morph_generation.py
29.4 KB
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
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
import morfeusz2
class MorphologyError(Exception):
pass
morfeusz = morfeusz2.Morfeusz(generate=True, analyse=False, expand_tags=True)
LEMMA_KILL_LIST = {
'oko:s1', 'ucho:s1', # ~a
'łeb:s2', 'powód:s2', # ~owie
'lew:s1', # ~owi
'paragraf:s1', 'sen:s2', 'lot:s2', 'lód:s2', # ~a
'bat:s2', 'żywot:s2', # ~u
# fikać kozły, spuszczać basałyki
'kozioł:s3', 'basałyk:s1', # ~ów
# ciągnąć druta, fiknąć kozła/koziołka, puścić kura, spiąć muła, popuścić pasa, zapuścić żurawia
'drut:s1', 'drut:s2', 'kozioł:s1', 'koziołek:s1', 'kur:s1', 'muł:s1', 'pas:s2', 'pas:s3', 'żuraw:s2', # ~-
# m1:
'as:s2', 'baba:s2', 'biegun:s2', 'bzik:s2', 'fioł:s1', 'jeleń:s2', 'kułak:s1', 'lamus:s2', 'lis:s2', 'nurek:s1', 'osioł:s2', 'orzeł:s2',
'szach:s2', 'admirał:s2', 'bęben:s2', 'głup:s2', 'kasztan:s2', 'król:s1', 'kurek:s2', 'młot:s2', 'pajac:s1', 'pion:s2',
# m2:
'płaz:s2', 'szatan:s1',
'Abraham:s2', 'Abraham:s3', 'Grek:s2', 'Grek:s3', 'Kajfasz:s2', 'Kajfasz:s3', 'Marek:s2', 'Polak:s3', 'Polska:s2',
'Wisła:s2', 'Wisła:s3', 'Zawisza:s2', # nazwiska (w tym żeńskie)
'Marcin:s2', # człon nazwy geogr.
'galop:s2', # chor.
'profit:s2', # karc.
'jeż:s2', 'kaduk:s1', 'lek:s2', 'smok:s2', 'ślimak:s2', # m3
'kapitan:s3', # f
'pewny:a2', # :a1: only ‘pewny’
'dziób:s2', # żegl.
'mat:s3', 'mat:s1', # mors., matowy
'as:s3', 'as:s4', # hist., muz.
'przenosić:v2',
'kasztan:s4',
'stać:v4', # perf
'wpaść:v2', # wpasie
'należeć:v2', # perf (należał się w łóżku)
'głąb:s1', 'głąb:s3', # zostawiamy żeńską „w głąb”
# z semantyki ==============================================================
# członek w znaczeniu części ciała:
'członek:s2', 'członek:s3',
# antytalent:s2 jest m1, anty-talent:s2 – m2 (monet.), chcemy antytalent m3
#'antytalent:s2',
# nie chcemy m1
'asfalt:s2',
# nie chcemy m2 leśń.
'aspirant:s2',
# nie chcemy m1
'bas:s2',
'samolot:s2', #~a
'dopaść:v2', # dopasł
'napaść:v2', # napasł
'dostawać:v2', # dostawa
'reżyser:s1', 'sędzia:s1', # chcemy f, precz z patriarchatem
'operator:s1', # chcemy m3
'Rzym:s2', 'Rzym:s3', # nazwiska, chcemy m3
'śpiewak:s2', #chcemy m1
'model:s2', # chcemy m3
'mikser:s2', # chcemy m3
'sport:s2', # chcemy m3
'pilot:s1', 'pilot:s3', # chcemy m1
'oblec:v1', # oblókł
'wał:s2', 'wał:s3', # chcemy m3
'odlew:s1', 'odlew:s2', # od-lew...
'odpaść:v2', # odpadł
'opaść:v2', # opadły
'pasać:v2', # pasa
'pluskać:v2', # ???
'Księżyc:s2', 'Księżyc:s3', # nazwiska, chcemy m3
'podpaść:v2', # podpadł
'popaść:v2', # popadł
'pasza:s2', # chcemy f
'ssak:s2', # chcemy m2
'przypaść:v2', # przypadło
'fotograf:s2', # chcemy m1
'sygnalizator:s1', # chcemy m3
'pająk:s2', # chcemy m2
'wąż:s2', # chcemy m2
'tłumacz:s2', # chcemy m1
'samiec:s2', # chcemy m2
'automat:s2', 'automat:s3', # auto-mat
'gad:s2', # chcemy m2
'ruda:s2', # chcemy rudę (metalu), nie rudą
'marsz:s1', # chcemy ~a
'drapieżnik:s2', # chcemy m2
'zbieg:s2', # chcemy m3 (zbieg okoliczności)
'polityk:s', # poli-tyk...
}
FORM_KILL_LIST = (
('amen', 'amen:s', 'subst:sg:nom:n:ncol', ['nazwa_pospolita'], []), # m3
('amen', 'amen:s', 'subst:sg:acc:n:ncol', ['nazwa_pospolita'], []),
('Amora', 'Amor', 'subst:sg:gen:m2', ['imię'], ['mit.']), # m1
('aniołków', 'aniołek', 'subst:pl:gen:m1', ['nazwa_pospolita'], []), # m2
('aniołów', 'anioł', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m1
('awansy', 'awans', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # awanse
('baja', 'bajać', 'fin:sg:ter:imperf', [], []), # baje
('bambusa', 'bambus:s1', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # w bambus
('blues', 'blues', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # bluesa
('bogowi', 'bóg', 'subst:sg:dat:m1', ['nazwa_pospolita'], []), # bogu
('burak', 'burak:s1', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['bot.']), # m3
('całuski', 'całusek', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # m3
('całusków', 'całusek', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m3
('cepu', 'cep:s1', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # cepa
('chlaszcze', 'chlastać', 'fin:sg:ter:imperf', [], []), # chlasta
('chleje', 'chlać', 'fin:sg:ter:imperf', [], ['pot.', 'rzad.']), # chla
('chluszcze', 'chlustać', 'fin:sg:ter:imperf', [], []), # chlusta
('chujów', 'chuj:s1', 'subst:pl:acc:m1', ['nazwa_pospolita'], ['wulg.']), # obciągać chuja
('cudy', 'cud', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # wyczyniać cuda
('czartem', 'czart', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('czole', 'czoło:s2', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []), # postawić na czele
('czort', 'czort', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['pot.']), # m1
('diabeł', 'diabeł', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m1
('diabła', 'diabeł', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # m1
('diabła', 'diabeł', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m1
('diabłami', 'diabeł', 'subst:pl:inst:m2', ['nazwa_pospolita'], []), # m1
('diabłem', 'diabeł', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('diabłu', 'diabeł', 'subst:sg:dat:m2', ['nazwa_pospolita'], []), # m1
('diabłów', 'diabeł', 'subst:pl:acc:m1', ['nazwa_pospolita'], []), # w diabły
('diabłów', 'diabeł', 'subst:pl:gen:m2', ['nazwa_pospolita'], []), # m1
('diabły', 'diabeł', 'subst:pl:nom:m2', ['nazwa_pospolita'], []), # diabli wiedzą
('DNA', 'DNA', 'subst:sg:nom:m3', ['nazwa_pospolita'], []), # n
('DNA', 'DNA', 'subst:sg:gen:m3', ['nazwa_pospolita'], []),
('drapak', 'drapak:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # dać drapaka
('dwu', 'dwa', 'num:pl:loc:f:congr:ncol', [], []), # dwóch
('dwu', 'dwa', 'num:pl:acc:m1:rec:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:m1:rec:ncol', [], []),
('dwu', 'dwa', 'num:pl:inst:m3:congr:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:m3:congr:ncol', [], []),
('dwu', 'dwa', 'num:pl:loc:n:congr:ncol', [], []),
('dygocą', 'dygotać', 'fin:pl:ter:imperf', [], []), # dygoczą
('dzióba', 'dziób:s1', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # dzioba
('dzióbach', 'dziób:s1', 'subst:pl:loc:m3', ['nazwa_pospolita'], []),
('dzióbem', 'dziób:s1', 'subst:sg:inst:m3', ['nazwa_pospolita'], []),
('dzióby', 'dziób:s1', 'subst:pl:acc:m3', ['nazwa_pospolita'], []),
('figiel', 'figiel', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # figla
('garba', 'garb', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wziąć sobie garb na plecy
('gąsiora', 'gąsior:s2', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # osuszać gąsior
#('głąba', 'głąb:s1', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # uciec w głąb
('gore', 'gorzeć', 'fin:sg:ter:imperf', [], ['podniosłe', 'przest.']), # gorzeje
('gorze', 'gorzeć', 'fin:sg:ter:imperf', [], ['podniosłe', 'przest.']),
('gorą', 'gorzeć', 'fin:pl:ter:imperf', [], ['podniosłe', 'przest.']), # gorzeją
('gorzą', 'gorzeć', 'fin:pl:ter:imperf', [], ['podniosłe', 'przest.']),
('grzybki', 'grzybek', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # m3
('grzyb', 'grzyb:s1', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['mikol.']), # m3
('grzyb', 'grzyb:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], ['mikol.']), # grzyba
('grzyby', 'grzyb:s1', 'subst:pl:nom:m2', ['nazwa_pospolita'], ['mikol.']), # m3
('guz', 'guz', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('guz', 'guz', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # ale: guza
('guza', 'guz', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('kaduk', 'kaduk:s2', 'subst:sg:nom:m2', ['nazwa_pospolita'], ['przest.']), # m1
('kołata', 'kołatać', 'fin:sg:ter:imperf', [], []), # kołacze (kołace usunie filter_ending)
('kopniak', 'kopniak', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # kopniaka
('kloc', 'kloc:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # walnąć kloca
('klientowi', 'klient:s2', 'subst:sg:dat:m2', ['nazwa_pospolita'], []), # m1
('klin', 'klin:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # klina
('klina', 'klin:s2', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('klinem', 'klin:s2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('kilku', 'kilka:n', 'num:pl:inst:m3:congr:ncol', [], []), # kilkoma
('kopniakiem', 'kopniak', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('kosz', 'kosz:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # kosza
('kosza', 'kosz:s1', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # TODO do usunięcia po poprawce?
('koszu', 'kosz:s2', 'subst:sg:loc:m2', ['nazwa_pospolita'], []), # m3
('koszty', 'koszt', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # koszta
('krzaku', 'krzak', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # krzaka
('krzyw', 'krzywy', 'adj:sg:nom:m1:pos', [], []), # krzywy
('kserze', 'ksero', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []), # na ksero
('łga', 'łgać', 'fin:sg:ter:imperf', [], ['przest.', 'rzad.']), # łże
('marsz', 'marsz:s2', 'subst:sg:acc:m3', ['nazwa_pospolita'], ['muz.']), # grać marsza
('marźnie', 'marznąć', 'fin:sg:ter:imperf', [], []), # marznie
('napoi', 'napój', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # napojów
('nasiąknął', 'nasiąknąć', 'praet:sg:m1:perf', [], []), # nasiąkł
('nasiąknął', 'nasiąknąć', 'praet:sg:m3:perf', [], []),
('nieciekaw', 'nieciekawy', 'adj:sg:nom:m1:pos', [], []), # nieciekawy
#('nasiąknęła', 'nasiąknąć', 'praet:sg:f:perf', [], []),
('nic', 'nic', 'subst:sg:gen:n:ncol', [], []), # niczego
('oboruje', 'oborywać', 'fin:sg:ter:imperf', [], []), # oborywa
('obydwóch', 'obydwa', 'num:pl:loc:f:congr:ncol', [], []), # obydwu
('obydwóch', 'obydwa', 'num:pl:loc:m3:congr:ncol', [], []),
('obydwóch', 'obydwa', 'num:pl:loc:n:congr:ncol', [], []),
('odtchu', 'oddech', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # od-tchu ;)
('oczyma', 'oko:s2', 'subst:pl:inst:n:col', ['nazwa_pospolita'], ['anat.']), # oczami
('oczów', 'oko:s2', 'subst:pl:gen:n:col', ['nazwa_pospolita'], ['anat.']), # oczu
('ofiarowywa', 'ofiarowywać', 'fin:sg:ter:imperf', [], ['rzad.']), # ofiarowuje
#('oklapnęła', 'oklapnąć', 'praet:sg:f:perf', [], []), # oklapła
('oklapnął', 'oklapnąć', 'praet:sg:m3:perf', [], []),
('oklapnęło', 'oklapnąć', 'praet:sg:n:perf', [], []),
('otworzoną', 'otworzyć', 'ppas:sg:inst:f:perf:aff', [], []), # otwartą
('otworzony', 'otworzyć', 'ppas:sg:nom:m1:perf:aff', [], []), # otwarty
('paple', 'paplać', 'fin:sg:ter:imperf', [], ['pot.']), # papla
('paru', 'parę', 'num:pl:inst:m3:congr', [], []), # paroma
('pasjanse', 'pasjans', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # pasjanse m3
('pasjansy', 'pasjans', 'subst:pl:acc:m2', ['nazwa_pospolita'], []),
('pasjansy', 'pasjans', 'subst:pl:acc:m3', ['nazwa_pospolita'], []),
('pełen', 'pełny', 'adj:sg:nom:m1:pos', [], []), # pełny
('pełźnie', 'pełznąć', 'fin:sg:ter:imperf', [], []), # pełznie
#('pierzchnęła', 'pierzchnąć:v1', 'praet:sg:f:perf', [], []), # pierzchła
('podobien', 'podobny', 'adj:sg:nom:m1:pos', [], []), # podobny
('policzeki', 'policzek', 'subst:pl:nom:m3', ['nazwa_pospolita'], []), # poli-czeki ;)
('procha', 'proch', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # prochu
('profity', 'profit:s1', 'subst:pl:acc:m2', ['nazwa_pospolita'], []), # m3
('proga', 'próg', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # progu
('programa', 'program', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # pro-gram ;)
('prysznicu', 'prysznic', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # prysznica
('przedzie', 'przód', 'subst:sg:loc:m3', ['nazwa_pospolita'], []), # na przodzie
('przekonywa', 'przekonywać', 'fin:sg:ter:imperf', [], []), # przekonuje
('przemyśliwuje', 'przemyśliwać', 'fin:sg:ter:imperf', [], []), # przemyśliwa
('przykląkł', 'przyklęknąć', 'praet:sg:m1:perf', [], []), # przyklęknął
('rażony', 'razić', 'ppas:sg:nom:m1:imperf:aff', [], []), # perf (jak rażony piorunem)
('rażonego', 'razić', 'ppas:sg:acc:m1:imperf:aff', [], []),
('ręku', 'ręka', 'subst:sg:loc:m3', ['nazwa_pospolita'], ['anat.']), # ręce
('rękoma', 'ręka', 'subst:pl:inst:f', ['nazwa_pospolita'], ['anat.']), # rękami
('rówien', 'równy', 'adj:sg:nom:m1:pos', [], []), # równy
('rynsztoku', 'rynsztok', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # rynsztoka
('rzeknąć', 'rzec:v2', 'inf:perf', [], []), # rzec
('rządu', 'rząd:s1', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # rosnąć do rzędu czegoś
('rzędów', 'rząd:s2', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # objąć ster rządów
('rzędy', 'rząd:s2', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # objąć rządy
('sierpa', 'sierp', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # sierpu
('skomli', 'skomleć', 'fin:sg:ter:imperf', [], []), # skomle
('sondażów', 'sondaż', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # sondaży
('steka', 'stek:s1', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wysmażyć stek
('strach', 'strach:s2', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3 (strach obleciał)
('stracha', 'strach:s2', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # napędzić stracha/strachu, ale umrzeć ze strachu
('strachu', 'strach:s2', 'subst:sg:loc:m2', ['nazwa_pospolita'], []), # m3
('syfon', 'syfon:s1', 'subst:sg:acc:m3', ['nazwa_pospolita'], []), # dać syfona
('szampan', 'szampan', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('szampana', 'szampan', 'subst:sg:gen:m2', ['nazwa_pospolita'], []),
('szatan', 'szatan:s2', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m1
('szatanem', 'szatan:s2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m1
('szczy', 'szczać', 'fin:sg:ter:imperf', [], ['pot.']), # szcza
('szeląga', 'szeląg', 'subst:sg:gen:m2', ['nazwa_pospolita'], []), # m3
('szmerglu', 'szmergiel', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # szmergla
('śmiecie', 'śmieć:s1', 'subst:pl:acc:m3', ['nazwa_pospolita'], []), # śmieci
('ukląkł', 'uklęknąć', 'praet:sg:m1:perf', [], []), # uklęknął
('usty', 'usta', 'subst:pl:inst:n:pt', ['nazwa_pospolita'], ['przest.']), # ustami
('walkowera', 'walkower', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # m3
('woła', 'wół', 'subst:sg:acc:m2', ['nazwa_pospolita'], []), # wołu
('woru', 'wór', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # wora
('wykonywa', 'wykonywać', 'fin:sg:ter:imperf', [], []), # wykonuje
('ziaja', 'ziajać', 'fin:sg:ter:imperf', [], []), # ziaje
('zeprzała', 'zeprzeć:v2', 'praet:sg:f:perf', [], ['rzad.']), # sparła
('zeprzał', 'zeprzeć:v2', 'praet:sg:m1:perf', [], ['rzad.']),
('zeprzało', 'zeprzeć:v2', 'praet:sg:n:perf', [], ['rzad.']),
('zjednywa', 'zjednywać', 'fin:sg:ter:imperf', [], []), # zjednuje
('zwierzę', 'zwierzę', 'subst:sg:nom:n:ncol', ['nazwa_pospolita'], []), # col
('zwierzę', 'zwierzę', 'subst:sg:acc:n:ncol', ['nazwa_pospolita'], []),
('zwierzęcia', 'zwierzę', 'subst:sg:gen:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciem', 'zwierzę', 'subst:sg:inst:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciu', 'zwierzę', 'subst:sg:dat:n:ncol', ['nazwa_pospolita'], []),
('zwierzęciu', 'zwierzę', 'subst:sg:loc:n:ncol', ['nazwa_pospolita'], []),
('zwierzęta', 'zwierzę', 'subst:pl:nom:n:ncol', ['nazwa_pospolita'], []),
('zżarła', 'zeżreć', 'praet:sg:f:perf', [], []), # zeżarła
('zżarł', 'zeżreć', 'praet:sg:m1:perf', [], []),
('zżarł', 'zeżreć', 'praet:sg:m3:perf', [], []),
('żłobu', 'żłób:s2', 'subst:sg:gen:m3', ['nazwa_pospolita'], []), # dopchać się do żłoba
('żurnalów', 'żurnal', 'subst:pl:gen:m3', ['nazwa_pospolita'], []), # żurnali
('żywcem', 'żywiec:s2', 'subst:sg:inst:m2', ['nazwa_pospolita'], []), # m3
('swe', 'swój', 'adj:sg:acc:n:pos', [], []), # dostać za swoje
('swym', 'swój', 'adj:sg:loc:n:pos', [], []), # obstawać przy swoim
('swojego', 'swój', 'adj:sg:gen:n:pos', [], []), # dopiąć swego
('swe', 'swój', 'adj:pl:acc:f:pos', [], []), # swoje in adjp(agr)
('swe', 'swój', 'adj:pl:acc:m3:pos', [], []),
('swe', 'swój', 'adj:sg:nom:n:pos', [], []),
('swe', 'swój', 'adj:pl:acc:n:pos', [], []),
('swej', 'swój', 'adj:sg:gen:f:pos', [], []), # swojej
('swej', 'swój', 'adj:sg:loc:f:pos', [], []),
('swego', 'swój', 'adj:sg:acc:m1:pos', [], []), # swojego
('swego', 'swój', 'adj:sg:gen:m3:pos', [], []),
('swych', 'swój', 'adj:pl:gen:f:pos', [], []), # swoich
('swych', 'swój', 'adj:pl:loc:f:pos', [], []),
('swych', 'swój', 'adj:pl:gen:m3:pos', [], []),
('swych', 'swój', 'adj:pl:loc:m3:pos', [], []),
('swych', 'swój', 'adj:pl:loc:n:pos', [], []),
('swym', 'swój', 'adj:pl:dat:m3:pos', [], []),
('swym', 'swój', 'adj:sg:loc:m3:pos', [], []), # swoim
('swym', 'swój', 'adj:sg:inst:m3:pos', [], []),
('swym', 'swój', 'adj:pl:dat:n:pos', [], []),
('swym', 'swój', 'adj:sg:inst:n:pos', [], []),
('swymi', 'swój', 'adj:pl:inst:f:pos', [], []), # swoimi
('swymi', 'swój', 'adj:pl:inst:m3:pos', [], []),
('swymi', 'swój', 'adj:pl:inst:n:pos', [], []),
('swą', 'swój', 'adj:sg:acc:f:pos', [], []), # swoją
('swą', 'swój', 'adj:sg:inst:f:pos', [], []),
('mej', 'mój:a', 'adj:sg:gen:f:pos', [], []), # mojej
('mej', 'mój:a', 'adj:sg:dat:f:pos', [], []),
('mej', 'mój:a', 'adj:sg:loc:f:pos', [], []),
('memu', 'mój:a', 'adj:sg:dat:m3:pos', [], []), # mojemu
('mego', 'mój:a', 'adj:sg:acc:m2:pos', [], []), # mojego
('mego', 'mój:a', 'adj:sg:gen:m3:pos', [], []),
('mego', 'mój:a', 'adj:sg:gen:n:pos', [], []),
('mych', 'mój:a', 'adj:pl:loc:n:pos', [], []), # moich
('me', 'mój:a', 'adj:pl:nom:f:pos', [], []),
('me', 'mój:a', 'adj:pl:acc:f:pos', [], []), # moje
('me', 'mój:a', 'adj:pl:acc:m2:pos', [], []),
('me', 'mój:a', 'adj:pl:nom:m3:pos', [], []),
('me', 'mój:a', 'adj:pl:acc:m3:pos', [], []),
('me', 'mój:a', 'adj:sg:nom:n:pos', [], []),
('me', 'mój:a', 'adj:pl:nom:n:pos', [], []),
('me', 'mój:a', 'adj:sg:acc:n:pos', [], []),
('me', 'mój:a', 'adj:pl:acc:n:pos', [], []),
('ma', 'mój:a', 'adj:sg:nom:f:pos', [], []), # moja
('mą', 'mój:a', 'adj:sg:acc:f:pos', [], []), # moją
('mą', 'mój:a', 'adj:sg:inst:f:pos', [], []),
('mym', 'mój:a', 'adj:sg:loc:m3:pos', [], []), # moim
('mym', 'mój:a', 'adj:sg:inst:m3:pos', [], []),
('mym', 'mój:a', 'adj:pl:dat:n:pos', [], []),
('mym', 'mój:a', 'adj:sg:loc:n:pos', [], []),
('mym', 'mój:a', 'adj:sg:inst:n:pos', [], []),
('mymi', 'mój:a', 'adj:pl:inst:f:pos', [], []), # moimi
('mymi', 'mój:a', 'adj:pl:inst:m3:pos', [], []),
('mymi', 'mój:a', 'adj:pl:inst:n:pos', [], []),
('mych', 'mój:a', 'adj:pl:gen:f:pos', [], []), # moich
('mych', 'mój:a', 'adj:pl:loc:f:pos', [], []),
('mych', 'mój:a', 'adj:pl:gen:m3:pos', [], []),
('mych', 'mój:a', 'adj:pl:loc:m3:pos', [], []),
('mych', 'mój:a', 'adj:pl:gen:n:pos', [], []),
('twej', 'twój:a', 'adj:sg:gen:f:pos', [], []), # twojej
('twej', 'twój:a', 'adj:sg:loc:f:pos', [], []),
('twych', 'twój:a', 'adj:pl:gen:f:pos', [], []), # twoich
('twych', 'twój:a', 'adj:pl:loc:m3:pos', [], []),
('twych', 'twój:a', 'adj:pl:loc:n:pos', [], []),
('twą', 'twój:a', 'adj:sg:acc:f:pos', [], []), # twoją
('twą', 'twój:a', 'adj:sg:inst:f:pos', [], []),
('twe', 'twój:a', 'adj:pl:acc:m3:pos', [], []), # twoje
('twym', 'twój:a', 'adj:sg:loc:m3:pos', [], []), # twoim
('twym', 'twój:a', 'adj:sg:inst:m3:pos', [], []),
('twych', 'twój:a', 'adj:pl:loc:f:pos', [], []), # twoich
('wkląsł', 'wklęsnąć', 'praet:sg:m3:perf', [], []), # wklęsł
('wsze', 'wszystek', 'adj:pl:nom:f:pos', [], []), # wszystkie
('wsze', 'wszystek', 'adj:pl:acc:f:pos', [], []),
('wsze', 'wszystek', 'adj:pl:nom:m3:pos', [], []),
('wsze', 'wszystek', 'adj:pl:acc:m3:pos', [], []),
('wsze', 'wszystek', 'adj:pl:acc:n:pos', [], []),
('wszech', 'wszystek', 'adj:pl:gen:m1:pos', [], []), # wszystkich
('wszech', 'wszystek', 'adj:pl:loc:m3:pos', [], []),
('wszemi', 'wszystek', 'adj:pl:inst:m3:pos', [], []), # wszystkimi
('ziemniak', 'ziemniak', 'subst:sg:nom:m2', ['nazwa_pospolita'], []), # m3
('zwierząt', 'zwierzę', 'subst:pl:gen:n:ncol', ['nazwa_pospolita'], []), # col
)
KWAL_KILL_LIST = {'niepopr.', 'niezal.', 'pot.', 'slang', 'rzad.', 'daw.', 'przest.', 'podniosłe', 'gwar.', 'pogard.', 'char.', 'po_liczebniku', 'monet.', 'muz.',}
# don’t put posp/kwal in the key (lists are unhashable)
FORM_MAP = {
('gwintu', 'gwint', 'subst:sg:gen:m3') : ('gwinta', 'gwint', 'subst:sg:gen:m3', [], []), # nie ma w Morfeuszu (pić z gwinta)
}
OVERRIDE = {
'hopel' : ('hopla', 'subst:sg:acc:m2'),
'łupień' : ('łupnia', 'subst:sg:acc:m2'),
# kropka nad „i”
'i' : ('„i”', 'subst:sg:inst:n'),
'zamian' : ('zamian', 'subst:sg:acc:m3'),
# chcemy tylko pred
'słychać' : ('słychać', 'pred'),
}
def filter_kwal(forms):
return list(filter(lambda f: not KWAL_KILL_LIST.intersection(f[4]), forms))
def filter_ending(forms):
if len(forms) != 2:
return forms
f1, f2 = sorted(forms)
if set(f[2] for f in forms) == {'fin:sg:ter:imperf'}:
if f1[0].endswith('ce') and f2[0].endswith('cze'):
# drepce, drepcze -> drepcze
return [f2]
if f1[0].endswith('cze') and f2[0].endswith('ta'):
# bełcze, bełta -> bełta
return [f2]
if f1[0].endswith('ra') and f2[0].endswith('rze'):
# gdera, gderze -> gdera
return [f1]
if f1[0].endswith('cze') and f2[0].endswith('ka'):
# gdacze, gdaka -> gdacze
return [f1]
if f1[0].endswith('ka') and f2[0].endswith('cze'):
# klaska, klaszcze -> klaszcze
return [f2]
if set(f[2].split(':')[0] for f in forms) == {'praet'}:
if 'lekł' in f1[0] and 'lokł' in f2[0]:
# dowlekła, dowlokła -> dowlekła
return [f1]
if 'lekł' in f1[0] and 'lókł' in f2[0]:
# dowlekł, dowlókł -> dowlekł
return [f1]
if 'nęł' in f1[0] and 'ł' in f2[0]:
# oklapła, oklapnęła -> oklapła
return [f2]
if 'nął' in f1[0] and 'ł' in f2[0]:
# oklapł, oklapnął -> oklapł
return [f2]
return forms
def filter_by_feature(feature, forms):
if feature:
return list(filter(lambda f: feature in f[2], forms))
else:
return forms
def select_form(lemma, feats):
if lemma == 'poprzysiąc':
lemma = 'poprzysięgnąć'
if lemma == 'sprząc':
lemma = 'sprzęgnąć'
if lemma == 'zaprząc':
lemma = 'zaprzęgnąć'
if lemma in OVERRIDE:
return OVERRIDE[lemma]
if lemma == 'odmaterializować':
assert('praet' in feats and 'sg' in feats)
if 'm1' in feats:
return ('odmaterializował', 'praet:sg:m1:perf')
if 'n' in feats:
return ('odmaterializowało', 'praet:sg:n:perf')
# forms: list of tuples in format: ('herb', 'herb', 'subst:sg:nom.acc:m3', ['nazwa_pospolita'], [])
# split the tags for filtering
forms = [FORM_MAP.get(tuple(f[:3]), f) for f in morfeusz.generate(lemma)]
forms = [(orth, base, tag.split(':'), posp, kwal) for orth, base, tag, posp, kwal in forms]
for feat in feats:
# single feature: just filter
if type(feat) == str:
forms = filter_by_feature(feat, forms)
# priority list of features: filter by first that yields non-empty result
else:
forms2 = []
for ft in feat:
forms2 = filter_by_feature(ft, forms)
if forms2:
break
forms = forms2
# join the tags back
forms = [(orth, base, ':'.join(tag), posp, kwal) for orth, base, tag, posp, kwal in forms]
selected_forms = list(filter(lambda f: f[1] not in LEMMA_KILL_LIST and f not in FORM_KILL_LIST, forms))
if len(selected_forms) > 1:
filtered_forms = filter_kwal(selected_forms)
if filtered_forms:
selected_forms = filtered_forms
if len(selected_forms) > 1:
filtered_forms = filter_ending(selected_forms)
if filtered_forms:
selected_forms = filtered_forms
selected_orth_tags = set((f[0], f[2]) for f in selected_forms)
if len(selected_orth_tags) != 1:
#print('----------', lemma, feats)
raise MorphologyError(str(selected_forms))
return selected_orth_tags.pop()