如何构造数据以实现可搜索性

Question

我正在编写一个专门用于音乐播放列表的搜索应用程序。

流派和文件格式因播放列表而异，有时在播放列表中也存在差异。还有一个“同义词”标签的概念（例如，urban 将涵盖 hiphop 和 r&b，但反之则不然）。

以下是搜索词列表和我的预期结果。

gospel：应该返回至少包含一首福音歌曲的所有播放列表。包含所有福音歌曲的播放列表将首先显示。 urban：应该返回所有的 r&b 和 hiphop。再次将所有城市曲目的播放列表排在第一位。 hiphop：应该返回所有 hiphop 但不返回 r&b。 flac：应该返回所有包含 flac 文件的播放列表。从纯flac的开始。 hiphop flac：应该首先返回 hiphop flac，然后是其他 hiphop 音频 hiphop AND flac: 应该只返回 hiphop flac hiphop 音频：应该返回 hiphop flacs、hiphop mp3 等

当我刚刚开始这个项目时，我正在考虑为所有这些编制索引的最佳方式。像 Lucene 这样的全文搜索在这里有用吗？请注意，我没有任何描述这些播放列表的文本，但我可以生成一些。

我正在考虑将所有这些术语组织为“标签”并将它们存储在多对多数据库中。

table: 播放列表 ( pk(id), desc ) 表：标签（pk（id），desc） 表：playlist_has_tag (pk(link_id, tag_id))

解决都市==嘻哈|| rnb 的事情，我可能会添加一个 tag_synonyms 表：

表：tag_synonyms (pk(tag_id, synonym_tag_id))

然后我有两条记录表明 urban 包含 hiphop 和 rnb： urban的标签ID，嘻哈的标签ID urban的tag id，rnb的tag id

我觉得使用这种方法查询可能会非常复杂。

CouchDB 可以在这里使用吗？我目前正在使用 PostgreSQL。有没有一些软件可以让这种事情变得简单？

我希望将来能够深入研究并支持复杂的搜索词，例如：

（嘻哈或房子）和文件类型：mp3 和艺术品：没有

还包含持续时间等内容。

Answer 1

如果您在如何构建搜索数据结构上考虑过多，则很有可能会错过您本可以在应用中真正使用的重要搜索。

或者（这是根据经验）您最终会重新发明各种索引技术。

我对 lucene 有一些经验（有 java 和 .net 版本，有一个 C 端口，但我不确定它现在有多活跃）——它可以用存储在任何结构中的数据做惊人的事情.

我喜欢 couch db 的外观，这取决于您想尝试多少新的和强大的东西，或者选择（目前）相当坚固的东西：lucene。

Answer 2

如果您的用户将成为定义查询的人，那么全文索引将为您提供最佳服务。只需创建一个自定义文本字段来描述您希望可搜索的每个属性，例如“urban filetype:pdf 福音”并进行搜索。

Answer 3

好的，这里只是头脑风暴--

也许使用八进制或二进制将“格式”类型存储为位掩码？

http://www.nitrogen.za.org/viewtutorial.asp?id=17

兰德：1 嘻哈：2 福音：4 市区：8

现在，这些东西是附加的。您知道，如果某物被标记为 Urban，您不会在标志字段中存储“8”，但您将存储 11...Urban && HipHop && RandB。这只是您必须在某处说明的一点“商业智能”。

然后您可以使用二进制比较来确定您要查找的标志。

Answer 4

我看不出数据库软件将如何在您的解决方案中发挥作用。

如果我是实现这一点的人，我会首先确保以标准化方式捕获所有相关数据。这将包括类别、艺术作品、歌词等。

这样做的主要优点是您对“复杂”搜索的想法实际上变得非常简单。