java - Word Net - Word Synonyms & related word constructs - Java 或 Python

Question

我希望使用 WordNet 从一组基本术语中寻找相似术语的集合。

例如，单词'discouraged' - 潜在的同义词可能是:daunted, glum, deterred, pessimistic。

我还想识别潜在的二元语法，例如； 击败、推迟、屈服等

如何使用 Java 或 Python 提取这些信息？是否有允许此类查询的托管 WordNet 数据库/Web 界面？

谢谢!

Answer 1

通过查看最容易理解 WordNet 数据在 Prolog 文件中。它们记录在此处:

http://wordnet.princeton.edu/wordnet/man/prologdb.5WN.html

WordNet 术语被分组为同义词集。同义词集是最大的同义词集。 Synsets 有一个主键，所以它们可以被使用在语义关系中。

所以回答你的第一个问题，你可以列出不同的词义和对应的近义词如下:

Input X: Term
Output Y: Sense  
Output L: Synonyms in this Sense  

s_helper(X,Y) :- s(X,_,Y,_,_,_).  
?- setof(H,(s_helper(Y,X),s_helper(Y,H)),L).  

例子:

?- setof(H,(s_helper(Y,'discouraged'),s_helper(Y,H),L).  
Y = 301664880,  
L = [demoralised, demoralized, discouraged, disheartened] ;  
Y = 301992418,  
L = [discouraged] ;  
No  

对于问题的第二部分，WordNet 术语是单词序列。所以你可以搜索这个 WordNet 条款对于如下单词:

Input X: Word  
Output Y: Term

s_helper(X) :- s(_,_,X,_,_,_).  
word_in_term(X,Y) :- atom_concat(X,' ',H), sub_atom(Y,0,_,_,H).
word_in_term(X,Y) :- atom_concat(' ',X,H), atom_concat(H,' ',J), sub_atom(Y,_,_,_,J).
word_in_term(X,Y) :- atom_concat(' ',X,H), sub_atom(Y,_,_,0,H).
?- s_helper(Y), word_in_term(X,Y).

例子:

?- s_helper(X), word_in_term('beat',X).  
X = 'beat generation' ;  
X = 'beat in' ;  
X = 'beat about' ;  
X = 'beat around the bush' ;  
X = 'beat out' ;  
X = 'beat up' ;  
X = 'beat up' ;  
X = 'beat back' ;  
X = 'beat out' ;  
X = 'beat down' ;  
X = 'beat a retreat' ;  
X = 'beat down' ;  
X = 'beat down' ;  
No

这会给你潜在的 n-gram，但不会太多形态变异。 WordNet 也展示了一些词汇关系，这可能是有用的。

但是我给出的两个 Prolog 查询都不是很有效。问题是缺少一些单词索引。 Java实现当然可以实现更好的东西。想象一下:

class Synset {  
    static Hashtable<Integer,Synset> synset_access;  
    static Hashtable<String,Vector<Synset>> term_access;  
}

一些 Prolog 可以通过索引指令来做同样的事情，它是可以指示 Prolog 系统对多个索引谓词的参数。

建立网络服务也不应该那么困难在 Java 或 Prolog 中。许多 Prologs 系统很容易允许嵌入Web 服务器中的 Prolog 程序和 Java 冠军 servlet。

可在此处找到支持 Web 服务器的 Prolog 列表:

http://en.wikipedia.org/wiki/Comparison_of_Prolog_implementations#Operating_system_and_Web-related_features

最好的问候