Blame view
tools/lia_ltbox/lia_ne_v2.2/src/postprocess_ne.c
7.72 KB
f34231730
add lia_ne + crf+...
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 |
/* Postprocess the NE according to simple heuristics */
/* FRED 1106 */
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <strings.h>
#include <lia_liblex.h>
/* ................................................................ */
#define TailleLigne 180000
#define True 1
#define False 0
void
ERREUR(char *ch1, char *ch2)
{
fprintf(stderr, "ERREUR : %s %s
", ch1, ch2);
exit(0);
}
/* ................................................................ */
#define NB_NP 10
char *T_NP[NB_NP] = {"CHIF", "XFAMIL", "XPAYFP", "XPAYFS", "XPAYMP", "XPAYMS", "XPREF", "XPREM", "XSOC", "XVILLE"};
char *T_NE[NB_NP] = {"AMOUNT", "PERS", "LOC", "LOC", "LOC", "LOC", "PERS", "PERS", "ORG", "LOC"};
#define IF_DIGIT(a) (((a)>='0')&&((a)<='9'))
#define IF_CAPITAL(a) (((a)>='A')&&((a)<='Z'))
char *T_day[] = {
"lundi", "mardi", "mercredi", "jeudi", "vendredi", "samedi", "dimanche",
"Lundi", "Mardi", "Mercredi", "Jeudi", "Vendredi", "Samedi", "Dimanche", ""
};
char *T_month[] = {
"janvier", "février", "mars", "avril", "mai", "juin", "juillet", "août", "septembre", "octobre", "novembre", "décembre",
"Janvier", "Février", "Mars", "Avril", "Mai", "Juin", "Juillet", "Août", "Septembre", "Octobre", "Novembre", "Décembre",
"fevrier", "Fevrier", "aout", "Aout", "decembre", "Decembre", ""
};
int
if_day(char *pt)
{
int i;
for (i = 0; (T_day[i][0]) && (strcmp(T_day[i], pt)); i++);
return (int) (T_day[i][0]);
}
int
if_month(char *pt)
{
int i;
for (i = 0; (T_month[i][0]) && (strcmp(T_month[i], pt)); i++);
return (int) (T_month[i][0]);
}
int
if_number_year(char *pt)
{
if ((strlen(pt) == 4) && ((!strncmp(pt, "19", 2)) || (!strncmp(pt, "20", 2))) && (IF_DIGIT(pt[2])) && (IF_DIGIT(pt[3])))
return True;
else
return False;
}
int
if_number_day(char *pt)
{
if ((pt[1] == '\0') && (IF_DIGIT(pt[0])))
return True;
if ((strlen(pt) == 2) && (IF_DIGIT(pt[1])) && (IF_DIGIT(pt[0])) && (pt[0] < '4'))
return True;
return False;
}
int
if_number_hour(char *pt)
{
if (((pt[0] == '0') || (pt[0] == '1')) && (IF_DIGIT(pt[1])) && (pt[2] == '\0'))
return True;
else
return False;
}
int
if_number_minute(char *pt)
{
if ((IF_DIGIT(pt[0])) && (pt[0] <= '6') && (IF_DIGIT(pt[1])) && (pt[2] == '\0'))
return True;
else
return False;
}
int
at_least_one_cap(char *pt)
{
int i;
for (i = 0; (pt[i]) && (!(IF_CAPITAL(pt[i]))); i++);
return (int) (pt[i]);
}
/* ................................................................ */
/*
* format: <s> la Chambre passe à l' étude du projet de loi <pers> C-202
* </pers> <pers> Loi </pers> modifiant le Code criminel fuite dont le comité
* a fait rapport avec une proposition d' amendement </s> <s> m. <pers> Dan
* McTeague </pers> <pers> Pickering--Ajax--Uxbridge </pers> <pers> Lib
* </pers> propose </s> <s> que le projet de loi soit agréé </s> <s> <prod>
* La motion est adoptée </prod> </s> <s> m. <pers> Dan McTeague </pers>
* propose </s> <s> que le projet de loi soit lu pour la troisième fois et
* adopté </s> <s> m. <pers> Raymond Bonin </pers> <pers> Nickel Belt </pers>
* <pers> Lib </pers> </s> <s> madame la Présidente j' appuie le projet de
* loi <pers> C-202 </pers> <pers> Loi </pers> modifiant le Code criminel
* fuite </s>
*/
#define MAX_SIZE_SENT 180000
int
main(int argc, char **argv)
{
char ch[TailleLigne], *t_sent[MAX_SIZE_SENT], *pt, *prevnetag;
int nb, lexid, i, indice, j, ifdone;
lexid = -1;
if (argc > 1)
for (nb = 1; nb < argc; nb++)
if (!strcmp(argv[nb], "-lex")) {
if (nb + 1 == argc)
ERREUR("an option must follow option:", argv[nb]);
lexid = load_lexicon(argv[++nb]);
} else if (!strcmp(argv[nb], "-h")) {
fprintf(stderr, "Syntax: %s [-h] -lex <lex_name.code>
", argv[0]);
exit(0);
} else
ERREUR("unknown option:", argv[nb]);
if (lexid == -1)
ERREUR("bad syntax, check '-h'", "");
for (nb = 0; fgets(ch, TailleLigne, stdin); nb++) {
for (pt = strtok(ch, " \t
"), i = 0; (i < MAX_SIZE_SENT) && (pt); i++, pt = strtok(NULL, " \t
"))
t_sent[i] = pt;
if (i == MAX_SIZE_SENT)
ERREUR("cste MAX_SIZE_SENT too small:", ch);
t_sent[i] = NULL;
for (i = 0; t_sent[i];) {
if (!strcmp(t_sent[i], "<s>")) {
printf("<s>");
i++;
} else if (!strcmp(t_sent[i], "</s>")) {
printf(" </s>
");
i++;
} else if (t_sent[i][0] != '<') { /* outside */
if (if_day(t_sent[i])) {
printf(" <TIME> %s", t_sent[i]);
i++;
if ((t_sent[i]) && (if_number_day(t_sent[i]))) {
printf(" %s", t_sent[i]);
i++;
if ((t_sent[i]) && (if_month(t_sent[i]))) {
printf(" %s", t_sent[i]);
i++;
if ((t_sent[i]) && (if_number_year(t_sent[i]))) {
printf(" %s", t_sent[i]);
i++;
}
}
}
printf(" </TIME>");
} else if ((t_sent[i + 1]) && (if_number_day(t_sent[i])) && (if_month(t_sent[i + 1]))) {
printf(" <TIME> %s %s", t_sent[i], t_sent[i + 1]);
i += 2;
if ((t_sent[i]) && (if_number_year(t_sent[i]))) {
printf(" %s", t_sent[i]);
i++;
}
printf(" </TIME>");
} else if (if_month(t_sent[i])) {
printf(" <TIME> %s", t_sent[i]);
i++;
if ((t_sent[i]) && (if_number_year(t_sent[i]))) {
printf(" %s", t_sent[i]);
i++;
}
printf(" </TIME>");
} else if (if_number_year(t_sent[i])) {
printf(" <TIME> %s </TIME>", t_sent[i]);
i++;
} else if ((if_number_hour(t_sent[i])) && (t_sent[i + 1]) && (!strcmp(t_sent[i + 1], "h")) && (t_sent[i + 2]) && (if_number_minute(t_sent[i + 2]))) {
printf(" <TIME> %s h %s </TIME>", t_sent[i], t_sent[i + 2]);
i += 3;
} else if ((if_number_hour(t_sent[i])) && (t_sent[i + 1]) && (!strcmp(t_sent[i + 1], "h"))) {
printf(" <TIME> %s h </TIME>", t_sent[i]);
i += 2;
} else if (word2code(lexid, t_sent[i], &indice)) {
if (indice >= NB_NP)
ERREUR("bad indice:", t_sent[i]);
prevnetag = T_NE[indice];
printf(" <%s> %s", prevnetag, t_sent[i]);
for (++i; (t_sent[i]) && (word2code(lexid, t_sent[i], &indice)) && (!strcmp(T_NE[indice], prevnetag)); i++)
printf(" %s", t_sent[i]);
printf(" </%s>", prevnetag);
} else { /* default */
printf(" %s", t_sent[i]);
i++;
}
} else {/* inside */
ifdone = False;
if ((!strcmp(t_sent[i], "<PERS>")) || (!strcmp(t_sent[i], "<GSP>")) || (!strcmp(t_sent[i], "<ORG>")) ||
(!strcmp(t_sent[i], "<LOC>")) && (!strcmp(t_sent[i], "<FAC>"))) {
/* if no capital at all, suppress */
for (j = i + 1; (t_sent[j]) && (t_sent[j][0] != '<') && (!(at_least_one_cap(t_sent[j]))); j++);
if (t_sent[j] == '\0')
ERREUR("YUOP::", t_sent[0]);
if (t_sent[j][0] != '<') { /* we check for « */
for (j = i + 1; (t_sent[j]) && (t_sent[j][0] != '<') && (!strstr(t_sent[j], "«")) && (!strstr(t_sent[j], "»")); j++);
if (t_sent[j][0] == '<') /* OK */
j = i + 1;
else /* suppress */
for (; (t_sent[j]) && (t_sent[j][0] != '<'); j++);
}
if (t_sent[j][0] == '<') { /* suppress */
for (++i; i < j; i++)
printf(" %s", t_sent[i]);
i++;
ifdone = True;
}
}
/* regles ad-hoc */
if (!ifdone) {
if ((t_sent[i + 1]) && (!strncmp(t_sent[i + 1], "C-", 2)) && (t_sent[i + 2]) && (t_sent[i + 2][0] == '<')) {
printf(" <PROD> %s </PROD>", t_sent[i + 1]);
i += 3;
} else if ((t_sent[i + 1]) && (t_sent[i + 2]) && (t_sent[i + 2][0] == '<') && (strstr(t_sent[i + 1], "--"))) {
printf(" <ORG> %s </ORG>", t_sent[i + 1]);
i += 3;
} else { /* default */
printf(" %s", t_sent[i]);
for (++i; (t_sent[i]) && (t_sent[i][0] != '<'); i++)
printf(" %s", t_sent[i]);
printf(" %s", t_sent[i]);
i++;
}
}
}
}
}
delete_lexicon(lexid);
exit(0);
}
|