请您推荐我使用java库进行文本预处理和清理？ lib应该执行这样的任务：
答案 0 :(得分：3)
将单词转换为规范形式（例如，将动词转换为不定式，将名词转换为单数形式）称为 lemmatization 。一个基于Java的变形器是Standford CoreNLP。
对于“无用的单词”，你可能想要“停用词” - 没有标准列表，但是互联网上有很多浮动，其功能大致相同，唯一的区别在于它们包含多少单词（通常介于100和1000之间）。我以前认识的人使用this list。删除停用词时，请记住在查找匹配时忽略大小写。
答案 1 :(得分：-2)
不确定这是否能满足您的所有需求，但请查看mrsqg。