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_ufal", "mr") \
.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("उत्तरेचा राजा होण्याव्यतिरिक्त, जॉन स्नो एक इंग्रज चिकित्सक आहे आणि भूल आणि वैद्यकीय स्वच्छतेच्या विकासासाठी अग्रगण्य आहे.")
...
val pos = PerceptronModel.pretrained("pos_ud_ufal", "mr")
.setInputCols(Array("document", "token"))
.setOutputCol("pos")
val pipeline = new Pipeline().setStages(Array(document_assembler, sentence_detector, tokenizer, pos))
val data = Seq("उत्तरेचा राजा होण्याव्यतिरिक्त, जॉन स्नो एक इंग्रज चिकित्सक आहे आणि भूल आणि वैद्यकीय स्वच्छतेच्या विकासासाठी अग्रगण्य आहे.").toDF("text")
val result = pipeline.fit(data).transform(data)
import nlu
text = ["""उत्तरेचा राजा होण्याव्यतिरिक्त, जॉन स्नो एक इंग्रज चिकित्सक आहे आणि भूल आणि वैद्यकीय स्वच्छतेच्या विकासासाठी अग्रगण्य आहे."""]
pos_df = nlu.load('mr.pos').predict(text)
pos_df
Results
[Row(annotatorType='pos', begin=0, end=7, result='NOUN', metadata={'word': 'उत्तरेचा'}),
Row(annotatorType='pos', begin=9, end=12, result='NOUN', metadata={'word': 'राजा'}),
Row(annotatorType='pos', begin=14, end=29, result='NOUN', metadata={'word': 'होण्याव्यतिरिक्त'}),
Row(annotatorType='pos', begin=30, end=30, result='PUNCT', metadata={'word': ','}),
Row(annotatorType='pos', begin=32, end=34, result='NOUN', metadata={'word': 'जॉन'}),
...]
Model Information
| Model Name: | pos_ud_ufal |
| Type: | pos |
| Compatibility: | Spark NLP 2.5.5+ |
| Edition: | Official |
| Input labels: | [token] |
| Output labels: | [pos] |
| Language: | mr |
| Case sensitive: | false |
| License: | Open Source |
Data Source
The model is imported from https://universaldependencies.org