我想将社交媒体帖子（简短文字）与电影/电视节目数据库相匹配。该数据库包含有关电影或电视节目名称，角色和演员的信息。如果在输入文本中找到足够的证据，那么我希望算法将文本分类为它所属的电影，或者如果没有足够的证据则不做任何事情。
我熟悉机器学习方法，但这些方法需要训练样本和有限数量的类别。我的算法应该能够使用上下文，并且可以扩展到新内容。例如，我不希望机器学会识别“哈利波特”电影，但是当它被释放时却未能识别出“神奇的野兽以及在哪里找到它们”。
我理解这个解决方案是部分字符串匹配，但我想指出正确指导这些问题的一些一般指导。我也有兴趣识别拼写错误的单词并为某些匹配分配更多的权重，而对其他匹配则更少。
另外，作为附注，字符串匹配应该通过SQLite还是外部进行？我对这种情况的猜测是在外面，但我想确定一下。
提前感谢您的帮助！
答案 0 :(得分：0)
您正在寻找的是基于模糊规则的信息检索系统。它需要一些手工制作的规则和模糊匹配（通常使用Lucene）来匹配查询与实体/文档的知识库。
参见本文的例子：
基于模糊逻辑的高效信息检索系统的实现 https://arxiv.org/pdf/1503.03957.pdf