Java 使用OpenNLP从解析的内容中删除停止词

我已经使用本文提供的OpenNLP解析器代码解析了该文档，并获得了以下输出：

(TOP (S (NP (NN Programcreek)) (VP (VBZ is) (NP (DT a) (ADJP (RB very) (JJ huge) (CC and) (JJ useful)) (NN website)))))

从这里我只想提取有意义的单词，也就是说我想删除所有的stopwords，因为我想根据这些有意义的单词进一步分类。你能建议我如何从解析的输出中删除stopwords吗

最后，我想得到下面的输出

   (TOP (S (NP (NN Programcreek)) (JJ useful)) (NN website)))))

---

请帮我解决这个问题，如果OpenNLP无法实现，请向我推荐任何其他用于自然语言处理的Java库。因为我的主要目的是解析文档并只获取有意义的单词。

在将其传递给OpenNLP之前，您可以轻松地从文本中删除所有停止词

将停止字存储在数组中

按字长对数组进行排序，以避免在“没有”之前删除“有”并以“没有”结尾等问题

使用正则表达式删除所有单词，确保忽略大小写并仅删除整个单词

下面是如何在.NET中实现这一点，您可以将其应用于Java

public string CleanStopWords(string inputText)
{
    string[] stopWords = new string[] { 
        "a", "all", "am", "an", "and", "any", "are", "aren't", 
        "as", "at", "be", "because", "been", "to", "from", "by", 
        "can", "can't", "do", "don't", "didn't", "did" };

    stopWords = stopWords.OrderByDescending(w => w.Length).ToArray();

    string outputText = Regex.Replace(inputText, "\\b" + string.Join("\\b|\\b", stopWords) + "\\b", "", RegexOptions.IgnoreCase);

    return outputText;
}

---

OpenNLP似乎不支持此功能。您必须按照OlenaVikary的建议去做，并自己实现，或者使用Java中不同的NLP库，比如Mallet

Java中删除停止字的实现如下（不需要排序）：

你可以使用英语停止词

或者使用木槌，您必须遵循教程。 为此，使用管道定义要删除停止词的零件：

pipeList.add(new TokenSequenceRemoveStopwords(false, false));

Mallet包含一个停止词列表，因此您不需要定义它们，但如果需要，它也可以扩展

---

希望这能有所帮助。

在这个问题上，他们建议使用lucene，但我只需要使用opennlp

pipeList.add(new TokenSequenceRemoveStopwords(false, false));