python - NLTK : what is the correct lemma for "boss"? 中的 WordNet 词形还原器

Question

我使用 nltk 3.0.4 并注意到单词 boss 和 bosses 的词元不同。

from nltk.stem.wordnet import WordNetLemmatizer

wnl = WordNetLemmatizer()

print wnl.lemmatize("boss", "n")
# returns "bos"

print wnl.lemmatize("bosses", "n")
# returns "boss"

在我看来，这是一种奇怪的行为，尤其是 boss 是一个 known word在 WordNet 中有一个 rule保持ss。

有没有人有解释或者这只是一个错误？我该如何处理？

Answer 1

1. 检查 code 后(_morphy()) 为给定的单词生成可能的分析，我发现没有包含保持 ss 的规则。
2. Bos也是wordnet中的一种基本形式。

替换规则:

MORPHOLOGICAL_SUBSTITUTIONS = {
    NOUN: [('s', ''), ('ses', 's'), ('ves', 'f'), ('xes', 'x'),
           ('zes', 'z'), ('ches', 'ch'), ('shes', 'sh'),
           ('men', 'man'), ('ies', 'y')],
    VERB: [('s', ''), ('ies', 'y'), ('es', 'e'), ('es', ''),
           ('ed', 'e'), ('ed', ''), ('ing', 'e'), ('ing', '')],
    ADJ: [('er', ''), ('est', ''), ('er', 'e'), ('est', 'e')],
    ADV: []}

调用 print wnl.lemmatize("boss", "n"):

由于在应用替换规则时可以找到合适的基本形式(Bos)，因此将其返回。如果这没有包含在 wordnet 中，boss 的引理将是 boss，因为找不到更短的形式。