使用 levenshtein 距离生成摘录

Question

好的，我正在构建一个搜索引擎。以及能够提取相关词的搜索模块。现在我有一个单词列表及其在原始源文本中的偏移量。使用 levenshtein 距离来计算查询字符串和源文本部分之间的差异是一个坏主意（从给定单词的偏移量开始，直到查询字符串的长度)。问我是否认为这会帮助我更快地生成摘录。

它不需要邻近搜索等，只有正常的“ANY”和“ALL”模式。顺便说一句，结果已经排序，所以我现在只看摘录一代。谢谢。

Answer 1

构建从文本到包含的单词（及其计数）的一对多映射。这个“词袋”向量可以用于许多不同的技术。