Language agnostic 从单词集中获取最可能的颜色

是否有任何现有的库或方法可以让您计算出单词集最可能的颜色？比如黄瓜、苹果、草，它给我绿色。以前有人这样做过吗？

如果我必须这样做，我将尝试使用google image或其他工具搜索基于单词的图像，并识别前n个结果中最常见的颜色。

这听起来是一个非常合理的NLP问题，而且通过map reduce很容易处理

确定你称之为颜色的单词和短语的列表[‘蓝色’、‘绿色’、‘红色’、…]。 浏览大量句子，对于提到特定颜色的句子，对于该句子中的每一个单词，在文件中记下

（单词，颜色\u名称）

。（映射步骤）

然后，对于你在语料库中看到的每个单词，聚合你看到的所有颜色，得到类似于

{'cumber'：{'green'：300，'yellow'：34，'blue'：2}，'tomato'：{'red'：900，'green'：430'}…}

（减少步骤）

---

如果你使用足够大的语料库（比如维基百科），并且你知道如何删减非常少的、稀有的单词，您应该能够制作相当全面和强大的字典，将数百万项映射到它们的颜色。

另一种方法是在谷歌中进行文本搜索，查找颜色和相关单词的组合，并获取结果数量最多的组合。下面是一个快速的Python脚本：

import urllib
import json
import itertools

def google_count(q):
      query = urllib.urlencode({'q': q})
      url = 'http://ajax.googleapis.com/ajax/services/search/web?v=1.0&%s' % query
      search_response = urllib.urlopen(url)
      search_results = search_response.read()
      results = json.loads(search_results)
      data = results['responseData']
      return int(data['cursor']['estimatedResultCount'])

colors = ['yellow', 'orange', 'red', 'purple', 'blue', 'green']

# get a list of google search counts
res = [google_count('"%s grass"' % c) for c in colors]
# pair the results with their corresponding colors
res2 = list(itertools.izip(res, colors))
# get the color with the highest score
print "%s is %s" % ('grass', sorted(res2)[-1][1])

这将打印：

grass is green

---

丹尼尔和席的林的回答都是很好的想法。沿着同一个轴，我们可以将两者结合起来，方法类似于Xilin的方法，但更简单：用您想要查找与+a“颜色”过滤器相关联的颜色的单词查询Google图像（见左下栏）。然后看看哪种颜色会产生更多的结果。

我建议尽可能使用一组严格定义的资源，如维基百科和。 例如，这里是“熊猫”的Wordnet：

S：（n）大熊猫，熊猫，熊猫熊，浣熊，大熊猫 （中国和西藏竹林中大型黑白色食草哺乳动物； 在某些分类中，熊被认为是熊科的一员或独立的动物 大熊猫科）

小熊猫，小熊猫，小熊猫，熊猫，熊，猫，熊， 红褐色东半球类浣熊食肉动物； 在某些分类中被认为与大熊猫无关）

由于语言简洁、精心构建，任何颜色词都很可能很重要。在这里你可以看到熊猫是黑白色和红棕色的

如果您确定维基百科的子部分（例如“植物学描述”），这将有助于提高您的结果的相关性。此外，维基百科上的第一张图片很可能是最好的“权威”图片

---

但是，与所有统计方法一样，您会得到误报（和否定，尽管这些可能不是什么问题）。

或者您可以在ImageNet（）中进行搜索，它为Wordnet条目提供图像，因此您可能会得到更准确的图像。例如，使用谷歌搜索，“苹果”可能会显示科技公司而不是水果。