python返回wordnet相似性度量的奇数结果

Question

我试图用python的wordnet来寻找两个单词之间的相似之处。两个示例关键字是‘博弈’和‘莱昂纳多’。首先，我已经提取了这两个单词的所有同义词，并交叉匹配每个同步集，以找到它们的相似性。这是我的密码

from nltk.corpus import wordnet as wn

xx = wn.synsets("game")
yy = wn.synsets("leonardo")
for x in xx:
    for y in yy:
        print x.name
        print x.definition
        print y.name
        print y.definition
        print x.wup_similarity(y)
        print '\n'

以下是总产出：

game.n.01意大利画家、雕塑家、工程师、科学家和建筑师的规则竞赛；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.285714285714 游戏.n.02意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.285714285714 游戏.n.03意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.25 游戏.n.04动物被猎杀为食物或运动，意大利画家，雕塑家，工程师，科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.923076923077 游戏.n.05(网球)一种游戏划分，在此期间，一名选手为莱昂纳多服务，意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519)，0.222222222222 游戏.n.06(游戏)意大利画家、雕塑家、工程师、科学家和建筑师在某一点上的得分或获胜所需的分数；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.285714285714 game.n.07意大利画家、雕塑家、工程师、科学家和建筑师的肉，是意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.5 图n.01意大利画家、雕塑家、工程师、科学家和建筑师做某事(特别是黑手或非法行为)的秘密计划；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.2 游戏.n.09意大利画家、雕塑家、工程师、科学家和建筑师玩某一游戏所需的游戏设备；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.666666666667 game.n.10意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.25 游戏.n.11意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.222222222222 bet_on.v.01押注于leonardo.n.01意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) -1 意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) -1 甘愿面对危险的意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) -1

但是，game.n.04和leonardo.n.01之间的相似之处真的很奇怪。我认为相似性(0.923076923077)不应该太高。

game.n.04 为了食物或运动而猎杀的动物 leonardo.n.01 意大利画家、雕塑家、工程师、科学家和建筑师；意大利文艺复兴时期最多才多艺的天才(1452-1519) 0.923076923077

我的概念有什么问题吗？

Answer 1

根据医生们，wup_similarity()方法返回..。

...a评分表示两个词的词义是多么相似，这取决于两个词义在分类学中的深度和它们最不常见的次盛器(最特定的祖先节点)的深度。

...and...

>>> from nltk.corpus import wordnet as wn
>>> game = wn.synset('game.n.04')
>>> leonardo = wn.synset('leonardo.n.01')
>>> game.lowest_common_hypernyms(leonardo)
[Synset('organism.n.01')]
>>> organism = game.lowest_common_hypernyms(leonardo)[0]
>>> game.shortest_path_distance(organism)
2
>>> leonardo.shortest_path_distance(organism)
3

...which就是为什么它认为它们很相似，尽管我.

>>> game.wup_similarity(leonardo)
0.7058823529411765

由于某种原因，...which是不同的。

更新

我想要一些测量来显示不同的(“游戏”，“国际象棋”)远比不同的(“游戏”，“莱昂纳多”)更少。

这样的事怎么样..。

from nltk.corpus import wordnet as wn
from itertools import product

def compare(word1, word2):
    ss1 = wn.synsets(word1)
    ss2 = wn.synsets(word2)
    return max(s1.path_similarity(s2) for (s1, s2) in product(ss1, ss2))

for word1, word2 in (('game', 'leonardo'), ('game', 'chess')):
    print "Path similarity of %-10s and %-10s is %.2f" % (word1,
                                                          word2,
                                                          compare(word1, word2))

...which指纹..。

Path similarity of game       and leonardo   is 0.17
Path similarity of game       and chess      is 0.25