代码之家 › 专栏 › 技术社区 › Andrew Harry

在位置索引中查找bigram

nlp algorithm sql-server

Andrew Harry · 技术社区 · 17 年前

我有一个表,它索引了一堆文档中单词的位置。我想找出这组中最常见的大字。

MSSQL 2008 ? 该表具有以下结构:

LocationID -> DocID -> WordID -> Location

我想尝试做一些复杂的连接。。。我只是在做我的头。

有没有一个简单的方法可以做到这一点?

样本数据

LocationID  DocID   WordID  Location
21952       534     27  155
21953       534         109     156
21954       534       4     157
21955       534     45      158
21956       534     37      159
21957       534     110     160
21958       534     70      161

1 回复 | 直到 17 年前

Kenan Banks 17 年前

我写SQL已经好几年了,所以我的语法可能有点不对劲;不过,我相信这个逻辑是正确的。

SELECT CONCAT(i.WordID, "|", j.WordID) as bigram, count(*) as freq
FROM index as i, index as j
WHERE j.Location = i.Location+1 AND 
      j.DocID = i.DocID
GROUP BY bigram
ORDER BY freq DESC

如果有用的话,您还可以将实际的单词ID添加到选择列表中,并将连接添加到任何将单词ID取消引用到实际单词的表中。

推荐文章

Matthew Thomas · 在每个决策中给出多个选择的所有可能的决策路径/结果

1 年前

feasega · 聚合物模拟-2个节点之间的最短路线,适用于所有节点

1 年前

Alisa Petrova · 在有向图中更改一对顶点以创建循环

1 年前

Matvey Androsyuk · 如何使用React在树结构中呈现我的组件,就像IDE中的默认文件结构一样

1 年前

Pengcheng · 这个简单的递归函数的输出是什么?你能详细解释一下吗?

1 年前

b39b332d · 使用C++标准库实现高效间隔存储

1 年前

Paul C · 在维基百科上,将二叉搜索树转换为排序链表的算法是否存在错误?

1 年前

ABGR · 二叉树的直径——当最长路径不通过根时的失败案例

1 年前

SHUBHAM KUMAR · 这两个是否完全相同-->“下限(股份有限公司rbegin(),股份有限公司rend(),i,更大<int>())”和“下限(dec.begin(

1 年前

EpicAshman · 数独棋盘程序中同一列和同一行出现两次的数字

1 年前