休眠搜索不返回一组单词中最接近的单词

Question

我有休眠搜索端点，我需要返回一组单词中最接近的匹配项。 当我尝试进行搜索时，前 10 个结果中没有找到最接近的单词，下面是休眠搜索的 sn-p

FullTextEntityManager fullTextEntityManager = Search.getFullTextEntityManager(entityManager);
        QueryBuilder qb = fullTextEntityManager.getSearchFactory().buildQueryBuilder().forEntity(Test.class).get();
        org.apache.lucene.search.Query luceneQuery = qb.keyword().onFields("arg")
                .matching(searchTerm).createQuery();
        javax.persistence.Query jpaQuery = fullTextEntityManager.createFullTextQuery(luceneQuery, Test.class);

请问我怎样才能返回最接近的词组匹配

Answer 1

虽然全文搜索可以返回“相近匹配”（即考虑拼写错误等），但您仍然需要选择加入。

对于近似匹配，您有两种解决方案：

1. 使用"fuzzy" queries：这个解决方案是有限的，不是很可配置，但设置简单。
2. 配置分析仪。更可配置，但需要更多知识。

如果您使用解决方案 #2，我建议您查看这些资源以熟悉全文搜索：

• What's full-text search
• What's analysis

（这是Hibernate Search 6的文档，但概念与Hibernate Search 5相同）

那就看看how to configure an analyzer in Hibernate Search 5吧。

现在您应该对什么是分析器有了更好的了解：在索引和查询时将文本转换为将完全匹配的标记。近似匹配是通过近似转换实现的：如果分析将“Résumé”转换为“resume”，则查询“resume”将匹配包含“Résumé”的文档。

例如：

Document: "Quick Brown Fox" => "quick", "brown", "fox"
Queried: "Qick borwn fox" => "qick", "borwn", "fox"
Matching: "fox"

查询中有错字。该文档的搜索命中率应该很高，但不会因为只有一个词匹配“fox”。

为了获得更近似的匹配，一种策略是将单词分解为所谓的“ngram”。为此，请使用NGramFilterFactory，例如here for example。

如果我们设置分析以将单词分解为 3-gram，我们将得到：

Document: "quick brown fox" => "qui", "uic", "ick", "bro", "row", "own", "fox"
Queried: "qick borwn fox" => "qic", "ick", "bor", "orw", "rwn", "fox"
Matching: "ick", "fox"

现在稍微好一点：两个词会匹配，“ick”和“fox”。该文档将在结果列表中较高。

当然，它也不完美：

1. 您现在将获得与可能不相关的文档的匹配项，例如包含“fickle”（=>“fic”、“ick”、“kle”）的文档。这应该通过相关性排序来平衡，将最佳匹配放在结果列表的顶部附近：如果用户在顶部附近找到他想要的东西，他们不会介意其他结果是不相关的。
2. 单词“born”仍未被检测为匹配项。您可以在 3-gram 之上添加 2-gram，以便“wn”匹配，但要小心：您会得到更多不相关的匹配。

如您所见，获得完全符合您要求的全文搜索需要一些工作和配置；没有“一刀切”的解决方案。您只需要尝试不同的配置，看看哪种配置最适合您。