本节书摘来异步社区《NLTK基础教程——用NLTK和Python库构建机器学习应用》一书中的第2章，第2.6节，作者：Nitin Hardeniya，更多章节内容可以访问云栖社区“异步社区”公众号查看。
2.6 词形还原
词形还原（lemmatization）是一种更条理化的方法，它涵盖了词根所有的文法和变化形式。词形还原操作会利用上下文语境和词性来确定相关单词的变化形式，并运用不同的标准化规则，根据词性来获取相关的词根（也叫lemma）。
>>>from nltk.stem import WordNetLemmatizer
>>>wlem = WordNetLemmatizer()
>>>wlem.lemmatize("ate")
eat在这里，WordNetLemmatizer使用了wordnet，它会针对某个单词去搜索wordnet这个语义字典。另外，它还用到了变形分析，以便直切词根并搜索到特殊的词形（即这个单词的相关变化）。因此在我们的例子中，通过ate这个变量是有可能会得到eat这个单词的，而这是词干提取操作无法做到的事情。
现在你能解释词干提取与词性还原之间的区别了吗？
现在你能为自己的母语设计一个Porter词干提取器（基于规则）了吗？
为什么对于中文这样的语言来说，词干提取器是很难实现的？
