sql-server-2005 - 使用 SQL Server 2005 模糊匹配可能重复项的良好 SQL 策略

Question

我想在一个大型数据库中找到可能的候选重复记录匹配像 COMPANYNAME 和 ADDRESSLINE1 这样的字段

例子:

对于具有以下 COMPANYNAME 的记录:

“Acme, Inc.”

我希望我的查询以这些 COMPANYNAME 值作为可能的重复输出其他记录:

“Acme 公司”

"Acme, Incorporated"

“极致”

我知道如何进行连接、相关子查询等，以完成提取我想要的数据集的机制。我知道这之前已经在这里讨论过。我有兴趣听到关于进行模糊搜索的最佳方法的想法 - 我应该使用全文索引还是 soundex 函数或其他我不知道的方法？ (我使用的是 SQL Server 2005)

任何帮助表示赞赏!

Answer 1

这当然取决于您的确切要求，但在 SQL 中使用 CONTAINS 使您能够执行邻近搜索以及主题搜索和模糊搜索。

http://www.developer.com/db/article.php/3446891/Understanding-SQL-Server-Full-Text-Indexing.htm

http://msdn.microsoft.com/en-us/library/ms187787(SQL.90).aspx