搜索类似的分组;包括差异和分数（即类似的食谱）

Question

我正在努力寻找最佳方法来确定一组物品的相似程度（在此示例中;鳄梨酱配方中的成分）对于所有物品组（表中的食谱;链接到另一个成分表）

例如;我有以下鳄梨酱配方：

3鳄梨
1个葡萄成熟的西红柿
1红洋葱
3墨西哥胡椒
1海盐
1胡椒

我想通过我所有食谱的表格运行这个食谱，以确定是否有另一个类似于它的配方（基于成分和计数），按它的相似程度排序。此外，我希望能够找出差异（是否只是成分数量的差异;或者成分的不同）。

可能的输出是：

3鳄梨
（ - 1个葡萄成熟的西红柿）
1红洋葱
3墨西哥胡椒
1海盐
（ - 1胡椒）
（+ Tobasco）
89.5％相同

这也可用于确定以下用例：“我的冰箱里有一份食材清单;我可以吃什么？”。

感谢您帮助我指明正确的方向。

Answer 1

在我的脑海中，我可以看到一些可以通过字符串匹配得出的问题：

• 3 Avocados和2 Avocados都使用鳄梨，但字符串不匹配。
• 1 tbsp salt和15ml salt指的是相同数量的盐，但字符串不匹配。

您可能希望保留一份配方成分表，该表还存储标准化数量（即，在放入数据库之前，所有内容都将转换为特定单位）。我在这里假设您已经拥有recipes的表和ingredients的表，这两个表都用作外键（使这个连接表< / em>的）

CREATE TABLE recipe_ingredients (
  recipe_id INT NOT NULL,
  ingredient_id INT NOT NULL,
  quantity DECIMAL NOT NULL,
  PRIMARY KEY (recipe_id, ingredient_id),
  FOREIGN KEY recipe_id REFERENCES recipes (id),
  FOREIGN KEY ingredient_id REFERENCES ingredient (id)
)

然后在确定匹配时，您可以使用确定哪个配方包含您要查找的最多成分（这会忽略数量）：

SELECT ri.recipe_id, COUNT(ri.ingredient_id) AS num_common_ingredients
FROM ingredients AS i
RIGHT JOIN recipe_ingredients AS ri
  ON ri.ingredient_id = i.id
WHERE i.id IN (?) -- list of ingredient IDs being searched for
GROUP BY ri.recipe_id
ORDER BY COUNT(ri.ingredient_id) DESC

具有最高COUNT的行具有最大的相似性（因为这意味着有最多的常见成分）。

要确定数量之间的相似性，一旦您的食谱与大多数成分相匹配，您就可以将给定的数量与recipe_ingredients中指定的数量进行比较。