Witam,
chciałbym stworzyć dość inteligentny algorytm który sprawdzał by czy w bazie danych nie znajduje się treść którą dodaje user bądź treść bardzo podobna.
Najprościej to zilustrować na przykładnie strony z kawałami. Są kawały na stronie gdy jest ich powiedzmy ponad 7 tyś trudno jest dla takiego administratora zapamiętać który kawał już jest a którego nie ma.
Wiec stworzyć takiego pająka który sprawdzał by bazę w poszukiwaniu takiego samego, lub podobnego kawału np napisanego troszkę inaczej.

Osobiście wymyśliłem coś takiego:

Podaje przykładowy kawał na którym zilustruję mój sposób:



wyciągamy z danego kawału ciąg 3 słów np "Nagle jedna z" (Ciąg przypadkowy, aby było bardziej optymalne dla kawałów typu Przychodzi baba do lekarza :-) )
i teraz jeżeli znajduje taki ciąg w bazie danych to bierze wycina kolejny losowy ciąg 3 wyrazów np "BO MAM SIODEŁKO"; i sprawdza w tych pasujących czy coś takiego już jest jeżeli okazuje się że jest kawału nie dodaje. w przeciwnym wypadku dodaje kawał do strony.

Teraz nasuwa się pytanie co będzie jak trafi tak że 2 ciągi będą takie same i niby kawały będą inne to skrypt ich nie przepuści.

Interesuje mnie wasze spojrzenie na problem, jak wy byście rozwiązali tą sytuację.
Z góry dziękuję za wszelkie rady.
Pozdrawiam mefjiu

Możesz to zrobić na takiej zasadzie, masz w bazie tabele pytania a w niej kolumne pytanie, odpowiedź i przykładowo będą tam rekordy:
pytanie: co u Ciebie słychać
odpowiedz: a nic ciekawego
I po pobraniu z bazy rekordów sprawdzasz w nich poprzez preg_match czy w pytaniu znajduje się dany ciąg lub jego część jeżeli tak to pobierze z bazy odpowiedź i wyświetli. To tylko mój tok rozumowania i w taki sposób bym to rozwiązał. Fakt faktem jest trochę zabawy z dodawaniem pytań i odpowiedzi ale efekt końcowy może być bardzo ciekawy. Na wykonanie tego jest bardzo dużo możliwości, trzeba tylko pomyśleć co i jak. mam bota napisanego na forum mybb który po dodaniu nowego tematu sprawdza treść porównuje z pytaniem w bazie i jak znajdzie dane ciągi to na niego odpowiada, odpowiedzią która jest w bazie.

Przeczytałem twój post 3 razy i nic kompletnie z niego nie rozumiem
po co te pytania poco te odpowiedzi ?

Skrypt wywoływany jest przy wpisywaniu nowego kawału do bazy danych...

No to tak

Dzieli dodawany tekst i zapisuje w zmiennej (dzieli go oriętując się spacjami)...

A wiedz "mama jedzie do taty pobawić się z nim" dzieli na
$a='mama' $b='jedzie' $c='do' $b=taty i tak dalej
Teraz wciąga 1 rekord z bazy i sprawdza czy wraz z zmiennej $a znajduje się w tym rekordzie
jeśli tak to zmienna $wszystkie wyrazy zwiększa się o +1 a zmienna $takiesame zwiększa się o +1
jeśli nie są takie same to $wszystkie wyrazy zwiększa się o +1 a zmienna $takiesame nie zwiększa się...

Potem sprawdza czy np $wszystkie podzielić na 2 jest większe niż $takiesame jeśli tak nie dodaje kawału...

Pozdrawiam ;p

Ps poprawiłem troche ;p

Pomysł kolegi ShadowD dośc ciekawy tylko jak to się ma na optymalność bo niby cały kawał zostaje zmieniony na zmienne w których jest po jednym wyrazie z kawału czyli sprawdzanie czegoś takiego w bazie np z 7 tys kawałami, nie bedzie długie ?

Ten algorytm nie będzie idealny ponieważ:
co jeżeli kawał będzie pisany np

Kawał w wbazie
"Przychodzi Baba do lekaża
(Dalsza treść kawału)"

Kawał dodany przez usera
"Pewnego pięknego dnia,
Przychodzi Baba do lekaża
(Dalsza treść kawału)"

I taki kawał zostanie dodany do bazy bo: ilość znaków jest większa na prawdopodobieństwo.

Po pierwsze masz racje moj sposób nie jest zbyt szybki...
Po drugie prawdopodobieństwo może być większe np ileośwszystkichwyrazów podzielić na trzy czy nawet 4 większe niż wrazypowtazajacesie więc to ne jest problemem...

Moim zdaniem skrypt nie trudno napisać, można zawsze pozaklejać wyrazy np po d $ab="$a"."$b";
czy też po 3 i sprawdzać trójkami jest to bezpieczniejsze4 i znacznie poprawi szybkość bo 2 wyrazy zwiększą ją o prawie 100% a 3 już o 200% oczywiście prawie...

To co napisałeś jest właśnie sposobem który wymyśliłem tylko ty nie potrzebnie rozdzielasz każdy wyraz do zmiennej a potem je łączysz. Z tym prawdopodobieństwem można było by pokombinować.

Czekam na inne może bardziej, może mniej optymalne rozwiązania, ważne aby sprawne iw pełni działające

Pokombinuj coś z funkcjami: similar_text oraz levenshtein

[PHP] pobierz, plaintext 
<?php
$first = "mama";
$second = "mamo";
 
similar_text ($first,$second, $p);
 
echo "$p%";
?>
[PHP] pobierz, plaintext 

Wyświetli, w ilu procentach tekst $first jest podobny do tekstu $second.
Przy dodawaniu nowego kawału po prostu daj pętlę: $first daj jako nowy kawał, a $second jako stary kawał z bazy i już.

No dochodzimy powoli do sedna :-)
Juz prawie widzę przed oczyma doskonały algorytm
Panowie woj_tas i smietek Bardzo mi pomogliście

Kod który podałeś jest smietek jest mało rozbudowany znalazłem coś w maualu na temat tego

[PHP] pobierz, plaintext 
<?php
  function closest_word($input, $words, &$percent = null) {
	$shortest = -1;
	foreach ($words as $word) {
	  $lev = levenshtein($input, $word);
 
	  if ($lev == 0) {
		$closest = $word;
		$shortest = 0;
		break;
	  }
 
	  if ($lev <= $shortest || $shortest < 0) {
		$closest  = $word;
		$shortest = $lev;
	  }
	}
 
	$percent = 1 - levenshtein($input, $closest) / max(strlen($input), strlen($closest));
 
	return $closest;
  }
 
  $input = 'carrrrrot';
  $words = array('apple','pineapple','banana','orange',
				 'radish','carrot','pea','bean','potato');
 
  $percent = null;
  $found = closest_word($input, $words, $percent);
 
  printf('Closest word to "%s": %s (%s%% match)', $input, $found, round($percent * 100, 2));
?>
[PHP] pobierz, plaintext 

czy przypadkiem kod który podałem nie jest tym samym co ty podałeś ?
tylko że zajmuje więcej linijek ?

Ten kod który podałeś szuka w bazie słów (w tablicy) danego słowa. Jeżeli je znajdzie, wyświetla wynik, jeżeli nie, lecz znalazło dość podobny wynik, również go wyświetla. I ten kod nie korzysta z similar_text(), tylko z levenshtein()

Przeniosłem na PHP

Ale ogólna zasada działania jest taka sama ?
gdyby zamienić bazę słów baz danych z kawałami ? efekty byłby taki sam ?

Dzięuję Cysiaczek za przeniesienie posta do zaawansowanego grona fachowców. Ale ja osobiście myślę że to powinno być przedszkole.