DESIGN: OSHB parsování morfologického tagu (rozvržení funkcí)

I. Obecné ustanovení návrhu programu na parsování OSHB morfollogických tagů

Zde je návrh funkcí pro parsování tagů OSHB:

1. parseMorphologicalTag(tag: str) -> dict:

   • Tato funkce přijímá celý morfologický tag jako vstup.
   • Prvním krokem je odříznutí znaku jazyka a uložení informace o jazyce (lang) do slovníku.
   • Následně se volají další pomocné funkce pro parsování jednotlivých morfologických oblastí.
   • Výstupem je slovník obsahující rozparsované informace o tagu.

2. parsePartOfSpeech(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující část řeči (Part of Speech).
   • Provádí parsování části řeči a ukládá ji do slovníku.
   • Vrací slovník obsahující rozparsované informace o části řeči.

3. parseVerbStemsHebrew(morph: str) -> dict: (nebo použít univerzální funkci parseVerbStem(morph: str, language: str, stem: str) -> dict:)
   

   • Tato funkce přijímá morfologickou část označující hebrejské verbální kmene (Verb stems).
   • Provádí parsování hebrejských verbálních kmenů a ukládá je do slovníku.
   • V případě potřeby může volat další pomocné funkce pro podrobnější parsování.

4. parseVerbStemsAramaic(morph: str) -> dict: (nebo použít univerzální funkci parseVerbStem(morph: str, language: str, stem: str) -> dict:)

   • Tato funkce přijímá morfologickou část označující aramejské verbální kmene (Verb stems).
   • Provádí parsování aramejských verbálních kmenů a ukládá je do slovníku.
   • V případě potřeby může volat další pomocné funkce pro podrobnější parsování.

5. parseVerbConjugationTypes(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující typy slovesných konjugací (Verb conjugation types).
   • Provádí parsování typů konjugace sloves a ukládá je do slovníku.

6. parseAdjectiveTypes(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující typy přídavných jmen (Adjective types).
   • Provádí parsování typů přídavných jmen a ukládá je do slovníku.

7. parseNounTypes(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující typy podstatných jmen (Noun types).
   • Provádí parsování typů podstatných jmen a ukládá je do slovníku.

8. parsePronounTypes(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující typy zájmen (Pronoun types).
   • Provádí parsování typů zájmen a ukládá je do slovníku.

9. parsePrepositionTypes(morph: str) -> dict:

   • Tato funkce přijímá morfologickou část označující typy předložek (Preposition types).
   • Provádí parsování typů předložek a ukládá je do slovníku.

10. parseSuffixTypes(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující typy přípon (Suffix types).
    • Provádí parsování typů přípon a ukládá je do slovníku.

11. parseParticleTypes(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující typy částic (Particle types).
    • Provádí parsování typů částic a ukládá je do slovníku.

12. parsePerson(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující osobu (Person).
    • Provádí parsování informace o osobě a ukládá ji do slovníku.

13. parseGender(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující rod (Gender).
    • Provádí parsování informace o rodu a ukládá ji do slovníku.

14. parseNumber(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující číslo (Number).
    • Provádí parsování informace o čísle a ukládá ji do slovníku.

15. parseState(morph: str) -> dict:

    • Tato funkce přijímá morfologickou část označující stav (State).
    • Provádí parsování informace o stavu a ukládá ji do slovníku.

Při parsování tagu se nejprve volá funkce parseMorphologicalTag(), která využívá další pomocné funkce pro parsování jednotlivých oblastí morfologie. Každá z těchto funkcí přijímá relevantní morfologickou část, provádí její parsování a ukládá rozparsované informace do slovníku.

II.  Ustanovení ohledně parsování verbálního stemu - lépší je univerzální funkce

User note: "Informace obsažené v tagu OSHB jsou pro všechny stemy shodného typu, tzn. parsování by mělo probíhat stejným způsobem ať je stem jakýkoliv, ať je jazyk H nebo A."

Informace obsažené v tagu OSHB jsou pro všechny stemy stejného typu (např. všechny hebrejské verbální kmeny "qal" mají stejné informace) a není třeba provádět další parsování na základě písmene verbálního kmene.

V takovém případě by mohla existovat jediná univerzální funkce pro parsování verbálních kmenů, která by extrahovala požadované informace na základě celé morfologické části tagu. Písmeno verbálního kmene by se v této funkci pouze použilo pro identifikaci typu kmene a rozhodnutí, jaké informace jsou s ním spojeny.

Například:

• parseVerbStem(morph: str, language: str, stem: str) -> dict:
  • Tato univerzální funkce by přijímala morfologickou část, jazyk a typ verbálního kmene jako vstupy a vrátila by slovník obsahující informace o verbálním kmenu.
  • Na základě písmene verbálního kmene a jazyka by se v této funkci rozhodlo, jaké informace mají být extrahovány a vráceny.
  • Funkce by mohla obsahovat podmínky nebo přepínače (IF/SWITCH) pro různé kombinace písmen kmene a jazyka a na jejich základě by vrátila požadované informace.

III.  Možná pole pro ukládání dat ve skriptovacích jazycích

Navrhuji následující strukturu pro asociativní pole nebo objekt, která by umožnila uložení naparsovaných informací z tagu OSHB:

1. Python:

python

parsed_data = {
    'lang': '',
    'verb_stem_hebrew': '',
    'verb_stem_aramaic': '',
    'conjugation_type': '',
    'adjective_type': '',
    'noun_type': '',
    'pronoun_type': '',
    'preposition_type': '',
    'suffix_type': '',
    'particle_type': '',
    'person': '',
    'gender': '',
    'number': '',
    'state': ''
}

2. Perl:

perl

my %parsed_data = (
    'lang' => '',
    'verb_stem_hebrew' => '',
    'verb_stem_aramaic' => '',
    'conjugation_type' => '',
    'adjective_type' => '',
    'noun_type' => '',
    'pronoun_type' => '',
    'preposition_type' => '',
    'suffix_type' => '',
    'particle_type' => '',
    'person' => '',
    'gender' => '',
    'number' => '',
    'state' => ''
);

3. Bash:

bash

declare -A parsed_data=(
    ['lang']=''
    ['verb_stem_hebrew']=''
    ['verb_stem_aramaic']=''
    ['conjugation_type']=''
    ['adjective_type']=''
    ['noun_type']=''
    ['pronoun_type']=''
    ['preposition_type']=''
    ['suffix_type']=''
    ['particle_type']=''
    ['person']=''
    ['gender']=''
    ['number']=''
    ['state']=''
)

4. AWK:

awk

parsed_data["lang"] = ""
parsed_data["verb_stem_hebrew"] = ""
parsed_data["verb_stem_aramaic"] = ""
parsed_data["conjugation_type"] = ""
parsed_data["adjective_type"] = ""
parsed_data["noun_type"] = ""
parsed_data["pronoun_type"] = ""
parsed_data["preposition_type"] = ""
parsed_data["suffix_type"] = ""
parsed_data["particle_type"] = ""
parsed_data["person"] = ""
parsed_data["gender"] = ""
parsed_data["number"] = ""
parsed_data["state"] = ""

5. JavaScript:

javascript

let parsed_data = {
    'lang': '',
    'verb_stem_hebrew': '',
    'verb_stem_aramaic': '',
    'conjugation_type': '',
    'adjective_type': '',
    'noun_type': '',
    'pronoun_type': '',
    'preposition_type': '',
    'suffix_type': '',
    'particle_type': '',
    'person': '',
    'gender': '',
    'number': '',
    'state': ''
};

Tato struktura umožňuje uložit naparsované informace z tagu OSHB na příslušné klíče nebo vlastnosti. Každý klíč nebo vlastnost odpovídá určitému typu informace z tagu OSHB. Před použitím stačí přiřadit hodnoty těmto klíčům nebo vlastnostem na základě provedeného parsování.

IV.  Možná pole pro ukládání dat ve Delphi 7 nebo C++ (Visual Studio 2010)

Delphi 7:

delphi

var
  parsed_data: TStringList;
begin
  parsed_data := TStringList.Create;
  parsed_data.Values['lang'] := '';
  parsed_data.Values['verb_stem_hebrew'] := '';
  parsed_data.Values['verb_stem_aramaic'] := '';
  parsed_data.Values['conjugation_type'] := '';
  parsed_data.Values['adjective_type'] := '';
  parsed_data.Values['noun_type'] := '';
  parsed_data.Values['pronoun_type'] := '';
  parsed_data.Values['preposition_type'] := '';
  parsed_data.Values['suffix_type'] := '';
  parsed_data.Values['particle_type'] := '';
  parsed_data.Values['person'] := '';
  parsed_data.Values['gender'] := '';
  parsed_data.Values['number'] := '';
  parsed_data.Values['state'] := '';
end;

C++ (Visual Studio 2010):

cpp

#include <map>
#include <string>

std::map<std::string, std::string> parsed_data;
parsed_data["lang"] = "";
parsed_data["verb_stem_hebrew"] = "";
parsed_data["verb_stem_aramaic"] = "";
parsed_data["conjugation_type"] = "";
parsed_data["adjective_type"] = "";
parsed_data["noun_type"] = "";
parsed_data["pronoun_type"] = "";
parsed_data["preposition_type"] = "";
parsed_data["suffix_type"] = "";
parsed_data["particle_type"] = "";
parsed_data["person"] = "";
parsed_data["gender"] = "";
parsed_data["number"] = "";
parsed_data["state"] = "";

Toto jsou upravené verze kódu, které by měly být kompatibilní s Delphi 7 a C++ ve Visual Studio 2010.