¿Cómo diseñar una tabla MySql para una nube de etiquetas?

Generalmente, para este tipo de relación de muchos a muchos, hay tres tablas:

• El "article " tabla
  • clave principal =id
• La "tag " tabla
  • clave principal =id
  • contiene los datos de cada etiqueta :
    • nombre, por ejemplo
• Un "tags_articles " table, que actúa como una tabla de combinación y contiene solo :
  • id_article :clave externa que apunta a un artículo
  • id_tag :clave externa que apunta a una etiqueta

De esta manera, no hay duplicación de los datos de ninguna etiqueta:para cada etiqueta, hay una, y solo una, línea en la tag mesa.

Y, para cada artículo, puede tener varias etiquetas (es decir, varias líneas en el tags_articles mesa); y, por supuesto, para cada etiqueta, puede tener varios artículos.

Obtener una lista de etiquetas para un artículo, con esta idea, es cuestión de una consulta adicional, como:

select tag.*
from tag
    inner join tags_articles on tag.id = tags_articles.id_tag
where tags_articles.id_article = 123

Obtener los tres artículos "más similares" significaría:

• seleccione artículos que tengan etiquetas que tiene el primer artículo
• utilice solo aquellos que tengan la mayor cantidad de etiquetas idénticas

No probado, pero una idea podría ser algo como esto:

select article.id, count(*) as nb_identical_tags
from article
    inner join tags_articles on tags_articles.id_article = article.id
    inner join tag on tag.id = tags_articles.id_tag
where tag.name in ('php', 'mysql', 'erlang')
      and article.id <> 123
group by article.id
order by count(*) desc
limit 3

Básicamente, tú:

• seleccione los ID de artículos para cada etiqueta que está presente en su artículo inicial
  • como hay una combinación interna, si un artículo en la base de datos tiene 2 etiquetas que coinciden con el where cláusula, sin el group by cláusula, habría dos líneas para ese artículo
  • por supuesto, no desea volver a seleccionar el artículo que ya tenía, lo que significa que debe excluirse.
• pero, al usar group by article.id , solo habrá una línea por artículo
  • pero podrá usar count , para saber cuántas etiquetas tiene cada artículo en común con el inicial
• entonces, solo es cuestión de ordenar por número de etiquetas y obtener solo las tres terceras líneas.