mongodb近似字符串匹配

Question

我正在尝试使用 mongo db 为我的食谱网站实现搜索引擎。 我正在尝试在预先输入的小部件框中向用户显示搜索建议。

我什至试图支持拼写错误的查询（levenshtein distance）。

例如：每当用户输入“pza”时，预输入应显示“pizza”作为建议之一。

如何使用 mongodb 实现这样的功能？

请注意，搜索应该是即时的，因为搜索结果将由预先输入的小部件获取。我将运行搜索查询的集合最多有 100 万个条目。

我想过实现 levenshtein 距离算法，但这会降低性能，因为收集量很大。

我在 mongo 2.6 中阅读的 FTS（全文搜索）现在相当稳定，但我的要求是近似匹配，而不是 FTS。 FTS 不会为“pizza”返回“pza”。

请推荐我有效的方法。

我正在使用 node js mongodb 原生驱动。

Answer 1

MongoDB 中的text search 功能（在 2.6 中）没有任何用于模糊/部分字符串匹配的内置功能。正如您所指出的，该用例目前侧重于使用基本布尔运算符和单词/短语匹配的语言和词干支持。

根据您的要求以及您希望如何限定“高效”（速度、存储、开发时间、所需的基础设施等），有几种可能的模糊匹配方法可供考虑：

• 使用一些现成的相似和相似算法在您的应用程序逻辑中实现对模糊/部分匹配的支持。这种方法的好处包括无需添加任何额外的基础架构，并且能够根据您的要求进行密切调整。

  更多详细示例，请参见：Efficient Techniques for Fuzzy and Partial matching in MongoDB。

• 与提供更高级搜索功能的外部搜索工具集成。这会为您的部署增加一些复杂性，并且可能只是为了预先输入而过度使用，但您可能会发现您希望在应用程序的其他地方合并的其他搜索功能（例如“like this”、单词邻近度、分面搜索......）。

  例如参见：How to Perform Fuzzy-Matching with Mongo Connector and Elastic Search。注意：ElasticSearch 的fuzzy query 是基于 Levenshtein 距离的。

• 使用自动完成库，例如 Twitter 的开源 typeahead.js，其中包括建议引擎和查询/缓存 API。 Typeahead 实际上是对任何其他后端方法的补充，其（可选）建议引擎 Bloodhound 支持预取以及在本地存储中缓存数据。

Answer 2

最好的情况是使用弹性搜索模糊查询： https://www.elastic.co/guide/en/elasticsearch/reference/current/query-dsl-fuzzy-query.html

它支持开箱即用的 levenshtein 距离算法，并具有对您的要求有用的附加功能，即： - 更像这样 - 强大的方面/聚合 - 自动完成