词形还原语料库时遇Word List Corpus Reader不可调用错误的解决咨询

核心错误点 #

你遇到的「Word List Corpus Reader not callable」错误，是因为**stopwords('english')的调用方式错误**：stopwords是NLTK库中的语料库读取器对象，不是可调用函数，不能直接通过括号传参调用。同时你的词形还原代码也存在导入和实例化的问题。

修正步骤 #

1. 正确获取停用词
   停用词的正确获取方式是stopwords.words('english')，需要先导入NLTK的stopwords模块。
2. 正确配置词形还原工具
   词形还原需先导入WordNetLemmatizer并实例化对象，再调用其lemmatize方法处理单词。

修正后的完整代码 #

import re
from nltk.corpus import stopwords
from nltk.stem import WordNetLemmatizer

# 实例化词形还原器
lemmatizer = WordNetLemmatizer()
corpus = []

for sentence in sentences:
    # 去除非字母字符
    review = re.sub('[^a-zA-Z]', ' ', sentence)
    # 转为小写
    review = review.lower()
    # 拆分单词
    review = review.split()
    # 词形还原+过滤停用词
    review = [lemmatizer.lemmatize(word) for word in review if word not in set(stopwords.words('english'))]
    # 拼接为字符串
    review = ' '.join(review)
    corpus.append(review)

额外注意事项 #

• 提前确保已下载NLTK所需语料库，若未下载，先运行以下代码：

  import nltk
  nltk.download('stopwords')
  nltk.download('wordnet')
  

• 原代码中range(len(sentences))的写法可简化为直接遍历sentences，更符合Python的简洁风格。

内容的提问来源于stack exchange，提问作者Prince Thakkar