查找特定单词的相关单词（特别是物理对象）

Question

我试图找到与单个单词相关的单词（特别是物理对象）。例如：

网球：网球拍，网球，网球鞋

斯诺克：斯诺克球杆，斯诺克球，粉笔

国际象棋：棋盘，棋子

书柜：预订

我曾尝试使用WordNet，特别是meronym语义关系;但是，这种方法并不一致，如下面的结果所示：

网球：发球，凌空，脚故障，设定点，回归，优势

斯诺克：没有

国际象棋：国际象棋移动，棋盘游戏（其自己的缩写关系显示'方形'和'对角线'）

书柜：搁置

最终需要对术语进行加权，但现在这并不是真正的问题。

有人对如何做到这一点有任何建议吗？

---

只是一个更新：结束使用Jeff和StompChicken的答案。

从维基百科检索到的信息质量非常好，特别是（不出所料）有如此多的相关信息（与某些语料库相比，其中不存在“博客”和“ipod”等词语。）

维基百科的结果范围是最好的部分。该软件能够匹配诸如（为简洁起见而切割的列表）等术语：

• 高尔夫球：[球，铁，球座，球袋，球杆]
• 摄影：[相机，电影，照片，艺术，图像]
• 钓鱼：[鱼，网，钩，陷阱，诱饵，诱饵，杆]

最大的问题是将某些词分类为物质文物;默认WordNet不是一个可靠的资源，因为它中不存在许多术语（例如'ipod'，甚至'trampolining'）。

Answer 1

我认为你要求的是概念之间的语义关系的来源。为此，我可以想到许多方法：

1. 的 Semantic similarity algorithms 即可。这些算法通常对Wordnet中的关系执行树形遍历，以得出两个术语相关的实值得分。这些将受到WordNet模拟您感兴趣的概念的限制。WordNet::Similarity（用Perl编写）非常好。
2. 尝试使用OpenCyc作为知识库。 OpenCyc是Cyc的开源版本，它是“真实世界”事实的一个非常大的知识库。它应该比WordNet有更丰富的语义版本。但是，我从未使用过OpenCyc，所以我不能说它是多么完整，或者使用它有多容易。
3. n-gram频率分析。正如Jeff Moser所说。一种数据驱动的方法，可以从大量数据中“发现”关系，但通常会产生嘈杂的结果。
4. 的 Latent Semantic Analysis 即可。一种类似于n-gram频率分析的数据驱动方法，可以找到一组语义相关的单词。

[...]

根据你所说的你想做的事情，我认为最后两个选项更有可能成功。如果关系不在Wordnet中，那么语义相似性将不起作用，OpenCyc似乎对snooker除了它存在的事实以外没有太多了解。

我认为n-gram和LSA（或类似的东西）的组合将是一个好主意。 N-gram频率将找到与您的目标概念紧密相关的概念（例如网球），并且LSA将找到在相同句子/文档中提到的相关概念（例如，网络，服务）。此外，如果您只对名词感兴趣，过滤您的输出只包含名词或名词短语（使用part-of-speech tagger）可能会改善结果。

Answer 2

在第一种情况下，您可能正在寻找n-grams，其中n = 2.您可以从Google这样的地方获取它们，或者从all of Wikipedia创建自己的地址。

有关详细信息，请查看this related Stack Overflow question。