wordnet 路径相似性是可交换的吗？

Question

我正在使用来自 nltk 的 wordnet API。 当我将一个同义词集与另一个比较时，我得到了None，但是当我反过来比较它们时，我得到一个浮点值。

他们不应该给出相同的值吗？ 有没有解释或者这是wordnet的错误？

例子：

wn.synset('car.n.01').path_similarity(wn.synset('automobile.v.01')) # None
wn.synset('automobile.v.01').path_similarity(wn.synset('car.n.01')) # 0.06666666666666667

Answer 1

我不认为这是 wordnet 本身的错误。在您的情况下，汽车被指定为动词，汽车被指定为名词，因此您需要查看同义词集以查看图表的外观并确定网络是否正确标记。

A = 'car.n.01'
B = 'automobile.v.01'
C = 'automobile.n.01'


wn.synset(A).path_similarity(wn.synset(B)) 
wn.synset(B).path_similarity(wn.synset(A)) 


wn.synset(A).path_similarity(wn.synset(C)) # is 1
wn.synset(C).path_similarity(wn.synset(A)) # is also 1

Answer 2

从技术上讲，如果没有虚拟根，car 和 automobile 同义词集将没有相互链接：

>>> from nltk.corpus import wordnet as wn
>>> x = wn.synset('car.n.01')
>>> y = wn.synset('automobile.v.01')
>>> print x.shortest_path_distance(y)
None
>>> print y.shortest_path_distance(x)
None

现在，让我们仔细看看虚拟根问题。首先，NLTK 中有一个简洁的函数可以说明同义词集是否需要虚拟根：

>>> x._needs_root()
False
>>> y._needs_root()
True

接下来，当你查看path_similarity代码（http://nltk.googlecode.com/svn-/trunk/doc/api/nltk.corpus.reader.wordnet-pysrc.html#Synset.path_similarity）时，你可以看到：

def path_similarity(self, other, verbose=False, simulate_root=True):
  distance = self.shortest_path_distance(other, \
               simulate_root=simulate_root and self._needs_root())

  if distance is None or distance < 0:
    return None
  return 1.0 / (distance + 1)

所以对于automobile synset，当您尝试y.path_similarity(x) 时，此参数simulate_root=simulate_root and self._needs_root() 将始终为True，而当您尝试x.path_similarity(y) 时，它将始终为False，因为x._needs_root() 是False：

>>> True and y._needs_root()
True
>>> True and x._needs_root()
False

现在当path_similarity() 传递给shortest_path_distance() (https://nltk.googlecode.com/svn/trunk/doc/api/nltk.corpus.reader.wordnet-pysrc.html#Synset.shortest_path_distance) 然后传递给hypernym_distances() 时，它将尝试调用上位词列表来检查它们的距离，没有simulate_root = True，automobile synset 不会连接到car，反之亦然：

>>> y.hypernym_distances(simulate_root=True)
set([(Synset('automobile.v.01'), 0), (Synset('*ROOT*'), 2), (Synset('travel.v.01'), 1)])
>>> y.hypernym_distances()
set([(Synset('automobile.v.01'), 0), (Synset('travel.v.01'), 1)])
>>> x.hypernym_distances()
set([(Synset('object.n.01'), 8), (Synset('self-propelled_vehicle.n.01'), 2), (Synset('whole.n.02'), 8), (Synset('artifact.n.01'), 7), (Synset('physical_entity.n.01'), 10), (Synset('entity.n.01'), 11), (Synset('object.n.01'), 9), (Synset('instrumentality.n.03'), 5), (Synset('motor_vehicle.n.01'), 1), (Synset('vehicle.n.01'), 4), (Synset('entity.n.01'), 10), (Synset('physical_entity.n.01'), 9), (Synset('whole.n.02'), 7), (Synset('conveyance.n.03'), 5), (Synset('wheeled_vehicle.n.01'), 3), (Synset('artifact.n.01'), 6), (Synset('car.n.01'), 0), (Synset('container.n.01'), 4), (Synset('instrumentality.n.03'), 6)])

所以理论上，正确的path_similarity是0 / None，但是因为simulate_root=simulate_root and self._needs_root()参数，

NLTK API 中的nltk.corpus.wordnet.path_similarity() 不可交换。

但是代码也没有错误/错误，因为通过根来比较任何同义词集距离将一直很远，因为虚拟*ROOT* 的位置永远不会改变，所以最好的做法是这样做计算路径相似度：

>>> from nltk.corpus import wordnet as wn
>>> x = wn.synset('car.n.01')
>>> y = wn.synset('automobile.v.01')

# When you NEVER want a non-zero value, since going to 
# the *ROOT* will always get you some sort of distance 
# from synset x to synset y
>>> max(wn.path_similarity(x,y), wn.path_similarity(y,x))

# when you can allow None in synset similarity comparison
>>> min(wn.path_similarity(x,y), wn.path_similarity(y,x))