拼写更改/错误的全文搜索

Question

我们有很多对象，每个对象都有大约100-200字的描述。 （例如一本书的作者姓名和小摘要）。

用户将输入作为单词的系列。如何使用近似文本和次要拼写更改实现搜索？例如“Joshua Bloch”，“Joshua blosh”，“joshua block”可能导致相同的文本结果。

Answer 1

  

如何使用近似文本和次要拼写更改来实现搜索？例如“Joshua Bloch”，“Joshua blosh”，“joshua block”可能导致相同的文本结果。

您的数据库是否支持Soundex？ Soundex将匹配类似的声音单词，这似乎符合您上面给出的示例。即使您的数据库没有本机soundex，您仍然可以编写实现并将每个作者姓名的soundex保存在单独的字段中。这可以用于以后匹配。

然而Sou​​ndex并不是全文搜索的替代品;它只会在特定情况下有助于作者姓名。如果您正在寻找一些特定的文字，比如说，这本书的模糊，那么您最好使用全文搜索选项（如Postgresql's）。

Answer 2

如果您使用Lucene进行全文搜索，可能会出现“Did you mean”扩展名。

Answer 3

如果您正在寻找此功能的实际实现，请参阅Peter Norvig编写的精彩程序：http://norvig.com/spell-correct.html

它还包含许多其他语言（包括Java，C等）的实现链接。

Answer 4

您可以使用拼写检查器JOrtho。从数据库中的上下文中，您可以生成自定义词典并进行设置。然后，所有不在字典中而不在数据库中的单词都标记为错误的拼写。

Answer 5

请检查Lucene，而不是Solr。 Lucene是一个库，您可以使用它在您的应用程序中嵌入搜索功能。 Solr是Lucene的实际实现，您可以通过API直接插入应用程序。对于大多数系统，Solr将节省处理Lucene的复杂性。

Answer 6

Apache Lucene可能适合您的账单。它是完全用Java编写的高性能全文搜索引擎库。