NLTK詞形還原錯誤的結果

Question

我已經使用NLTK，並得到錯誤的結果是這樣的：

>>> print lmtzr.lemmatize('coding', 'v') 
cod 

我認爲答案是魚，而不是「代碼」。 有沒有辦法解決這個或其他python Lib可以做得更好的工作？解決這個問題

Answer 1

一種方法是將單詞添加到'coding'wordnet._exception_map：

import nltk.stem as stem 
import nltk.corpus as corpus 
wordnet = corpus.wordnet 
wordnet._exception_map['v']['coding'] = ['code'] 
wnl = stem.WordNetLemmatizer() 

print(wnl.lemmatize('coding', 'v')) 
# code 

注意其屬性以單下劃線開始被認爲是私人 - 即它們不是公共接口的一部分。因此，修改wordnet._exception_map不能保證在未來版本的nltk中工作。 （與NLTK版本3.0.0以上的作品。它是通過查看WordNetLemmatizer.lemmatize和wordnet._morphy源代碼中找到。）

另一種方式來解決這個問題是修改nltk_data/corpora/wordnet/verb.exc。該文件的內容是這樣的：

cockneyfied cockneyfy 
codded cod 
codding cod 
codified codify 
cogged cog 
cogging cog 

如果添加

coding code 

然後這個異常被添加到wordnet._exception_map自動爲您。

第三個選項，比前兩個更簡單，就是說服Wordnet的開發者添加coding code到nltk_data/copora/wordnet/verb.exc。