更新日期：2024年09月11日
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
8a MPP Cluster 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：
指两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：
指两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”，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。