短语匹配引擎

Question

我想开发一个匹配引擎的句子。 引擎将生成一个结果，该结果是输入中最匹配的句子。 即使它是最不匹配的，引擎也必须从数据集（带有大量句子的文本文件）生成输出。

例如：输入：
你好我是Nidhin Joseph
        数据集：
    1）。 你好，你好吗？
    2）。 我是Nidhin。
    3）。 我是Nidhin Joseph你好。
    在这三者中，根据我的要求，最匹配的是     第三句话。     我根据单词命中和单词顺序进行排名      我的输入 ：{“Hello”，“I”，“am”，“Nidhin”，“Joseph”}     我的输出：{“I”，“am”，“Nidhin”，“Joseph”，“Hello”}
    此处没有单词匹配= 4
    没有相对有序的单词= 4
我不知道我是否能够传达你的想法。如果我做了，那么请     告诉我，如果Java中已有类似的库。     如果没有，请带领我朝着正确的方向前进，这样我就可以更容易地开发它。

Answer 1

我建议使用Levenshtein距离算法。您可以在整个句子上使用标准算法，将其视为一长串字符（包括空格和标点符号）。

根据您的要求，您可以尝试一些变体，例如在所有单词上运行Porter词干分析器或忽略标点符号。你甚至可以修改Levenshtein算法，使用单词作为原子而不是字符。