sql-server - 如何在下表中找到对

Question

查找出现在同一文档 id 中的所有频繁词对，并报告该对出现的文档数。按频率降序报告这些对。

• 请注意，不应有任何重复的条目，如 o (truck,boat) (truck,boat)
• 请注意，您不应该让同一对以相反的顺序出现两次。只应发生以下情况之一： o（卡车、船）（船、卡车）

+-------+-----+-----+---------+
|vocabId|docId|count|     word|
+-------+-----+-----+---------+
|      1|    1| 1000|    plane|
|      1|    3|  100|    plane|
|      3|    1| 1200|motorbike|
|      3|    2|  702|motorbike|
|      3|    3|  600|motorbike|
|      5|    3| 2000|     boat|
|      5|    2|  200|     boat|
+-------+-----+-----+---------+

我使用了这个查询，但它给了我错误的结果

select r1.word,r2.word, count(*) 
from result_T r1 
JOIN result_T r2 ON r1.docId = r2.docId 
and r1.word = r2.word group by r1.word, r2.word

预期输出：

boat, motorbike, 2
motorbike, plane, 2
boat, plane, 1

标签： sql-serverdatabase

Answer 1

您在自联接方面走在了正确的轨道上，但联接逻辑需要稍作更改。连接条件应该是第一个单词在字典上小于第二个单词。这确保不会重复计算对。此外，文档 ID 必须匹配（您已经在检查这一点）。

SELECT
    r1.word,
    r2.word,
    COUNT(*) AS cnt
FROM result_T r1
INNER JOIN result_T r2
    ON r1.word < r2.word AND
       r1.docId = r2.docId
GROUP BY
    r1.word,
    r2.word
ORDER BY
    COUNT(*) DESC;

演示