获取 nltk semcor 语料库单词的意义词干

Question

我在 nltk 中尝试 semcor 语料库。

我找到了这段代码 here:

>>> list(map(str, semcor.tagged_chunks(tag='both')[:3])) 
['(DT The)', "(Lemma('group.n.01.group') (NE (NNP Fulton County Grand Jury)))", "(Lemma('state.v.01.say') (VB said))"]

我在 colab 上尝试了同样的方法（检查 this 笔记本中的最后一个单元格）：

>>> list(map(str, semcor.tagged_chunks(tag='both')[:3]))
['(DT The)',
 '(group.n.01 (NE (NNP Fulton County Grand Jury)))',
 '(say.v.01 (VB said))']

这是来自 colab 的屏幕截图：

问题

请注意，在 nltk 页面上，Fulton County Grand Jury 的输出为 Lemma('group.n.01.group')，但在 colab 上，我得到的是 group.n.01。所以我没有理解/同义词集引理。

• 在group.n.01.group
  • 第一个 group 是“词干”
  • last group 是“输入词干”
• 在group.n.01
  • （第一个也是唯一一个）group 是“输入词干”
  • 没有返回“意义词的词干”

奇怪的是它昨天给了我正确的输出。 This 笔记本将消除疑问，因为它在今天和昨天执行了相同的两行。昨天 (2/9/2021)，我收到格式为 group.n.01.group 的标签，但今天我收到格式为 group.n.01 的标签（注意红色和蓝色评论 ):

我在这里缺少什么？

Answer 1

我知道 semcor 使用 wordnet 感官来标记 brown 语料库的子集。但我不知道 semcor APIs 可以在有或没有 wordnet 预下载的情况下工作，它会在这些不同的场景中以不同的格式给出标签。老实说，至少 semcor API 文档应该提到这一点。

因此，如果没有 wordnet 预下载，它不会 return 感知词干：

预下载 wordnet 后，它会 return 词干：