查看: 1072|回复: 7
打印 上一主题 下一主题

[求助] 请问哪里有lemmas表

[复制链接]

该用户从未签到

15

主题

186

回帖

707

积分

举人

Rank: 4

积分
707

灌水大神章

跳转到指定楼层
1
发表于 2017-3-20 15:43:18 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
之前有兄弟回复了一个bnc的 lemmas的表  可是没有给下载地址  不知哪位大神有 最好是txt的
大概是这样 的

一个lemma对应该词的变化形式。手边有一个来自于BNC(British National Corpus)的lemmas表,不知道是不是你想要的那种?

abandon                ->        abandoned        abandon               abandoning        abandons
abbreviate                ->        abbreviate                abbreviating
abbreviation        ->        abbreviation        abbreviations
go                        ->        went                        go                        gone                         going        goes                 goin'        gos


单词表  有下载么或者资源么 谢谢

该用户从未签到

14

主题

281

回帖

4490

积分

贡士

Rank: 6Rank: 6

积分
4490

灌水大神章小蜜蜂章笑傲江湖章

推荐
发表于 2017-3-28 18:15:37 | 只看该作者
本帖最后由 skywind3000 于 2017-3-28 18:26 编辑

我自己写 python脚本跑 BNC 语料库 1亿多条资料跑了一整天生成出来的:
https://github.com/skywind3000/ECDICT/blob/master/lemma.en.txt

和楼上日本人做的版本最终比较一下:

日本人版本 40,596 条词干记录, 14,762个演变结果
我的版本  114,198 条词干记录, 49,033个演变结果

日本人应该是跑的比较小的语料库得到的数据,毕竟是98年做的,

我还添加了该词干的词频信息,方便你在反向根据演变词(gave)求词干(give)中有多个结果时(比如'd 可以是 had, would 的变形),
根据词频信息进行比较推荐。


备注:
https://github.com/skywind3000/ECDICT/blob/master/stardict.py

这个文件里我实现了 LemmaDB 类,用来加载 lemma.en.txt 数据库,提供求词干,求衍生词等接口。

基本上覆盖了百年来 95%的单词的所有变换形式了。剩下 5%如果你找不到,可以用

WordNet 的 Lemmatizer 来用算法求解。

如果你要统计某个小说的词频,针对学习的话,这份 lemma.en.txt 可以帮你方便的反向求解单词的 lemma。
把各种小说里常用的过去时态,复数形式等全部还原成该单词的基础形式。

该用户从未签到

2

主题

35

回帖

180

积分

童生

Rank: 2

积分
180
2
发表于 2017-3-21 14:38:53 | 只看该作者
是不是这个 http://www.lexically.net/downloads/version4/downloading%20BNC.htm
我没下载成功因为老断开

我自己弄个查例句的脚本,也涉及到这个问题,我想一般的词典软件都会内置一个对应表吧。
维基百科上有个动词时态对应表,仅限特殊形式,大概一百多个。
我用kindle查词的时候有些复数,过去形式显示查不到,我估计kindle的词形变化依赖词典,本身没有内置一个对应表或者说这表太小。

该用户从未签到

1

主题

70

回帖

276

积分

童生

Rank: 2

积分
276
3
发表于 2017-3-21 16:59:47 | 只看该作者
AntConc Homepage

这个是一个语料库的软件的官网。在这个页面找到“AntBNC Lemma List”,下载即可。该页面也有其他的lemmas的表,上面回复中展示的是BNC的。

该用户从未签到

15

主题

186

回帖

707

积分

举人

Rank: 4

积分
707

灌水大神章

4
 楼主| 发表于 2017-3-21 18:13:38 | 只看该作者
hffqyd 发表于 2017-3-21 16:59
AntConc Homepage

这个是一个语料库的软件的官网。在这个页面找到“AntBNC Lemma List”,下载即可。该 ...

真的很感谢你 谢谢

该用户从未签到

15

主题

186

回帖

707

积分

举人

Rank: 4

积分
707

灌水大神章

5
 楼主| 发表于 2017-3-21 18:14:05 | 只看该作者
zhuluobin 发表于 2017-3-21 14:38
是不是这个 http://www.lexically.net/downloads/version4/downloading%20BNC.htm
我没下载成功因为老断开 ...

我随便试了下都可以成功的  你需要哪个啊 我帮你

点评

已经搞定了,谢了  发表于 2017-3-21 21:53
  • TA的每日心情
    擦汗
    2019-12-4 09:00
  • 签到天数: 302 天

    [LV.8]以坛为家I

    0

    主题

    466

    回帖

    8655

    积分

    禁止发言

    积分
    8655
    7
    发表于 2017-3-28 18:23:22 | 只看该作者
    来的太及时了