如何从 Oracle 表中获取几乎匹配的字符串？

Posted 2023-02-22

【中文标题】如何从 Oracle 表中获取几乎匹配的字符串？

【英文标题】：How to get almost matching string from Oracle table?

【发布时间】：2015-07-08 05:23:15

【问题描述】：

我在 Oracle 中有一个包含四列的表。

现在用户可以在我的查询中输入输入字符串“右膝操作”（这是有效的），我的查询应该返回与 DiagnosisName 列中大部分单词匹配的 ICD 代码 (IKR123)。

以下是我当前的查询。（没有给出正确的输出）

SELECT diagnosisname
FROM
  (SELECT diagnosisname,
    UTL_MATCH.jaro_winkler_similarity('%operation Knee right%',diagnosisname)
  FROM icd_code
  ORDER BY UTL_MATCH.EDIT_DISTANCE_SIMILARITY('%operation Knee right%',diagnosisname) DESC
  )
WHERE ROWNUM<2;

这个查询给我的输出是“左膝手术”，但我的期望是“右膝手术”。

【参考方案1】：

请试试这个查询。这可能有助于解决您的问题。

SELECT diagnosisname 
   FROM (SELECT diagnosisname, UTL_MATCH.jaro_winkler_similarity('%operation Knee right%',diagnosisname) 
   FROM icd_code 
   WHERE UTL_MATCH.jaro_winkler_similarity('%operation Knee right%',diagnosisname) = 100
   ORDER BY UTL_MATCH.EDIT_DISTANCE_SIMILARITY('%operation Knee right%',diagnosisname) DESC) 
WHERE ROWNUM<2

【讨论】：

你好@Pankaj，你正在比较 UTL_MATCH.jaro_winkler_similarity('%operation Knee right%',diagnosisname) = 100 这意味着第一个字符串和第二个字符串都应该完全匹配。但是我的要求是，即使它部分（但几乎）匹配也应该有效。但是您的查询什么也没返回。

【参考方案2】：

关于UTL_MATCH的使用有几点需要注意：

EDIT_DISTANCE_SIMILARITY

：返回 0 到 100 之间的整数，其中 0 表示完全不相似，100 表示完全匹配。

JARO_WINKLER_SIMILARITY

：返回 0 到 100 之间的整数，其中 0 表示完全不相似，100 表示完全匹配，但会尝试考虑可能的数据输入错误。

ORDER BY UTL_MATCH.EDIT_DISTANCE_SIMILARITY('%operation Knee right%',diagnosisname) DESC

这不会给你正确的结果。因为，您只考虑可能的相似性，而没有考虑数据输入错误。因此，您必须使用 JARO_WINKLER_SIMILARITY。

右膝手术

您需要记住输入的 CASE 和要比较的列值。它们必须在相似的情况下才能正确匹配。您在 LOWERCASE 中传递输入，但是，您的列值在 INITCAP 中。更好地将列值和输入转换为类似的情况。

我们看下面的演示来了解一下：

SQL> WITH DATA AS(
  2  SELECT 'Heart Operation' diagnosis_name, 'IH123' icd_code FROM dual UNION ALL
  3  SELECT 'Knee Operation' diagnosis_name, 'IK123' icd_code FROM dual UNION ALL
  4  SELECT 'Left Knee Operation' diagnosis_name, 'IKL123' icd_code FROM dual UNION ALL
  5  SELECT 'Right Knee Operation' diagnosis_name, 'IKR123' icd_code FROM dual UNION ALL
  6  SELECT 'Fever' diagnosis_name, 'IF123' icd_code FROM dual
  7  )
  8  SELECT t.*,
  9    utl_match.edit_distance_similarity(upper(diagnosis_name),upper('operation Knee right')) eds,
 10    UTL_MATCH.jaro_winkler_similarity (upper(diagnosis_name),upper('operation Knee right')) jws
 11  FROM DATA t
 12  ORDER BY jws DESC
 13  /

DIAGNOSIS_NAME       ICD_CO        EDS        JWS
-------------------- ------ ---------- ----------
Right Knee Operation IKR123         20         72
Knee Operation       IK123          20         70
Heart Operation      IH123          25         68
Left Knee Operation  IKL123         25         64
Fever                IF123          15         47

SQL>

因此，您会看到两者之间的不同之处。 jaro_winkler_similarity 在识别数据输入错误和提供最接近的匹配方面做得更好。在此基础上，只需将第一行按降序排序即可：

SQL> WITH DATA AS(
  2  SELECT 'Heart Operation' diagnosis_name, 'IH123' icd_code FROM dual UNION ALL
  3  SELECT 'Knee Operation' diagnosis_name, 'IK123' icd_code FROM dual UNION ALL
  4  SELECT 'Left Knee Operation' diagnosis_name, 'IKL123' icd_code FROM dual UNION ALL
  5  SELECT 'Right Knee Operation' diagnosis_name, 'IKR123' icd_code FROM dual UNION ALL
  6  SELECT 'Fever' diagnosis_name, 'IF123' icd_code FROM dual
  7  )
  8  SELECT diagnosis_name
  9  FROM
 10    (SELECT t.*,
 11      utl_match.edit_distance_similarity(upper(diagnosis_name),upper('operation Knee right')) eds,
 12      UTL_MATCH.jaro_winkler_similarity (upper(diagnosis_name),upper('operation Knee right')) jws
 13    FROM DATA t
 14    ORDER BY jws DESC
 15    )
 16  WHERE rownum = 1
 17  /

DIAGNOSIS_NAME
--------------------
Right Knee Operation

SQL>

【讨论】：

嗨@Lalit，您的查询工作正常，但用户也可以输入 operation crime rt 而不是 operation crime right。左=lt，右=lt等，

@shary.sharath 您可以使用DECODE 自定义一些东西。该功能为您提供最接近的匹配，但很少有超出该功能范围的内容。您需要显式编写查询来处理可能存在歧义的情况。例如，operation knee rt 将给出两行，因为两者都是紧密匹配的。但是，如果您将rt 解码为right 并将lt 解码为left，您将获得所需的输出。请将其标记为已回答。

您好@Lalit，我使用了您的查询SELECT diagnosisname FROM ( SELECT diagnosisname,utl_match.edit_distance_similarity(UPPER(diagnosisname),UPPER('knee operation Left ')) eds, UTL_MATCH.jaro_winkler_similarity (UPPER(diagnosisname),UPPER('knee operation Left ')) jws FROM icd_code ORDER BY jws DESC ) WHERE ROWNUM = 1，但它返回的是膝盖操作而不是左膝盖操作。我现在该怎么办？

嗯，那是因为Knee Operation 与前两个词完美匹配。让我给你一个解决方法，同时你可以试试这个lalitkumarb.wordpress.com/2014/12/02/…你可以将字符串拆分为单个单词并使用IN运算符进行比较。

对于句子中的单词匹配 jaro 或编辑哪个会更好？