Формулировка проблемы: на данный момент сортировка результатов поиска по документам осуществляется по дате создания. Необходимо, чтобы результаты поиска были отсортированы по релевантности, причём учитывалась релевантность частичных совпадений — чем меньше найденное слово отличается от искомого, тем выше релевантность этого результата (см. пример по ссылке).

Решение: так как алгоритм поиска по документам на данный момент нигде не описан, сделаем это здесь. Список атрибутов (метаданных) документа, по которым ведётся поиск (поисковых атрибутов):

Кроме этих полей, поиск ведётся также по полям дополнительных карточек старого (XForms) и нового типов.

Замечание: в связи с переделкой механизмов указания дополнительной карточки документа, а также реализованной возможностью указания нескольких оснований для документа возможность поиска по полям дополнительных карточек типа XForms необходимо проверить особо.

Поиск запускается путём ввода в поле «Поиск информации...» поисковой строки и нажатия Enter. Поисковая строка разбивается на искомые слова по пробелам. Документ становится результатом поиска, если какое-либо из искомых слов (одно или несколько, отношение «ИЛИ») встречается среди его поисковых атрибутов, причём учитывается как полное, так и частичное совпадение слов. Частичное совпадение слов срабатывает, если искомое слово входит в найденное с начала (пример: для искомого слова «езд» совпадениями будут «езд», «ездить», «ездок», но не «съезд», «подъезд»). Поиск слов является регистронезависимым, т.е. слова «иван» и «Иван» считаются одинаковыми.

Результаты поиска сортируются согласно трём критериям релевантности, по убыванию (чем больше критерий релевантности, тем выше в списке соответствующий ему результат), в следующем порядке:

Примечание: если искомое слово имеет длину меньше, чем указано в параметре ft_min_word_length (значение по умолчанию --- 4), то MySQL не будет рассчитывать релевантность для такого поиска. Поэтому для искомых слов длиной менее значения ft_min_word_length R_m мы вычисляем самостоятельно:

R_m = ∑_ncount(x_n) , где

n --- количество найденных искомых слов;

count(x_n) --- количество точных совпадений слова х_n со словами из поисковых атрибутов найденного документа;

$$R_a = \sum_{m} \left ( \frac{\sum_{i=0}^{N-1}\left ( \frac{len(y_{m}^{i})}{len(y_{m}^{i}) - len(x_m) + 1} \right )}{N_m} \right )$$ , где

m --- общее количество искомых слов, найденных в результате (если найденное слово присутствует в поисковой строке несколько раз, все они входят в m);

x --- исходное слово, len(x) --- длина исходного слова;

y --- найденное слово (исходное слово входит в него как часть);

len(y) --- длина найденного слова;

N --- количество y, найденных по m-тому х, т.е. размер набора найденных по какому-либо искомому слову слов. Пример: исходное слово «лев», найдены «левый», «левее», «левак», N=3.

R_L = ∑_m(∑_N(len(y_m^N))) , т.е. сумме всех длин найденных слов для всех искомых.

Как видно из формул, оба критерия, R_a и R_L, имеют такую возможность, как усиление веса какого-либо искомого слова --- достаточно повторить слово несколько раз, и релевантность найденного документа с этим словом возрастёт пропорционально количеству его повторений.

Разберём ситуацию на примерах. Допустим, у нас есть набор документов с такими атрибутами:

Пусть поисковая строка будет слова. Отсортированные результаты поиска будут таковы:

Покажем, как рассчитывается R_a и R_L на примере документа с номером 7796123. В этом документе найдено одно искомое слово «слова», указано оно в поисковой строке один раз, поэтому m=1. Длина искомого слова для первого (и единственного) m len(x) = 5. Совпадений для него найдено N = 2. len(y⁰) = len(y¹) = 7. Следовательно,

$$R_a = \sum_{1} \left ( \frac{\sum_{i=0}^{N-1}\left ( \frac{len(y_{m}^{i})}{len(y_{m}^{i}) - len(x_{m}) + 1)} \right )}{N_m} \right ) = \frac{\sum_{i=0}^{2-1}\left ( \frac{len(y_{1}^{i})}{len(y_{1}^{i}) - 5 + 1} \right )}{2} = \frac{\frac{7}{7 - 4}+\frac{7}{7 - 4}}{2} = 2\frac{1}{3}$$

Как мы видим, такая же R_a получается для документа с номером 7796777, поэтому для обоих этих документов необходимо рассчитать R_L. Легко видеть, что в первом случае это 14 (len(словари)+len(словари)), а во втором --- 7 (всего одно слово «словари»).