Search 如何使用Solr的n-grams近似匹配？

我们有一个电影和系列的数据库，由于数据来自不同可靠性的许多来源，我们希望能够对剧集的标题进行模糊字符串匹配。我们在应用程序中使用Solr进行搜索，但是默认的匹配机制在单词级别上运行，这对于短字符串（如标题）来说不够好

我过去使用过n-grams近似匹配，我很高兴发现Lucene（和Solr）支持这种开箱即用的东西。不幸的是，我无法正确配置它

我假设我需要一个特殊的字段类型，所以我添加了 my schema.xml的以下字段类型：

<fieldType 
   name="trigrams" 
   stored="true" 
   class="solr.StrField"> 
 <analyzer type="index"> 
   <tokenizer 
       class="solr.analysis.NGramTokenizerFactory" 
       minGramSize="3" 
       maxGramSize="5" 
       /> 
   <filter class="solr.LowerCaseFilterFactory"/> 
 </analyzer> 
</fieldType> 

（有一两个打字错误）并且应该和“盖伊走进精神科医生办公室”匹配

（我不确定这个查询是否正确。）

此外，我希望能够做更多的事情。我想 降低字符串的间距，删除所有标点符号和空格，删除 用英语停止单词，然后将字符串转换成三叉戟。然而， 过滤器仅在字符串标记化后应用

---

提前感谢您的回答。

解决方案非常简单：设置为默认运算符，如果任何ngram不匹配，整个查询将失败。因此，添加以下内容就足够了：

<solrQueryParser defaultOperator="OR" />

---

在我的模式定义中。

回答您问题的最后一部分：solr还有一个ngram过滤器。因此，您不应使用ngram标记器（但应使用类似“WhitespaceTokenizer”的标记器），应用所有预ngram过滤器，然后添加此过滤器：

<filter class="solr.NGramFilterFactory" minGramSize="2" maxGramSize="3" />

你能发布你正在使用的查询吗？我编辑了这个问题以包含一个示例查询。你的回答让人觉得这个问题与ngrams无关。我说得对吗？@RyszardSzopa

或

显然不同于n-gram分析

或

给出了很多结果，但通常都是非常糟糕的结果。

<solrQueryParser defaultOperator="OR" />

<filter class="solr.NGramFilterFactory" minGramSize="2" maxGramSize="3" />