为什么最长公共子串不是词干算法的解决方案？

Question

我读到了词干提取，这是将单词与公共词根匹配的问题，似乎是搜索引擎中的一个标准问题。

当我第一次考虑这个问题时，我认为这是适用于N单词的最长常用子字符串问题的经典应用。

例如，对于单词{computation, compute, computers}，最长的公共子串是compute，这是词干/词根。

但我读到这不是问题的解决方案。实际上，它seems，这甚至不是一个考虑和其他方法(后缀删除，随机等)是标准的解决方案。

我的问题是:为什么最长的N单词的常用子字符串不是这个问题的解决方案？

Answer 1

在许多语言中，语言词干通常不是公共的子串。例如，动词"to be“在许多语言中都是非常不规则的。

即使是英语名词，也有例外的例子，如{ index，index，index }。你真的希望使用"index“作为词干；如果你使用更短的"ind”作为词干，你将会遇到冲突，在这种情况下，独立的政治家将他们的政党缩写为"ind“。