3、文本分词与WordNet基础及词汇替换校正技术

文本分词与WordNet基础及词汇替换校正技术

1. WordNet简介

WordNet是一个英语词汇数据库，专门为自然语言处理设计。NLTK提供了一个简单的接口来查询WordNet中的单词，查询结果是一组Synset实例，Synset是表达相同概念的同义词集合。许多单词只有一个Synset，但有些单词有多个。

1.1 查询Synset

在查询之前，需要确保已将 wordnet 语料库解压到 nltk_data/corpora/wordnet ，以便 WordNetCorpusReader 可以访问它。以下是查询 cookbook 的Synset并探索其属性和方法的代码：

from nltk.corpus import wordnet
syn = wordnet.synsets('cookbook')[0]
print(syn.name())  # 输出: 'cookbook.n.01'
print(syn.definition())  # 输出: 'a book of recipes and cooking directions'

通过 wordnet.synsets(word) 可以查询任何单词的Synset列表，如果单词未找到，列表可能为空；如果单词有多种含义，则列表可能包含多个元素。

1.2 Synset的方法

每个Synset都有一些方法可以帮助我们进一步了