Der Schneeball von nltk extrahiert Stängel

Ein sehr wichtiges Anwendungsszenario beim maschinellen Lernen ist die automatische maschinelle Klassifizierung, und der Schlüssel zur Klassifizierung liegt im Stemmen. Wir müssen also Schneeball verwenden. Lassen Sie uns über die zwei Möglichkeiten sprechen, wie der Schneeball Stängel extrahiert.

Zwei Methoden:

Methode eins:

>>> from nltk import SnowballStemmer
>>> SnowballStemmer.sprachen ​​# Sehen Sie, welche Sprachen unterstützt werden
('dänisch', 'niederländisch', 'englisch', 'finnisch', 'französisch', 'deutsch', 'ungarisch',
'italienisch', 'norwegisch', 'porter', 'portugiesisch" , 'rumänisch',
'russisch', 'spanisch', 'schwedisch')
>>> stemmer = SnowballStemmer("german") # Wähle eine Sprache
>>> stemmer.stem(u" Autobahnen") # Stammen Sie ein Wort
u'autobahn'
Aber wenn Sie das von Ihnen verwendete Sprachszenario kennen, können Sie es mit der folgenden Methode direkt aufrufen:
Methode 2:
>> > ps = nltk.stem .snowball.PortugueseStemmer()
>>> ps.stem('celular')
u'celul'
>>> ps.stem('celular')
u'celul'