SQL CONTAINSTABLE -意外结果

Question

我有一个包含一些记录的表程序，如果使用LIKE或CONTAINSTABLE，结果就不同了。

CREATE TABLE Programs (
    ID varchar(255) NOT NULL PRIMARY KEY,
    Title varchar(255) NOT NULL
);

Insert INTO Programs VALUES 
('1', '5 Horas em Islamabad'), 
('2','Gus Melhoras" Melhora'), 
('3', '13 Horas - Os Soldados Secretos de Benghazi'),
('4','72 Horas de Medo'), 
('5','As Primeiras 48 Horas')

SELECT distinct Title FROM Programs WHERE Title LIKE '%Horas%'

SELECT ID, Title, KEY_TBL.RANK  
FROM Programs AS DocTable   
INNER JOIN CONTAINSTABLE(Programs, Title, 'Horas') AS KEY_TBL  
  ON DocTable.ID = KEY_TBL.[KEY]  
WHERE KEY_TBL.RANK > 0  
ORDER BY KEY_TBL.RANK DESC;  

使用类似于的，我有5个结果

ID  Title
1   5 Horas em Islamabad
2   Gus Melhoras" Melhora
3   13 Horas - Os Soldados Secretos de Benghazi
4   72 Horas de Medo
5   As Primeiras 48 Horas

关于ContainsTable，我有两个结果

ID  Title                   RANK
4   72 Horas de Medo        32
5   As Primeiras 48 Horas   32

我理解为什么标题为"Gus Melhoras“”Melhora“的唱片没有返回，因为没有" Horas”这个词。但是记录"5 Horas伊斯兰堡“和"13 Horas- Os Soldados Secretos de Benghazi”中包含"Horas“一词，不返回。

有谁能为这件事的发生提供帮助吗？

我的dbms是。

全文索引中使用的列

编辑

在我的例子中，我在“巴西语”中定义了“打破单词的语言”。如果我更改为“英语”正确返回4个项目。

我搜索"Horas“这个词在英语中是”小时“。但如果我加上这张新唱片，标题是“伊斯兰堡的13小时”，然后逐字搜索“小时”，记录就会被退回。

有人知道为什么在巴西语或葡萄牙语中有这种特殊的行为吗？

此外，在西班牙语中，"Horas“是同一个单词"Horas”，如果我将我的“word Breaker语言”改为西班牙语，则返回4个项目。

EDIT2

使用Marin中@Randy发送的查询，我用葡萄牙语做了测试。

SELECT s.stopword, l.name 
FROM sys.fulltext_system_stopwords s 
JOIN sys.fulltext_languages l ON l.lcid = s.language_id 
WHERE l.lcid = 2070 -- portuguese

stopword    name
0   Portuguese
1   Portuguese
2   Portuguese
3   Portuguese
4   Portuguese
5   Portuguese
6   Portuguese
7   Portuguese
8   Portuguese
9   Portuguese
a   Portuguese
agora   Portuguese
... 

当执行查询以找到准确匹配时

SELECT occurrence, special_term, left(display_term, 20) as [display_term] 
FROM sys.dm_fts_parser ('"5 Horas em Islamabad"', 2070, 0, 0); -- portuguese

occurrence  special_term    display_term
1   Exact Match tt24050000
1   Exact Match 5 horas
1   Exact Match tt24170000
2   Noise Word  em
3   Exact Match islamabad

这是与巴西语相同的结果，尽管有数字停止词

Answer 1

dmv的sys.dm_fts_parser显示了一个短语是如何被解析为不同的语言，有或没有斯多普拉或重音。

SET NOCOUNT ON

--select * from sys.syslanguages

SELECT occurrence, special_term, left(display_term, 20) as [display_term] 
FROM sys.dm_fts_parser ('"5 Horas em Islamabad"', 1033, 0, 0); -- english

SELECT occurrence, special_term, left(display_term, 20) as [display_term] 
FROM sys.dm_fts_parser ('"5 Horas em Islamabad"', 1046, 0, 0); -- brazilian

SELECT occurrence, special_term, left(display_term, 20) as [display_term] 
FROM sys.dm_fts_parser ('"5 Horas em Islamabad"', 3082, 0, 0); -- spanish

occurrence  special_term     display_term
----------- ---------------- --------------------
1           Noise Word       5
1           Noise Word       nn5
2           Exact Match      horas
3           Exact Match      em
4           Exact Match      islamabad

occurrence  special_term     display_term
----------- ---------------- --------------------
1           Exact Match      tt24050000
1           Exact Match      5 horas
1           Exact Match      tt24170000
2           Noise Word       em
3           Exact Match      islamabad

occurrence  special_term     display_term
----------- ---------------- --------------------
1           Noise Word       5
1           Noise Word       nn5
2           Exact Match      horas
3           Exact Match      em
4           Exact Match      islamabad

在巴西语中，"5“不是一个噪音词。我尝试了null作为一个斯多普利主义者，同时0和1的口音，这没有帮助。

如果您运行以下两个查询，很明显，巴西的斯多普利特是非常不同的。它没有数字。也许它应该。也许需要打个支援电话。

SELECT s.stopword, l.name
FROM sys.fulltext_system_stopwords s
JOIN sys.fulltext_languages l
ON l.lcid = s.language_id
WHERE l.lcid = 1033

stopword
----------------------------------------------------------------
$
0
1
2
3
4
5
6
7
8
9
A
B
C
D
E
...

SELECT s.stopword, l.name
FROM sys.fulltext_system_stopwords s
JOIN sys.fulltext_languages l
ON l.lcid = s.language_id
WHERE l.lcid = 1046

stopword
----------------------------------------------------------------
a
abaixo
acaso
aceleradamente
acerca
acima
acolá
ademais
adentro
adiantado
adiante
adrede
afora
agora
agorinha
ainda
alerta
algo
algum
alguma
algumas
...

Answer 2

相似和CONTAINSTABLE可能会有不同的结果。类似使用简单和确定的模式匹配规则和所有字符是重要的。CONTAINSTABLE使用一个复杂的系统，试图应用特定于语言的算法进行模糊匹配。

如果存储不同语言的文档，那么在CONTAINSTABLE中指定语言可以获得更好的结果。LCID可以存储在文档的记录中，并在联接中传递给CONTAINSTABLE。如果未指定，则使用全文的语言，并且可能不是很好的匹配。

SELECT ID, Title, KEY_TBL.RANK  
FROM Programs AS DocTable   
INNER JOIN CONTAINSTABLE(Programs, Title, 'Horas', 1046) AS KEY_TBL  
  ON DocTable.ID = KEY_TBL.[KEY]  
WHERE KEY_TBL.RANK > 0  
ORDER BY KEY_TBL.RANK DESC;

更新:这是一种检查值在哪种语言中是终止词的方法。

select * from sys.fulltext_system_stopwords
WHERE stopword IN ('5', 'em')

stopword                                                         language_id
---------------------------------------------------------------- -----------
5                                                                0
5                                                                1028
5                                                                1030
5                                                                1031
5                                                                1033
5                                                                1036
5                                                                1040
5                                                                1041
5                                                                1043
5                                                                1045
5                                                                1049
5                                                                1053
5                                                                1054
5                                                                1055
5                                                                2052
5                                                                2057
5                                                                2070
5                                                                3082
em                                                               1046
em                                                               2070