Búsqueda de documentos en palabras parciales

Question

Estoy buscando un motor de búsqueda de documentos (como Xapian, Whoosh, Lucene, Solr, Sphinx u otros) que es capaz de buscar términos parciales.

Por ejemplo cuando se busca el término "Brit" el motor de búsqueda debe devolver documentos que contengan cualquiera "Britney" o "Gran Bretaña" o en general cualquier documento que contenga una palabra coincidente r *brit*

tangencial, me di cuenta de la mayoría de los motores use TF-IDF (frecuencia de término-frecuencia de documento inverso) o sus derivados que se basan en términos completos y no en términos parciales. ¿Existen otras técnicas que se hayan implementado con éxito además de TF-IDF para la recuperación de documentos?

Answer 1

Con Lucene que sería capaz de implementar esto de varias maneras:

1.) Puede utilizar comodines consultas *brit* (Usted tendría que configurar su analizador de consultas para permitir que conduce comodines)

2 .) Puede crear un campo adicional que contenga N-Grams of all the terms. Esto daría como resultado índices más grandes, pero sería en muchos casos más rápido (velocidad de búsqueda).

3.) Puede usar la búsqueda difusa para manejar errores de tipeo en la consulta. p.ej. alguien tipeó britnei pero quería encontrar britney.

Para consultas con comodines y búsqueda difusa eche un vistazo a query syntax docs.