Ricerca documento su parole parziali

Question

Sto cercando un motore di ricerca di documenti (come Xapian, Whoosh, Lucene, Solr, Sfinge o altri) che sia in grado di cercare termini parziali.

Per esempio quando si cerca il termine "brit" il motore di ricerca deve restituire i documenti contenenti sia "britney" o "Gran Bretagna" o in generale qualsiasi documento contenente una parola corrispondente r *brit*

Tangenzialmente, ho notato la maggior parte dei motori utilizzare TF-IDF (Frequenza termine-Frequenza documento inversa) o derivati ​​che si basano su termini completi e non parziali. Esistono altre tecniche che sono state implementate con successo oltre a TF-IDF per il recupero dei documenti?

Answer 1

Con Lucene si sarebbe in grado di realizzare in diversi modi:

1.) È possibile utilizzare caratteri jolly interroga *brit* (Si dovrà impostare il parser query per consentire leader wild card)

2 .) È possibile creare un campo aggiuntivo contenente N-Grams of all the terms. Ciò comporterebbe indici più ampi, ma in molti casi sarebbe più veloce (velocità di ricerca).

3.) È possibile utilizzare la ricerca fuzzy per gestire errori di battitura nella query. per esempio. qualcuno ha digitato britnei ma voleva trovare britney.

Per le query con caratteri jolly e la ricerca fuzzy, dare un'occhiata allo query syntax docs.