如何使用SpaCy或NLTK从英语中的词根或词条生成所有派生术语？
如何使用SpaCy或NLTK从英语中的词根或词条生成所有派生术语？
提问于 2021-05-01 10:47:42
在NLTK或SpaCy中有没有一个函数可以提供所有可能的术语，这些术语可以从给定的引理单词中派生出来？例如:如果引理是“呼吸”，我需要“呼吸”的所有派生术语，如“呼吸”，“呼吸”等。如果词根是“吃”，我需要术语“吃”，“吃”，“吃”等等。
SpaCy中的.lemma_属性和NLTK中的WordNetLemmatizer()函数可以用来确定一个词的引理，但是我如何做相反的任务，即确定给定引理词中的所有派生项？
回答 1
Stack Overflow用户
发布于 2021-05-01 17:03:51
您可以使用可用作spacy扩展的pyinflect。你需要先用pip install pyinflect安装它。使用它的示例：
import spacy
import pyinflect
nlp = spacy.load("en_core_web_sm")
verbs = "eating goes touch felt hit sleeping"
doc = nlp(verbs)
for token in doc:
base = token._.inflect("VB")
gerund = token._.inflect("VBG")
past_tense = token._.inflect("VBD")
past_participle = token._.inflect("VBN")
print(token.text, "-", base, "-", gerund, "-", past_tense, "-", past_participle)
# Output:
# eating - eat - eating - ate - eaten
# goes - go - going - went - gone
# touch - touch - touching - touched - touched
# felt - feel - feeling - felt - felt
# hit - hit - hitting - hit - hit
# sleeping - sleep - sleeping - slept - slept编辑:要获得带有简短描述的整个标签列表，请运行以下代码：
nlp = spacy.load('en_core_web_sm')
for label in nlp.get_pipe("tagger").labels:
print(label, " -- ", spacy.explain(label))页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67342461
复制相关文章
相似问题
腾讯云开发者
