如何在wordnet层次结构中使用python nltk查找两个同义词集之间的距离？

Question

假设我有两个同义词集synset（car.n.01'）和synset（'bank.n.01'），如果我想在wordnet层次结构中找到这两个同义词集之间的距离，那么如何使用nltk做到这一点？
我在互联网上搜索，但是我得到了类似lin，resnik，jcn等的相似算法，但这些算法无法解决我的问题。
请帮我解决这个问题。

Answer 1

从这个

路径相似度wup_similarity和lch_similarity都应该起作用，因为它们基于Wordnet层次结构中两个同义词集之间的距离。

dog = wn.synset('dog.n.01')
cat = wn.synset('cat.n.01')

dog.path_similarity(cat)

dog.lch_similarity(cat)

dog.wup_similarity(cat)

---

在同一链接中，（相关部分以粗体显示）

synset1.path_likeity（synset2）：

根据连接is-a（双音节/催音符）分类法中的两个最短路径，返回一个表示两个单词的感觉相似程度的分数。 分数在0到1的范围内，除非在找不到路径的情况下（仅对于动词才是正确的，因为存在许多不同的动词分类法），在这种情况下将返回-1。 分数1表示身份，即将感官与自身进行比较将返回1。

---

synset1.lch_similarity（synset2），Leacock-Chodorow相似度：

根据连接感官的最短路径 （如上所述）和出现感官的分类法的最大深度，返回一个表示两个单词的感官相似程度的分数。 关系以-log（p / 2d）形式给出，其中p是最短路径长度，d是分类深度。

---

synset1.wup_similarity（synset2），Wu-Palmer相似度：

根据分类中两种意义的深度及其最不常见归类（最具体的祖先节点）的深度，返回表示两种意义的相似程度的分数。 请注意，此时给出的分数并不总是与Pedersen的Perl实施Wordnet相似性所给出的分数一致。

Answer 2

此外，您还可以查看chatterbot的实现。

“ Chatterbot比较类”

您将在该文件中找到更多的距离处理