NLTK WordNet: Najděte synonyma z NLTK WordNet v Python

Co je Wordnet?

WordNet je čtečka korpusů NLTK, lexikální databáze pro angličtinu. Lze ji použít k nalezení významu slov, synonym nebo antonym. Lze ji definovat jako sémanticky orientovaný slovník angličtiny. WordNet se importuje následujícím příkazem:

from nltk.corpus import wordnet as guru

Protože WordNet je dodáván jako hotový korpus, můžete ho jednou načíst a okamžitě začít dotazovat vztahy mezi slovy, aniž byste si museli sami vytvářet slovník.

Najděte synonyma z NLTK WordNet v Python

Statistiky ukazují, že existují 155287 slov a 117659 synonym sady zahrnuté v anglickém WordNetu. Různé metody dostupné ve WordNetu lze nalézt u typing dir(guru), který vypíše všechny atributy zavaděče a pomocné metody zpřístupněné čtečkou korpusu.

Synset: Také se nazývá sada synonym nebo soubor synonymních slov. Podívejme se na příklad.

from nltk.corpus import wordnet
syns = wordnet.synsets("dog")
print(syns)

Výstup:

[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')]

Lexikální vztahy: Jedná se o sémantické vztahy, které jsou reciproční. Pokud existuje vztah mezi {x1,x2,…xn} a {y1,y2,…yn}, pak existuje také vztah mezi {y1,y2,…yn} a {x1,x2,…xn}. Například synonymum je opakem antonymum, zatímco hypernymum a hyponymum jsou typem lexikálního konceptu.

Pojďme napsat program pomocí Python najít synonymum a antonymum slova „aktivní“ pomocí WordNetu.

from nltk.corpus import wordnet
synonyms = []
antonyms = []
for syn in wordnet.synsets("active"):
    for l in syn.lemmas():
        synonyms.append(l.name())
        if l.antonyms():
            antonyms.append(l.antonyms()[0].name())
print(set(synonyms))
print(set(antonyms))

Výstup kódu:

{'dynamic', 'fighting', 'combat-ready', 'active_voice', 'active_agent', 'participating', 'alive', 'active'} -- Synonym
{'stative', 'passive', 'quiet', 'passive_voice', 'extinct', 'dormant', 'inactive'} -- Antonym

Vysvětlení kódu:

• WordNet je korpus, takže je importován z balíčku nltk.corpus.
• Dva seznamy synonym a antonymů jsou považovány za prázdné a budou použity pro doplňování.
• Synonyma slova „active“ jsou vyhledávána metodou synsets a přidávána do seznamu synonym. Stejný proces shromažďuje antonyma.
• Výstup se vytiskne jako Python nastaví tak, aby se duplicitní položky automaticky odstranily.

Kromě synonym a antonymů WordNet nabízí také hypernymy (širší pojmy), hyponymy (konkrétnější pojmy), holonymy a meronymy, takže jediný dotaz může umístit slovo do celé hierarchie vztahů „is-a“. Díky těmto relacím je WordNet praktickým tezaurusem pro kontrolu pravopisu, překlad jazyka, detekci spamu a další úkoly analýzy textu v umělé inteligenci.

Nejčastější dotazy