我目前通过将数据桶加载到PHP然后在那里进行所有计算来实现这一点。我希望（并且很可能需要）仅使用MySQL执行所有计算。我知道在MySQL中编写函数和程序是可能的，但我以前从未这样做过，每次我坐下来写这篇文章时，我都会陷入一种自我失望的混乱中。所以....
数据库说明： 让我们从数据库图开始： http://i.imgur.com/Th3NL.jpg
您可以立即忽略users表。我们在这个问题上不会那么烦。
因此，此数据库保存从网页中提取的信息。您可以看到链接表包含URL和标题，以及该文档中任何术语的最大术语频率。
对象表只是允许用户和链接成为occurences表中的外键。顺便说一句，我知道发生事件的错误拼写是偶然发生的！ =）
occurences表包含大部分数据。该表具有linkoruser的主外键（尽管只是忽略了用户）。它有word_id引用字典表，tag_id引用标签表，最后得分是该文档中该标签类型的那个单词的出现次数。
标签表有标签ID，标签名称（例如标题或H1）及其重量，通常设置在1到10之间。
字典表具有单词id，实际单词和该单词的逆文档频率。如果您关心IDF是什么，那么它就是网页的数量，除以包含该特定单词的网页数量。
系统功能说明： 给定一个链接ID（我们称之为BaseID），比较所有其他链接的相似性（余弦相似度），并向用户显示所有链接的ID，url和标题，按大多数排序至最不相似。
每个单词的得分是： （（occurences.score * tags.weight）/ links.max_tf）* dictionary.word_idf 即单词在文档中出现的次数乘以该特定单词标签的标签权重，除以该文档的最大术语频率。然后乘以单词的逆文档频率，为您提供该单词的最终得分。
相似性通过余弦相似性完成，最佳显示在下图中。 http://i.imgur.com/n3Bp8.jpg
因此每个页面都与BaseID具有相似性，系统会向用户显示所有页面ID，URL和标题，按相似性排序，从最相似到最不相似。
问题解释： 目前，大量数据被拖出MySQL并移交给PHP，然后进行所有处理。
这是因为我只知道基本MySQL的方法。我知道可以使用函数和程序，但是我变得非常纠结。
我想要的是将BaseID传递给MySQL并返回页面ID，URL和标题，按相似性排序，从大多数到最不相似。
我知道这是一个很大的问题，没有人会因为坐在这里制造解决方案而获得报酬。所以我真的很感激你甚至读过这篇文章了！
