我浏览了所有现有的问题帖子，但找不到相关的内容。
我有数百万条记录，包括个人名字、姓氏、地址 1、地址 2、国家/地区代码、出生日期 - 我想每天使用上述文件检查我的客户列表（我的客户列表也会每天更新，并且文件也每天更新）。
对于名字和姓氏，我想要模糊匹配（可能是 lucene fuzzyquery/levenshtein 距离 90% 匹配），对于剩余字段国家/地区和出生日期，我想要精确匹配。
我是 Lucene 的新手，但通过查看帖子数量，看起来这是可能的。
我的问题是：
- 我应该如何索引我的输入文件？我需要在 FN、LN、国家、DOB 的组合上建立索引并使用该索引进行搜索
- 我这里如何使用Lucene的模糊查询？
还有其他方法可以实现相同的功能吗？
Rushik，这里有一些想法：
- 考虑使用Solr http://lucene.apache.org/solr/。开始使用它比裸露的 Lucene 容易得多。
- 构建文件的 Lucene/Solr 索引。如果您使用多值字段或两个不同的地址字段，则每个客户一个文档似乎就足够了。
- 每个人都有唯一的 ID 吗？要使用 Solr，您需要一个。在 Lucene 中，您无需使用唯一 id 即可逃脱。
- 将国家/地区代码存储为“关键字”。如果您只需要出生日期完全匹配，您也可以这样做。对于范围查询，您将需要另一种表示形式。
- 我假设您的客户列表比文件小。一个可能的策略是每天索引文件中的更改（这里唯一的 id 非常方便 - 否则您需要通过查询删除，这可能会错过标记）。然后您可以优化索引，然后搜索更新的客户列表。
- 你所描述的是一个布尔查询 http://lucene.apache.org/java/3_0_1/api/core/org/apache/lucene/search/BooleanQuery.html，其子句是名字和姓氏的模糊查询以及其他字段的术语查询。您可以通过编程方式或使用查询解析器 http://lucene.apache.org/java/3_0_2/queryparsersyntax.html.
- 考虑使用 soundex 作为名称，如上所述here http://sujitpal.blogspot.com/2007/12/spelling-checker-with-lucene.html.
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
