Python 波特词干分析器能返回词缀而不是词干吗？

我正在做一个项目，在这个项目中，我试图计算多个语料库中屈折形态的百分比，以便对它们进行比较

---

我知道如何使用nltk Porter词干分析器来获取单词的词根，但如果我能返回词缀而不是词根，那将对我更有帮助。如果我能做到这一点，我就可以计算词干分析器截取的词缀数量（“ly”“ed”等），并将其与单词总数进行比较。这可能是一个简单的翻转，但我不知道如何处理词根。

好吧，如果你想得到词缀，只需从原始单词形式中删除词根（porter result）就可以了

考虑以下伪代码：

word = "hopeful"
stem_word = porter(word)           #  stem_word should be "hope"
affix = word.remove(stem_word)     # affix should be "ful" 

---

另一个可能对你有帮助的替代方法是使用“连字号”，因为它可以潜在地将单词分成语素，而不仅仅是将单词按词根分开。因此，它可以给你更多的词缀信息。

你确定你说的是屈折形态吗？词形变化意味着词性保持不变，而单词的变化只是为了表达某些语法特征（如过去）。屈折词缀总是后缀，如果我们不考虑不规则词，它们的数量是有限的（

-ed

，

-ing

，

-er

，

-est

，

-s

，

-es

）

然而，你似乎在谈论衍生词法，因为可能只有一个屈折词尾，所以我对它们进行计数是没有意义的（如果是引理，则为

0

，如果是屈折形式，则为

1

）

如果你说的是派生词缀，那么你要找的就是语素切分/标记化，这不是一件容易的事，因为单词派生过程受许多因素的影响，并且没有很好的定义。在简单的情况下，我们只需在根中添加一个后缀（或前置前缀），但是在某些情况下，根中的一些字母会被删除（

到达

->

到达

），更改（

尝试

->

尝试

或更不寻常，例如

假设

->

假设

）（

戏剧

->

剧作家

）。此外，您需要一些语义知识数据库，因为没有它，不可能在所有情况下正确确定语素。例如，单词

记住
可以标记为
re-
+
成员
。如果没有语义，这样的词法分析看起来非常合理，因为
re-
是一个相当流行的前缀，意思是重复，而
member
是一个已有的词。了解语义关系会告诉我们
member
和
memory
是不相关的（我相信它们可能在词源上相关，但在现代语言中这种关系并不那么明显）

签出和。第一个是一个API，它解析英语并以JSON格式提供数据。词缀作为JSON的一部分提供。Morfessor是一个用于形态分割的工具，因此它完全可以满足您的需要。
谢谢，这很有意义。但是，我得到了属性错误：str没有属性移除。还有其他方法可以删除吗删除字符串的一部分将最后一行替换为
词缀=word.split（stem_word）[-1]
。这仅在词缀不为空时有效。Hi将，是的，该错误是因为“.remove”是伪代码（它不属于任何编程语言），这只是向您展示这个想法。如果您正在使用python，请尝试@DYZ的建议，它应该会起作用。然后，如果这对您有效，请不要忘记接受我的回答：）一般来说，您想要的是不可能的。例如，据波特报道，“shy”的词干是“shi”，它不是原始单词的适当子集。@DYZ你说得对。也许更通用的自动解决方案是查找输入和输出单词之间的差异。类似于“提取最大子字符串”，然后根据具体需要使用差异。例如：波特（“shy”）=“shi”，然后是“y”-->“i”，所以它标记了它们的词缀或词组。