/[stem-hr]/StemHR.pm
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /StemHR.pm

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

stem-hr.pl revision 6 by dpavlin, Sat Feb 26 16:19:22 2005 UTC stem-hr.pm revision 12 by dpavlin, Sat Jul 9 10:15:09 2005 UTC
# Line 1  Line 1 
1  #!/usr/bin/perl -w  package StemHr;
2    
3  #  #
4  # Croatian stemmer  # Croatian stemmer
5  #  #
# Line 19  Line 20 
20  #  #
21    
22  use strict;  use strict;
23    use locale;
24    
25  sub kgh {  sub kgh {
26          my ($pre,$replace,$post) = @_;          my ($pre,$replace,$post) = @_;
# Line 35  my $su = '[^aeiou]'; Line 37  my $su = '[^aeiou]';
37    
38  my $palatal = '(lj|nj|j|æ|¾|¹|¾|¹t|¾d)';  my $palatal = '(lj|nj|j|æ|¾|¹|¾|¹t|¾d)';
39    
40  my %rules;  # glagolni razredi
41  my %stem_words;  my $g_1r = '[td]';
42  my $words = 0;  my $g_2r = '[sz]';
43  my $stems = 0;  my $g_3r = '[pb]';
44    my $g_4r = '[kgh]';
45    my $g_5r = '[nm]';
46  my $last_stem = '';  my $g_6r = '(:?nu|n)';
 sub check_stem {  
         my $s = shift || return;  
         if ($last_stem) {  
                 print "ERROR==> " if ($last_stem ne $s);  
         } else {  
                 $last_stem = $s;  
         }  
 }  
   
 while(<>) {  
         chomp;  
         next if (/^#/);  
         if (/^$/) {  
                 print "\n";  
                 $last_stem = '';  
                 next;  
         }  
47    
48          $words++;  sub stem {
49    
50          my $orig = $_;          unless (
51                    # infinitiv
52                    s/(\w)(ti|æi)$/$1.$2 100/g ||
53                    # 1. razred
54                    s/([^sk])[td](em|e¹|e|emo|ete|oh|osmo|oste|o¹e|ijah|ija¹e|ijasno|ijaste|ijahu|imo|ite|en|ena|eni)$/$1s.ti 101/g ||
55                    # 2. razred
56                    s/(${sa})[sz](em|e¹|e|e¹emo|emo|ete|u|oh|e|osmo|oste|o¹e|ijah|ija¹e|ijasmo|ijaste|ijahu|imo|ite|uæi|av¹i|ao|la|lo|li|le|la|en|ena|eni)$/$1s.ti 102/ ||
57                    # 3. razred
58                    s/(p|b|sp|su)(em|e¹|e|emo|ete|u|oh|osmo|oste|o¹e|ah|a¹e|asmo|aste|ahu|ijah|ija¹e|ijahu|i|imo|ite||uæi|av¹i|ao|la|lo|en|ena|eni)$/$1s.ti 103/ ||
59                    # 4. razred
60                    s/[è¾¹](em|e¹|e|emo|ete|u|ah|ahu|en|ena)$/.æi 104/g ||
61                    s/[k](oh|osmo|oste|o¹e|uæi|av¹i|ao|la|lo)$/.æi 105/g ||
62                    s/[c](ijah|ija¹e|ijasmo|ijaste|ijahu|i|imo|ite)$/.æi 106/g ||
63                    s/[g](nuti|oh|nuh|nu|av¹i|nuv¹i|ao|nuo|nem|ne¹|ni|imo|nut|nimo)$/.æi 107/g ||
64    
65          # imenice                  # imenice
66    
         unless (  
67                  # vrsta a                  # vrsta a
68                  s/(${su}st)a$/$1 13/g ||                  s/(${su}st)a$/$1 13/g ||
69                  s/(${su})c[ae]$/$1ce 17/g ||                  s/(${su})c[ae]$/$1ce 17/g ||
70                  # kgh                  # kgh
71                  s/(${sa})([è¾¹czs])(i|e|ima)$/kgh($1,$2,' 1')/gex ||                  s/(\w${sa})([è¾¹czs])(i|e|ima)$/kgh($1,$2,' 1')/gex ||
72                  s/(${sa}[kgh])(a|u|om)$/$1 2/g ||                  s/(${sa}[kgh])(a|u|om)$/$1 2/g ||
73                  s/(${su})([è¾¹czs])(i|e|ima)$/kgh($1,"a$2",' 3')/gex ||                  s/(${su})([è¾¹czs])(i|e|ima)$/kgh($1,"a$2",' 3')/gex ||
74                  # imenice na palatal                  # imenice na palatal
# Line 85  while(<>) { Line 82  while(<>) {
82                  # vrsta a                  # vrsta a
83                  s/me$/me 11/g ||                  s/me$/me 11/g ||
84                  s/(eta|ena)$/e 12/g ||                  s/(eta|ena)$/e 12/g ||
85                  s/(${sa}${su})(o|e|a|u|om|em|i|ima|ina)$/$1 7/g ||  
86                    s/(\w${sa}${su})(o|e|a|u|om|em|i|ima|ina|eta)$/$1 7/g ||
87    
88                  s/(${su})sa$/$1as 14/g ||                  s/(${su})sa$/$1as 14/g ||
89                  s/(${su})ena$/$1e 16/g ||                  s/(${su})ena$/$1e 16/g ||
90                  s/(${su})eta$/$1e 17/g ||                  s/(${su})eta$/$1e 17/g ||
91                  s/(${su})([oe])$/$1-$2 18/g ||                  s/(${su})([oe])$/$1$2 18/g ||
92    
93                  # mno¾ina                  0;
                 s/(${su})(ov|ev)*(i|a|ima|e|in|ina|eta)$/$1 6/g;  
         }  
94    
         if (s/^(.+)\s(\d+)$/$1\t$2/g) {  
                 $rules{$2}++;  
                 $stems++;  
                 $stem_words{$1}++;  
                 check_stem($1);  
         } else  {  
                 $last_stem = $_;  
95          }          }
96    
97          printf("%-15s %s\n",$orig,$_);          s/\s\d+$//;
   
98  }  }
 my $nr_stems = keys(%stem_words);  
 printf "\n# %d words, %d stems in %d ops, %.2f%% size\n",$words,$nr_stems,$stems,($nr_stems*100/$words);  
99    
 foreach my $s (keys %stem_words) {  
         print "#stem $stem_words{$s} $s\n";  
 }  
   
 foreach my $r (sort keys %rules) {  
         print "#rule $rules{$r} $r\n";  
 }  

Legend:
Removed from v.6  
changed lines
  Added in v.12

  ViewVC Help
Powered by ViewVC 1.1.26