为标记列表中的每个单词只获取一个引理。

Question

对于标记列表中的每个单词，我只需要 wordnet 同义词集中的一个单词，而不是全部。如何为每个标记传递第一个引理的索引。这是我的代码：

from nltk.corpus import wordnet as wn

lemmas = []
text = ['one', 'oasis', 'halliday', 'avatar', 'time', 'school', 'year', 'thing', 'old', 'stack', 'every', 'world',
        'egg', 'game', 'around', 'real', 'name', 'room', 'still', 'even', 'began', 'trailer', 'much',
         'anorak', 'player']
for token in text:
    lemmas += [synset.lemmas()[0].name() for synset in wn.synsets(token)]
print(list(set(lemmas)))

print(len(lemmas))
print(len(text))

文本长度为 25，但引理长度为 203。

Answer 1

您可以执行以下操作：

from nltk.corpus import wordnet as wn

lemmas = []
text = ['one', 'oasis', 'halliday', 'avatar', 'time', 'school', 'year', 'thing', 'old', 'stack', 'every', 'world',
        'egg', 'game', 'around', 'real', 'name', 'room', 'still', 'even', 'began', 'trailer', 'much',
         'anorak', 'player']
for token in text:
    synsets = wn.synsets(token)
    if synsets:
        lemmas.append(synsets[0].lemmas()[0].name())

print(list(set(lemmas)))
print(len(lemmas))
print(len(text))

输出

['old', 'stack', 'about', 'school', 'universe', 'evening', 'room', 'egg', 'game', 'one', 'player', 'thing', 'name', 'every', 'get_down', 'much', 'year', 'still', 'time', 'real_number', 'oasis', 'dawdler', 'embodiment', 'parka']
24
25

引理的长度是 24，因为看起来单词 halliday 没有同义词集。这得到证实：

from nltk.corpus import wordnet as wn

synsets = wn.synsets('halliday')
print(synsets)

输出

[]

为标记列表中的每个单词只获取一个引理。

Get only one lemma for each word in the token list.

python

python-3.x

wordnet