我刚刚读到,在 pos_tags 的帮助下,词形还原的结果是最好的。因此,我遵循了下面的代码,但计算出的 POS_tags 出现了 KeyError 。下面是代码
from nltk import pos_tag
x['Phrase']=x['Phrase'].transform(lambda value:value.lower())
x['Phrase']=x['Phrase'].transform(lambda value:pos_tag(value))
from nltk.stem import WordNetLemmatizer
lemmatizer = WordNetLemmatizer()
x['Phrase_lemma']=x['Phrase'].transform(lambda value: ' '.join([lemmatizer.lemmatize(a[0],pos=a[1]) for a in value]))
错误:
KeyError Traceback (most recent call last)
<ipython-input-8-c2400a79a016> in <module>
1 from nltk.stem import WordNetLemmatizer
2 lemmatizer = WordNetLemmatizer()
----> 3 x['Phrase_lemma']=x['Phrase'].transform(lambda value: ' '.join([lemmatizer.lemmatize(a[0],pos=a[1]) for a in value]))
KeyError: 'DT'
最佳答案
您会收到 KeyError
,因为 wordnet
未使用相同的 pos
标签。基于 source code 的 wordnet
接受的 pos
标签这些是:adj
、adv
、adv
和 verb
。
编辑基于@bivouac0的评论:
因此,要绕过这个问题,您必须创建一个映射器。映射功能很大程度上基于此answer 。不支持的 POS 将不会进行词形还原。
import nltk
import pandas as pd
from nltk.corpus import wordnet
from nltk.stem import WordNetLemmatizer
lemmatizer = WordNetLemmatizer()
def get_wordnet_pos(treebank_tag):
if treebank_tag.startswith('J'):
return wordnet.ADJ
elif treebank_tag.startswith('V'):
return wordnet.VERB
elif treebank_tag.startswith('N'):
return wordnet.NOUN
elif treebank_tag.startswith('R'):
return wordnet.ADV
else:
return None
x = pd.DataFrame(data=[['this is a sample of text.'], ['one more text.']],
columns=['Phrase'])
x['Phrase'] = x['Phrase'].apply(lambda v: nltk.pos_tag(nltk.word_tokenize(v)))
x['Phrase_lemma'] = x['Phrase'].transform(lambda value: ' '.join([lemmatizer.lemmatize(a[0],pos=get_wordnet_pos(a[1])) if get_wordnet_pos(a[1]) else a[0] for a in value]))
关于python - 将 WordNetLemmatizer.lemmatize() 与 pos_tags 一起使用会引发 KeyError,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61982023/