使用SnowballPorterFilterFactory進行詞幹搜索似乎返回較少結果

Question

我有4個文檔分別包含以下4個文本。

• XXX做XXX
• XXX確實XXX
• XXX確實XXX
• XXX幹XXX

現在我執行由文本搜索 「做」 使用SnowballPorterFilterFactory過濾器，並期望搜索出所有上述4個文件。但只搜索出下列文件。

• XXX做XXX
• XXX幹XXX

但是當我試圖通過文本搜索 「重構」，包含文本 「重構」，「refactors所有文件「，」重構「或」重構「被搜出。

爲什麼由文本搜索「做」不能返回一個包含文件「確實」和「做」？單詞「做」有點特別，不應該使用SnowballPorterFilterFactory過濾器？

謝謝。

Answer 1

我並不感到驚訝：在Lucene的SnowballFilter提供的停用詞列表中，所有形式的do被聲明爲停用詞，因此他們可能不關心這種情況。

所以它或多或少與他們的意圖一致。

您可以： *使用StopFilterFactory和提供的english_stop.txt（閱讀文件頂部的註釋，瞭解要使用的格式）;注意只搜索術語do/doing/did是行不通的（但我認爲這不是一個用例本身），但如果它們是更大搜索的一部分，它們將被忽略，從而解決您的問題。 *用SynonymFilterFactory將它們聲明爲同義詞。

無論哪種方式，歡迎來到美妙的詞幹世界：它真的不是一個容易的主題。