java - 短语匹配引擎

Question

我想开发一个句子匹配引擎。引擎将生成一个结果，它是与输入最匹配的句子。即使是最小匹配，引擎也必须从数据集(一个包含很多句子的文本文件)中生成一个输出。

例如:输入:
你好，我是 Nidhin Joseph
数据集:
1). 你好，你好吗？
2). 我是 Nidhin。
3). 我是 Nidhin Joseph 你好。
这三个里面，按照我的要求，最配的是 第三句。 我是根据词命中率和词序来排名的。
我的输入:{"Hello","I","am","Nidhin","Joseph"}
我的输出:{"I","am","Nidhin","Joseph","Hello"}
这里没有单词命中 = 4
相对有序的单词数 = 4
我不知道我是否能够向您传达我的想法。如果我做到了，那么请 告诉我，Java 中是否已经有类似的库。 如果没有，请引导我朝着正确的方向发展，以便我可以更轻松地开发它。

Answer 1

我建议使用 Levenshtein 距离算法。您可以对整个句子使用标准算法，将其视为一长串字符(包括空格和标点符号)。

根据您的要求，您可以尝试一些变体，例如对所有单词运行 Porter 词干分析器或忽略标点符号。您甚至可以修改 Levenshtein 算法以使用单词作为其原子而不是字符。