在 Solr 中模糊搜索整個文本的一部分

Question

我的 Solr 索引有以下字段聲明：

<field name="description" type="text_ci" indexed="true" multiValued="false" required="true"/>

字段類型：

<fieldType name="text_ci" class="solr.TextField" omitNorms="true" sortMissingLast="true">
    <analyzer type="index">
        <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType> 

在此索引中，我有文檔，其中描述值類似於“{city} 的住宿”（它們都有不同的城市）

我想進行模糊搜索，例如當我輸入拼寫錯誤的*acomodation*~2以獲取結果時，但我發現這很困難，因為“accomodation”只是文本的一部分。

我正在考慮使用 NGramFilter 來標記輸入，但我不確定這是否是正確的方法以及如何實現它。

你知道我能做什么嗎？

Answer 1

Lucene 支持基於 Levenshtein 距離或編輯距離算法的模糊搜索。 要進行模糊搜索，請在單個單詞 Term 的末尾使用波浪號"~"符號。

我認為這里不需要 NGramFilter。

~運算符用於運行模糊搜索。 您需要在每個術語后添加~運算符，還可以指定編輯距離，之后是可選的，如下所示。

{FIELD_NAME:TERM_1~{Edit_Distance}

您的請求將如下所示。

http://localhost:8983/solr/FuzzySearchExample/select?indent=on&q=desc:Samsu~&wt=json&fl=id,desc

我的字段類型如下。

<fieldType name="text_ci" class="solr.TextField" omitNorms="true" sortMissingLast="true">
    <analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="solr.KeywordTokenizerFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>

我得到了以下對acomodation~2或acomodation~1回應

我得到以下關於acomodation回應。