使用不正確的自然語言字符串處理命令

Question

我們正在設計一個可以接受這種格式的命令的系統

command context

上下文是從大約200個元組的單詞列表中定義的，例如：

physical therapy
cardiac
physician visit
hospital inpatient
hospital outpatient
etc.

我們希望系統不僅能夠糾正用戶錯誤，例如拼寫錯誤，而且希望了解“物理療法”與“物理療法師”相同，並且還接受同義詞

最后，如果不是完全匹配，則應要求用戶區分最佳匹配

這就是我正在考慮的方式：

1. 阻止上下文詞和傳入查詢
2. 從查詢中刪除/隔離命令字符串
3. 檢查並糾正所有字謎（但是：這僅涵蓋一類拼寫錯誤）
4. 尋找完全匹配的單詞
5. 尋找“緊密匹配”

這似乎不是一個整潔的解決方案，尤其是步驟3和5。

有什么更好/更容易的方法？ 任何使用C＃編寫的庫，加分。

Lucene可以這樣做嗎？ 任何指導表示贊賞。

謝謝！

Answer 1

對於您的目的來說，它可能太不精確了，但是Soundex是一種常見的算法，用於判斷兩個單詞是否“聽起來相似”。

Answer 2

我認為Lucene最好只在第4步和第5步應用，因為Lucene當前僅支持“全局”意義上的近似匹配（通配符-“？”用於匹配單個字符，“ *”用於匹配多個字符）。

關於近似匹配，有一整套文獻-我將從agrep工作開始，然后從那里開始（但是部分原因是因為我熟悉agrep）。