词形变化的匹配依赖词干化处理，不属于拼写纠错范畴
别名: 词干化 · lemmatization · 词形还原
概念解释
running 能命中 run、organizes 能命中 organization，靠的是词干化（stemming）或词形还原（lemmatization）：按形态规则把屈折和派生折回同一词项。这不是把拼错的词改回词典形。用户没有敲错，只是用了另一个合法词形。Porter、Snowball、词典式 lemma 处理的是语法，Levenshtein 处理的是字符事故。把词形变化送进拼写纠错，会把合法形式标成错误，或用编辑距离去猜一个本来有规则可循的对应。
中文里没有英语那种屈折，但「计算机 / 电脑」是同义，不是词干；「走着 / 走了」若要合并，靠的是分析器，不是模糊查询。
机制
形态变化在语言里是系统的：复数、时态、名物化沿可列举的后缀和词表进行。词干算法利用这套系统，把一簇合法形式索引到同一键上，召回的是同一概念的不同句法实现。拼写误差没有这套系统，它沿着键盘和注意的偶然性走，分布是噪声。用噪声模型去拟合规则变化，既不稳定（university / universe 会被过激词干合并，也会被过宽的 k 合并），又会把真正的拼写问题从界面上藏起来——系统以为自己在做形态，实际上在做模糊。
反过来，只用精确词项、不做词干，英语这类语言会把同一概念拆成若干召回空洞：查询是复数，文档是单数，对象存在却搜不到。那是分析器的缺口，不是用户拼错，也不该弹出「你是不是想搜」。
怎么研究
用形态最小对和拼写最小对分别喂给词干器和模糊匹配，看它们会不会越界。
- 范式：构造三组查询——合法屈折（
mice/mouse）、真拼写误差（recieve/receive）、词干过度合并的已知陷阱（university/universe）。比较「仅词干」「仅编辑距离」「两者都开」。Porter 类词干器的经典评测（过度归约 vs 不足归约）是形态侧的参照。 - 自变量：分析器（无 / 轻词干 / 词典 lemma）、模糊是否同时开启。
- 因变量：屈折对的召回、陷阱对的误合并、拼写误差被词干器单独救回的比例（应当低）。
- 方法论注意点：不要用「整体召回提高了」作为词干成功的证据，那可能是模糊在帮忙。分组报告。对中文、德文复合词、阿拉伯语等，英语 Porter 的结论不能直接搬。
边界
形态贫乏、查询又极短的场景（SKU、命令名、代码标识符）上词干是伤害：cat 不该吃到 cats 以外的东西，更不该吃到 category。医疗和法律术语里细微后缀改变指称（药物剂型、法条款次），lemma 合并会造成指称错误，应走受控词表而不是通用词干。用户正在查「这个词的复数怎么拼」时，合并词形会藏掉他们要找的那条语法信息。
怎么落地
- 在分析器管道里单独配置词干或 lemma，不要复用模糊查询去覆盖复数和时态。
- 对标识符、代号、全大写词关闭词干；对普通正文开启，并监控已知过度归约词对。
- 界面不要把词干命中写成「已更正拼写」；若要解释，写成「也包含其他词形」。
- 验证：
organize应能打到organizing的文档，且查询框没有变成「已纠正」。recieve不应只靠词干得救；那是模糊或纠错的职责。university不应仅因词干就稳定地打到universe。