處理不準確的自然語言字符串

Question

命令我們正在設計一個可以在這個格式

command context 

上下文是從約200元組的話，如列表中定義的接受命令的系統：

physical therapy 
cardiac 
physician visit 
hospital inpatient 
hospital outpatient 
etc. 

我們希望系統能夠糾正用戶錯誤，如拼寫錯誤，但也要理解「物理治療」與「物理治療師」相同，並且還要接受同義詞

最後，如果它不完全匹配，應該要求用戶的最佳匹配

這是我在想這樣做的之間的歧義：

1. 幹上下文的單詞和傳入查詢都
2. 刪除/從查詢
3. 檢查隔離命令串並糾正任何字謎（不過：這隻佔地面積拼寫錯誤一類）
4. 尋找一個確切的詞匹配
5. 查找

這並不覺得自己是一個巧妙的解決辦法「接近的比賽」，特別是步驟3和5

什麼是更好/更簡單的方法來做到這一點？任何圖書館都可以在C＃中做到這一點，獎金。

Lucene可以這樣做嗎？任何指導讚賞。

謝謝！

Answer 1

對於您的目的而言這可能太不精確，但Soundex是一種常用算法，用於判斷兩個單詞「聽起來相似」。

Answer 2

我認爲Lucene最好只適用於步驟4和5，因爲Lucene目前只支持「glob」意義上的近似匹配（通配符 - 「？」用於匹配單個字符，「*」用於匹配多個字符）。

有一整套有關近似匹配的文獻 - 我將從agrep工作開始，並從那裏開始（但部分原因是因爲我熟悉agrep）。