问题标签 [stemming]

我已经用 solr 索引了一个网站。如果不启用词干提取，它会很好地工作。然而，使用词干提取，solr 在搜索词根时不会返回任何命中。我使用瑞典语词干。

例如，support如果不使用词干提取，搜索会给出命中。使用词干，搜索support没有命中。虽然，搜索supporten返回匹配匹配support。

通过调试查询，我可以看到它的词干support为suppor（顺便说一句，这是不正确的，但这不重要）。但是，如果词干为suppor，我希望它也可以搜索与原始查询词的匹配项。

我将不胜感激任何帮助！

我想使用 R 中的 tm 包对纯文本文档语料库中的文档进行词干处理。当我将 SnowballStemmer 函数应用于语料库的所有文档时，只有每个文档的最后一个单词会被词干。

我认为这与将文档读入语料库的方式有关。用一些简单的例子来说明这一点：

我想获取人们在聊天室中聊天的内容并进行以下信息检索：

1. 获取关键字
2. 忽略所有干扰词，主要保留动词和名词
3. 对关键字执行词干提取，这样我就不会以多种形式存储相同的关键字
4. 如果同义词关键字已存储在我的存储中，则应使用现有同义词而不是新关键字
5. 将处理后的关键字存储在持久存储中，并参考它所在的聊天消息和说出它的用户

有了这些经过处理的信息，我想慢慢了解人们在聊天室中谈论的内容，然后根据这些关键字自动找到相关的聊天室等。

我的问题如下：执行上述操作的最佳 C/C++ 或 .NET 工具是什么？

我正在尝试使用调用 Java 的 R 语言 tm 包中的 stemDocument 来阻止语料库。我已经尝试过 tm 手册中的示例：

并得到以下错误：

任何帮助表示赞赏。我对Java一无所知。

谢谢

我在 C# 中有这个搬运工算法代码，有人能告诉我如何将此代码的输出保存到 txt 文件吗？我还要输入文件名或其内容吗？

使用系统；使用 System.IO；

命名空间搬运工 { /*

}

在 Java 中使用什么库来将单词转换为其基本形式？也就是说，如果我们在输入上有“go”、“going”和“gone”，我需要在输出上接收 3 次“go”。

我正在使用 Lucene 3.4 中的 SpanishAnalyzer 类。当我想解析重音单词时，我得到了一个奇怪的结果。例如，如果我解析这两个词：“comunicación”和“comunicacion”，我得到的词干是“comun”和“comunicacion”。如果我改为解析“maratón”和“maraton”，我会得到两个词的相同词干（“maraton”）。

所以，至少在我看来，同一个词“comunicación”会根据重音与否而给出不同的结果，这很奇怪。如果我搜索“comunicacion”这个词，无论它是否有重音，我都应该得到相同的结果。

我正在使用的代码是下一个：

我发现能够获得共享“comunicacion”词干的每个单词的解决方案，无论是否带重音，是在第一步中去掉重音，然后用分析器解析它，但我没有知道这是否是正确的方法。

请问，谁能帮帮我？

我使用 solr 3.3 来索引我的文件，我想要带有后缀的 solr 索引词，例如我想索引彩色的颜色，当我搜索颜色时，solr 显示任何具有彩色的文档。

可能重复：
如何在 solr 中使用前缀索引单词？

我正在使用 solr 3.3。我想要带有后缀的 solr 索引词。

当我索引“book”和“books”并搜索“book”时，solr 显示任何包含“book”或“books”的文档，但是当我索引“rain”和“rainy”并搜索“rain”时，solr 显示任何具有“雨”的文档，但我希望 solr 显示任何具有“雨”或“雨”的文档。

是否有任何 python 包可以获取关键字/标签列表并将它们与给定的字符串/文件/url 匹配？

特别是使用词干和/或其他一些同义词匹配方式。

即我预先保存的关键字：

Ski, Bike, Climb

我的文字：

Skiing in the mountains is great

应该被标记为Ski

Skiing and mountain biking is fun

应该用SkiAnd标记Bike

如果我有一个同义词文件映射Bike到某处MTB

MTB is a great way to spend the day

应该被标记Bike