README

Sastrawi是一个简单的PHP库，它允许您将印度尼西亚语（Bahasa Indonesia）的屈折词还原到其基本形式（词干）。尽管其简单性，但该库设计为高质量且具有良好的文档记录。有关更多信息（英文），请参阅README。

词根提取

词根提取是将带前缀或后缀的词转换为词干的过程。例如

menahan => tahan
berbalas-balasan => balas

案例示例

假设有一个包含以下内容的博客文章

Rakyat memenuhi halaman gedung untuk menyuarakan isi hatinya.

以下查询不会找到上述文章，

SELECT * FROM posts WHERE content LIKE '%suara%'

词根提取过程可以帮助找到正在搜索的文档，即通过删除前缀和后缀，仅保留以下基本形式

rakyat penuh halaman gedung suara isi hati

然后将搜索关键字也作为基本形式

Bersuara => suara

Sastrawi

Library PHP用于词根提取印度尼西亚语。
易于与其他框架 / 包集成。
具有简单易用的API。

演示

http://sastrawi.github.io

安装方法

Sastrawi可以通过Composer安装。

打开终端（命令行）并导航到项目目录。
下载Composer，使文件composer.phar位于该目录。
将sastrawi添加到您的composer.json文件中

php composer.phar require sastrawi/sastrawi:^1

如果您还不了解如何使用Composer，请阅读Composer入门指南。

运行测试的方法

vendor/bin/phpunit

使用

将以下代码复制到您的项目目录中。然后运行该文件。

<?php
// demo.php

// include composer autoloader
require_once __DIR__ . '/vendor/autoload.php';

// create stemmer
// cukup dijalankan sekali saja, biasanya didaftarkan di service container
$stemmerFactory = new \Sastrawi\Stemmer\StemmerFactory();
$stemmer  = $stemmerFactory->createStemmer();

// stem
$sentence = 'Perekonomian Indonesia sedang dalam pertumbuhan yang membanggakan';
$output   = $stemmer->stem($sentence);

echo $output . "\n";
// ekonomi indonesia sedang dalam tumbuh yang bangga

echo $stemmer->stem('Mereka meniru-nirukannya') . "\n";
// mereka tiru

添加和删除基本形式

<?php

// include composer autoloader
require_once __DIR__ . '/vendor/autoload.php';

// create stemmer
// cukup dijalankan sekali saja, biasanya didaftarkan di service container

$stemmerFactory = new \Sastrawi\Stemmer\StemmerFactory();

$dictionary = $stemmerFactory->createDefaultDictionary();
$dictionary->addWordsFromTextFile(__DIR__.'/my-dictionary.txt');
$dictionary->add('internet');
$dictionary->remove('desa');

$stemmer = new \Sastrawi\Stemmer\Stemmer($dictionary);

var_dump($stemmer->stem('internetan')); //internet

库

算法

本库中使用的算法是以下所有所有者的知识产权。为了提高代码质量，这些算法被应用于面向对象设计。

纳齐夫和艾德里安尼算法
亚洲J. 2007. 有效的印度尼西亚文本检索技术. 澳大利亚RMIT大学计算机科学与信息技术学院博士论文
Arifin, A.Z., I.P.A.K. Mahendra 和 H.T. Ciptaningtyas. 2009. 增强的Confix Stripping Stemmer和蚂蚁算法用于对印度尼西亚语新闻文档进行分类，国际信息与通信技术及系统（ICTS）会议论文集
A. D. Tahitoe, D. Purwitasari. 2010. 使用语料库基于词根提取的修改增强的Confix Stripping Stemmer的印度尼西亚语实现，印度尼西亚Surabaya，印尼理工学院（ITS），60111

基本词汇表

Sastrawi的词根提取过程非常依赖于基本词汇表。Sastrawi使用来自kateglo.com的基本词汇表，并进行了一些修改。

许可证

sastrawi 许可证是 MIT 许可证（MIT），而 Kateglo 基础词典的许可证是 CC-BY-NC-SA 3.0。有关更多信息，请参阅 Sastrawi 许可证和 Kateglo 内容许可证。

在其他编程语言中

JSastrawi - Java
cSastrawi - C
PySastrawi - Python
Go-Sastrawi - Go
Sastrawi-Ruby - Ruby

nyancodeid / sastrawi

维护者

详细信息