数据集上的模糊索引

Question

我遇到了一个问题，我需要提供搜索功能，其中 用户可以提供“他/她知道的尽可能多的信息”。这个数据集应该是 与不同的查找表匹配以确定我是否可以可靠地关联它 针对我们的本地身份证之一。例如，如果我们有此搜索查询的记录。 大多数字段都是模糊的。

示例： 一个字段可以是名称（用户只有名字）和另一条街道 用户只有门牌号。

数据集大小适中（约 1000 万个条目）。

解决这个问题的最佳方法是什么？ SQL + soundex？卢森？

谢谢！

Answer 1

您可以在 Lucene 中对文档进行评分并比较相似度。像 Lucene 这样的倒排索引工具应该比 SQL 中的传统键值查找更快且更具可扩展性。