Python 什么'；为了主题提取，在评论中删除外来词的最佳方法是什么？

这个问题实际上有两个部分，删除外来词是否必要，以及实现这一点的最佳方式是什么

我是一个初学者，尝试从英语食品评论中提取主题，基本上是使用Python中的潜在dirchlet分配。输出是5个主题，每个主题50个单词，我使用NLTK删除了英语单词。 但是有一个（而且只有一个）主题包含许多可能没有意义的外来词，比如“de”“la”“et”“les”

包含以下文字的一些原始评论：

-点菜寿司很棒。这锅汤又大又好吃。
-我很想回去试试他们的安蒂库科斯，切维切德米克托，考考，阿吉德加利纳和乔法德卡马隆。
-我推荐停车场的病人。如果我不承认这是全国最好的酒吧，那我就是在撒谎

下一步是获取用户向量、项目向量和训练、测试、验证结果

这些词是有意义的，还是应该删除

如何删除这些单词

下面问题中的一个答案建议使用NLKT英语单词集，但我发现单词集非常小，像“de”“un”这样的单词无法删除

words = set(nltk.corpus.words.words())
len(words) #235892

另一种方法建议对python包进行附魔，但不再维护它


我得到的主题结果是：

比萨饼汉堡奶酪好地方地壳酱汉堡订购和服务配料比萨饼如la fresh le thin restaurant un slice最佳送货时间倒肉汤美味大蒜菜单尝试辣香肠最美味回味les三明治肉食品更好的风格快速加上分钟的小馅饼洋葱pas
自然语言处理是IT中永无止境的问题。然而，有一些解决办法。我可以给你两个提示：忘记用文字删除它。使用一组世界。在许多语言中，只有一个词是有意义的，这就是为什么你不应该删除
a
，而是试着按单查找
a
。第二个提示是，您可以分析文本，只选择出现次数最多的单词。但这些可能不是最好的解决方案：）