Lucene索引与语义

Question

我使用Lucene的Term Freq向量来计算文档之间的余弦相似度， 假定我的文档有这3个术语，“欠”，“欠”，“欠”。 Lucene将此作为3个单独的术语，但其中3个意味着相同的“欠”。 Lucene中是否有可用于通过语义进行索引的功能？因此它将“欠”“欠”“欠”索引为词“欠”的词语频率= 3？

如果不是，我会欢迎任何建议来完成这项任务？

Answer 1

您可以将SnowballFilter与EnglishStemmer结合使用。它将用根动词词语替代那些动词（在你的例子中，它将是欠款，或者可能欠款）。