Part of Speech for Russian

Description

This model annotates the part of speech of tokens in a text. The parts of speech annotated include PRON (pronoun), CCONJ (coordinating conjunction), and 15 others. The part of speech model is useful for extracting the grammatical structure of a piece of text automatically.

Open in Colab Download Copy S3 URI

How to use

...
pos = PerceptronModel.pretrained("pos_ud_gsd", "ru") \
.setInputCols(["document", "token"]) \
.setOutputCol("pos")
nlp_pipeline = Pipeline(stages=[document_assembler, sentence_detector, tokenizer, pos])
light_pipeline = LightPipeline(nlp_pipeline.fit(spark.createDataFrame([['']]).toDF("text")))
results = light_pipeline.fullAnnotate("Помимо того, что он король севера, Джон Сноу - английский врач и лидер в разработке анестезии и медицинской гигиены.")
...
val pos = PerceptronModel.pretrained("pos_ud_gsd", "ru")
.setInputCols(Array("document", "token"))
.setOutputCol("pos")
val pipeline = new Pipeline().setStages(Array(document_assembler, sentence_detector, tokenizer, pos))
val data = Seq("Помимо того, что он король севера, Джон Сноу - английский врач и лидер в разработке анестезии и медицинской гигиены.").toDF("text")
val result = pipeline.fit(data).transform(data)
import nlu

text = ["""Помимо того, что он король севера, Джон Сноу - английский врач и лидер в разработке анестезии и медицинской гигиены."""]
pos_df = nlu.load('ru.pos.ud_gsd').predict(text, output_level='token')
pos_df

Results

[Row(annotatorType='pos', begin=0, end=5, result='ADP', metadata={'word': 'Помимо'}),
Row(annotatorType='pos', begin=7, end=10, result='PRON', metadata={'word': 'того'}),
Row(annotatorType='pos', begin=11, end=11, result='PUNCT', metadata={'word': ','}),
Row(annotatorType='pos', begin=13, end=15, result='SCONJ', metadata={'word': 'что'}),
Row(annotatorType='pos', begin=17, end=18, result='PRON', metadata={'word': 'он'}),
...]

Model Information

Model Name: pos_ud_gsd
Type: pos
Compatibility: Spark NLP 2.4.4
Edition: Official
Input labels: [token]
Output labels: [pos]
Language: ru
Case sensitive: false
License: Open Source

Data Source

The model is imported from https://universaldependencies.org