我正在尝试找到一种方法来构建模糊搜索，其中文本数据库和查询都可能具有拼写变体。特别是，文本数据库是从网络收集的材料，可能不会受益于全文引擎的准备阶段（词干） 我可以想象用pg_trgm作为起点然后验证Levenshtein的命中。 然而，人们倾向于做前缀查询例如，在音乐领域，我希望“beetho交响乐”是一个合理的搜索词。那么，有人在输入“betho symphony”，是否有合理的方法（使用带有tcl或perl脚本的postgresql）来发现“betho”部分应与“beetho”进行比较（返回编辑距离为1）< / p>
答案 0 :(得分：1)
我最终得到的是对常用算法的简单修改：通常我会从矩阵或向量对中选取最后一个值。参考http://en.wikipedia.org/wiki/Levenshtein_distance中的“迭代”算法，我将要探测的字符串作为第一个参数，将查询字符串作为第二个参数。现在，当算法结束时，结果列中的最小值给出了正确的结果
示例结果： 查询“fantas”，数据库中的单词“fantasy”，“fantastic”=＆gt; 0 查询“fantas”，wor在数据库“fan”=＆gt; 3
编辑距离的输入是从基于三元组相似性的“最多单词”列表中选择的单词
答案 1 :(得分：0)
您可以修改编辑距离算法，以便为字符串的后半部分提供较低的权重。
例如：对于每个i＆amp; j，匹配（i，j）= 1 / max（i，j）^ 2而不是匹配（i，j）= 1。 （i和j是您要比较的符号的位置）。
这是做什么的：dist（'ABCD'，'ABCE'）＆lt; dist（'ABCD'，'EBCD'）。