Улучшение метода Юры

[mariakaryaeva]

• [ ] описать шаблоны

• [ ] извлечение по Википедии

• [ ] поиск одинакового рода в разных словарях дает уверенность и повышает метрику

[mariakaryaeva]

Выбрать "глазами" шаблоны из РуТеза

[mariakaryaeva]

прил+сущ из словарей:

результаты:

1. multi_words_efremova
2. multi_words_UF_babenko
3. multi_words_UF_CTS
4. multi_words_UF_MAS
5. multi_words_UF_ushakov
6. не сделан ОЖЕГОВ!!!

• [ ] Как определелить, что выбрать однословный или двусловный род?

• аудиенция - официальный прием {прием}

• аудитор - должностное лицо {лицо}

• аукционист - официальное лицо {лицо}

• аул - горное селение {селение}

• астра - садовое растение {растение}

• астролябия - геодезический инструмент {инструмент}

• асфальт - смолистая масса {масса}

• атака - стремительное нападение {нападение}

• атлас - блестящая ткань {ткань}

• атлетика - гимнастический упражнение {упражнения}

[mariakaryaeva]

Добавлены файлы с названием "multi_wordNN...." - извлечение по словарям с помощью шаблона сущ(им.п)+сущ(род.п)

• multi_word_NN_UF_efremova_v2
• multi_word_NN_UF_ozhshv_final_latest
• ...

[mariakaryaeva]

Какие еще могут быть шаблоны:

• [ ] обработать шаблоны

• [x] NPN: Прибор для вычисления

• [x] NAN: Атака неприятельского судна

• [ ] A?NN: Преждевременное прекращение беременности

• [x] ANN: Горизонтальный отрезок линии

• [x] NNA: растение семейства лилейных

• [x] AAN: Острое заразное заболевание

Скрипт: multi_word_mixed.py

[mariakaryaeva]

AAN и ANN

• [x] убрать без главного слова

• [x] избавиться от множественного числа, который является род.п. ед.ч

дифференциал - переменной независимой  {}	type:AAN
дуга - тонкого согнутого  {}	type:AAN

канифас - бумажной полосатой ткани {ткани}	type:AAN
канкан - эстрадного эксцентрического танца {танца}	type:AAN

[mariakaryaeva]

добавила type:NNAN

бушель - Мера емкости сыпучих тел {Мера}	type:NNAN
ватт - Единица измерения активной мощности {Единица}	type:NNAN

[mariakaryaeva]

Результаты с примерами: данные по ссылке, файл Excel https://www.dropbox.com/s/rx1bq1m20mmq6qe/multi_mixet_UF_rod_vid.xlsx?dl=0

Файлы на гитхабе начинаются на: "multi_wordmixed"

Словарь	AAN	NAN	ANN	NNA	NNAN	NPN	Итого
BTS	707	1937	482	156	281	2034	5597
efrem	806	2234	871	822	334	2619	7686
ozhshv	736	1038	431	93	155	1570	4023
babenko	51	103	42	22	22	65	305
mas	547	1370	363	110	192	1589	4171
usakov	481	1253	280	65	139	1752	3970

Словарь	AAN	NAN	ANN	NNA	NNAN	NPN	Итого
BTS	13%	35%	9%	3%	5%	36%	5597
efrem	10%	29%	11%	11%	4%	34%	7686
ozhshv	18%	26%	11%	2%	4%	39%	4023
babenko	17%	34%	14%	7%	7%	21%	305
mas	13%	33%	9%	3%	5%	38%	4171
usakov	12%	32%	7%	2%	4%	44%	3970