-
Notifications
You must be signed in to change notification settings - Fork 0
/
main.py
394 lines (330 loc) · 15.2 KB
/
main.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
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
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
# Developed by DevTae@2023
import os
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pathlib import Path
#path = "" # base_path
path = Path(__file__).resolve().parent
# 자음 기준
# - 조음 위치, 유성음 여부
# - 조음 방법, 조음 강도
# Position (Bilabial) 0 --- 1 (Glottal)
conso_pos = { "Bilabial": 0, "Alveolar": 0.25, "Alveo-Palatal": 0.5, "Velar": 0.75, "Glottal": 1 }
# HowToPronunce (Plosive) 1 --- 0 (Lateral)
# 파열음(ㅂ, ㅍ, ㅃ, ㄷ, ㅌ, ㄸ, ㄱ, ㅋ, ㄲ), 마찰음(ㅅ, ㅆ, ㅎ), 파찰음(ㅈ, ㅊ, ㅉ), 비음(ㅁ, ㄴ, ㅇ), 유음(ㄹ)
conso_how = { "Plosive": 1, "Fricative": 0.5, "Affricate": 0.75, "Nasal": 0.25, "Lateral": 0 }
# Strength (Lenis) 0 --- 1 (Fortis)
conso_str = { "Lenis": 0, "Aspirated": 0.5, "Fortis": 1 }
# Voice or not (Yes) 0.5 --- 0 (No)
# 유성음인지 아닌지 구분
conso_voi = { "Yes": 0.5, "No": 0 }
consonants = pd.read_csv(os.path.join(path, "csv", "consonants.csv"))
consonants["조음강도"] = consonants["조음강도"].replace("None", "Lenis") # None -> Lenis
consonants = consonants.fillna("Lenis")
# 모음 기준
# - 입술 모양
# - 조음 좌우 위치, 조음 상하 위치
# shape (Unrounded) 0 --- 0.5 (Rounded)
vowel_shp = { "Unrounded": -0.5, "Rounded+Unrounded": -0.17, "Unrounded+Rounded": 0.17, "Rounded": 0.5 }
# width position (Front) 0 --- 1 (Back)
vowel_wps = { "Front": 0, "NearFront": 0.1, "Back+Front": 0.33, "Front+Back": 0.67, "NearBack": 0.9, "Back": 1 }
# height position (Low) 0 --- 1 (High)
vowel_hps = { "Low": 0, "NearLow": 0.1, "Mid+Low": 0.2, "High+Low": 0.4, "Mid": 0.5, "High+Mid": 0.7, "NearHigh" : 0.9, "High": 1 }
vowels = pd.read_csv(os.path.join(path, "csv", "vowels.csv"))
# data 에서 각 IPA 문자에 대응되는 수치를 저장한다.
def mapping_ipa_with_value(data):
values = []
types = []
origs = []
idx = 0
while idx < len(data):
ch = data[idx]
skip = True
for ipa in list(consonants["IPA"]):
if data[idx:idx+len(ipa)] == ipa:
skip = False
conso_pos_ = conso_pos[consonants.loc[consonants["IPA"] == ipa]["조음위치"].iloc[0]]
conso_how_ = conso_how[consonants.loc[consonants["IPA"] == ipa]["조음방법"].iloc[0]]
conso_str_ = conso_str[consonants.loc[consonants["IPA"] == ipa]["조음강도"].iloc[0]]
conso_voi_ = conso_voi[consonants.loc[consonants["IPA"] == ipa]["유성음여부"].iloc[0]]
value = [conso_pos_, conso_how_, conso_str_, conso_voi_]
values.append(value)
if ipa == "ŋ": # 받침이 있는 경우, 'C' 가 아닌 'c' 로 등록하여 이후 처리에 반영한다.
types.append("c") # Consonants (받침)
else:
types.append("C") # Consonants
origs.append(ipa)
idx += len(ipa)
for ipa in list(vowels["IPA"]):
if data[idx:idx+len(ipa)] == ipa:
skip = False
vowel_shp_ = vowel_shp[vowels.loc[vowels["IPA"] == ipa]["입술모양"].iloc[0]]
vowel_wps_ = vowel_wps[vowels.loc[vowels["IPA"] == ipa]["조음좌우위치"].iloc[0]]
vowel_hps_ = vowel_hps[vowels.loc[vowels["IPA"] == ipa]["조음상하위치"].iloc[0]]
value = [vowel_shp_, vowel_wps_, vowel_hps_]
values.append(value)
types.append("V") # Vowels
origs.append(ipa)
idx += len(ipa)
if skip == True:
idx += 1
return values, types, origs
# 자음과 모음이 한 발음 단위로 나뉘도록 분할
def split_types(types):
result = []
while len(types) > 0:
if types.startswith("CVCC") or types.startswith("CVc"):
result.append(types[:3])
types = types[3:]
elif types.startswith("CVCV") or types.startswith("CVV") or types.startswith("VCC") or types.startswith("Vc"):
result.append(types[:2])
types = types[2:]
elif types.startswith("VCV") or types.startswith("VV") or types.startswith("cV") or types.upper().startswith("CC"):
result.append(types[:1])
types = types[1:]
else:
result.append(types[:])
types = ""
return result
# C+V 단위 Vectorization 진행
# [0] conso_pos
# [1] conso_how
# [2] conso_str
# [3] conso_voi
# [4] vowel_shp
# [5] vowel_wps
# [6] vowel_hps
# [7] support_conso_pos
# [8] support_how
# [9] support_str
# [10] support_voi
def vectorize_ipa(values, types, origs):
vector_values = []
vector_types = []
vector_origs = []
prev_type = None
# C+V 단위 Vectorization
types_after = split_types(''.join(types))
idx = 0
for types_ in types_after:
vector_value = []
vector_orig = []
if types_ == "CVC" or types_ == "CVc":
vector_value += values[idx]
vector_value += values[idx+1]
vector_value += values[idx+2]
vector_orig.append(origs[idx])
vector_orig.append(origs[idx+1])
vector_orig.append(origs[idx+2])
elif types_ == "CV":
vector_value += values[idx]
vector_value += values[idx+1]
vector_value += [0, 0, 0, 0]
vector_orig.append(origs[idx])
vector_orig.append(origs[idx+1])
elif types_ == "VC" or types_ == "Vc":
vector_value += [0, 0, 0, 0]
vector_value += values[idx]
vector_value += values[idx+1]
vector_orig.append(origs[idx])
vector_orig.append(origs[idx+1])
elif types_ == "V":
vector_value += [0, 0, 0, 0]
vector_value += values[idx]
vector_value += [0, 0, 0, 0]
vector_orig.append(origs[idx])
elif types_ == "C":
vector_value += values[idx]
vector_value += [0, 0, 0]
vector_value += [0, 0, 0, 0]
vector_orig.append(origs[idx])
elif types_ == "c":
vector_value += [0, 0, 0, 0]
vector_value += [0, 0, 0]
vector_value += values[idx]
vector_orig.append(origs[idx])
else:
print(types_after)
print(types_)
raise Exception("types_ 에 대하여 예기치 못한 입력값이 들어왔습니다.")
vector_type = types_
vector_values.append(vector_value)
vector_types.append(vector_type)
vector_origs.append(vector_orig)
idx += len(types_)
return vector_values, vector_types, vector_origs
# 두 pronunciation 사이에서의 score 를 구하는 함수 (1차원) (default)
def get_score_1d(values_ans, values_usr):
assert isinstance(values_ans, list), "1차원 리스트에 대한 입력값만 지원합니다"
assert not isinstance(values_ans[0], list), "1차원 리스트에 대한 입력값만 지원합니다"
assert isinstance(values_usr, list), "1차원 리스트에 대한 입력값만 지원합니다"
assert not isinstance(values_usr[0], list), "1차원 리스트에 대한 입력값만 지원합니다"
# value_1 과 value_2 의 원소 배열 크기가 다른 경우 (자음 / 모음 타입 미일치), max distance (=1) 반환함.
if len(values_ans) != len(values_usr):
return 0 # min score 반환
# 기본 점수 (여기서 점수를 곱하기로 차감해가는 방식으로 진행)
score = 1.0
# i. 자음의 경우
# [ conso_pos_ (조음위치), conso_how_ (조음방법), conso_str_ (조음세기), conso_voi_ (유성음여부) ]
if len(values_ans) == 4:
# 조음위치 다르면 0 반환
if values_ans[0] != values_usr[0]:
return 0
# 조음방법 다르면 0 반환
elif values_ans[1] != values_usr[1]:
return 0
# 조음세기 및 유성음 미일치 시에 따른 점수 차감
else:
score *= 1 - abs(values_ans[2] - values_usr[2])
score *= 1 - abs(values_ans[3] - values_usr[3])
# ii. 모음의 경우
# [ vowel_shp_ (입술 모양), vowel_wps_ (입술 좌우), vowel (입술 상하) ]
elif len(values_ans) == 3:
score *= 1 - abs(values_ans[0] - values_usr[0])
score *= 1 - abs(values_ans[1] - values_usr[1])
score *= 1 - abs(values_ans[2] - values_usr[2])
else:
return 0 # handling exception
return score
# s1 : string of answer_ipa, s2 : string of user_ipa
def get_score(s1, s2, pivot=None, debug=False):
if len(s1) < len(s2):
return get_score(s2, s1, s1, debug)
if len(s2) == 0:
result_dict = dict()
result_dict["answer_ipa"] = s1
result_dict["user_ipa"] = s2
result_dict["score"] = 0
result_dict["summary"] = []
return result_dict
"""
values_ans, types_ans, origs_ans = mapping_ipa_with_value(s1)
values_ans, types_ans, origs_ans = vectorize_ipa(values_ans, types_ans, origs_ans)
values_usr, types_usr, origs_usr = mapping_ipa_with_value(s2)
values_usr, types_usr, origs_usr = vectorize_ipa(values_usr, types_usr, origs_usr)
"""
# 초성, 중성, 종성 부분은 STT 모델 결과가 문법 교정이 되어 있지 않기 때문에 나온 값 그대로 Levenshtein Distance 계산 진행
values_ans, _, _ = mapping_ipa_with_value(s1)
values_usr, _, _ = mapping_ipa_with_value(s2)
previous_row = range(len(values_usr) + 1) # values_usr is shorter than values_ans (0 ~ len(values_usr))
for i, c1 in enumerate(values_ans): # values_ans is longer than values_usr
current_row = [i + 1]
for j, c2 in enumerate(values_usr):
insertions = previous_row[j + 1] + 1
deletions = current_row[j] + 1
substitutions = previous_row[j] + (1 - get_score_1d(c1, c2))
current_row.append(min(insertions, deletions, substitutions))
if debug:
print(current_row[1:])
previous_row = current_row
per = previous_row[-1] / (len(values_ans) if pivot == None else len(values_usr))
score = round(max(1 - per, 0), 2)
# score 최댓값이 나오게 하는 path 파악
result_dict = dict()
if pivot == None:
result_dict["answer_ipa"] = s1
result_dict["user_ipa"] = s2
else:
result_dict["answer_ipa"] = s2
result_dict["user_ipa"] = s1
result_dict["score"] = score
result_dict["summary"] = []
pass # 피드백 부분 코드 필요함
return result_dict
"""
# values_1 과 values_2 에 대한 서로 대응하는 distance 를 계산한다.
# types_1 : answer, types_2 : user_input
def get_scores(values_ans, types_ans, values_usr, types_usr):
scores = np.zeros((len(types_ans), len(types_usr)), dtype=float)
for i in range(len(types_ans)):
for j in range(len(types_usr)):
scores[i][j] = get_score_1d(values_ans[i], values_usr[j])
return scores
# 두 values 사이에서 score 채점 진행 (동적계획법 활용)
def get_score(answer_ipa, user_ipa, option="default"):
values_ans, types_ans, origs_ans = mapping_ipa_with_value(answer_ipa)
values_ans, types_ans, origs_ans = vectorize_ipa(values_ans, types_ans, origs_ans)
values_usr, types_usr, origs_usr = mapping_ipa_with_value(user_ipa)
values_usr, types_usr, origs_usr = vectorize_ipa(values_usr, types_usr, origs_usr)
scores = get_scores(values_ans, types_ans, values_usr, types_usr)
avg_of_scores = np.zeros((len(types_ans) + 1, len(types_usr) + 1), dtype=float)
cnt_of_directions = np.zeros((len(types_ans) + 1, len(types_usr) + 1), dtype=float) # direction counting
directions = np.empty((len(types_ans) + 1, len(types_usr) + 1), dtype='U') # best path 의 방향 저장
# 기본 설정
avg_of_scores[:,0] = 0
avg_of_scores[0,:] = 0
for i in range(1, len(types_ans) + 1):
cnt_of_directions[i][0] = i - 1
# 평균이 최대가 되는 경우를 찾게 됨
for i in range(1, len(types_ans) + 1):
for j in range(1, len(types_usr) + 1):
# right 두 개로 하나를 채우는 것이기 때문에 cnt 2 증가
expected_right = (avg_of_scores[i][j-1] * cnt_of_directions[i][j-1] + scores[i-1][j-1]) / (cnt_of_directions[i][j-1] + 2)
if avg_of_scores[i][j] < expected_right:
avg_of_scores[i][j] = expected_right
cnt_of_directions[i][j] = cnt_of_directions[i][j-1] + 2
directions[i][j] = "r"
# bottom 하나로 두 개를 떼우려는 것이기에 cnt 3 증가
expected_bottom = (avg_of_scores[i-1][j] * cnt_of_directions[i-1][j] + scores[i-1][j-1]) / (cnt_of_directions[i-1][j] + 3)
if avg_of_scores[i][j] < expected_bottom:
avg_of_scores[i][j] = expected_bottom
cnt_of_directions[i][j] = cnt_of_directions[i-1][j] + 3
directions[i][j] = "b"
# diagonal
expected_diagonal = (avg_of_scores[i-1][j-1] * cnt_of_directions[i-1][j-1] + scores[i-1][j-1]) / (cnt_of_directions[i-1][j-1] + 1)
if avg_of_scores[i][j] < expected_diagonal:
avg_of_scores[i][j] = expected_diagonal
directions[i][j] = "d"
cnt_of_directions[i][j] = cnt_of_directions[i-1][j-1] + 1
# score 계산 및 score 가 최대가 되는 i(=answer), j(=user) 계산
i = len(types_ans)
j = min(i, len(types_usr))
max_score = 0
for j_ in range(i, len(types_usr) + 1):
score = avg_of_scores[i][j_]
if score > max_score:
max_score = score
j = j_
# score 최댓값
score = avg_of_scores[i][j]
if option == "score":
return score
elif option == "default":
# score 최댓값이 나오게 하는 path 파악
result_dict = dict()
result_dict["answer_ipa"] = answer_ipa
result_dict["user_ipa"] = user_ipa
result_dict["score"] = score
result_dict["summary"] = []
answer_ipa_splited = []
user_ipa_splited = []
per_scores = []
while True:
direction = directions[i][j]
if direction == '':
break
answer_ipa_splited.append(origs_ans[i-1])
user_ipa_splited.append(origs_usr[j-1])
per_scores.append(scores[i-1][j-1])
if direction == 'r':
j -= 1
elif direction == 'b':
i -= 1
elif direction == 'd':
i -= 1
j -= 1
# 전체 정답 중에서 중간부터 채점한 게 높을 땐, 이전 문제 채점도 추가.
while i > 0:
answer_ipa_splited.append(origs_ans[i-1])
user_ipa_splited.append([])
per_scores.append(0)
i -= 1
for answer_ipa_char, user_ipa_char, per_score in zip(answer_ipa_splited, user_ipa_splited, per_scores):
result_dict["summary"].append([answer_ipa_char, user_ipa_char, per_score])
result_dict["summary"].reverse()
return result_dict
"""
# for test
if __name__ == "__main__":
print(get_score("ɑnnjʌŋɑsɛjo", "ɑnnjjmassɛjjo"))