关于波特词干算法的困惑答案

【问题标题】：A confusion about the porter stemming algorithm关于波特词干算法的困惑
【发布时间】：2015-07-16 00:57:03
【问题描述】：

我正在尝试实现搬运工词干算法，但我在这一点上绊倒了

方括号表示任意存在其内容。用 (VC){m} 表示 VC 重复 m 次，这又可以写成
[C](VC){m}[V].
m 将被称为任何的 \measure\ 表示时的单词或单词部分这种形式。情况 m = 0 涵盖空字。以下是一些示例：
m=0    TR,  EE,  TREE,  Y,  BY.
m=1    TROUBLE,  OATS,  TREES,  IVY.
m=2    TROUBLES,  PRIVATE,  OATEN,  ORRERY.

我不明白这个“度量”是什么以及它代表什么？

【问题讨论】：

标签： c++ nlp porter-stemmer

【解决方案1】：

看起来度量是元音紧跟辅音的次数。例如，

“麻烦”有：

可选的声母[C] = "TR"。

第一个元音-辅音组(VC) = "OUBL"。

第二个元音-辅音组(VC) = "ES"。

可选的结尾元音[V] 为空。

所以度量是两次，(VC) 被“匹配”的次数。

【讨论】：