Se placer dans le dossier resolution-coreferences-pronominales-git et lancer la commande suivante :
sh ./install.sh
Pour exécuter une démonstration sur une phrase il suffit de se placer dans le dossier resolution-coreferences-pronominales-git et lancer la commande suivante :
python3 ./resolution_coreferences_pronominales/__main__.py
Le fichier uninstall.sh sera créé après l'exécution de install.sh.
uninstall.sh déinstallera les packages python qui n'étaient pas présents sur l'ordinateur avant l'exécution de install.sh.
Pour désinstaller :
Se placer dans le dossier resolution-coreferences-pronominales-git et lancer la commande suivante :
sh ./uninstall.sh
Il y a 2 fichiers principaux qui contiennent les fonctions suivantes :
- extraction_mot.py
mot_sans_espaces(mot: str)
Rend le mot sans espaces
Il n'y a pas de raison d'utiliser cette fonction seuleconversion_mot(rq_word: str)
Rend rq_word sous la forme acceptée dans le lien de REZO-DUMP
Il n'y a pas de raison d'utiliser cette fonction seuleextraction_html(rq_word: str, type_relation: str)
Rend le code html correspondant depuis REZO-DUMP
Il n'y a pas de raison d'utiliser cette fonction seulerelations_mot(mot: str, type_relation: str, cache: bool)
Prend le mot, le type de la relation (pour toutes les relations alors type_relation = 'all') et cache (True ou False).
Rend une liste de listes des relations du mot, récupérées sur jeuxdemots.org, chaque sous-liste contenant dans l'ordre :- le nom de l'autre noeud (mot avec lequel 'mot' est en relation)
- le numero du type de la relation
- poids de la relation
- sortante/entrante
relations_entre_mots(mots: list, cache: bool)
mots : liste des mots qui nous intéressent, ex : ["eau", "rivière", "profond"]
cache : True si on veut utiliser le cache, False sinon
Rend une liste avec toutes les relations entre les mots de la listevider_cache()
Vide le dossier cachesupprimer_cache()
Supprime le dossier cache
- traitements_phrase.py
informations_pronoms(phrase: str or spacy.tokens.doc.Doc)
Prend une phrase (de type str ou spacy.tokens.doc.Doc) et retourne des informations sur ses pronoms
Tous les mots sont lemmatisés
Quelques informations sur ce qu'on peut voir dans infos[2]
obj/obl : à quoi fait référence le verbe (ex : "Le chien s'est cassé le museau", "museau" : obj de "cassé")
ROOT : le verbe (racine)
xcomp : complément qui donne du sens au verbe (ex : "Le chien va(ROOT) retenir(xcomp) la leçon")
sens : relation sortante/entrante (ex : "Le chien est tombé dans le puits. Il est(sortante) profond.")
Rend infos, une liste de taille 3 composé de :- infos[0] = le pronom (str)
- infos[1] = [antécédents possibles] (list)
- infos[2] = {d'autres infos sur le pronom, comme le verbe, le COD...} (dictionary). infos[2] peut contenir des dictionnaires, par exemple dans le cas où on a un 'xcomp' : lorsqu'on arrive sur 'xcomp' on crée un nouveau dictionnaire dans lequel on met des informations sur 'xcomp'
Exemple de ce que peut rendre la fonction:
phrase = "Le chien a mordu l'humain. Il lui a cassé le museau. Il va retenir la leçon."
traitements_phrase.informations_pronoms(phrase)
Rend :[
['Il', ['chien', 'humain'], {'ROOT': 'casser', 'sens': 'sortante'}],
['lui', ['chien', 'humain'], {'ROOT': 'casser', 'sens': 'entrante', 'obj': 'museau'}],
['Il', ['chien', 'humain', 'museau'], {'ROOT': 'aller', 'sens': 'sortante', 'xcomp': ['retenir', {'obj': 'leçon'}]}]
]
coreferences_phrase(phrase: str or spacy.tokens.doc.Doc, cache: bool)
Cette fonction est le but final du projet
Prend une phrase (de type str ou spacy.tokens.doc.Doc) et retourne à quoi correspond chaque pronom
Rend une liste de listes, contenant autant de sous-listes qu'il y a de pronoms dans la phrase. Dans chaque sous-liste on retrouve un pronom et le mot auquel il fait référence.affichier_antecedents_dans_phrase(phrase: str, cache: bool)
Utilise la fonctioncoreferences_phrase()pour :
Rend un str contenant la phrase avec les références des pronoms juste à coté des pronoms.
Ex : "Le chien est tombé dans le puits. Il(chien) s'est cassé le museau."