设计“基于相关性”的搜索？

Question

在我的应用程序（PHP/MySQL/JS）中，我内置了一个搜索功能。其中一个搜索条件包含各种选项的复选框，因此，如果某些结果包含更多或更少的每个选项。

即选项是 A 和 B，如果我同时搜索选项 A 和 B，则仅包含选项 A 的结果 1 是 50% 相关的，而同时包含选项 A 和 B 的结果 2 是 100% 相关的。

之前，我只是根据表单输入进行简单的 SQL 查询，但这有点困难，因为它不像数据 LIKE "%query%" 那样简单，而是某些结果对某些搜索查询更有价值，有些不是。

我完全不知道从哪里开始……有人有相关的（哈？）阅读材料可以指导我吗？

编辑：仔细考虑之后，我在想一些涉及 SQL 脚本来获取原始数据，然后进行多轮解析是我必须做的事情......

但是，没有可缓存的东西吗？ :(

Answer 1

看看 lucence 项目，它有多种语言版本

this is the php port http://framework.zend.com/manual/en/zend.search.lucene.html

它对要搜索的项目进行索引并返回相关的加权搜索结果，例如比 select x from y where name like '%pattern%' style search 更好

Answer 2

您需要的是一个强大的搜索引擎，例如 solr。 虽然您可以在 mysql 之上实现此功能，但它已经随其他工具开箱即用。

Answer 3

这是一个想法：进行比较并总结结果。 总和越高，匹配的条件越多。

像这样的（愚蠢的）表怎么样：

• 姓名
• dob_year
• dob_month
• dob_day

找出与 1980 年 3 月 15 日共享三个日期组成部分中最多的人：

SELECT (dob_year = 1980) + (dob_month = 3) + (dob_day = 15) as strength, name
from user
order by strength desc
limit 1

需要一个好的 WHERE 子句和索引来阻止您进行表扫描，但是......

您甚至可以为列添加权重，例如

SELECT ((dob_year = 1980)*2)

祝你好运。

Answer 4

鉴于您对我的评论的回答，这里有一个关于如何做到这一点的示例：

首先是表：

CREATE TABLE `items` (
 `id` int(11) NOT NULL,
 `name` varchar(80) NOT NULL
);
CREATE TABLE `criteria` (
 `cid` int(11) NOT NULL,
 `option` varchar(80) NOT NULL,
 `value` int(1) NOT NULL
);

然后是一些项目和标准的示例：

INSERT INTO items (id, name) VALUES
(1,'Name1'),
(2,'Name2'),
(3,'Name3');

INSERT INTO criteria VALUES
(1,'option1',1) ,(1,'option2',1) ,(1,'option3',0),
(2,'option1',0) ,(2,'option2',1) ,(2,'option3',1),
(3,'option1',1) ,(3,'option2',0) ,(3,'option3',1);

这将创建 3 个项目和 3 个选项，并为它们分配选项。

现在，您可以通过多种方式按一定的“强度”进行排序。 其中最简单的是：

SELECT i . * , c1.value + c3.value AS strength
FROM items i
JOIN criteria c1 ON c1.cid = i.id AND c1.option = 'option1'
JOIN criteria c3 ON c3.cid = i.id AND c3.option = 'option3'
ORDER BY strength DESC 

这将向您显示所有具有选项 1 或选项 3 的项目，但同时具有这两个选项的项目似乎排名“更高。

如果您正在搜索 2 个选项，这很有效。 但是让我们假设您搜索所有 3 个选项。 现在所有项目都具有相同的强度，这就是为什么为选项分配“权重”很重要。

您可以将值作为您的优势，但如果您的查询并不总是将相同的权重分配给所有地方的相同选项，那么这可能对您没有帮助。 这可以通过以下查询在每个查询的基础上轻松实现：

SELECT i.* , IF(c1.value, 2, 0) + IF(c3.value, 1, 0) AS strength
FROM items i
JOIN criteria c1 ON c1.cid = i.id AND c1.option = 'option1'
JOIN criteria c3 ON c3.cid = i.id AND c3.option = 'option3'
ORDER BY strength DESC

尝试查询，看看它是否是您需要的。

我还想指出，就处理能力而言，这不是最佳解决方案。 我建议您添加索引，将选项字段设为 integer，尽可能缓存结果。

如果您有任何问题或要添加的内容，请发表评论。