Максимальное сходство Django (TrigramSimilarity) от ManyToManyField

Вы не можете разбить tags__name (по крайней мере, я не знаю, как это сделать).
Из ваших примеров я могу предположить 2 возможных решения (1-е решение строго не использует Django):

1. Не все должно проходить строго через Django
   У нас есть возможности Python, поэтому давайте воспользуемся ими:

   Сначала составим запрос:

   from difflib import SequenceMatcher
   
   from django.db.models import Q
   
   def create_query(fulltext):
       illustration_names = Illustration.objects.values_list('name', flat=True)
       tag_names = Tag.objects.values_list('name', flat=True)
       query = []
   
       for name in illustration_names:
           score = SequenceMatcher(None, name, fulltext).ratio()
           if score == 1:
               # Perfect Match for name
               return [Q(name=name)]
   
            if score >= THRESHOLD:
               query.append(Q(name=name))
   
       for name in tag_names:
           score = SequenceMatcher(None, name, fulltext).ratio()
           if score == 1:
               # Perfect Match for name
               return [Q(tags__name=name)]
   
            if score >= THRESHOLD:
               query.append(Q(tags__name=name))
   
       return query
   

   Затем, чтобы создать свой набор запросов:

   from functools import reduce # Needed only in python 3
   from operator import or_
   
   queryset = Illustration.objects.filter(reduce(or_, create_query(fulltext)))
   

   Расшифруйте приведенное выше:

   Мы сверяем каждое имя Illustration и Tag с нашим fulltext и составляем запрос с каждым именем, сходство которого проходит THRESHOLD.

   • SequenceMatcher method compares sequences and returns a ratio 0 < ratio < 1 where 0 indicates No-Match and 1 indicates Perfect-Match. Check this answer for another usage example: Find the similarity percent between two strings (Note: There are other strings comparing modules as well, find one that suits you)
   • Q() объекты Django позволяют создание сложных запросов (подробнее в связанных документах).
   • С помощью operator и reduce мы преобразуем список Q() объектов в аргумент запроса, разделенный ИЛИ:
     Q(name=name_1) | Q(name=name_2) | ... | Q(tag_name=tag_name_1) | ...
     
     

   Примечание. Вам необходимо определить приемлемый THRESHOLD.
   Как вы понимаете, это будет немного медленно, но этого следует ожидать, когда вам нужно выполнить "нечеткий" поиск.

2. (Путь Django:)
   Используйте запрос с высоким порогом подобия и упорядочите набор запросов по этому показателю сходства:

   queryset.annotate(
       similarity=Greatest(
           TrigramSimilarity('name', fulltext), 
           TrigramSimilarity('tags__name', fulltext)
       )).filter(similarity__gte=threshold).order_by('-similarity')
   

   Расшифруйте приведенное выше:

   • Greatest() accepts an aggregation (not to be confused with the Django method aggregate) of expressions or of model fields and returns the max item.
   • TrigramSimilarity(word, search) возвращает скорость от 0 до 1. Чем ближе скорость к 1, тем больше похоже word на search.
   • .filter(similarity__gte=threshold) будет отфильтровывать сходства меньше, чем threshold.
   • 0 < threshold < 1. Вы можете установить пороговое значение 0.6, что довольно много (учитывайте, что значение по умолчанию равно 0.3). Вы можете поэкспериментировать с этим, чтобы улучшить свою производительность.
   • Наконец, упорядочите набор запросов по частоте similarity в порядке убывания.
     

Я решил это, используя только TrigramSimilarity, Макс и Лучший.

Я заполнил некоторые данные, как в вашем вопросе:

from illustrations.models import Illustration, Tag
Tag.objects.bulk_create([Tag(name=t) for t in ['Animal', 'Brown', 'Animals']])
Illustration.objects.bulk_create([Illustration(name=t) for t in ['Dog', 'Cat']])
dog=Illustration.objects.get(name='Dog')
cat=Illustration.objects.get(name='Cat')
animal=Tag.objects.get(name='Animal')
brown=Tag.objects.get(name='Brown')
animals=Tag.objects.get(name='Animals')
dog.tags.add(animal, brown)
cat.tags.add(animals)

Я импортировал все необходимые функции и инициализировал fulltext:

from illustrations.models import Illustration
from django.contrib.postgres.search import TrigramSimilarity
from django.db.models.functions import Greatest
from django.db.models import Max
fulltext = 'Animal'

Затем я выполнил запрос:

Illustration.objects.annotate(
    max_similarity=Greatest(
        Max(TrigramSimilarity('tags__name', fulltext)),
        TrigramSimilarity('name', fulltext)
    )
).values('name', 'max_similarity')

С этими результатами:

<QuerySet [{'name': 'Dog', 'max_similarity': 1.0}, {'name': 'Cat', 'max_similarity': 0.666667}]>

Это SQL-запрос, выполненный из PostgreSQL:

SELECT "illustrations_illustration"."name", GREATEST(MAX(SIMILARITY("illustrations_tag"."name", 'Animal')), SIMILARITY("illustrations_illustration"."name", 'Animal')) AS "max_similarity"
FROM "illustrations_illustration"
LEFT OUTER JOIN "illustrations_illustration_tags" ON ("illustrations_illustration"."id" = "illustrations_illustration_tags"."illustration_id")
LEFT OUTER JOIN "illustrations_tag" ON ("illustrations_illustration_tags"."tag_id" = "illustrations_tag"."id")
GROUP BY "illustrations_illustration"."id", SIMILARITY("illustrations_illustration"."name", 'Animal')

Вы можете использовать аннотацию max_similarity для фильтрации или упорядочивания результатов.