Cómo implementar un "relacionados con la" medida en grados algoritmo?

Question

Yo iba a hacer una Pregunta hoy cuando me he presentado a un sorprendente funcionalidad en Stackoverflow.Cuando escribí mi pregunta de stackoverflow me sugirió varias preguntas y me enteré de que ya hay dos preguntas similares.Eso fue impresionante!

Entonces empecé a pensar cómo iba a implementar dicha función.Cómo iba a las preguntas de orden por la relación:

1. La pregunta que tengan mayor número de palabras encaja con la nueva pregunta
2. Si el número de partidos son los mismo, el orden de las palabras es considerado
3. Palabras que aparece en el título mayor relevancia

Que sería de un flujo de trabajo simple o compleja puntuación algortithm?Algunos derivados para aumentar el recuerdo, tal vez?Hay algunos de la biblioteca de la implementación de esta función?¿Qué otros aspectos considera usted?Tal vez Jeff podría respuesta a sí mismo!¿Cómo se implementa esto en Stackoverflow?:)

Answer 1

Una manera de implementar un algoritmo de involucrar a la clasificación de las preguntas como por una heurística función que asigna un "relevancia" factor de peso mediante los pasos siguientes:

1. Aplicar un filtro de ruido para la "Nueva" cuestión para eliminar las palabras que son comunes a través de un gran número de objetos, tales como:'la', 'y', 'o', etc.
2. Obtener el número de palabras contenidas en la "Nueva" cuestión que coincide con las palabras del conjunto de preguntas que ya han publicado en el sitio web.[A]
3. Obtener el número de etiqueta de coincidencias entre las palabras en la "Nueva" cuestión y el disponible.[B]
4. Calcular la relevancia de peso', basado en [A] y [B] como 'x [] + y[B], donde x e y son el peso de los multiplicadores (Asignar un peso mayor multiplicador a [B] como el etiquetado es más relevante que la simple búsqueda de la palabra)
5. Obtener el top 5 de las preguntas que tienen la mayor relevancia de peso".

La heurística puede requerir ajustes para obtener resultados óptimos, pero debería funcionar.

Answer 2

Tu pregunta parece similar a este, que tiene algunas preguntas adicionales.

Answer 3

@marcio

Lo siento, no soy consciente de ningún daño directo de referencia de la API de que yo pudiera sugerir aquí y nunca he trabajado con Lucene.

Sin embargo, soy consciente de que Google Desktop usa una API de Consulta para clasificar y sugieren los resultados de búsqueda relevantes.Más información sobre la API se puede encontrar aquí.

Tal vez otros puedan meter su cuchara y guía.

Answer 4

No es StackOverflow va a ser de código abierto en algún momento?Si es así, siempre puedes averiguar cómo lo hicieron allí.

Actualización:Parece que ellos dicen podría open source es.Espero que lo hagan.