IT博客汇 | sphinx search 2.3.2 版本一些新的特性 built-in suggests（内置搜索建议）

sphinx search 2.3.2 版本一些新的特性 built-in suggests（内置搜索建议）

admin发表于 2017-02-28 08:08:54

在Sphinx 2.3.2中，我们介绍了几个新功能，其中一个是修正建议。

直到现在，对于suggests，需要遵循从索引字典中提取所有单词的过程，从单词创建三叉树，并将其插入到一个索引中，该索引将被查询以获得建议。这是一个痛苦的过程，因为它正在假设一些工作来创建建议索引和定期更新它，并在应用程序代码中进行后处理工作（比如应用在Levenshtein距离）。

#注 Levenshtein 距离，又称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。

现在不用了！在2.3.2中任何索引启用了中缀，它都可以执行一个查询，将给你一个类似的单词的列表。由于magic 在查询时间完成，因此不需要重新索引来使用新功能。

新功能在2个语句中实现：CALL QSUGGEST和CALL SUGGEST。

CALL QSUGGEST/SUGGEST

查询需要2个参数，首先是我们要搜索的字，第二个是我们执行它的本地索引。

两个调用之间的差异在第一个参数，它可以接受一个单词或一串词。在单个字的情况下，在2个calls之间没有差别。

如果第一个参数是一串词：

CALL SUGGEST – 只处理第一个字，忽略其余的

CALL QSUGGEST – 只处理最后一个字，忽略其余部分

* QSUGGEST可能会在将来收到一个更新，以便能够处理输入的所有单词，而不仅仅是最后一个。

除了前2个参数之外，可以设置许多参数来调整建议或输出。

看下面的例子：

MySQL [(none)]> CALL QSUGGEST('automaticlly ','forum');
+---------------+----------+------+
| suggest       | distance | docs |
+---------------+----------+------+
| automatically | 1        | 282  |
| automaticly   | 1        | 6    |
| automaticaly  | 1        | 3    |
| automagically | 2        | 14   |
| automtically  | 2        | 1    |
+---------------+----------+------+
5 rows in set (0.00 sec)

查询返回一个结果，每行有3列：suggest，distance和docs。

距离列是在字典中找到的输入词和词之间的Levenshtein距离（因此不需要像以前那样进行后处理）。

docs列表示找到该单词的文档数。

词语按距离升序排序。具有相同距离的词按文档数量降序排序。最好的选择应该是结果的第一个单词。

你必须记住，该函数使用索引字典中找到的词。如果存在拼写错误的单词，结果可能不是预期的结果。

让我们举两个例子。第一个有输入字正确，但请记住，这是下一个最好的选择有更多的文档。遵循正常路径，我们仍然选择第一个词’苹果’ – 因为它是预期的结果。

MySQL [(none)]> CALL QSUGGEST('apple','forum');
+---------+----------+------+
| suggest | distance | docs |
+---------+----------+------+
| apple   | 0        | 65   |
| apply   | 1        | 343  |
| apples  | 1        | 8    |
| ample   | 1        | 5    |
| appli   | 1        | 2    |
+---------+----------+------+
5 rows in set (0.00 sec)

MySQL [(none)]>

In the second case, our input word is bad, however it has several occurrences in the index, so it appears in the first row.

在第二种情况下，我们的输入字是错误的（comand，其实应该是command），但它在索引中有多次出现，因此它出现在第一行。

MySQL [(none)]> CALL QSUGGEST('comand','forum');
+----------+----------+------+
| suggest  | distance | docs |
+----------+----------+------+
| comand   | 0        | 3    |
| command  | 1        | 1248 |
| coomand  | 1        | 1    |
| coming   | 2        | 263  |
| commands | 2        | 225  |
+----------+----------+------+
5 rows in set (0.00 sec)

遵循正常路径，我们应该选择第一个字，输入字，这当然是坏的。发动机不能在两种情况之间产生差异，因为他们似乎对他都是正确的。如果我们想要处理这种情况，我们应该向用户返回下一个具有下一个最短距离和最大文档的词 – 在这种情况下，它是正确的单词’command’。

以下是可选参数

limit – 返回前N个匹配项，默认值为5。

max_matches - 与查询max_matches类似，它定义要保留的匹配字数。默认值为25.增加max_matches可以增加查询时间。

result_stats - 它允许禁用显示距离和文档统计。默认情况下启用。

result_line - 如果设置，它将打印所有建议，距离和文档在一行中。

MySQL [(none)]> CALL QSUGGEST('apple','forum',1 as result_line);
+----------+-------------------------------+
| name     | value                         |
+----------+-------------------------------+
| suggests | apple,apply,apples,ample,appl |
| distance | 0,1,1,1,1                     |
| docs     | 75,385,10,5,3                 |
+----------+-------------------------------+
3 rows in set (0.00 sec)

max_edits –定义了原始词和建议词之间的最大Levenshtein距离的限制。默认值为4。

MySQL [(none)]>  call suggest('segmentaton','forum', 10 as limit,4 as max_edits);
+---------------+----------+------+
| suggest       | distance | docs |
+---------------+----------+------+
| segmentation  | 1        | 95   |
| segmenation   | 2        | 1    |
| segementation | 2        | 1    |
| segmental     | 3        | 1    |
| fragmentation | 4        | 24   |
| segmented     | 4        | 10   |
| segmenting    | 4        | 6    |
| segmenter     | 4        | 3    |
| doumentation  | 4        | 1    |
| segregation   | 4        | 1    |
+---------------+----------+------+
10 rows in set (0.01 sec)

MySQL [(none)]>call suggest('segmentaton','forum', 10 as limit,3 as max_edits);
+---------------+----------+------+
| suggest       | distance | docs |
+---------------+----------+------+
| segmentation  | 1        | 95   |
| segmenation   | 2        | 1    |
| segementation | 2        | 1    |
| segmental     | 3        | 1    |
+---------------+----------+------+
4 rows in set (0.01 sec)

delta_len – 定义原始单词和建议单词之间的最大字符距离。默认值为3。

MySQL [(none)]> call suggest('segmentaton','forum', 10 as limit,2 as delta_len);
+--------------+----------+------+
| suggest      | distance | docs |
+--------------+----------+------+
| segmentation | 1        | 95   |
| segmenation  | 2        | 1    |
| segmenting   | 4        | 6    |
| doumentation | 4        | 1    |
| segregation  | 4        | 1    |
+--------------+----------+------+
5 rows in set (0.01 sec)

####这个对中文搜索貌似没有什么卵用！