Alpino-corpora in AgensGraph

Een <node> in alpino_ds is een (:node) of een (:word) in AgensGraph

(:nw) is een alias voor (:node) of (:word)

Dit in alpino_ds:

<node id="11" ... >
  <node id="12" rel="hd" ... />
</node>

... is dit in AgensGraph:

(:node{id: '11', ... })-[:rel{rel: 'hd'}]->(:node{id: '12', ... })

... of, als de binnenste node een woord is:

(:node{id: '11', ... })-[:rel{rel: 'hd'}]->(:word{id: '12', ... })

Dit:

match (n:node{cat: 'np'}) return n;

... is sneller dan dit:

match (n{cat: 'np'}) return n;

... omdat agens in het tweede geval ook gaat zoeken in de type items zonder cat, en omdat daarvoor geen index voor cat is moeten alle items bekeken worden.

Items (:node) en (:word) en dus (:nw) hebben dezelfde indexen, ook al zijn die voor (:node) of (:word) leeg.

Patronen

-- Alpino-relaties
(:sentence)-[:rel{rel: 'top'}]->(:node{cat: 'top'})
(:node)-[:rel]->(:node)
(:node)-[:rel]->(:word)
(:node)-[:rel]->(:nw)           -- link naar :node of :word

-- relaties tussen woordparen
(:sentence)-[:pair]->(:word)    -- enkelzijdige relatie, zoals hd/-
(:word)-[:pair]->(:word)
(:word)-[:pair]->(:node{cat: 'mwu'})
(:node{cat: 'mwu'})-[:pair]->(:word)
(:node{cat: 'mwu'})-[:pair]->(:node{cat: 'mwu'})
(:nw)-[:pair]->(:nw)            -- link van :node of :word naar :node of :word

-- basic universal dependencies
(:sentence)-[:ud{rel: 'root', main: 'root'}]->(:word)
(:word)-[:ud]->(:word)

-- enhanced universal dependencies
(:sentence)-[:eud{rel: 'root', main: 'root'}]->(:word)
(:word)-[:eud]->(:word)

-- alle universal dependencies: dep is een alias voor ud of eud
(:sentence)-[:dep{rel: 'root', main: 'root'}]->(:word)
(:word)-[:dep]->(:word)

-- opeenvolgende tokens
(:word)-[:next]->(:word)
(:word{end: 1})-[:next*0..]->(:word{last: true})    -- de hele zin

-- metadata
(:meta)

-- documentatie over het corpus
(:doc)

-- tellingen van attributen en metadata
(:feature)

-- voor intern gebruik
(:data)

Attributen van items

(:sentence)

attribuut	type	opmerkingen
sentid	string
text	string
tokens	string	getokeniseerde tekst
len	int	aantal tokens
cats	int	parser-succes
skips	int	parser-succes
build	string	versie van Alpino
date	string	datum en tijd van parsen door Alpino
conllu_status	string	OK, error
conllu_error	string	als conllu_status != OK

(:node)

attribuut	type	opmerkingen
sentid	string
id	int
begin	int
end	int
...	string	alle overige attributen uit de Alpino-node behalve rel en index
_clause	bool	zie hier
_clause_lvl	int	zie hier
_deste	bool	zie hier
_n_words	int	zie hier
_np	bool	zie hier
_vorfeld	bool	zie hier

voor cat == mwu ook:

attribuut	type	opmerkingen
pt	string	mwu
word	string
lemma	string

(:word)

attribuut	type	opmerkingen
sentid	string
last	bool	true --- alleen voor laatste token in de zin
id	int
begin	int
end	int
getal_n	string	in plaats van getal-n
...	string	alle overige attributen uit de Alpino-node behalve rel en index
upos	string	het veld UPOS van CoNLL-U
nospaceafter	bool	true als CoNLL-U het extra attribuut SpaceAfter=No heeft
...	string	alle features uit het veld FEATS van CoNLL-U, met hoofdletters
_n_words	int	zie hier
_np	bool	zie hier
_vorfeld	bool	zie hier

Bij het zoeken naar CoNLL-U-features dubbele aanhalingstekens gebruiken, vanwege de hoofdletters:

match (w:word{"Gender": 'Com'}) return w;

(:meta)

attribuut	type	opmerkingen
sentid	string
type	string	text, int, float, date, datetime
name	string
value	string/number	number voor int en float

(:doc)

attribuut	type	opmerkingen
alud_version	string	versie van de automatische afleiding van Universal Dependencies

(:feature)

attribuut	type	opmerkingen
v	string	meta, node, word, rel
name	string
count	int

(:data)

attribuut	type	opmerkingen
class	string	node, rel
name	string	naam in AlpinoGraph: x_..., met [^a-zA-Z0-9]+ → _
type	string	text, int, float, bool, date, datetime
oriname	string	oorspronkelijke naam in Alpino

Voor intern gebruik, voor het reconstrueren van alpino_ds met door gebruiker toegevoegde attributen.

Attributen van relaties

[:rel]

attribuut	type	opmerkingen
rel	string
primary	bool	zie hier
id	int	zie hier

[:pair]

attribuut	type	opmerkingen
rel	string

[:ud]

attribuut	type	opmerkingen
rel	string	main, main:aux
main	string
aux	string

[:eud]

attribuut	type	opmerkingen
rel	string	main, main:aux
main	string
aux	string
from	string	indien niet gelijk aan waarde van end
to	string	indien niet gelijk aan waarde van end

[:next]

geen attributen