如何在给定偏移 ID 的情况下获取 WordNet 同义词集？答案

【问题标题】：How to get the WordNet synset given an offset ID?如何在给定偏移 ID 的情况下获取 WordNet 同义词集？
【发布时间】：2011-12-26 00:46:17
【问题描述】：

我有一个 WordNet 同义词集偏移量（例如 id="n#05576222"）。给定这个偏移量，我如何使用 Python 获取同义词集？

【问题讨论】：

标签： python python-2.7 nlp nltk wordnet

【解决方案1】：

对于 NTLK 3.2.3 或更高版本，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：

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，替换行

offsets_list = [(s.offset(), s) for s in syns]

与

offsets_list = [(s.offset, s) for s in syns]

因为在 NLTK 3.0 之前，offset 是属性而不是方法。

【讨论】：

offset 现在是一种方法。试试这个：offsets_dict = {s.offset(): s for s in wn.all_synsets()}
“NLTK 中没有内置方法” - 现在有！请参阅 donners45 的回答；这个已经过时了。

【解决方案2】：

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，偏移量作为键，; 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')

【讨论】：

【解决方案3】：

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)

这会根据其 POS 和 offest ID 返回一个同义词集。我认为这种方法仅在 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')

【讨论】：

这个解决方案需要一个 pos 标签，而 Suzana 的不需要。有人可以解释为什么 wn.synset_from_pos_and_offset() 需要 pos 标签吗？

【解决方案4】：

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')

【讨论】：