非英语单词的柠檬化？

Question

我想运用引理化来减少单词的屈折形式。我知道WordNet为英语语言提供了这样一个功能，但我也有兴趣对荷兰语、法语、西班牙语和意大利语的单词应用柠檬化。这件事有没有可靠可靠的方法？谢谢您！

Answer 1

试试剪辑库，它们支持德语、英语、西班牙语、法语和意大利语。正是你所需要的：http://www.clips.ua.ac.be/pattern

不幸的是，它只适用于Python 2，还没有提供对Python3的支持。

Answer 2

textacy库http://textacy.readthedocs.io/en/latest/api_reference.html提供了基本的工具，用于构建一个包含元素化的单词包或术语包，作为其选项的一部分。我用西班牙语试过了，效果还不错。

doc.to_bag_of_terms(ngrams=2, named_entities=True, lemmatize=True, as_strings=True)

这个库会自动检查你所用的语言，并根据它进行引理。但是，您也可以在这里指定它。

import textacy
text = 'Los gatos y los perros juegan juntos en el patio de su casa'
doc = textacy.Doc(text, lang='es')
print(doc.to_bag_of_words(normalize='lemma', as_strings=True))

您将得到如下输出 {'perro'：1，'y'：1，'gato'：1，'jugar'：1，'casar'：1，'Los'：1，'patio'：1}

图书馆很好地识别了一些单词，但是引理并没有被完全识别。希望这有帮助。