复合项目的相似度得分

Question

我有一个在线商店应用程序和一个包含大约 1000 件商品的数据库。

ITEM{
  categories / up to 5  out of 60
  types / up to 2 out of 10
  styles / up to 2 out of 10
  rating / 0-5
}

现在我不会创建具有预定义条件的逐项比较：
- 至少一个常见的类别 += 25分
- 至少一种常见的类型 += 25p。
- 如果第一项没有样式 += 0p。
- 如果 common 中没有样式 -= 10p。 - 对于评分差异的每个点 -= 5p。

并将结果存储在表格中。作为item_to_item_similarity.score。

现在我用一个漂亮而闪亮的 PHP 函数和类完成了整个事情..
以及计算和更新所有关系的函数。

在有 20 个项目的测试中.. 一切顺利。 但是当将测试数据增加到 1000 项时.. 导致 1000x1000 关系 服务器开始抱怨 script_time_out .. 和内存不足:)

索引、事务和预加载一些数据 .. 帮助了我一半。

有没有更聪明的方法来比较和评估这类数据？

我想代表相关的类别、样式等。
作为一组 ID，可能在一些二进制掩码中 .. 以便可以轻松比较它们 （即使在 SQL 中？）无需创建类，并且无需在数组中循环数百万次。

Answer 1

我知道这不是最好的，但是，下面的呢：

1. 您的表格链接了这两个项目、一个时间戳和它们的分数。此表将保存 1,000,00 条记录。
2. 您有一个 CRON 脚本，每 15 分钟运行一次。
3. 第一次运行 cron 时，它会创建 1,000,000 行。不计算分数。这可以通过计算表中的行数来完成。如果 count==0 则首先运行
4. 第二次和之后的运行，它选择 1000 条记录，并计算它们的分数并更新时间戳。它应该选择按时间戳排序的 1000 条记录，以便选择 1000 条最旧的记录。
5. 让它在后台运行，每 15 分钟左右一次。总共需要大约 10 天的时间来运行并计算所有分数。
6. 每次更新产品时，都需要重置链接表上的日期，以便在 cron 运行时重新计算提及该项目的所有行的分数。
7. 创建新产品时，必须创建链接行，因此必须为其他项目添加一行

就个人而言，我会考虑完全使用不同的方法，那里有很多算法，你只需要找到一个适用于这种情况的算法。这是一个例子：

• How to find "related items" in PHP

另外，这里是用 PHP 编写的 Jaccard 索引，它可能比您当前的方法更有效

• https://gist.github.com/henriquea/540303