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:
- 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
- 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
相关产品推荐

