问题标签 [porter-stemmer]

有没有办法集成PorterStemFilter到StandardAnalyzerLucene 中，或者我必须复制/粘贴StandardAnalyzers源代码并添加过滤器，因为StandardAnalyzer它被定义为最终类。有没有更聪明的方法？

另外，如果我不想考虑数字，我该如何实现呢？

谢谢

为什么波特词干算法在线

http://text-processing.com/demo/stem/

干fried到fri不干fry？

我不记得ied在英语中有任何以过去时结尾的单词有一个以.结尾的主格形式i。

这是一个错误吗？

我们有两个弹性搜索实例，一个运行 1.2.1 和一个 1.4，两个实例上运行的索引的设置和映射相同，但结果不同。

默认分析器的设置：

弹性搜索版本之间的差异出现在索引/搜索所有格形式时，而在 1.2.1 中，“player”、“players”和“player's”将返回相同的结果，在 1.4 中，前两个（“player”和“players”）具有相同的结果集，而“玩家的”与该集不匹配这是已知的差异吗？在 1.4 及更高版本中获得相同行为的正确方法是什么？

就像在 python nltk ( https://stackoverflow.com/a/10369407/3096792 ) 中有内置的 Stemmer 一样，我想知道 java apache opennlp 中是否有任何内置的 Porter Stemmer 虽然有一个接口在这个包 [opennlp.tools.stemmer.Stemmer] 下。由于我现在不知道或不需要知道词干背后的算法，我需要一个标准包下的 apache opennlp 工具包。如果不存在，java中的替代方法是什么？

我正在使用 lunr 执行搜索，目前我正在从搜索文本区域的值中突出显示搜索，但 lunr 使用词干分析器并返回与完整搜索词不完全匹配的结果。有没有办法访问 lunr 最终搜索的搜索词的词干？

我是 python 新手，用书中的例子练习。我可以用一句话来形容：

但是，例如，我不能通过 Porter 词干分析器运行文本文件的前 50 个单词。

编辑：除了拆分（）之外还有其他方法吗？split() 有时会给出错误的结果。

我有一个文字游戏，在词干后变成了 plai。现在我又想玩了。可能吗？我用过波特的词干。

我需要找到单词的基本形式。我经历过类似的问题。我正在使用 porter stemmer 和 stanford core NLP 进行词干提取和词形还原。考虑以下 3 组单词 A、B、C：-

可以看出Set C中的词干是相等的，所以我们可以说真实的，真正的和真实性有一定的关系。但同样不能应用于 A 和 B 中在语义上确实相关的单词。是否有可能找到这些词之间的关系？如果是，那么如果它不是词干/词形还原，那么这种关系是什么。

我需要为我的应用程序创建简单的搜索引擎。让我们将其简化为以下内容：我们有一些文本（很多），我需要搜索并显示相关结果。

我基于这篇很棒的文章扩展了一些东西，它对我来说效果很好。

但我在词干方面有问题。例如，“annotation”、“annotations”等词将被提取为“annot”，但假设您尝试搜索某些内容，您会看到意想不到的结果：

• “anno” - 什么都没有
• “annota” - 什么都没有。

只有单词“annot”会给出相关的结果。那么，我应该如何改进我的搜索以提供预期的结果？因为“annot”包含“anno”，而“annota”比“annot”略多。一直使用 contains 显然不是解决方案

如果在第一种情况下我可以使用一些三元搜索树，在第二种情况下我不知道该怎么做。

任何想法都会非常有帮助。

更新

oleksii在这里向我指出了 n-gram ，这可能对我有用，但我不知道如何正确索引 n-gram。

所以问题：

• 哪种数据结构最适合我的需求
• 如何正确索引我的 n-gram

我有一个简单的项目需要实现这种事情。

有人可以指出可以实现这一目标的最轻量级的库吗？（我知道有像 Lucene、CoreNLP 等这样的库。）但是这些都非常重，我真的只需要一个词干分析器/词法分析器

谢谢！