SQL Server 2008 - 全文搜索不会停在停用词

Question

我已经根据系统列表创建了一个停止列表，并且设置了我的全文索引来使用它。

如果我运行代码select unique_index_id, stoplist_id from sys.fulltext_indexes我可以看到我的所有索引都使用了ID 5的阻止列表，这是我创建的列表。

当我使用FTS_PARTIAL运行文本时，结果是正确的。 例如：

SELECT special_term, display_term 
FROM sys.dm_fts_parser 
(' "Rua José do Patrocinio nº125, Vila América, Santo André - SP" ', 1046, 5, 0) 

我加入到停止列表中的词是示出作为噪声字。但由于某种原因，当我运行我的查询时，它也给我带了停用词的寄存器。

例如：

SELECT * 
FROM tbEndereco 
WHERE CONTAINS (*, '"rua*" or "jose*"') 

引出了上面我所期望的寄存器。既然'鲁阿'这个词应该被忽略，但'何塞'会是一场比赛。

但是如果我搜索：

SELECT * 
FROM tbEndereco 
WHERE CONTAINS (*, '"rua*"') 

我希望没有寄存器被发现。因为'rua'被设置为一个停用词。

我使用巴西（葡萄牙语）作为停用列表语言。 因此，“Rua”（即“街道”）这个词应该被忽略（因为我将它添加到了停止列表中）。它被解析器识别为噪声，但是当我运行我的查询时，它给我带有“Rua”的寄存器。

我的搜索是一个地址搜索，所以它应该忽略诸如“街道”，“大道”等词（当然是葡萄牙语，我也将它们都添加了）。

这是我用来查询表的查询。

select DISTINCT(PES.idPessoa) 
, PES.Nome     
, EN.idEndereco 
, EN.idUF  
, CID.Nome as Cidade 
, EN.Bairro  
, EN.Logradouro 
, EN.Numero 
, EN.Complemento 
, EN.CEP 
, EN.Lat 
, EN.Lng  
from tbPessoa PES 
INNER JOIN tbAdvogado ADV ON PES.idPessoa = ADV.idPessoa 
INNER JOIN tbEndereco EN ON PES.idEmpresa = EN.idEmpresa 
LEFT JOIN tbCidade CID ON CID.idCidade = EN.idCidade 
where adv.Ativo = 1 
and CONTAINS (en.*, '"rua*"') 
OR EN.idCidade IN (SELECT idCidade 
       FROM tbCidade 
       WHERE CONTAINS (*, '"rua*"')) 
OR PES.idPessoa IN (SELECT DISTINCT (ADVC.idPessoa) 
       FROM tbComarca C 
       INNER JOIN tbAdvogadoComarca ADVC 
            ON ADVC.idComarca = C.idComarca 
       WHERE CONTAINS (Nome, '"rua*"')) 
OR PES.idPessoa IN (SELECT OAB.idPessoa 
       FROM tbAdvogadoOAB OAB 
       WHERE CONTAINS (NROAB, '"rua*"')) 

我试过FREETEXT和CONTAINS。使用一些简单的像WHERE CONTAINS (NROAB, 'rua'))但它也给我带有“Rua”的寄存器。

我以为我的查​​询可能有一些问题，然后我尝试了一个更简单的查询，它也给我带来了停止词“Rua”。

SELECT * 
FROM tbEndereco 
WHERE CONTAINS (*, 'rua') 

我注意到的一件事是，从系统stoplist本地工作的单词工作得很好。例如，如果我尝试使用“do”（意思是“of”）这个词，它不会给我任何寄存器。

例子：

SELECT * 
FROM tbEndereco 
WHERE CONTAINS (*, '"do*"') 

我试图运行命令“启动完全填充”通过SSMS中的所有表来检查是否是问题，什么也没得到。

我在这里错过了什么。这是我第一次使用Fulltext索引，并且可能会错过设置它的一些要点。

非常感谢您的支持。

Regards，

Cesar。

Answer 1

你改变了你的问题，所以我会改变我的答案，并尝试解释它好一点。

根据Stopwords and Stoplists：

停用词可以在特定的语言与意义的词，或者 可以是不具有语言意义的象征。例如，在 英文中，诸如“a”，“and”，“is”和“the”的词是 被全文索引省略，因为它们被认为对 搜索没有用处。

虽然它忽略了包含停用词，但全文索引 确实考虑了它们的位置。例如，考虑 短语“说明适用于这些Adventure Works Cycles 模型”。下表描述的字的位置在 短语：

我不知道为什么，但我想使用像一个短语搜索时，它仅适用于：

如果你有这样一行：

Teste anything casa 

你查询全文如下：

SELECT * 
FROM Address 
WHERE CONTAINS (*, '"teste rua casa"') 

行：

Teste anything casa 

将被退回。当您查询使用“或”运算符或仅搜索一个词的规则不适用的全文

"Search for 'teste' near any word near 'casa'" 

：在这种情况下，全文将您的查询翻译为这样的事情。我已经测试了几次，历时约3个月，我从未理解为什么。

编辑

，如果你有行

"Rua José do Patrocinio nº125" 

和您查询全文

"WHERE CONTAINS (, '"RUA" or "Jose*" or "do*"')" 

，因为它包含的词中的至少一个会带来行你正在寻找，而不是因为“rua”和“do”这个词被忽略。