Ограничения выбора Wordnet в NLTK - PullRequest
Новая
       15

Ограничения выбора Wordnet в NLTK

7 голосов
/ 31 марта 2011

Есть ли способ зафиксировать ограничения выбора WordNet (такие как + animate, + human и т. Д.) Из наборов данных через NLTK? Или есть какой-то другой способ предоставления семантической информации о synset? Наиболее близкими мне были к этому гиперские отношения.

Ответы [ 2 ]

5 голосов
/ 04 декабря 2013

Это зависит от того, каковы ваши «ограничения выбора» или я бы назвал это семантическими признаками, потому что в классической семантике существует мир concepts, и для сравнения между понятиями мы должны найти

  • отличительные признаки (то есть признаки понятий, которые используются для их отличия друг от друга) и
  • черты сходства (то есть черты сходных понятий и подчеркивает необходимость их дифференциации)

Например: 

Man is [+HUMAN], [+MALE], [+ADULT]
Woman is [+HUMAN], [-MALE], [+ADULT]

[+HUMAN] and [+ADULT] = similarity features
[+-MALE] is the discrimating features

Общей проблемой традиционной семантики и применения этой теории в вычислительной семантике является вопрос

"Есть ли конкретный список функций, которые мы можем использовать для сравнения любых

"Если да, то какие функции в этом списке?" понятия? "

(подробнее см. Www.acl.ldc.upenn.edu/E/E91/E91-1034.pdf)

Возвращаясь к WordNet, я могу предложить 2 метода для устранения "ограничений выбора"

Во-первых, Проверьте гипернимки для распознавания признаков , но сначала вы должны решить, что является отличительными признаками. Чтобы отличить животное от человека, давайте возьмем отличительные черты как [+ -человек] и [+ -человек]. 

from nltk.corpus import wordnet as wn

# Concepts to compare
dog_sense = wn.synsets('dog')[0] # It's http://goo.gl/b9sg9X
jb_sense = wn.synsets('James_Baldwin')[0] # It's http://goo.gl/CQQIG9

# To access the hypernym_paths()[0]
# It's weird for that hypernym_paths gives a list of list rather than a list, nevertheless it works.
dog_hypernyms = dog_sense.hypernym_paths()[0]
jb_hypernyms = jb_sense.hypernym_paths()[0]


# Discriminating features in terms of concepts in WordNet
human = wn.synset('person.n.01') # i.e. [+human]
animal = wn.synset('animal.n.01') # i.e. [+animal]

try:
  assert human in jb_hypernyms and animal not in jb_hypernyms
  print "James Baldwin is human"
except:
  print "James Baldwin is not human"

try:
  assert human in dog_hypernyms and animal not in dog_hypernyms
  print "Dog is an animal"
except:
  print "Dog is not an animal"

Во-вторых, Проверьте меры сходства, как предлагал @Jacob. 

dog_sense = wn.synsets('dog')[0] # It's http://goo.gl/b9sg9X
jb_sense = wn.synsets('James_Baldwin')[0] # It's http://goo.gl/CQQIG9

# Features to check against whether the 'dubious' concept is a human or an animal
human = wn.synset('person.n.01') # i.e. [+human]
animal = wn.synset('animal.n.01') # i.e. [+animal]

if dog_sense.wup_similarity(animal) > dog_sense.wup_similarity(human):
  print "Dog is more of an animal than human"
elif dog_sense.wup_similarity(animal) < dog_sense.wup_similarity(human):
  print "Dog is more of a human than animal"
0 голосов
/ 31 марта 2011

Вы можете попробовать использовать некоторые функции сходства с подобранными вручную наборами и использовать их для фильтрации. Но это по сути то же самое, что и следование гиперновому дереву - на самом деле все функции подобия wordnet используют гиперное расстояние в своих вычислениях. Кроме того, существует множество необязательных атрибутов синтаксиса, которые, возможно, стоит изучить, но их наличие может быть очень противоречивым.

...