sql - 是否可以使用全文索引来查找最接近的匹配字符串？统计语义在全文索引中起什么作用

Question

我正在寻找 SQL Server 2016 全文索引，它们非常适合搜索包含字符串的多个单词

当我尝试编写全文索引时，它会将统计语义显示为复选框。统计语义有什么作用？

此外，我想知道您是否想要查询

例如，假设我有一条记录为house。用户输入hause

我可以使用全文索引来返回hause作为最接近的匹配项并向用户显示您的意思是“高效地 build 房子”吗？谢谢

我尝试过 soundex，但它生成的结果很糟糕

它返回了很多不相关的单词

由于我的数据库中有如此多的记录，并且我需要非常快的结果，所以我需要 SQL Server 原生支持的东西

有什么想法吗？有什么方法可以使用索引来实现这样的事情吗？

我知道有多种算法，但它们的效率不足以让我在线使用。我的意思是计算每个记录之间的编辑距离。它们可以用于离线项目，但我需要在在线词典中实现这种效率，因为在线词典中会不断出现数千个请求。

我心里已经有了计划。将未找到的结果存储在数据库中并离线计算最接近的匹配项。并将它们用作缓存。但是，我想知道是否存在任何可能的在线/实时解决方案？考虑将有超过 1 亿条 nvarchar 记录

Answer 1

简短的回答是否定的，全文搜索无法搜索相似但不同的单词。

全文搜索使用stemmers和 thesaurus文件:

The stemmer generates inflectional forms of a particular word based on the rules of that language (for example, "running", "ran", and "runner" are various forms of the word "run").

A Full-Text Search thesaurus defines a set of synonyms for a specific language.

词干分析器和同义词库都是可配置的，您可以轻松地让 FT 匹配 house 来搜索 hause，但仅如果您添加 hause 作为 house 的同义词。这显然不是一个解决方案，因为它要求您添加所有可能的拼写错误作为同义词......

Semantic搜索是一个不同的主题，它允许您搜索语义上与给定示例接近的文档。

您想要的是查找具有短 Levenshtein distance 的记录来自给定单词(又名“模糊”搜索)。我不知道有什么技术可以创建可以回答编辑搜索的索引。如果您愿意扫描整个表中的每个术语，Levenshtein 的 T-SQL 和 CLR 实现 exists .