Question

好吧，我有一个存储两个键的关系，一个产品ID和一个属性Id。我想弄清楚哪种产品与给定产品最相似。（属性实际上是数字，但它使示例更加混乱，因此它们已被更改为字母以简化视觉表示。）

Prod_att

Product | Attributes  
   1   |    A     
   1   |    B  
   1   |    C  
   2   |    A  
   2   |    B  
   2   |    D  
   3   |    A  
   3   |    E  
   4   |    A

最初看起来相当简单，只需选择产品所具有的属性，然后计算每个产品共享的属性数。然后将结果与产品的属性数量进行比较，我可以看到两种产品的相似程度。这适用于相对于其比较产品具有大量属性的产品，但是当产品具有非常少的属性时会出现问题。例如，产品3几乎可以与其他所有产品相关联（因为A很常见）。

SELECT Product, count(Attributes)  
FROM Prod_att  
WHERE Attributes IN  
(SELECT Attributes  
FROM prod_att  
WHERE Product = 1)  
GROUP BY Product
;

有关如何修复此问题或改进当前查询的任何建议？谢谢！

*编辑：产品4将为所有产品返回count（）= 1。我想展示产品3更相似，因为它具有更少的不同属性。

Answer 1

试试这个

SELECT 
  a_product_id, 
  COALESCE( b_product_id, 'no_matchs_found' ) AS closest_product_match
FROM (
  SELECT 
    *,  
    @row_num := IF(@prev_value=A_product_id,@row_num+1,1) AS row_num,
    @prev_value := a_product_id
  FROM 
    (SELECT @prev_value := 0) r
    JOIN (
        SELECT 
         a.product_id as a_product_id,
         b.product_id as b_product_id,
         count( distinct b.Attributes ),
         count( distinct b2.Attributes ) as total_products
        FROM
          products a
          LEFT JOIN products b ON ( a.Attributes = b.Attributes AND a.product_id <> b.product_id )
          LEFT JOIN products b2 ON ( b2.product_id = b.product_id )
       /*WHERE */
         /*  a.product_id = 3 */
        GROUP BY
         a.product_id,
         b.product_id
        ORDER BY 
          1, 3 desc, 4
  ) t
) t2 
WHERE 
  row_num = 1

以上query获取所有产品的closest matches，您可以在最里面的查询中添加product_id，以获取特定product_id的结果，I已使用LEFT JOIN，以便即使product没有匹配项，也会显示

SQLFIDDLE

希望这有帮助

Answer 2

试试"Lower bound of Wilson score confidence interval for a Bernoulli parameter"。当你有一个小n时，这明确地处理统计信心的问题。它看起来像是很多数学，但实际上这是你需要做的最小数学量才能做到这一点。该网站解释得非常好。

这假设可以从正/负评分到匹配/不匹配属性的问题。

以下是积极和消极评分和95％CL的例子：

SELECT widget_id, ((positive + 1.9208) / (positive + negative) - 
1.96 * SQRT((positive * negative) / (positive + negative) + 0.9604) / 
(positive + negative)) / (1 + 3.8416 / (positive + negative)) 
AS ci_lower_bound FROM widgets WHERE positive + negative > 0 
ORDER BY ci_lower_bound DESC;

Answer 3

您可以编写一个小视图，它将为您提供两个产品之间的总共享属性。

create view vw_shared_attributes as
select a.product, 
      b.product 'product_match', 
      count(*) 'shared_attributes'
from  your_table a
  inner join test b on b.attribute = a.attribute and b.product <> a.product
group by a.product, b.product

然后使用该视图选择最匹配。

   select product,
      (select top 1 s.product_match from vw_shared_attributes s where t.product = s.product order by s.shared_attributes desc)
    from your_table t
    group by product

请参阅http://www.sqlfiddle.com/#!6/53039/1以获取示例

SQL-选择最相似的产品

3 个答案: