Porter和Lancaster干扰algorithm的主要区别和优点是什么？
我正在处理java中的文档分类任务。
两种algorithm都被高度推荐，每种方法的优点和缺点是什么，哪些在自然语言处理任务的文献中更常用？
在它的基础上，porter和lancaster干扰algorithm的主要区别在于，lancaster干扰者比porter干扰者更具攻击性。 现在使用的三种主要的干扰algorithm是Porter，Snowball（Porter2）和Lancaster（Paice-Husk），基本上沿着这些相同的路线进行攻击性连续性。 波特是最不积极的algorithm，每个algorithm的具体细节实际上是相当冗长和技术性的。 尽pipe如此，这是一个失败的例子：
波特：最常用的词干毫无疑问，也是最温柔的词干。 实际上拥有Java支持的less数stemmers之一是一个加号，尽pipe它也是algorithm中计算最密集的（不是非常显着的限制）。 它也是最大的干扰algorithm。
搬运工2：几乎普遍认为是对搬运工的改进，并有很好的理由。 波特本人实际上承认，它比他原来的algorithm更好。 运行时间比搬运工稍快，周围有相当大的社区。
兰开斯特：非常积极的干扰algorithm，有时是一个错误。 通过搬运工和雪球，对于一个读者来说，干扰表征通常是相当直观的，而对于兰开斯特而言，这样的描述通常是相当直观的，因为许多较短的单词将变得完全混淆。 这里最快的algorithm，会大大减less你的工作集，但如果你想要更多的区别，而不是你想要的工具。
老实说，我觉得斯诺鲍通常是要走的路。 在某些情况下，兰开斯特会大大减less你的工作集，这可能是非常有用的，然而在我看来，雪球的边际速度增加并不值得精确度。 Porter的实现方式是最多的，所以通常是默认的转换algorithm，但是如果可以的话，可以使用雪球。
