logo标签列表

词干提取 - 代码示例或开源项目？

algorithmtagsnlpstemming
6

词干提取在标记系统中是必需的。我使用delicious，没有时间管理和修剪我的标签。我对我的博客更加小心，但它并不完美。如果嵌入式系统的软件包括词干提取，那么它们将更加功能强大（对用户有帮助）。

例如：
Parse
Parser
Parsing

应该在我要输入它们的任何系统中具有相同的含义。

理想情况下，应该有一个BSD许可的词干提取器，但如果没有，我应该去哪里了解常见的算法和技术呢？

除了BSD词干提取器，还有哪些其他开源许可证的词干提取器？

-亚当

有人需要将http://snowball.tartarus.org/添加为答案（提示，提示）... - Adam Davis
但我想看看其他的，特别是有关所使用算法的更多信息。 - Adam Davis
FYI：Snowball有一个可供下载的算法包。 - Jeremy L
@Adam：我快到那里了 :) - Jon Skeet
4个回答
5
5
2
1

Lucene应该有一个词干提取器（stemmer），我相信（IIRC）它允许你使用自己的词干提取器。

编辑：刚刚检查了一下，Lucene引用了Snowball网站，这是一个开源的词干提取库。

网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接