Wordnet：获取单词的派生相关形式

Question

我正在从事一个IR项目，除了词干（返回不真实的单词）和词根化（可能根本不会更改单词）之外，我还需要其他选择。

因此，我寻找了一种获取单词形式的方法。

此python脚本使用NLTK和Wordnet为我提供了单词的衍生形式（例如“检索”）。

from nltk.corpus import wordnet as wn    

str = "retrieving"

synsets = wn.synsets(str)

s = set()
result = ""
for synset in synsets:
    related = None
    lemmas = synset.lemmas()
    for lemma in lemmas:
        forms = lemma.derivationally_related_forms()
        for form in forms:
            name = form.name()
            s.add(name)    

print(list(s))
输出为：

['recollection', 'recovery', 'regaining', 'think', 'retrieval', 'remembering', 'recall', 'recollective', 'thought', 'remembrance', 'recoverer', 'retriever']
但是我真正想要的只是：'retrieval'，'retriever'，而不是'think'或'recovery' ...等

并且结果也缺少其他形式，例如：'retrieve'

我知道问题是“同义词集”包含与输入单词不同的单词，所以我得到了不相关的派生形式

有没有办法得到我期望的结果？

[我正在从事一个IR项目，除了词干（返回不真实的单词）和词根化（可能根本不会改变单词）之外，我还需要一种替代方法，所以我在寻找一种获取...形式的方法...] >

Answer 1

您可以执行当前操作，然后在获得的单词列表上运行词干分析器，仅保留词干与所需单词相同的词干。

另一种不使用Wordnet的方法是获得一个包含所有派生形式的大型词典，然后对其进行模糊搜索。我刚刚发现了这个问题：https://github.com/dwyl/english-words/（链接回此问题How to get english language word database?）