类似谷歌的搜索算法

Question

我正在尝试在我的简单数据结构中实现搜索算法。然而，这不是一个“我该怎么做？”的问题，而是一个“我怎样才能优化算法？”

我正在尝试保存文件索引，每个文件都可以与任意数量的标签相关联（就像一个类别）

这就是我的数据的结构：

参赛作品：

 ------------------------------------
|  id  | description | short | score | 
 ------------------------------------

标签：

 -------------
|  id  | text |
 -------------

EntryTags：

 -------------------
| entry_id | tag_id |
 -------------------

在搜索字段中，搜索请求将始终转换为用加号 (+) 分隔的单个单词。

在以下示例中，我将搜索“blue+website+simple+layout”

- split searchterm up into array named t
- convert each word in array t into a number using the id from "Tags" table
- for each element in array t, select make new array for each element with "EntryTags" matching the search
- generate array A, where elements that are in all 4 arrays are put into
- generate array B, where elements that are in 3 of the 4 arrays are put into
- generate array C, where elements that are in 2 of the 4 arrays are put into
- generate array D with the last elemenets rest
- sort array A,B,C and D by the score parameter from the table
- output array A, then B, then C, then D

当然，这没有优化或任何东西，但是我缺乏更复杂的 SQL 经验，这让我很头疼:(

最后，所有这些都将用 PHP 和 mysqli 库编写（当然，随着我的进一步发展，我会保持线程更新）

Answer 1

您可以使用一种Bloom filter（至少这是Google 策略的一部分）。首先，您查找具有所有输入标签的条目。如果您一无所获，请尝试所有缺少一个标签的组合，然后再缺少两个标签......直到您有足够的匹配项。布隆过滤器中的查找非常快，因此可以进行多次查找。

Answer 2

哇，让我们保持简单（KISS），这太复杂了，不够灵活。

如何：使用 SQL，对每个搜索词进行一次搜索，并包含一列，为该词的特定相关性放入一个“点”值。总结对这个“点”值的搜索，并通过“点”找到具有最大相关性的结果。

看看这个：http://www.jarrodgoddard.com/web-development/advanced-web-site-search-with-sql

SELECT title, filename, sum(relevance)
FROM (
SELECT title, filename, 10 AS relevance FROM page WHERE title like ‘%about%’
UNION
SELECT title, filename, 7 AS relevance FROM page WHERE filename like ‘%about%’
UNION
SELECT title, filename, 5 AS relevance FROM page WHERE keywords like ‘%about%’
UNION
SELECT title, filename, 2 AS relevance FROM page WHERE description like ‘%about%’
) results
GROUP BY title, filename
ORDER BY relevance desc;