Question

我正在使用WordNet访问具有共同含义的同义词。这是一个示例：

from itertools import chain
from nltk.corpus import wordnet as wn

synsets = wn.synsets("drink")
# synsets = [Synset('drink.n.01'), Synset('drink.n.02'), Synset('beverage.n.01'), ...]
synonyms = set(chain(*(x.lemma_names() for x in synsets)))
# synonyms = {'drinking', 'drinkable', 'crapulence', 'toast', 'drink', 'drunkenness', ...}

同义词集排序了吗？而且，如果是的话，标准是什么？列表中的第一个同义词集与那些与给定单词相关的机会更高吗？

我想通过仅保留“最重要”的名称来限制同义词的数量（在此上下文中，“重要”的含义是要定义的，但我想知道WordNet是否具有自己的“重要”概念）。

如果未对同义词集进行排序，那么找到单词最合适的同义词的另一种方法是什么？

Answer 1

文档中有一个相关部分：https://www.nltk.org/howto/wordnet.html#similarity

提供了各种相似性查找方法：path_similarity，lch_similarity，wup_similarity，res_similarity等

例如，从文档（对于path_similarity 为）：

synset1.path_likeity（synset2）：根据连接is-a（双音节/音韵符号）分类法中的两个最短路径返回分数，表示两个单词的意义相似。分数在0到1之间。

您可以使用以下格式的方法：

# Assuming we are comparing with 0th synset of "drink" syn_to_compare = wn.synsets("drink")[0] all_synsets = wn.synsets("drink") corr = [(all_synsets[i],syn_to_compare.path_similarity(all_synsets[i])) for i in range(len(all_synsets))]

将生成如下输出：

[(Synset('drink.n.01'), 1.0), (Synset('drink.n.02'), 0.06666666666666667), (Synset('beverage.n.01'), 0.08333333333333333), (Synset('drink.n.04'), 0.09090909090909091), (Synset('swallow.n.02'), 0.07692307692307693), (Synset('drink.v.01'), None), (Synset('drink.v.02'), None), (Synset('toast.v.02'), None), (Synset('drink_in.v.01'), None), (Synset('drink.v.05'), None)]

然后您可以使用sorted()方法对它们进行排序，并提供相似性得分作为值。

sorted(corr, key=lambda x: x[1] if x[1] != None else 0, reverse=True) [(Synset('drink.n.01'), 1.0), (Synset('drink.n.04'), 0.09090909090909091), (Synset('beverage.n.01'), 0.08333333333333333), (Synset('swallow.n.02'), 0.07692307692307693), (Synset('drink.n.02'), 0.06666666666666667), (Synset('drink.v.01'), None), (Synset('drink.v.02'), None), (Synset('toast.v.02'), None), (Synset('drink_in.v.01'), None), (Synset('drink.v.05'), None)]

如果您想使用专有名词，我建议您研究gensim的most_similar()方法。

同义词集排序了吗？而且，如果是的话，标准是什么？列表中的第一个同义词集与那些与给定单词相关的机会更高吗？

我不能果断地回答这个问题，但是我认为没有标准。您可以使用上述方法根据特定的同义词集查找最相似的单词。

编辑：如下面的评论所述，问题的作者正在wordnet的synsets()方法返回的列表中寻找顺序。< / p>
从Github上可用的代码中：https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py#L1563用于方法synset()

if lang == "eng": get_synset = self.synset_from_pos_and_offset index = self._lemma_pos_offset_map if pos is None: pos = POS_LIST return [ get_synset(p, offset) for p in pos for form in self._morphy(lemma, p, check_exceptions) for offset in index[form].get(p, []) ]

其中POS_LIST的值为：POS_LIST = [NOUN, VERB, ADJ, ADV]。因此，优先考虑上述顺序。此外，根据他们的代码：NOUN="n", VERB="v", ADJ="a", ADV="r"

因此顺序主要取决于基于pos的nltk的POS_LIST标记，然后取决于方法_morphy()返回的带有lemma和pos标记的内容，然后是_lemma_pos_offset_map()返回的值。

例如：

>>> POS_LIST = ["n", "v", "a", "r"] >>> syn = list() >>> lemma = "drink" >>> for p in POS_LIST: ... for form in wn._morphy(lemma, p, True): ... for offset in wn._lemma_pos_offset_map[form].get(p, []): ... syn.append(wn.synset_from_pos_and_offset(p, offset)) ... >>> syn [Synset('drink.n.01'), Synset('drink.n.02'), Synset('beverage.n.01'), Synset('drink.n.04'), Synset('swallow.n.02'), Synset('drink.v.01'), Synset('drink.v.02'), Synset('toast.v.02'), Synset('drink_in.v.01'), Synset('drink.v.05')] >>> # You can verify it with what synsets() is providing ... KeyboardInterrupt >>> wn.synsets("drink") [Synset('drink.n.01'), Synset('drink.n.02'), Synset('beverage.n.01'), Synset('drink.n.04'), Synset('swallow.n.02'), Synset('drink.v.01'), Synset('drink.v.02'), Synset('toast.v.02'), Synset('drink_in.v.01'), Synset('drink.v.05')] >>>

希望更新后的答案会有所帮助！

WordNet的同义词集中是否有任何顺序？

1 个答案: