PostgreSQL：查找最接近给定句子的句子

我有一张带有句子标题的图像表。给定一个新句子，我想根据新句子与存储的旧句子的接近程度，找到与之最匹配的图像。

我知道我可以将@@运算符与a一起使用，to_tsquery但tsquery可以接受特定单词作为查询。

一个问题是我不知道如何将给定的句子转换为有意义的查询。该句子可能带有标点符号和数字。

但是，我也觉得我需要某种余弦相似性，但我不知道如何从PostgresQL中获得它。我正在使用最新的GA版本，如果可以解决我的问题，很高兴使用开发版本。

全文搜索（FTS）

您可以习惯于plainto_tsquery()（根据文档）...

产生tsquery忽略标点符号

SELECT plainto_tsquery('english', 'Sentence: with irrelevant words (and punctuation) in it.')

 plainto_tsquery
------------------
 'sentenc' & 'irrelev' & 'word' & 'punctuat'

像这样使用它：

SELECT *
FROM   tbl
WHERE  to_tsvector('english', sentence) @@ plainto_tsquery('english', 'My new sentence');

但这仍然相当严格，并且仅提供非常有限的相似性容忍度。

Trigram相似度

可能更适合于寻找相似性，甚至在某种程度上克服了错别字。

安装附加模块pg_trgm，创建GiST索引，并在最近的邻居搜索中使用相似性运算符%：

-- SELECT set_limit(0.3);  -- adjust tolerance if needed

SELECT *
FROM   tbl
WHERE  sentence % 'My new sentence'
ORDER  BY sentence <-> 'My new sentence'
LIMIT  10;