Oracle：多列“最接近匹配”自动完成策略

Posted 2023-03-28

【中文标题】Oracle：多列“最接近匹配”自动完成策略

【英文标题】：Oracle: Multi-Column "Closest Match" Autocomplete Strategy

【发布时间】：2012-05-17 14:23:00

【问题描述】：

我正在实现一个自动完成功能，它允许用户输入部分文本，然后与表中的 4 个不同列进行匹配。这是一个基本示例：

+------------+-----------+--------+-----------------+
| first_name | last_name | login  | email           |
+------------+-----------+--------+-----------------+
| John       | Smith     | jsmith | [e-mail]  |
| Johnny     | Ringo     | ringo  | [e-mail] |
| Bob        | Jones     | bjones | [e-mail]   |
| Jane       | Doe       | doej   | [e-mail] |
+------------+-----------+--------+-----------------+

当用户输入“jo”时，我想匹配该表中的记录，其中这四列中至少有一个与模式“jo%”匹配。对于此示例，由于它们的 first_name 列值，只有前两个会匹配。如果搜索是“js”，那么由于其 login 和 email 列值，只有第一条记录会匹配。等等。我还想返回按相似度排序的结果，其中第一个结果是“最接近的匹配”，依此类推（标准自动完成行为）。

我目前一直在尝试使用UTL_MATCH 和产生以下查询的代码来解决这个问题：

SELECT first_name,
  last_name,
  login,
  email,
      (  utl_match.jaro_winkler_similarity(first_name, 'js')
       + utl_match.jaro_winkler_similarity(last_name, 'js')
       + utl_match.jaro_winkler_similarity(login, 'js')
       + utl_match.jaro_winkler_similarity(email, 'js')) similarity
FROM users
WHERE LOWER(first_name) LIKE LOWER('js%')
OR LOWER(last_name) LIKE LOWER('js%')
OR LOWER(login) LIKE LOWER('js%')
OR LOWER(email) LIKE LOWER('js%')
ORDER BY similarity DESC

结果并不像我希望的那样准确，而且我已经看到野外的自动完成功能按照我希望的方式工作，但不知道它们是如何实现的后端。

谁能指出我正确的方向？

【问题讨论】：

你能举一个例子说明结果不是你想要的，你希望它们是什么，为什么？我的第一个猜测是，您希望按最大相似性而不是 4 个组件的相似性总和对结果进行排序，和/或您希望对字段进行加权以匹配用户最有可能搜索的内容.但是如果没有更多细节就很难知道。

@JustinCave：不幸的是，由于保密协议，我不能。但是你提出了一些我以前没有想到的有趣的想法。我使用总数的原因是用户可以搜索多个术语（例如“john sm”），并且我将每个以空格分隔的单词视为一个不同的搜索词，对每个词应用所有相同的逻辑。不过，它正在迅速变得笨拙。

显然，我不是要求您发布真实数据、真实表结构等。只是您发布的示例数据或多行示例数据的示例，其中排序不是' t 你想要什么。当您搜索您提供的示例“jo”或“js”时，您发布的示例数据似乎工作得相当好，因此很难看出问题是如何回答的。如果您可以说“当我搜索 'jo' 时，我宁愿将 'John Smith' 排序在 'Bob Jones' 之上，因为......”我们可能会提供帮助。否则，我认为这个问题是无法回答的。

为什么不围绕匹配制定一些基本规则（例如，4 个字段中的任何一个以输入开头）。所以用户输入“j”，将返回所有行（John，Johnny，Jones，Jane），但对于“jo”，只会得到 3 行（John，Johnny，Jones）。将您的 SQL 简化为仅使用 like 'jo%' 语法，并且在 imo 中更加一致和易于理解。

@tbone：我已经在上面的查询中这样做了。

【参考方案1】：

搜索总是很有趣。你已经开始了一个非常好的基本方法。我通常做的是创建一个通过触发器加载的辅助表。触发器从您的用户表中加载主键，第二列是“搜索”列。在您的示例中，每一行将产生 4 行。确保以大写形式存储结果，以便您可以索引列，Oracle 将使用该索引，因为您坚持使用类似的语法。它需要一个额外的表，但是可以通过触发器来维护该表。

    create table searcher
    (
    user_id  number, --FK back to users
    search_column  varchar2(50) -- or whatever size column is appropriate
    );

    select u.first_name, u.last_name, u.login. u.email,
utl_match.jaro_winkler_similarity(search_column, 'js')
    from users u
    join
    searcher s
    on (u.user_id = s.user_id)
    where s.search_column like upper('js%')
    order by 5;

【讨论】：

我认为您在这里的建议与@JustinCave 关于使用所有列的最大相似度而不是总数的建议基本相同。不同之处在于在查询中取最大值不需要单独的表。这种方法可能对性能有一点好处，但我不确定。

主要区别在于我的解决方案将索引您的查询并提高性能。如果您的表中只有 100 行，则可能无关紧要。如果你有 100,000，那么这可能是个问题。