Korean Full-text Graph

About

Korean Full-text Graph (SurfaceGraph + FrameNet)

Introduction

Full-text Graph란, 입력 문장 내용 전체를 하나의 그래프로 만들기 위한 목적의 프로젝트입니다. 이 코드는 한국어 Full-text graph를 생성하는 코드입니다. 현재 한국어 Full-text Graph는 SurfaceGraph와 FrameNet 파싱 결과를 활용해 두 그래프를 결합하는 방식으로 구현됩니다.

How to use

Use full_service.py

How to run

Chunking: we use REGEX in NLTK, and ETRI OPEN API POS tagger; see chunking.py SurfaceGraph parser: surface_graph_parser.py Frame parser: see rest_call.py - def call_frame(text)

Data Example

SurfaceGraph Parser

Input:

그는 코로나 바이러스의 항체를 만들었다.

Output:

(NP 그/NP/0/1) (J 는/JX/1/2) (VP 만들/VV/17/19 었/EP/19/20)
(VP 만들/VV/17/19 었/EP/19/20) (J 를/JKO/15/16) (NP 코로나_바이러스/NNP/3/11 의/JKG/11/12 항체/NNG/13/15)
(VP 만들/VV/17/19 었/EP/19/20) (T Tense/X/X/X) (E 다/EF/20/21 ./SF/21/22)

FrameNet Parser

Full-text Graph

Input:

그는 코로나 바이러스의 항체를 만들었다.

Output:

{
    "docID": 0,
    "edge": [
        {
            "head": [
                1
            ],
            "lex": "NIL",
            "pos": "NIL",
            "s_close": -1,
            "s_open": -1,
            "sem": "NIL",
            "tail": [
                2
            ]
        },
        {
            "head": [
                1,
                2
            ],
            "lex": "는",
            "pos": "JX",
            "s_close": "2",
            "s_open": "1",
            "sem": "Building.Agent",
            "tail": [
                0
            ]
        },
        {
            "head": [
                3
            ],
            "lex": "NIL",
            "pos": "NIL",
            "s_close": -1,
            "s_open": -1,
            "sem": "NIL",
            "tail": [
                4
            ]
        },
        {
            "head": [
                4
            ],
            "lex": "NIL",
            "pos": "NIL",
            "s_close": -1,
            "s_open": -1,
            "sem": "NIL",
            "tail": [
                5
            ]
        },
        {
            "head": [
                1,
                2
            ],
            "lex": "를",
            "pos": "JKO",
            "s_close": "16",
            "s_open": "15",
            "sem": "Building.Created_entity",
            "tail": [
                3,
                4,
                5
            ]
        }
    ],
    "senID": 0,
    "vertex": [
        {
            "id": 0,
            "lex": "그",
            "ont": "NIL",
            "pos": "NP",
            "s_close": "1",
            "s_open": "0",
            "sem": "NIL"
        },
        {
            "id": 1,
            "lex": "만들",
            "ont": "NIL",
            "pos": "VV",
            "s_close": "19",
            "s_open": "17",
            "sem": "Building"
        },
        {
            "id": 2,
            "lex": "었",
            "ont": "NIL",
            "pos": "EP",
            "s_close": "20",
            "s_open": "19",
            "sem": "Building"
        },
        {
            "id": 3,
            "lex": "코로나_바이러스",
            "ont": "NIL",
            "pos": "NNP",
            "s_close": "11",
            "s_open": "3",
            "sem": "NIL"
        },
        {
            "id": 4,
            "lex": "의",
            "ont": "NIL",
            "pos": "JKG",
            "s_close": "12",
            "s_open": "11",
            "sem": "NIL"
        },
        {
            "id": 5,
            "lex": "항체",
            "ont": "NIL",
            "pos": "NNG",
            "s_close": "15",
            "s_open": "13",
            "sem": "NIL"
        }
    ]
}

Licenses

• CC BY-NC-SA Attribution-NonCommercial-ShareAlike
• If you want to commercialize this resource, please contact to us

Publisher

Machine Reading Lab @ KAIST

Acknowledgement

This work was supported by Institute for Information & communications Technology Promotion(IITP) grant funded by the Korea government(MSIT) (2013-0-00109, WiseKB: Big data based self-evolving knowledge base and reasoning platform)