Question

有没有办法在MySQL数据库中搜索相似的单词（意思是不相同的单词）。例如：用户在数据库中搜索单词“abcd”并且数据库中有一个单词“abd”，因此搜索引擎或程序询问用户“你的意思是[abd]？”，就像在大多数搜索引擎中一样网络？请注意，搜索词不是现有单词的一部分（不能使用“like”）

Answer 1

查看Damerau-Levenshtein distance算法。它计算两个字符串之间的“距离”，并确定将一个字符串转换为另一个字符串所需的步数。两个弦越近，步数越少。

This文章显示了作为MySQL存储函数实现的算法。

该算法比LIKE或SOUNDEX好得多。

我认为Google使用众包源数据而不是算法。即，如果用户键入abcd，单击后退按钮然后立即搜索abd，则会在用户对结果不满意时建立两个搜索项之间的关系。一旦您进行了非常大的社区搜索，就会显示该模式。

Answer 2

由于Dave Barker的答案中的链接已经死了，以下是来自an archived version of the website的代码：

CREATE FUNCTION LEVENSHTEIN (s1 VARCHAR(255), s2 VARCHAR(255))
  RETURNS INT
    DETERMINISTIC
      BEGIN
        DECLARE s1_len, s2_len, i, j, c, c_temp, cost INT;
        DECLARE s1_char CHAR;
        DECLARE cv0, cv1 VARBINARY(256);
        SET s1_len = CHAR_LENGTH(s1), s2_len = CHAR_LENGTH(s2), cv1 = 0x00, j = 1, i = 1, c = 0;
        IF s1 = s2 THEN
          RETURN 0;
        ELSEIF s1_len = 0 THEN
          RETURN s2_len;
        ELSEIF s2_len = 0 THEN
          RETURN s1_len;
        ELSE
          WHILE j <= s2_len DO
            SET cv1 = CONCAT(cv1, UNHEX(HEX(j))), j = j + 1;
          END WHILE;
          WHILE i <= s1_len DO
            SET s1_char = SUBSTRING(s1, i, 1), c = i, cv0 = UNHEX(HEX(i)), j = 1;
            WHILE j <= s2_len DO
                SET c = c + 1;
                IF s1_char = SUBSTRING(s2, j, 1) THEN SET cost = 0; ELSE SET cost = 1; END IF;
                SET c_temp = CONV(HEX(SUBSTRING(cv1, j, 1)), 16, 10) + cost;
                IF c > c_temp THEN SET c = c_temp; END IF;
                SET c_temp = CONV(HEX(SUBSTRING(cv1, j+1, 1)), 16, 10) + 1;
                IF c > c_temp THEN SET c = c_temp; END IF;
                SET cv0 = CONCAT(cv0, UNHEX(HEX(c))), j = j + 1;
            END WHILE;
            SET cv1 = cv0, i = i + 1;
          END WHILE;
        END IF;
        RETURN c;
      END

注意：

输入字符串的最大长度为255个字符。我确信如果需要，您可以编辑该功能以支持更多功能。
我在utf8_bin专栏上用国际字符对它进行了测试，看起来很有效，但我还没有充分测试过这种功能。
我只在MySQL 5.0+上测试过它。不知道它如何适用于低于此版本的版本。

作为奖励，我还创建了一个返回比率的辅助函数（以百分比表示）不同的：相同的字符，可以更多这不仅仅是一个直接的编辑距离（从这里开始的想法）。

CREATE FUNCTION LEVENSHTEIN_RATIO (s1 VARCHAR(255), s2 VARCHAR(255))
  RETURNS INT
    DETERMINISTIC
      BEGIN
        DECLARE s1_len, s2_len, max_len INT;
        SET s1_len = LENGTH(s1), s2_len = LENGTH(s2);
        IF s1_len > s2_len THEN SET max_len = s1_len; ELSE SET max_len = s2_len; END IF;
        RETURN ROUND((1 - LEVENSHTEIN(s1, s2) / max_len) * 100);
      END

Answer 3

取决于它们之间的距离，您可以查看soundex ...

http://dev.mysql.com/doc/refman/5.0/en/string-functions.html#function_soundex

Answer 4

查看Levenshtein_distance

Answer 5

另一种技术是在trigrams上创建索引。

有没有办法在SQL数据库中搜索相似的单词（意思是不相同的单词）？

5 个答案: