Question

我通过模糊查询在输入字符串/文档中模糊搜索 Lucene 中的名字和姓氏（每个levenshtein距离为2）。

我进一步期望通过使用 SpanNearQuery 将这两个术语彼此接近（在此示例中，最多由3个术语分隔）。我也不想让秩序重要。

我构建查询的代码：

FuzzyQuery firstNameQuery = new FuzzyQuery(new Term("text", firstName), 2);
FuzzyQuery lastNameQuery = new FuzzyQuery(new Term("text", lastName), 2);

SpanQuery[] clauses = new SpanQuery[] {
    new SpanMultiTermQueryWrapper<MultiTermQuery>(firstNameQuery),
    new SpanMultiTermQueryWrapper<MultiTermQuery>(lastNameQuery)
};
SpanNearQuery spanNearQuery = new SpanNearQuery(clauses, 3, false);

我在单元测试中看到的是，levenshstein距离1的条款似乎有用，所以＆＃34; John Doa＆＃34;，＆＃34; Jon Dox＆＃34;等将匹配＆＃34; John Doe＆＃34;，但levenshstein距离2不会，例如＆＃34; Johnnie Doe＆＃34;不会匹配。

跨度长度工作正常，我可以在名字/姓氏之间最多使用3个术语。

有人可以告诉我我做错了什么吗？

更新1

对不起，我搞砸了我在这里设计的例子，出于隐私原因没有使用真实数据。

我所看到的是，查询并不像我想象的那样完成。

输入字符串：＆＃34;患者：John Doe＆＃34; 查询：spanNear（[SpanMultiTermQueryWrapper（text：John~2），SpanMultiTermQueryWrapper（text：Doe~2）]，3，false）

这不会产生命中，即使这些术语应完全匹配（编辑距离为0）。

Answer 1

Lucene 4.x模糊将在每个术语的编辑距离为2或更少时匹配，并且您的用例每个术语的距离大于2（John和Johnnie距离为3）。

在我看来，它不太建议使用Lucene内置模糊进行名称匹配，因为它不适用于冗长的名称（因为它的每个术语的<2距离）而且它的速度较慢，因为它使用有限状态来寻找最佳名称可能的比赛。

最好和最快的方法是使用＆＃34; n-gram＆＃34;模糊匹配的方法（三元模糊匹配很常见！）

更新：看起来你可能有大写小写的问题，在我的理解中lucene丢弃查询分析器进行模糊搜索。

你可以试试＆＃34; john＆＃34;和＆＃34; doe＆＃34; （均为小写）作为您的名字和姓氏，让我知道它是否有效。

在Lucene中结合模糊和SpanNear查询

1 个答案: