Для wordnet это ресурсы для определения слова, поэтому элементы в ресурсе индексируются чувствами (aka synsets
).
перебрать synsets
:
>>> from nltk.corpus import wordnet as wn
>>> for ss in wn.all_synsets():
... print ss
... print ss.definition()
... break
...
Synset('able.a.01')
(usually followed by `to') having the necessary means or skill or know-how or authority to do something
Для каждого synset (смысл/концепции), есть список слов, прикрепленных к нему, называется lemmas
: леммы каноническая («корень») форма которые мы используем при проверке словаря.
Чтобы получить полный список чешуй в WordNet, используя один-лайнер:
>>> lemmas_in_wordnet = set(chain(*[ss.lemma_names() for ss in wn.all_synsets()]))
Интересно, что wn.words()
также вернет все lemma_names
:
>>> lemmas_in_words = set(i for i in wn.words())
>>> len(lemmas_in_wordnet)
148730
>>> len(lemmas_in_words)
147306
Но странно там уже некоторые расхождения по отношению к общему количеству слов, собранных с использованием wn.words()
.
«Печать полного содержания» из WordNet в текст, кажется, что-то слишком амбициозными, потому что wordnet
структурировано вроде иерархического графа, с synsets соединенных друг с другом, и каждый synset имеет свои собственные свойства/атрибуты. Вот почему файлы wordnet не сохраняются просто как один текстовый файл.
Чтобы увидеть, что synset содержит:
>>> first_synset = next(wn.all_synsets())
>>> dir(first_synset)
['__class__', '__delattr__', '__dict__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__gt__', '__hash__', '__init__', '__le__', '__lt__', '__module__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__slots__', '__str__', '__subclasshook__', '__unicode__', '__weakref__', '_all_hypernyms', '_definition', '_examples', '_frame_ids', '_hypernyms', '_instance_hypernyms', '_iter_hypernym_lists', '_lemma_names', '_lemma_pointers', '_lemmas', '_lexname', '_max_depth', '_min_depth', '_name', '_needs_root', '_offset', '_pointers', '_pos', '_related', '_shortest_hypernym_paths', '_wordnet_corpus_reader', 'also_sees', 'attributes', 'causes', 'closure', 'common_hypernyms', 'definition', 'entailments', 'examples', 'frame_ids', 'hypernym_distances', 'hypernym_paths', 'hypernyms', 'hyponyms', 'instance_hypernyms', 'instance_hyponyms', 'jcn_similarity', 'lch_similarity', 'lemma_names', 'lemmas', 'lexname', 'lin_similarity', 'lowest_common_hypernyms', 'max_depth', 'member_holonyms', 'member_meronyms', 'min_depth', 'name', 'offset', 'part_holonyms', 'part_meronyms', 'path_similarity', 'pos', 'region_domains', 'res_similarity', 'root_hypernyms', 'shortest_path_distance', 'similar_tos', 'substance_holonyms', 'substance_meronyms', 'topic_domains', 'tree', 'unicode_repr', 'usage_domains', 'verb_groups', 'wup_similarity']
Переход через эту howto
будет полезно знать, как получить доступ к необходимой информации в WordNet: http://www.nltk.org/howto/wordnet.html
Я использую NLTK 3.0.3 и 'lemmas_in_words = set (i для i в wn.words())' дает мне: AttributeError: объект WordNetCorpusReader не имеет атрибутов 'words' – zadrozny
Обновить его к NLTK 3.1 'pip install -U nltk' =) – alvas
Спасибо. Это сделал трюк. Кстати, я вижу, ты был в НТУ. Я посетил TW в этом году в течение нескольких месяцев и очень понравился. – zadrozny