Crate 全文搜索中的停用词

Question

我将 Crate 用于德国新闻网站，并广泛使用全文搜索（通常效果很好）。但是我想知道停用词的用法。我想尽量减少这种情况，因为搜索速度很快，所以我不太担心性能。这是可取的吗？并且：默认情况下实际上使用了哪些停用词——在某处是否有内置停用词列表？

Answer 1

内置词实际上来自 lucene 并且在 lucene-analyzers-common*.jar crate 的 lib 目录中的文件 压缩包。

如果您提取 jar 文件的内容，您会发现一个名为 german_stop.txt 包含所有德语停用词。

lucene源码里面还有一组词，标记为 已弃用，所以我认为它不再使用。这些话是：

"einer", "eine", "eines", "einem", "einen",
"der", "die", "das", "dass", "daß",
"du", "er", "sie", "es",
"was", "wer", "wie", "wir",
"und", "oder", "ohne", "mit",
"am", "im", "in", "aus", "auf",
"ist", "sein", "war", "wird",
"ihr", "ihre", "ihres",
"als", "für", "von", "mit",
"dich", "dir", "mich", "mir",
"mein", "sein", "kein",
"durch", "wegen", "wird"

我认为默认就足够了，除非你遇到一些麻烦 我认为没有理由调整停用词。