python - WordNet:遍历同义词集

对于一个项目，我想衡量文本中“以人为本”的单词的数量。我计划使用WordNet进行此操作。我从未使用过它，我也不十分确定如何完成此任务。我想使用WordNet来计算属于某些同义词集的词的数量，例如sysnets的“human”和“person”。

我提出了以下(简单)代码段:

word = 'girlfriend'
word_synsets = wn.synsets(word)[0]

hypernyms = word_synsets.hypernym_paths()[0]

for element in hypernyms:
    print element

结果是:

Synset('entity.n.01')
Synset('physical_entity.n.01')
Synset('causal_agent.n.01')
Synset('person.n.01')
Synset('friend.n.01')
Synset('girlfriend.n.01')

我的第一个问题是，如何正确迭代上位音？在上面的代码中，它们打印得很好。但是，例如，使用“if”语句时:

count_humancenteredness = 0
for element in hypernyms:
    if element == 'person':
        print 'found person hypernym'
        count_humancenteredness +=1

我收到“AttributeError:'str'对象没有属性'_name'”。当单词确实属于“人”或“人”同义词时，我可以使用什么方法来遍历单词的上位词并执行操作(例如，增加以人为中心的计数)。

其次，这是一种有效的方法吗？我假设遍历多个文本并遍历每个名词的上位字母将花费相当长的时间。也许还有另一种使用WordNet来更有效地执行任务的方法。

谢谢你的帮助!

最佳答案

wrt错误消息
hypernyms = word_synsets.hypernym_paths()返回SynSet列表的列表。

因此

if element == 'person':

尝试将SynSet对象与字符串进行比较。 SynSet不支持这种比较。

尝试类似的东西

target_synsets = wn.synsets('person')
if element in target_synsets:
    ...

或者

if u'person' in element.lemma_names():
    ...

反而。

wrt效率

当前，您对输入文本中的每个单词都进行上位查询。如您所述，这不一定有效。但是，如果这足够快，请在此处停止，不要对未损坏的内容进行优化。

为了加快查找速度，您可以通过使用下位词的可传递闭包来预先预编译“与人相关”的单词列表，如here所述。

就像是

person_words = set(w for s in p.closure(lambda s: s.hyponyms()) for w in s.lemma_names())

应该做到的。这将返回一组〜10,000字，这些字在存储在主存储器中不会太多。

然后，单词计数器的简单版本就变成了

from collections import Counter

word_count = Counter()
for word in (w.lower() for w in words if w in person_words):
    word_count[word] += 1

但是，在将输入的单词传递到WordNet之前，您可能还需要使用词干或其他形态学缩减对输入的单词进行预处理。

关于python - WordNet:遍历同义词集，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/29647068/

wordnet

python - WordNet:遍历同义词集