关于通过标签取得相关文章的算法

比如有10000篇文章，每篇可能有0－10个标签，不同的标签共有1000个，用什么算法能最快地获取与指定文章相关度最高的其它文章？

用一个1000bit(归约为1024bit)数据类型来记录每篇文章包含了哪些标签，然后对这个数据进行与运算，以结果里出现的1的个数为标准排序即可。

规模大约为：
数据传输：1024bit=128Byte, 128Byte*10000=128B*10K=1MB（可以缓存，不是太大）
数据运算：比较次数为10000,每次比较1024bit。

得写个示例程序测试一下可行性。

using  System;
using  System.Collections;
using  System.Collections.Generic;
using  System.Diagnostics;

public   class  Test
{
  static   readonly   int  tagsCount = 3000 ;
  static   readonly   int  articleCount = 30000 ;
  static  List < BitArray >  articleTags = new  List < BitArray > (articleCount);


  public   static   void  Main()
 {
  Stopwatch sw = new  Stopwatch();
  sw.Start();
   for ( int  i = 0 ; i < articleCount; i ++ )
  {
    articleTags.Add( new  BitArray(tagsCount));
  }
  List < CountAndIndex >  countsAndIndex = new  List < CountAndIndex > (articleCount);
   for ( int  i = 0 ; i < articleCount; i ++ )
  {
   countsAndIndex.Add( new  CountAndIndex(Count(articleTags[ 0 ].And(articleTags[i])), i));
  }
  countsAndIndex.Sort();
  sw.Stop();
  Console.WriteLine(sw.Elapsed);
 }

  static   int  Count(BitArray bits)
 {
   int  result = 0 ;
   foreach ( bool  bit  in  bits)
  {
    if (bit)
     ++ result;
  }
   return  result;
 }
}

struct  CountAndIndex : IComparable < CountAndIndex >
{
  public   int  Count;
  public   int  Index;

  public  CountAndIndex( int  count,  int  index)
 {
  Count = count;
  Index = index;
 }

  public   int  CompareTo(CountAndIndex other)
 {
   return   this .Count.CompareTo(other.Count);
 }
}

1K Tags * 10K articles: 00:00:00.4684715
2K Tags * 20K articles: 00:00:01.7932927
3K tags * 30K articles: 00:00:04.0203271
10K tags * 100K articles: 00:00:44.2125127

基本上与问题规模成线性比例。

规模小于1K*10K时可以即时运算；
大一点可以提供后台运行的服务，异步延迟加载；
大于3K*30K就得在数据库里缓存结果了。