टी-एसक्यूएल

Question

में लेवेनशेटिन दूरी मुझे टी-एसक्यूएल में एल्गोरिदम में रुचि है लेवेनशेटिन दूरी की गणना।

Answer 1

अर्नोल्ड हंसी उड़ाना proposes इस एक:

SET QUOTED_IDENTIFIER ON 
GO 
SET ANSI_NULLS ON 
GO 

CREATE FUNCTION edit_distance_within(@s nvarchar(4000), @t nvarchar(4000), @d int) 
RETURNS int 
AS 
BEGIN 
    DECLARE @sl int, @tl int, @i int, @j int, @sc nchar, @c int, @c1 int, 
    @cv0 nvarchar(4000), @cv1 nvarchar(4000), @cmin int 
    SELECT @sl = LEN(@s), @tl = LEN(@t), @cv1 = '', @j = 1, @i = 1, @c = 0 
    WHILE @j <= @tl 
    SELECT @cv1 = @cv1 + NCHAR(@j), @j = @j + 1 
    WHILE @i <= @sl 
    BEGIN 
    SELECT @sc = SUBSTRING(@s, @i, 1), @c1 = @i, @c = @i, @cv0 = '', @j = 1, @cmin = 4000 
    WHILE @j <= @tl 
    BEGIN 
     SET @c = @c + 1 
     SET @c1 = @c1 - CASE WHEN @sc = SUBSTRING(@t, @j, 1) THEN 1 ELSE 0 END 
     IF @c > @c1 SET @c = @c1 
     SET @c1 = UNICODE(SUBSTRING(@cv1, @j, 1)) + 1 
     IF @c > @c1 SET @c = @c1 
     IF @c < @cmin SET @cmin = @c 
     SELECT @cv0 = @cv0 + NCHAR(@c), @j = @j + 1 
    END 
    IF @cmin > @d BREAK 
    SELECT @cv1 = @cv0, @i = @i + 1 
    END 
    RETURN CASE WHEN @cmin <= @d AND @c <= @d THEN @c ELSE -1 END 
END 
GO 

Answer 2

IIRC, SQL सर्वर 2005 के साथ और बाद में आप संग्रहीत लिख सकते हैं किसी भी .NET भाषा में प्रक्रियाओं: Using CLR Integration in SQL Server 2005। इसके साथ की गणना के लिए प्रक्रिया लिखना मुश्किल नहीं होना चाहिए।

एक साधारण हैलो, दुनिया! मदद से निकाला:

CREATE ASSEMBLY helloworld from 'c:\helloworld.dll' WITH PERMISSION_SET = SAFE 

CREATE PROCEDURE hello 
@i nchar(25) OUTPUT 
AS 
EXTERNAL NAME helloworld.HelloWorldProc.HelloWorld 

और अब आप इसे चलाने के परीक्षण कर सकते हैं:

using System; 
using System.Data; 
using Microsoft.SqlServer.Server; 
using System.Data.SqlTypes; 

public class HelloWorldProc 
{ 
    [Microsoft.SqlServer.Server.SqlProcedure] 
    public static void HelloWorld(out string text) 
    { 
     SqlContext.Pipe.Send("Hello world!" + Environment.NewLine); 
     text = "Hello world!"; 
    } 
} 

फिर अपने एसक्यूएल सर्वर में निम्नलिखित चलाने

DECLARE @J nchar(25) 
EXEC hello @J out 
PRINT @J 

आशा इस मदद करता है।

Answer 3

आप http://www.kodyaz.com/articles/fuzzy-string-matching-using-levenshtein-distance-sql-server.aspx

CREATE FUNCTION edit_distance(@s1 nvarchar(3999), @s2 nvarchar(3999)) 
RETURNS int 
AS 
BEGIN 
DECLARE @s1_len int, @s2_len int 
DECLARE @i int, @j int, @s1_char nchar, @c int, @c_temp int 
DECLARE @cv0 varbinary(8000), @cv1 varbinary(8000) 

SELECT 
    @s1_len = LEN(@s1), 
    @s2_len = LEN(@s2), 
    @cv1 = 0x0000, 
    @j = 1, @i = 1, @c = 0 

WHILE @j <= @s2_len 
    SELECT @cv1 = @cv1 + CAST(@j AS binary(2)), @j = @j + 1 

WHILE @i <= @s1_len 
BEGIN 
    SELECT 
    @s1_char = SUBSTRING(@s1, @i, 1), 
    @c = @i, 
    @cv0 = CAST(@i AS binary(2)), 
    @j = 1 

    WHILE @j <= @s2_len 
    BEGIN 
    SET @c = @c + 1 
    SET @c_temp = CAST(SUBSTRING(@cv1, @j+@j-1, 2) AS int) + 
    CASE WHEN @s1_char = SUBSTRING(@s2, @j, 1) THEN 0 ELSE 1 END 
    IF @c > @c_temp SET @c = @c_temp 
    SET @c_temp = CAST(SUBSTRING(@cv1, @j+@j+1, 2) AS int)+1 
    IF @c > @c_temp SET @c = @c_temp 
    SELECT @cv0 = @cv0 + CAST(@c AS binary(2)), @j = @j + 1 
END 

SELECT @cv1 = @cv0, @i = @i + 1 
END 

RETURN @c 
END 

(यूसुफ गामा द्वारा विकसित समारोह) में T-SQL उदाहरण मिल सकते हैं की तुलना तार

यहाँ के लिए Levenshtein दूरी एल्गोरिथ्म का उपयोग कर सकते

उपयोग:

select 
dbo.edit_distance('Fuzzy String Match','fuzzy string match'), 
dbo.edit_distance('fuzzy','fuzy'), 
dbo.edit_distance('Fuzzy String Match','fuzy string match'), 
dbo.edit_distance('levenshtein distance sql','levenshtein sql server'), 
dbo.edit_distance('distance','server') 

एल्गोरिदम बस retur एक चरण

Answer 4

पर एक अलग वर्ण को प्रतिस्थापित करके एक स्ट्रिंग गिनती को बदलने के लिए एनएस स्टेप गिनती है। मैंने टीएसक्यूएल में मानक लेवेनशेटिन संपादन दूरी फ़ंक्शन को कई अनुकूलन के साथ कार्यान्वित किया है जो अन्य संस्करणों पर गति को बेहतर बनाता है। ऐसे मामलों में जहां दो तारों में उनके प्रारंभ (साझा उपसर्ग) में सामान्य वर्ण होते हैं, उनके अंत में साझा वर्ण (साझा प्रत्यय), और जब तार बड़े होते हैं और अधिकतम संपादन दूरी प्रदान की जाती है, तो गति में सुधार महत्वपूर्ण होता है। उदाहरण के लिए, जब इनपुट दो बहुत ही समान 4000 वर्ण स्ट्रिंग होते हैं, और अधिकतम संपादन दूरी 2 निर्दिष्ट होती है, तो स्वीकार्य उत्तर में edit_distance_within फ़ंक्शन से तीव्रता के लगभग तीन ऑर्डर तेज होते हैं, 0.073 सेकेंड में उत्तर लौटाते हैं (73 मिलीसेकंड) बनाम 55 सेकंड। यह दो इनपुट स्ट्रिंग्स के साथ-साथ कुछ स्थिर स्थान के बराबर की जगह का उपयोग करके स्मृति को भी कुशल बनाता है। यह एक स्तंभ का प्रतिनिधित्व करने वाले एक एकल nvarchar "सरणी" का उपयोग करता है, और उसमें सभी computations जगह, साथ ही कुछ सहायक int चर।

अनुकूलन:

• स्किप के साझा उपसर्ग और/या प्रत्यय
• जल्दी वापसी के प्रसंस्करण करता है, तो बड़ा स्ट्रिंग शुरू होता है या पूरे छोटे स्ट्रिंग
• जल्दी वापसी के साथ समाप्त होता है तो आकार में अंतर की गारंटी देता है अधिकतम दूरी हो जाएगा
• मैट्रिक्स में एक कॉलम का प्रतिनिधित्व करने वाले केवल एक ही सरणी का उपयोग करता है (nvarchar के रूप में लागू)
• जब अधिकतम दूरी दी जाती है, तो समय जटिलता होती है (लेन 1 * लेन 2) से (मिनट (लेन 1, लेन 2)) यानी।रैखिक
• जब एक अधिकतम दूरी दिया जाता है, जल्दी के रूप में जल्द बाध्य नहीं जाना जाता है अधिकतम दूरी के रूप में वापस प्राप्त होने की

अनुकूलन TSQL में Levenshtein पर my blog post में थोड़ा और विस्तार में वर्णित हैं और वहाँ एक लिंक इसी तरह के डैमरौ-लेवेनशेटिन कार्यान्वयन के साथ एक और पोस्ट में।

-- ============================================= 
-- Computes and returns the Levenshtein edit distance between two strings, i.e. the 
-- number of insertion, deletion, and sustitution edits required to transform one 
-- string to the other, or NULL if @max is exceeded. Comparisons use the case- 
-- sensitivity configured in SQL Server (case-insensitive by default). 
-- http://blog.softwx.net/2014/12/optimizing-levenshtein-algorithm-in-tsql.html 
-- 
-- Based on Sten Hjelmqvist's "Fast, memory efficient" algorithm, described 
-- at http://www.codeproject.com/Articles/13525/Fast-memory-efficient-Levenshtein-algorithm, 
-- with some additional optimizations. 
-- ============================================= 
CREATE FUNCTION [dbo].[Levenshtein](
    @s nvarchar(4000) 
    , @t nvarchar(4000) 
    , @max int 
) 
RETURNS int 
WITH SCHEMABINDING 
AS 
BEGIN 
    DECLARE @distance int = 0 -- return variable 
      , @v0 nvarchar(4000)-- running scratchpad for storing computed distances 
      , @start int = 1  -- index (1 based) of first non-matching character between the two string 
      , @i int, @j int  -- loop counters: i for s string and j for t string 
      , @diag int   -- distance in cell diagonally above and left if we were using an m by n matrix 
      , @left int   -- distance in cell to the left if we were using an m by n matrix 
      , @sChar nchar  -- character at index i from s string 
      , @thisJ int   -- temporary storage of @j to allow SELECT combining 
      , @jOffset int  -- offset used to calculate starting value for j loop 
      , @jEnd int   -- ending value for j loop (stopping point for processing a column) 
      -- get input string lengths including any trailing spaces (which SQL Server would otherwise ignore) 
      , @sLen int = datalength(@s)/datalength(left(left(@s, 1) + '.', 1)) -- length of smaller string 
      , @tLen int = datalength(@t)/datalength(left(left(@t, 1) + '.', 1)) -- length of larger string 
      , @lenDiff int  -- difference in length between the two strings 
    -- if strings of different lengths, ensure shorter string is in s. This can result in a little 
    -- faster speed by spending more time spinning just the inner loop during the main processing. 
    IF (@sLen > @tLen) BEGIN 
     SELECT @v0 = @s, @i = @sLen -- temporarily use v0 for swap 
     SELECT @s = @t, @sLen = @tLen 
     SELECT @t = @v0, @tLen = @i 
    END 
    SELECT @max = ISNULL(@max, @tLen) 
     , @lenDiff = @tLen - @sLen 
    IF @lenDiff > @max RETURN NULL 

    -- suffix common to both strings can be ignored 
    WHILE(@sLen > 0 AND SUBSTRING(@s, @sLen, 1) = SUBSTRING(@t, @tLen, 1)) 
     SELECT @sLen = @sLen - 1, @tLen = @tLen - 1 

    IF (@sLen = 0) RETURN @tLen 

    -- prefix common to both strings can be ignored 
    WHILE (@start < @sLen AND SUBSTRING(@s, @start, 1) = SUBSTRING(@t, @start, 1)) 
     SELECT @start = @start + 1 
    IF (@start > 1) BEGIN 
     SELECT @sLen = @sLen - (@start - 1) 
      , @tLen = @tLen - (@start - 1) 

     -- if all of shorter string matches prefix and/or suffix of longer string, then 
     -- edit distance is just the delete of additional characters present in longer string 
     IF (@sLen <= 0) RETURN @tLen 

     SELECT @s = SUBSTRING(@s, @start, @sLen) 
      , @t = SUBSTRING(@t, @start, @tLen) 
    END 

    -- initialize v0 array of distances 
    SELECT @v0 = '', @j = 1 
    WHILE (@j <= @tLen) BEGIN 
     SELECT @v0 = @v0 + NCHAR(CASE WHEN @j > @max THEN @max ELSE @j END) 
     SELECT @j = @j + 1 
    END 

    SELECT @jOffset = @max - @lenDiff 
     , @i = 1 
    WHILE (@i <= @sLen) BEGIN 
     SELECT @distance = @i 
      , @diag = @i - 1 
      , @sChar = SUBSTRING(@s, @i, 1) 
      -- no need to look beyond window of upper left diagonal (@i) + @max cells 
      -- and the lower right diagonal (@i - @lenDiff) - @max cells 
      , @j = CASE WHEN @i <= @jOffset THEN 1 ELSE @i - @jOffset END 
      , @jEnd = CASE WHEN @i + @max >= @tLen THEN @tLen ELSE @i + @max END 
     WHILE (@j <= @jEnd) BEGIN 
      -- at this point, @distance holds the previous value (the cell above if we were using an m by n matrix) 
      SELECT @left = UNICODE(SUBSTRING(@v0, @j, 1)) 
       , @thisJ = @j 
      SELECT @distance = 
       CASE WHEN (@sChar = SUBSTRING(@t, @j, 1)) THEN @diag     --match, no change 
        ELSE 1 + CASE WHEN @diag < @left AND @diag < @distance THEN @diag --substitution 
            WHEN @left < @distance THEN @left     -- insertion 
            ELSE @distance          -- deletion 
           END END 
      SELECT @v0 = STUFF(@v0, @thisJ, 1, NCHAR(@distance)) 
       , @diag = @left 
       , @j = case when (@distance > @max) AND (@thisJ = @i + @lenDiff) then @jEnd + 2 else @thisJ + 1 end 
     END 
     SELECT @i = CASE WHEN @j > @jEnd + 1 THEN @sLen + 1 ELSE @i + 1 END 
    END 
    RETURN CASE WHEN @distance <= @max THEN @distance ELSE NULL END 
END 

Answer 5

मैं भी, Levenshtein एल्गोरिथ्म के लिए एक कोड उदाहरण के लिए देख रहा था, और इसे यहाँ खोजने के लिए खुश था: लेकिन यहाँ कोड (अद्यतन 2014/01/20 उसे कुछ अतिरिक्त गति अप करने के लिए) है। बेशक मैं और समझने के लिए कैसे एल्गोरिथ्म काम कर रहा है चाहता था मैं थोड़ा के आसपास ऊपर के उदाहरण मैं थोड़ा कि Veve द्वारा पोस्ट किया गया चारों ओर खेल रहा था से एक के साथ खेल रहा था। कोड की बेहतर समझ प्राप्त करने के लिए मैंने मैट्रिक्स के साथ एक एक्सेल बनाया।

distance for FUZZY compared with FUZY

छवियाँ 1000 से अधिक शब्द का कहना है।

इस Excel के साथ मैंने पाया अतिरिक्त प्रदर्शन के अनुकूलन के लिए क्षमता नहीं है। ऊपरी दाएं लाल क्षेत्र में सभी मानों की गणना करने की आवश्यकता नहीं है। प्रत्येक लाल सेल के मूल्य बाएं सेल प्लस 1 के मान में होते हैं। ऐसा इसलिए है क्योंकि दूसरी स्ट्रिंग उस क्षेत्र में पहले की तुलना में हमेशा लंबी होगी, प्रत्येक चरित्र के लिए 1 के मान से दूरी बढ़ जाती है।

आप अगर @j < = @i बयान का उपयोग करने और @i इस बयान से पहले के मूल्य में वृद्धि से प्रतिबिंबित कर सकते हैं।

CREATE FUNCTION [dbo].[f_LevenshteinDistance](@s1 nvarchar(3999), @s2 nvarchar(3999)) 
    RETURNS int 
    AS 
    BEGIN 
     DECLARE @s1_len int; 
     DECLARE @s2_len int; 
     DECLARE @i  int; 
     DECLARE @j  int; 
     DECLARE @s1_char nchar; 
     DECLARE @c  int; 
     DECLARE @c_temp int; 
     DECLARE @cv0  varbinary(8000); 
     DECLARE @cv1  varbinary(8000); 

     SELECT 
      @s1_len = LEN(@s1), 
      @s2_len = LEN(@s2), 
      @cv1 = 0x0000 , 
      @j  = 1  , 
      @i  = 1  , 
      @c  = 0 

     WHILE @j <= @s2_len 
      SELECT @cv1 = @cv1 + CAST(@j AS binary(2)), @j = @j + 1; 

      WHILE @i <= @s1_len 
      BEGIN 
       SELECT 
        @s1_char = SUBSTRING(@s1, @i, 1), 
        @c  = @i     , 
        @cv0  = CAST(@i AS binary(2)), 
        @j  = 1; 

       SET @i = @i + 1; 

       WHILE @j <= @s2_len 
        BEGIN 
         SET @c = @c + 1; 

         IF @j <= @i 
         BEGIN 
          SET @c_temp = CAST(SUBSTRING(@cv1, @j + @j - 1, 2) AS int) + CASE WHEN @s1_char = SUBSTRING(@s2, @j, 1) THEN 0 ELSE 1 END; 
          IF @c > @c_temp SET @c = @c_temp 
          SET @c_temp = CAST(SUBSTRING(@cv1, @j + @j + 1, 2) AS int) + 1; 
          IF @c > @c_temp SET @c = @c_temp; 
         END; 
         SELECT @cv0 = @cv0 + CAST(@c AS binary(2)), @j = @j + 1; 
        END; 
       SET @cv1 = @cv0; 
      END; 
     RETURN @c; 
    END; 

Answer 6

मुझे यह कहकर प्रस्तावना दें कि मुझे पता है कि यह भयानक है। हालांकि, मैं छत्ता QL उपयोग कर रहा हूँ एक एक यूडीएफ लिए अभी तक पर्याप्त जावा नहीं पता ... तो मैं Andy-Shtein राक्षस ... यह निश्चित रूप से सुंदर नहीं है बनाया है, लेकिन एक चुटकी में मुझे लगता है कि ध्वनि है। तुम क्या सोचते हो?

DECLARE @A VARCHAR(20),@B VARCHAR(20) 
    SET @A = 'AAIRAA' 
    SET @B = 'ALASKA AIR' 
    SELECT 
    CASE WHEN RUNME = 0 THEN 0 ELSE 
    (SUM(CASE WHEN A13 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8+A9+A10+A11+A12+A13 
     WHEN A12 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8+A9+A10+A11+A12 
     WHEN A11 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8+A9+A10+A11 
     WHEN A10 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8+A9+A10 
     WHEN A9 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8+A9 
     WHEN A8 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7+A8 
     WHEN A7 IS NOT NULL THEN A1+A2+A3+A4+A5+A6+A7 
     WHEN A6 IS NOT NULL THEN A1+A2+A3+A4+A5+A6 
     WHEN A5 IS NOT NULL THEN A1+A2+A3+A4+A5 
     WHEN A4 IS NOT NULL THEN A1+A2+A3+A4 
     WHEN A3 IS NOT NULL THEN A1+A2+A3 
     WHEN A2 IS NOT NULL THEN A1+A2 
     WHEN A1 IS NOT NULL THEN A1 
     ELSE 0 END)*1.0)/ 
    ((13-SUM(CASE WHEN A13 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A12 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A11 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A10 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A9 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A8 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A7 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A6 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A5 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A4 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A3 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A2 IS NULL THEN 1 ELSE 0 END + 
     CASE WHEN A1 IS NULL THEN 1 ELSE 0 END))*1.0) 
     END AS MATCHY 

    FROM (
     SELECT 
     CASE WHEN LEN(@A) < 6 THEN 0 
      WHEN LEN(@B) < 6 THEN 0 
      ELSE 1 END AS RUNME, 
     CASE WHEN SUBSTRING(@A, 1, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 1, 3), '%') THEN 1 ELSE 0 END AS A1, 
     CASE WHEN SUBSTRING(@A, 2, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 2, 3), '%') THEN 1 ELSE 0 END AS A2, 
     CASE WHEN SUBSTRING(@A, 3, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 3, 3), '%') THEN 1 ELSE 0 END AS A3, 
     CASE WHEN SUBSTRING(@A, 4, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 4, 3), '%') THEN 1 ELSE 0 END AS A4, 
     CASE WHEN SUBSTRING(@A, 5, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 5, 3), '%') THEN 1 ELSE 0 END AS A5, 
     CASE WHEN SUBSTRING(@A, 6, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 6, 3), '%') THEN 1 ELSE 0 END AS A6, 
     CASE WHEN SUBSTRING(@A, 7, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 7, 3), '%') THEN 1 ELSE 0 END AS A7, 
     CASE WHEN SUBSTRING(@A, 8, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 8, 3), '%') THEN 1 ELSE 0 END AS A8, 
     CASE WHEN SUBSTRING(@A, 9, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 9, 3), '%') THEN 1 ELSE 0 END AS A9, 
     CASE WHEN SUBSTRING(@A, 10, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 10, 3), '%') THEN 1 ELSE 0 END AS A10, 
     CASE WHEN SUBSTRING(@A, 11, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 11, 3), '%') THEN 1 ELSE 0 END AS A11, 
     CASE WHEN SUBSTRING(@A, 12, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 12, 3), '%') THEN 1 ELSE 0 END AS A12, 
     CASE WHEN SUBSTRING(@A, 13, 3) ='' THEN NULL 
      WHEN @B LIKE CONCAT('%', SUBSTRING(@A, 13, 3), '%') THEN 1 ELSE 0 END AS A13 
    )SUB 
    GROUP BY RUNME 

Answer 7

टीएसक्यूएल में दो वस्तुओं की तुलना करने का सबसे अच्छा और तेज़ तरीका सूचीबद्ध विवरण हैं जो अनुक्रमित कॉलम पर तालिकाओं में शामिल होते हैं। इसलिए यदि आप आरडीबीएमएस इंजन के फायदों से लाभ उठाना चाहते हैं तो मैं संपादन दूरी को लागू करने का सुझाव देता हूं। टीएसक्यूएल लूप भी काम करेंगे, लेकिन बड़ी मात्रा में तुलना के लिए टीएसक्यूएल की तुलना में लेवेनस्टीन दूरी की गणना अन्य भाषाओं में तेजी से होगी।

मैं अस्थायी उस उद्देश्य के लिए ही बनाया तालिकाओं के खिलाफ में शामिल की श्रृंखला का उपयोग कई प्रणालियों में संपादन दूरी लागू किया है। इसके लिए कुछ भारी प्री-प्रोसेसिंग चरणों की आवश्यकता होती है - अस्थायी तालिकाओं की तैयारी - लेकिन यह बड़ी संख्या में तुलना के साथ बहुत अच्छी तरह से काम करती है।

कुछ शब्दों में: पूर्व प्रसंस्करण, बनाने को आबाद करने और अनुक्रमण अस्थायी तालिकाओं के होते हैं। पहले व्यक्ति में संदर्भ आईडी, एक-अक्षर कॉलम और एक charindex कॉलम होता है। यह तालिका सम्मिलित प्रश्नों की एक श्रृंखला चलाकर पॉप्युलेट की जाती है जो स्रोत शब्द में शब्द के रूप में कई पंक्तियों को बनाने के लिए प्रत्येक शब्द को अक्षरों (चयन सब्सक्राइबिंग का उपयोग करके) में विभाजित करता है (मुझे पता है, यह बहुत सारी पंक्तियां हैं लेकिन SQL सर्वर अरबों को संभाल सकता है पंक्तियों का)। फिर 2-अक्षर का स्तंभ, एक 3-वर्णों स्तंभ के साथ एक और मेज, आदि अंत परिणामों के साथ एक दूसरी तालिका बनाने के टेबल जो संदर्भ आईडी और प्रत्येक शब्द की सबस्ट्रिंग शामिल की एक श्रृंखला है, साथ ही उनकी स्थिति के लिए एक संदर्भ है शब्द में।

एक बार ऐसा करने के बाद, पूरा गेम इन तालिकाओं को डुप्लिकेट करने और ग्रुप बाय चयन सूची में उनके डुप्लिकेट के खिलाफ जुड़ने के बारे में है जो मैचों की संख्या की गणना करता है। यह शब्दों की हर संभव जोड़ी के लिए उपायों की एक श्रृंखला बनाता है, जिसे फिर शब्दों की प्रति जोड़ी में एक एकल लेवेनस्टीन दूरी में फिर से एकत्रित किया जाता है।

तकनीकी रूप से यह लेवेनस्टीन दूरी (या इसके रूपों) के अधिकांश अन्य कार्यान्वयन से बहुत अलग है, इसलिए आपको गहराई से समझने की आवश्यकता है कि लेवेनस्टीन दूरी कैसे काम करती है और इसे क्यों डिजाइन किया गया था। विकल्पों को भी जांचें क्योंकि उस विधि के साथ आप अंतर्निहित मीट्रिक की एक श्रृंखला के साथ समाप्त होते हैं जो एक ही समय में संपादन दूरी के कई रूपों की गणना करने में मदद कर सकता है, जो आपको दिलचस्प मशीन सीखने के संभावित सुधार प्रदान करता है।

इस पृष्ठ में पिछले उत्तरों द्वारा पहले से उल्लेख किया गया एक और बिंदु: उन जोड़ों को खत्म करने के लिए जितना संभव हो सके पूर्व प्रक्रिया की कोशिश करें, जिन्हें दूरी माप की आवश्यकता नहीं है। उदाहरण के लिए दो शब्दों की एक जोड़ी जिसमें आम में एक भी अक्षर नहीं है, को बाहर रखा जाना चाहिए, क्योंकि संपादन दूरी तारों की लंबाई से प्राप्त की जा सकती है। या एक ही शब्द की दो प्रतियों के बीच की दूरी को मापें, क्योंकि यह प्रकृति द्वारा 0 है। या माप करने से पहले डुप्लीकेट हटा दें, यदि आपकी शब्दों की सूची लंबे टेक्स्ट से आती है तो संभव है कि वही शब्द एक से अधिक बार दिखाई देंगे, इसलिए केवल एक बार दूरी को मापने से प्रोसेसिंग समय आदि बचाए जाएंगे।