來源迭代通過英語詞典的所有單詞

Question

我需要遍歷英語詞典的所有單詞&根據是否是名詞/動詞或其他&過濾某些其他特徵。有沒有什麼東西可以作爲這些詞的來源？

Answer 1

我推薦來自princeton.edu的WordNet。它與字流行的英語詞彙數據庫屬性，如：語音，例如的

1. 簡短的定義
2. 部分名詞，動詞，形容詞，& c。
3. 同義詞和集團

有來自smu.edu，將簡化在應用程序中使用共發現一個WordNet Java API。你也可以下載數據庫並自己解析它，因爲它只有12MB​​的壓縮。

Answer 2

只是想提到，關於WordNet，有'停止詞'不包括在內。一些在線的人已經制作了停用詞表，但我不確定它們是多麼完整。 一些停止詞語是：''''，'那'，'我'，'從'''到''。

較大的名單是在這裏： http://www.d.umn.edu/~tpederse/Group01/WordNet/wordnet-stoplist.html

對於單詞的列表，請參閱本SourceForge項目： http://wordlist.sourceforge.net/

您可能還需要搜索這樣的列表的usecases，爲了找到合適的數據源。

例如：

• 拼寫檢查算法使用的單詞列表（獨立拼寫檢查器，文字處理應用程序，如OpenOffice的，等等）。

• 文字遊戲算法使用的話（拼字遊戲類型的遊戲，詞彙教學遊戲，縱橫字謎發電機）

• 密碼破解算法使用的話，以幫助找到弱口令。 outpost9.com/files/WordLists.html

也有幾個的Java API可供選擇，並且只與最近的辭典（3.1）的一個由MIT使用Java 5和單詞，共發現3.1的一些工作。