Porter 和 Lancaster Stemming 算法的主要区别和优点是什么？

从根本上说，Porter 和 Lancaster 干茎算法之间的主要区别在于 Lancaster 干茎明显比 Porter 干茎更具侵略性。今天使用的三种主要的干扰算法是 Porter、 Snowball (Porter2)和 Lancaster (Paice-Husk) ，攻击性连续体基本上遵循这些相同的路线。Porter 是最不具侵略性的算法，每个算法的具体细节实际上都相当冗长和技术性。下面是一个分类:

波特: 毫无疑问，最常用的茎，也是最温和的茎之一。它是少数几个真正支持 Java 的词干分析器之一，这是一个优点，尽管它也是算法中计算密集度最高的算法之一(当然不是非常显著)。它也是最古老的词干分析算法。

搬运工2: 几乎所有人都认为这是对搬运工的一种改进，而且理由很充分。波特自己也承认这比他最初的算法要好。计算时间比 porter 稍快一点，周围有相当大的社区。

兰开斯特: 非常积极的干扰算法，有时会出现故障。对于 Porter 和滚雪球，词干表示法对于读者来说通常是相当直观的，而对于 Lancaster 则不然，因为许多较短的单词会变得完全混淆。这里最快的算法，将大大减少你的工作字集，但如果你想要更多的区别，而不是你想要的工具。

说实话，我觉得雪球通常是最好的选择。在某些情况下，兰开斯特会大大削减你的工作设备，这可能是非常有用的，但边际速度增加超过雪球在我看来，不值得缺乏精度。Porter 具有最多的实现，因此通常是默认的 go-to 算法，但如果可以的话，使用雪球。

雪球-附加信息

Snowball 是一种小型字符串处理语言，专门用于创建 用于信息检索的干扰算法。

Snowball 编译器将一个 Snowball 脚本翻译成另一个 目前 ISO C，C # ，Go，Java，Javascript，Object Pascal, 支持 Python 和 Rust。

这个名字的历史

因为它有效地提供了一个“ STRIPPER 语法”的后缀，所以我把玩了一下 把它叫做“脱衣舞表演”，但是理智已经 因此，它被命名为“雪球”，以向 SNOBOL 致敬 优秀的字符串处理语言先生法伯，格里斯沃尔德，波奇 还有波隆斯基。
马丁 · 波特

在 Snowball 语言中实现的词干分析器有时简称为 Snowball 词干分析器。例如，请参见自然语言工具包: 雪球。