我如何调整Levenshtein距离来对语言相似的词进行分类（例如动词时态，形容词比较，单数和复数）

Question

我对如何完成此任务缺乏想法。我正在计算单词的频率，实际上是单词的基本形式（例如，运行将被视为运行）。我查看了Levenshtein距离的一些实现（我遇到的一个实现是from dotnerperls）。

我也试过双重Metaphone，但这不是我想要的。

所以，请给我一些关于如何调整Levenshtein距离算法对语言相似单词进行分类的一些想法，因为该算法仅用于确定编辑的数量，而不考虑它们在语言上是否相似

实施例： 1.“运行”将被视为“运行”一词的一次出现 2.“字”同样也会出现“字” 3.“恐惧”不会被视为“装备”的出现

另外，我在C＃中实现它。

提前致谢。

编辑：我按照Rene的建议编辑了它。 另一个说明： 我试图考虑考虑一个单词是否是另一个单词的子串，但该实现不会那么动态。 我认为另一个想法是：“如果将-s或-ing添加到string1，string1 == string2，则string2会出现string1。”然而，事实并非如此，因为有些词语具有不规则的复数形式。

Answer 1

您尝试解决的任务称为Stemming或Lemmatisation。

正如你已经想到的那样，Levenshtein-Distance不是这里的方式。 英语的常见词干算法包括Porter-和Snowball-Stemmer。 如果你谷歌，我相信你会找到一个C＃ - 实现其中一个。