小试 solr 的 spellcheck

spellcheck 可以实现输入“错误”提示，如：输入“周杰仑”搜索时，提示：您是不是要找“周杰伦”。Lucene 有这样的功能。用 n-gram 方法和 Levenshtein distance （编辑距离，算相似度）算法实现。

原理大概：用正确的词条，以 n-gram 方法去折分，并建立索引（官方叫：dictionary index），在查询时，去查dictionary index，可以返回正确词条，于是这些词条就是“提示”。

solr 1.2 也有此功能。solr 1.3 用组件的方式实现此功能。我现用 solr 1.3 来试下。默认有spellcheck组件了（使已经配置好），这次我用文件源的方式，在solr.home/conf/spellings.txt文件后 加：周杰伦。注意一行一个词。

http://localhost:8080/solr/spellCheckCompRH?q=*:*&spellcheck.q=%E5%91%A8%E6%9D%B0%E4%BB%91&spellcheck=true&spellcheck.dictionary=file&spellcheck.build=true

打开上面的连接后，返回的内容，可以下面看到，如下类似的内容：

<lst name="spellcheck">
 <lst name="suggestions">
  <lst name="周杰仑">
    <int name="numFound">1</int>
    <int name="startOffset">0</int>
    <int name="endOffset">3</int>
    <arr name="suggestion">
     <str>周杰伦</str>
    </arr>
  </lst>
 </lst>
</lst>

<lst name="spellcheck">  <lst name="suggestions">   <lst name="周杰仑"> 	<int name="numFound">1</int> 	<int name="startOffset">0</int> 	<int name="endOffset">3</int> 	<arr name="suggestion"> 	 <str>周杰伦</str> 	</arr>   </lst>  </lst> </lst> 

用文件源的方式，一个问题就是要自己去维护“正确的词条”，solr 还有其它方式：在索引中抽取比较高频的词条，这方面的应用，下次再总结与blog。