Java Lucene/Solr用于近似（公司）名称匹配

我有一个关于Lucene/Solr的问题

我正在尝试解决一个通用（公司）名称匹配问题

让我举一个过于简单的例子：

我们有两个（可能很大的）名字列表，即列表A和列表B。 我们希望找到两个列表的交集，但两个列表中的名称可能并不总是完全匹配。对于列表A中的每个不同名称，我们将要报告列表B中的一个或多个最佳匹配项

我听说Lucene/Solr可以解决这个问题。你能告诉我这是不是真的吗？如果是，请给我一些简单的工作示例

感谢和问候，

---

Dibyendu可以解决您的问题。在SOLR中为列表_B编制索引。现在在SOLR中搜索列表a中的每个项目，您将从列表B中获得一个或多个可能的匹配项。

---

您需要根据数据集和所需的类似结果为字段配置分析器和过滤器

你可以用Lucene解决这个问题，是的，但是如果你只需要解决这一个问题，那么创建Lucene索引就有点迂回了

我更倾向于采取一种更简单的方法。您可以找到一个用于字符串之间模糊比较的库，然后遍历列表，只返回那些低于某个相似性阈值的字符串作为匹配项

我想到的是：

for (String a : alist) {
    for (String b : blist) {
        int dist = StringUtils.getLevenshteinDistance(a,b)
        if (dist < threshold) {
            //b is a good enough match for a, do something with it!
        }
    }
}

for（字符串a:alist）{
for（字符串b:blist）{
int dist=StringUtils.getlevenshteindication（a，b）
如果（距离<阈值）{
//b对a来说已经足够好了，用它做点什么吧！
}
}
}

---

根据您的意图，其他算法可能更合适（或者，例如）

我正在尝试做类似的事情，我想向其他评论者指出，如果问题是匹配准确的名称，他们提出的解决方案（如Levenshtein Distance或Soundex）可能不合适，而不是拼写错误的名字

例如：我怀疑这两种方法中的任何一种对匹配都有很大的用处

John S W Edward

与

---

我想这是可能的，但这是一个不同于他们计划完成的问题。

非常感谢，阿伦。请看我上面的评论。非常感谢，femtoRgon。请参阅我上面的评论。Arun/femtoRgon，我已经考虑过基于编辑距离的方法。我想试试Lucene/Solr，希望能提高效果。根据你的经验，请告诉我改进的机会。你找错了方向。如果您对编辑距离比较不满意，请尝试其他算法。考虑一下通过比较你想要完成什么。我不知道你需要什么，真的，但因为你在匹配名字，我怀疑像变音（基于语音相似性，而不是编辑距离）这样的东西可能更合适。

J Samuel Woodhouse Edward