复合项目的相似度得分

Question

我有一个在线商店应用程序和大约1000个ITEMS的数据库。

ITEM{
  categories / up to 5  out of 60
  types / up to 2 out of 10
  styles / up to 2 out of 10
  rating / 0-5
}

现在我不会创建具有预定义条件的比较项目到项目：
  - 至少一个常见的类别 + = 25个点   - 至少一个常见的类型 + = 25p   - 如果第一项没有样式 + = 0p   - 如果普通 - = 10p中没有样式。   - 对于评级差异中的每个点 - = 5p。

并将结果存储在表格中。为item_to_item_similarity.score。

现在我用一个漂亮而有光泽的PHP函数和类来完成整个事情 并且是一个计算和更新所有关系的函数。

在测试中有20个项目..一切顺利。 但是当测试数据增加到1000项时......导致1000x1000的关系 服务器开始抱怨script_time_out ..和内存不足：）

索引，交易和预加载一些数据..帮助了我一半。

是否有更智能的方法来比较和评估此类数据？

我想要代表相关的类别，风格等 作为一组ID，可能在一些二进制掩码中......以便可以轻松比较它们 （即使在SQL中？）也不需要创建类，并且通过数组循环数百万次。

Answer 1

我知道这不是最好，但是，以下内容如何：

1. 你的桌子上有两个项目，一个时间戳，并有他们的分数。该表将保存1,000,00条记录。
2. 你有一个CRON脚本，每15分钟运行一次。
3. 第一次运行cron时，它会创建1,000,000行。没有计算得分。这可以通过计算表中的行来完成。如果count == 0那么它是第一次运行
4. 第二次运行然后运行，它选择1000条记录，并计算其得分并更新时间戳。它应该选择按时间戳排序的1000条记录，以便选择1000条最早的记录。
5. 让它在后台运行，每15分钟左右。总计需要10天才能运行并计算所有分数。
6. 每当您更新产品时，都需要重置链接表上的日期，以便在cron运行时重新计算提及该项目的所有行的分数。
7. 创建新产品时，必须创建链接行，因此必须为每个其他项添加一行

就个人而言，我会考虑完全使用不同的方法，那里有很多算法你必须找到一个适用于这种情况的算法。这是一个例子：

• How to find "related items" in PHP

此外，这里是用PHP编写的Jaccard索引，它可能比您当前的方法更有效

• https://gist.github.com/henriquea/540303