在SQL中查找类似值的性能技术？

因此，我在表中有一列，其中包含字符串值（从第三方工具填充的关键字）。我正在开发一个自动化工具，以识别类似值的集群，这些集群可能被规范化为单个值。例如，“消防员”/“消防员”、“同位素”/“阿斯托普”或“犬科”/“犬科”

一种计算levenshtein距离的方法似乎很理想，但它涉及太多的字符串操作/比较，并且可能会不好地使用SQL索引

我考虑过按列的左（X）个字符进行增量分组，这是最大化索引使用的一种不错的方法，但这种方法实际上只在查找单词末尾有差异的单词时有效

有没有人有一些好主意可以在SQL中有效地解决这个问题

---

注意：我意识到这个问题与（）非常相似，但这里的区别是需要在SQL中高效地执行此操作。

您没有提到您使用的是什么DB，但是如果是t-SQL，您可以使用值和。

您没有提到您使用的是什么DB，但是如果不是-SQL，您可以使用值和。

如果您使用的是SQL Server，您可以使用SOUNDEX（）函数，如下所示：

...
where
   SOUNDEX("searchterm") = SOUNDEX(searchvaluefield)

它应该在字符串上进行语音匹配

一些奇怪的例子。。。因此，似乎你可以通过总是将复数文本添加到两侧来捕捉复数，因为多个的发音相同…：-）

---

如果您使用的是SQL Server，您可能会考虑使用SOUNDEX（）函数，如下所示：

...
where
   SOUNDEX("searchterm") = SOUNDEX(searchvaluefield)

它应该在字符串上进行语音匹配

一些奇怪的例子。。。因此，似乎你可以通过总是将复数文本添加到两侧来捕捉复数，因为多个的发音相同…：-）

---

John，如果您使用的是MS SQL Server，您可以利用该服务。全文搜索功能具有可用于实现此目的的功能。

John，如果您使用的是MS SQL Server，您可以利用该服务。全文搜索功能有多种实现方法。

目前我正在使用T-SQL，但我没有提到它，希望得到一个更通用的答案，可以在多个数据库平台上使用。不过，Soundex/Difference方法看起来很有希望。现在我正在使用T-SQL，但我没有提到它，希望得到一个更通用的答案，可以在多个数据库平台上工作。不过，Soundex/Difference方法看起来很有希望。我来试一试。有没有关于Soundex解析单词复数的经验？听起来这对“消防员”/“消防员”来说很好，但对“犬科动物”/“犬科动物”来说可能就没那么好了。有没有关于Soundex解析单词复数的经验？听起来对“消防员”/“消防员”来说不错，但对“犬科”/“犬科”来说可能就没那么好了。