Question

我打算写一个两个输入字符串的TSQL函数和一个单词相似度的百分比作为输出，例如：

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses hotel','Hotel Golden Horses')

返回：

3/3

或

SELECT [dbo].[FN_CalcSimilarWords]('Golden horses','Golden horses Malaysia')

返回：

2/3

我在考虑将字符串解析后的单词循环和比较到This split function，还有其他任何想法可以获得更好的表现吗？

Answer 1

使用此解决方案，我假设您希望删除重复项。切换第一个和第二个参数对结果没有影响。

它返回一个值，而不是百分比，因为函数只能返回1个值或表。我假设您希望0到1之间的值为2/3 = 0.67或67％（如果乘以100）。

CREATE function f_functionx
(
  @str1 varchar(2000),
  @str2 varchar(2000)
)
returns decimal(5,2)
as
BEGIN
DECLARE @returnvalue decimal(5,2)
DECLARE @list1 table(value varchar(50))
INSERT @list1
SELECT t.c.value('.', 'VARCHAR(2000)')
FROM (
    SELECT x = CAST('<t>' + 
        REPLACE(@str1, ' ', '</t><t>') + '</t>' AS XML)
) a
CROSS APPLY x.nodes('/t') t(c)

DECLARE @list2 table(value varchar(50))
INSERT @list2
SELECT t.c.value('.', 'VARCHAR(2000)')
FROM (
    SELECT x = CAST('<t>' + 
        REPLACE(@str2, ' ', '</t><t>') + '</t>' AS XML)
) a
CROSS APPLY x.nodes('/t') t(c)


;WITH isect as
(
  SELECT count(*) match FROM
  (
    SELECT value FROM @list1
    INTERSECT
    SELECT value FROM @list2
  ) x
), total as
(
  SELECT max(cnt) cnt
  FROM
  (
    SELECT count(distinct value) cnt FROM @list1
    UNION ALL
    SELECT count(distinct value) FROM @list2
  ) x
)
SELECT 
  @returnvalue = cast(isect.match as decimal(9,2)) / total.cnt 
FROM total
CROSS JOIN isect

RETURN @returnvalue
END

GO

你可以这样调用这个函数：

SELECT dbo.f_functionx('Golden horses', 'Golden horses')
SELECT dbo.f_functionx('Golden horses', 'Golden horses XX')

返回：

1
0.67

Answer 2

如果你想在SQL中这样做，我将采取一种方法。

使用分割例程创建两个临时表，称为Words1和Words2

现在加入表格并获取计数，即

select count(*) 
from Words1 w1 
join Words2 w2 on w1.word=w2.word

让SQL按照

进行优化的方式进行

以下是如何从两个表中获取计数

select count(distinct w1.word) as Matches,
       count(distinct w1.word) as FromW1,
       count(distinct w2.word) as FromW2
    from #Words1 w1 
    left join #Words2 w2 on w1.word=w2.word

Answer 3

原始答案： SQL Fiddle

我在PTR Blog

看到了这种技巧

修改

修改以解决@ t-clausen.dk的评论中的问题：

SQL Fiddle

MS SQL Server 2012架构设置：

CREATE TABLE StringTable ( Id INT IDentity, String varchar(max) ) INSERT INTO StringTable VALUES ('xx xx Golden horses Malaysia'), ('xx xx xx xx xx')

查询1 ：

WITH StringsCTE AS ( SELECT ID,String As StringValue, CASE CHARINDEX(' ', String) WHEN 0 THEN String ELSE LEFT(String, CHARINDEX(' ',String) -1) END AS Word, 1 as Position, CASE CHARINDEX(' ',String) WHEN 0 THEN '' ELSE RIGHT(String, LEN(String) - CHARINDEX(' ',String)) END AS RestOfLine FROM StringTable UNION ALL SELECT Id,S.StringValue, CASE CHARINDEX(' ',RestOfLine) WHEN 0 THEN RestOfLine ELSE LEFT(RestOfLine, CHARINDEX(' ',RestOfLine) -1) END, Position + 1, CASE CHARINDEX(' ',RestOfLine) WHEN 0 THEN '' ELSE RIGHT(RestOfLine, LEN(RestOfLine) - CHARINDEX(' ',RestOfLine)) END FROM StringsCTE S WHERE s.RestOfLine != '' ), WordsPerString As ( SELECT S.Id, COUNT(s.Word) As NumberOfWords FROM StringsCTE S GROUP BY S.Id ) SELECT COUNT(*) As Matches, (SELECT MAX(NumberOfWords) FROM WordsPerString) as Total FROM StringsCTE S1 INNER JOIN StringsCTE S2 ON S1.Word = S2.Word AND S1.Id <> S2.Id WHERE S1.Id = 1 AND NOT EXISTS -- Not already matched (SELECT * FROM StringsCTE S3 WHERE S3.Word = S2.Word AND S3.Id <> S1.ID AND S3.Position < S2.Position)

<强> Results ：

| MATCHES | TOTAL | |---------|-------| | 2 | 5 |

Answer 4

如果您对部署CLR程序集没有任何限制，可以尝试使用此路由并比较性能。

Answer 5

如果您不担心具有公共项目的确切数量，则可以使用SQL Server FullText搜索功能。 ContainsTable和FREETEXT函数都返回Rank。详情请见

Full Text Ranking

计算SQL中两个字符串之间相似单词的数量

5 个答案: