lucene的fuzzyquery和wildcardquery

1.fuzzyquery

用编辑距离度量俩词项的相似度
将所有相似的词项填充成布尔查询(或)

 

取所有相同前缀(前缀长度可以设定)的词项做编辑距离

 

2.wildcardquery

 

lucene的wildcardquery是这样的:
例如查询"华南*大学"

首先根据匹配字符"*"获取前缀"华南"

依旧是遍历所有前缀为"华南"的词项

比较之，满足条件的填充为布尔查询(或)

比较法则是：

使用后缀"*大学"，删选后缀相同的。

但是：
没有前缀和后缀也可以做百搭搜索
例如"华南*"和"*大学"

第一种是遍历所有前缀为"华南"的即可
第二种是遍历所有的词项(该字段)，比较法则是后缀相同。

以上是:clucene/java lucene2.0
我估计java lucene 2.4.0也没有大的变化

当然书上还有许多做法

例如索引项包含了前n-gram和后n-gram
比如华南理工大学，拆分有"华南"索引也有倒序"学大"索引

然后将"华南"和"学大"构建布尔查询

 

当然实际中如果是中文的话就不是这么做的

中英差异比较大，对于中文字典，FussyQuery WildcardQuery的应用我觉得有限

还是绕不开切词粒度等问题