Moksha 形态分析仪

mdf这是 Moksha ( ; Uralic > Mordvinic)的基于规则的形态分析器。它基于对文学 Moksha 形态的形式化描述，其中还包含许多方言元素，并使用uniparser-morph进行解析。它对 Moksha 词进行完整的形态分析（词形还原、词性标注、语法标注、注解）。

如何使用

Python 包

该分析器以 Python 包的形式提供。如果要在 Python 中分析 Moksha 文本，请安装该模块：

pip3 install uniparser-moksha

导入模块并创建MokshaAnalyzer类的实例。设置mode='strict'是否要以标准正字法处理文本，或者mode='nodiacritics'如果您希望某些单词缺少变音符号（这在社交媒体中经常发生）。之后，您可以使用 解析标记或标记列表analyze_words()，或者使用 解析频率列表analyze_wordlist()。这是一个简单的例子：

from uniparser_moksha import MokshaAnalyzer
a = MokshaAnalyzer(mode='strict')

analyses = a.analyze_words('Морфологиять')
# The parser is initialized before first use, so expect
# some delay here (usually several seconds)

# You will get a list of Wordform objects
# The analysis attributes are stored in its properties
# as string values, e.g.:
for ana in analyses:
        print(ana.wf, ana.lemma, ana.gramm, ana.gloss)

# You can also pass lists (even nested lists) and specify
# output format ('xml' or 'json')
# If you pass a list, you will get a list of analyses
# with the same structure
analyses = a.analyze_words([['А'], ['Мон', 'тонь', 'келькте', '.']],
	                       format='xml')
analyses = a.analyze_words(['Морфологиять', [['А'], ['Мон', 'тонь', 'келькте', '.']]],
	                       format='json')

有关完整的选项列表，请参阅uniparser-morph 文档。

消歧义

该语言尚不支持消歧。

单词列表

或者，您可以使用预处理的单词列表。该wordlists目录包含来自 170 万字Moksha 语料库的单词列表( wordlist_main.csv)、已分析标记列表 ( wordlist_analyzed.txt；每行包含对 XML 格式的一个单词的所有可能分析) 以及解析器无法分析的标记列表 ( wordlist_unanalyzed.txt）。分析仪的召回率为 91% 的文学文本和 79% 的社交媒体文本。

描述格式

描述以uniparser-morph格式进行，包括对变形的描述（paradigms.txt）、语法词典（kpv_lexemes_XXX.txt 文件）、用附加俄语翻译注释词位和语法值组合的规则列表（lex_rules.txt）。 txt)，以及应避免的分析的简短列表 (bad_analysiss.txt)。该词典包含对单个词位的描述，每个词位都附有关于其词干、词性标签和一些其他语法/借用信息、其屈折类型（范式）和俄语翻译的信息。在 uniparser-morph 文档中查看有关格式的更多信息。