home *** CD-ROM | disk | FTP | other *** search
/ OS/2 Shareware BBS: Multimed / Multimed.zip / fest-141.zip / festival / lib / pos.scm < prev    next >
Lisp/Scheme  |  1999-06-17  |  9KB  |  226 lines
  1. ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
  2. ;;;                                                                       ;;
  3. ;;;                Centre for Speech Technology Research                  ;;
  4. ;;;                     University of Edinburgh, UK                       ;;
  5. ;;;                       Copyright (c) 1996,1997                         ;;
  6. ;;;                        All Rights Reserved.                           ;;
  7. ;;;                                                                       ;;
  8. ;;;  Permission is hereby granted, free of charge, to use and distribute  ;;
  9. ;;;  this software and its documentation without restriction, including   ;;
  10. ;;;  without limitation the rights to use, copy, modify, merge, publish,  ;;
  11. ;;;  distribute, sublicense, and/or sell copies of this work, and to      ;;
  12. ;;;  permit persons to whom this work is furnished to do so, subject to   ;;
  13. ;;;  the following conditions:                                            ;;
  14. ;;;   1. The code must retain the above copyright notice, this list of    ;;
  15. ;;;      conditions and the following disclaimer.                         ;;
  16. ;;;   2. Any modifications must be clearly marked as such.                ;;
  17. ;;;   3. Original authors' names are not deleted.                         ;;
  18. ;;;   4. The authors' names are not used to endorse or promote products   ;;
  19. ;;;      derived from this software without specific prior written        ;;
  20. ;;;      permission.                                                      ;;
  21. ;;;                                                                       ;;
  22. ;;;  THE UNIVERSITY OF EDINBURGH AND THE CONTRIBUTORS TO THIS WORK        ;;
  23. ;;;  DISCLAIM ALL WARRANTIES WITH REGARD TO THIS SOFTWARE, INCLUDING      ;;
  24. ;;;  ALL IMPLIED WARRANTIES OF MERCHANTABILITY AND FITNESS, IN NO EVENT   ;;
  25. ;;;  SHALL THE UNIVERSITY OF EDINBURGH NOR THE CONTRIBUTORS BE LIABLE     ;;
  26. ;;;  FOR ANY SPECIAL, INDIRECT OR CONSEQUENTIAL DAMAGES OR ANY DAMAGES    ;;
  27. ;;;  WHATSOEVER RESULTING FROM LOSS OF USE, DATA OR PROFITS, WHETHER IN   ;;
  28. ;;;  AN ACTION OF CONTRACT, NEGLIGENCE OR OTHER TORTIOUS ACTION,          ;;
  29. ;;;  ARISING OUT OF OR IN CONNECTION WITH THE USE OR PERFORMANCE OF       ;;
  30. ;;;  THIS SOFTWARE.                                                       ;;
  31. ;;;                                                                       ;;
  32. ;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;
  33. ;;;
  34. ;;;   A part of speech tagger
  35. ;;;
  36.  
  37. (set! english_guess_pos
  38.       '((in of for in on that with by at from as if that against about 
  39.         before because if under after over into while without
  40.         through new between among until per up down)
  41.     (to to)
  42.     (det the a an no some this that each another those every all any 
  43.          these both neither no many)
  44.     (md will may would can could should must ought might)
  45.     (cc and but or plus yet nor)
  46.     (wp who what where how when)
  47.     (pps her his their its our their its mine)
  48.     (aux is am are was were has have had be)
  49.     (punc "." "," ":" ";" "\"" "'" "(" "?" ")" "!")
  50.     ))
  51.  
  52. (defvar guess_pos english_guess_pos
  53.   "guess_pos
  54.   An assoc-list of simple part of speech tag to list of words in that
  55.   class.  This basically only contains closed class words all other 
  56.   words may be assumed to be content words.  This was built from information
  57.   in the f2b database and is used by the ffeature gpos.")
  58.  
  59. ;;;  A more elaborate part of speech tagger using ngrams works but
  60. ;;;  at present requires a large list of a priori probabilities
  61. ;;;  to work.  If that file exists on your system we'll use it otherwise
  62. ;;;  POS is guessed by the lexicon
  63.  
  64. ;;;  These models were build from the Penn TreeBank, WSJ corpus
  65.  
  66. (defvar pos_model_dir lexdir
  67.   "pos_model_dir
  68.   The directory contains the various models for the POS module.  By
  69.   default this is the same directory as lexdir.  The directory should
  70.   contain two models: a part of speech lexicon with reverse log probabilities
  71.   and an ngram model for the same part of speech tag set.")
  72.  
  73. (defvar pos_p_start_tag "punc"
  74.   "pos_p_start_tag
  75.   This variable's value is the tag most likely to appear before
  76.   the start of a sentence.  It is used when looking for pos context
  77.   before an utterance.  Typically it should be some type of punctuation
  78.   tag.")
  79.  
  80. (defvar pos_pp_start_tag "n"
  81.   "pos_pp_start_tag
  82.   This variable's value is the tag most likely to appear before
  83.   pos_p_start_tag and any position preceding that.  It is typically
  84.   some type of noun tag.  This is used to provide pos context for
  85.   early words in an utterance.")
  86.  
  87. (defvar pos_supported nil
  88.   "pos_supported
  89.   If set to non-nil use part of speech prediction, if nil just get
  90.   pos information from the lexicon.")
  91.  
  92. (defvar pos_ngram_name nil
  93.   "pos_ngram_name
  94.   The name of a loaded ngram containing the a posteriori ngram model for 
  95.   predicting part of speech.  The a priori model is held as a 
  96.   lexicon call poslex.")
  97.  
  98. (defvar pos_map nil
  99.   "pos_map
  100.   If set this should be a reverse assoc-list mapping on part of speech
  101.   tag set to another.  It is used after using the defined POS models to
  102.   map the pos feature on each word to a new tagset.")
  103.  
  104. ;;;
  105. ;;;  All the names here don't really allow multiple versions
  106. ;;;  they should be prefixed with english_
  107. ;;;
  108.  
  109. (if (probe_file (path-append pos_model_dir "wsj.wp39.poslexR"))
  110.     (begin
  111.       (lex.create "english_poslex")
  112.       (lex.set.compile.file 
  113.        (path-append pos_model_dir "wsj.wp39.poslexR"))
  114.       (lex.set.phoneset "mrpa")
  115.       (lex.set.lts.method nil)
  116.       (set! pos_lex_name "english_poslex")
  117.       (set! pos_p_start_tag "punc")
  118.       (set! pos_pp_start_tag "nn")
  119.       ;; wp39
  120.       (lex.add.entry '("_OOV_" ((nnp -2.9144) (jj -2.7357) (nn -3.5787)
  121.                 (nns -3.4933) (vbn -3.2486) (vbg -2.9419)
  122.                 (vb  -3.5471) (vbd -3.7896) (vbz -3.7820)
  123.                 (rb  -4.1940) (vbp -3.2755) (nnps -2.1605))
  124.                    ()))
  125.       (lex.add.entry '("_number_" 
  126.                ((cd -0.35202) (jj -4.1083) (nns -6.4488) (nnp -7.3595))
  127.                () ))
  128.       (lex.add.entry '("," ((punc -0.88488)) () ))
  129.       (lex.add.entry '("." ((punc -1.1104)) () ))
  130.       (lex.add.entry '(":" ((punc -4.4236)) () ))
  131.       (lex.add.entry '("``" ((punc -2.7867)) () ))
  132.       (lex.add.entry '("`" ((punc -2.7867)) () ))
  133.       (lex.add.entry '("'" ((punc -2.7867)) () ))
  134.       (lex.add.entry '("\"" ((punc -2.7867)) () ))
  135.       ;; wp17
  136. ;;      (lex.add.entry '("_OOV_" ((n -3.4109) (j -2.7892) (v -3.7426)) ()))
  137. ;      (lex.add.entry '("_OOV_" ((n -1.968) (j -2.351) (v -2.287)) ()))
  138. ;      (lex.add.entry '("_number_" ((j -0.35202)) ()))
  139. ;      (lex.add.entry '("," ((punc -0.88359)) () ))
  140. ;      (lex.add.entry '("." ((punc -1.1101)) () ))
  141. ;      (lex.add.entry '(":" ((punc -4.4236)) () ))
  142. ;      (lex.add.entry '("``" ((punc -2.7867)) () ))
  143. ;      (lex.add.entry '("`" ((punc -2.7867)) () ))
  144. ;      (lex.add.entry '("'" ((punc -2.7867)) () ))
  145. ;      (lex.add.entry '("\"" ((punc -2.7867)) () ))
  146.       ;; wp22
  147. ;      (lex.add.entry '("_OOV_" ((n -3.4109) (j -2.7892) (v -3.7426)) ()))
  148. ;      (lex.add.entry '("_number_" ((cd -0.35202) (j -4.1908) (n -7.3890)) ()))
  149. ;      (lex.add.entry '("," ((punc -0.88359)) () ))
  150. ;      (lex.add.entry '("." ((punc -1.1101)) () ))
  151. ;      (lex.add.entry '(":" ((punc -4.4236)) () ))
  152. ;      (lex.add.entry '("``" ((punc -2.7867)) () ))
  153.       ;; wp18 
  154. ;      (lex.add.entry '("_OOV_" ((n -3.4109) (j -2.7892) (v -3.7426)) ()))
  155. ;      (lex.add.entry '("_number_" ((j -0.35202)) ()))
  156. ;      (lex.add.entry '("`" ((punc -6.539) ) () ))
  157. ;      (lex.add.entry '("``" ((punc -2.399) ) () ))
  158. ;      (lex.add.entry '("," ((punc -0.480) ) () ))
  159. ;      (lex.add.entry '("." ((fpunc -0.012) ) () ))
  160. ;      (lex.add.entry '(":" ((punc -4.100) ) () ))
  161.  
  162.      (ngram.load 'english_pos_ngram
  163.         (path-append pos_model_dir  "wsj.wp39.tri.ngrambin"))
  164. ;      (ngram.load 'english_pos_ngram
  165. ;        (path-append pos_model_dir  "wsj.wp45.tri.ngram"))
  166.       (set! pos_supported t)
  167.       )
  168.     (set! pos_supported nil))
  169.  
  170. (setq english_pos_map_wp39_to_wp20
  171.       '(
  172.     (( vbd vb vbn vbz vbp vbg ) v)
  173.     (( nn nnp nns nnps fw sym ls ) n)
  174.     (( dt ) dt)
  175.     (( punc fpunc ) punc)
  176.     (( in ) in)
  177.     (( jj jjr jjs 1 2 ) j)
  178.     (( prp ) prp)
  179.     (( rb rp rbr rbs ) r)
  180.     (( cc ) cc)
  181.     (( of ) of)
  182.     (( to ) to)
  183.     (( cd ) cd)
  184.     (( md ) md)
  185.     (( pos ) pos)
  186.     (( wdt ) wdt)
  187.     (( wp ) wp)
  188.     (( wrb ) wrb)
  189.     (( ex ) ex)
  190.     (( uh ) uh)
  191.     (( pdt ) pdt)
  192.     ))
  193.  
  194. (defvar pos_map nil
  195.   "pos_map
  196. A reverse assoc list of predicted pos tags to some other tag set.  Note
  197. using this changes the pos tag loosing the actual predicted value.  Rather
  198. than map here you may find it more appropriate to map tags sets locally
  199. in the module sthat use them (e.g. phrasing and lexicons).")
  200.  
  201. ;;(setq pos_map_remap
  202. ;;      '(
  203. ;;    (( fpunc ) punc)
  204. ;;    (( of ) in)))
  205.  
  206. (def_feature_docstring 'Word.pos
  207.   "Word.pos
  208.   Part of speech tag value returned by the POS tagger module.")
  209.  
  210. (def_feature_docstring 'Word.pos_score
  211.   "Word.pos_score
  212.   Part of speech tag log likelihood from Viterbi search.")
  213.  
  214. (define (POS utt)
  215. "(POS utt)                                
  216. Apply part of speech tagging (and possible parsing too) to Word
  217. relation."
  218.   (let ((rval (apply_method 'POS_Method utt)))
  219.     (cond
  220.      (rval rval) ;; new style
  221.      (t
  222.       (Classic_POS utt)))))
  223.  
  224.  
  225. (provide 'pos)
  226.