模糊搜索 - minimumSimilarity 有问题

Question

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

我的索引中有一段文本，模糊搜索似乎对其不起作用。

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

据我了解，CUBAEXPOR 一定是找到了 90%，但现在找到了 88%。

Answer 1

它基于搜索词的长度和索引词的长度中较小的一个。因此，由于您的搜索词的长度为 9，因此 0.88 的相似度是允许一个编辑距离的最小值。

最大编辑距离的计算是这样的：

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

此外，请记住，浮点精度在这里可能是个问题！因此，如果您要设置 minSim = 0.8，并尝试将长度设置为 5，您将得到 0 个 maxEdits，因为 (1-(float).8)*5 = .99999994，并将其转换为 int 会得到 0.

总而言之，我不会过分担心确切地在您的模糊查询中画线的地方。
_{（我很高兴 lucene 取消了这种基于百分比的模糊相似性 tomfoolery）}