WordNet：遍历同义词集

Question

对于一个项目，我想衡量文本中“以人为本”的单词的数量。我计划使用WordNet进行此操作。我从未使用过它，我也不知道如何完成此任务。我想使用WordNet来计算属于某些同义词集的词的数量，例如sysnets的“ human”和“ person”。

我提出了以下（简单）代码段：

word = 'girlfriend'
word_synsets = wn.synsets(word)[0]

hypernyms = word_synsets.hypernym_paths()[0]

for element in hypernyms:
    print element

结果是：

Synset('entity.n.01')
Synset('physical_entity.n.01')
Synset('causal_agent.n.01')
Synset('person.n.01')
Synset('friend.n.01')
Synset('girlfriend.n.01')

我的第一个问题是，如何正确迭代上位音？在上面的代码中，它们可以正常打印。但是，使用“ if”语句时，例如：

count_humancenteredness = 0
for element in hypernyms:
    if element == 'person':
        print 'found person hypernym'
        count_humancenteredness +=1

我得到'AttributeError：'str'对象没有属性'_name'。当单词确实属于“人”或“人”同义词时，我可以使用什么方法来迭代单词的上位词并执行操作（例如，增加以人为中心的计数）。

其次，这是一种有效的方法吗？我假设遍历多个文本并遍历每个名​​词的上位字母将花费一些时间。也许还有另一种使用WordNet来更有效地执行任务的方法。

谢谢你的帮助！

Answer 1

写错误消息

hypernyms = word_synsets.hypernym_paths()返回 s 列表的列表SynSet。

因此

if element == 'person':

尝试将SynSet对象与字符串进行比较。不支持这种比较SynSet。

尝试类似的东西

target_synsets = wn.synsets('person')
if element in target_synsets:
    ...

或者

if u'person' in element.lemma_names():
    ...

反而。

工作效率

目前，您对输入文本中的每个单词进行上位词查找。正如您所注意到的，这不一定有效。但是，如果速度足够快，请在此停止并且不要优化未损坏的内容。

为了加快查找速度，您可以通过使用下位词的传递闭包来提前预编译“人员相关”单词的列表，如此处所述。

就像是

person_words = set(w for s in p.closure(lambda s: s.hyponyms()) for w in s.lemma_names())

应该可以解决问题。这将返回一组 ~10,000单词，这对于存储在主内存中来说并不算太多。

然后，单词计数器的简单版本就变成了这样的东西：

from collections import Counter

word_count = Counter()
for word in (w.lower() for w in words if w in person_words):         
    word_count[word] += 1

不过，在将单词传递到 WordNet 之前，您可能还需要使用词干提取或其他形态缩减来预处理输入单词。