heliolbs
commented
2 weeks ago As três funções abaixo foram usadas para analisar todas as sentenças do treebank, com qualquer quantidade de ocorrências de parataxe.
import Yauti
sents = Yauti.extractConlluSents(Yauti.TREEBANK_PATH)
def analyse_parataxes(sents):
mapeamento = {}
for sent in sents:
parataxis = sent.filter(deprel='parataxis')
tokenList = parataxis
if len(parataxis) > 1:
for p in parataxis:
if sent.filter(id=p['head']):
t = sent.filter(id=p['head'])[0]
if t not in parataxis:
tokenList.append(t)
token_pairs = get_token_pairs(tokenList)
sequence = connect_token_pairs(token_pairs)
if len(tokenList) == len(sequence[0]):
pattern = 'Série'
else:
pattern = 'Paralelo'
mapeamento.update({sent.metadata['sent_id'] : {'sequence' : sequence[0], 'padrão' : pattern}})
return mapeamento
def get_token_pairs(sent):
token_pairs = []
for tokenA in sent:
for tokenB in sent:
if tokenA['id'] == tokenB['head'] and tokenB['deprel'] == 'parataxis':
token_pairs.append([tokenA['id'], tokenB['id']])
return token_pairs
def connect_token_pairs(pairs):
if len(pairs) == 0:
return [[]]
elif len(pairs) == 1:
sequence = pairs
else:
sequence = []
for pairA in pairs:
for pairB in pairs:
if pairA[1:] == pairB[:-1]:
sequence.append(sorted(list(set(pairA+pairB))))
return(connect_token_pairs(sequence))
return sequence
A partir deste comentário de @leoalenc em #599 a respeito da preferência de adoção da orientação UD 'nested-coordination' em relação à orientação UD side-by-side-run-on-sentences, decidi investigar o quanto essa diretriz está sendo seguida ao longo do corpus.
Neste comentário da mesma issue, relatei a consulta à versão 2.14 do treebank pelo Grew-Match, cujo resultado indicou 95 ocorrências de três nós encadeados por duas parataxes e apenas 14 ocorrências de pares de parataxes que compartilhavam o mesmo
head.