c# - Lucene 拼写检查器排名建议很奇怪

Question

我正在使用 Lucene.NET contrib NuGet 包 v3.0.3 中的拼写检查器。

拼写检查器索引是使用 _spellChecker.IndexDictionary(new SpellChecker.Net.Search.Spell.LuceneDictionary(reader, "Name")); 创建的；

我遇到的问题是(我假设)由于 shingles/n-grams 的工作方式，运行 _spellChecker.SuggestSimilar("Wiess") 不会得分“Weiss”很高。 “Witness”、“Wireless”和“Wills”得分高于“Weiss”。

看来“Weiss”的得分应该高于“Wireless”。有什么方法可以调整它以获得该结果吗？

Answer 1

您还没有提供返回的内容，所以我假设您只是不喜欢它所提供的内容，而不是它没有给您带来任何好处。

在 Lucene 文档中，没有采用 1 个参数的 SuggestSimilar 方法。我相信这是因为您永远不应该只依赖一个结果，根据 API，对建议参数数量的最小引用:

“也就是说，如果 numSug == 1，则不要指望该建议是最好的建议。因此，您应该将此值设置为至少 5，以获得一个好的建议。”

我假设您可以提供第二个参数。尝试将其设置得更高，看看会得到什么。

编辑--

好的。我懂了。也许一个简单的 Levenshtein 距离风格算法更适合您。 Lucene 4.0 为此提供了一个(实验性)新的拼写检查器:DirectSpellChecker 。另外，一个简单的FuzzyQuery我相信，也能完成这项工作。这些方法中的任何一种都会删除 SpellChecker 算法的某些方面，从而有效地简化它，并且您可能会发现您的结果总体上会变得更糟。

注意:

• “维斯”“维斯”距离 2
• “Wiess”“见证人”距离2
• “Wiess”“无线”距离 3
• “Wiess”“Wills”距离 2

所以，实际上，这可能对你没有多大帮助。您可能可以编写一个过滤器，优先选择与查询长度相等的结果，但这无助于区分遗嘱。你可能不得不忍受的那个人。