计算具有相同词根的单词

Question

假设我有一个 WorkBank 数据库，其中包含特定语言的单词。 例如，俄语。 由于数量和格（主格、宾格等），俄语单词有不同的结尾

所以，学生可能是：

студент студента

诸如此类...

还有其他语言，例如英语，其中一个动词可以根据其时态（说话、说话、口语等）具有不同的 forms。 此外，其他语言，如意大利语和法语，其中的单词可能会与另一种语言连接：

hôtel = 酒店 l'hôtel = 酒店

anatra = 鸭 l'anatra = 鸭

我想将所有单词存储在 WorkBank 中，但是，我想将它们链接到它们的父单词并区分唯一单词和派生单词，因此 студент 的所有 forms 和“说话”的所有 forms 都只算一个。

我知道这是一个非常广泛的主题，我并不是在寻求解决方案。 如果有人能指出正确的方向或我可以阅读的任何文档来开始实施，我将不胜感激。

Answer 1

你需要做一些步骤：

1. 为每个单词找到一个引理（要做到这一点，您可以查看nltk库文档，它包含示例）。
2. 将这些词条翻译成一种语言（例如英语），然后按此翻译对单词进行分组。