问题标签 [stop-words]

我正在为一个项目做一个“字母顺序搜索”模块。

那就是它看起来像

ABCDEF 。. . . . . . . . ... . . . . . ... . . Z

当我点击“ A ”时，结果应该按“ A ”排序。所有字母表都是一样的。

现在我的问题如下：

• 比如有一部电影叫《木乃伊》。

• 我所做的是当点击“ ALPHABET T ”时，这个相应的电影将被排序。

• 但我的客户要求是当用户点击“M”而不是“T”时，“木乃伊”电影必须排序

• 因为“a,an,the”是“ARTICLES”，没有任何意义。

我希望现在每个人都能理解我的问题是什么......

任何帮助将不胜感激。

提前致谢

无论如何要向 SQL Server 2005 添加一些自定义停用词吗？

我想做的事情（在 Clojure 中）：

例如，我有一个需要删除的单词向量：

...和一个字符串向量：

因此，应该从每个字符串中删除每个禁用词，在这种情况下，结果将是：[“movie list”“thisisastring”“haha”]。

这该怎么做 ？

[警告] 这不是直接的编程问题，而是在语言处理中经常出现的问题，我相信它对社区有一些用处。

有没有人有一个很好的无趣（英语）单词列表，这些单词经过了更多的测试，而不是随意的外观？这将包括所有介词，连词等......可能具有语义含义但通常在每个句子中经常出现的单词，无论主题如何。我不时为个人项目建立自己的清单，但它们是临时的；我不断地添加我忘记的单词。

我编写了一个查询，它将使用 mysql 表中的完整搜索索引执行全文搜索。

但我的问题是，当用户使用“to go”搜索时，由于 mysql 中的停用词，它不会搜索任何内容。

所以我的问题是，如何编写一个忽略停用词的完整搜索查询？

我有一个客户在一个新的 Oracle UCM 站点上测试全文（下面的示例）搜索。他们选择测试的随机文本字符串是“仅测试”。哪个失败了；从我的测试来看，“only”似乎是一个保留字，因为它永远不会从全文搜索中返回（它是从元数据搜索中返回的）。

我花了一上午的时间搜索 oracle.com，发现这个看起来很全面，但没有“唯一”。

所以我的问题是，“只是”一个保留字。在哪里可以找到完整的 Oracle 全文搜索 (10g) 保留字列表？

全文搜索字符串示例；

---

更新。 我做了更多的测试。似乎它忽略了指示地点或时间的词；只有，一些，直到，何时，同时，在哪里，那里，这里，附近，那个，谁，关于，这个，他们。

谁能证实这一点？我无法在任何地方的 Oracle 上找到它。

---

更新 2。发布答案 我应该一直在寻找不是“保留”的“停止”词。更新了问题标题和标签以反映。

我在 stackoverflow 上找到了下面的代码，它可以很好地找到字符串中最常见的单词。但是我可以排除对“a, if, you, have, etc”等常用词的计算吗？还是我必须在计数后删除元素？我该怎么做？提前致谢。

我有一个停用词列表，其中包含大约 30 个单词和一组文章。

我想解析每篇文章并从中删除那些停用词。

我不确定最有效的方法是什么。

例如，如果存在空格，我可以遍历停止列表并替换文章中的单词，但它似乎并不好。

谢谢

我正在尝试通过忽略停用词的字段对 solr 查询进行排序，但似乎找不到这样做的方法。例如，我希望结果排序如下：

• 查理
• 一只狐狸
• 直升机

这可能吗？现在字段类型定义如下：

该字段的添加如下：

似乎其他人也必须这样做？还是没有停用词的排序是禁忌？

对不起，如果这个问题有点令人困惑。这类似于这个问题

我认为上述问题接近我想要的，但在 Clojure 中。

还有一个问题

我需要这样的东西，但不是那个问题中的 '[br]' ，而是需要搜索和删除的字符串列表。

希望我说清楚了。

我认为这是因为 python 中的字符串是不可变的。

我有一个需要从字符串列表中删除的干扰词列表。

如果我使用列表推导，我最终会一次又一次地搜索相同的字符串。所以，只有“of”被删除，而不是“the”。所以我修改后的列表是这样的

我想知道我在做什么错误。