如何使用python nltk在wordnet层次结构中找到两个synset之间的距离？

Question

假设我有两个同义词集synset(car.n.01')和synset (‘ban.n.01’)，如果我想在wordnet层次结构中找到这两个同义词集之间的距离，那么我如何使用nltk来实现？

我在互联网上搜索，但我得到的相似性算法，如lin，resnik，jcn等，都不是我的问题的解决方案。

请帮我解决这个问题。

Answer 1

来自this

路径相似度，wup_similarity和lch_similarity，所有这些都应该有效，因为它们是基于Wordnet层次结构中两个同义词集之间的距离。

dog = wn.synset('dog.n.01')
cat = wn.synset('cat.n.01')

dog.path_similarity(cat)

dog.lch_similarity(cat)

dog.wup_similarity(cat)

​

来自同一链接(相关部分以粗体显示)

​

synset1.path_similarity(synset2):

根据is-a (hypernym/)分类中连接词义的最短路径返回一个分数，表示两个单词的词义有多相似。分数在0到1的范围内，除非在那些找不到路径的情况下(只有动词才是真的，因为有许多不同的动词分类)，在这种情况下返回-1。得分为1表示同一性，即将意义与其本身进行比较将返回1。

乔多罗-利科克相似度：

返回一个分数，表示两个词义的相似程度，基于连接词义的最短路径(如上所述)和词义出现的分类的最大深度。关系被给出为-log(p/2d)，其中p是最短路径长度，d是分类深度。

synset1.wup_similarity(synset2)，Wu-Palmer相似度：

返回一个分数，表示两个词义的相似程度，基于这两个词义在分类中的深度以及它们的最小公共包含者(最具体的祖先节点)的深度。

Answer 2

"chatterbot comparison class"

您将在该文件中找到更多的距离处理