想出一個搜索算法來搜索文檔內

我正在一個項目中，我需要搜索與任何查詢相關的數據庫中存在的所有文檔（pdf /文檔等）。我早些時候使用了一個簡單的關係，我存儲了與文檔關聯的相關關鍵字，如果查詢包含這些關鍵字，那麼我就可以獲取這些文檔。但是這種方法並不可靠，因爲這些關鍵字可能會引起誤解。我需要在文檔中進行搜索，並且我正在尋找一種實用的搜索算法，該算法可以很好地擴展並且具有較少的時間複雜度。任何建議和資源是最受歡迎的。謝謝。想出一個搜索算法來搜索文檔內

來源

2017-04-07 Atul

你的問題太模糊了，但我知道Apache Lucene是一個很棒的搜索庫，你可以查看它並找到它正在使用的算法。 –

@ AbdenaceurLichiheb，先生你有什麼困惑，請不要使用庫，我想自己實現算法。 – Atul

是的，我知道，這就是爲什麼我說「找到它使用的算法」，它使用了很好的算法，但我認爲你需要有一些數據科學背景，因爲它們對每個人都不簡單。 –

嘗試Rabin-Karp（基於散列碼）搜索算法。由於您必須在許多文檔中搜索多個模式，它將獲得所有模式的哈希碼，並會一次查找所有模式。

來源

2017-04-07 13:17:29

如果您反覆搜索大量文檔，這會非常昂貴。當您搜索一百萬個文檔時，只需要輸入/輸出文件就會過多。對於大量文檔，您需要預處理數據以構建某種索引。 –

想出一個搜索算法來搜索文檔內

回答

相關問題