词、词序、词距
1.
词（Item）：
也称为最小检索单位。在西文中，单词跟单词之间以空格分隔，检索的最小单
位就是一个单词。例如：“cat and mouse”，就是3 个词。对于多字节编码的
文字，像中文，因为词跟词之间没有明显的分隔符进行区分，所以GBase UP
默认是以单个字为一个检索单位。
例如
“上海”
，
在全文检索中默认是两个词，
分别是“上”和“海”，搜索(上&海)，此时上海和海上都会命中 并且不保证
两字紧邻 如需紧邻则需要显式的设置“上海”。分析文本时，对于西文单词
之间的空格、换行符会直接被过滤掉，不作为索引词也不计算占用的位置。对
于中文字符之间的空格，以及其他符号（像全角的标点符号例如“”，。！；
￥【】等符号，特殊字符例如#，*,$等）也进行过滤，不作为索引词，但是建
立索引时会记录这些符号所占用的位置，这会影响词距。
2.
词序：
指二个词之间的前后顺序。在进行多个词查询的时候，需要指定查询的多个词
之间是有序查询还是无序查询，通过指定词序来过滤相关条件。例如要查询无
词序要求的“上海”，不仅能查出“上海”，还可查出“海上”。
3.
词距：
指二个词之间间隔单词数，也包含被查询的首尾词。例如：
“the black cat catch
white mouse”这段文字中要查询“cat mouse”，则词距就是4。对于中文来说，
则词距为两个汉字之间间隔的字符数
（字符包含汉字、
标点、
空格、
符号等等，
回车符略去不算）
。
例如
“上周，
我去海洋局开会...”
这段文字要查询
“上 海”
，
GBase UP 产品手册 5 数据库管理指南
文档版本04（2021-04-21） 南大通用数据技术股份有限公司 940
则词距为6，例如查询“售卖制作假文*#凭、发*票”的垃圾短信中“文凭”，
则词距为4。
4.
空格的特殊性：
计算词距时，中英文之间的空格处理不同，英文之间的空格作为分隔符会被过
滤掉而且不占位置，例如搜索“the great” 时这两个词的词距为2，而中文之
间的空格则会占位，例如搜索“天 津”时，天津这两个字的词距为3，跟无空
格的“天津”是不同的。