- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我有一个系统可以跟踪用户查看的文档。每个文档都有它的 ID 和它所属的集群。我的系统跟踪 session ID 和查看次数。我现在想构建一个 SQL 查询,它会给我两列 - session ID 和分类集群。分类算法很简单:
1. select all sessions
2. for each session S
I. prepare an accumulator ACC for clusters
II. select the clusters of viewed documents for this session
III. for each cluster C accumulate the cluster count ( ACC[C]++ )
IV. find the maximum in the ACC. That is the cluster that the session was classified to
表结构如下,我用的是MySQL 5.5.16:
session
+-------+-----------+--------------------+
| ID | sessionID | classified_cluster |
+-------+-----------+--------------------+
session 文档
+-------+-----------+------------+
| ID | sessionID | documentID |
+-------+-----------+------------+
集群
+-------+-------+
| ID | label |
+-------+-------+
集群文档
+-------+-----------+------------+
| ID | clusterID | documentID |
+-------+-----------+------------+
所以基本上,我想为每个 session 选择集群,计算每个集群在查看文档中的出现次数,并找到最大出现次数。那么出现次数最多的集群的 ID 就是 session 的结果,因此最终结果集包含 session ID 和出现次数最多的集群:
结果
+-----------+-----------------------+
| sessionID | classifiedIntoCluster |
+-----------+-----------------------+
我设法通过以下查询获取每个 session (步骤 2/II.)的已查看文档的集群:
SELECT SD.session_id, CD.cluster_id
FROM cluster_document AS CD
INNER JOIN session_document AS SD
ON CD.document_id = SD.document_id
WHERE session_id IN (SELECT session_id FROM session)
我无法弄清楚其余部分。这甚至可以用于嵌套的 SELECT 查询吗?我应该使用光标吗?如果是的话,有人可以用光标展示一个例子吗?任何帮助都感激不尽。
编辑 #1:添加了 C# 实现、MySQL 转储和预期结果
C# 实现
private void ClassifyUsers() {
int nClusters = Database.SelectClusterCount(); //get number of clusters
DataSet sessions = Database.SelectSessions(); //get all sessions
foreach (DataRow session in sessions.Tables[0].Rows) { //foreach session
int[] acc = new int[nClusters]; //prepare an accumulator for each known cluster
string s_id = session["session_id"].ToString();
DataSet sessionClusters = Database.SelectSessionClusters(s_id); //get clusters for this session
foreach (DataRow cluster in sessionClusters.Tables[0].Rows) { //for each cluster
int c = Convert.ToInt32(cluster["cluster_id"].ToString()) - 1;
acc[c]++; //accumulate the cluster count
}
//find the maximum in the accumulator -> that is the most relevant cluster
int max = 0;
for (int j = 0; j < acc.Length; j++) {
if (acc[j] >= acc[max]) max = j;
}
max++;
Database.UpdateSessionCluster(s_id, max); //update the session with its new assigned cluster
}
}
表结构、测试数据和预期结果
编辑 #2:添加了一个较小的数据集和进一步的算法演练
这是一个较小的数据集:
session
session id | cluster
abc 0
def 0
ghi 0
jkl 0
mno 0
集群
cluster_id | label
1 A
2 B
3 C
4 D
5 E
SESSION_DOCUMENT
id | session_id | document_id
1 abc 1
2 def 5
3 jkl 3
4 ghi 4
5 mno 2
6 def 2
7 abc 5
8 ghi 3
CLUSTER_DOCUMENT
id | cluster_id | document_id
1 1 2
2 1 3
3 2 5
4 3 5
5 3 1
6 4 3
7 5 2
8 5 4
算法详解
第 1 步:获取 session 查看的文档的集群
session_id | cluster_id | label | document_id
abc 3 C 1
abc 2 B 5
abc 3 C 5
-----
def 2 B 5
def 3 C 5
def 1 A 2
def 5 E 2
----
ghi 5 E 4
ghi 1 A 3
ghi 4 D 3
----
jkl 1 A 3
jkl 4 D 3
----
mno 1 A 2
mno 5 E 2
第 2 步:计算簇的出现次数
session_id | cluster_id | label | occurrence
abc 3 C 2 <--- MAX
abc 2 B 1
----
def 2 B 1
def 3 C 1
def 1 A 1
def 5 E 1 <--- MAX
----
ghi 5 E 1
ghi 1 A 1
ghi 4 D 1 <--- MAX
----
jkl 1 A 1
jkl 4 D 1 <--- MAX
----
mno 1 A 1
mno 5 E 1 <--- MAX
第 3 步(最终结果):为每个 session 找到最大发生的簇(见上文)并构建最终结果集(session_id、cluster_id):
session_id | cluster_id
abc 3
def 5
ghi 4
jkl 4
mno 5
编辑 #3:已接受的答案说明
给出的两个答案都是正确的。他们都提供了解决问题的方法。我给了 Mosty Mostacho 可接受的答案,因为他首先交付了解决方案,并提供了带有 VIEW
的解决方案的另一个版本。来自 mankuTimma 的解决方案与 Mosty Mostacho 的解决方案质量相同。因此,我们有两个同样好的解决方案,我只是选择了 Mosty Mostacho,因为他是第一个。
感谢他们的贡献。.
最佳答案
好吧,我对如何在有很多相等的情况下选择一个事件表示怀疑,但查看 C# 代码似乎这个选择是不确定的。
现在,给定样本数据,第 2 步实际导致:
+------------+------------+-------+------------+
| SESSION_ID | CLUSTER_ID | LABEL | OCCURRENCE |
+------------+------------+-------+------------+
| abc | 3 | C | 2 |
| def | 1 | A | 1 |
| def | 2 | B | 1 |
| def | 3 | C | 1 |
| def | 5 | E | 1 |
| ghi | 1 | A | 1 |
| ghi | 4 | D | 1 |
| ghi | 5 | E | 1 |
| jkl | 1 | A | 1 |
| jkl | 4 | D | 1 |
| mno | 1 | A | 1 |
| mno | 5 | E | 1 |
+------------+------------+-------+------------+
因此,继续处理这些数据,我得到了该 session ID 的 session_id 和 max(cluster_id),结果是:
+------------+------------+
| SESSION_ID | CLUSTER_ID |
+------------+------------+
| abc | 3 |
| def | 5 |
| ghi | 5 |
| jkl | 4 |
| mno | 5 |
+------------+------------+
max(cluster_id) 就是用来执行非确定性选择的。这是查询:
select s1.session_id, max(s1.cluster_id) as cluster_id from (
select sd.session_id, cd.cluster_id, count(*) as Occurrence
from session_document sd
join cluster_document cd
on sd.document_id = cd.document_id
join cluster c
on c.cluster_id = cd.cluster_id
group by sd.session_id, cd.cluster_id, c.label
) as s1
left join (
select sd.session_id, count(*) as Occurrence
from session_document sd
join cluster_document cd
on sd.document_id = cd.document_id
join cluster c
on c.cluster_id = cd.cluster_id
group by sd.session_id, cd.cluster_id, c.label
) as s2
on s1.session_id = s2.session_id and s1.occurrence < s2.occurrence
where s2.occurrence is null
group by s1.session_id
也许添加一个 View 会提高性能(替换上面的查询):
create view MaxOccurrences as (
select sd.session_id, cd.cluster_id, count(*) as Occurrence
from session_document sd
join cluster_document cd
on sd.document_id = cd.document_id
join cluster c
on c.cluster_id = cd.cluster_id
group by sd.session_id, cd.cluster_id, c.label
);
select s1.session_id, max(s1.cluster_id) as cluster_id
from MaxOccurrences as s1
left join MaxOccurrences as s2
on s1.session_id = s2.session_id and s1.occurrence < s2.occurrence
where s2.occurrence is null
group by s1.session_id
让我知道它是否有效。
关于mysql - SQL分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9308216/
目前我正在构建相当大的网络系统,我需要强大的 SQL 数据库解决方案。我选择 Mysql 而不是 Postgres,因为一些任务需要只读(MyISAM 引擎)而其他任务需要大量写入(InnoDB)。
我在 mysql 中使用如下命令。当它显示表格数据时,它被格式化为一个非常干净的表格,间距均匀且 |作为列分隔符。 SELECT * FROM TABLE_NAME; 当我从 CLI 运行命令时,如下
我知道这个问题之前已经被问过好几次了,我已经解决了很多问题,但到目前为止没有任何效果。 MySQL 试图将自身安装到的目录 (usr/local/mysql) 肯定有问题。关于我的错误的奇怪之处在于我
以下是我的 SQL 数据结构,我正在尝试如下两个查询: Select Wrk_ID, Wrk_LastName, Skill_Desc from Worker, Skill where
我们有一个本地 mysql 服务器(不在公共(public)域上),并希望将该服务器复制到我们拥有的 google 云 sql 实例。我的问题是:1.这可能吗?2.我们的本地服务器只能在本地网络上访问
我有一个表(test_table),其中一些字段值(例如字段 A、B 和 C)是从外部应用程序插入的,还有一个字段(字段 D),我想从现有表(store_table)插入其值,但在插入前者(A、B 和
我想创建一个 AWS RDS 实例,然后使用 terraform 管理数据库用户。因此,首先,我创建了一个 RDS 实例,然后使用创建的 RDS 实例初始化 mysql 提供程序,以进一步将其用于用户
当用户在我的网站上注册时,他们会在我的一个数据库中创建自己的表格。该表存储用户发布的所有帖子。我还想做的是也为他们生成自己的 MySql 用户——该用户仅有权从他们的表中读取、写入和删除。 创建它应该
我有一个关于 ColdFusion 和 Mysql 的问题。我有两个表:PRODUCT 和 PRODUCT_CAT。我想列出包含一些标记为:IS_EXTRANET=1 的特殊产品的类别。所以我写了这个
我想获取 recipes_id 列的值,以获取包含 ingredient_id 的 2,17 和 26 条目的值。 假设 ingredient_id 2 丢失则不获取记录。 我已经尝试过 IN 运算符
在 Ubuntu 中,我通常安装两者,但 MySQL 的客户端和服务器之间有什么区别。 作为奖励,当一个新语句提到它需要 MySQL 5.x 时,它是指客户端、服务器还是两者兼而有之。例如这个链接ht
我重新访问了我的数据库并注意到我有一些 INT 类型的主键。 这还不够独特,所以我想我会有一个指导。 我来自微软 sql 背景,在 ssms 中你可以 选择类型为“uniqeidentifier”并自
我的系统上有 MySQL,我正在尝试确定它是 Oracle MySQL 还是 MySQL。 Oracle MySQL 有区别吗: http://www.oracle.com/us/products/m
我是在生产 MySQL 中运行的应用程序的新维护者。之前的维护者已经离开,留下的文档很少,而且联系不上了。 我面临的问题是执行以下请求大约需要 10 秒: SELECT COUNT(*) FROM `
我有两个位于不同机器上的 MySQL 数据库。我想自动将数据从一台服务器传输到另一台服务器。比方说,我希望每天早上 4:00 进行数据传输。 可以吗?是否有任何 MySQL 内置功能可以让我们做到这一
有什么方法可以使用 jdbc 查询位于 mysql 根目录之外的目录中的 mysql 表,还是必须将它们移动到 mysql 根目录内的数据库文件夹中?我在 Google 上搜索时没有找到任何东西。 最
我在 mysql 数据库中有两个表。成员和 ClassNumbers。两个表都有一个付费年份字段,都有一个代码字段。我想用代码数字表中的值更新成员表中的付费年份,其中成员中的代码与 ClassNumb
情况:我有 2 台服务器,其中一台当前托管一个实时 WordPress 站点,我希望能够将该站点转移到另一台服务器,以防第一台服务器出现故障。传输源文件很容易;传输数据库是我需要弄清楚如何做的。两台服
Phpmyadmin 有一个功能是“复制数据库到”..有没有mysql查询来写这个函数?类似于将 db A 复制到新的 db B。 最佳答案 首先创建复制数据库: CREATE DATABASE du
我有一个使用 mySQL 作为后端的库存软件。我已经在我的计算机上对其进行了测试,并且运行良好。 当我在计算机上安装我的软件时,我必须执行以下步骤: 安装 mySQL 服务器 将用户名指定为“root
我是一名优秀的程序员,十分优秀!