wordnet使用教程.doc

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; The newspaper published the news of the royal couples divorce; These news should not be printed) 2. (14) publish, bring out, put out, issue, release -- (prepare and issue for public distribution or sale; publish a magazine or newspaper) 3. (4) publish, write -- (have (ones written work) issued for publication; How many books did Georges Simenon write?; She published 25 books during her long career) 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: 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. 注： 一个synset(同义词集：指意义相同的词条的集合)被一个三元组描述：（单词.词性.序号）。这里的’dog.n.01’指：dog的第一个名词意思;’chase.v.01’指：chase的第一个动词意思 pos