我一直在玩一堆关于NLTK的 stemmers 和 lemmatizer，但是没有一个能达到我想要的效果。我有一堆单词，例如“放射科医生”，“放射科医生”，“心脏科医生”等...我想让 * ology 与 * ology 一起去同一个桶。我已经尝试过 PorterStemmer，SnowballStemmer 和 WordNet 的单词如何在
1
你看过 Morfessor 吗？它具有一堆变形分割算法。显然，你正在寻找的那种分析可以使用这个工具。这里是链接 [1]:http://asr.aalto.fi/morfessordemo/
0
像这样吗？
>>> s = 'cardiology'
>>> s = s[:-5] if s.endswith('ology') else s
>>> s = s[:-7] if s.endswith('ologist') else s
>>> s
'cardi'
>>> s = 'cardiologist'
>>> s = s[:-5] if s.endswith('ology') else s
>>> s = s[:-7] if s.endswith('ologist') else s
>>> s
'cardi'
0
词干化 / 词素化的过程假定仅删除屈折后缀（即从单词radiologists中删除-s后缀），而您也要删除派生后缀。
尝试Lingua Robot。它还能够将单词分割为词素。例如，单词simplifications被分割为基本单词simple（我假设这是您要检索的）和派生后缀（-ify，-ation和-s）。
本站系公益性非盈利分享网址，本文来自用户投稿，不代表码文网立场，如若转载，请注明出处
评论列表（67条）