php - 您如何使用 MySQL 和 PHP 比较一组数字并获得最相关的结果？

Question

考虑一下:

set A: 1 2 3 4set B:     3 4 5 6set C:       4 5 6 7set D: 1

我想将 D 与其他数字进行比较，然后得到一组最相关的数字。结果应按以下顺序排列:4(因为 D 与 A 有一个公共(public)编号，并且 4 在 A 中，也在 B 和 C 中)，3(因为 D 与 A 有一个公共(public)编号，并且 3 在 A 和 B 中)， 2(因为 D 和 A 有共同的数字，2 也在 A 中)，然后是 5、6、7。

在 PHP/MySQL 中是否有一些算法可以高效地执行此操作？我不想重新发明轮子，而且数据库最终会有大量的集合..

Answer 1

一个例子并不能构成一个完整的规范。例如，如果集合的集合也包括在内，您的答案会有何不同

set E: 1 2 3
set F: 1   3

哪个会使 3 成为与 D 有非空交集的集合中最常出现的值？所以这是我的假设:

给定一个目标集(原始示例中的D):

1. “重叠集”(与目标集有非空交集的集合)中的值比不在那些重叠集中的值更相关。
2. 在陈述 1 的约束下，相关性由出现频率决定。

在您的原始示例中，A 与 D 重叠，因此宇宙 {1, 2, 3, 4, 5, 6, 7} 被划分为重叠的 { 1, 2, 3, 4} 和不重叠的 {5, 6, 7}。值频率为 {1:2, 2:1, 3:2, 4:3, 5:2, 6:2, 7:1}。结合这些事实给出重叠频率 {1:2, 2:1, 3:2, 4:3} 和非重叠频率 {5:2, 6:2, 7:1}，产生顺序 4, 3, 1、2，然后是 5、6、7。(我注意到您没有为 1 分配相关性。如果有意的话，这可能是从最终排序中删除目标集值的最后一步。)

在我调整后的示例中，频率变为 {1:4、2:3、3:4、4:3、5:2、6:2、7:1}。这给出了重叠频率 {1:4, 2:3, 3:4, 4:3} 和非重叠频率 {5:2, 6:2, 7:1}，产生顺序 1, 3, 2, 4 之后是 5、6、7。

这个算法的伪代码是:

1. 将 overlapping 和 universe 初始化为空集，将 frequency 初始化为空哈希。

2. 对于集合集合中的每个集合s(目标集合t除外):

   2.1。将 universe 设置为 s 和 universe

   的并集

   2.2。如果 s 与 t 相交至少有一个元素:

   2.2.1. Set `overlapping` to the union of `overlapping` and `s`
   

   2.3。对于 s 中的每个元素 e:

   2.3.1. If 'e' is a key in `frequency`
   
       2.3.1.1. Then increase the value (count) for `e` in `frequency` by 1
       2.3.1.2. Else initialize the value (count) for `e` in `frequency` to 1
   

3. 设置nonOverlapping为universe和overlapping

   的差值

4. 将 universe 的元素按其在 frequency 中的值排序，作为结果的第一部分。

5. 将 nonOverlapping 的元素附加到结果中，也按它们在 frequency 中的值排序。

(如果您确实打算删除 t 的元素，我会将其作为第 4 步中的后处理步骤执行。)