lucene - 部分词的文档搜索

Question

我正在寻找能够搜索部分术语的文档搜索引擎(如 Xapian、Whoosh、Lucene、Solr、Sphinx 或其他)。

例如，在搜索术语“brit”时，搜索引擎应返回包含“britney”或“britain”的文档，或者通常包含与 r *brit* 匹配的词的任何文档。

切线地，我注意到大多数引擎使用 TF-IDF(术语频率 - 逆文档频率)或其基于完整术语而不是部分术语的衍生物。除了用于文档检索的 TF-IDF 之外，还有其他已经成功实现的技术吗？

Answer 1

使用 lucene，您可以通过多种方式实现这一点:

1.) 您可以使用通配符查询 *brit* (您必须将查询解析器设置为允许前导通配符)

2.) 您可以创建一个包含 N-Grams of all the terms 的附加字段.这将导致更大的索引，但在许多情况下会更快(搜索速度)。

3.) 您可以使用模糊搜索来处理查询中的输入错误。例如有人输入 britnei但想找britney .

对于通配符查询和模糊搜索，请查看 query syntax docs .