快速搜索算法答案

【问题标题】：Fast search algorithm快速搜索算法
【发布时间】：2021-01-24 21:23:15
【问题描述】：

让我们有大量的帖子。
作为用户，我想查找所有包含“hello”和“world”的帖子。
假设有一个帖子包含这样的文字“Hello world，这个地方很漂亮”。

现在：

a) 如果用户搜索“hello”，则查找文本，
b) 查找文本如果用户搜索“hello”、“world”、
c) 如果用户搜索“hello”、“world”、“funny”，则不会找到文本。

为了减少可能的候选人数量，我正在考虑这样做：

for each post (
if number_of_search_words == number_of_post_words -> proceed with search logic
if number_of_search_words < number_of_post_words -> proceed with search logic
if number_of_search_words > number_of_post_words -> don't proceed with search logic
)

但这也需要一个包含每个帖子字数的数字，这会导致更复杂。

有没有优雅的方法来解决这个问题？

【问题讨论】：

通常，您会为大量帖子中的所有单词创建一个索引。然后，对于多词搜索，您计算每个词的帖子列表的 intersection 或 union。例如，假设“hello”的索引列表是 {1,2,5}，“world”的索引列表是 {2,4,5}。搜索包含“hello”和“world”的帖子将返回帖子 2 和 5。但搜索包含“hello”或“world”的帖子将返回帖子 1、2、4 和 5。

标签： algorithm search full-text-search

【解决方案1】：

您必须使用位容器，例如，BitMagic。

最初，您为每个帖子分配一些有序的整数 ID，即 postID。
此后，创建 N 个位容器（N = 搜索字数），每个大小为最大 postID。
此后，构建索引：解析每个帖子，并为帖子中的每个术语，在术语关联的容器中设置 bit1，以 postID 作为索引。

搜索：

为您的单词“hello”、“word”获取位容器。
还有那些位容器。
结果容器将包含用于 PostID 的位 1，包含两个搜索词。

【讨论】：