[英]How to find singular in the plural when some letters change? What is the best approach?
当某些字母发生变化时,如何在复数中找到单数?
以下情况:
Schließfach
是一个密码箱。Schließfächer.
如您所见,字母a
在ä
中发生了变化。 出于这个原因,第一个单词不再是第二个单词的子字符串,它们在“正则表达式技术”上是不同的。
也许我在下面选择的标签不在正确的角落。 也许正则表达式对我来说不是正确的工具。 我已经看到naturaljs
( naturaljs
( natural.NounIflector()
) 为英语单词提供了开箱即用的功能。 也许德语也有同样的解决方案?
什么是最好的方法,我如何在德语的复数中找到单数?
我曾经不得不构建一个文本处理器来解析多种语言,包括非常随意到非常正式的语言。 要确定的一件事是某些单词是否相关(例如标题中的名词与一系列事物相关 - 有时用复数形式标记。)
IIRC,在我们支持的所有语言中,70-90% 的单复数词形式的“Levenshtein 距离”小于 3 或 4。(最终添加了几个词典以提高准确性,因为仅“距离”就产生了许多误报。)另一个有趣的发现是,单词越长,3 或更少的距离就越有可能意味着意义上的关系。
这是我们使用的库的示例:
const fastLevenshtein = require('fast-levenshtein');
console.log('Deburred Distances:')
console.log('Score 1:', fastLevenshtein.get('Schließfächer', 'Schließfach'));
// -> 3
console.log('Score 2:', fastLevenshtein.get('Blumtach', 'Blumtächer'));
// -> 3
console.log('Score 3:', fastLevenshtein.get('schließfächer', 'Schliessfaech'));
// -> 7
console.log('Score 4:', fastLevenshtein.get('not-it', 'Schliessfaech'));
// -> 12
console.log('Score 5:', fastLevenshtein.get('not-it', 'Schiesse'));
// -> 8
/**
* Additional strategy for dealing with other various languages:
* "Deburr" the strings to omit diacritics before checking the distance:
*/
const deburr = require('lodash.deburr');
console.log('Deburred Distances:')
console.log('Score 1:', deburr(fastLevenshtein.get('Schließfächer', 'Schließfach')));
// -> 3
console.log('Score 2:', deburr(fastLevenshtein.get('Blumtach', 'Blumtächer')));
// -> 3
console.log('Score 3:', deburr(fastLevenshtein.get('schließfächer', 'Schliessfaech')));
// -> 7
// Same in this case, but helpful in other similar use cases.
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.