一句话定义：词干提取（Stemming）和词形还原（Lemmatization）都是把同一个词的不同变形归并到同一个代表形式，好让程序把 running、runs、ran 当成一回事来处理。
为什么要做这件事？因为在计算机眼里，run、runs、running、ran 是四个完全不同的字符串。如果直接统计词频，一个概念就被拆成了四份；做搜索时用户搜 run，也可能搜不到写着 running 的文章。归并之后，这四个词会统一成一个形式，通常叫词元（lemma）或词干（stem）。
两种做法的激进程度完全不同。
词干提取是“砍”：按一套固定的规则把词尾削掉，不管削完还剩不剩下一个真正的词。running → runn，runs → run，studies → studi。它很快，不需要词典，也不需要懂句子结构，代价是会产生一堆字典里查不到的东西（runnt、studi）。经典算法 Porter Stemmer 就是这类思路，规则写死，几行代码就能跑。
词形还原是“查”：先判断这个词在句子里是什么词性，再去词典里找它的原形。所以 running 在“he is running”里还原成 run，在“running water”里可能仍按形容词处理；ran 因为是动词 run 的不规则过去式，也能被正确还原回 run，而词干提取对 ran 基本无能为力，因为不规则变化靠砍词尾解决不了。代价是慢，而且要依赖词性标注（POS tagging），词性标错就会还原错。
打个比方：词干提取像园丁拿大剪刀把一排灌木咔嚓剪齐，快是快，但会剪掉不该剪的枝；词形还原像查户籍，翻到本人的“本名”，准，但得先知道这人是谁（词性）。
| 维度 | 词干提取 Stemming | 词形还原 Lemmatization |
|---|---|---|
| 做法 | 按规则截断词尾 | 查词典和词性，还原成原形 |
| 速度 | 快 | 慢 |
| 输出 | 可能不是真词（studi） | 一定是真词（study） |
| 处理 ran | 通常失败 | 能还原成 run |
| 典型用途 | 搜索索引、粗略聚类 | 需要可读结果的场景 |
和相邻概念的区别：别把它和分词（tokenization）搞混。分词只是把句子切成一个个词元（token），不改变词形；词干提取和词形还原是在分词之后做的归一化。另外，今天的大模型普遍使用子词切分（subword tokenization，如 BPE），它按出现频率切碎片，目的是控制词表大小，跟“把 running 和 ran 归成一个词”是两回事。
实际意义：做搜索、推荐、日志分析、关键词统计时，归一化能明显提升召回，让搜 run 的人也能看到 running。但如果结果要展示给人看，就别用词干提取的输出，studi 很难看。工程上常见的折中是：索引用词干提取图快，展示和下游语义任务用词形还原。选哪个，取决于你要的是速度还是可解释性。