Lucene ma domyślny filtr zatrzymujący (http://lucene.apache.org/core/4_0_0/analyzers-common/org/apache/lucene/analysis/core/StopFilter.html), czy ktoś wie, które słowa są na liście?Jaka jest domyślna lista stopwords użytych w StopFilter Lucene?
Domyślne zatrzymania słowa ustawić w StandardAnalyzer i EnglishAnalyzer wynosi od StopAnalyzer.ENGLISH_STOP_WORDS_SET, a są to:
"a", "an", "and", "are", "as", "at", "be", "but", "by",
"for", "if", "in", "into", "is", "it",
"no", "not", "of", "on", "or", "such",
"that", "the", "their", "then", "there", "these",
"they", "this", "to", "was", "will", "with"
sama StopFilter nie definiuje domyślny zestaw stopu słów.
Używam 'Lucene' 5.5.0 do pobierania słów kluczowych. Określa filtr zatrzymania słów z 'tokenStream = new StopFilter (new ClassicFilter (new LowerCaseFilter (stdToken)), StopAnalyzer.ENGLISH_STOP_WORDS_SET);' ale 'Lucene' nie filtruje słów zatrzymania. Czy jest coś, za czym tęsknię? –
Aktualny link źródłowy: http://alvinalexander.com/java/jwarehouse/lucene/src/java/org/apache/lucene/analysis/StopAnalyzer.java.shtml –
Listę można znaleźć w aktualnym Elasticsearch: The Definitive Guide , [Stopwords: Performance Versus Precision] (https://www.elastic.co/guide/en/elasticsearch/guide/current/stopwords.html) – Paul