解决上位词问题

前几日参加了一个比赛，比赛的结果还算不错，但是有一个问题一直没有解决，赛题希望开发一款调动志愿者进行深度学习训练样本标注的APP，由于我们的解决方案开放自定义输入，例如“金毛犬”和“狗”这样的标签，同一张图片在不同的深度学习任务中应该有不同的标签（例如2017年百度西交大数据比赛的狗分类和简单的猫狗分类），这两者标签都应该保留，但是如何让机器挖掘出这两个标签的上位词关系（比赛之前我一直不知道这叫上位词关系，一直以为这叫名词从属关系）。当时的解决方案是用Word2Vec，但是由于语料较少再加上本身Word2Vec的算法特性对于上位词并不友好，所以效果很差。这几天看了看ImageNet比赛的起源，看到了一个叫WordNet的词典，联想到了比赛的问题并解决之。WordNet不做介绍，网上可以直接搜索到。考虑到数据问题，我选择用ImageNet1K映射到Pascal VOC2007，即从ImageNet中寻找在Pascal VOC中的上位词。算法本身并不复杂，主要包括广度优先搜索，由于Python队列不能判断重复元素，构建链表模并重写了相关的方法。

链表的代码如下：

class Node():
    __slots__ = ['_item','_next']

    def __init__(self, item):
        self._item = item
        self._next = None

    def getItem(self):
        return self._item

    def getNext(self):
        return self._next

    def setNext(self, newnext):
        self._next = newnext

class list():
    def __init__(self):
        self._head = None
        self._size = 0

    def is_Empty(self):
        return self._size == 0

    def append(self, item):
        temp = Node(item)
        if self.is_Empty():
            self._head = temp
        else:
            current = self._head
            if current.getItem() == item:
                return
            while current.getNext()!=None:
                current = current.getNext()
                if current.getI