Question

我有一个Postgres数据库，其中包含带标签的视频。标签按字母顺序存储在以分号分隔的列表中。我希望能够使用标签列表查询数据库并返回匹配率最高的视频。

我看过使用regexp_match，~和其他人。

到目前为止，我提出的最好的是一个平庸的启发式方法，用正则表达式搜索标签，即

SELECT FROM videos WHERE tags ~ 'kitten.*laser'

奖励（imo），这也会匹配fat-kitten或big-laser等标签

但问题在于，如果视频丢失了其中一个标签，而不是我在结果中没有得到的，并且如果用户选择的标签太多而不会看到任何视频。为了解决这个问题，我开始迭代我想要的视频数量并弹出不太相关的标签，但这最多是概率性的，最糟糕的是灾难。

我正在寻找的是某种Postgres查询，我可以在其中传递正则表达式并找到具有最大交集的videos的结果。

例如，让我们假装我们要查询以下数据：

cat;disaster;mouse
kitten;mouse;piano
cat;mouse;keyboard

标记cat, mouse, keyboard的最佳查询将按以下顺序返回行

cat;mouse;keyboard
cat;disaster;mouse
kitten;mouse;piano

因为第一行包含3个匹配，下一行包含2个匹配，最后一行包含一个匹配。

Answer 1

标签是经典的很多东西。是否可以将标签移动到自己的表中？您还需要一个包含标签和视频之间链接的连接表。抱歉，如果你出于某种原因通过这种方法，但我认为我会把它扔出去，因为它已经很好地旅行了。

Answer 2

假设表：

create table tag (tags text);
insert into tag values
('cat;disaster;mouse'),
('kitten;mouse;piano'),
('cat;mouse;keyboard');

给定查询根据标记匹配计数对结果进行排序：

select 
  tags
from tag
order by 
  (select 
    sum(case t.tag in ('cat', 'mouse', 'keyboard') when true then 1 else 0 end) as match 
  from regexp_split_to_table(tags, ';') as t(tag) ) 
desc;

不幸

奖金（imo），这也将匹配像胖猫或小猫的标签大激光

奖金已经消失，但也有可能重写一点来实现它。

Answer 3

要查找带有标记的行，您可以使用Postgres的数组处理，这可能比正则表达式更有效。

select *
from tag
where string_to_array(tags, ';') && array['cat', 'mouse', 'keyboard'];

&&表示重叠 - 如果左侧和右侧至少有一个共同的元素，则返回该行。遗憾的是，数组没有“交叉”运算符，可以让您对结果进行排名。但是它不匹配fat-cat

通过在tags列上创建GiST索引可以改善上述情况，因为&&运算符可以使用这样的索引（但GiST索引构建比常规B树索引更昂贵）

PostgreSQL

3 个答案: