阿法克·卢克内可以做你想做的事。与 StandardAnalyzer 以及 StopAnalyzer 你可以停止删除单词。结合 Lucene contrib-snowball （其中包括从雪球的工作）项目你也可以做词干。
但是对于词干分析，也要考虑以下问题的答案：生成真实单词的词干分析算法

下面是nlp工具的综合列表。有时自己创建这些代码是有意义的，因为它们会更轻，而且您可以对内部工作有更多的控制：使用简单的正则表达式进行标记化。对于停止词，只需将下面的列表或其他列表推到哈希集中：
通用英语单词.txt
下面是porter（stemer）的许多java实现之一。

我已经处理了许多我曾经处理过的任务中的问题，所以让我给出一个标记器建议。由于我不认为这是一个直接给出的答案，我经常使用 edu.northwestern.at.utils.corpuslinguistics.tokenizer.* 作为我的标记者家族。我看到了一些我使用 PennTreebankTokenizer 班级。以下是您如何使用它：

WordTokenizer wordTokenizer = new PennTreebankTokenizer();
    List<String> words = wordTokenizer.extractWords(text);

这项工作的链接在这里。只是一个免责声明，我与西北大学，该集团，或他们的工作没有任何联系。我只是偶尔使用代码的人。

这些是自然语言处理中的标准要求，所以我会查看这些工具箱。既然您需要java，我就从opennlp开始：http://opennlp.sourceforge.net/
如果你可以看看其他语言，还有nltk（python）
请注意，“我认识的最搞笑的家伙”不是标准语法，这比“你是我认识的最搞笑的家伙”更难处理。不是不可能，但更难。我不知道有什么系统能把“你的”等同于“你是”。