Lucene索引與語義

Question

我使用Lucene的Term Freq向量來計算文檔之間的餘弦相似度， 假定我的文檔有這3個術語，「欠」，「欠」，「欠」。 Lucene將此作爲3個單獨的術語，但其中3個意味着相同的「欠」。 Lucene中是否有可用於通過語義進行索引的功能？因此它將「欠」「欠」「欠」索引爲詞「欠」的詞語頻率= 3？

如果不是，我會歡迎任何建議來完成這項任務？

Answer 1

您可以將SnowballFilter與EnglishStemmer結合使用。它將用根動詞詞語替代那些動詞（在你的例子中，它將是欠款，或者可能欠款）。