python nltk为wordnet相似性度量返回奇数结果

Question

我试图使用python nltk的wordnet找到两个单词之间的相似性.两个示例关键字是"游戏"和"leonardo".首先,我提取了这两个单词的所有同义词,并交叉匹配每个synset以找到它们的相似性.这是我的代码

from nltk.corpus import wordnet as wn

xx = wn.synsets("game")
yy = wn.synsets("leonardo")
for x in xx:
    for y in yy:
        print x.name
        print x.definition
        print y.name
        print y.definition
        print x.wup_similarity(y)
        print '\n'

这是总产量:

game.n.01比赛规则决定胜利者leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.285714285714

game.n.02一项运动或其他比赛的单一游戏leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.285714285714

game.n.03娱乐或消遣leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.25

game.n.04动物猎食或运动leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.923076923077

game.n.05(网球)游戏的一个部门,其中一个玩家为leonardo.n.01服务.意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.222222222222

game.n.06(游戏)特定点的得分或赢得leonardo所需的得分.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.285714285714

game.n.07用于食物的野生动物的肉leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.5

plot.n.01一个做某事的秘密计划(特别是低手或非法的事)leonardo.n.01意大利画家兼雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.2

game.n.09为了玩特定游戏所需的游戏设备leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.666666666667

game.n.10你的职业或工作线leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.25

game.n.11轻浮或琐碎的行为leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)0.222222222222

bet_on.v.01赌leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)-1

残缺的脚或腿leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)-1

game.s.02愿意面对危险leonardo.n.01意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)-1

但是game.n.04和leonardo.n.01之间的相似之处真的很奇怪.我认为相似性(0.923076923077)不应该那么高.

game.n.04

动物追捕食物或运动

leonardo.n.01

意大利画家和雕塑家和工程师,科学家和建筑师; 意大利文艺复兴时期最多才多艺的天才(1452-1519)

0.923076923077

我的概念有问题吗？

Answer 1

根据文档,该wup_similarity()方法返回...

...基于分类法中的两种感官的深度以及他们的最小公共订户(最具体的祖先节点)的深度,表示两个词义的相似程度.

...和...

>>> from nltk.corpus import wordnet as wn
>>> game = wn.synset('game.n.04')
>>> leonardo = wn.synset('leonardo.n.01')
>>> game.lowest_common_hypernyms(leonardo)
[Synset('organism.n.01')]
>>> organism = game.lowest_common_hypernyms(leonardo)[0]
>>> game.shortest_path_distance(organism)
2
>>> leonardo.shortest_path_distance(organism)
3

......这就是为什么它认为它们相似,尽管我得到......

>>> game.wup_similarity(leonardo)
0.7058823529411765

......出于某种原因,这是不同的.

更新

我想要一些测量结果表明,相似性('游戏','国际象棋')远远小于相似性('游戏','leonardo')

这样的事情怎么样......

from nltk.corpus import wordnet as wn
from itertools import product

def compare(word1, word2):
    ss1 = wn.synsets(word1)
    ss2 = wn.synsets(word2)
    return max(s1.path_similarity(s2) for (s1, s2) in product(ss1, ss2))

for word1, word2 in (('game', 'leonardo'), ('game', 'chess')):
    print "Path similarity of %-10s and %-10s is %.2f" % (word1,
                                                          word2,
                                                          compare(word1, word2))

...打印......

Path similarity of game       and leonardo   is 0.17
Path similarity of game       and chess      is 0.25