从NLTK for Python中的同义词列表中提取单词

Posted 2021-04-18

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

列表allnouns看起来像这个Synset('pile.n.01'), Synset('compost_heap.n.01'), Synset('mass.n.03')等。现在我可以通过使用allnouns[2]得到任何元素，这应该是Synset('mass.n.03')。

我想只提取单词质量，但由于某种原因我不能把它当作一个字符串，我尝试的一切显示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

答案

尝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'

对于你的情况：

>>>> 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

>>>> allnouns[23].name().split(".")[0]
'substance'   #output

如果您只想要列表中“名词”类别的同义词集的“名称”字段，请使用：

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

应该准确地给出你需要的结果。

注意：在wordnet中，name不是属性，而是一个函数！

另一答案

使用Synset.names()获取synset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，有时一个synset由几个引理组成，所以如果你使用的是synset的表面单词形式，你应该使用Synset.lemma_names()来访问所有的lemmas：

>>> 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]案例中，只有1个引理附加到synset。但有时不止一个，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"

要确定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