Lucene Spellchecker 排名建议奇怪

Question

我正在使用 Lucene.NET contrib NuGet 包 v3.0.3 中的拼写检查器。

拼写检查索引是使用_spellChecker.IndexDictionary(new SpellChecker.Net.Search.Spell.LuceneDictionary(reader, "Name"));创建的

我遇到的问题是（我假设）由于带状疱疹/n-gram 的工作方式，运行 _spellChecker.SuggestSimilar("Wiess") 的“Weiss”得分不会很高。 “Witness”、“Wireless”和“Wills”的得分高于“Weiss”。

似乎“Weiss”的得分应该高于“Wireless”。有没有办法可以调整它以获得这个结果？

Answer 1

您还没有提供 DOES 返回的内容，所以我假设您只是不喜欢它所提供的东西，而不是它没有给您任何东西。

在 Lucene 文档中，没有采用 1 个参数的 SuggestSimilar 方法。我相信这是因为你不应该只依赖一个结果，根据 API，最少参考建议参数的数量：

“即如果 numSug == 1，不要指望那个建议是最好的。因此，您应该将此值设置为至少 5 以获得好的建议。”

我假设您可以提供第二个参数。尝试将其设置得更高，看看你会得到什么。

编辑--

好的。我知道了。也许一个简单的 Levenshtein 距离风格算法会更符合您的要求。 Lucene 4.0 为此提供了一个（实验性的）新拼写检查器：DirectSpellChecker。此外，我相信一个简单的FuzzyQuery 也可以完成这项工作。这两种方法中的任何一种都会删除 SpellChecker 算法的某些方面，从而有效地简化它，而且您可能会发现您的结果总体上会变得更糟。

注意：

• “威斯”“威斯”距离 2
• “威斯”“见证”距离 2
• “威斯”“无线”距离 3
• “威斯”“威尔斯”距离 2

所以，实际上，这可能不会让你有太多收获。您可能会编写一个过滤器来选择与查询相同长度的结果，但这无助于区分 Wills。那个你可能不得不忍受的人。

Answer 2

这个问题引出了另一个问题。见答案：Lucene SpellChecker Prefer Permutations or special scoring

非常感谢 femtoRgon 为我指明了正确的方向。