Porter Stemmer 算法题

【问题标题】：Porter Stemmer algorithm questionPorter Stemmer 算法题
【发布时间】：2011-04-01 23:55:21
【问题描述】：

我正在实现一个搜索应用程序。语料库是大型文本文档。在文件处理过程中，我正在标记所有单词并调用 Porter Stemmer 算法第 1 步 (http://tartarus.org/~martin/PorterStemmer/csharp2.txt)。

Step1 去掉复数和 -ed 或 -ing...

我注意到像 'this' 这样的词会变成 'thi'。

这是算法的正常操作吗？因为我想标记“this”这个词。

【问题讨论】：

【解决方案1】：

根据您的描述，我的直觉是this 在 Porter Stemmer 算法中被视为复数形式，并简化为 thi。

我在 Porter 的论文中没有明确提到以 s 结尾的非复数词。

【讨论】：