depender.py - Fleiri en ein rót í CoNLL-U úttaki

[hinrikur]

Dæmi:
Ath. að lína 4 á að vera eina rótin en 16 er það líka

# sent_id = 1920.arin.rel-ser.psd_361_65438
1	Sama	samur	_	ADJ-N	_	3	amod	_	_
2	undursamlega	undursamlegur	_	ADJ-N	_	3	amod	_	_
3	vandvirknin	vandvirkni	_	N-N	_	4	nsubj	_	_
4	kemur	koma	_	VBPI	_	0	root	_	_
5	fram	fram	_	RP	_	4	compound:prt	_	_
6	í	í	_	P	_	7	case	_	_
7	gerð	gerð	_	N-A	_	4	obl	_	_
8	minnstu	minni	_	ADJS-G	_	9	amod	_	_
9	vallargrasanna	vallargras	_	NS-G	_	7	nmod:poss	_	_
10	sem	sem	_	C	_	11	mark	_	_
11	í	í	_	P	_	4	advcl	_	_
12	myndun	myndun	_	N-D	_	11	obl	_	_
13	sólkerfanna	sólkerfi	_	NS-G	_	12	nmod:poss	_	_
14	,	,	_	,	_	4	punct	_	_
15	í	í	_	P	_	4	conj	_	_
16	vængjum	vængur	_	NS-D	_	0	root	_	_
17	minnsta	minni	_	ADJS-G	_	18	amod	_	_
18	fiðrildisins	fiðrildi	_	N-G	_	16	nmod:poss	_	_
19	sem	sem	_	C	_	20	mark	_	_
20	heilabúi	heilabúi	_	N-N	_	16	advcl	_	_
21	mesta	mikill	_	QS-G	_	22	amod	_	_
22	gáfumannsins	gáfumaður	_	N-G	_	20	nmod:poss	_	_
23	.	.	_	.	_	4	punct	_	_

[hinrikur]

Vandamál

Í IcePaHC formgerðinni eru göt í setningunni (þar sem t.d. sögn er sleppt) merkt með einkennisnúmerum í taggi setningar (t.d. IP-MAT=1 bendir á nærliggjandi setninunga IP-MAT-1 og aðalsögnina í henni). depender.py nær ekki utan um þetta eins og er.

hér er tréð sem hausinn er valinn úr í keyrslunni og hausareglan sem er notuð
(Ath hausareglan er default reglan, þ.e. engin regla fannst)

(2, 0) (IP-MAT=1
  (PP
    (P í-í)
    (NP
      (NS-D vængjum-vængur)
      (NP-POS (ADJS-G minnsta-minni) (N-G fiðrildisins-fiðrildi))))
  (CP-ADV
    (WADVP-3 0)
    (C sem-sem)
    (IP-SUB
      (ADVP *T*-3)
      (PP
        (P )
        (NP
          (N-N heilabúi-heilabúi)
          (NP-POS (QS-G mesta-mikill) (N-G gáfumannsins-gáfumaður))))))) IP-MAT=1

{'dir': 'r', 'rules': ['.*']}

16

[hinrikur]

Hugmyndir:

• Snúa default reglu við, þannig leitað er til vinstri (dir='l') en ekki til hægri eins og núna (sjá komment á viðeigandi stað í kóða
• Breyta algrími í _select_head() fallinu þannig hann velur ekki vitlausan haus (líklega í gegnum breyttar hausareglur).
• Breyta ferli innan í create_dependency_graph þannig ef haus er valinn í setningu með =1 í taggi komi a. ekkert ('_') eða b. auðþekkjanlegt merki. Rétt vensl væru síðan sett inn eftirá (ekki góð lausn)

[hinrikur]

Sjá hér fyrir tölur

[hinrikur]

Búið að ganga frá langflestum villum með því að senda undirtré aftur í gegnum hausaval eftir fyrsta hausavalið:

        # head selection
        for i in const:

            # Catch index referenced sentences in treebank
            if re.match('=\d', t[i].label()[-2:]):# or t[i].label() == 'CONJP
                clause_index = t[i].label()[-1]
                # re.match('\d', t[i].label()[-2:])
                for j in const + singles:
                    if re.match(f'-{clause_index}', t[j].label()[-2:]):
                        if isinstance(t[j][0], str):
                            t[i].set_id(t[j].id())
                        else:
                            self._select_head(t[i], main_clause=t[j])

            else:
                self._select_head(t[i])

        # fixes subtrees with 1 child but wrong id
        for i in singles:
            if isinstance(t[i][0], Tree) and t[i].id() != t[i][0].id():

                if re.match('=\d', t[i].label()[-2:]):
                    # print('\nMain Clause indicated\n')
                    clause_index = t[i].label()[-1]
                    # re.match('\d', t[i].label()[-2:])
                    for j in const:
                        if re.match(f'-{clause_index}', t[j].label()[-2:]):
                            self._select_head(t[i][0], main_clause=t[j])
                else:
                    t[i].set_id(t[i][0].id())

Þetta skilar betri niðurstöðum en hægir á keyrslu. Þarf að optimisera.

[hinrikur]

Miðað við eftirstandandi dæmi myndi mögulega leysa málið að senda tré með =\d í taggi aftur í gegn um hausaval en það myndi hægja svakalega mikið á keyrslunni.