如何使用 BigQuery 找到最常见的二元组? [英] How to find the most common bi-grams with BigQuery?
本文介绍了如何使用 BigQuery 找到最常见的二元组?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我想在我的表中找到最常见的二元组(词对).如何使用 BigQuery 执行此操作?
I want to find the most common bi-grams (pair of words) in my table. How can I do this with BigQuery?
推荐答案
现在有了一个新函数:ML.NGRAMS()
:
Now with a new function: ML.NGRAMS()
:
WITH data AS (
SELECT REGEXP_EXTRACT_ALL(LOWER(title), '[a-z]+') title_arr
FROM `fh-bigquery.reddit_posts.2019_08`
WHERE title LIKE '% %'
AND score>1
)
SELECT APPROX_TOP_COUNT(bigram, 10) top
FROM (
SELECT ML.NGRAMS(title_arr, [2,2]) x
FROM data
), UNNEST(x) bigram
WHERE LENGTH(bigram) > 10
文档:
这篇关于如何使用 BigQuery 找到最常见的二元组?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文