查找与单词查询匹配的重要文档

Question

所以基本上在这个问题上，我们有1000000个文档：

文件包含：
-文字（包含很多单词）
-日期
-DocId
..等等

，我们有一个包含一些单词（最多1000个）的查询：

所以我们现在的问题是，我们首先找到文档和查询之间的交集，然后找到单词匹配数量最多的前K个顶级文档。

例如：

D1-w1，w2，w3，w4，... wn
D2-w2，w4，w5，x2
D3-a1，a2，w1，x1，x2

Q（w1，a1，w4，w5，x1，w5，w6）

现在执行查询和文档的交集

D1-w1，w4，w5，w6-4场比赛
D2-w4，w5-2场比赛
D3-a1，x1，w1-3-比赛

因此，排名前2位的文档分别是D1和D3

我尝试将单词用于文档映射的二维矩阵。

       D1 D2 D3  
w1     1     1  
w2     1  1  
w3     1         
.  
.  
.  
a1           1    
a2           1  
x1           1  
x2        1  1  

从这个矩阵中，我试图找到数字，但面试官并不满意。

请帮助大家！

Answer 1

如果必须自己进行编程，则可能会用1000个单词构建一个哈希表，然后遍历文档并检查所有单词是否匹配。保留k个最匹配的列表，并在每个文档之后进行更新。

在现实生活中，我会将文档填充到PostgreSQL数据库中，在文本上创建全文本搜索索引，然后运行包含搜索词的SQL查询。为什么要重新发明轮子？