干

Stemming是指文本规范化技术自然语言处理这减少了他们根形式的单词。首先通过去除这些词的附件来完成，这可能导致无效的字典单词。例如，在肿胀时，“需要”的单词“需要”和“要求”将减少“要求”。

Stemming通常用于：

• 信息检索，其中源头单词用作展开搜索条件的同义词
• 工程应用以减少维度，其中源于较少的单词待跟踪并在机器学习算法的模型中使用

Porter Sewermer算法是英语最受欢迎的最受欢迎的方法之一，是基于简单的启发式规则。这种源头的方法很快，但可能并不总是准确。在随后的几年中，提出了许多其他算法，但由于其速度和简单性，Porter的Stemming算法保持流行。

一种相关但更复杂的方法，源于溶血化。与茎相比，

• lemmatization使用词汇和形态学分析和源头使用简单的启发式规则
• lemmatization返回字典形式的单词，而stemming可能导致无效的单词

lemmatization和茎之间的差异如下所示。

了解有关源和建筑模型的更多信息，请参阅Text Analytics Toolbox™。