一个计算相似度的问题

发布时间：2011年10月8日 / 分类：DataBase, Design / 13,016 次浏览 / 评论

在CSDN的BBS上看到一个计算兴趣相似度的问题，很感兴趣，在电子商务中应该有很大的用途。比如通过相似度寻找好友，通过相似度进行比较购物，通过相似度向顾客推荐一些可能感兴趣的商品等等。

首先虚拟一个场景：

某个网站有很多用户，每个用户注册的时候填写了自己的一些兴趣，现在要向网站中的用户推荐有相同兴趣的其它用户，促进用户之间的交流，从而增强网站的社交功能。

怎么办？

首先确定一个用户，获取这个用户的全部兴趣，

然后查找有这些兴趣的用户，兴趣数相同的数量越多，推荐的位置越靠前。

怎么实现？

最简单的办法就是遍历当前用户的兴趣，然后遍历用户表，如果用户有相同的兴趣，则相似度加1，通过这种双遍历的方式进行计算。

这个方法肯定可以。但是效率不高，用户数量庞大时服务器会比较累，而且不够优雅。

怎么优化？

通过SQL语句查找有相同兴趣的用户，这些用户中如果相同兴趣数量大于1，就会出现多条记录，然后对这些用户按照用户进行分组统计。

这样一条SQL语句即可查找到要推荐的其它用户，性能方面无法确认，不过如果数据表设计得当效率应比较好。

示例

1、创建三个表

用户表（User）、兴趣表（Interest）、用户与兴趣关联表（User2Interest）

CREATE TABLE [dbo].[User](
    [Id] [int] IDENTITY(1,1) NOT NULL,
    [RealName] [nvarchar](50) NULL,
 CONSTRAINT [PK_User] PRIMARY KEY CLUSTERED
(
    [Id] ASC
)
) ON [PRIMARY]

CREATE TABLE [dbo].[Interest](
    [Id] [int] IDENTITY(1,1) NOT NULL,
    [Name] [nvarchar](50) NULL,
 CONSTRAINT [PK_Interest] PRIMARY KEY CLUSTERED
(
    [Id] ASC
)
) ON [PRIMARY]

CREATE TABLE [dbo].[User2Interest](
    [UserId] [int] NOT NULL,
    [InterestId] [int] NOT NULL,
 CONSTRAINT [PK_User2Interest] PRIMARY KEY CLUSTERED
(
    [UserId] ASC,
    [InterestId] ASC
)
) ON [PRIMARY]

2、在数据表中插入一些测试记录：

User：

Interest：

User2Interest：

3、查询和某个用户有相同兴趣的其他用户

比如指定某个用户张三：

张三的UserId是1，这个在系统中一般很容易获取。

首先查找张三的兴趣：

select InterestId from User2Interest where UserId = 1

然后查找有相同兴趣的用户：

select UserId from User2Interest where UserId<>1 and InterestId in (select InterestId from User2Interest where UserId = 1)

然后对这些用户按照UserId进行分组，并使用count函数统计相似度，然后按照相似度排序：

select UserId,count(1) as similarity from User2Interest where UserId<>1 and InterestId in (select InterestId from User2Interest where UserId = 1) group by UserId order by similarity desc

看看查询结果：