Python中是否有库可生成与指定词汇搭配的动词列表？

有几个库或组合方案可以实现提取特定名词搭配动词的需求，以下是具体实现方式：

1. 使用spaCy（推荐） #

spaCy的预训练语言模型支持依存句法分析和词向量语义匹配，能精准识别与目标名词搭配的动词。

示例代码：

import spacy

# 加载中等规模预训练模型，大规模模型en_core_web_lg效果更优
nlp = spacy.load("en_core_web_md")

target_noun = "car"
# 构建包含目标名词的示例文本，也可替换为大规模语料
doc = nlp(f"A {target_noun} can be driven, crashed, repaired, washed, parked, or stolen.")

verb_collocations = set()
for token in doc:
    if token.text.lower() == target_noun:
        # 从依存关系中提取搭配动词（主动词或被动词）
        for child in token.children:
            if child.dep_ in ("nsubj", "dobj"):
                verb_collocations.add(child.head.lemma_)
        # 结合词向量语义匹配补充相关动词
        similar_verbs = [
            token.text for token in nlp.vocab
            if token.pos_ == "VERB" and nlp(target_noun).similarity(token) > 0.5
        ]
        verb_collocations.update(similar_verbs)

# 格式化输出为"to + 动词原形"格式
print([f"to {v}" for v in verb_collocations if v])

2. 使用Pattern库 #

Pattern是专注于英语NLP的轻量库，内置搭配提取功能，可直接获取与名词关联的动词。

示例代码：

from pattern.en import lemma, collocations

target_noun = "car"
# 提取与目标名词搭配的动词（pos="VB"指定动词类）
colloc_list = collocations(target_noun, pos="VB")
# 格式化输出为动词原形格式
print([f"to {lemma(v)}" for v in colloc_list])

3. 结合NLTK语料库自定义统计 #

如果偏好NLTK，可以利用其自带语料库统计名词与动词的共现频率，筛选高频搭配。

示例代码：

import nltk
from nltk.corpus import brown
from collections import defaultdict

# 下载所需语料和标签集
nltk.download('brown')
nltk.download('universal_tagset')

target_noun = "car"
verb_counts = defaultdict(int)

# 遍历Brown语料库，统计与car搭配的动词
for sentence in brown.tagged_sents(tagset='universal'):
    for idx, (word, tag) in enumerate(sentence):
        if word.lower() == target_noun and tag == 'NOUN':
            # 统计前置动词（car作宾语）
            if idx > 0:
                prev_word, prev_tag = sentence[idx-1]
                if prev_tag == 'VERB':
                    verb_counts[prev_word.lower()] += 1
            # 统计后置动词（car作主语）
            if idx < len(sentence)-1:
                next_word, next_tag = sentence[idx+1]
                if next_tag == 'VERB':
                    verb_counts[next_word.lower()] += 1

# 按频率取前10个搭配动词
top_verbs = sorted(verb_counts.items(), key=lambda x: x[1], reverse=True)[:10]
print([f"to {v}" for v, _ in top_verbs])

内容的提问来源于stack exchange，提问作者Jonas De Boeck