什麼是相關內容查詢的基本算法？

Question

假設我有一個DB的問題，比如SO！當用戶提出問題時，我想在側欄上提供相關問題。

這是否有一個標準化的技術？用空格分隔問題，搜索每個單詞等...？

不確定從哪裏開始。

Answer 1

這被稱爲更多類似這樣的功能。像Lucene這樣的庫支持這個功能。 Read here瞭解更多詳情。

1. How MoreLikeThis Works in Lucene
2. Using Lucene and MoreLikeThis to show Related Content

Answer 2

最可能的是，你需要設計存儲關鍵字和搜索基於問題的標題相關項目的表。因此，一旦輸入了問題，每個關鍵字的計數器就會定義該問題與其他存儲問題的相關性，並且可以通過排名將最高命中次數顯示爲最低。這就是我的想法。希望我的想法有所幫助，盡我所能，所以可能不是最好的答案，但幫助它做出貢獻。 :)

Answer 3

一個天真的方法是查詢問題中的字符串爲常見的單詞。

例如大多數的此頁面上的相關問題做有字「查詢」或「算法」在他們的頭銜，儘管他們似乎談論SQL，學習開發等不同領域。

所以基本上你可以採取一個問題，分裂的問題串，消除停用詞，然後嘗試匹配其他問題標題儘可能多字越好。

一旦你有一組問題，在這裏已經在標題匹配單詞，由匹配或其它度量的數量訂貨它們（SO例如upvotes，答案或觀看次數）。

Answer 4

我會處理這個問題是這樣的。首先，刪除所有膠水的話：「對，一個，一個，但是，如果傾斜，就可以了，所以，不是」等（可能是一個巨大的名單）...

我應該在這一點留待應主要是名詞和動詞。

集羣您的文章的東西，如K-均值聚類，對那些話。最後，針對您的羣集訓練貝葉斯分類器，當您獲得新帖子時，將其歸類爲您的羣集之一...最後，返回來自該羣集的其他問題....