我有一个数百万名人的名字列表（来自 Wikidata），我需要创建一个系统来有效地找到在相当短的文本中提到的所有人：它可以只是一个词（例如“爱因斯坦”）到几页文本（例如维基百科页面）。
我需要系统对拼写错误（例如 Mikael Jackson 而不是 Michael Jackson）和短格式（例如 M. Jackson）具有相当的容忍度。如果有歧义，它应该返回所有可能的人（例如，“George Bush”应该返回父亲和儿子，可能还有其他同音词）。
这个相关问题有一些有趣的答案，包括使用Aho-Corasick 算法。有许多语言的库，包括Python。但是，它似乎不支持模糊搜索（即容忍拼写错误）。
我想我可以扩展词汇表以包含每个名字的所有可能拼写，但这会使词汇表太大，所以我宁愿尽可能避免这种情况（此外，我可能希望将此解决方案扩展到更多人一点）。
我快速浏览了一下Lucene /ElasticSearch，但它似乎不支持这个用例（除非我错过了它）。
有任何想法吗？