¿Qué son las palabras vacías?
detener las palabras son palabras de función extremadamente comunes — artículos, conjunciones, preposiciones, pronombres y verbos auxiliares como el, un, un, de, a, en, es, y, pero, es — que aparecen tan a menudo tienen poco significado tópico por su cuenta. Herramientas de análisis de texto y motores de búsqueda generalmente los filtran antes de las estadísticas de cálculo, un paso llamado eliminación de la palabra de parada.
¿Por qué se eliminan?
¿Por qué eliminarlos? En casi cualquier texto inglés las palabras más frecuentes son palabras de alto. Si usted clasifica las palabras de un documento por cuenta cruda, la parte superior de la lista está dominada por "el", "de", y "y", que no le dicen nada sobre el tema. Deseche a los que salen y las palabras genuinamente descriptivas se elevan a la parte superior, que es exactamente lo que desea para densidad de palabras clave, detección de temas, nube de etiquetas y semejanza de documentos. La eliminación de palabras de parada también reduce los datos que un índice de búsqueda tiene que almacenar y acelera la coincidencia.
No existe una lista oficial de palabras vacías.
El matiz importante es que hay no hay una lista oficial única de palabras vacías — diferentes herramientas y bibliotecas envían diferentes listas, y la lista correcta depende de la tarea. Un dominio puede incluso cambiar el estado de una palabra: "IT" es un pronombre de parálisis en general pero un término significativo en un cuerpo tecnológico, y las palabras de negación como "no" se guardan a menudo porque dejarlas puede invertir el significado de una frase en análisis de sentimientos. tokenización y a menudo junto lematización. Nuestro contador de frecuencia de palabras oculta las palabras detienen por defecto para que las palabras significativas se enciendan primero.