打印词性以及单词的同义词

Question

我有以下代码，用于从输入文本文件中获取一个单词并使用 WordNet 打印该单词的同义词、定义和例句。它根据词性将同义词与同义词分开，即动词的同义词和形容词的同义词分开打印。

flabbergasted 这个词的同义词有 1) flabbergast , boggle , bowl over 是动词和 2) dumbfounded , dumfounded , flabbergasted , stupefied , Thunderstruck ,dumbstruck ,dumbstricken 是形容词。

如何打印词性和同义词？我在下面提供了到目前为止的代码：

import nltk
from nltk.corpus import wordnet as wn
tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')
fp = open('sample.txt','r')
data = fp.read()
tokens= nltk.wordpunct_tokenize(data)
text = nltk.Text(tokens)
words = [w.lower() for w in text]
for a in words:
   print a 
syns = wn.synsets(a)
for s in syns:
   print 
   print "definition:" s.definition
   print "synonyms:"
   for l in s.lemmas:
      print l.name
   print "examples:"
   for b in s.examples:
      print b
   print 

Answer 1

只需在同义词集上调用pos()。列出引理的所有 POS：

>>> from nltk.corpus import wordnet as wn
>>> syns = wn.synsets('dog')
>>> set([x.pos() for x in syns])
{'n', 'v'}

不幸的是，除了source code 之外，似乎没有任何地方记录这一点，它显示了可以在同义词集上调用的其他方法。

Synset 属性，可通过同名方法访问：

• name：此同义词集的规范名称，使用此同义词集的第一个引理形成。请注意，这可能与名称不同 如果该字符串使用不同的引理 to
  ，则传递给构造函数 识别同义词集。
• pos：synset 的词性，匹配模块级属性 ADJ、ADJ_SAT、ADV、NOUN 或 VERB 之一。
• lemmas：此同义词集的引理对象列表。
• definition：这个同义词集的定义。
• examples：此同义词集的示例字符串列表。
• offset：此同义词集的 WordNet dict 文件中的偏移量。
• lexname：包含此同义词集的词典编纂器文件的名称。

Answer 2

看起来你搞砸了你的缩进：

for a in words:
   print a 
syns = wn.synsets(a)

似乎syns = wn.synsets(a) 应该在words for 循环内，这样您就可以对每个单词执行此操作：

for w in words:
    print w
    syns = wn.synsets(w)
    for s in syns:
        print
        print "definition:", s.definition
        print "synonyms:"
        for l in s.lemmas:
            print l.name
        print "examples:"
        for b in s.examples:
            print b
    print

Answer 3

引理有一个synset 属性，它在其pos 属性中有自己的词性。所以，如果我们有一个引理为l，我们可以像这样访问它的spech部分：

>>> l = Lemma('gladden.v.01.joy')
>>> l.synset.pos
'v'

更一般地说，我们可以将其扩展为循环以读取您的文件。我正在使用with 语句，因为它会在循环完成后很好地关闭文件。

>>> with open('sample.txt') as f:
...     raw = f.read()
...     for sentence in nltk.sent_tokenize(raw):
...         sentence = nltk.wordpunct_tokenize(sentence)
...         for word in sentence:
...             for synset in wn.synsets(word):
...                 for lemma in synset.lemmas:
...                     print lemma.name, lemma.synset.pos
...

如果您想确保只选择与您当前正在谈论的词具有相同词性的词条，那么您还需要识别该词的词性：

>>> import nltk
>>> from nltk.corpus import wordnet as wn
>>> with open('sample.txt') as f:
...     raw = f.read()
...     for sentence in nltk.sent_tokenize(raw):
...         sentence = nltk.pos_tag(nltk.wordpunct_tokenize(sentence))
...         for word, pos in sentence:
...             print word, pos

我将把这两者作为练习留给读者。