多标签高效检索解决方案

屌丝论坛（assbbs.com）原创，转载请注明。

前言：遍历是多标签检索逻辑上不可缺少的环节，本方法并不是避免遍历，而是尽量缩小遍历的范围。

首先建立一个“标签ID/帖子ID”表，并建立索引：标签ID-帖子ID。

再建立一个“标签ID(双标签也可用)/使用次数”表，并建立索引：标签ID。

每个帖子发表时，根据由小到大建立双标签关联，并写入标签表。

举个例子，帖子123，里面有标签(ID)：日记(6)、遛狗(8)、洗浴(13)、吃饭(2)

那么需要写入索引表的有：

吃饭(2)、日记(6)、遛狗(8)、洗浴(13)、吃饭+日记(2+6)、吃饭+遛狗(2+8)、吃饭+洗浴(2+13)、日记+遛狗(6+8)、日记+洗浴(6+13)、遛狗+洗浴(8+13)

这样无论是搜索单标签还是双标签，都能通过索引瞬间找到所需结果。

那么问题来了，搜索3个以上标签时，表中没有指定的索引，该怎么办？按照传统方法，是把后面的标签按照第一个标签遍历，取出所有符合的结果进行交集计算。这样不仅效率低，而且占用的CPU、内存也无比大。

于是想出了一个解决方案，在上述标签表中搜索，可以大幅提升检索效率：

0. 举例为搜索包含“日记(6)”“吃饭(8)”“洗浴(13)”三个关键词的文章。

1. 搜索“标签ID/使用次数”表，确认每一个标签数量都大于0，否则中止。

2. 对三个关键词由小到大进行双词组合，拼出“日记+吃饭(6+8)”、“日记+洗浴(6+13)”、“吃饭+洗浴(8+13)”。

3. 拼出的双词组合搜索“标签ID/使用次数表”，确认每一个组合数量都大于0，否则中止。

4. 根据使用次数由低到高排序双词组合与单标签，由使用频次最低的开始进行遍历比对。

5. 如果发现没有匹配帖子则中止，如果找到匹配帖子则将结果与下一个组合/标签进行比对，直到确认所有双词组合中都有此文章ID，这即是匹配的文章。

搜索引擎也是类似的方法，只不过他们会统计热门关键词组合，如果特别热门的就直接给包含多个关键词的文章建立索引。如果不那么热门的就将遍历结果先存储在缓存里，等热度过去再删掉。