mysql 按相似度排序_mysql – 如何找到相似的结果并按相似性排序？

我发现Levenshtein距离可能是好的，当你搜索一个完整的字符串对另一个完整的字符串，但是当你在字符串中查找关键字时，此方法不返回(有时)想要的结果。此外，SOUNDEX函数不适用于英语以外的语言，因此它非常有限。你可以逃离LIKE，但它真的是基本的搜索。您可能想查看其他搜索方法，以了解您想要实现的目标。例如：

您可以使用Lucene作为您的项目的搜索基地。它在大多数主要的编程语言中实现，它相当快速和多才多艺。这种方法可能是最好的，因为它不仅搜索子字符串，而且字母转置，前缀和后缀(所有组合)。但是，您需要保留一个单独的索引(使用CRON从一个独立脚本更新它一次在一段时间工作)。

或者，如果你想要一个MySQL解决方案，全文的功能是相当不错，并且肯定比存储过程更快。如果您的表不是MyISAM，您可以创建一个临时表，然后执行全文搜索：

CREATE TABLE IF NOT EXISTS `tests`.`data_table` (

`id` int(10) unsigned NOT NULL AUTO_INCREMENT,

`title` varchar(2000) CHARACTER SET latin1 NOT NULL,

`description` text CHARACTER SET latin1 NOT NULL,

PRIMARY KEY (`id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin AUTO_INCREMENT=1 ;

如果你不想自己创建它，使用data generator生成一些随机数据…

**注意**：列类型应为latin1_bin以执行区分大小写搜索，而不是对latin1不区分大小写。对于unicode字符串，我建议utf8_bin为区分大小写，utf8_general_ci为不区分大小写的搜索。

DROP TABLE IF EXISTS `tests`.`data_table_temp`;

CREATE TEMPORARY TABLE `tests`.`data_table_temp`

SELECT * FROM `tests`.`data_table`;

ALTER TABLE `tests`.`data_table_temp` ENGINE = MYISAM;

ALTER TABLE `tests`.`data_table_temp` ADD FULLTEXT `FTK_title_description` (

`title` ,

`description`

);

SELECT *,

MATCH (`title`,`description`)

AGAINST ('+so* +nullam lorem' IN BOOLEAN MODE) as `score`

FROM `tests`.`data_table_temp`

WHERE MATCH (`title`,`description`)

AGAINST ('+so* +nullam lorem' IN BOOLEAN MODE)

ORDER BY `score` DESC;

DROP TABLE `tests`.`data_table_temp`;

这样做的缺点是，它不会寻找字母转置或“类似，听起来像”的字。

** UPDATE **

使用Lucene进行搜索，你只需要创建一个cron作业(所有的web主机都有这个“功能”)，这个作业将只是执行一个PHP脚本(ig“cd / path / to / script; php searchindexer.php” )将更新索引。原因是索引成千上万的“文档”(行，数据等)可能需要几秒钟，甚至几分钟，但这是为了确保所有搜索尽可能快地执行。因此，您可能需要创建一个由服务器运行的延迟作业。它可能是隔夜，或在接下来的一个小时，这取决于你。 PHP脚本应该看起来像这样：

$indexer = Zend_Search_Lucene::create('/path/to/lucene/data');

Zend_Search_Lucene_Analysis_Analyzer::setDefault(

// change this option for your need

new Zend_Search_Lucene_Analysis_Analyzer_Common_Utf8Num_CaseInsensitive()

);

$rowSet = getDataRowSet(); // perform your SQL query to fetch whatever you need to index

foreach ($rowSet as $row) {

$doc = new Zend_Search_Lucene_Document();

$doc->addField(Zend_Search_Lucene_Field::text('field1', $row->field1, 'utf-8'))

->addField(Zend_Search_Lucene_Field::text('field2', $row->field2, 'utf-8'))

->addField(Zend_Search_Lucene_Field::unIndexed('someValue', $someVariable))

->addField(Zend_Search_Lucene_Field::unIndexed('someObj', serialize($obj), 'utf-8'))

;

$indexer->addDocument($doc);

}

// ... you can get as many $rowSet as you want and create as many documents

// as you wish... each document doesn't necessarily need the same fields...

// Lucene is pretty flexible on this

$indexer->optimize(); // do this every time you add more data to you indexer...

$indexer->commit(); // finalize the process

然后，这基本上是你如何搜索(基本搜索)：

$index = Zend_Search_Lucene::open('/path/to/lucene/data');

// same search options

Zend_Search_Lucene_Analysis_Analyzer::setDefault(

new Zend_Search_Lucene_Analysis_Analyzer_Common_Utf8Num_CaseInsensitive()

);

Zend_Search_Lucene_Search_QueryParser::setDefaultEncoding('utf-8');

$query = 'php +field1:foo'; // search for the word 'php' in any field,

// +search for 'foo' in field 'field1'

$hits = $index->find($query);

$numHits = count($hits);

foreach ($hits as $hit) {

$score = $hit->score; // the hit weight

$field1 = $hit->field1;

// etc.

}

这里是伟大的网站关于Lucene在Java，PHP和.Net。

总之，每种搜索方法都有自己的优点和缺点：

>你提到Sphinx search，它看起来非常好，只要你可以使deamon在你的主机上运行。

> Zend Lucene需要一个cron作业来重新索引数据库。虽然对用户来说很透明，这意味着任何新数据(或删除的数据！)并不总是与数据库中的数据同步，因此不会立即显示在用户搜索上。

> MySQL FULLTEXT搜索好，速度快，但不会给你所有的力量和灵活性的前两个。

如果我忘记了/错过了任何东西，请随意评论。