Wrapper for CoCoCo: Collocations, Collligations, and Corpora

This is a python CLI for the CoCoCo API. It allows for finding the significant values of an unknown element in a sequence of 2 or 3 words.

Contents

1. CoCoCoDriver.py
2. get_valency.py
3. utility.py

The CoCoCo website GUI is located at http://cococo.cosyco.ru/.

Read more about the CoCoCo project here.

---

CoCoCoDriver.py

This module is the core wrapper for the CoCoCo API.

To see the usage, enter the following command in a cmd or bash terminal in the same directory as the CoCoCoDriver.py file:

python3 CoCoCoDriver.py -h

Poses / Parts of Speech

The -pos1, -pos2, and -pos3 options allow for specifying the part-of-speech tag for words in the word sequence:

Pose	Part-of-Speech	Часть речи
S	Noun	Существительное
A	Adjective	Прилагательное
V	Verb	Глагол
ADV	Adverb	Наречие
PARTCP	Participle	Причастие
GER	gerund	Деепричастие
SPRO	Pronoun	Местоим. существ.
APRO	Adjective pronoun	Местоим. прилаг.
PR	Preposition	Предлог
CONJ	Conjugation	Союз
ADVPRO	Pronoun adverb	Местоим. наречие
NUM	Numeral	Колич. числит.
ANUM	Ordinal numeral	Порядк. числит.
PART	Participle	Частица
INTJ	Interjection	Междометие
PRAEDIC	Predicate	Предикатив
PARENTH	Parenthesis	Вводное слово
SYM	???	SYM
X	???	X

Word Features

Depending on the corpus, there are different possible word feature parameters available:

RNC & IRU Word Features

Feature	Options	Разметка	Выборы
transitivity	['tran', 'intr']	переходность	['переходный', 'непереходный']
gender	['n', 'm', 'f', 'mf']	род	['средний', 'мужской', 'женский', 'общий']
number	['sg', 'pl']	число	['единственное', 'множественное']
case	['nom', 'gen', 'gen2', 'dat', 'acc', 'acc2', 'ins', 'loc', 'loc2', 'voc', 'adnum']	падеж	['именительный', 'родительный', 'родительный2', 'дательный', 'винительный', 'винительный2', 'творительный', 'предложный', 'предложный2', 'звательный', 'счётная форма']
animacy	['inan', 'anim']	одушевленность	['неодушевленный', 'одушевленный']
degree	['comp', 'supr', 'comp2', 'p']	степень	['сравнительная', 'превосходная', 'сравнительная2', 'положительная']
mood	['indic', 'inf', 'imper', 'imper2']	наклонение	['изъявительное', 'инфинитив', 'повелительное', 'повелительное2']
tense	['praes', 'praet', 'fut']	время	['настоящее', 'прошедшее', 'будущее']
person	['1p', '2p', '3p']	лицо	['первое', 'второе', 'третье']
voice	['act', 'pass', 'med']	залог	['активный', 'пассивный', 'медиальный']
form	['brev', 'plen']	форма	['краткая', 'полная']
aspect	['pf', 'ipf']	вид	['совершенный', 'несовершенный']
name	['persn', 'nonname']	имя собств.	['имя', 'не имя']
abbr	['abbr', 'nonabbr']	аббревиатура	['аббревиатура', 'не аббревиатура']

Taiga Word Features

Feature	Options	Разметка	Выборы
gender	['n', 'm', 'f']	род	['средний', 'мужской', 'женский']
animacy	['inan', 'anim']	одушевленность	['неодушевленный', 'одушевленный']
number	['sg', 'pl']	число	['единственное', 'множественное']
case	['nom', 'gen', 'gen2', 'dat', 'acc', 'ins', 'loc', 'voc']	падеж	['именительный', 'родительный', 'родительный2', 'дательный', 'винительный', 'творительный', 'предложный', 'звательный']
variant	['short','long']	форма	['краткая','полная']
degree	['comp', 'supr', 'p']	степень	['сравнительная', 'превосходная', 'положительная']
aspect	['pf', 'ipf']	вид	['совершенный', 'несовершенный']
voice	['act', 'pass', 'med']	залог	['активный', 'пассивный', 'медиальный']
mood	['indic', 'imper','cnd']	наклонение	['изъявительное', 'повелительное', 'условное']
tense	['praes', 'praet', 'fut']	время	['настоящее', 'прошедшее', 'будущее']
person	['1p', '2p', '3p']	лицо	['первое', 'второе', 'третье']
foreign	['Yes']	иностранное	['да']
polarity	['neg','pos']	полярность	['отрицательная','положительная']
proper	['yes', 'no']	имя собственное	['да', 'нет']
verbform	['fin', 'inf']	форма глагола	['личная', 'неличная']

Examples:

python3 CoCoCoDriver.py -w1 читать RNC
Print the server's .json response from searching "читать", "" from ruscorpora

python3 CoCoCoDriver.py -v -n 3 -w1 быть -pos2 A -w3 человек RNC
Print the GET request url & headers and response code
Then, print out the server's .json response from searching "быть", "", "человек" from ruscorpora
The second word is an adjective

python3 CoCoCoDriver.py -v -n 3 -flem -w1 любить -pos2 A -w3 человек RNC
Print the GET request url & headers and response code
Then, print out the server's .json response from searching "любить", "", "человек" from ruscorpora
The second word is an adjective and each word is a lemma

python3 CoCoCoDriver.py -vv -w1 любовь -pos1 S -pos2 A -f2 "form=brev|" IRU
Print the GET request url & headers and response code
Then, pretty print the server's .json response from searching "любовь", "", from I-RU
The first word is a noun and the second word is an adjective in short form

---

The following code saves the CoCoCoDriver output to files
Print the GET request url & headers and response code
Then, pretty print the server's .json response from searching "жизнь", ""
The first word is a noun and the second word is an adjective in short form
Each command queries a subcorpus of the Taiga database:

1. All subcorpora: python3 CoCoCoDriver.py -vv -w1 жизнь -pos1 S -f1 "case=nom|" -pos2 A -f2 "variant=short|" Taiga > Example/All.txt
2. Social subcorpus: python3 CoCoCoDriver.py -vv -w1 жизнь -pos1 S -f1 "case=nom|" -pos2 A -f2 "variant=short|" Taiga -s Social > Example/Social.txt
3. News subcorpus: python3 CoCoCoDriver.py -vv -w1 жизнь -pos1 S -f1 "case=nom|" -pos2 A -f2 "variant=short|" Taiga -s News > Example/News.txt
4. Poetry subcorpus: python3 CoCoCoDriver.py -vv -w1 жизнь -pos1 S -f1 "case=nom|" -pos2 A -f2 "variant=short|" Taiga -s Poetry > Example/Poetry.txt

get_valency.py

This module is a wrapper for the CoCoCoDriver module. It prints a tabularly formatted response of an 'advanced search' from the CoCoCo website.

Because this file imports the CoCoCoDriver module, it must be located in the same directory as the CoCoCoDriver.py file. The get_valency module accepts two sets of arguments:

1. First, the get_valency module arguments.
2. Next, the CoCoCoDriver module arguments.

To see the usage of the get_valency and CoCoCoDriver modules, enter the following command in a cmd or bash terminal in the same directory as the get_valency.py and CoCoCoDriver.py file:

python3 get_valency.py -h
python3 CoCoCoDriver.py -h

Threshold

Threshold determines the amount of fvals to display for each feature:

Threshold	Approach	Подход
0	Simple approach - first 3 ranks in the 'Rank' column	Простой подход - Первые 3 ранга в колонке Ranks
1	Conservative approach - print out ranks that are above the median frequency ratio	Консерванитвный подход - Freq. ratio высше медианы
2	Liberal approach - print out all ranks that are above the largest rank difference	Либеральный подход - Искать самую большую дистанцию между Ranks
3	Difficult approach - TODO	Сложный подход - TODO
4	Everything - print out all ranks	Всё

Examples

python3 get_valency.py -w1 читать RNC
Print the valency for searching "читать", "" from ruscorpora
The default is threshold 0: Simple approach - first 3 ranks in the 'Rank' column

python3 get_valency.py -t 4 -w1 читать RNC
Print the valency for searching "читать", "" from ruscorpora
Use threshold 4: Everything - print out all ranks

python3 get_valency.py -vv -t 1 -w1 читать RNC
Verbosity 2 - print request header and url, and raw server's .json response
Print the valency for searching "читать", "" from ruscorpora
Use threshold 1: Conservative approach - print out ranks that are above the median frequency ratio

python3 get_valency.py -vvv -t 2 -w1 читать RNC
Verbosity 3 - print request header and url, and pretty print the server's .json response
Print the valency for searching "читать", "" from ruscorpora
Use threshold 2: Liberal approach - print out all ranks that are above the largest rank difference

utility.py

This module contains utility functions, such as printing a formatted debug message.