搜索查询标记器

Question

我们正在尝试在列出餐馆的网站上添加一个简单的搜索功能。我们尝试从搜索字符串中检测地名，位置和地点特征，例如“在cairo附近的便宜餐馆”或“弗吉尼亚州的中国和高端食物”。

我们现在正在做什么它将查询标记化并在表中搜索性能成本最低（价格表（cheap-budget-expensive-high-end）小于地点列表的表） 。这是正确的方法吗？

- 问候。 叶海亚

Answer 1

我会说你应该建立一组同义词（例如廉价，低预算等进入synset：1）并将搜索字符串中的每个标记映射到其中一个组。

不过，在这里处理拼写错误很容易，因为这通常是一个非常小的搜索空间。编辑距离，普通k-gram，......任何事都应该没问题。

在下一步中，您应该为每个syn-groups构建反向索引列表，将地图组织到可以与该属性关联的已排序的餐馆列表中。对于查询中的每个syngroup，获取所有这些列表并简单地将它们相交。

除非您对可以编制索引的餐馆有某种全文，否则可能不得不忽略无法映射到其中一个同义词集的单词。在那，你也可以为“普通”单词建立这样的餐馆名单，并将它们相交。但这已经非常接近经典搜索引擎了，使用像apache lucence这样的技术可能是一个好主意。如果没有全文，我认为你不需要这样的东西，因为snygroups的倒排索引很容易自己处理。

Answer 2

似乎您可能会错过处理拼写错误的查询的方式。