Question

我正在尝试在我的简单数据结构中实现搜索算法。然而，这不是“如何做到这一点？” - 问题，而是“我怎么能优化算法？”

我正在尝试保留文件索引，每个文件都可以与任意数量的标签相关联（这类似于一个类别）

这就是我的数据结构：

条目：

 ------------------------------------
|  id  | description | short | score | 
 ------------------------------------

标签：

 -------------
|  id  | text |
 -------------

EntryTags：

 -------------------
| entry_id | tag_id |
 -------------------

在搜索字段中，搜索请求将始终转换为使用加号（+）拆分的单个单词。

在以下示例中，我将搜索“blue + website + simple + layout”

- split searchterm up into array named t
- convert each word in array t into a number using the id from "Tags" table
- for each element in array t, select make new array for each element with "EntryTags" matching the search
- generate array A, where elements that are in all 4 arrays are put into
- generate array B, where elements that are in 3 of the 4 arrays are put into
- generate array C, where elements that are in 2 of the 4 arrays are put into
- generate array D with the last elemenets rest
- sort array A,B,C and D by the score parameter from the table
- output array A, then B, then C, then D

当然这不是优化或任何东西，但我缺乏更复杂的SQL经验踢我的屁股:(

最后，所有这些都将用PHP和mysqli库编写（当我进一步推进时，我将保持线程更新）

Answer 1

您可以使用某种Bloom filter（至少这是Google战略的一部分）。首先，您要查找包含所有输入标签的条目。如果您什么都没找到，请尝试丢失一个标签的所有组合，然后丢失两个标签......直到您有足够的匹配。 Bloom过滤器中的查找速度非常快，因此可以进行多次查找。

Answer 2

哇，让我们保持简单（KISS），这太复杂而且不灵活。

如何：使用SQL，搜索每个搜索词，并包含一个列，该列为该词的特定相关性添加“点”值。总结对此“点”值的搜索，并通过“点”找到最相关的结果。

检查出来：http://www.jarrodgoddard.com/web-development/advanced-web-site-search-with-sql

SELECT title, filename, sum(relevance)
FROM (
SELECT title, filename, 10 AS relevance FROM page WHERE title like ‘%about%’
UNION
SELECT title, filename, 7 AS relevance FROM page WHERE filename like ‘%about%’
UNION
SELECT title, filename, 5 AS relevance FROM page WHERE keywords like ‘%about%’
UNION
SELECT title, filename, 2 AS relevance FROM page WHERE description like ‘%about%’
) results
GROUP BY title, filename
ORDER BY relevance desc;

谷歌一样的搜索算法

2 个答案: