Java：删除API中的常用词方法？

相关：

---

在重新发明轮子之前，我需要知道这种方法是否存在。根据列表剥离单词，例如，听起来不太有挑战性，但也有语言方面的问题，例如剥离时最需要强调的单词，上下文如何？

听起来您试图从文本中删除“”。你可以在链接中找到一个。根据您使用的停止词的数量，创建一组词可能更有效，这样您就可以在固定时间内（通过使用函数）判断一个词是否是停止词，这意味着过滤整个文本将在字数上花费线性时间。这是一个如此简单的操作，我怀疑您是否会找到一些库来完成它，但它不会花费很长时间

---

在选择要使用的词方面。。。这真的取决于你想做什么。如果您在上执行某种机器学习算法，那么您确实需要尝试不同的单词选择，看看哪些单词导致的验证错误最小。就上下文而言，确实不需要很多单词。任何英语说得好的人都可以告诉你什么时候你掉了一个“the”或“a”或“an”。可能有一些常用词对消除歧义很重要，但根据您的应用，它们可能是必要的，也可能不是必要的。例如，如果你想知道是谁做了某事，那么消除“他”、“她”等可能是个问题，但如果你只关心某个动作是否发生，而不关心是谁做的，那么消除代词就可以了。

你可能有兴趣看一下Cucumber（）的源代码它使用通用语言方法（如使用英语）来定义测试用例。