nltk - 用 wordnet lemmatizer 阻止一些复数不起作用

Question

您好，我对 nltk (2.0.4) 有疑问:我试图阻止“男人”或“ dentry ”这个词，但它似乎不起作用。这是我的代码:

############################################################################
import nltk
from nltk.corpus import wordnet as wn
from nltk.stem.wordnet import WordNetLemmatizer

lmtzr=WordNetLemmatizer()
words_raw = "men teeth"
words = nltk.word_tokenize(words_raw)
for word in words:
        print 'WordNet Lemmatizer NOUN: ' + lmtzr.lemmatize(word, wn.NOUN)
#############################################################################

本应打印“man”和“tooth”，但它打印的是“men”和“teeth”。

有什么解决办法吗？

Answer 1

我找到了解决方案!我检查了 wordnet.py 文件夹/usr/local/lib/python2.6/dist-packages/nltk/corpus/reader 中的文件，我注意到函数 _morphy(self,form,pos) 返回一个包含词干词的列表.所以我尝试测试 _morphy :

import nltk
from nltk.corpus import wordnet as wn
from nltk.stem.wordnet import WordNetLemmatizer

words_raw = "men teeth books"
words = nltk.word_tokenize(words_raw)
for word in words:
        print wn._morphy(word, wn.NOUN)

这个程序打印 [men,man]、[teeth,tooth] 和 [book]!

为什么 lmtzr.lemmatize () 只打印列表的第一个元素的解释，也许可以在函数 lemmatize 中找到，它包含在文件夹/usr/local/中的文件 'wordnet.py' 中lib/python2.6/dist-packages/nltk/stem.

def lemmatize(self, word, pos=NOUN):
    lemmas = wordnet._morphy(word, pos)
    return min(lemmas, key=len) if lemmas else word

我假设它只返回单词列表中包含的较短的单词，如果两个单词的长度相等，则返回第一个；例如 'men' 或 'teeth' 而不是 'man' 和 'tooth'