匹配，根据每个标准的相关性进行排名

Question

我有一个不断增长的数据库，其中包含：

• 需求表（多个标准）
• 优惠表（多个标准）

标准可以是字符串（例如：国家/地区名称），布尔值，数字，......

我想找到所有或多或少匹配的需求报价（有点像招聘银行，配对......）

如果表格不包含很多行，我会计算如下：

• 针对每个需求，通过平均每个标准的相关性来计算每个商品的匹配相关性。

但是对于一个重要的数据库来说，这需要花费太多时间，不是吗？

您推荐什么解决方案？

Answer 1

从2010年6月24日起延长答案 - 在联接表（需求键，优惠键，相关性分数）中捕获预先计算的相关性分数。请注意，此连接表可以包含计数（需求）*计数（优惠）记录;仅存储相关性分数大于某个阈值的记录可能是谨慎的。

这种方法在数据插入上的计算复杂度为O（n）。如果假设要求的特征空间（类似于要约）使得同一要约的具有高相关性得分的两个要求也在“关闭”内，则可以将此复杂性降低到O（log（n））。他们的特征空间，持有：

• 对需求的比较特征（以及单独的商品）执行K-Nearest Neighbors分析，并将K的值限制为大约数据集的log（n）。
• 计算群集的代表性特征向量之间的匹配相关性，并将其存储在数据库表中。
• On Insert测量新记录与该类型的每个群集之间的“距离”，并在新记录上将外键存储到群集。
• 搜索与需求相匹配的优惠时 - 按照需求与其群集之间的链接，将最相关的优惠群集链接到个别优惠。

这将以速度交换特异性。通过将需求样本与每个要约进行比较并对相关性进行排序，验证初始假设的准确性;遍历有序的商品集，并在您找到缺少的商品之前计算您在结果集中找到的数量。对此测试的主观分析将让您了解群集的成本是多少。

Answer 2

我会按照你描述的方式进行 - 但是使用滚动缓存机制和一些索引。

计算出创作的相关性，然后看看它是如何发展的。如果频率较低（高读，低写），增量增加可能会很好。如果两端都很高，你可以分成两个数据库......在一个数据库上处理更新，然后定期将后处理数据推送到另一个数据库，这是读取的默认来源。