使用 Spacy 模型查找语言 fr、es、ru 的情态动词

Question

我正在使用 Spacy 模型从以下语言中查找情态动词 (MD)。

en
de
fr
es
ru

从en 的tag_map.py 和de 可以清楚地看出"VerbType": "mod" 是一个情态动词。但是tag_map.py 对于fr、es 和ru 没有任何此类属性。如何找出这 3 种语言中的情态动词（我应该关注哪些属性）？还有什么通用的方法可以让我找到 Spacy 未来发布的任何语言的情态动词，比如说希腊语已经发布？

注意：我不是在寻找高级标签，而是在寻找低级标签。在 Spacy 术语中，我更喜欢 token.tag_ 属性。

Answer 1

我认为目前没有一种独立于语言的方式来做到这一点。但是情态词是封闭类词，所以只要检查token.tag_ == 'AUX'（尽管在德语中，情态动词被标记为VERB）以及token.lemma_是否在一组情态动词中就可以了。

Answer 2

目前我正在做一个类似的项目。

英文版可以使用token.dep_ == 'AUX' and token.tag_ = 'MD'。

例如：

for token in doc:
    if token.dep_ == 'aux' and token.tag_ == 'MD': 
       print(token.text)

对于德语，我得到的最接近的是这样的：

sent = 'Ich muss auf den Lehrer hören'

nlp = spacy.load("de_core_news_sm")
doc = nlp(sent)
print(doc.text)
for token in doc:
    print(token.text, token.pos_, token.dep_, token.morph)

Ich muss auf den Lehrer hören
Ich PRON sb Case=Nom|Number=Sing|Person=1|PronType=Prs
muss VERB ROOT Mood=Ind|Number=Sing|Person=1|Tense=Pres|VerbForm=Fin
auf ADP mo 
den DET nk Case=Acc|Definite=Def|Gender=Masc|Number=Sing|PronType=Art
Lehrer NOUN nk Case=Acc|Gender=Masc|Number=Sing
hören VERB oc VerbForm=Inf
    
for token in doc:
  if token.morph.get('VerbForm') == ['Fin']:
    print(token.text)

muss

您还可以为德语模式创建停止列表并添加查询以查看 token.lemma_

modals = ['mussen']
for token in doc:
  if token.lemma_ in modals:
    print(token.text)

muss

我不确定其他语言但 stoplist 方法可能有效。