0
当前我正在研究数据挖掘，文本比较，并发现了这一个：https://en.wikipedia.org/wiki/Cosine_similarity。大数据集上的余弦相似
由于我已经成功实现了这个算法来比较两个字符串，我决定尝试一些更复杂的任务来实现。 我重复了我的数据库，其中包含大约250k文档，并将DB中的一个随机文档与该数据库中的整个文档进行比较。
比较所有这些项目的时间：316.35898590088秒，即 - > 5分钟比较所有250k文件！
由于这个结果出现了许多问题，我不想问一些建议。为了清楚起见，我将首先描述一些可能有用的细节。
- 由于编程语言选择PHP。
- 文档存储在MySQL中。
- 余弦相似度函数的实现只包含这个函数，没有停止词和任何其他花哨的东西。
问题
- 有什么办法来实现一些更好的性能？我应该从哪里开始，通过调整算法（即预先准备向量等），通过使用其他技术等？
- 如何以及在哪里我应该存储这些比较结果。例如，我想打印一些图表，我可以通过相似性分数查看所有这些250k文档，以便我可以识别哪些图形最相似，等等。