如何实现基于命中率的多关键字和偏好的映射关键字匹配？

Question

背景:我正在尝试使用一种流行的“标准”医疗编码系统，该系统使用定义良好的映射提供预先制作的“关键字”表。

简而言之，它基本上将文本描述中的每个单词映射到一个更短的规范化关键字，如下所示：

数据记录id : desc

* 10 : Gonkulator-2500 image reconstruction
* 11 : DICOM image upload
* 12 : SpiffyCont Image Interface 

将映射到关键字索引，如下所示：

关键词: rec_id

* GONKU : 10
* IMAGE : 10
* RECON : 10
* DICOM : 11
* IMAGE : 11
* UPLOA : 11
* SPIFF : 12
* IMAGE : 12
* INTER : 12

最简单的(编码)方法显然是简单地将用户搜索输入以同样的方式映射到关键字，然后执行and查询。

然而，我正在寻找的是通过能够返回部分匹配来提高可用性的东西，以便困惑并搜索“贡科洛-2500图像上传”的用户不会得到空白结果，而是“最接近的匹配”。

* Gonkulator-2500 image reconstruction (66%)
* DICOM image upload (66%)
* SpiffyCont Image Interface (33%)

据我所知，我需要的是record_id:matches级的结果

* 10: 2
* 11: 2
* 12: 1

我非常感谢任何关于如何做到这一点的想法或建议，但是关于数据库规范化的讲座应该更恰当地针对各种国际标准组织。:)

更新:我忘了提(我本打算这么做的。FFB综合征再次来袭)，我的第一个想法是子查询：

SELECT rec_id, count(keyword) as matches 
    FROM ( 
         SELECT keyword, rec_id FROM index_tbl 
         WHERE keyword = 'KEY1'  OR keyword = 'KEY2' OR ...etc
     )
GROUP BY rec_id; 

但ISTR认为mysql并不能很好地处理子查询，尤其是在大表(1M+记录)上。也就是说，它弄脏了自己，然后窒息而死。

Answer 1

我猜你没忘了把索引放到表上吧？实际上(除非我没有遗漏什么)这里不需要子查询。

SELECT rec_id, count(keyword) as matches FROM index_tbl WHERE keyword = 'KEY1' ... GROUP BY rec_id;