基於兩個表關係的SQL頂級記錄

Question

我有三個我正在存儲的主要項目：Articles，Entities和Keywords。這使得5個表格：

article { id } 
entity {id, name} 
article_entity {id, article_id, entity_id} 
keyword {id, name} 
article_keyword {id, article_id, keyword_id} 

我想獲得包含TOP X關鍵字+實體的所有文章。我可以在entity_id/keyword_id上通過一個簡單的羣組獲得頂級X關鍵字或實體。

SELECT [entity|keyword]_id, count(*) as num FROM article_entity 
GROUP BY entity_id ORDER BY num DESC LIMIT 10 

我該如何獲得所有與頂級實體和關鍵字有關的文章？

這是我的想象，但我知道它不工作，因爲由限制article_id返回的實體組。

SELECT * FROM article 
WHERE EXISTS (
    [... where article is mentioned in top X entities.. ] 
) AND EXISTS (
    [... where article is mentioned in top X keywords.. ] 
); 

Answer 1

如果我理解你正確的目標該查詢將查找與前10個實體中的一個以及前10個關鍵字中的一個關聯的文章。如果是這種情況，則下面的查詢應該這樣做，通過要求返回的文章在前10個實體集合和前10個關鍵字集合中都匹配。

請試試看。

SELECT a.id 
FROM article a 
INNER JOIN article_entity ae ON a.id = ae.article_id 
INNER JOIN article_keyword ak ON a.id = ak.article_id 
INNER JOIN (
    SELECT entity_id, COUNT(article_id) AS article_entity_count 
    FROM article_entity 
    GROUP BY entity_id 
    ORDER BY article_entity_count DESC LIMIT 10 
) top_ae ON ae.entity_id = top_ae.entity_id 
INNER JOIN (
    SELECT keyword_id, COUNT(article_id) AS article_keyword_count 
    FROM article_keyword 
    GROUP BY keyword_id 
    ORDER BY article_keyword_count DESC LIMIT 10 
) top_ak ON ak.keyword_id = top_ak.keyword_id 
GROUP BY a.id; 

的缺點在兩個子查詢頂級實體/關鍵字使用一個簡單的limit 10是，它不會處理關係，所以如果十一關鍵字只是作爲第十它仍然不會得到那樣受歡迎選擇。這可以通過使用排名函數來解決，但afaik MySQL沒有內置任何內容（例如Oracle或MSSQL中的RANK（）窗口函數）。

我設置了一個樣本SQL Fiddle（但使用較少的數據點和limit 2，因爲我很懶）。

Answer 2

我帶着這幾個步驟

TL;博士這顯示了所有從上面的文章（4）關鍵字和實體：

這裏有一個fiddle

select 
    distinct article_id 
from 
(
select 
    article_id 
from 
    article_entity ae 
    inner join 
    (select 
     entity_id, count(*) 
    from 
     article_entity 
    group by 
     entity_id 
    order by 
     count(*) desc 
    limit 4) top_entities on ae.entity_id = top_entities.entity_id 
union all 
select 
    article_id 
from 
    article_keyword ak 
    inner join 
    (select 
     keyword_id, count(*) 
    from 
     article_keyword 
    group by 
     keyword_id 
    order by 
     count(*) desc 
    limit 4) top_keywords on ak.keyword_id = top_keywords.keyword_id) as articles 

說明：

這從查找頂部X實體的努力開始。 （4似乎工作的數量，我想在小提琴協會的數量）

我不想在這裏選擇文章，因爲它扭曲的羣體，你想專注於頂級實體。 Fiddle

select 
    entity_id, count(*) 
from 
    article_entity 
group by 
    entity_id 
order by 
    count(*) desc 
limit 4 

然後我從這些頂級實體中選擇了所有文章。 Fiddle

select 
    * 
from 
    article_entity ae 
    inner join 
    (select 
     entity_id, count(*) 
    from 
     article_entity 
    group by 
     entity_id 
    order by 
     count(*) desc 
    limit 4) top_entities on ae.entity_id = top_entities.entity_id 

很明顯，對於關鍵字來說，同樣的邏輯需要發生。查詢然後union在一起（fiddle）和不同的文章ID從工會拉。

這將爲您提供與頂部（x）實體和關鍵字有關的所有文章。

Answer 3

這得到前10名關鍵字文章也是前10名的實體。你可能不會得到10條記錄回來，因爲它是可能的文章僅滿足的條件之一（頂實體，但不是頂級的關鍵字或頂部關鍵字，但不是頂級實體）

select * 
from article a 
inner join 
       (select count(*),ae.article_id 
       from article_entity ae 
       group by ae.article_id 
       order by count(*) Desc limit 10) e 
on a.id = e.article_id 
inner join 
       (select count(*),ak.article_id 
       from article_keyword ak 
       group by ak.article_id 
       order by count(*) Desc limit 10) k 
on a.id = k.article_id 

Answer 4

不知道您正在使用的數據量，我會首先建議您在文章表上分別有兩個存儲列，用於計算實體和關鍵字。然後通過觸發器添加/刪除每個觸發器，更新相應的計數器列。這樣，您不必在每次需要時都進行燃燒查詢，尤其是在基於Web的界面中。然後，您可以從由E + K計數降序排列的文章表中進行選擇，並使用它來完成，而不是常常子查詢基礎表。

現在，這就是說，其他建議有點類似於我發佈的內容，但它們似乎都在爲每組限制10條記錄。讓我們把這個場景放入圖片​​中。假設你有1-20篇文章，其中包括10,9和8個實體以及1-2個關鍵詞。然後第21-50條有相反的... 10,9,8個關鍵字和1-2個實體。現在，您的文章51-58有7個實體，7個關鍵詞共有14個合併點。由於實體只會返回符合條件的1-20條記錄和關鍵字記錄21-50，所以這些查詢都不會被捕獲。第51-58條將在名單上如此之低，即使它的總數是14，也不會被考慮。

要處理這個問題，每個子查詢都是一個完整的查詢，專門用於文章ID和它的計數。 article_ID的簡單排序，因爲它是連接到主文章表的基礎。

現在，如果可用，coalesce（）將獲得計數，否則爲0並將這兩個值一起添加。從這一點開始，應用限制時，首先排序結果的數量最高（因此可以獲得場景樣本文章51-58以及其他一些數據）。

SELECT 
     a.id, 
     coalesce(JustE.ECount, 0) ECount, 
     coalesce(JustK.KCount, 0) KCount, 
     coalesce(JustE.ECount, 0) + coalesce(JustK.KCount, 0) TotalCnt 
    from 
     article a 
     LEFT JOIN (select article_id, COUNT(*) as ECount 
         from article_entity 
         group by article_id 
         order by article_id) JustE 
      on a.id = JustE.article_id 
     LEFT JOIN (select article_id, COUNT(*) as KCount 
         from article_keyword 
         group by article_id 
         order by article_id) JustK 
      on a.id = JustK.article_id 
    order by 
     coalesce(JustE.ECount, 0) + coalesce(JustK.KCount, 0) DESC 
    limit 10