Sql 在数据有限的情况下，每个标签（或标签组）每月的大致页面浏览量？

使用堆栈溢出公共数据转储，我创建了三个简单的表：

问题问题Id、视图计数、创建日期 标签标签名称 问题标签问题Id，标签名称 问题表有数十万行，创建日期从一年前到今天。纵观数据，有两个显著趋势：

问题的数量随着时间的推移而增加——例如，本月提出的问题比三个月前多 问题视图有一条长尾——通过查看基于开放周的视图，我们可以看到大多数问题视图出现在第一周；第二次和第三次的数额较小；在接下来的几周里，它会有一条长长的尾巴 如果这两个因素都不起作用，那么估计一个月内给定标签或一组标签的流量就相当简单了：

SELECT YEAR(Q.Creation_Date)
      ,MONTH(Q.Creation_Date)
      ,SUM( Q.View_Count / DATEDIFF(m,Q.Creation_Date,GETDATE()) )
  FROM Questions Q
       JOIN QuestionTags QT
         ON Q.Question_Id = QT.Question_Id
 WHERE QT.Tag_Name IN ('c#','.net', ... )
GROUP BY YEAR(Q.Creation_Date), MONTH(Q.Creation_Date)
ORDER BY 1,2

但由于上述因素，尤其是长尾，我不确定如何近似视图。我的想法是创建一个函数，使用长尾公式，根据当前的视图数和打开的周数计算一个月的视图

下面是我找到尾巴的方法：

DECLARE @SDTE DATETIME, @EDTE DATETIME
SELECT @SDTE = '2009-01-11' -- after new years holiday
      ,@EDTE = CAST( MAX([Creation_Date])  AS INT )
  FROM [Questions]


SELECT [DaysOpen_Count]
      ,AVG( [WView_Count] ) 
       FROM
  (
  SELECT QT.[Tag_Name], 
      Q.[View_Count],
      [DaysOpen_Count] = DATEDIFF(DAY, Q.[Creation_Date], @EDTE),
      [WView_Count] = CAST( Q.[View_Count] / ( DATEDIFF(DAY, Q.[Creation_Date], @EDTE) / 7.0 ) AS INT )
    FROM [Questions] Q
      INNER JOIN [QuestionTags] QT
        ON Q.[Question_Id] = QT.[Question_Id]
   WHERE [Tag_Name] IN ('c#','.net',...)
     AND [Creation_Date] < @EDTE
  ) Q
GROUP BY [DaysOpen_Count]
ORDER BY 1,2

如何继续创建此SQL查询

最终目标是一个存储过程，它输入一个CSV标签字符串，并为这些标签显示过去六个月的页面视图

---

获得风滚草徽章后，我想是时候赏金了

我想到了这种估算尾部的方法：

DECLARE @SDTE DATETIME, @EDTE DATETIME
SELECT @SDTE = '2009-01-11' -- after new years holiday
      ,@EDTE = CAST( MAX([Creation_Date])  AS INT )
  FROM [Questions]


SELECT [DaysOpen_Count]
      ,AVG( [WView_Count] ) 
       FROM
  (
  SELECT QT.[Tag_Name], 
      Q.[View_Count],
      [DaysOpen_Count] = DATEDIFF(DAY, Q.[Creation_Date], @EDTE),
      [WView_Count] = CAST( Q.[View_Count] / ( DATEDIFF(DAY, Q.[Creation_Date], @EDTE) / 7.0 ) AS INT )
    FROM [Questions] Q
      INNER JOIN [QuestionTags] QT
        ON Q.[Question_Id] = QT.[Question_Id]
   WHERE [Tag_Name] IN ('c#','.net',...)
     AND [Creation_Date] < @EDTE
  ) Q
GROUP BY [DaysOpen_Count]
ORDER BY 1,2

要查看标签列表， 对于这些标签中的每个问题 给出创建日期后的第一个月视图计数的80% 在创建日期后的第二个月，提供视图计数的10% 在今天之前的剩余月份平均分摊10%

当然，80%，10%只是我的选择，它们可以根据实际数据更精确地计算。此外，第二个月的10%可能会被取消。所有的逻辑都是这样的：当差异。。。部分

您可以获得估计的查看次数/问题/月份

然后，您所要做的就是每月查看和计数，如果您想要一个时间窗口，请在该月添加一个条件

我创建了一个可以执行此操作的存储过程，但是您必须首先创建一个临时表tagsTag_name，在其中放置所需的标记

CREATE PROCEDURE GetTagViews @startDate datetime, @endDate datetime
As

IF exists (SELECT null FROM sysobjects WHERE name = '#months' and type = 'U')
    DROP TABLE #MONTHS

CREATE TABLE #MONTHS
(
    month datetime
)

DECLARE @currMonth datetime
SELECT @currMonth = MIN(Creation_Date) FROM Questions

-- Populate #MONTHS with all the months from the oldest
-- question creation_date to Today
WHILE @currMonth < getdate()
BEGIN
    -- insert date starting at the beginning og the month
    INSERT INTO #MONTHS select @currMonth - day(@currMonth) + 1
    SELECT @currMonth = dateadd(m, 1, @currMonth) -- advance 1 month
END

SELECT YEAR(month) y, MONTH(month) m, SUM(curr_month_views) Views FROM (
SELECT Q1.month, Q1.diff, round(
CASE WHEN diff = dmin and diff = dmax THEN View_Count
     WHEN diff = dmin and diff < dmax THEN 0.8*View_Count
     WHEN diff = dmin+1 and diff < dmax THEN 0.1*View_Count
     WHEN diff = dmin+1 and diff = dmax THEN 0.2*View_Count
     WHEN diff >= dmin+2 THEN 0.1/(dmax - (dmin+2) + 1)*View_Count
     ELSE 0
END, 0) curr_month_views
FROM (
SELECT  Q.question_id, m.month, 
    DATEDIFF(m, Q.Creation_Date, m.month) diff, 
    Q.View_Count, dmin, dmax
FROM Questions Q,
     #MONTHS m, 
     (SELECT MIN(DATEDIFF(m, Q.Creation_Date, m.month)) [dmin], 
             MAX(DATEDIFF(m, Q.Creation_Date, m.month)) [dmax]
        FROM Questions Q,#MONTHS m
       WHERE DATEDIFF(m, Q.Creation_Date, m.month) >= 0) MINMAX
) Q1 join QuestionTags QT on Q1.question_id = QT.question_id 
     join #tags on #tags.Tag_Name = QT.Tag_Name
) b WHERE month >= @startDate - day(@startDate) + 1
      AND month <= @enddate - day(@enddate) + 1
GROUP BY Year(month), Month(month)
ORDER BY 1, 2

用“sql”填充标记

GetTagViews '20090501', '20091001'

    y           m           Views                                    
    ----------- ----------- ---------------
    2009        5           21.000000000000
    2009        6           21.000000000000
    2009        7           21.000000000000
    2009        8           21.000000000000
    2009        9           55.000000000000

用“c”填充标记

GetTagViews '20090501', '20091001'

    y           m           Views                                    
    ----------- ----------- ---------------------------------------- 
    2009        5           .000000000000
    2009        6           .000000000000
    2009        7           .000000000000
    2009        8           278.000000000000
    2009        9           35.000000000000

用“sql”和“c”填充标记

GetTagViews '20090501', '20091001'

    y           m           Views                                    
    ----------- ----------- ----------------
    2009        5           21.000000000000
    2009        6           21.000000000000
    2009        7           21.000000000000
    2009        8           299.000000000000
    2009        9           90.000000000000

你可以看到sql的峰值，与2009-08年唯一的sql相比，这是因为那个月被问到了c问题

---

注：如果你总结了详细的观点，并与给定问题的原始数据进行比较，我的估算结果会导致某些观点的差异~1

＞P>你需要考虑一个指数图衰减曲线，类似于这个——

这里我们需要的是曲线下的面积，直到所需的时间（以天为单位）

如果你算一下，就会得出一个结果

Views = V/λ[1 - e^(-λt)]

t是创建日期-今天的日期-1

V是我们的浏览量

λ可以是2ln2/T或1.4/T

T可以是一个主要的生命周期，如5天或7天。我们就买它吧

我们在这里做了很多假设，因为SO是动态的。但我肯定它会产生好的结果

---

您现在所要做的就是替换适当的值并获取视图。

要模拟长尾巴，只需引入一个常量。或者使用对数函数

your_formula(delta_t) + C

1 / (1 + log(1 + delta_t))

---

系数被省略

这看起来非常接近我想要的；至于动态性。。。所有这些都是平均值，特别是当我们放弃一些奇怪的问题，比如你可能需要微调公式，特别是V和衰变率λ。此类问题的衰减率非常低，为1/25？。