问题标签 [trigram]

鉴于此表：

和这样的查询：

我可以像这样创建一个pg_trgm 索引来加快查找速度：

（对？）

我的问题：这样的查询怎么样：

我可以创建一个有助于查找两列的索引吗？

（我知道 trigram 并不是严格意义上的全文，但无论如何我都在标记这个问题）

我目前从事一个项目，该项目只是创建基本的语料库数据库并对文本进行标记。但似乎我陷入了困境。假设我们有这些东西：

现在我想在一个标记之前和之后找到这个词。

我认为会有三种可能性：token 可能开始句子，token 可能结束句子或者 token 可能出现在句子的某个地方，所以我使用了上面的 regex 规则。当我跑步时，我遇到了这些事情：

我也尝试了 \b\w\b 或 \b\W\b 的东西，但不幸的是那些没有返回任何结果而不是返回错误的结果。我试过了：

我希望问题不会太模糊。

所以基本上我设置了一个非常简单的测试表来测试 postgresql 9.1（库存 Debian 稳定版）中的三元组和全文索引功能。

以下是表和索引定义：

我的问题是，如果我进行%foo%应该使用 trigram 索引的搜索，如果我在文本列上搜索，它不会：

但是，如果我在 varchar600 列中进行搜索，它确实使用了三元组索引，而且——并不奇怪——要快得多：

所以最终的问题是：

• 为什么 postgres 不在文本列上使用三元组索引。
• 如何使 postgres 使用索引？我应该以其他方式定义它吗？

我正在使用 Rails 的 pg_search gem（Ruby 2.1.1，Rails 4.1.4）并尝试为我的一些模型实现全局多搜索，但我不断得到

PG::UndefinedFunction: ERROR: operator does not exist: text % unknown

当我运行 multisearch 命令时。

这是我的模型：

我的搜索查询是这样的Happy Tiger

但是，当我运行时PgSearch.multisearch("Happy Tiger")，我得到了上述错误。

我还有一个初始化器告诉 PgSearch 使用trigram

有任何想法吗？？？

我有一个字符串列表，我想将其分类。然后我想在每个组的字符串上显示。

假设我的列表如下所示：

• 敏捷的棕色狐狸跳过了懒狗
• 敏捷的棕色狐狸跳过了懒狗！！！！
• 棕狐跳过懒狗
• Zing，矮人运动员 vex 淋巴
• 矮人运动员 vex 淋巴123
• 我很喜欢饼干

然后我想展示这样的东西（每个类一个字符串）：

• 敏捷的棕色狐狸跳过了懒狗
• 矮人运动员 vex 淋巴123
• 我很喜欢饼干

我知道三元组是将字符串分类为“相似的字符串”和“不同的字符串”的一种非常简单且有用的解决方案。我也很确定它们可用于将字符串列表划分为类，但我不确定如何。

这里的任何人都可以帮助我，还是我应该使用完全不同的东西？

我更喜欢一种简单且可维护的方法，而不是高精度。

我正在尝试浏览整个文本文件文件夹，收集所有这些文件中三元组的累积频率，并将它们打印到 csv 文件中。它完成了整个语料库的工作，但是当它开始为三元组工作时，我收到以下错误：

非常感谢你。这是脚本：

我有一个迁移：

它在以下位置生成此代码schema.rb：

后来，当我执行rake db:schema:load它时会生成错误的sql：

首先，它说：

错误：数据类型字符变化没有访问方法“gin”的默认运算符类

其次，有失gin_trgm_ops。

如何使它起作用？

Rails 4.2

我正在尝试运行一个查询，该查询将一个表与自身连接起来并进行模糊字符串比较（使用三元组比较）以查找可能的公司名称匹配项。我的目标是返回一条记录的公司名称（ref_name 字段）的三元组相似度与另一条记录的公司名称匹配的记录。目前，我将阈值设置为 0.9，因此它只会带回很可能包含相似字符串的匹配项。

我知道自联接本质上会导致许多比较，但我想尽我所能优化我的查询。我不需要立即得到结果，但目前我正在运行的查询需要 11 个小时才能运行。

我在 Ubuntu 12.04 服务器上运行 Postgres 9.2。我不知道 ref_name 字段（我匹配的字段）的最大长度是多少，所以我将它设置为varchar(300). 我想知道将其设置为文本类型是否会影响性能，或者是否有更好的字段类型可用于提高性能。我的LC_CTYPE和LC_COLLATE语言环境设置为"en_US.UTF-8"

我正在运行查询的表总共包含大约 160 万条记录，但我需要 11 个小时才能运行的查询是其中的一小部分（大约 100k）。

表结构：

索引：

询问：

解释计划：

以下是一些示例记录：

正如你所看到的，我创建了一个 gist trigram 索引来加快速度（到目前为止尝试了两种不同的类型进行比较）。有人对我如何提高此查询的性能并将其从 11 小时缩短到更易于管理的时间有任何建议吗？最终我想在整个表上运行这个查询来比较记录，而不仅仅是这个小子集。

我正在使用 pg_search 来 full_text_search 我的客户 d/b 的姓名和电子邮件地址。如果我搜索电子邮件地址的域部分，如何获得匹配？例如hotmail，返回所有带有hotmail 地址的客户。

到目前为止，我采取的步骤包括使用 trigram 搜索和为 trigram 搜索添加 psql 扩展。本文中的评论，PG full text search on rails using pg_search gem for substring表明我需要构建一个文本搜索字典。有人知道如何拆分电子邮件地址吗？

我对 PostgreSQL 中的模糊搜索和三元组相当陌生。我在数据库中有几十万个产品，我希望能够选择名称最接近另一个产品名称的产品。

经过几个小时的试验和研究，我安装了pg_trgm扩展并创建了一个三元索引，如下所示：

以下查询在大约 0.07 秒内执行，目前令人满意：

问题是，我需要进一步指定要搜索的产品类型。我想如果我这样做，它会比以前更快，因为我不是模糊搜索整个数据库，而是只搜索一组特定的产品。但是，由于某种原因，如果我执行以下操作：

...执行时间大约翻了一番。谁能解释为什么会这样？另外，如果您在这方面有经验，您会建议不要使用 PostgreSQL 并使用 Elastic 吗？