Google bigquery 以大量数据作为输入构建BigQuery

我感兴趣的是通过BigQuery的“查找三叉数据”功能获得与特定单词最频繁的单词关联。例如，当使用谷歌的时，我可以输入

great*

，这将给我提供“great”之后最常用的关联词，如“great deal”，然后是“great and”和“great many”。我的目标是对大量单词进行查询，这样我就可以用

word1*

一直查询到

word10000*

---

在讨论完这一点之后，我被引导到BigQuery的公开可用的三元数据。在这一点上，我似乎不知道如何使用这个服务来输入一个单词数组，或者作为文件输入，或者作为粘贴它们的方式。非常感谢您的帮助-谢谢

以下是“伟大”之后最常用的10个词：

这导致

second     total     
------------------
deal       3048832   
and        1689911   
,          1576341   
a          1019511   
number     984993    
many       875974    
importance 805215    
part       739409    
.          700694    
as         628978

如果您想限制特定年份（比如1820年到1840年之间），那么还可以限制cell.value（即出版年份）

---

太棒了，谢谢Mosha，它成功了。作为后续问题，是否可以将多个单词加载到

first

，这样我就可以为（理想情况下）100个单词生成一个列表？我尝试了一些语法，比如“棒极了，棒极了，…”或“棒极了”，“棒极了”，“棒极了”。。。但到目前为止，它们都不起作用。谢谢你的帮助！尝试在中使用

。也就是说，
第一名在哪里（“很棒”、“不错”、“棒球”）
。如果你这样做的话，你可能还想按
第一个
分组，这样你就可以看到第一个单词和第二个单词是什么。谢谢@JordanTigani的帮助。在
中使用
可以产生三个单词的组合结果。我想知道如何执行查询，以便它查找单个单词并提供一个汇总列表——换句话说，结果中的列数将是我用来查找的单词数的2倍。使用“great”、“good”和“Basketball”将得到一个6列的表格。获得2倍的列数更为棘手，但您可以使用第一个和第二个单词作为分组键来近似您的要求：从[publicdata:samples.trigrams]中选择first、second、SUM（cell.page_count）total，其中first=“great”按1分组，2按1排序，2描述限制10如果这还不够，请再次询问，我将为您提供更复杂的解决方案。感谢@DanDelorey的帮助！我尝试了建议的代码并对其进行了修改，但未能获得所需的解决方案。我在这个问题中解释得更详细了：-感谢你的帮助！
second     total     
------------------
deal       3048832   
and        1689911   
,          1576341   
a          1019511   
number     984993    
many       875974    
importance 805215    
part       739409    
.          700694    
as         628978

SELECT second, SUM(cell.page_count) total FROM [publicdata:samples.trigrams] 
WHERE first = "great" and cell.value between '1820' and '1840'
group by 1
order by 2 desc
limit 10