我想对胡萝卜2簇进行调整，以避开不是以介词开头的标签-对于俄语，在语法情况下（非主格）看到一个单词并且没有介词，这很奇怪。 >
使用Apache Solr完成集群。
示例：
Минске ([in] Minsk, missing preposition В in the beginning).
Самом Деле ([in] fact, missing preposition На in the beginning).
我尝试了两种独立的方法：
以上所有内容均不影响群集标签。还有其他明显的尝试吗？还是完全改变了调整的方式？
谢谢！
答案 0 :(得分：1)
从停用词文件中删除介词应该可以解决问题。使用经过修改的停用词文件，由于数据的统计信息，介词仍然可能会丢失-如果某些Минске出现时带有“ in”前缀，而其他词没有前缀，则算法可能会选择较短的版本（没有介词），因为更具代表性。
core/clustering/carrot2/stopwords.ru中的标签应优先于胡萝卜2-mini-3.9.0.jar中包含的标签。
对于Lingo聚类算法，没有直接方法可以直接影响每个标签的单词数，但是您可以尝试增加phrase label boost并降低truncated label threshold。
Carrot2 documentation中包含聚类算法参数的完整列表。您可以将参数替代作为Solr results clustering requests的一部分进行传递。