wordnet使用教程

Wordnet是一个词典。每个词语(word)可能有多个不同的语义，对应不同的sense。而每个不同的语义（sense）又可能对应多个词，如topic和subject在某些情况下是同义的，

一个sense中的多个消除了多义性的词语叫做lemma。 例如，“publish”是一个word，它可能有多个sense：

1. (39) print, publish -- (put into print; \couple's divorce\

2. (14) publish, bring out, put out, issue, release -- (prepare and issue for public distribution or sale; \

3. (4) publish, write -- (have (one's written work) issued for publication; \did Georges Simenon write?\

在第一个sense中，print和publish都是lemma。Sense 1括号内的数字39表示publish以sense 1在某外部语料中出现的次数。显然，publish大多数时候以sense 1出现，很少以sense 3出现。 WordNet的具体用法

NLTK是python的一个自然语言处理工具，其中提供了访问wordnet各种功能的函数。下面简单列举一些常用功能： 得到wordnet本身：

from nltk.corpus import wordnet

获得一个词的所有sense，包括词语的各种变形的sense（语义）： wordnet.synsets('published') [Synset('print.v.01'), Synset('publish.v.02'), Synset('publish.v.03'), Synset('published.a.01'), Synset('promulgated.s.01')]

得到synset的词性： >>> related.pos

's'

得到一个sense的所有lemma： >>> wordnet.synsets('publish')[0].lemmas

[Lemma('print.v.01.print'), Lemma('print.v.01.publish')]

得到Lemma出现的次数：

>>> wordnet.synsets('publish')[0].lemmas[1].count() 39

在wordnet中，名词和动词被组织成了完整的层次式分类体系，因此可以通过计算两个sense在分类树中的距离，这个距离反应了它们的语义相似度： >>> x = wordnet.synsets('recommended')[-1] >>> y = wordnet.synsets('suggested')[-1] >>> x.shortest_path_distance(y) 0

形容词和副词的相似度计算方法：

形容词和副词没有被组织成分类体系，所以不能用path_distance。 >>> a = wordnet.synsets('beautiful')[0] >>> b = wordnet.synsets('good')[0]

>>> a.shortest_path_distance(b) -1

形容词和副词最有用的关系是similar to。 >>> a = wordnet.synsets('glorious')[0] >>> a.similar_tos()

[Synset('incandescent.s.02'), Synset('divine.s.06'), ??]

WordNet是面向语义的英语词典，类似于传统字典。它是NLTK语料库的一部分,可以被这样调用：

更简洁的写法:

1．单词

? ?

dog

英[d?g] 美[d?ɡ]

? n. 狗；丑女人；卑鄙的人；(俚)朋友 ? vt. 跟踪；尾随

查看一个单词的同义词集用synsets(); 它有一个参数pos，可以指定查找的词性。这里得到的同义词集是同义词集的集合，即里面不是单纯的词，是同义词的集合.