python - 如何在给定感测偏移的情况下获得普林斯顿 WN 感测 ID？Python-NLTK

Question

我可以从 NTLK 语料库中标记的普林斯顿 WN 感觉中获得感觉偏移：

[in]:'dog.n.01'
>>> from nltk.corpus import wordnet as wn
>>> ss = wn.synset('dog.n.01')
>>> offset = str(ss.offset).zfill(8)+"-"+ss.pos
>>> print offset
[out]:'02084071-n'

该偏移量类似于http://casta-net.jp/~kuribayashi/cgi-bin/wn-multi.cgi?synset=02084071-n&lang=eng中使用的约定

我如何在不遍历整个 wordnet 语料库的情况下进行反向操作？在哪里：

[in]: '02084071-n'
[out]: 'dog.n.01' or Synset('dog.n.01')

我可以这样做，但它太长了，冗余周期也太多了：

[in]: '02084071-n'
in_offset, in_pos = "02084071-n".split("-")
from nltk.corpus import wordnet as wn
nltk_ss = [i for i in wn.all_synsets() if i.offset == int(in_offset) and i.pos == in_pos][0]
print nltk_ss
[out]: Synset('dog.n.01')

Answer 1

不幸的是，如果不迭代语料库至少一次（如您所示），您将无法反向查找。如果您要多次查找基于偏移量的同义词集，我唯一可以建议的是将其保存在字典中。

>>> senseIdToSynset = {s.offset:s for s in wn.all_synsets()}
>>> senseIdToSynset[2084071]
Synset('dog.n.01')