停用词

在信息检索中，为节省存储空间和提高搜索效率，在自然语言处理数据（或文本）之前或之后会自动过滤掉某些字或词，这些字或词即被称为Stop Words（停用词）。

对于一个给定的目的，任何一类的词语都可以被选作停用词。通常意义上，停用词大致分为两类。一类是人类语言中包含的功能词，这些功能词极其普遍，与其他词相比，功能词没有什么实际含义，比如“the、“is”、“at”、“which”、“on”等。但是对于搜索引擎来说，当所要搜索的短语包含功能词，特别是像“The Who”、“The The”或“Take That”等复合名词时，停用词的使用就会导致问题。另一类词包括词汇词，比如'want'等，这些词应用十分广泛，但是对这样的词搜索引擎无法保证能够给出真正相关的搜索结果，难以帮助缩小搜索范围，同时还会降低搜索的效率，所以通常会把这些词从问题中移去，从而提高搜索性能。

作为信息检索的先驱者之一，Hans Peter Luhn（英语：Hans Peter Luhn）创造了这个短语，并在他的研究中应用这个概念，推动了这个概念的使用^[1]。

参见

• 文本挖掘
• 概念挖掘
• 信息提取
• 自然语言处理
• 查询扩展
• 词干提取
• 搜索引擎标引

• 功能词