Question

我想编写一个小脚本，该脚本将从一个小论坛上删除用户评论，并将一些统计数据存储在数据库中。基本上，我对用户在评论中使用不同单词的频率感兴趣。

想象一下以下模式：

单词

id
文本

用户

id
用户名

user_words

word_id
user_id
计数（用户在论坛上的所有评论中使用该词的次数）

在此之后，我想创建一个查询，该查询将从数据库中选择5个相似的用户。具体来说：

假设我们在论坛的所有评论中平均使用以下单词：

word1：4％
word2：1％
word3：10％
...

对于特定用户，这些单词的频率为：

word1：15％
word2：2％
word3：1％
...

通过编程，我将找到与平均值差异最大的用户单词。就我而言，这些词是：

word1（15％超过平均4％）
word3（平均10％的1％）

现在，我想找到在word1和word3上具有相似使用频率的用户。例如：

user1：

word1：13％
word3：2％

user2：

word1：5％
word3：9％

user1与我们的原始用户非常相似。相似度可以计算为增量总和：

用户1：| 15％-13％| + | 1％-2％| = 2 +1 = 3
user2：| 15-9％| + | 1％-9％| = 6 + 8 = 14

与user1的区别要小得多。因此user1与原始用户非常相似。

现在。想象一下，我在数据库中有成千上万的用户。我想选择5个用户（数量上限），按分数排序（分数的计算方法如上所示）。

问题在于，我不知道SQL中存在哪些机制才能实现此目的（DBMS无关紧要）。您能否给我提个建议，我应该使用哪种机制为每个用户分配一些虚拟的“得分”并选择排序方式？我只需要知道我应该朝哪个方向走，我应该读什么。

Answer 1

首先要做的就是能够计算字符串的出现对吗？我要做的是将您的单词表加入评论表，然后调用一个标量函数来计算每个评论的单词数，然后将其按用户ID和单词ID进行分组

请参阅示例标量函数：

CREATE FUNCTION dbo.CountNoOfString
(
    @searchString nvarchar(max),
    @valueString nvarchar(max)
)
RETURNS INT
AS
BEGIN
    return (LEN(@searchString)-LEN(REPLACE(@searchString,@valueString ,'')))/LEN(@valueString)
END

从那里可以轻松获取所需的指标

如何根据标准计算每个条目的得分，并选择得分最高的得分？

1 个答案: