MWE list (num)

[fcbr]

continuation of #110

POSMWE=NUM
deprel: flat
Composição interna: NUM CONJ NUM

cento_e_quatro
cinquenta_e_três
Setenta_e_cinco
Trinta_e_sete

POSMWE=NUM
deprel: flat
Composição interna: NUM NUM

meia_dúzia

[arademaker]

Neste caso, parece que o código de @fcbr não verifica a relação prévia entre os tokens das MWEs, bastando, para aplicar a transformação, que os tokens da MWE estejam em sequência.

?a:[form= "cento"] . ?b:[form="e"] . ?c:[form = "quatro"] =>
?a:[pos=NUM, misc + "MWEPOS=NUM"] ?b:[pos=CCONJ] ?c:[pos=NUM]
+flat(?b,?a) +flat(?c,?a)

Neste caso, introduzi o operador . para diferenciar a simples justaposição de padrões no lado esquerdo da regra. A idéia é que P . Q faz match quando o padrão P ocorre seguido do padrão Q. Enquanto a notação com espaço P Q não impõe qualquer ordem relativa do P e Q, os espaços entre padrões formam uma "sopa" de padrões que devem ser satisfeitos para aplicação da regra. Em outras palavras, o espaço é associativo e comutativo, mas o ponto é apenas associativo.

Também não estou preocupado em remover nenhuma relação prévia entre os tokens envolvidos, dado que a inclusão das relações flat irá, de qualquer forma, sobreescrever os valores de deprel e head dos tokens ?b e ?c.

Do comentário inicial do issue, entendi que a composição interna não é critério de match mas desejável output, é isso?

Correto @fcbr ?

[fcbr]

@arademaker sim, eu verifico a composicao interna da MWE para me certificar que ha' apenas um ponto de "saida": https://github.com/own-pt/bosque-UD/blob/master/scripts/fix-issue-118.lisp#L24-L34

[fcbr]

@arademaker o codigo busca pela MWE no campo MISC. Entao acho que a regra apropriada seria algo como:

?a:[form= "cento", misc = "MWE=cento_e_quatro"] . ?b:[form="e"] . ?c:[form = "quatro"] =>
?a:[pos=NUM, misc + "MWEPOS=NUM"] ?b:[pos=CCONJ] ?c:[pos=NUM]
+flat(?b,?a) +flat(?c,?a)

Mas, tambem relacionado com o meu comentario acima, em geral um problema com as regras acima e' que qualquer um dos tokens da MWE pode ser a "saida" (ie., qual o head e qual o deprel). Temos que obter este valor para que a raiz da MWE aponte para o mesmo lugar, com a mesma deprel.

[arademaker]

Nas regras, como em geral é feito em sistema de reescrita, as variáveis do lado esquerdo são implicitamente quantificadas universalmente (forall). Isto quer dizer que quando escrevemos:

?a:[...] ?b:[...] => ...

Queremos todos os bindings possíveis para as variáveis ?a e ?b que satisfazem o padrão à esquerda da query. Na verificação destacada pelo @fcbr em https://github.com/own-pt/bosque-UD/blob/master/scripts/fix-issue-118.lisp#L24-L34 parece que precisamos de quantificações explicitas para dizer algo como: "não existe mais de um token conectado a algum dos tokens mencionados no padrão".

Um verificação seria como abaixo, mas ainda não estou satisfeito não, talvez alguns operadores de SPARQL possam dar alguma idéia.

?a:[form= "cento", misc = "MWE=cento_e_quatro"] . ?b:[form="e"] . ?c:[form = "quatro"] 
?r1(?z,?x) ?r2(?z,?y) in(?z, (?a ?b ?c))
 =>
ERROR

Em tempo, temos que pensar com um pouco mais de cuidado sobre esta semâtica de quantificação implicita. Acho que nas verificações, intuitivamente usamos a interpretação de quantificação existencial e não universal.

Vamos precisar de expressividade equivalente para testar propriedades globais das sentenças como "toda sentença deve ter um root e apenas um".