Lucene ha un filtro di stop predefinito (http://lucene.apache.org/core/4_0_0/analyzers-common/org/apache/lucene/analysis/core/StopFilter.html), qualcuno sa quali sono le parole nell'elenco?Qual è l'elenco predefinito di stopword utilizzati in Lucene's StopFilter?
Le parole di arresto default stabilito StandardAnalyzer e EnglishAnalyzer è da StopAnalyzer.ENGLISH_STOP_WORDS_SET, e sono:
"a", "an", "and", "are", "as", "at", "be", "but", "by",
"for", "if", "in", "into", "is", "it",
"no", "not", "of", "on", "or", "such",
"that", "the", "their", "then", "there", "these",
"they", "this", "to", "was", "will", "with"
StopFilter si definisce nessun valore di default di parole stop.
Sto usando 'Lucene' 5.5.0 per il recupero di parole chiave. Specifico il filtro delle parole di arresto con 'tokenStream = new StopFilter (new ClassicFilter (new LowerCaseFilter (stdToken)), StopAnalyzer.ENGLISH_STOP_WORDS_SET),' ma 'Lucene' non filtra le parole di stop. C'è qualcosa che mi manca? –
Link alla fonte attuale: http://alvinalexander.com/java/jwarehouse/lucene/src/java/org/apache/lucene/analysis/StopAnalyzer.java.shtml –
L'elenco può essere trovato nell'attuale Elasticsearch: The Definitive Guide , [Stopwords: Performance Versus Precision] (https://www.elastic.co/guide/en/elasticsearch/guide/current/stopwords.html) – Paul