Php 倒排索引数据的Mysql查询

我在网站上有上千个页面，我将其解析并存储为反向索引，即

文档

• 文档ID（主键，FK）
• 网址
• 字符数
• 字数

Charactercount和wordcount帮助我从短文档中确定长文档，我以后可能会使用它们

word

• wordid（PK，FK）
• 话
• 医生频率
• 反向文件频率

对于逆文档频率计算，我使用虚构的高数字（100000000）来防止重新计算整个文档

loc

• wordid
• docid
• 单词频率
• 重量

（wordid和docid组合唯一）

权重是在简单的基础上计算的分数，如标题中的单词+url中的单词+单词频率等

我在为搜索词构建sql查询时遇到问题。对于3字搜索，我喜欢这样做

将查询分解为每个单词

检查每个字的反转频率，并删除低idf字（删除停止字）

将剩余的单词加上词干（假设仍有3个单词）

查询每个单词

正是在第四阶段，我被卡住了！我的SQL查询如下

选择d.docid、url、反向文档频率、word频率、文档d中的权重、word w、loc l，其中d.docid=l.docid和w.wordid=l.wordid以及（word='word1'或word='word2'或word='word3'）按权重顺序描述

---

但是返回的文档不正确。相信我可能需要搜索三次才能找到每个单词的文档，然后再尝试查找常用文档，但是如何搜索呢？是否可以只使用1个MySQL查询？是否可以使用以及如何使用？

您需要在文档级别进行聚合

select d.docid, d.url, sum(weight) as weight
from document d join
     loc l
     on d.docid = l.docid join
     word w
     on w.wordid = l.wordid
where w.word in ('word1', 'word2', 'word3')
group by d.docid
order by weight DESC;

---

“退回的文件不正确”是什么意思？有重复的文件。虽然最好显示所有3个单词的文档，但当前查询仅显示具有1个常用单词的文档。如果我将

或
更改为
和
，则显示零个文档-（感谢您的回答。为什么您要使用
sum
而不是
distinct d.docid
，因为以后可能也会给出一个结果？还可以使用包含所有3个单词的文档筛选结果吗？@jahajee.com…您几乎不需要
选择distinct
。您只需使用
分组依据
。在本cas中e、 对于
sum（）
，您需要
group by
。谢谢您，我重新计算了权重，现在它看起来很完美。相信sum是为每个单词添加所有权重计算所必需的（我以前不理解）。再次感谢。