Java:概率文本匹配，检测文本匹配的百分比。

Question

我正在开发一个具有搜索功能的 Java 应用程序。现在，对于搜索，我正在使用通配符进行搜索。因此，如果有人搜索“Hello Kitty”，他们还会得到 kit、hell、hello 等结果。搜索后，我根据他们的点击为结果分配分数，但是我如何比较结果来得出结论:结果是100%匹配或80%匹配，例如“Hello Kit”，几乎与“hello kitty”匹配。有什么办法可以做到这一点吗？

搜索代码:

Directory directory = FSDirectory.open(path);
 IndexReader indexReader = DirectoryReader.open(directory);
 IndexSearcher indexSearcher = new IndexSearcher(indexReader);
 Query query = new WildcardQuery(new Term("contents", "*" + str + "*"));
  TopDocs topDocs = indexSearcher.search(query, 1000);
 for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
        Document document = indexSearcher.doc(scoreDoc.doc);
        IndexableField value = document.getField("score");
        if (value != null) {
               sortedMap.put(Integer.valueOf(document.get("id")), (Integer) value.numericValue());
          } else {
               sortedMap.put(Integer.valueOf(document.get("id")), 0);
            }
  }
  indexSearcher.getIndexReader().close();
  directory.close();

谢谢。

Answer 1

听起来您正在寻找骰子系数。这是一个java实现:

public static double diceCoefficient(String s1, String s2)
{
    Set<String> nx = new HashSet<String>();
    Set<String> ny = new HashSet<String>();

    for (int i=0; i < s1.length()-1; i++) {
        char x1 = s1.charAt(i);
        char x2 = s1.charAt(i+1);
        String tmp = "" + x1 + x2;
        nx.add(tmp);
    }
    for (int j=0; j < s2.length()-1; j++) {
        char y1 = s2.charAt(j);
        char y2 = s2.charAt(j+1);
        String tmp = "" + y1 + y2;
        ny.add(tmp);
    }

    Set<String> intersection = new HashSet<String>(nx);
    intersection.retainAll(ny);
    double totcombigrams = intersection.size();

    return (2*totcombigrams) / (nx.size()+ny.size());
}

https://en.wikibooks.org/wiki/Algorithm_Implementation/Strings/Dice%27s_coefficient#Java

该算法将 0 到 1 之间的数字分配给一对字符串，数字越大，它们越相似。所以基本上就是你所要求的。