如何使用正克近似匹配使用Solr？(How to use n-grams approximate m

我们有电影和电视剧的数据库，并作为数据来自不同的可靠性的来源很多，我们希望能够做到对事件的标题模糊字符串匹配。我们使用Solr的在我们的应用程序搜索，但是默认的匹配机制上字的水平，这是不够的短字符串，如标题操作

我曾使用过的n-gram近似匹配，在过去，我很高兴地发现，Lucene的（和Solr）支持这个东西开箱。不幸的是，我一直没能正确配置。

我认为我需要为这个特殊的字段类型，所以我增加了以下字段类型我的schema.xml：

<fieldType 
   name="trigrams" 
   stored="true" 
   class="solr.StrField"> 
 <analyzer type="index"> 
   <tokenizer 
       class="solr.analysis.NGramTokenizerFactory" 
       minGramSize="3" 
       maxGramSize="5" 
       /> 
   <filter class="solr.LowerCaseFilterFactory"/> 
 </analyzer> 
</fieldType>

并改变相应的字段的架构：

<field name="title" type="trigrams" 
    indexed="true" stored="true" multiValued="false" />

但是，这是行不通的，因为我的预期。查询分析看起来正确，但我没有得到任何结果，这使我相信，事情发生在索引时间（即标题被索引像一个默认字符串场，而不是卦场）。

我想查询是一样的东西

title:"guy walks into a psychiatrist office"

（有一个错字或两个），并应符合“人走入精神病医生办公室”。

（我真的不知道，如果查询是正确的。）

此外，我希望能够做更多的事情，其实。我想lowercace字符串，删除所有标点符号和空格，删除停用词的英语，然后更改串入卦。然而，过滤器应用于字符串已经被符号化后，才...

在此先感谢您的回答。

Answer 1:

要回答你的问题的最后一部分：Solr中也有一个NGRAM过滤器。所以，你不应该使用NGRAM分词器（但一个像“WhitespaceTokenizer”为例），适用于所有NGRAM前置过滤器，然后添加这一项：

<filter class="solr.NGramFilterFactory" minGramSize="2" maxGramSize="3" />

Answer 2:

该解决方案被证明是非常简单的：并设置为默认操作，如果任何n元语法的不匹配，整个查询失败。所以，这足以补充：

<solrQueryParser defaultOperator="OR" />

在我的模式定义。