PostgreSQL全文检索和三元词混淆

Question

我对PostgreSQL、全文搜索和Trigram的整个概念有点困惑。在全文搜索查询中，我使用tsvector，如下所示：

SELECT * FROM articles
WHERE search_vector @@ plainto_tsquery('english', 'cat, bat, rat');

问题是，这种方法不能解决拼写错误的问题。然后我开始阅读关于Trigram and pg_trgm的文章：

通过查看其他示例，似乎使用了trigram或向量，但不能同时使用两者。所以我的问题是:它们曾经一起使用过吗？如果是这样的话，是怎么做的？三元文法取代全文吗？三元模型更准确吗？那么trigrams对性能有什么影响呢？

Answer 1

它们服务于非常不同的目的。

• 全文搜索用于返回与词干words.
• Trigrams的搜索查询匹配的文档，为您提供了一种比较两个字符串并确定它们看起来有多相似的方法。

考虑以下示例：

SELECT 'cat' % 'cats'; --true

上面的结果返回true，因为'cat'与'cats'非常相似(由pg_trgm限制决定)。

SELECT 'there is a cat with a dog' % 'cats'; --false

上面的代码返回false，因为%在两个完整的字符串之间查找相似的内容，而不是在字符串中查找单词cats。

SELECT to_tsvector('there is a cat with a dog') @@ to_tsquery('cats'); --true

这将返回true，因为tsvector将字符串转换为词干单词列表，并忽略了一堆常用单词(停用单词-如'is‘和'a')...然后搜索cats的词干版本。

听起来你想使用trigrams来auto-correct你的ts_query，但这并不是真的可能(无论如何都不是以任何有效的方式)。他们并不真正知道一个单词是拼写错误的，只是它可能与另一个单词有多相似。它们可以用来搜索词表，试图找到相似的词，允许你实现一个“你的意思是...”键入功能，但是这个单词需要维护一个单独的表，其中包含search字段中使用的所有单词。

如果您希望文本索引匹配一些常见的拼写错误的单词/短语，则可能需要查看Synonym Dictorionaries