Postgresql 全文搜索非常短的文档(文件名)

Question

我有一个文件名数据库，我正在尝试使用 PG 的全文搜索工具在其中进行搜索。我在文件名表上运行搜索查询，问题是排名函数没有按照我希望的那样对结果进行排名。为了便于讨论，我们假设架构如下所示:

create table files (
    id serial primary key,
    filename text,
    filename_ft tsvector
);

我运行的查询看起来像这样:

select filename, ts_rank(filename_ft, query)
from files, to_tsquery('simple', 'a|b|c') as query
where query @@ name_ft
order by rank desc limit 5;

这将返回排名最高的 5 个结果。但是，这些搜索查询来自另一个进程，并且在大多数情况下，查询中包含一些“垃圾”。例如，可能会执行对“a xxxx”的查询，其中 xxxxx 只是一堆其他术语。在大多数情况下，这仍然会返回正确的结果，因为后缀根本不在数据库中。

但是，有时查询包含一些无关信息，这些信息会影响排名功能。例如，对“a b c”的查询将返回一个包含标记“b c”的文件名作为第一个结果，而对“a”的完全匹配作为第二个结果，我猜这是因为第一个结果包含一个更大的实际搜索 token 的百分比。

在大多数情况下(如果不是全部)，最重要的标记出现在查询中的第一个标记，所以我的问题是，有没有办法为查询中的标记赋予权重？

Answer 1

is there a way to give the tokens in the query a weight?

是的，有。参见 the documentation ;搜索“重量”。

分配权重是否是正确的选择是另一回事。在我看来，您确实想在索引创建和搜索过程中从 to_tsvector 的输入中排除一些数据，因此您只是不在索引中包含这些垃圾。