PLP

Wrapper dla Pythona biblioteki CLP (Polski słownik języka fleksyjnego)

Instalacja

Przy użyciu pip (najlepiej z virtualenv'a):

$ pip install -e git+https://github.com/agh-glk/plp.git#egg=plp-dev

Uwaga: moduł do działania wymaga posiadania licencjonowanej bilbioteki CLP w systemie.

Użycie

Wszystkie metody (których nazwy analogiczne są do funkcji z bilbioteki CLP) dostępne są z poziomu obiektu klasy PLP:

from plp import PLP
p = PLP()

lub:

p = PLP('/sciezka/inna/do/clp.so')

Biblioteka przyjmuje tekstowe argumenty typu unicode oraz zwraca także type unicode tam gdzie wymagane są napisy (przykrywa tym samym fakt, że CLP pracuje wewnętrznie w kodowaniu ISO-8859-2).

Typowe użycie modułu to próba identyfikacji napisu jako formy fleksyjnej konkretnego wyrazu słownika. Wyrazy słownika identyfikowane są za pomocą liczby typu integer za pomocą metody rec(forma):

>>> p.rec(u'żółwiem')
[18660912]
>>> p.rec(u'zamkowi')
[18539600, 18539616, 18541616]

Możliwe jest tez odpytanie się bilbioteki o wyraz z uwzględnieniem błędów typu polonica. Służy do tego metoda orec(forma) (ogonkowy rec):

>>> p.rec(u'zolwiem')
[]
>>> p.orec(u'zolwiem')
[18660912]
>>> p.orec(u'żólwiem')
[18660912]

Zwracana jest lista identyfikatorów, ponieważ jeden napis moze odpowiadać wiecej niż jednemu elementowi słownika (element słownika stanowi jedna grupa fleksyjna).

Następnie za pomocą bform(id) możemy odpytać się o formę podstawową wyrazu, znając jego identyfikator:

>>> p.bform(18660912)
u'\u017c\xf3\u0142w'
>>> print p.bform(18660912)
żółw
>>> map(lambda x: p.bform(x), p.rec(u'zamkowi'))
[u'zamek', u'zamek', u'zamkowy']

Za pomocą metody label(id) można otrzymać etykiete gramatyczną wyrazu. Pierwsza litera etykiety koduje część mowy:

>>> p.label(18660912)
u'ABAABA'
>>> p.label(18660912)[0] == plp.PLP.CZESCI_MOWY.RZECZOWNIK
True

Możliwe jest także uzyskanie informacji na temat wektora odmiany danego wyrazu. Metoda forms(id) zwraca wektor odmiany w postaci listy napisów:

>>> p.forms(17724032)
[u'pies', u'psa', u'psu', u'psem', u'psie', u'psy', u'ps\xf3w', u'psom', u'psami', u'psach']

Metoda vec(id, forma) zwraca listę zawierającą pozycję wektora fleksyjnego na której występuje dla danego wyrazu dana forma:

>>> p.vec(17724032, u'psu')
[3]

Uwaga: Wektor odmiany liczony jest od 1 (a nie jak index listy od 0). Wynika to z konwencji lingiwstycznej w przyjętej w CLP.