在 Galago 中使用停用词删除索引集合

Question

我使用 Galago 成功地索引了一个集合。我没有找到任何用于删除索引的停用词的参数。 galago 会自动删除停用词吗？如果不是，我如何将停用词列表传递给 Galago，以及如何告诉 Galago 删除停用词？

Answer 1

Galago 作为一个研究型搜索引擎，尽量不做出无法收回的假设：默认情况下，索引是为有词干的和无词干的词构建的。

在索引期间，不会删除停用词，这会给您带来查询时的负担，但允许更改或调整训练集上的停用词列表。

如果您想删除停用词，则需要一个查询时间步骤。如果您考虑一下，这就是任何现代搜索引擎都想要的，除非磁盘空间有限：如果没有停用词或更复杂的技术，“to be or not to be”的查询是无法回答的，但最好编写一些代码来删除停用词，除非它清空查询而不是无条件地删除它们。

Galago 通过 WordLists 类提供对“inquery”停用词列表的访问。