lucene 进行去除停用词和词干提取

简单的示例代码如下,从文件中读取内容进行去除停用词和词干提取,结果保存在result中。

Version matchVersion = Version.LUCENE_43;
BufferedReader stopwordsReader = new BufferedReader( new FileReader("a.txt"));
Analyzer analyzer = new StandardAnalyzer(matchVersion, stopwordsReader);
		
BufferedReader fileReader = null;
fileReader = new BufferedReader(new FileReader(new File(docName)));
		
List<String> result = new ArrayList<String>();
		
TokenStream ts = analyzer.tokenStream(null, fileReader);
ts = new PorterStemFilter(ts);
OffsetAttribute offsetAttribute = ts.addAttribute(OffsetAttribute.class);
CharTermAttribute charTermAttribute = ts.addAttribute(CharTermAttribute.class);
		
ts.reset();//必须的
while( ts.incrementToken() ){
int startOffset = offsetAttribute.startOffset();
int endOffset = offsetAttribute.endOffset();
String term = charTermAttribute.toString();
result.add(term);
System.out.println(term);
}
System.out.println(result.size());
ts.end();
ts.close();

参考: http://stackoverflow.com/questions/5391840/stemming-english-words-with-lucene

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值