我有一个Hindi WordNet的数据库和API，如何将其添加到NLTK中？

Question

我有一个数据库和API，用于处理印地语的词网（wordnet）。我想通过NLTK这个Python库来访问这个词网，这样我就可以用NLTK的词网功能来处理我们的词网。请问有没有办法把我们自己的词网添加到NLTK里？或者，有没有什么工具可以用来处理印地语的词义消歧（也就是在不同的词义中找出最合适的那个），并且可以稍微修改后与任何语言的词网一起使用？

Answer 1

如果你查看一下你的nltk_data文件夹，你会发现wordnet和其他NLTK语料库一样，都是一堆普通的文本文件。所以，肯定有办法把你的印地语wordnet格式化成和NLTK的那种格式，这样才能使用相关的功能。下面是从nltk.corpus.reader.wordnet对象中读取这些文件的代码片段：

#: A list of file identifiers for all the fileids used by this
#: corpus reader.
_FILES = ('cntlist.rev', 'lexnames', 'index.sense',
          'index.adj', 'index.adv', 'index.noun', 'index.verb',
          'data.adj', 'data.adv', 'data.noun', 'data.verb',
          'adj.exc', 'adv.exc', 'noun.exc', 'verb.exc', )

def __init__(self, root):
    """
    Construct a new wordnet corpus reader, with the given root
    directory.
    """
    super(WordNetCorpusReader, self).__init__(root, self._FILES,
                                              encoding=self._ENCODING)

我想你其实不需要生成所有这些文件，但更重要的是要使用“index.sense”文件来进行词义消歧。这不是NLTK生成的，而是需要在此之前进行预处理，或者你的印地语wordnet应该以以下格式提供 - http://wordnet.princeton.edu/wordnet/man/senseidx.5WN.html。

完成所有步骤后，我建议你去../nltk/corpus/reader/wordnet.py文件，创建一个副本，在那里你可以更改根目录和文件名，可能还需要调整其他一些依赖项，但仍然可以使用原有的功能，或者在现有类中修改你需要的部分（不推荐这样做）。

附言：稍微搜索了一下，我找到了这个链接 http://www.cs.utexas.edu/~rashish/cs365ppt.pdf，里面提到了很多相关的其他资料。