Bigquery Stack Overflow标签。如何找到与强烈相关的标签？​​

Question

假设我要向我展示与'数据结构'相关的所有标签和问题我希望看到相关标签，如'2-3-4 trees'，'binary-search-trees'，'dfs'等等，并没有看到很多问题按语言标准过滤。如果我尝试用数据结构找出最常见的双字母组合，那么即使是C ++和Python也会出现，但我宁愿尝试看到核心数据结构标签出现。

我该如何实施？

如果尝试过，首先通过查询数据结构来获取数据结构最多的标记。然后还查看了所有标记并获取了他们的共同伙伴，以查看是否发生了数据结构。如果它们成对出现，那么我认为它们是强相关的。但是，如何才能将这一逻辑提前一步来获取更多相关标签？

Answer 1

根据我的理解 - 您已经获得了代码，为您提供给定标签的“相关”标签！

如果是这样 - 要摆脱语言并只保留“强烈”相关标签，您需要找到（使用与“编程语言”标签相关的标签相同的标签）并将其从结果中排除！

宾果！ （希望如此）

P.S。

当我这样做时：

低于初始列表

algorithm       java            c++                 c 
python          linked-list     tree                arrays 
c#              binary-tree     binary-search-tree  dictionary 
database        graph           sorting             javascript 
performance     list            recursion           stack 
hash            hashtable       time-complexity     queue 
hashmap             

被“修剪”到

linked-list         tree        arrays              binary-tree 
binary-search-tree  dictionary  database            graph 
sorting             list        recursion           stack 
hash                hashtable   time-complexity     queue 
hashmap             

所以，下面的条目被删除了

algorithm   java    c++         c 
python      c#      javascript  performance 

Answer 2

我正在定义一个比率：

(how many times a_tag has shown up with b_tag) / (how many times b_tag has shown up without a_tag)

'数据结构'的结果看起来像您正在寻找的结果：

#standardSQL
CREATE TEMPORARY FUNCTION targetTag() AS ("data-structures");

WITH split_tags AS (
  SELECT SPLIT(tags, '|') tags
  FROM `bigquery-public-data.stackoverflow.posts_questions`
  WHERE tags LIKE '%|%'
)

SELECT *, ROUND(c/notc,4) ratio_related
FROM (
  SELECT tag, COUNT(*) c, (
      SELECT COUNT(*)
      FROM split_tags b, UNNEST(tags) btag
      WHERE targetTag() NOT IN UNNEST(b.tags) AND btag=tag
    ) notc
  FROM split_tags, UNNEST(tags) tag
  WHERE targetTag() IN UNNEST(tags)
  GROUP BY 1
)
WHERE notc>0
AND c+notc>20
ORDER BY 4 DESC
LIMIT 100