为什么 Porter Stemmer 会产生一个可以再次词干的字符串？

【问题标题】：why does Porter Stemmer yield a string which can be stemmed again?为什么 Porter Stemmer 会产生一个可以再次词干的字符串？
【发布时间】：2009-09-01 22:37:39
【问题描述】：

茎('苹果')='苹果'
茎（'苹果'）='应用'
词干('appl')='appl'

这不是词干算法的缺陷吗？

（这里使用的是Porter Stemming Algorithm）

【问题讨论】：

标签： stemming porter-stemmer

【解决方案1】：

这看起来更像是您正在使用的算法的实现中的一个错误。

当我按照the original algorithm（来自您链接到的页面）中的步骤操作时，“apples”中的最后一个“s”在步骤 1a 中被删除，而“e”在步骤 5a 中被删除，所以“ apples”也是“appl”。

【讨论】：

【解决方案2】：

我在http://preciselyconcise.com/apis_and_installations/smart_stemmer.php 找到了一个带有字典支持的搬运工词干算法实现。

这个 API 使用起来非常简单，并且可以纠正词干的拼写错误。我建议你使用这个词干分析器，因为这个 API 有一个词干词的自动更正选项。

【讨论】：