WordNet简介与原理
什么是WordNet
一句话概括WorNet即为：面向英文的词汇数据库，其按照单词的含义构造了单词的网络。WordNet的最大的特点为按照词义构建词集，
在WordNet中词性是分类的重要标准，按照词性划分为四类同义词集，分别是动词同义词集、名词同义词集、形容词同义词集与副词同义词集。上述的四种同义词集各自构成了同义词网络。每一个同义词的集合表示一个基本语义概念，并且集合之间存在各种关系。
集合之间的关系包括九类：上下位关系（动词、名词）、蕴含关系（动词）、相似关系（名词）、成员部分关系（名词）、物质部分关系（名词）、部件部分关系（名词）、致使关系（动词）、相关动词关系（动词）、属性关系（形容词）。
例如名词”Love”的上下位关系为：
entity——>abstract entity——>abstraction——>attribute——>state——>feeling——> emotion——>love;
WordNet的特点
1.与一般词典的组织结构不同
它利用同义词集合作为基本组织单位，用户可以在同义词集中找到合适的词表示某个已知的基本概念，同时也给出了定义与例句。
如果将WordNet视为数据库，则Synset就是一条数据的主键，代表了一个词义。Python中Synset展示：
上图中是Synset基础用法，其通过单词”dog”，寻找包含”dog”的所有同义词集。
2.同义词集间通过关系构成网络
WordNet中同义词集并非是独立的，其通过特定的关系类型构建同义词集网络架构。
上图是”China”词，在WordNet中涉及的同义词集关系展示。
3.WordNet中同义词集的单义性
在WordNet中，大多数的同义词集都有说明性的注释，但一个Synset不等于词典中的一个词条，因为一个Synset只包含一个注释，而在传统词典中的词条是多义词，会有多个解释。
所以说，“一个Synset等于的是一个词义”这一点必须反复强调。以一条词义为一条数据，是跨语言想要成立所必须的条件。
WordNet 非重要概念
这一部分内容介绍了WordNet中不太重要的概念，不影响基本使用，但有利于理解。
独立起始概念（Unique Beginner）
某些同义词集不存在上位词集，那么我们称之为独立起始概念。这个可以认为是语义领域内所有概念的原始语义元素。在WordNet中名词体系中存在25个独立起始概念，例如：时间、物质、目的、关系、属性等等。其下位词继承上位词的所有特点，这与编程思想中父子类的关系类似。
词典ID（Lexicographer ID）
每一个同义词集都包含一个唯一的编号。
概念链（Concept Chain）
这里的概念链指的是同义词集间上下位关系，构成的概念链条。与上面提到的关系可视化概念类似，但其仅包含上下位关系。
上图内容与可视化展示相似，这里不解释。
WordNet文件结构简介
WordNet语料库中最常用的有两个：omw与wordnet
omw文件夹
此文件夹内包含有各国家地区的研究人员基于英文WordNet构建的本国语言的WordNet，目前包含有27个国家与地区，其中cmn(简体中文)和qcn（繁体中文）与中文相关。
文件夹中有三个文件，分别是citation.bib、LICENSE和wn-data-语言名.tab。
wn-data-cmn.tab文件
词条保存在wn-data-语言名.tab文件中。打开后发现，简体中文下的词条一共有79808条，繁体为8069条
数据为两年前，目前中文词条应高于上述数据。
如图：
文件的内容分为三列，第一列为词义的八位十进制序号（offset）（对应于上述的词典ID）和词性（n：名词、v：动词、a：形容词、r：动词）；第二列内容为“语言名：lemma”；第三列是对应语言的词义。
“00001740-a”的词义共包含有3个具体的词汇，分别是可以+的，有能力+的、能。
中文简体通过去重之后的词义数量为42312条数据。
WordNet中原本的此役统计数据为：名词：82115条，动词：13767条，形容词：18156条，副词：3621条，共计：117659条。大约占三分之一。
wordnet文件
此文件内包含有wordnet的本体。
wordnet文件夹中一共有18个文件，比较重要的文件有15个。其中四个是data文件，存放四种词性的词的根本内容；四个是index文件，即索引文件；四个是exc文件，对词汇的变形进行对应；还有一个是lexnames文件，存放所有词的45个意向集（即这117659条词义，可以被归为这45个类）。
data.pos文件
此文件是一个数据文件，以data.adj中able词条为例子：
上图中表示了”1740”同义词集下的able词条，其内容依次包含：词典ID、词意向集序号、词性、同义词集内词个数、指针个数、指针列表、句型、注释与例句。
上图是指针符号列表，用于表示此同义词集与其他同义词集的关系。
lexnames文件
WordNet讲英文单词归类为45个意向集，其中名词26个，动词15个，形容词3个，副词1个。
WordNet_API
官方提供了WordNet接口用于研究与应用。其提供了基于上述数据库文件的基本使用方式：包括同义词集的获取、同义词集对应关系的获取、意向词集的获取、语义相似度的判断。
wordNet提供了多种维度的语义相似度接口，一共包含有6种；
基于上下位词的最短路径,输出空间0-1.
1
2dog.path_similarity(cat) # doctest: +ELLIPSIS
0.2...基于上下位词的最短路径与最大深度，其计算公式$-\log(p/2d)$.
1
2dog.lch_similarity(cat) # doctest: +ELLIPSIS
2.028...基于两同义词深度与最近公共父节点
1
2dog.wup_similarity(cat) # doctest: +ELLIPSIS
0.857...基于两同义词深度与最近公共父节点的含义
1
2dog.res_similarity(cat, brown_ic) # doctest: +ELLIPSIS
7.911...第五种与第六种与上述类似，仅仅是公式不同，这里不再赘述。
可以看到WordNet利用了同义词集、同义词集网络深度等信息实现语义相似度的计算。
参考地址：
wordnet官网
wordnet的一些入门性介绍
wordnet词网研究
wordnet思路
wordNet在线使用地址
wordNet_API
[wordNet_可视化](
