通过计数MongoDB中的两个列表的交集排序

Question

我们有一个发布分析需求，也就是说，对于某个特定的帖子，我们需要返回一个主要与它相关的帖子列表，逻辑是比较帖子中的常见标签。例如：

postA = {"author":"abc", 
     "title":"blah blah", 
     "tags":["japan","japanese style","england"], 
    } 

也有可能是其他职位与像标签：

postB:["japan", "england"] 
postC:["japan"] 
postD:["joke"] 

所以基本上，postB得到2个字，postC组相比在波斯塔标签时，得到1个计数。 postD得到0并且不会被包含在结果中。

我现在的理解是使用map/reduce来产生结果，我理解map/reduce的基本用法，但是我找不出解决方案来实现这个特定目的。

任何帮助？还是有更好的方法，像自定义排序功能来解决它​​？我目前正在使用pymongodb，因为我是python开发人员。

Answer 1

你应该创建标签索引：

db.posts.ensure_index([('tags', 1)]) 

并搜索与波斯塔共享至少一个标签的帖子：

posts = list(db.posts.find({_id: {$ne: postA['_id']}, 'tags': {'$in': postA['tags']}})) 

最后，排序交集在Python：

key = lambda post: len(tag for tag in post['tags'] if tag in postA['tags']) 
posts.sort(key=key, reverse=True) 

请注意，如果postA与至少一个标签共享大量其他帖子，则不会执行好吧，因为你会从Mongo发送如此多的数据给你的应用程序。不幸的是，没有办法根据Mongo本身的交集的大小来排序和限制。