NLTK乾的話會產生奇怪的結果

我得到了許多的話運行nltk.stem.porter.PorterStemmer().stem_word(word)後「荷蘭國際集團」切斷或「Y」換用「I」。例如'質量'變成'Qualiti'，（甚至更奇怪的）'價值'變成'價值'？NLTK乾的話會產生奇怪的結果

。所獲得的話不是實際的英語單詞，我不知道我怎麼打算使用它們？我最好的猜測是，我的意思是把詞幹放到另一個函數中，這個函數會給我所有來自這個詞幹的衍生詞/子詞（例如'valu'將返回['valuing','valued', 'values', ...]。是否有這樣的功能？

2012-07-17 waigani

你試過這些詞語嗎？那裏有什麼結果？ – inspectorG4dget 2012-07-17 02:49:18

用於所要求的術語是** lexeme **。因此，最好的做法是採用原始的預處理單詞，並通過這種功能而不是詞幹版本來運行，以獲取單詞的所有詞位。 – demongolem 2013-03-14 14:34:12

Stemming extracts字由通過一系列的變換規則去其剝離共同前綴和後綴的莖，因此產生的結果可能不是一個實際的英語單詞。一般使用所產生的是歸一化的話，使它們被認爲是相同的例如：

stem_word('value') == stem_word('valuing')

去梗，然後的話可以被索引搜索相同而產生與輸入的查詢，以便完成查詢詞在查找時與索引中的詞幹匹配。

2012-07-17 02:49:47

我不熟悉的特定功能，但在一般的詞幹是指詞的詞根和不一定是合法的英語單詞。

2012-07-17 02:52:31

回答