问题标签 [stop-words]

嗨，我在使用停用词索引时使用的是 StandardAnalyzer。

当我索引该行时

用于 Macintosh 的 Microsoft Excel

像这样搜索效果很好

我在搜索时使用与索引 +Microsoft +Excel +for +Macintosh 时相同的分析器

当我尝试像这样搜索时

“Microsoft Excel for Macintosh”我没有得到任何结果，因为它被转换为“Microsoft Excel Macintosh”

任何人都知道为什么我的结果是 0 ？

//三连

亲爱的朋友们，我想知道如何在名为 tokens 的列表中小写 NLTK 中的停用词

我想删除java中的停用词。

所以，我从文本文件中读取停用词。

和存储集

而且，我读了另一个文本文件。

所以，我想删除文本文件中的重复字符串。

我怎样才能？

我想比较没有停用词的 2 个字符串，例如

LIKE 术语，可以或包含：例如：“它是两个”或“两个”将被视为相等。

我正在构建一个使用全文搜索的网站搜索。搜索本身效果很好，那不是我的问题。我将用户提供的关键字（匹配...反对...）与 AND 串在一起，以便多个词进一步缩小结果。现在，我知道某些停用词没有被索引，这对我来说很好，我真的不想将它们用作选择标准。但是，如果（由用户）在关键字集中提供了一个停用词，即使该词实际上在某个文本块中，它也会杀死所有结果（如预期的那样）。

我的问题：有没有办法在查询时检查某个单词是否是停用词？我的首选解决方案只是从搜索条件中排除相关的单词（我不在乎用户是否可以通过单词'neither'来缩小结果，我只是不希望 MySQL 返回一个空的结果集，因为用户提供它，即使结果中都不存在）。或者，我是否只需要清空停用词列表？非常感谢您的帮助。

编辑----我很抱歉，但实际上没有代码片段可以提供给这个。该代码工作正常，实际上完全符合预期。这更像是我正在处理的一个逻辑问题。但作为一个例子，以解释的方式：

假设有三个记录，其中包括单词（但不限于）

1：苹果、橙子、芒果、香蕉 2：葡萄、橙子、菠萝、芒果 3：土豆、芒果、甜瓜、keira knightly

如果用户输入的搜索词是芒果，则所有结果都正确返回。如果单词是橙色 AND 芒果，则返回结果 1 和 2（正确）。现在，假设香蕉是一个停用词（它不是……但我们假设它是），如果搜索的是橙色、芒果和香蕉，则不会返回任何结果（因为香蕉不在全文索引中）。

我正在寻找的是是否有其他人遇到过这个问题，并且有办法解决它。一种：

或者......我是否只需要删除停用词列表......

我想删除停用词。这是我的代码

但只删除了一些停用词。请在这件事上给予我帮助

我希望能够搜索每个单词，所以我已经清除了停用词列表。比我重建的索引。但不幸的是，如果我输入一个带有停用词的搜索表达式，它仍然不会返回任何行。如果我只省略停用词，我会得到结果。例如“双重磨损留在原地” - 没有结果，“双重磨损留在原地” - 我得到的结果实际上也包含“in”。

有谁知道为什么会这样？我正在使用 SQL Server 2012 Express。

非常感谢！

我在 MySQL 中使用全文搜索。但是当用停用词搜索它时，结果是空的。

我想要的是像我们使用 LIKE 一样的操作。意思是，它与所有单词有关。使用全文搜索后，我觉得它比 LIKE 更强大，它可以与索引 FULLTEXT 一起使用，具有多个字段。

但是，当 AGAINST 中的搜索条件在停用词列表中时，结果为空。

如何在 MySQL 中使用全文搜索来过滤 Stopword 中的单词？或者我可以与搜索算法一起使用的其他方式？

我想在 MeCab 中添加停用词——比如“我”、“你”或其他词。但我在 MeCab 的手册上找不到任何停用词的信息。

我正在研究一种数据挖掘算法，我需要使用多个单词对字符串进行标记。我有一个单独的文件，其中包含所有停用词。我需要做的是通过任何作为分隔符的单词（停用词）来标记输入字符串。例如。 如果
文件按 原样 包含
停用 词

输入字符串变成
“一个计算机集群由一组松散连接的计算机组成，它们一起工作”
输出变成
计算机集群由
一组
松散连接的计算机
一起工作

递归地检查所有停用词的字符串会非常耗时吗？有什么好的方法吗？