对于给定的任意两个词，我希望能理解它们之间是否存在某种基于分类学/语义领域的关系。例如，给定“狗”和“猫”这两个词，我希望有一个模型能够返回“狗”和“猫”匹配的词，例如该模型在这种情况下可能会返回的词包括“动物”、“哺乳动物”、“宠物”等。

是否有开源的预训练模型可以开箱即用，无需预先训练数据集即可完成此任务？

回答：

听起来WordNet非常适合此任务。WordNet是一个词汇数据库，它以类似分类学的层次树结构组织词汇，并包含许多词的额外语义信息。例如，请参阅此处的“猫”的WordNet，这是一个基于浏览器的演示。一个词在另一个词的层次结构上方一级的词称为“上位词”。例如，猫的上位词是“猫科动物”。使用NLTK中的WordNet，您可以获取两个词的上位词，直到找到相同的上位词。

对于“猫”和“狗”，共同的上位词是“动物”。请看示例代码：

from nltk.corpus import wordnet as wn
wn.synsets('cat')
# 输出: [Synset('cat.n.01'), Synset('guy.n.01'), Synset('cat.n.03'), Synset('kat.n.01'),  Synset('cat-o'-nine-tails.n.01'), Synset('caterpillar.n.02'), ...]
wn.synset('cat.n.01').hypernyms()
# 输出: [Synset('feline.n.01')]
wn.synset('feline.n.01').hypernyms()
wn.synset('carnivore.n.01').hypernyms()
wn.synset('placental.n.01').hypernyms()
wn.synset('mammal.n.01').hypernyms()
wn.synset('vertebrate.n.01').hypernyms()
wn.synset('chordate.n.01').hypernyms()
# 输出: 'animal'
wn.synsets('dog')
# 输出: [Synset('dog.n.01'), Synset('frump.n.01'), Synset('dog.n.03'), Synset('cad.n.01'), Synset('pawl.n.01'), Synset('chase.v.01')]
wn.synset('dog.n.01').hypernyms()
wn.synset('domestic_animal.n.01').hypernyms()
# 输出: 'animal'

您在问题中询问的是机器学习解决方案。传统的方法是通过Gensim使用词向量，但它们不会根据专家创建的数据库（如WordNet）为您提供明确的共同类别，而只是给出在训练数据中经常与您的目标词（“猫”、“狗”）一起出现的词。我认为机器学习在这里不一定是最佳工具。请看示例：

import gensim.downloader as api
model_glove = api.load("glove-wiki-gigaword-100")
model_glove.most_similar(positive=["dog", "cat"], negative=None, topn=10)
# 输出: [('dogs', 0.7998143434524536), ('pet', 0.7550237774848938), ('puppy', 0.7239114046096802), ('rabbit', 0.7165164351463318), ('cats', 0.7114559412002563), ('monkey', 0.6967265605926514), ('horse', 0.6890867948532104), ('animal', 0.6713783740997314), ('mouse', 0.6644925475120544), ('boy', 0.6607726812362671)]