我正在努力想出最快的搜索建议方法。起初我认为Levenstein UDF函数结合mysql表可以完成这项工作。但是使用levenshtein，mysql必须遍历表中的每一行（大量单词），这会使查询变得非常慢。
现在我最近安装并开始使用Sphinx（http://sphinxsearch.com/）进行全文搜索，主要是因为它的性能和与SphinxSE的紧密mysql集成。
所以我问自己是否可以使用sphinx以某种方式实现“你的意思”算法以提高性能，我想我发现了一个简单的算法。 基本上我采取我想要纠正的所有关键字，在每个字母之间放一个空格，然后将它放在sphinx索引中。如果单词是'keyword'，它就变成了'k e y w o r'。现在，当用户输入一个单词时，我将其拆分为字母，并在sphinx索引中搜索与所提供的任何字母匹配的记录（我只需要一个）。最好的部分是狮身人面像非常适合计算匹配行的相关性（权重），因此最佳匹配总是具有最大权重（我认为）。它还会考虑单词（我的情况下的字母）位置，因此最佳匹配将按此顺序进行。
通过sphinx查询，我在关键字列表中得到了最相似的单词。然后我使用扩展的Levenshtain距离来检查它，该距离考虑了重新排列的字母http://en.wikipedia.org/wiki/Damerau%E2%80%93Levenshtein_distance。如果字符串距离低于2（和！= 0），则建议单词。否则不要提出任何建议。
我的想法有问题吗？我没想到的东西？任何预期的sphinx查询故障，以及与sphinx相关性计算的怪癖都没有给出最佳匹配？如果我在某处误会，请纠正我。
答案 0 :(得分：3)
我看不出你的想法有问题。去吧。只是要指出，只有在想要覆盖与LD非常相似的内置行为时，您的方法才有意义。
例如，使用sphinx 1.10-beta，您可以指定min_infix_len和expand_keywords并使用sphinx的内置加权方法（BM25和一些专有代码）以获得良好的结果。 http://sphinxsearch.com/blog/2010/08/17/how-sphinx-relevance-ranking-works/
不要忘记记忆这些查询，并创建一个预热脚本。
答案 1 :(得分：0)
我认为阅读Andrew Aksyonoff（Sphinx的作者）通过Sphinx（{3}}（使用翻译器翻译俄语）来实现这项任务的想法会很有趣。
答案 2 :(得分：0)
您只需记录输入的每个搜索查询，以及用户输入的下一个搜索查询。
让我们假设很多用户搜索的是rhinosorous但实际上是指犀牛。因为用户会更正他们的查询，这意味着将会有很多以rhinoceros作为下一个查询的犀利查询。
您可以选择以下建议：
SELECT id, query, next_query, COUNT(id) AS count FROM queries GROUP BY query ORDER BY COUNT(id) DESC
如果最高结果的count占该关键字所有查询的百分之高，则会显示一条消息。
我没有测试过这个，这只是一个想法。