为什么 WordNet 和 JWI 词干提取器在 "order" 词干提取的结果中给出 "ord" 和 "orde"？

Question

我正在使用 WordNet 和 JWI 2.4.0 进行一个项目。目前，我在包含的词干分析器中放入了很多词，它似乎有效，直到我要求 "order"。词干分析器回答我 "order"、"orde" 和 "ord" 是 "order" 的可能词干。我不是以英语为母语的人，但是...我一生中从未见过 "ord" 这个词...当我向 WordNet 词典查询此定义时：显然没有任何内容。（在BabelNet online上，我发现这是一个Nebraska的小镇！）

嗯，为什么会有这个奇怪的词干？如何过滤 WordNet 词典中不存在的词干？（因为当我重新使用词干词时，"orde" 使程序崩溃）

谢谢！

回答：我不太明白什么是词干。所以，这个问题没有意义。

这是一些要测试的代码：

package JWIExplorer;

import java.io.File;
import java.io.IOException;
import java.net.URL;
import java.util.Arrays;
import java.util.Date;
import java.util.Iterator;
import java.util.List;

import edu.mit.jwi.Dictionary;
import edu.mit.jwi.IDictionary;
import edu.mit.jwi.morph.WordnetStemmer;

public class TestJWI
{

    public static void main(String[] args) throws IOException
    {
        List<String> WordList_Research = Arrays.asList("dog", "cat", "mouse");
        List<String> WordList_Research2 = Arrays.asList("order");

        String path = "./" + File.separator + "dict";
        URL url;

        url = new URL("file", null, path);

        System.out.println("BEGIN : " + new Date());

        for (Iterator<String> iterstr = WordList_Research2.iterator(); iterstr.hasNext();)
        {
            String str = iterstr.next();

            TestStem(url, str);
        }

        System.out.println("END : " + new Date());
    }

    public static void TestStem(URL url, String ResearchedWord) throws IOException
    {
        // construct the dictionary object and open it
        IDictionary dict = new Dictionary(url);
        dict.open();

        // First, let's check for the stem word
        WordnetStemmer Stemmer = new WordnetStemmer(dict);
        List<String> StemmedWords;

        // null for all words, POS.NOUN for nouns
        StemmedWords = Stemmer.findStems(ResearchedWord, null);
        if (StemmedWords.isEmpty())
            return;

        for (Iterator<String> iterstr = StemmedWords.iterator(); iterstr.hasNext();)
        {
            String str = iterstr.next();

            System.out.println("Local stemmed iteration on : " + str);
        }
    }

}

Answer 1

词干本身不一定是单词。 "Order" 和 "Ordinal" 共享词干 "Ord"。

这里的根本问题是词干与拼写有关，但语言演变与拼写的关系很弱（尤其是 英语）。作为程序员，我们更愿意将词干描述为正则表达式，例如^ord[ie]。这表明它不是 "ordained"

的词干

为什么 WordNet 和 JWI 词干提取器在 "order" 词干提取的结果中给出 "ord" 和 "orde"？

Why WordNet and JWI stemmer gives "ord" and "orde" in result of "order" stemming?

wordnet

jwi