Lucene語義索引

Question

我正在使用Lucene的Term Freq向量來計算文檔之間的余弦相似度，說我的文檔具有這3個術語：“欠”，“欠”，“欠”。 Lucene將其視為3個單獨的術語，但其中3個意味着相同的“欠”。 Lucene中是否有任何可用於語義索引的功能？ 以便將“欠”，“欠”，“欠”作為一個詞“欠”索引，其詞頻為3？

如果我不歡迎任何建議完成此任務？

Answer 1

您可以將SnowballFilter與EnglishStemmer一起使用。 它將用根動詞替換這些動詞（在您的示例中為owe或ow ）。