mysql - 从同一张表中查找相似数据

Question

我有一个表包含这样的两列。 (项目名称和项目描述)

item_name    item_des

jasmine      beautiful flower & nice smell    
rose         flower
orange       gud fruit
apple        fruit
books        books

我想根据商品名称和描述从此表中找到匹配的商品，即例如，结果应该是这样的:

item_name    item_des

jasmine      beautiful flower & nice smell    
rose         flower

或

item_name    item_des

orange       gud fruit
apple        fruit

我如何在 sql 中执行此操作？

我没有任何项目名称或描述。我只想获取表格中具有相似项目名称或相似描述的所有内容。

Answer 1

在阅读了您对其他答案的评论后，我得出一个结论，即您想要的是从表中获取行集，并且您希望每组行在 item_des 列中具有相似的值。至少那是你的例子所呈现的。

问题在于您定义“相似”的方式。据我了解，您不想为查询提供任何其他数据来定义您正在寻找的相似性类型。 AshReva 和 Naryl 认为您会这样做。这就是为什么他们建议您在查询中使用 LIKE '%flower%' 或 LIKE 'fruit'。

我想您要问的是如何获取列表 ('fruit', 'flower', ...)，因为您没有。你想要一个查询，它会为你找到一个。

这不是一项容易的任务，需要您做出大量决策。该任务相当复杂，因此我不会提供现成的运行解决方案。我将介绍您需要完成的几个相当简单的步骤。

首先，您需要标记化您的 item_des 字段。你想要的是另一个名为 t 的表，其中有一个字段，例如 token。在对您的示例进行标记后，您应该得到一个这样的表格:

token
fruit
books
beautiful
flower
&
nice
smell
gud
fruit
flower

您可能必须编写自己的分词函数。在这里检查: Is there something analogous to a split() method in mySql?

然后删除重复项(在列上执行 distinct)。所以你得到: token 水果 图书 美丽的 花 & 好的 闻 古德

然后您可能想以某种方式删除无效的标记。您可以手动执行此操作。您可能会针对某些关键字集或字典进行自动匹配。您可以应用一些启发式方法，例如删除长度为 1 个字符的标记。

之后，您只需在两个表之间进行匹配，您的原始表(假设它称为 input_data)和包含您的标记的最终表 t:

select item_name, item_des, token
from input_data, t
where item_des like concat('%',t.token,'%')
order by token

然后你应该得到类似的东西:

item_name    item_des                         token
jasmine      beautiful flower & nice smell    beautiful
jasmine      beautiful flower & nice smell    &
jasmine      beautiful flower & nice smell    nice
jasmine      beautiful flower & nice smell    smell
rose         flower                           flower
jasmine      beautiful flower & nice smell    flower
orange       gud fruit                        gud
orange       gud fruit                        fruit
apple        fruit                            fruit
books        books                            books

希望这就是您所需要的。