PHP搜索功能中荷兰/德语复合词匹配问题求解

一、基于构词规则的精准匹配逻辑 #

针对荷兰语复合词的词根拼接特性，结合短词误匹配问题，设计分层匹配规则：

• 长搜索词（长度>2）：直接匹配子串，但优先加权复合词的词根典型位置（如食材类复合词多以食材词根结尾，比如zilvervliesrijst的rijst），同时排除完全独立的短词包含情况（依赖高频词根表）。
• 短搜索词（长度≤2，如ei、ui）：
  1. 优先匹配完整单词（如ei直接匹配ei，而非子串）；
  2. 若匹配子串，需满足任一条件：
     • 子串位于目标字符串的开头/结尾（如ei匹配eiwit开头，ui匹配uiroerbiet开头）；
     • 子串前的字符是荷兰语复合词常见的连接元音/辅音（如-e-、-s-，比如eiersaus中ei后接s属于复合词连接特征）；
     • 排除本身是独立词根的词（如prei包含ei，但prei是独立食材，直接跳过匹配）。

二、轻量级词根-复合词映射表（自动构建） #

无需手动拆分复合词，从现有数据中自动构建关联映射：

1. 初始化核心词根库：从已整理的食材表中提取所有单字食材（如rijst、ei、ui）作为核心词根；
2. 自动关联复合词：遍历所有文本字段（标题、菜系、厨具等），提取包含核心词根的长词，同时过滤掉本身属于独立词根的词（如prei需提前加入排除列表）；
3. 存储映射关系：将核心词根与关联的复合词存入映射表（如rijst → zilvervliesrijst、pandanrijst），后续新增食谱时，用正则匹配核心词根，自动更新映射表。

搜索流程：

• 用户输入搜索词，先匹配核心词根库，若命中词根，再检索所有关联的复合词；
• 若输入的是复合词，反向匹配到核心词根，同时保留原词的完全匹配。

三、SQL层面的自定义匹配函数（覆盖多字段） #

针对标题、菜系等未手动处理的字段，在SQL中实现自定义函数MATCH_COMPOUND嵌入上述规则：

CREATE FUNCTION MATCH_COMPOUND(search_term VARCHAR(255), target_str VARCHAR(255))
RETURNS BOOLEAN
DETERMINISTIC
BEGIN
    DECLARE term_len INT;
    SET term_len = LENGTH(search_term);
    
    -- 完全匹配优先
    IF target_str LIKE CONCAT('% ', search_term, ' %') OR target_str = search_term THEN
        RETURN TRUE;
    END IF;
    
    -- 长词匹配逻辑
    IF term_len > 2 THEN
        IF target_str LIKE CONCAT('%', search_term, '%') THEN
            -- 排除独立词根的包含
            RETURN NOT EXISTS (SELECT 1 FROM root_words WHERE word = target_str);
        END IF;
        RETURN FALSE;
    END IF;
    
    -- 短词匹配逻辑
    IF term_len <= 2 THEN
        -- 匹配开头/结尾
        IF target_str LIKE CONCAT(search_term, '%') OR target_str LIKE CONCAT('%', search_term) THEN
            RETURN TRUE;
        END IF;
        -- 匹配连接特征后的子串
        IF target_str LIKE CONCAT('%e', search_term, '%') OR target_str LIKE CONCAT('%s', search_term, '%') THEN
            RETURN TRUE;
        END IF;
        -- 排除独立词根的包含后再匹配子串
        RETURN NOT EXISTS (SELECT 1 FROM root_words WHERE word = target_str) AND target_str LIKE CONCAT('%', search_term, '%');
    END IF;
    
    RETURN FALSE;
END;

查询调用示例：

SELECT * FROM recipes WHERE MATCH_COMPOUND('ei', title) OR MATCH_COMPOUND('ei', cuisine);

四、高频独立词根过滤 #

维护一个高频独立词根列表（如prei、spruitjes），这些词虽包含短搜索词，但本身是完整语义的独立词，搜索时直接排除这类匹配。该列表可从现有食谱数据中自动提取（筛选出现频率高、且不包含其他核心词根的词）。

内容的提问来源于stack exchange，提问作者Pepijn Ekelmans