Question

我正在寻找一种编码lucene模糊查询的方法，该查询搜索与精确短语相关的所有文档。如果我搜索＆＃34; mosa员工欣赏＆＃34;，文档包含＆＃34;大多数员工欣赏＆＃34;将作为结果返回。

我试图使用：

FuzzyQeury = new FuzzyQuery(new Term("contents","mosa employee appreicata"))

不幸的是，它在经验上并不起作用。 FuzzyQuery采用编辑器距离，理论上，＆＃34; mosa员工欣赏＆＃34;应与＃34相匹配;大多数员工都很欣赏＆＃34;提供适当的距离。这看起来有点奇怪。

任何线索？谢谢。

Answer 1

这里有两个可能的问题。第一：我猜测正在分析“内容”字段，以便“大多数员工apreciate”不是一个术语，而是三个术语。在这种情况下，定义为单个术语是不合适的。

然而，即使列出的内容是单个术语，我们遇到的第二个可能的问题是术语之间的距离太大以获得匹配。 mosa employee appreicata和most employees appreciate之间的Damerau-Levenshtein距离为4（顺便提一下，我拼写的平均第一次拍摄距离之间的近似距离） “Damerau-Levenshtein”和正确的拼写）。模糊查询，从4.0开始，由于性能限制而处理编辑距离不超过2，并且假设较大距离通常不是特别相关。

如果您需要使用模糊术语执行词组查询，则应查看MultiPhraseQuery或合并一组SpanQueries（尤其是SpanMultiTermQueryWrapper和SpanNearQuery）满足您的需求。

SpanQuery[] clauses = new SpanQuery[3];
clauses[0] = new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("contents", "mosa")));
clauses[1] = new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("contents", "employee")));
clauses[2] = new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("contents", "appreicata")));
SpanNearQuery query = new SpanNearQuery(clauses, 0, true)

由于没有任何单个术语的编辑距离大于2，因此这应该更有效。

Answer 2

femtoRgon的答案很棒！谢谢。

还有另一种方法可以解决这个问题。

//declare a mutilphrasequery
MultiPhraseQuery childrenInOrder = new MultiPhraseQuery();

//user fuzzytermenum to enumerate your query string
FuzzyTermEnum fuzzyEnumeratedTerms1 = new FuzzyTermEnum(reader, new Term(searchField,"mosa"));
FuzzyTermEnum fuzzyEnumeratedTerms2 = new FuzzyTermEnum(reader, new Term(searchField,"employee"));
FuzzyTermEnum fuzzyEnumeratedTerms3 = new FuzzyTermEnum(reader, new Term(searchField,"appreicata"));

//this basically pull out the possbile terms from the index             
Term termHolder1 = fuzzyEnumeratedTerms1.term();
Term termHolder2 = fuzzyEnumeratedTerms2.term();
Term termHolder3 = fuzzyEnumeratedTerms3.term();

//put the possible terms into multiphrasequery
if (termHolder1==null){
    childrenInOrder.add(new Term(searchField,"mosa"));
}else{
    childrenInOrder.add(fuzzyEnumeratedTerms1.term());
}

if (termHolder2==null){
    childrenInOrder.add(new Term(searchField,"employee"));
}else{
    childrenInOrder.add(fuzzyEnumeratedTerms2.term());
}

if (termHolder3==null){
    childrenInOrder.add(new Term(searchField,"appreicata"));
}else{
    childrenInOrder.add(fuzzyEnumeratedTerms3.term());
}


//close it - it is important to close it
fuzzyEnumeratedTerms1.close();
fuzzyEnumeratedTerms2.close();
fuzzyEnumeratedTerms3.close();

Answer 3

ComplexPhraseQueryParser处理短语词的模糊搜索-即，指定应模糊搜索的词和不应该模糊搜索的词。工作原理

Query query = new ComplexPhraseQueryParser("content", analyzer)
                    .parse("some test~ query~ blah blah");

似乎工作正常。不确定性能，但是似乎可以在小型数据集上很好地工作。

Answer 4

我有一些（很小）的铣刀，具有以下特点：

String[] searchTerms = searchString.split(" ");
FuzzyLikeThisQuery fltw = new FuzzyLikeThisQuery(searchTerms.length, new StandardAnalyzer());
Arrays.stream(searchTerms)
    .forEach(term -> fltq.addTerms(term, FIELD, SIMILARITY_IN_EDITS, PREFIX_LENGTH);

此查询将太远的字符串与索引匹配。不匹配的字符串是其中每个术语与索引内容中使用的术语相距超过2次编辑的字符串。

Lucene模糊搜索短语（FuzzyQuery + SpanQuery）

4 个答案:

请自担风险。