今天早些时候，当我向我展示Stackoverflow中令人惊讶的功能时，我打算问一个问题。当我写我的问题标题时，stackoverflow向我提出了几个相关的问题，我发现已经有两个类似的问题。太神奇了！

然后，我开始思考如何实现这种功能。我如何根据相关性排序问题：

• 词数较多的问题与新问题匹配
• 如果匹配数相同，则考虑单词顺序
• 标题中出现的单词具有较高的相关性

那将是一个简单的工作流程还是一个复杂的评分算法？
某些是为了增加召回率，也许吗？
是否有一些实现该功能的库？
我们还会考虑其他哪些方面？
也许杰夫可以回答自己！我们是如何在Stackoverflow中实现此功能的？ :)

解决方案

回答

StackOverflow在某个时候不是开源的吗？如果是这样，我们总是可以找到他们是如何做到的。

更新：看来他们说他们可能会开源。我希望他们能做到。

回答

一种实现这种算法的方式将涉及按照启发式功能对问题进行排名，该功能使用以下步骤分配"相关性"权重因子：

• 对"新"问题应用噪声过滤器，以删除在众多对象(例如" the"，" and"，" or"等)中常见的单词。
• 获取"新"问题中包含的单词数量，这些单词与网站上已发布的一组问题中的单词匹配。 [一种]
• 获取"新"问题中的单词与可用单词之间的标签匹配数。 [B]
• 将基于[A]和[B]的"相关权重"计算为" x [A] + y [B]"，其中x和y是权重乘数(由于标记的相关性更高，请为[B]分配更高的权重乘数比简单的单词搜索)
• 获得"相关权重"最高的前5个问题。

启发式方法可能需要进行调整以获得最佳结果，但是它应该可以工作。

回答

@marcio

抱歉，我不知道我在这里可以建议的任何直接API参考，并且我从未与Lucene合作。

但是，我知道Google桌面使用查询API来对相关搜索结果进行排名和建议。有关API的更多信息，请参见此处。

也许其他人可以发出声音并引导我们。

回答

问题似乎与此问题类似，它还有一些其他答案。