Neo4j 快速匹配模糊文本的方法 属性
Neo4j Fast way to match fuzzy text property
我有合理数量的节点（大约 60,000）
(:Document {title:"A title"})
给定一个标题，我想找到匹配的节点，如果它存在的话。问题是给我的标题不一致。也就是说，有时新词的开头是大写，有时全是小写。有时 Key-Words 与 Kebab 大小写结合，有时它们通常写为关键字。
为了弥补这一点，我在给定标题和每个节点之间使用 apoc 和 Levenshtein 距离，并且只接受低于某个阈值的节点作为匹配项：
MATCH (a:Document)
WHERE apoc.text.distance(a.title, "A title") < 10
RETURN a
这不能很好地扩展。目前，一次查找大约需要 700 毫秒，这太慢了，因为这可能会增长到大约 150,000 个节点。
我正在考虑在节点的 alias:[...] 属性 中存储/缓存替代标题的出现，并在所有别名上建立索引，但我不知道这是否可能在 Neo4j 中。
在给定大型节点数据库的情况下，"fuzzy find"标题的最快方法是什么？
在 Neo4j 3.5（目前为 beta03）中，有 FTS（Full-Text 搜索）功能。
编辑：我写了一篇关于 Neo4j 中的 FTS 的详细博客 post：https://graphaware.com/neo4j/2019/01/11/neo4j-full-text-search-deep-dive.html
您可以使用 Lucene Classic Query Parser Syntax.
查询您的文档
创建索引：
CALL db.index.fulltext.createNodeIndex('documents', ['Document'], ['title','text'])
导入一些文件:
LOAD CSV WITH HEADERS FROM "file:///docs.csv" AS row
CREATE (n:Document) SET n = row
查询标题包含"heavy toll"
的文档
CALL db.index.fulltext.queryNodes('documents', 'title: "heavy toll"')
YIELD node, score
RETURN node.title, score
╒══════════════════════════════════════════════════════════════════════╤══════════════════╕
│"node.title" │"score" │
╞══════════════════════════════════════════════════════════════════════╪══════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│3.7325966358184814│
└──────────────────────────────────────────────────────────────────────┴──────────────────┘
查询同一个标题有错别字：
CALL db.index.fulltext.queryNodes('documents', 'title: \"heavy~ tall~\"')
YIELD node, score
RETURN node.title, score
注意引号的转义 => \" ，传递给底层解析器的字符串应该包含引号，以便执行短语查询而不是布尔查询。
此外，术语旁边的 tidle 表示使用 Damarau-Levenshtein 算法执行模糊搜索。
╒══════════════════════════════════════════════════════════════════════╤═════════════════════╕
│"node.title" │"score" │
╞══════════════════════════════════════════════════════════════════════╪═════════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│0.868073046207428 │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Prisons Run by C.E.O.s? Privatization Under Trump Could Carry a Heavy│0.4014900326728821 │
│ Price - The New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"‘All Talk,’ ‘No Action,’ Says Trump in Twitter Attack on Civil Rights│0.28181418776512146 │
│ Icon - The New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Immigrants Head to Washington to Rally While Obama Is Still There - T│0.24634429812431335 │
│he New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
我有合理数量的节点（大约 60,000）
(:Document {title:"A title"})
给定一个标题，我想找到匹配的节点，如果它存在的话。问题是给我的标题不一致。也就是说，有时新词的开头是大写，有时全是小写。有时 Key-Words 与 Kebab 大小写结合，有时它们通常写为关键字。
为了弥补这一点，我在给定标题和每个节点之间使用 apoc 和 Levenshtein 距离，并且只接受低于某个阈值的节点作为匹配项：
MATCH (a:Document)
WHERE apoc.text.distance(a.title, "A title") < 10
RETURN a
这不能很好地扩展。目前，一次查找大约需要 700 毫秒，这太慢了，因为这可能会增长到大约 150,000 个节点。
我正在考虑在节点的 alias:[...] 属性 中存储/缓存替代标题的出现，并在所有别名上建立索引，但我不知道这是否可能在 Neo4j 中。
在给定大型节点数据库的情况下，"fuzzy find"标题的最快方法是什么？
在 Neo4j 3.5（目前为 beta03）中，有 FTS（Full-Text 搜索）功能。
编辑：我写了一篇关于 Neo4j 中的 FTS 的详细博客 post：https://graphaware.com/neo4j/2019/01/11/neo4j-full-text-search-deep-dive.html
您可以使用 Lucene Classic Query Parser Syntax.
查询您的文档创建索引：
CALL db.index.fulltext.createNodeIndex('documents', ['Document'], ['title','text'])
导入一些文件:
LOAD CSV WITH HEADERS FROM "file:///docs.csv" AS row
CREATE (n:Document) SET n = row
查询标题包含"heavy toll"
的文档CALL db.index.fulltext.queryNodes('documents', 'title: "heavy toll"')
YIELD node, score
RETURN node.title, score
╒══════════════════════════════════════════════════════════════════════╤══════════════════╕
│"node.title" │"score" │
╞══════════════════════════════════════════════════════════════════════╪══════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│3.7325966358184814│
└──────────────────────────────────────────────────────────────────────┴──────────────────┘
查询同一个标题有错别字：
CALL db.index.fulltext.queryNodes('documents', 'title: \"heavy~ tall~\"')
YIELD node, score
RETURN node.title, score
注意引号的转义 => \" ，传递给底层解析器的字符串应该包含引号，以便执行短语查询而不是布尔查询。
此外，术语旁边的 tidle 表示使用 Damarau-Levenshtein 算法执行模糊搜索。
╒══════════════════════════════════════════════════════════════════════╤═════════════════════╕
│"node.title" │"score" │
╞══════════════════════════════════════════════════════════════════════╪═════════════════════╡
│"Among Deaths in 2016, a Heavy Toll in Pop Music - The New York Times"│0.868073046207428 │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Prisons Run by C.E.O.s? Privatization Under Trump Could Carry a Heavy│0.4014900326728821 │
│ Price - The New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"‘All Talk,’ ‘No Action,’ Says Trump in Twitter Attack on Civil Rights│0.28181418776512146 │
│ Icon - The New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤
│"Immigrants Head to Washington to Rally While Obama Is Still There - T│0.24634429812431335 │
│he New York Times" │ │
├──────────────────────────────────────────────────────────────────────┼─────────────────────┤