Question

我有一个拥有超过6000万条SphinxQL 2.1.1索引记录的数据库。每个记录都有一个标题和一个catid（除其他外）。当一条新记录被插入到数据库中时，我试图让sphinx根据标题中的文本猜测catid。

我设法让它适用于单词这样的话：

SELECT @groupby, catid, count(*) c FROM sphinx WHERE MATCH('*LANDLORDS*') group by catid order by c desc

然而，实际的标题可能是这样的：

Looking for Landlords - Long term lease - No fees!!!

有没有办法将整个标题字符串转储到sphinx并让它分解每个单词并执行某种模糊匹配，返回最可能的类别？

Answer 1

因为这样的狮身人面像不是神奇的，并且它没有“模糊匹配”。功能。

但可以近似一个:)两个主要步骤......

从要求所有单词＆＃39;变为只需要一些，
改变排名，努力做出最好的交叉点。在查询和标题之间，获得高权重，因此“泡沫”＃39;到顶部。

然后可以采取最佳结果，并将其作为最佳猜测＆＃39;。

（实际上有三分之一，单词谎言＆＃39;＆＃39;＆＃39;可能导致大量误报，所以可能想要排除它们，或者使用停用词索引，或者只是从查询中剥离）

此类查询的原型可能类似于

SELECT catid FROM sphinx WHERE MATCH('"Looking Landlords Long term lease No fees"/1') OPTION ranker=wordcount LIMIT 1;

使用仲裁来影响匹配，并选择不同的排名。

将此版本与分组一起使用，可能不会起作用，因为它会包含许多低质量的匹配。虽然可以尝试使用avg或sum来获得复合权重？

SELECT SUM(WEIGHT()) as w, catid FROM sphinx WHERE MATCH('"Looking Landlords Long term lease No fees"/1') GROUP BY catid ORDER BY w DESC OPTION ranker=wordcount LIMIT 1

有很多方法可以调整这个......

您可以尝试其他的游戏玩家，例如matchany。甚至一些自定义排名表达式。

或者更改法定人数，例如，需要1个字的等级，可能会导致至少少数。

或者如果可以提取短语，例如

＆＃39;＆＃34;看房东＆＃34; | ＆＃34;长期租约＆＃34; | ＆＃34;没有费用＆＃34;＆＃39;

可能有效吗？

也可以而不是仅仅取得最高结果，取得前5-10个结果，并将其全部显示给用户，因为结果非常接近。

使用标题确定SphinxQL中的可能类别

1 个答案: