1

使用包中的 RstemDocument函数tm（参见下面的会话信息）我得到：

library(tm)
stemDocument("cmos")
[1] "cmos"

然而，当在 Java 中使用这个实现以及使用这个“在线 Porter 词干分析器”时，词干“cmos”的结果将是：“cmo”。

同样在原始文章中，步骤 1a 规则说：

Step 1a

SSES -> SS                         caresses  ->  caress
IES  -> I                          ponies    ->  poni
                                   ties      ->  ti
SS   -> SS                         caress    ->  caress
S    ->                            cats      ->  cat

这意味着以“s”结尾的字符串“cmos”应该被删除为“cmo”，删除“s”。

那么为什么 R 的stemDocument函数行为不同呢？

> sessionInfo()
R version 3.1.2 (2014-10-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] tm_0.6    NLP_0.1-5

loaded via a namespace (and not attached):
[1] parallel_3.1.2  slam_0.1-32     SnowballC_0.5.1 tools_3.1.2
4

0 回答 0