Честно говоря меня ваша задача тоже интересует только для английского. И у меня нет набора синонимов. Я хочу просто от балды генерить
Я люблю яблоки
Ты любишь бананы
И.т.п.

predicate argument structure (valency pattern)

Не знал про термин в скобках

ну а насчёт первого актанта — дополнения сказуемого — эта информация в морфологии есть, переходный/непереходный глагол

Фигасе 150 core roles. Филлмора кондратий хватит.

актанты / валентности / зависимые компоненты в синтаксическом графе. разные названия есть, да.
валентность — аналогия с атомом, актант — действующее лицо

Ещё в школах начнут такое преподавать. Типа 6 падежей устарели, вот вам core roles

только морфология тут ни при чем )

я перепутал что-то?

ну, переходность -- это синтаксическое свойство

Морфологический разбор сейчас наверное не нужен. Достаточно взять орфографический словарь целиком. Если лексикон не содержит новых слов

да я согласен, я не спорю :)
http://opencorpora.org/dict.php?act=edit&id=33652 тег "tran"

и я правда не знаю, какое применение в морфологии находит это свойство, что его в морф словарь положили.

никакого, дань традиции )

Спасибо

Извините, если глупый вопрос. А как мне sent2vec поможет генерировать, аугментировать предложения?

Ребят, у меня здесь NLP задача и я был бы очень благодарен если бы подсказал в каком направлении двигаться!

Есть значит у меня телефонные разговоры операторов с абонентами (речь уже преобразована в текст (английский), и уже произведена классификация того что говорит абонент, и то что говорит оператор).  Задача выявить чем абонент разочарован, чтобы при последующим звонке того же абонента, оператор выдел на экране в чём разочарование состояло.

Сейчас все реализовано следующим образом: с помощью regular expressions ведётся поиск отрицательных слов, типа "разочарован", "зол", и т.д. Далее от каждого такого слова отчитывается десять  слов в право и десять в лево (пунктуации в тексте нету, поэтому нельзя просто выбрать интересуемое предложение). Получаем кусок текста который потенциально несет negative sentiment. Если в одном разговоре таких слов много, то будет создано много кусков текста. Далее используется Vader из NLTK для скоринга каждого такого куска текста. Выбирается наиболее негативный кусок и он и показывается оператору, когда этот же абонент звонит в следующий раз.

Алгоритм не идеальный по многим причинам. Основная:

Vader приписывает значительный отрицательный скор, обрывкам теста, которые по сути являются набором бессвязных слов. Понятно что Vader не особо в этом виноват, так как такое качество исходного текста. К слову, я не могу повлиять на способ преобразования звука в текст :(

Какие есть идеи на сегодняшний день:
1) Попробовать другие pre-trained модели (какие порекомендуете?).
2) Попробовать отследить где начинается предложение с негативным словом и где оно заканчивается (есть ли разработанные модели для этого?).
3) Модель которая бы говорила что-то вроде "этот кусок текста мусор и его оценивать не надо, его выкидываем".
4) Topic modeling. То есть все негативные куски текста классифицировать по топикам.
5) Выкинуть этап с regular expressions.
6) Сделать тестовые данные для модели, а не использовать pre-trained модель

Если честно, то мне кажется 1) не получится реализовать адекватно.
Так как мусора в кусках текста на столько много, то реализовать 2) тоже будет проблематично.
3) - не решение проблемы на 100% и опять же вопрос как реализовывать.
4) - не знаю как реализовывать, но наверное это лучшее что можно было бы предложить. Оператор будет видеть не какой-то неструктурированный набор текста, а осмысленное словосочетание ("дорогие услуги", "неудобный сервис", и т.д.).
5) У меня сомнения на счёт этого. Regular expressions находят хотя бы негативные слова из тонны мусора, без этого мне кажется любой последующий алгоритм будет плохо работать. То что успел понять точно - выкидывание regular expressions ведёт к значительному замедлению расчётов.
6) Думаю это не повредит и например способ 4) не будет без этого работать. На это уйдут месяцы, и хорошо бы знать, что они были потрачены не зря и есть общая идея как улучшить результаты.

В общем, спасибо что дочитали до конца и я открыт к любым вашим идеям.

Без анализа звука эта задача не решится.