mysql - 如何改善mysql NATURAL LANGUAGE MODE的搜索查询？

Question

这是我的查询

SELECT * FROM myTable WHERE MATCH (name) AGAINST ("Apple M1" IN NATURAL LANGUAGE MODE) 

如果我搜索Apple M1作为结果，则得到Orange M1，然后获得第三或更多位置，我得到Apple M-1 –这是我存储的值，我假设应该是第一个!

我的问题是:有没有一种方法可以微调mysql搜索？

Answer 1

他们改善MySQL自然语言模式搜索的最好方法是改用Boolean Full-Text Searches。它将与自然语言模式搜索相同，但是您可以使用其他修饰符来微调结果，例如通过

> <
这两个运算符用于更改单词对分配给行的相关性值的贡献。 >运算符增加贡献，而<运算符减小贡献。

有一个细微的差别，布尔模式搜索不会根据相关性自动排序，因此您必须自己进行排序。

SELECT * FROM myTable 
WHERE MATCH (name) AGAINST (">Apple M1" IN BOOLEAN MODE) 
ORDER BY MATCH (name) AGAINST (">Apple M1" IN BOOLEAN MODE) desc

并请注意:如果您与M-1匹配(即使最小字长设置为2)，则两个版本的全文本搜索都不会找到M1。它只会寻找exakt(通常不区分大小写)的单词匹配，不会寻找相似的单词(除非使用*)。它会通过某种算法“仅”权衡(精确)单词的组合，如果使用它们，还会修饰修饰符。
更新根据注释进行一些补充说明:
如果您与Apple M1匹配，它将返回以任意顺序包含(不区分大小写)Apple或M1的行，例如M1 apple，Apple M4，Apple M-1和Orange M1。找不到Apples M4或Orange M-1，因为它们不是那个单词。例如。 like '%M-1%'也找不到Apple M1。但是，如果愿意，您可以与Apple*匹配以找到Apple和Apples，但这始终位于单词的末尾，不可能使用*Apple*，则必须使用like '%Apple%'。
然后，根据评分算法对这些行进行排序，从本质上说，这些单词将对您的文本中不常见的单词进行评分，而对非常常见的单词进行评分。如果添加>Apple，它将为Apple赋予更高的值。这只是一个数字，您可以将其添加到您的选择中，例如select ..., MATCH (name) AGAINST (">Apple M1" IN BOOLEAN MODE) as score对此有所了解。
还有其他一些事情要考虑:

仅将具有最小长度的单词添加到索引中。该长度由用于innodb的innodb_ft_min_token_size或对于myisam的ft_min_word_len给出。所以您应该将其设置为2包括M1(否则，该单词对您的搜索不会有任何影响。由于在您的示例中，您发现Orange M1，因此我认为它设置正确)。

-通常被视为连字符。因此，您文本中的M-1将分为两个单词M和1(根据您的最小单词长度设置，可能会或可能不会包含，因此请将其设置为1)。您可以通过向字符集添加-来更改该行为(请参阅Fine-Tuning MySQL Full-Text Search，以Modify a character set file开头的部分)，但是如果您搜索blue-green和/或blue，则此方法将不再找到green。

全文搜索使用stopwords。这些词不包括在您的索引中。此列表包括a和i，因此即使最小字长为1，您也不会找到它们。您可以编辑该列表。

有关您可能会遇到的M1 / M-1问题的一些想法。要根据您的确切要求进行调整，您必须添加有关搜索和数据的更多信息(可能是另一个问题)，但有一些建议:

您可以通过将两个版本都包含在搜索查询中来替换包含-的用户输入:一次用-，但用""括起来，一次不使用。因此，如果用户输入Apple M-1，则将创建一个Apple M1 "M-1"的搜索(无论有没有经过修改的字符集都可以使用，但是没有新的字符集，您的最小字长必须为1)。如果用户输入M1，那么您应该检测到该位置并将其替换为M1 "M-1"。

另一种选择是使用干净的，无连字符的单词保存其他列，并将该列添加到全文索引中，然后添加到match (name, clean_name) against ("M1" ...中。

当然，您可以将喜欢和匹配相结合，例如如果您在输入中检测到产品编号，则可以使用where match(...) against(...) or product_id like 'M%1%'，where match(...) against(...) or product_id = 'M-1' or product_id = 'M1'甚至where match(...) against(...) or name like '%M%1%'之类的东西，但是后者可能会变慢得多并且包含很多噪音。而且它可能得分不正确，但是至少它将在结果集中。

但是正如我所说，那将取决于您的数据和您的要求。