停用词

✍ dations ◷ 2025-06-27 13:27:38 #停用词

在信息检索中，为节省存储空间和提高搜索效率，在自然语言处理数据（或文本）之前或之后会自动过滤掉某些字或词，这些字或词即被称为Stop Words(停用词)。不要把停用词与安全口令混淆。这些停用词都是人工输入、非自动化生成的，生成后的停用词会形成一个停用词表。但是，并没有一个明确的停用词表能够适用于所有的工具。甚至有一些工具是明确地避免使用停用词来支持短语搜索的。对于一个给定的目的，任何一类的词语都可以被选作停用词。通常意义上，停用词大致分为两类。一类是人类语言中包含的功能词，这些功能词极其普遍，与其他词相比，功能词没有什么实际含义，比如'the'、'is'、'at'、'which'、'on'等。但是对于搜索引擎来说，当所要搜索的短语包含功能词，特别是像The Who、The The或Take That等复合名词时，停用词的使用就会导致问题。另一类词包括词汇词，比如'want'等，这些词应用十分广泛，但是对这样的词搜索引擎无法保证能够给出真正相关的搜索结果，难以帮助缩小搜索范围，同时还会降低搜索的效率，所以通常会把这些词从问题中移去，从而提高搜索性能。Hans Peter Luhn, 作为信息检索的先驱者之一，他创造了这个短语并在他的研究中应用这个概念，为信息检索工作做出了贡献。

相关

多瘤病毒多瘤病毒科（Polyomaviridae）是一种双链DNA病毒，这类的病毒会造成肿瘤，其中有些种类会感染人的呼吸系统、肾脏或脑部。下有一属：环状双股DNA (dsDNA)，会抓宿主的 histone 组成 mini
血管舒张剂血管舒张是指在血管壁的平滑肌松弛下，令体内血管扩阔的情况。由于空间增大让血液流过，这会降低了血压。它的相反过程称为血管收缩。血管舒张可以自然产生或经由血管舒张剂引起
丙酸丙酸(propanoic acid)，又称初油酸，是三个碳的羧酸和短链饱和脂肪酸，化学式为CH3CH2COOH。纯的丙酸是无色、腐蚀性的液体，带有刺激性气味。工业上丙酸是通过四羰基镍催化剂存在下
红统府红统府（泰语：จังหวัดอ่างทอง，皇家转写：Changwat Ang Thong，泰语发音：）是泰国中部的一个府。红统府以前称“威社猜餐城”，为大城府的前哨城市，以后在大城时代迁都至昭拍
同分异构同分异构体又称同分异构物（英语：Isomer）。同分异构物指的是拥有相同分子式，但结构式却不相同的多种分子。同分异构物之间并不拥有相同的化学性质，除非它们拥有相同的官能团（functi
核质核质（英语：Nucleoplasm）是真核细胞中细胞核内除核仁外，所含的其他部分物质。核质是原生质的一种类型，它被核膜包裹。核质包括染色体和核仁。许多物质例如核苷酸（对于DNA复制等目
格威内特县格威内特县（Gwinnett County, Georgia）是美国乔治亚州北部的一个县。面积1,131方公里。根据美国2000年人口普查，共有人口588,448人，2006年人口为757,104人，是全州第二多。县治位
希腊近卫军埃夫佐尼（单数）或者埃夫佐内斯（复数，希腊语：Εύζωνες, Εύζωνοι，Evzones, Evzone）是希腊陆军历史上前后数支精锐轻步兵部队和山地部队的总称。今日，埃夫佐尼指的是总统
个人Wiki个人Wiki是一个主要作为个人使用而维护的Wiki。个人Wiki允许人们以类似社区Wiki的风格在他们的桌面或移动计算设备上组织信息。个人Wiki可以被粗略地分为含个人版的多用户Wi
生技生物技术（英语：biotechnology），又称为生物科技，指利用生物体（含动物，植物及微生物的细胞）来生产有用的物质或改进制程，改良生物的特性，以降低成本及创新物种的科学技术。根据不同的工