求助：基于C#网站开发商品关联推荐功能的SQL查询实现

嘿，这个需求太适合项目初期快速落地了！不用复杂的机器学习模型，纯SQL就能搞定基于频繁关联的商品推荐，完全贴合你说的类似Stack Overflow「相关内容」的思路。

首先咱们得先明确基础的数据库表结构——假设你有一张记录订单商品关联的表OrderItems，结构大概是这样：

• OrderId：订单唯一标识（比如GUID或者自增ID）
• ProductName：商品名称（和你输入的查询字段对应）

核心SQL查询实现 #

我给你写两种方案：一种是按关联频率从高到低返回，另一种是筛选关联占比≥50%的商品，你可以按需选择。

方案1：返回关联最频繁的Top N商品

这个方案会统计所有和目标商品出现在同一订单里的其他商品，按出现次数排序，返回Top N（比如Top 5）：

WITH TargetOrders AS (
    -- 先找出所有包含目标商品的订单ID
    SELECT DISTINCT OrderId
    FROM OrderItems
    WHERE ProductName = @TargetProduct -- 这里用参数化，避免SQL注入
)
SELECT 
    oi.ProductName AS RecommendedProduct,
    COUNT(DISTINCT oi.OrderId) AS CoOccurrenceCount, -- 统计共同出现的订单数
    ROUND(COUNT(DISTINCT oi.OrderId) * 100.0 / (SELECT COUNT(*) FROM TargetOrders), 2) AS CoOccurrencePercentage
FROM OrderItems oi
JOIN TargetOrders TOs ON oi.OrderId = TOs.OrderId
WHERE oi.ProductName != @TargetProduct -- 排除目标商品本身
GROUP BY oi.ProductName
ORDER BY CoOccurrenceCount DESC
LIMIT 5; -- 可以调整返回的数量，比如Top 10

方案2：返回关联占比≥50%的商品

如果要直接筛选出和目标商品在≥50%的共同订单里出现的商品，只需要在上面的基础上加个HAVING条件：

WITH TargetOrders AS (
    SELECT DISTINCT OrderId
    FROM OrderItems
    WHERE ProductName = @TargetProduct
)
SELECT 
    oi.ProductName AS RecommendedProduct,
    COUNT(DISTINCT oi.OrderId) AS CoOccurrenceCount,
    ROUND(COUNT(DISTINCT oi.OrderId) * 100.0 / (SELECT COUNT(*) FROM TargetOrders), 2) AS CoOccurrencePercentage
FROM OrderItems oi
JOIN TargetOrders TOs ON oi.OrderId = TOs.OrderId
WHERE oi.ProductName != @TargetProduct
GROUP BY oi.ProductName
HAVING ROUND(COUNT(DISTINCT oi.OrderId) * 100.0 / (SELECT COUNT(*) FROM TargetOrders), 2) >= 50.0
ORDER BY CoOccurrencePercentage DESC;

关键细节说明 #

• 参数化查询：一定要用@TargetProduct这种参数，不要直接拼接字符串，防止SQL注入——在C#里调用的时候，用SqlParameter或者EF Core的参数化查询就行。
• 去重处理：用DISTINCT OrderId是因为同一个订单里多次买同一个商品，应该只算一次关联，避免重复统计。
• 大小写问题：如果你的商品名称大小写不敏感（比如'ABC'和'abc'算同一个），可以把WHERE ProductName = @TargetProduct改成WHERE LOWER(ProductName) = LOWER(@TargetProduct)。

C#调用示例（用ADO.NET） #

给你个简单的C#调用示例，确保参数化：

public List<string> GetRecommendedProducts(string targetProduct)
{
    var recommendedProducts = new List<string>();
    string connectionString = "你的数据库连接字符串";
    string sql = @"
        WITH TargetOrders AS (
            SELECT DISTINCT OrderId
            FROM OrderItems
            WHERE ProductName = @TargetProduct
        )
        SELECT oi.ProductName
        FROM OrderItems oi
        JOIN TargetOrders TOs ON oi.OrderId = TOs.OrderId
        WHERE oi.ProductName != @TargetProduct
        GROUP BY oi.ProductName
        ORDER BY COUNT(DISTINCT oi.OrderId) DESC
        LIMIT 5;";

    using (SqlConnection conn = new SqlConnection(connectionString))
    {
        conn.Open();
        using (SqlCommand cmd = new SqlCommand(sql, conn))
        {
            cmd.Parameters.AddWithValue("@TargetProduct", targetProduct);
            using (SqlDataReader reader = cmd.ExecuteReader())
            {
                while (reader.Read())
                {
                    recommendedProducts.Add(reader["ProductName"].ToString());
                }
            }
        }
    }
    return recommendedProducts;
}

后续优化建议 #

如果以后数据量变大了，纯SQL可能会有点慢，你可以考虑：

• 预计算关联商品的统计结果，定时更新到一张专门的推荐表（比如ProductRecommendations），查询的时候直接读这张表。
• 引入更精细的维度，比如按用户分类、时间段来计算关联，推荐会更精准。

内容的提问来源于stack exchange，提问作者Akshay Salekar