1

パッケージの R のstemDocument関数を使用するとtm(以下のセッション情報を参照)、次のようになります。

library(tm)
stemDocument("cmos")
[1] "cmos"

ただし、この実装を Java で使用し、この「オンライン Porter ステマー」を使用すると、「cmos」をステミングすると「cmo」になります。

また、元の記事では、ステップ 1a ルールは次のように述べています。

Step 1a

SSES -> SS                         caresses  ->  caress
IES  -> I                          ponies    ->  poni
                                   ties      ->  ti
SS   -> SS                         caress    ->  caress
S    ->                            cats      ->  cat

「s」で終わる文字列「cmos」は、「s」を削除して「cmo」にステミングする必要があることを意味します。

では、なぜ R のstemDocument関数の動作が異なるのでしょうか?

> sessionInfo()
R version 3.1.2 (2014-10-31)
Platform: x86_64-w64-mingw32/x64 (64-bit)

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252    LC_MONETARY=English_United States.1252
[4] LC_NUMERIC=C                           LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] tm_0.6    NLP_0.1-5

loaded via a namespace (and not attached):
[1] parallel_3.1.2  slam_0.1-32     SnowballC_0.5.1 tools_3.1.2
4

0 に答える 0