class RawModelData:
def __init__(self, tagging_order, emission_order):
self.stat = Statistics() # Statistics about trainig
# Címkék ngram modellje
self.tag_ngram_model = NGramModel(tagging_order + 1)
# Eredeti szóalakok és a megelőző cimkék modellje
self.std_emission_ngram_model = NGramModel(emission_order + 1)
# Speciális tokenek és a megelőző cimkék modellje
self.spec_emission_ngram_model = NGramModel(2)
self.eos_tag = None
# Lemma suffix gyakorisági táblázat (HashLemmaTree volt.)
self.lemma_suffix_tree = HashSuffixTree(100)
# Lemma gyakorisági táblázat
self.lemma_freq_tree = HashSuffixTree(5)
# Lemma gyakorisági táblázat
self.lemma_unigram_model = LemmaUnigramModel()
# Szóalakok suffix gyakorisági táblázata kis- és nagybetűérzékenyen.
self.lower_suffix_tree = None # HashSuffixTree(0)
self.upper_suffix_tree = None # HashSuffixTree(0)
self.lemma_lambdas = list()
# LogLinearBiCombiner a guesserből és az unigram modellből származó adatok kombinálásához.
from purepos.model.combiner import default_combiner
self.combiner = default_combiner()
def compile(self) -> CompiledModelData:
c = CompiledModelData()
c.unigram_lemma_model = self.lemma_unigram_model
c.tag_transition_model = self.tag_ngram_model.create_probability_model(
)
c.standard_emission_model = self.std_emission_ngram_model.create_probability_model(
)
c.spec_tokens_emission_model = self.spec_emission_ngram_model.create_probability_model(
)
c.apriori_tag_probs = self.tag_ngram_model.word_apriori_probs()
theta = HashSuffixTree.calculate_theta(c.apriori_tag_probs)
c.lower_case_suffix_guesser = self.lower_suffix_tree.create_guesser(
theta)
c.upper_case_suffix_guesser = self.upper_suffix_tree.create_guesser(
theta)
c.lemma_guesser = self.lemma_suffix_tree.create_guesser(theta)
c.suffix_lemma_model = self.lemma_freq_tree.create_guesser(theta)
c.combiner = self.combiner
return c
def __init__(self, tagging_order, emission_order):
self.stat = Statistics() # Statistics about trainig
# Címkék ngram modellje
self.tag_ngram_model = NGramModel(tagging_order + 1)
# Eredeti szóalakok és a megelőző cimkék modellje
self.std_emission_ngram_model = NGramModel(emission_order + 1)
# Speciális tokenek és a megelőző cimkék modellje
self.spec_emission_ngram_model = NGramModel(2)
self.eos_tag = None
# Lemma suffix gyakorisági táblázat (HashLemmaTree volt.)
self.lemma_suffix_tree = HashSuffixTree(100)
# Lemma gyakorisági táblázat
self.lemma_freq_tree = HashSuffixTree(5)
# Lemma gyakorisági táblázat
self.lemma_unigram_model = LemmaUnigramModel()
# Szóalakok suffix gyakorisági táblázata kis- és nagybetűérzékenyen.
self.lower_suffix_tree = None # HashSuffixTree(0)
self.upper_suffix_tree = None # HashSuffixTree(0)
self.lemma_lambdas = list()
# LogLinearBiCombiner a guesserből és az unigram modellből származó adatok kombinálásához.
from purepos.model.combiner import default_combiner
self.combiner = default_combiner()
class RawModelData:
def __init__(self, tagging_order, emission_order):
self.stat = Statistics() # Statistics about trainig
# Címkék ngram modellje
self.tag_ngram_model = NGramModel(tagging_order + 1)
# Eredeti szóalakok és a megelőző cimkék modellje
self.std_emission_ngram_model = NGramModel(emission_order + 1)
# Speciális tokenek és a megelőző cimkék modellje
self.spec_emission_ngram_model = NGramModel(2)
self.eos_tag = None
# Lemma suffix gyakorisági táblázat (HashLemmaTree volt.)
self.lemma_suffix_tree = HashSuffixTree(100)
# Lemma gyakorisági táblázat
self.lemma_freq_tree = HashSuffixTree(5)
# Lemma gyakorisági táblázat
self.lemma_unigram_model = LemmaUnigramModel()
# Szóalakok suffix gyakorisági táblázata kis- és nagybetűérzékenyen.
self.lower_suffix_tree = None # HashSuffixTree(0)
self.upper_suffix_tree = None # HashSuffixTree(0)
self.lemma_lambdas = list()
# LogLinearBiCombiner a guesserből és az unigram modellből származó adatok kombinálásához.
from purepos.model.combiner import default_combiner
self.combiner = default_combiner()
def compile(self) -> CompiledModelData:
c = CompiledModelData()
c.unigram_lemma_model = self.lemma_unigram_model
c.tag_transition_model = self.tag_ngram_model.create_probability_model()
c.standard_emission_model = self.std_emission_ngram_model.create_probability_model()
c.spec_tokens_emission_model = self.spec_emission_ngram_model.create_probability_model()
c.apriori_tag_probs = self.tag_ngram_model.word_apriori_probs()
theta = HashSuffixTree.calculate_theta(c.apriori_tag_probs)
c.lower_case_suffix_guesser = self.lower_suffix_tree.create_guesser(theta)
c.upper_case_suffix_guesser = self.upper_suffix_tree.create_guesser(theta)
c.lemma_guesser = self.lemma_suffix_tree.create_guesser(theta)
c.suffix_lemma_model = self.lemma_freq_tree.create_guesser(theta)
c.combiner = self.combiner
return c
def __init__(self, tagging_order, emission_order):
self.stat = Statistics() # Statistics about trainig
# Címkék ngram modellje
self.tag_ngram_model = NGramModel(tagging_order + 1)
# Eredeti szóalakok és a megelőző cimkék modellje
self.std_emission_ngram_model = NGramModel(emission_order + 1)
# Speciális tokenek és a megelőző cimkék modellje
self.spec_emission_ngram_model = NGramModel(2)
self.eos_tag = None
# Lemma suffix gyakorisági táblázat (HashLemmaTree volt.)
self.lemma_suffix_tree = HashSuffixTree(100)
# Lemma gyakorisági táblázat
self.lemma_freq_tree = HashSuffixTree(5)
# Lemma gyakorisági táblázat
self.lemma_unigram_model = LemmaUnigramModel()
# Szóalakok suffix gyakorisági táblázata kis- és nagybetűérzékenyen.
self.lower_suffix_tree = None # HashSuffixTree(0)
self.upper_suffix_tree = None # HashSuffixTree(0)
self.lemma_lambdas = list()
# LogLinearBiCombiner a guesserből és az unigram modellből származó adatok kombinálásához.
from purepos.model.combiner import default_combiner
self.combiner = default_combiner()
