Question

我正在创建一个小型语言词典应用程序，要求用户输入一个单词（使用两种语言）并显示最相关的结果（满分10个或更多）。我的客户希望这能解释拼写错误，所以我使用的是Damerau-Levenshtein距离公式。作为一个例子，这里有一个应用程序应该做的代码片段：

MySQL fields - Term1 -> Value1 | Term2 -> Value2
Implementation - English Term -> English Value | German Term -> German Value
----------

forge -> to forge your parent's signature | fälschen -> die unterschrift de eltern fälschen
    Synonyms: fake, imitation, etc,
fake -> to fake your parent's signature | fälschen -> die unterschrift de eltern fälschen
    Synonyms: forge, imitation, etc,
black out -> to black out a classroom (with blinds) | verdunkeln -> (einen klassenraum) verdunkeln

由于假和伪造相似，我希望伪造（或foreg等）的搜索结果返回两者。我现在有一个粗略的实现工作，它将搜索大型数据库的每一行，但这是一个漫长的过程，我需要一个更好的系统。

作为附加信息，我使用Moby叙词表来查找返回的每个单词的同义词。为了减少批量同义词（因为在数组中放置了近20个结果），我可能会删除数据库中找不到的条目。

无论如何，我想要找出的是，如果有一种比我现在使用的更快，更有效的搜索数据库的方法。我希望我很清楚，如果不能随意问我更多。

非常感谢！

Answer 1

Damerau-Levenshtein距离是一种无法通过预先计算的索引进行优化的算法。因此，在DBMS上下文中使它更快时，您将遇到一些麻烦。（有一些技巧可以将单个单词与词汇组织的单词进行比较，但它们非常具有异国情调。）

但是，如果您可以检索同义词表的内容的子集，那么使用距离算法，您可能会赢。

第一步尝试在mySQL中内置的SOUNDEX（一种草率且非常便宜的声音匹配算法）。或者，如果网络投射过宽，您可能会查找Metaphone或Double Metaphone算法。

然后第二步做你正在用距离算法做的事情。

查看此问题和几个答案。 How do I do a fuzzy match of company names in MYSQL with PHP for auto-complete?

通过相关性搜索mySQL（模糊，同义词）

1 个答案: