跳到主要内容
最后于 更新

NGRAM_SEARCH

描述​

NGRAM_SEARCH 函数用于计算两个字符串的 N-gram 相似度。相似度范围为 0 到 1，值越大表示字符串越相似。

N-gram 是将字符串分解为连续 N 个字符的集合。相似度计算公式为：2 * |交集| / (|集合1| + |集合2|)

仅支持 ASCII 字符。

语法​

NGRAM_SEARCH(<text>, <pattern>, <gram_num>)

参数​

参数说明
<text>需要比较的文本字符串。类型：VARCHAR
<pattern>模式字符串（必须为常量）。类型：VARCHAR
<gram_num>N-gram 的 N 值，必须为正整数常量。类型：INT。

返回值​

返回 DOUBLE 类型，为两个字符串的 N-gram 相似度（0 到 1 之间）。

特殊情况：

  • <text> 或 <pattern> 为 NULL 时，返回 NULL；<gram_num> 必须满足正整数常量约束，不能为 NULL
  • 如果字符串长度小于 <gram_num>，返回 0
  • <pattern> 和 <gram_num> 必须为常量。Doris 4.1 系列自 4.1.5 起，对 <gram_num> 为 0、负数或非整数常量等非法输入显式报错
  • 相似度为 1 不一定表示字符串完全相同

示例​

  1. 基本用法：计算相似度
SELECT ngram_search('123456789', '12345', 3);
+---------------------------------------+
| ngram_search('123456789', '12345', 3) |
+---------------------------------------+
|                                   0.6 |
+---------------------------------------+
  1. 高相似度示例
SELECT ngram_search('abababab', 'babababa', 2);
+-----------------------------------------+
| ngram_search('abababab', 'babababa', 2) |
+-----------------------------------------+
|                                       1 |
+-----------------------------------------+
  1. 字符串过短返回 0
SELECT ngram_search('ab', 'abc', 3);
+----------------------------------+
| ngram_search('ab', 'abc', 3)     |
+----------------------------------+
|                                0 |
+----------------------------------+
  1. NULL 值处理
SELECT ngram_search(NULL, 'test', 2);
+--------------------------------+
| ngram_search(NULL, 'test', 2)  |
+--------------------------------+
| NULL                           |
+--------------------------------+

非法的 gram_num 会报错：

SELECT NGRAM_SEARCH('abc', 'abc', 0);
ngram_search(text,pattern,gram_num): gram_num must be a positive constant.

Keywords​

NGRAM_SEARCH,NGRAM,SEARCH
反馈问题