matriz de búsqueda ruby ​​para palabras clave

Question

Estoy analizando un archivo CSV grande en un script de ruby ​​y necesito encontrar la coincidencia más cercana para un título de algunas claves de búsqueda. Las claves de búsqueda tal vez uno o más valores y los valores pueden no coincidir exactamente según abajo (debería estar cerca)

search_keys = ["big", "bear"] 

Una gran matriz que contiene los datos que tengo que buscar a través, sólo desea buscar en la columna de la title :

array = [ 
      ["id", "title",   "code", "description"], 
      ["1", "once upon a time", "3241", "a classic story"], 
      ["2", "a big bad wolf", "4235", "a little scary"], 
      ["3", "three big bears", "2626", "a heart warmer"] 
     ] 

En este caso me gustaría que vuelva la fila ["3", "three big bears", "2626", "a heart warmer"] ya que este es el valor más cercano a mis claves de búsqueda.

Quiero que devuelva la coincidencia más cercana de las claves de búsqueda dadas.

¿Hay ayudantes/bibliotecas/gemas que pueda usar? ¿Alguien hizo esto antes?

Answer 1

¡Creo que puede hacerlo solo y sin necesidad de utilizar gemas! Esto puede estar cerca de lo que necesita; buscando en el arreglo las claves y estableciendo un rango para cada elemento encontrado.

result = [] 
array.each do |ar| 
    rank = 0 
    search_keys.each do |key| 
     if ar[1].include?(key) 
      rank += 1 
     end 
    end 

    if rank > 0 
     result << [rank, ar] 
    end 
end 

Este código se puede escribir mejor que el anterior, pero quería mostrarle los detalles.

Answer 2

Me preocupa que esta tarea deba manejarse en cualquier motor de búsqueda a nivel db o similar, ningún punto de búsqueda de datos en la aplicación y hacer búsquedas entre columnas/filas, etc., debería ser costoso. pero por ahora aquí está el enfoque sencillo simple :)

array = [ 
      ["id", "title",   "code", "description"], 
      ["1", "once upon a time", "3241", "a classic story"], 
      ["2", "a big bad wolf", "4235", "a little scary"], 
      ["3", "three big bears", "2626", "a heart warmer"] 
     ] 


h = {} 

search_keys = ["big", "bear"] 

array[1..-1].each do |rec| 
    rec_id = rec[0].to_i 

    search_keys.each do |key| 
    if rec[1].include? key 
     h[rec_id] = h[rec_id] ? (h[rec_id]+1) : 1 
    end 
    end 
end 

closest = h.keys.first 

h.each do |rec, count| 
    closest = rec if h[closest] < h[rec] 
end 

array[closest] # => desired output :) 

Answer 3

Esto funciona. Buscará y devolverá una matriz de filas coincidentes * como result.

* filas coincidentes = una fila donde la identificación, el título, el código o la descripción coinciden con CUALQUIERA de las claves_seach provistas. incl búsquedas parciales como 'oso' en 'osos'

result = [] 
array.each do |a| 
    a.each do |i| 
     search_keys.each do |k| 
      result << a if i.include?(k) 
     end 
    end 
end 
result.uniq! 

Answer 4

probablemente Se puede escribir de una manera más sucinta ...

array = [ 
      ["id", "title",   "code", "description"], 
      ["1", "once upon a time", "3241", "a classic story"], 
      ["2", "a big bad wolf", "4235", "a little scary"], 
      ["3", "three big bears", "2626", "a heart warmer"] 
     ] 
search_keys = ["big", "bear"] 


def sift(records, target_field, search_keys) 
    # find target_field index 
    target_field_index = nil 
    records.first.each_with_index do |e, i| 
     if e == target_field 
      target_field_index = i 
      break 
     end 
    end 
    if target_field_index.nil? 
     raise "Target field was not found" 
    end 

    # sums up which records have a match and how many keys they match 
    # key => val = record => number of keys matched 
    counter = Hash.new(0) # each new hash key is init'd with value of 0 

    records.each do |record| # look at all our given records 
     search_keys.each do |key| # check each search key on the field 
      if record[target_field_index].include?(key) 
       counter[record] += 1 # found a key, init to 0 if required and increment count 
      end 
     end 
    end 

    # find the result with the most search key matches 
    top_result = counter.to_a.reduce do |top, record| 
     if record[1] > top[1] # [0] = record, [1] = key hit count 
      top = record # set to new top 
     end 
     top # continue with reduce 
    end.first # only care about the record (not the key hit count) 
end 


puts "Top result: #{sift array, 'title', search_keys}" 
# => Top result: ["3", "three big bears", "2626", "a heart warmer"] 

Answer 5

Aquí está mi una línea disparó

p array.find_all {|a|a.join.scan(/#{search_keys.join("|")}/).length==search_keys.length} 
=>[["3", "three big bears", "2626", "a heart warmer"]] 

para obtener todas las filas en orden de número de coincidencias

p array.drop(1).sort_by {|a|a.join.scan(/#{search_keys.join("|")}/).length}.reverse 

¿Alguien sabe cómo combinar la última solución para que las filas que no contienen ninguna de las claves se eliminen y mantenerla conciso como está?