全文搜索的最接近匹配答案

【问题标题】：Closest match for Full Text Search全文搜索的最接近匹配
【发布时间】：2010-10-01 17:06:38
【问题描述】：

我正在尝试对我的网站进行内部搜索，以防万一输入错误的单词，类似于你的意思：在谷歌搜索中。

有人知道如何进行这样的搜索吗？我们如何确定我们假设用户打算搜索的单词或短语的相关性？

我使用带有 FTS (fullTextSearch) 的 asp.net 和 sql server 2005

谢谢

【问题讨论】：

标签： asp.net sql-server-2005 full-text-search design-patterns string-matching

【解决方案1】：

我能想到的最简单的方法是编写一个函数，返回两个单词之间的不匹配程度，然后循环遍历所有单词并找到最佳单词。

我使用分支定界方法完成了这项工作。让我挖掘代码：

bool matchWithinBound(char* a, char* b, int bound){
  // skip over matching characters
  while(*a && *b && *a == *b){a++; b++;}
  if (*a==0 && *b==0) return true;
  // if bound too low, quit
  if (bound <= 0) return false;
  // try assuming a has an extra character
  if (*a && matchWithinBound(a+1, b, bound-1)) return true;
  // try assuming a had a letter deleted
  if (*b && matchWithinBound(a, b+1, bound-1)) return true;
  // try assuming a had a letter replaced
  if (*a && *b && matchWithinBound(a+1, b+1, bound-1)) return true;
  // try assuming a had two adjacent letters swapped
  if (a[0] && a[1]){
    char temp;
    int success;
    temp = a[0]; a[0] = a[1]; a[1] = temp;
    success = matchWithinBounds(a, b, bound-1);
    temp = a[0]; a[0] = a[1]; a[1] = temp;
    if (success) return true;
  }
  // can try other modifications
  return false;
}

int DistanceBetweenWords(char* a, char* b){
  int bound = 0;
  for (bound = 0; bound < 10; bound++){
    if (matchWithinBounds(a, b, bound)) return bound;
  }
  return 1000;
}

【讨论】：

【解决方案2】：

这是通过正则表达式查询与短语匹配的最接近的关键字。

Here 是一篇可能对您有所帮助的好文章。

【讨论】：

文章+1。但我认为这不是我们所要求的。 =) 有问题的功能更像是“你是说 Jon Skeet 吗？”当有人搜索“大师”时。
我从stackoverflow.com/questions/305223#306973 那里听到了这个笑话。我的意思是，在键入时完成和纠正拼写是不同的。
确实是一篇好文章——很遗憾，如果用户输入了错误的字符，你怎么知道？假设用户输入“Skatch”而不是“Sketch”，一些搜索引擎是否会运行 Levenstein 距离等算法来计算最接近的匹配？

【解决方案3】：

您可以使用一种算法来确定字符串相似性，然后从您的搜索索引中建议其他字符串，直至达到一定的差异。

其中一种算法是Levenshtein distance。

但是，不要忘记搜索现有的解决方案。我认为例如Lucene 具有搜索相似字符串的能力。

顺便说一句，这里有一篇关于这个主题的相关帖子：How does the Google “Did you mean?” Algorithm work?

【讨论】：

【解决方案4】：

使用 T-SQL 可以使用SOUNDEX 函数对单词进行拼音比较。

如果您获取用户输入，然后通过 soundex 代码将其与数据库中的其他单词进行比较，您应该能够得出一个“你的意思是”的列表吗？单词。

例如

select SOUNDEX('andrew')
select SOUNDEX('androo')

都将产生相同的输出 (A536)。

现在有更好的算法，但是 soundex 是内置在 sql server 中的。

【讨论】：

【解决方案5】：

你为什么不用google power？，你可以使用他们的推荐服务

here是c#上的一个例子

【讨论】：