(資料圖)
聚合索引在數據挖掘和推薦系統中也有很多應用。例如，假設我們有一個包含用戶購買記錄的集合 purchase，每個文檔包含以下字段：
user_id：用戶IDproduct_id：商品IDpurchase_date：購買日期quantity：購買數量我們可以使用聚合索引來計算商品之間的相似度，以實現商品推薦功能。
首先，我們需要創建一個聚合索引：
db.purchase.createIndex({ "product_id": 1 })然后，我們可以使用聚合框架來計算商品之間的相似度：
db.purchase.aggregate([ { $group: { _id: "$user_id", purchases: { $push: "$product_id" } } }, { $lookup: { from: "purchase", localField: "purchases", foreignField: "product_id", as: "related_products" } }, { $unwind: "$related_products" }, { $group: { _id: { product_id: "$product_id", related_product_id: "$related_products.product_id" }, count: { $sum: 1 } } }, { $project: { _id: 0, product_id: "$_id.product_id", related_product_id: "$_id.related_product_id", count: 1 } }, { $sort: { count: -1 } }])上面的聚合操作將用戶購買記錄按照用戶ID進行分組，然后通過 $lookup操作將購買同一商品的用戶關聯起來，再通過 $group操作統計每個商品和其它商品之間的購買次數。最后，通過 $sort操作將結果按照購買次數降序排列，得到商品之間的相似度。
關鍵詞：
