w********o
发帖数: 1231 | 1 麻烦大家，请教大家一个算法.
比如，我有1000，000 篇短文 (database 里），或者更多，每篇短文 提取 大概 5
个keyword (这部分找到 open source
做了), 然后按照这 些 keyword 来比较这些短文。
keyword match 越多，两篇文章就认为相似，取 top 10 match 的文章。
现在需要 给这 1000,000 里的每一篇文章， 都找到 top 10 match。 然后 存回
database。
这个当然， 可以用比较 brutal 的方法去作， 但是估计速度太慢。
先谢了。 | x****k
发帖数: 3 | 2 可不可以用纯数据库的方法呢？建立一个keywords表，和一个文章与Keywords的关系表
，然后汇总查询？ | f*********g
发帖数: 632 | 3 随便哪个搜索引擎里都有算法和模块解决这个问题，如smart，或者lemur。现成的代码
而且是源码
你怎么跑数学版来问这个问题？这应该是计算机班的事情。
【在 w********o 的大作中提到】
: 麻烦大家，请教大家一个算法.
: 比如，我有1000，000 篇短文 (database 里），或者更多，每篇短文 提取 大概 5
: 个keyword (这部分找到 open source
: 做了), 然后按照这 些 keyword 来比较这些短文。
: keyword match 越多，两篇文章就认为相似，取 top 10 match 的文章。
: 现在需要 给这 1000,000 里的每一篇文章， 都找到 top 10 match。 然后 存回
: database。
: 这个当然， 可以用比较 brutal 的方法去作， 但是估计速度太慢。
: 先谢了。
|
|
