如何在任何 Java WordNet 接口中访问 WordNet 中的“频率计数”答案

【问题标题】：How to access "frequency count" in WordNet in any Java WordNet interface如何在任何 Java WordNet 接口中访问 WordNet 中的“频率计数”
【发布时间】：2014-02-11 09:40:14
【问题描述】：

我一直在寻找一些 Java 库，它可以为我提供有关同义词集的“频率计数”的信息。我检查了 JWNL 和 JWI，他们没有提供此类信息。有人知道其他 Java WordNet API 吗？

【问题讨论】：

不是完全重复，但这里有一个非常相似的问题：stackoverflow.com/q/20936502/841830

标签： java nlp wordnet

【解决方案1】：

每个 Synset 都有一个基于语料库的频率指示器。

JAWS - http://lyle.smu.edu/~tspell/jaws 提供Synset#getTagCount

不确定 JWNL 和 JWI，但在这些库中查找 synset api。

注意：（个人观点）不要相信这个频率指标，它会严重误导。

【讨论】：

我没有找到 JWNL 和 JWI 的任何内容。我会给 JAWS 一个机会。
extJWNL 确实支持标签计数extjwnl.sourceforge.net/javadocs/net/sf/extjwnl/data/…

【解决方案2】：

我相信 JWI 也可以做到这一点，但不是很直观。

让我们从一个词形还原词开始。如果您有一个没有词形还原的词，您应该在使用 JWI 搜索该词之前使用词形还原器。

String         lemma = ... // the lemmatized word
IRAMDictionary dict  = new RAMDictionary(WN_DIR,ILoadPolicy.IMMEDIATE_LOAD);
IIndexWord indexWord = dict.getIndexWord(lemma, POS.NOUN); // or verbs, etc.

List<IWordID> wrdIDs = indexWord.getWordIDs();
for (IWordID id : wrdIDs) {
    IWord word  = dict.getWord(id);
    int   count = dict.getSenseEntry(word.getSenseKey()).getTagCount();
    System.out.println("Synset: "    + word.getSynset().getGloss());
    System.out.println("Frequency: " + count);
}

这可能看起来过于复杂，但请注意，我们从这个小代码 sn-p 的单词开始，不是同义词集！

在 JWI 中，每个 IWord 唯一标识一个同义词集（尽管同义词集通常包含多个单词），因此计算每个词义频率的方法非常违反直觉（至少对我而言，是的）。

计数由getTagCount() 方法给出，文档中对此进行了说明

返回感知条目的标签计数。标记计数是一个非负整数，表示在各种语义索引文本中标记意义的次数。计数为 0 表示该意义尚未被语义标记。

但请记住，WordNet 中的语义计数已经过时了（据我所知，它们自 2001 年以来就没有更新过）。

【讨论】：

【解决方案3】：

extjwnl有一个Word的函数getUseCount()，返回你想要的：

这里：http://extjwnl.sourceforge.net/javadocs/index.html

例如：

IndexWord word = dictionary.lookupIndexWord(POS.NOUN, exampleWord);

  List<Synset> synset=word.getSenses();
  int nums = word.sortSenses();

  // for each sense of the word
  for (  Synset syn : synset) {

    // get the synonyms of the sense
    PointerTargetTree s = PointerUtils.getSynonymTree(syn, 2 /*depth*/);        
    List<PointerTargetNodeList>  l = s.toList();

    for (PointerTargetNodeList nl : l) {
      for (PointerTargetNode n : nl) {
        Synset ns = n.getSynset();
        if (ns!=null) {
          List<Word> ws = ns.getWords();
          for (Word ww : ws) {
            // ww.getUseCount() is the frequency of occurance as reported by wordnet engine
            println(ww.getLemma(), ww.getUseCount());
            }
          }
        }
      }
    }

【讨论】：