OpenHowNet项目存放HowNet核心数据和清华大学自然语言处理实验室（THUNLP）开发的OpenHowNet API，提供方便的义原信息查询、义原树展示、基于义原的词相似度计算等功能。
- 筛选HowNet中的词语:上下位关系词对主要研究名词词对，对HowNet的所有词语进行过滤，得到所有名词词性的词语。
- 比较义原树展开层数的影响：可视化输入词的义原标注信息，获得结构化的义原树。采取对比实验，输入30个词语，确定义原树最佳展开层数，展开义原树获得义原的描述核心词，初步获得词语的上下位关系候选集。
- 比较词语间相似度的影响：以词语间相似度值为限制条件，对上位词候选集作进一步筛选，抽取出最合适的上位词。采取对比实验，对实验数据分别采用不同的相似度值进行上位词候选的筛选，人工标注并计算筛选之后抽取结果的准确率，选择最佳相似度取值。
- 检索义原上位词：直接获取HowNet中所有名词性义原的上位词，扩充上下位关系数据集
HowNet核心数据文件（HowNet.txt）由223,767个中英文词和词组所代表的概念构成。HowNet为每个概念标注了基于义原的定义以及词性、情感倾向、例句等信息。
- Python==3.6
- anytree==2.4.3
- tqdm==4.31.1
- requests==2.22.0
- 通过 pip 安装（推荐）
pip install OpenHowNet| 接口 | 功能说明 | 参数说明 |
|---|---|---|
| get(self, word, language=None) | 检索HowNet中词语对应的概念标注的完整信息 | word表示待查词，language为en(英文)或zh(中文)，默认双语同时查找 |
| get_sememes_by_word(self, word, structured=False, lang='zh', merge=False, expanded_layer=-1) | 检索输入词的义原，可以选择是否合并多个义项，也可以选择是否以结构化的方式返回，还可以指定展开层数。 | word表示待查词，language为en(英文)或zh(中文), structured表示是否以结构化的方式返回，merge控制是否合并多义项，expanded_layer控制展开层数，默认全展开 |
| initialize_sememe_similarity_calculation(self) | 初始化基于义原的词语相似度计算（需要读取相关文件并有短暂延迟） | |
| calculate_word_similarity(self, word0, word1) | 计算基于义原的词语相似度，调用前必须先调用上一个函数进行初始化 | word0和word1表示待计算相似度的词对 |
| get_nearest_words_via_sememes(self, word, K=10) | 在使用基于义原的词语相似度度量下，检索和待查词最接近的K个词 | word表示待查词，K表示K近邻算法取的Top-K |
| get_sememe_relation(self, sememe0, sememe1) | 获取两个义原之间的关系 | sememem0和sememem1代表待查义原 |
| get_sememe_via_relation(self, sememe, relation, lang='zh') | 检索和某个义原存在某种关系所有义原 | sememe代表待查义原，relation代表关系，language为en(英文)或zh(中文) |
import OpenHowNet
hownet_dict = OpenHowNet.HowNetDict()这里如果没有下载义原数据会报错，需要执行OpenHowNet.download()。
默认情况下，api将搜索HowNet中输入词的中文和英文标注，带来不必要的开销。注意，如果目标词在HowNet中无标注，将返回空list。
>>> result_list = hownet_dict.get("苹果")
>>> print("检索数量：",len(result_list))
>>> print("检索结果范例:",result_list[0])
检索数量： 6
检索结果范例: {'Def': '{computer|电脑:modifier={PatternValue|样式值:CoEvent={able|能:scope={bring|携带:patient={$}}}}{SpeBrand|特定牌子}}', 'en_grammar': 'noun', 'zh_grammar': 'noun', 'No': '127151', 'syn': [{'id': '004024', 'text': 'IBM'}, {'id': '041684', 'text': '戴尔'}, {'id': '049006', 'text': '东芝'}, {'id': '106795', 'text': '联想'}, {'id': '156029', 'text': '索尼'}, {'id': '004203', 'text': 'iPad'}, {'id': '019457', 'text': '笔记本'}, {'id': '019458', 'text': '笔记本电脑'}, {'id': '019459', 'text': '笔记本电脑'}, {'id': '019460', 'text': '笔记本电脑'}, {'id': '019461', 'text': '笔记本电脑'}, {'id': '019463', 'text': '笔记簿电脑'}, {'id': '019464', 'text': '笔记簿电脑'}, {'id': '020567', 'text': '便携式电脑'}, {'id': '020568', 'text': '便携式计算机'}, {'id': '020569', 'text': '便携式计算机'}, {'id': '127224', 'text': '平板电脑'}, {'id': '127225', 'text': '平板电脑'}, {'id': '172264', 'text': '膝上型电脑'}, {'id': '172265', 'text': '膝上型电脑'}], 'zh_word': '苹果', 'en_word': 'apple'}
>>> hownet_dict.get("test_for_non_exist_word")
[]>>> zh_word_list = hownet_dict.get_zh_words()
>>> print(zh_word_list[:30])
['', '"', '#', '#号标签', '$', '%', "'", '(', ')', '*', '+', '-', '--', '...', '...出什么问题', '...底', '...底下', '...发生故障', '...发生了什么', '...何如', '...家里有几口人', '...检测呈阳性', '...检测呈阴性', '...来', '...内', '...为止', '...也同样使然', '...以来', '...以内', '...以上']
#### 获取输入词去结构的义原集合
注意：`lang`、`merge`、`expanded_layer`等参数只在`structured = False`时有效。这是因为当处理结构化的数据时，有多种方式解释这些参数，使用者可以自行选择。在下一章节，你将看到如何使用结构化的数据。参数的详细解释在文档中给出。
获取合并过后的多义词的义原
```python
>>> hownet_dict.get_sememes_by_word("苹果",structured=False,lang="zh",merge=True)
{'电脑', '交流', '用具', '水果', '特定牌子', '样式值', '能', '树', '生殖', '携带'}
#### 获取指定词的同义词
相似度计算是基于义原的。
```python
>>> hownet_dict["苹果"][0]["syn"]
[{'id': '004024', 'text': 'IBM'},
{'id': '041684', 'text': '戴尔'},
{'id': '049006', 'text': '东芝'},
{'id': '106795', 'text': '联想'},
{'id': '156029', 'text': '索尼'},
{'id': '004203', 'text': 'iPad'},
{'id': '019457', 'text': '笔记本'},
{'id': '019458', 'text': '笔记本电脑'},
{'id': '019459', 'text': '笔记本电脑'},
{'id': '019460', 'text': '笔记本电脑'},
{'id': '019461', 'text': '笔记本电脑'},
{'id': '019463', 'text': '笔记簿电脑'},
{'id': '019464', 'text': '笔记簿电脑'},
{'id': '020567', 'text': '便携式电脑'},
{'id': '020568', 'text': '便携式计算机'},
{'id': '020569', 'text': '便携式计算机'},
{'id': '127224', 'text': '平板电脑'},
{'id': '127225', 'text': '平板电脑'},
{'id': '172264', 'text': '膝上型电脑'},
{'id': '172265', 'text': '膝上型电脑'}]>>> len(hownet_dict.get_all_sememes())
2187你输入的义原可以使用任意语言：
>>> hownet_dict.get_sememe_relation("音量值", "尖声")
'hyponym'
>>> hownet_dict.get_sememe_relation("尖声", "SoundVolumeValue")
'hyponym'
>>> hownet_dict.get_sememe_relation("shrill", "SoundVolumeValue")
'hypernym'
#### 检索与输入义原存在某种关系的所有义原
你输入的义原可以使用任意语言，但是关系必须为英文小写；同时你可以指定输出的义原的语言，默认为中文。
```python
>>> hownet_dict.get_sememe_via_relation("音量值", "hyponym")
['高声', '低声', '尖声', '沙哑', '无声', '有声']
### 高级功能：通过义原计算词语相似度
实现方法基于以下论文：
> Jiangming Liu, Jinan Xu, Yujie Zhang. An Approach of Hybrid Hierarchical Structure for Word Similarity Computing by HowNet. In Proceedings of IJCNLP
#### 额外初始化
由于计算相似度需要额外的文件，初始化的开销将比之前的大。你可以按照如下方式初始化：
```python
>>> hownet_dict_advanced = OpenHowNet.HowNetDict(use_sim=True)你也可以在需要使用时再进行额外的初始化，这时，初始化的返回值将代表额外的初始化是否成功。
>>> hownet_dict.initialize_sememe_similarity_calculation()
True如果其中的任何一个词不在HowNet中，函数将返回0。
>>> hownet_dict_advanced.calculate_word_similarity("苹果", "梨")
1.0