答案 0 :(得分：3)
那你为什么不实施lucene呢？对于像你这样的问题，这是最好和最新的技术状态。
但是我想分享一些想法...
Fuziness不是像稻草一样的东西，而是一些单词的错误输入。每个缺失/错误的角色都会增加1距离。
它通常非常非常难以同时具有部分匹配（通配符）和模糊性！
标记通常是一个好主意。
一切也很大程度上取决于你得到的数据。源文件或仅搜索查询中是否存在拼写错误？
我已经看到了一些使用多维范围树的非常好的实现。
但我真的认为如果你想完成上述所有工作，你需要一个非常巧妙的图形集和一个很好的索引算法组合。
例如，您可以使用芝麻这样的语义数据库，并在导入文档时将每个标记和文档导入为节点。然后根据文档中的位置等，您可以添加加权关系。
然后你需要一些结构中的标记，你可以在其中进行有效的模糊匹配，例如bk-trees。 我认为您可以在mysql数据库中索引令牌并执行逐位比较函数以获得差异。这是一个返回所有匹配位的函数，如果你将字符串转换为ascii并将这些位分组，你可以很快地实现某些目标。
但是，如果您将标记与字符串匹配，您可以构建一个假设的完美匹配antity并查询您的语义数据库中的最近邻居。
在进行标记化以实现部分匹配时，您必须将这些单词拆分为部分单词。
但是你也可以做通配符匹配（前缀，后缀或两者），但是没有模糊性。
您还可以索引整个单词或不同的标记连接。
然而，可能有特殊的bk-tree实现支持这个但我从未见过它。
答案 1 :(得分：2)
我在很久以前就进行了多次拼写修正器的迭代，这里是基本方法的recent description。基本上，正确单词的字典在trie中，搜索是一个简单的分支绑定。我使用反复深度优先行走，由lev限制。距离是因为，因为每增加一个距离会导致更多的行走，所以对于小距离而言，成本基本上是指数距离，因此进行组合深度/广度搜索并不会节省太多但是更复杂。
（旁白：你会惊讶于医生可以尝试拼写“乙酰水杨酸”的方式。）
我对你的特里的大小感到惊讶。可接受单词的基本词典可能是几千。然后有共同的前缀和后缀。由于结构是trie，您可以将子尝试连接在一起并节省大量空间。像基本前缀的trie可以连接到主词典，然后主词典的终端节点可以连接到常见后缀的trie（实际上可以包含循环）。换句话说，trie可以推广到有限状态机中。这为您提供了很大的灵活性。
无论如何，您遇到了性能问题。性能问题的好处是，它们越糟糕，它们就越容易找到。我一直是StackOverflow的真正害虫，指出了这一点。 This link解释了如何做到这一点，链接到一个详细的例子，并试图消除一些流行的神话。简而言之，花在做一些你可以优化的事情上的时间越多，你就越有可能抓住它，如果你只是暂停它并看一看。我怀疑很多时候是在夸大数据结构的操作上，而不仅仅是得到答案。这是一种常见情况，但在样本直接指出问题之前不要修复任何问题。