Question

我使用棕色语料库“brown.words（）”，它给出了1161192个单词的列表。

现在我想找到任何出现的“have”这个词，所以每当在语料库中都有“has”，“have”，“have not”等。我想做点什么（可能是把它们推到一个数组中，可能是一个计数器，也可能是别的。

修改：请注意，此问题与找到匹配的字有关。如果我搜索“有”，我想要一种方法将其匹配为“没有”或“有”，因此.count（）无法解决此问题，因为它无法帮助匹配任何内容

我将使用示例代码，以防词干/词形还原工作：

def findWordFamily(findWord):
    wordFamily = []

    lmtzr = WordNetLemmatizer()

    findWord = lmtzr.lemmatize(findWord)
    for word in brown.words():
        lemma = lmtzr.lemmatize(word)
        if lemma == findWord:
            wordFamily.append(word)

    return wordFamily
print(findWordFamily("have"))
# ["have", "have", "had", "having","haven't", "having"]

但问题在于：

for word in brown.words():
    lemma = lmtzr.lemmatize(word)
    # if word is "having" lemma also is "having" instead of "have"

Answer 1

在尝试匹配单词之前，您可能需要进行一些预处理。所以“有”或“没有”最终“转变”为“有”。

我建议你看一下词干或词形化：

NLTK的Wordnet Lemmatizer（我的最爱之一）：http://www.nltk.org/_modules/nltk/stem/wordnet.html

NLTK的词干：http://www.nltk.org/howto/stem.html

注意：为了使变形词能够与动词一起使用，你必须指明它们实际上是动词。

nltk.stem.WordNetLemmatizer().lemmatize('having', 'v')

希望这有帮助！

Python NLTK：搜索单词

1 个答案: