O que é Wordnet?
Wordnet é um leitor de corpus NLTK, um banco de dados léxico para o inglês. Ele pode ser usado para encontrar o significado de palavras, sinônimos ou antônimos. Pode-se defini-lo como um dicionário de inglês orientado semanticamente. É importado com o seguinte comando:
from nltk.corpus import wordnet as guru
As estatísticas revelam que há 155287 palavras e 117659 conjuntos de sinônimos incluídos no WordNet em inglês.
Diferentes métodos disponíveis com WordNet podem ser encontrados digitando dir (guru)
['_LazyCorpusLoader__args', '_LazyCorpusLoader__kwargs', '_LazyCorpusLoader__load', '_LazyCorpusLoader__nome', '_LazyCorpusLoader__reader_cls', '___dict__', '____dict,' ____dict, '____q_,' ____q_, '____q_,' ____q_, '____q_,' __ge__ ',' __getattr__ ',' __getattribute__ ',' __gt__ ',' __hash__ ',' __init__ ',' __le__ ',' __lt__ ',' __module__ ',' __name__ ',' __ne__ ',' ____reduzir ',' , '__reduce_ex__', '__repr__', '__setattr__', '__sizeof__', '__str__', '__subclasshook__', '__unicode__', '__weakref__', '_unload', 'subdir', 'unicode_repr']
Vamos entender alguns dos recursos disponíveis com o wordnet:
Synset : também é chamado de conjunto de sinônimos ou coleção de palavras sinônimas. Vamos verificar um exemplo
from nltk.corpus import wordnetsyns = wordnet.synsets("dog")print(syns)
Resultado:
[Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('frank.n.02'), Synset('pawl.n.01'), Synset('andiron.n.01'), Synset('chase.v.01')]
Relações lexicais : são relações semânticas que são recíprocas. Se houver uma relação entre {x1, x2, ... xn} e {y1, y2, ... yn}, então também haverá relação entre {y1, y2, ... yn} e {x1, x2, ... xn}. Por exemplo, o sinônimo é o oposto de antônimo ou hiperônimo e o hipônimo é um tipo de conceito lexical.
Vamos escrever um programa usando python para encontrar o sinônimo e o antônimo da palavra "ativo" usando o Wordnet.
from nltk.corpus import wordnetsynonyms = []antonyms = []for syn in wordnet.synsets("active"):for l in syn.lemmas():synonyms.append(l.name())if l.antonyms():antonyms.append(l.antonyms()[0].name())print(set(synonyms))print(set(antonyms))
A saída do código:
{'dinâmico', 'lutando', 'pronto para o combate', 'voz_ativa', 'agente_ativo', 'participante', 'vivo', 'ativo'} - Sinônimo
{'stative', 'passive', 'quiet', 'passive_voice', 'extinto', 'dormente', 'inativo'} - Antônimo
Explicação do código
- Wordnet é um corpus, por isso é importado do ntlk.corpus
- A lista de sinônimos e antônimos é considerada vazia, o que será usado para anexar
- Sinônimos da palavra ativo são pesquisados nos synsets do módulo e são anexados na lista de sinônimos. O mesmo processo é repetido para o segundo.
- A saída é impressa
Conclusão:
WordNet é um banco de dados léxico que tem sido usado por um grande mecanismo de busca. A partir da WordNet, as informações sobre uma determinada palavra ou frase podem ser calculadas, como
- sinônimo (palavras com o mesmo significado)
- hypernyms (o termo genérico usado para designar uma classe de específicos (isto é, refeição é um café da manhã), hipônimos (arroz é uma refeição)
- holônimos (proteínas, carboidratos fazem parte da refeição)
- merônimos (a refeição faz parte da ingestão alimentar diária)
A WordNet também fornece informações sobre termos coordenados, derivados, sentidos e muito mais. É usado para encontrar semelhanças entre duas palavras quaisquer. Ele também contém informações sobre os resultados da palavra relacionada. Em suma, pode-se tratá-lo como Dicionário ou Thesaurus. Indo mais fundo no wordnet, ele é dividido em quatro sub-redes totais, como
- Substantivo
- Verbo
- Adjetivo
- Advérbio
Pode ser usado na área de inteligência artificial para análise de textos. Com a ajuda do Wordnet, você pode criar seu corpus para verificação ortográfica, tradução de idiomas, detecção de spam e muito mais.
Da mesma forma, você pode usar este corpus e moldá-lo para trabalhar algumas funcionalidades dinâmicas. Isso é como um corpus pronto para você. Você pode usá-lo do seu jeito.