other pseudonyms

[JanOdijk]

I encounter the following other "pseudonyms" (with their frequencies) in the reference data:

• VOORNAAM: (this should be added to the category "person")

  • VOORNAAM1 5
  • VOORNAAM2 5
  • voornaam1 1
  • voornaam2 1
  • VOORNAAM3 6
  • VOORNAAM4 2

• Lower case variants: (are they allowed?)

  • plaatsnaam1 3
  • voornaam1 1
  • voornaam2 1

• NAAMOVERIG: (new category, should be added)

  • NAAMOVERIG1 6
  • NAAMOVERIG2 4
  • NAAMOVERIG3 2

• A pseudonym with counter 5 (is this allowed?)

  • NAAM5 3

In category "profession" the common value "chirurgh" should be replaced by "chirurg"

[JanOdijk]

and I also encountered NAAM3. (with a period at the end, which occurs at the end of an utterance. Is this allowed?

[JeltevanBoheemen]

• VOORNAAM: (this should be added to the category "person")

This is already a valid code, <prefix>NAAM. It is possible you encountered these without replacements in older versions of SASTA. A bug existed that didn't anonymise CHAT input, only Word input.
See for test example utterances and their expected replacement:

sasta/backend/analysis/convert/tests/conftest.py

Lines 76 to 134 in adb5533

	@pytest.fixture
	def example_utterances():
	return [
	{
	'text': 'Dit is een voorbeeldzin.',
	'exp_text': 'Dit is een voorbeeldzin.',
	'exp_tiers': {},
	},
	{
	'text': 'Ik ben NAAM uit PLAATSNAAM2.',
	'exp_text': 'Ik ben Maria uit Leiden.',
	'exp_tiers': {'xano': '16|PLAATSNAAM2|Leiden, 7|NAAM|Maria'},
	},
	{
	'text': 'Ik ben BEROEP1 in het INSTELLING in LAND2.',
	'exp_text': 'Ik ben chirurgh in het Diakonessenhuis in Japan.',
	'exp_tiers': {'xano': '7|BEROEP1|chirurgh, 37|LAND2|Japan, 23|INSTELLING|Diakonessenhuis'},
	},
	{
	'text': 'Ik heb STUDIE en STUDIE1 gestudeerd.',
	'exp_text': 'Ik heb bedrijfskunde en informatica gestudeerd.',
	'exp_tiers': {'xano': '7|STUDIE|bedrijfskunde, 24|STUDIE1|informatica'},
	},
	{
	'text': 'Ik heet NAAM1 en hij heet NAAM2.',
	'exp_text': 'Ik heet Jan en hij heet Anna.',
	'exp_tiers': {'xano': '8|NAAM1|Jan, 24|NAAM2|Anna'},
	},
	{
	'text': 'Dit is een voorbeeldzin...',
	'exp_text': 'Dit is een voorbeeldzin+...',
	'exp_tiers': {'xpct': '23|...|+...'},
	},
	{
	'text': 'Dit... is een... voorbeeldzin.',
	'exp_text': 'Dit+... is een+... voorbeeldzin.',
	'exp_tiers': {'xpct': '3|...|+..., 14|...|+...'},
	},
	{
	'text': 'Ik heet # NAAM.',
	'exp_text': 'Ik heet (.) Maria.',
	'exp_tiers': {'xpct': '8|#|(.)', 'xano': '10|NAAM|Maria'},
	},
	{
	'text': 'XXX deed ik met VOORNAAM2 ACHTERNAAM2 deed ik samen VOORNAAM2 ACHTERNAAM2.',
	'exp_text': 'XXX deed ik met Anna Dekker deed ik samen Anna Dekker.',
	'exp_tiers': {'xano': '26|ACHTERNAAM2|Dekker, 57|ACHTERNAAM2|Dekker, 16|VOORNAAM2|Anna, 42|VOORNAAM2|Anna'}
	},
	{
	'text': 'Bla bla # bla...',
	'exp_text': 'Bla bla (.) bla+...',
	'exp_tiers': {'xpct': '13|...|+..., 8|#|(.)'}
	},
	{
	'text': 'Ik heet NAAM1 en hij heet NAAM2.',
	'exp_text': 'Ik heet Jan en hij heet Anna.',
	'exp_tiers': {'xano': '8|NAAM1|Jan, 24|NAAM2|Anna'},
	},
	]

• Lower case variants: (are they allowed?)

No. This could lead to incorrect replacements: Mijn voornaam is Piet -> Mijn Jan is Piet

• NAAMOVERIG: (new category, should be added)

This is already a valid code: NAAM<suffix>. Same explanation as VOORNAAM.

• A pseudonym with counter 5 (is this allowed?)

Not currently, easy to implement though.

In category "profession" the common value "chirurgh" should be replaced by "chirurg"

Good catch

[JanOdijk]

Thanks. I did not read the documentation well enough.
How do you prevent that ACHTERNAAM is analysed as with prefix ACHTER and CODE NAAM? You first search for the longest CODE in a pseudonym?

[JeltevanBoheemen]

Indeed, longest -> shortest is checked