本文探讨了在工程应用中，自然语言处理技术在信息检索，索引和主题建模中的应用。 作者在此之上介绍了如何挑选出技术语言处理应用中的无意义单词，并编制出一个可供使用的停用词列表。

Jun, 2020

本文提出了一种量化的方法，通过迭代和递归的特征删除算法确定哪些单词可以从经过预训练的变压器词汇表中删除，以在情感分析任务中最小化其性能降级，实验证明通过这种方法生成的停用词列表可以大幅降低数据集的大小，而对模型性能的影响微不足道，因此可以为特定的自然语言处理任务生成高效的停用词集。

Sep, 2022

该研究通过使用 MasakhaNEWS、African Stopwords Project 和 MasakhaPOS 数据集，针对九种非洲语言和法语，探讨了文本分类在自然语言处理（NLP）中简化停用词提取的作用。研究结果显示，文本分类能够有效识别领域无关的停用词，成功检测率超过 80％，但由于语言差异，某些语言的检测率较低。此外，研究还发现，尽管超过 40％的停用词在不同新闻类别中都有，但只有不到 15％的停用词是某个特定类别独有的。不常见的停用词为文本增添了深度，但它们是否被归类为停用词则取决于上下文。因此，将统计和语言方法相结合可以创建全面的停用词列表，凸显了我们的混合方法的价值。这项研究提升了非洲语言的自然语言处理，并强调了文本分类在停用词提取中的重要性。

Jan, 2024

该研究的目标是研究非洲语言中的常用词以便进行信息检索和自然语言处理，同时在该研究中介绍十种非洲语言的停用词收集进展以及未来计划。

Mar, 2023

本文介绍了一种用于评估停用词列表质量的方法，以自动创建技术。该方法在乌兹别克语的自动生成停用词列表上进行了测试，可以应用于相似语言。

Sep, 2022

我们研究了停用词在马拉地语中的应用，使用 MahaCorpus 数据集中的 2400 万个句子，结合 TF-IDF 方法和人工评估，筛选出具有强大效果的 400 个停用词，并将其应用于文本分类任务。该研究还提出了在资源有限的语言中进行停用词筛选的简单方法。停用词已集成到 mahaNLP 库中，并在此 https URL 上公开提供。

Jun, 2024

比较了二进制和词频特征加权方法在文本分类中的效果，结果表明，在去除停用词的情况下，词频特征加权方法在准确率、召回率和 F-Measure 方面优于二进制方法，而在精确率方面两种方法的结果非常相似。此外，数据还清楚地表明，使用相同的短语加权方法，去除停用词可以提高分类准确性。

Feb, 2024

研究论文通过模拟实验，考察了删除不常见词汇对使用潜在狄利克雷分配估计主题质量的影响，结果表明剪枝是有益的，并且可以消除相当大比例的词汇。

Nov, 2023

本文研究了当前用于检测和缓解词嵌入偏差的工具和技术，发现它们对非技术人员存在很高的技术门槛，因此提出开发一种旨在降低技术门槛、提供专业探索力量以应对专家、科学家和普通人日益增长的审核需求的工具。

Jul, 2022

本研究探究了不同的停止集选择对不同停止方法的影响，结果表明，停止算法的性能取决于停止集的选择，其中，基于稳定预测的停止方法的性能要强于基于置信度的停止方法，并且原始作者提出的无偏代表性停止集比最近发布的工作中使用的系统偏倚停止集表现更好，这些发现有助于阐明停止方法的这一重要方面的影响，这一方面在最近的发布工作中被忽视了，但对于重要的语义计算应用，如技术辅助审查和文本分类等，它对性能的影响可能很大。

Jan, 2022