Lucene中两个文件之间的区别

Question

在C＃中的Lucene中，我试图找出索引是否包含重复文件或几乎相同，以查看是否需要将其替换为新文件。要做到这一点，我想办法可能是使用MoreLikeThis类，然后获取相关文档的列表。然后在比较这些相关文档后，看看它们是否与我添加的文档匹配 - 比如90％匹配。然后，程序将询问用户是否两者是重复的以及保留哪一个。

1. 这可以用Lucene完成吗？ ......这是最好的办法吗？
2. 如果无法做到这一点，请使用Levenshtein Distance Algorithm比较两个文件的最有效方法，看看它们是否有类似匹配？

谢谢！

Answer 1

用于将文档与lucene进行比较，您还可以使用TermFreqVector并在索引中保存TermVector。您也可以使用此vecotr计算Dirichlet相似度。