使用levenshtein距离生成摘录

Question

好的，我正在建立一个搜索引擎。并且搜索模块能够提取相关单词。现在我有一个单词列表及其在原始源文本中的偏移量。使用levenshtein距离计算查询字符串与源文本部分之间的差异是一个坏主意（从给定单词的偏移量开始，直到查询字符串的长度）。问我以为这会帮助我更快地生成摘录。

它不需要接近搜索等，只需要正常的“任何”和“所有”模式。顺便说一句，结果已经排序，所以我现在只看一个摘录代。感谢。

Answer 1

构建从文本到包含的单词（及其计数）的一对多映射。然后，这个“词袋”矢量可以用于许多不同的技术。