Lucene.Net功能

Question

Lucene.Net的新手 哪个是Lucene.Net中最好的分析器？ 另外，我想知道如何使用停用词和词干功能？

Answer 1

我也是Lucene.Net的新手，但我知道Simple Analyzer会省略任何停用词，并为所有令牌/作品编制索引。

这里有一些Lucene信息的链接，顺便说一句，.NET版本几乎是完美的，逐字节重写Java版本，因此Java文档在大多数情况下应该可以正常工作：{{3} }。那里有关于三种分析仪的部分，简单，停止和标准。

我不确定Lucene.Net如何处理词干，但是这个链接http://darksleep.com/lucene/演示了如何用Java创建自己的Analyzer，并使用PorterStemFilter进行词干化。

  

... [T]他的Porter词干算法（或“Porter stemmer”）是一个从英语单词中删除更常见的形态和拐点结尾的过程

我希望这有用。

Answer 2

我找到的最好的分析仪是StandardAnalyzer，您也可以在其中指定停用词。  例如： -

        string indexFileLocation = @"C:\Index";
        string stopWordsLocation = @"C:\Stopwords.txt";
        var directory = FSDirectory.Open(new DirectoryInfo(indexFileLocation));
        Analyzer analyzer = new StandardAnalyzer(
            Lucene.Net.Util.Version.LUCENE_29, new FileInfo(stopWordsLocation));

Answer 3

这取决于您的要求。如果您的要求非常简单 - 例如大小写不敏感，非阻塞搜索 - 然后StandardAnalyzer是一个不错的选择。如果您查看Analyzer类并熟悉过滤器，特别是TokenFilter，您可以通过滚动自己的分析器来exert an enormous amount of control。

干细胞很棘手，重要的是要深入了解你真正需要什么类型的干细胞。我使用过Snowball阻尼器。例如，“政策”和“警察”一词在英国雪球词干中具有相同的词根，并且当搜索词“警察”不那么热时，会对具有“政策”的文档进行点击。我已经实施了支持词干和非词干搜索的策略，以便可以避免，但理解其影响非常重要。

要小心像停止词这样的诱惑。如果您需要搜索“要成为或不成为”这一短语并启用标准停用词，搜索将无法找到包含该短语的文档。