我想用编辑距离来搜索Lucene索引。我希望所有文档的名字与“john”相距1个编辑距离。我知道Lucene支持模糊搜索（FIRST_NAME：john~），并使用0到1之间的数字来控制模糊性。问题（对我来说）是这个数字不能直接转换为编辑距离。而且当文档中的值是短字符串（少于3个字符）时，模糊搜索很难找到它们。例如，如果有一个文档的FIRST_NAME为'J'，而我搜索FIRST_NAME：I~0.0，我什么也找不到。
lo8azlld1#
在Lucene的FuzzyQuery中，你不能指定确切的距离。你可以指定0到1之间的“模糊性”值，其中值越接近0表示宽匹配，值越接近1表示窄匹配。“模糊性”的公式如下。（摘自Lucene in Action）
从这个公式中，你可以返回到一个给定距离值的近似模糊度。因此，StackOverflow要与StackUnderflow匹配，距离为3，所需的模糊度大约为0.77。
StackOverflow
StackUnderflow
o8x7eapl2#
如果只需要1个编辑距离，并且如果结果可以包含完全匹配，则可以在查询语言中使用单字符通配符。如果名称为
john
则与它和1个编辑距离内的任何搜索项匹配的查询将如下所示
?john OR j?ohn OR jo?hn OR joh?n OR john? OR ohn OR jhn OR joh OR ?ohn OR j?hn OR jo?n OR joh?
对于更复杂的情况，您可能需要获取索引中的术语列表（使用IndexReader.term（）），将那些与索引相距1个编辑距离的术语保留下来，然后搜索这些术语中的任何一个。
2条答案
按热度按时间lo8azlld1#
在Lucene的FuzzyQuery中，你不能指定确切的距离。你可以指定0到1之间的“模糊性”值，其中值越接近0表示宽匹配，值越接近1表示窄匹配。“模糊性”的公式如下。（摘自Lucene in Action）
从这个公式中，你可以返回到一个给定距离值的近似模糊度。因此，
StackOverflow要与StackUnderflow匹配，距离为3，所需的模糊度大约为0.77。o8x7eapl2#
如果只需要1个编辑距离，并且如果结果可以包含完全匹配，则可以在查询语言中使用单字符通配符。如果名称为
则与它和1个编辑距离内的任何搜索项匹配的查询将如下所示
对于更复杂的情况，您可能需要获取索引中的术语列表（使用IndexReader.term（）），将那些与索引相距1个编辑距离的术语保留下来，然后搜索这些术语中的任何一个。