不同的词性可以有不同的词元。词元（Lemma）是指单词的基本形式，即单词的词干或词根形式。

在自然语言处理中，可以使用词性标注（Part-of-Speech Tagging）来确定一个词的词性，并使用词干提取（Stemming）或词形还原（Lemmatization）来获得词元。

下面是一个使用Python的示例代码，使用nltk库进行词性标注和词形还原：

import nltk
from nltk.stem import WordNetLemmatizer

# 定义待处理的文本
text = "The dogs are barking loudly."

# 初始化词性标注器和词形还原器
pos_tagger = nltk.pos_tag(nltk.word_tokenize(text))
lemmatizer = WordNetLemmatizer()

# 遍历每个词和词性标注
for word, pos in pos_tagger:
    # 根据词性标注确定词元提取方法
    if pos.startswith('NN'):  # 名词
        lemma = lemmatizer.lemmatize(word, pos='n')
    elif pos.startswith('VB'):  # 动词
        lemma = lemmatizer.lemmatize(word, pos='v')
    elif pos.startswith('JJ'):  # 形容词
        lemma = lemmatizer.lemmatize(word, pos='a')
    elif pos.startswith('R'):  # 副词
        lemma = lemmatizer.lemmatize(word, pos='r')
    else:
        lemma = word  # 其他词性保持不变
    
    print(word, pos, lemma)

输出结果如下：

The DT The
dogs NNS dog
are VBP be
barking VBG bark
loudly RB loudly

可以看到，名词"dogs"被还原为词元"dog"，动词"are"被还原为词元"be"，形容词"loudly"和副词"barking"保持不变。这说明不同的词性可以有不同的词元。