Python中更快的缩编技术

Question

我试图找到一种使用NLTK Word Net Lemmatizer 对列表中的单词（命名为text）进行词素化的更快方法。显然，这是我整个程序中最耗时的步骤（使用cProfiler查找相同的步骤）。

以下是我正在尝试优化速度的一段代码-

def lemmed(text):
    l = len(text)
    i = 0
    wnl = WordNetLemmatizer()
    while (i<l):
        text[i] = wnl.lemmatize(text[i])
        i = i + 1
    return text

使用lemmatizer会使我的性能降低20倍。任何帮助，将不胜感激。

Answer 1

如果您有几个内核可用，请尝试使用该multiprocessing库：

from nltk import WordNetLemmatizer
from multiprocessing import Pool

def lemmed(text, cores=6): # tweak cores as needed
    with Pool(processes=cores) as pool:
        wnl = WordNetLemmatizer()
        result = pool.map(wnl.lemmatize, text)
    return result


sample_text = ['tests', 'friends', 'hello'] * (10 ** 6)

lemmed_text = lemmed(sample_text)

assert len(sample_text) == len(lemmed_text) == (10 ** 6) * 3

print(lemmed_text[:3])
# => ['test', 'friend', 'hello']