stemming - 词干算法

Question

我有一个关于 Porter Stemmer 算法的问题，我在互联网上研究过，

但我找不到词干不足和词干过度之间的区别。

波特算法是低估还是过度？

你有想法吗？

提前致谢

Answer 1

当截止后缀太长时会发生过度提取，这会导致不相关单词的虚假匹配。

Understemming 是相反的——例如，一个不会切断任何本质上understems 的词干分析器。

我怀疑 Porter Stemmer 会不时犯两种类型的英语错误。请注意，其他语言的实现可能会表现得非常不同（谈到 Snowball，它具有针对多种语言的用户提供的算法）。它们甚至可能在词干的语言定义上有所不同。