相关标记算法

Question

我需要找到一个方法来获取相关的视频，主要是寻找相关的标签。

首先，让我们看看我的标记存储在数据库中的方式：

​

​

请注意，这不是MySQL数据库，我正在使用Cassandra。

因此，如您所见，每个标记都包含一个带有该标记的post ids列表。这样获取post I将很容易，在SQL语言中我要说：

SELECT * from tags WHERE id = "cars" AND id = "movies"。

好吧，这个部分很简单，现在我有很多贴着相关标签的帖子，对吧？

但现在出现了一个我无法克服的问题。因为一个帖子比另一个帖子有更多的相关标签，所以它比其他帖子重要得多。当然，我可以黑一些东西，看看哪个帖子有更多的相关标签，但另一个更严重的问题来了。

假设我们有20个标签，所以我们查找20行，这20行总共包含大约1亿个ids，运行一亿个ids并将它们进行比较将需要很多资源和时间。所以我是在问如何才能改善这种情况？

Answer 1

就像大多数人在评论中说的那样。

您可能需要考虑更改数据库中标记的管理方式。我假设您有一个‘post’表；也许您应该在该表中添加一个‘tag’列，而不是为标记设置一个单独的表。

除了对相关标签有非常快速的访问之外..。

如果空间不是真正的问题，您可以对每个帖子的“标记”列进行全文索引(或者更确切地说，相当于Cassandra )，甚至可以在短时间内访问相关的帖子。当然，你仍然需要限制你的搜索相关的帖子，但这只是一个使用限制的问题。