- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在将 wordNet 词形还原器应用到我的语料库中,并且我需要为词形还原器定义词性标注器:
stemmer = PorterStemmer()
def lemmitize(document):
return stemmer.stem(WordNetLemmatizer().lemmatize(document, pos='v'))
def preprocess(document):
output = []
for token in gensim.utils.simple_preprocess(document):
if token not in gensim.parsing.preprocessing.STOPWORDS and len(token) > 3:
print("lemmitize: ", lemmitize(token))
output.append(lemmitize(token))
return output
现在,如您所见,我正在为动词定义 pos(并且我知道 wordNet 默认 pos 是名词),但是当我对文档进行词形还原时:
the left door closed at the night
我出去的是:
output: ['leav', 'door', 'close', 'night']
这不是我所期待的。在我上面的句子中,left
指向哪扇门(例如右或左)。如果我选择 pos ='n'
这个问题可能会解决,但它将充当 WearNet 默认值,并且不会对 taken
等单词产生影响。
我在here中发现了类似的问题我修改了 nltk_data/corpora/wordnet/verb.exc
中的异常(exception)列表,并将 left left
更改为 left left
但仍然,我获得与 leave
相同的结果。
现在我想知道这个问题是否有任何解决方案,或者在最好的情况下,有没有什么方法可以添加一些单词的自定义词典(仅限于我的文档),而 wordNet 不会对它们进行词形还原,例如:
my_dict_list = [left, ...]
最佳答案
您在词形还原和词干提取之间犯了一个常见错误。
词干
词干提取意味着将单词缩减为其前缀。它与语法无关,而是与您自己的数据或使用的算法有关。
例如,最常用的词干分析器 Porter Stemmer 会删除“单词的形态和屈折词尾”( Porter Stemmer Website )
因此,像“cook”、“cooking”、“cooked”和“cookie”这样的词的形态/屈折词尾被删除,全部以“Cook”结尾。但是,请注意,您将一个名词、一个现在进行时的动词、一个过去时态的动词和另一个名词捆绑在一起(例如,请注意, cookies ,即使是熟食,实际上并不与“ cooking ”或“ cooking ”一词共享“层次结构”)。
当你这样做时:
stemmer.stem(WordNetLemmatizer().lemmatize(document))
您正在使用 wordnet 进行词干提取 - 首先对单词进行词形还原,然后对其进行词干提取,删除“形态/屈折变化”单词。事实上,如果您进行词干提取,甚至不需要词形还原(它只会改变不规则动词的内容)。
词形还原
另一方面,词形还原使用词汇信息将单词简化为其“默认”、非弯曲形式。为了使其发挥作用,赋予 te POS 非常重要(因为,正如您所见,leaves 是一个词法,既代表动词又代表名词)。
但是如何找到词性呢?
如今有一些技术,但最常用的技术是基于查找表和周围的单词 - 这些技术被输入到预先训练的机器学习算法中,该算法返回最可能的标签。了解更多信息: https://medium.com/greyatom/learning-pos-tagging-chunking-in-nlp-85f7f811a8cb使用流行的 Python NLP 包 NLTK,您可以执行以下操作:(您必须先下载相关软件包)
import nltk
sentence = "I want to tag these!"
token = nltk.word_tokenize(sentence)
nltk.pos_tag(token)
结果:
[('I', 'PRP'), ('want', 'VBP'), ('to', 'TO'), ('tag', 'VB'), ('these', 'DT'), ('!', '.')]
另一个流行的工具是 Spacy,其功能如下:(您必须先下载经过机器学习训练的模型的语言模型)
import spacy
import spacy
nlp = spacy.load('en')
doc = nlp('I want to tag these!')
print([(token.text, token.pos_) for token in doc])
结果:
[('I', 'PRON'), ('want', 'VERB'), ('to', 'PART'), ('tag', 'VERB'), ('these', 'DET'), ('!', 'PUNCT')]
您可以在此处阅读有关 Spacy POS 标记的更多信息:https://spacy.io/usage/linguistic-features/
然后,我建议您坚持词形还原,因为这将为您提供更细粒度的选项。
关于python - 如何修改 Wordnet Lemmatizer 以对特定单词进行词形还原?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57539043/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!