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Php 倒排索引数据的Mysql查询,php,mysql,sql,inverted-index,Php,Mysql,Sql,Inverted Index,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
- 文档ID(主键,FK)
- 网址
- 字符数
- 字数
- wordid(PK,FK)
- 话
- 医生频率
- 反向文件频率
- wordid
- docid
- 单词频率
- 重量
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。