lucene - 模糊搜索 - minimumSimilarity 有问题

Question

我使用 Lucene.Net ver 3.0.3 并使用 StandardAnalyzer 创建索引。

我的索引中有一个文本，似乎模糊搜索不起作用。

文档中的文本:CUBAEXPORT

正在搜索的文本:CUBAEXPOR

最小相似度:90%

长度(CUBAEXPORT)= 10

长度(CUBAEXPOR)= 9

编辑距离 = 1

相似度 = ((10 - 1)/10 ) * 100 = 90%

据我了解， CUBAEXPOR必须在 90% 处找到，但在 88% 处找到。

Answer 1

它基于搜索词的长度和索引词的长度中的较小者。因此，由于您的搜索词的长度为 9，因此 0.88 相似度是允许一个编辑距离的最小值。

最大编辑距离的计算是这样的:

int maxEdits = (int)((1-minSim) * (Math.min(textLength, targetLength)));

另外，请记住，浮点精度在这里可能是一个问题!因此，如果您设置 minSim = 0.8，并尝试将长度设为 5，您将有 0 个 maxEdits，因为 (1-(float).8)*5 = .99999994，并将其转换为 int 会得到 0。

总而言之，我不会过分担心在模糊查询中精确绘制线条的位置。
(我很高兴 lucene 摒弃了这种基于百分比的模糊相似性愚蠢行为)