如何从 Wordnet 中获取按其出现概率排序的同义词

Question

我正在 Wordnet 中搜索大量单词的同义词。我这样做的方式是，当某个单词有多个同义词时，结果按字母顺序返回。我需要的是按照它们的发生概率对它们进行排序，我只选择前 1 个同义词。

我已经使用 prolog wordnet 数据库和 Syns2Index 将其转换为 Lucene 类型索引以查询同义词。有没有办法以这种方式让它们按概率排序，或者我应该使用另一种方法？

速度不重要，这个同义词查找不会在线完成。

Answer 1

如果有人偶然发现这个线程，这是要走的路（至少是我需要的）：

http://lyle.smu.edu/~tspell/jaws/doc/edu/smu/tspell/wordnet/impl/file/ReferenceSynset.html#getTagCount%28java.lang.String%29

tagCount 方法为每个单词提供最可能的同义词组。问题再次是具有高概率的同义词集可以有多个单词。但我想没有机会避免这种情况

Answer 2

我认为你应该再做一步（前提是速度不重要）。

从 Lucene 索引中，您应该构建另一个字典，其中每个单词都映射到一个小对象，该对象包含其含义具有较高出现概率、其含义和出现概率的唯一同义词。即，给定以下代码：

class Synonym {
public:
    String name;
    double probability;
    String meaning;
}

Map<String, Synonym> m = new HashMap<String, Synonym>();

...您只需从 Lucene 索引中填充它。