尋找英語單詞有着各自不同的形式

Question

我工作的一個項目數據庫或文本文件，我需要得到一個給定的詞（詞幹）的根。如您所知，不使用字典的詞幹分析算法不準確。我也嘗試過WordNet，但對我的項目並不好。我找到了phpmorphy項目，但它不包含Java中的API。

在這個時候，我要尋找一個數據庫或英文單詞與他們不同形式的文本文件。例如：

運行運行然... 包括含有包括... ...

謝謝您的幫助或建議。

Answer 1

您可以下載LanguageTool（免責聲明：我是維護者），它帶有一個二進制文件english.dict。 The LanguageTool Wiki描述如何轉儲文件爲文本文件：

java -jar morfologik-tools-1.6.0-standalone.jar fsa_dump -x -d english.dict 

對於run，該文件將包含這樣的：

ran run VBD 
run run NN 
run run VB 
run run VBN 
run run VBP 
running run VBG 
runs run NNS 
runs run VBZ 

第一列是詞尾變化的形式，二是鹼形式，第三個是根據（稍微擴展的）Penn Treebank tagset的詞性標籤。