我有一个存储在s3上的共现计数表(其中每一行是[key-a,key-b,count]),我想从中产生共现概率矩阵。
为此,我需要计算每个key-a的计数总和,然后将每一行除以其key-a的总和。
如果我“手动”执行此操作,我会对数据进行传递以生成从键到总计的哈希表(在leveldb或类似的东西中),然后对数据进行第二次传递以执行师。这听起来不像是一种非常简单的方法。
有没有办法通过相当于自我加入来获得一行的总数?
答案 0 :(得分:2)
示例数据:
(def coocurrences
[["foo" "bar" 3]
["bar" "foo" 3]
["foo" "quux" 6]
["quux" "foo" 6]
["bar" "quux" 2]
["quux" "bar" 2]])
查询:
(require '[cascalog.api :refer :all] '[cascalog.ops :as c])
(let [total (<- [?key-a ?sum]
(coocurrences ?key-a _ ?c)
(c/sum ?c :> ?sum))]
(?<- (stdout) [?key-a ?key-b ?prob]
(div ?c ?sum :> ?prob)
(coocurrences ?key-a ?key-b ?c)
(total ?key-a ?sum)))
输出:
RESULTS
-----------------------
bar foo 0.6
bar quux 0.4
foo bar 0.3333333333333333
foo quux 0.6666666666666666
quux foo 0.75
quux bar 0.25
-----------------------