Kom igångKom igång gratis

Lemmatisering

Under din analys av användarrecensioner märkte du att stemming ibland ger icke-standardiserade ord – till exempel "fli" från "flying" – vilket kan göra resultaten svårare att tolka. För att lösa det använder du nu lemmatisering, som returnerar faktiska ord och förbättrar både tydligheten och precisionen i analysen.

WordNetLemmatizer har importerats, stop_words har definierats och nödvändiga NLTK-resurser har laddats ned.

Den här övningen är en del av kursen

Natural Language Processing (NLP) i Python

Visa kurs

Övningsinstruktioner

  • Skapa en instans lemmatizer av klassen WordNetLemmatizer().
  • Använd lemmatizer för att lemmatisera lower_tokens.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

clean_tokens = ['flying', 'lot', 'lately', 'flights', 'keep', 'getting', 'delayed', 'honestly', 'traveling', 'work', 'gets', 'exhausting', 'endless', 'delays', 'every', 'travel', 'teaches', 'something', 'new']

# Create lemmatizer
lemmatizer = ____()

# Lemmatize each token
lemmatized_tokens = [____.____(____) for ____ in clean_tokens]

print(lemmatized_tokens)
Redigera och kör kod