在Lucene拼写检查器5.3.1中，如何获得最接近的匹配，无论它有多糟糕？

Question

我有一些代码看起来像这样(片段)：

public List<String> search(String streetNumber, String streetDirection, String streetName) throws ParseException, IOException {

    IndexReader ir = DirectoryReader.open(fsDirectory);
    Dictionary d = new LuceneDictionary(ir, "text");

    try(SpellChecker spellchecker = new SpellChecker(fsDirectory)) {
        IndexWriterConfig indexWriterConfig = new IndexWriterConfig(analyzer);
        spellchecker.indexDictionary(d, indexWriterConfig, true);
        String text = streetNumber + " " + streetDirection + " " + streetName;
        String[] suggestions = spellchecker.suggestSimilar(text, MAX_MATCHES, 0.00001F);
        return Arrays.asList(suggestions);
    }
}

我用下面的代码来测试它：

package ctc.api.web.service.impl;

import java.io.IOException;
import java.util.Arrays;
import java.util.List;

import org.apache.lucene.queryparser.classic.ParseException;
import org.testng.annotations.Test;

public class LuceneIndexServiceImplTest {

  @Test
  public void f() throws ParseException, IOException {

      LuceneIndexServiceImpl t = new LuceneIndexServiceImpl();

      String[] texts = { "123 n main st", "234 s apple st", "345 w orange st" };

      t.addToIndex(Arrays.asList(texts).stream());

      List<String> r;

      r = t.search("123", "n", "moin");
      org.testng.Assert.assertEquals(r.toString(), "[123 n main st]");

      r = t.search("234", "", "opple");
      org.testng.Assert.assertEquals(r.toString(), "[234 s apple st]");

      r = t.search("345", "", "oge ave");
      org.testng.Assert.assertEquals(r.toString(), "[345 w orange st]");

      r = t.search("", "", "geez");
      org.testng.Assert.assertEquals(r.toString(), "[345 w orange st]");

  }
}

不幸的是，我似乎不能让最后一个断言通过。Lucene返回空，因为匹配太差了(只有字母"ge“匹配)。不幸的是，对我的应用程序来说，任何匹配都比没有匹配要好。

如何通过编辑距离强制Lucene拼写检查返回最接近的字符串？

Answer 1

在lucene doc的lucene.Quote中，模糊搜索方法被称为模糊搜索

模糊搜索

Lucene支持基于Levenshtein距离或编辑距离算法的模糊搜索。要执行模糊搜索，请在单个单词术语的末尾使用代字号"~“。例如，要搜索拼写与"roam“相似的术语，请使用模糊搜索：

漫游~这个搜索会找到像泡沫和漫游这样的词条。

从Lucene 1.9开始，一个额外的(可选)参数可以指定所需的相似性。该值介于0和1之间，并且值更接近1，只有相似度较高的术语才会被匹配。例如：

roam~0.8如果未给出参数，则使用的默认值为0.5。

为模糊搜索提供了许多解决方案，如How to get Lucene Fuzzy Search result 's matching terms?