以均匀分布伪随机选择数据

Question

我目前正在从事一个中型网络项目，但遇到了问题。

我想要做的是显示一个问题和一张图片。我有一个（全局）问题列表和一个（全局）图像列表，应该针对所有图像询问所有问题。

就用户可以看到的问题和图像应随机选择。然而，来自答案（问题/图像对）的统计数据将用于研究目的。这意味着必须选择所有问题/图像对，以便答案将均匀分布在所有问题和所有图像中。

用户应该只能回答一次特定的问题/图像对。

我正在使用 mysql 数据库和 php。目前，我有三个数据库表：

tbl_images (image_id)

tbl_questions (question_id)

tbl_answers (answer_id, image_id, question_id, user_id)

其他列与此特定问题无关。

解决方案 1： 跟踪每个图像/问题的使用次数（在每个表中添加一列）。始终选择被问得最少的图片和问题。
问题： 我真正感兴趣的是图像问题之间的分布，反之亦然，而不是每个问题都是全局的。

解决方案 2： 添加另一个表，其中包含所有问题/图像对以及它被询问的次数。选择最低的组合（如果计数列按升序排序，则为第一行）。
问题： 不强制用户只能回答一次问题。也不会给用户选择随机的现象。

解决方案 3： 与 #2 相同，但将问题/图像/user_id 存储在表中。
问题： 性能问题（？），为每个用户浪费了大量空间。可能会有半大量的数据（数千个问题/图像和至少数百个用户）。

解决方案 4： 从所有可用内容中随机选择一个问题和图像。如果答案数量足够多，它们将均匀分布。
问题： 如果我添加一个新问题或图像，他们将不会得到比其他人更多的答案，因此永远不会赶上。我想要所有问题/图像对的统计数据数量均等。

解决方案 5： 加权随机。随机选择一些问题/图像对（例如大约 10 到 100 个），然后从中挑选出用户未回答的最佳（例如，最低的全局计数）。
问题： 不保证最近添加的问题或图像会很快得到很多答案。

解决方案 #5 可能是迄今为止我想出的最好的解决方案。
非常感谢您的意见，感谢您的宝贵时间。

Answer 1

根据我对您的问题的理解，我会选择 #1。但是，您不需要新列。我会创建一个 SQL 视图，因为听起来你无论如何都需要报告类似的事情。视图基本上是一个缓存选择，但其行为类似于表。因此，您将创建一个视图来保持每个图像回答的每个问题的总数：

DROP VIEW IF EXISTS "main"."view_image_question_count";
CREATE VIEW "view_image_question_count" AS 
SELECT a.image_id, a.question_id, SUM(b.question_id) as "total"
FROM answer AS a
INNER JOIN answer AS b ON a.question_id = b.question_id
GROUP BY a.image_id, a.question_id;

然后，您需要一种快速简便的方法来获得下一个最佳图像/问题组合：

DROP VIEW IF EXISTS "main"."view_next_best_question";
CREATE VIEW "view_next_best_question" AS 
SELECT a.*, user_id
    FROM view_image_question_count a
    JOIN answer USING( image_id, question_id )
    JOIN question USING(question_id)
    JOIN image USING(image_id)
ORDER BY total ASC;

现在，如果您需要报告您的图像以质疑性能，您可以通过以下方式进行：

SELECT * FROM view_image_question_count

如果您需要下一个最佳图像+问题来询问用户，您可以致电：

SELECT * FROM view_next_best_question WHERE user_id != {USERID} LIMIT 1

!= {USERID} 部分是为了防止收到用户已经回答的问题。 LIMIT 优化后只得到一个。

免责声明：可能有很多可以做的优化。我只是想发表一些想法。

另外，这是我用于测试的数据库转储。 http://pastebin.com/yutyV2GU