停用词

✍ dations ◷ 2025-08-29 19:18:58 #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

前列腺炎前列腺炎（Prostatitis）指发生于前列腺组织的炎症。由于前列腺在一定水平血睾丸酮作用下形成，女性仅找到组织胚胎学意义上的前列腺痕迹；没有人体解剖学意义上的前列腺，前列腺炎属
大洋洋即大洋，是地球海洋的主体，为海洋的中心部分。世界大洋的总面积约占海洋面积的89%。大洋的水深一般在3000米以上，最深处可达1万多米。大洋离陆地远，不受陆地的影响，其水文和盐度
咪唑咪唑（英语：Imidazole），即1,3-二氮唑，是一个五元杂环芳香性有机化合物，化学式C3H4N2。它也是一个生物碱。白色或浅黄色固体结晶，可溶于水、氯仿、醇、醚，具有酸性，也具有碱性。氢原子
农业社会农业社会为以农业为经济主导的社会。当人类的农业活动达一定规模，便渐渐进入农业社会，工业总产值与农业总产值，是一般区分农业社会及工业社会的方法。然而，农业社会中人与自然之
神圣罗马皇帝神圣罗马皇帝（德语：Römisch-deutscher Kaiser；拉丁语：Imperatores Romani Sacri）是历史学家称呼中世纪时获教宗赐予“罗马皇帝”头衔的德意志国王和罗马人民的国王，和1356年后统
疫情防控指挥部新型冠状病毒感染的肺炎疫情防控指挥部，是中国大陆各地政府部门为应对2019冠状病毒病疫情而成立的指挥部。最早成立指挥部的是疫情最初爆发地湖北省武汉市，之后中国大陆受疫情
扁桃酸扁桃酸（化学式：C8H8O3），又名苦杏仁酸、苯乙醇酸，学名α-羟基苯乙酸。白色斜方片状结晶，露置遇光变色分解。易溶于乙醚和异丙醇，溶于水和乙醇。扁桃酸及其衍生物在体内是肾上腺素和
拾破烂者病羊毛工病是炭疽病中透过吸入病原体的一种，其名称来自早其主要的感染者，多为接触动物制品或排泄物而受到感染。
布拉酵母菌布拉酵母菌（Saccharomyces boulardii），是一种热带酵母物种，于1923年由法国科学家亨利·布拉德自荔枝与山竹中分离出来。在一些分类学、代谢和遗传特性上，它与酿酒酵母相近，但略有
荷兰省份荷兰本土分为12个省（provincie），另外在加勒比海有博奈尔、圣尤斯特歇斯、萨巴三个直属荷兰的公共实体（荷兰语：Openbaar lichaam）共同构成荷兰王国。