List 区分不同领域的术语
我想做什么： 我正在尝试获取一个术语列表，并区分它们来自哪个领域。例如，“肠”来自解剖学领域，而“癌症”一词来自疾病领域。我从不同的本体中获得这些术语，比如DOID和FMA（它们可以在bioportal.biology.org上找到） 问题： 我很难找到实现这一目标的最佳方法。目前，我天真地从本体论DOID和FMA中提取术语，并将FMA列表中任何术语的差异从DOID列表中提取出来，我们知道这些术语是解剖学的（其中包含可能是解剖学的术语，如结肠癌、结肠是解剖学的和癌症是疾病） 想法： 我在想，我可以为不同的术语域获取词根、前缀和后缀，并尝试将其与列表中的术语相匹配。另一个想法是从他们的本体中获取更多信息，如元数据或其他东西，并使用这些信息来区分术语List 区分不同领域的术语,list,dictionary,nlp,ontology,List,Dictionary,Nlp,Ontology,我想做什么： 我正在尝试获取一个术语列表，并区分它们来自哪个领域。例如，“肠”来自解剖学领域，而“癌症”一词来自疾病领域。我从不同的本体中获得这些术语，比如DOID和FMA（它们可以在bioportal.biology.org上找到） 问题： 我很难找到实现这一目标的最佳方法。目前，我天真地从本体论DOID和FMA中提取术语，并将FMA列表中任何术语的差异从DOID列表中提取出来，我们知道这些术语是解剖学的（其中包含可能是解剖学的术语，如结肠癌、结肠是解剖学的和癌症是疾病） 想法： 我在想，我可
欢迎提出任何意见 天真的方法-它给你带来了多大的精确度和回忆力？如果您现在设置一个测试用例，那么您可以在应用更复杂的方法时跟踪您的进度 我不知道您要处理的初始集是什么，但有一件事需要尝试，那就是获得带注释的文档（可能使用mechanical turk）。这些文档需要标记为您正在查找的域—解剖域或疾病域 然后计数和除法将告诉您遇到的单词属于某个域的可能性有多大。下一步就是调整一些权重 另一种方法（完全相反）是使用WordNet。我不知道它是否对您的目的有用，但它是一个庞大的本体，所以它可能会有所帮助 Python具有通过nltk使用Wordnet的绑定 从nltk.corpus导入wordnet作为wn wn.synsets（'癌症'） 给出输出=[Synset（'cancer.n.01'）、Synset（'cancer.n.02'）、Synset（'cancer.n.03'）、Synset（'cancer.n.04'）、Synset（'cancer.n.05'）]
让我们知道结果如何 第一次跑步时，你很可能会有最好的运气。作为一个初始假设，疾病通常是名词短语，通常有一个非常英语特有的结构，其中
NP->nn>>> livers = reader.synsets("liver")
>>> pprint([l.definition() for l in livers])
[u'large and complicated reddish-brown glandular organ located in the upper right portion of the abdominal cavity; secretes bile and functions in metabolism of protein and carbohydrate and fat; synthesizes substances involved in the clotting of the blood; synthesizes vitamin A; detoxifies poisonous substances and breaks down worn-out erythrocytes',
u'liver of an animal used as meat',
u'a person who has a special life style',
u'someone who lives in a place',
u'having a reddish-brown color']