Question

我有合理数量的节点（大约60,000）

(:Document {title:"A title"})

给出一个标题，我想找到匹配的节点（如果存在）。问题是我给的标题不一致。也就是说，有时新词的开头是大写，有时则全部用小写。有时将关键字与Kebab案例结合使用，有时将它们通常作为关键字编写。

为了弥补这一点，我使用apoc和给定标题与每个节点之间的Levenshtein距离，并且仅在节点低于某个阈值时才接受该节点作为匹配项：

MATCH (a:Document)
WHERE apoc.text.distance(a.title, "A title") < 10
RETURN a

此扩展性不佳。目前，一次查找大约需要 700毫秒，这太慢了，因为它可能会增长到大约150,000个节点。

我当时想在节点的alias:[...]属性中存储/缓存备用标题的出现，并在所有别名上建立索引，但是我不知道在Neo4j中是否可以实现。

在庞大的节点数据库中，“模糊查找”标题的最快方法是什么？

Answer 1

在Neo4j 3.5（当前在beta03中）中，具有FTS（全文搜索）功能。

编辑：我在Neo4j中写了一篇有关FTS的详细博客文章：https://graphaware.com/neo4j/2019/01/11/neo4j-full-text-search-deep-dive.html

您可以使用Lucene Classic Query Parser Syntax查询文档。

创建索引：

CALL db.index.fulltext.createNodeIndex('documents', ['Document'], ['title','text'])

导入一些文档：

LOAD CSV WITH HEADERS FROM "file:///docs.csv" AS row
CREATE (n:Document) SET n = row

查询标题中包含“重费”的文档

CALL db.index.fulltext.queryNodes('documents', 'title: "heavy toll"')
YIELD node, score
RETURN node.title, score

╒══════════════════════════════════════════════════════════════════════╤══════════════════╕
│"node.title"                                                          │"score"           │
╞══════════════════════════════════════════════════════════════════════╪══════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│3.7325966358184814│
└──────────────────────────────────────────────────────────────────────┴──────────────────┘

使用错字查询相同的标题：

CALL db.index.fulltext.queryNodes('documents', 'title: \\"heavy~ tall~\\"')
YIELD node, score
RETURN node.title, score

请注意转义引号=> \“，传递给基础解析器的字符串应包含引号，以便执行短语查询而不是布尔查询。

此外，字词旁边的tidle表示要使用Damarau-Levenshtein算法执行模糊搜索。

╒══════════════════════════════════════════════════════════════════════╤═════════════════════╕
│"node.title"                                                          │"score"              │
╞══════════════════════════════════════════════════════════════════════╪═════════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│0.868073046207428    │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Prisons Run by C.E.O.s? Privatization Under Trump Could Carry a Heavy│0.4014900326728821   │
│ Price - The New York Times"                                          │                     │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"‘All Talk,’ ‘No Action,’ Says Trump in Twitter Attack on Civil Rights│0.28181418776512146  │
│ Icon - The New York Times"                                           │                     │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Immigrants Head to Washington to Rally While Obama Is Still There - T│0.24634429812431335  │
│he New York Times"                                                    │                     │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤

Answer 2

Christophe Willemsen在answer中指出的索引对于加快搜索速度必不可少，但我也想指出另一个历史性功能，它可能更适合您的“模糊搜索”：

Soundex是一种语音算法，用于通过声音（以英语发音）索引名称。

Neo4j匹配模糊文本属性的快速方法

2 个答案: