WordNet的了解和学习

        wordnet是面向语义的英语词典，有更加丰富的结构信息。

        首先，wordnet可以帮助我们寻找同义词。

from nltk.corpus import wordnet as wn
wn.synset('motorcar')

        比如是motorcar，则得到的是car.n.01(01代表只有一种同义词集)的同义词集，我们来得到同义词的具体的词条名字

wn.synset('car.n.1').lemma_names

         可以查看其定义

wn.synset('car.n.1').definition

         可以看到同义词集使用的案例

wn.synset('car.n.1').example

        可以看到同义词集的词条Lemma('car.n.01.motorcar')

wn.synset('car.n.1').lemmas

         wordnet的同义词集对应于抽象的概念。独一无二的根同义词集。每一个节点对应一个同义词集，边表示上下位的关系。比如看car.n.01的下位词

wn.synset('car.n.1').hyponyms()

我们也可以看car.n.01的上位词

wn.synset('car.n.1').hypernyms()

          通过wordnet我们还可以从一个物品到它们的部件，或者它们被包含其中的东西（整体）。

wn.synset('tree.n.01').part_meronyms()
wn.synset('tree.n.01').substance_meronyms()
wn.synset('tree.n.01').member_holonyms()

          在动词中，也有关系，存在蕴含的关系，也就是一个一动作一定包含另一个动作

wn.synset('walk.v.1').entailments()

           词语之间不仅存在同义词，还存在反义的情况

wn.lemma('supply.n.02.supply').antonyms()

         wordnet就是一个对于同义词集构成的复杂词汇关系网络，给定一个同义词集，我们可以得到与之相关的，知道那些词是语义相关的，对于索引文本集合的时候就比较有用了。

        并且我们可以通过判断二个同义词集的共有上位词的最小深度，来判断二个同义词集的相似性。越相近接近于1，范围为（0，1）。

*.path_similarity（*）