https://cm3.hateblo.jp/entry/2015/04/14/182329

概要

Luceneについてるインドネシア語用のStemmer使って、必要に応じて改変したい。stopwordsリストだけ変えるとかは簡単そう。

マレー語のStemmer

STEMMING ALGORITHM IN INFORMATION RETRIEVAL FOR BAHASA MELAYU WITH LOCAL DICTIONARY LOOKUP 2005年の博士論文。前半しか公開されていない。
SIMPLE RULES MALAY STEMMER丁寧に読んだが詳しいアルゴリズムが書いていない。7つの操作をどう適用するかの比較（しかも大した違いが無い）のみ書かれている。
Rules Frequency Order Stemmer for Malay Language 未読
Malay Semantic Text Processing Engine 未読。eKnow2014。
Muhamad Taufik Abdullah - Google Scholar Citations マレー語自然言語処理関連でいくつかヒットした人。
Tokenizer for the Malay language using pattern matching 未読
Jawi Stemmer: Evaluation of Stemmers Based on Strength and Accuracy Jawiを直接扱える。今回は使わないがこんな論文もあるんだ！という驚き。

インドネシア語のStemmer

Apache LuceneのSubversionレポから引っ張ってきて、lucene_trunk/lucene/analysis/common/src/java/org/apache/lucene/analysis/id/IndonesianStemmer.javaを確かめたけれど、特にGitHub上のものと違いは無く、

 * Stems Indonesian words with the algorithm presented in:
 * <i>A Study of Stemming Effects on Information Retrieval in 
 * Bahasa Indonesia</i>, Fadillah Z Tala.
 * http://www.illc.uva.nl/Publications/ResearchReports/MoL-2003-02.text.pdf

となっていた。

その他参考: