Lucene 具有最小相似性问题的模糊搜索

我正在使用Lucene.NETVER3.0.3并使用StandardAnalyzer创建索引

我的索引中有一个文本，模糊搜索似乎不起作用

• 文档中的文本：CUBAEXPORT
• 正在搜索的文本：CUBAEXPOR
• 最低相似性：90%
• 长度（立方导出）=10
• 长度（CUBAEXPOR）=9
• 编辑距离=1
• 相似性=（（10-1）/10）*100=90%

据我所知，

CUBAEXPOR

的比例肯定是90%，但现在是88%

---

它基于搜索项的长度和索引项的长度中的较小者。因此，由于搜索词的长度为9，因此0.88相似度是允许一个编辑距离的最小值

最大编辑距离的计算如下所示：

int maxEdits = (int)((1-minSim) * (Math.min(textLength, targetLength)));

另外，请记住，浮点精度可能是这里的一个问题！因此，如果您将minSim设置为0.8，并尝试使用5的长度，那么您将有0个maxEdits，因为

（1-（float）.8）*5

=.99999994，将其转换为int会得到0

长话短说，我不会过分担心在你的模糊查询中精确地划分界线。

---

（我很高兴lucene摒弃了这种基于百分比的模糊相似性的愚蠢做法）

你确定长度的较小者是

吗？你检查过源代码了吗？我这么说是因为
CUBAEXPORT
的长度是10，而同一个单词缺少1个字母（10个字母中有1个的差异）是90%相同，这很明显，不是吗@bjan，-是的，我知道源代码，并且我相当完整地解释了它是如何导致您看到的行为的。“CUBAEXPOR”的长度为9个字符，因此您可以看到结果。不清楚吗？如果你不相信我，它是开源的，你可以自己检查一下。我反复询问你的答案，只是因为，对我来说，使用最小长度没有意义。很明显，这两个字符串90%相似，那么为什么要将其设为88%！对于我来说，使用与此行为相关的服务很难让我的客户满意。尽管如此，我并不怪你，事实上我很感谢你至少让我知道不是我算错了（AFAIK）。