252 lines
15 KiB
Python
252 lines
15 KiB
Python
"""Переработка первого блока текущей презентации.
|
||
|
||
Скрипт не пересобирает весь файл: он читает уже отредактированный PPTX,
|
||
удаляет старые слайды первого блока и вставляет новую академическую
|
||
последовательность: задача -> строгая постановка -> корпус -> очистка ->
|
||
характеристики.
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import sys
|
||
from pathlib import Path
|
||
|
||
from pptx import Presentation
|
||
from pptx.enum.text import PP_ALIGN
|
||
from pptx.util import Inches
|
||
|
||
HERE = Path(__file__).resolve().parent
|
||
if str(HERE) not in sys.path:
|
||
sys.path.insert(0, str(HERE))
|
||
|
||
from build_deck import ( # noqa: E402
|
||
DARK,
|
||
GEN,
|
||
GREEN_DARK,
|
||
RED,
|
||
add_background,
|
||
add_bullets,
|
||
add_chicken,
|
||
add_footer,
|
||
add_image_fit,
|
||
add_notes,
|
||
add_panel,
|
||
add_table,
|
||
add_text,
|
||
add_title_bar,
|
||
)
|
||
|
||
|
||
PPTX = HERE / "stardew_stylometry.pptx"
|
||
BLOCK = "Блок 1 · Корпус"
|
||
NARRATOR = "А. А. Аладьина"
|
||
|
||
|
||
def delete_slide(prs, index: int) -> None:
|
||
slide_id = prs.slides._sldIdLst[index]
|
||
rel_id = slide_id.rId
|
||
prs.part.drop_rel(rel_id)
|
||
del prs.slides._sldIdLst[index]
|
||
|
||
|
||
def move_slide(prs, old_index: int, new_index: int) -> None:
|
||
slide_id = prs.slides._sldIdLst[old_index]
|
||
prs.slides._sldIdLst.remove(slide_id)
|
||
prs.slides._sldIdLst.insert(new_index, slide_id)
|
||
|
||
|
||
def base_slide(prs, title: str, subtitle: str | None = None):
|
||
slide = prs.slides.add_slide(prs.slide_layouts[6])
|
||
add_background(slide)
|
||
add_title_bar(slide, title, NARRATOR, subtitle)
|
||
add_footer(slide, BLOCK, 0)
|
||
add_chicken(slide)
|
||
return slide
|
||
|
||
|
||
def slide_task(prs):
|
||
slide = base_slide(prs, "Решаемая задача")
|
||
add_panel(slide, 0.45, 1.35, 6.15, 5.55)
|
||
add_bullets(slide, 0.65, 1.55, 5.75, 5.1, [
|
||
"Дано: 2005 коротких реплик, 34 персонажа, один автор.",
|
||
"Требуется: по одной реплике определить персонажа.",
|
||
"Класс — имя персонажа; один объект относится ровно к одному классу.",
|
||
"Реплики короткие: в среднем 19 слов, медиана 17.",
|
||
"Классы неравномерны: от 15 до 139 реплик.",
|
||
], size=16, title="Постановка")
|
||
add_panel(slide, 6.8, 1.35, 6.05, 5.55)
|
||
add_bullets(slide, 7.0, 1.55, 5.65, 5.1, [
|
||
"Проверяется, различимы ли речевые маски персонажей статистически.",
|
||
"Это не авторская атрибуция: все реплики написаны одним автором.",
|
||
"Ошибки между персонажами ожидаемы: общий автор, общие темы и контексты.",
|
||
"Практическая ценность — методика стилометрии для коротких текстов.",
|
||
"Ограничение: один корпус, одна игра, один автор.",
|
||
], size=16, title="Что именно проверяется")
|
||
add_notes(slide, "Рассказчик 1: Аладьина Анна Андреевна. Сформулировать задачу без рекламных формулировок: есть корпус коротких реплик, нужно предсказать персонажа. Сразу отделить это от авторской атрибуции: автор один, задача — различимость речевых масок.")
|
||
|
||
|
||
def slide_formal(prs):
|
||
slide = base_slide(prs, "Строгая постановка задачи", "Формальная запись и протокол оценки")
|
||
add_panel(slide, 0.45, 1.35, 7.55, 5.55)
|
||
add_bullets(slide, 0.65, 1.55, 7.15, 5.1, [
|
||
"D = {(x_i, y_i)}, i = 1..n; n = 2005.",
|
||
"x_i — одна реплика (короткий текст).",
|
||
"y_i ∈ Y, |Y| = 34 — имя персонажа.",
|
||
"φ(x_i) ∈ R^d — вектор признаков реплики.",
|
||
"f_θ: R^d → R^34 — классификатор с параметрами θ.",
|
||
"ŷ_i = argmax_{c ∈ Y} f_θ(φ(x_i))_c — предсказание.",
|
||
], size=16, title="Дано")
|
||
add_panel(slide, 8.2, 1.35, 4.65, 5.55)
|
||
add_bullets(slide, 8.38, 1.55, 4.3, 5.1, [
|
||
"Обучение: минимизация перекрёстной энтропии + L2-регуляризация.",
|
||
"Веса классов: balanced, чтобы редкие персонажи не игнорировались.",
|
||
"Оценка: macro-F1 = (1/|Y|) Σ_c 2P_cR_c / (P_c + R_c).",
|
||
"Схема: стратифицированная 5-блочная CV, повторы, вложенная настройка.",
|
||
"Случайный уровень: 0,029; top-3: 0,088.",
|
||
"Один объект — одна реплика; обучение и оценка разделены.",
|
||
], size=14, title="Критерий и проверка")
|
||
add_notes(slide, "Рассказчик 1. Это ключевой слайд строгой постановки. Проговорить обозначения: объект — реплика, метка — персонаж, признаковое описание — φ(x), классификатор — f. Отдельно сказать, что оцениваем не accuracy, а macro-F1, потому что классов 34 и они неравномерны.")
|
||
|
||
|
||
def slide_corpus(prs):
|
||
slide = base_slide(prs, "Корпус: сбор и разметка")
|
||
add_panel(slide, 0.45, 1.35, 7.05, 5.55)
|
||
add_text(slide, 0.68, 1.55, 6.6, 0.3, "1. Сбор", size=17, bold=True, color=GREEN_DARK)
|
||
add_bullets(slide, 0.68, 1.9, 6.55, 1.35, [
|
||
"Реплики извлечены из игровых диалогов Stardew Valley.",
|
||
"Единица анализа — одна реплика; всего 2005 объектов.",
|
||
"Корпус охватывает 34 персонажа; все тексты на английском языке.",
|
||
], size=14)
|
||
add_text(slide, 0.68, 3.2, 6.6, 0.3, "2. Разметка", size=17, bold=True, color=GREEN_DARK)
|
||
add_bullets(slide, 0.68, 3.55, 6.55, 1.35, [
|
||
"Метка — имя говорящего персонажа; один объект — один класс.",
|
||
"Ручная проверка соответствия реплики и персонажа.",
|
||
"Метаданные (пол, возраст, вид) хранятся отдельно и не подаются модели.",
|
||
], size=14)
|
||
add_text(slide, 0.68, 4.85, 6.6, 0.3, "3. Ограничения", size=17, bold=True, color=GREEN_DARK)
|
||
add_bullets(slide, 0.68, 5.18, 6.55, 1.4, [
|
||
"Нет идентификаторов сцен и диалогов.",
|
||
"Классы неравномерны: 15–139 реплик.",
|
||
"Часть коротких и общих фраз удалена вручную; правила не сохранились.",
|
||
], size=14)
|
||
add_panel(slide, 7.7, 1.35, 5.15, 5.55)
|
||
add_image_fit(slide, GEN / "characters.png", 7.85, 1.5, 4.85, 3.9, panel=False)
|
||
add_text(slide, 7.9, 5.55, 4.75, 1.1, "34 персонажа: подростки, взрослые, пожилые, дети и нелюди. Все реплики написаны одним разработчиком.", size=13, color=DARK, align=PP_ALIGN.CENTER)
|
||
add_notes(slide, "Рассказчик 1. Описать три шага: сбор, разметка, ограничения. Не утверждать, что корпус идеален: ручная фильтрация и отсутствие сцен — существенные ограничения. Метаданные не являются признаками.")
|
||
|
||
|
||
def slide_cleaning(prs):
|
||
slide = base_slide(prs, "Очистка и шум")
|
||
add_panel(slide, 0.45, 1.35, 6.1, 5.55)
|
||
add_bullets(slide, 0.65, 1.55, 5.7, 5.1, [
|
||
"Нормализация Unicode: многоточия, кавычки, тире, неразрывные пробелы.",
|
||
"Плейсхолдеры <PLAYER>, <FARM> и другие заменены нейтральными словами.",
|
||
"Количество плейсхолдеров сохранено отдельным признаком.",
|
||
"Токенизация, предложения и POS-разметка — NLTK; Universal POS.",
|
||
"Пунктуация, регистр и стоп-слова сохранены: это стилометрический сигнал.",
|
||
], size=15, title="Что сделали")
|
||
add_panel(slide, 6.75, 1.35, 6.1, 5.55)
|
||
add_bullets(slide, 6.95, 1.55, 5.7, 5.1, [
|
||
"Шум: дубликаты, технические артефакты, общие короткие формулы.",
|
||
"Ручная фильтрация удалила короткие и общие фразы; правила не сохранены.",
|
||
"В текущем CSV 0 точных дублей; 13 пар с косинусной близостью ≥ 0,8 — внутри класса.",
|
||
"Нет сцен и диалогов: нельзя учесть корреляцию реплик внутри сцены.",
|
||
"Разметка только по имени; ручной стилистической разметки нет.",
|
||
], size=15, title="Что считаем шумом")
|
||
add_notes(slide, "Рассказчик 1. Объяснить, что очистка не должна удалять стиль: пунктуация, регистр и служебные слова сохранены. Ручная фильтрация — ограничение; почти-дубликаты не пересекают классы, поэтому утечки через них нет. Отметить отсутствие сцен.")
|
||
|
||
|
||
def slide_class_stats(prs):
|
||
slide = base_slide(prs, "Характеристики корпуса: классы", "Распределение реплик по персонажам")
|
||
add_panel(slide, 0.4, 1.35, 7.2, 5.55)
|
||
add_image_fit(slide, GEN.parent / "images" / "replics-count.png", 0.5, 1.45, 7.0, 5.35)
|
||
add_panel(slide, 7.8, 1.35, 5.1, 5.55)
|
||
rows = [
|
||
["Показатель", "Значение"],
|
||
["Реплик", "2005"],
|
||
["Персонажей", "34"],
|
||
["Максимум", "Abigail, 139"],
|
||
["Минимум", "Mister Qi, 15"],
|
||
["Разброс классов", "15–139"],
|
||
["Случайный уровень", "2,9%"],
|
||
]
|
||
add_table(slide, 8.0, 1.55, 4.7, 3.2, rows, col_widths=[2.4, 2.3], font_size=12)
|
||
add_bullets(slide, 8.0, 4.9, 4.7, 1.8, [
|
||
"Дисбаланс почти десятикратный.",
|
||
"Поэтому основная метрика — macro-F1, а не доля правильных ответов.",
|
||
], size=13)
|
||
add_notes(slide, "Рассказчик 1. Показать дисбаланс: максимум Abigail 139, минимум Mister Qi 15. При 34 классах случайное угадывание — 2,9%. Отсюда macro-F1 и веса классов; accuracy может обманывать.")
|
||
|
||
|
||
def slide_length_stats(prs):
|
||
slide = base_slide(prs, "Характеристики корпуса: длина реплик", "Медианная длина предложения в символах")
|
||
add_panel(slide, 0.4, 1.35, 7.2, 5.55)
|
||
add_image_fit(slide, GEN.parent / "images" / "median.png", 0.5, 1.45, 7.0, 5.35)
|
||
add_panel(slide, 7.8, 1.35, 5.1, 5.55)
|
||
rows = [
|
||
["Показатель", "Значение"],
|
||
["Средняя длина", "19,1 слова"],
|
||
["Медиана", "17 слов"],
|
||
["Диапазон", "3–78 слов"],
|
||
["Медиана в символах", "52–114"],
|
||
]
|
||
add_table(slide, 8.0, 1.55, 4.7, 2.5, rows, col_widths=[2.4, 2.3], font_size=12)
|
||
add_bullets(slide, 8.0, 4.25, 4.7, 2.35, [
|
||
"Короткие реплики дают мало стилометрических свидетельств.",
|
||
"Длина — сильный признак, но может стать прокси персонажа.",
|
||
"Её вклад проверяется отдельно и по группам длины.",
|
||
], size=13)
|
||
add_notes(slide, "Рассказчик 1. Числа у подписей — медианная длина предложения в символах. Контраст Vincent/Jas и Sandy/Wizard. Длина — законный, но опасный признак: она может отражать не стиль, а привычную длину реплик персонажа.")
|
||
|
||
|
||
def renumber(prs) -> None:
|
||
for index, slide in enumerate(prs.slides, start=1):
|
||
for shape in slide.shapes:
|
||
if not shape.has_text_frame:
|
||
continue
|
||
text = shape.text_frame.text.strip()
|
||
if text.isdigit() and shape.top > Inches(6.9) and shape.width < Inches(0.8):
|
||
shape.text_frame.text = str(index)
|
||
|
||
|
||
def replace_narrators(prs) -> None:
|
||
mapping = {
|
||
"Рассказчик 2": "В. Н. Копнин",
|
||
"Рассказчик 3": "М. В. Савостиков",
|
||
}
|
||
for slide in prs.slides:
|
||
for shape in slide.shapes:
|
||
if shape.has_text_frame and shape.text_frame.text.strip() in mapping:
|
||
shape.text_frame.text = mapping[shape.text_frame.text.strip()]
|
||
|
||
|
||
def main() -> int:
|
||
prs = Presentation(PPTX)
|
||
# Сначала создаём новые слайды в конце, чтобы их части получили
|
||
# уникальные имена и не конфликтовали с удаляемыми слайдами.
|
||
base = len(prs.slides)
|
||
slide_task(prs)
|
||
slide_formal(prs)
|
||
slide_corpus(prs)
|
||
slide_cleaning(prs)
|
||
slide_class_stats(prs)
|
||
slide_length_stats(prs)
|
||
|
||
# Переносим новые слайды сразу после титульного.
|
||
for offset in range(6):
|
||
move_slide(prs, base + offset, 1 + offset)
|
||
|
||
# Теперь старые слайды первого блока находятся на позициях 7–12.
|
||
for _ in range(6):
|
||
delete_slide(prs, 7)
|
||
|
||
replace_narrators(prs)
|
||
renumber(prs)
|
||
prs.save(PPTX)
|
||
print(f"Готово: {PPTX}; слайдов: {len(prs.slides)}")
|
||
return 0
|
||
|
||
|
||
if __name__ == "__main__":
|
||
raise SystemExit(main())
|