NLTK WordNet: Find synonymer fra NLTK WordNet i Python

Af: Evelyn Clarke Evelyn Clarke
Hours Opdateret

⚡ Smart opsummering

WordNet er en leksikalsk database og NLTK-korpuslæser til engelsk, der grupperer substantiver, verber, adjektiver og adverbier i synsæt, så Python Programmer slår synonymer, antonymer, hypernymer og ordbetydninger op til behandling af naturlig sprog.

  • 🧩 Korpuslæser: WordNet er importeret fra nltk.corpus og fungerer som en semantisk orienteret ordbog over engelsk.
  • 🔁 Synsæt: Et synset er en samling af synonymord, såsom de otte betydninger, der returneres for "hund".
  • 🔗 Leksikale relationer: Gensidige semantiske links forbinder synonymer, antonymer, hypernymer og hyponymer.
  • 🧪 Synonymer og antonymer: Looping over synsæt og lemmaer samler alle synonymer og antonymer til et ord.
  • ???? Hierarki: Hypernymer, hyponymer, holonymer og meronymer organiserer ord i undernet af substantiv, verbum, adjektiv og adverb.
  • 🤖 AI-fordel: WordNet understøtter tekstanalyseopgaver som stavningskorrektion, oversættelse og spamdetektion.
Læs mere

NLTK WordNet

Hvad er Wordnet?

WordNet er en NLTK-korpuslæser, en leksikalsk database for engelsk. Den kan bruges til at finde betydningen af ​​ord, et synonym eller et antonym. Man kan definere den som en semantisk orienteret ordbog for engelsk. WordNet importeres med følgende kommando:

from nltk.corpus import wordnet as guru

Fordi WordNet leveres som et færdiglavet korpus, kan du indlæse det én gang og straks begynde at forespørge på ordrelationer uden selv at bygge en ordbog.

Find synonymer fra NLTK WordNet i Python

Statistik viser, at der er 155287 ord og 117659 synonymer sæt inkluderet i engelsk WordNet. Forskellige metoder tilgængelige med WordNet kan findes af typing dir(guru), som viser alle loader-attributter og hjælpemetoder, der eksponeres af corpuslæseren.

Synset: Det kaldes også et synonymsæt eller en samling af synonymord. Lad os se på et eksempel.

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

Output:

[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')]

Leksikale relationer: Dette er semantiske relationer, som er gengældte. Hvis der er en relation mellem {x1,x2,…xn} og {y1,y2,…yn}, så er der også en relation mellem {y1,y2,…yn} og {x1,x2,…xn}. For eksempel er synonym det modsatte af antonym, mens hypernymer og hyponymer er en type leksikalsk begreb.

Lad os skrive et program vha Python at finde synonymet og antonymet til ordet "aktiv" ved hjælp af WordNet.

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))

Udgangen af ​​koden:

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

RELATEREDE ARTIKLER

Forklaring af koden:

  • WordNet er et korpus, så det importeres fra nltk.corpus-pakken.
  • To lister for synonymer og antonymer tages som tomme, og disse vil blive brugt til tilføjelser.
  • Synonymer til ordet "aktiv" søges i synsets-metoden og tilføjes til listen over synonymer. Den samme proces indsamler antonymer.
  • Outputtet udskrives som Python sæt, så dubletter fjernes automatisk.

Ud over synonymer og antonymer eksponerer WordNet også hypernymer (bredere termer), hyponymer (mere specifikke termer), holonymer og meronymer, så en enkelt forespørgsel kan placere et ord i et helt er-et-hierarki. Disse relationer gør WordNet til en praktisk synonymordbog til stavekontrol, sprogoversættelse, spamdetektion og andre tekstanalyseopgaver inden for kunstig intelligens.

Ofte Stillede Spørgsmål

WordNet er en NLTK-korpuslæser og leksikalsk database for engelsk. Den fungerer som en semantisk orienteret ordbog, der giver dig mulighed for at slå betydningen, synonymerne og antonymerne af et ord op med simple Python kommandoer.

Et synset, en forkortelse for synonymsæt, er en gruppe af ord, der deler det samme koncept. Kald af wordnet.synsets("dog") returnerer flere synsets, der hver repræsenterer én distinkt betydning af ordet "dog".

Gennemgå wordnet.synsets(word), og gentag derefter hvert synsæts lemmas(). Tilføj lemma.name() for at indsamle synonymer, og kald lemma.antonyms() for at indsamle antonymer. Wrapping Resultaterne i set() fjerner dubletter.

Et hypernym er et bredere, generisk udtryk (måltid er et hypernym for morgenmad), mens et hyponym er et mere specifikt udtryk (ris er et hyponym for måltid). WordNet forbinder disse for at danne et er-et hierarki.

English WordNet indeholder omkring 155,287 ord organiseret i omtrent 117,659 synonymsæt. Databasen spænder over fire ordklasser: substantiver, verber, adjektiver og adverbier, der hver er gemt i sit eget undernet.

Inden for kunstig intelligens understøtter WordNet tekstanalyseopgaver såsom flertydighedsfjernelse, stavekorrektion, sprogoversættelse og spamdetektion. Dets strukturerede relationer giver maskinlæringsmodeller rigere sproglige funktioner end rå tokens alene.

Ja. AI- og maskinlæringspipelines bruger WordNet-lighedsmål som stilighed og Wu-Palmer-lighed. De scorer, hvor tæt to synsæt er på hinanden, ved at måle den korteste sti mellem dem i hypernym- og hyponymhierarkiet.

En normal ordbog oplister definitioner alfabetisk. WordNet forbinder i stedet ord efter betydning gennem synsæt og leksikalske relationer, så den opfører sig som en kombineret ordbog og synonymordbog, som maskiner kan gennemgå programmatisk.

Opsummer dette indlæg med: