使用 WordNet 数据库确定词类型的算法

Question

我正在开展一个项目，该项目需要扫描英文自然文本段落并检测它们是什么类型的单词。该应用程序适用于 AJAX、PHP 和 MySQL。

我的应用程序不需要 100% 准确，只需尝试找到与文本输入匹配的最佳内容。为此，我使用了 WordNet 数据库的 SQL 版本，它允许我使用 dict 视图搜索单词及其类型。

SELECT lemma, pos FROM dict WHERE lemma = 'fool' ORDER BY lemma;

以上是数据库所见的示例，但我的 PHP 实际上基于来自 AJAX 调用的文本创建动态绑定参数，并且实际上将包含许多关键字。

这将返回一个记录数组，其中包含搜索的每个单词及其类型。

然而，我的问题是大多数单词可以是多种类型，例如，对于傻瓜示例，它带回三个作为名词，四个作为动词。我不需要细微的差别，但我想知道这个词在用法中是名词还是动词。

这个问题在大多数单词中都存在，这意味着我无法准确检测不同类型的单词，因为它可能是任何用途。

我想知道是否有人可以指出算法的正确方向，或者我可以做些什么，以便至少对单词类型进行最佳猜测。

最重要的是形容词和名词。

Answer 1

您尝试完成的任务称为词性标记（正如 cmets 中已建议的那样），Wordnet 绝对不是执行此操作的工具。 在 cmets 中还有一个非常简单的 PHP POS 方法的链接。 POS 有很多库。 cmets中链接的那个实现了Brill解析器，非常简单，效果也不错。为了获得更好的性能，我建议使用具有 PHP 接口的斯坦福 NLP 工具，例如：https://github.com/agentile/PHP-Stanford-NLP

有几个相关的 SO 问题：

• How to impliment a Part-of-Speech (POS) tagger

• Pos Tagger in PHP