在 Lucene Spell Checker 5.3.1 中，无论它有多糟糕，如何获得最近的匹配？答案

【问题标题】：in Lucene Spell Checker 5.3.1, how to get nearest match regardless of how bad it is?在 Lucene Spell Checker 5.3.1 中，无论它有多糟糕，如何获得最近的匹配？
【发布时间】：2015-12-05 06:16:19
【问题描述】：

我有一些看起来像这样的代码（片段）：

public List<String> search(String streetNumber, String streetDirection, String streetName) throws ParseException, IOException {

    IndexReader ir = DirectoryReader.open(fsDirectory);
    Dictionary d = new LuceneDictionary(ir, "text");

    try(SpellChecker spellchecker = new SpellChecker(fsDirectory)) {
        IndexWriterConfig indexWriterConfig = new IndexWriterConfig(analyzer);
        spellchecker.indexDictionary(d, indexWriterConfig, true);
        String text = streetNumber + " " + streetDirection + " " + streetName;
        String[] suggestions = spellchecker.suggestSimilar(text, MAX_MATCHES, 0.00001F);
        return Arrays.asList(suggestions);
    }
}

我用这个来测试它：

package ctc.api.web.service.impl;

import java.io.IOException;
import java.util.Arrays;
import java.util.List;

import org.apache.lucene.queryparser.classic.ParseException;
import org.testng.annotations.Test;

public class LuceneIndexServiceImplTest {

  @Test
  public void f() throws ParseException, IOException {

      LuceneIndexServiceImpl t = new LuceneIndexServiceImpl();

      String[] texts = { "123 n main st", "234 s apple st", "345 w orange st" };

      t.addToIndex(Arrays.asList(texts).stream());

      List<String> r;

      r = t.search("123", "n", "moin");
      org.testng.Assert.assertEquals(r.toString(), "[123 n main st]");

      r = t.search("234", "", "opple");
      org.testng.Assert.assertEquals(r.toString(), "[234 s apple st]");

      r = t.search("345", "", "oge ave");
      org.testng.Assert.assertEquals(r.toString(), "[345 w orange st]");

      r = t.search("", "", "geez");
      org.testng.Assert.assertEquals(r.toString(), "[345 w orange st]");

  }
}

不幸的是，我似乎无法让最后一个断言通过。 Lucene 返回空，因为匹配太差（只有字母“ge”匹配）。不幸的是，对于我的应用程序，ANY 匹配总比 NO 匹配好。

如何强制 Lucene 拼写检查通过编辑距离返回最近的字符串？

【问题讨论】：

标签： java lucene

【解决方案1】：

这种方法在 lucene 中称为 Fuzzy Search。引用来自 lucene doc

模糊搜索

Lucene 支持基于 Levenshtein 距离的模糊搜索，或者编辑距离算法。要进行模糊搜索，请使用波浪号“~”，单个单词术语末尾的符号。例如搜索一个与“漫游”拼写相似的术语使用模糊搜索：

roam~ 这个搜索会找到像foam和roams这样的词。

从 Lucene 1.9 开始，一个额外的（可选的）参数可以指定所需的相似性。该值介于 0 和 1 之间，具有值接近 1 只有相似度较高的词才能匹配。例如：

roam~0.8 如果没有给出参数，则使用的默认值是 0.5.

为模糊搜索提供了许多解决方案，例如How to get Lucene Fuzzy Search result 's matching terms?

【讨论】：

不。 FuzzySearch 的编辑距离限制为 2。