问题描述
我正在尝试实现一个自定义算法，以匹配用户提供的自由文本输入，一个公司名称，如“福特汽车”，与一个由 140 万个公司名称组成的参考数据源。
该算法执行以下步骤：
步骤 1)执行“精确匹配”，然后是“开始匹配”，最后是用户提供的搜索输入的“包含匹配”。此步骤的结果也按相同顺序排序。
步骤 2)将搜索输入与参考公司名称进行逐个令牌匹配。
每个令牌都按以下顺序匹配：精确、开始、包含、Levenshtein 距离 (< 0.2) 和 Refined Soundex。
例如，如果用户输入是“Food Motur Holding”并且它正在与“The Ford Motor Holdings Company”进行匹配，那么第一个令牌“Food”将根据 Soundex 匹配匹配“Ford”，第二个令牌“Motur”将匹配“Motor”基于编辑距离算法和最后一个令牌“Holding”将通过 Begins 匹配匹配“Holdings”。
评分： 每个令牌匹配首先按照匹配技术评分的等级进行评分，精确匹配是最好的，Soundex 是最差的。
通过计算单个令牌匹配分数的加权平均值，以 0-100% 的范围计算总分。权重是根据令牌的索引顺序分配的，即第一个令牌的权重最高，最后一个令牌的权重最低。
我的部分解决方案
我在 solr 中实现了一个简单的模式来存储参考公司名称。一个字符串字段（称为 companyName）、一个从字符串复制的简单文本字段（称为 companyText）和另一个从字符串复制的文本字段（称为 companySoundex）并使用 PhoneticFilterFactory 进行基于精制 Soundex 的匹配。
我已经能够在单个 solr 查询中复制步骤 1)。
对于第 2 步）我计划向 solr 服务器发起 3 个并行查询。第一个查询在 companyText 字段上执行简单的文本搜索，第二个查询在 companyText 字段上使用 ~ 运算符执行模糊匹配，第三个查询在 companySoundex 字段上执行 soundex 匹配。我计划以某种方式组合这 3 个并行查询的结果以获得所需的最终结果。
问题：
1）有没有更好的方法来复制原始算法的步骤 2）？
2）即使我采用“三个并行查询”方法，那么如何在原始算法中获得“正确”的排序顺序？我想主要问题是如何比较这 3 个完全不同的查询的 solr 分数以进行最终的结果组合
感谢您阅读这个长问题。任何帮助/指针将不胜感激。