我有一個(gè)名為SubIMDB的大型英語語料庫，我想列出所有單詞及其頻率。意思是它們?cè)谡麄€(gè)語料庫中出現(xiàn)了多少。這個(gè)頻率列表應(yīng)該有一些特點(diǎn)：像男孩和男孩這樣的詞或其他語法特征，例如 get 和 getting，相同的詞或詞條，如果有 3 個(gè)男孩和 2 個(gè)男孩，則應(yīng)將它們列為男孩 5。但是，對(duì)于像 Go 和 Went 這樣有不規(guī)則形式（或腳和腳）我想使用這個(gè)頻率列表作為一種字典，所以每當(dāng)我在程序的另一部分看到一個(gè)詞時(shí)，我想檢查它在這個(gè)列表中的頻率。因此，最好是無需查找所有內(nèi)容即可搜索。我的問題是：對(duì)于第一個(gè)問題，我該怎么辦？詞形還原？還是詞干？或者我怎樣才能得到它？其次，我應(yīng)該將它設(shè)置為什么樣的變量類型？像字典或列表或什么？最好將它保存在csv中嗎？是否有任何準(zhǔn)備好的 Python 工具包來完成這一切？非常感謝。