In [1]:

    

%matplotlib inline

# %install_ext https://raw.github.com/cjdrake/ipython-magic/master/gvmagic.py
%load_ext gvmagic

import os
from collections import Counter
from operator import itemgetter

import pandas as pd

from discoursegraphs import (info, print_dot, get_span, select_nodes_by_layer,
                             select_neighbors_by_layer, istoken, tokens2text)
from discoursegraphs.readwrite import ConanoDocumentGraph, RSTGraph
from discoursegraphs.readwrite.rst import get_rst_relations, get_segment_spans_from_rst_relation
from discoursegraphs.readwrite.conano import get_conano_units, get_connective
from discoursegraphs.util import TokenMapper, natural_sort_key


    

In [2]:

    

DOC_ID = 'maz-2316'
MAZ_ROOTDIR = os.path.expanduser('~/corpora/potsdam-commentary-corpus-2.0.0/')
CONANO_TESTFILE = os.path.join(MAZ_ROOTDIR, 'connectors/{}.xml'.format(DOC_ID))
RST_TESTFILE = os.path.join(MAZ_ROOTDIR, 'rst/{}.rs3'.format(DOC_ID))


    

In [3]:

    

def segment2text(docgraph, segment_node):
    return ' '.join(docgraph.get_token(tok_id)
                    for tok_id in get_span(docgraph, segment_node))


    

In [4]:

    

cdg = ConanoDocumentGraph(CONANO_TESTFILE)
rdg = RSTGraph(RST_TESTFILE)


    

In [5]:

    

rdg.merge_graphs(cdg)
merged_graph = rdg # you don't need to do this; new variable is only introduced for convenience


    

In [6]:

    

rdg_unotokenized = RSTGraph(RST_TESTFILE, tokenize=False)
#info(rdg_unotokenized)


    

In [7]:

    

#%dotstr print_dot(rdg_unotokenized)


    

In [8]:

    

connectives_only = ConanoDocumentGraph(CONANO_TESTFILE)
#info(connectives_only)
#info(merged_graph)


    

In [9]:

    

#%dotstr print_dot(merged_graph)


    

In [10]:

    

token_mapper = TokenMapper(merged_graph)

unit_ranges = []
for unit_id, token_ids in get_conano_units(merged_graph):
    unit_ranges.append( (unit_id,
                         get_connective(merged_graph, unit_id),
                         token_mapper.id2index[token_ids[0]],
                         token_mapper.id2index[token_ids[-1]]) )


    

In [11]:

    

pd.DataFrame(unit_ranges, columns=['unit-id', 'connective', 'start-token', 'end-token'])


    

    
Out[11]:






  

    

      

      
unit-id
      
connective
      
start-token
      
end-token
    
  
  

    

      
0 
      
  1:ext
      
    denn
      
   2
      
  32
    
    

      
1 
      
  1:int
      
    denn
      
  33
      
  54
    
    

      
2 
      
  2:ext
      
    aber
      
  55
      
  63
    
    

      
3 
      
  2:int
      
    aber
      
  64
      
  76
    
    

      
4 
      
  4:ext
      
  obwohl
      
  64
      
  76
    
    

      
5 
      
  4:int
      
  obwohl
      
  77
      
  84
    
    

      
6 
      
  5:ext
      
     und
      
  77
      
  79
    
    

      
7 
      
  5:int
      
     und
      
  80
      
  84
    
    

      
8 
      
  7:ext
      
  obwohl
      
  95
      
 136
    
    

      
9 
      
  7:int
      
  obwohl
      
 104
      
 127
    
    

      
10
      
  8:ext
      
     und
      
 104
      
 113
    
    

      
11
      
  8:int
      
     und
      
 114
      
 127
    
    

      
12
      
 11:ext
      
 deshalb
      
 149
      
 188
    
    

      
13
      
 11:int
      
 deshalb
      
 137
      
 148
    
  

In [12]:

    

rst_ranges = []
for dom_node_id, rel_name, token_ids in get_rst_relations(merged_graph):
    rst_ranges.append( (dom_node_id, rel_name,
                        token_mapper.id2index[token_ids[0]],
                        token_mapper.id2index[token_ids[-1]]) )


    

In [13]:

    

pd.DataFrame(rst_ranges, columns=['relation-id', 'relation-name', 'start-token', 'end-token'])


    

    
Out[13]:






  

    

      

      
relation-id
      
relation-name
      
start-token
      
end-token
    
  
  

    

      
0 
      
 rst:16
      
     antithesis
      
  55
      
  84
    
    

      
1 
      
 rst:17
      
 interpretation
      
  55
      
  91
    
    

      
2 
      
 rst:14
      
         reason
      
  55
      
 189
    
    

      
3 
      
 rst:13
      
    conjunction
      
 149
      
 189
    
    

      
4 
      
 rst:10
      
       evidence
      
 137
      
 189
    
    

      
5 
      
 rst:18
      
       evidence
      
  55
      
 136
    
    

      
6 
      
  rst:5
      
     concession
      
  64
      
  84
    
    

      
7 
      
  rst:2
      
       evidence
      
   2
      
  54
    
    

      
8 
      
  rst:3
      
  e-elaboration
      
  33
      
  54
    
    

      
9 
      
  rst:9
      
    preparation
      
  92
      
 136
    
    

      
10
      
 rst:22
      
          joint
      
   2
      
  54
    
  

In [14]:

    

for dom_node_id in get_rst_relations(merged_graph, data=False):
    print dom_node_id, merged_graph.node[dom_node_id]['layers'], merged_graph.node[dom_node_id]['rst:segment_type'], merged_graph.node[dom_node_id].get('rst:group_type')
    for neighbor in merged_graph.neighbors(dom_node_id):
        layers = merged_graph.node[neighbor]['layers']
        if 'rst:segment' in layers or 'rst:group' in layers:
            print u"\t{0} {1}: {2}".format(neighbor,
                                       merged_graph.node[neighbor]['rst:segment_type'],
                                       segment2text(merged_graph, neighbor))
    print '\n'


    

    




rst:16 set(['rst', 'rst:group']) nucleus span
	rst:4 satellite: Dass die Aubis letztlich den Berliner Senat stürzte ,
	rst:5 nucleus: in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden -


rst:17 set(['rst', 'rst:group']) nucleus span
	rst:16 nucleus: Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden -
	rst:7 satellite: ist nur noch eine stadtgeschichtliche Fußnote .


rst:14 set(['rst', 'rst:group']) nucleus span
	rst:10 nucleus: Deshalb muss sich Wansing auch nicht vor Folgen des Verkaufs fürchten : Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	rst:20 satellite: Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote . Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert .


rst:13 set(['rst', 'rst:group']) satellite multinuc
	rst:12 nucleus: Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	rst:11 nucleus: Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist .


rst:10 set(['rst', 'rst:segment']) nucleus None
	rst:13 satellite: Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .


rst:18 set(['rst', 'rst:group']) nucleus span
	rst:17 nucleus: Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote .
	rst:15 satellite: Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert .


rst:5 set(['rst', 'rst:segment']) nucleus None
	rst:6 satellite: obwohl Geld verschleudert und Mieter verramscht wurden -


rst:2 set(['rst', 'rst:segment']) nucleus None
	rst:24 satellite: Denn noch heute sind die schmerzlichen Folgen jederzeit in der Stadt präsent , den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .


rst:3 set(['rst', 'rst:segment']) nucleus None
	rst:23 satellite: den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .


rst:9 set(['rst', 'rst:segment']) nucleus None
	rst:8 satellite: Zum Beweis :


rst:22 set(['rst', 'rst:group', 'rst:root']) nucleus multinuc
	rst:21 nucleus: Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote . Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert . Deshalb muss sich Wansing auch nicht vor Folgen des Verkaufs fürchten : Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	rst:19 nucleus: Fast möchte man Andreas Wansing , den Geschäftsführer der Wobra , händeringend bitten , von seinem Plan Abstand zu nehmen , aus dem Bestand der Wobra hinaus Wohnungen zu verkaufen . Denn noch heute sind die schmerzlichen Folgen jederzeit in der Stadt präsent , den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .

In [15]:

    

for dom_node_id in get_rst_relations(merged_graph, data=False):
    if 'rst:segment' in merged_graph.node[dom_node_id]['layers']:
        print dom_node_id, sorted([n for n in merged_graph.neighbors(dom_node_id)
                                   if istoken(merged_graph, n)], key=natural_sort_key)


    

    




rst:10 ['rst:rst:10_0', 'rst:rst:10_1', 'rst:rst:10_2', 'rst:rst:10_3', 'rst:rst:10_4', 'rst:rst:10_5', 'rst:rst:10_6', 'rst:rst:10_7', 'rst:rst:10_8', 'rst:rst:10_9', 'rst:rst:10_10', 'rst:rst:10_11']
rst:5 ['rst:rst:5_0', 'rst:rst:5_1', 'rst:rst:5_2', 'rst:rst:5_3', 'rst:rst:5_4', 'rst:rst:5_5', 'rst:rst:5_6', 'rst:rst:5_7', 'rst:rst:5_8', 'rst:rst:5_9', 'rst:rst:5_10', 'rst:rst:5_11', 'rst:rst:5_12']
rst:2 ['rst:rst:2_0', 'rst:rst:2_1', 'rst:rst:2_2', 'rst:rst:2_3', 'rst:rst:2_4', 'rst:rst:2_5', 'rst:rst:2_6', 'rst:rst:2_7', 'rst:rst:2_8', 'rst:rst:2_9', 'rst:rst:2_10', 'rst:rst:2_11', 'rst:rst:2_12', 'rst:rst:2_13', 'rst:rst:2_14', 'rst:rst:2_15', 'rst:rst:2_16', 'rst:rst:2_17', 'rst:rst:2_18', 'rst:rst:2_19', 'rst:rst:2_20', 'rst:rst:2_21', 'rst:rst:2_22', 'rst:rst:2_23', 'rst:rst:2_24', 'rst:rst:2_25', 'rst:rst:2_26', 'rst:rst:2_27', 'rst:rst:2_28', 'rst:rst:2_29', 'rst:rst:2_30']
rst:3 ['rst:rst:3_0', 'rst:rst:3_1', 'rst:rst:3_2', 'rst:rst:3_3', 'rst:rst:3_4', 'rst:rst:3_5', 'rst:rst:3_6', 'rst:rst:3_7', 'rst:rst:3_8', 'rst:rst:3_9', 'rst:rst:3_10', 'rst:rst:3_11', 'rst:rst:3_12']
rst:9 ['rst:rst:9_0', 'rst:rst:9_1', 'rst:rst:9_2', 'rst:rst:9_3', 'rst:rst:9_4', 'rst:rst:9_5', 'rst:rst:9_6', 'rst:rst:9_7', 'rst:rst:9_8', 'rst:rst:9_9', 'rst:rst:9_10', 'rst:rst:9_11', 'rst:rst:9_12', 'rst:rst:9_13', 'rst:rst:9_14', 'rst:rst:9_15', 'rst:rst:9_16', 'rst:rst:9_17', 'rst:rst:9_18', 'rst:rst:9_19', 'rst:rst:9_20', 'rst:rst:9_21', 'rst:rst:9_22', 'rst:rst:9_23', 'rst:rst:9_24', 'rst:rst:9_25', 'rst:rst:9_26', 'rst:rst:9_27', 'rst:rst:9_28', 'rst:rst:9_29', 'rst:rst:9_30', 'rst:rst:9_31', 'rst:rst:9_32', 'rst:rst:9_33', 'rst:rst:9_34', 'rst:rst:9_35', 'rst:rst:9_36', 'rst:rst:9_37', 'rst:rst:9_38', 'rst:rst:9_39', 'rst:rst:9_40', 'rst:rst:9_41']

In [17]:

    

for rel_id in get_rst_relations(merged_graph, data=False):
    print rel_id
    segment_spans = get_segment_spans_from_rst_relation(merged_graph, rel_id)
    for span, span_tokens in segment_spans.iteritems():
        print "\t", span, tokens2text(merged_graph, span_tokens)
    print


    

    




rst:16
	S Dass die Aubis letztlich den Berliner Senat stürzte ,
	N in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden -

rst:17
	S ist nur noch eine stadtgeschichtliche Fußnote .
	N Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden -

rst:14
	S Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote . Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert .
	N Deshalb muss sich Wansing auch nicht vor Folgen des Verkaufs fürchten : Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .

rst:13
	N1 Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	N2 Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist .

rst:10
	S Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	N Deshalb muss sich Wansing auch nicht vor Folgen des Verkaufs fürchten :

rst:18
	S Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert .
	N Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote .

rst:5
	S obwohl Geld verschleudert und Mieter verramscht wurden -
	N in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste -

rst:2
	S Denn noch heute sind die schmerzlichen Folgen jederzeit in der Stadt präsent , den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .
	N Fast möchte man Andreas Wansing , den Geschäftsführer der Wobra , händeringend bitten , von seinem Plan Abstand zu nehmen , aus dem Bestand der Wobra hinaus Wohnungen zu verkaufen .

rst:3
	S den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .
	N Denn noch heute sind die schmerzlichen Folgen jederzeit in der Stadt präsent ,

rst:9
	S Zum Beweis :
	N Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert .

rst:22
	N1 Dass die Aubis letztlich den Berliner Senat stürzte , in Brandenburg aber kein Politiker auch nur eine Spur Verantwortung übernehmen musste - obwohl Geld verschleudert und Mieter verramscht wurden - ist nur noch eine stadtgeschichtliche Fußnote . Zum Beweis : Die damalige Aufsichtsratschefin Margit Spielmann wird am Samstag - obwohl sie bis heute nicht für ihre Wobra-Arbeit entlastet wurde und Schliesing noch im Vorjahr mit der Möglichkeit einer Klage gegen sie drohte - von der SPD wieder als Brandenburger Bundestagsabgeordnete nominiert . Deshalb muss sich Wansing auch nicht vor Folgen des Verkaufs fürchten : Zum einen ist es möglich , dass der Verkauf vernünftig vorbereitet und mit den Mietern abgesprochen ist . Zum anderen musste außer Mietern und Mitarbeitern bei der Wobra noch niemand für die Fehler des Managements und des Aufsichtsrates ernsthaft büßen .
	N2 Fast möchte man Andreas Wansing , den Geschäftsführer der Wobra , händeringend bitten , von seinem Plan Abstand zu nehmen , aus dem Bestand der Wobra hinaus Wohnungen zu verkaufen . Denn noch heute sind die schmerzlichen Folgen jederzeit in der Stadt präsent , den die unüberlegten Wobra-Verkäufe an die Aubis auslösten .

In [40]:

    

def get_segment_token_offsets(segment_token_list, token_map):
    """
    Parameters
    ----------
    segment_token_list : list of str
        sorted list of token IDs (i.e. the tokens
        that this segment spans)
    token_mapper : dict of (str, int)
        a map from token IDs to token indices
    
    Returns
    -------
    first_token_index : int
        index of the first token of the segment
    last_token_index : int
        index of the last token of the segment
    """
    return token_map[segment_token_list[0]], token_map[segment_token_list[-1]]


    

In [55]:

    

# for dom_node_id, rel_name, token_ids in get_rst_relations(merged_graph):
#     rst_ranges.append( (dom_node_id, rel_name,
#                         token_mapper.id2index[token_ids[0]],
#                         token_mapper.id2index[token_ids[-1]]) )

token_map = TokenMapper(merged_graph).id2index

rst_segment_ranges = []
for dom_node_id, rel_name, token_ids in get_rst_relations(merged_graph):
#     print dom_node_id
    segments = get_segment_spans_from_rst_relation(merged_graph, dom_node_id)
    for segment_pair in itertools.combinations(segments, 2):
        for seg_id in segment_pair:
            start, end = get_segment_token_offsets(segments[seg_id], token_map)
#             print '\t', dom_node_id+':'+seg_id, rel_name, start, end
            rst_segment_ranges.append( (dom_node_id+':'+seg_id, rel_name, start, end) )


    

In [80]:

    

import networkx as nx

for node_id in nx.topological_sort(merged_graph):
    if node_id in list(select_nodes_by_layer(merged_graph, layer={'rst:segment', 'rst:group'})):
        if merged_graph.node[node_id].get('rst:segment_type') != 'isolated':
            print node_id,


    

    




rst:22 rst:21 rst:19 rst:2 rst:24 rst:3 rst:23 rst:14 rst:10 rst:13 rst:12 rst:11 rst:20 rst:18 rst:15 rst:9 rst:8 rst:17 rst:7 rst:16 rst:4 rst:5 rst:6

In [77]:

    

merged_graph.node['rst:1']


    

    
Out[77]:





{'label': u'[i]:rst:segment:1',
 'layers': {'rst', 'rst:segment'},
 'rst:rel_name': '',
 'rst:segment_type': 'isolated',
 'rst:text': u'Ungef\xe4hrlicher Verkauf'}

In [81]:

    

rst_segments_df = pd.DataFrame(rst_segment_ranges, columns=['segment-id', 'rst-relation', 'start-token', 'end-token'])
rst_segments_df


    

    
Out[81]:






  

    

      

      
segment-id
      
rst-relation
      
start-token
      
end-token
    
  
  

    

      
0 
      
  rst:16:S
      
     antithesis
      
  55
      
  63
    
    

      
1 
      
  rst:16:N
      
     antithesis
      
  64
      
  84
    
    

      
2 
      
  rst:17:S
      
 interpretation
      
  85
      
  91
    
    

      
3 
      
  rst:17:N
      
 interpretation
      
  55
      
  84
    
    

      
4 
      
  rst:14:S
      
         reason
      
  55
      
 136
    
    

      
5 
      
  rst:14:N
      
         reason
      
 137
      
 189
    
    

      
6 
      
 rst:13:N1
      
    conjunction
      
 167
      
 189
    
    

      
7 
      
 rst:13:N2
      
    conjunction
      
 149
      
 166
    
    

      
8 
      
  rst:10:S
      
       evidence
      
 149
      
 189
    
    

      
9 
      
  rst:10:N
      
       evidence
      
 137
      
 148
    
    

      
10
      
  rst:18:S
      
       evidence
      
  92
      
 136
    
    

      
11
      
  rst:18:N
      
       evidence
      
  55
      
  91
    
    

      
12
      
   rst:5:S
      
     concession
      
  77
      
  84
    
    

      
13
      
   rst:5:N
      
     concession
      
  64
      
  76
    
    

      
14
      
   rst:2:S
      
       evidence
      
  33
      
  54
    
    

      
15
      
   rst:2:N
      
       evidence
      
   2
      
  32
    
    

      
16
      
   rst:3:S
      
  e-elaboration
      
  46
      
  54
    
    

      
17
      
   rst:3:N
      
  e-elaboration
      
  33
      
  45
    
    

      
18
      
   rst:9:S
      
    preparation
      
  92
      
  94
    
    

      
19
      
   rst:9:N
      
    preparation
      
  95
      
 136
    
    

      
20
      
 rst:22:N1
      
          joint
      
  55
      
 189
    
    

      
21
      
 rst:22:N2
      
          joint
      
   2
      
  54
    
  

In [82]:

    

rst_segments_df.save?


    

In [ ]: