c# - 处理带有不准确自然语言字符串的命令

Question

我们正在设计一个可以接受这种格式命令的系统

command context

上下文是从大约 200 个单词元组的列表中定义的，例如：

physical therapy
cardiac
physician visit
hospital inpatient
hospital outpatient
etc.

我们希望系统能够纠正用户错误，例如拼写错误，同时也能理解“物理治疗”与“物理治疗师”相同，并且接受同义词

最后，如果不是完全匹配，它应该要求用户消除最佳匹配之间的歧义

这就是我的想法：

1. 词干上下文词和传入查询
2. 从查询中删除/隔离命令字符串
3. 检查并更正任何字谜（但是：这仅涵盖一类拼写错误）
4. 寻找完全匹配的单词
5. 寻找“近距离匹配”

这感觉不是一个巧妙的解决方案，尤其是第 3 步和第 5 步。

有什么更好/更简单的方法来做到这一点？任何在 C# 中执行此操作的库，奖金。

Lucene 可以做到这一点吗？任何指导表示赞赏。

谢谢！

Answer 1

对于您的目的而言，它可能过于不精确，但Soundex是一种常用算法，用于判断两个单词是否“听起来相似”。

Answer 2

我认为 Lucene 最好只应用于第 4 步和第 5 步，因为 Lucene 目前仅支持“glob”意义上的近似匹配（通配符——“？”用于匹配单个字符，“*”用于匹配多个字符）。

有一整套关于近似匹配的文献——我将从agrep工作开始，然后从那里开始（但部分是因为我熟悉 agrep）。