有没有标签匹配算法？

Question

我的系统类似于stackoverflow。基本上，帖子可以有多个标签，并且有一个搜索功能可以查找具有匹配查询标签的帖子（所有标签必须匹配）

我想知道是否有任何算法/数据结构可以有效地解决标记/搜索的问题？哪一个在速度方面最有效（时间复杂度）？

Answer 1

过去我没有使用任何专门的DS。事实上，如果您想使用RDBMS执行此操作，请仔细阅读how Wordpress do this using taxanomies的详细信息。大多数情况下，你会有一个单独的标签表，然后个别帖子可以链接多个标签（使用键）。

另一种流行的方法是将您的问题视为一个分面问题。您必须使用全文索引框架并在此基础上开发您的分面浏览。 Here is an excellent post from the creator of Lucene/Solr解释了这种情况。通过分层浏览，您将能够显示stackoverflow的功能：

algorithm × 21165
search × 8863
data-structures × 5867
tags × 2886
stackoverflow × 721

Answer 2

存储此类数据进行搜索的最省时的方法通常是Inverted index。这也恰好是最常见的搜索引擎/信息检索系统的基础。

为了实际实现这一点，我建议您查看Apache Lucene。

Answer 3

对于这个问题，答案是肯定的。 我正在开发一个学生内联网作为我的作业项目，实现的算法取决于数据库设计。我确实为标签创建了 3 个单独的表，为类似于帖子的公告创建了 1 个表。 并有一个关于它的数据库设计的问题：How appropriate is one column table

就我而言，有一个大约 140 行代码的算法。

tag     (tagID*, tagName)
tagMap  (tagSetID*, tagID*)
tagSet  (tagSetID*)
announce    (announceID*, tagSetID, title, content)

如上所述，我自己开发了多个标签匹配算法。以防万一我的算法不够高效，现在我不小心知道了@joel 和@abhinav 提到的倒排索引。