每篇文章都可以提取出一些出现频率比较高的词语，就是标签，存放在数据库里。并且存放的时候已经按出现频率从高到低排列，频率高的标签保存在前面，低的在后面。假定标签表结构如下
PageTag
字段含义类型
Id INT
TagId标签IDINT
PageId文章IDINT
则对于同一篇文章（PageId相同）来讲，出现频率高的标签，ID一定小于频率低的标签对应的ID。
比较的思路是，如果两篇文章，相同标签的频率越高，数量越多，则说明这两篇文章的相似度就越高。这好象涉及到一个叫“权重”之类的东西。不过我不知道什么叫权重。
找出某篇文章的相关文章的SQL语句如下：
SELECT a.PageId,SUM(b.Row) AS Weight FROM PageTag AS a,
(SELECT TagId,ROW_NUMBER() OVER(ORDER BY Id DESC) AS Row
FROM PageTag
WHERE PageId=某篇文章的ID) AS b
WHERE a.PageId<>某篇文章的ID
AND a.TagId=b.TagId
GROUP BY a.PageId
结果就可以将文章和相应的相似度列出来了。Weight越大，相似度越高。
主要用了ROW_NUMBER()，并且ORDER BY Id DESC，所以频率越高的，ROW就越大，最后合计的SUM（Row）AS Weight就越大。同时，如果两篇文章相同的标签很多，合计数也跟着大，所以这个Weight应该可以反映权重。