Question

我正在尝试使用NLTK Word Net Lemmatizer找到一种更快速的方法来对列表中的单词进行词典化（名为 text ）。显然，这是我整个程序中最耗时的步骤（使用cProfiler查找相同的内容）。

以下是我试图优化速度的代码 -

def lemmed(text):
    l = len(text)
    i = 0
    wnl = WordNetLemmatizer()
    while (i<l):
        text[i] = wnl.lemmatize(text[i])
        i = i + 1
    return text

使用lemmatizer会使我的表现降低20倍。任何帮助将不胜感激。

Answer 1

如果您有多个核心要备用，请尝试使用multiprocessing库：

from nltk import WordNetLemmatizer
from multiprocessing import Pool

def lemmed(text, cores=6): # tweak cores as needed
    with Pool(processes=cores) as pool:
        wnl = WordNetLemmatizer()
        result = pool.map(wnl.lemmatize, text)
    return result


sample_text = ['tests', 'friends', 'hello'] * (10 ** 6)

lemmed_text = lemmed(sample_text)

assert len(sample_text) == len(lemmed_text) == (10 ** 6) * 3

print(lemmed_text[:3])
# => ['test', 'friend', 'hello']

Python中更快的词形还原技术

1 个答案: