巫峡专栏

life is a huge undertaking

生活也是大事业

God helps those who help themselves

爱生活

爱技术

导航

java实现Google和Baidu的“您是不是要找”功能

背景 ：

　　在使用搜索引擎和电商的搜索功能时，大家一定遇到过这样的情景：我想搜索博客园，可不小心输成博客员了，不用担心搜不到你想要的结果，因为建立在大数据上的搜索引擎会帮你自动纠错，就这个例子Google和Baidu返回给我的分别是：

显示以下查询字词的结果： 博客园 和  您要找的是不是: 博客园 ，他们都做到了自动纠错，关于自动纠错我之前也写过一篇陋文，当时是自己实现的N-Gram模型,但是效果不是太好，主要是针对不同的语料库算法的精确度是不一样的，我想换个算法试试看，目前主流的计算串间的距离(相反的，你也可以理解为相似度)是Levenshtein，当要实现时，发现lucene已经做了这个事，那咱就站在巨人的肩膀上成长吧。

引用包：

　　lucene-core-3.1.0.jar + lucene-spellchecker-3.1.0.jar,你可以在这里得到

使用示例：

　　在类SpellCorrector的main方法中加入以下代码

 1 //创建目录
 2 File dict = new File("");
 3 Directory directory = FSDirectory.open(dict);
 4 
 5 //实例化拼写检查器 
 6 SpellChecker sp = new SpellChecker(directory); 
 8 
 9 //创建词典
10 File dictionary = new File(SpellCorrecter.class.getResource("dictionary.txt").getFile());
11 
12 //对词典进行索引
13 sp.indexDictionary(new PlainTextDictionary(dictionary));
15 
16 //有错别字的搜索
17 String search = "非常勿扰";
18  
19 
20 //建议个数，这里我只想要最接近的那一个，你可以设置成别的数字，如3
21 int suggestionNumber = 1;
22  
24 //获取建议的关键字
25 String[] suggestions = sp.suggestSimilar(search, suggestionNumber);
27 
28 //显示结果
29 System.out.println("搜索:" + search);
31 
32 for (String word : suggestions) {
33     System.out.println("你要找的是不是:" + word);
34 }
35

注：这之前你需要有个语料库，我这里是个存放正确视频名称的文件，格式如下：

1 红颜血泪
2 冰上火一般的激情
3 在敌之手
4 驰风竞艇王第二部
5 钓金龟
6 潇湘路一号
7 戏里戏外第二季
8 草原狼爵士乐
9 拯救大兵瑞恩

好了，接下来就直接运行吧,见下图：

完整代码和字典在这里(限于工作原因，字典只保留部分电影名称，你可以用你自己的语料库)

有问题请联系我jeexianwu#gmail.com

参考文献

posted on 2013-01-16 17:31  巫峡  阅读(3340)  评论(4)  编辑  收藏  举报