给定文档-D1：包含单词（w1，w2，w3） 和文件D2和文字（w2，w3 ..） 和文件Dn和文字（w1，w2，wn）
我可以在大表中构建数据来回答以下问题： 用w1最常出现哪些词， 或w1和w2最常出现的词语。
我想要达到的目的是找到第三个单词Wx（建议），它在文档中最常出现，并且给定单词W1和W2
我知道SQL中的解决方案，但是可以使用google-big table吗？
我知道我必须自己建立我的指数，问题是我应该如何构建它们以避免指数爆炸
感谢 阿尔米尔
答案 0 :(得分：1)
我所知道的唯一方法是将所有3个单词的单词及其计数编入索引。你的那种看起来像这样：
class Tuple(db.Model):
words = db.StringListProperty()
count = db.IntegerProperty()
然后，您需要为文本中的每组3个唯一单词插入或更新相应的元组实体。例如，字符串“国王死了”将导致元组（国王，是，），（国王，死亡），（，是，死），（国王，是，死）......显然导致条目呈指数级增长，但我不知道你想做什么。
要找到建议，你可以这样做：
q = Tuple.all().filter('word =', w1).filter('word =', w2).order('-count')
然而，在更广泛的推荐算法意义上，对于更有效的方法进行了大量研究。这是一个悬而未决的问题，正如Netflix挑战的存在所证明的那样。
答案 1 :(得分：0)
AppEngine数据存储中没有固有的东西可以帮助您解决这个问题。您需要以编程方式索引文档中的单词。
答案 2 :(得分：0)
使用list-properties和merge-join是在Google App Engine中回答设置成员资格问题的最佳方式：Building Scalable, Complex Apps on App Engine。
您可以按如下方式设置模型：
class Document(db.Model):
word = db.StringListProperty()
name = db.StringProperty()
...
doc.word = ["google", "app", "engine"]
然后查询共现很容易。例如，哪些文档包含google和engine？
results = db.GqlQuery(
"SELECT * FROM Documents "
"WHERE word = 'google'"
" and word = 'engine'")
docs = [d.name for d in results]
但是有一些限制。来自presentation：
索引写入并行完成 Bigtable Fast--例如，更新列表 物品1000件1000排 同时写！线性缩放 物品数量限制为5000 每个实体的索引属性
但是查询必须解压缩所有结果 实体当列表大小＆gt; ~100，读 太贵了！在挂钟慢 时间花费太多CPU
您还可以创建单词模型并仅在StringListProperty中保存其键，但根据文档的大小，即使这样也是不可行的。