PostgreSQL中的三字母组相似度

问题描述

我有一个包含两列的表，即doc-id和doc-txt。 doc-txt中的每个单元格都包含一个文档的全文本（大约1000个单词），并且一个表（10万行）中有10万个文档。 我有一个关键字列表，我想在doc-txt中找到与每个关键字最相似的单词。 Postgresql中有效的方法是什么？

解决方法

您将在该列上创建GiST索引：

CREATE EXTENSION IF NOT EXISTS pg_trgm;

CREATE INDEX ON atable USING gist (doc_txt gist_trgm_ops);

现在您可以执行类似搜索：

SELECT * FROM atable
ORDER BY doc_txt <<<-> 'keyword' DESC
LIMIT 10;

这将找到10个最佳匹配，并且可以得到索引的支持。

<<<->运算符对应于strict_word_similarity，并根据the documentation

strict_word_similarity函数对于查找与整个单词的相似性非常有用，而word_similarity更适合于查找单词的部分相似性。