在动词/名词/形容词forms之间转换单词
我想要一个能够翻译/转换不同词类的python库函数。 有时它应该输出多个单词（例如，“编码器”和“编码”都是从动词“代码”的名词，一个是另一个的对象的主题）
# :: String => List of String print verbify('writer') # => ['write'] print nounize('written') # => ['writer'] print adjectivate('write') # => ['written'] 我主要关心动词<=>名词，我要写一个记笔记的程序。 即我可以写“咖啡因拮抗A1”或“咖啡因是一个A1拮抗剂”，并与一些NLP它可以发现他们的意思是同样的事情。 （我知道这并不容易，而且需要parsingNLP，而不是只是标记，但是我想破解一个原型）。
类似的问题…把形容词和副词转换成它们的名词forms （这个答案只是源于POS，我想要在POS之间）
ps在语言学中称为转换http://en.wikipedia.org/wiki/Conversion_%28linguistics%29
这更像是一种启发式的方法。 我刚刚编码它的风格appologies。 它使用wordnet的derivationally_related_forms（）。 我已经实施了名词化。 我猜verbates的作品是类似的。 从我testing的结果来看，工作得非常好：
from nltk.corpus import wordnet as wn def nounify(verb_word): """ Transform a verb to the closest noun: die -> death """ verb_synsets = wn.synsets(verb_word, pos="v") # Word not found if not verb_synsets: return [] # Get all verb lemmas of the word verb_lemmas = [l for s in verb_synsets \ for l in s.lemmas if s.name.split('.')[1] == 'v'] # Get related forms derivationally_related_forms = [(l, l.derivationally_related_forms()) \ for l in verb_lemmas] # filter only the nouns related_noun_lemmas = [l for drf in derivationally_related_forms \ for l in drf[1] if l.synset.name.split('.')[1] == 'n'] # Extract the words from the lemmas words = [l.name for l in related_noun_lemmas] len_words = len(words) # Build the result in the form of a list containing tuples (word, probability) result = [(w, float(words.count(w))/len_words) for w in set(words)] result.sort(key=lambda w: -w[1]) # return all the possibilities sorted by probability return result
我明白，这不能回答你的整个问题，但它确实回答了很大一部分。 我会检查出http://nodebox.net/code/index.php/Linguistics#verb_conjugation这个python库能够结合动词，并识别一个单词是动词，名词还是形容词。;
示例代码
print en.verb.present("gave") print en.verb.present("gave", person=3, negate=False) >>> give >>> gives
它也可以对单词进行分类。
print en.is_noun("banana") >>> True
下载位于链接的顶部。
一种方法可能是使用词典的字典与他们的POS标签和字形映射。 如果您得到或创build了这样的字典（如果您有权访问任何常规字典的数据，所有字典列出字词的POS标签以及所有派生forms的基本forms，那么这很有可能），您可以使用类似下面的内容：
def is_verb(word): if word: tags = pos_tags(word) return 'VB' in tags or 'VBP' in tags or 'VBZ' in tags \ or 'VBD' in tags or 'VBN' in tags: def verbify(word): if is_verb(word): return word else: forms = [] for tag in pos_tags(word): base = word_form(word, tag[:2]) if is_verb(base): forms.append(base) return forms
