在位置索引中查找bigram

Question

我有一張表格，它在一堆文檔中索引單詞的位置。 我想確定集合中最常見的兩個bigrams。

你會如何做到這一點MSSQL 2008？ 表的結構如下：

LocationID -> DocID -> WordID -> Location 

我曾想過要做某種複雜的加入...而我只是做我的頭

有一個簡單的方法。這樣做？

我想我最好編輯這個週一序撞它的問題

樣本數據

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 

Answer 1

它已經多年，因爲我寫的SQL，所以我的語法可能一點點;不過，我相信這個邏輯是正確的。

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 

您還可以將實際的詞ID添加到選擇列表中，如果這是有用的，並添加一個加盟你有任何表其提領操作的wordID實際的話。