Как получить синтаксис WordNet с учетом идентификатора смещения?

Ответ 1

Как и в случае с NLTK 3.2.3, существует общедоступный метод для этого:

wordnet.synset_from_pos_and_offset(pos, offset)

В более ранних версиях вы можете использовать:

wordnet._synset_from_pos_and_offset(pos, offset)

Это возвращает синхронизацию на основе POS и идентификатора offest. Я думаю, что этот метод доступен только в NLTK 3.0, но я не уверен.

Пример:

from nltk.corpus import wordnet as wn
wn._synset_from_pos_and_offset('n',4543158)
>> Synset('wagon.n.01')

Ответ 2

Для NTLK 3.2.3 или новее см. ответ donners45.

Для более старых версий NLTK:

В NLTK нет встроенного метода, но вы можете использовать это:

from nltk.corpus import wordnet

syns = list(wordnet.all_synsets())
offsets_list = [(s.offset(), s) for s in syns]
offsets_dict = dict(offsets_list)

offsets_dict[14204095]
>>> Synset('heatstroke.n.01')

Затем вы можете рассортировать словарь и загружать его, когда вам это нужно.

Для версий NLTK до 3.0 замените строку

offsets_list = [(s.offset(), s) for s in syns]

с

offsets_list = [(s.offset, s) for s in syns]

так как до NLTK 3.0 offset был атрибутом вместо метода.

Ответ 3

Помимо использования NLTK, другой вариант заключается в использовании файла .tab из Open Multilingual WordNet http://compling.hss.ntu.edu.sg/omw/ для Princeton WordNet. Обычно я использовал рецепт ниже для доступа к wordnet в качестве словаря со смещением в качестве ключей и ; строк с разделителями как значения:

# Gets first instance of matching key given a value and a dictionary.    
def getKey(dic, value):
  return [k for k,v.split(";") in dic.items() if v in value]

# Read Open Multi WN .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

princetonWN = readWNfile('wn-data-eng.tab')
offset = "n#05576222"
offset = offset.split('#')[1]+'-'+ offset.split('#')[0]

print princetonWN.split(";")
print getKey('heatstroke')

Ответ 4

Вы можете использовать of2ss(), например:

from nltk.corpus import wordnet as wn
syn = wn.of2ss('01580050a')

вернется Synset('necessary.a.01')