问题描述如何实现SOLR复杂令牌匹配算法
我想实现一个自定义的算法来匹配用户提供自由文本输入，公司名称，如“福特汽车“，对照由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）执行一个“完全匹配”，接着是“开始比赛”，最后“包含匹配”用户提供的搜索输入的。这一步的结果也按照相同的顺序排序。
步骤2）通过搜索输入的令牌匹配和参考公司名称执行令牌。
每个标记按以下顺序匹配：确切，开始，包含，Levenshtein距离（< 0.2）和精制Soundex。
E.g.如果用户输入是“Foord Motur Holding”，并且与“福特汽车控股公司”相匹配，则第一个标记“Foord”将基于Soundex匹配匹配“Ford”，第二个标记“Motur”将匹配基于Edit的“Motor”距离算法和最后一个令牌“Holding”将通过开始匹配匹配“Holdings”。
评分： 每个令牌的比赛是第一得分上率匹配技术规模，以精确匹配是最好的和探测是最差的。
通过计算各个令牌匹配分数的加权平均值，计算整体分数，范围为0-100％。权重是根据令牌的索引顺序来分配的，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
我实现了一个简单的模式Solr中存储全球化志愿服务青年的公司名称。字符串字段（称为companyName），从字符串复制的简单文本字段（称为companyText）和从字符串复制的另一个文本字段（称为companySoundex），并使用PhoneticFilterFactory进行基于精炼Soundex的匹配。
我已经能够在单个solr查询中复制步骤1）。
对于步骤2）我打算启动3个并行查询solr服务器。第一个查询在companyText字段执行简单文本搜索，第二个查询在companyText字段使用〜运算符执行模糊匹配，第三个查询在companySoundex字段执行soundex匹配。我计划以某种方式组合来自这3个并行查询的结果以获得期望的最终结果。
问题：
1）是否有更好的方式来复制原始算法的步骤2）？
2）即使我用我的“三并行查询”方法，那么如何获得“正确”的排序顺序，因为我得到的原始算法？ 我想主要的问题是如何比较这3个完全不同的查询的solr得分来做最后的结果组合
感谢您阅读这个长的问题。任何帮助/指针将不胜感激。
我对我的第一个查询使用edismax语法分析器进行全字符串匹配（请参阅步骤1），如下所示：q =（* FORD \ MOTOR *）＆qf = companyName＆defType = edismax＆bq =（companyName：FORD \ MOTOR *）^20bf = FieldLength参数（的companyName）。 Boost查询将Exact和Begins匹配推送到基于Contains的匹配上方。查询的这一部分需要最长的时间，因为我通过比较查询时间和不查找时间来发现。所以我认为，如果我将3个查询结合在一起并尝试使用多个bq和bf值进行提升，性能可能不可接受。谢谢。 – 2012-01-07 18:04:39