如何在 wordnet 层次结构中使用 python nltk 查找两个同义词集之间的距离？

Question

假设我有两个同义词集 synset(car.n.01') 和同义词集('bank.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，那么我该如何使用nltk?
我在互联网上搜索，但我得到了相似算法，如 lin、resnik、jcn 等，这不是我的问题的解决方案。
请帮我解决这个问题。

Answer 1

此外，您还可以查看聊天机器人的实现。

"chatterbot comparison class"

你会在那个文件中发现更多的距离处理

Answer 2

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)

---

来自同一个链接，（相关部分以粗体显示）

synset1.path_similarity(synset2)：

返回表示相似程度的分数 两个词义，基于连接 is-a（hypernym/hypnoym）分类法中的意义。分数在 范围 0 到 1，除非在无法找到路径的情况下（将 仅适用于动词，因为有许多不同的动词分类法），在 返回哪种情况 -1。 1分代表身份，即 将感觉与自身进行比较将返回 1。

---

synset1.lch_similarity(synset2)，Leacock-Chodorow 相似度：

返回一个 分数表示两个词义的相似程度，基于最短的 连接感官的路径（如上）和最大深度 感官发生的分类学。关系为 -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：

返回分数 表示两个词义的相似程度，基于深度 分类学中的两种意义及其最不常见的归类 （最具体的祖先节点）。注意此时给出的分数 不总是同意 Pedersen 的 Perl 给出的那些 Wordnet 相似度的实现。