Python - Stemming และ Lemmatization

ในส่วนของการประมวลผลภาษาธรรมชาติเราเจอสถานการณ์ที่คำสองคำหรือมากกว่านั้นมีรากร่วมกัน ตัวอย่างเช่นสามคำ - เห็นด้วยเห็นด้วยและเห็นด้วยมีรากศัพท์เดียวกันเห็นด้วย การค้นหาที่เกี่ยวข้องกับคำใด ๆ เหล่านี้ควรถือว่าเป็นคำเดียวกันซึ่งเป็นคำราก ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องเชื่อมโยงคำทั้งหมดเข้ากับรากศัพท์ ไลบรารี NLTK มีเมธอดในการเชื่อมโยงนี้และให้ผลลัพธ์ที่แสดงคำราก

โปรแกรมด้านล่างนี้ใช้อัลกอริทึม Porter Stemming สำหรับ Stemming

import nltk
from nltk.stem.porter import PorterStemmer
porter_stemmer = PorterStemmer()

word_data = "It originated from the idea that there are readers who prefer learning new skills from the comforts of their drawing rooms"
# First Word tokenization
nltk_tokens = nltk.word_tokenize(word_data)
#Next find the roots of the word
for w in nltk_tokens:
       print "Actual: %s  Stem: %s"  % (w,porter_stemmer.stem(w))

เมื่อเรารันโค้ดด้านบนจะให้ผลลัพธ์ดังต่อไปนี้

Actual: It  Stem: It
Actual: originated  Stem: origin
Actual: from  Stem: from
Actual: the  Stem: the
Actual: idea  Stem: idea
Actual: that  Stem: that
Actual: there  Stem: there
Actual: are  Stem: are
Actual: readers  Stem: reader
Actual: who  Stem: who
Actual: prefer  Stem: prefer
Actual: learning  Stem: learn
Actual: new  Stem: new
Actual: skills  Stem: skill
Actual: from  Stem: from
Actual: the  Stem: the
Actual: comforts  Stem: comfort
Actual: of  Stem: of
Actual: their  Stem: their
Actual: drawing  Stem: draw
Actual: rooms  Stem: room

Lemmatization เป็นคำที่คล้ายกัน แต่นำบริบทมาสู่คำดังนั้นขั้นตอนต่อไปโดยการเชื่อมคำที่มีความหมายคล้ายกันกับคำเดียว ตัวอย่างเช่นหากย่อหน้ามีคำเช่นรถยนต์รถไฟและรถยนต์ก็จะเชื่อมโยงคำทั้งหมดเข้ากับรถยนต์ ในโปรแกรมด้านล่างนี้เราใช้ฐานข้อมูลคำศัพท์ WordNet สำหรับการสร้างคำศัพท์

import nltk
from nltk.stem import WordNetLemmatizer
wordnet_lemmatizer = WordNetLemmatizer()

word_data = "It originated from the idea that there are readers who prefer learning new skills from the comforts of their drawing rooms"
nltk_tokens = nltk.word_tokenize(word_data)
for w in nltk_tokens:
       print "Actual: %s  Lemma: %s"  % (w,wordnet_lemmatizer.lemmatize(w))

เมื่อเรารันโค้ดด้านบนจะให้ผลลัพธ์ดังต่อไปนี้

Actual: It  Lemma: It
Actual: originated  Lemma: originated
Actual: from  Lemma: from
Actual: the  Lemma: the
Actual: idea  Lemma: idea
Actual: that  Lemma: that
Actual: there  Lemma: there
Actual: are  Lemma: are
Actual: readers  Lemma: reader
Actual: who  Lemma: who
Actual: prefer  Lemma: prefer
Actual: learning  Lemma: learning
Actual: new  Lemma: new
Actual: skills  Lemma: skill
Actual: from  Lemma: from
Actual: the  Lemma: the
Actual: comforts  Lemma: comfort
Actual: of  Lemma: of
Actual: their  Lemma: their
Actual: drawing  Lemma: drawing
Actual: rooms  Lemma: room