我正在使用 Lucene 7.x 和 ItalianStemmer?？催^ItalianStemmer類的代碼，好像要花很長時間才能理解。因此，我正在尋找一種快速（可能是標準的）方式來自定義意大利語詞干分析器，而不需要擴展 ItalianStemmer 或 SnowballProgram，因為我只有幾天時間。關鍵是我不明白為什么“saluto”（問候）這個名字來源于“sal”。它應該詞干為“salut”，因為動詞“salutare”（問候）詞根為“salut”。而且，“sala”（房間）和“sale”（房間）也都源于“sal”，這很容易混淆，因為它們的含義不同。
1 回答
開心每一天1111
TA貢獻1836條經驗 獲得超13個贊
標準方法是復制源代碼，然后創建自己的源代碼。
Stemming 是一個基于規則的啟發式過程。它旨在生成雖然不完美，但通常足以促進搜索的詞干。它沒有共軛詞及其詞干詞典供您修改。-uto 是意大利雪球詞干分析器從單詞中刪除的動詞后綴之一，如此處所述。您可以創建自己的版本，從列表中刪除該后綴，但總而言之，您可能會創造出比解決的更多的問題。
返回正確詞根的工具通常稱為lemmatizer，我不相信 Lucene 附帶任何開箱即用的工具。形態學分析往往更慢且更復雜。如果這對您的用例很重要，您可能需要查找意大利詞形還原器，并將其處理到自定義過濾器中，或者在將其傳遞給分析器之前預處理您的文本。
添加回答
舉報
0/150
提交
取消