- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我需要一些帮助来解决这个问题:
作为输入,我有一个字符串,看起来像 Blue cat green eyes 2342342
, 或者它可以是 Cat blue eyes green 23242
或任何其他单词排列。
在我的数据库表中有一些数据。例如,其中一列称为 keyWords。
这是该表的示例:
我的任务是在我的数据库表列 KEYWORDS 中查找记录,它与输入字符串中的一些词相匹配。
例如:对于字符串"Blue cat green eyes 2342342" "Cat blue eyes green 23242"和“Cat 23242 eyes blue green”结果必须是“blue cat”(我表格的第一行)。我能想象如何解决这个任务的唯一方法是这样的:
%like%
搜索每一个词在表格列中。%like%
搜索这个词在第 2 步的结果中。这个算法的图形模式是here
但是如果表中有很多记录并且我的输入字符串包含大量单词,那么这个算法看起来会运行得很慢。
那么,我的问题是:是否有任何特殊的算法可以帮助解决这个问题?
最佳答案
你可以采用另一个表如
ID KeywordID Word
1 1 blue
2 2 blue
3 1 cat
并转换字符串
"Blue cat green eyes 2342342"
在一系列索引和计数中:
SELECT KeywordID, COUNT(*) FROM ancillary WHERE Word IN ('blue','cat','green','eyes'...)
这将执行一系列精确匹配并返回,比方说,
KeywordID Count
1 2
2 1
然后你知道id为1的关键字组有两个词,这意味着计数为2匹配所有。所以keywordid 1就满足了。第 2 组也有两个词 (black, cat),但只找到一个,匹配存在但不完整。
如果你同时记录了关键字集合大小和关键字ID,那么来自同一个ID的所有关键字将具有相同的KeywordSize,你也可以对其进行GROUP BY:
KeywordID KeywordSize Count
1 2 2
2 2 1
甚至可以SELECT COUNT(*)/KeywordSize AS match ... ORDER BY match
并按相关性对关键字匹配进行排序。
当然,一旦你有了KeywordID,你就可以在关键字表中找到它。
您想将关键字列表“black angry cat”添加到现有表中。
因此,您将此关键字列表分解为单词:并得到“black”、“angry”和“cat”。
您通常在已有的表中插入关键字列表,并检索新创建的行的 ID,假设它是 1701。
现在您将单词插入我们称为“辅助”的新表中。此表仅包含主表的关键字行 ID、单个词以及该词来自的词表的大小。
我们知道我们总共要插入 3 个单词,对于表第 1701 行,所以 size=3 并且我们插入这些元组:
(1701, 3, 'black')
(1701, 3, 'cat')
(1701, 3, 'angry')
(这些将收到自己的唯一 ID,但这与我们无关)。
一段时间后我们收到一句话,
'Schroedinger cat is black and angry'
我们可以首先针对要删除的空词列表运行查询,例如“is”和“and”。但这不是必需的。
然后我们可以运行与单词一样多的查询,从而发现任何地方都没有包含“Schroedinger”的行,我们可以将其删除。但这也不是必需的。
最后,我们针对辅助构建真实查询:
SELECT KeywordID, COUNT(*) AS total, ListSize*100/COUNT(*) AS match
FROM ancillary WHERE Word IN ('Schroedinger','cat','is','black','and','angry')
GROUP BY KeywordID;
WHERE
将返回这些行:
(1234, 'black') -- from 'black cat'
(1234, 'cat') -- from 'black cat'
(1423, 'angry') -- from 'angry birds'
(1701, 'cat') -- from 'black angry cat'
(1701, 'angry') -- from 'black angry cat'
(1701, 'black') -- from 'black angry cat'
(1999, 'cat') -- from 'nice white cat'
因此 GROUP 将返回这些行的 KeywordID
及其基数:
1423 1 50%
1701 3 100%
1234 2 100%
1999 1 33%
现在您可以按匹配率降序排序,然后按列表大小降序排序(因为匹配 3 个单词的 100% 比匹配 2 个单词的 100% 好,匹配 2 中的 1 比匹配 3 中的 2 好):
1701 3 100% -- our best match
1234 2 100% -- second runner
1423 1 50%
1999 1 33%
您还可以在一个查询中检索您的第一个表,增加匹配率:
SELECT mytable.*, total, match FROM
mytable JOIN (
SELECT KeywordID, COUNT(*) AS total, ListSize*100/COUNT(*) AS match
FROM ancillary WHERE Word IN ('Schroedinger','cat','is','black','and','angry')
GROUP BY KeywordID
) AS ancil ON (mytable.KeywordID = ancil.KeywordID)
ORDER BY match DESC, total DESC;
最大的成本是“辅助”中的精确匹配,它必须在 Word
列上建立索引。
关于database - 需要一些帮助(搜索算法),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13085765/
我在我的应用程序中使用 Hibernate Search。其中一个子集合被映射为 IndexedEmbedded。子对象有两个字段,一个是 id,另一个是日期(使用日期分辨率到毫秒)。当我搜索 id=
The App Engine Search API有一个 GeoPoint 字段。可以用它来进行半径搜索吗?例如,给定一个 GeoPoint,查找位于特定半径内的所有文档。 截至目前,它看起来像 Ge
客户对我正在做的员工管理项目提出了这个新要求,以允许他们的用户进行自定义 bool 搜索。 基本上允许他们使用:AND、OR、NOT、括号和引号。 实现它的最佳方法是什么?我检查了 mysql,它们使
很想知道哪个更快 - 如果我有一个包含 25000 个键值对的数组和一个包含相同信息的 MySQL 数据库,搜索哪个会更快? 非常感谢大家! 最佳答案 回答这个问题的最好方法是执行基准测试。 关于ph
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
我有以下 Marklogic 查询,当在查询控制台中运行时,它允许我检索具有管理员权限的系统用户: xquery version "1.0-ml"; import schema namespace b
我希望当您搜索例如“A”时,所有以“A”开头的全名都会出现。因此,如果名为“Andreas blabla”的用户将显示 我现在有这个: $query = "SELECT full_name, id,
我想在我的网站上添加对人名的搜索。好友列表已经显示在页面上。 我喜欢 Facebook 这样做的方式,您开始输入姓名,Facebook 只会显示与查询匹配的好友。 http://cl.ly/2t2V0
您好,我在我的网站上进行搜索时遇到此错误。 Fatal error: Uncaught Error: Call to undefined function mysql_connect() in /ho
声明( 叠甲 ):鄙人水平有限,本文为作者的学习总结,仅供参考。 1. 搜索介绍 搜索算法包括深度优先搜索(DFS)和广度优先搜索(BFS)这两种,从起点开始,逐渐扩大
我正在为用户列表使用 FuturBuilder。我通过 futur: fetchpost() 通过 API 获取用户。在专栏的开头,我实现了一个搜索栏。那么我该如何实现我的搜索栏正在搜索呢? Cont
我正在使用 MVC5,我想搜索结果并停留在同一页面,这是我在 Controller (LiaisonsProjetsPPController) 中执行搜索操作的方法: public ActionRes
Azure 搜索中的两种方法 Upload 与 MergeOrUpload 之间有什么区别。 他们都做完全相同的事情。即,如果文档不存在,它们都会上传文档;如果文档已经存在,则替换该文档。 由于这两种
实际上,声音匹配/搜索的当前状态是什么?我目前正在远程参与规划一个 Web 应用程序,该应用程序将包含和公开记录的短音频剪辑(最多 3-5 秒,人名)的数据库。已经提出了一个问题,是否可以实现基于用户
在商业应用程序中,具有数百个面并不罕见。当然,并非所有产品都带有所有这些标记。 但是在搜索时,我需要添加一个方面查询字符串参数,其中列出了我想要返回的所有方面。由于我事先不知道相关列表,因此我必须在查
当我使用nvcc 5.0编译.cu文件时,编译器会为我提供以下信息。 /usr/bin/ld: skipping incompatible /usr/local/cuda-5.0/lib/libcud
我正在使用基于丰富的 Lucene 查询解析器语法的 Azure 搜索。我将“~1”定义为距离符号的附加参数)。但我面临的问题是,即使存在完全匹配,实体也没有排序。 (例如,“blue~1”将返回“b
我目前有 3 个类,一个包含 GUI 的主类,我在其中调用此方法,一个包含数据的客户类,以及一个从客户类收集数据并将其放入数组列表的 customerList 类,以及还包含搜索数组列表方法。 我正在
假设我有多个 6 字符的字母数字字符串。 abc123、abc231、abc456、cba123、bac231 和 bac123 。 基本上我想要一个可以搜索和列出所有 abc 实例的选择语句。 我只
我有这个表 "Table"内容: +--------+ | Serial | +--------+ | d100m | <- expected result | D100M | <- expect
我是一名优秀的程序员,十分优秀!