支持德语的 Lemmatizer（用于商业和研究目的）

Question

我正在寻找一个词形还原软件：

• 支持德语
• 拥有允许将其用于商业和研究目的的许可证。 LGPL 许可证会很好。
• 最好用 Java 实现。其他编程语言的实现也可以。

有人知道这样的词形还原器吗？

问候，

更新：您好 Daniel，首先，感谢您为 LanguageTool 提供的出色工作。

我们希望将德语文本索引到 elasticsearch (ES) 中，并使用以下任一方法对文本进行预分析 一个 ES 内置的德语词干分析器（请参阅https://www.elastic.co/guide/en/elasticsearch/reference/current/analysis-stemmer-tokenfilter.html） 或者 以下插件https://github.com/jprante/elasticsearch-analysis-baseform。后者在http://www.danielnaber.de/morphologie/morphy-mapping-20110717.latin1.gz 下使用您的形态文件，这就是为什么我认为您可能有一些评估数据，以便了解使用基于形态文件而不是 ES 内置词干分析器的词形还原时的权衡.你可能有一些关于你的德国形态的精确度/覆盖范围的数据吗？或者与 Elasticsearch 中使用的德语词干分析器进行比较数据？

最好的问候

Answer 1

LanguageTool 可以做到这一点（免责声明：我是 LanguageTool 的维护者），它在 LGPL 下可用并在 Java 中实现。你可以使用GermanTagger.tag()，结果可以有多个阅读（因为语言通常是模棱两可的），每个阅读的AnalyzedToken最后都有一个引理。