python - 我有一个印地语 wordnet 的数据库和 API。我想从 NLTK python 访问这个 wordnet。有什么方法可以将我们自己的 wordnet 添加到 NLTK 中？

Question

我有一个印地语 wordnet 的数据库和 API。我想从 NLTK python 访问这个 wordnet，以便在我们的 wordnet 中使用 NLTK Wordnet 函数。有什么方法可以将我们自己的 wordnet 添加到 NLTK 中？或者是否有任何印地语词义消歧工具（可以通过一些修改与任何语言 Wordnet 一起使用）（从 wordnet 中给出最合适的意义）？

Answer 1

如果你查看你的 nltk_data 文件夹，你会发现 wordnet 和其他所有 NLTK 语料库一样只是一堆纯文本文件。因此，必须有一种方法来格式化印地语 wordnet，就像使用 NLTK 一样来使用这些功能。以下是正在读取这些文件的 nltk.corpus.reader.wordnet 对象的摘录：

#: A list of file identifiers for all the fileids used by this
#: corpus reader.
_FILES = ('cntlist.rev', 'lexnames', 'index.sense',
          'index.adj', 'index.adv', 'index.noun', 'index.verb',
          'data.adj', 'data.adv', 'data.noun', 'data.verb',
          'adj.exc', 'adv.exc', 'noun.exc', 'verb.exc', )

def __init__(self, root):
    """
    Construct a new wordnet corpus reader, with the given root
    directory.
    """
    super(WordNetCorpusReader, self).__init__(root, self._FILES,
                                              encoding=self._ENCODING)

我想您并不真的需要生成所有这些文件，但更重要的是必须使用“index.sense”文件进行词义消歧。这不是由 NLTK 生成的，但必须在此之前进行预处理，或者必须以以下格式随印地语 wordnet 一起提供 - http://wordnet.princeton.edu/wordnet/man/senseidx.5WN.html。

完成所有步骤后，我只需转到 ../nltk/corpus/reader/wordnet.py 并创建一个副本，您可以在其中更改根目录和文件名以及其他一些依赖项，但仍使用该功能或在现有课程中更改您需要的内容（不推荐）。

PS 一点谷歌搜索给了我指向http://www.cs.utexas.edu/~rashish/cs365ppt.pdf的链接，该链接引用了有关该主题的许多其他来源。