部分单词的文档搜索

Question

我正在寻找能够搜索部分术语的文档搜索引擎（如 Xapian、Whoosh、Lucene、Solr、Sphinx 或其他）。

例如，当搜索“brit”一词时，搜索引擎应返回包含“britney”或“britain”的文档，或者通常包含与 r*brit* 匹配的词的任何文档

我注意到大多数引擎都使用 TF-IDF（词频-逆文档频率）或其基于完整词而不是部分词的派生词。除了 TF-IDF 之外，还有没有其他成功实现文档检索的技术？

Answer 1

使用 lucene，您可以通过多种方式实现这一点：

1.) 您可以使用通配符查询*brit*（您必须将查询解析器设置为允许前导通配符）

2.) 您可以创建一个包含N-Grams of all the terms 的附加字段。这会产生更大的索引，但在许多情况下会更快（搜索速度）。

3.) 您可以使用模糊搜索来处理查询中的输入错误。例如有人输入了britnei，但想找到britney。

对于通配符查询和模糊搜索，请查看query syntax docs。