Tutkimusta: indeksityypit englanninkielisessä tiedonhaussa

Stemmauksen etuja englanninkielisessä tiedonhaussa on tutkittu paljon, koska englanti on yleisin testikokoelmien kieli. Tulokset ovat olleet ristiriitaisia: useimmissa tutkimuksissa on todettu, että stemmaus ei juurikaan paranna hakutulosta, kun verrataan taivutusmuotoindeksiin ja taivutusmuotoisiin kyselyihin.

W. Frakes (1992) tutki kahdeksan eri stemmaustutkimusta. Näitten perusteella ei pystytty kiistattomasti todistamaan stemmauksen etuja englannissa. Popovic and Willet (1992) eivät hekään löytäneet tilastollisesti merkitsevää eroa taivutusmuotoindeksin ja stemmatun indeksin tulosten välillä. Lennon & al. (1981) testasivat useita erilaisia stemmereitä. Vaikka stemmerit perustuivat täysin erilaisiin periaatteisiin, tuloksissa oli vain pieniä eroja.

Krovetz (1993) puolestaan raportoi täysin edelläkerrotun vastaisista tuloksista. Hänen mukaansa stemmatun indeksin hakutulos oli 15 - 35 % parempi kuin taivutusmuotoindeksin. Myös Hullin (1996) mukaan "jotkut stemmauksen muodot parantavat lähes aina hakutulosta".

Englanninkielisen aineiston perusmuotoistamista ei juurikaan ole tutkittu. Siihen ei ilmeisesti ole ollut tarvetta englannin heikon morfologian vuoksi. Nidermair ja kumppanit (1984) tutkivat kehittämänsä MARS perusmuotoistamisohjelman vaikutusta hakutuloksiin. Heidän mukaansa hakutuloksen saanti parani 68 %, kun MARSia sovellettiin indeksointiin ja hakuun (verrokkina oli taivutusmuotoindeksi). Sen sijaan tarkkuus huononi (61 % vrt. 68 %). (Niedermair & al. 1984)

Kaiken kaikkiaan voidaan todeta, että morfologisesti melko köyhän englannin kanssa stemmauksen ja perusmuotoistamisen edut eivät olekaan niin ilmeiset kuin enemmän vaihtelevia sananmuotoja sisältävissä kielissä.