logo标签列表

NLTK - WordNet：长单词列表

pythonnlpnltkwordnet
6

我想在WordNet中找到至少18个字符长的单词。我尝试了以下代码：

from nltk.corpus import wordnet as wn
sorted(w for w in wn.synset().name() if len(w)>18)

我收到了以下错误信息：

sorted(w for w in wn.synset().name() if len(w)>18)

TypeError: synset() missing 1 required positional argument: 'name'

我正在使用Python 3.4.3版本。 请问如何修复我的代码？
3个回答
5
使用wn.all_lemma_names()获取所有词元的列表。我相信这是Wordnet提供的所有单词，所以不需要迭代synsets（但如果您有兴趣，可以调用每个词元的synsets）。 您可能希望按长度对搜索结果进行排序：
longwords = [ n for n in wn.all_lemma_names() if len(n) > 18 ]
longwords.sort(key=len, reverse=True)
1
在回答之前，您需要了解NLTK中Wordnet接口的工作方式，请参见http://www.nltk.org/howto/wordnet.html。
Wordnet由可以用不同单词表示的概念索引，并包含语义信息。而NLTK中的Wordnet接口允许您搜索一个单词可以表示的概念，例如：
>>> from nltk.corpus import wordnet as wn
>>> wn.synsets('dog')
[Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('frank.n.02'), Synset('pawl.n.01'), Synset('andiron.n.01'), Synset('chase.v.01')]
>>> for ss in wn.synsets('dog'):
...     print ss, ss.definition()
... 
Synset('dog.n.01') a member of the genus Canis (probably descended from the common wolf) that has been domesticated by man since prehistoric times; occurs in many breeds
Synset('frump.n.01') a dull unattractive unpleasant girl or woman
Synset('dog.n.03') informal term for a man
Synset('cad.n.01') someone who is morally reprehensible
Synset('frank.n.02') a smooth-textured sausage of minced beef or pork usually smoked; often served on a bread roll
Synset('pawl.n.01') a hinged catch that fits into a notch of a ratchet to move a wheel forward or prevent it from moving backward
Synset('andiron.n.01') metal supports for logs in a fireplace
Synset('chase.v.01') go after with the intent to catch

访问WordNet中的所有同义词集：

wn.all_synsets()

对于每个同义词集，您可以查找与同义词集相关的不同功能，例如：

>>> ss = wn.synsets('dog')[0] # First synset for the word 'dog'
>>> ss.definition()
u'a member of the genus Canis (probably descended from the common wolf) that has been domesticated by man since prehistoric times; occurs in many breeds'
>>> ss.hypernyms()
[Synset('canine.n.02'), Synset('domestic_animal.n.01')]
>>> ss.hyponyms()
[Synset('basenji.n.01'), Synset('corgi.n.01'), Synset('cur.n.01'), Synset('dalmatian.n.02'), Synset('great_pyrenees.n.01'), Synset('griffon.n.02'), Synset('hunting_dog.n.01'), Synset('lapdog.n.01'), Synset('leonberg.n.01'), Synset('mexican_hairless.n.01'), Synset('newfoundland.n.01'), Synset('pooch.n.01'), Synset('poodle.n.01'), Synset('pug.n.01'), Synset('puppy.n.01'), Synset('spitz.n.01'), Synset('toy_dog.n.01'), Synset('working_dog.n.01')]
>>> ss.name()
u'dog.n.01'
>>> ss.lemma_names() # Other words that can represent this concept.
[u'dog', u'domestic_dog', u'Canis_familiaris']

因此，您可以用一行代码做到这一点，但它不太易读：

sorted(ss.name() for ss in wn.all_synsets() if len(ss.name())>18)

请注意，这只会给你一个由Synsets的索引组成的词元名称列表。同时，在检查len(ss.name()) > 18时，您包含了POS标记和索引ID（即synset的索引名称中的.s.01）。

因此，您需要使用lemma_names()而不是name()。

>>> from itertools import chain
>>> sorted(lemma for lemma in chain(*(ss.lemma_names() for ss in wn.all_synsets())) if len(lemma) > 18)

或者，在链接和排序之前收集词元时，您可以检查其长度：

>>> sorted(chain(*([lemma for lemma in ss.lemma_names() if len(lemma)>18] for ss in wn.all_synsets())))

注意：通过迭代同义词集并获取lemma_names()，您将获得重复的lemma_names()，以及首字母大写的lemma_names()与非首字母大写的lemma_names()。
当然，您不需要遍历所有这些麻烦，因为有一个内置函数。
>>> sorted(lemma for lemma in wn.all_lemma_names() if len(lemma) > 18)
-1
此函数仅为您提供由“word”索引的同义词集的引理名称。另外，Synset.name仅会给出索引引理名称。 ;P - alvas
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接