如何查找带有最常见标签的记录，例如 StackOverflow 中的相关问题答案

【问题标题】：How to find the records with most common tags, like the related questions in StackOverflow如何查找带有最常见标签的记录，例如 StackOverflow 中的相关问题
【发布时间】：2010-09-19 19:08:17
【问题描述】：

我们可能会在 StackOverflow 网站上用多个标签标记一个问题，我想知道如何用常见标签找出最相关的问题。

假设我们在一个数据库中有 100 个问题，每个问题都有几个标签。假设用户正在浏览一个特定的问题，我们想让系统在页面上显示相关的问题。相关问题的标准是它们具有最常见的标签。

例如：问题 1 标记为 AAA、BBB、CCC、DDD、EEE。

问题 2 与前 1 个相关，因为它也包含所有这 5 个标签。问题 3 与前 2 个相关，因为它只有 Questio1 具有的 4 或 3 个标签。 ......

所以我的问题是如何设计数据库并快速找出与问题 1 相关的问题。非常感谢。

【问题讨论】：

标签： sql database algorithm tags

【解决方案1】：

可能是这样的：

select qt.question_id, count(*)
from   question_tags qt
where  qt.tag in
( select qt2.tag
  from   question_tags qt2
  where  qt2.question_id = 123
)
group by qt.question_id
order by 2 desc

【讨论】：

【解决方案2】：

如果您可以保证一个问题没有重复的标签，那么您可以执行以下操作：

SELECT
     QT2.question_id,
     COUNT(*) AS cnt
FROM
     Question_Tags QT1
INNER JOIN Question_Tags QT2 ON QT2.tag = QT1.tag AND QT2.question_id <> QT1.question_id
WHERE
     QT1.question_id = @question_id
GROUP BY
     QT2.question_id
ORDER BY
     cnt DESC

如果您不能保证问题中标签的唯一性，那么 Tony Andrews 的解决方案将起作用。他在任何情况下都会起作用，但是如果您可以通过约束保证唯一性，则应该将您的系统上的性能与此方法进行比较。

【讨论】：

【解决方案3】：

不完全确定您的意思，但the Tags page 按受欢迎程度（如标记数量）列出标签。

编辑：这是关于 SO 还是关于您自己的应用程序？如果是关于您自己的应用程序，请删除 SO 标签，因为它有点误导。

Edit2：我想说的是：

SELECT * FROM `questions` WHERE `tag` LIKE '%tagname%' OR (looped for each tag) LIMIT 5,0

其中 5 是您想要返回的最大结果（至少进行一些优化）。可能不是最好的解决方案，但我可以看到它有效。

您可能还想尝试使用标题匹配LIKE。

【讨论】：