NLTKとWordNetの基本的な使い方・類義語について

ふゅか

ねえ、NLTKって知ってる？WordNetっていう辞書データベースにアクセスできるんだって！超便利だよね♪

はるか

ああ、知ってる。単語の意味や同義語、反意語が簡単にわかる。

NLTKとWordNet

NLTK (Natural Language Toolkit) は、WordNet という辞書データベース（シソーラス）にアクセスするための便利なインターフェースを提供しています。これにより、単語の意味、同義語、反意語などを簡単に調べることができます。以下に、NLTK で WordNet を使う基本的な方法を説明します。

インストール・準備

まず、NLTK がインストールされていることを確認してください。pip を使ってインストールできます。

pip install nltk

次に、WordNet のデータをダウンロードする必要があります。

import nltk
nltk.download('wordnet')
nltk.download('omw-1.4')  # オプション: 多言語対応の WordNet データ

 基本的な使い方

Synset（同義語セット）

Synset は、共通の意味を持つ同義語の集合です。ある単語の Synset を取得するには、次のようにします。

from nltk.corpus import wordnet as wn

# "dog" の Synset を取得
synsets = wn.synsets('dog')
print(synsets)

WordNetに様々な同義語が登録され、文字通りの「犬」以外にも、複数の異なる意味が関連しています。

はるか

Synsetは英語で一つ以上の同義語のこと。

定義と例文

Synset を取得したら、その定義や例文にアクセスできます。例文は、空になる場合があります。

# "letter" の最初の Synset を取得
letter = wn.synsets('letter')[0]

# 定義を取得
print(letter.definition())

# 例文を取得
print(letter.examples())

Lemma（同義語）

Synset の同義語（Lemma）を取得することができます。

a = wn.synsets('a')[2]

# "a" の Synset の Lemma を取得
lemmas = py.lemmas()
print([lemma.name() for lemma in lemmas])

デオキシアデノシン一リン酸とAがaの同義語になっていることがわかります。

ふゅか

あとは、Synsetから同義語、つまりLemmaも取り出せるのよ！

はるか

そうだね。同義語のリストを作りたいときに役立つ。

反意語

反意語を見つけるには、Lemma を調べて、その反意語を取得します。

# "good" の反意語を見つける
good = wn.synsets('good')[1]
antonyms = [lemma.antonyms() for lemma in good.lemmas() if lemma.antonyms()]
print(antonyms)

Hypernym（上位語）と Hyponym（下位語）

単語の上位語や下位語を取得することができます。

token = wn.synsets('token')[0]
# "token" の最初の Synset の Hypernym を取得
hypernyms = token.hypernyms()
print(hypernyms)

# "token" の最初の Synset の Hyponym を取得
hyponyms = token.hyponyms()
print(hyponyms)

ふゅか

HypernymとHyponymも便利だよ！Hypernymはもっと一般的な用語、Hyponymは具体的な用語って感じ。これで単語の階層関係が見えてくる！

パス類似度の計算

Synset 間の類似度をパス類似度で測定することもできます。

# "dog" と "cat" の Synset を取得
dog = wn.synsets('dog')[0]
cat = wn.synsets('cat')[0]

# パス類似度を計算
similarity = dog.path_similarity(cat)
print(similarity)