回答情况：
提问时间：
问题标签：
我正在寻找一个在Java的英语实现。我已经找到了一些，但我需要一些不需要太多内存就能运行的东西(最高1 GB )。谢谢。我不需要词干分析器。
浏览 0修改于2014-03-06得票数 24
我一直在阅读这两种技术来寻找单词的词根，但我们如何更喜欢其中一种而另一种呢？
“莱曼化”总是比“堵住”好吗？
浏览 0提问于2019-04-22得票数 7
回答已采纳
我一直在测试不同的柠檬化方法，因为它将用于一个非常大的语料库。下面是我的方法和结果。有谁有任何技巧来加速这些方法吗？空间是最快的，包括部分语音标记(首选)，其次是柠檬。我是不是走错路了？这些函数被应用于包含文本的数据模型上的熊猫.apply()。 lemmatizer = WordNetLemmatizer() if len(x)==0: tok
浏览 12提问于2022-06-21得票数 0
我正在使用apache开发一个文本分析项目。我需要归纳一些文本(将单词转换成它们的规范形式)。我已经写了生成词干的代码。使用它，我能够转换以下句子
我使用lucene是因为它有许多语言的分析器(我至少需要英语和俄语)。我知道库，但
浏览 27修改于2020-12-31得票数 10
回答已采纳
我有一个熊猫数据帧。有一列，让我们把它命名为：'col‘这一列的每个条目都是一个单词列表。'word1‘、'word2’等。import nltk我希望能够为pandas数据集中某一列中所有单元格的所有单词找到一个引理。import pandas as pd
data = [[['walked','am','stressed',
浏览 1修改于2018-09-07得票数 11
回答已采纳
我看到Marklogic数据库支持词干，但它支持词汇化吗？如果是，那么我们如何实现这个特性。
浏览 29提问于2021-10-19得票数 1
我有一个多种语言的数据集。我能根据它的语言使用柠檬化吗？我已经按照它的语言把数据分开了。尝试使用WordNet柠檬化，但它只支持英语
浏览 0提问于2018-12-12得票数 0
回答已采纳
如果我有以下数据：df = pd.DataFrame(data=d)
col1 col21 swimming 4print(wordnet_lemmatizer.lemmatize('challenging',p
浏览 16提问于2022-02-11得票数 2
回答已采纳
这个这里的Keras文章/教程确实执行文本标准化，即从文本数据集中移除HTML元素、标点符号等，但是在向量化步骤之前明显缺乏任何词干或柠檬化。这是我的一个假设--它被省略了，因为神经网络模型能够处理更大的词汇量吗？我想不出还有什么其他原因(S)来解释为什么会这样。
浏览 0提问于2022-04-30得票数 0
我正在做一个使用StanfordNLP的项目。该项目的一个功能是从一段文本中提取所有名词，并对每个名词进行词汇化。我正在使用下面的代码提取名词 props.setProperty("annotators", "tokenize, ssplit, pos, lemma, parse, natlog, openie");
浏览 1提问于2018-06-15得票数 1
当我试图像这样把它传给狐猴时： text = [wn.lemmatize(word) for word in token_txt]word in l] for l in token_text]我得到跟随错误
TypeError: lemmatize() missin
浏览 3修改于2020-06-07得票数 0
回答已采纳
import spaCy's language modeldef lemmatizationtoken) in ["-PRON-"]] return output
train['clean_tweet'] = lemmatization(train[
浏览 9修改于2022-04-23得票数 0
回答已采纳
1回答
create_bound_method = types.MethodType
def __init__(self, filename=None, lemmatization=None): self.filename = filename
def _get_text(se
浏览 0提问于2018-11-27得票数 0
回答已采纳
1回答
2345]
respawn limit 2 5
chownnobody /run/lemmatization -R
setuid nobody
exec some_shell_skript.sh
浏览 0修改于2016-10-03得票数 2
回答已采纳
get_stop_words('en')nltk.download('wordnet') df = pd.read_csv(s3_file_data)
df['ABC'] = df['ABC'].apply(lambda x: lemmatization
浏览 4修改于2020-10-23得票数 1
def lemmatization(texts, allowed_postags=['NOUN', 'ADJ', 'VERB', 'ADV']):nlp = spacy.load("en_core_web_sm", disable=['parser', 'ner&#x
浏览 0提问于2022-08-04得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号