如何用 Python 一键获取词干对应的所有派生词(反向词干化)

浅萱酱_1600

浅萱酱_1600

2026-09-09

230人浏览

原创

如何用 Python 一键获取词干对应的所有派生词(反向词干化)

本文介绍如何利用 get_word_forms 工具批量还原词干(stem)为全部语法变体(如名词、动词、形容词等形态),并合并去重后生成扁平化的唯一词汇列表,适用于词汇扩展、文本增强或语义分析场景。

本文介绍如何利用 `get_word_forms` 工具批量还原词干(stem)为全部语法变体(如名词、动词、形容词等形态),并合并去重后生成扁平化的唯一词汇列表,适用于词汇扩展、文本增强或语义分析场景。

在自然语言处理中,“反向词干化”(reverse stemming)指从一个词干(如 'command')出发,系统性地枚举其所有常见屈折与派生形式(如 'commands', 'commanded', 'commander', 'commandment' 等)。这不同于传统词干化(将单词归一为词干),而是进行词汇生成式扩展,对构建同义词表、增强训练数据、提升检索召回率等任务极具价值。

实现该目标的核心依赖是社区开源包 get_word_forms(由 Divyanshu Srivastava 开发),它基于 NLTK 和 WordNet 构建,可按词性('n' 名词、'v' 动词、'a' 形容词、'r' 副词)返回各形态集合。但需注意:该函数对输入敏感——若原始词带空格(如 ' jail'),会因无法匹配词典条目而返回全空集合(即 {'n': set(), 'v': set(), ...}),这是用户实际遇到“无输出”的根本原因。

以下为完整、健壮的实现方案:

from get_word_forms import get_word_forms

my_list = [' jail', ' belief', ' board', ' target', ' challenge', ' command']

# 步骤1:逐词 strip() 去空格,调用 get_word_forms,并仅保留非空词性集合
all_word_sets = [
    word_set 
    for word in my_list 
    for word_set in get_word_forms(word.strip()).values() 
    if word_set  # 过滤空集合
]

# 步骤2:展平嵌套结构(list of sets → list of words)
all_words = [word for word_set in all_word_sets for word in word_set]

# 步骤3:去重 + 排序(可选,便于阅读和调试)
unique_words = sorted(set(all_words))

print(f"共生成 {len(unique_words)} 个唯一词汇:")
print(unique_words)

✅ 关键要点说明:

Biopython
Biopython

全面的分子生物学工具集。适用于序列操作、文件解析(FASTA/GenBank/PDB)、系统发育分析,以及通过 Bio.Entrez 以编程方式访问 NCBI/

下载
  • 务必预处理空格:word.strip() 是成功调用的前提,否则 get_word_forms 将静默失败;
  • 避免直接展开字典:不要用 get_word_forms(word).items() 或手动索引 ['n'],应统一遍历 .values() 并过滤空集,确保覆盖所有有效词形;
  • 去重不可省略:同一词可能在多个词性中重复出现(如 'commands' 同时属于名词和动词),set() 保证唯一性;
  • 性能提示:对 200 个词的列表,该方法可在秒级完成(底层调用已缓存 WordNet 查询),无需额外优化。

⚠️ 注意事项:

  • get_word_forms 依赖 nltk 和 wordnet 数据。首次运行需执行:
    import nltk
    nltk.download('wordnet')
  • 该工具覆盖主流英语构词规则,但不保证 100% 完整(例如罕见派生词或新造词可能缺失);
  • 若需控制词性范围(如只取动词变体),可改用 get_word_forms(word)['v'] 显式提取,但本例目标是全词性聚合,故采用通用解法。

最终输出为一个排序后的去重列表,例如包含 'jail', 'jailed', 'jailer', 'jailing', 'jails' 等全部合理变体,真正实现“一词触发,全族召回”的反向词干化效果。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

python

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1951

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5524

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1889

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

33737

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3947

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

3967

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1283

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3063

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程