UniversalDependencies / UD_German-GSD

Other
18 stars 5 forks source link

Suspicious token split #10

Closed simon-clematide closed 6 years ago

simon-clematide commented 6 years ago

The split of "am" in the third word seems to be a conversion error/artefact. There is no way that am could be split twice.

# sent_id = train-s7888
# text = Es wurde am Mariinski - Theater in Sankt Petersburg mit der Choreografie von Marius Petipa uraufgeführt.
1   Es  es  PRON    PPER    Case=Nom|Gender=Neut|Number=Sing|Person=3|PronType=Prs  19  nsubj:pass  _   _
2   wurde   werden  AUX VAFIN   Mood=Ind|Number=Sing|Person=3|Tense=Past|VerbForm=Fin   19  aux:pass    _   _
3-6 am  _   _   _   _   _   _   _   _
3   an  an  ADP APPR    _   19  dep _   _
4   dem der DET ART Definite=Def|PronType=Art   19  det _   _
5   an  an  ADP APPR    _   7   case    _   _
6   dem der DET ART Case=Dat|Definite=Def|Gender=Masc,Neut|Number=Sing|PronType=Art 7   det _   _
7   Mariinski   Mariinski   PROPN   NN  _   19  obl _   _
8   -   -   PUNCT   $(  _   7   punct   _   _
9   Theater Theater PROPN   NN  Case=Dat|Gender=Masc,Neut|Number=Sing   7   flat    _   _
10  in  in  ADP APPR    _   11  case    _   _
11  Sankt   Sankt   PROPN   NE  _   7   nmod    _   _
12  Petersburg  Petersburg  PROPN   NE  _   11  flat    _   _
13  mit mit ADP APPR    _   15  case    _   _
14  der der DET ART Case=Dat|Definite=Def|Gender=Fem|Number=Sing|PronType=Art   15  det _   _
15  Choreografie    Choreografie    NOUN    NN  Case=Dat|Gender=Fem|Number=Sing 19  obl _   _
16  von von ADP APPR    _   17  case    _   _
17  Marius  Marius  PROPN   NE  _   15  nmod    _   _
18  Petipa  Petipa  PROPN   NE  Case=Dat|Number=Sing    17  flat    _   _
19  uraufgeführt    uraufgeführt    VERB    ADJD    _   0   root    _   SpaceAfter=No
20  .   .   PUNCT   $.  _   19  punct   _   _
dan-zeman commented 6 years ago

Komisch...

Fixed in b83fa2f. I hope it is an isolated case.

simon-clematide commented 6 years ago

It is. My conversion script stumbled over it only once.