mysql - 寻找相似的群体；包括差异和分数(是。类似的食谱)

Question

我正在尝试找到确定一组项目(在此示例中；鳄梨酱食谱中的成分)与所有项目组(表中的食谱；链接到另一个成分表)的相似程度的最佳方法.

例如；我有以下鳄梨酱食谱:

3 个牛油果
1 个葡萄成熟的西红柿
1 个红洋葱
3 个墨西哥胡椒
1 海盐
1 个胡椒粉

我想在我所有食谱的表格中运行这个食谱，以确定是否有另一个与之相似的食谱(基于成分和数量)，按相似程度排序。此外，我希望它能够识别差异(无论是成分数量的差异；还是成分的不同)。

可能的输出是:

3 个牛油果
(- 1 个葡萄成熟的西红柿)
1 个红洋葱
3 个墨西哥胡椒
1 海盐
(- 1 个胡椒粉)
(+ 烟草)
89.5% 相同

这也可用于确定以下用例:“给定冰箱中的配料 list ；我可以做什么吃？”。

感谢您为我指明正确方向的任何帮助。

Answer 1

在我的脑海中，这里有一些我可以看到的问题，这些问题将通过字符串匹配出现:

• 3 Avocados 和 2 Avocados 都使用鳄梨，但字符串不匹配。
• 1 tbsp salt 和 15ml salt 指的是相同数量的盐，但字符串不匹配。

您可能想要保留一个配方成分表，该表还存储标准化数量(即，在将所有内容放入数据库之前，所有内容都将转换为特定单位)。我在这里假设您已经有一个用于recipes 的表和一个用于ingredients 的表，它们在这里都用作外键(使它成为连接表)

CREATE TABLE recipe_ingredients (
  recipe_id INT NOT NULL,
  ingredient_id INT NOT NULL,
  quantity DECIMAL NOT NULL,
  PRIMARY KEY (recipe_id, ingredient_id),
  FOREIGN KEY recipe_id REFERENCES recipes (id),
  FOREIGN KEY ingredient_id REFERENCES ingredient (id)
)

然后在确定匹配项时，您可以使用确定哪个食谱包含您要查找的成分最多(这会忽略数量):

SELECT ri.recipe_id, COUNT(ri.ingredient_id) AS num_common_ingredients
FROM ingredients AS i
RIGHT JOIN recipe_ingredients AS ri
  ON ri.ingredient_id = i.id
WHERE i.id IN (?) -- list of ingredient IDs being searched for
GROUP BY ri.recipe_id
ORDER BY COUNT(ri.ingredient_id) DESC

COUNT 最高的行具有最大的相似性(因为这意味着有最多的共同成分)。

要确定数量之间的相似性，一旦您的食谱与大多数成分相匹配，您就可以将给定的数量与 recipe_ingredients 中指定的数量进行比较。