A seguirPróximo guia
Codificadores cruzados vs bi-codificadores
IA de linguagem
GUIA de IA de linguagem
Stemming and lemmatization normalize related word forms for tasks such as search and text analysis.
Ouça este guiaNarrado por IA · ~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.
Os mecanismos de pesquisa indexam 'conectar', 'conectado' e 'conexão' em um único radical para que uma consulta corresponda a todos eles
Classificadores de spam e sentimento reduzindo o tamanho do vocabulário para diminuir a dispersão de dados
Pesquisa de documentos legais ou médicos usando lematização para combinar 'diagnosticar' e 'diagnosticado'
Construindo análises de frequência de palavras onde formas flexionadas são mescladas em lemas básicos
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.
Boletim informativo gratuito
Três histórias verificadas de IA a cada manhã de dia útil, escritas em linguagem simples. Gratuito para sempre, sem anúncios.
Um e-mail a cada dia útil. Cancele a inscrição com um clique. Nunca vendemos ou compartilhamos seu endereço.
Teste você mesmo
Feedback instantâneo sobre cada resposta e um certificado compartilhável com um ID verificável assim que você concluir um curso.
Apoie a educação gratuita em IA. O AI Understanding é uma organização sem fins lucrativos 501(c)(3) — sem anúncios, sem paywall, nunca. Faça uma doação
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.
Stemming corta sufixos com heurística e pode produzir não-palavras; a lematização usa um léxico e um POS para retornar formulários base válidos.
O lematizador de Porter retira o sufixo e produz 'studi', que não é uma palavra real, ilustrando que os radicais não precisam ser palavras válidas.
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.
Palavras como 'viu' mapeiam de forma diferente dependendo se são um substantivo ou um verbo, então o POS orienta a seleção do lema.
Stemming usa heurística rápida, trocando precisão por velocidade, enquanto a lematização é mais precisa, porém mais pesada.
Continue aprendendo
Mais guias escolhidos para este tópico
A seguirPróximo guia
Codificadores cruzados vs bi-codificadores
IA de linguagem