WordNet 具有上位词/下位词层次结构,但这不是您想要的,正如您在查找守门员时所看到的那样:
from nltk.corpus import wordnet
s = wordnet.synsets('goalkeeper')[0]
s.hypernym_paths()
结果之一是:
[Synset('entity.n.01'),
Synset('physical_entity.n.01'),
Synset('causal_agent.n.01'),
Synset('person.n.01'),
Synset('contestant.n.01'),
Synset('athlete.n.01'),
Synset('soccer_player.n.01'),
Synset('goalkeeper.n.01')]
有两种方法被调用usage_domains()
,topic_domains()
但它们为大多数单词返回一个空列表:
s = wordnet.synsets('football')[0]
s.topic_domains()
>>> []
s.usage_domains()
>>> []
然而,WordNet Domains 项目可能是您正在寻找的。它提供了一个文本文件,其中包含普林斯顿 WordNet 2.0 同义词集与其相应域之间的映射。您必须注册您的电子邮件地址才能访问数据。然后您可以读取与您的 WordNet 版本相对应的文件(它们提供 2.0 和 3.2),例如使用anydbm
模块:
import anydbm
fh = open('wn-domains-2.0-20050210', 'r')
dbdomains = anydbm.open('dbdomains', 'c')
for line in fh:
offset, domain = line.split('\t')
dbdomains[offset[:-2]] = domain
fh.close()
然后,您可以使用同义词集的偏移属性来找出它的域。也许您必须在开头添加一个零:
dbdomains.get('0' + str(wordnet.synsets('travel_guidebook')[0].offset))
>>> 'linguistics\n'