如何求出相似的语句？类似GOOGLE的Did you mean?

[jxyuhua]

用过GOOGLE都知道，当你搜索输入的关键字不是很准确的时候，Google会提示你：
Did you mean ... ?

自动给你列出个相似的句子。

我就是想问一下，如何才能根据你输入的关键字，求出与它相似的另一个字符串呢？
假设我要的资料都在数据库中。

看了一下这方面的函数：similar_text，但没有得出结果。

求高人指点。

[zeroleonhart]

you should create a database to record searched keywords.

[碧海情天-赵亮]

当然首先是建立一个供检索的关键词与网页标题库。
当你输入一个关键词时，把该关键词拿去库里作模糊查询，like *你的关键词* ，这样子
然后判断该查询返回的结果条数，如果少于一个标准值，则说明对该关键词进行拆词（至于拆词，是另外一个专门的问题了），再把拆词后的部分拿去查询。比如“中国人民”，假设它真的查不到或结果很秒，则拆成“中国”、“人民”两部分，先“中国”AND “人民”，再少的话，再查“中国”OR “人民”…………

[yunfeifan]

楼上的这样不行把，google 应该有自己的词库，例如

输入saarch

会提示你是不是再找 search

只要输入的词在词库有，那就提出来就可以了

[ImN1]

我得想法是这样的：

首先有一个该语言的词库系统
然后针对该语言的特点（特别是与输入法相关的特点）进行词之间的匹配
匹配技术是关键，这个对各民族语言都有所区别
例如中文需要对“拼音”“象形”匹配
英文需要对近似拼写匹配

当然，因为google硬件很强大，完全可以用手工制作匹配表的方法而免去匹配技术的研究
金山词霸（iciba.com）也有类似功能，它具体怎么做不太清楚

[lantersen]

UP

[asd119cn]

中文的分词技术，好像也是中文搜索的难点吧。看过一些介绍东西。好像只有一些研究的，真正拿出来应用的并不是很多了。

[an9ryfr09]

应该是像唠叨老大说的那样，而不是事先去建立一个词库与你所搜索的内容来匹配。
英文还好办一些，中文的匹配可能会相当复杂。百度在中文匹配上还是有点研究的。

[BlueDestiny]

建词表，根据匹配相关度来提示。

[ryl]

up

[it_zl]

词库词库呀..需要词库来支持.

[xuzuning]

反了！
不是“如何才能根据你输入的关键字，求出与它相似的另一个字符串呢？”
而是“如何才能求出与你输入的关键字相似的已知关键字呢？”

当问题变成后者的时候，你就可以用similar_text函数了
int similar_text ( string first, string second [, float &percent] )
返回first在second存在的字符个数，percent为表示相似度的值
echo similar_text ('程序', '程式', $percent);//2
echo $percent;//50

对于中文，可能用汉语拼音要更好些

[testoktest]

mark

[liminlovemama]

I feel dizzy!!

[jxyuhua]

现在我是这样来处理的：
将用户的搜索记录关键字以及搜索到的结果数到数据库中。
当用户下次搜索没有返回结果时，则去寻找以前的搜索记录，从中找出相似的关键字来。

例如：
<?php
...
$sql = "SELECT keywords FROM searchlog WHERE ...";
...
while ($row = mysql_fetch_array($query, MYSQL_ASSOC)) {
similar_text($sourceStr, $descStr, $similarity);
if (intval($similarity) > 90){
//如果相似度超过90%，则认为它是相似的关键字，退出循环。
$similarKeywords = $row['keywords'];
continue;
}
}
...
if (! empty($similarKeywords)) {
echo 'Did you mean:' . $similarKeywords;
}
...
?>

不知道大家认为这样怎样？如果保存的记录太多，会不会很影响效率？

[jxyuhua]

if (intval($similarity) > 90){
//如果相似度超过90%，则认为它是相似的关键字，退出循环。
$similarKeywords = $row['keywords'];
continue;
}

应该是
if (intval($similarity) > 90){
//如果相似度超过90%，则认为它是相似的关键字，退出循环。
$similarKeywords = $row['keywords'];
break;
}

[xuzuning]

这是可以的！
不过这好象与你的初衷有违吧？
既然是 “自动给你列出个相似的句子”那么就不应该是退出循环，而是保存起来
当循环结束后依次开列出来供用户选择

[wuyg719]

to 楼主：

你还有频率和更新时间等武器，用户经常范的错误，优先级不断提高，很少范的错误，
优先级不断降低，当降低到一定级别，则删除这个纪录。

[八哥]

汉语分词=人工智能