别再删除停用词：继承而来的预处理默认设置如何扭曲法律文本数据分析

英文标题：Stop Removing Stopwords: How an Inherited Preprocessing Default Distorts Legal Text-as-Data

该论文指出，实证法律研究日益将司法文本视为数据进行分析。许多研究仍依赖 TF-IDF 特征与线性分类器等稀疏、可解释的处理流程，因为文本特征本身往往就是研究对象，而不只是预测工具。作者认为，删除停用词这一沿袭已久的预处理默认做法可能会扭曲法律文本的数据表示与研究结论。该研究提醒开发者和法律实证研究者，应重新评估文本预处理中的默认假设。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB