处理不准确的自然语言字符串

Question

命令我们正在设计一个可以在这个格式

command context 

上下文是从约200元组的话，如列表中定义的接受命令的系统：

physical therapy 
cardiac 
physician visit 
hospital inpatient 
hospital outpatient 
etc. 

我们希望系统能够纠正用户错误，如拼写错误，但也要理解“物理治疗”与“物理治疗师”相同，并且还要接受同义词

最后，如果它不完全匹配，应该要求用户的最佳匹配

这是我在想这样做的之间的歧义：

1. 干上下文的单词和传入查询都
2. 删除/从查询
3. 检查隔离命令串并纠正任何字谜（不过：这只占地面积拼写错误一类）
4. 寻找一个确切的词匹配
5. 查找

这并不觉得自己是一个巧妙的解决办法“接近的比赛”，特别是步骤3和5

什么是更好/更简单的方法来做到这一点？任何图书馆都可以在C＃中做到这一点，奖金。

Lucene可以这样做吗？任何指导赞赏。

谢谢！

Answer 1

对于您的目的而言这可能太不精确，但Soundex是一种常用算法，用于判断两个单词“听起来相似”。

Answer 2

我认为Lucene最好只适用于步骤4和5，因为Lucene目前只支持“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）。

有一整套有关近似匹配的文献 - 我将从agrep工作开始，并从那里开始（但部分原因是因为我熟悉agrep）。