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?

查看:22
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
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆