Question

假设我有两个小词典

posList = [ '有趣'， '新颖'， '广告素材'， '状态的最先进的']

negList = [ '过时的'， '直接的'， '琐碎']

我有一个新词，说“创新”，这是我所不知道的，我试图通过NLTK函数找出它的同义词来弄清楚它的情绪，如果同义词掉出我的小词典，那么我递归调用NLTK函数来查找上次的同义词的同义词

开始输入可能是这样的：

来自nltk.corpus导入wordnet innov = wordnet.synsets（'innovative'）

创新中的synset：

print synset

print synset.lemmas

它产生这样的输出

同义词集（ 'advanced.s.03'） [引理（'advanced.s.03.advanced'），引理（'advanced.s.03.forward-looking'），引理（'advanced.s.03.innovative'），引理（'advanced.s.03 。现代'）] 同义词集（ 'innovative.s.02'） [Lemma（'innovative.s.02.innovative'），Lemma（'innovative.s.02.innovational'），Lemma（'innovative.s.02.sgroundbreaking'）]

显然，新词包括'高级'，'前瞻性'，'现代'，'创新'，'开创性'是新词而不在我的词典中，所以现在我应该用这些词作为开始调用synsets再次起作用直到没有新的引理词出现。任何人都可以给我一个演示代码如何从Synset中提取这些引理词并将它们保存在一个strcutre中？

它涉及在Python中处理re模块我想但我对Python很新。我需要解决的另一点是，我只需要获得形容词，因此引理中只有's'和'a'符号（'advanced.s.03.modern'），而不是'v'（动词）或'n '（名词）。

稍后我会尝试使用任何字典单词计算新单词的相似性得分，我需要定义该度量。这个问题很难，因为根据我的知识，不是按层次方式排列的，而是没有可用的措施。有人可以提供建议吗？

Answer 1

您可以按如下方式获取同义词的同义词。（请注意，代码使用NodeBox Linguistics库的WordNet功能，因为它可以更轻松地访问WordNet）。

def get_remote_synonyms(s, pos):

    if pos == 'a':
        syns = en.adjective.senses(s)
        if syns:
            allsyns = sum(syns, [])
            # if there are multiple senses, take only the most frequent two 
            if len(syns) >= 2:
                syns = syns[0] + syns[1]
            else:
                syns = syns[0]
        else:
            return [] 

        remote = []
        for syn in syns: 
            newsyns = en.adjective.senses(syn)
            remote.extend([r for r in newsyns[0] if r not in allsyns])

    return [unicode(i) for i in list(set(remote))]

据我所知，NLTK的所有语义测量功能都是基于上位词/下位词层次结构，因此它们不能应用于形容词。此外，如果你把它的结果与像thesaurus.com.

这样的同义词库的结果进行比较，我发现WordNet中有很多同义词需要丢失。

来自NLTK的新单词的递归提取同义词

1 个答案: