recherche de chaîne fuzzy en Java

Question

Je suis à la recherche de haute performance de la bibliothèque Java floue chaîne de recherche.

Il existe de nombreux algorithmes pour trouver des chaînes similaires, Levenshtein, Daitch-Mokotoff Soundex, n-grammes, etc.

Ce que Java implemenations existe? Avantages et inconvénients pour eux? Je suis conscient de Lucene, toute autre solution ou Lucene est le meilleur?

J'ai trouvé ceux-ci, quelqu'un a une expérience avec eux?
SimMetrics
NGramJ

Answer 1

Commons Lang a une mise en œuvre de Levenshtein.

Communes Codec a une mise en œuvre de soundex et metaphone.

Answer 2

SimMetrics est probablement ce dont vous avez besoin: http://sourceforge.net/projects/simmetrics/

Il a plusieurs algorithmes pour calculer différentes variantes de distance d'édition.

Lucene est un moteur de recherche plein texte très puissant, mais la recherche de mots clés n'est pas exactement la même chose que la recherche de chaînes fuzzy (par exemple, une liste de chaînes me permet de trouver celle qui ressemble le plus à une chaîne candidate).

Answer 3

J'ajouterais à Lucene SOLR http://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters

Answer 4

Apache Lucene est le seul moyen, je pense. Je ne connais pas de meilleure recherche lib.

Apache Lucene (TM) est une bibliothèque de moteur de recherche de texte complète hautes performances entièrement écrite en Java. Cette technologie convient à presque toutes les applications nécessitant une recherche en texte intégral, en particulier multiplate-forme.

Answer 5

Vous pouvez essayer bitap. Je jouais avec bitap écrit en ANSI C et c'était assez rapide, il y a l'implémentation de Java dans http://www.crosswire.org .