Lemmatizzazione: forme base più intelligenti
Ridurre le parole a forme reali del dizionario
Lemmatizzazione: forme base più intelligenti è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Un riduttore più intelligente
Lo stemming taglia alla cieca, mentre la lemmatizzazione riduce una parola alla sua vera forma base da dizionario, chiamata lemma. Il risultato è sempre una parola corretta. 📖
Lemma e stem a confronto
Lo stemming trasforma studies in studi, mentre la lemmatizzazione restituisce il lemma corretto study. Questo risultato ordinato e valido è il grande vantaggio della lemmatizzazione.
Usa un vocabolario
Un lemmatizzatore cerca le parole in un vero vocabolario, come WordNet. È questa ricerca che gli permette di sapere che better è la forma base di better, non bett.
Il WordNet Lemmatizer
NLTK fornisce WordNetLemmatizer. Ne crea uno, poi chiama lemmatize su una parola per ottenerne la forma base.
from nltk.stem import WordNetLemmatizer
lem = WordNetLemmatizer()
print(lem.lemmatize('cars'))La parte del discorso è importante
Per impostazione predefinita, il lemmatizzatore presume che ogni parola sia un sostantivo. Perciò il verbo running rimane running, a meno che non indichi che la parola è un verbo.
print(lem.lemmatize('running'))Passare il tag corretto
Gli passi l'argomento pos per correggere questo comportamento. Indicando al lemmatizzatore che la parola è un verbo, running viene ridotto fino alla forma base run.
print(lem.lemmatize('running', pos='v'))Gestire le forme irregolari
Poiché conosce la grammatica reale, il lemmatizzatore gestisce anche le parole difficili. Il verbo went diventa correttamente la forma base go, cosa che uno stemmer non sa fare.
print(lem.lemmatize('went', pos='v'))Aggettivi e plurali
Gestisce anche altri tipi di parole. Con il tag per gli aggettivi, il lemmatizzatore trasforma better nella forma base good.
print(lem.lemmatize('better', pos='a'))Lemmatizzare una lista di token
Lo applichi a un documento con una comprehension, proprio come per lo stemming. Ogni token viene restituito nella forma base corretta e valida.
words = ['dogs', 'boxes', 'wishes']
print([lem.lemmatize(w) for w in words])Più lento, ma più preciso
La lemmatizzazione richiede un dizionario e, idealmente, i tag delle parti del discorso, quindi è più lenta dello stemming. In cambio della velocità ottiene risultati più puliti e accurati. ⚖️
Quale scegliere?
Usi lo stemming per ricerche rapide e su larga scala, e la lemmatizzazione quando servono forme base leggibili e accurate, ad esempio per creare caratteristiche per un modello.
Controllo rapido
Confrontiamo i due riduttori.
Riepilogo
Ha imparato che la lemmatizzazione usa un vocabolario e i tag delle parti del discorso per restituire forme base reali. È più lenta dello stemming, ma molto più pulita. Ottimo lavoro! 🎉
Impara Python con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 30
- Lezioni
- 120
Domande Frequenti
La lezione «Lemmatizzazione: forme base più intelligenti» è gratuita?
Sì — il testo completo di «Lemmatizzazione: forme base più intelligenti» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Lemmatizzazione: forme base più intelligenti»?
Ridurre le parole a forme reali del dizionario Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Lemmatizzazione: forme base più intelligenti»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Perché maiuscole e spaziatura contano
- Convertire in minuscolo e rimuovere gli spazi
- Stemming: ridurre alla radice
- Lemmatizzazione: forme base più intelligenti