使用 lucene 进行模糊搜索

Question

我使用 lucene 4.3.1 实现了模糊搜索，但我对结果不满意。我想指定它应该返回的一些结果。因此，例如，如果我想要 10 个结果，它应该返回 10 个最佳匹配项，无论它们有多糟糕。大多数情况下，如果我搜索的单词与索引中的任何内容都非常不同，它不会返回任何内容。我怎样才能获得更多/更模糊的结果？

这是我的代码：

    public String[] luceneQuery(String query, int numberOfHits, String path)
        throws ParseException, IOException {

    File dir = new File(path);
    Directory index = FSDirectory.open(dir);

    query = query + "~";
    Query q = new QueryParser(Version.LUCENE_43, "label", analyzer)
            .parse(query);

    IndexReader reader = DirectoryReader.open(index);
    IndexSearcher searcher = new IndexSearcher(reader);

    Query fuzzyQuery = new FuzzyQuery(new Term("label", query), 2);

    ScoreDoc[] fuzzyHits = searcher.search(fuzzyQuery, numberOfHits).scoreDocs;
    String[] fuzzyResults = new String[fuzzyHits.length];

    for (int i = 0; i < fuzzyHits.length; ++i) {
        int docId = fuzzyHits[i].doc;
        Document d = searcher.doc(docId);
        fuzzyResults[i] = d.get("label");
    }

    reader.close();
    return fuzzyResults;
}

Answer 1

Lucene 4.x 中的FuzzyQuery 不再支持大编辑距离。 FuzzyQuery 的当前实现是对 Lucene 3.x 实现的性能的巨大改进，但仅支持两个编辑。大于 2 Damerau–Levenshtein 编辑的距离被认为很少真正有用。

根据FuzzyQuery documentation，如果你真的必须有更高的编辑距离：

如果您确实需要，请考虑使用 n-gram 索引技术（例如建议模块中的 SpellChecker）。

强烈的暗示是，您应该重新考虑您要完成的工作，并找到更有用的方法。