AlpinoGraph in Docker

Zie ook: AlpinoGraph

Dit is getest op Linux.

Download het script run.sh en pas het aan voordat je het gaat gebruiken.

De rest van de bestanden heb je niet nodig, tenzij je AlpinoGraph in Docker wilt aanpassen.

Run run.sh om AlpinoGraph in Docker te starten.

Type exit of Control-D om de database schoon af te sluiten en Docker te stoppen.

Invoeren van een corpus

Kopieer een Alpino-corpus naar je data-directory, dat gedefinieerd is in run.sh. (Of maak een harde link. Een symlink werkt niet.)

Je kunt een voorbeeld-corpus downloaden van https://www.let.rug.nl/vannoord/treebanks/ , of je kunt zelf een corpus maken met Alpino in Docker.

Een corpus bestaat uit een of meerdere bestanden. Bestanden met de volgende uitgangen worden herkend:

• .xml, .xml.gz — Een enkele geparste zin in het alpino_ds-formaat, een zogenaam Alpino-bestand.
• .tar, .tar.gz, .tgz, .zip — Archiefbestand met daarin meerdere Alpino-bestanden.
• .data.dz — Alpino-bestanden samengevoegd in het compact corpus-formaat. Voor elk .data.dz-bestand dient ook een .index-bestand aanwezig te zijn.
• .dact — Alpino-bestanden samengevoegd in een DbXML-bestand.

Een voorbeeld voor het invoeren van een corpus:

alpino2agens -t mijncorpus deel1.zip deel2.zip deel3.zip | agens -a

Hierin is mijncorpus de interne naam die je aan het corpus geeft. Dit moet één woord zijn, bestaand uit letters.

Let op: De Alpino-bestanden uit alle invoerbestanden samen moeten elk een uniek sentence-ID hebben.

Wanneer je zoveel invoerbestanden hebt dat de commandoregel te lang wordt kun je bestandsnamen via een pipe doorgeven, één naam per regel, bijvoorbeeld zo:

find mijncorpus -name '*.xml' | sort -g | alpino2agens -t mijncorpus | agens -a

Na het invoeren kun je als je wilt de corpusbestanden weer verwijderen uit je data-directory.

Om het corpus te kunnen gebruiken in de webinterface moet je het toevoegen aan het menu. Dat doe je door een regel toe te voegen in het bestand corpora.txt in je data-directory. Hier staan als voorbeeld al een aantal corpora in vermeld, maar deze corpora zijn niet aanwezig. Die regels kun je verwijderen.

Regels die beginnen met een dubbele punt komen als tussenkopjes in het menu.

Een regel voor een corpus bestaat uit de interne naam, het aantal zinnen in het corpus, en de titel, bijvoorbeeld:

:mijn corpora
mijncorpus  42  Mijn eerste corpus

Nadat je corpora.txt hebt aangepast geef je het commando update om de veranderingen door te voeren in de interface.

Webinterface

De webinterface is buiten Docker beschikbaar op http://localhost:8234/ of op een ander poortnummer als je dat hebt aangepast in run.sh

Command line

Voor een interactieve sessie in Docker met AgensGraph, run agens. Sluit opdrachten af met een puntkomma.

[docker:AlpinoGraph] user:~$ agens
agens (AgensGraph 2.2devel, based on PostgreSQL 10.4)
Type "help" for help.

user=# set graph_path = 'alpinotreebank';
SET
user=# match (w:word{lemma: 'fiets'}) return w.sentid, w.word;
 sentid |  word
--------+---------
 "269"  | "fiets"
 "3609" | "fiets"
 "697"  | "fiets"
(3 rows)

user=# match (w:word{lemma: 'fiets'}) set w.is_een_fiets = true;
UPDATE 3
user=# match (w:word{is_een_fiets: true}) return w.sentid, w.word;
 sentid |  word
--------+---------
 "697"  | "fiets"
 "269"  | "fiets"
 "3609" | "fiets"
(3 rows)

user=# match (w:word{is_een_fiets: true}) set w.is_een_fiets = NULL;
UPDATE 3
user=# match (w:word{is_een_fiets: true}) return w.sentid, w.word;
 sentid | word
--------+------
(0 rows)

user=# \q
[docker:AlpinoGraph] user:~$

Sluit de sessie af met Control-D.