File size: 4,251 Bytes
98c2b46 |
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 |
# rhetoric_analyzer.py
import spacy
from spacy.tokens import Doc, Span, Token
from typing import List
import data_models # Düz yapı importu
from rich.console import Console
# VADER'ı import et
from vaderSentiment.vaderSentiment import SentimentIntensityAnalyzer
console = Console()
# VADER duygu analizcisini başlat
analyzer = SentimentIntensityAnalyzer()
# Basit Retorik İpuçları
# Güçlü Duygu Eşiği (VADER compound score için)
# -1 (çok negatif) ile +1 (çok pozitif) arasında.
# |score| > 0.5 genellikle belirgin bir duygu ifade eder.
STRONG_SENTIMENT_THRESHOLD = 0.5
# Superlative'ler (En üstünlük belirten sıfatlar/zarflar)
# spaCy'nin POS tag'lerini kullanabiliriz: 'JJS' (superlative adjective), 'RBS' (superlative adverb)
SUPERLATIVE_TAGS = {"JJS", "RBS"}
# Retorik Sorular (Basit: Soru işareti var mı?)
# Daha gelişmiş analiz gerekir ama başlangıç için bu yeterli.
def analyze_sentence_sentiment(sent: Span) -> List[data_models.Finding]:
"""VADER kullanarak cümlenin duygu skorunu analiz eder ve güçlü duyguları bulur."""
findings = []
# VADER'ın polarity_scores fonksiyonu bir dict döndürür: {'neg', 'neu', 'pos', 'compound'}
vs = analyzer.polarity_scores(sent.text)
compound_score = vs['compound']
description = None
severity = "Low" # Varsayılan
if compound_score >= STRONG_SENTIMENT_THRESHOLD:
description = f"Sentence potentially expresses strong positive sentiment (VADER score: {compound_score:.2f})."
severity = "Medium"
elif compound_score <= -STRONG_SENTIMENT_THRESHOLD:
description = f"Sentence potentially expresses strong negative sentiment (VADER score: {compound_score:.2f})."
severity = "Medium"
if description:
findings.append(data_models.Finding(
finding_type="RhetoricalDevice",
description=description,
severity=severity,
span_start=sent.start_char,
span_end=sent.end_char,
details={"device_type": "Strong Sentiment", "vader_score": vs}
))
return findings
def detect_superlatives(sent: Span) -> List[data_models.Finding]:
"""Cümlede superlative (en üstünlük) ifadeleri arar."""
findings = []
superlative_words = []
for token in sent:
if token.tag_ in SUPERLATIVE_TAGS:
superlative_words.append(token.text)
if superlative_words:
findings.append(data_models.Finding(
finding_type="RhetoricalDevice",
description=f"Use of superlative(s) detected: {', '.join(superlative_words)}.",
severity="Low", # Tek başına zayıf bir gösterge
span_start=sent.start_char,
span_end=sent.end_char,
details={"device_type": "Superlative", "words": superlative_words}
))
return findings
def detect_rhetorical_questions(sent: Span) -> List[data_models.Finding]:
"""Cümlede soru işareti olup olmadığını kontrol eder (çok basit)."""
findings = []
if sent.text.strip().endswith("?"):
findings.append(data_models.Finding(
finding_type="RhetoricalDevice",
description="Sentence ends with a question mark (potential rhetorical question).",
severity="Low", # Bağlam olmadan bilmek zor
span_start=sent.start_char,
span_end=sent.end_char,
details={"device_type": "Potential Question"}
))
return findings
def simple_rhetoric_analyzer(doc: Doc) -> List[data_models.Finding]:
"""
Metindeki cümleleri basit kurallarla analiz ederek potansiyel retorik araçları bulur.
"""
all_findings = []
for sent in doc.sents:
# Her cümle için retorik kontrollerini çalıştır
all_findings.extend(analyze_sentence_sentiment(sent))
all_findings.extend(detect_superlatives(sent))
all_findings.extend(detect_rhetorical_questions(sent))
# Buraya diğer retorik fonksiyon çağrıları eklenebilir
console.print(f" -> Simple Rhetoric Analyzer found {len(all_findings)} potential rhetorical indicators.", style="dim")
return all_findings |