pyfn

欢迎来到pyfn处理 FrameNet 注释的 Python 模块。

pyfn可用于：

1. 在 FRAMENET XML、SEMEVAL XML、SEMAFOR CoNLL、BIOS 和 CoNLL-X 之间转换数据
2. 使用标准化的最先进管道预处理FrameNet 数据
3. 在 FrameNet 1.5、1.6 和 1.7 数据集上运行SEMAFOR、OPEN-SESAME 和 SIMPLEFRAMEID 帧语义解析器以进行帧和/或参数识别
4. 使用一组标准的 Python 模型构建您自己的帧语义解析器来编组/解组 FrameNet XML 数据

该存储库还随附（Kabbach 等人，2018 年）论文：

@InProceedings{C18-1267,
  author = 	"Kabbach, Alexandre
		and Ribeyre, Corentin
		and Herbelot, Aur{\'e}lie",
  title = 	"Butterfly Effects in Frame Semantic Parsing: impact of data processing on model ranking",
  booktitle = 	"Proceedings of the 27th International Conference on Computational Linguistics",
  year = 	"2018",
  publisher = 	"Association for Computational Linguistics",
  pages = 	"3158--3169",
  location = 	"Santa Fe, New Mexico, USA",
  url = 	"http://aclweb.org/anthology/C18-1267"
}

依赖项

在 Unix 上，您可能需要安装以下软件包：

libxml2 libxml2-dev libxslt1-dev python-3.x-dev

安装

pip3 install pyfn

利用

使用时pyfn，您的 FrameNet 拆分目录结构应如下所示：

.
|-- fndata-1.x-with-dev
|   |-- train
|   |   |-- fulltext
|   |   |-- lu
|   |-- dev
|   |   |-- fulltext
|   |   |-- lu
|   |-- test
|   |   |-- fulltext
|   |   |-- lu
|   |-- frame
|   |-- frRelation.xml
|   |-- semTypes.xml

转换

pyfn可用于将数据转换为：

• FRAMENET XML：发布的FrameNet XML数据的格式
• SEMEVAL XML：SEMEVAL 2007 共享任务 19 框架语义结构提取的格式
• SEMAFOR CoNLL：SEMAFOR 解析器使用的格式
• BIOS：OPEN-SESAME 解析器使用的格式
• CoNLL-X：各种最先进的 POS 标记器和依赖解析器使用的格式（请参阅 下面的帧语义解析的预处理注意事项）

以及生成.csvSEMAFOR 和 OPEN-SESAME 解析器使用的层次结构文件以集成层次结构特征（详见 (Kshirsagar et al., 2015)）。

有关所有格式的详尽描述，请查看FORMAT.md。

如何

以下部分提供了将 FN 数据转换为不同格式的命令示例。所有命令都可以使用以下选项：

1. --splits：指定应转换哪些拆分。--splits train将根据在 fndata-1.x/{train/dev/test} 目录下找到的数据生成所有 train/dev/test 拆分。--splits dev将根据 fndata-1.x/{dev/test} 目录下的数据生成开发和测试拆分。此选项将跳过训练拆分，但生成与使用--splits train. --splits test将根据在 fndata-1.x/test 目录下找到的数据生成测试拆分，并跳过 train/dev 拆分。使用 生成的测试拆分与使用和生成的测试拆分--splits test相同。默认为。--splits train--splits dev--splits test
2. --output_sentences：如果指定，将.sentences在进程中输出一个文件，包含所有原始注释句子，每行一个句子。
3. --with_exemplars: 如果指定，将处理lu除全文之外的示例（目录下的数据）。
4. --filter：指定数据过滤选项（详见下文）。

有关pyfn使用的详细信息，请执行以下操作：

pyfn --help
pyfn generate --help
pyfn convert --help

从 FN XML 到 BIOS

要将数据从 FrameNet XML 格式转换为 BIOS 格式，请执行以下操作：

pyfn convert \
  --from fnxml \
  --to bios \
  --source /abs/path/to/fndata-1.x \
  --target /abs/path/to/xp/data/output/dir \
  --splits train \
  --output_sentences \
  --filter overlap_fes

使用--filter overlap_fes将跳过所有具有重叠框架元素的注释集，因为 BIOS 格式不支持这些情况。

从 FN XML 到 SEMAFOR CoNLL

要生成train.frame.elements用于训练 SEMAFOR 的 {dev,test}.frames文件和用于解码的文件，请执行以下操作：

pyfn convert \
  --from fnxml \
  --to semafor \
  --source /abs/path/to/fndata-1.x \
  --target /abs/path/to/xp/data/output/dir \
  --splits train \
  --output_sentences

从 FN XML 到 SEMEVAL XML

要生成{dev,test}.gold.xmlSEMEVAL 格式的黄金文件进行评分，请执行以下操作：

pyfn convert \
  --from fnxml \
  --to semeval \
  --source /abs/path/to/fndata-1.x \
  --target /abs/path/to/xp/data/output/dir \
  --splits {dev,test}

从 BIOS 到 SEMEVAL XML

要将{dev,test}.bios.semeval.decodedOPEN-SESAME 的解码 BIOS 文件转换为 SEMEVAL XML 格式进行评分，请执行以下操作：

pyfn convert \
  --from bios \
  --to semeval \
  --source /abs/path/to/{dev,test}.bios.semeval.decoded \
  --target /abs/path/to/output/{dev,test}.predicted.xml \
  --sent /abs/path/to/{dev,test}.sentences

从 SEMAFOR CoNLL 到 SEMEVAL XML

要将 SEMAFOR 的解码{dev,test}.frame.elements文件转换为 SEMEVAL XML 格式进行评分，请执行以下操作：

pyfn convert \
  --from semafor \
  --to semeval \
  --source /abs/path/to/{dev,test}.frame.elements \
  --target /abs/path/to/output/{dev,test}.predicted.xml \
  --sent /abs/path/to/{dev,test}.sentences

生成层次结构.csv文件

pyfn generate \
  --source /abs/path/to/fndata-1.x \
  --target /abs/path/to/xp/data/output/dir

要同时处理示例，请添加--with_exemplars选项

预处理和帧语义解析

pyfn附带一组 bash 脚本，以使用各种 POS 标记器和依赖解析器预处理 FrameNet 数据，以及使用各种开源解析器执行帧语义解析。

目前支持的词性标注器包括：

• MXPOST (Ratnaparkhi, 1996)
• NLP4J（崔，2016）

当前支持的依赖解析器包括：

• MST（麦当劳等人，2006）
• BIST BARCH（Kiperwasser 和 Goldberg，2016 年）
• BIST BMST（Kiperwasser 和 Goldberg，2016 年）

当前支持的帧语义解析器包括：

• SIMPLEFRAMEID (Hartmann et al., 2017) 用于帧识别
• SEMAFOR (Kshirsagar et al., 2015) 用于参数识别
• OPEN-SESAME (Swayamdipta et al., 2017) 用于论证识别

要请求对 POS 标记器、依赖解析器或框架语义解析器的支持，请在 Github/Gitlab 上创建问题。

下载

要运行预处理和帧语义解析脚本，首先下载：

• data.7z包含 FN 1.5 和 FN 1.7 的所有 FrameNet 拆分

wget backup.3azouz.net/pyfn/data.7z

• lib.7z包含所有不同的外部软件（标记器、解析器等）

wget backup.3azouz.net/pyfn/lib.7z

• resources.7z包含所有必需的资源

wget backup.3azouz.net/pyfn/resources.7z

• scripts.7z包含一组 bash 脚本以调用不同的解析器和预处理工具包

wget backup.3azouz.net/pyfn/scripts.7z

提取目录下所有档案的内容pyfn。您的 pyfn 文件夹结构应如下所示：

.
|-- pyfn
|   |-- data
|   |   |-- fndata-1.5-with-dev
|   |   |-- fndata-1.7-with-dev
|   |-- lib
|   |   |-- bistparser
|   |   |-- jmx
|   |   |-- mstparser
|   |   |-- nlp4j
|   |   |-- open-sesame
|   |   |-- semafor
|   |   |-- semeval
|   |-- resources
|   |   |-- bestarchybrid.model
|   |   |-- bestarchybrid.params
|   |   |-- bestfirstorder.model
|   |   |-- bestfirstorder.params
|   |   |-- config-decode-pos.xml
|   |   |-- nlp4j.plemma.model.all.xz
|   |   |-- sskip.100.vectors
|   |   |-- wsj.model
|   |-- scripts
|   |   |-- CoNLLizer.py
|   |   |-- deparse.sh
|   |   |-- flatten.sh
|   |   |-- ...

请严格遵循此目录结构，以免出现意外错误。pyfn依赖于许多相对路径分辨率来使脚本调用更短，并且更改此目录结构可能会破坏一切

为 POS 标记设置 NLP4J

要将 NLP4J 用于 POS 标记，请resources/config-decode-pos.xml 通过将 models.pos 绝对路径替换为您的文件来修改文件resources/nlp4j.plemma.model.all.xz：

<configuration>
	...
	<models>
		<pos>/absolute/path/to/pyfn/resources/nlp4j.plemma.model.all.xz</pos>
	</models>
</configuration>

为 BIST 或 OPEN-SESAME 设置 DyNET

如果您打算使用 BIST 解析器进行依赖解析或使用 OPEN-SESAME 进行帧语义解析，则需要通过以下方式安装 DyNET 2.0.2：

pip install dynet=2.0.2

如果您在通过 pip 安装 DyNET 时遇到问题，请执行以下操作：

https://dynet.readthedocs.io/en/2.0.2/python.html

设置 SEMAFOR

要使用 SEMAFOR 帧语义解析器，请修改scripts/setup.sh文件：

# SEMAFOR options to be changed according to your env
export JAVA_HOME_BIN="/abs/path/to/java/jdk/bin"
export num_threads=2 # number of threads to use
export min_ram=4g # min RAM allocated to the JVM in GB. Corresponds to the -Xms argument
export max_ram=8g # max RAM allocated to the JVM in GB. Corresponds to the -Xmx argument

# SEMAFOR hyperparameters
export kbest=1 # keep k-best parse
export lambda=0.000001 # hyperparameter for argument identification. Refer to Kshirsagar et al. (2015) for details.
export batch_size=4000 # number of batches processed at once for argument identification.
export save_every_k_batches=400 # for argument identification
export num_models_to_save=60 # for argument identification

设置 SIMPLEFRAMEID

如果您打算使用 SIMPLEFRAMEID 进行帧识别，则需要安装以下软件包（在 python 2.7 上）：

pip install keras==2.0.6 lightfm==1.13 sklearn numpy==1.13.1 networkx==1.11 tensorflow==1.3.0

使用 SEMEVAL PERL 评估脚本

如果您打算使用 SEMEVAL perl 评估脚本，请确保安装了App::cpanminus和XML::Parser模块：

cpan App::cpanminus
cpanm XML::Parser

使用 bash 脚本

每个脚本都有一个助手：用--help!

小心！大多数脚本期望数据输出pyfn convert ... 位于代表实验编号并使用参数指定的位置下，并且目录与pyfn/experiments/xp_XYZ/data目录位于同一级别 。事实证明，这种固执己见的选择在大量实验中批量启动脚本时非常有用，因为它避免了每次都输入完整路径。XYZ-x XYZexperimentsscripts

确保使用

pyfn convert \
  --from ... \
  --to ... \
  --source ... \
  --target /abs/path/to/pyfn/experiments/xp_XYZ/data \
  --splits ...

在调用preprocess.sh, prepare.sh,semafor.sh或 之前open-sesame.sh

预处理.sh

用于preprocess.shPOS 标记和依赖解析使用pyfn convert .... 助手应显示：

Usage: ${0##*/} [-h] -x XP_NUM -t {mxpost,nlp4j} -p {semafor,open-sesame} [-d {mst,bmst,barch}] [-v]
Preprocess FrameNet train/dev/test splits.

  -h, --help                           display this help and exit
  -x, --xp      XP_NUM                 xp number written as 3 digits (e.g. 001)
  -t, --tagger  {mxpost,nlp4j}         pos tagger to be used: 'mxpost' or 'nlp4j'
  -p, --parser  {semafor,open-sesame}  frame semantic parser to be used: 'semafor' or 'open-sesame'
  -d, --dep     {mst,bmst,barch}       dependency parser to be used: 'mst', 'bmst' or 'barch'
  -v, --dev                            if set, script will also preprocess dev splits

假设您使用以下方法为 SEMAFOR 生成 FrameNet 分割：

pyfn convert \
  --from fnxml \
  --to semafor \
  --source /path/to/fndata-1.7-with-dev \
  --target /path/to/experiments/xp_001/data \
  --splits train \
  --output_sentences

您可以使用 NLP4J 和 BMST 预处理这些拆分

./preprocess.sh -x 001 -t nlp4j -d bmst -p semafor

准备.sh

用于prepare.sh自动生成 misc。框架语义解析管道所需的数据，例如用于评分的黄金 SEMEVAL XML 文件，SEMAFOR 使用的framenet.frame.element.map和层次.csv文件，或SEMAFOR 和 OPEN-SESAME 使用的frames.xml和文件。frRelations.xml助手应显示：

Usage: ${0##*/} [-h] -x XP_NUM -p {semafor,open-sesame} -s {dev,test} -f FN_DATA_DIR [-u] [-e]
Prepare misc. data for frame semantic parsing.

  -h, --help                                   display this help and exit
  -x, --xp              XP_NUM                 xp number written as 3 digits (e.g. 001)
  -p, --parser          {semafor,open-sesame}  frame semantic parser to be used: 'semafor' or 'open-sesame'
  -s, --splits          {dev,test}             which splits to score: dev or test
  -f, --fn              FN_DATA_DIR            absolute path to FrameNet data directory
  -u, --with_hierarchy                         if specified, will use the hierarchy feature
  -e, --with_exemplars                         if specified, will use the exemplars

假设您使用以下方法为 SEMAFOR 生成 FrameNet 分割：

pyfn convert \
  --from fnxml \
  --to semafor \
  --source /path/to/fndata-1.7-with-dev \
  --target /path/to/experiments/xp_001/data \
  --splits train \
  --output_sentences

您可以使用以下方法准备 SEMAFOR 数据：

./prepare.sh -x 001 -p semafor -s test -f /path/to/fndata-1.7-with-dev

框架ID.sh

用于使用frameid.shSIMPLEFRAMEID 执行帧识别。助手应显示：

Usage: ${0##*/} [-h] -m {train,decode} -x XP_NUM [-p {semafor,open-sesame}]
Perform frame identification.

  -h, --help                            display this help and exit
  -m, --mode                            train on all models or decode using a single model
  -x, --xp       XP_NUM                 xp number written as 3 digits (e.g. 001)
  -p, --parser   {semafor,open-sesame}  formalize decoded frames for specified parser

假设您使用以下方法为 SEMAFOR 生成 FrameNet 分割：

pyfn convert \
  --from fnxml \
  --to semafor \
  --source /path/to/fndata-1.7-with-dev \
  --target /path/to/experiments/xp_101/data \
  --splits train \
  --output_sentences

预处理后，您可以使用以下方法训练 SIMPLEFRAMEID 解析器：

./frameid.sh -m train -x 101

和解码（在解码参数标识之前）使用：

./frameid.sh -m decode -x 101 -p semafor

semafor.sh

用于semafor.sh训练 SEMAFOR 解析器或解码测试/开发拆分。助手应显示：

Usage: ${0##*/} [-h] -m {train,decode} -x XP_NUM [-s {dev,test}] [-u]
Train or decode with the SEMAFOR parser.

  -h, --help                             display this help and exit
  -m, --mode            {train,decode}   semafor mode to use: train or decode
  -x, --xp              XP_NUM           xp number written as 3 digits (e.g. 001)
  -s, --splits          {dev,test}       which splits to use in decode mode: dev or test
  -u, --with_hierarchy                   if specified, parser will use the hierarchy feature

假设您使用以下方法为 SEMAFOR 生成 FrameNet 分割：

pyfn convert \
  --from fnxml \
  --to semafor \
  --source /path/to/fndata-1.7-with-dev \
  --target /path/to/experiments/xp_001/data \
  --splits train \
  --output_sentences

在预处理和准备之后，您可以使用以下方法训练 SEMAFOR 解析器：

./semafor.sh -m train -x 001

并使用以下方法解码测试拆分：

./semafor.sh -m decode -x 001 -s test

芝麻开门.sh

用于open-sesame.sh训练 OPEN-SESMAE 解析器或解码测试/开发拆分。助手应显示：

Usage: ${0##*/} [-h] -m {train,decode} -x XP_NUM [-s {dev,test}] [-d] [-u]
Train or decode with the OPEN-SESAME parser.

  -h, --help                              display this help and exit
  -m, --mode              {train,decode}  open-sesame mode to use: train or decode
  -x, --xp                XP_NUM          xp number written as 3 digits (e.g. 001)
  -s, --splits            {dev,test}      which splits to use in decode mode: dev or test
  -d, --with_dep_parses                   if specified, parser will use dependency parses
  -u, --with_hierarchy                    if specified, parser will use the hierarchy feature

假设您使用以下方法为 OPEN-SESAME 生成 FrameNet 分割：

pyfn convert \
  --from fnxml \
  --to bios \
  --source /path/to/fndata-1.7-with-dev \
  --target /path/to/experiments/xp_002/data \
  --splits train \
  --output_sentences \
  --filter overlap_fes

在预处理和准备之后，您可以使用以下方法训练 SEMAFOR 解析器：

./open-sesame.sh -m train -x 002

并使用以下方法解码测试拆分：

./open-sesame.sh -m decode -x 002 -s test

分数.sh

使用score.shSEMEVAL 评分脚本，使用预测帧的黄金来获取用于在开发/测试拆分上进行帧语义解析的 P/R/F1 分数。助手应显示：

Usage: ${0##*/} [-h] -x XP_NUM -p {semafor,open-sesame} -s {dev,test} -f {gold,predicted}
Score frame semantic parsing with a modified version of the SEMEVAL scoring script.

  -h, --help                           display this help and exit
  -x, --xp      XP_NUM                 xp number written as 3 digits (e.g. 001)
  -p, --parser  {semafor,open-sesame}  frame semantic parser to be used: 'semafor' or 'open-sesame'
  -s, --splits  {dev,test}             which splits to score: dev or test
  -f, --frames  {gold,predicted}       score with gold or predicted frames

请注意，评分是使用 SEMEVAL perl 脚本的更新版本完成的，以便在设置中获得更可靠的分数。有关修改的完整说明，请参阅 (Kabbach et al., 2018) 和位于lib/semeval/.

要在测试拆分中使用金框获得 SEMAFOR 的分数，请使用：

./score.sh -x XYZ -p semafor -s test -f gold

要使用测试拆分的预测帧获得 SEMAFOR 的分数，请使用：

./score.sh -x XYZ -p semafor -s test -f predicted

复制

该experiments目录提供了一套详细的说明来复制 (Kabbach et al., 2018) 中报告的关于帧语义解析中的实验蝴蝶效应的所有结果。这些指令可用于比较不同帧语义解析器在各种实验设置中的性能。

编组和解组 FrameNet XML 数据

pyfn提供一组 Python 模型来处理 FrameNet XML 数据。这些可用于帮助您构建自己的框架语义解析器。

pyfn模型的核心是AnnotationSet对应一个 XML<annotationSet>标签。它存储有关给定句子中给定目标的一组给定 FrameNet 注释的各种信息。值得注意的创新是 thelabelstore和 the valenceunitstore，它们以原始格式和自定义格式存储 FrameNet 标签（FE/PT/GF），这可能对帧语义解析有用。

探索包pyfn.models目录下的各种模型pyfn 。

解组 FrameNet XML 数据

要将 fulltext.xml 文件和/或 lu.xml 文件列表转换为pyfn.AnnotationSet对象生成器，并且在 train/dev/test 拆分之间没有重叠，请使用：

import pyfn.marshalling.unmarshallers.framenet as fn_unmarshaller

if __name__ == '__main__':
  splits_dirpath = '/abs/path/to/framenet-1.x-with-dev/'
  splits = 'train'
  with_exemplars = False
  annosets_dict = fn_unmarshaller.get_annosets_dict(splits_dirpath,
                                                    splits, with_exemplars)

splits_dirpath应该指向包含 train/dev/test 拆分目录的目录（参见上面的详细结构）。

get_annosets_dict将返回一个字符串到 AnnotationSet 生成器字典。它将确保训练/开发/测试拆分之间没有重叠。

调用get_annosets_dict将splits='test'返回一个带有单个'test'键的字典。调用get_annosets_dict将splits='dev' 返回一个带有两个键的字典：'dev'和'test'。调用get_annosets_dict将splits='train'返回一个包含三个键的字典'train'：'dev'和'test'。

要遍历每个键的 AnnotationSet 对象列表，您可以执行以下操作：

for (splits, annosets) in annosets_dict.items():
  print('Iterating over annotationsets for splits: {}'.format(splits))
  for annoset in annosets:
    print('annoset with #id = {}'.format(annoset._id))

或者简单地说，迭代特定的键值（例如训练 annosets）：

for annoset in annosets_dict['train']:
    print('annoset with #id = {}'.format(annoset._id))

请注意，为了性能， annosets 不是一个列表，而是一个生成器。

解组 OPEN-SESAME BIOS 数据

要将.bios文件及其对应.sentences文件转换为对象生成器pyfn.AnnotationSet，请使用：

import pyfn.marshalling.unmarshallers.bios as bios_unmarshaller

if __name__ == '__main__':
  bios_filepath = '/abs/path/to/.bios'
  sent_filepath = '/abs/path/to/.sentences'
  annosets = bios_unmarshaller.unmarshall_annosets(bios_filepath,
                                                   sent_filepath)
  for annoset in annosets:
    print('annoset with #id = {}'.format(annoset._id))

重要的！和文件必须是使用 参数生成.bios的。.sentencespyfn convert ... --to bios ...--filter overlap_fes

解组 SEMAFOR CONLL 数据

要将.frame.elements文件及其对应.sentences 文件转换为对象生成器pyfn.AnnotationSet，请使用：

import pyfn.marshalling.unmarshallers.semafor as semafor_unmarshaller

if __name__ == '__main__':
  semafor_filepath = '/abs/path/to/.frame.elements'
  sent_filepath = '/abs/path/to/.sentences'
  annosets = semafor_unmarshaller.unmarshall_annosets(semafor_filepath,
                                                      sent_filepath)
  for annoset in annosets:
    print('annoset with #id = {}'.format(annoset._id))

解组 SEMEVAL XML 数据

要将 SEMEVAL.xml文件及其对应.sentences 文件转换为对象生成器pyfn.AnnotationSet，请使用：

import pyfn.marshalling.unmarshallers.semeval as semeval_unmarshaller

if __name__ == '__main__':
  xml_filepath = '/abs/path/to/semeval/.xml'
  annosetss = semeval_unmarshaller.unmarshall_annosets(xml_filepath)

默认情况下unmarshall_annosets，SEMEVAL 将返回嵌入注释集的生成器。要迭代单个注释集，请使用：

for annosets in annosetss:
  for annoset in annosets:
    print('annoset with #id = {}'.format(annoset._id))

要返回 annosets 的“平面”列表，请传入flatten=True参数：

import pyfn.marshalling.unmarshallers.semeval as semeval_unmarshaller

if __name__ == '__main__':
  xml_filepath = '/abs/path/to/semeval/.xml'
  annosets = semeval_unmarshaller.unmarshall_annosets(xml_filepath, flatten=True)
  for annoset in annosets:
    print('annoset with #id = {}'.format(annoset._id))

编组到 OPEN-SESAME BIOS

要将 dict of splitsto pyfn.AnnotationSetobjects 转换为 OPEN-SESAME-style .bios，请参阅 pyfn.marshalling.marshallers.bios.marshall_annosets_dict

编组到 SEMAFOR CONLL

要将 dict of splitsto pyfn.AnnotationSetobjects 转换为 SEMAFOR-style .frame.elements，请参阅 pyfn.marshalling.marshallers.semafor.marshall_annosets_dict

编组为 SEMEVAL XML

要将pyfn.AnnotationSet对象列表转换为 SEMEVAL 样式.xml，请参阅pyfn.marshalling.marshallers.semeval.marshall_annosets

编组到 .csv 层次结构

要将关系列表转换为.csv文件，请参阅 pyfn.marshalling.marshallers.hierarchy.marshall_relations

引文

如果您使用，pyfn请引用：

@InProceedings{C18-1267,
  author = 	"Kabbach, Alexandre
		and Ribeyre, Corentin
		and Herbelot, Aur{\'e}lie",
  title = 	"Butterfly Effects in Frame Semantic Parsing: impact of data processing on model ranking",
  booktitle = 	"Proceedings of the 27th International Conference on Computational Linguistics",
  year = 	"2018",
  publisher = 	"Association for Computational Linguistics",
  pages = 	"3158--3169",
  location = 	"Santa Fe, New Mexico, USA",
  url = 	"http://aclweb.org/anthology/C18-1267"
}