如何獲取NLTK中同義詞集的詞網感知頻率？

Question

根據文檔，我可以這樣在nltk中加載一個帶有感官標記的語料庫：

>>> from nltk.corpus import wordnet_ic
>>> brown_ic = wordnet_ic.ic('ic-brown.dat')
>>> semcor_ic = wordnet_ic.ic('ic-semcor.dat')

我還可以得到definition ， pos ， offset ， examples為這樣的：

>>> wn.synset('dog.n.01').examples
>>> wn.synset('dog.n.01').definition

但是如何從語料庫中獲得同義詞的頻率呢？ 分解問題：

1. 首先，如何多次計數一個同義詞集是否出現一個帶有感官標記的語料庫？
2. 那么下一步就是在給定特定引理的情況下，將所有同義詞集出現的次數除以計數總數。

Answer 1

我設法做到了。

from nltk.corpus import wordnet as wn

word = "dog"
synsets = wn.synsets(word)

sense2freq = {}
for s in synsets:
  freq = 0  
  for lemma in s.lemmas:
    freq+=lemma.count()
  sense2freq[s.offset+"-"+s.pos] = freq

for s in sense2freq:
  print s, sense2freq[s]

Answer 2

如果您只需要知道最常見的單詞是什么，則可以執行wn.synsets(word)[0]因為WordNet通常wn.synsets(word)[0]它們從最頻繁的wn.synsets(word)[0]排列到最不頻繁的wn.synsets(word)[0] 。

（來源：Daniel Jurafsky的語音和語言處理第二版）