KuromojiKatakanaStemFilter

Removes trailing prolonged sound marks (ー) from katakana words.

Import

import KuromojiKatakanaStemFilter from '@dynamosearch/plugin-analysis-kuromoji/filters/KuromojiKatakanaStemFilter';

Installation

npm install @dynamosearch/plugin-analysis-kuromoji

Constructor

new KuromojiKatakanaStemFilter(options?: { minimumLength?: number })

Parameters

• minimumLength (number, optional) - Only stem katakana words with length ≥ this value (default: 4)

Examples

Default (Minimum Length 4)

const filter = new KuromojiKatakanaStemFilter();
const tokens = filter.apply([
  { token: 'コンピューター' },
  { token: 'サーバー' },
  { token: 'カー' },  // Short word
  { token: 'データ' }
]);
// [
//   { token: 'コンピュータ' },  // ー removed
//   { token: 'サーバ' },        // ー removed
//   { token: 'カー' },          // Too short, unchanged
//   { token: 'データ' }         // No ー, unchanged
// ]

Custom Minimum Length

const filter = new KuromojiKatakanaStemFilter({ minimumLength: 2 });
const tokens = filter.apply([
  { token: 'カー' }
]);
// [
//   { token: 'カ' }  // Now stemmed because length ≥ 2
// ]

How It Works

For katakana words longer than minimumLength, removes the trailing ー character if present.

Examples

Original	Stemmed	Description
コンピューター	コンピュータ	Computer
サーバー	サーバ	Server
プリンター	プリンタ	Printer
ユーザー	ユーザ	User
データー	データ	Data
センター	センタ	Center

Best For

• Normalizing katakana loanword variations
• Matching "コンピューター" and "コンピュータ"
• Handling inconsistent katakana spelling

Background

In Japanese, katakana loanwords can be spelled with or without the prolonged sound mark (ー). For example:

• コンピューター vs コンピュータ (computer)
• サーバー vs サーバ (server)

This filter normalizes these variations to improve search recall.

See Also

• CJKWidthFilter - For width normalization
• KuromojiTokenizer