詞形還原（Lemmatization）
在持續分析使用者評論時，你注意到詞幹提取有時會產生不標準的詞，例如把「flying」變成「fli」，這會降低可解讀性。為了改善這點，你現在改用詞形還原（lemmatization），它會回傳實際存在的單字，有助於提升分析的清晰度與準確性。
WordNetLemmatizer 已經匯入，stop_words 已定義，且必要的 NLTK 資源也已下載完成。
本練習屬於課程
Python 的 Natural Language Processing（NLP）
練習說明
- 建立一個
WordNetLemmatizer()類別的實例lemmatizer。 - 使用
lemmatizer對lower_tokens進行詞形還原。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
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)