如何在 R 中使用 GermaNet（WordNet 德国通讯员）答案

【问题标题】：How to use GermaNet (WordNet German correspondent) with R如何在 R 中使用 GermaNet（WordNet 德国通讯员）
【发布时间】：2014-03-19 04:40:28
【问题描述】：

我想使用GermaNet 对列表（实际上是DTM 术语——用于提高文本分类性能）进行词形还原（对应于WordNet 中的getLemma()）。但是，我找不到 GermaNet 的任何提示或 R 包。是否仍有可能在 R 中使用它？

【问题讨论】：

根据 Ingo Feinerer 教授（tm-package 联合开发者）的说法，R (RWeka) 没有实际的 GermaNet 版本。

标签： r wordnet lemmatization

【解决方案1】：

我假设您可以访问存储 wordnet 数据的原始文件（Germanet 似乎允许免费许可）。您可以解析它们（只需使用一些漂亮的正则表达式）并提取您需要的信息（我不确切知道 DTM 是什么，但我想这与当时的同义词集或链接有关）。我工作的一个 wordnet（不是德语）被组织在多个文件中，一些包含链接，一些信息的形式类似于

0 @1@ WORD_MEANING
  1 PART_OF_SPEECH "v"
  1 VARIANTS
    2 LITERAL "someverb"
      3 SENSE 7
      3 DEFINITION "adefinition"
      3 EXAMPLES
        4 EXAMPLE "anexample"
      3 EXTERNAL_INFO
...

这应该不难解析。

【讨论】：

DTM 表示Document-Term Matrix，简而言之：它是一个大矩阵，其中不同（许多）文本文档按行排列，而每一列代表一个特定单词（来自所有文档中使用的所有单词）行文档中的频率。 GermaNet 的访问权限是here。我对正则表达式相当蹩脚，不再在该领域。但是Ingo Feinerer 告诉我（2014 年），如果有一个 R 通讯员会很好。我想也很受欢迎。
现在我明白了。我知道什么是文档术语矩阵，只是在这种情况下没有建立联系。但是，您需要的是一个适当的词形还原器（在构建 DTM 之前解析文本）。从 WN 中查找文本单词的词干/引理（特别是仅使用正则表达式）确实效果不佳，德语形态学太复杂了。 'German lemmatizer' 在 Google 上提供了大量的点击率，试试看。祝你好运！
非常感谢 :) 你有什么建议（最终免费）更合适吗？
@alex 我个人并不熟悉德语 NLP 工具的最新技术，但我敢肯定，如果你阅读了几篇论文，你很快就会有一个想法：最好的（当有人构建新软件时，他们通常会将它与以前做同样事情的工具进行比较）。或者只选择一个您认为与您的项目最兼容的一个（即，一个免费的、不是仅在线的（有些可能是在线的），并且易于与您正在做的事情集成）。