Hot-keys on this page

r m x p   toggle line displays

j k   next/prev highlighted chunk

0   (zero) top of page

1   (one) first highlighted chunk

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

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

272

273

274

275

276

277

278

279

280

281

282

283

284

285

286

287

288

289

290

291

292

293

294

295

296

297

298

299

300

301

302

303

304

305

306

307

308

309

310

311

312

313

314

315

316

317

318

319

320

321

322

323

324

325

326

327

328

329

330

331

332

333

334

335

336

337

338

339

# Natural Language Toolkit: Collocations Application 

# Much of the GUI code is imported from concordance.py; We intend to merge these tools together 

# Copyright (C) 2001-2012 NLTK Project 

# Author: Sumukh Ghodke <sghodke@csse.unimelb.edu.au> 

# URL: <http://www.nltk.org/> 

# For license information, see LICENSE.TXT 

# 

from __future__ import print_function 

 

import threading 

import tkFont 

from Tkinter import (Button, END, Frame, IntVar, LEFT, Label, Menu, 

                     OptionMenu, SUNKEN, Scrollbar, StringVar, 

                     Text, Tk) 

 

from nltk.corpus import (cess_cat, brown, nps_chat, treebank, sinica_treebank, alpino, 

                         indian, floresta, mac_morpho, machado, cess_esp) 

from nltk.util import in_idle 

from nltk.probability import FreqDist 

 

 

CORPUS_LOADED_EVENT = '<<CL_EVENT>>' 

ERROR_LOADING_CORPUS_EVENT = '<<ELC_EVENT>>' 

 

_DEFAULT = 'English: Brown Corpus (Humor)' 

_CORPORA = { 

            'Catalan: CESS-CAT Corpus': 

                lambda: cess_cat.words(), 

            'English: Brown Corpus': 

                lambda: brown.words(), 

            'English: Brown Corpus (Press)': 

                lambda: brown.words(categories=['news', 'editorial', 'reviews']), 

            'English: Brown Corpus (Religion)': 

                lambda: brown.words(categories='religion'), 

            'English: Brown Corpus (Learned)': 

                lambda: brown.words(categories='learned'), 

            'English: Brown Corpus (Science Fiction)': 

                lambda: brown.words(categories='science_fiction'), 

            'English: Brown Corpus (Romance)': 

                lambda: brown.words(categories='romance'), 

            'English: Brown Corpus (Humor)': 

                lambda: brown.words(categories='humor'), 

            'English: NPS Chat Corpus': 

                lambda: nps_chat.words(), 

            'English: Wall Street Journal Corpus': 

                lambda: treebank.words(), 

            'Chinese: Sinica Corpus': 

                lambda: sinica_treebank.words(), 

            'Dutch: Alpino Corpus': 

                lambda: alpino.words(), 

            'Hindi: Indian Languages Corpus': 

                lambda: indian.words(files='hindi.pos'), 

            'Portuguese: Floresta Corpus (Portugal)': 

                lambda: floresta.words(), 

            'Portuguese: MAC-MORPHO Corpus (Brazil)': 

                lambda: mac_morpho.words(), 

            'Portuguese: Machado Corpus (Brazil)': 

                lambda: machado.words(), 

            'Spanish: CESS-ESP Corpus': 

                lambda: cess_esp.words() 

           } 

 

class CollocationsView: 

    _BACKGROUND_COLOUR='#FFF' #white 

 

    def __init__(self): 

        self.model = CollocationsModel() 

        self.model.add_listener(self) 

        self.top = Tk() 

        self._init_top(self.top) 

        self._init_menubar() 

        self._init_widgets(self.top) 

        self._bind_event_handlers() 

        self.load_corpus(self.model.DEFAULT_CORPUS) 

 

    def _init_top(self, top): 

        top.geometry('550x650+50+50') 

        top.title('NLTK Collocations List') 

        top.bind('<Control-q>', self.destroy) 

        top.minsize(550,650) 

 

    def _init_widgets(self, parent): 

        self.main_frame = Frame(parent, dict(background=self._BACKGROUND_COLOUR, padx=1, pady=1, border=1)) 

        self._init_corpus_select(self.main_frame) 

        self._init_results_box(self.main_frame) 

        self._init_paging(self.main_frame) 

        self._init_status(self.main_frame) 

        self.main_frame.pack(fill='both', expand=True) 

 

    def _init_corpus_select(self, parent): 

        innerframe = Frame(parent, background=self._BACKGROUND_COLOUR) 

        self.var = StringVar(innerframe) 

        self.var.set(self.model.DEFAULT_CORPUS) 

        Label(innerframe, justify=LEFT, text=' Corpus: ', background=self._BACKGROUND_COLOUR, padx = 2, pady = 1, border = 0).pack(side='left') 

 

        other_corpora = self.model.CORPORA.keys().remove(self.model.DEFAULT_CORPUS) 

        om = OptionMenu(innerframe, self.var, self.model.DEFAULT_CORPUS, command=self.corpus_selected, *self.model.non_default_corpora()) 

        om['borderwidth'] = 0 

        om['highlightthickness'] = 1 

        om.pack(side='left') 

        innerframe.pack(side='top', fill='x', anchor='n') 

 

    def _init_status(self, parent): 

        self.status = Label(parent, justify=LEFT, relief=SUNKEN, background=self._BACKGROUND_COLOUR, border=0, padx = 1, pady = 0) 

        self.status.pack(side='top', anchor='sw') 

 

    def _init_menubar(self): 

        self._result_size = IntVar(self.top) 

        menubar = Menu(self.top) 

 

        filemenu = Menu(menubar, tearoff=0, borderwidth=0) 

        filemenu.add_command(label='Exit', underline=1, 

                   command=self.destroy, accelerator='Ctrl-q') 

        menubar.add_cascade(label='File', underline=0, menu=filemenu) 

 

        editmenu = Menu(menubar, tearoff=0) 

        rescntmenu = Menu(editmenu, tearoff=0) 

        rescntmenu.add_radiobutton(label='20', variable=self._result_size, 

                     underline=0, value=20, command=self.set_result_size) 

        rescntmenu.add_radiobutton(label='50', variable=self._result_size, 

                     underline=0, value=50, command=self.set_result_size) 

        rescntmenu.add_radiobutton(label='100', variable=self._result_size, 

                     underline=0, value=100, command=self.set_result_size) 

        rescntmenu.invoke(1) 

        editmenu.add_cascade(label='Result Count', underline=0, menu=rescntmenu) 

 

        menubar.add_cascade(label='Edit', underline=0, menu=editmenu) 

        self.top.config(menu=menubar) 

 

    def set_result_size(self, **kwargs): 

        self.model.result_count = self._result_size.get() 

 

    def _init_results_box(self, parent): 

        innerframe = Frame(parent) 

        i1 = Frame(innerframe) 

        i2 = Frame(innerframe) 

        vscrollbar = Scrollbar(i1, borderwidth=1) 

        hscrollbar = Scrollbar(i2, borderwidth=1, orient='horiz') 

        self.results_box = Text(i1, 

                    font=tkFont.Font(family='courier', size='16'), 

                    state='disabled', borderwidth=1, 

                    yscrollcommand=vscrollbar.set, 

                    xscrollcommand=hscrollbar.set, wrap='none', width='40', height = '20', exportselection=1) 

        self.results_box.pack(side='left', fill='both', expand=True) 

        vscrollbar.pack(side='left', fill='y', anchor='e') 

        vscrollbar.config(command=self.results_box.yview) 

        hscrollbar.pack(side='left', fill='x', expand=True, anchor='w') 

        hscrollbar.config(command=self.results_box.xview) 

        #there is no other way of avoiding the overlap of scrollbars while using pack layout manager!!! 

        Label(i2, text='   ', background=self._BACKGROUND_COLOUR).pack(side='left', anchor='e') 

        i1.pack(side='top', fill='both', expand=True, anchor='n') 

        i2.pack(side='bottom', fill='x', anchor='s') 

        innerframe.pack(side='top', fill='both', expand=True) 

 

    def _init_paging(self, parent): 

        innerframe = Frame(parent, background=self._BACKGROUND_COLOUR) 

        self.prev = prev = Button(innerframe, text='Previous', command=self.previous, width='10', borderwidth=1, highlightthickness=1, state='disabled') 

        prev.pack(side='left', anchor='center') 

        self.next = next = Button(innerframe, text='Next', command=self.next, width='10', borderwidth=1, highlightthickness=1, state='disabled') 

        next.pack(side='right', anchor='center') 

        innerframe.pack(side='top', fill='y') 

        self.reset_current_page() 

 

    def reset_current_page(self): 

        self.current_page = -1 

 

    def _bind_event_handlers(self): 

        self.top.bind(CORPUS_LOADED_EVENT, self.handle_corpus_loaded) 

        self.top.bind(ERROR_LOADING_CORPUS_EVENT, self.handle_error_loading_corpus) 

 

    def handle_error_loading_corpus(self, event): 

        self.status['text'] = 'Error in loading ' + self.var.get() 

        self.unfreeze_editable() 

        self.clear_results_box() 

        self.freeze_editable() 

        self.reset_current_page() 

 

    def handle_corpus_loaded(self, event): 

        self.status['text'] = self.var.get() + ' is loaded' 

        self.unfreeze_editable() 

        self.clear_results_box() 

        self.reset_current_page() 

        #self.next() 

        collocations = self.model.next(self.current_page + 1) 

        self.write_results(collocations) 

        self.current_page += 1 

 

    def corpus_selected(self, *args): 

        new_selection = self.var.get() 

        self.load_corpus(new_selection) 

 

    def previous(self): 

        self.freeze_editable() 

        collocations = self.model.prev(self.current_page - 1) 

        self.current_page= self.current_page - 1 

        self.clear_results_box() 

        self.write_results(collocations) 

        self.unfreeze_editable() 

 

    def next(self): 

        self.freeze_editable() 

        collocations = self.model.next(self.current_page + 1) 

        self.clear_results_box() 

        self.write_results(collocations) 

        self.current_page += 1 

        self.unfreeze_editable() 

 

    def load_corpus(self, selection): 

        if self.model.selected_corpus != selection: 

            self.status['text'] = 'Loading ' + selection + '...' 

            self.freeze_editable() 

            self.model.load_corpus(selection) 

 

    def freeze_editable(self): 

        self.prev['state'] = 'disabled' 

        self.next['state'] = 'disabled' 

 

    def clear_results_box(self): 

        self.results_box['state'] = 'normal' 

        self.results_box.delete("1.0", END) 

        self.results_box['state'] = 'disabled' 

 

    def fire_event(self, event): 

        #Firing an event so that rendering of widgets happen in the mainloop thread 

        self.top.event_generate(event, when='tail') 

 

    def destroy(self, *e): 

        if self.top is None: return 

        self.top.destroy() 

        self.top = None 

 

    def mainloop(self, *args, **kwargs): 

        if in_idle(): return 

        self.top.mainloop(*args, **kwargs) 

 

    def unfreeze_editable(self): 

        self.set_paging_button_states() 

 

    def set_paging_button_states(self): 

        if self.current_page == -1 or self.current_page == 0: 

            self.prev['state'] = 'disabled' 

        else: 

            self.prev['state'] = 'normal' 

        if self.model.is_last_page(self.current_page): 

            self.next['state'] = 'disabled' 

        else: 

            self.next['state'] = 'normal' 

 

    def write_results(self, results): 

        self.results_box['state'] = 'normal' 

        row = 1 

        for each in results: 

            self.results_box.insert(str(row) + '.0', each[0] + " " + each[1] + "\n") 

            row += 1 

        self.results_box['state'] = 'disabled' 

 

class CollocationsModel: 

    def __init__(self): 

        self.listeners = [] 

        self.result_count = None 

        self.selected_corpus = None 

        self.collocations = None 

        self.CORPORA = _CORPORA 

        self.DEFAULT_CORPUS = _DEFAULT 

        self.reset_results() 

 

    def reset_results(self): 

        self.result_pages = [] 

        self.results_returned = 0 

 

    def add_listener(self, listener): 

        self.listeners.append(listener) 

 

    def notify_listeners(self, event): 

        for each in self.listeners: 

            each.fire_event(event) 

 

    def load_corpus(self, name): 

        self.selected_corpus = name 

        self.collocations = None 

        runner_thread = self.LoadCorpus(name, self) 

        runner_thread.start() 

        self.reset_results() 

 

    def non_default_corpora(self): 

        copy = [] 

        copy.extend(self.CORPORA.keys()) 

        copy.remove(self.DEFAULT_CORPUS) 

        copy.sort() 

        return copy 

 

    def is_last_page(self, number): 

        if number < len(self.result_pages): 

            return False 

        return self.results_returned + (number - len(self.result_pages)) * self.result_count >= len(self.collocations) 

 

    def next(self, page): 

        if (len(self.result_pages) - 1) < page: 

            for i in range(page - (len(self.result_pages) - 1)): 

                self.result_pages.append(self.collocations[self.results_returned:self.results_returned+self.result_count]) 

                self.results_returned += self.result_count 

        return self.result_pages[page] 

 

    def prev(self, page): 

        if page == -1: 

            return [] 

        return self.result_pages[page] 

 

    class LoadCorpus(threading.Thread): 

        def __init__(self, name, model): 

            threading.Thread.__init__(self) 

            self.model, self.name = model, name 

 

        def run(self): 

            try: 

                words = self.model.CORPORA[self.name]() 

                from operator import itemgetter 

                text = filter(lambda w: len(w) > 2, words) 

                fd = FreqDist(tuple(text[i:i+2]) for i in range(len(text)-1)) 

                vocab = FreqDist(text) 

                scored = [((w1,w2), fd[(w1,w2)] ** 3 / float(vocab[w1] * vocab[w2])) for w1, w2 in fd] 

                scored.sort(key=itemgetter(1), reverse=True) 

                self.model.collocations = list(map(itemgetter(0), scored)) 

                self.model.notify_listeners(CORPUS_LOADED_EVENT) 

            except Exception as e: 

                print(e) 

                self.model.notify_listeners(ERROR_LOADING_CORPUS_EVENT) 

 

#def collocations(): 

#    colloc_strings = [w1 + ' ' + w2 for w1, w2 in self._collocations[:num]] 

 

def app(): 

    c = CollocationsView() 

    c.mainloop() 

 

if __name__ == '__main__': 

    app() 

 

__all__ = ['app']