[Поисковые технологии, Open source, Sphinx, Алгоритмы, Регулярные выражения] Продолжаем интернационализацию поиска по адресам с помощью Sphinx или Manticore. Теперь Metaphone
Автор
Сообщение
news_bot ®
Стаж: 6 лет 3 месяца
Сообщений: 27286
Это продолжение публикации «Интернационализация поиска по городским адресам. Реализуем русскоязычный Soundex на Sphinx Search», в которой я разбирал, как реализовать поддержку фонетических алгоритмов Soundex в Sphinx Search, для текста написанного кириллицей. Для текста на латинице поддержка Soundex уже есть. С Metphone аналогично, для латиницы есть, для кириллицы не очень, но попытаемся исправить этот досадный факт с помощью транслитерации, регулярных выражений и напильника. Это прямое продолжение, в котором разберём как реализовать оригинальный Metaphone, русский Metaphone (в том смысле что транслитерация не понадобится), Caverphone, и не сможем сделать Double Metaphone.Реализация подойдёт как для использования на платформе Sphinx Search, так и Manticore Search.В конце, в качестве бонуса, посмотрим как Metaphone воспримет "ракомакофон".Докер образ Подготовил докер образ tkachenkoivan/searchfonetic, для того чтобы можно было "пощупать" результат. В образ добавлены все индексы и из этой публикации и из предыдущей, но, внимание, названия индексов из предыдущей публикации не соответствуют тому что хранится в образе. Почему? Потому что хорошая мысля приходит опосля.Описание алгоритмов, всё так же, брал из публикации "фонетические алгоритмы". Постараюсь как можно меньше дублировать текст, написанный в ней.Оригинальный MetaphoneРеализуется элементарно, создаются регулярные выражения для транслитерации:
regexp_filter = (А|а) => a
regexp_filter = (Б|б) => b
regexp_filter = (В|в) => v
…
И включаем metaphone:
morphology = metaphone
Всё, как и с оригинальным Soundex. В прошлый раз, мы пришли к выводу, что лучше всего, из всех Soundex алгоритмов, использовать именно оригинальный Soundex, единственный недостаток которого – коллизии, разрешается вычислением расстояния Левенштейна.В этот раз, забегая вперёд, скажу, что снова сделал бы свой выбор в пользу оригинального Metaphone + транслит. А вот причина небанальна. Дело в том что у Sphinx есть в такой параметр blend_chars. Смысл следующий, Sphinx индексирует по словам, а слова он находит по разделителям, например, если между буквами есть пробел, значит буквы – два разных слова, перенос строки, табуляция, знаки препинания и т.д., и т.п. Но могут быть символы, которые одновременно разделяют слова, а могут быть и частью одного слова, например, «&». «M&M’s» это сколько слов? А «Рога&Копыта»? Для таких случаев и существует blend_chars.И тут можно пойти на хитрость, и добавить в blend_chars пробел:
blend_chars = U+0020
Теперь, когда кто-то будет искать улицу “Мориса Тореза”, то найдёт её, даже если подумает, что это одно слово. Да что там слитное написание, он её найдёт даже если решит, что Мать Тереза и Морис Торез родственники.
mysql> select * from metaphone where match('Морисатереза');
+------+--------------------------------------+-----------+---------------------------+
| id | aoguid | shortname | offname |
+------+--------------------------------------+-----------+---------------------------+
| 1130 | e21aec85-0f63-4367-b9bb-1943b2b5a8fb | ул | Мориса Тореза |
+------+--------------------------------------+-----------+---------------------------+
Можем увидеть, как работает индекс для «Мориса Тореза», вызвав call keywords:
mysql> call keywords ('Мориса Тореза', 'metaphone');
+------+---------------+------------+
| qpos | tokenized | normalized |
+------+---------------+------------+
| 1 | morisa toreza | MRSTRS |
| 1 | morisa | MRS |
| 2 | toreza | TRS |
+------+---------------+------------+
Обратите внимание, что два слова было воспринято как три: «morisa», «toreza» и «morisa toreza», притом при создании кода Metaphone, пробел был «съеден». Это особенность реализации Metaphone в Sphinx Search. Самостоятельно, с помощью регулярных выражений её не реализовать. Нет, конечно мы можем добавить регулярное выражение, удаляющее пробелы:
regexp_filter = [ ] =>
но тогда «Мориса Тореза», и другие, будут всегда восприниматься как одно слово, а нам этого не надо.Давайте сравним как работают другие индексы, в том числе те, которые ещё разобрать не успели, но они будут ниже.Caverphone пробел сохраняет, поэтому при слитном написании просто не находит.
mysql> call keywords ('Мориса Тореза', 'caverphone');
+------+-----------+------------+
| qpos | tokenized | normalized |
+------+-----------+------------+
| 1 | mrsa trza | mrsa trza |
| 1 | mrsa | mrsa |
| 2 | trza | trza |
+------+-----------+------------+
mysql> select * from caverphone where match('Морисатереза');
Empty set (0.00 sec)
Оригинальный Soundex (из предыдущей публикации), в котором используется базовая реализация Sphinx, просто сходит с ума, и не понимает, как кодировать слово, в котором встретился пробел, «morisa» и «toreza» закодирован, а «morisa toreza» нет:
mysql> call keywords ('Мориса Тореза', 'simple_soundex');
+------+---------------+---------------+
| qpos | tokenized | normalized |
+------+---------------+---------------+
| 1 | morisa toreza | morisa toreza |
| 1 | morisa | m620 |
| 2 | toreza | t620 |
+------+---------------+---------------+
Потому не включайте пробел в blend_chars – в большинстве случаем это не просто бесполезно, но и вредно. Единственно исключение metaphone. И это позволяет решить самую сложную для исправления опечатку (с машинной точки зрения) – опечатку в пробелах: как наличие лишних, так и отсутствие нужных.А это дорогого стоит.Double MetaphoneДля двойного Metaphone планировал использовать два индекса, вместо одного, как обычно, а затем искать поочерёдно в обоих. К сожалению, я не понял, как реализовать двойной Metaphone с помощью регулярных выражений. Когда я начал искать по нему описание, меня как будто в гугле забанили, зато нашёл много реализаций на различных языках программирования, например, DoubleMetaphone.java. Я даже попытался понять этот алгоритм и реализовать его в виде регулярок, но дошёл до буквы «C», и понял, что рассудок покидает меня. Если Вы гуру гуглапоиска, или просто знаете способ, как сделать реализацию с помощью регулярных выражений – пишите, пишите мне, пишите публикацию на хабр, придумаем как прикрутить его к Sphinx и Manticore.Но будет нечестно, если про двойной Metaphone совсем ничего не написать. Опишу как бы я его сделал, если было бы ну очень нужно. Sphinx не понадобится. Но придётся программировать.Для начала я бы подключил уже готовую библиотеку в которой он реализован, благо их нашлось множество для разных языков, я использую Java, поэтому подключаю Commons Codec. Библиотека не работает с кириллицей – требуется транслитерация, и кодирует только первое слово. Поэтому если вам надо реализовать кодирование большого текста, разделённого пробелами – то самостоятельно придётся разбивать строку на слова, и в цикле их перебирать.В таблице БД, где хранятся данные, я бы добавил две новые колонки, в которых бы хранил закодированное значение. Это один из недостатков данной реализации – требуется допиливать таблицы в БД.Затем, перед вставкой новых записей в таблицу, я бы вызывал:
DoubleMetaphone dm = new DoubleMetaphone();
String metaphone1 = dm.doubleMetaphone("Text", false);
String metaphone2 = dm.doubleMetaphone("Text", true);
И сохранял metaphone1 и metaphone2 вместе с данными.Это вторая большая проблема – вся вставка теперь должна проходить через эту процедуру. При поиске значений в таблице, кодируем поисковой запрос с помощью Commons Codec. И теперь ищем по столбцам, в которых код сохранялся. Особенность двойного Metaphone в том, что кода мы кодируем поисковый запрос двумя реализациями, то мы получившиеся оба результата ищем и в первом столбце и во втором. А не первый код в первом столбце, второй код во втором: и первый, и второй код в первом столбце и первый и второй код во втором, и все их комбинации.Без Sphinx всё стало очень неудобно. Русский MetaphoneНе подойдёт для целей интернационализации. Зато подразумевает отсутствие транслитерации. А это может быть весьма удобно, ибо транслитерация сама по себе несёт небольшое искажение. Получает как в игре «глухой телефон», только «глухой Metaphone».Если вы создаёте поиск исключительно для тех, кто печатает кириллицей, то разумно прибегнуть именно этой версии, а не городить транслитерации всякие. Ну и ещё один момент, который нужно учесть при выборе, алгоритм не сжимает окончания. Значит, если «улица Ленина», то надо так и писать «Ленина», «Ленин» без окончания, не найдётся:
mysql> call keywords ('Ленина Ленин', 'rus_metaphone');
+------+--------------+--------------+
| qpos | tokenized | normalized |
+------+--------------+--------------+
| 1 | линина | линина |
| 2 | линин | линин |
+------+--------------+--------------+
Реализуем регулярные выражения. Полный конфигурационный файл, как и ранее, лежит на GitHub Gist manticore.conf.
- Переделываем гласные:
regexp_filter = (?i)(йо|ио|йе|ие) => и
regexp_filter = (?i)(о|ы|я) => а
regexp_filter = (?i)(е|ё|э) => и
regexp_filter = (?i)(ю) => у
- Для всех согласных букв, за которыми следует любая согласная, кроме Л, М, Н или Р, провести оглушение:
regexp_filter = (?i)(б)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => п\2
regexp_filter = (?i)(г)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => к\2
regexp_filter = (?i)(в)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => ф\2
regexp_filter = (?i)(д)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => т\2
regexp_filter = (?i)(ж)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => ш\2
regexp_filter = (?i)(з)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => с\2
- Для согласных на конце слова, провести оглушение
regexp_filter = (?i)б\b => п
regexp_filter = (?i)г\b => к
regexp_filter = (?i)в\b => ф
regexp_filter = (?i)д\b => т
regexp_filter = (?i)ж\b => ш
regexp_filter = (?i)з\b => з
- Склеиваем ТС и ДС в Ц
regexp_filter = (?i)(тс|дс|ц) => ц
CaverphoneЗдесь сначала транслитерация.
- Затем, нужно перевести транслитерированное в нижний регистр:
regexp_filter = (A|a) => a
regexp_filter = (B|b) => b
…
Это необходимо, потому что алгоритм для некоторых букв делает различие между тем, в каком она регистре, если в верхнем, то она считается как бы замороженной для любых изменений.
- Удалить e на конце
regexp_filter = e\b =>
- Происходит преобразование начала слова, но это актуально для новозеландских фамилий, этот шаг можно и пропустить:
regexp_filter = \b(cough) => cou2f
regexp_filter = \b(rough) => rou2f
…
- Провести замены символов
regexp_filter = (cq) => 2q
regexp_filter = (ci) => si
…
- Заменить все гласные в начале слова на a, в остальных случаях — на 3
regexp_filter = (?i)\b(a|e|i|o|u|y) => A
regexp_filter = (?i)(a|e|i|o|u|y) => 3
- Провести очередные замены
regexp_filter = (j) => y
regexp_filter = \b(y3) => Y3
…
- Удалить все цифры 2
regexp_filter = 2 =>
- Если на конце слова осталась цифра 3, то заменить её на A
regexp_filter = 3\b => A
- Удалить все цифры 3
regexp_filter = 3 =>
До 10 символов не сокращаю и не дополняю.Проверим:
mysql> select * from caverphone where match ('Ленина');
+------+--------------------------------------+-----------+------------------+
| id | aoguid | shortname | offname |
+------+--------------------------------------+-----------+------------------+
| 5 | 01339f2b-6907-4cb8-919b-b71dbed23f06 | ул | Линейная |
| 387 | 4b919f60-7f5d-4b9e-99af-a7a02d344767 | ул | Ленина |
+------+--------------------------------------+-----------+------------------+
Кроме «Ленина» находит и «Линейная». Согласен, некоторое сходство есть, другие алгоритмы так не смогли, ну разве что Daitch Mokotoff Soundex из предыдущей публикации выкинул что-то подобное с «Лунная»:
mysql> select * from daitch_mokotoff_soundex where match ('Ленина');
+------+--------------------------------------+-----------+--------------+
| id | aoguid | shortname | offname |
+------+--------------------------------------+-----------+--------------+
| 387 | 4b919f60-7f5d-4b9e-99af-a7a02d344767 | ул | Ленина |
| 541 | 69b8220e-a42d-4fec-a346-1df56370c363 | ул | Лунная |
+------+--------------------------------------+-----------+--------------+
Можем посмотреть как это всё кодируется:
mysql> call keywords ('Ленина Линейная Лунная', 'caverphone');
+------+-----------+------------+
| qpos | tokenized | normalized |
+------+-----------+------------+
| 1 | lnna | lnna |
| 2 | lnna | lnna |
| 3 | lna | lna |
+------+-----------+------------+
mysql> call keywords ('Ленина Линейная Лунная', 'daitch_mokotoff_soundex');
+------+-----------+------------+
| qpos | tokenized | normalized |
+------+-----------+------------+
| 1 | 866 | 866 |
| 2 | 8616 | 8616 |
| 3 | 866 | 866 |
+------+-----------+------------+
Теоретически это не лишено смысла, если Вы ожидаете именно такого поведения, то смело используете, - то что надо. А коллизии всегда поможет разрешить расстояние Левенштейна, при необходимости. Бонус: ищем ракомакофон. Вместо заключенияЭто лишено практического смысла, но наблюдение забавное, поэтому напишу. Just for fun.Помните ракомакофон, который слышится вместо rock the microphone?! Было интересно, сможет ли Metaphone понять ракомакофон. И ведь почти! Во-первых, добавляем пробел в blend_chars, ведь нам надо чтобы три слова rock the microphone, воспринимались как одно:
blend_chars = U+0020
Поскольку у нас только один алгоритм умеет адекватно работать в такой ситуации - оригинальный metaphone, то его и применим.Проверим с помощью keywords как оно воспринимается Sphinx:
mysql> call keywords ('ракомакофон', 'metaphone');
+------+-------------+------------+
| qpos | tokenized | normalized |
+------+-------------+------------+
| 1 | rakomakofon | RKMKFN |
+------+-------------+------------+
И rock the microphone:
mysql> call keywords ('rock the microphone', 'metaphone');
+------+---------------------+------------+
| qpos | tokenized | normalized |
+------+---------------------+------------+
| 1 | rock the microphone | RK0MKRFN |
| 1 | rock | RK |
| 2 | the | 0 |
| 3 | microphone | MKRFN |
+------+---------------------+------------+
Получилось RK0MKRFN, и RKMKFN, расстояние Левенштейна между ними всего 2(!). А если найти способ исключить the из кодирования, то получится RKMKRFN:
mysql> call keywords ('rock microphone', 'metaphone');
+------+-----------------+------------+
| qpos | tokenized | normalized |
+------+-----------------+------------+
| 1 | rock microphone | RKMKRFN |
| 1 | rock | RK |
| 2 | microphone | MKRFN |
+------+-----------------+------------+
Между RKMKRFN и RKMKFN, расстояние Левенштейна всего 1! Мы почти у цели.Проблема убрать «the», параметр stopwordsздесь не поможет, ибо из-за blend_chars = U+0020 «the» не будет восприниматься самостоятельно. Но даже если удастся сделать предобработку, то всё равно расстояние в 1, не позволит обнаружить похожий. Надежда на qsuggest не оправдалась, - не даст подсказок. Почему? Можно заметить, что при вызове keywords есть два столбца tokenized и normalized, qsuggest даёт подсказку по столбцу tokenized и измеряет расстояние Левенштейна относительно него, qsuggest всё равно, что там, в normalized, расстояние равно 1. Поэтому наблюдение забавное, но не практичное.
===========
Источник:
habr.com
===========
Похожие новости:
- [Open source, Программирование, Геоинформационные сервисы, Визуализация данных, Научно-популярное] Google Earth Engine (GEE): ищем золото по всему миру с помощью больших данных и машинного обучения
- [Информационная безопасность, Криптография, Open source, *nix, ECM/СЭД] ЭЦП по ГОСТ на GNU/Linux с помощью OpenSSL
- [Open source, *nix] FOSS News №64 – дайджест материалов о свободном и открытом ПО за 29 марта – 4 апреля 2021 года
- [Open source, Python, Программирование] Все важные фичи и изменения в Python 3.10 (перевод)
- [Data Mining, Алгоритмы, Big Data, Машинное обучение] Рекомендации с обоснованием (2020). Часть первая (перевод)
- [Open source, Законодательство в IT, История IT, IT-компании] Проект Fedora официально выступил против Столлмана и прекратил все отношения с FSF
- [Open source, *nix] Перевод статьи «В защиту Ричарда Столлмана» (перевод)
- [Алгоритмы] OpenCV ищет студентов для Google Summer of Code-2021
- [Информационная безопасность, Open source, GitHub, Хранение данных, Хранилища данных] В проект GitHub по хранению кода в Арктике случайно попала утечка медицинских данных
- [Поисковые технологии, Законодательство в IT, IT-компании] «Яндекс» подал в ФАС ходатайство о переносе сроков по исполнению требований к ответам в поиске еще на месяц
Теги для поиска: #_poiskovye_tehnologii (Поисковые технологии), #_open_source, #_sphinx, #_algoritmy (Алгоритмы), #_reguljarnye_vyrazhenija (Регулярные выражения), #_translit (транслит), #_transliteratsija (транслитерация), #_sphinx, #_metaphone, #_internatsionalizatsija (интернационализация), #_i18n, #_caverphone, #_poiskovye_tehnologii (
Поисковые технологии
), #_open_source, #_sphinx, #_algoritmy (
Алгоритмы
), #_reguljarnye_vyrazhenija (
Регулярные выражения
)
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 10:09
Часовой пояс: UTC + 5
| Автор | Сообщение |
|---|---|
|
news_bot ®
Стаж: 6 лет 3 месяца |
|
|
Это продолжение публикации «Интернационализация поиска по городским адресам. Реализуем русскоязычный Soundex на Sphinx Search», в которой я разбирал, как реализовать поддержку фонетических алгоритмов Soundex в Sphinx Search, для текста написанного кириллицей. Для текста на латинице поддержка Soundex уже есть. С Metphone аналогично, для латиницы есть, для кириллицы не очень, но попытаемся исправить этот досадный факт с помощью транслитерации, регулярных выражений и напильника. Это прямое продолжение, в котором разберём как реализовать оригинальный Metaphone, русский Metaphone (в том смысле что транслитерация не понадобится), Caverphone, и не сможем сделать Double Metaphone.Реализация подойдёт как для использования на платформе Sphinx Search, так и Manticore Search.В конце, в качестве бонуса, посмотрим как Metaphone воспримет "ракомакофон".Докер образ Подготовил докер образ tkachenkoivan/searchfonetic, для того чтобы можно было "пощупать" результат. В образ добавлены все индексы и из этой публикации и из предыдущей, но, внимание, названия индексов из предыдущей публикации не соответствуют тому что хранится в образе. Почему? Потому что хорошая мысля приходит опосля.Описание алгоритмов, всё так же, брал из публикации "фонетические алгоритмы". Постараюсь как можно меньше дублировать текст, написанный в ней.Оригинальный MetaphoneРеализуется элементарно, создаются регулярные выражения для транслитерации: regexp_filter = (А|а) => a
regexp_filter = (Б|б) => b regexp_filter = (В|в) => v … morphology = metaphone
blend_chars = U+0020
mysql> select * from metaphone where match('Морисатереза');
+------+--------------------------------------+-----------+---------------------------+ | id | aoguid | shortname | offname | +------+--------------------------------------+-----------+---------------------------+ | 1130 | e21aec85-0f63-4367-b9bb-1943b2b5a8fb | ул | Мориса Тореза | +------+--------------------------------------+-----------+---------------------------+ mysql> call keywords ('Мориса Тореза', 'metaphone');
+------+---------------+------------+ | qpos | tokenized | normalized | +------+---------------+------------+ | 1 | morisa toreza | MRSTRS | | 1 | morisa | MRS | | 2 | toreza | TRS | +------+---------------+------------+ regexp_filter = [ ] =>
mysql> call keywords ('Мориса Тореза', 'caverphone');
+------+-----------+------------+ | qpos | tokenized | normalized | +------+-----------+------------+ | 1 | mrsa trza | mrsa trza | | 1 | mrsa | mrsa | | 2 | trza | trza | +------+-----------+------------+ mysql> select * from caverphone where match('Морисатереза'); Empty set (0.00 sec) mysql> call keywords ('Мориса Тореза', 'simple_soundex');
+------+---------------+---------------+ | qpos | tokenized | normalized | +------+---------------+---------------+ | 1 | morisa toreza | morisa toreza | | 1 | morisa | m620 | | 2 | toreza | t620 | +------+---------------+---------------+ DoubleMetaphone dm = new DoubleMetaphone();
String metaphone1 = dm.doubleMetaphone("Text", false); String metaphone2 = dm.doubleMetaphone("Text", true); mysql> call keywords ('Ленина Ленин', 'rus_metaphone');
+------+--------------+--------------+ | qpos | tokenized | normalized | +------+--------------+--------------+ | 1 | линина | линина | | 2 | линин | линин | +------+--------------+--------------+
regexp_filter = (?i)(йо|ио|йе|ие) => и
regexp_filter = (?i)(о|ы|я) => а regexp_filter = (?i)(е|ё|э) => и regexp_filter = (?i)(ю) => у
regexp_filter = (?i)(б)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => п\2
regexp_filter = (?i)(г)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => к\2 regexp_filter = (?i)(в)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => ф\2 regexp_filter = (?i)(д)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => т\2 regexp_filter = (?i)(ж)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => ш\2 regexp_filter = (?i)(з)(б|в|г|д|ж|з|й|к|п|с|т|ф|х|ц|ч|ш|щ) => с\2
regexp_filter = (?i)б\b => п
regexp_filter = (?i)г\b => к regexp_filter = (?i)в\b => ф regexp_filter = (?i)д\b => т regexp_filter = (?i)ж\b => ш regexp_filter = (?i)з\b => з
regexp_filter = (?i)(тс|дс|ц) => ц
regexp_filter = (A|a) => a
regexp_filter = (B|b) => b …
regexp_filter = e\b =>
regexp_filter = \b(cough) => cou2f
regexp_filter = \b(rough) => rou2f …
regexp_filter = (cq) => 2q
regexp_filter = (ci) => si …
regexp_filter = (?i)\b(a|e|i|o|u|y) => A
regexp_filter = (?i)(a|e|i|o|u|y) => 3
regexp_filter = (j) => y
regexp_filter = \b(y3) => Y3 …
regexp_filter = 2 =>
regexp_filter = 3\b => A
regexp_filter = 3 =>
mysql> select * from caverphone where match ('Ленина');
+------+--------------------------------------+-----------+------------------+ | id | aoguid | shortname | offname | +------+--------------------------------------+-----------+------------------+ | 5 | 01339f2b-6907-4cb8-919b-b71dbed23f06 | ул | Линейная | | 387 | 4b919f60-7f5d-4b9e-99af-a7a02d344767 | ул | Ленина | +------+--------------------------------------+-----------+------------------+ mysql> select * from daitch_mokotoff_soundex where match ('Ленина');
+------+--------------------------------------+-----------+--------------+ | id | aoguid | shortname | offname | +------+--------------------------------------+-----------+--------------+ | 387 | 4b919f60-7f5d-4b9e-99af-a7a02d344767 | ул | Ленина | | 541 | 69b8220e-a42d-4fec-a346-1df56370c363 | ул | Лунная | +------+--------------------------------------+-----------+--------------+ mysql> call keywords ('Ленина Линейная Лунная', 'caverphone');
+------+-----------+------------+ | qpos | tokenized | normalized | +------+-----------+------------+ | 1 | lnna | lnna | | 2 | lnna | lnna | | 3 | lna | lna | +------+-----------+------------+ mysql> call keywords ('Ленина Линейная Лунная', 'daitch_mokotoff_soundex'); +------+-----------+------------+ | qpos | tokenized | normalized | +------+-----------+------------+ | 1 | 866 | 866 | | 2 | 8616 | 8616 | | 3 | 866 | 866 | +------+-----------+------------+ blend_chars = U+0020
mysql> call keywords ('ракомакофон', 'metaphone');
+------+-------------+------------+ | qpos | tokenized | normalized | +------+-------------+------------+ | 1 | rakomakofon | RKMKFN | +------+-------------+------------+ mysql> call keywords ('rock the microphone', 'metaphone');
+------+---------------------+------------+ | qpos | tokenized | normalized | +------+---------------------+------------+ | 1 | rock the microphone | RK0MKRFN | | 1 | rock | RK | | 2 | the | 0 | | 3 | microphone | MKRFN | +------+---------------------+------------+ mysql> call keywords ('rock microphone', 'metaphone');
+------+-----------------+------------+ | qpos | tokenized | normalized | +------+-----------------+------------+ | 1 | rock microphone | RKMKRFN | | 1 | rock | RK | | 2 | microphone | MKRFN | +------+-----------------+------------+ =========== Источник: habr.com =========== Похожие новости:
Поисковые технологии ), #_open_source, #_sphinx, #_algoritmy ( Алгоритмы ), #_reguljarnye_vyrazhenija ( Регулярные выражения ) |
|
Вы не можете начинать темы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Вы не можете отвечать на сообщения
Вы не можете редактировать свои сообщения
Вы не можете удалять свои сообщения
Вы не можете голосовать в опросах
Вы не можете прикреплять файлы к сообщениям
Вы не можете скачивать файлы
Текущее время: 20-Май 10:09
Часовой пояс: UTC + 5