php - 过滤搜索查询的最佳方法是什么 - PHP MySQL

Question

我正在建立一个用户可以搜索帖子的网站。每个帖子都存储在数据库中。当用户进行搜索时，例如 iPad Mini FOR SALE，查询将如下所示：

SELECT * FROM testtable WHERE title REGEXP 'iPad|Mini|FOR|SALE'

然后查询将产生以下 3 项：

前两项搜索成功，但第三项确实不属于该组。我想将其过滤掉，只显示相关项目进行搜索。我正在考虑去掉 for、is、are 等常用词，但也许你们有什么建议？

旁注：你们推荐“REGEXP”吗？我只是看到它，使用它，还没有深入研究它。（无需仅回答搜索过滤器问题，但如果您有一些很好的信息，那就太好了。）

score 2 · Accepted Answer

您还应该看看FULLTEXT搜索。为了使FULLTEXT搜索工作，您需要MyIsamMySQL 表引擎类型，也有 innoDB 支持，但我对此知之甚少。

score 1 · Accepted Answer

score 1 · Accepted Answer

是的，删除常用词

这些被称为停用词。这些是通常无关紧要的词。

考虑相关性

标题为“ipad mini for sale”的帖子与搜索 [ipad mini for sale] 的用户非常相关。标题为“ipad for sale”的帖子不太相关。一篇名为“出售奶酪工厂”的帖子仍然不太相关。

考虑推导一种算法，用于计算您认为与您网站上的帖子和用户搜索的字词相关的内容。

该算法可能与查看搜索的术语以及文章标题中术语的出现一样简单。标题中是否存在所有搜索的字词？可能非常相关。标题中是否存在 10% 的搜索字词？可能非常无关紧要。

考虑如何计算相关性分数。设置一个阈值，低于该阈值的结果被认为太不相关而不会出现在结果中。根据经验，我建议将阈值设置得相当高，只针对高度相关的结果，也许只有在找不到高度相关的结果时才列出不太相关的结果

使用词干

顺便说一句，在搜索中使用词干提取。词干算法将把一个词减少为一个共同的词干。您将只搜索词干而不是完整的搜索词。阅读词干。为您使用的语言找到一个 porter 词干算法的实现；这是一个长期存在的算法，从经验来看，它对于大多数应用程序来说速度很快并且非常好。

正则表达式？

如果您删除停用词并使用基于词干的方法，这将是一个不太相关的问题。无论如何，这是一个实施问题，并且可能过于主观，无法为您提供有意义的答案。试试看，检查性能。尝试另一种方法，检查性能。使用最适合您的。

3 回答 3