[英]How to get the WordNet synset given an offset ID?
我有一个 WordNet 同义词偏移量(例如id="n#05576222"
)。 鉴于此偏移量,如何使用 Python 获取同义词集?
从 NLTK 3.2.3 开始,有一个公共方法可以做到这一点:
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 返回一个同义词集。 我认为此方法仅在 NLTK 3.0 中可用,但我不确定。
例子:
from nltk.corpus import wordnet as wn
wn.synset_from_pos_and_offset('n',4543158)
>> Synset('wagon.n.01')
对于 NTLK 3.2.3 或更新版本,请参阅 donners45 的回答。
对于旧版本的 NLTK:
NLTK 中没有内置方法,但您可以使用它:
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,您可以腌制字典并在需要时加载它。
对于 3.0 之前的 NLTK 版本,替换该行
offsets_list = [(s.offset(), s) for s in syns]
和
offsets_list = [(s.offset, s) for s in syns]
因为在 NLTK 3.0 之前, offset
是一个属性而不是一个方法。
您可以使用of2ss()
,例如:
from nltk.corpus import wordnet as wn
syn = wn.of2ss('01580050a')
将返回Synset('necessary.a.01')
除了使用 NLTK,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,以偏移量作为键和;
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')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.