL": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/LOC/polstavek": "Z/LOČ/vzorec-vejica-pristavki",
|
|
|
|
|
"Z/LOC/pridevniski-niz": "Z/LOČ/vzorec-vejica-pridevniški-niz",
|
|
|
|
|
"Z/LOC/primerjavaKOT": "Z/LOČ/vzorec-vejica-kot",
|
|
|
|
|
"Z/LOC/primerjaveKOT": "Z/LOČ/vzorec-vejica-kot",
|
|
|
|
|
"Z/LOC/prirednaBZ": "Z/LOČ/vzorec-vejica-priredja-zvez",
|
|
|
|
|
"Z/LOC/priredni-odvisniki": "Z/LOČ/vzorec-vejica-priredja-odvisnikov",
|
|
|
|
|
"Z/LOC/se-posebej": "Z/LOČ/vzorec-vejica-pristavki",
|
|
|
|
|
"Z/LOC/VEJ-elipsa": "Z/LOČ/vzorec-vejica-elipsa-povedka",
|
|
|
|
|
"Z/LOC/VEJ-stavki": "Z/LOČ/vzorec-vejica-stavki",
|
|
|
|
|
"Z/LOC/VEJ-stclen": "Z/LOČ/vzorec-vejica-stavčni-členi",
|
|
|
|
|
"Z/LOC/VEJ-veznik": "Z/LOČ/vzorec-vejica-vezniki",
|
|
|
|
|
"Z/LOC/VEJ-vrivki": "Z/LOČ/vzorec-vejica-pristavki",
|
|
|
|
|
"Z/LOC/vrinjen-odvisnik": "Z/LOČ/vzorec-vejica-vrinjen-odvisnik",
|
|
|
|
|
"Z/LOC/z-imenom": "Z/LOČ/nerazvrščeno",
|
|
|
|
|
"Z/MV/hiperkorekcija_ločila": "Z/MV/hiperkorekcija-ločila",
|
|
|
|
|
"Z/MV/občna_imena": "Z/MV/občna-imena",
|
|
|
|
|
"Z/MV/osebna_imena": "Z/MV/osebna-imena",
|
|
|
|
|
"Z/MV/premi_govor": "Z/MV/premi-govor",
|
|
|
|
|
"Z/MV/stvarna_imena": "Z/MV/stvarna-imena",
|
|
|
|
|
"Z/MV/začetek_povedi": "Z/MV/začetek-povedi",
|
|
|
|
|
"Z/MV/zemljepisna_imena": "Z/MV/zemljepisna-imena"
|
|
|
|
|
}
|
|
|
|
|
|
|
|
|
|
class Sentence:
|
|
|
|
|
def __init__(self, _id, no_ud=False, is_source=None):
|
|
|
|
@ -175,7 +253,10 @@ def convert_bibl(bibl):
|
|
|
|
|
etree_bibl.set('n', bibl.get('n'))
|
|
|
|
|
for bibl_el in bibl:
|
|
|
|
|
etree_bibl_el = etree.Element(bibl_el.tag)
|
|
|
|
|
etree_bibl_el.text = bibl_el.text
|
|
|
|
|
if bibl_el.tag == 'note' and 'type' in bibl_el.attrib and bibl_el.attrib['type'] == 'errs' and bibl_el.text == 'DA-NEVNESENO':
|
|
|
|
|
etree_bibl_el.text = 'NEVNESENO'
|
|
|
|
|
else:
|
|
|
|
|
etree_bibl_el.text = bibl_el.text
|
|
|
|
|
for att, val in bibl_el.attrib.items():
|
|
|
|
|
if '{http://www.w3.org/XML/1998/namespace}' in att:
|
|
|
|
|
set_xml_attr(etree_bibl_el, att.split('{http://www.w3.org/XML/1998/namespace}')[-1], val)
|
|
|
|
@ -225,25 +306,41 @@ def build_links(all_edges):
|
|
|
|
|
s = etree.Element('linkGrp')
|
|
|
|
|
|
|
|
|
|
sentence_id = ''
|
|
|
|
|
corresp_source_id = ''
|
|
|
|
|
corresp_target_id = ''
|
|
|
|
|
corresp = []
|
|
|
|
|
for token_edges in sentence_edges:
|
|
|
|
|
if not sentence_id:
|
|
|
|
|
if len(token_edges['source_ids']) > 0:
|
|
|
|
|
random_source_id = token_edges['source_ids'][0]
|
|
|
|
|
sentence_id += '.'.join(random_source_id.split('.')[:3])
|
|
|
|
|
if len(token_edges['target_ids']) > 0:
|
|
|
|
|
random_target_id = token_edges['target_ids'][0]
|
|
|
|
|
if len(token_edges['source_ids']) > 0:
|
|
|
|
|
sentence_id += ' #'
|
|
|
|
|
sentence_id += '.'.join(random_target_id.split('.')[:3])
|
|
|
|
|
if not corresp_source_id and len(token_edges['source_ids']) > 0:
|
|
|
|
|
random_source_id = token_edges['source_ids'][0]
|
|
|
|
|
corresp_source_id = '#'
|
|
|
|
|
corresp_source_id += '.'.join(random_source_id.split('.')[:3])
|
|
|
|
|
corresp.append(corresp_source_id)
|
|
|
|
|
if not corresp_target_id and len(token_edges['target_ids']) > 0:
|
|
|
|
|
random_target_id = token_edges['target_ids'][0]
|
|
|
|
|
corresp_target_id = '#'
|
|
|
|
|
corresp_target_id += '.'.join(random_target_id.split('.')[:3])
|
|
|
|
|
corresp.append(corresp_target_id)
|
|
|
|
|
link = etree.Element('link')
|
|
|
|
|
labels = '|'.join(token_edges['labels']) if len(token_edges['labels']) > 0 else 'ID'
|
|
|
|
|
# translate labels
|
|
|
|
|
labels_list = []
|
|
|
|
|
for label in token_edges['labels']:
|
|
|
|
|
if label in labels_mapper:
|
|
|
|
|
labels_list.append(labels_mapper[label])
|
|
|
|
|
else:
|
|
|
|
|
labels_list.append(label)
|
|
|
|
|
labels = '|'.join(labels_list) if len(labels_list) > 0 else 'ID'
|
|
|
|
|
link.set('type', labels)
|
|
|
|
|
link.set('target', ' '.join(['#' + source for source in token_edges['source_ids']] + ['#' + source for source in token_edges['target_ids']]))
|
|
|
|
|
|
|
|
|
|
s.append(link)
|
|
|
|
|
s.set('type', 'CORR')
|
|
|
|
|
s.set('targFunc', 'orig reg')
|
|
|
|
|
s.set('corresp', f'#{sentence_id}')
|
|
|
|
|
targFunc = []
|
|
|
|
|
if corresp_source_id:
|
|
|
|
|
targFunc.append('orig')
|
|
|
|
|
if corresp_target_id:
|
|
|
|
|
targFunc.append('reg')
|
|
|
|
|
s.set('targFunc', f'{" ".join(targFunc)}')
|
|
|
|
|
s.set('corresp', f'{" ".join(corresp)}')
|
|
|
|
|
body.append(s)
|
|
|
|
|
return body
|
|
|
|
|
|
|
|
|
|