打印词性和单词的同义词

Question

我有以下代码，用于从输入文本文件中提取一个单词，并使用WordNet打印该单词的同义词、定义和例句。它根据词性将同义词从同义词集中分离出来，即动词同义词和形容词同义词分别打印。

这个词的同义词有: 1) flabbergast，boggle，bowl，上面是动词；2) stupefied，dumfounded，flabbergasted，stupefied，thunderstruck，dumbstricken，dumbstricken，这些都是形容词。

如何打印词性和同义词？到目前为止，我已经提供了下面的代码：

import nltk
from nltk.corpus import wordnet as wn
tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')
fp = open('sample.txt','r')
data = fp.read()
tokens= nltk.wordpunct_tokenize(data)
text = nltk.Text(tokens)
words = [w.lower() for w in text]
for a in words:
   print a 
syns = wn.synsets(a)
for s in syns:
   print 
   print "definition:" s.definition
   print "synonyms:"
   for l in s.lemmas:
      print l.name
   print "examples:"
   for b in s.examples:
      print b
   print 

Answer 1

只需对同义词集调用pos()即可。要列出一个引理的所有POS：

>>> from nltk.corpus import wordnet as wn
>>> syns = wn.synsets('dog')
>>> set([x.pos() for x in syns])
{'n', 'v'}

不幸的是，除了source code之外，似乎没有任何地方记录这一点，它显示了可以在同义词集上调用的其他方法。

同步集属性，可通过具有相同名称的方法访问：

• name：此同义词集的规范名称，使用此同义词集的第一个引理形成。请注意，如果该字符串使用不同的引理，则该名称可能与传递给构造函数的名称不同

识别同义词集的词性，匹配模块级属性ADJ、synset.

• pos：、ADV、NOUN或VERB.

• lemmas：此synset.

• definition：的词条对象列表此synset.

• examples：的定义此synset.

• offset：的示例字符串列表此synset.

• lexname：的WordNet字典文件中的偏移量包含此同义词的词典编排文件的名称。

Answer 2

看起来你弄乱了你的缩进：

for a in words:
   print a 
syns = wn.synsets(a)

看起来syns = wn.synsets(a)应该在words for循环中，这样你就可以对每个单词执行以下操作：

for w in words:
    print w
    syns = wn.synsets(w)
    for s in syns:
        print
        print "definition:", s.definition
        print "synonyms:"
        for l in s.lemmas:
            print l.name
        print "examples:"
        for b in s.examples:
            print b
    print

Answer 3

引理有一个synset属性，在它的pos属性中有它自己的词性。因此，如果我们有一个引理作为l，我们可以像这样访问它在spech中的一部分：

>>> l = Lemma('gladden.v.01.joy')
>>> l.synset.pos
'v'

更一般地，我们可以将其扩展到一个循环中，以读取您的文件。我使用with语句，因为一旦循环完成，它就可以很好地关闭文件。

>>> with open('sample.txt') as f:
...     raw = f.read()
...     for sentence in nltk.sent_tokenize(raw):
...         sentence = nltk.wordpunct_tokenize(sentence)
...         for word in sentence:
...             for synset in wn.synsets(word):
...                 for lemma in synset.lemmas:
...                     print lemma.name, lemma.synset.pos
...

如果你想确保你只选择词性与你当前谈论的词具有相同词性的词元，那么你也需要识别该词的词性：

>>> import nltk
>>> from nltk.corpus import wordnet as wn
>>> with open('sample.txt') as f:
...     raw = f.read()
...     for sentence in nltk.sent_tokenize(raw):
...         sentence = nltk.pos_tag(nltk.wordpunct_tokenize(sentence))
...         for word, pos in sentence:
...             print word, pos

我把协调这两个问题留给读者作为练习。