Question

我正在使用Hunspell来阻止SOLR实例的单词。在大多数情况下，它似乎运作良好。

我正在使用OpenOffice dic / aff文件。

但是，有一些值得注意的单词例外，我希望能够删除这些作为词干的候选者。

一个很好的例子是“滑雪者”，由于以下因素而导致“天空”：

in the .dic file
sky/MDRSGZ

relevant rule in the .aff file
SFX R   y     ier        [^aeiou]y

有没有办法表明skier和skier应该一个人留下？

Answer 1

是的，这是非常常见的事情，只需删除＆＃34; R＆＃34;

sky/MDSGZ

但是你可能想要重新加入另一条线＆＃34;滑雪＆＃34;以及它的任何其他版本。

skier/MS

我不得不对此文件进行大量更改，现在真的希望有更好的选择。例如

然后另一个真的令人困惑，

在我们的网站上修改之前，如果你在风力发电中寻找风能＆＃34;你最后得到了一堆瘀伤和血腥的伤口。因为＆＃34;伤口＆＃34;就像在＆＃34;我伤害时钟＆＃34;源于风。

我们还决定删除所有RE前缀。因为像

这样的事情

因此，如果您知道更好的字典，请告诉我。（我认为主要的问题是这本词典更适用于拼写检查，然后用于词干）

我愿意为一个真正的词干词典开始和/或贡献一个git项目，用这个替换这个拼写词典。

Answer 2

你尝试过freeling吗？它是开源的。

当我选择英语，pos标记时，我得到以下结果：

you wound the clock?

you wind the clock? 
PRP VBD   DT  NN  ?

也是滑雪者，风力都得到名词词干。它是一个很棒的干扰器和分析仪。