Nlp 如何使用SpaCy或NLTK从英语中的词根或引理生成所有派生词？

NLTK或SpaCy中是否有一个函数可以提供从给定引理词派生出的所有可能术语？例如：如果引理是“呼吸”，我需要“呼吸”的所有派生术语，如“呼吸”、“呼吸”等。如果词根是“吃”，我需要术语“吃”、“吃”、“吃”等

---

SpaCy中的.lemma_uuu属性和NLTK中的WordNetLemmatizer（）函数可用于确定单词的引理，但如何执行相反的任务，即确定给定引理单词中的所有派生词？

您可以使用

pyinflect

作为SpaCy扩展。您需要首先使用

pip install pyindoct

安装它。使用它的示例：

import spacy
import pyinflect

nlp = spacy.load("en_core_web_sm")

verbs = "eating goes touch felt hit sleeping"
doc = nlp(verbs)
for token in doc:
    base = token._.inflect("VB")
    gerund = token._.inflect("VBG")
    past_tense = token._.inflect("VBD")
    past_participle = token._.inflect("VBN")
    print(token.text, "-", base, "-", gerund, "-", past_tense, "-", past_participle)

# Output:
# eating - eat - eating - ate - eaten
# goes - go - going - went - gone
# touch - touch - touching - touched - touched
# felt - feel - feeling - felt - felt
# hit - hit - hitting - hit - hit
# sleeping - sleep - sleeping - slept - slept

编辑：要获得带有简短描述的整个标记列表，请运行以下代码：

nlp = spacy.load('en_core_web_sm')
for label in nlp.get_pipe("tagger").labels:
    print(label, " -- ", spacy.explain(label))

---

非常感谢你。是否有文档可供我获取代表不同类型屈折变化的参数列表（如“VB”、“VBG”、“VBD”和“VBN”）？有一个术语称为词性标记，其中包括不同形式的标准词性。Spacy使用Penn Treebank POS标记。现在请用谷歌搜索一下。当我在电脑上时，我会更新我的答案