如何在wordnet层次结构中使用python nltk找到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synset('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？
我在互联网上搜索过，但我得到了类似 lin、resnik、jcn 等的相似性算法，这些算法不能解决我的问题。
请帮我解决这个问题。

Answer 1

从这个

路径相似性， 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):

根据连接 is-a (hypernym/hypnoym) 分类法中的词义的最短路径，返回一个分数，表示两个词义的相似程度。分数在 0 到 1 的范围内，除非在找不到路径的情况下（仅适用于动词，因为有许多不同的动词分类法），在这种情况下返回 -1。1 分代表同一性，即将某种意义与其自身进行比较将返回 1。

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

根据连接词义的最短路径（如上）和词义出现的分类法的最大深度，返回一个分数，表示两个词义的相似程度。该关系以 -log(p/2d) 形式给出，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：

根据分类法中两个词义的深度和它们的 Least Common Subsumer（最具体的祖先节点）的深度，返回一个表示两个词义的相似程度的分数。请注意，此时给出的分数并不总是与 Pedersen 的 Wordnet Similarity 的 Perl 实现给出的分数一致。