Wie werden Teilwortsuchen in Lucene.NET durchgeführt?

Question

Ich habe einen relativ kleinen Index mit rund 4.000 Standorten. Unter anderem verwende ich es, um ein Autocomplete-Feld in einem Suchformular zu füllen.

Mein Index enthält Dokumente mit einem Feld Location Werte wie

• Ohio
• Dayton, Ohio
• Dublin, Ohio
• Columbus, Ohio

enthält

ich sein will Ich bin in der Lage, "ohi" einzutippen und alle diese Ergebnisse erscheinen zu lassen und im Moment gibt es nichts, bis ich das ganze Wort "ohio" eintippe.

Ich verwende Lucene.NET v2.3.2.1 und der relevante Teil meines Codes ist wie für die Einrichtung meiner Anfrage folgt ....

BooleanQuery keywords = new BooleanQuery(); 
QueryParser parser = new QueryParser("location", new StandardAnalyzer()); 
parser.SetAllowLeadingWildcard(true); 
keywords.Add(parser.Parse("\"*" + location + "*\""), BooleanClause.Occur.SHOULD); 
luceneQuery.Add(keywords, BooleanClause.Occur.MUST); 

Kurz gesagt, würde Ich mag an bekomme das funktioniert wie eine LIKE-Klausel ähnlich wie

SELECT * from Location where Name LIKE '%ohi%' 

Kann ich das mit Lucene tun?

Answer 1

Diese Abfrage:

parser.Parse(query.Keywords.ToLower() + "*") 

Answer 2

es ist mehr eine Frage der Besetzung Ihres Index mit Teilwörtern an erster Stelle. Ihr Analysator muss die Teilschlüsselwörter in den Index bei der Analyse einfügen (und hoffentlich dabei auch niedrigere als vollständige Schlüsselwörter gewichten).

Lucene Index Lookup Bäume arbeiten von links nach rechts. Wenn Sie in der Mitte eines Schlüsselworts suchen möchten, haben Sie es bei der Analyse getrennt. Das Problem ist, dass partielle Schlüsselwörter in der Regel Ihre Indexgrößen explodieren.

Menschen verwenden normalerweise wirklich kreative Analysatoren, die Wörter in Stammwörtern zerlegen (die Präfixe und Suffixe entfernen).

gehen Sie tiefer in Lucene zu verstehen. es ist gutes Zeug. :-)

Answer 3

Ja, das kann gemacht werden. Führender Platzhalter kann jedoch zu langsamen Abfragen führen. Überprüfen Sie die documentation. Wenn Sie die gesamte Zeichenfolge (z. B. "Dayton, Ohio") als einzelnes Token indizieren, werden die meisten Abfragen zu führenden Präfixabfragen degenerieren. Die Verwendung eines Tokenizers wie StandardAnalyzer (was Sie vermutlich bereits tun) wird die Notwendigkeit für führende Platzhalter verringern.

Wenn Sie aus Performancegründen keine führenden Präfixe haben möchten, können Sie Indexierungs-Ngrams ausprobieren. Auf diese Weise wird es keine führenden Platzhalterabfragen geben. Der Tokenizer ngram (der nur eine Länge von 4 annimmt) erzeugt Tokens für "Dayton Ohio" als "dayt", "ayto", "yton" und so weiter.