Question

我有一个WordNet synset偏移量（例如id="n#05576222"）。鉴于此偏移量，我如何使用Python获取synset？

Answer 1

从NLTK 3.2.3开始，有一种公开的方法：

wordnet.synset_from_pos_and_offset(pos, offset)

在早期版本中，您可以使用：

wordnet._synset_from_pos_and_offset(pos, offset)

这将根据它的POS和offest ID返回一个synset。我认为这种方法仅适用于NLTK 3.0，但我不确定。

示例：

from nltk.corpus import wordnet as wn
wn._synset_from_pos_and_offset('n',4543158)
>> Synset('wagon.n.01')

Answer 2

对于NTLK 3.2.3或更新版本，请参阅donners45的答案。

对于旧版本的NLTK：

NLTK中没有内置方法，但你可以使用它：

from nltk.corpus import wordnet

syns = list(wordnet.all_synsets())
offsets_list = [(s.offset(), s) for s in syns]
offsets_dict = dict(offsets_list)

offsets_dict[14204095]
>>> Synset('heatstroke.n.01')

然后，您可以挑选字典并在需要时加载它。

对于3.0之前的NLTK版本，请替换

行

offsets_list = [(s.offset(), s) for s in syns]

与

offsets_list = [(s.offset, s) for s in syns]

因为在NLTK 3.0之前offset是属性而不是方法。

Answer 3

除了使用NLTK之外，另一种选择是使用来自Open Multilingual WordNet http://compling.hss.ntu.edu.sg/omw/的.tab文件用于普林斯顿WordNet。通常我使用下面的方法来访问wordnet作为字典，其中offset作为键，;分隔字符串作为值：

# Gets first instance of matching key given a value and a dictionary.    
def getKey(dic, value):
  return [k for k,v.split(";") in dic.items() if v in value]

# Read Open Multi WN's .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

princetonWN = readWNfile('wn-data-eng.tab')
offset = "n#05576222"
offset = offset.split('#')[1]+'-'+ offset.split('#')[0]

print princetonWN.split(";")
print getKey('heatstroke')

Answer 4

您可以使用of2ss()，例如：

from nltk.corpus import wordnet as wn
syn = wn.of2ss('01580050a')

会回来 Synset('necessary.a.01')

如何获得给出偏移ID的WordNet synset？

4 个答案: