Semantic Search – Del 3

Oopps! Upgrade your browser pretty please.Oopps! Upgrade your browser pretty please.

När man väl installerat databasen som krävs för Semantic Search som jag beskrev i ”.. – Del 2” så måste man skapa ett FullText index för tabellen som man tänker söka i. Ett exempel på det kommer här: ALTER FULLTEXT INDEX ON [dbo].[DocumentStore] ADD ([file_stream] TYPE COLUMN [file_type] LANGUAGE [Swedish] STATISTICAL_SEMANTICS)

Därefter är det äntligen dags att börja använda Semantic Search. Det kan man göra med tre olika funktioner. Först ut är SEMANTICKEYPHRASETABLE som visar ett värde för varje nyckelord i förhållande till alla andra nyckelord i dokumentet. Detta värde kan vara mellan 0,0 och 1,0 som framgår av exemplet nedan. Man pratar förresten om nyckelfraser men än så länge är det bara enstaka ord. Här kommer ett exempel om jag söker i min egen cv: DECLARE @Title nvarchar(255) DECLARE @DocumentID hierarchyid SET @Title = ‘SQL Service konsultprofil Göran Rönnbäck.docx’ SELECT @DocumentID = path_locator FROM DocumentStore WHERE name = @Title SELECT TOP (50) keyphrase AS ‘Key Phrase’, score AS ‘Score’ FROM semantickeyphrasetable(DocumentStore, *, @DocumentID) ORDER BY score DESC

Ger detta resultat:              

Lite intressant är det dock att samma dokument men sparat i annat format, som t.ex. doc eller pdf ger andra nyckelord och också andra poäng. Alltså kan man inte jämföra olika dokumenttyper med varandra ännu som jag kommer gå igenom i ”…Del 4”.