sql - 如何从 Oracle 表中获取几乎匹配的字符串？

Question

我在 Oracle 中有一个包含四列的表。


现在用户可以在我的查询中输入输入字符串作为“operation Knee right”(这是有效的)，我的查询应该返回与 DiagnosisName 列中的大部分单词匹配的 ICD 代码 (IKR123)。

以下是我当前的查询。(没有给出正确的输出)

SELECT diagnosisname
FROM
  (SELECT diagnosisname,
    UTL_MATCH.jaro_winkler_similarity('%operation Knee right%',diagnosisname)
  FROM icd_code
  ORDER BY UTL_MATCH.EDIT_DISTANCE_SIMILARITY('%operation Knee right%',diagnosisname) DESC
  )
WHERE ROWNUM<2;

这个查询给我的输出是“左膝操作”，但我的期望是“右膝操作”。

Answer 1

关于您使用 UTL_MATCH 的一些注意事项:

EDIT_DISTANCE_SIMILARITY :返回 0 到 100 之间的整数，其中 0 表示完全没有相似性，100 表示完全匹配。

JARO_WINKLER_SIMILARITY :返回 0 到 100 之间的整数，其中 0 表示根本没有相似性，100 表示完全匹配，但会尝试考虑可能的数据输入错误。

ORDER BY UTL_MATCH.EDIT_DISTANCE_SIMILARITY('%operation Knee right%',diagnosisname) DESC

这不会给你正确的结果。因为，您只考虑了可能的相似性，而没有考虑数据输入错误。所以，你必须使用 JARO_WINKLER_SIMILARITY .

operation Knee right

您需要记住 案例 要比较的输入值和列值。它们必须在相似的情况下才能正确匹配。您正在传递 中的输入小写 ，但是，您的列值在 中INITCAP .更好地将列值和输入都转换为类似的情况。

下面一起来看看 演示理解:

SQL> WITH DATA AS(
  2  SELECT 'Heart Operation' diagnosis_name, 'IH123' icd_code FROM dual UNION ALL
  3  SELECT 'Knee Operation' diagnosis_name, 'IK123' icd_code FROM dual UNION ALL
  4  SELECT 'Left Knee Operation' diagnosis_name, 'IKL123' icd_code FROM dual UNION ALL
  5  SELECT 'Right Knee Operation' diagnosis_name, 'IKR123' icd_code FROM dual UNION ALL
  6  SELECT 'Fever' diagnosis_name, 'IF123' icd_code FROM dual
  7  )
  8  SELECT t.*,
  9    utl_match.edit_distance_similarity(upper(diagnosis_name),upper('operation Knee right')) eds,
 10    UTL_MATCH.jaro_winkler_similarity (upper(diagnosis_name),upper('operation Knee right')) jws
 11  FROM DATA t
 12  ORDER BY jws DESC
 13  /

DIAGNOSIS_NAME       ICD_CO        EDS        JWS
-------------------- ------ ---------- ----------
Right Knee Operation IKR123         20         72
Knee Operation       IK123          20         70
Heart Operation      IH123          25         68
Left Knee Operation  IKL123         25         64
Fever                IF123          15         47

SQL>

因此，您会看到两者有何不同。 jaro_winkler_similarity 在识别 方面做得更好数据输入错误 并给予 最接近的比赛 .基于此，只需在按降序排序后选择第一行:

SQL> WITH DATA AS(
  2  SELECT 'Heart Operation' diagnosis_name, 'IH123' icd_code FROM dual UNION ALL
  3  SELECT 'Knee Operation' diagnosis_name, 'IK123' icd_code FROM dual UNION ALL
  4  SELECT 'Left Knee Operation' diagnosis_name, 'IKL123' icd_code FROM dual UNION ALL
  5  SELECT 'Right Knee Operation' diagnosis_name, 'IKR123' icd_code FROM dual UNION ALL
  6  SELECT 'Fever' diagnosis_name, 'IF123' icd_code FROM dual
  7  )
  8  SELECT diagnosis_name
  9  FROM
 10    (SELECT t.*,
 11      utl_match.edit_distance_similarity(upper(diagnosis_name),upper('operation Knee right')) eds,
 12      UTL_MATCH.jaro_winkler_similarity (upper(diagnosis_name),upper('operation Knee right')) jws
 13    FROM DATA t
 14    ORDER BY jws DESC
 15    )
 16  WHERE rownum = 1
 17  /

DIAGNOSIS_NAME
--------------------
Right Knee Operation

SQL>