Question

鉴于我有一个包含TEXT列的表（MySQL或SQlite），是否可以使用该列的值，以便找到具有相关文本值的类似行？

例如，如果我想找到相关的行到row_3 - 我和1＆amp; 2匹配：

row_1 = this is about sports
row_2 = this is about study
row_3 = this is about study and sports

我知道我可以使用FULLTEXT或FTS3，如果我有一个关键词我希望MATCH对列值 - 但我只是想找到行之间有点相关的文本。

Answer 1

MySQL支持名为QUERY EXPANSION的全文搜索选项。我们的想法是搜索关键字，找到一行，然后使用该行中的单词作为关键字，搜索更多匹配的行。

SELECT ... FROM StudiesTable WHERE MATCH(description_text) 
  AGAINST ('sports' IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION);

在此处阅读：http://dev.mysql.com/doc/refman/5.1/en/fulltext-query-expansion.html

Answer 2

你正在使用错误的锤子敲击螺钉。数据库列中的单个字符串不是存储该数据的方法。你不能轻易得到你关心的部分，这就是单词。

对文本比较问题进行了大量研究。如果您认真对待这种需求，那么您将需要开始阅读该问题域中的各种技术。

第一个线索是你想要不是通过完整的文本字符串来访问/索引数据，而是通过单词或句子片段来访问/索引数据（除非你对拼写相似的单词匹配在一起感兴趣，这更难）。 / p>

作为一种技术的一个例子，通过抓取三个单词的重叠集合来生成句子中的链，并存储链。然后，您可以搜索具有大量共同链段的条目。上述陈述的一组链段将是：

row_1 =这是关于体育

row_2 =   这是关于研究

row_3 =这是   关于学习和运动

这是关于（3场比赛）
是关于运动的
是关于学习（2场比赛）
关于学习和
学习和运动

Answer 3

在基行中使用每个相关单词（超过4个字母？或比较共同单词列表？）可能就足够了，使用它们作为全文搜索的关键字并构建tmp表（{{1 }}）记录每一行的匹配，在匹配时加1。最后，您将在tmp表中获取匹配的所有行以及它们匹配的次数（相关单词的数量相同）。
如果要对整个数据库运行一次并保持结果，使用持久表，为基行的id添加一列，并搜索插入（或更新）的每个新行以更新结果表。
使用此结果表，您可以快速找到与基行的更多单词匹配的行，而无需再次进行搜索。

编辑：使用此功能，您可以对结果进行“评分”，例如，如果计算基行中的x个相关单词，则可以将得分计算为％（匹配/ x * 100）并过滤所有结果示例少于50％匹配。在您的示例中，如果考虑相关性仅包含超过4个字母的单词，则每个row_1和row_2将为50％，如果您考虑所有单词，则为67％。

基于文本列的相关行

3 个答案: