大问题和非常好的问题！

我spacy过去用过，它有一个德语模块。我猜不支持词干提取，但lemmatization。

spacy查看下面的输出，老实说，我认为这不会解决您的问题。但是，我只是想让你知道这个选项。

Spacy 词形还原：

#pip install spacy
#python -m spacy download de

import spacy
nlp = spacy.load('de_core_news_sm')

mywords = "Das ist schon sehr schön mit den Expertinnen und Experten"

for t in nlp.tokenizer(mywords):
    print("Tokenized: %s | Lemma: %s" %(t, t.lemma_))

结果：

Tokenized: Das | Lemma: der
Tokenized: ist | Lemma: sein
Tokenized: schon | Lemma: schon
Tokenized: sehr | Lemma: sehr
Tokenized: schön | Lemma: schön
Tokenized: mit | Lemma: mit
Tokenized: den | Lemma: der
Tokenized: Expertinnen | Lemma: Expertinnen
Tokenized: und | Lemma: und
Tokenized: Experten | Lemma: Experte

这个问题已经有将近 2 年的历史了，但我想很多人都在为同一个问题而苦苦挣扎。

许多人为此使用TreeTagger。TreeTagger 进行 POS-Tagging 和 limmatization，但您需要手动安装 TreeTagger（但这很容易做到），如果您使用 Python，则需要安装 Python-wrapper：

import treetaggerwrapper
import nltk
from pprint import pprint

tree_tagger = treetaggerwrapper.TreeTagger(TAGLANG='de')

sent = "Das ist schon sehr schön mit den Expertinnen und Experten."

words = nltk.word_tokenize(sent)
tags = tree_tagger.tag_text(words,tagonly=True) #don't use the TreeTagger's tokenization!
nice_tags = treetaggerwrapper.make_tags(tags)
pprint(nice_tags)

这给出了以下结果：

[Tag(word='Das', pos='PDS', lemma='die'),
 Tag(word='ist', pos='VAFIN', lemma='sein'),
 Tag(word='schon', pos='ADV', lemma='schon'),
 Tag(word='sehr', pos='ADV', lemma='sehr'),
 Tag(word='schön', pos='ADJD', lemma='schön'),
 Tag(word='mit', pos='APPR', lemma='mit'),
 Tag(word='den', pos='ART', lemma='die'),
 Tag(word='Expertinnen', pos='NN', lemma='Expertin'),
 Tag(word='und', pos='KON', lemma='und'),
 Tag(word='Experten', pos='NN', lemma='Experte'),
 Tag(word='.', pos='$.', lemma='.')]

作为替代方案，您可以使用HanTa ( https://github.com/wartaal/HanTa )：

!pip install HanTa
from HanTa import HanoverTagger as ht
import nltk
from pprint import pprint

tagger = ht.HanoverTagger('morphmodel_ger.pgz')

sent = "Das ist schon sehr schön mit den Expertinnen und Experten."

words = nltk.word_tokenize(sent)
lemmata = tagger.tag_sent(words,taglevel= 1)
pprint(lemmata)

对于给定的句子，这给出了与以前基本相同的结果：

[('Das', 'das', 'PDS'),
 ('ist', 'sein', 'VAFIN'),
 ('schon', 'schon', 'ADV'),
 ('sehr', 'sehr', 'ADV'),
 ('schön', 'schön', 'ADJD'),
 ('mit', 'mit', 'APPR'),
 ('den', 'den', 'ART'),
 ('Expertinnen', 'Expertin', 'NN'),
 ('und', 'und', 'KON'),
 ('Experten', 'Experte', 'NN'),
 ('.', '--', '$.')]

最后，您可以使用名为 GermaLemma 的工具，但是，它要求您之前运行另一个用于 POS 标记的工具。

NLTK 有一个专门针对德语的词干分析器的实现，称为Cistem。我认为它是在 NLTK 3.4 版中添加的。
虽然您示例的结果看起来只是稍微好一点，但词干分析器的一致性至少比 Snowball 词干分析器好，并且您的许多示例都简化为类似的词干。

仍然删除了元音变音，以及减少了词干（尤其ge-是有时也会删除的前缀），这可能与您的期望不符。下面的结果来自运行Cistem(case_insensitive=True)。

name            [best expected: n/n| best variants: 1/n | overlap: m]: ...
--------------------------------------------------------------------------
experte         [as expected: 0/5| variants: 4/5 | overlap: 0]: ['exper', 'expert', 'expert', 'experti', 'expertinn']
geh             [as expected: 5/6| variants: 2/6 | overlap: 0]: ['geh', 'geh', 'geh', 'geh', 'geh', 'hend']
gebäude         [as expected: 0/3| variants: 1/3 | overlap: 0]: ['baud', 'baud', 'baud']
schön           [as expected: 0/3| variants: 2/3 | overlap: 1]: ['schon', 'schoner', 'schon']

编辑：我还应该补充一点，该实现源自 Leonie Weissweiler 和 Alexander Fraser 的工作，他们还在他们的论文中对各种词干分析器进行了很好的比较。