-
Notifications
You must be signed in to change notification settings - Fork 0
/
Keyword_repairer.py
183 lines (142 loc) · 6.63 KB
/
Keyword_repairer.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Tue Mar 12 10:22:43 2024
@author: pmchozas
"""
import json
import os
from translation_class import get_source_identifiers
import Helsinki_translator
def write_json_file(file_path,data):
with open(file_path, "w", encoding='utf-8') as json_file:
json.dump(data, json_file, ensure_ascii=False, indent=4)
def user_corrector(texto_original, texto_traducido, terminos,key):
'''
La mayoría de las veces no se ha traducido
:param texto_original:
:param texto_traducido:
:param terminos:
:return:
'''
print("-*********************")
print("Texto:")
print(texto_original)
print("Texto:")
print(texto_traducido)
final_term=''
print("Lista de términos:",terminos)
print("Keyword a traducir:: ",key)
# Calcular cuántas veces aparece cada término en el texto
apariciones = {termino: texto_traducido.count(termino) for termino in terminos}
print("Número de apariciones de cada término:")
counter=1
for termino, aparicion in apariciones.items():
print(f"{counter}*{termino}: {aparicion}")
counter=counter+1
helsinki_key='None'
if len(terminos) ==0:
helsinki_key=Helsinki_translator.translate_text_original(key)
while True:
opcion = input("Elige una opción 1 para el primer término, 2 para el segundo, 3 para el término original {"+str(key)+"}. \n 4 for automatic translation {"+str(helsinki_key)+"} 5 para escribir uno específico): ")
if opcion == '1':
termino = terminos[0]
final_term=termino
print(f"\nTérmino seleccionado: {termino}")
print(f"El término '{termino}' aparece {texto_traducido.count(termino)} veces en el texto.")
break
if opcion == '2':
termino = terminos[1]
final_term=termino
print(f"\nTérmino seleccionado: {termino}")
print(f"El término '{termino}' aparece {texto_traducido.count(termino)} veces en el texto.")
break
if opcion == '3':
termino = key
final_term=termino
print(f"\nTérmino seleccionado: {termino}")
print(f"El término '{termino}' aparece {texto_traducido.count(termino)} veces en el texto.")
break
if opcion == '4':
termino = helsinki_key
final_term=termino
print(f"\nTérmino seleccionado: {termino}")
print(f"El término '{termino}' aparece {texto_traducido.count(termino)} veces en el texto.")
break
elif opcion == '5':
termino_elegido = input("Introduce el término que deseas introducir: ")
final_term = termino_elegido
print(f"\nTérmino seleccionado: {termino_elegido}")
print(f"El término '{termino_elegido}' aparece {texto_traducido.count(termino_elegido)} veces en el texto.")
break
else:
print("Opción no válida. Inténtalo de nuevo.")
print('Final term',final_term, "\n\n\n")
return final_term
from collections import Counter
def most_repeated_value(lst):
# Count occurrences of each element in the list
counts = Counter(lst)
# Get the most common element and its count
most_common = counts.most_common(1)
# Return the most common element
return most_common[0][0] if most_common else None
def automatic_corrector(texto_original, texto_traducido, terminos,key):
final_term=''
print("Lista de términos:",terminos)
print("Keyword a traducir:: ",key)
# Calcular cuántas veces aparece cada término en el texto
apariciones = {termino: texto_traducido.count(termino) for termino in terminos}
if len(terminos) ==0:
final_term=Helsinki_translator.translate_text_original(key)
else:
final_term= most_repeated_value(terminos)
return final_term
#InputPath='datasets/doc_translations/errors_test/'
# InputPath = 'datasets/doc_translations/SemEval2017_GTranslate/'
# OutputPath = 'datasets/doc_translations/SemEval2017_GTranslateReviewed/'
# InputPath = 'datasets/doc_translations/OpenAI/SemEval2017_2/'
# OutputPath = 'datasets/doc_translations/OpenAI/SemEval2017_2Reviewed/'
InputPath='datasets/doc_translations/SemEval2010_GTranslate_Postprocessed/'
OutputPath='datasets/doc_translations/SemEval2010_GTranslateReviewed/'
InputPath = 'datasets/doc_translations/OpenAI/SemEval2010/'
OutputPath = 'datasets/doc_translations/OpenAI/SemEval2010_Reviewed2/'
sourcedocs = os.listdir(InputPath)
targetdocs = os.listdir(OutputPath)
source_identifiers = get_source_identifiers(sourcedocs)
target_identifiers = get_source_identifiers(targetdocs)
### START
for ident in source_identifiers:
if ident in target_identifiers:
continue
filepath=InputPath +str(ident)+ ".json"
with open(filepath, 'r') as file:
# data = file.read()
data_dict = json.load(file)
#DESCOMENTAR PARA PABLO Y SEMEVAL20º7
if data_dict['error_count'] == 0:
a=0
#TODO, WRITE FILE
else:
#print(data_dict['keys'].keys())
num_errors = data_dict['error_count']
print(ident,num_errors)
for key in data_dict['keys'].keys():
translation=data_dict['keys'][key]['translated_key'] #PABLO y Semeval2017
trans_key=data_dict['keys'][key]['translated_key']
#translation=data_dict['keys'][key]['candidates'] #Semeval2010 patri
print(translation)
#if trans_key =="" and isinstance(translation, list): ## si es una lista, osea un error
if translation=='': #ARCHIVOS PABLO
#print(translation,key )
#print(ident)
#new_term=user_corrector(data_dict['original_text'],data_dict['original_translation'],translation,key)
#new_term = user_corrector(data_dict['original_text'], data_dict['original_translation'],data_dict['keys'][key]['error'][0], key) # ARCHIVOS PABLO
new_term = automatic_corrector(data_dict['original_text'], data_dict['original_translation'],
data_dict['keys'][key]['error'][0], key) # ARCHIVOS PABLO
#new_term = user_corrector(data_dict['original_text'], data_dict['original_translation'],data_dict['keys'][key]['candidates'], key)
#print(ident)
num_errors=num_errors-1 #PABLO Y SEMEVAL2017
data_dict['keys'][key]['translated_key']=new_term
data_dict['error_count']=num_errors
write_json_file(OutputPath +str(ident)+ ".json",data_dict)