136 lines
3.8 KiB
Plaintext
136 lines
3.8 KiB
Plaintext
{
|
|
"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
|
|
}
|