WordNet介紹和使用

Wordnet是一個詞典。每個詞語(word)可能有多個不同的語義，對應不同的sense。而每個不同的語義（sense）又可能對應多個詞，如topic和subject在某些情況下是同義的，一個sense中的多個消除了多義性的詞語叫做lemma。例如，“publish”是一個word，它可能有多個sense：

1. (39) print, publish -- (put into print; "The newspaper published the news of the royal couple's divorce"; "These news should not be printed")

2. (14) publish, bring out, put out, issue, release -- (prepare and issue for public distribution or sale; "publish a magazine or newspaper")

3. (4) publish, write -- (have (one's written work) issued for publication; "How many books did Georges Simenon write?"; "She published 25 books during her long career")

在第一個sense中，print和publish都是lemma。Sense 1括弧內的數字39表示publish以sense 1在某外部語料中出現的次數。顯然，publish大多數時候以sense 1出現，很少以sense 3出現。

WordNet的具體用法

NLTK是python的一個自然語言處理工具，其中提供了訪問wordnet各種功能的函數。下面簡單列舉一些常用功能：

得到wordnet本身：

from nltk.corpus import wordnet

獲得一個詞的所有sense，包括詞語的各種變形的sense：

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的詞性：

>>> related.pos's'

得到一個sense的所有lemma：

>>> wordnet.synsets('publish')[0].lemmas[Lemma('print.v.01.print'), Lemma('print.v.01.publish')] 

得到Lemma出現的次數：

>>> wordnet.synsets('publish')[0].lemmas[1].count()39

在wordnet中，名詞和動詞被組織成了完整的層次式分類體系，因此可以通過計算兩個sense在分類樹中的距離，這個距離反應了它們的語義相似性：

>>> x = wordnet.synsets('recommended')[-1]>>> y = wordnet.synsets('suggested')[-1]>>> x.shortest_path_distance(y)0

形容詞和副詞的相似性計算方法：

形容詞和副詞沒有被組織成分類體系，所以不能用path_distance。

>>> a = wordnet.synsets('beautiful')[0]>>> b = wordnet.synsets('good')[0]>>> a.shortest_path_distance(b)-1

形容詞和副詞最有用的關係是similar to。

>>> a = wordnet.synsets('glorious')[0]>>> a.similar_tos()[Synset('incandescent.s.02'), Synset('divine.s.06'),……]

轉載：http://blog.csdn.net/ictextr9/article/details/4008703