输入词是独立的，不是句子的一部分，但我想得到它所有可能的引理，就好像输入词在不同的句子中一样，带有所有可能的词性标签。我还想获得单词引理的查找版本。
我为什么要这样做？
我已经从所有文档中提取了引理，并且我还计算了引理之间的依赖链接的数量。我使用en_core_web_sm 完成了这两项工作。现在，给定一个输入词，我想返回最常链接到输入词的所有可能词条的词条。
因此，简而言之，我想用所有可能的词性标签复制token._lemma 输入词的行为，以保持与我计算的引理链接的一致性。
【问题讨论】：
标签： python nlp spacy lemmatization spacy-3
我发现如果不先构造一个例句来给出上下文，就很难直接从 spaCy 中得到引理和变形。这并不理想，所以我进一步观察发现LemmaInflect 做得很好。
> from lemminflect import getInflection, getAllInflections, getAllInflectionsOOV
> getAllLemmas('watches')
{'NOUN': ('watch',), 'VERB': ('watch',)}
> getAllInflections('watch')
{'NN': ('watch',), 'NNS': ('watches', 'watch'), 'VB': ('watch',), 'VBD': ('watched',), 'VBG': ('watching',), 'VBZ': ('watches',), 'VBP': ('watch',)}
【讨论】：
spaCy 并不是为此而设计的——它是为分析文本而不是生成文本而设计的。
链接库看起来不错，但如果你想坚持使用 spaCy 或需要除英语之外的其他语言，你可以查看 spacy-lookups-data，这是用于引理的原始数据。一般来说，每个词性都会有一个字典，可以让你查找词的引理。
【讨论】：
为了获得替代引理，我正在尝试 Spacy rule_lemmatize 和 Spacy 查找数据的组合。 rule_lemmatize 可能会产生多个有效的引理，而查找数据只会为给定的单词提供一个引理（在我检查过的文件中）。然而，在某些情况下，查找数据会产生引理，而 rule_lemmatize 不会。
我的例子是西班牙语：
import spacy
import spacy_lookups_data
import json
import pathlib
# text = "fui"
text = "seguid"
# text = "contenta"
print("Input text: \t\t" + text)
# Find lemmas using rules:
nlp = spacy.load("es_core_news_sm")
lemmatizer = nlp.get_pipe("lemmatizer")
doc = nlp(text)
rule_lemmas = lemmatizer.rule_lemmatize(doc[0])
print("Lemmas using rules: " + ", ".join(rule_lemmas))
# Find lemma using lookup:
lookups_path = str(pathlib.Path(spacy_lookups_data.__file__).parent.resolve()) + "/data/es_lemma_lookup.json"
fileObject = open(lookups_path, "r")
lookup_json = fileObject.read()
lookup = json.loads(lookup_json)
print("Lemma from lookup: \t" + lookup[text])
输出：
Input text: fui # I went; I was (two verbs with same form in this tense)
Lemmas using rules: ir, ser # to go, to be (both possible lemmas returned)
Lemma from lookup: ser # to be
Input text: seguid # Follow! (imperative)
Lemmas using rules: seguid # Follow! (lemma not returned)
Lemma from lookup: seguir # to follow
Input text: contenta # (it) satisfies (verb); contented (adjective)
Lemmas using rules: contentar # to satisfy (verb but not adjective lemma returned)
Lemma from lookup: contento # contented (adjective, lemma form)
【讨论】：