sql - 计算SQL中两个字符串之间相似词的个数

Question

我打算编写一个 TSQL 函数，将两个输入字符串和一定比例的单词相似度作为输出，例如:

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses hotel','Hotel Golden Horses')

返回:

3/3

或

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses','Golden horses Malaysia')

返回:

2/3

我正在考虑在将字符串解析为 This split function 之后循环和比较单词, 还有其他更好的想法吗？

Answer 1

对于此解决方案，我假设您希望删除重复项。切换第一个和第二个参数对结果没有影响。

它返回一个值，而不是百分比，因为函数只能返回 1 个值或一个表。我假设您想要 0 到 1 之间的值，如果乘以 100，则 2/3 = 0.67 或 67%。

CREATE function f_functionx
(
  @str1 varchar(2000),
  @str2 varchar(2000)
)
returns decimal(5,2)
as
BEGIN
DECLARE @returnvalue decimal(5,2)
DECLARE @list1 table(value varchar(50))
INSERT @list1
SELECT t.c.value('.', 'VARCHAR(2000)')
FROM (
    SELECT x = CAST('<t>' + 
        REPLACE(@str1, ' ', '</t><t>') + '</t>' AS XML)
) a
CROSS APPLY x.nodes('/t') t(c)

DECLARE @list2 table(value varchar(50))
INSERT @list2
SELECT t.c.value('.', 'VARCHAR(2000)')
FROM (
    SELECT x = CAST('<t>' + 
        REPLACE(@str2, ' ', '</t><t>') + '</t>' AS XML)
) a
CROSS APPLY x.nodes('/t') t(c)


;WITH isect as
(
  SELECT count(*) match FROM
  (
    SELECT value FROM @list1
    INTERSECT
    SELECT value FROM @list2
  ) x
), total as
(
  SELECT max(cnt) cnt
  FROM
  (
    SELECT count(distinct value) cnt FROM @list1
    UNION ALL
    SELECT count(distinct value) FROM @list2
  ) x
)
SELECT 
  @returnvalue = cast(isect.match as decimal(9,2)) / total.cnt 
FROM total
CROSS JOIN isect

RETURN @returnvalue
END

GO

你可以这样调用函数:

SELECT dbo.f_functionx('Golden horses', 'Golden horses')
SELECT dbo.f_functionx('Golden horses', 'Golden horses XX')

返回:

1
0.67