Python 如何使用elasticsearch/lucene使用有限状态传感器使提前输入/提示搜索更快
我正在尝试构建类型先行搜索以下数据 ID DATA STRING id_1 "this is line number one" id_2 "this is line number two" ID数据字符串 id_1“这是第一行” id_2“这是第二行” 查询这些数据时，我将给出如下字符串： "line one" --> output: id_1 (ID of matching string) "two line" --> output: id_2 "this is line num" --> output id_1 id_2 (multiple results) “第一行”-->输出：id_1（匹配字符串的id） “两行”-->输出：id_2 “这是行数”-->输出id_1 id_2（多个结果） 我尝试为数据字符串中的每个标记使用带n个字符（前缀）的反向索引。但对于大型数据集，索引n-gram的速度很慢（查询在某种程度上已经足够好了）。 现在我在谷歌搜索的时候有了一些想法，lucene有一个Suggester类，它在类型先行搜索中非常快，并且使用FST（有限状态转换器）来实现快速前缀搜索 如何在我的场景中使用FST来加快键入前搜索？Python 如何使用elasticsearch/lucene使用有限状态传感器使提前输入/提示搜索更快,python,lucene,typeahead,search-suggestion,fst,Python,Lucene,Typeahead,Search Suggestion,Fst,我正在尝试构建类型先行搜索以下数据 ID DATA STRING id_1 "this is line number one" id_2 "this is line number two" ID数据字符串 id_1“这是第一行” id_2“这是第二行” 查询这些数据时，我将给出如下字符串： "line one" --> output: id_1 (ID of matching string) "two line" --> output: id_2 "this