我的酒店评论数据集中有什么关系？

Question

我有一个酒店评论数据集。数据集中的每个文件都针对不同的酒店。我被要求“写下您在数据集中识别的关系。确保包含数据类型和主键。”这是我的数据集中的一个示例文件：

<Overall Rating>4
<Avg. Price>$173
<URL>http://...

<Author>everywhereman2
<Content>Old seattle getaway...
<Date>Jan 6, 2009
<img src="http://cdn.tripadvisor.com/img2/new.gif" alt="New"/>
<No. Reader>-1
<No. Helpful>-1
<Overall>5
<Value>5
<Rooms>5
<Location>5
<Cleanliness>5
<Check in / front desk>5
<Service>5
<Business service>5

<Author>RW53
<Content>Location! Location?       view from room of nearby freeway 
<Date>Dec 26, 2008
<No. Reader>-1
<No. Helpful>-1
<Overall>3
<Value>4
<Rooms>3
<Location>2
<Cleanliness>4
<Check in / front desk>3
<Service>-1
<Business service>-1

...new review e.t.c

Author to Business 服务部分（第 5 行到第 18 行）代表对酒店的评论。然后，该文件将继续执行该酒店的许多评论，重复第 5 行到第 18 行。我希望这是有道理的。这是我认为的关系：

HotelReview(String: Author, String: Content, Date: Date, String: img src, Int: No. Reader, Int: No. Helpful, Int: Overall, Int: Value, Int: Rooms, Int: Location, Int: Cleanliness, Int: Checkin / front desk, Int: Service, Int: Business Service) 

还是这样

HotelReview(Int: Overall Rating, Int: Avg. Price, String: URL) 

由于我对这些东西不熟悉，所以我可能会走得很远，我感谢任何帮助。谢谢

Answer 1

也许我不是提供答案的最佳人选，但我会试一试。

首先，您可能想查找一些有关数据库架构设计的书籍或博客。这应该为您提供有关如何处理此任务的一般指导。

然后，根据显示的数据，您可能会识别出 2 个实体：

• 酒店（来自标题部分）
  具有以下属性：

  • OverallRating int
  • AveragePrice int
  • 网址网址或文字

  前两个实际上可能是从其他来源派生（计算）的值，但正如所展示的那样，这将类似于真正的属性值）
  可能从这里，URL 是主键，如果没有其他更合适的值没有在示例中显示。

• HotelReview（来自重复部分）
  带属性：

  • Hotel（来自 Hotel 实体的 url 外键）
  • Autor 文本（如果作者是“众所周知的”，则可能是作者表的外键）
  • 日期日期
  • img url 或文本（或者这是指另一个表格？）
  • 所有使用 Int 类型的值属性

  对于给定的数据，这种关系没有“好的”主键。您所拥有的只是 Author 和 Date 作为组合键。但使用它意味着作者可能每天只提供一次评论。如果这是一个合理的限制，那就继续吧。否则，您需要引入更多属性（例如，审核时间 以通过此限制或简单地为唯一标识评论并可以用作主键的评论引入一个序列号。

对于指定的类型，您当然应该遵循您的类型系统可用的类型。如果没有，则指出最精确的类型并提供类型和语义列表。例如。您可以使用类型 score 表示这是从 -1 到 10 的整数值，其中 -1 表示“故意没有值”，其他是 10 的潜在分数最好成绩。然后将 thos 用于不同的类别。