• John Snow Labs
  • May 05, 2020

Part of Speech for Greek

  • pos
  • el

Description

This model annotates the part of speech of tokens in a text. The parts of speech annotated include PRON (pronoun), CCONJ (coordinating conjunction), and 15 others. The part of speech model is useful for extracting the grammatical structure of a piece of text automatically.

Open in Colab Download

How to use

...
pos = PerceptronModel.pretrained("pos_ud_gdt", "el") \
    .setInputCols(["document", "token"]) \
    .setOutputCol("pos")
nlp_pipeline = Pipeline(stages=[document_assembler, sentence_detector, tokenizer, pos])
light_pipeline = LightPipeline(nlp_pipeline.fit(spark.createDataFrame([['']]).toDF("text")))
results = light_pipeline.fullAnnotate("Εκτός από το ότι είναι ο βασιλιάς του Βορρά, ο John Snow είναι Άγγλος γιατρός και ηγέτης στην ανάπτυξη της αναισθησίας και της ιατρικής υγιεινής.")

...
val pos = PerceptronModel.pretrained("pos_ud_gdt", "el")
    .setInputCols(Array("document", "token"))
    .setOutputCol("pos")
val pipeline = new Pipeline().setStages(Array(document_assembler, sentence_detector, tokenizer, pos))
val result = pipeline.fit(Seq.empty["Εκτός από το ότι είναι ο βασιλιάς του Βορρά, ο John Snow είναι Άγγλος γιατρός και ηγέτης στην ανάπτυξη της αναισθησίας και της ιατρικής υγιεινής."].toDS.toDF("text")).transform(data)

import nlu

text = ["""Εκτός από το ότι είναι ο βασιλιάς του Βορρά, ο John Snow είναι Άγγλος γιατρός και ηγέτης στην ανάπτυξη της αναισθησίας και της ιατρικής υγιεινής."""]
pos_df = nlu.load('el.pos.ud_gdt').predict(text)
pos_df

Results

[Row(annotatorType='pos', begin=0, end=4, result='ADV', metadata={'word': 'Εκτός'}),
Row(annotatorType='pos', begin=6, end=8, result='ADP', metadata={'word': 'από'}),
Row(annotatorType='pos', begin=10, end=11, result='DET', metadata={'word': 'το'}),
Row(annotatorType='pos', begin=13, end=15, result='SCONJ', metadata={'word': 'ότι'}),
Row(annotatorType='pos', begin=17, end=21, result='AUX', metadata={'word': 'είναι'}),
...]

Model Information

Model Name: pos_ud_gdt
Type: pos
Compatibility: Spark NLP 2.5.0+
Edition: Official
Input labels: [token]
Output labels: [pos]
Language: el
Case sensitive: false
License: Open Source

Data Source

The model is imported from https://universaldependencies.org