預處理中必不可少的一個(gè)環(huán)節是去停止詞，不管是中文還是英文中總是有一些詞在文章中必須出現但是又沒(méi)有意義的存在

1.中文文章中經(jīng)常出現的“的”、“地”、“得”這些助詞，

2.一些感嘆詞比如嘿、哈、哇

3.一些副詞和介詞的比如，從而、以、卻。

4.英文文章中經(jīng)常出現的這類(lèi)詞有 the、a、an、to、of這樣的詞統一被我們稱(chēng)之為停止詞，搜索引擎在爬行文章的時(shí)候第一步就是去掉這些詞，獲得文章中德精髓。

一個(gè)是減少數據存儲，另外可以讓數據更加精準。處理完了這些進(jìn)行的下一步就是消除噪聲，我們大部分網(wǎng)站中總有那么些無(wú)用的內容，比如版權聲明，導航，廣告之類(lèi)的內容這類(lèi)對用戶(hù)搜索起來(lái)沒(méi)有任何的意義并且只能干擾網(wǎng)站主題內容的提取，在經(jīng)歷消除噪聲后剩下的就是頁(yè)面內的真正內容。
        重慶網(wǎng)絡(luò )公司