SelanjutnyaPanduan berikutnya
Cross-Encoder vs Bi-Encoder
Bahasa AI
PANDUAN AI Bahasa
Stemming and lemmatization normalize related word forms for tasks such as search and text analysis.
Dengarkan panduan iniDiceritakan oleh AI · ~2 min
Stemmers apply heuristics and may return non-words; lemmatizers use morphological information and context to select a dictionary form.
Stemming and lemmatization are distinct normalization methods. A stemmer applies rules such as suffix removal and can produce a fragment that is not a dictionary word; for example, the Porter stemmer maps “studies” to “studi”. A lemmatizer aims to return a dictionary lemma using vocabulary and morphological analysis, often informed by part of speech. Context matters: a system may map comparative adjective “better” to “good”, while the appropriate normalization depends on the token’s role and the tool’s rules. Both methods can reduce variation for indexing, but can also collapse distinctions. Subword tokenization is a separate technique: byte-pair encoding merges frequent adjacent symbols to build subword units, which neural translation systems can use to represent rare or unknown words. WordNet’s Morphy documentation describes exception lists and part-of-speech-specific morphology rules for mapping inflected forms to base forms. With the comparative adjective reading, “better” may map to “good” in a lexicon-based lemmatizer; behavior depends on the resource, POS, and context.
Mesin pencari mengindeks 'connect', 'connected', dan 'connection' di bawah satu batang sehingga kueri cocok dengan semuanya
Pengklasifikasi spam dan sentimen mengurangi ukuran kosakata untuk mengurangi ketersebaran data
Pencarian dokumen hukum atau medis menggunakan lemmatisasi untuk mencocokkan 'diagnosis' dan 'didiagnosis'
Membangun analisis frekuensi kata yang menggabungkan bentuk-bentuk infleksi ke dalam lemma dasar
Subword tokenization and contextual models are used in some neural pipelines to represent rare or open-vocabulary words, while stemming and lemmatization remain useful in other search and text-analysis systems. They solve different problems; choose and evaluate normalization for the language and task.
Buletin gratis
Tiga cerita AI terverifikasi setiap pagi hari kerja, ditulis dalam bahasa Inggris sederhana. Gratis selamanya, tanpa iklan.
Satu email setiap hari kerja. Berhenti berlangganan dalam satu klik. Kami tidak pernah menjual atau membagikan alamat Anda.
Uji diri Anda sendiri
Umpan balik instan untuk setiap jawaban, dan sertifikat yang dapat dibagikan dengan ID yang dapat diverifikasi setelah Anda lulus kursus.
Mendukung pendidikan AI gratis. AI Understanding adalah organisasi nirlaba 501(c)(3) — tanpa iklan, tanpa paywall, selamanya. Berikan sumbangan
Stemming and lemmatization normalize related word forms for tasks such as search and text analysis. Stemmers apply heuristics and may return non-words; lemmatizers use morphological information and context to select a dictionary form.
Membentuk sufiks potongan dengan heuristik dan dapat menghasilkan non-kata; lemmatization menggunakan leksikon dan POS untuk mengembalikan bentuk dasar yang valid.
Stemmer Porter menghapus akhiran dan menghasilkan 'studi', yang bukan merupakan kata sebenarnya, yang menggambarkan bahwa batang tidak harus berupa kata yang valid.
WordNet Morphy handles irregular forms through part-of-speech-specific exception lists as well as suffix rules. For the comparative adjective “better,” a lemmatizer with the relevant lexical and POS information may return “good”; tools and contexts can differ.
Kata-kata seperti 'saw' dipetakan secara berbeda tergantung pada apakah itu kata benda atau kata kerja, jadi POS memandu pemilihan lemma.
Stemming menggunakan heuristik cepat, memperdagangkan akurasi untuk kecepatan, sedangkan lemmatisasi lebih akurat tetapi lebih berat.
Teruslah belajar
Panduan lainnya dipilih untuk topik ini
SelanjutnyaPanduan berikutnya
Cross-Encoder vs Bi-Encoder
Bahasa AI