Hhhm, vielleicht ist es auch nicht so ganz richtig mit dem Stemmer.

In den Texten befinden sich einige Wörter aus einer Fachdomäne und es gibt teils für ein und denselben Begriff mehrere Ausprägungen, teils sogar auch Verwendung mit einem Begriff in Deutsch oder Englisch. Ich bin mir nicht mehr ...

Hallo,

ich möchte mit Python ein Modell zur Textklassifizierung erstellen. Mit dem NLTK gibt es schon einiges an Unterstützung.
Die Wörterbücher beinhalten ja aber keine Fachdomänen-spezifischen Begriffe, die im Stemmer oder als Synonyme zur Bereinigung verwendet werden.

Weiß jemand, wie ich ...