我刚开始使用postgreSQL进行模糊文本匹配。我有两列:job_title
和company_name
。
典型的全文搜索会连接job_title
和company_name
,然后根据单个排名返回搜索文本结果。
但是,在我的情况下,同等对待两列中的文本匹配可能会有问题。例如,Search Engineer
上Google Co.
的{{1}}不能与Google Search
Engineer Co.
的{{1}}平分
我知道我可以为每列分配不同的权重。但是,我没有理由比其他人更重要。
如何将我的关键字分别与每个列匹配,并在每个关键字上返回一些“匹配得分”?
类似的东西:
Jobs.where("(to_tsvector('english', position) @@ plainto_tsquery(:q)) AND
(to_tsvector('english',company) @@ plainto_tsquery(:q))", q: "Search Engineer", q: "Google")
答案 0 :(得分:1)
正如您所指出的,您可以连接tsvectors:
# select to_tsvector('job description') ||
to_tsvector('company as keyword') ||
to_tsvector('job description as body') as vector;
vector
-----------------------------------------------------------
'bodi':9 'compani':3 'descript':2,7 'job':1,6 'keyword':5
(1 row)
你也可以为它们分配权重:
# select (setweight(to_tsvector('job description'), 'A') ||
setweight(to_tsvector('company as keyword'), 'B') ||
setweight(to_tsvector('job description as body'), 'D')) as vector;
vector
---------------------------------------------------------------
'bodi':9 'compani':3B 'descript':2A,7 'job':1A,6 'keyword':5B
(1 row)
你也可以玩ts_rank_cd()
。特别是,您可以更改分数的标准化方式。
http://www.postgresql.org/docs/current/static/textsearch-controls.html
在您的情况下,您似乎想要组合两个单独的查询。一个丑陋但可能足够的解决方案可能如下所示:
select sum(rank) as rank, ...
from (
select ...
union all
select ...
) as sub
group by ...
order by sum(rank) desc
limit 10
正如你所看到的,它不是很漂亮。它也是一个用于聚合潜在大量匹配行的大道。 Imho,你最好坚持使用内置的tsvector算法并根据需要调整权重。