我有不同的字符串用于搜索相关数据，但由于存在不必要的词，检索结果不理想。例如，“遗传算法的工作原理”，这里的“工作原理”这些词并不重要。我可以通过将其视为停用词来删除“的”字。但“工作”这个词怎么办？我可以进行词干提取，但这只会去掉“ing”，并不能解决问题。同样，另一个字符串“确定……”，我认为字符串中的其他词很重要，而“确定”这些词不重要，所以我想在进一步处理之前去掉它们。有什么想法或提示可以帮助我去除这些词吗？因为这类词有很多，我无法硬编码它们。

回答：

嗯，与其去除这些词，我建议你专注于使用ngrams。通过ngrams，你可以创建不同组合的搜索字符串，这可以帮助你更有效地找到相关信息。现在取决于你想要创建多少种组合，即二元组还是三元组。你可以使用Python的nltk库来实现这一点。