mirror of https://github.com/explosion/spaCy.git
222 lines
8.4 KiB
Python
222 lines
8.4 KiB
Python
from spacy.tokens import Doc
|
|
import pytest
|
|
|
|
|
|
# fmt: off
|
|
@pytest.mark.parametrize(
|
|
"words,heads,deps,pos,chunk_offsets",
|
|
[
|
|
# determiner + noun
|
|
# un pollo -> un pollo
|
|
(
|
|
["un", "pollo"],
|
|
[1, 1],
|
|
["det", "ROOT"],
|
|
["DET", "NOUN"],
|
|
[(0,2)],
|
|
),
|
|
# two determiners + noun
|
|
# il mio cane -> il mio cane
|
|
(
|
|
["il", "mio", "cane"],
|
|
[2, 2, 2],
|
|
["det", "det:poss", "ROOT"],
|
|
["DET", "DET", "NOUN"],
|
|
[(0,3)],
|
|
),
|
|
# two determiners, one is after noun. rare usage but still testing
|
|
# il cane mio-> il cane mio
|
|
(
|
|
["il", "cane", "mio"],
|
|
[1, 1, 1],
|
|
["det", "ROOT", "det:poss"],
|
|
["DET", "NOUN", "DET"],
|
|
[(0,3)],
|
|
),
|
|
# relative pronoun
|
|
# È molto bello il vestito che hai acquistat -> il vestito, che the dress that you bought is very pretty.
|
|
(
|
|
["È", "molto", "bello", "il", "vestito", "che", "hai", "acquistato"],
|
|
[2, 2, 2, 4, 2, 7, 7, 4],
|
|
['cop', 'advmod', 'ROOT', 'det', 'nsubj', 'obj', 'aux', 'acl:relcl'],
|
|
['AUX', 'ADV', 'ADJ', 'DET', 'NOUN', 'PRON', 'AUX', 'VERB'],
|
|
[(3,5), (5,6)]
|
|
),
|
|
# relative subclause
|
|
# il computer che hai comprato -> il computer, che the computer that you bought
|
|
(
|
|
['il', 'computer', 'che', 'hai', 'comprato'],
|
|
[1, 1, 4, 4, 1],
|
|
['det', 'ROOT', 'nsubj', 'aux', 'acl:relcl'],
|
|
['DET', 'NOUN', 'PRON', 'AUX', 'VERB'],
|
|
[(0,2), (2,3)]
|
|
),
|
|
# det + noun + adj
|
|
# Una macchina grande -> Una macchina grande
|
|
(
|
|
["Una", "macchina", "grande"],
|
|
[1, 1, 1],
|
|
["det", "ROOT", "amod"],
|
|
["DET", "NOUN", "ADJ"],
|
|
[(0,3)],
|
|
),
|
|
# noun + adj plural
|
|
# mucche bianche
|
|
(
|
|
["mucche", "bianche"],
|
|
[0, 0],
|
|
["ROOT", "amod"],
|
|
["NOUN", "ADJ"],
|
|
[(0,2)],
|
|
),
|
|
# det + adj + noun
|
|
# Una grande macchina -> Una grande macchina
|
|
(
|
|
['Una', 'grande', 'macchina'],
|
|
[2, 2, 2],
|
|
["det", "amod", "ROOT"],
|
|
["DET", "ADJ", "NOUN"],
|
|
[(0,3)]
|
|
),
|
|
# det + adj + noun, det with apostrophe
|
|
# un'importante associazione -> un'importante associazione
|
|
(
|
|
["Un'", 'importante', 'associazione'],
|
|
[2, 2, 2],
|
|
["det", "amod", "ROOT"],
|
|
["DET", "ADJ", "NOUN"],
|
|
[(0,3)]
|
|
),
|
|
# multiple adjectives
|
|
# Un cane piccolo e marrone -> Un cane piccolo e marrone
|
|
(
|
|
["Un", "cane", "piccolo", "e", "marrone"],
|
|
[1, 1, 1, 4, 2],
|
|
["det", "ROOT", "amod", "cc", "conj"],
|
|
["DET", "NOUN", "ADJ", "CCONJ", "ADJ"],
|
|
[(0,5)]
|
|
),
|
|
# determiner, adjective, compound created by flat
|
|
# le Nazioni Unite -> le Nazioni Unite
|
|
(
|
|
["le", "Nazioni", "Unite"],
|
|
[1, 1, 1],
|
|
["det", "ROOT", "flat:name"],
|
|
["DET", "PROPN", "PROPN"],
|
|
[(0,3)]
|
|
),
|
|
# one determiner + one noun + one adjective qualified by an adverb
|
|
# alcuni contadini molto ricchi -> alcuni contadini molto ricchi some very rich farmers
|
|
(
|
|
['alcuni', 'contadini', 'molto', 'ricchi'],
|
|
[1, 1, 3, 1],
|
|
['det', 'ROOT', 'advmod', 'amod'],
|
|
['DET', 'NOUN', 'ADV', 'ADJ'],
|
|
[(0,4)]
|
|
),
|
|
# Two NPs conjuncted
|
|
# Ho un cane e un gatto -> un cane, un gatto
|
|
(
|
|
['Ho', 'un', 'cane', 'e', 'un', 'gatto'],
|
|
[0, 2, 0, 5, 5, 0],
|
|
['ROOT', 'det', 'obj', 'cc', 'det', 'conj'],
|
|
['VERB', 'DET', 'NOUN', 'CCONJ', 'DET', 'NOUN'],
|
|
[(1,3), (4,6)]
|
|
|
|
),
|
|
# Two NPs together
|
|
# lo scrittore brasiliano Aníbal Machado -> lo scrittore brasiliano, Aníbal Machado
|
|
(
|
|
['lo', 'scrittore', 'brasiliano', 'Aníbal', 'Machado'],
|
|
[1, 1, 1, 1, 3],
|
|
['det', 'ROOT', 'amod', 'nmod', 'flat:name'],
|
|
['DET', 'NOUN', 'ADJ', 'PROPN', 'PROPN'],
|
|
[(0, 3), (3, 5)]
|
|
),
|
|
# Noun compound, person name and titles
|
|
# Dom Pedro II -> Dom Pedro II
|
|
(
|
|
["Dom", "Pedro", "II"],
|
|
[0, 0, 0],
|
|
["ROOT", "flat:name", "flat:name"],
|
|
["PROPN", "PROPN", "PROPN"],
|
|
[(0,3)]
|
|
),
|
|
# Noun compound created by flat
|
|
# gli Stati Uniti
|
|
(
|
|
["gli", "Stati", "Uniti"],
|
|
[1, 1, 1],
|
|
["det", "ROOT", "flat:name"],
|
|
["DET", "PROPN", "PROPN"],
|
|
[(0,3)]
|
|
),
|
|
# nmod relation between NPs
|
|
# la distruzione della città -> la distruzione, città
|
|
(
|
|
['la', 'distruzione', 'della', 'città'],
|
|
[1, 1, 3, 1],
|
|
['det', 'ROOT', 'case', 'nmod'],
|
|
['DET', 'NOUN', 'ADP', 'NOUN'],
|
|
[(0,2), (3,4)]
|
|
),
|
|
# Compounding by nmod, several NPs chained together
|
|
# la prima fabbrica di droga del governo -> la prima fabbrica, droga, governo
|
|
(
|
|
["la", "prima", "fabbrica", "di", "droga", "del", "governo"],
|
|
[2, 2, 2, 4, 2, 6, 2],
|
|
['det', 'amod', 'ROOT', 'case', 'nmod', 'case', 'nmod'],
|
|
['DET', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'ADP', 'NOUN'],
|
|
[(0, 3), (4, 5), (6, 7)]
|
|
),
|
|
# several NPs
|
|
# Traduzione del rapporto di Susana -> Traduzione, rapporto, Susana
|
|
(
|
|
['Traduzione', 'del', 'rapporto', 'di', 'Susana'],
|
|
[0, 2, 0, 4, 2],
|
|
['ROOT', 'case', 'nmod', 'case', 'nmod'],
|
|
['NOUN', 'ADP', 'NOUN', 'ADP', 'PROPN'],
|
|
[(0,1), (2,3), (4,5)]
|
|
|
|
),
|
|
# Several NPs
|
|
# Il gatto grasso di Susana e la sua amica -> Il gatto grasso, Susana, sua amica
|
|
(
|
|
['Il', 'gatto', 'grasso', 'di', 'Susana', 'e', 'la', 'sua', 'amica'],
|
|
[1, 1, 1, 4, 1, 8, 8, 8, 1],
|
|
['det', 'ROOT', 'amod', 'case', 'nmod', 'cc', 'det', 'det:poss', 'conj'],
|
|
['DET', 'NOUN', 'ADJ', 'ADP', 'PROPN', 'CCONJ', 'DET', 'DET', 'NOUN'],
|
|
[(0,3), (4,5), (6,9)]
|
|
),
|
|
# Passive subject
|
|
# La nuova spesa è alimentata dal grande conto in banca di Clinton -> Le nuova spesa, grande conto, banca, Clinton
|
|
(
|
|
['La', 'nuova', 'spesa', 'è', 'alimentata', 'dal', 'grande', 'conto', 'in', 'banca', 'di', 'Clinton'],
|
|
[2, 2, 4, 4, 4, 7, 7, 4, 9, 7, 11, 9],
|
|
['det', 'amod', 'nsubj:pass', 'aux:pass', 'ROOT', 'case', 'amod', 'obl:agent', 'case', 'nmod', 'case', 'nmod'],
|
|
['DET', 'ADJ', 'NOUN', 'AUX', 'VERB', 'ADP', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'ADP', 'PROPN'],
|
|
[(0, 3), (6, 8), (9, 10), (11,12)]
|
|
),
|
|
# Misc
|
|
# Ma mentre questo prestito possa ora sembrare gestibile, un improvviso cambiamento delle circostanze potrebbe portare a problemi di debiti -> questo prestiti, un provisso cambiento, circostanze, problemi, debiti
|
|
(
|
|
['Ma', 'mentre', 'questo', 'prestito', 'possa', 'ora', 'sembrare', 'gestibile', ',', 'un', 'improvviso', 'cambiamento', 'delle', 'circostanze', 'potrebbe', 'portare', 'a', 'problemi', 'di', 'debitii'],
|
|
[15, 6, 3, 6, 6, 6, 15, 6, 6, 11, 11, 15, 13, 11, 15, 15, 17, 15, 19, 17],
|
|
['cc', 'mark', 'det', 'nsubj', 'aux', 'advmod', 'advcl', 'xcomp', 'punct', 'det', 'amod', 'nsubj', 'case', 'nmod', 'aux', 'ROOT', 'case', 'obl', 'case', 'nmod'],
|
|
['CCONJ', 'SCONJ', 'DET', 'NOUN', 'AUX', 'ADV', 'VERB', 'ADJ', 'PUNCT', 'DET', 'ADJ', 'NOUN', 'ADP', 'NOUN', 'AUX', 'VERB', 'ADP', 'NOUN', 'ADP', 'NOUN'],
|
|
[(2,4), (9,12), (13,14), (17,18), (19,20)]
|
|
)
|
|
],
|
|
)
|
|
# fmt: on
|
|
def test_it_noun_chunks(it_vocab, words, heads, deps, pos, chunk_offsets):
|
|
doc = Doc(it_vocab, words=words, heads=heads, deps=deps, pos=pos)
|
|
assert [(c.start, c.end) for c in doc.noun_chunks] == chunk_offsets
|
|
|
|
|
|
def test_noun_chunks_is_parsed_it(it_tokenizer):
|
|
"""Test that noun_chunks raises Value Error for 'it' language if Doc is not parsed."""
|
|
doc = it_tokenizer("Sei andato a Oxford")
|
|
with pytest.raises(ValueError):
|
|
list(doc.noun_chunks)
|