Add 05 zajecia

05_analiza_morfologiczna.ipynb

@@ -0,0 +1,135 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "## Zajęcia 5: Analiza morfologiczna (Morphological Analysis)\n",
+    "\n",
+    "Wszystkie zadania ćwiczeniowe należy rozwiązywać w języku Python w kopii Jupyter Notebook'a dla danych zajęć w wyznaczonych miejscach (komórki z komentarzem `# Solution`).\n",
+    "\n",
+    "Nie należy usuwać komórek z treścią zadań.\n",
+    "\n",
+    "Należy wyświetlać outputy przy pomocy `print`"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "### Zadanie 1 \n",
+    "\n",
+    "Zaimplementuj algorytm Portera dla języka angielskiego (dokładne kroki są opisane tutaj https://vijinimallawaarachchi.com/2017/05/09/porter-stemming-algorithm/). Funkcja musi przyjmować słowo i zwracać jego rdzeń (stem). Przetestuj program na podanych przkładowych słowach oraz na minimum własnoręcznie wybranych słowach. Funkcja musi uwzględniać wielkość liter w podanym słowie.\n",
+    "\n",
+    "W celu efektywnego rozwiązania zadania wykonaj następujące kroki:\n",
+    "1. Zdefiniuj pojedyncze zadania znajdujące się w algorytmie Portera.\n",
+    "2. Przygotuj puste funkcje wykonujące zadania z kroku nr 1.\n",
+    "3. Napisz kod w funkcjach z kroku nr 2.\n",
+    "4. Uzupełnij kod w funkcji stem_word, która powinna wywoływać napisane funkcje."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Algorytm Portera składa się z następujących zadań:"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "(tu wypisz zadania)"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Funkcje realizujące zadania:"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "# Solution 1"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 7,
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "def stem_word(word):\n",
+    "    return word"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "metadata": {},
+   "source": [
+    "#### Testy (należy dodać minimum 3 własne przypadki)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 10,
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Słowo: MULTIDIMENSIONAL\n",
+      "Po wykonaniu algorytmu Portera: MULTIDIMENSIONAL\n",
+      "\n",
+      "Słowo: CHARACTERIZATION\n",
+      "Po wykonaniu algorytmu Portera: CHARACTERIZATION\n",
+      "\n",
+      "Słowo: Erroneous\n",
+      "Po wykonaniu algorytmu Portera: Erroneous\n",
+      "\n",
+      "Słowo: oBvIoUsLy\n",
+      "Po wykonaniu algorytmu Portera: oBvIoUsLy\n",
+      "\n",
+      "Słowo: happiness\n",
+      "Po wykonaniu algorytmu Portera: happiness\n",
+      "\n"
+     ]
+    }
+   ],
+   "source": [
+    "print(f\"Słowo: MULTIDIMENSIONAL\\nPo wykonaniu algorytmu Portera: {stem_word('MULTIDIMENSIONAL')}\\n\")\n",
+    "print(f\"Słowo: CHARACTERIZATION\\nPo wykonaniu algorytmu Portera: {stem_word('CHARACTERIZATION')}\\n\")\n",
+    "print(f\"Słowo: Erroneous\\nPo wykonaniu algorytmu Portera: {stem_word('Erroneous')}\\n\")\n",
+    "print(f\"Słowo: oBvIoUsLy\\nPo wykonaniu algorytmu Portera: {stem_word('oBvIoUsLy')}\\n\")\n",
+    "print(f\"Słowo: happiness\\nPo wykonaniu algorytmu Portera: {stem_word('happiness')}\\n\")"
+   ]
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "base",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.11.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 2
+}