string - 为什么最长公共子串不是词干算法的解决方案？

Question

我正在阅读一个词干，这是将单词匹配到一个共同的根的问题，并且似乎是搜索引擎中的一个标准问题。
当我第一次想到这个问题时，我认为这是最长公共子串问题应用于N单词的经典应用。
例如，对于单词来说{computation, compute, computers}，最长的公共子串是compute，这是词干/词根。
但我读到这不是问题的解决方案。实际上，这似乎甚至不是一个考虑因素，其他方法（后缀去除、随机等）是标准解决方案。

我的问题是：为什么最长的公共子字符串N不能解决这个问题？

Answer 1

在许多语言中，语言词干通常不是公共子串。例如，动词“to be”在许多语言中是非常不规则的。

即使是英文名词，也有例外的例子，例如 { index, indices, indices }。您真的想使用“索引”作为词干；如果您使用更短的“ind”作为词干，则会发生冲突，在这种情况下，独立政治家的政党缩写为“ind”。