文档章节

Lucene分词停用词库stopwords

caiyongji
 caiyongji
发布于 2017/07/03 10:54
字数 3318
阅读 77
收藏 0

!
"
#
$
%
&
'
(
)
*
+
,
\-
\-\-
.
..
...
......
...................
./
.一
.数
.日
/
//
0
1
2
3
4
5
6
7
8
9
:
://
::
;
<
=
\>
\>\>
?
@
A
Lex
[
\
]
^
_
`
exp
sub
sup
|
}
\~
\~\~\~\~
·
×
×××
Δ
Ψ
γ
μ
φ
φ.
В

——
———


’‘


”,

……
…………………………………………………③
′∈
′|




∈[
∪φ∈



②c

③]







──


 






》),







〕〔


一.
一一
一下
一个
一些
一何
一切
一则
一则通过
一天
一定
一方面
一旦
一时
一来
一样
一次
一片
一番
一直
一致
一般
一起
一转眼
一边
一面

万一

三天两头
三番两次
三番五次

上下
上升
上去
上来
上述
上面

下列
下去
下来
下面

不一
不下
不久
不了
不亦乐乎
不仅
不仅...而且
不仅仅
不仅仅是
不会
不但
不但...而且
不光
不免
不再
不力
不单
不变
不只
不可
不可开交
不可抗拒
不同
不外
不外乎
不够
不大
不如
不妨
不定
不对
不少
不尽
不尽然
不巧
不已
不常
不得
不得不
不得了
不得已
不必
不怎么
不怕
不惟
不成
不拘
不择手段
不敢
不料
不断
不日
不时
不是
不曾
不止
不止一次
不比
不消
不满
不然
不然的话
不特
不独
不由得
不知不觉
不管
不管怎样
不经意
不胜
不能
不能不
不至于
不若
不要
不论
不起
不足
不过
不迭
不问
不限

与其
与其说
与否
与此同时
专门

且不说
且说
两者
严格
严重

个人
个别
中小
中间
丰富
串行

临到

为主
为了
为什么
为什麽
为何
为止
为此
为着
主张
主要
举凡
举行

乃至
乃至于


之一
之前
之后
之後
之所以
之类
乌乎



乘势
乘机
乘胜
乘虚
乘隙


也好
也就是说
也是
也罢

了解
争取

二来
二话不说
二话没说

于是
于是乎
云云
云尔

互相


交口

产生
亲口
亲手
亲眼
亲自
亲身

人人
人们
人家
人民
什么
什么样
什麽

仅仅

今后
今天
今年
今後
介于

仍旧
仍然

从不
从严
从中
从事
从今以后
从优
从古到今
从古至今
从头
从宽
从小
从新
从无到有
从早到晚
从未
从来
从此
从此以后
从而
从轻
从速
从重

他人
他们
他是
他的
代替

以上
以下
以为
以便
以免
以前
以及
以后
以外
以後
以故
以期
以来
以至
以至于
以致


任何
任凭
任务
企图
伙同

伟大

传说
传闻
似乎
似的

但凡
但愿
但是

何乐而不为
何以
何况
何处
何妨
何尝
何必
何时
何止
何苦
何须
余外
作为

你们
你是
你的
使
使得
使用
例如

依据
依照
依靠
便
便于
促进
保持
保管
保险

俺们
倍加
倍感
倒不如
倒不如说
倒是

倘使
倘或
倘然
倘若

借以
借此
假使
假如
假若
偏偏
做到
偶尔
偶而
傥然


允许
元/吨
充其极
充其量
充分
先不先
先后
先後
先生

光是
全体
全力
全年
全然
全身心
全部
全都
全面

八成
公然



共同
共总
关于

其一
其中
其二
其他
其余
其后
其它
其实
其次
具体
具体地说
具体来说
具体说来
具有
兼之


再其次
再则
再有
再次
再者
再者说
再说


决不
决定
决非
况且
准备
凑巧
凝神

几乎
几度
几时
几番
几经

凡是

凭借

出于
出去
出来
出现
分别
分头
分期
分期分批

切不可
切切
切勿
切莫

则甚

刚好
刚巧
刚才


别人
别处
别是
别的
别管
别说

到了儿
到处
到头
到头来
到底
到目前为止
前后
前此
前者
前进
前面
加上
加之
加以
加入
加强
动不动
动辄
勃然
匆匆
十分

千万
千万千万


单单
单纯

即令
即使
即便
即刻
即如
即将
即或
即是说
即若

却不

原来


又及

及其
及时
及至
双方
反之
反之亦然
反之则
反倒
反倒是
反应
反手
反映
反而
反过来
反过来说
取得
取道
受到
变成
古来

另一个
另一方面
另外
另悉
另方面
另行

只当
只怕
只是
只有
只消
只要
只限

叫做
召开
叮咚
叮当

可以
可好
可是
可能
可见

各个
各人
各位
各地
各式
各种
各级
各自
合理

同一
同时
同样

后来
后者
后面

向使
向着


否则

吧哒



呆呆地




呜呼

周围

呵呵

呼哧
呼啦






咱们



哈哈


哎呀
哎哟

哗啦




哪个
哪些
哪儿
哪天
哪年
哪怕
哪样
哪边
哪里

哼唷

唯有

啊呀
啊哈
啊哟



啪达
啷当



喔唷


嗡嗡




嘎嘎
嘎登




嘿嘿


因为
因了
因此
因着
因而

固然

在下
在于


坚决
坚持
基于
基本
基本上
处在
处处
处理
复杂

多么
多亏
多多
多多少少
多多益善
多少
多年前
多年来
多数
多次
够瞧的

大不了
大举
大事
大体
大体上
大凡
大力
大多
大多数
大大
大家
大张旗鼓
大批
大抵
大概
大略
大约
大致
大都
大量
大面儿上
失去


奋勇

她们
她是
她的

好在
好的
好象

如上
如上所述
如下
如今
如何
如其
如前所述
如同
如常
如是
如期
如果
如次
如此
如此等等
如若
始而
姑且
存在
存心
孰料
孰知

宁可
宁愿
宁肯

它们
它们的
它是
它的
安全
完全
完成

实现
实际
宣布
容易
密切

对于
对应
对待
对方
对比

将才
将要
将近

少数

尔后
尔尔
尔等
尚且
尤其

就地
就是
就是了
就是说
就此
就算
就要

尽可能
尽如人意
尽心尽力
尽心竭力
尽快
尽早
尽然
尽管
尽管如此
尽量
局外
居然
届时
属于

屡屡
屡次
屡次三番

岂但
岂止
岂非
川流不息
左右
巨大
巩固
差一点
差不多


已矣
已经

巴巴

帮助

常常
常言说
常言说得好
常言道
平素
年复一年

并不
并不是
并且
并排
并无
并没
并没有
并肩
并非
广大
广泛
应当
应用
应该
庶乎
庶几
开外
开始
开展
引起

弹指之间
强烈
强调

归根到底
归根结底
归齐

当下
当中
当儿
当前
当即
当口儿
当地
当场
当头
当庭
当时
当然
当真
当着
形成
彻夜
彻底

彼时
彼此

往往

待到

很多
很少
後来
後面

得了
得出
得到
得天独厚
得起
心里

必定
必将
必然
必要
必须

快要
忽地
忽然

怎么
怎么办
怎么样
怎奈
怎样
怎麽

急匆匆

怪不得
总之
总是
总的来看
总的来说
总的说来
总结
总而言之
恍然
恐怕
恰似
恰好
恰如
恰巧
恰恰
恰恰相反
恰逢

您们
您是
惟其
惯常
意思
愤然
愿意
慢说
成为
成年
成年累月
成心

我们
我是
我的

或则
或多或少
或是
或曰
或者
或许
战斗
截然
截至

所以
所在
所幸
所有
所谓

才能
扑通

打从
打开天窗说亮话
扩大

抑或
抽冷子
拦腰


按时
按期
按照
按理
按说
挨个
挨家挨户
挨次
挨着
挨门挨户
挨门逐户
换句话说
换言之

据实
据悉
据我所知
据此
据称
据说
掌握
接下来
接着
接著
接连不断
放量

故意
故此
故而
敞开儿

敢于
敢情
数/
整个
断然

方便
方才
方能
方面
旁人

无宁
无法
无论

既...又
既往
既是
既然
日复一日
日渐
日益
日臻
日见
时候
昂然
明显
明确

是不是
是以
是否
是的
显然
显著
普通
普遍
暗中
暗地里
暗自

更为
更加
更进一步

曾经

替代

最后
最大
最好
最後
最近
最高

有些
有关
有利
有力
有及
有所
有效
有时
有点
有的
有的是
有着
有著


朝着
末##末

本人
本地
本着
本身
权时

来不及
来得及
来看
来着
来自
来讲
来说

极为
极了
极其
极力
极大
极度
极端
构成
果然
果真

某个
某些
某某
根据
根本
格外


次第
欢迎

正值
正在
正如
正巧
正常
正是

此中
此后
此地
此处
此外
此时
此次
此间

毋宁

每个
每天
每年
每当
每时每刻
每每
每逢

比及
比如
比如说
比方
比照
比起
比较
毕竟
毫不
毫无
毫无例外
毫无保留地

沙沙

没奈何
没有
沿
沿着
注意

深入
清楚

满足
漫说


然则
然后
然後
然而

照着
牢牢
特别是
特殊
特点
犹且
犹自

独自
猛然
猛然间
率尔
率然
现代
现在
理应
理当
理该
瑟瑟
甚且
甚么
甚或
甚而
甚至
甚至于

用来



由于
由是
由此
由此可见

略为
略加
略微

白白

的确
的话
皆可
目前
直到
直接
相似
相信
相反
相同
相对
相对而言
相应
相当
相等
省得

看上去
看出
看到
看来
看样子
看看
看见
看起来
真是
真正
眨眼

着呢

矣乎
矣哉
知道

确定
碰巧
社会主义


积极
移动
究竟
穷年累月
突出
突然


立刻
立即
立地
立时
立马

竟然
竟而

第二

等到
等等
策略地
简直
简而言之
简言之

类如

精光
紧接着
累年
累次

纯粹

纵令
纵使
纵然
练习
组成

经常
经过
结合
结果


绝不
绝对
绝非
绝顶
继之
继后
继续
继而
维持
综上所述
缕缕
罢了

老大
老是
老老实实
考虑


而且
而况
而又
而后
而外
而已
而是
而言
而论
联系
联袂
背地里
背靠背

能否
能够


自个儿
自从
自各儿
自后
自家
自己
自打
自身


至于
至今
至若

般的
良好

若夫
若是
若果
若非
范围

莫不
莫不然
莫如
莫若
莫非
获得
藉以

虽则
虽然
虽说

行为
行动
表明
表示


要不
要不是
要不然
要么
要是
要求

规定
觉得
譬喻
譬如
认为
认真
认识

许多

论说
设使
设或
设若
诚如
诚然
话说

该当
说明
说来
说说
请勿

诸位
诸如

谁人
谁料
谁知

豁然
贼死
赖以

赶快
赶早不赶晚

起先
起初
起头
起来
起见
起首

趁便
趁势
趁早
趁机
趁热
趁着
越是


路经
转动
转变
转贴
轰然

较为
较之
较比

达到
达旦

迅速

过于
过去
过来
运用

近几年来
近年来
近来

还是
还有
还要

这一来
这个
这么
这么些
这么样
这么点儿
这些
这会儿
这儿
这就是说
这时
这样
这次
这点
这种
这般
这边
这里
这麽
进入
进去
进来
进步
进而
进行

连同
连声
连日
连日来
连袂
连连
迟早
迫于
适应
适当
适用
逐步
逐渐
通常
通过
造成

遇到
遭到
遵循
遵照
避免

那个
那么
那么些
那么样
那些
那会儿
那儿
那时
那末
那样
那般
那边
那里
那麽
部分

鄙人
采取
里面
重大
重新
重要
鉴于
针对
长期以来
长此下去
长线
长话短说
问题
间或
防止

附近
陈年
限制
陡然

除了
除却
除去
除外
除开
除此
除此之外
除此以外
除此而外
除非

随后
随时
随着
随著
隔夜
隔日
难得
难怪
难说
难道
难道说
集中

需要
非但
非常
非徒
非得
非特
非独

顶多

顷刻
顷刻之间
顷刻间

顺着
顿时

风雨无阻

首先
马上
高低
高兴
默然
默默地

︿








)÷(1-
)、


+ξ
++

,也

-β
--
-[*]-



0:2

1.
12%

2.3%



5:0







<±
<Δ
<λ
<φ
<<

=″
=☆
=(
=-
=[
={

>λ



LI
R.L.
ZXFITL

[①①]
[①②]
[①③]
[①④]
[①⑤]
[①⑥]
[①⑦]
[①⑧]
[①⑨]
[①A]
[①B]
[①C]
[①D]
[①E]
[①]
[①a]
[①c]
[①d]
[①e]
[①f]
[①g]
[①h]
[①i]
[①o]
[②
[②①]
[②②]
[②③]
[②④
[②⑤]
[②⑥]
[②⑦]
[②⑧]
[②⑩]
[②B]
[②G]
[②]
[②a]
[②b]
[②c]
[②d]
[②e]
[②f]
[②g]
[②h]
[②i]
[②j]
[③①]
[③⑩]
[③F]
[③]
[③a]
[③b]
[③c]
[③d]
[③e]
[③g]
[③h]
[④]
[④a]
[④b]
[④c]
[④d]
[④e]
[⑤]
[⑤]]
[⑤a]
[⑤b]
[⑤d]
[⑤e]
[⑤f]
[⑥]
[⑦]
[⑧]
[⑨]
[⑩]
[*]
[-
[]

]∧′=[
][
_
a]
b]
c]
e]
f]
ng昉

{-


}>

~±
~+

© 著作权归作者所有

caiyongji
粉丝 6
博文 26
码字总数 27082
作品 0
大连
高级程序员
私信 提问
jcseg-1.8.5发布 - 优化+lucene-4.3.0+solr-4.3.0支持

最近连续升级3个版本了, jcseg 1.8.5来了: 1. 加入了中文分数转阿拉伯分数的开关选项. 因为1/3会导致lucene的parser错误, 不得不说lucene很霸道. 2. 修复停止词过滤时, 数字开头的词条无法过...

狮子的魂
2013/06/07
1K
3
ElasticSearch 重写IK分词器源码设置mysql热词更新词库

常用热词词库的配置方式 1.采用IK 内置词库 优点:部署方便,不用额外指定其他词库位置 缺点:分词单一化,不能指定想分词的词条 2.IK 外置静态词库 优点:部署相对方便,可以通过编辑指定文...

键走偏锋
2018/07/22
567
2
Java 开源中文分词器--Jcseg

Jcseg 是什么? Jcseg 是基于 mmseg 算法的一个轻量级开源中文分词器,同时集成了关键字提取,关键短语提取,关键句子提取和文章自动摘要等功能,并且提供了最新版本的 lucene, solr, elasti...

狮子的魂
2012/10/19
41.1K
31
和文本分析有关的问题 我是纯小白 中科院ICTCLAS

大家好,我是今年毕业的应届生小白,公司让做一个功能:搜索热词分析。简单说就是有一个类似于天猫那样的电商平台,用户会在上面输入一系列的搜索词,比如:夏季裙子、短裙。我现在要找出用户...

白露姑娘
2016/08/24
88
3
Java 中文分词组件 word 分词 v1.0 发布了

word分词是一个Java实现的中文分词组件,提供了多种基于词典的分词算法,并利用ngram模型来消除歧义。能准确识别英文、数字,以及日期、时间等数量词,能识别人名、地名、组织机构名等未登录...

杨尚川
2014/05/01
2.4K
9

没有更多内容

加载失败,请刷新页面

加载更多

OSChina 周五乱弹 ——不知道假装开心,装的像么

Osc乱弹歌单(2019)请戳(这里) 【今日歌曲】 @巴拉迪维 :天黑了 你很忧愁, 你说世界上, 找不到四块五的妞, 行走在凌晨两点的马路上, 你疲倦地拿着半盒黄鹤楼。#今日歌曲推荐# 《四块...

小小编辑
今天
2.1K
16
64.监控平台介绍 安装zabbix 忘记admin密码

19.1 Linux监控平台介绍 19.2 zabbix监控介绍 19.3/19.4/19.6 安装zabbix 19.5 忘记Admin密码如何做 19.1 Linux监控平台介绍: 常见开源监控软件 ~1.cacti、nagios、zabbix、smokeping、ope...

oschina130111
昨天
69
0
当餐饮遇上大数据,嗯真香!

之前去开了一场会,主题是「餐饮领袖新零售峰会」。认真听完了餐饮前辈和新秀们的分享,觉得获益匪浅,把脑子里的核心纪要整理了一下,今天和大家做一个简单的分享,欢迎感兴趣的小伙伴一起交...

数澜科技
昨天
32
0
DNS-over-HTTPS 的下一代是 DNS ON BLOCKCHAIN

本文作者:PETER LAI ,是 Diode 的区块链工程师。在进入软件开发领域之前,他主要是在做工商管理相关工作。Peter Lai 也是一位活跃的开源贡献者。目前,他正在与 Diode 团队一起开发基于区块...

红薯
昨天
119
0
CC攻击带来的危害我们该如何防御?

随着网络的发展带给我们很多的便利,但是同时也带给我们一些网站安全问题,网络攻击就是常见的网站安全问题。其中作为站长最常见的就是CC攻击,CC攻击是网络攻击方式的一种,是一种比较常见的...

云漫网络Ruan
昨天
31
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部