數據集的模糊索引

Question

我正面臨一個問題，我需要提供一個搜索功能，用戶可以提供「儘可能多的信息，他/她知道」。這個數據集應該是 匹配不同的查找表，以確定我是否可以可靠地將它與 與我們的本地ID之一相關聯。例如，如果我們有這個搜索查詢的記錄。 大部分字段都是模糊的。

實施例： 一個字段可以是域名（其中用戶僅具有第一名稱）和另一街道 其中用戶僅具有街道號碼。

該數據集是中等大小（~10M條目）。

這個問題的最佳答案是什麼？ SQL + soundex？ Lucene的？

謝謝！

Answer 1

您可以在Lucene中評分文檔並比較相似度。象Lucene這樣的反轉索引工具應該比SQL中傳統的鍵值查找更快，更具可擴展性。