使用Lucene查找带有长查询短语的较短索引文本？

Question

我正在使用Lucene作为尽力匹配，从用户输入映射到以前输入的长列表进行分类 - 到目前为止，这种情况非常有用。

有问题的例子：

指数：

• 福特
• 梅赛德斯
• 本田
• 我非常喜欢丰田

输入：

• 福特（完全匹配：效果很好）
• toyota（在较长的索引条目中部分匹配：效果很好）
• 我以前有一个奔驰但现在我不会（包含短精确匹配的较长文本：通常会给出一个完全不相关的长期模糊匹配 - 或者什么都没有）

我想我正在寻找的是找到最长的常见子序列，以防它不是前两种情况之一 - 但话说回来，我对Lucene来说相对较新，所以也许我只是不知道足够的搜索-lingo正确解释。

Answer 1

您可能需要的是 n-gramm相似性

请参阅NGramDistance课程

修改维基百科链接http://en.wikipedia.org/wiki/Approximate_string_matching