我有一个~400,000行表,如下所示:
+---------+--------+------+-------+------+-----+--------+
| ID | WORD | COL0 | COL1 | COL2 | ... | COL500 |
+---------|--------+------+-------+------+-----+--------+
| 0 | DOG | -0.73| 0.77 | 0.15 | | -0.55 |
| 1 | CAT | 0.41 | -0.57 | 0.61 | | 0.00 |
| 2 | HOUSE | 0.40 | 0.32 | -0.23| | 0.52 |
| ... | | | | | | |
| 400000 | LOVE | 0.51 | 0.59 | 0.01 | | -0.10 |
+---------+--------+------+-------+------+-----+--------+
每个col#
代表500暗淡矢量的维度。
给定一个特定的WORD
值(它们是唯一的),我想根据点积找到与它最相似的100 WORD
(所以WORD
相同向量将具有1)的点积。因此对于WORD
'CAR',我可能会得到:
+--------+------+
| WORD | DOT |
+--------+------+
| CAR | 1 |
| TRUCK | 0.89 |
| SEDAN | 0.86 |
| VEHICLE| 0.81 |
| ... | ... |
| BIKE | 0.62 |
+--------+------+
所以(重申一下)我需要将'CAR'的点积与其他每个词一起得到并按降序排序,并将其限制为100个结果。
这个SO问题非常相似并且很有帮助,但我没有正确理解如何应用它('garden'被称为表?)。 Dot product in an SQL table with many columns
答案 0 :(得分:1)
在链接的SO答案中,'garden'是一个表:它是表t
,但是别名为garden
,但仅限于一行(带有'GARDEN'字样的行“)。
对于您的特定问题,您需要在查询结尾附加“ORDER BY DOT
DESC LIMIT 100”。
也许重命名可以让它更清晰?
select allwords.*,
(allwords.col0 * word_of_interest.col0 +
allwords.col1 * word_of_interest.col1 + . . .
allwords.col500 * word_of_interest.col500
) as DOT
from allwords
cross join
(select allwords.*
from allwords
where `WORD` = '$THE_WORD_I_WANT_EG_CAR'
) as `word_of_interest`
order by `DOT` DESC LIMIT 100;
正如另一个答案所说,我预计这会相当缓慢。如果你的COLn向量值是相当静态的,我会考虑预先计算它们并将这些结果存储在你要查询的单独表中。