Solr Lucene 模糊匹配返回错误结果

Question

我正在尝试为我的应用程序测试 SOLR 以查找字符串之间的百分比匹配。

我现在只为名字匹配配置了 solr 并定义了模式，我在模式中使用了 text_general 数据类型（solr 3.3）。

在我的文档/csv 中，我保留了“rushik”一词，在 solr 查询中，我尝试使用“rushk”进行搜索 - 故意删除了“i”

理想情况下，使用 levenshtein 算法，上述两个字符串之间的距离为 1，因此字符串之间的百分比匹配应该是 (1 - distance/maxLen(string1, string2))，即 (1 - 1/6) = 0.83 - 这意味着两个字符串83% 匹配。

但在 solr 中，它的匹配直到我在查询中给出 rushk~0.79 - 当我使用 ~0.80、0.81 等时，它与文档不匹配。

不确定我对 levenshtein 字符串匹配的计算是否不正确，或者我如何准确地确定问题出在哪里。

非常感谢这里的任何帮助。

谢谢， 拉什克。

Answer 1

模糊查询的模糊百分比计算为 -

distance = 1 - ((double)dist / (double)Math.min(textlen, targetlen));
return (distance > FUZZY_THRESHOLD);

在您的情况下，它将是 1 - 1/5 = 0.8 所以这似乎是有效的。