sql - MySQL 查找相关文章

Question

我正在尝试选择最多 10 篇相关文章，其中相关文章是指与另一篇文章具有 3 个或更多相同关键字的文章。

我的表结构如下:

articles[id, title, content, time]
tags[id, tag]
articles_tags[article_id, tag_id]

我可以在一个查询中选择所有相关文章的 id 和标题吗？

非常感谢任何帮助。

Answer 1

假设title也是唯一的

SELECT fA.ID, fA.Title
from
   Articles bA,
   articles_tags bAT,
   articles_tags fAT,
   Articles fA
where 
   bA.title = 'some name'   AND
   bA.id = bAT.Article_Id   AND
   bAT.Tag_ID = fAT.Tag_ID    AND
   fAT.Article_ID = fA.ID  AND
   fA.title != 'some name'
GROUP BY 
    fA.ID, fA.Title
HAVING
   count(*) >= 3

在哪里排除“种子”文章

因为我不在乎我到底匹配了哪些标签，只关心我匹配了 3 个标签，所以我只需要 tag_id 并完全避免连接到标签表。所以现在我将多对多表连接到自身以查找有重叠的文章。

问题在于文章将 100% 匹配自身，因此我们需要从结果中消除它。

您可以通过 3 种方式排除该记录。您可以在加入之前从表中筛选它，可以让它从联接中删除，或者您可以在完成时筛选它。

如果您在开始连接之前将其删除，您将不会获得太多优势。您有数千或数百万篇文章，而您只消除了 1 篇。我还相信，根据 article_tag 映射表的最佳索引，这不会有用。

如果您将其作为连接的一部分执行，则不等式将阻止该子句成为索引扫描的一部分，并在索引扫描后作为过滤器应用。

将 article_tags 上的索引视为 (Tag_ID, Article_ID)。如果我在 tag_id = tag_id 上将索引连接到自身，那么我将立即定义要处理的索引切片，方法是将索引遍历到我的“种子”文章具有的每个 tag_id。如果我加上子句article_id != article_id，那就不能用索引来定义要处理的切片了。这意味着它将作为过滤器应用。例如假设我的第一个标签是“蓝色”。我遍历索引以获取所有具有“蓝色”的文章。 (当然是通过 ID)。假设有 50 行。我们知道 1 是我的种子文章，49 是匹配项。如果不包括不等式，我会包括所有 50 条记录并继续。如果我确实包含不等式，那么我必须检查 50 条记录中的每条记录，看看哪个是我的种子，哪个不是。下一个标签是“Jupiter”，它匹配了 20,000 篇文章。我必须再次检查该索引切片中的每一行以排除我的种子文章。在我完成 2、5、20 次之后(取决于那篇种子文章的标签)，我现在有了一组完全干净的文章来进行 COUNT(*) 和 HAVING。如果我不将不平等作为我加入的一部分，而是只是在分组依据之后过滤掉 SEED ID，那么我只在一个非常短的列表中执行该文件管理器一次。