相关标签算法

Question

我需要找到一种方法来获取相关的视频，主要是寻找相关的标签。

首先让我们看看我的标签存储在数据库中的方法：

请注意，这不是MySQL数据库，我使用的是Cassandra。

因此，您可以看到每个标签都包含具有该标签的帖子ID列表。用SQL语言读取post ID很容易，我会说：

SELECT * from tags WHERE id = "cars" AND id = "movies"。

那么这个部分很容易，现在我有吨相关标签的帖子，对吧？

但是这里出现了我无法克服的问题。由于一个帖子可以具有比另一个更多的相关标签，所以它比其他帖子更重要。当然，我可以一起攻击一些东西，看看哪个帖子有更多相关标签，但是其他更严重的问题来了。

假设我们有20个标签，所以我们寻找20行，而这20行共包含大约1亿个ID，运行低谷1亿个ID，并且将它们相互比较将需要很多资源和时间。所以我在问这种情况如何改善？

Answer 1

像大多数人都在说在评论..

你可能要考虑改变您在数据库管理代码的方式。我假设你有一个'职位'表;也许你应该为该表添加一个“标签”列，而不是为标签提供一个单独的表。

除了具有相关变量非常快接..

如果空间不是一个真正的问题，你可以做一个全文索引（或者更确切地说，卡桑德拉当量）每一个职位的“标签”列，甚至能够在短时间内访问相关帖子。当然，您仍然必须对搜索相关帖子设置限制，但这只是使用LIMIT的问题。