接受；接近比赛“；在python函数中使用字符串时？

我尝试使用最短路径函数来查找图形中字符串之间的距离。问题是，有时我想计算一些非常接近的匹配。例如，我希望“通信”算作“通信”，或“网络设备”算作“网络设备”。在python中有没有实现这一点的方法？（例如，提取单词的根，或者计算字符串距离，或者可能是一个已经有单词形式关系的python库，比如复数/动名词/拼写错误/等等）我现在的问题是，我的过程只有在数据库中的每个项都有精确匹配时才起作用，这很难保持干净

例如：

List_of_tags_in_graph = ['A', 'list', 'of', 'tags', 'in', 'graph']

given_tag = 'lists'

if min_fuzzy_string_distance_measure(given_tag, List_of_tags_in_graph) < threshold :
     index_of_min = index_of_min_fuzzy_match(given_tag, List_of_tags_in_graph)
     given_tag = List_of_tags_in_graph[index_of_min]

#... then use given_tag in the graph calculation because now I know it matches ...

List_of_tags_in_graph=['A'，'List'，'of'，'tags'，'in'，'graph']
给定的_标记='lists'
如果最小模糊字符串距离度量（给定标签，在图表中列出标签）<阈值：
索引\u of \u min=索引\u of \u min\u fuzzy\u match（给定\u标记，在\u图中列出\u标记\u）
给定的标签=图表中标签列表[最小索引]
#... 然后在图形计算中使用给定的_标记，因为现在我知道它匹配。。。

---

有没有想过简单或快速的方法来做到这一点？或者，也许可以用另一种方式来考虑接受接近对手的强项。。。或者在字符串不匹配时更好地处理错误？

尝试使用nltk WorldNetLemmatizer，它旨在提取单词的词根

尝试使用nltk WorldNetLemmatizer，它旨在提取单词的词根

这对我想做的很有效。。。谢谢（尽管通过我公司的防火墙下载所需的wordnet词典非常痛苦）这对我想做的事情来说非常有效。。。谢谢（尽管通过我公司的防火墙下载所需的wordnet词典非常痛苦）