Question

我有这个加入表：

 CREATE TABLE [TagMap](
[intItemId] [bigint] NOT NULL,
[intTagId] [bigint] NOT NULL,
 CONSTRAINT [PK_TagMap_intItemId] PRIMARY KEY CLUSTERED 
 (
[intItemId] ASC,
[intTagId] ASC
 ))

我的sproc发现了与seedItemId相关联的标签，然后选择与这些标签关联的其他intItemIds，如下所示：

 declare @baseTags table    (intTagId bigint primary key clustered);

INSERT INTO @baseTags (intTagId)
SELECT TOP 20 t1.intTagId
FROM   TagMap t1
WHERE t1.intItemId = 776

 SELECT TOP 500 t1.intItemId
 FROM   TagMap t1
      JOIN @baseTags t2
       ON t1.intTagId = t2.intTagId
 GROUP  BY t1.intItemId
 ORDER  BY Count(*) DESC

我需要指的是在两个intItemIds之间指定最小数量的标记关联 - 比方说10 - 低于该值不返回值。换句话说，在TagMap表中可以找到两个intItemId共有的十个或更多intTagId，它很好，我们选择它 - 否则忽略它。

所以，例如给出这个数据：

 CREATE TABLE #TagMap(
 [intItemId] [bigint] NOT NULL,
 [intTagId] [bigint] NOT NULL,
 CONSTRAINT [PK_TagMap_intItemId] PRIMARY KEY CLUSTERED 
 (
 [intItemId] ASC,
 [intTagId] ASC
 ))

 insert into #TagMap
 (intItemId, intTagId)
 values 
 (1, 100),(1, 200),(1, 300),
 (2, 100),(2, 200),         (2, 500),(2, 600),
 (3, 100),                  (3, 500),(3, 600)

假设匹配阈值为2。

如果种子是intItemId 1，则只返回intItemId 2（它有两个匹配的标记ID：100和200，而intItemId 3有一个：100，低于阈值）。

如果种子是intItemId 2，则应返回intItemId 1和3（intItemId 1匹配标记Ids 100和200，而intItemId 3匹配标记Ids 500和600）。

如果种子是intItemId 3，则只返回intItemId 2（它有两个匹配的标记ID：500和600，而intItemId有一个：100，低于阈值）。

请问如何做到这一点？

干杯，马特

Answer 1

SELECT
  [foreign].intItemID
FROM
  #TagMap    AS [primary]
INNER JOIN
  #TagMap    AS [foreign]
    ON [foreign].intTagID = [primary].intTagID
WHERE
  [primary].intItemID = 1
GROUP BY
  [foreign].intItemID
HAVING
  COUNT(distinct [foreign].intTagID) >= @threshold

然而，请注意，这种情况非常糟糕;因为JOIN搜索“ 任何这些标记”，然后只能在HAVING子句中指定“has 所有这些标签“。

根据我的经验，您可以进行小的优化，但我找到的最有价值的方法是将结果缓存到更标准的映射表中。必要时更新它们。（标签数据的内容很少变化。）

Answer 2

这似乎是这样做的（将@InterestItem改为1,2,3，它似乎产生了你要求的结果）：

declare @InterestItem int
set @InterestItem = 1
declare @Threshold int
set @Threshold = 2

select
    tm2.intItemId,
    COUNT(*)
from
    #TagMap tm1
        inner join
    #TagMap tm2
        on
            tm1.intTagId = tm2.intTagId and
            tm2.intItemId <> tm1.intItemId
where
    tm1.intItemId = @InterestItem
group by
    tm2.intItemId
having
    COUNT(*) >= @Threshold

我目前在结果集中包含COUNT，但这不是必需的。

在SQL中指定最小连接点数

2 个答案: