postgresql 查找相似词组

Question

我有一个包含 A 列的表 1，其中存储了大约 100,000 个字符串 (varchar)。不幸的是，每个字符串都有多个用空格分隔的单词。此外，它们具有不同的长度，即一个字符串可以包含 3 个单词，而另一个字符串包含 7 个单词。

然后我将 B 列存储在第二个 table2 中，该表以相同的方式仅包含 100 个字符串。因此，每个字符串有多个单词，用空格分隔。

目标是，根据单词查看 B 列的一条记录与 A 列的可能多条记录匹配的可能性有多大。结果也应该有排名。我正在考虑在循环中使用全文搜索，但我不知道该怎么做，或者是否有适当的方法来实现这一点？

Answer 1

我不知道你是否可以将表格“tturn”成字典以使用全文在此处进行排名。但是您可以很容易地使用一些原始排名来查询它，例如:

t=# with a(a) as (values('a b c'),('a c d'),('b e f'),('r b t'),('q w'))
, b(i,b) as (values(1,'a b'), (2,'e'), (3,'b'))
, p as (select unnest(string_to_array(b.b,' ')) arr,i from b)
select a phrases,arr match_words,count(1) over (partition by arr) words_in_matches, count(1) over (partition by i) matches,i from a left join p on a.a like '%'||arr||'%';
 phrases | match_words | words_in_matches | matches | i
---------+-------------+------------------+---------+---
 r b t   | b           |                6 |       5 | 1
 a b c   | b           |                6 |       5 | 1
 b e f   | b           |                6 |       5 | 1
 a b c   | a           |                2 |       5 | 1
 a c d   | a           |                2 |       5 | 1
 b e f   | e           |                1 |       1 | 2
 r b t   | b           |                6 |       3 | 3
 a b c   | b           |                6 |       3 | 3
 b e f   | b           |                6 |       3 | 3
 q w     |             |                1 |       1 |
(10 rows)

• 短语是您大表中的行。
• match_words 是您的小表中的标记(由空格分隔)
• words_in_matches 短语中的标记数量
• matches 是大表短语与小表短语的匹配数量
• i 来自小表的短语索引

因此您可以按第三列或第四列排序以获得某种排名...