-
Notifications
You must be signed in to change notification settings - Fork 0
/
definitions.py
2907 lines (2441 loc) · 143 KB
/
definitions.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
994
995
996
997
998
999
1000
import re
import copy
from itertools import product
from collections import deque
import datetime as dt
stopword = ['쯤', '쯔음', '즈음', '정도', '때', '약', '대략', '안팎']
# 여(두달'여'동안), 한(한 두달부터)
# 기간 = 시점 + 부사 + 불용어 라고 판단. 그 부사들의 리스트
dt_duration = ['~', '부터', '까지', '부턴', '까진', '이상', '이후', '이전', '이내', '중순', '에서', '에선','사이', '마다',
'내내', '동안', '가량', '내', '초', '말', '중', '전', '뒤', '안', '후', '간'] # 긴 글자가 먼저 찾아지게
# 추가적인 의미를 더해준다. 불용어는 아닌, 부사들보다는 덜하지만 추가적인 의미를 더해주는 말들
additional_adv = ['지난', '오는', '주말', '내일'] # , '하루종일'
ti_stopword = ['쯤', '쯔음', '즈음', '정도', '때', '약', '대략', '안팎', '경', '정각']
ti_additional_adv = ['오전', '오후']
# 기간 = 시점 + 부사 + 불용어 라고 판단. 그 부사들의 리스트
ti_duration = ['~', '부터', '까지', '부턴', '까진', '이상', '이후', '이전', '이내', '에서', '사이', '마다',
'내내', '동안', '가량', '전', '후', '내', '중', '뒤', '안'] # 긴 글자가 먼저 찾아지게
TODAY = dt.datetime.today()
# word가 시점인지 기간인지를 판단하는 함수
# 기준: Label로 구분, but others의 경우 섞여 있어 정규표현식으로 걸러내야 함.
def classify_point_TI(wordNner):
word, ner = wordNner
result = {'word': word, 'ner': ner, 'durNpoint': None, 'parsing': []}
# 1.기본적인 불용어 제거
for sw in ti_stopword:
if sw in word:
word = word.replace(sw, '')
word = word.strip()
# 2.추가적인 부사 제거 -> 부사의 우선순위를 정할 필요가 없는 것들
def parse_add_adv(word):
add_list = []
for adv in ti_additional_adv:
if adv in word:
p = re.compile(adv)
tmp_index = list(p.finditer(word))
for one in tmp_index:
add_list.append(one.span())
result = []
former = 0
if add_list:
add_list.sort()
for begin, end in add_list:
result.append((word[former:begin].strip(), None)) # 정해지지 않음
result.append((word[begin:end].strip(), True)) # 다시 한번
former = end
if len(word) != end:
result.append((word[end:].strip(), None)) # 정해지지 않음
result = [x for x in result if x[0]]
for i in ti_additional_adv:
word = word.replace(i, '')
else:
result.append((word, None))
word = re.sub('[ ]+', ' ', word.strip())
return word, result
word, parsing = parse_add_adv(word)
# parsing = [(word, None)]
# 3. 기간 부사 제거
# DT_OTHERS: 기간>시점일 때 - 부사 리스트 안에 단어가 있는지 판단을 통해 분류
def parse_dur(parsing):
def search_long_index(index_list):
overlap = []
no_overlap = []
count = 0
for idx, (begin, end) in enumerate(index_list):
if idx == (len(index_list) - 1):
if count == 0:
no_overlap.append((begin, end))
else:
after_begin, after_end = index_list[idx + 1][0], index_list[idx + 1][1]
if begin <= after_begin and end >= after_end:
overlap.append((begin, end))
count += 1
elif after_begin <= begin and after_end >= end:
overlap.append((after_begin, after_end))
count += 1
else:
if count == 0:
no_overlap.append((begin, end))
count = 0
no_overlap += overlap
no_overlap = list(set(no_overlap))
no_overlap.sort()
return no_overlap
parsing2 = []
for idx, (word, flag) in enumerate(parsing):
count = 0 # parsing의 부사 갯수
if flag == None:
# 부사에 대해 파싱을 진행
index_list = []
# word 하나에 부사가 있는지 확인 한 후 index_list로 뽑아준다.
for idx, dur in enumerate(ti_duration):
if dur in word:
p = re.compile(dur)
tmp_index = list(p.finditer(word))
for one in tmp_index:
index_list.append(one.span())
# 기존의 index와 겹치는 것(길이 동안 > 안)이 있다면 추가하지 않게
if index_list:
index_list.sort()
index_list = search_long_index(index_list)
count += len(index_list)
former = 0
for begin, end in index_list:
parsing2.append((word[former:begin].strip(), True)) # 정해지지 않음
###################
w_ = word[begin:end].strip()
parsing2.append((w_, False, ti_duration.index(w_))) # 부사가 아닌 걸로 정해짐
former = end
if len(word) != end:
parsing2.append((word[end:].strip(), True)) # 정해지지 않음
for i in ti_duration:
word = word.replace(i, '')
word = re.sub('[ ]+', ' ', word.strip())
# 그대로 parsing2에 word를 True로 추가
else:
parsing2.append((word, True))
else:
# flag가 False/True일 때 = 그대로 추가
parsing2.append((word, flag))
parsing2 = [x for x in parsing2 if x[0]]
if count:
return word, (parsing2, 'DUR', count)
else:
return word, (parsing2, 'POINT', count)
############## DT-DURATION'8-9일동안'/'8~9일동안'/'수~목요일동안' 이런 문제는 NEN으로 해결가능한가?
#### 같이 들어오는 부사들 '부터~까지'는 생략이 되지 않는다면 가능하긴 할 것이다.....생성으로 가야겟네
word, (result['parsing'], result['durNpoint'], dur_count) = parse_dur(parsing)
return result
# word가 시점인지 기간인지를 판단하는 함수
# 기준: Label로 구분, but others의 경우 섞여 있어 정규표현식으로 걸러내야 함.
def classify_point(wordNner):
word, ner = wordNner
result = {'word': word, 'ner': ner, 'durNpoint': None, 'parsing': []}
# 1.기본적인 불용어 제거
for sw in stopword:
if sw in word:
word = word.replace(sw, '')
word = word.strip()
# 2.추가적인 부사 제거 -> 부사의 우선순위를 정할 필요가 없는 것들
def parse_add_adv(word):
add_list = []
for adv in additional_adv:
if adv in word:
p = re.compile(adv)
tmp_index = list(p.finditer(word))
for one in tmp_index:
add_list.append(one.span())
result = []
former = 0
if add_list:
add_list.sort()
for begin, end in add_list:
result.append((word[former:begin].strip(), None)) # 정해지지 않음
# result.append((word[begin:end].strip(), False)) # 추가부사로 정해짐
# result.append((word[begin:end].strip(), None)) # 추가부사로 정해짐
result.append((word[begin:end].strip(), True)) # 추가부사로 정해짐
former = end
if len(word) != end:
result.append((word[end:].strip(), None)) # 정해지지 않음
result = [x for x in result if x[0]]
for i in additional_adv:
word = word.replace(i, '')
else:
result.append((word, None))
word = re.sub('[ ]+', ' ', word.strip())
return word, result
word, parsing = parse_add_adv(word)
# parsing = [(word, None)]
# 3. 기간 부사 제거
# DT_OTHERS: 기간>시점일 때 - 부사 리스트 안에 단어가 있는지 판단을 통해 분류
def parse_dur(parsing):
def search_long_index(index_list):
overlap = []
no_overlap = []
count = 0
for idx, (begin, end) in enumerate(index_list):
if idx == (len(index_list) - 1):
if count == 0:
no_overlap.append((begin, end))
else:
after_begin, after_end = index_list[idx + 1][0], index_list[idx + 1][1]
if begin <= after_begin and end >= after_end:
overlap.append((begin, end))
count += 1
elif after_begin <= begin and after_end >= end:
overlap.append((after_begin, after_end))
count += 1
else:
if count == 0:
no_overlap.append((begin, end))
count = 0
no_overlap += overlap
no_overlap = list(set(no_overlap))
no_overlap.sort()
return no_overlap
parsing2 = []
for idx, (word, flag) in enumerate(parsing):
count = 0 # parsing의 부사 갯수
if flag == None:
# 부사에 대해 파싱을 진행
index_list = []
# word 하나에 부사가 있는지 확인 한 후 index_list로 뽑아준다.
for idx, dur in enumerate(dt_duration):
if dur in word:
p = re.compile(dur)
tmp_index = list(p.finditer(word))
for one in tmp_index:
index_list.append(one.span())
# 기존의 index와 겹치는 것(길이 동안 > 안)이 있다면 추가하지 않게
if index_list:
index_list.sort()
index_list = search_long_index(index_list)
count += len(index_list)
former = 0
for begin, end in index_list:
parsing2.append((word[former:begin].strip(), True)) # 정해지지 않음
###################
w_ = word[begin:end].strip()
parsing2.append((w_, False, dt_duration.index(w_))) # 부사가 아닌 걸로 정해짐
former = end
if len(word) != end:
parsing2.append((word[end:].strip(), True)) # 정해지지 않음
for i in dt_duration:
word = word.replace(i, '')
word = re.sub('[ ]+', ' ', word.strip())
# 그대로 parsing2에 word를 True로 추가
else:
parsing2.append((word, True))
else:
# flag가 False/True일 때 = 그대로 추가
parsing2.append((word, flag))
parsing2 = [x for x in parsing2 if x[0]]
if count:
return word, (parsing2, 'DUR', count)
else:
return word, (parsing2, 'POINT', count)
############## DT-DURATION'8-9일동안'/'8~9일동안'/'수~목요일동안' 이런 문제는 NEN으로 해결가능한가?
#### 같이 들어오는 부사들 '부터~까지'는 생략이 되지 않는다면 가능하긴 할 것이다.....생성으로 가야겟네
word, (result['parsing'], result['durNpoint'], dur_count) = parse_dur(parsing)
return result
# 상대적인지 절대적인지(=현재 날짜를 기준으로 더해야하는지, 바로 설정해야하는지)를 판단하는 함수
# 기준: 숫자가 들어갔는지 안들어갔는지로 판단. 한글화 된 숫자를 포함하여 정규표현식으로 걸러내야 함.
# 1. 숫자가 들어갔는가?
# 2. 숫자가 들어가지 않았더라도 한글로 표현이 된 숫자인가?
# 3. 같이 들어가 있을 때는?
# 위에서 파싱되서 POINT로 들어간다고 가정한다.
# 해당 되지 않는 tag안의 단어들은 모두 삭제한다. ex) 올해 2022년 -> 2022년
# 결국에는 OTHERS와 DURATION의 특정 format, 용어들을 남겨놓고 해야한다.
# 숫자만 남아있는 경우는 자리나 앞에서 나온 값의 연장일 것이다. 맨 마지막으로 빼야 됨.
def classify_abs(total_word: dict):
word, ner, durNpoint, parsing = total_word['word'], total_word['ner'], total_word['durNpoint'], total_word[
'parsing']
final_parsing = []
def matchNparse(words, pattern, label, rel_or_abs, idx):
# 해당 단어와 매치되는지 판단해주고, 매치된다면 해당 단어를 파싱해주는 함수
# 파싱이 되지 않은 값들은 None이고, 된다면 True가 된다.
# pattern 하나에 대해서 단어들을 찾음
parsing_list = []
p = re.compile(pattern)
for word in words:
flag = word[1]
if flag == None:
w = word[0]
index_list = list(p.finditer(w))
index_list = [one.span() for one in index_list]
former = 0
# 찾았다면
if index_list:
for begin, end in index_list:
parsing_list.append((w[former:begin].strip(), None)) # 정해지지 않음
parsing_list.append((w[begin:end].strip(), True, label, rel_or_abs, idx)) # 추가부사로 정해짐
former = end
if len(w) != end:
parsing_list.append((w[end:].strip(), None)) # 정해지지 않음
# 찾지 못했다면 그대로 추가
else:
parsing_list.append(word)
elif flag == True:
parsing_list.append(word)
else:
raise Exception(f'이상한 label 들어옴:{words}')
parsing_list = [one for one in parsing_list if one[0]]
return parsing_list
for word in parsing:
# True라면 select후 parsing
if word[1]:
parsing_word = [(word[0], None)]
dt_relative_year = ['올해|이번 ?년도?|이번 ?해'] # 나머지는 굳이 안봐도 될거라고 판단
dt_absolute_year = ['[1-2][0-9][0-9][0-9]년'] # 숫자가 있을 때에는 '올해','지난' 빼기 -> 2018년올해/지난 2015년 경우임
dt_relative_month = ['그 ?달', '다*담 ?달|다*다음 ?달', '내달|당월|이 ?달|이번 ?달',
'열?[한두세네] ?달|열 ?달|다섯 ?달|여섯 ?달|일곱 ?달|여덟 ?달|아홉 ?달', '[0-9]+달'] # 수량은 부사랑 같이옴 ex)두달뒤
dt_absolute_month = ['막 ?달|마지막 ?달', '[0-2]?[0-9]월', '십?[일이삼사오육유칠팔구십] ?월'] ### 일월, 일 월, 이월 ,이 월... 추가하기
dt_relative_week = ['다*담 ?주|다*다음 ?주', '이번 ?주', '[0-9]?[0-9]주', '[일이삼사오]주일?', '한주']
dt_absolute_week = ['첫 ?주', '막 ?주|마지막 ?주', '[첫둘셋넷][째쨋] ?주|다섯[째쨋] ?주',
'[0-9]째주', '[첫두세네]번째 ?주|다섯번째 ?주'] # 'N,N째주'도 고려해야됨
dt_relative_day = ['내일|낼', '하루|[이2]틀|모레|글피|사흘|나흘|닷새|엿새|이레|여드레|아흐레|열흘',
'오늘|당일', '다음 ?날|담 ?날', '[첫둘셋넷]째 ?날|다섯째 ?날', '[첫두세네]번째 ?날|다섯번째 ?날',
'[월화수목금토일]욜날?|[월화수목금토일](요일)날?', '[월화수목금토]'] # 일(요일) 어떻게? ,
dt_absolute_day = ['[0-3]?[0-9](일날?)', '[이삼]?[십]?[일이삼사오육칠팔구십] ?일'] # 온갖 공휴일
dt_relative_duration = ['평일', '주말']
# 특정 숫자 format들
dt_absolute_others = ['[1-2][0-9][0-9][0-9]/[0-1]?[0-9]/[0-3]?[0-9]|[0-1]?[0-9]/[0-3]?[0-9]',
# 2022/2/14 02/14
'[1-2][0-9][0-9][0-9]-[0-1]?[0-9]-[0-3]?[0-9]',
# 2022-02-4 2-4 헷갈릴수 있어 뺌 # [0-1]?[0-9]-[0-3]?[0-9]
'[1-2][0-9][0-9][0-9]\.[0-1]?[0-9]\.[0-3]?[0-9]|[0-1]?[0-9]\.[0-3]?[0-9]'] # 2012.12.12
dt_relative_others = [] # 흠... 추가로 NER을 돌려야 할 것 같다.
dt_absolute_duration = []
dt_final_adv = [('일', 'DT_DAY', 'REL', 7), ('[0-9][0-9][0-9][0-9][0-9][0-9]', 'DT_OTHERS', 'ABS', 3),
('[0-9][0-9][0-9][0-9]', 'DT_OTHERS', 'ABS', 4), ('[0-9]?[0-9]', 'DT_DAY', 'ABS', 2)]
all_point = [(dt_relative_year, dt_absolute_year), (dt_relative_month, dt_absolute_month),
(dt_relative_week, dt_absolute_week), (dt_relative_day, dt_absolute_day)]
dt_point = ['DT_YEAR', 'DT_MONTH', 'DT_WEEK', 'DT_DAY']
# YEAR/MONTH/WEEK/DAY라면 단순 매치 후 파싱, 그리고 태그해준다. 남는 단어는 불용어라 판단, None으로 태그해준다.
if ner == 'DT_YEAR':
for idx, pattern in enumerate(dt_relative_year):
parsing_word = matchNparse(parsing_word, pattern, 'DT_YEAR', 'REL', idx)
for idx, pattern in enumerate(dt_absolute_year):
parsing_word = matchNparse(parsing_word, pattern, 'DT_YEAR', 'ABS', idx)
elif ner == 'DT_MONTH':
for idx, pattern in enumerate(dt_relative_month):
parsing_word = matchNparse(parsing_word, pattern, 'DT_MONTH', 'REL', idx)
for idx, pattern in enumerate(dt_absolute_month):
parsing_word = matchNparse(parsing_word, pattern, 'DT_MONTH', 'ABS', idx)
elif ner == 'DT_WEEK':
for idx, pattern in enumerate(dt_relative_week):
parsing_word = matchNparse(parsing_word, pattern, 'DT_WEEK', 'REL', idx)
for idx, pattern in enumerate(dt_absolute_week):
parsing_word = matchNparse(parsing_word, pattern, 'DT_WEEK', 'ABS', idx)
elif ner == 'DT_DAY':
for idx, pattern in enumerate(dt_relative_day):
parsing_word = matchNparse(parsing_word, pattern, 'DT_DAY', 'REL', idx)
for idx, pattern in enumerate(dt_absolute_day):
parsing_word = matchNparse(parsing_word, pattern, 'DT_DAY', 'ABS', idx)
# 한번 더 NER model을 돌려 자동으로 분석되게 하든지 rule-based로 짜든지 해야한다. 일단은 rule-based로 진행한다.
# DUR/OTHERS라면 매치가 되면 파싱 후 태그해준다. 그리고 남는 단어는 일단 True로 태그후,
# 정규표현식으로 다시 한번 걸러 파싱 후 태그, 그리고 남는 단어는 None으로 태그해준다.
elif ner == 'DT_DURATION' or 'DT_OTHERS':
for idx, pattern in enumerate(dt_relative_duration):
parsing_word = matchNparse(parsing_word, pattern, 'DT_DURATION', 'REL', idx)
for idx, pattern in enumerate(dt_absolute_others):
parsing_word = matchNparse(parsing_word, pattern, 'DT_OTHERS', 'ABS', idx)
for i, (rel_label, abs_label) in enumerate(all_point): # class label dt_point[i]
for idx, pattern in enumerate(rel_label):
parsing_word = matchNparse(parsing_word, pattern, dt_point[i], 'REL', idx)
for idx, pattern in enumerate(abs_label):
parsing_word = matchNparse(parsing_word, pattern, dt_point[i], 'ABS', idx)
else:
raise Exception(f'이상한 label 들어옴:{word}')
# 추가 라벨 파싱
for pattern, classlabel, relORabs, idx in dt_final_adv:
parsing_word = matchNparse(parsing_word, pattern, classlabel, relORabs, idx)
final_parsing += parsing_word
# False라면 그대로 추가
else:
final_parsing.append(word)
total_word['parsing'] = final_parsing
return total_word
def classify_TI(total_word: dict):
word, ner, durNpoint, parsing = total_word['word'], total_word['ner'], total_word['durNpoint'], total_word[
'parsing']
final_parsing = []
def matchNparse(words, pattern, label, idx):
# 해당 단어와 매치되는지 판단해주고, 매치된다면 해당 단어를 파싱해주는 함수
# 파싱이 되지 않은 값들은 None이고, 된다면 True가 된다.
# pattern 하나에 대해서 단어들을 찾음
parsing_list = []
p = re.compile(pattern)
for word in words:
flag = word[1]
if flag == None:
w = word[0]
index_list = list(p.finditer(w))
index_list = [one.span() for one in index_list]
former = 0
# 찾았다면
if index_list:
for begin, end in index_list:
parsing_list.append((w[former:begin].strip(), None)) # 정해지지 않음
parsing_list.append((w[begin:end].strip(), True, label, idx))
former = end
if len(w) != end:
parsing_list.append((w[end:].strip(), None)) # 정해지지 않음
# 찾지 못했다면 그대로 추가
else:
parsing_list.append(word)
elif flag == True:
parsing_list.append(word)
else:
raise Exception(f'이상한 label 들어옴:{words}')
parsing_list = [one for one in parsing_list if one[0]]
return parsing_list
for word in parsing:
# True라면 select후 parsing
if word[1]:
parsing_word = [(word[0], None)]
duration = ['오전|오후|AM|PM|am|pm', '아침|점심|저녁|새벽|낮|밤']
hour = ['정오|자정', '[0-2]?[0-9]시간', '[0-2]?[0-9]시', '[한두세네]시간',
'열?[한두세네] ?시|열?다섯 ?시|열?여섯 ?시|열?일곱 ?시|열?여덟 ?시|열?아홉 ?시|열 ?시',
'십?[일이삼사오육칠팔구] ?시|이십[일이]? 시']
minute = ['반', '[0-6]?[0-9]분', '[이삼사오육]?십? ?[일이삼사오육칠팔구]? ?분']
# 특정 숫자 format
others = ['[0-9]?[0-9]:[0-9]?[0-9]', '[0-9]?[0-9]:[0-9]?[0-9]:[0-9]?[0-9]']
all_point = [hour, minute]
ti_point = ['TI_HOUR', 'TI_MINUTE']
# YEAR/MONTH/WEEK/DAY라면 단순 매치 후 파싱, 그리고 태그해준다. 남는 단어는 불용어라 판단, None으로 태그해준다.
if ner == 'TI_HOUR':
for idx, pattern in enumerate(duration):
parsing_word = matchNparse(parsing_word, pattern, 'TI_DURATION', idx)
for idx, pattern in enumerate(hour):
parsing_word = matchNparse(parsing_word, pattern, 'TI_HOUR', idx)
elif ner == 'TI_MINUTE':
for idx, pattern in enumerate(minute):
parsing_word = matchNparse(parsing_word, pattern, 'TI_MINUTE', idx)
elif ner == 'TI_DURATION' or 'TI_OTHERS':
for idx, pattern in enumerate(duration):
parsing_word = matchNparse(parsing_word, pattern, 'TI_DURATION', idx)
for idx, pattern in enumerate(others):
parsing_word = matchNparse(parsing_word, pattern, 'TI_OTHERS', idx)
for i, point_class in enumerate(all_point): # class label dt_point[i]
for idx, pattern in enumerate(point_class):
parsing_word = matchNparse(parsing_word, pattern, ti_point[i], idx)
else:
raise Exception(f'이상한 label 들어옴:{word}')
# 추가 라벨 파싱
# for pattern, classlabel, relORabs, idx in dt_final_adv:
# parsing_word = matchNparse(parsing_word,pattern,classlabel,relORabs,idx)
final_parsing += parsing_word
# False라면 그대로 추가
else:
final_parsing.append(word)
total_word['parsing'] = final_parsing
return total_word
def ordinal_number(kr_number: str): # 서수
kr_DT = {'일': 1, '이': 2, '삼': 3, '사': 4, '오': 5, '육': 6, '칠': 7, '팔': 8, '구': 9, '십': 10}
kr_number = kr_number.strip()
n = 0
# 해봤자 ()십()
length = len(kr_number)
if length == 1: # 일이삼사오육칠팔구십
n = kr_DT[kr_number]
elif length == 2: # 십일 십이 ... 이십, 삼십, 사십, 오십, 육십
if kr_number[0] == '십':
n = kr_DT[kr_number[0]] + kr_DT[kr_number[1]]
else:
n = kr_DT[kr_number[0]] * kr_DT[kr_number[1]]
return n
elif length == 3: # 이십일 이십이 .. 삼십일 .. 삽
n = kr_DT[kr_number[0]] * kr_DT[kr_number[1]] + kr_DT[kr_number[2]]
return n
def ordinal_number2(kr_number: str): # 서수
number_list = {'첫': 1, '둘': 2, '두': 2, '셋': 3, '세': 3, '넷': 4, '네': 4, '다섯': 5, '여섯': 6, '일곱': 7, '여덟': 8, '아홉': 9,
'열': 10}
for ord_num in number_list:
if ord_num in kr_number:
return number_list[ord_num]
def cardinal_number(kr_number: str):
kr_TI = {'한': 1, '두': 2, '세': 3, '네': 4, '다섯': 5, '여섯': 6, '일곱': 7, '여덟': 8, '아홉': 9, '열': 10, '열한': 11, '열두': 12,
'열세': 13, '열네': 14, '열다섯': 15, '열여섯': 16, '열일곱': 17, '열여덟': 18, '열아홉': 19}
for car_num in reversed(kr_TI.keys()):
if car_num in kr_number:
return kr_TI[car_num]
class Summarization():
def __init__(self):
# DT
self.year = False
self.month = False
self.week = False
self.day = False
self.DT_list = [self.year, self.month, self.week, self.day]
# TI
self.hour = False
self.minute = False
self.flag_year = False
self.flag_month = False
self.flag_week = False
self.flag_day = False
self.all_flag_list = [self.flag_year, self.flag_month, self.flag_week, self.flag_day]
def __repr__(self):
return f'Summarization:[year:{self.year}, month:{self.month}, week:{self.week}, day:{self.day}, hour:{self.hour}, minute:{self.minute}]'
# def return_upper_default(self):
# if self.flag_week:
# return 2
# elif self.flag_month:
# return 1
# elif self.flag_day:
# return (self.month, self.day)
# else:
# return 0
def return_flag_default(self):
if self.flag_year: # year이 설정되어(=다 되어) 있을 때
return 0
elif self.flag_month: # month
return 1
elif self.flag_week:
return 2
elif self.flag_day:
return 3
else:
print('error! 다 되어 있는데?')
return None
def set_default_DT(self, idx: int, number):
if idx == 0:
if not self.year:
self.year = number
elif self.year < number:
self.year = number
self.flag_year = True
elif idx == 1:
if not self.month:
self.month = number
elif self.month < number:
pass
# self.month = number
self.flag_month = True
elif idx == 2:
if not self.week:
self.week = number
elif self.week < number:
self.week = number
self.flag_week = True
elif idx == 3:
if not self.day:
self.day = number
elif self.day > number:
self.day = number
self.flag_day = True
self.DT_list = [self.year, self.month, self.week, self.day]
def check_default_DT(self, idx: int):
if self.DT_list[idx]:
return self.DT_list[idx]
else:
today = TODAY
if idx == 0:
self.year = today.year
return self.year
elif idx == 1:
self.month = today.month
return self.month
elif idx == 2:
# 지금 주차가 몇주차인지 계산
month_1st = dt.datetime(today.year, today.month, 1).weekday()
one_week = dt.datetime(today.year, today.month, 1) - dt.timedelta(days=month_1st)
today_week = (today - one_week).days // 7 + 1
self.week = today_week
return self.week
elif idx == 3:
self.day = today.day
return self.day
summarization = Summarization()
# when2meet이 시작되면 화자별로 하나씩 생성되는 class
# 맨 처음 나오는 라벨을 기준으로 설정된다.
class When2meet():
def __init__(self, name):
self.name = name
# 하위가 TRUE로 설정되면 상위 분류들은 모두 TRUE로 설정된다.
# DT
self.year = False
self.month = False # 가장 최신 값들을 setting한다.
self.week = False
self.day = False
self.DT_list = [self.year, self.month, self.week, self.day]
# TI
self.hour = False
self.minute = False
# final_set
self.datetimes = []
self.no_datetimes = [] # 겹치는 일정이 없으나 minus가 발생한 값들을 저장하는 공간.
self.TI_datetimes = [] # 처음 TI만 있는 경우를 말함(+)
self.no_TI_datetimes = []
def check_default_DT(self, idx: int):
result = []
for i, w in enumerate(self.DT_list[:idx]):
if w:
result.append(w)
summarization.set_default_DT(i, w)
else:
tmp = summarization.check_default_DT(i)
if i == 0:
self.year = tmp
elif i == 1:
self.month = tmp
elif i == 2:
self.week = tmp
elif i == 3:
self.day = tmp
result.append(tmp)
return result
# 더하기 전, 갖고있는 값들과 비교해 False거나, 현재 값이 더 크다면 값들을 setting 해준다.
def set_default_DT(self):
for one in self.datetimes:
begin_DT, end_DT, begin_TI, end_TI = one
if begin_DT.year:
if not self.year:
self.year = begin_DT.year
elif self.year < begin_DT.year:
self.year = begin_DT.year
if begin_DT.month:
if not self.month:
self.month = begin_DT.month
elif self.month < begin_DT.month:
self.month = begin_DT.month
if begin_DT.week:
if not self.week:
self.week = begin_DT.week
elif self.week < begin_DT.week:
self.week = begin_DT.week
if begin_DT.flag_week:
today = TODAY
if not self.week:
if begin_DT.flag_week >= 100:
if begin_DT.flag_week == 100:
month_last = (dt.datetime(begin_DT.year, begin_DT.month + 1, 1) - dt.timedelta(
days=1)).weekday()
last_week = dt.datetime(begin_DT.year, begin_DT.month + 1, 1) - dt.timedelta(
days=month_last + 1)
else: # 다음 주 구하는 식
count = begin_DT.flag_week - 101
count_day = today + dt.timedelta(weeks=count)
month_1st = dt.datetime(count_day.year, count_day.month, 1).weekday()
one_week = dt.datetime(count_day.year, count_day.month, 1) - dt.timedelta(days=month_1st)
count_week = (count_day - one_week).days // 7 + 1
self.week = count_week
else:
self.week = begin_DT.flag_week
elif self.week < begin_DT.flag_week:
if begin_DT.flag_week >= 100: # 101이 이번주 1
if begin_DT.flag_week == 100:
month_last = (dt.datetime(begin_DT.year, begin_DT.month + 1, 1) - dt.timedelta(
days=1)).weekday()
last_week = dt.datetime(begin_DT.year, begin_DT.month + 1, 1) - dt.timedelta(
days=month_last + 1)
else: # 다음 주 구하는 식
count = begin_DT.flag_week - 101
count_day = today + dt.timedelta(weeks=count)
month_1st = dt.datetime(count_day.year, count_day.month, 1).weekday()
one_week = dt.datetime(count_day.year, count_day.month, 1) - dt.timedelta(days=month_1st)
count_week = (count_day - one_week).days // 7 + 1
self.week = count_week
else:
self.week = begin_DT.flag_week
if begin_DT.day:
if not self.day:
self.day = begin_DT.day
self.DT_list = [self.year, self.month, self.week, self.day]
# print('<when2meet - set_default>')
# print(self.DT_list)
for i, w in enumerate(self.DT_list):
if w:
summarization.set_default_DT(i, w)
def set_item(self):
pass
def sub_TI(self, upper_one: tuple, other_one: tuple):
# Input으로 시간만을 tuple로 받아서 output으로 시간이 존재한다면 list or 시간이 존재하지 않는다면 False
u_begin_TI_, u_end_TI_ = upper_one
begin_TI_, end_TI_ = other_one
# 지정되어 있지 않은 값일 시 바꿔준다.
if u_begin_TI_.hour == -1:
u_begin_TI_.hour = 0
if u_end_TI_.hour == -1:
u_end_TI_.hour = 24
if begin_TI_.hour == -1:
begin_TI_.hour = 0
if end_TI_.hour == -1:
end_TI_.hour = 24
# 0. 아예 겹치면 DT 삭제
if begin_TI_ == u_begin_TI_ and end_TI_ == u_end_TI_:
return False
# upper과 겹치는 부분만큼을 확인한다.
# 1.빼주는 것의 범위에 upper가 들어오는 경우 = 해당 TI가 텅비게 되므로 아예 DT자체를 빼준다.
# -> begin의 경우 other이 upper보다 작아야 함 & end의 경우 other이 upper보다 커야함
elif begin_TI_ <= u_begin_TI_ and end_TI_ >= u_end_TI_:
return False
# 2. upper가 other을 다 포함하는 경우 = 두개의 TI가 발생할 수도 있음.
elif begin_TI_ >= u_begin_TI_ and end_TI_ <= u_end_TI_:
if u_begin_TI_ == begin_TI_:
return [(end_TI_, u_end_TI_)]
elif end_TI_ == u_end_TI_:
return [(u_begin_TI_, begin_TI_)]
else:
return [(u_begin_TI_, begin_TI_), (end_TI_, u_end_TI_)]
# 3. 뒤쪽만 나간 경우
elif begin_TI_ > u_begin_TI_ and begin_TI_ < u_end_TI_ and u_end_TI_ < end_TI_:
return [(u_begin_TI_, begin_TI_)]
# 4. 앞쪽만 나간 경우
elif end_TI_ < u_end_TI_ and end_TI_ > u_begin_TI_ and u_begin_TI_ > begin_TI_:
return [(end_TI_, u_end_TI_)]
# 5. 아예 겹치지 않는 경우 upper을 그대로 반환한다.
else:
return [upper_one]
def __add__(self, other): # 기간을 set하거나, 추가적으로 더하는 연산
# 더하기 전, 갖고있는 값들과 비교해 False거나, 현재 값이 더 크다면 값들을 setting 해준다.
# 1.현재와 비교해서, 일정이 없다면 단순 더한다.(add)
# 2.현재와 비교해서, 일정이 있다면 앞의 일정을 없애고 더한다.(reset)
# 2-1. 일정이 있고, DT만 설정되어 있을 때(DT에 집중)
# 2-2. 일정이 있고, DT와 TI가 둘 다 나왔을 때(TI에 집중)
# 2-2-*. TI다음의 보조사/격조사를 체크한다.
# 2-2-1. 에,만,에만 -> DAY 단위 조건 재지정
# 2-2-2. 에도, X -> 기존 TI에 더해 준다.
level_count = []
new_datetimes = []
if self.datetimes:
for one in other.refined_datetime: # 하나의 스케쥴=한 문장에 등장한 datetime들
# upper_one_dt = [(idx, upper_one), (idx, upper_one), ...]
upper_one_dt = self.contain(one)
if upper_one_dt: # 포함되어 있는게 있다면
# 2.큰 리스트에 모아주고
level_count.append((upper_one_dt, one))
else: # 1.포함되어 있는게 없으면 단순 더해준다.
#############################self에서 안겹치는건 어떻게 더해줄것인가?
new_datetimes.append(one)
# 일단 가장 상위 level로 ... 걍 포함되어 있는게 있다면 TI만 체크해서 new_datetimes에 넣는다.
for upper, one in level_count:
if len(upper) > 1: # DT당 여러 개의 TI가 있을 때
# 2-2-*. TI다음의 보조사/격조사를 체크한다.
# 2-2-1. 에,만,에만 -> DAY 단위 조건 재지정
# 2-2-2. 에도, X -> 기존 TI에 더해 준다.
# 일단은 조건 재지정으로 짜자
new_datetimes.append(one)
elif len(upper) == 1: # DT당 하나의 TI만 있을 때
idx, (u_begin_DT, u_end_DT, u_begin_TI, u_end_TI) = upper[0]
begin_DT, end_DT, begin_TI, end_TI = one
upper_bound = u_begin_DT.return_flag_max()
one_bound = begin_DT.return_flag_max()
# 2-1.일정이 있고, DT만 설정되어 있을 때(DT에 집중) -> one의 TI의 hour이 0~24이거나 -1~-1, upper의 time을 그대로 받음
# [0]나 다음주 오후에 다돼! -> [1-1]아 일요일만 될 듯
if begin_TI.hour == -1 and end_TI.hour == -1:
new_datetimes.append((begin_DT, end_DT, u_begin_TI, u_end_TI))
########################################################
# 2-2.일정이 있고, DT와 TI가 둘 다 나왔을 때(TI에 집중)
# [0]나 다음주 오전에는 다 돼! -> [1-2]아 일요일은 저녁에만 될 듯 [1-3]아 일요일은 저녁에도 돼
# 2-2-*. TI다음의 보조사/격조사를 체크한다.
# 2-2-1. 에,만,에만 -> DAY 단위 조건 재지정
# 2-2-2. 에도, X -> 기존 TI에 더해 준다.
else:
# 일단은 조건 재지정으로 짜자
new_datetimes.append(one)
else:
print('error!')
print(len(upper))
tmp = []
for one in self.datetimes: # 만약 self에 있는것들 중 new_datetimes에 없는게 있다면 더해준다.
contain_date = []
begin_DT, end_DT, begin_TI, end_TI = one
for upper_one in new_datetimes:
u_begin_DT, u_end_DT, u_begin_TI, u_end_TI = upper_one
if (
u_begin_DT.year == begin_DT.year and u_begin_DT.month == begin_DT.month and u_begin_DT.day == begin_DT.day) and (
u_end_DT.year == end_DT.year and u_end_DT.month == end_DT.month and u_end_DT.day == end_DT.day):
contain_date.append(upper_one)
if contain_date:
pass
else:
new_datetimes.append(one)
else:
for one in other.refined_datetime:
new_datetimes.append(one)
# 만약 new_datetimes에 1)TI만 있거나 2)TI만 있는 경우+datetime가 존재하는 경우를 처리한다.
only_TI_datetimes = []
tmp = []
for one in new_datetimes:
begin_DT, end_DT, begin_TI, end_TI = one
if begin_DT.year == 0 and begin_DT.month == 0 and begin_DT.day == 0:
# print('plus에서 TI만 있는경우 처리')
only_TI_datetimes.append((begin_TI, end_TI))
else:
tmp.append(one)
if only_TI_datetimes:
if len(tmp) > 0: # 2)TI만 있는 경우 + datetime가 존재하는 경우
new_datetimes = tmp
tmp = []
for (set_begin_TI, set_end_TI) in only_TI_datetimes:
for one in new_datetimes:
begin_DT, end_DT, begin_TI, end_TI = one
# 지정 vs 재지정이 나누어져야 하지만, 지금은 무조건 재지정으로 설정. ###########################
tmp.append((begin_DT, end_DT, set_begin_TI, set_end_TI))
new_datetimes = tmp
else: # 1)TI만 있는 경우 = DT는 상관없고, 이 시간대에만 된다.
# 지금까지 나온 값 중 가장 큰 값의 시간만 설정해야 함.
self.TI_datetimes += only_TI_datetimes
new_datetimes = tmp
# print(new_datetimes)
self.datetimes = new_datetimes
self.set_default_DT()
###연산할 때 무조건 when2meet의 값들을 set하고, sum과 통신해야됨. (default값)
def __sub__(self, other): # 기간을 추가적으로 빼는 연산
# 1.현재와 비교해서, 일정이 없는데 해당 값을 빼려고 한다면 self.no_datetimes에 넣어준다. (intersection에서 사용)
# 2.현재와 비교해서, 일정이 있다면 기존 일정에서 단순 빼기한다.
# 2-1. 일정이 있고, DT만 설정되어 있을 때(DT에 집중) : 해당 DAY 자체를 삭제
# 2-2. 일정이 있고, DT와 TI가 둘 다 나왔을 때(TI에 집중) : DT는 냅두고, TI를 뺀 값을 넣는다.
level_count = []
only_no_TI_datetimes = []
if self.datetimes:
for one in other.refined_datetime: # 하나의 스케쥴=한 문장에 등장한 datetime들
begin_DT, end_DT, begin_TI, end_TI = one
# upper_one_dt = [(idx, upper_one), (idx, upper_one), ...]
upper_one_dt = self.contain(one)
if upper_one_dt: # 포함되어 있는게 있다면
# 2.큰 리스트에 모아주고
level_count.append((upper_one_dt, one))
else: # 1.포함되어 있는게 없으면 단순 list에 추가해준다. (TI만 있을 시 따로 연산)
if begin_DT.year == 0 and begin_DT.month == 0 and begin_DT.day == 0:
only_no_TI_datetimes.append((begin_TI, end_TI))
else:
self.no_datetimes.append(one)
# 일단 가장 상위 level로 ... 걍 포함되어 있는게 있다면 TI만 체크해서 self.datetimes에 넣는다.
for upper, one in level_count:
if len(upper) > 1: # DT당 여러 개의 TI가 있을 때
idx, (u_begin_DT, u_end_DT, u_begin_TI, u_end_TI) = upper[0]
# 2-1.일정이 있고, DT만 설정되어 있을 때(DT에 집중)
# self.datetimes에서 해당 DT인 값들을 삭제
if begin_TI.hour == -1 and end_TI.hour == -1:
rm_tmp = []
for tmp_one in self.datetimes:
if tmp_one[0] == u_begin_DT and tmp_one[1] == u_end_DT:
pass