WordNet에 따라 명사, 동사, 형용사 및 부사의 평균 다차원을 계산하십시오.

Question

WordNet에 따라 명사, 동사, 형용사 및 부사의 평균 다차원을 계산하려고합니다. 이 내가 정의하는 기능입니다 :

Traceback (most recent call last): 

File "<ipython-input-214-345e72500ae3>", line 1, in <module> 
averagePolysemy(wn.NOUN) 

File "<ipython-input-213-616cc4af89d1>", line 6, in averagePolysemy 
senseCount = senseCount + len(wn.synsets(lemma, synsets)) 

File "/Users/anna/anaconda/lib/python3.6/site- 
packages/nltk/corpus/reader/wordnet.py", line 1483, in synsets 
lemma = lemma.lower() 

AttributeError: 'list' object has no attribute 'lower'e 'lower' 

나는이 오류를 일으키는 내 기능의 일부 확실하지 않다 : 나는 그것을 호출 할 때

def averagePolysemy(synsets): 
    allSynsets = list(wn.all_synsets(synsets)) 
    lemmas = [synset.lemma_names() for synset in allSynsets] 
    senseCount = 0 
    for lemma in lemmas: 
     senseCount = senseCount + len(wn.synsets(lemma, synsets)) 
    return senseCount/len(allSynsets) 

averagePolysemy(wn.NOUN) 

내가 오류가 발생합니다.

Answer 1

우선, 무엇이 다차원인지 정의하십시오.

Polysemy: The coexistence of many possible meanings for a word or phrase.

(출처 : https://www.google.com/search?q=polysemy) Wordnet에서

:

Synset: a distinct concept/meaning

Lemma: a root form of a word

Part-Of-Speech (POS): the linguistic category of a word

Word: a surface form of a word (surface words are not in WordNet)

(참고 :

WordNet® is a large lexical database of English. Nouns, verbs, adjectives and adverbs are grouped into sets of cognitive synonyms (synsets), each expressing a distinct concept. Synsets are interlinked by means of conceptual-semantic and lexical relations.

우리가 잘 알고 있어야합니다 몇 가지 용어가 워드 넷을에

: @alexis는 lemma vs synset에 대한 답변이 우수합니다. https://stackoverflow.com/a/42050466/610569; 코드에서 또한 https://stackoverflow.com/a/23715743/610569 및 https://stackoverflow.com/a/29478711/610569)

를 참조하십시오

이

from nltk.corpus import wordnet as wn 
# Given a word "run" 
word = 'run' 
# We get multiple meaning (i.e. synsets) for 
# the word in wordnet. 
for synset in wn.synsets(word): 
    # Each synset comes with an ID. 
    offset = str(synset.offset()).zfill(8) 
    # Each meaning comes with their 
    # linguistic category (i.e. POS) 
    pos = synset.pos() 
    # Usually, offset + POS is the way 
    # to index a synset. 
    idx = offset + '-' + pos 
    # Each meaning also comes with their 
    # distinct definition. 
    definition = synset.definition() 
    # For each meaning, there are multiple 
    # root words (i.e. lemma) 
    lemmas = ','.join(synset.lemma_names()) 
    print ('\t'.join([idx, definition, lemmas])) 

[OUT] :

00189565-n a score in baseball made by a runner touching all four bases safely run,tally 
00791078-n the act of testing something test,trial,run 
07460104-n a race run on foot footrace,foot_race,run 
00309011-n a short trip run 
01926311-v move fast by using one's feet, with one foot off the ground at any given time run 
02075049-v flee; take to one's heels; cut and run scat,run,scarper,turn_tail,lam,run_away,hightail_it,bunk,head_for_the_hills,take_to_the_woods,escape,fly_the_coop,break_away 

---

다시 문제로 돌아가서, 방법 "명사의 평균 다의 계산에 , 동사, 형용사 및 부사 WordNet "에 따라?

우리는 WordNet을 사용하고 있기 때문에 곡면 단어가 비어 있으며 우리는 보조 정리 만 남았습니다.

첫째, 명사, 동사, 형용사에 어떤 보조 정리가 있어야하는지 정의해야합니다.

from nltk.corpus import wordnet as wn 
from collections import defaultdict 

words_by_pos = defaultdict(set) 

for synset in wn.all_synsets(): 
    pos = synset.pos() 
    for lemma in synset.lemmas(): 
     words_by_pos[pos].add(lemma) 

그러나이 POS 대 보조 정리 사이의 관계의 단순한이다 :

# There are 5 POS. 
>>> words_by_pos.keys() 
dict_keys(['a', 's', 'r', 'n', 'v']) 

# Some words have multiple POS tags =(
>>> len(words_by_pos['n']) 
119034 
>>> len(words_by_pos['v']) 
11531 
>> len(words_by_pos['n'].intersection(words_by_pos['v'])) 
4062 

은 우리가 그것을 무시하고 이동할 수 있는지 보자 :

# Lets look that the verb 'v' category 
num_meanings_per_verb = [] 

for word in words_by_pos['v']: 
    # No. of meaning for a word given a POS. 
    num_meaning = len(wn.synsets(word, pos='v')) 
    num_meanings_per_verb.append(num_meaning) 
print(sum(num_meanings_per_verb)/len(num_meanings_per_verb)) 

[OUT] :

2.1866273523545225 

번호는 무엇을 의미합니까?(이것은 전혀 것을 의미하는 경우)

이것은 즉 2 의미 평균가

워드 넷의 동사 매 중

• ;
• 일부 단어는 다른 POS 카테고리 아마도

에 더 많은 의미를 가지고 있다는 사실을 무시하고, 거기에 아마, 그것은 몇 가지 의미하지만, 우리는 num_meanings_per_verb에있는 값의 개수를 보면 :

Counter({1: 101168, 
     2: 11136, 
     3: 3384, 
     4: 1398, 
     5: 747, 
     6: 393, 
     7: 265, 
     8: 139, 
     9: 122, 
     10: 85, 
     11: 74, 
     12: 39, 
     13: 29, 
     14: 10, 
     15: 19, 
     16: 10, 
     17: 6, 
     18: 2, 
     20: 5, 
     26: 1, 
     30: 1, 
     33: 1})