伪随机选择均匀分布的数据

Question

我目前正在研究一个中等规模的Web项目，并且遇到了问题。

我想要做的是显示一个问题，连同一个图像。我有一个（全球）问题列表和一个（全局）图像列表，所有图像都应该问所有问题。

至于用户可以看到的问题和图像应该随机选择。然而，答案的统计数据（问题/图像对）将用于研究目的。这意味着必须选择所有问题/图像对，以便答案在所有问题和所有图像间平均分配。

用户应该只能够回答特定的问题/图像对中的一个的时间。

我正在使用mysql数据库和php。目前，我有三个数据库表：

tbl_images (image_id) 

tbl_questions (question_id) 

tbl_answers (answer_id, image_id, question_id, user_id) 

其他列并不涉及这一特定问题。

解决方案1： 跟踪每个图像/问题已被使用多少次（在每个表格中添加一列）。总是选择最少要求的图像和问题。
问题： 什么我真正感兴趣的是图像，反之亦然问题中的分布，而不是每一个问题是，甚至全球。

解决方案2： 添加另一张表，其中包含所有问题/图像对以及询问的次数。选择最低的组合（如果计数列按升序排序，则为第一行）。
问题： 并不强制用户只能回答一个问题一次。也没有给出用户选择随机的外观。

解决方案3： 同＃2，但商店的问题/图像/ 表user_id说明。
问题： 性能问题，大量的空间浪费为每个用户（？）。可能会有大量的数据（数千个问题/图像和至少数百个用户）。

解决方案4： 选择从所有可用的真正的随机提问和形象。有了足够多的答案，他们将平均分配。
问题： 如果我添加了新的问题或图片，他们不会得到比别人更多的答案，因此永远也追不上。我想要所有问题/图像对的统计数据。

解决方案5： 加权随机。选择一些问题/图像对（比如约10-100），然后选择用户没有回答的最好的（如最低全局计数）。
问题： 不能保证最近添加的问题或图片能够快速获得大量答案。

到目前为止，解决方案＃5可能是最好的。
您的输入是非常感谢，感谢您的时间。

Answer 1

从我了解你的问题，我会去＃1。但是，您不需要新的列。我会创建一个SQL视图，而不是因为它听起来像你需要报告这样的事情。一个视图基本上是一个缓存选择，但行为类似于一个表。因此，你将创建一个视图回答每幅图像的总每一个问题的饲养：

DROP VIEW IF EXISTS "main"."view_image_question_count"; 
CREATE VIEW "view_image_question_count" AS 
SELECT a.image_id, a.question_id, SUM(b.question_id) as "total" 
FROM answer AS a 
INNER JOIN answer AS b ON a.question_id = b.question_id 
GROUP BY a.image_id, a.question_id; 

然后，你需要一个快速简便的方法来获得下一个最好的图像/问题二合一问：

DROP VIEW IF EXISTS "main"."view_next_best_question"; 
CREATE VIEW "view_next_best_question" AS 
SELECT a.*, user_id 
    FROM view_image_question_count a 
    JOIN answer USING(image_id, question_id) 
    JOIN question USING(question_id) 
    JOIN image USING(image_id) 
ORDER BY total ASC; 

SELECT * FROM view_image_question_count 

如果需要下一个最好的图像+问题要问一个用户，你会打电话：

现在，如果您需要在图像上报告质疑成效，请您可以通过这样做

SELECT * FROM view_next_best_question WHERE user_id != {USERID} LIMIT 1 

的!= {USERID}部分是为了防止让用户已经回答的问题。 LIMIT优化只能得到一个。

免责声明：可能有很多工作可以优化这一点。我只是想发表一些想法。

另外，这里是我用于测试的数据库转储。 http://pastebin.com/yutyV2GU