language-agnostic - 你能以编程方式检测英语单词的复数形式，并推导出单数形式吗？

Question

给定一些我们假设是复数的（英语）单词，是否可以推导出单数形式？如果可能的话，我想避免查找/字典表。

一些例子：

示例 -> 示例一个简单的 's' 后缀
Glitch -> Glitch 'es' 后缀，与上面相反
国家 -> 国家 'ies' 后缀。
绵羊 -> 绵羊没有变化：不确定值的可能后备

或者，这似乎是一个相当详尽的列表。

语言库的建议x很好，只要它们是开源的（即，以便有人可以检查它们以确定如何用语言进行操作y）

Answer 1

这实际上取决于您所说的“以编程方式”是什么意思。部分英语适用于易于理解的规则，而部分则没有。它主要与频率有关。对于简要概述，您可以阅读 Pinker 的“Words and Rules”，但请帮自己一个忙，不要将整个语言学生成理论完全放在心上。那里的经验主义比那种思想流派真正适合追求的要多得多。

许多英语可以在统计上进行词形还原。顺便说一句，词干提取或词形还原是您要查找的术语。Morpha Lemmatizer是使用基于频率的异常引导的统计规则的最有效的词形还原器之一。如果您有一个项目需要这种类型的简化表示英语特定术语的字符串，您可以试一试。

在规范化相关术语方面，还有更多天真的方法可以完成很多工作。看看Porter Stemmer，它足以有效地将英语中的大多数术语聚集在一起。

Answer 2

从单数到复数，与我熟悉的其他一些欧洲语言相比，英语的复数形式实际上是相当常规的。例如，在德语中，计算复数形式非常复杂（例如 Land -> Länder）。我认为大约有 20-30 个例外，其余的遵循一个相当简单的规则集：

• -y -> -ies（家庭 -> 家庭）
• -us -> -i (仙人掌 -> 仙人掌)
• -s -> -ses（损失 -> 损失）
• 否则加 -s

话虽如此，复数到单数形式变得更加困难，因为相反的情况有歧义。例如：

• 派：是派还是派？
• 滑雪：“skus”是单数还是复数？
• molasses：“molasse”或“molass”是单数还是复数？

所以它可以做到，但你将有一个更大的例外列表，你将不得不存储很多误报（即看起来是复数但不是复数的东西）。

Answer 3

“axes”是“ax”的复数还是“axis”的复数？没有上下文，即使是人类也无法分辨。

Answer 4

您可以查看Inflector.net - 我的 Rails 变形类端口。

Answer 5

不 - 英语不是一种遵守许多规则的语言。

我认为你最好的选择是：

• 使用常用词及其复数的字典（或按复数规则对它们进行分组，例如：将仅添加 S 的单词分组，添加 ES 的单词，删除 Y 并添加 IES 的单词...）
• 重新考虑你的申请

Answer 6

正如 nickf 已经说过的那样，这是不可能的。对于您描述的单词类别来说这很简单，但是所有以 s 自然结尾的单词呢？例如，我的名字 Marius 不是 Mariu 的复数形式。我猜与巴士相同。英语单词的复数是一种单向函数（散列函数），您通常需要句子或段落的其余部分作为上下文。