Porter Stemmer-Algorithmus Frage

Question

Ich bin der Umsetzung einer Suchanwendung. Corpus ist große Textdokumente. Während Datei Prozess bin ich Zeichenüber alle Wörter und ruft Porter Stemmer-Algorithmus Schritt 1 (http://tartarus.org/~martin/PorterStemmer/csharp2.txt).

wird Schritt 1 loswerden Plurale und -ed oder -ing ...

bemerkte ich, dass ein Wort wie ‚dies‘ dämmt wird in ‚thi‘.

Ist das Normalbetrieb des Algorithmus? Da wollte ich ‚dies‘ das Wort tokenize.

Answer 1

Von dem, was Sie beschreiben, ist meine Vermutung, dass this als Pluralform in Porter Stemmer-Algorithmus und reduziert thi betrachtet wird.

Ich habe keinen ausdrücklichen Hinweis auf nicht-Plural Worte mit der Endung s in Porters Papier.

http://tartarus.org/~martin/PorterStemmer/def.txt