收集文献统计

函数ts_stat可用于检查配置和查找候选停用词。

  1. ts_stat(sqlquery text, [ weights text, ]
  2.         OUT word text, OUT ndoc integer,
  3.         OUT nentry integer) returns setof record

sqlquery是一个包含SQL查询语句的文本，该SQL查询将返回一个tsvector。ts_stat执行SQL查询语句并返回一个包含tsvector中每一个不同的语素（词）的统计信息。返回信息包括：

  • word text：词素。
  • ndoc integer：词素在文档（tsvector）中的编号。
  • nentry integer：词素出现的频率。

如果设置了权重条件，只有标记了对应权重的词素才会统计频率。例如，在一个文档集中检索使用频率最高的十个单词：

  1. openGauss=# SELECT * FROM ts_stat('SELECT to_tsvector(''english'', sr_reason_sk) FROM tpcds.store_returns WHERE sr_customer_sk < 10') ORDER BY nentry DESC, ndoc DESC, word LIMIT 10;
  2.    word | ndoc | nentry 
  3. ------+------+--------
  4.  32   |    2 |      2
  5.  33   |    2 |      2
  6.  1    |    1 |      1
  7.  10   |    1 |      1
  8.  13   |    1 |      1
  9.  14   |    1 |      1
  10.  15   |    1 |      1
  11.  17   |    1 |      1
  12.  20   |    1 |      1
  13.  22   |    1 |      1
  14. (10 rows)

同样的情况，但是只计算权重为A或者B的单词使用频率：

  1. openGauss=# SELECT * FROM ts_stat('SELECT to_tsvector(''english'', sr_reason_sk) FROM tpcds.store_returns WHERE sr_customer_sk < 10', 'a') ORDER BY nentry DESC, ndoc DESC, word LIMIT 10;
  2.  word | ndoc | nentry 
  3. ------+------+--------
  4. (0 rows)