Lucene中兩個文件之間的區別

Question

在C＃中的Lucene中，我試圖找出索引是否包含重複文件或幾乎完全相同，以查看是否需要用新文件替換。要做到這一點，我想出了一個辦法，可以使用MoreLikeThis類，然後獲取相關文檔的列表。然後比較這些相關文檔，看看它們是否與我添加的文檔相匹配 - 比如說90％的匹配。然後程序會詢問用戶是否重複以及要保留哪一個。

1. 這可以使用Lucene來完成嗎？ ...這是去做這件事的最好方法嗎？
2. 如果不能這樣做，是使用Levenshtein Distance Algorithm比較兩個文件以查看它們是否有類似匹配的最有效方法？

謝謝！

Answer 1

用於將文檔與lucene進行比較，您還可以使用TermFreqVector並將TermVector保存在索引中。你也可以計算Dirichlet與這個vecotr的相似度。