词干提取和词形还原

词干提取（stemming）和词形还原（Lemmatisation）一直弄不清谁是谁，找到一篇解释的到位的一篇文章，以备注

原博文地址：http://www.tuicool.com/articles/JfE7Nb

词干提取( Stemming ) 这是西方语言特有的处理，比如说英文单词有 单数复数的变形，-ing和-ed的变形，但是在计算相关性的时候，应该当做同一个单词。比如 apple和apples，doing和done是同一个词，提取词干的目的就是要合并这些变态

Stemming有3大主流算法

Porter Stemming

Lovins stemmer

Lancaster Stemming

Lucene 英文分词自带了3个stemming算法，分别是：

1. EnglishMinimalStemmer

2. 著名的 Porter Stemming

3. KStemmer

词干提取算法并不复杂，要么是一堆规则，要么用映射表，编程容易，但是必须是这种语言的专家，了解构词法才行啊
http://text-processing.com/demo/stem/ 是一个在线试验词干提取算法的网站

Lemmatisation

Lemmatisation是和词干提取(Stemming) 齐名的一个语言学名词，中文可以叫做 词形还原 ,就是通过查询字典，把 "drove" 还原到 "drive" 

而stemming会把单词变短，"apples","apple"处理之后都变成了 "appl"