如何为可搜索性构建数据

Question

我正在编写专门针对音乐播放列表的搜索应用程序。

流派和文件格式从播放列表到播放列表不同，有时在播放列表中也存在差异。还有一个“同义”标签的概念（例如，城市将涵盖hiphop和r＆amp; b，但不是相反）。

以下是搜索字词列表和我的预期结果。

福音书：应该返回所有至少有一首福音歌曲的播放列表。将首先显示包含所有福音歌曲的播放列表。 都市：应该归还所有的r＆amp; b和hiphop。所有城市轨道的播放列表将首先出现。 hiphop：应该归还所有hiphop而不是r＆amp; b。 flac：应该返回包含flac文件的所有播放列表。从那些纯粹的flac开始。 hiphop flac：首先应该返回hiphop flacs，然后是其他hiphop音频 hiphop和flac：应该只返回hiphop flacs hiphop audio：应该返回hiphop flacs，hiphop mp3s等

由于我刚刚开始这个项目，我正在考虑将所有这些编入索引的最佳方法。像Lucene这样的全文搜索在这里有用吗？注意我没有任何描述这些播放列表的文字，但我可以生成一些。

我正在考虑将所有这些术语组织为“标签”并将它们存储在多对多数据库中。

table：播放列表（pk（id），desc） table：tag（pk（id），desc） table：playlist_has_tag（pk（link_id，tag_id））

解决城市== hiphop ||事情，我可能会添加一个tag_synonyms表：

table：tag_synonyms（pk（tag_id，synonym_tag_id））

然后我会有两条记录表明城市包含了hiphop和rnb： urban的标签id，hiphop的标签id urban的标签id，rnb的标签id

我觉得使用这种方法可能会使查询变得非常复杂。

CouchDB可以在这里使用吗？我目前正在使用PostgreSQL。是否有一些软件会使这种事情变得容易？

我希望将来能够深入挖掘并支持复杂的搜索术语，如：

（hiphop OR house）AND filetype：mp3 AND artwork：no

还包括持续时间等内容。

Answer 1

如果您在如何构建数据进行搜索时过于努力，那么您很可能会错过一个可能在您的应用中真正使用过的重要搜索。

或者（这是经验）你最终会重新发明各种索引技术。

我对lucene有一些经验（有java和.net版本，有一个C端口，但我不确定它现在有多活着） - 它可以用存储在任何结构中的数据做出惊人的事情

我喜欢沙发数据库的外观，只是取决于你想要尝试一些新的和强大的东西，或者去寻找（目前）相当强硬的东西：lucene。

Answer 2

如果您的用户将成为定义查询的用户，则全文索引将为您提供最佳服务。只需创建一个自定义文本字段，该字段描述您想要搜索的每个属性，例如“urban filetype：pdf gospel”并搜索。

Answer 3

好的，只是在这里集思广益 -

也许使用八进制或二进制将“格式”类型存储为位掩码？

http://www.nitrogen.za.org/viewtutorial.asp?id=17

RandB：1 街舞：2 福音：4 城市：8

现在，这些东西都是附加的。你知道如果某些东西被标记为Urban，你就不会在旗帜字段中存储“8”，但你将存储11 ... Urban＆amp;＆amp; HipHop＆amp;＆amp; RandB。这只是一些“商业智能”，你必须在某处拼写出来。

然后，您可以使用二进制比较来确定您正在寻找哪些标志。

Answer 4

我没有看到数据库软件如何在您的解决方案中发挥作用。

如果我是实现这一点的人，我首先要确保以规范化的方式捕获所有相关数据。这包括类别，艺术品，歌词等等。

这样做的主要优点是您对“复杂”搜索的想法实际上变得非常简单。