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

我想将 D 与其余的进行比较，并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 有一个公共数，并且 4 在 A 中，并且也在 B 和 C 中）、3（因为 D 与 A 有公共数，并且 3 在 A 和 B 中）， 2（因为 D 与 A 具有共同的数字，并且 2 也在 A 中），然后是 5、6、7。

在 PHP/MySQL 中是否有某种算法可以有效地执行此操作？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完整的规范。 您的答案会有什么不同

set E: 1 2 3
set F: 1   3

例如，如果集合的集合也包含在内，这将使 3 成为与 D 具有非空交集的集合中最常出现的值，那么 ？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）中的值比不相关的值更相关在那些重叠的集合中。
2. 在陈述1的约束下，相关性由出现频率决定。

在原始示例中，A 与 D 重叠，因此全域 {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}，从而产生顺序 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的值的最后一步。）

在我的调整后例如，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}，从而产生顺序 1, 3, 2， 4 后跟 5、6、7。

该算法的伪代码为：

1. 初始化重叠和universe为空集和频率 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：

   <前><代码>2.2.1。将“overlapping”设置为“overlapping”和“s”的并集

   2.3。对于 s 中的每个元素 e：

   <前><代码>2.3.1。如果“e”是“频率”中的键

   2.3.1.1.然后将“频率”中“e”的值（计数）增加 1
   2.3.1.2。否则将“频率”中“e”的值（计数）初始化为 1

3. 将nonOverlapping设置为universe和overlapping的差异

4. 对 universe< 的元素进行排序/code> 按 频率 中的值作为结果的第一部分。

5. 将 nonOverlapping 的元素附加到结果中，也按其在频率中的值排序。

（如果您确实打算消除 t 的元素，我会将其作为 4 中的后处理步骤来执行。）

Answer 2

在 SQL 中，我假设您有一个名为“集合”的表，其中有 2 列，e 表示元素，s 表示集合名称。

select e,count(*) as c from sets where s in
(select s from sets where e in (select e from sets where s='D') group by s)
group by e order by c desc

解释：

(select e from sets where s='D')

选择组D的元素。

(select s from sets where e in (select e from sets where s='D') group by s)

选择与先前选择的组有共同成员的所有组。

然后从这些集合中选择所有元素，并按出现次数对它们进行排序（如 joel 建议的那样）