smlar - PolarDB: Central de Documentação do Alibaba Cloud

Em cenários de e-commerce e mecanismos de busca, o cálculo de similaridade em grandes volumes de dados representa um desafio técnico crítico. Implementações simples de similaridade costumam ser lentas e consomem muitos recursos. O smlar é uma extensão de terceiros open-source para PolarDB for PostgreSQL que oferece funções para computação eficiente de similaridade no banco de dados, além de operadores compatíveis com índices GiST e GIN. A extensão smlar suporta todos os tipos de dados nativos do PostgreSQL.

Pré-requisitos

O PolarDB for PostgreSQL suporta as seguintes versões:

PostgreSQL 16 (versão secundária 2.0.16.9.6.0 ou posterior)
PostgreSQL 14 (versão secundária 2.0.14.5.1.0 ou posterior)
PostgreSQL 11 (versão secundária 2.0.11.9.28.0 ou posterior)

Nota

Visualize a versão secundária do mecanismo no console ou execute a instrução SHOW polardb_version;. Se a versão secundária do mecanismo não atender aos requisitos, atualize-a.

Uso

Instale a extensão.
```
CREATE EXTENSION smlar;
```
Nota
A extensão smlar entra em conflito com a extensão rum no operador %. Portanto, não crie essas duas extensões no mesmo schema.
Execute os comandos a seguir para calcular a similaridade entre dois arrays.
- Resultado retornado:
```
SELECT smlar('{3,2}'::int[], '{3,2,1}');
```
```
  smlar
----------
 0.816497
(1 row)
```
- Resultado retornado:
```
SELECT smlar('{1,4,6}'::int[], '{5,4,6}', 'N.i / (N.a + N.b)' );
```
```
  smlar
----------
 0.333333
(1 row)
```
  Nota
  Para obter mais informações sobre outras funções, consulte Funções e operadores.
Desinstale a extensão.
```
DROP EXTENSION smlar;
```

Funções e operadores

Função ou operador	Descrição
float4 smlar(anyarray, anyarray)	Calcula a similaridade entre dois arrays do mesmo tipo de dado. Os arrays devem ter o mesmo tipo.
float4 smlar(anyarray, anyarray, bool useIntersect)	Calcula a similaridade entre dois arrays de um tipo composto personalizado (elemento, peso). O parâmetro useIntersect define se apenas os elementos sobrepostos ou todos os elementos participam do cálculo. Nota O tipo composto tem a seguinte definição: `CREATE TYPE type_name AS (element_name anytype, weight_name FLOAT4);`
float4 smlar(anyarray a, anyarray b, text formula)	Calcula a similaridade entre dois arrays do mesmo tipo de dado por meio de uma fórmula personalizada. Os arrays devem ter o mesmo tipo. Variáveis predefinidas da fórmula: N.i: quantidade de elementos idênticos nos dois arrays (interseção). N.a: quantidade de elementos únicos no primeiro array. N.b: quantidade de elementos únicos no segundo array.
anyarray % anyarray	Retorna TRUE se a similaridade entre os dois arrays ultrapassar o limiar. Caso contrário, retorna FALSE.
text[] tsvector2textarray(tsvector)	Converte um valor tsvector em um array de texto.
anyarray array_unique(anyarray)	Ordena o array e remove elementos duplicados.
float4 inarray(anyarray, anyelement)	Retorna 1.0 se o elemento existir no array. Caso contrário, retorna 0.
float4 inarray(anyarray, anyelement, float4, float4)	Retorna o terceiro argumento se o elemento existir no array. Caso contrário, retorna o quarto argumento.

Parâmetros configuráveis

Parâmetro	Descrição
smlar.threshold FLOAT	Limiar de similaridade usado pelo operador de porcentagem (%) para determinar se dois arrays são semelhantes.
smlar.persistent_cache BOOL	Define se o cache de estatísticas globais fica armazenado em memória independente das transações.
smlar.type STRING	Fórmula de similaridade. Tipos válidos: cosine (padrão), tfidf e overlap.
smlar.stattable STRING	Nome da tabela que armazena estatísticas no nível de coleção. Definição da tabela: `CREATE TABLE table_name ( value data_type UNIQUE, ndoc int4 (or bigint) NOT NULL CHECK (ndoc>0) );`
smlar.tf_method STRING	Método de cálculo da frequência do termo (TF). Valores válidos: n: contagem simples (padrão). log: `1 + log(n)`. const: frequência igual a 1.
smlar.idf_plus_one BOOL	Método de cálculo da frequência inversa de documentos (IDF). Valores válidos: FALSE (padrão): `log(d / df)`. TRUE: `log(1 + d / df)`.

Referências

Para obter mais informações sobre a extensão smlar, consulte: