Urmi形态分析仪

这是 Christian Urmi（亚非语 > 东北新亚拉姆语）的基于规则的形态分析器。它基于 Urmi 形态的形式化描述，并使用uniparser-morph进行解析。它对 Urmi 词进行完整的形态分析（词形还原、词性标注、语法标注）。要分析的文本应以拉丁字母（亚述新字母）书写。

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 Urmi 文本，请安装该模块：

pip3 install uniparser-urmi

导入模块并创建UrmiAnalyzer类的实例。设置mode='strict'是否要处理标准亚述新字母表中的文本，或者mode='nodiacritics'如果您希望某些单词缺少变音符号（例如t而不是ṭ）。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_urmi import UrmiAnalyzer
a = UrmiAnalyzer(mode='strict')

analyses = a.analyze_words('вajjannux')
# 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)

# You can also pass lists (even nested lists) and specify
# output format ('xml', 'json' or 'conll')
# If you pass a list, you will get a list of analyses
# with the same structure
analyses = a.analyze_words([['вajjannux'], ['ʕəbarwo', 'lab', 'bote', '.']],
	                       format='xml')
analyses = a.analyze_words([['вajjannux'], ['ʕəbarwo', 'lab', 'bote', '.']],
	                       format='conll')
analyses = a.analyze_words(['вajjannux', [['laḥmawo'], ['ʕəbarwo', 'lab', 'bote', '.']]],
	                       format='json')

有关完整的选项列表，请参阅uniparser-morph 文档。

如果您想快速检查某个特定单词的分析，您还可以使用命令行界面。这是单词вajjannux的示例：

python3 -m uniparser_urmi вajjannux

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 622 万字的Christian Urmi 语料库( wordlist.csv) 中的单词列表，其中包含 63,000 个唯一标记，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)，以及标记列表解析器无法分析 ( wordlist_unanalyzed.txt)。分析器对语料库文本的召回率约为 76%。

描述格式

描述以uniparser-morph格式进行，涉及对屈折变化的描述（paradigms.txt）和语法词典（lexemes.txt）。该词典包含对单个词位的描述，每个词位都附有词干、词性标签和其他一些语法信息、辅音词根、屈折类型（范式）以及英语和/或俄语翻译的信息. 在 uniparser-morph 文档中查看有关格式的更多信息。