MySQL查找相关文章

我尝试选择最多10篇相关文章，其中一篇相关文章是一篇与另一篇文章具有3个或更多相同关键字的文章

我的表格结构如下：

articles[id, title, content, time]
tags[id, tag]
articles_tags[article_id, tag_id]

我可以在一次查询中选择相关文章id和标题吗

---

非常感谢您的帮助。

如果您可以编写一个查询来获取具有匹配项的记录的ID，那么您当然可以使用相同的查询返回标题。如果您真正的问题是“如何编写查询以返回匹配项？”，那么请这样说，我将编辑此答案，并提供这些内容的更多详细信息。

如果您可以编写查询以获取具有匹配项的记录的ID，那么您当然可以使用相同的查询返回标题。如果您真正的问题是“如何编写查询以返回匹配项？”，那么请这样说，我将编辑此答案，并提供这些内容的更多详细信息。

@已更新以排除搜索的文章本身

类似这样的东西

select *
from articles
inner join (
 select at2.article_id, COUNT(*) cnt
 from articles a
 inner join articles_tags at on at.article_id = a.id
 # find all matching tags to get the article ids
 inner join articles_tags at2 on at2.tag_id = at.tag_id
     and at2.article_id != at.article_id
 where a.id = 1234  # the base article to find matches for
 group by at2.article_id
 having count(*) >= 3  # at least 3 matching keywords
) matches on matches.article_id = articles.id
order by matches.cnt desc
limit 10;  # up to 10 matches required

---

@已更新以排除搜索的文章本身

类似这样的东西

select *
from articles
inner join (
 select at2.article_id, COUNT(*) cnt
 from articles a
 inner join articles_tags at on at.article_id = a.id
 # find all matching tags to get the article ids
 inner join articles_tags at2 on at2.tag_id = at.tag_id
     and at2.article_id != at.article_id
 where a.id = 1234  # the base article to find matches for
 group by at2.article_id
 having count(*) >= 3  # at least 3 matching keywords
) matches on matches.article_id = articles.id
order by matches.cnt desc
limit 10;  # up to 10 matches required

---

假设标题也是唯一的

SELECT fA.ID, fA.Title
from
   Articles bA,
   articles_tags bAT,
   articles_tags fAT,
   Articles fA
where 
   bA.title = 'some name'   AND
   bA.id = bAT.Article_Id   AND
   bAT.Tag_ID = fAT.Tag_ID    AND
   fAT.Article_ID = fA.ID  AND
   fA.title != 'some name'
GROUP BY 
    fA.ID, fA.Title
HAVING
   count(*) >= 3

在哪里排除“种子”文章 因为我不在乎我到底匹配了哪些标签，我只需要匹配3个标签，我只需要tag_id，并完全避免连接到tags表。所以现在我将多对多表连接到它自己，以查找有重叠的文章

问题是文章本身会100%匹配，所以我们需要从结果中消除这一点

您可以通过3种方式排除该记录。您可以在加入前将其从表中筛选到，也可以将其从加入中删除，或者在完成后对其进行筛选

如果在开始加入之前将其消除，则不会获得多少优势。你有数千或数百万篇文章，而你只删除了1篇。我还认为，基于article_标记映射表的最佳索引，这将不会有用

如果将其作为联接的一部分，则不等式将阻止该子句成为索引扫描的一部分，并在索引扫描后作为筛选器应用

---

将article_标记上的索引视为Tag_ID，article_ID。如果我在Tag_ID=Tag_ID上将索引加入到自身，那么我将通过将索引遍历到我的“种子”文章所具有的每个Tag_ID，立即定义要处理的索引切片。如果我添加子句article_id！=无法使用索引定义要处理的切片的项目id。这意味着它将作为过滤器应用。e、 说我的第一个标签是蓝色的。我遍历索引以获得所有带有蓝色的文章。当然是凭身份证。假设有50排。我们知道1是我的种子文章，49是匹配的。如果我不包括不平等性，我将包括所有50条记录，然后继续。如果我确实包含了不平等性，那么我必须检查50条记录中的每一条，看看哪些是我的种子，哪些不是。下一个标签是Jupiter，它匹配20000篇文章。我必须再次检查索引切片中的每一行，以排除我的种子文章。在我看了2,5,20遍种子文章的标签之后，我现在有了一套完全干净的文章来进行计数*并继续。如果我没有将不平等性作为我的联接的一部分，而只是在group by之后过滤出种子ID，然后在一个非常短的列表中只执行一次文件管理器。

假设标题也是唯一的

SELECT fA.ID, fA.Title
from
   Articles bA,
   articles_tags bAT,
   articles_tags fAT,
   Articles fA
where 
   bA.title = 'some name'   AND
   bA.id = bAT.Article_Id   AND
   bAT.Tag_ID = fAT.Tag_ID    AND
   fAT.Article_ID = fA.ID  AND
   fA.title != 'some name'
GROUP BY 
    fA.ID, fA.Title
HAVING
   count(*) >= 3

在哪里排除“种子”文章 因为我不在乎我到底匹配了哪些标签，我只需要匹配3个标签，我只需要tag_id，并完全避免连接到tags表。所以现在我将多对多表连接到它自己，以查找有重叠的文章

问题是文章本身会100%匹配，所以我们需要从结果中消除这一点

您可以通过3种方式排除该记录。您可以在加入前将其从表中筛选到，也可以将其从加入中删除，或者在完成后对其进行筛选

如果在开始加入之前将其消除，则不会获得多少优势。你有数千或数百万篇文章，而你只删除了1篇。我还认为，基于article_标记映射表的最佳索引，这将不会有用

如果将其作为联接的一部分，则不等式将阻止该子句成为索引扫描的一部分，并在索引扫描后作为筛选器应用

将article_标记上的索引视为Tag_ID，article_ID。如果我在Tag_ID=Tag_ID上将索引加入到自身，那么我将通过将索引遍历到我的“种子”文章所具有的每个Tag_ID，立即定义要处理的索引切片。如果我添加子句article_id！=无法使用索引定义要处理的切片的项目id。这意味着它将作为过滤器应用。e、 说我的第一个标签是蓝色的。我遍历索引以获得所有带有蓝色的文章。当然是凭身份证。假设有50排。我们知道1是我的种子文章

---

49是比赛。如果我不包括不平等性，我将包括所有50条记录，然后继续。如果我确实包含了不平等性，那么我必须检查50条记录中的每一条，看看哪些是我的种子，哪些不是。下一个标签是Jupiter，它匹配20000篇文章。我必须再次检查索引切片中的每一行，以排除我的种子文章。在我看了2,5,20遍种子文章的标签之后，我现在有了一套完全干净的文章来进行计数*并继续。如果我没有将不平等性作为我的联接的一部分，而只是在group by之后过滤出种子ID，然后在很短的列表中只执行一次文件管理器操作。

通过以下方法解决了问题：选择文章。*，B.article\u ID，将*计数为文章的cnt\u标记A加入文章\u标记B使用标记\u id左加入文章B.article\u id=articles.id，其中A.article\u id=1和B.article\u id=1按B.article_id顺序按cnt DESC限制0，30我不认为您的查询中只包含至少3个常用标记的组。。。在某个地方，你需要一个count*>=3是的，我会使用HAVING子句，假设mySql有HAVING，我的背景主要是MS SQL。解决问题的方法是：选择文章。*，B.article\u id，将*计数为文章的cnt\u标记A加入文章\u标记B使用标记\u id左加入文章B.article\u id=articles.id，其中A.article\u id=1和B.article\u id=1按B.article_id顺序按cnt DESC限制0，30我不认为您的查询中只包含至少3个常用标记的组。。。某个地方你需要一个count*>=3是的，我会使用HAVING子句，假设mySql有HAVING，我的背景主要是MS SQL。你是从一篇已知的文章开始，还是只想返回任何10篇与上述内容相关的文章？你是从一篇已知的文章开始，或者你只想退回与上述内容相关的10篇文章吗？是的，这就是我要写的内容问得好+1是的，我本来会写的就是这样问得好+1同意@Stephanie。问得好，@Cyberkiwi！使用此选项，我将如何排除我们正在查找匹配项的文章？编辑添加：和at2.article\u id=1我已更新我的查询，将搜索的文章从匹配项中排除@猕猴桃，我认为如果你把它作为加入的一部分，它会比在一个地方更昂贵。在我编辑的答案中解释。同意@Stephanie。问得好，@Cyberkiwi！使用此选项，我将如何排除我们正在查找匹配项的文章？编辑添加：和at2.article\u id=1我已更新我的查询，将搜索的文章从匹配项中排除@猕猴桃，我认为如果你把它作为加入的一部分，它会比在一个地方更昂贵。在我编辑的答案中解释。