2

ネットで見つけたレーベンシュタイン アルゴリズムを使用して、検索語に最も近い値を計算しようとしています。ファジー用語マッチングを実装するため。現在のクエリは、約 45 秒間実行されます。最適化できることを願っています。レーベンシュタイン値を計算するフィールドのインデックスは既に追加しています。私が見つけたレーベンシュタイン関数は、最も最適化されていない可能性があり、その実装を信用していません。その関数は次のとおりです。

CREATE FUNCTION [dbo].[LEVENSHTEIN]( @s NVARCHAR(MAX), @t NVARCHAR(MAX) )
/*
Levenshtein Distance Algorithm: TSQL Implementation
by Joseph Gama

http://www.merriampark.com/ldtsql.htm

Returns the Levenshtein Distance between strings s1 and s2.
Original developer: Michael Gilleland http://www.merriampark.com/ld.htm
Translated to TSQL by Joseph Gama

Fixed by Herbert Oppolzer / devio
as described in http://devio.wordpress.com/2010/09/07/calculating-levenshtein-distance-in-tsql
*/
RETURNS INT AS
BEGIN

  DECLARE @d NVARCHAR(MAX), @LD INT, @m INT, @n INT, @i INT, @j INT,
    @s_i NCHAR(1), @t_j NCHAR(1),@cost INT

  --Step 1
  SET @n = LEN(@s)
  SET @m = LEN(@t)
  SET @d = REPLICATE(NCHAR(0),(@n+1)*(@m+1))
  IF @n = 0
  BEGIN
    SET @LD = @m
   GOTO done
  END
  IF @m = 0
  BEGIN
    SET @LD = @n
    GOTO done
  END

  --Step 2
  SET @i = 0
  WHILE @i <= @n BEGIN
    SET @d = STUFF(@d,@i+1,1,NCHAR(@i))        --d(i, 0) = i
    SET @i = @i+1
  END

  SET @i = 0
  WHILE @i <= @m BEGIN
    SET @d = STUFF(@d,@i*(@n+1)+1,1,NCHAR(@i))    --d(0, j) = j
    SET @i = @i+1
  END

  --Step 3
  SET @i = 1
  WHILE @i <= @n BEGIN
    SET @s_i = SUBSTRING(@s,@i,1)

    --Step 4
    SET @j = 1
    WHILE @j <= @m BEGIN
      SET @t_j = SUBSTRING(@t,@j,1)
      --Step 5
      IF @s_i = @t_j
        SET @cost = 0
      ELSE
        SET @cost = 1
      --Step 6
      SET @d = STUFF(@d,@j*(@n+1)+@i+1,1,
        NCHAR(dbo.MIN3(
          UNICODE(SUBSTRING(@d,@j*(@n+1)+@i-1+1,1))+1,
          UNICODE(SUBSTRING(@d,(@j-1)*(@n+1)+@i+1,1))+1,
          UNICODE(SUBSTRING(@d,(@j-1)*(@n+1)+@i-1+1,1))+@cost)
        ))
      SET @j = @j+1
    END
    SET @i = @i+1
  END      

  --Step 7
  SET @LD = UNICODE(SUBSTRING(@d,@n*(@m+1)+@m+1,1))

done:
  RETURN @LD
END

そして、ここに私が使用しているクエリがあります:

SELECT [Address], [dbo].[LEVENSHTEIN](@searchTerm, [Address]) As LevenshteinDistance
FROM Streets
Order By LevenshteinDistance

私は DBA ではないので、ベスト プラクティスに関する私の無知を許してください。私は本当にこの処理をビジネス層でオフロードしたくなく、データ層に保持したいと考えていますが、処理に 45 秒かかる 16,000 レコードのみでは現在使用できません。これは、入力ファイルの処理が完了すると、データ ストア全体を構成するレコードの小さなサブセットのみです。前もって感謝します。

4

2 に答える 2

5

非常に高速に実行したい場合は、C＃でdllを作成することを検討してください。それはあなたの速度を150％改善します;）

これが私のブログで、その方法を説明しています。

http://levenshtein.blogspot.com/2011/04/how-it-is-done.html

于 2011-10-31T06:27:44.083 に答える
2

このスレッドとこれらのリンクを読む必要があります: http://www.vbforums.com/showthread.php?t=575471

于 2011-02-04T00:38:24.947 に答える