sql - postgresql中的三元相似度

Question

我有一个包含两列、doc-id 和 doc-txt 的表。doc-txt 中的每个单元格包含一个文档的全文（大约 1000 个单词），并且 100k 文档在一个表中（100k 行）。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中的有效方法是什么？

Answer 1

您将在列上创建一个 GiST 索引：

CREATE EXTENSION IF NOT EXISTS pg_trgm;

CREATE INDEX ON atable USING gist (doc_txt gist_trgm_ops);

现在您可以像这样执行相似性搜索：

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

这将找到 10 个最佳匹配项，并且可以由索引支持。

<<<->运算符对应于strict_word_similarity，并根据文档

该strict_word_similarity功能对于查找整个单词的相似度很有用，而word_similarity更适合查找部分单词的相似度。