kkoomen / pav-nltk

NLTK project

Dit project bevat de code van het NLTK project dat is gemaakt voor PAV TTTV.

Installatie

• git clone https://github.com/koomen/pav-nltk & cd pav-nltk
• pip3 install -r requirements.txt

Gebruik

Omdat phrase structure rules te genereren maken we gebruik van de Standard CoreNLP. In python gebruiken we een wrapper package die de API aanroept die je lokaal hebt draaien, maar deze moet je dus installeren. Installeer CoreNLP v4 hier.

Om CoreNLP te draaien lokaal, heb je ook java nodig. Voor Mac gebruiker kan je simpelweg het volgende commando draaien: brew install openjdk

Nadat je Java en CoreNLP hebt geïnstalleerd moet je in een terminal naar de lokatie gaan waar je CoreNLP heb gedownload. Vervolgens kan je het onderstaande commando draaien om een server te starten op port 9000:

java -mx4g -cp "*" edu.stanford.nlp.pipeline.StanfordCoreNLPServer -annotators "tokenize,ssplit,parse" -port 9000 -timeout 30000

Vervolgens kan je het project lokaal uitvoeren middels:

./main.py ./foxinsocks.txt ./homophones.txt

Optioneel kan je nog een getal opgeven hoeveel zinnen het moet genereren. Om 50 zinnen te genereren, gebruik het volgende commando:

./main.py ./foxinsocks.txt ./homophones.txt 50

Voor meer uitleg over het gebruik van de main.py, de structuur is als volgt:

./main.py FILEPATH1 FILEPATH2 N

• FILEPATH1 is een pad naar een corpus bestand dat gebuikt wordt voor de phrase structure rules. In dit project is dat foxinsocks.txt
• FILEPATH2 is een pad naar een woordenlijst dat wordt gebruikt voor de lexical rules. In dit project is dat homophones.txt
• N een getal dat aangeeft hoeveel zinnen er gegenereerd moeten worden.

Voor dit project kan je dus simpelweg het volgende commando runnen:

Authors

Gemaakt door Kim Koomen and Gijs Schouten als opdracht vanuit de Universiteit van Amsterdam, 2023.