在您的示例中，有40个其他单词与该单词 恰好 具有 一个
共同点
'monstrous'。在该
similar函数中，使用一个
Counter对象对上下文相似的单词进行计数，然后打印最常见的单词（默认为20）。由于所有40个频率相同，因此顺序可以不同。
从文档的
Counter.most_common：
相等计数的元素可以任意排序
我用以下代码检查了类似单词的出现频率（该代码实质上是功能代码相关部分的副本）：
from nltk.book import *from nltk.util import tokenwrapfrom nltk.compat import Counterword = 'monstrous'num = 20text1.similar(word)wci = text1._word_context_index._word_to_contextsif word in wci.conditions(): contexts = set(wci[word]) fd = Counter(w for w in wci.conditions() for c in wci[w] if c in contexts and not w == word) words = [w for w, _ in fd.most_common(num)] # print(tokenwrap(words))print(fd)print(len(fd))print(fd.most_common(num))
输出：（不同的运行给我不同的输出）
Counter({'doleful': 1, 'curious': 1, 'delightfully': 1, 'careful': 1, 'uncommon': 1, 'mean': 1, 'perilous': 1, 'fearless': 1, 'imperial': 1, 'christian': 1, 'trustworthy': 1, 'untoward': 1, 'maddens': 1, 'true': 1, 'contemptible': 1, 'subtly': 1, 'wise': 1, 'lamentable': 1, 'tyrannical': 1, 'puzzled': 1, 'vexatious': 1, 'part': 1, 'gamesome': 1, 'determined': 1, 'reliable': 1, 'lazy': 1, 'passing': 1, 'modifies': 1, 'few': 1, 'horrible': 1, 'candid': 1, 'exasperate': 1, 'pitiable': 1, 'abundant': 1, 'mystifying': 1, 'mouldy': 1, 'loving': 1, 'domineering': 1, 'impalpable': 1, 'singular': 1})
