词干化后是否有可能得到一个自然词？

Question

我有一个词play，在词干化之后变成了plai。现在我想再次play。是否可以？我用过 Porter's Stemmer。

Answer 1

显然不是。许多不同的词，经过词干后，可以变成plai：包括play和playing。

在这里试试：http://9ol.es/porter_js_demo.html

因此，如果给定 plai，它可能来自任何一个词，那么它就不是确定性的。或者你想得到所有可能的词干为plai的词集？

更新： Qualtagh 提到了一些好主意。

Answer 2

Stemmer 能够处理人工不存在的单词。您希望它们作为一组所有可能单词的元素返回吗？你怎么知道这个词不存在也不应该被退回？

作为一个选项：查找所有单词及其形式的字典。为他们每个人找到一个词干。将此投影保存为地图：（词干，所有单词形式的列表）。因此，您将能够获得给定词干的所有单词形式的列表。

统一更新： 如果您需要所有可能的单词，包括不存在的单词，那么我可以提供这样的算法（未检查，只是一个建议）：

Porter stemming algorithm。我们需要一个颠倒的版本。

如果直接算法中的规则是(m>1) E ->（删除最后一个E），那么反向规则将是“fork with E”，这意味着我们需要尝试其他方法。例如，在直接算法probate -> probat 中，在反向算法中，我们有两种选择：probat -> { probat, probate }。这些备选方案中的每一个都应单独进一步处理。请注意，这是一个 set 备选方案，因此我们将只处理不同的单词。这样的规则将具有以下形式：A -> { , B, C }，这意味着“以三种替代方式替换结尾 A：保持原样、使用 B 和使用 C”。

Step 5b: (m>1) *L -> { , +L } // Add L if there's L at the end.
Step 5a: (m>1) -> { , +E }
         (m=1 and not *o) -> { , +E } // *o is a special condition, it's not *O.
Step 4: (m>1) *S or *T -> { , +ION }
        (m>1) -> { , +AL, +ANCE, +ENCE, ..., +IVE, +IZE }
Step 3: (m>0) *AL -> { , +IZE }
        (m>0) *IC -> { , +ATE, +ITI, +AL }
        (m>0) -> { , +ATIVE, +FUL, +NESS }
Step 2: (m>0) *ATE -> { , ATIONAL } // Replace ATE.
        (m>0) *TION -> { , +AL } // Add AL at the end.
        (m>0) *ENCE -> { , ENCI } // Replace ENCE.
        ...
        (m>0) *BLE -> { , BILITI } // Replace BLE.
Step 1c: (*v*) *I -> { , Y } // Replace I.
Step 1b: (m=1 and *oE) -> { , +D, delete last E and add ING } // *o is a special condition.
         (*v*c and not (*L or *S or *Z)) -> { , add last consonant +ED, add last consonant + ING }
         *IZE -> { , IZING, +D }
         (*v*BLE) -> { , +D, delete last E and add ING }
         *ATE -> { , ATING, +D }
         (*v*) -> { , +ED, +ING }
         (m>0) *EE -> { , +D }
Step 1a: *I -> { , +ES }
         *SS -> { , +ES }
         not *S -> { , +S }

直接算法必须选择第一个最长的规则。逆向算法应该使用所有规则。

示例（直）：

Input: PLAYING
Step 1a doesn't match.
PLAYING -> PLAY (Step 1b)
PLAY -> PLAI (Step 1c)
m=0, so the steps 2-5 don't match.
Result: PLAI

反转：

Input: PLAI
m=0, so the steps 2-5 are skipped
Step 1c:
PLAI -> { PLAI, PLAY }
Step 1b:
PLAI -> { PLAI, PLAIED, PLAIING }
PLAY -> { PLAY, PLAYED, PLAYING }
Resulting set: { PLAI, PLAIED, PLAIING, PLAY, PLAYED, PLAYING }
Step 1a:
PLAI -> { PLAI, PLAIS, PLAIES }
PLAIED -> { PLAIED, PLAIEDS }
PLAIING -> { PLAIING, PLAIINGS }
PLAY -> { PLAY, PLAYS }
PLAYED -> { PLAYED, PLAYEDS }
PLAYING -> { PLAYING, PLAYINGS }
Resulting set: { PLAI, PLAIS, PLAIES, PLAIED, PLAIEDS, PLAIING, PLAIINGS, PLAY, PLAYS, PLAYED, PLAYEDS, PLAYING, PLAYINGS }

我在Michael Tontchev 的链接中检查了所有这些词。他们每个人的结果都是“plai”（请注意，该网站不接受大写输入）。