NLTK wordnet 接口中的第 0 个同义词集

Posted 2023-02-24

【中文标题】NLTK wordnet 接口中的第 0 个同义词集

【英文标题】：0th synset in NLTK wordnet interface

【发布时间】：2013-08-30 12:31:00

【问题描述】：

从 semcorp 语料库 (http://www.cse.unt.edu/~rada/downloads.html) 中，有些感觉没有映射到更高版本的 wordnet。神奇的是，映射可以在 NLTK WordNet API 中找到，如下所示：

>>> from nltk.corpus import wordnet as wn
# Emunerate the possible senses for the lemma 'delayed'
>>> wn.synsets('delayed')
[Synset('delay.v.01'), Synset('delay.v.02'), Synset('stay.v.06'), Synset('check.v.07'), Synset('delayed.s.01')]
>>> wn.synset('delay.v.01')
Synset('delay.v.01')
# Magically, there is a 0th sense of the word!!!
>>> wn.synset('delayed.a.0')
Synset('delayed.s.01')

我检查了代码和 API（http://nltk.googlecode.com/svn/trunk/doc/api/nltk.corpus.reader.wordnet.Synset-class.html，http://nltk.org/_modules/nltk/corpus/reader/wordnet.html），但我找不到他们是如何进行不应该存在的神奇映射的（例如 delayed.a.0 -> @ 987654326@).

有谁知道 NLTK Wordnet API 代码的哪一部分做了神奇的映射？

【参考方案1】：

我猜这是一个错误。当您执行wn.synset('delayed.a.0') 时，方法中的前两行是：

lemma, pos, synset_index_str = name.lower().rsplit('.', 2)
synset_index = int(synset_index_str) - 1

所以在这种情况下synset_index 的值是-1，这是python 中的有效索引。在lemma 是delayed 和pos 是a 的同义词组中查找时它不会失败。

通过这种行为，您可以做一些棘手的事情，例如：

>>> wn.synset('delay.v.-1')
Synset('stay.v.06')