Pythonから利用するWordnet

Wordnetとは．．．プリンストン大学が開発している語データーベースっていう説明でいいのかなあ， 一応，wikipediaの記事を載せておくWordNet

日本語版wordnet（NICTが開発している）だと，日本語で解説されているページがけっこうある．例えばこんなの

けど，英語版wordnetの使い方を日本語で解説した記事．というのはほとんど見つからない．ましてや，Python言語から英語版wordnetの使い方を解説した記事なんて見つからなかった．

仕方がないので，英語で探して，英語で読む． すると，こんな解説スライドがあった．どこかの大学の授業スライド？なのかな？

どうも，Pythonからwordnetを利用する時には，nltkライブラリで簡単に扱えるらしい．

スライドと同じ内容を，ちょっとだけ覚書を残しておく．

クエリ語の同義語を得る

>>> from nltk.corpus import wordnet
>>> honeySynsets = wordnet.synsets("honey", pos="n")

wordnet.synsetsメソッドから同義語を得ることができる．第一引数にクエリ語を，第二引数にその品詞を与える．で戻り値は同義語集合（型はリスト）．

同義語集合を確認したいときは

>>> print honeySynsets
[Synset('honey.n.01'), Synset('beloved.n.01')]

大体の場合，同義語集合の要素数は１より多い．

ちなみに，要素である同義語に型はnltk.corpus.reader.wordnetクラスのインスタンスである．

>>> for s in honeySynsets:
...     type(s)
... 
<class 'nltk.corpus.reader.wordnet.Synset'>
<class 'nltk.corpus.reader.wordnet.Synset'>

クエリ語の上位概念を得る

語の上位概念を得たい時は，同義語インスタンスの，hypernymsメソッドを利用する．引数は空．

>>> for s in honeySynsets:
...     s.hypernyms()
... 
[Synset('sweetening.n.01')]
[Synset('lover.n.01')]

語honey（はちみつ）の上位語は「甘いもの」，で，語beloved（愛する人）の上位語は「恋人」になっている．

インスタンスオブジェクトでなく，文字を得る

基本的に，同義語や上位概念語はnltk.corpus.reader.wordnetクラスのインスタンスで返される．けど，インスタンスでなく，文字型で結果が欲しい時もあるはずだ．

lemma_namesメソッドを利用すればいいらしい．ここを参考にしてみた．

lemma_namesということで，lemma語が余計に増えてしまっている気がするが．．．まあ，当初の目的は達成できているからよしとするか．．．

下のサンプルコードで，lemma_namesを利用すると文字型のオブジェクトが返されているのがわかる．

In [14]: for s in honeySynsets:
    hy=s.hypernyms();
    for h in hy:
        for tmp in h.lemma_names:
   ....:             print tmp
   ....:             print type(tmp)
   ....:             
sweetening
<type 'str'>
sweetener
<type 'str'>
lover
<type 'str'>