Oracle 两个符号之间的相似性

表中的行数超过300万个名称（姓名、姓氏、父亲姓名）。我想检查90%以上的相似性。 我使用了许多模糊算法和utl_匹配相似性（jaro_winkler，edit_distance）这些算法的性能不好。（超过20秒。） 我想换个地方看看，但效果很好。比如： 姓名姓氏父亲姓名， 姓名父亲姓名姓氏， 姓父名， .........

---

我找不到任何性能好的算法，它在事务系统上工作

您不需要每次都检查300万个名称，因为您的数据库中有重复的名称。你也可以做的是将你的条目以最远的距离进行预聚类，然后使用不同的入口点

因此，在第一步中，创建您的入口点：

Miller
Smith
Yang
...

---

然后用>检查这个入口点，例如70%，然后深入到您有一个非常好匹配的集群。这将删除大部分搜索，并使您的算法更快

这听起来像是您可能首先希望在Oracle之外离线处理的事情。看看哪些工具/算法工作得很好，然后如果您真的需要针对生产数据库执行此操作，请稍后再来担心。感谢您的建议，现在这不是问题，但我正在尝试改进您使用的Oracle版本是什么？如果是11gR2或更高，您应该查看Oracle文本的名称搜索扩展。这将执行得很好，但不幸的是需要定时同步，因此它可能不适合事务性应用程序。在过度抱怨它太慢之前，想想你让Oracle做的任务。没有某种预处理（参见@Thomas的建议），您要求它对3M行执行3M行；这是9万亿（900000000000）的比较。在你抱怨的3次时间里，仍然是每秒250万次比较。这是惊人的快-只是巨大的体积。你需要减少音量@保护者一个名字检查300万，而不是3 mil x 3 mil。感谢评论，但没有重复的名字。我用了sundex和jaro winkler，好多了