wordnet使用教程

Wordnet是一个词典。每个词语(word)可能有多个不同的语义，对应不同的sense。而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，一个sense中的多个消除了多义性的词语叫做lemma。例如，“publish”是一个word，它可能有多个sense：1.(39)print,publish--(putintoprint;Thenewspaperpublishedthenewsoftheroyalcouple'sdivorce;Thesenewsshouldnotbeprinted)2.(14)publish,bringout,putout,issue,release--(prepareandissueforpublicdistributionorsale;publishamagazineornewspaper)3.(4)publish,write--(have(one'swrittenwork)issuedforpublication;HowmanybooksdidGeorgesSimenonwrite?;Shepublished25booksduringherlongcareer)在第一个sense中，print和publish都是lemma。Sense1括号内的数字39表示publish以sense1在某外部语料中出现的次数。显然，publish大多数时候以sense1出现，很少以sense3出现。WordNet的具体用法NLTK是python的一个自然语言处理工具，其中提供了访问wordnet各种功能的函数。下面简单列举一些常用功能：得到wordnet本身：fromnltk.corpusimportwordnet获得一个词的所有sense，包括词语的各种变形的sense（语义）：wordnet.synsets('published')[Synset('print.v.01'),Synset('publish.v.02'),Synset('publish.v.03'),Synset('published.a.01'),Synset('promulgated.s.01')]得到synset的词性：related.pos's'得到一个sense的所有lemma：wordnet.synsets('publish')[0].lemmas[Lemma('print.v.01.print'),Lemma('print.v.01.publish')]得到Lemma出现的次数：wordnet.synsets('publish')[0].lemmas[1].count()39在wordnet中，名词和动词被组织成了完整的层次式分类体系，因此可以通过计算两个sense在分类树中的距离，这个距离反应了它们的语义相似度：x=wordnet.synsets('recommended')[-1]y=wordnet.synsets('suggested')[-1]x.shortest_path_distance(y)0形容词和副词的相似度计算方法：形容词和副词没有被组织成分类体系，所以不能用path_distance。a=wordnet.synsets('beautiful')[0]b=wordnet.synsets('good')[0]a.shortest_path_distance(b)-1形容词和副词最有用的关系是similarto。a=wordnet.synsets('glorious')[0]a.similar_tos()[Synset('incandescent.s.02'),Synset('divine.s.06'),……]WordNet是面向语义的英语词典，类似于传统字典。它是NLTK语料库的一部分,可以被这样调用：更简洁的写法:1．单词dog英[dɒg]美[dɔɡ]n.狗；丑女人；卑鄙的人；(俚)朋友vt.跟踪；尾随查看一个单词的同义词集用synsets();它有一个参数pos，可以指定查找的词性。这里得到的同义词集是同义词集的集合，即里面不是单纯的词，是同义词的集合.注：一个synset(同义词集：指意义相同的词条的集合)被一个三元组描述：（单词.词性.序号）。这里的’dog.n.01’指：dog的第一个名词意思;’chase.v.01’指：chase的第一个动词意思pos可为：NOUN、VERB、ADJ、ADV…2．同义词集注：一些关系的获得只能通过Lemmas，比如反义词：3.Similaritysynset1.path_similarity(synset2):是基于上位词层次结构中相互连接的概念之间的最短路径在0-1范围的打分（两者之间没有路径就返回-1）。同义词集与自身比较将返回1