python-3.x - 如何将 NLTK 词干恢复为正确的单词？

Question

在我使用NLTK PorterStemmer 对一个词进行词干处理后，该词有时会变成一个不完整的词，例如“receive”在词干之后变成“receiv”，这不是一个正确的词。

那么如何将 NLTK PorterStemmer 词干词恢复为正确的词呢？

Answer 1

简单的答案是“你不能”。

除非它是这个词的唯一实例，并且你有原始文本可以比较，否则几乎不可能恢复这个词，因为一个词的词干可能有许多变体，可以从中减少它。

例如，在这种情况下，“receiv”可能是“received”或“receiving”或“receiver”或许多其他变体之一。

如果没有确切的上下文，就不可能猜到是哪个。对不起。

Answer 2

词干化的目的是将单词的屈折形式简化为基本形式，例如“receive”到“receiv”，“deceive”到“deceiv”，甚至“differ”到“differ”。

只要相关词映射到相同的基本形式，词干不需要与词的形态词根完全相同。这就是为什么 NLTK PorterStemmer 会切断单词的结尾，有时像“receiv”这样的单词拼写不正确，但这仍然是预期的行为。