You need to enable JavaScript to run this app. Django如何实现用户自定义标签集的带概率文档分类模型
优惠活动
大模型
产品
解决方案
定价
更多

Django如何实现用户自定义标签集的带概率文档分类模型

实现方案:自定义带额外字段的多对多中间表

核心逻辑就是解决两个实际落地的卡点:

  1. 不需要提前硬编码所有标签字段,用户可动态新增任意标签
  2. 文档和标签的关联关系上,需要单独存储概率值,不是空的关联关系

Django针对这种带额外属性的多对多关联,官方标准实现就是使用自定义中间表(Through Model),替代ManyToMany默认自动生成的无额外字段的中间表。

模型定义

首先引入需要的校验器和ORM依赖:

from django.core.validators import MinValueValidator, MaxValueValidator
from django.db import models

1. 动态标签模型

所有用户自定义的标签都存在这张表里,不需要提前写死news、business、sports这类固定值:

class Label(models.Model):
    label_name = models.CharField(max_length=50, unique=True, verbose_name="标签名称")
    created_at = models.DateTimeField(auto_now_add=True)

2. 文档主模型

通过ManyToManyField的through参数绑定自定义中间表,不使用默认生成的关联表:

class Document(models.Model):
    document_name = models.CharField(max_length=100, verbose_name="文档名称")
    # 文档本身的其他字段(正文、上传人、上传时间等)正常定义即可
    matched_labels = models.ManyToManyField(
        Label,
        through="DocumentLabelProbability",
        through_fields=("document", "label"),
        related_name="doc_list"
    )

3. 带概率存储的关联中间表

这部分是核心,专门承接文档和标签的关联关系,同时存储对应归属概率,替代默认ManyToMany的空关联表:

class DocumentLabelProbability(models.Model):
    document = models.ForeignKey(Document, on_delete=models.CASCADE, verbose_name="关联文档")
    label = models.ForeignKey(Label, on_delete=models.CASCADE, verbose_name="关联标签")
    # 补全之前硬编码字段遗漏的decimal_places参数,同时加0-1的区间校验
    match_probability = models.DecimalField(
        max_digits=5,
        decimal_places=4,
        validators=[MinValueValidator(0), MaxValueValidator(1)],
        verbose_name="标签归属概率"
    )
    updated_at = models.DateTimeField(auto_now=True, verbose_name="概率更新时间")

    class Meta:
        # 加联合唯一约束,防止同一文档对同一标签存多条重复的概率记录
        unique_together = ("document", "label")

日常使用方式

因为关联关系带了额外字段,不能直接用原生ManyToMany不带参数的add()方法写入数据,需要直接操作中间表完成读写:

  • 写入文档对某标签的匹配概率:
# 拿到对应的文档和标签实例
doc = Document.objects.get(id=1)
news_label = Label.objects.get(label_name="news")
# 直接在中间表创建记录写入概率
DocumentLabelProbability.objects.create(
    document=doc,
    label=news_label,
    match_probability=0.9123
)
  • 查询某文档所有标签及对应概率:
# 关联查询直接输出标签名和对应概率的配对结果
prob_list = DocumentLabelProbability.objects.filter(
    document=doc
).select_related("label").values_list("label__label_name", "match_probability")

方案对比原实现的优势

  • 用户新增自定义标签时,只需要在Label表插入新记录即可,不需要修改模型代码、不需要做数据库迁移,完全不需要提前预知所有可能的标签类型
  • 每条文档-标签的关联关系完全独立,后续如果需要扩展其他关联属性(比如概率对应的模型版本、分类置信度来源等),直接在中间表加字段即可
  • 内置数据库层面的唯一约束和字段区间校验,避免产生重复、无效的脏数据
  • 完全兼容Django ORM的所有查询、聚合能力,不需要写额外的原生SQL

内容的提问来源于stack exchange,提问作者Geveze

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.12 12:36:04