King_K

导航

统计

Wordnet的一些简单使用

 转载请说明出处:http://www.cnblogs.com/KingKou/p/4121373.html

1.简介

  Wordnet是一个由普林斯顿大学认识科学实验室在心理学教授乔治·A·米勒的指导下建立和维护的大型的英语词典,WordNet的开发有两个目的:

  1.它既是一个字典,又是一个辞典,它比单纯的辞典或词典都更加易于使用。

  2.支持自动的文本分析以及人工智能应用。

  在WordNet中,名词,动词,形容词和副词各自被组织成一个同义词的网络,每个同义词集合都代表一个基本的语义概念,并且这些集合之间也由各种关系连

接。(一个多义词将出现在它的每个意思的同义词集合中)。

2.使用

2.1 直接调用

  直接使用wn.exe程序,命令行格式如下:

  Wn  [单词] [options] [search_option]

 Options

  -h:会在显示结果前面显示帮助信息

  -g:显示同义词相关的文本注释,一般是释义+例句

  -a:在每一种sense前,显示字典撰写者的文件信息

  -o:显示同义词的偏移量

  -s:显示所有同义词的单词编号

  -l:显示wordnet的版权、版本、许可证信息

  -n#:只查找单词的第#个释义的信息

  -over:显示单词的所以释义的整体信息

  search_option:

  -syns (n | v | a | r ):显示单词的同义词和直接上位词的同义词集。同义词以使用频率排序。括号里的是对应的词性(名词,动词,形容词,副词)

  -simsv:显示动词的同义词和包含单词的直接上位词的同义词集合。同义词按照语义相似度分组

  -ants (n | v | a | r ):显示单词的反义词集

  -faml (n | v | a | r ):显示单词是否常见,和一词多义信息

  -hype (n | v ):递归地显示单词上位词树。(单词 IS A KIND OF _____ relation)

  -hypo (n | v ):显示直接下位词(_____ IS A KIND OF 单词 relation)

  -tree (n | v ):递归显示单词的下位词树

  -coor (n | v ):显示每个同义词的直接上位词及上位词的直接上位词

  -deri (n | v ):显示派生名词和动词之间的联系形式。如goodness

  -domn (n | v | a | r ):显示单词所属的类,如good的副词

  -domt (n | v | a | r ):显示所有被分在单词所在领域的所有成员

  -subsn:显示实体的部件关系。HAS SUBSTANCE关系(tree

  -partn:显示部分关系,比如头的部分是耳朵,脸,鼻子,之类的。HAS PART关系

  -membn:显示成员关系,比如people有成员citizenHAS MEMBER关系

  -meron:显示上面三个全部信息

  -hmern:显示成员树。这是一个递归树,会显示单词的所有成员和他的上位词(people

  -sprtn:显示包含单词的实体(PART OF关系)

  -smemn:显示包含这个单词为成员的实体,MEMBER OF关系

  -ssubn:显示包含这个单词为部件关系的实体,SUBSTANCE OF关系

  -holon:显示所有上述三个关系

  -hholn:递归显示part of关系

  -entav:显示蕴含关系,通常是动词(push

  -framv:显示示例

  -causv:导致关系

  -pert (a | r ):pertainyms 

  -attr (n | a ):名词形容词的相互显示

  -grep (n | v | a | r ):显示包含单词的词

2.2 nltk接口调用

  Nltk中也带有wordnet,但是调用方式有所不同,调用方式如下:

  from nltk.corpus import wordnet as wn

  首先,是我们常用同义词的调用:

  wn.synsets('motorcar')

  结果:[Synset('car.n.01')]

  因为'motorcar'只有一个意思,所以结果只有一个,那就是’car’作为名词的第一种释义。

  我们也可以这样调用,获取单词指定词性、释义的同义词集:
  >>> wn.synset('car.n.01').lemma_names

  结果:

  ['car', 'auto', 'automobile', 'machine', 'motorcar']

  如果我们不知道单词第I个释义的意思,我们可以调用definition查看,以便更精确地使用。

  >>> wn.synset('car.n.01').definition

  结果:

  'a motor vehicle with four wheels; usually propelled by an internal combustion engine(内燃机)'

  我们还可以调用examples查看具体例句:

  >>> wn.synset('car.n.01').examples

  结果:

  ['he needs a car to get to work']

  在语言学中,有一个重要的任务,就是消歧,我们使用lemma(词条),可以获得一对一的同义词配对。

  >>> wn.synset('car.n.01').lemmas 

  结果:

  [Lemma('car.n.01.car'), Lemma('car.n.01.auto'), Lemma('car.n.01.automobile'),

  Lemma('car.n.01.machine'), Lemma('car.n.01.motorcar')]

  ① 这是所有的词条,结果和上面直接查看同义词的是一样的

  >>> wn.lemma('car.n.01.automobile')  ②

  结果:

  Lemma('car.n.01.automobile')

  ② 我们可以判断特定两个词是否满足要求

  >>> wn.lemma('car.n.01.automobile').synset 

  结果:

  Synset('car.n.01')

  ③  获取词条对应的同义词

  >>> wn.lemma('car.n.01.automobile').name 

  结果:

  'automobile'

  ④ 获取词条的名字

  通过上面,我们可以获得一种获得同义词的方法:

  >>> wn.synsets('car')

  [Synset('car.n.01'), Synset('car.n.02'), Synset('car.n.03'), Synset('car.n.04'),

  Synset('cable_car.n.01')]

  >>> for synset in wn.synsets('car'):

  ... print synset.lemma_names

  ...

  ['car', 'auto', 'automobile', 'machine', 'motorcar']

  ['car', 'railcar', 'railway_car', 'railroad_car']

  ['car', 'gondola']

  ['car', 'elevator_car']

  ['cable_car', 'car']

  把得到的结果合并区set()即可获得单词的同义词。

  另外一种获得同义词,或者说是同类词的方法,就是上位词和下位词。比如’car’:

  >>> motorcar = wn.synset('car.n.01')

  >>> types_of_motorcar = motorcar.hyponyms()

  >>> types_of_motorcar[26]

  Synset('ambulance.n.01')

  >>> sorted([lemma.name for synset in types_of_motorcar for lemma in synset.lemmas])

  ['Model_T', 'S.U.V.', 'SUV', 'Stanley_Steamer', 'ambulance', 'beach_waggon',

  'beach_wagon', 'bus', 'cab', 'compact', 'compact_car', 'convertible',

  'coupe', 'cruiser', 'electric', 'electric_automobile', 'electric_car',

  'estate_car', 'gas_guzzler', 'hack', 'hardtop', 'hatchback', 'heap',

  'horseless_carriage', 'hot-rod', 'hot_rod', 'jalopy', 'jeep', 'landrover',

  'limo', 'limousine', 'loaner', 'minicar', 'minivan', 'pace_car', 'patrol_car',

  'phaeton', 'police_car', 'police_cruiser', 'prowl_car', 'race_car', 'racer',

  'racing_car', 'roadster', 'runabout', 'saloon', 'secondhand_car', 'sedan',

  'sport_car', 'sport_utility', 'sport_utility_vehicle', 'sports_car', 'squad_car',

  'station_waggon', 'station_wagon', 'stock_car', 'subcompact', 'subcompact_car',

  'taxi', 'taxicab', 'tourer', 'touring_car', 'two-seater', 'used-car', 'waggon',

  'wagon']

  在调用wordnetexe程序时,我们知道有从属关系,成员关系,蕴含关系之类的,在nltk,它们是这样的:

  >>> wn.synset('tree.n.01').part_meronyms()    【部分】

  [Synset('burl.n.02'), Synset('crown.n.07'), Synset('stump.n.01'),

  Synset('trunk.n.01'), Synset('limb.n.02')]

  >>> wn.synset('tree.n.01').substance_meronyms()    【实质】

  [Synset('heartwood.n.01'), Synset('sapwood.n.01')]

  >>> wn.synset('tree.n.01').member_holonyms()   【成员】

  [Synset('forest.n.01')]

  >>> wn.synset('mint.n.04').part_holonyms()

  [Synset('mint.n.02')]

  >>> wn.synset('mint.n.04').substance_holonyms()

  [Synset('mint.n.05')]

  下面是蕴含关系:

  >>> wn.synset('walk.v.01').entailments()

  [Synset('step.v.01')]

  >>> wn.synset('eat.v.01').entailments()

  [Synset('swallow.v.01'), Synset('chew.v.01')]

  >>> wn.synset('tease.v.03').entailments()

  [Synset('arouse.v.07'), Synset('disappoint.v.01')]

  相对来说,个人感觉反义词做的就比较简陋:

  >>>wn.lemma('supply.n.02.supply').antonyms()

  [Lemma('demand.n.02.demand')]

  Nltk有个功能,能根据内部的关系树,计算两个词之间的相似度:

  >>>lim=wn.synset('limousine.n.1')

  >>>amb=wn.synset('ambulance.n.1')

  >>>lim.lowest_common_hypernyms(amb) 

  [Synset('car.n.01')]

  我们可以看出,“'limousine(豪华轿车)”和“'ambulance(救护车)”的共同点(也就是公共上位词)是“car”。此外,我们还可以得到他们的相似度:

  >>>lim.path_similarity(amb)

  0.3333333333333333

  还可以看他们的最近举例,举例越近,相似度越高:

  >>>lim.shortest_path_distance(amb)

  2

   

  上面列举了NLTK的一些常用的命令,基本上wordnet中的命令,在NLTK都包括了,还有一些,比如offset等,有需要的时候可以参考链接1

 

参考链接:

  1. nltk官方文档:

               http://www.nltk.org/api/nltk.corpus.reader.html#module-nltk.corpus.reader.wordnet

  1. wordnet

               http://wordnet.princeton.edu/

posted on 2014-11-25 16:49  King_K  阅读(...)  评论(... 编辑 收藏