Гость
Войти | Профиль | Очистить
Действия ...
Форумы / PostgreSQL [игнор отключен] [закрыт для гостей] / Проблема с fts / 23 сообщений из 23, страница 1 из 1
18.06.2008, 15:00
    #35380332
Quessir
Quessir
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Поставил snowball для русской морфологии.

При запросе на, например, "человека" находит все склонения, а если "человек" - то не находит.

PostgreSQL 8.3(.3). Как вылечить?
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
18.06.2008, 15:58
    #35380613
Oleg Bartunov
Oleg Bartunov
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
QuessirПоставил snowball для русской морфологии.

При запросе на, например, "человека" находит все склонения, а если "человек" - то не находит.

PostgreSQL 8.3(.3). Как вылечить?

Куда "поставил" ? Он в 8.3 по-умолчанию стоит.
Проверь:

Код: plaintext
1.
2.
3.
4.
5.
6.
7.
=# select * from ts_debug('russian','человека человек');
 alias |    description    |  token   |  dictionaries  |  dictionary  |  lexemes
-------+-------------------+----------+----------------+--------------+-----------
 word  | Word, all letters | человека | {russian_stem} | russian_stem | {человек}
 blank | Space symbols     |          | {}             |              |
 word  | Word, all letters | человек  | {russian_stem} | russian_stem | {человек}


А вообще, надо бы привести больше информации.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
19.06.2008, 02:36
    #35381548
Quessir
Quessir
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Поставил имелось ввиду применил. :))

С "человек"-ом не совсем удачный пример получился, прошу прощения.

Вот пример с не совсем русским словом.

Код: plaintext
1.
2.
3.
4.
5.
6.
7.
postgres=# select * from ts_debug('pg','Бекмамбетов Бекмамбетовым');
 alias |    description    |     token     |  dictionaries  |  dictionary  |    lexemes    
-------+-------------------+---------------+----------------+--------------+---------------
 word  | Word, all letters | Бекмамбетов   | {russian_stem} | russian_stem | {бекмамбет}
 blank | Space symbols     |               | {}             |              | 
 word  | Word, all letters | Бекмамбетовым | {russian_stem} | russian_stem | {бекмамбетов}
( 3  rows)

И обычный

Код: plaintext
1.
2.
3.
4.
5.
6.
postgres=# select * from ts_debug('pg','красный красноватый');
 alias |    description    |    token    |  dictionaries  |  dictionary  |   lexemes   
-------+-------------------+-------------+----------------+--------------+-------------
 word  | Word, all letters | красный     | {russian_stem} | russian_stem | {красн}
 blank | Space symbols     |             | {}             |              | 
 word  | Word, all letters | красноватый | {russian_stem} | russian_stem | {красноват}
( 3  rows)

Или вот

Код: plaintext
1.
2.
3.
4.
5.
6.
postgres=# select * from ts_debug('pg','Португалия Португальцы');
 alias |    description    |    token    |  dictionaries  |  dictionary  |   lexemes    
-------+-------------------+-------------+----------------+--------------+--------------
 word  | Word, all letters | Португалия  | {russian_stem} | russian_stem | {португал}
 blank | Space symbols     |             | {}             |              | 
 word  | Word, all letters | Португальцы | {russian_stem} | russian_stem | {португальц}
( 3  rows)

Т.е. он режет только один суффикс/окончание. Как поступать в таких ситуациях?
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
23.06.2008, 22:04
    #35389580
iz
iz
Гость
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
QuessirТ.е. он режет только один суффикс/окончание. Как поступать в таких ситуациях?

Чего вы хотите добиться? Snowball так устроен, что обрезает только одно окончание.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
24.06.2008, 15:45
    #35391222
Winnipuh
Winnipuh
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
iz QuessirТ.е. он режет только один суффикс/окончание. Как поступать в таких ситуациях?

Чего вы хотите добиться? Snowball так устроен, что обрезает только одно окончание.

видимо автор хотел добиться поиска с учетом словоформ, нормальным.

Ведь обрезать одно окончание слова недостаточно, это примитивный вариант

Такое существует в природе?
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
24.06.2008, 15:58
    #35391282
iz
iz
Гость
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Winnipuh
видимо автор хотел добиться поиска с учетом словоформ, нормальным.

Ведь обрезать одно окончание слова недостаточно, это примитивный вариант

Такое существует в природе?

Обрезать нужно только одно окончание, так как остальные "словоформы", как вы их называете, таковыми не являются. Это формы другого слова, однокоренного с исходным. То есть у них общий корень, но разные суффиксы и окончания. Стемминг окончания в слове "Португалия" нужен только для того, чтобы находить по этому запросу все склонения: "Португалии", "Португалию" и т.д., но не другое слово "португальцы". Стемминг окончания в слове "португальцы" нужен только для того, чтобы находить все его склонения: "португальцев", "португальцами" и т.д., но не другие однокоренные слова вроде "Португалия" или "Порту".
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
25.06.2008, 22:12
    #35394960
Quessir
Quessir
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Понятно, но может как-то можно сделать так сказать "агрессивный стемминг".
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
26.06.2008, 12:13
    #35395953
iz
iz
Гость
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Мне в голову только приходит многократное пропускание через стемминг, пока лексема не перестанет меняться. Но хорошим это решение я не назову.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
26.06.2008, 12:45
    #35396112
Winnipuh
Winnipuh
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
iz Winnipuh
видимо автор хотел добиться поиска с учетом словоформ, нормальным.

Ведь обрезать одно окончание слова недостаточно, это примитивный вариант

Такое существует в природе?

Обрезать нужно только одно окончание, так как остальные "словоформы", как вы их называете, таковыми не являются. Это формы другого слова, однокоренного с исходным. То есть у них общий корень, но разные суффиксы и окончания. Стемминг окончания в слове "Португалия" нужен только для того, чтобы находить по этому запросу все склонения: "Португалии", "Португалию" и т.д., но не другое слово "португальцы". Стемминг окончания в слове "португальцы" нужен только для того, чтобы находить все его склонения: "португальцев", "португальцами" и т.д., но не другие однокоренные слова вроде "Португалия" или "Порту".

так доходчиво расписали про "словоформы", а что означает "стемминг", как вы его называете?
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
30.06.2008, 14:27
    #35402040
iz
iz
Гость
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Winnipuh
так доходчиво расписали про "словоформы", а что означает "стемминг", как вы его называете?

Стемминг -- процесс приведения словоформы (образованной, как правило, путем склонения) к нормальному виду (стему). Нормальный вид в данном случае -- та часть слова, которая является общей для всех словоформ, образованных путем склонения. Важно понимать, что стем необязательно является корнем слова.

Пример, если лень залезть в psql с ФТС: 'московский' --> 'московск'. См. также выше в этой дискуссии.

Алгоритмов стемминга существует великое множество. Snowball -- одно из семейств таких алгоритмов. Подробнее -- см. в Википедии.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
30.06.2008, 14:28
    #35402045
Winnipuh
Winnipuh
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
iz Winnipuh
так доходчиво расписали про "словоформы", а что означает "стемминг", как вы его называете?

Стемминг -- процесс приведения словоформы (образованной, как правило, путем склонения) к нормальному виду (стему). Нормальный вид в данном случае -- та часть слова, которая является общей для всех словоформ, образованных путем склонения. Важно понимать, что стем необязательно является корнем слова.

Пример, если лень залезть в psql с ФТС: 'московский' --> 'московск'. См. также выше в этой дискуссии.

Алгоритмов стемминга существует великое множество. Snowball -- одно из семейств таких алгоритмов. Подробнее -- см. в Википедии.

спасибо за объяснение смысла английского слова русскими словами
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
Период между сообщениями больше года.
17.06.2010, 12:57
    #36692072
yack
yack
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Кстати, проблема приведения к корню не решается рекутсивным стеммингом, как было рекомендовано выше:

select * from ts_debug('russian','стокгольмский'); => стокгольмск
select * from ts_debug('russian','стокгольмск'); => стокгольмск
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 13:46
    #36692234
Гость_0
Гость_0
Гость
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
а как работает FTS для иероглифичного письма, например японского? Хотябы в общих чертах, просто интересно :)
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 14:41
    #36692449
yack
yack
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
ответ, кстати, так и не был дан.
Подобную тему я поднял здесь:
http://forum.sql.ru/forum/actualthread.aspx?tid=767810
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 16:47
    #36692966
web_fox
web_fox
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
yack,

я эту проблему уже решил и дал решение. Я делал "нормализацию" слов - делал перебор окончаний для получения минимальной лексемы, по ней потом и ищем со звёздочкой (prefix matching ):

http://sql.ru/forum/actualthread.aspx?tid=721916
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 16:51
    #36692983
web_fox
web_fox
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Только массив расширил:
Код: plaintext
array [ '', 'е', 'ий', 'я', 'о', 'ь', 'т' ]

Прецендентные слова, которые портили поиск по части слова:
Код: plaintext
1.
2.
3.
4.
5.
    о - зубчатог о
    ь - контактироват ь
    я - интенсивнос ти
    е - электрообогреваемы й
    ий - скользящ ий
    т - характеризуе т
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 17:04
    #36693034
web_fox
web_fox
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
iz,

по-моему стеминг вообще НЕ имеет смыла, что и показано инсталляцией PG - по-умолчанию в нём идёт только список стоп-слов. Никто кроме человека понимающего контекст не поймёт значение слова:

Код: plaintext
белок - это родительный падеж от животного "белка" или речь о белковых соединениях?

Реализовавали БД для патентного ведомства. 60 млн патентов. Все эти глупости со стемингами уже прошли. При проведении экспертизы (полнотекстовый поиск на похожие изобретения) всё стаёт ясно со стемингами.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
17.06.2010, 19:21
    #36693435
Winnipuh
Winnipuh
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
web_foxiz,

по-моему стеминг вообще НЕ имеет смыла, что и показано инсталляцией PG - по-умолчанию в нём идёт только список стоп-слов. Никто кроме человека понимающего контекст не поймёт значение слова:

Код: plaintext
белок - это родительный падеж от животного "белка" или речь о белковых соединениях?

Реализовавали БД для патентного ведомства. 60 млн патентов. Все эти глупости со стемингами уже прошли. При проведении экспертизы (полнотекстовый поиск на похожие изобретения) всё стаёт ясно со стемингами.

в случае белка - и то, и другое должно находиться, точно знает, что нужно - только юзер
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
21.06.2010, 16:54
    #36698809
yack
yack
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
web_fox,

С замкОм и зАмком та же фигня :)

Хорошо, когда можно самому окончания подрезать. А у меня еще и украинский язык имеетися, а там не совасем такие же правила :(
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
22.06.2010, 00:04
    #36699452
web_fox
web_fox
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
yack,

в украинском вообще надо писать свой парсер, иначе апостроф будет делать два слова. Но это уже не по теме.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
22.06.2010, 00:40
    #36699479
Ёш
Ёш
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
web_fox, почему не по теме? имхо интересно :) а в словари украинские типа ispell/myspell входят слова с апострофами, как они их воспринимают?
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
22.06.2010, 16:00
    #36700963
web_fox
web_fox
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
Ёш,

ну словари то не для постгреса делаются, - они универсальные. А чтобы оно работало ожидаемо в PG, видимо парсер нужен соответствующий. Русский парсер не подходит:

Код: plaintext
1.
2.
select to_tsvector('russian', 'М’який')
-------------
'м': 1  'як': 2

Оно, конечно, to_tsquery сделает то же самое при поиске, и результаты могут быть как правильными, так и неожиданными.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
Период между сообщениями больше года.
17.02.2018, 19:38
    #39603538
qwwq
qwwq
Участник
Скрыть профиль Поместить в игнор-лист Сообщения автора в теме
Проблема с fts
web_fox,это не парсер, а цепочка из парсера и словарей

парсер (токенайзер) вот
Код: sql
1.
2.
3.
4.
5.
select * from ts_parse('default', 'М’який')
----------
2,'М'
12,'’'
2,'який'


хотя и его нарно можно перекрыть, но можно и на выходе взад слова собирать.
...
Рейтинг: 0 / 0
| Ответить | Цитировать | Написать  
Форумы / PostgreSQL [игнор отключен] [закрыт для гостей] / Проблема с fts / 23 сообщений из 23, страница 1 из 1
Целевая тема:
Создать новую тему:
Автор:
Найденые пользователи ...
Разблокировать пользователей ...
Читали тему (0):
Читали форум (0):
Пользователи онлайн (0):
Польз. соглашение
созд. / загр.: 654ms
Закрыть
start [/forum/topic.php?fid=53&tablet=1&tid=1995939]:
 0ms
get settings:
 9ms
get forum list:
 13ms
check forum access:
 4ms
check topic access:
 4ms
track hit:
 264ms
get topic data:
 12ms
get forum data:
 2ms
get page messages:
 65ms
get tp. blocked users:
 2ms
others: 279ms
total:  654ms
x
x
Закрыть


Просмотр
0 / 0
Close
Debug Console [Select Text]