sorting - 通过计算 MongoDB 中两个列表的交集进行排序

Question

我们有一个发帖分析的需求，即对于一个具体的帖子，我们需要返回一个与之关联度最高的帖子列表，逻辑是比较帖子中常见标签的数量。例如：

    postA = {"author":"abc",
        "title":"blah blah",
        "tags":["japan","japanese style","england"],
    }

可能还有其他带有以下标签的帖子：

postB:["japan", "england"]
postC:["japan"]
postD:["joke"]

所以基本上，postB 得到 2 个计数，postC 在与 postA 中的标签进行比较时得到 1 个计数。postD 得到 0 并且不会包含在结果中。

我现在的理解是使用 map/reduce 来产生结果，我了解 map/reduce 的基本用法，但我无法为这个特定目的找到解决方案。

有什么帮助吗？或者有没有像自定义排序功能这样更好的方法来解决它？我目前正在使用 pymongodb，因为我是 python 开发人员。

score 1 · Accepted Answer

您应该在标签上创建索引：

db.posts.ensure_index([('tags', 1)])

并搜索至少与 postA 共享一个标签的帖子：

posts = list(db.posts.find({_id: {$ne: postA['_id']}, 'tags': {'$in': postA['tags']}}))

最后，在 Python 中按交集排序：

key = lambda post: len(tag for tag in post['tags'] if tag in postA['tags'])
posts.sort(key=key, reverse=True)

请注意，如果 postA 与大量其他帖子共享至少一个标签，这将不会很好地执行，因为您将从 Mongo 发送大量数据到您的应用程序；不幸的是，没有办法使用 Mongo 本身对交叉点的大小进行排序和限制。

1 回答 1