模糊搜索-最小相似度问题

Question

我正在使用Lucene.Net版本3.0.3，并使用StandardAnalyzer创建索引。

我的索引中有一个文本，似乎模糊搜索无法正常工作。

• 文档中的文本：CUBAEXPORT
• 正在搜索的文本：CUBAEXPOR
• 最小相似度：90％
• Length（CUBAEXPORT）= 10
• Length（CUBAEXPOR）= 9
• 编辑距离= 1
• 相似度=（（10-1）/ 10）* 100 = 90％

据我所知，CUBAEXPOR的发现率必须为90％，但发现为88％。

Answer 1

它基于搜索词的长度和索引词的长度中的较小者。因此，由于您的搜索词的长度为9，因此允许一个编辑距离的最小相似度为0.88。

最大编辑距离的计算是这样的：

int maxEdits = (int)((1-minSim) * (Math.min(textLength, targetLength)));

另外，请记住，浮点精度在这里可能是一个问题！因此，如果您将minSim = 0.8设置为5，则长度将为0，因为(1-(float).8)*5 = .99999994，并将其强制转换为int会得到0。

长而短，我不用担心磨细[[精确地在模糊查询上画线的地方。（而且我很高兴lucene消除了这种基于百分比的模糊相似性伪装）