Signification du paramètre Fuzzy dans Lucene

Question

Comme indiqué dans the Lucene documentation, il existe un paramètre qui permet de spécifier la similarité requise pour une correspondance. La valeur de est comprise entre 0 et 1, avec une valeur plus proche de 1 seuls les termes ayant une similarité plus élevée seront appariés. Par exemple: roam ~ 0.8

Sachez que je me demande si ce paramètre est compris dans un sens relatif, c'est-à-dire pour une chaîne plus longue, la distance d'édition de chaîne peut être plus élevée et il y a toujours correspondance. Ou, s'agit-il d'une valeur absolue, c'est-à-dire que jusqu'à x substitutions/suppressions/insertions sont autorisées à faire une correspondance?

Answer 1

La recherche de term~sim permet de trouver tous les termes dont la distance d'édition est inférieure à length(term) * (1- sim). Donc roam~0.8 trouvera tous les termes avec une distance d'édition de moins de 4 * (1-.8) = .8 de itinérance.

EDIT:

Le terme doit être supérieure à 1/(1 - sim). Donc, une recherche de roam~.8 ne fera rien de flou, parce que les choses avec une similarité de .8 doivent avoir une longueur d'au moins 5.