我希望分析几个（大约30,000个）小文档，并确定它们是否包含对某个主题的引用，例如术语＆＃34; safety＆＃34;。它很容易做一个string.find（）或标记化原始文本和比较列表，但我希望搜索词是动态的，所以如果用户键入＆＃34; safety＆＃34;，我的程序识别出该单词的所有形式。所以＆＃34;安全＆＃34;会比较像＃34; safe＆＃34;，＆＃34;安全＆＃34;，＆＃34;更安全＆＃34;，＆＃34;最安全＆＃34;等来搜索原始文本。我希望用户能够投入任何条款，并且有合理的期望它会在源文件中找到相关条款。
我已经看过了词干和词汇化，但是词干还带来了一些疯狂的结果（即＆＃34;安全＆＃34;回归＆＃34; safeti＆＃34;而＃34;安全＆＃34;源于＆＃34;安全＆＃34;）和lemmatizing往往返回给定的搜索词。我已经尝试了这里显示的两个建议，结果相同：
How to list all the forms of a word using NLTK in python
任何帮助将不胜感激。如果所有其他方法都失败了，我只会在用户输入时在运行时构建一个术语列表。