如何将 NLTK 默认 wordnet 语言更改为 zsm？答案

【问题标题】：How to change NLTK default wordnet language to zsm?如何将 NLTK 默认 wordnet 语言更改为 zsm？
【发布时间】：2023-03-23 07:40:01
【问题描述】：

我是 NLTK 新手，我正在使用 NLTK 3 Cookbook：第 4 章进行 Python 3 文本处理。我已经完成了“使用 WordNet 进行标记”，并且在默认语言英语中工作正常。我已将 Language Bahasa (zsm) 下载到 omw 并想使用其他数据集在 Bahasa 中尝试。使用相同的方法，我现在如何将默认语言从英语更改为 zsm？

我正在使用的代码：

class WordNetTagger(SequentialBackoffTagger):

    def __init__(self, *args, **kwargs):
        SequentialBackoffTagger.__init__(self, *args, **kwargs)

        self.wordnet_tag_map = {
            'n': 'NN',
            's': 'JJ',
            'a': 'JJ',
            'r': 'RB',
            'v': 'VB'
        }

    def choose_tag(self, tokens, index, history):
        word = tokens[index]
        fd = FreqDist()

        for synset in wordnet.synsets(word):
            fd[synset.pos()] += 1

        if not fd: return None
        return self.wordnet_tag_map.get(fd.max())

提前致谢。

【问题讨论】：

标签： python nltk

【解决方案1】：

您似乎已经明白，您不会更改默认语言；只要您不想要默认语言，您就可以明确指定所需的语言。如果您觉得这很麻烦，您可以将wordnet 对象包装在您自己的自定义类中，该类提供自己的默认值。

class MyWordNet:
    def __init__(self, wn):
        self._wordnet = wn

    def synsets(self, word, pos=None, lang="zsm"):
        return self._wordnet.synsets(word, pos=pos, lang=lang)

    # and similarly for any other methods you need

然后你初始化一个包装器对象，将它传递给 nltk 的wordnet 读取器对象，然后你使用它而不是原来的：

wn = MyWordNet(wordnet)
...

for synset it wn.synsets(word):
   ...

【讨论】：

感谢@alexis 的帮助。它有效，我一直在寻找，但结果与我的不同。大多数使用您的建议标记为无的单词。与我的明确指定相比，这就像转义很多单词。嗯，有趣。知道这是怎么发生的。
嗯...我的回答显示了如何使用包装类覆盖默认参数，但没有显示如何实际上使用 wordnet 来做到这一点！哎呀...现在检查并修复，再看看。（主要是匹配原始synsets()方法的签名。）
再次感谢@alexis 的反馈。我已经尝试过了，仍然返回相同的。但是，我们将留给其他人稍后使用他们的数据集测试这两种方法。至于现在你的建议回答了我的主要问题:-) ps：我的使用的是link
我测试了这个解决方案，它工作正常。由于我不知道您实际上在用它做什么，因此我无法谈论您剩下的问题。（顺便说一句，我不确定您评论中指向 howto 的链接是什么意思。）

【解决方案2】：

经过一番尝试，我才发现：

def choose_tag(self, tokens, index, history):
    word = tokens[index]
    fd = FreqDist()

    for synset in wordnet.synsets(word, lang='zsm'):
        fd[synset.pos()] += 1

    if not fd: return None
    return self.wordnet_tag_map.get(fd.max())

关键是 wordnet.synsets(word, lang='zsm') 现在对我有用。我仍然愿意接受任何其他建议或更正。谢谢。

【讨论】：