一、两函数词性不匹配问题：

nltk中词性标注函数nltk.pos_tag([])得到的结果：NN，NNP，VB等

nltk中词形还原函数nltk.stem.WordNetLemmatizer().lemmatize('word')要求的参数是：a,n,v等

二、一种解决方案

两种词性类型的对照表如下：

——————————————————————————————————————

a(形容词)——JJ,JJR,JJS(形容词，比较级，最高级)

r(副词)——RB,RBR,RBS(副词，比较级，最高级)

v(动词)——VB,VBD,VBG,VBN,VBP,VBZ(动词，过去式，动名词，过去分词，非三单，三单)

n(名词)——NN,NNS,NNP,NNPS(NN表示常用名词，NNP表示专有名词，S表示单复数)

——————左边是词形还原要用到的类型，右边是词性标注得到的类型——————

代码实现上可以检查词性标注结果前面的部分：可以从上面观察到形容词都是JJ开头的，同时不存在其他J开头的词性，因此可以检查是否是J开头来判断词性。注意：R开头的还有一个RP(Particle 小品词)。

a——JJ（或者J）

r——RB

v——VB（或者V）

n——NN（或者N）

——————————————————————————————————————

三、代码

import nltk
aft_tk=['word','better','had'] #分词后的列表
nltk_pos_tagged = nltk.pos_tag(aft_tk)
wnl = nltk.stem.WordNetLemmatizer()
aft_lem = [] #词形还原后的列表
for pstg in nltk_pos_tagged:word,tag = pstgif tag.startswith('NN'):aft_lem.append(wnl.lemmatize(word,'n'))elif tag.startswith('JJ'):aft_lem.append(wnl.lemmatize(word,'a'))elif tag.startswith('VB'):aft_lem.append(wnl.lemmatize(word,'v'))elif tag.startswith('RB'):aft_lem.append(wnl.lemmatize(word,'r'))else :aft_lem.append(word)
print(aft_lem)

out:

['work','well','have']

四、附录

词性标注得到词性类型表：(27条消息) NLTK的词性_一只鸟的天空的博客-CSDN博客_nltk 词性https://blog.csdn.net/heyongluoyao8/article/details/43731743

词形还原需要词性类型表：利用如下指令查看：

help(nltk.stem.WordNetLemmatizer())

得到结果如下：

The Part Of Speech tag. Valid options are `"n"` for nouns,|          `"v"` for verbs, `"a"` for adjectives, `"r"` for adverbs and `"s"`|          for satellite adjectives.

Δ：这个satellite adjectives也不知道是什么东西

nltk词性标注与词形还原中的词性类型匹配相关推荐

中文分词工具jieba中的词性类型(转载)
jieba为自然语言语言中常用工具包,jieba具有对分词的词性进行标注的功能,词性类别如下: Ag 形语素形容词性语素.形容词代码为 a,语素代码g前面置以A. a 形容词取英语形容词 adje ...
关于jieba中的词性类型整理
符号词性相关解释 Ag 形语素形容词性语素.形容词代码为 a,语素代码g前面置以A. a 形容词取英语形容词 adjective的第1个字母. ad 副形词直接作状语的形容词.形容词代码 a ...
自然语言处理——词性标注、词干提取、词形还原
目录词性标注方法工具实例词干提取和词形还原算法步骤词性标注一般而言,文本里的动词可能比较重要,而助词可能不太重要: 我今天真好看我今天真好看啊甚至有时候同一个词有着不同的意思: ...
NLTK(3）处理文本、分词、词干提取与词形还原
文章目录访问文本 @字符串处理 @编码 @正则表达式分词 @正则表达式分词(不好) Tokenize命令 @自定义函数规范化文本将文本转换为小写查找词干 @自定义函数(不好) NLTK词干提 ...
NLP：自然语言处理技术之词语级别相关术语解释(如上位词/WordNet)、基于词汇层面的词法分析六大任务(分词/词性标注/词干提取-词形还原/新词发现/形态分析/拼写校正)的简介及其应用
NLP:自然语言处理技术之词语级别相关术语解释(如上位词/WordNet).基于词汇层面的词法分析(Lexical Analysis)六大任务(分词/词性标注/词干提取-词形还原/新词发现/形态分析/ ...
自然语言表达处理笔记01—— 1.正则表达式 2.文本标记化 3.词干提取和词形还原 4.中文分词
正则表达式正则表达式使用某种预定义的模式匹配具有共同特征的字符串:主要用于处理字符串.完成复杂的查找.替换等要求对字符串和特殊字符操作的逻辑公式单个字符串描述匹配一系列复合某个句法规则的字符 ...
Java基于stanford-corenlp实现英文词形还原
本文作者:合肥工业大学管理学院钱洋 email:1563178220@qq.com 内容可能有不到之处,欢迎交流. 未经本人允许禁止转载. 文章目录简介 stanford-corenlp jav ...
3.3.1-取词干和词形还原
目录取词干和词形还原取词干实例词形还原取词干和词形还原是词形归并. 目的:减少词的变化形式,将派生词转化为基本形式. 优点1:字典中词条的数量就会降低,用于表示文档的向量维度更低,模型的数 ...
NLP5：NLTK词性标注
实验五 NLTK词性标注一.实验内容二.实验步骤 1.将字符串使用由标识符和标记组成的元组来表示 2.读入经过标注布朗语料库,并将单词的词性映射到简化的标记集. 3.统计布朗新闻语料库中词性的搭配 ...

nltk词性标注与词形还原中的词性类型匹配