我正在研究一个NLTK项目，原则上就像标准词库一样，但是（准）连续。举一个例子，有几十个与书籍相关的条目，包括宗教经典和分类帐。
我试着摆弄一些术语，但我似乎只是通过这样做得到了一小部分。 （A＆＃34;分类帐＆＃34;结果包含＆＃34;日记和＃34;但这些物质的收集量比通过阅读书籍找到的要小得多。）对＃34; synsets＆＃34;的讨论。在文档中似乎暗示你可以找到接近现有术语的术语，但是同义词就像岛屿一样，或者对我这样看。
有什么（如果有的话）可以说出像＃34;我想要所有高匹配分数高于XYZ阈值的单词＆＃34;或者＆＃34;我想匹配最近的n个相关术语。＆＃34;文档看起来是可行的，有一个非常好的方法来计算两个单词之间的邻近分数，但不知道如何调整阈值或者如何请求n个最接近的匹配。
这里我最好的赌注是什么？
答案 0 :(得分：2)
如果你想能够计算任意词对之间的距离，那么WordNet就是错误的工具：它是一个特定术语的网络，所以要么两个节点之间有一条路径，要么就没有。改为寻找基于语料库的措施。
快速google给了this thread（不是SO）可以作为起点。
在nltk中，我首先看看nltk.text.ContextIndex，它似乎是nltk演示函数nltk.Text.similar()的后面。它不会计算单词对之间的距离，但至少你会有一个丰富的上下文网络，你可以从中开始。
>>> contexts = nltk.text.ContextIndex(nltk.corpus.brown.words()[:100000])
>>> contexts.similar_words("fact")
['jury', 'announcement', 'Washington', 'addition', '1961', 'impression',
'news', 'belief', 'commissioners', 'Laos', 'return', '1959', '1960', '1956',
'result', 'University', 'opinion', 'work', 'course', 'hope']
我会留给你删除标点符号，停用词等。我还没有看过这背后的算法，但如果你不这样做，你总能实现自己喜欢的算法。为你工作。