- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
数据为相机和镜头产品名称。
我的产品表中有 55,000 条记录,我想将它们与干净的 3500 条主记录集进行比较,以便我知道它们是什么以提供附加信息。
产品表每天都会更新,当它丢失和增加数千条记录时,性能很重要。
这是我正在使用的数据示例,这 5 条记录
Canon 45MM 2.8 TSE
Canon 45mm F2.8 TS-E
Canon 45mm F/2.8L Tilt-Shift - Boxed
Canon EF TS-E 45mm f/2.8 Tilt-shift Black Lens
Canon TS-e 45mm f2.8 Lens - Unboxed
应全部与主记录匹配
Canon TS-E 45mm f/2.8
我尝试使用全文搜索来比较字符串,速度非常快,但结果很差。
接下来我尝试了这个 Levenshtein 距离函数 https://lucidar.me/en/web-dev/levenshtein-distance-in-mysql/
每次比较(1条记录与3500条主记录)可能需要30-60秒,结果更好。一些例子。
佳能 85mm 1.2 MK II L - 7 号
M_PRODUCTNAME SCORE
1 Canon EOS 5D Mark II 14
2 Canon EOS 6D Mark II 14
3 Canon EOS-1D Mark II N 14
4 Canon EF 85mm F1.2 14
5 Canon EF 50mm F1.8 II 14
6 Canon EOS 7D Mark II 14
7 Canon EF 85mm F1.2L II USM 14
8 Canon EOS 5D Mark III 14
9 Canon EOS-1D Mark II 14
10 Canon EOS M6 Mark II 14
佳能 EF 80-200mm f4-5.6 II 镜头 - 数字 1(记录中的实际错误应该是 f4.5 而不是 f4!)
M_PRODUCTNAME SCORE
1 Canon EF 80-200mm f/4.5-5.6 II 12
2 Canon EF 70-300mm f/4-5.6L IS USM 13
3 Canon EF 70-300mm f/4-5.6 IS USM 13
4 Canon EF 70-200mm F4L IS II USM 14
5 Canon EF 55-200mm f/4.5-5.6 II USM 14
6 Canon EF 70-300 F4-5.6 IS II USM 15
7 Canon EF 70-200mm f/2.8L USM 15
8 Canon EF 70-200mm F4L IS USM 15
9 Canon EF 70-200mm f/2.8L IS USM 15
10 Canon EF 70-200mm F4L USM 15
佳能 fit zenitar c 镜头16 mm f2.8 - 不匹配
M_PRODUCTNAME SCORE
1 7artisans 12mm F2.8 22
2 Canon TS-E 45mm f/2.8 22
3 Canon TS-E 90mm f/2.8 22
4 7artisans 25mm F1.8 23
5 Canon TS-E 17mm f/4L 23
6 Canon EF 28mm f/2.8 23
7 Canon Extender EF 1.4x III 23
8 Canon Extender EF 1.4x II 23
9 Canon EF 24mm f/2.8 23
10 Canon EF 35mm F2.0 23
佳能 EOS IX APS 胶片自动对焦和手动单反 EF/EFS 安装相机机身 - 已测试 - 不匹配
M_PRODUCTNAME SCORE
1 Minolta Maxxum 7 35mm SLR Camera (Body Only) 60
2 Canon EOS 400D (EOS Digital Rebel XTi / EOS Kiss Digital X) 61
3 Canon EOS 300D (EOS Digital Rebel / EOS Kiss Digital) 61
4 Canon EOS 350D (EOS Digital Rebel XT / EOS Kiss Digital N) 61
5 Holga 120FN Medium Format Plastic Camera with Flash 62
6 Canon EOS 1100D (EOS Rebel T3 / EOS Kiss X50) 62
7 Canon EOS 1200D (EOS Rebel T5 / EOS Kiss X70) 62
8 Canon EF-S 35mm F2.8 Macro IS STM 62
9 Canon EF-M 28mm F3.5 Macro IS STM 62
10 Canon EF-S 60mm f/2.8 Macro USM 62
我相信我也许能够调整角色删除/更改/添加的评分,但即使如此,运行时间仍然太长。
例如耗时 35 秒的查询。
SELECT m_productname, levenshtein(m_productname, 'Tamron SP 45mm f/1.8 Di VC USD, Canon EF Fit') AS score FROM m_product ORDER by score
此外,我仍然不确定当低分匹配不正确时如何处理数据,在某些时候可能需要一些手动输入 - 但是也许这又是一个令人头疼的问题。
要么我需要 Levenshtein 来给我更好的得分并跑得更快,要么我需要另一种方法,有什么想法吗?
我需要能够在第一个实例中运行查询 55,000 次,然后每天为新条目运行大约 3000 次。所以每次查询 30 秒是不行的。
如果有其他选择,我正在使用 ColdFusion。
最佳答案
您的数据似乎包含大量信息,可以分为更简洁的列。在我更多地研究 Levenshtein 方法之前,我会花时间编写一些转换脚本,这些脚本会将这些数据解析为同一个表中的其他列。换句话说,不要有这样的表:
M_PRODUCTNAME
Canon EF 70-200mm f/2.8L USM
我有一个像这样的表:
M_PRODUCTNAME BRAND APERTURE FSTOP
Canon EF 70-200mm f/2.8L USM Canon 70-200 2.8L
如何分解这些数据?就我个人而言,我会获取每个完整的产品名称,并用空格将其分割成一个数组。然后我会查看数组中的每个项目以应用转换逻辑。该商品是否包含您的任何知名品牌?然后将该品牌添加到 BRAND 列中。字符串是否以“mm”结尾?然后我将该项目添加到 APERTURE 列中。该项目是以“f/”还是“F/”开头?然后我会将该项目添加到 FSTOP 列。
此方法无法捕获 M_PRODUCTNAME 数据中的所有异常情况。但您可能可以对其进行调整以提取大量有意义的元数据。一旦数据被提取到其他列中,搜索这些元素就会变得更快更容易。
此外,将该数据提取到多列中的算法可能与用于从目标字符串中查找要搜索的元素的算法相同。
关于mysql - 比较字符串与大量记录的相似度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62860975/
我遇到了一个让我非常难过的问题。但现在看来这一定是一个普遍的问题,我很惊讶我找不到关于它的另一个问题。 基本上,我的网站上会出现一些图标。我希望它们在每台设备上都显示出大致相同的大小——大致是可触摸的
我是一名 Java 专业人士。现在我喜欢转向其他编程语言。谁能建议我哪种编程语言更容易消化,并且该语言具有 Web 开发功能。我对 Web 开发感兴趣。 最佳答案 C# - 网络开发非常好(只需看看这
我需要为不同的 url 发送不同的响应。但是我正在使用的正则表达式不起作用。 有问题的两个正则表达式是 "/v1/users/[^/]+/permissions/domain/HTTP/" (例
让我描述一下我的问题。有一个输入字符串和一个包含数千个字符串的表。我正在寻找搜索与输入字符串最相似* 字符串的最佳方法。搜索应该返回一个包含 ~10 个建议字符串的列表,按相似度排序。字符串在数据库中
我在使用 crypt() 时遇到问题,如果用户有密码(本例中为 password1),并且他们将其更改为 password2,则散列会返回相同的结果。您可以在此处进行测试:旧链接输入 password
我问这个是因为我发现 XML 在视觉上没有吸引力。我知道 XML 非常有名,很有用,而且它被大多数(如果不是全部)程序员接受为一种非常有用的定义和结构化数据的语言;然而,我真的不觉得盯着它看、看着它或
我有工作需要在 14 天内完成。我有5名 worker 。一天正好需要3个 worker 。每个 worker 最多只能工作 9 天。每个 worker 都有自己的日期偏好,每个 worker 每天都
FileStream 或 DB 句柄类型的对象必须正确关闭,因为它在内部使用 Windows 句柄。同样,Threads 也使用 Windows 句柄吧?线程是否有一些内部机制来释放那些 Window
如果这是非常基本的,请原谅。我一直在尝试遍历行数组中的每个单元格包括标题单元格。我可以在 Nokogiri CSS 选择器中使用 OR 运算符吗? thang= Nokogiri::HTML(IO.r
默认情况下,RichTextFx(顶部控件)看起来不像 TextArea(底部控件): 我找到了一种添加圆角的方法(只需从 modena.css 复制并配置 some styles): .virtua
在 64 位 Java 中,每个对象实例往往包含一个 192-bit header , 包含 类指针, 标志和 锁(每个 64 位)。 这可能会导致小对象的大量内存开销。 尼姆的情况是否类似?用两种语
我正在开发一个具有多个功能(通过 tableview 选择)的应用程序,这些功能几乎都做同样的事情,相似的布局、相似的按钮、相似的输入字段等等。但在我相信它们自己的地方有足够的不同类(class)。每
题目地址:https://leetcode-cn.com/problems/similar-rgb-color/ 题目描述 Inthe following, every capital lette
我正在编写 R 代码,我希望它在“非调试”或“调试”模式下运行。在 Debug模式下,我希望代码打印出运行时信息。 在其他语言中,我通常会有某种打印功能,除非打开标志(用于编译或运行时),否则什么都不
我不明白这个OP接受的答案的一部分: Javascript function scoping and hoisting 作者说: " 此外,在这种情况下, function a() {} 行为与相同
我正在做一个bcmp(&v6_addr1,&v6_addr2,sizeof(v6_addr1)) (gdb) p v6_addr2 $15 = {u = {b = "0\001", '\000' ,
我有一个充满按钮的 Canvas,我将其 ID 存储在字典中。 Canvas 很长,带有垂直滚动条。有一种方法可以自动将 View 定位在给定的按钮上吗? 当使用 Text 时,txt.see(pos
我正在尝试使用 Python 2.6 和 PIL 计算两个图像的相似度(读作:Levenshtein 距离)。 我打算给我们e python-levenshtein用于快速比较的库。 主要问题: 什么
换句话说,php $object->method(); 和 $object->property = 'someValue'; 相当于,js: $object.method(); 和 $object.p
我写了一个简单的函数,它接收实现 .index() 的东西和要检查的字符列表。 我的假设是,由于字符串和元组都是不可变的,因此它们具有相似的性能(或者至少,元组的性能优于列表)。相反,元组似乎等同于列
我是一名优秀的程序员,十分优秀!