代做SYSEN5630 Assignment 1代做Python语言

日期：2025-02-08 11:57

SYSEN5630

Assignment 1

Due: 5pm EST, 2/08/2025

1.  Regular expression patterns

Write regular expressions matching the following patterns. The matching should cover the entire input string (not partial).

1 import re

2

3 def isMatch(s, p):

4 """

5 :type s: str. Input string

6 :type p: str. Regular expression

7 :rtype: bool

8 """

9 print(’Input: s="%s", p="%s"’ % (s, p))

10 m = re.match(p, s, re.A)

11 r = m is not None and m.end() == len(s)

12 print(’Output: %s’ % r)

1 >> isMatch("begn", "beg.n")

2 Input: s="begn", p="beg.n"

3 Output: False

4

5 >> isMatch("begin", "beg.n")

6 Input: s="begin", p="beg.n"

7 Output: True

(a)  Write one regular expression that matches DNA (strings of A,C,G, or T) in upper/lower case

Return True:

•  acgtagaatgacatactgactgactactagcatgactgactgactg

•  catcatcatcatcatcatcatcatcatcatcatcat

•  ACtCtATCtCTAtcttAtaCtCTAtgTGCgGAGAggGag

•  catcatcatcatmeowcatcatmeow

Return False:

•  tagtagtagtagbodyspraytagtagtagtag

•  actg actga actga tacgtagtc tag atcg actgac tg a

•  12345

(b)  Write one regular expression that matches words containing at least two vowels (a, e, i, o, u, A, E, I, O, or U).

Return True:

•  Jamie

•  Michael

•  Staci

•  David

•  Phillip

•  either

Return False:

•  Shiny

•  Zack

•  Katlyn

•  Chris

(c)  Write one regular expression that matches dollar amounts of at least $1000.00. 

Return True:

•  $1000.01

•  $1234.12

•  $1221222121212.00

Return False:

•  1000.00

•  $010.00

•  $499.99

•  $1000.121

2.  Regular expression for sentence split

The  chemprot   sample   abstracts-10 .tsv file contains plain-text, UTF8-encoded CHEMPROT sample set PubMed record in a tab-separated format with the following three columns:

•  Article identifier (PMID, PubMed identifier)

•  Title of the article

•  Abstract of the article

A total of 10 records are provided in this sample set.

(a)  Write a Python script. and use [ˆ\ . \!\?] * [\ . \!\?] to extract sentences from each abstract. How many sentences can be extracted from each abstract (NOT the title)?

PMID	Number of sentences in the abstract (3rd column)
Example: 10471277	11
23150485
23155202
23477624
23044094
23220749
9950599
23615073
23147415
23643664

(b)  Give 2 examples that the extracted text is not a complete sentence and explain why the regular expres- sion does not work.

(c)  Submit the runnable script.

3.  Text preprocessing

The chemprot   sample   abstracts .tsv file contains plain-text, UTF8-encoded CHEMPROT sample set PubMed record in a tab-separated format with the following three columns:

•  Article identifier (PMID, PubMed identifier)

•  Title of the article

•  Abstract of the article

In total 50 records are provided in this sample set, where each line contains a single PMID, title, and abstract separated by tabulators.

(a)  Calculate the total number of sentences, the number of unique words, and the number of unique lemmas in all abstracts.

	NLTK	Spacy	Stanza
Sentences
Unique Words
Unique Lemmas

(b)  Upload the source codes.

(c)  Find 2 tokenization examples in the dataset that Spacy and Stanza return differently.

(d)  Find 2 lemmatization examples in the dataset that Spacy and Stanza return differently.