Nlp 单个单词的Spacy引理化

我试图得到一个单词的柠檬化版本。有没有一种方法可以使用“spacy”（奇妙的python NLP库）来实现这一点

下面是我尝试过的代码，但这不起作用）：

我希望的结果是“ducks”（复数）一词会变成“duck”（单数）。不幸的是，“ducks”（复数）被返回

有没有办法做到这一点

---

注意：我意识到我可以从一个文档（nlp（document））中处理一整串单词，然后找到所需的标记，然后得到它的引理（token.lemma_），但是单词我需要对有点动态的文档进行分类，不能作为大型文档进行处理。

我认为您缺少使用spaCy数据库作为分类参考的部分。如果您看到下面我对您的代码所做的修改，并提供了输出

duck

是

ducks

的正确引理

导入空间
从spacy.lemmatizer导入lemmatizer
从spacy.LOOKUP导入查找
lookups=lookups（）
lemmatizer=lemmatizer（查找）
word=“鸭子”
#加载spacy核心数据库
nlp=spacy.load（'en\u core\u web\u sm'）
#在输入/文档上运行NLP
doc=nlp（word）
#打印格式化的令牌属性
打印（“令牌属性：\n”、“Token.text、Token.pos、Token.tag、Token.dep、Token.lemma”）
对于文档中的令牌：
#打印文本和预测的词性标记
print（“{：如果要对单个标记进行元素化，请尝试简化文本处理库：

从textblob导入textblob，Word
#使一个词柠檬化
w=单词（“鸭子”）
w、 柠檬化

输出

> duck

> duck

> duck

或NLTK

导入nltk
从nltk.stem导入SnowballStemmer
词干分析器=nltk.stem.SnowballStemmer（'english'））
词干分析器。词干（'ducks'））

输出

> duck

> duck

> duck

否则，您可以继续使用spaCy，但在禁用
parser
和
NER
管道组件之后：


从下载一个12米的小模型开始（英语多任务CNN接受OntoNotes培训）

$python-mspacy下载


Python代码

导入空间
nlp=spacy.load（'en_core_web_sm'，disable=['parser'，'ner']）#只需保留标记以进行柠檬化
“.join（[token.lemma”表示nlp中的令牌（'ducks'））

输出

> duck

> duck

> duck

使用NLTK，只需：

>>> from nltk.stem import WordNetLemmatizer
>>> wnl = WordNetLemmatizer()
>>> wnl.lemmatize('ducks')
'duck'

难道没有一种方法可以在不依赖单词词性的情况下（使用SpaCy）独立地对每个单词进行柠檬化（而不是词干）吗？