luceneによるファジー検索

Question

私はlucene 4.3.1でファジー検索を実装しましたが、結果に満足できません。私はそれが返すべき結果の数を指定したいと思います。たとえば、10個の結果が必要な場合は、どれくらい悪いものであっても10個のベストマッチが返されます。ほとんどの場合、私が検索した単語がインデックス内のものと非常に異なる場合は、何も返しません。より多くの/よりファジーな結果を得るにはどうすればいいですか？

public String[] luceneQuery(String query, int numberOfHits, String path) 
     throws ParseException, IOException { 

    File dir = new File(path); 
    Directory index = FSDirectory.open(dir); 

    query = query + "~"; 
    Query q = new QueryParser(Version.LUCENE_43, "label", analyzer) 
      .parse(query); 

    IndexReader reader = DirectoryReader.open(index); 
    IndexSearcher searcher = new IndexSearcher(reader); 

    Query fuzzyQuery = new FuzzyQuery(new Term("label", query), 2); 

    ScoreDoc[] fuzzyHits = searcher.search(fuzzyQuery, numberOfHits).scoreDocs; 
    String[] fuzzyResults = new String[fuzzyHits.length]; 

    for (int i = 0; i < fuzzyHits.length; ++i) { 
     int docId = fuzzyHits[i].doc; 
     Document d = searcher.doc(docId); 
     fuzzyResults[i] = d.get("label"); 
    } 

    reader.close(); 
    return fuzzyResults; 
} 

Answer 1

大きな編集距離もはやのLucene 4.xではFuzzyQueryによってサポートされています。ここで私が持っているコードは

FuzzyQueryの現在の実装は、の巨大なのLucene 3.x実装からのパフォーマンスの改善ですが、2つの編集だけをサポートしています。 2 Damerau-Levenshteinの編集距離を超える距離は、ほとんど役に立たないと考えられます。 FuzzyQuery documentationによると

、あなたが本当に高い編集距離を持っている必要がある場合：

あなたが本当にこれをしたい場合は、代わりに（そのよう示唆モジュール内のスペルチェッカーなど）nグラムインデックス技術を使用することを検討してください。

強力な意味は、達成しようとしていることを再考し、より有用なアプローチを見つけることです。