如何实现模糊查找？

shenqiudeye2 2010-06-17 07:28:19

如何实现模糊查找？

我在做一个小的查询软件，j2se,access,swing.

输入：中国建行
能找到：中国建设银行

输入：中国建设银行
能找到：中国建行

要求是输入关键字后，查询，得到一个查找结果的列表，根据匹配程度排序，就像百度一样。

我找了很多资料，正则，sql模糊查找，java分割字符串等，还是没能解决，请高手来教教我。

...全文

992 21 打赏收藏转发到动态举报

写回复

用AI写文章

21 条回复

切换为时间正序

请发表友善的回复…

发表回复

shenqiudeye2 2010-06-19

打赏
举报

谢谢各位的回答，非常感谢，我查了很多资料，也发现我的问题不仅仅是模糊查询的问题了，和搜索引擎有点靠边了呵呵。

能不能请各位高手弄些代码上来，我看你们说的文字，并不能解决问题啊

heartraid86 2010-06-19

打赏
举报

如果仅仅是在众多词条中查找相似的词语，可以试试一些搜索引擎中查询扩展的方法。

有一种算法叫字符串编辑距离，可以算算"中国建设银行"与"中国建行"的编辑距离。

或者使用NLP领域的点互信息方法，计算"中国建设银行"与"中国建行"的PMI值，来确定两者是否有很大的联系。

现在基于维基百科做的词条相似度计算也很多，看看一些信息检索中查询扩展的论文应该很有用

small_agile 2010-06-19

打赏
举报

我不知道你的swing編程是怎麼樣子的. 但是在j2ee中是這樣實現的.

將前臺的值得到.. 在寫sql語句的時候

package com.spring.mvc;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.PreparedStatement;

public class csnd2 {
public static void main(String args[])throws Exception{
String driver= "com.microsoft.sqlserver.jdbc.SQLServerDriver";
String url="jdbc:sqlserver://localhost:1433;database=???";
String username = "?";
String password ="";
Connection conn;
PreparedStatement pstmt;
Class.forName(driver);
conn = DriverManager.getConnection(url,username,password);
String str = "???";
String sql="select ???? from tableName where ?? like '"+str+"'";
pstmt = conn.prepareStatement(sql);
pstmt.executeUpdate();

}
}

宁静-夏天 2010-06-19

打赏
举报

http://qieqie.javaeye.com/blog/110148

这个是王切切的blog地址，里面有他写的分词器，里面有你需要的东西。

如果简单做只需要它的词库检索部分代码。

他的代码值得你花时间全部读一次，写的不错。具体你再有问题再问吧。

方法告诉你了，做要自己了。

宁静-夏天 2010-06-18

打赏
举报

如果仅仅考虑分词，并不会涉及搜索引擎其他的部分的。

分词只是搜索引擎十分小的一部分，当然分词做牛也不小。

但简单的分词需求并没有大家想的这么夸张，了解了就会觉得很简单。

surelei 2010-06-18

打赏
举报

搜索引擎是有词库的，还会做一些词法分析，LZ的问题不是模糊查询的问题，是搜索引擎的问题。

wakeUpDoNottLazy 2010-06-18

打赏
举报

不知道真正的搜索引擎是怎么做到的！
但是如果让我做，最简单的就是要建立一些映射，如同 LS 所说

宁静-夏天 2010-06-18

打赏
举报

楼主如果不涉及搜索引擎，只是做这个简单的搜索功能还是比较容易的。

维护两个词库
----------
全称词库
简称词库
----------

他们存在简称和全称的对应关系。

输入在两个词库进行检索，检索成功返回时将简称和全称全部返回即可。

词库检索可以考虑庖丁分词的词库代码，他写的不错。也可以自己写。

宁静-夏天 2010-06-18

打赏
举报

这个属于词库检索问题，的确是搜索引擎中经常遇到的问题。

---------------
输入：中国建行
能找到：中国建设银行

输入：中国建设银行
能找到：中国建行
---------------
但达到这些效果做法也不一样。

词库维护、检索为了做到人性化是需要考虑简称转化问题。好的分词，词库分词功能中都包含简称和全称转化。
该功能也类似于中文数字和阿拉伯数字的转化等等。

大多是做统一的转化。一般是在查询时通过把简称转化为全称（即简称词库检索得到后，自动返回对应的全称）。即中国建行 -> 中国建设银行

所以一般如下需求

输入：中国建设银行
能找到：中国建行

这种需求是不太会去做的。

因为搜索检索的索引文件都是以一个一致的内容在做索引，要不就是全称要不就是简称。

但撇开以上的说法，把中国建设银行、中国建行放在同样的地位上，那么要达到楼主的需求，就需要考虑对输入的文字进行分词时，采用最大分词（即分词最多的模式）。

然后再通过分到的词去检索。

取个例子吧
词库包含：中国建设银行建行建设银行中国建行中国银行中国建设银行 ......

输入：中国建设银行
分词得到：中国、中国建设、中国建设银行、建设、建设银行、银行

根据分到词拼装query term(配置单元)匹配情况如下：
中国 -> 中国、中国建设、中国建行、中国银行、中国建设银行
中国建设 -> 中国建设、中国建设银行
中国建设银行 -> 中国建设银行
建行 -> 建设、建设银行
建设银行 -> 建设银行
银行 -> 银行

不涉及简称转化，词库中的只有‘建行’是查不出来的，只能查到建设银行。这个还只是一个小例子。

但查出来的东西太多了，这个往往不是最好的结果。