基于lucene的模糊搜索

我用lucene 4.3.1实现了模糊搜索，但我对结果不满意。我想指定它应该返回的一些结果。例如，如果我想要10个结果，它应该返回10个最好的匹配，不管它们有多糟糕。大多数情况下，如果我搜索的单词与索引中的任何单词都非常不同，它将不返回任何内容。如何获得更多/更模糊的结果

下面是我的代码：

    public String[] luceneQuery(String query, int numberOfHits, String path)
        throws ParseException, IOException {

    File dir = new File(path);
    Directory index = FSDirectory.open(dir);

    query = query + "~";
    Query q = new QueryParser(Version.LUCENE_43, "label", analyzer)
            .parse(query);

    IndexReader reader = DirectoryReader.open(index);
    IndexSearcher searcher = new IndexSearcher(reader);

    Query fuzzyQuery = new FuzzyQuery(new Term("label", query), 2);

    ScoreDoc[] fuzzyHits = searcher.search(fuzzyQuery, numberOfHits).scoreDocs;
    String[] fuzzyResults = new String[fuzzyHits.length];

    for (int i = 0; i < fuzzyHits.length; ++i) {
        int docId = fuzzyHits[i].doc;
        Document d = searcher.doc(docId);
        fuzzyResults[i] = d.get("label");
    }

    reader.close();
    return fuzzyResults;
}

public String[]luceneQuery（字符串查询，int numberOfHits，字符串路径）
抛出ParseException，IOException{
文件目录=新文件（路径）；
目录索引=FSDirectory.open（dir）；
query=query+“~”；
查询q=新的QueryParser（Version.LUCENE_43，“标签”，analyzer）
.解析（查询）；
IndexReader=DirectoryReader.open（索引）；
IndexSearcher search=新的IndexSearcher（阅读器）；
查询fuzzyQuery=新的fuzzyQuery（新术语（“标签”，查询），2）；
ScoreDoc[]fuzzyHits=searcher.search（fuzzyQuery，numberOfHits）.scoreDocs；
String[]fuzzyResults=新字符串[fuzzyHits.length]；
for（int i=0；i

Lucene 4.x中的

FuzzyQuery

不再支持大编辑距离。当前的

FuzzyQuery

实现是对Lucene 3.x实现的性能的巨大的改进，但只支持两种编辑。距离大于2 Damerau–Levenshtein编辑被认为很少真正有用

根据，如果您确实必须具有更高的编辑距离：

如果您真的想要这个，请考虑使用N-gram索引技术（如建议模块中的拼写检查程序）。

---

这意味着你应该重新思考你的目标，找到一个更有用的方法。

谢谢，这已经很有帮助了。我尝试在rdf图（来自dbpedia）中查找170万个条目。我查找的条目可以由多个单词组成，并且通常查询有很多拼写错误。另一个问题是，在德语中，你经常可以把单词分开或连在一起写。因此，我需要一个更大的距离。你知道比我现在尝试的更合适的方法吗？拼写检查器可能是一个不错的方法。在处理拼写错误时也很有帮助。至于被分离或连接的单词，如果它是相当标准的话，你可能会从使用中受益，我猜，它包含了一个StemFitler，应该可以处理这类事情（不过我不知道德语词干的细节）。它们删除了这种低效的方法，这真的很糟糕。SpellChecker不是一个查询，因此对于那些将查询作为参数并隐藏Lucene阅读器和搜索器（Neo4j）的API，升级时会留下一个残废的应用程序。