自然语言处理--nltk安装及wordnet使用详解

环境：python2.7.10

首先安装pip

在https://pip.pypa.io/en/stable/installing/ 下载get-pip.py

然后执行 python get-pip.py 将自动安装pip

nltk是python的一个扩展包，提供自然语言处理工具集

安装nltk

sudo pip install -U nltk

import nltk

然后下载语料库

nltk.download()

弹出窗口如下，按需下载，我选择的是book

、

下载完成查看目录：

其中corpora为语料库，也可以下载自己需要的语料库：http://www.nltk.org/nltk_data/

corpora中有好多文章和字典，如古腾堡，路透社等文章，wordnet是面向语义的词典，names里包含了好多名字，stopwords包含了可忽略的语法上的高频词汇，words包含平时常用的单词可用来做拼写检查，

还有city_database，webtext，unicode_samples等语料。

使用时需要import，如：

from nltk.corpus import gutenberg

from nltk.corpus import stopwords

wordnet语料库：

wordnet是普林斯顿大学创建的语义词典，特点是其中包含了大量的单词间的联系，可以看作是一个巨大的词汇网络。

词与词之间的关系可以为同义，反义，上下位（水果－苹果），整体部分（汽车－轮胎）。建立关系是大脑学习的首要过程，知识的脉络必定可达，孤立点会被遗忘。

引入wordnet

from nltk.corpus import wordnet as wn

wordnet API：http://www.nltk.org/howto/wordnet.html

synsets()用来查询一个单词，返回结果是Synset数组，一个Synset由 单词－词性－序号 组成：