如何打印WordNet synset的主要引理? Python NLTK

时间:2015-09-21 12:38:12

标签: python nltk wordnet

我有一大堆WordNet同义词。这一组的一小部分是:

syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}

我想打印出集合中每个synset的synset术语(synset的主要引理)。例如,上述集合的输出应为:

brutal, benignant

这是我使用的代码:

    from nltk.corpus import wordnet as wn
    for s in syns:
        print(wn.s.lemmas[0])

但这不起作用,因为s被认为是一个字符串,而不是一个对象。我收到以下错误:

AttributeError: 'WordNetCorpusReader' object has no attribute 's'

这是因为s被视为字符串,而不是对象。我试图将s更改为字节形式,如下所示:

    s = bytes(s)

但这不起作用。如何以最简单的方式打印出如上所述的引理?

我检查了here,这是一个很好的方法,但我的同义词集是字符串形式,而不是实际的对象。

提前致谢..

2 个答案:

答案 0 :(得分:4)

TL; DR

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [wn.synset(i[8:-2]) for i in syns]
[Synset('benignant.s.02'), Synset('brutal.s.04')]
>>> syns = [wn.synset(i[8:-2]) for i in syns]
>>> syns[0].lemma_names()
[u'benignant', u'gracious']

首先得到一个输入字符串打印出来的类型是很奇怪的。因此,第一种直观的方法是使用Synset类型https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py#L305执行类似ast.literal_eval()eval()的操作(但在此之前请参阅http://nedbatchelder.com/blog/201206/eval_really_is_dangerous.html):

>>> from nltk.corpus.reader.wordnet import Synset
>>> from nltk.corpus import wordnet as wn
>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [eval(i) for i in syns]
[Synset('None'), Synset('None')]

显然,Synset班级不会独立于nltk.corpus.wordnet工作。所以我们来看一下wordnet.synset()函数(https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py#L1217)。看起来它只需要预先指定的Synset对象名称,所以:

>>> wn.synset('brutal.s.04')
Synset('brutal.s.04')
>>> type(wn.synset('brutal.s.04'))
<class 'nltk.corpus.reader.wordnet.Synset'>

之后,当输入syns中的伪字符串synset成为Synset时,您可以轻松控制Synset,如图所示How do I print out just the word itself in a WordNet synset using Python NLTK?

回到您奇怪的输入syns,执行以下操作将为我提供synset的名称:

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> list(syns)[0]
"Synset('benignant.s.02')"
>>> list(syns)[0][8:-2]
'benignant.s.02'

回到将其转换为Synset:

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [wn.synset(i[8:-2]) for i in syns]
[Synset('benignant.s.02'), Synset('brutal.s.04')]
>>> syns = [wn.synset(i[8:-2]) for i in syns]
>>> syns[0].lemma_names()
[u'benignant', u'gracious']

但是让我们完全回滚,你得到了一个奇怪的输入syns,因为有人通过简单地将str()转换为Synset对象来保存输出:

>>> syns[0]
Synset('benignant.s.02')
>>> str(syns[0])
"Synset('benignant.s.02')"

这个人可以简单地完成:

>>> syns[0].name()
u'benignant.s.02'

然后您的输入syns对象将如下所示:

syns = {u'brutal.s.04', u'benignant.s.02'}

并阅读它,你可以简单地做:

>>> from nltk.corpus import wordnet as wn
>>> syns = {u'brutal.s.04', u'benignant.s.02'}
>>> syns = [wn.synset(i) for i in syns]
>>> syns[0]
Synset('brutal.s.04')
>>> syns[0].lemma_names()
[u'brutal']

答案 1 :(得分:1)

如果我正确理解您的数据,您可以迭代字符串列表并使用正则表达式来解析它们。

DataFrame