NLTK 中的 WordNet lemmatizer：“老板”的正确引理是什么？

Question

我使用nltk3.0.4 并注意到词的引理boss和bosses不同。

from nltk.stem.wordnet import WordNetLemmatizer

wnl = WordNetLemmatizer()

print wnl.lemmatize("boss", "n")
# returns "bos"

print wnl.lemmatize("bosses", "n")
# returns "boss"

从我的角度来看，这是一种奇怪的行为，尤其boss是WordNet 中的一个已知词，并且有一个规则要保持ss.

有没有人有解释或者这只是一个错误？我应该如何处理？

Answer 1

1. 在检查了为给定单词生成可能分析的代码（_morphy()）后，我发现没有包含要保留的规则ss。
2. Bos也是 wordnet 中的基本形式。

替换规则：

MORPHOLOGICAL_SUBSTITUTIONS = {
    NOUN: [('s', ''), ('ses', 's'), ('ves', 'f'), ('xes', 'x'),
           ('zes', 'z'), ('ches', 'ch'), ('shes', 'sh'),
           ('men', 'man'), ('ies', 'y')],
    VERB: [('s', ''), ('ies', 'y'), ('es', 'e'), ('es', ''),
           ('ed', 'e'), ('ed', ''), ('ing', 'e'), ('ing', '')],
    ADJ: [('er', ''), ('est', ''), ('er', 'e'), ('est', 'e')],
    ADV: []}

呼叫print wnl.lemmatize("boss", "n")：

Bos由于应用替换规则时可以找到合适的基本形式 ( )，因此将其返回。如果这没有被包含在 wordnet 中，则引理boss将是，boss因为找不到更短的形式。