词形还原-European Language Lemmatizer使用笔记

       所谓词形还原(lemmatizer)，即把一个任何形式的英语单词还原到一般形式，与词根还原不同(stemmer)，后者是抽取一个单词的词根。

       最近在做跨语言文本分类的研究，需要词形还原，穷搜一番后找到了这个俄罗斯人写的工具，貌似还不错。现在把自己的探索笔记列在这里，以方便来人。

1、下载地址：http://lemmatizer.org/en/download.html

2、依次安装4个组件，其中有一个是俄文词典，可以不装。安装过程很简单：http://lemmatizer.org/en/setup.html。安装时要用到cmake，下载地址：http://www.cmake.org/

3、装英文词典时遇到问题，make报错，找不到turglem/txml.h，跑到usr/local/include/turglem下一看，果然没有，在usr/local/include/txml下有个txml.hpp，拷贝到前一个目录下，名字改成txml.h，再make。还有错：‘void txml::determination_object::load_from_file(const std::string&)’ 的原型不匹配类 ‘txml::determination_object’ 中的任何一个。大意是说txml.cpp的实现中，这个函数与头文件中的声明不一致。于是打开turglem-english