波特词干（Porter Streamming）提取算法无代码单纯理解

最近写东西提到这个算法，要看一下，结果网上都是直接根据代码解释，对于我这种菜鸟在刚开始看一个算法的时候真心不想直接看代码学。奈何都是各种语言的代码，么得办法。先走了一遍，有了大致的了解，翻译成自己的话，也不知道准不准确，欢迎懂的大佬给我批评指正。

附上官网：https://tartarus.org/martin/PorterStemmer/

一、先把单词按下述规则整理成“CV”的格式

我们假设，"C"代表一连串辅音字母，“V”代表一连串元音字母。所以，是所有单词都可以用四种字母组合来表示：

CVCV……C

CVCV……V

VCVC……C

VCVC……V

用[ ]表示可选，即有或没有均可。则四种形式可以归纳为：

[C]VCVCVC……[V]

用m表示辅音串“C”的个数，进而可以将上述形式转化为：

[C]VC{m}[V]

这样，我们就可以将每个单词都写成这种形式。

二、明确提取词干的规则

链接：https://blog.csdn.net/zhanghaiyang9999/article/details/41628789

*S -词干以S结束 (同样适用于其他字符).

*v* - 词干包含一个元音.

*d - 词干以两个相同辅音结束(如. -TT, -SS).

*o - 词干以cvc的形式结束, 但是第二个c（辅音）不是 W, X 或者Y (如 -WIL, -HOP).

这些条件可以用AND，OR和NOT来运算，但只选择符合最长的一种，例如：

SSES -> SS AND
IES -> I AND
SS -> SS AND
S ->

classes->class而不是classe，因为它会选择最长的匹配规则。

另外，步骤一中提到的m也会作为条件规则的一部分。

三、加入合适条件取出后缀

(condition) S1 -> S2

(condition) 是s1的条件，假如s1满足(condition) ，那么就转化为s2。(condition) 由步骤二中的规则和逻辑连接词AND，OR和NOT构成。

我理解的大致步骤就是这样，然后就要看代码了，以后发现有错误再改喽。

巴特西