セルビア語係り受け解析モデルgpt2-large-serbian-uposリリース

Tanja Samardžić, Mirjana Starović, Željko Agić, Nikola Ljubešić『Universal Dependencies for Serbian in Comparison with Croatian and Other Slavic Languages』を横目に、セルビア語係り受け解析モデルgpt2-large-serbian-uposを試作してみた。Google Colaboratoryで動かしてみよう。

!pip install esupar
import esupar
nlp=esupar.load("KoichiYasuoka/gpt2-large-serbian-upos")
doc=nlp("Обожаваоци из региона клицали су Ролинг Стоунсима у понедељак у Црној Гори")
import deplacy
deplacy.serve(doc,port=None)

「Обожаваоци из региона клицали су Ролинг Стоунсима у понедељак у Црној Гори」を係り受け解析してみたところ、私(安岡孝一)の手元では以下の結果が出力された。

1	Обожаваоци	_	NOUN	_	Case=Nom|Gender=Masc|Number=Plur	4	nsubj	_	_
2	из	_	ADP	_	Case=Gen	3	case	_	_
3	региона	_	NOUN	_	Case=Gen|Gender=Masc|Number=Sing	1	nmod	_	_
4	клицали	_	VERB	_	Gender=Masc|Number=Plur|Tense=Past|VerbForm=Part|Voice=Act	0	root	_	_
5	су	_	AUX	_	Mood=Ind|Number=Plur|Person=3|Tense=Pres|VerbForm=Fin	4	aux	_	_
6	Ролинг	_	PROPN	_	Case=Dat|Gender=Masc|Number=Sing	4	obj	_	_
7	Стонсима	_	PROPN	_	Case=Dat|Gender=Masc|Number=Plur	6	flat	_	_
8	у	_	ADP	_	Case=Acc	9	case	_	_
9	понедељак	_	NOUN	_	Animacy=Inan|Case=Acc|Gender=Masc|Number=Sing	4	obl	_	_
10	у	_	ADP	_	Case=Loc	12	case	_	_
11	Црној	_	ADJ	_	Case=Loc|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing	12	amod	_	_
12	Гори	_	PROPN	_	Case=Loc|Gender=Fem|Number=Sing	4	obl	_	SpaceAfter=No

「Црној」の品詞はPROPNの方が適切な気がするが、まあ元々が形容詞なので仕方ないだろう。「клицати」は本来は自動詞なので、複数与格の「Ролинг Стоунсима」をobjとみなしていいかどうかは議論の余地がある。同じ文のラテン文字表記「Obožavaoci iz regiona klicali su Roling Stounsima u ponedeljak u Crnoj Gori」も、係り受け解析してみよう。

doc=nlp("Obožavaoci iz regiona klicali su Roling Stounsima u ponedeljak u Crnoj Gori")
deplacy.serve(doc,port=None)

私の手元では、以下の結果が出力された。

1	Obožavaoci	_	NOUN	_	Case=Nom|Gender=Masc|Number=Plur	4	nsubj	_	_
2	iz	_	ADP	_	Case=Gen	3	case	_	_
3	regiona	_	NOUN	_	Case=Gen|Gender=Masc|Number=Sing	1	nmod	_	_
4	klicali	_	VERB	_	Gender=Masc|Number=Plur|Tense=Past|VerbForm=Part|Voice=Act	0	root	_	_
5	su	_	AUX	_	Mood=Ind|Number=Plur|Person=3|Tense=Pres|VerbForm=Fin	4	aux	_	_
6	Roling	_	PROPN	_	Case=Dat|Gender=Masc|Number=Sing	4	obj	_	_
7	Stounsima	_	PROPN	_	Case=Dat|Gender=Masc|Number=Plur	6	flat	_	_
8	u	_	ADP	_	Case=Acc	9	case	_	_
9	ponedeljak	_	NOUN	_	Animacy=Inan|Case=Acc|Gender=Masc|Number=Sing	4	obl	_	_
10	u	_	ADP	_	Case=Loc	12	case	_	_
11	Crnoj	_	ADJ	_	Case=Loc|Definite=Def|Degree=Pos|Gender=Fem|Number=Sing	12	amod	_	_
12	Gori	_	PROPN	_	Case=Loc|Gender=Fem|Number=Sing	4	obl	_	SpaceAfter=No

キリル文字とラテン文字とで、全く同じ係り受け構造になっている。まあ、同じになるようトークナイザを頑張って作り込んだので、ある意味うまくいったと言えるだろう。