从 NLTK for Python 中的同义词列表中提取单词答案

【问题标题】：Extract word from a list of synsets in NLTK for Python从 NLTK for Python 中的同义词列表中提取单词
【发布时间】：2015-06-12 22:06:12
【问题描述】：

使用这个[x for x in wn.all_synsets('n')]，在NLTK 的帮助下，我可以从Wordnet 中获得一个包含所有名词的allnouns 列表。

列表allnouns 看起来像这样Synset('pile.n.01'), Synset('compost_heap.n.01'), Synset('mass.n.03') 等等。现在我可以使用allnouns[2] 获取任何元素，这应该是Synset('mass.n.03')。

我只想提取单词 mass 但由于某种原因，我不能将其视为字符串，如果我尝试，我尝试的所有内容都会显示 AttributeError: 'Synset' object has no attribute 或 TypeError: 'Synset' object is not subscriptable 或 <bound method Synset.name of Synset('mass.n.03')>使用 .name 或 .pos

【问题讨论】：

标签： python nlp nltk list-comprehension wordnet

【解决方案1】：

试试这个解决方案怎么样：

>>>> from nltk.corpus import wordnet as wn
>>>> wn.synset('mass.n.03').name().split(".")[0]
'mass'

对于您的情况：

>>>> allnouns = [x for x in wn.all_synsets('n')]

第 23 个索引的项目是“Synset('substance.n.07')”。现在，您可以提取其名称字段，如

>>>> allnouns[23].name().split(".")[0]
'substance'   #output

如果您只想要列表中“名词”类别的同义词的“名称”字段，请使用：

>>>> [x.name().split(".")[0] for x in wn.all_synsets('n')]

应该正好给出你需要的结果。

注意：在 wordnet 中，name 不是属性而是函数！

【讨论】：

好吧，我不是想得到一个单词，就像我说的那样，我会用 [x for x in wn.all_synsets('n')] 将所有名词收集在一个列表中，然后从中列表我选择一个元素，假设 allnouns[2] 恰好是 Synset('mass.n.03')，现在我想提取字符串“mass”。我之前在某处看到过你的代码，但它搜索的是一个特定的词——不是我的情况
我们中的一个人做错了，因为我认为我们彼此不理解 :) 我相信你的代码运行得很好，但你错过了重点，或者我无法解释它。你从哪里得到“mass.n.03”？
我有一个包含使用上述代码生成的所有名词的元素列表 - 现在我的列表如下： allnouns = Synset('pile.n.01'), Synset('compost_heap.n. 01'), Synset('mass.n.03'), Synset('dunghill.n.02'), Synset('logjam.n.02'), Synset('shock.n.08') - 怎么可能我从该列表中只得到“堆肥”或“质量”或“冲击”之类的词？我已经完成了 x = allnouns[2] 并打印它会显示“Synset('mass.n.03')” - 太好了，现在我想要提取字符串“mass”
有效！我的错，你是对的 - 只需运行该死的代码！ :) 这有效：[x for x in wn.all_synsets('n')][2].name().split(".")[0]
让我们continue this discussion in chat.

【解决方案2】：

使用Synset.names() 获取同义词集的规范引理名称：

>>> from nltk.corpus import wordnet as wn
>>> wn.synsets('mass', 'n')
[Synset('mass.n.01'), Synset('batch.n.02'), Synset('mass.n.03'), Synset('mass.n.04'), Synset('mass.n.05'), Synset('multitude.n.03'), Synset('bulk.n.02'), Synset('mass.n.08'), Synset('mass.n.09')]
>>> wn.synsets('mass', 'n')[0]
Synset('mass.n.01')
>>> wn.synsets('mass', 'n')[0].name()
u'mass.n.01'
>>> wn.synsets('mass', 'n')[0].name().split('.')[0]
u'mass'

但请注意，有时同义词集由多个引理组成，因此如果您使用同义词集的表面词形式，则应使用Synset.lemma_names() 访问所有引理：

>>> wn.synsets('mass', 'n')[0].lemmas()
[Lemma('mass.n.01.mass')]
>>> wn.synsets('mass', 'n')[0].lemma_names()
[u'mass']
>>> wn.synsets('mass', 'n')[0].definition()
u'the property of a body that causes it to have weight in a gravitational field'

在 wn.synsets('mass', 'n')[0] 的情况下，只有 1 个引理附加到同义词集。但有时不止一个，例如

>>> wn.synsets('mass', 'n')[1].lemma_names()
[u'batch', u'deal', u'flock', u'good_deal', u'great_deal', u'hatful', u'heap', u'lot', u'mass', u'mess', u'mickle', u'mint', u'mountain', u'muckle', u'passel', u'peck', u'pile', u'plenty', u'pot', u'quite_a_little', u'raft', u'sight', u'slew', u'spate', u'stack', u'tidy_sum', u'wad']
>>> wn.synsets('mass', 'n')[1].definition()
u"(often followed by `of') a large number or amount or extent"

要准确列出 wordnet 中的所有单词列表，您可以尝试：

>>> from itertools import chain
>>> set(chain(*[i.lemma_names() for i in wn.all_synsets('n')]))
>>> len(set(chain(*[i.lemma_names() for i in wn.all_synsets('n')])))
119034

见Making a flat list out of list of lists in Python

【讨论】：