Անորոշ որոնում փաստաթղթում

Տեքստային տեղեկատվության մշուշոտ որոնումը որոնման հարցումին նման կամ մոտ տողերի որոնումն է:

Միևնույն ժամանակ, տեքստային տողերի անորոշության կամ նմանության աստիճանը ամենից հաճախ գնահատվում է խմբագրման հեռավորության միջոցով (Լևենշտեյնի հեռավորություն): Եվ երկու տողերի խմբագրման հեռավորությունը նիշերի փոխարինման, տեղադրման և ջնջման գործողությունների նվազագույն քանակն է, որն անհրաժեշտ է մի տողը մյուսի փոխակերպելու համար: Երկու հարակից նիշերի փոխադրումը կարող է նաև դիտարկվել որպես վավեր խմբագրման գործողություն (Դամերաու-Լևենշտեյն հեռավորություն):

2 խմբագրման տրված մշուշոտության արժեքի մշուշոտ որոնման օրինակ է «ծառերը» որոնման հարցումը և «սրանք» որոնման արդյունքը։ Այստեղ «r» նշանը փոխարինվում է «h»-ով, իսկ «e» և «s» նիշերը փոխադրվում են: Այսինքն, այս երկու բառերի համար Դամերաու-Լևենշտեյն հեռավորությունը 2 է այս անորոշ որոնման օրինակում:

Հետևյալ մեթոդները առավել հաճախ օգտագործվում են անորոշ որոնման իրականացման համար.

• Վագներ-Ֆիշեր (MySQL մշուշոտ որոնում):
• N-գրամ (MongoDB մշուշոտ որոնում):
• Նմուշառման ընդլայնումներ (Elasticsearch fuzziness, Lucene fuzzy search):
• Ստորագրության հաշինգ.

• Ճշգրտություն. Տրված սխալների քանակով բոլոր բառերը (խմբագրման հեռավորությունը) կգտնվեն՝ ի տարբերություն N-գրամի և ստորագրության հեշավորման մեթոդների:
• Կատարում. Այս դեպքում որոնումը կատարվում է շատ ավելի արագ, քան Վագներ-Ֆիշերի և նմուշառման ընդլայնման մեթոդներում, նույնիսկ մեծ թվով սխալներով:

Այս հավելվածում փաստաթղթում բառերի անորոշ համընկնում ստանալու համար անհրաժեշտ է նշել սխալների անհրաժեշտ քանակությունը (անորոշության արժեքը) 1-ից 9 նիշ: Կարող եք նաև սահմանել տարբերակ՝ բառեր որոնելու միայն նվազագույն թվով տարբերություններով, կամ որոնելու բոլոր բառերը որոշակի թվով տարբերությունների մեջ:

GroupDocs.Search գրադարանն ունի բազմաթիվ այլ անհասկանալի համապատասխանող տարբերակներ: Օրինակ, դուք կարող եք սահմանել բառերի միջև եղած տարբերությունների թիվը որպես բառի երկարության գծային ֆունկցիա, կամ նույնիսկ առանձին-առանձին սահմանել տարբերությունների քանակը բառի երկարության յուրաքանչյուր արժեքի համար: