我有一个印地语 wordnet 的数据库和 API。我想从 NLTK python 访问这个 wordnet。有什么方法可以将我们自己的 wordnet 添加到 NLTK 中？ [关闭]

Question

我有一个印地语 wordnet 的数据库和 API。我想从 NLTK python 访问这个 wordnet，以便在我们的 wordnet 中使用 NLTK Wordnet 函数。有没有办法将我们自己的 wordnet 添加到 NLTK 中？ 要么 是否有任何印地语词义消歧工具（可以在任何语言 Wordnet 上进行一些修改）（从 wordnet 中给出最合适的意义）？

Answer 1

如果您查看您的 nltk_data 文件夹，您会发现 wordnet 和其他所有 NLTK 语料库一样只是一堆纯文本文件。因此，必须有一种方法来格式化印地语 wordnet，就像使用 NLTK 一样来使用这些功能。以下是正在读取这些文件的 nltk.corpus.reader.wordnet 对象的摘录：

#: A list of file identifiers for all the fileids used by this
#: corpus reader.
_FILES = ('cntlist.rev', 'lexnames', 'index.sense',
          'index.adj', 'index.adv', 'index.noun', 'index.verb',
          'data.adj', 'data.adv', 'data.noun', 'data.verb',
          'adj.exc', 'adv.exc', 'noun.exc', 'verb.exc', )

def __init__(self, root):
    """
    Construct a new wordnet corpus reader, with the given root
    directory.
    """
    super(WordNetCorpusReader, self).__init__(root, self._FILES,
                                              encoding=self._ENCODING)

我想您并不真的需要生成所有这些文件，但更重要的是必须使用“index.sense”文件进行词义消歧。这不是由 NLTK 生成的，但必须在此之前进行预处理，或者必须以以下格式随印地语 wordnet 一起提供 - http://wordnet.princeton.edu/wordnet/man/senseidx.5WN.html。

完成所有步骤后，我只需转到 ../nltk/corpus/reader/wordnet.py 并创建一个副本，您可以在其中更改根目录和文件名，也许还有一些其他依赖项，但仍然使用功能或更改现有课程中所需的内容（不推荐）。

附：我在谷歌上搜索了一下，得到了http://www.cs.utexas.edu/~rashish/cs365ppt.pdf 的链接，它引用了有关该主题的许多其他来源。