我正在尝试找到一种方法来构建模糊搜索，其中文本数据库和查询都可能具有拼写变体。特别是，文本数据库是从网络收集的材料，可能不会从全文引擎的准备阶段（词干）中受益 我可以想象使用 pg_trgm 作为起点，然后验证 Levenshtein 的命中。 然而，人们倾向于做前缀查询，例如，在音乐领域，我希望“beetho symphony”是一个合理的搜索词。那么，是否有人在输入“betho symphony”，是否有一种合理的方式（使用带有 tcl 或 perl 脚本的 postgresql）来发现“betho”部分应该与“beetho”进行比较（返回 1 的编辑距离）
【问题讨论】：
标签： algorithm postgresql fuzzy-search
我最终得到的是对通用算法的简单修改：通常我会从矩阵或向量对中获取最后一个值。参考http://en.wikipedia.org/wiki/Levenshtein_distance 中的“迭代”算法，我将要探测的字符串作为第一个参数，将查询字符串作为第二个参数。现在，当算法完成时，结果列中的最小值给出了正确的结果
示例结果： 查询“fantas”，数据库中的单词“fantasy”，“fantastic” => 0 查询“fantas”，在数据库“fan”中工作 => 3
编辑距离的输入是从基于三元相似度的“大多数单词”列表中选择的单词
【讨论】：
您可以修改编辑距离算法，为字符串的后半部分赋予较低的权重。
例如：对于每个 i&j，Match(i,j) = 1/max(i,j)^2 而不是 Match(i,j)=1。 （i 和 j 是您要比较的符号的位置）。
它的作用是：dist('ABCD', 'ABCE')
【讨论】：