JavaScript 搜索算法

Question

我正在为我的一个项目使用 JavaScript 开发客户端搜索系统，并且在让搜索功能按预期运行时遇到了特别麻烦。

目前，搜索词在数组q 中排序并用for 循环循环（所以q[i] 是当前正在处理的词），选择它们所属的词，然后也不会互相影响。

这会导致两个问题。

1. 对于第一个问题，搜索 intro 会返回一篇 Introduction 文章，如您所料，但类似地搜索 con em> 返回一篇关于 Conditions 的文章，这并不是真正有用的功能。

2. 第二个更严重的问题是搜索词不会相互影响，因此搜索 introduction is important for comedians to setup their jokes 会返回“介绍”和“设置”文章，因为这些词在查询中。

代码 sn-p 循环遍历每个搜索词（在循环每篇文章的循环内）并确定结果的优先级，如下所示：

rq = new RegExp(q[i], 'gim');
eq = new RegExp("\\b" + escape(q[i]) + "\\b", 'gi');

if (rq.test(title) || rq.test(keywords)) {
    match = true;
    if (title.match(rq) != null) {
        if (title.match(eq) != null) {
            priority += (title.match(eq).length * 5)
        }
        priority += (title.match(rq).length); // Is this wise?
    }
    if (keywords.match(rq) != null) {
        if (keywords.match(eq) != null) {
            priority += (keywords.match(eq).length * 3);
        }
        priority += (keywords.match(rq).length); // Is this wise?
    }
}

这些行为在算法决策中是不可避免的，但是我根本想不出更好的方法来做到这一点（而且显然有更好的方法）。 可能是我想多了。

Answer 1

一些观察：

(1) “搜索 intro 会返回一篇 Introduction 文章，如您所料，但类似地搜索 cond 会返回一篇关于条件的文章，这可能不是用户想要的。”我不明白这里的区别。看起来像匹配前缀的两种情况。此外，后缀/中缀 ion 将匹配 Introduction 和 Conditions，至少与您的 rq 正则表达式匹配。

(2) .match() 此处返回匹配字符串的数组，因为您设置了 g 修饰符。如果title 是“The Sound and the Fury”，priority += (title.match(rq).length) 给 the 的priority 是给 fury 的两倍。我不确定我是否理解为什么多个匹配应该得到更多priority。正如 Florent 所提到的，您可能希望将 the 和 and 视为停用词，以免这些不重要单词的多个匹配淹没了您真正关心的单词的匹配。

(3) 您可能希望提供诸如“此短语中的所有单词，按此确切顺序”、“所有单词，按任何顺序”和“这些单词中的任何一个”之类的选项。您与eq 走在正确的轨道上，匹配字边界。或者您可能希望明确支持某种词干或通配符语法，例如，intro" 匹配 Introduction 但 intro 不匹配.

更新

实现“所有单词，以任何顺序”很简单——您可能想多了。如果在title 或keywords 中找到所有q，则此sn-p 将match 设置为true，否则false：

var match = true;
for (i = 0; i < q.length; i++) {
    eq = new RegExp("\\b" + escape(q[i]) + "\\b", 'gi');
    if (!eq.test(title)) {
        match = false;
        break;
    }
    if (!eq.test(keywords)) {
        match = false;
        break;
    }
}

Answer 2

您可以做的第一件事是忽略常用词，例如 the、and、or、a等

也许关键字应该比标题更重要。