如何解决获取具有两个特定关键字的行
我有一个包含一对关键字(“ k1”,“ k2”)的列表。这是一个示例:
print (word_pairs)
--->[('salaire','dépense'),('gratuité','argent'),('causesmwedemwelamwemort','cadres'),('caractèresmwedumwedispositif','historique'),('psychomotricienmwediplôme','infirmier'),('impôtmwesurmwelesmweréunionsmwesportives','compensation'),('affichage','affichagemweopinion'),('délaimweprorogation','défaillance'),('créancemwenotion','généralités')]
我有一个文本文件r_isa.txt
(205MB),其中包含共享“ isa”关系的单词。这是一个示例,其中\t
代表文字的制表符:
égalité de Parseval\tformule_0.9333\tégalité_1.0
filiation illégitime\tfiliation_1.0
Loi reconnaissant l'égalité\tloi_1.0
égalité entre les sexes\tégalité_1.0
liberté égalité fraternité\tliberté_1.0
这基本上意味着,“égalitéde Parseval”是一个“公式”,得分为0.9333,而isa“égalité”是一个得分,所以继续。.
我想根据r_isa文件知道关键字k1
是否为k2
,以及k2
是否为-k1
。在输出文件上,我想在每一行上保存确实具有is-a关系的一对单词。
这就是我所做的:
#Reading data as list
keywords = [line for line in open('version_final_PMI_espace.txt',encoding='utf8')]
keywords = ast.literal_eval(keywords[0])
word_pairs = []
for k,v in keywords.items():
if v:
word_pairs.append((k,v[0][0]))
len(list(set(word_pairs)))
#####
with open("r_isa.txt",encoding="utf-8") as readfile,open('Hyperonymy_file_pair.txt','w') as writefile:
for line in readfile:
firstfield = line.split('\t')[0].lower()
for w in word_pairs:
if w[0]==firstfield:
if w[1] in line:
writefile.write("".join(w[0]) + "\t"+"".join(w[1]) +"\n" )
例如,这会向我返回随机对:
salaire\targent
dépense\tcadres
而不是(如果存在现有的isa关系)
salaire\tdépense
causesmwedemwelamwemort\tcadres
我哪里出错了?
解决方法
更新后的答案
语句if w[1] in line:
非常可疑。请参阅以下代码,了解我认为逻辑应该是什么。由于我无权访问您的文件,因此我将readfile
变成了一个字符串列表以进行测试,而不是将输出写入writefile
,而是在打印一些结果。我为word_pairs
和readfile
添加了一些值,以便得到一些结果。另外请注意,如果要将输入文件转换为小写,则单词对也必须为小写。
此代码检查k1是否为k2,如果不是,则检查k2是否为k1。
word_pairs = [('égalité de parseval','égalité'),('salaire','dépense'),('gratuité','argent'),('causesmwedemwelamwemort','cadres'),('caractèresmwedumwedispositif','historique'),('psychomotricienmwediplôme','infirmier'),('impôtmwesurmwelesmweréunionsmwesportives','compensation'),('affichage','affichagemweopinion'),('délaimweprorogation','défaillance'),('créancemwenotion','généralités')]
word_pairs2 = [(pair[1],pair[0]) for pair in word_pairs] # reverse the words
word_dict = dict(word_pairs) # create a dictionary for fast searching
word_dict2 = dict(word_pairs2)
readfile = [
'égalité de Parseval\tformule_0.9333\tégalité_1.0','filiation illégitime\tfiliation_1.0','Loi reconnaissant l\'égalité\tloi_1.0','égalité entre les sexes\tégalité_1.0','liberté égalité fraternité\tliberté_1.0','dépense\tsalaire_.9'
]
for line in readfile:
fields = line.lower().split('\t')
first_word = fields.pop(0)
isa_word = word_dict.get(first_word,word_dict2.get(first_word)) # check k2 isa k1 if k1 isa k2 is false
if isa_word is not None:
for field in fields: # check each one
fields2 = field.split('_')
second_word,score = fields2
if second_word == isa_word:
print(first_word,second_word,score)
打印:
égalité de parseval égalité 1.0
dépense salaire .9
如果k1 is a k2 和 k2 isa k1可能,那么您需要更通用(但更复杂)的代码:
word_pairs = [('égalité de parseval','salaire\tdépense_1.0','dépense\tsalaire_.9'
]
for line in readfile:
fields = line.lower().split('\t')
first_word = fields.pop(0)
# k1 isa k2?
isa_word = word_dict.get(first_word)
if isa_word is not None:
for field in fields: # check each one
fields2 = field.split('_')
second_word,score)
# k2 isa k1?
isa_word = word_dict2.get(first_word)
if isa_word is not None:
for field in fields: # check each one
fields2 = field.split('_')
second_word,score)
打印:
égalité de parseval égalité 1.0
salaire dépense 1.0
dépense salaire .9
,
kw = [('salaire','généralités')]
lines_from_file = ['égalité de Parseval\tformule_0.9333\tégalité_1.0','créancemwenotion\tgénéralités_1.0','généralités\tcréancemwenotion_1.0']
who_is_who_dict = {}
for line in lines_from_file:
words = line.split('\t')
key = words[0]
other_words = [w.split('_')[0] for w in words[1:]]
if key in who_is_who_dict:
who_is_who_dict[key] = who_is_who_dict[key] + other_words
else:
who_is_who_dict[key] = other_words
pairs_to_write = []
for kw1,kw2 in kw:
if (kw1 in who_is_who_dict and kw2 in who_is_who_dict[kw1]
and kw2 in who_is_who_dict and kw1 in who_is_who_dict[kw2]):
pairs_to_write.append((kw1,kw2))
print(pairs_to_write)
输出:
[('créancemwenotion','généralités')]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。