构建Java引理器

Question

我想通过使用Java API（没有由Stanford，Apache OpenNLP提供的）构建一个tokenizer。 我已经能够通过使用正则表达式和Java模式/匹配器分离的话：

"[a-zA-Z]+". 

我现在想找到这个词的引理。 由于授权问题，我不想使用StanfordNPP。 下一步是什么？ 我想我需要一本字典作为参考/比较的模型。 而...？ 有没有人在那里做过？试图用Java构建一个单词lemmatizer？提前致谢。 :)

Answer 1

如果您有单词列表，并且想要知道两个单词是否相同，如“跑步”，“跑步”，“跑步”和“跑步”。 你可以做一个HTTP请求字典，例如：

http://www.oxforddictionaries.com/definition/english/runs

在这种情况下，页面重定向到：

http://www.oxforddictionaries.com/definition/english/run?q=runs

然后你可以设定一个HTTP请求，如果它被重定向到另一个词，然后它们是相同的。

在其他情况下，如：

http://www.oxforddictionaries.com/definition/english/run

你可以阅读：

动词（跑，跑;跑了过去/运行/;过去分词运行）

然后你可以创建解析器来解释页面的信息

在Java中，您可以轻松创建http请求：

HttpClient httpClient = new DefaultHttpClient(); 
HttpGet httpGet = new HttpGet(URL);