Question

我希望使用WordNet从一组基本术语中查找类似术语的集合。

例如， '气馁' 这个词 - 潜在的同义词可能是：daunted, glum, deterred, pessimistic。

我还想识别潜在的二元组，例如; beat down, put off, caved in等。

如何使用Java或Python提取此信息？是否有任何托管的WordNet数据库/ Web界面可以进行此类查询？

谢谢！

Answer 1

这是两个不同的问题。

1）Wordnet和python。使用NLTK，它有一个很好的interface to wordnet。你可以自己写点东西，老实说为什么要让生活变得困难？ Lingpipe可能还内置了一些东西，但NLTK更容易使用。我认为nltk只是下载了一个ntlk数据库，但我很确定有没有人可以与wordnet进行对话。

2）在nltk follow this tutorial中获取bigrams。一般来说，你会对文本进行标记，然后只需通过向前和向后搜索每个单词的所有n-gram来迭代句子。

Answer 2

通过查看最容易理解WordNet数据在Prolog文件。它们记录在这里：

http://wordnet.princeton.edu/wordnet/man/prologdb.5WN.html

WordNet术语分组为synsets。 synset是最大值同义词集。 Synsets具有主键，因此可以使用它们在语义关系中。

回答你的第一个问题，你可以列出不同的问题感知和单词的相应同义词如下：

Input X: Term
Output Y: Sense  
Output L: Synonyms in this Sense  

s_helper(X,Y) :- s(X,_,Y,_,_,_).  
?- setof(H,(s_helper(Y,X),s_helper(Y,H)),L).

示例：

?- setof(H,(s_helper(Y,'discouraged'),s_helper(Y,H),L).  
Y = 301664880,  
L = [demoralised, demoralized, discouraged, disheartened] ;  
Y = 301992418,  
L = [discouraged] ;  
No

对于问题的第二部分，WordNet术语是单词序列。因此，您可以搜索此WordNet术语单词如下：

Input X: Word  
Output Y: Term

s_helper(X) :- s(_,_,X,_,_,_).  
word_in_term(X,Y) :- atom_concat(X,' ',H), sub_atom(Y,0,_,_,H).
word_in_term(X,Y) :- atom_concat(' ',X,H), atom_concat(H,' ',J), sub_atom(Y,_,_,_,J).
word_in_term(X,Y) :- atom_concat(' ',X,H), sub_atom(Y,_,_,0,H).
?- s_helper(Y), word_in_term(X,Y).

示例：

?- s_helper(X), word_in_term('beat',X).  
X = 'beat generation' ;  
X = 'beat in' ;  
X = 'beat about' ;  
X = 'beat around the bush' ;  
X = 'beat out' ;  
X = 'beat up' ;  
X = 'beat up' ;  
X = 'beat back' ;  
X = 'beat out' ;  
X = 'beat down' ;  
X = 'beat a retreat' ;  
X = 'beat down' ;  
X = 'beat down' ;  
No

这会给你潜在的n-gram，但没有那么多形态变异。 WordNet也展示了一些词汇关系，这可能是有用的。

但是我给出的两个Prolog查询效率都不高。问题是缺少一些单词索引。一个Java 实施当然可以更好地实施。想象一下：

class Synset {  
    static Hashtable<Integer,Synset> synset_access;  
    static Hashtable<String,Vector<Synset>> term_access;  
}

一些Prolog可以通过索引指令执行相同的操作可以指示Prolog系统对多个索引进行索引谓词的参数。

建立网络服务也不应该那么困难在Java或Prolog中。许多Prologs系统很容易嵌入 Web服务器中的Prolog程序和Java冠军servlet。

可以在此处找到支持Web服务器的Prolog列表：

http://en.wikipedia.org/wiki/Comparison_of_Prolog_implementations#Operating_system_and_Web-related_features

最好的问候

Answer 3

作为NLTK的替代方案，您可以使用one个可用的WordNet SPARQL端点来检索此类信息。查询示例：

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX wordnet: <http://www.w3.org/2006/03/wn/wn20/schema/>

SELECT DISTINCT ?label {
  ?input_word a wordnet:WordSense;
     rdfs:label ?input_label.
  FILTER (?input_label = 'run')
  ?synset wordnet:containsWordSense ?input_word.
  ?synset wordnet:containsWordSense ?synonym.
  ?synonym rdfs:label ?label.
} LIMIT 100

在Java Universe中，可以使用Jena和Sesame框架。

Word Net - Word同义词＆amp;相关的单词构造 - Java或Python

3 个答案: