Wie erhält man das WordNet-Synset anhand einer Offset-ID?

Question

Ich habe einen WordNet-Synset-Offset (zum Beispiel id="n#05576222" ). Wie kann ich angesichts dieses Offsets das Synset mit Python ermitteln?

Answer 1

Seit NLTK 3.2.3 gibt es eine öffentliche Methode, um dies zu tun:

wordnet.synset_from_pos_and_offset(pos, offset)

In früheren Versionen können Sie das verwenden:

wordnet._synset_from_pos_and_offset(pos, offset)

Dies gibt ein Synset auf der Grundlage seiner POS- und Offest-ID zurück. Ich glaube, diese Methode ist nur in NLTK 3.0 verfügbar, aber ich bin mir nicht sicher.

Beispiel:

from nltk.corpus import wordnet as wn
wn.synset_from_pos_and_offset('n',4543158)
>> Synset('wagon.n.01')

Answer 2

Für NTLK 3.2.3 oder neuere Versionen lesen Sie bitte die Antwort von donners45.

Für ältere Versionen von NLTK:

Es gibt keine eingebaute Methode im NLTK, aber Sie könnten diese verwenden:

from nltk.corpus import wordnet

syns = list(wordnet.all_synsets())
offsets_list = [(s.offset(), s) for s in syns]
offsets_dict = dict(offsets_list)

offsets_dict[14204095]
>>> Synset('heatstroke.n.01')

Sie können das Wörterbuch dann speichern und bei Bedarf laden.

Für NLTK-Versionen vor 3.0 ersetzen Sie die Zeile

offsets_list = [(s.offset(), s) for s in syns]

と

offsets_list = [(s.offset, s) for s in syns]

seit vor NLTK 3.0 offset ein Attribut statt einer Methode war.

Answer 3

Sie können verwenden of2ss() Zum Beispiel:

from nltk.corpus import wordnet as wn
syn = wn.of2ss('01580050a')

wird zurückgegeben Synset('necessary.a.01')

Answer 4

Eine andere Möglichkeit als die Verwendung von NLTK wäre die Verwendung der .tab-Datei aus dem Open Multilingual WordNet http://compling.hss.ntu.edu.sg/omw/ für das Princeton WordNet. Normalerweise habe ich das folgende Rezept verwendet, um auf das WordNet als Wörterbuch mit Offset als Schlüssel und ; abgegrenzte Zeichenketten als Werte:

# Gets first instance of matching key given a value and a dictionary.    
def getKey(dic, value):
  return [k for k,v.split(";") in dic.items() if v in value]

# Read Open Multi WN's .tab file
def readWNfile(wnfile, option="ss"):
  reader = codecs.open(wnfile, "r", "utf8").readlines()
  wn = {}
  for l in reader:
    if l[0] == "#": continue
    if option=="ss":
      k = l.split("\t")[0] #ss as key
      v = l.split("\t")[2][:-1] #word
    else:
      v = l.split("\t")[0] #ss as value
      k = l.split("\t")[2][:-1] #word as key
    try:
      temp = wn[k]
      wn[k] = temp + ";" + v
    except KeyError:
      wn[k] = v  
  return wn

princetonWN = readWNfile('wn-data-eng.tab')
offset = "n#05576222"
offset = offset.split('#')[1]+'-'+ offset.split('#')[0]

print princetonWN.split(";")
print getKey('heatstroke')