从 Python 的 NLTK 同义词集列表中提取单词

Question

使用这个 [x for x in wn.all_synsets('n')] 我能够在 NLTK 的帮助下从 Wordnet 获得一个包含所有名词的列表 allnouns。

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')。

我想只提取 mass 这个词，但出于某种原因我不能把它当作字符串对待，我尝试的所有内容都显示 AttributeError: 'Synset' object has no attribute 或 TypeError: 'Synset' object is not subscriptable 或 <bound method Synset.name of Synset('mass.n.03')> 如果我尝试使用 .name 或 .pos

Answer 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'

针对您的情况：

>>>> 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 'noun' 类别的同义词集的 'name' 字段，则使用：

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

应该能准确给出您需要的结果。

注意：在wordnet中，name不是属性而是函数！

Answer 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词条组成，因此如果您使用同义词集的表面词形式，则应使用 Synset.lemma_names() 访问所有词条：

>>> 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 个词条附加到同义词集。但有时会有不止一个，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"

并且要精确到 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

从 Python 的 NLTK 同义词集列表中提取单词

Extract word from a list of synsets in NLTK for Python

python

nlp

nltk

list-comprehension

wordnet