设计“基于相关性”的搜索？答案

【问题标题】：Designing "relevance-based" search?设计“基于相关性”的搜索？
【发布时间】：2011-08-18 04:30:51
【问题描述】：

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内容，它们会比其他结果更相关每个选项或更少。

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

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人更有价值搜索查询，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：经过深思熟虑后，我正在考虑使用 SQL 脚本来获取原始数据，然后进行多轮解析是我必须要做的事情......

但是没有可缓存的东西？ :(

【问题讨论】：

选项 A 和 B 如何存储在您的表中？
在一个表中，根据选项为 1 或 0。但这最终会被混入其他搜索条件中......
添加了答案，请务必查看并评论问题。
忘了说我的方法是可缓存的。

标签： php javascript mysql search relevance

【解决方案1】：

看看 lucence 项目它有多种语言版本

这是 php 端口 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，最好从 y 中选择 x，其中名称类似于 '%pattern%' 样式搜索

【讨论】：

@julian，我只是认为您可以从他们使用的加权过程中发现一些东西，因为这本质上就是您想要做的。加权您的结果，以便最相关的结果出现在顶部

【解决方案2】：

您需要一个强大的搜索引擎，例如 solr。虽然您可以在 mysql 之上实现这一点，但它已经与其他工具一起提供了开箱即用的功能。

【讨论】：

【解决方案3】：

这是一个想法：进行比较并对结果求和。总和越高，匹配的条件越多。

这样的（愚蠢的）桌子怎么样：

姓名
dob_year
dob_month
dob_day

找出与 1980 年 3 月 15 日最相似的三个日期组成部分的人：

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。

【讨论】：

【解决方案4】：

鉴于您对我的评论的回答，这里有一个示例，说明您可以如何做到这一点：

首先是表格：

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。

如果您要搜索 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为所有地方的相同选项分配相同的权重，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，看看是否是您需要的。

我还想指出，就处理能力而言，这并不是最佳解决方案。我建议您添加索引，使选项字段为整数，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。

【讨论】：