NLTK词形还原错误的结果

Question

我已经使用NLTK，并得到错误的结果是这样的：

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

我认为答案是鱼，而不是“代码”。 有没有办法解决这个或其他python Lib可以做得更好的工作？解决这个问题

Answer 1

一种方法是将单词添加到'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 

注意其属性以单下划线开始被认为是私人 - 即它们不是公共接口的一部分。因此，修改wordnet._exception_map不能保证在未来版本的nltk中工作。 （与NLTK版本3.0.0以上的作品。它是通过查看WordNetLemmatizer.lemmatize和wordnet._morphy源代码中找到。）

另一种方式来解决这个问题是修改nltk_data/corpora/wordnet/verb.exc。该文件的内容是这样的：

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

如果添加

coding code 

然后这个异常被添加到wordnet._exception_map自动为您。

第三个选项，比前两个更简单，就是说服Wordnet的开发者添加coding code到nltk_data/copora/wordnet/verb.exc。