Nltks wordnet lemmatizer nicht alle Wörter lemmatizierend

Question

Ich versuche, Wörter in einem Text zu lemmatizieren. Wie zum Beispiel ‚gebeizt‘ sollte ‚Gurke‘ drehen, ‚lief‘ auf ‚Run‘, ‚Rosinen‘ bis ‚Rosine‘ usw.

Ich nltk die mit WordNet Lemmatizer wie folgt:

from nltk.stem import WordNetLemmatizer 
>>> 
>>> lem = WordNetLemmatizer() 
>>> print(lem.lemmatize("cats")) 
cat 
>>> print(lem.lemmatize("pickled")) 
pickled 
>>> print(lem.lemmatize("ran")) 
ran 

So, wie Sie für 'pickled' und 'ran' sehen können, kommt die Ausgabe nicht wie erwartet. Wie man 'pickle' und 'run' für diese bekommt, ohne 'v' (Verb) usw. für die Wörter spezifizieren zu müssen.

Answer 1

Sie können nach einem Substantiv oder Verb die Grundform lemmatize() Funktion erhalten, indem die häufigste Ergebnis der Funktion immer ein 'v' oder 'n' Parameter unter geben und nicht alles vorbei.

kein direkter Weg zu tun, aber man kann immer die Grundform eines Substantivs oder ein Verb den folgenden Code versuchen:

def most_common(lst): 
    return max(set(lst), key=lst.count) 
words = ['ran','pickled','cats',"crying","died","raisins","had"] 
for word in words: 
    checkList=[WordNetLemmatizer().lemmatize(word,'v'),WordNetLemmatizer().lemmatize(word,'n'),WordNetLemmatizer().lemmatize(word,'n')] 
    print most_common(checkList) 

Sie erhalten die Grundform:

ran 
pickled 
cat 
cry 
died 
raisin 
had