Linguistica computazionale

Questa pagina è in sola lettura. Puoi visualizzare il sorgente, ma non puoi modificarlo. Contatta l'amministratore se pensi che ci sia un errore.
====== Struttura di un documento xml ======
===== Elementi e attributi =====

Un documento xml è composto di //**elementi**// strutturati come segue:
<code xml>
<tipo_elemento>...</tipo_elemento>
</code>
----
A un elemento possono essere associati dei valori determinati di specifici //**attributi**// secondo la sintassi seguente:
<code xml>
<tipo_elemento nome_attributo1="valore_attributo1" nome_attributo2="valore_attributo2"...>...</tipo_elemento>
</code>
---- 
Un elemento può contenere del testo.
<code xml>
<tipo_elemento>testo</tipo_elemento>

</code>
---- 
Un elemento può contenere altri elementi.
<code xml>
<tipo_elemento>
    <tipo_elemento>...</tipo_elemento>
    <tipo_elemento>...</tipo_elemento>
    ...
</tipo_elemento>
</code>
---- 
Un elemento può non contenere nulla.
<code xml>

<tipo_elemento/>
</code>
===== Esempi tratti da corpora annotati =====
Un esempio dal [[http://nlp.perseus.tufts.edu/syntax/treebank/|Latin Dependency Treebank]].
>//Id fieri posse, si suas copias Haedui in fines Bellovacorum introduxerint et eorum agros populari coeperint. His datis mandatis eum a se dimittit.//
<code xml >
<treebank>
    [...]
    <sentence id="17" document_id="Perseus:text:1999.02.0002" subdoc="Book=2:chapter=5" span="Id0:coeperint0">
        <word id="1" form="Id" lemma="is1" postag="p-s---na-" head="3" relation="SBJ" />
        <word id="2" form="fieri" lemma="fio1" postag="v--pnp---" head="3" relation="OBJ" />
        <word id="3" form="posse" lemma="possum1" postag="v--pna---" head="0" relation="ExD" />
        <word id="4" form="," lemma="comma1" postag="u--------" head="5" relation="AuxX" />
        <word id="5" form="si" lemma="si1" postag="c--------" head="2" relation="AuxC" />
        <word id="6" form="suas" lemma="suus1" postag="a-p---fa-" head="7" relation="ATR" />
        <word id="7" form="copias" lemma="copia1" postag="n-p---fa-" head="12" relation="OBJ" />
        <word id="8" form="Haedui" lemma="Aedui1" postag="n-p---mn-" head="12" relation="SBJ" />
        <word id="9" form="in" lemma="in1" postag="r--------" head="12" relation="AuxP" />
        <word id="10" form="fines" lemma="finis1" postag="n-p---ma-" head="9" relation="OBJ" />
        <word id="11" form="Bellovacorum" lemma="Bellovaci1" postag="n-p---mg-" head="10" relation="ATR" />
        <word id="12" form="introduxerint" lemma="introduco1" postag="v3ptia---" head="13" relation="ADV_CO" />
        <word id="13" form="et" lemma="et1" postag="c--------" head="5" relation="COORD" />
        <word id="14" form="eorum" lemma="is1" postag="p-p---mg-" head="15" relation="ATR" />
        <word id="15" form="agros" lemma="ager1" postag="n-p---ma-" head="16" relation="OBJ" />
        <word id="16" form="populari" lemma="populor1" postag="v--pnp---" head="17" relation="OBJ" />
        <word id="17" form="coeperint" lemma="coepio1" postag="v3ptia---" head="13" relation="ADV_CO" />
    </sentence>
    <sentence id="18" document_id="Perseus:text:1999.02.0002" subdoc="Book=2:chapter=5" span="His1:dimittit0">
        <word id="1" form="His" lemma="hic1" postag="p-p---nb-" head="3" relation="ATR" />
        <word id="2" form="datis" lemma="do1" postag="t-prppnb-" head="7" relation="ADV" />
        <word id="3" form="mandatis" lemma="mandatum1" postag="n-p---nb-" head="2" relation="SBJ" />
        <word id="4" form="eum" lemma="is1" postag="p-s---ma-" head="7" relation="OBJ" />
        <word id="5" form="a" lemma="ab1" postag="r--------" head="7" relation="AuxP" />
        <word id="6" form="se" lemma="sui1" postag="p-s---mb-" head="5" relation="OBJ" />
        <word id="7" form="dimittit" lemma="dimitto1" postag="v3spia---" head="0" relation="PRED" />
    </sentence>
    [...]
</treebank>

</code>

----
Un esempio dal corpus sloveno [[http://nl.ijs.si/jos/jos100k-en.html|jos100k]]. 
>//Večjega občutka sreče si ni mogoče predstavljati.//'Gioia più grande non si può immaginare.' 
Si noti che mentre nell'esempio precedente le   parole di cui si compone il testo sono inserite come valore dell'attributo 'form' degli elementi 'word', in questo esempio le parole di cui si compone il testo sono inserite come testi contenuti negli elementi 'w'.
<code xml>
[...]
<s xml:id="F0002008.72.10" n="7 8">
    <w xml:id="F0002008.72.10.1" lemma="velik" msd="Pppmer">Večjega</w>
    <S/>
    <w xml:id="F0002008.72.10.2" lemma="občutek" msd="Somer">občutka</w>
    <S/>
    <w xml:id="F0002008.72.10.3" lemma="sreča" msd="Sozer">sreče</w>
    <S/>
    <w xml:id="F0002008.72.10.4" lemma="se" msd="Zp---d--k">si</w>
    <S/>
    <w xml:id="F0002008.72.10.5" lemma="biti" msd="Gp-ste-d">ni</w>
    <S/>
    <w xml:id="F0002008.72.10.6" lemma="mogoče" msd="Rsn">mogoče</w>
    <S/>
    <w xml:id="F0002008.72.10.7" lemma="predstavljati" msd="Ggnn">predstavljati</w>
    <c xml:id="F0002008.72.10.8">.</c>
    <S/>
</s>
[...]
</code>

====== Struttura di un documento json ======
== Un documento json può contenere: ==

Un dizionario, delimitato da {}

Una lista, delimitata da []

Le stringhe sono delimitate da apici doppi ""

== Un dizionario contiene: ==

Una collezione di coppie di "chiavi" e "valori"; ogni chiave è seguita dai due punti e quindi dal suo valore; ogni coppia chiave-valore è separata dalla successiva (se presente) per mezzo di una virgola

Una chiave di un dizionario è una stringa

Un valore di un dizionario può essere: un dizionario, una lista, stringa, un numero, un booleano, o null.

== Una lista contiene: ==

Una collezione di elementi; ogni elemento è separato dal successivo (se presente) per mezzo di una virgola

Un elemento di una lista può essere: un dizionario, una lista, una stringa, un numero, un booleano, o null.


Per ottenere un json da un parsing effettuato con spacy:

installare spacy da terminale con:

pip install spacy

python -m spacy download it_core_news_sm


nella shell di python:
<code>
import spacy, json
nlp = spacy.load("it_core_news_sm")
doc = nlp("Il cane di Luigi ha rotto il vetro")
print(json.dumps(doc.to_json()))
</code>
Linguistica computazionale

Strumenti Utente

Strumenti Sito

Strumenti Pagina
