高效对比数据库行值

Question

我想要遍历一个文档数据库，并计算每对文档之间的比较分数。

一种简单粗暴的方法是把一个循环放在另一个循环里面。这样做的话，程序会把文档比较两次，还会把每个文档跟自己比较。

有没有什么算法的名字可以让这个任务更高效地完成？这种方法有什么名字吗？

谢谢。

Answer 1

像这样吗？

src = [1,2,3]
for i, x in enumerate(src):
    for y in src[i:]:
        compare(x, y)

或者你可能想生成一对一对的列表：

pairs = [(x, y) for i, x in enumerate(src) for y in src[i:]]

Answer 2

我觉得这个问题并不复杂到需要一个专门的名字。

你可以通过强制比较不同数据行中可能不同的值来避免重复的配对，主键就是一个很明显的选择，比如说：

唯一的配对：

SELECT a.item as a_item, b.item as b_item
FROM table AS a, table AS b
WHERE a.id<b.id

实际上，有很多方法可以利用比较操作来生成数据总结，从而识别出可能相似的项目。对于单个单词，使用声音编码（soundex）是一个很好的选择。不过你没有说明你用来比较的标准是什么。

C.

Answer 3

假设所有的物品都有一个编号，叫做ItemNumber。

简单的解决办法是：第二个物品的ItemNumber总是要大于第一个物品的ItemNumber。

比如：

for (firstitem = 1 to maxitemnumber)
  for (seconditem = firstitemnumber+1 to maxitemnumber)
    compare(firstitem, seconditem)

视觉提示：如果你把比较想象成一个矩阵（一个物品的编号在一个轴上，另一个物品的编号在另一个轴上），那么这个比较就是在看其中一个三角形。

........
x.......
xx......
xxx.....
xxxx....
xxxxx...
xxxxxx..
xxxxxxx.