构建 Java Lemmatizer

Question

我正在尝试使用 Java API（没有斯坦福提供的 Apache OpenNLP）来构建标记器。 我已经能够通过使用正则表达式和 Java Pattern/Matcher 来分隔单词：

"[a-zA-Z]+".

我现在想找到这个词的引理。 由于许可问题，我不想使用 StanfordNLP。 接下来是什么？ 我想我确实需要一本字典作为参考/比较的模型。 和 ...？ 有人做过吗？尝试使用 Java 构建单词 lemmatizer？提前致谢。 :)

Answer 1

如果您有单词列表并且想知道两个单词是否相同，例如“run”、“runs”、“ran”和“running”。 您可以向字典发出 http 请求，例如：

http://www.oxforddictionaries.com/definition/english/runs

在这种情况下，页面重定向到：

http://www.oxforddictionaries.com/definition/english/run?q=runs

然后你可以编写一个http请求，如果它被重定向到另一个词，那么它们是相同的。

其他情况如：

http://www.oxforddictionaries.com/definition/english/run

你可以阅读：

动词（runs，running；过去跑/ran/；过去分词跑）

然后你可以创建一个解析器来解释页面的信息

在 Java 中，您可以轻松地创建 http 请求：

HttpClient httpClient = new DefaultHttpClient();
HttpGet httpGet = new HttpGet(URL);