問題：需要在數百萬句子的數據庫中查找句子？

Question

因此，我將在數據庫中存儲數百萬個與作者相關的句子。我需要能夠有效地搜索一個句子並返回作者。現在，我希望能夠在這句話中拼錯一個詞或忘記一兩個單詞，並且應用程序仍然能夠匹配（模糊化）。任何人都可以將我指向正確的方向嗎？谷歌如何做到這一點？因爲我可以在谷歌搜索歌詞，例如它會返回歌曲和歌詞？我期待着做同樣的事情？

謝謝大家。

如果模糊使事情變得過於複雜，那麼我只能處理一個有效的句子搜索。

Answer 1

全文搜索檢查inverted index數據結構。

這是搜索引擎是如何做到這一點

samples of code

UPDATE： 此外，如果你工作在一個分佈式系統檢查Hadoop - 對Goolge的的MapReduce的開源替代

Answer 2

在SQL Server或Oracle上進行全文索引將最適合您開箱即用。他們會變得模糊，使用詞根和其他聰明的東西。 我無法評論其他數據庫引擎，儘管快速谷歌顯示最多會有類似的東西。出於某種原因，我期望他們在模糊性方面更受限制。

Answer 3

事實上，模糊匹配並不是一件簡單的事情，儘管一些數據庫實現了某種模糊搜索，具體取決於所使用的方法和數據，結果可能會有所不同。下面是解釋了SQL模糊搜索的鏈接服務器

http://msdn.microsoft.com/en-us/magazine/cc163731.aspx

至於句子搜索，最DB引擎實現全文搜索/索引，你可能想看看......它配備了折衷的性能和存儲條款，但你可能想看看它

Answer 4

如果你用Java編寫，你可以試試Lucene。

它不應該真的是「文件」和作者，而不是單個句子？

Answer 5

如何谷歌做到這一點？

使用倒排索引。這些細節是專有的，但是你可以用最後一美元來下注，在內存中有很多複製和存儲索引等，以便他們可以處理他們每秒獲得的大量搜索請求。