获取指定单词的 WordNet 域名

Question

我知道 WordNet 有域层次结构：例如运动->足球。

1) 是否可以列出所有相关的词，例如，与“sport->football”子域相关的词？

  Response: goalkeeper, forward, penalty, ball, field, stadium, referee and so on.

2) 获取给定单词的域名，例如“守门员”？

 Need something like [sport->football; sport->hockey] or [football;hockey] or just 'football'.

用于文档分类任务。

Answer 1

WordNet 有一个上位词/下位词层次结构，但这不是你想要的，因为你 守门员可以看到：

from nltk.corpus import wordnet
s = wordnet.synsets('goalkeeper')[0]
s.hypernym_paths()

其中一个结果是：

[Synset('entity.n.01'),
Synset('physical_entity.n.01'),
Synset('causal_agent.n.01'),
Synset('person.n.01'),
Synset('contestant.n.01'),
Synset('athlete.n.01'),
Synset('soccer_player.n.01'),
Synset('goalkeeper.n.01')]

有两种方法称为usage_domains() 和topic_domains()，但它们对于大多数单词返回一个空列表：

s = wordnet.synsets('football')[0]
s.topic_domains()
>>> []
s.usage_domains()
>>> []

The WordNet Domains project 但是可能是您正在寻找的。它提供了一个文本文件，其中包含普林斯顿 WordNet 2.0 同义词集与其相应域之间的映射。您必须注册您的电子邮件地址才能访问数据。 然后您可以读取与您的 WordNet 版本相对应的文件（它们提供 2.0 和 3.2），例如使用 anydbm 模块：

import anydbm
fh = open('wn-domains-2.0-20050210', 'r')
dbdomains = anydbm.open('dbdomains', 'c')
for line in fh:
    offset, domain = line.split('\t')
    dbdomains[offset[:-2]] = domain
fh.close()

然后您可以使用同义词集的偏移属性来找出它的域。也许您必须在开头添加一个零：

dbdomains.get('0' + str(wordnet.synsets('travel_guidebook')[0].offset))
>>> 'linguistics\n'