停用词

✍ dations ◷ 2025-04-26 06:19:20 #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

营养体营养体（Trophosome；源自trophē），亦作滋养体，是一种在部分原口动物（例如：须腕科物种）体腔（英语：coelomic cavity）内的深绿棕色海绵组织器官，用来储存内共生细菌，以为其宿主提供完全营养。
联合国环境署联合国环境署，又称为联合国环境规划署（英语：United Nations Environment Programme, UNEP；或 UN Environment），是联合国专责环境规划的常设部门。它的任务在于协调联合国的环境计
冰山冰山（英语：Iceberg）是一块大若山川的冰，脱离了陆上的冰川或冰架，并漂浮在广阔的水面上。由于冰山质地结实坚硬、体积大，与船擦撞时常导致船难，其中较著名的有1912年所发生的泰坦尼
石绵石棉，又称石绵，是天然的纤维晶体状的6大硅酸盐类矿物质的总称；（Asbestos，5.5FeO,1.5MgO,8SiO2,H2O）成分中含有一定数量的水；分裂成絮时呈白色；丝绢光滑，富有弹性。最常见的有3种：温石
女女部，为汉字索引里为部首之一，康熙字典214个部首中的第三十八个（在三划的部首中则为第九个）。在中文里，女部归于三划部首。女部通常是从上、下、左、右方均可为部字，且无其他部首
第三产业第三级产业，又称服务业，是指位处一件产品的生产链中最上层的行业，这些行业在一件产品的生产链中担任物流、分销、中介等工作。第三级产业需要接触产品的终端顾客，是该产品自生产
紫苜蓿M. sativa subsp. ambigua M. sativa subsp. microcarpa M. sativa subsp. sativa M. sativa subsp. varia Ref: ILDIS as of November 2005紫花苜蓿（学名：Medicago sativa，阿
灰色灰色介于黑和白之间的一系列颜色，可以大致分为深灰和浅灰。像乌云密布的天空、草木灰及铅都是灰色的。在欧洲及北美，大部分人认为灰色是中性、一致性、无聊、不确定、老年、冷
丙酸杆菌等丙酸杆菌属（学名Propionibacterium）是一类革兰氏阳性菌。
芽殖出芽生殖 (英文: budding)，是一种无性繁殖方式，亲代借由细胞分裂产生子代，但是子代并不立即脱离母体，而与母体相连，继续接受母体提供养分，直到个体可独立生活才脱离母体。是一种特