我想创建一个在其数据库中搜索类似文档的应用程序;例如。用户上传文档（文本，图像等），我想查询我的应用程序中的类似文档。
我已经为这个过程创建了必要的算法（指纹识别，特征提取，散列，哈希比较等），我正在寻找一个框架，它将所有这些结合起来。
例如，如果我在Lucene中实现它，我会执行以下操作：
所以，基本上Lucene可能是一个不错的选择 - 但据我所知，Lucene并不是一个文档相似性搜索引擎，而是一个基于术语的搜索引擎。
我的问题是：是否适用于上述问题的任何应用程序/框架？
谢谢， krisy
更新：似乎我上面描述的过程称为基于内容的媒体（声音，图像，视频。）检索。
有很多项目使用Lucene，请参阅：http://wiki.apache.org/lucene-java/PoweredBy（Lire，Alike等），但仍然没有找到任何专用框架......
答案 0 :(得分：0)
如果我得到了正确的答案，您拥有自己的数据库，并且在用户上传时/之后您正在搜索数据库中的副本或副本/类似数据。
如果是这种情况，相比之下域名非常大。
1）对于Image，你必须使用模式匹配，有很少的文件可用于图像重复查找器，在网上，搜索它们你会得到很多选项，
2）对于文档，再次进行特征划分
每个文档都有不同的属性，现在Lucene可以帮助你，但它的搜索引擎
在搜索语言模式时，我们需要检查许多内容，因为您正在搜索类似的内容（不完全相同）。
因此，模糊语言程序会派上用场。
这个要求太大了，论坛页面不足以解释所有内容，我希望这样做很多
答案 1 :(得分：0)
由于您使用的是Lucene，您可以查看SOLR。我确实意识到它不是一个专门用于你的目的的框架，但它确实在Lucene之上添加了一些非常方便的东西。鉴于Lucene的可插拔性，其跟踪记录以及有大量有用资源的事实，SOLR可能会帮助您完成工作。
此外，@ mindas指出的answer链接到the blog post，描述了如何使用SOLR实现目标的技术细节（但您可能已经在此期间阅读过）。