Поиск документов по частичным словам

Question

Я ищу поисковую систему документа (например, Xapian, Whoosh, Lucene, Solr, Sphinx или другие), которая способна искать частичные термины.

Например, при поиске термина «Brit» поисковик должен возвращать документы, содержащие либо «Britney» или «Британию» или вообще любой документ, содержащий соответствующий слово г *brit*

тангенциально, я заметил, большинство двигателей использовать TF-IDF (временная частота - обратная частота документа) или ее производные, которые основаны на полных условиях, а не на частичных условиях. Существуют ли какие-либо другие методы, которые были успешно реализованы помимо TF-IDF для поиска документов?

Answer 1

С Lucene вы могли бы реализовать несколько способов:

1.) Вы можете использовать подстановочные запросы *brit* (Вы должны установить анализатор запросов, чтобы позволить ведущим джокерам)

2 .) Вы можете создать дополнительное поле, содержащее N-Grams of all the terms. Это приведет к увеличению индексов, но во многих случаях будет быстрее (скорость поиска).

3.) Вы можете использовать нечеткий поиск для обработки ошибок ввода в запросе. например кто-то напечатал britnei, но хотел бы найти britney.

Для подстановочных запросов и нечетких поисков посмотрите на query syntax docs.