停用词

✍ dations ◷ 2025-07-19 00:21:56 #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

OrphanetOrphanet 是一个提供孤儿药物及罕见疾病信息的欧洲网站。该网站包含医生和病人等之信息。其行政办公室位于巴黎，其官方医学期刊(Medical journal)是由BioMed Central（英语：BioM
灵长目灵长目（学名：Primates）是哺乳纲的一个目，在生物分类学上，可以再细分原猴及简鼻亚目（包括人）。灵长目的始祖住在热带雨林的树上，许多灵长目的特征表现了其适应三维立体环境的能力，大部
热带热带,（英语：Tropics）的广义是指地球上南、北回归线（南、北纬23度26分）之间的地区的总称，但在气候方面一般会进一步区分出赤道热带和亚热带，无极昼极夜现象。热带有时从气候上定义，指
棘皮动物棘皮动物门（学名：Echinodermata）是动物界的一门。这个门从寒武纪出现，总共有2万左右的种类，现生种约7000种。除现生5纲外，另有15纲之多，皆为海生动物，无陆生和淡水种类。常见的海胆
全音素文字全音素文字（英语：alphabet）是表音文字的一种，它是以音素为单位的文字。和不标出元音的辅音音素文字不同，它的字母表中除了辅音字母，还有元音字母，用来表示语言中的元音。比较常见的
安卡拉安卡拉（土耳其语：Ankara），是土耳其共和国的首都，位于小亚细亚安那托利亚高原的中北部，人口500万，也是土耳其全国仅次于伊斯坦布尔的第二大城市。安卡拉及其邻近地带的历史可以追溯
肯尼斯·约瑟夫·阿罗肯尼斯·约瑟夫·阿罗（Kenneth Joseph Arrow，1921年8月23日－2017年2月21日），美国经济学家，1972年诺贝尔经济学奖得主。阿罗被认为是二战后新古典主义经济学的代表人物，对许多经济学
居斯塔夫·埃菲尔亚历山大·古斯塔夫·埃菲尔（Alexandre Gustave Eiffel，1832年12月15日－1923年1月27日）祖先来自德国。他是一位法国工程师，金属结构专家，也是一位作家。出生于法国第戎，一开始他想
摩尔曼斯克州摩尔曼斯克州（俄语：Му́рманская о́бласть，罗马化：Murmanskaya oblast），位于俄罗斯最西北部，是俄罗斯联邦主体之一，属西北部联邦管区。面积144,900平方公里，人口89
-反夏因-达尔加诺序列（英文：anti-Shine-Dalgarno sequence）是位于原核细胞核糖体小亚基16S rRNA3'端的段短核苷酸序列，可以按碱基互补配对原理与待翻译的信使RNA（messager RNA，简称