知识卡片
属性提升为节点形成聚集入口
原先每个仓库保存lang属性,查询某语言需扫相关仓库;把语言建为节点,再连接用户与仓库,可把语言作为自然聚集入口。它重组已有数据以服务特定查询,没有凭空产生新事实;派生边需要与原属性保持一致,缺失语言也不能伪装成一种真实语言。
结构图:本书数据模型,边名是代码中的标签,不是已证实的个人能力。
flowchart LR
U["用户"] -->|gazes| R["仓库"]
U -->|"programs:书中代理标签"| L["语言"]
L -->|implements| R
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
隐式的关系创建成明显的关系。从完整性角度来看,没有新的数据产生,但是我们现在拥有的数据可以对某些查询进行更高效的计算了。虽然我们现在这种模式比较简单,但是所有可能与之相关的图可以很轻松地创建和挖掘,这带来的知识是巨大的。 相比于使用很多个节点拥有的属性来代表一种编程语言,使用一个单独的节点对应一种语言有很大优势,那就是一个节点是聚集的自然点。使用中央聚集点可
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第7章《7.4.4 以节点为中心获得更高效的查询》(spine113;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0102.html;u118-ch07-024)。
- 结论依据:原文在“隐式的关系创建成明显的关系”附近的定义、例子或代码支撑本卡核心说明:原先每个仓库保存lang属性,查询某语言需扫相关仓库;把语言建为节点,再连接用户与仓库,可把语言作为自然聚集入口。边界按已读前提解释;示例未执行。
- 原始内容:隐式的关系创建成明显的关系。从完整性角度来看,没有新的数据产生,但是我们现在拥有的数据可以对某些查询进行更高效的计算了。虽然我们现在这种模式比较简单,但是所有可能与之相关的图可以很轻松地创建和挖掘,这带来的知识是巨大的。 相比于使用很多个节点拥有的属性来代表一种编程语言,使用一个单独的节点对应一种语言有很大优势,那就是一个节点是聚集的自然点。使用中央聚集点可