在SAPHANAExpressEdition里进行文本分析

　　这个练习会使用SAPHANAExpressEdition的文本语义分析引擎对JSON格式的documents进行语义分析。
　　首先创建一个columntable，对其index开启fuzzytextsearch（模糊搜索）功能。
　　上述描述的操作可以用下面的SQL语句来完成：
　　createcolumntablefoodanalysis（namenvarchar（64），descriptiontextFASTPREPROCESSONFUZZYSEARCHINDEXON）；
　　其中description字段开启了模糊搜索功能。
　　将存储于名为docstore的documentstorecollection里的jsonkeyvalue键值对拷贝到刚刚创建的数据库表里：
　　insertintofoodanalysiswithdocstoreas（，fromfoodcollection）selectdocstore。asname，docstore。
　　执行上述的sql语句，确保数据全部拷贝到数据库表foodanalysis中：
　　使用下列的sql语句对description字段进行模糊搜索：
　　name，score（）assimilarity，TOVARCHAR（description）fromfoodanalysiswherecontains（description，，fuzzy（0。5，））orderbysimilaritydesc
　　执行结果：
　　HANAExpressEdition里的linguistic文本分析步骤也比较简单。
　　首先还是创建一个数据库表：
　　createcolumntablefoodsentiment（namenvarchar（64）primarykey，descriptionnvarchar（2048））；
　　将documentstore里的json数据拷贝到数据库表里：
　　insertintofoodsentimentwithdocstoreas（，fromfoodcollection）selectdocstore。asname，docstore。
　　针对description字段创建一个新的index：
　　CREATEFULLTEXTINDEXFOODSENTIMENTINDEXONFOODSENTIMENT（DESCRIPTION）CONFIGURATIONGRAMMATICALROLEANALYSISLANGUAGEDETECTION（EN）SEARCHONLYOFFFASTPREPROCESSOFFTEXTMININGOFFTOKENSEPARATORSTEXTANALYSISON；
　　上述SQL语句会自动创建一个名为TAFOODSENTIMENTINDEX的文本分析表：
　　该表里的内容：
　　由此可以发现，之前我们导入到数据库表里的英文句子，被HANAtextengine拆解成单词，并且每个单词的词性也自动被HANA解析出来了。
　　要获取更多Jerry的原创文章，请关注公众号汪子熙：