Регулярные выражения Nooj: коды морфосинтаксических категорий

В словарях NooJ хранятся размеченные по морфосинтаксическим категориям слова. Мы можем обратиться к обозначениям этих категорий в регулярных выражениях. Например, для поиска контекстов для структуры вида «любая словоформа слова быть + предлог + существительное», можно ввести следующее регулярное выражение: <быть><PREP><N> (где <PREP> и <N> обозначают любой предлог или существительное, описанные в словаре Nooj). По этому запросу в тексте А.П. Чехова «Дама с собачкой» NooJ нашел четыре последовательности (см. рис. 24).

Рис. 24 – Поиск с использованием символов морфологических категорий:
запрос <быть><PREP><N>

По запросу <мочь><WF>*<V> осуществляется поиск контекстов для структуры вида: «любая форма глагола мочь + нуль и более любых словоформ + глагол»(см. рис. 25).

Рис. 25 – Поиск с использованием символов морфологических категорий: запрос <мочь><WF>*<V>

Значения кодов частей речи для русского языка описаны в таб. 2.[10]

Таб. 2 – Коды частей речи

КОД	ЗНАЧЕНИЕ
<A>	прилагательное
<ADV>	наречие
<CONJ>	союз
<INTERJ>	междометие
<INTRO>	*вводное слово
<N>	существительное
<NUM>	числительное
<PART>	частица
<PREP>	предлог
<PRO>	местоимение
<V>	глагол

Пользователи могут добавлять свои собственные коды, создав свой личный словарь или изменив существующий NooJ-словарь.

Значения кодов грамматических значений[11] для русского языка в привязке к частям речи описаны в таб. 3–10.

Важно! В записи кода регистр важен.

Таб. 3 – Коды ГЗ для существительных

КОД	ЗНАЧЕНИЕ
s	единственное число
р	множественное число
Im	именительный падеж
Ro	родительный падеж
Da	дательный падеж
Vi	винительный падеж
Tv	творительный падеж
Pr	предложный падеж
f	женский род
M	мужской род
n	средний род
an	одушевленное
inan	неодушевленное

 

Таб. 4 – Коды ГЗ для прилагательных

КОД	ЗНАЧЕНИЕ
s	единственное число
р	множественное число
Im	именительный падеж
Ro	родительный падеж
Da	дательный падеж
Vi	винительный падеж
Tv	творительный падеж
Pr	предложный падеж
f	женский род
m	мужской род
n	средний род
an	одушевленное[12]
inan	неодушевленное
fl	полная форма
fc	краткая форма
Sup	превосходная степень
Comp	сравнительная степень

 

Таб. 5 – Коды ГЗ для числительных

КОД	ЗНАЧЕНИЕ
s	единственное число
р	множественное число
Im	именительный падеж
Ro	родительный падеж
Da	дательный падеж
Vi	винительный падеж
Tv	творительный падеж
Pr	предложный падеж
f	женский род
m	мужской род
n	средний род
card	*количественное
ord	*порядковое

 

Таб. 6 – Коды ГЗ для местоимений

КОД	ЗНАЧЕНИЕ
s	единственное число
р	множественное число
Im	именительный падеж
Ro	родительный падеж
Da	дательный падеж
Vi	винительный падеж
Tv	творительный падеж
Pr	предложный падеж
f	женский род
m	мужской род
n	средний род
an	одушевленное
inan	неодушевленное
1, 2, 3	1-е, 2-е, 3-е лицо

 

Таб. 7 – Коды ГЗ для глаголов (спрягаемых форм и инфинитива)

КОД	ЗНАЧЕНИЕ
s	единственное число
р	множественное число
1, 2, 3	1-е, 2-е, 3-е лицо
Pre	настоящее время
Fu	будущее время
Pa	прошедшее время
pf	совершенный вид
ipf	несовершенный вид
Im	именительный падеж
f	женский род[13]
m	мужской род
n	средний род
sja	форма на –ся/-сь
--	переходность/непереходность
--	залог

 

Таб. 8 – Коды ГЗ для глаголов (инфинитива)

КОД	ЗНАЧЕНИЕ
Inf	инфинитив
pf	совершенный вид
ipf	несовершенный вид
sja	форма на –ся/-сь
--	переходность/непереходность
--	залог

 

Таб. 9 – Коды ГЗ для глаголов (причастий)

КОД	ЗНАЧЕНИЕ
Prtp	причастие
pf	совершенный вид
ipf	несовершенный вид
Act	действительный залог
Pss	страдательный залог
sja	форма на –ся/-сь

 

Таб. 10 – Коды ГЗ для глаголов (деепричастий)

КОД	ЗНАЧЕНИЕ
Ger	деепричастие
pf	совершенный вид
ipf	несовершенный вид
sja	форма на –ся/-сь

Попробуем ввести поиск в тексте с помощью кодов ГЗ. По регулярному выражению <V+3+s> будут найденыконтексты для любого глагола в форме третьего лица, единственного числа (в тексте А.П. Чехова «Дама с собачкой» NooJ нашел 87 слов; см. рис. 26).

Рис. 26 – Поиск с использованием кодов ГЗ:

запрос <V+3+s>

3.2.6. Регулярные выражения Nooj: операторы «+» и «-»,
функция MF, символы ограничения поиска

В регулярных выражениях NooJ для добавления слова или категории используется оператор «+», для исключения слова или категории – оператор «-».

Например, по регулярному выражению <A-молодой><человек> будут найдены контексты для структуры вида «любое прилагательное, кроме молодой + человек».

По регулярному выражению <N-Im><N+Ro> будут найдены контексты для структуры вида «любое существительное не в именительном падеже + любое существительное в родительном падеже» (коды падежей: Im – именительный, Ro – родительный; пример см. на рис. 27).

Рис. 27 – Поиск с использованием символов морфологических категорий
и операторов «+», «-»: запрос <N-Im><N+Ro>

 

NooJ обрабатывает два уровня отрицания, используемых в регулярных выражениях. Как мы только что видели, оператор «-» позволяет исключать слова, которые не соответствуют поисковому запросу: например, <N-человек> найдет все существительные без слова «человек».

Оператор «!» тоже является оператором отрицания; в NooJ по нему будет найдены все словоформы, не соответствующие заданному после оператора выражению. Например, по выражению <!V> будут найдены все формы слов в тексте, кроме глаголов. Но этот символ действует не со всеми символами, поэтому нужно быть внимательным при его выборе.

Для формального ограничения поиска можно использовать функцию MP="ВЫРАЖЕНИЕ". Функция сочетается с операторами + и -. Например, по регулярному выражению Nooj <ADV+MP="е$"> (вариант: <ADV+MP=е$>)будут найдены все наречия с окончанием на е (здесь символ $ означает окончание словоформы). Результат поиска по тексту А.П. Чехова «Дама с собачкой» см. на рис. 28.

Рис. 28 – Поиск с ограничением: запрос <ADV+MP=е$>

Можно определять финаль словоформы из нескольких символов (например, по регулярному выражению <N+MP="ость$"> будут найдены все контексты для форм существительного на -ость).

Приведем еще один пример: <UNK-MP="^[А-Б]">, где UNK является кодом слов, которые отсутствуют в словаре NooJ. Специальный символ «^» вводит начало словоформы. По выражению будут представлены все слова, которые могут начинаться не на букву кириллицы в верхнем регистре (см. рис. 29).

Рис. 29 – Поиск с ограничением: запрос <UNK-MP="^[А-Б]">

 

По выражению <UNK+MP="^[А-Б]"> будут найдены контексты для всех словоформ, начинающихся с буквы кириллицы в верхнем регистре.

Попробуем объединить несколько вспомогательных символов NooJ: <человек-MP="е$"-MP="[а]">. По этому регулярному выражению будут найдены все словоформы слова человек, которые не заканчиваются на е и не содержат в любом месте а. оно не должно заканчиваться на «е» и не может иметь в словоформе буквы «а». Результаты поиска по тексту А.П. Чехова «Дама с собачкой» см. на рис. 30.

Рис. 30 – Поиск с ограничением: запрос <человек-MP="е$"-MP="[а]">

Вспомогательные символы описаны в таб. ниже:

Таб. 11 – Значения вспомогательных символов регулярных выражений Nooj

СИМВОЛ	ЗНАЧЕНИЕ
!e	все словоформы, не соответствующие выражению e
+MP =e -MP =e	ограничение при поиске выражением e
e$	словоформа завершается выражением e
^e	словоформа начинается выражением e

NooJ-грамматики

Nooj позволяет пользователям сохранять шаблоны запросов в грамматике NooJ. Грамматика может включать один или более запросов. Каждому запросу даем имя, и после каждого запроса файле грамматики нужно ставить точку с запятой, например: <V> <PREP> <N+s>;. Этот запрос найдет вам контексты для структур вида «форма глагола + предлог + существительное в единственном числе»).

Грамматики могут создаваться либо в режиме текстового редактора правил (далее – редактора правил), либо в режиме графического редактора.