【发布时间】：2010-03-11 15:32:54
【问题描述】：
我想遍历文档数据库并计算成对比较分数。
一个简单的、天真的方法会将一个循环嵌套在另一个循环中。这将导致程序比较文档两次，并将每个文档与其自身进行比较。
是否有有效执行此任务的算法名称？ 这种方法有名称吗？
谢谢。
【问题讨论】：
标签： python mysql database logic
【发布时间】：2010-03-11 15:32:54
【问题描述】：
假设所有项目都有一个编号 ItemNumber
简单的解决方案——总是让第二个元素的 ItemNumber 大于第一个元素。
例如
for (firstitem = 1 to maxitemnumber)
for (seconditem = firstitemnumber+1 to maxitemnumber)
compare(firstitem, seconditem)
视觉说明：如果您将比较视为一个矩阵（一个轴上的项目编号，另一个轴上的另一个项目），则会查看其中一个三角形。
........
x.......
xx......
xxx.....
xxxx....
xxxxx...
xxxxxx..
xxxxxxx.
【讨论】：
-
我也想过，但也许 OP 不想更改模型类。
-
@Felix ：酷...告诉我你的意思是什么？模型课？那到底是什么？
-
好吧，我假设 OP 以某种方式使用一个类来表示文档（模型）（也许他使用了 ORM）。但我刚刚意识到这很容易用列表索引来完成。首先，我认为您的意思是使文件具有可比性。我仍然认为你可以提供一个更好的例子；）。不过没关系。
-
@Felix ：我明白了，您正在为集合作为操作实施解决方案。到具有唯一项目编号的数组/集合。您的解决方案当然是使用套装的方法。很少有数组没有底层唯一索引，但它可能会发生——主要是使用函数式语言和非关系数据库。
我认为它不够复杂，不足以获得一个名字。
您可以通过强制比较不同行之间可能不同的任何值来避免重复对 - 主键是一个明显的选择，例如
独特的配对：
SELECT a.item as a_item, b.item as b_item
FROM table AS a, table AS b
WHERE a.id<b.id
可能有很多方法可以使用比较操作来生成数据摘要，从而识别潜在的相似项目 - 对于单个单词，soundex 是一个明显的选择 - 但是你没有说你的比较指标是什么是。
C.
【讨论】：
您可以跟踪已比较过的文档，例如（带数字；））
compared = set()
for i in [1,2,3]:
for j in [1,2,3]:
pair = frozenset((i,j))
if i != k and pair not in compared:
compare.add(pair)
compare(i,j)
另一个想法是首先创建文档组合并对其进行迭代。但是为了生成它，您必须遍历两个列表，然后再次遍历结果列表，所以我认为它没有任何优势。
更新：
如果您的文件已经在列表中，那么 Hogan 的答案确实更好。但我认为它需要一个更好的例子：
docs = [1,2,3]
l = len(docs)
for i in range(l):
for j in range(i+1,l):
compare(l[i],l[j])
【讨论】：
-
我的解决方案要快得多。没有这对东西的开销。
-
这个实现不是把复杂度从 n^2 变成 n^3 吗？您不仅有嵌套循环，而且“未比较的对”是一个 O(n) 操作。有更简单/更有效的实现。但似乎@seanieb 很满意。
-
@Traveling Tech Guy：没错，我从列表更改为
set和frozenset。我认为，一个集合可以访问 O(1)，因为它是作为字典键实现的。
这样的？
src = [1,2,3]
for i, x in enumerate(src):
for y in src[i:]:
compare(x, y)
或者您可能希望生成一个配对列表：
pairs = [(x, y) for i, x in enumerate(src) for y in src[i:]]
【讨论】：