如何打印出 WordNet 同义词集的主要词条？ Python NLTK

Question

我有一大套 WordNet 同义词集。此集合的一小部分是：

syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}

我想打印出集合中每个同义词集的同义词集术语（同义词集的主要词条）。比如上面这组的输出应该是：

brutal, benignant

这是我使用的代码：

    from nltk.corpus import wordnet as wn
    for s in syns:
        print(wn.s.lemmas[0])

但这不起作用，因为 s 被认为是字符串，而不是对象。我收到以下错误：

AttributeError: 'WordNetCorpusReader' object has no attribute 's'

这是因为 s 被视为一个字符串，而不是一个对象。我尝试将 s 更改为字节形式，如下所示：

    s = bytes(s)

但这不起作用。如何以最简单的方式只打印出上面提到的引理？

我检查了 here，这是一个很好的方法，但我的同义词集是字符串形式的，实际上不是对象。

提前致谢..

Answer 1

如果我正确理解你的数据，你可以遍历字符串列表并使用正则表达式来解析它们。

import re
synsnew=[]
for word in syns:
    try:
        synsnew.append(re.search(r"'(\w+)\.",word).group(1))
    except:
        pass

Answer 2

TL;DR

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [wn.synset(i[8:-2]) for i in syns]
[Synset('benignant.s.02'), Synset('brutal.s.04')]
>>> syns = [wn.synset(i[8:-2]) for i in syns]
>>> syns[0].lemma_names()
[u'benignant', u'gracious']

首先，获取以字符串形式打印出的类型的输入很奇怪。因此，第一个直观的方法是使用 Synset 类型 ast.literal_eval() 或 eval()，https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py#L305 (but before that see http://nedbatchelder.com/blog/201206/eval_really_is_dangerous.html):

>>> from nltk.corpus.reader.wordnet import Synset
>>> from nltk.corpus import wordnet as wn
>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [eval(i) for i in syns]
[Synset('None'), Synset('None')]

显然，Synset class 无法独立于 nltk.corpus.wordnet 工作。因此，我们改为查看 wordnet.synset() 函数 (https://github.com/nltk/nltk/blob/develop/nltk/corpus/reader/wordnet.py#L1217)。它似乎只需要一个 Synset 对象的预分配名称，所以：

>>> wn.synset('brutal.s.04')
Synset('brutal.s.04')
>>> type(wn.synset('brutal.s.04'))
<class 'nltk.corpus.reader.wordnet.Synset'>

然后当你输入的伪字符串 synset syns 变成一个 Synset 时，你可以很容易地控制 Synset，如图所示 How do I print out just the word itself in a WordNet synset using Python NLTK?

回到你奇怪的输入 syns，执行以下操作会给我同义词集的名称：

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> list(syns)[0]
"Synset('benignant.s.02')"
>>> list(syns)[0][8:-2]
'benignant.s.02'

所以回到将其转换为 Synset 的过程：

>>> syns = {"Synset('brutal.s.04')", "Synset('benignant.s.02')"}
>>> [wn.synset(i[8:-2]) for i in syns]
[Synset('benignant.s.02'), Synset('brutal.s.04')]
>>> syns = [wn.synset(i[8:-2]) for i in syns]
>>> syns[0].lemma_names()
[u'benignant', u'gracious']

但是让我们一起回滚，你得到一个奇怪的输入 syns 因为有人通过简单地将 str() 转换为 Synset 对象保存了他们的输出：

>>> syns[0]
Synset('benignant.s.02')
>>> str(syns[0])
"Synset('benignant.s.02')"

此人可以简单地完成：

>>> syns[0].name()
u'benignant.s.02'

然后您的输入 syns 对象将如下所示：

syns = {u'brutal.s.04', u'benignant.s.02'}

要阅读它，您只需执行以下操作：

>>> from nltk.corpus import wordnet as wn
>>> syns = {u'brutal.s.04', u'benignant.s.02'}
>>> syns = [wn.synset(i) for i in syns]
>>> syns[0]
Synset('brutal.s.04')
>>> syns[0].lemma_names()
[u'brutal']

如何打印出 WordNet 同义词集的主要词条？ Python NLTK

How can I print out the main lemma of a WordNet synset? Python NLTK

python

nltk

wordnet

TL;DR

如何打印出 Wo​​rdNet 同义词集的主要词条？ Python NLTK

How can I print out the main lemma of a WordNet synset? Python NLTK

python

nltk

wordnet

TL;DR

如何打印出 WordNet 同义词集的主要词条？ Python NLTK