如何在 NLTK 中获取同义词集的 wordnet 感知频率？

Question

根据文档，我可以像这样在 nltk 中加载带有感觉标记的语料库：

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

我也可以得到definition、pos、offset、examples这样的：

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

但是如何从语料库中获取同义词集的频率？ 分解问题：

1. 首先如何计算一个同义词集在一个有义标签的语料库中出现的次数？
2. 那么下一步是除以计数除以给定特定引理的所有同义词集出现的计数总数。

Answer 1

如果您只需要知道最常用的词是什么，您可以使用wn.synsets(word)[0]，因为 WordNet 通常将它们从最频繁到最不频繁排列。

（来源：Daniel Jurafsky 的语音和语言处理第二版）

Answer 2

我设法做到了。

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]