colsemantics 0.1.0__py3-none-any.whl

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
@@ -0,0 +1,171 @@
1
+ """Vocabulários da inferência semântica: abreviaturas e gazetteers de valor.
2
+
3
+ Só dado, sem lógica. Duas famílias:
4
+
5
+ - **Abreviaturas** — sistemas corporativos brasileiros abreviam de forma
6
+ sistemática (`cd_dpto_lot`, `nr_seq_mvto`, `vl_tot_liq`). Um dicionário
7
+ curado resolve o caso frequente; o resto cai na reconstrução por
8
+ subsequência (ver `tokens.expandir_abreviatura`).
9
+ - **Gazetteers** — conjuntos fechados de valores que identificam a coluna pelo
10
+ *conteúdo*, independentemente de como ela foi batizada. Uma coluna chamada
11
+ `f27` cujos valores são as 27 siglas de UF é uma coluna de localização, e
12
+ nenhuma análise do nome chegaria lá.
13
+ """
14
+ from typing import Any
15
+
16
+ from . import _taxonomy as config
17
+
18
+ # ── Abreviaturas ────────────────────────────────────────────────────────────
19
+ # token abreviado -> lista de expansões possíveis, da mais provável para a
20
+ # menos. Múltiplas expansões são o caso interessante: `dep` sozinho é
21
+ # ambíguo e só o contexto da tabela desempata.
22
+ ABREVIATURAS: dict[str, list[str]] = {
23
+ # papel / estrutura do nome
24
+ "cd": ["codigo"], "cod": ["codigo"], "cdg": ["codigo"],
25
+ "dt": ["data"], "dta": ["data"], "hr": ["hora"],
26
+ "vl": ["valor"], "vlr": ["valor"], "val": ["valor"],
27
+ "qt": ["quantidade"], "qtd": ["quantidade"], "qtde": ["quantidade"],
28
+ "nr": ["numero"], "num": ["numero"], "nro": ["numero"],
29
+ "nm": ["nome"], "ds": ["descricao"], "dsc": ["descricao"], "desc": ["descricao"],
30
+ "tp": ["tipo"], "fl": ["flag"], "flg": ["flag"], "sg": ["sigla"],
31
+ "pc": ["percentual"], "perc": ["percentual"], "pct": ["percentual"],
32
+ "id": ["identificador"], "seq": ["sequencial"], "sq": ["sequencial"], "st": ["status"],
33
+ "ind": ["indicador"], "mt": ["matricula"], "mat": ["matricula"],
34
+ # entidades de RH e estrutura organizacional
35
+ "dep": ["departamento", "dependente", "deposito"],
36
+ "dpto": ["departamento"], "depto": ["departamento"], "dept": ["departamento"],
37
+ "lot": ["lotacao"], "lotac": ["lotacao"],
38
+ "func": ["funcionario"], "fnc": ["funcionario"], "colab": ["colaborador"],
39
+ "emp": ["empresa", "empregado"], "empr": ["empresa"],
40
+ "cargo": ["cargo"], "cgo": ["cargo"], "fun": ["funcao"],
41
+ "adm": ["admissao"], "dem": ["demissao"], "nasc": ["nascimento"],
42
+ "sal": ["salario"], "rem": ["remuneracao"], "benef": ["beneficio"],
43
+ "ferias": ["ferias"], "afast": ["afastamento"], "desl": ["desligamento"],
44
+ "sit": ["situacao"], "escol": ["escolaridade"], "esc": ["escolaridade"],
45
+ # negócio e localização
46
+ "mvto": ["movimento"], "mov": ["movimento"], "movto": ["movimento"],
47
+ "cli": ["cliente"], "clnt": ["cliente"], "forn": ["fornecedor"],
48
+ "prod": ["produto"], "prd": ["produto"], "ped": ["pedido"],
49
+ "nf": ["nota"], "ctr": ["contrato"], "ctt": ["contato"],
50
+ "mun": ["municipio"], "cid": ["cidade"], "est": ["estado"],
51
+ "ender": ["endereco"], "end": ["endereco"], "bai": ["bairro"],
52
+ "reg": ["regiao"], "fil": ["filial"], "uni": ["unidade"],
53
+ # temporais e agregações
54
+ "ini": ["inicio"], "fim": ["fim"], "venc": ["vencimento"],
55
+ "ref": ["referencia"], "comp": ["competencia"], "vig": ["vigencia"],
56
+ "cad": ["cadastro"], "hist": ["historico"], "obs": ["observacao"],
57
+ "resp": ["responsavel"], "tot": ["total"], "liq": ["liquido"],
58
+ "brt": ["bruto"], "med": ["media"], "acum": ["acumulado"],
59
+ "curs": ["curso"], "trein": ["treinamento"], "cap": ["capacitacao"],
60
+ "aval": ["avaliacao"], "res": ["resultado"], "nota": ["nota"],
61
+ }
62
+
63
+ # ── Gazetteers ──────────────────────────────────────────────────────────────
64
+ # Cada entrada declara um conjunto fechado de valores. A coluna é atribuída à
65
+ # categoria quando a fração dos seus valores distintos contida no conjunto
66
+ # supera `cobertura_minima`.
67
+
68
+ _UFS = {
69
+ "ac", "al", "ap", "am", "ba", "ce", "df", "es", "go", "ma", "mt", "ms",
70
+ "mg", "pa", "pb", "pr", "pe", "pi", "rj", "rn", "rs", "ro", "rr", "sc",
71
+ "sp", "se", "to",
72
+ }
73
+
74
+ _CAPITAIS = {
75
+ "rio branco", "maceio", "macapa", "manaus", "salvador", "fortaleza",
76
+ "brasilia", "vitoria", "goiania", "sao luis", "cuiaba", "campo grande",
77
+ "belo horizonte", "belem", "joao pessoa", "curitiba", "recife", "teresina",
78
+ "rio de janeiro", "natal", "porto alegre", "porto velho", "boa vista",
79
+ "florianopolis", "sao paulo", "aracaju", "palmas",
80
+ }
81
+
82
+ _REGIOES = {"norte", "nordeste", "centro-oeste", "centro oeste", "sudeste", "sul"}
83
+
84
+ _SEXO = {
85
+ "m", "f", "masculino", "feminino", "homem", "mulher", "male", "female",
86
+ "outro", "nao binario", "prefiro nao informar",
87
+ }
88
+
89
+ _BOOLEANOS = {
90
+ "s", "n", "sim", "nao", "true", "false", "verdadeiro", "falso",
91
+ "v", "f", "y", "yes", "no", "0", "1", "t",
92
+ }
93
+
94
+ _STATUS_ATIVIDADE = {
95
+ "ativo", "inativo", "ativa", "inativa", "habilitado", "desabilitado",
96
+ "bloqueado", "desbloqueado", "cancelado", "suspenso", "pendente",
97
+ "aprovado", "reprovado", "em analise", "concluido", "aberto", "fechado",
98
+ }
99
+
100
+ _ESTADO_CIVIL = {
101
+ "solteiro", "solteira", "casado", "casada", "divorciado", "divorciada",
102
+ "viuvo", "viuva", "separado", "separada", "uniao estavel", "amasiado",
103
+ }
104
+
105
+ _ESCOLARIDADE = {
106
+ "fundamental", "fundamental incompleto", "fundamental completo",
107
+ "medio", "medio incompleto", "medio completo", "ensino medio",
108
+ "superior", "superior incompleto", "superior completo", "graduacao",
109
+ "pos-graduacao", "pos graduacao", "especializacao", "mba",
110
+ "mestrado", "doutorado", "pos-doutorado", "analfabeto",
111
+ }
112
+
113
+ _MESES = {
114
+ "janeiro", "fevereiro", "marco", "abril", "maio", "junho", "julho",
115
+ "agosto", "setembro", "outubro", "novembro", "dezembro",
116
+ "jan", "fev", "mar", "abr", "mai", "jun", "jul", "ago", "set", "out",
117
+ "nov", "dez", "january", "february", "march", "april", "may", "june",
118
+ "july", "august", "september", "october", "november", "december",
119
+ }
120
+
121
+ _DIAS_SEMANA = {
122
+ "segunda", "terca", "quarta", "quinta", "sexta", "sabado", "domingo",
123
+ "segunda-feira", "terca-feira", "quarta-feira", "quinta-feira", "sexta-feira",
124
+ "monday", "tuesday", "wednesday", "thursday", "friday", "saturday", "sunday",
125
+ }
126
+
127
+ _MOEDAS = {"brl", "usd", "eur", "gbp", "ars", "clp", "jpy", "chf", "cad", "r$", "us$"}
128
+
129
+ _TURNOS = {"manha", "tarde", "noite", "madrugada", "integral", "comercial", "diurno", "noturno"}
130
+
131
+ _RACA_COR = {"branca", "preta", "parda", "amarela", "indigena", "nao declarada", "nao informada"}
132
+
133
+ _PORTE_CONTRATO = {
134
+ "clt", "pj", "estagio", "estagiario", "aprendiz", "temporario", "terceirizado",
135
+ "autonomo", "cooperado", "efetivo", "trainee", "socio", "diretor estatutario",
136
+ }
137
+
138
+ # `eixo` diz se o gazetteer identifica o papel da coluna ou o domínio dela.
139
+ GAZETTEERS: list[dict[str, Any]] = [
140
+ {"nome": "UF brasileira", "valores": _UFS, "categoria": "Localização Geográfica",
141
+ "eixo": "dominio", "cobertura_minima": 0.85, "peso": 0.95, "max_distintos": 30},
142
+ {"nome": "capital brasileira", "valores": _CAPITAIS, "categoria": "Localização Geográfica",
143
+ "eixo": "dominio", "cobertura_minima": 0.7, "peso": 0.9, "max_distintos": 40},
144
+ {"nome": "região do Brasil", "valores": _REGIOES, "categoria": "Localização Geográfica",
145
+ "eixo": "dominio", "cobertura_minima": 0.9, "peso": 0.9, "max_distintos": 8},
146
+ {"nome": "sexo/gênero", "valores": _SEXO, "categoria": "Perfil do Colaborador",
147
+ "eixo": "dominio", "cobertura_minima": 0.9, "peso": 0.85, "max_distintos": 8},
148
+ {"nome": "raça/cor (IBGE)", "valores": _RACA_COR, "categoria": "Perfil do Colaborador",
149
+ "eixo": "dominio", "cobertura_minima": 0.8, "peso": 0.9, "max_distintos": 10},
150
+ {"nome": "estado civil", "valores": _ESTADO_CIVIL, "categoria": "Perfil do Colaborador",
151
+ "eixo": "dominio", "cobertura_minima": 0.8, "peso": 0.9, "max_distintos": 15},
152
+ {"nome": "escolaridade", "valores": _ESCOLARIDADE, "categoria": "Perfil do Colaborador",
153
+ "eixo": "dominio", "cobertura_minima": 0.7, "peso": 0.9, "max_distintos": 25},
154
+ {"nome": "vínculo/contrato", "valores": _PORTE_CONTRATO, "categoria": "Cargo / Função",
155
+ "eixo": "dominio", "cobertura_minima": 0.8, "peso": 0.85, "max_distintos": 20},
156
+ {"nome": "booleano textual", "valores": _BOOLEANOS,
157
+ "categoria": "Status / Indicador / Flag", "eixo": "papel",
158
+ "cobertura_minima": 1.0, "peso": 0.8, "max_distintos": 4},
159
+ {"nome": "status de atividade", "valores": _STATUS_ATIVIDADE,
160
+ "categoria": "Status / Indicador / Flag", "eixo": "papel",
161
+ "cobertura_minima": 0.8, "peso": 0.85, "max_distintos": 15},
162
+ {"nome": "mês", "valores": _MESES, "categoria": config.SEMANTICA_DATA_CALENDARIO,
163
+ "eixo": "papel", "cobertura_minima": 0.9, "peso": 0.85, "max_distintos": 14},
164
+ {"nome": "dia da semana", "valores": _DIAS_SEMANA,
165
+ "categoria": config.SEMANTICA_DATA_CALENDARIO, "eixo": "papel",
166
+ "cobertura_minima": 0.9, "peso": 0.85, "max_distintos": 10},
167
+ {"nome": "moeda ISO", "valores": _MOEDAS, "categoria": "Valor Financeiro",
168
+ "eixo": "papel", "cobertura_minima": 0.9, "peso": 0.8, "max_distintos": 12},
169
+ {"nome": "turno", "valores": _TURNOS, "categoria": "Cargo / Função",
170
+ "eixo": "dominio", "cobertura_minima": 0.9, "peso": 0.75, "max_distintos": 10},
171
+ ]
@@ -0,0 +1,162 @@
1
+ Metadata-Version: 2.4
2
+ Name: colsemantics
3
+ Version: 0.1.0
4
+ Summary: Inferência semântica de colunas: descobre o papel (o que a coluna é) e o domínio (do que ela fala) a partir do nome, de abreviações corporativas e do conteúdo.
5
+ Author: Caio
6
+ License-Expression: MIT
7
+ Project-URL: Homepage, https://github.com/Caio-Analytics/colsemantics
8
+ Keywords: semantic,data-profiling,column-inference,pii,etl,pandas
9
+ Classifier: Development Status :: 3 - Alpha
10
+ Classifier: Intended Audience :: Developers
11
+ Classifier: Programming Language :: Python :: 3
12
+ Classifier: Programming Language :: Python :: 3.10
13
+ Classifier: Programming Language :: Python :: 3.11
14
+ Classifier: Programming Language :: Python :: 3.12
15
+ Classifier: Topic :: Software Development :: Libraries :: Python Modules
16
+ Classifier: Typing :: Typed
17
+ Requires-Python: >=3.10
18
+ Description-Content-Type: text/markdown
19
+ License-File: LICENSE
20
+ Requires-Dist: rapidfuzz>=3.0
21
+ Requires-Dist: unidecode>=1.3
22
+ Provides-Extra: dev
23
+ Requires-Dist: pytest>=8; extra == "dev"
24
+ Requires-Dist: mypy>=1.10; extra == "dev"
25
+ Requires-Dist: ruff>=0.6; extra == "dev"
26
+ Dynamic: license-file
27
+
28
+ # colsemantics
29
+
30
+ **Descobre o que uma coluna *é* e do que ela *fala* — a partir do nome, de
31
+ abreviações corporativas e do conteúdo.**
32
+
33
+ `cd_dpto_lot` não está em nenhum dicionário. Mas a abreviatura reconstrói
34
+ `codigo` / `departamento` / `lotacao`, o conteúdo confirma baixa
35
+ cardinalidade, e o resultado é uma coluna com **papel** "Chave Identificadora"
36
+ e **domínio** "Estrutura Organizacional" — com a confiança e a evidência que
37
+ levaram a essa conclusão.
38
+
39
+ ```python
40
+ from colsemantics import inferir_semantica
41
+
42
+ inferir_semantica("cd_dpto_lot")
43
+ # {
44
+ # "semantica": "Chave Identificadora (ID)",
45
+ # "papel": "Chave Identificadora (ID)",
46
+ # "dominio": "Estrutura Organizacional",
47
+ # "confianca_score": 0.87,
48
+ # "origem": "abreviatura 'cd' → 'codigo' + abreviatura 'lot' → 'lotacao'",
49
+ # "conclusiva": True,
50
+ # "hipoteses": [...],
51
+ # }
52
+ ```
53
+
54
+ ## Por que isso é diferente de inferir `dtype`
55
+
56
+ Toda ferramenta de profiling te diz que uma coluna é `int64` ou `object`.
57
+ Nenhuma te diz que `f27` é geografia porque os valores são siglas de UF, ou
58
+ que `DEPARTMENT_NAME` não é dado pessoal mesmo terminando em `_NAME`. É essa
59
+ segunda pergunta — **papel** (o que a coluna é: chave, data, valor
60
+ financeiro...) e **domínio** (do que ela fala: estrutura organizacional,
61
+ cargo, localidade...) — que `colsemantics` responde.
62
+
63
+ ## Como funciona
64
+
65
+ A inferência é uma **cascata de detectores independentes**, não um
66
+ `if/elif` em que o primeiro match vence:
67
+
68
+ 1. **Padrão de conteúdo validado** (CPF, CNPJ, e-mail...) — a pista mais forte que existe.
69
+ 2. **Token forte** — match exato contra um dicionário curado, com abreviações expandidas (`vl` → `valor`).
70
+ 3. **Fuzzy (Jaro-Winkler)** — nome parecido com uma palavra-chave de domínio, tolera erro de digitação.
71
+ 4. **Gazetteer de conteúdo** — os valores da coluna batem com um conjunto fechado conhecido (UFs, meses, sexo/gênero...), independente do nome.
72
+ 5. **Assinatura estrutural** — a *forma* dos dados (inteiro crescente e único, decimal de 2 casas assimétrico à direita...) sugere o papel.
73
+ 6. **Contexto da tabela** — colunas vizinhas já resolvidas desambiguam abreviaturas ambíguas (`dep` é departamento, dependente ou depósito — sozinho é insolúvel, trivial se a tabela já fala de RH).
74
+
75
+ Cada detector emite evidência com peso; a combinação é **noisy-OR**
76
+ (`1 - Π(1 - peso)`), não "o primeiro que responder". Pistas fracas se somam.
77
+
78
+ ## Instalação
79
+
80
+ ```bash
81
+ pip install colsemantics
82
+ ```
83
+
84
+ ## Uso
85
+
86
+ ### Uma coluna isolada
87
+
88
+ ```python
89
+ from colsemantics import inferir_semantica
90
+
91
+ inferir_semantica("nome_departamento")
92
+ # semântica = "Estrutura Organizacional" (domínio vence: "nome" é só a forma)
93
+
94
+ inferir_semantica("uf")
95
+ # semântica = "Localização Geográfica"
96
+ ```
97
+
98
+ ### Com o conteúdo da coluna (resolve nomes opacos)
99
+
100
+ ```python
101
+ from colsemantics import PerfilConteudo, inferir_semantica
102
+
103
+ perfil = PerfilConteudo(
104
+ tipo_dados="Texto",
105
+ valores_distintos=["SP", "RJ", "MG", "BA"],
106
+ n_unicos=4,
107
+ ratio_unicidade=4 / 40,
108
+ )
109
+ inferir_semantica("f27", perfil=perfil)["semantica"]
110
+ # "Localização Geográfica" — nenhuma análise do nome chegaria lá
111
+ ```
112
+
113
+ `PerfilConteudo` é um dataclass simples — todos os campos são opcionais além
114
+ dos primeiros, então passe só o que você já sabe sobre a coluna:
115
+
116
+ | campo | o que é |
117
+ |---|---|
118
+ | `tipo_dados` | `"Texto"`, `"Número Inteiro"`, `"Número Decimal"`, `"Booleano"`... |
119
+ | `valores_distintos` | amostra de valores únicos (usada pelo gazetteer) |
120
+ | `n_unicos`, `ratio_unicidade` | cardinalidade |
121
+ | `str_len_media`, `comprimento_fixo` | forma do texto |
122
+ | `assimetria`, `minimo`, `casas_decimais_fixas` | forma do número |
123
+ | `monotonica_crescente` | sinal de chave sequencial |
124
+
125
+ ### Uma tabela inteira (desambiguação por contexto)
126
+
127
+ ```python
128
+ from colsemantics import inferir_semanticas_da_tabela
129
+
130
+ resultados = inferir_semanticas_da_tabela([
131
+ {"nome": "matricula", "padrao": "Nenhum", "perfil": None},
132
+ {"nome": "nome_func", "padrao": "Nenhum", "perfil": None},
133
+ {"nome": "cod_dep", "padrao": "Nenhum", "perfil": None},
134
+ {"nome": "diretoria", "padrao": "Nenhum", "perfil": None},
135
+ ])
136
+ # "cod_dep" sozinho é ambíguo (departamento? dependente? depósito?).
137
+ # Com "diretoria" na mesma tabela, o contexto resolve para "Estrutura Organizacional".
138
+ ```
139
+
140
+ `padrao` é o que seu próprio detector de padrão estruturado encontrou no
141
+ conteúdo (`"CPF"`, `"CNPJ"`, `"UUID"`, `"E-mail"`, `"Telefone"`, `"CEP"` ou
142
+ `"Nenhum"`) — `colsemantics` não faz essa detecção, só consome o resultado.
143
+
144
+ ## O que a saída traz
145
+
146
+ ```python
147
+ {
148
+ "semantica": str, # papel estrutural, ou domínio quando o papel é só formal
149
+ "papel": str | None,
150
+ "dominio": str | None,
151
+ "confianca_score": float, # 0-1, noisy-OR das evidências
152
+ "origem": str, # por que — as evidências que decidiram
153
+ "conclusiva": bool, # False = havia ambiguidade, olhe "hipoteses"
154
+ "hipoteses": list[dict], # até 4 alternativas ranqueadas, com evidência cada
155
+ }
156
+ ```
157
+
158
+ ## Licença
159
+
160
+ MIT. Extraído do módulo de inferência semântica do
161
+ [Recon](https://github.com/Caio-Analytics/Recon), ferramenta de profiling de
162
+ dados desconhecidos.
@@ -0,0 +1,12 @@
1
+ colsemantics/__init__.py,sha256=aAWZZsyfcwrEPgZSdopebTsAJo-4ZLBsvi1JNxzj4E0,10116
2
+ colsemantics/_taxonomy.py,sha256=m8Rax0mMbFbu-BRhxNWd_Gr93Xb7KTieGVxcUeeLb28,9578
3
+ colsemantics/detectors.py,sha256=zYg3PoA_PWRbweLujgVMAymcRVNCg-yVP_8ZYJEdLOk,16029
4
+ colsemantics/evidence.py,sha256=l3nsLwHBIi7S6DsuK33qsRAsYEfC3PVQZycqzX1QJ9I,2908
5
+ colsemantics/py.typed,sha256=47DEQpj8HBSa-_TImW-5JCeuQeRkm5NMpJWZG3hSuFU,0
6
+ colsemantics/tokens.py,sha256=N2-44wwCElpEtKi7urS25zkGefL8FepXSBB_r0Smzzg,5327
7
+ colsemantics/vocabulary.py,sha256=svs1vnCLh0aV5YBmf1ZGmwMeAlIXQaavCzr6EsOGXo8,9415
8
+ colsemantics-0.1.0.dist-info/licenses/LICENSE,sha256=sQpwczYXxWmnzvgvCoxtDzGF0RYEMhI9DscvYMOSEQw,1097
9
+ colsemantics-0.1.0.dist-info/METADATA,sha256=yKIIHuoG0JEWkm74p23pZiclX3Po0ExyERN4jjojbPM,6343
10
+ colsemantics-0.1.0.dist-info/WHEEL,sha256=YVMoNqKzERt-wjUZwJ33xBGAwnFl-4cqbYkTtWa4itE,91
11
+ colsemantics-0.1.0.dist-info/top_level.txt,sha256=ug0S5k_I63n1hSdm7Uu98afG6rldRVhXnEnx3wE93yc,13
12
+ colsemantics-0.1.0.dist-info/RECORD,,
@@ -0,0 +1,5 @@
1
+ Wheel-Version: 1.0
2
+ Generator: setuptools (84.0.0)
3
+ Root-Is-Purelib: true
4
+ Tag: py3-none-any
5
+
@@ -0,0 +1,21 @@
1
+ MIT License
2
+
3
+ Copyright (c) 2026 Caio (https://github.com/Caio-Analytics)
4
+
5
+ Permission is hereby granted, free of charge, to any person obtaining a copy
6
+ of this software and associated documentation files (the "Software"), to deal
7
+ in the Software without restriction, including without limitation the rights
8
+ to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
9
+ copies of the Software, and to permit persons to whom the Software is
10
+ furnished to do so, subject to the following conditions:
11
+
12
+ The above copyright notice and this permission notice shall be included in all
13
+ copies or substantial portions of the Software.
14
+
15
+ THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
16
+ IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
17
+ FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
18
+ AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
19
+ LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
20
+ OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE
21
+ SOFTWARE.
@@ -0,0 +1 @@
1
+ colsemantics