我有800万个唯一的user_id到item_id配对，如下所示：
user_id item_id
1 item10
1 item11
1 item12
1 item13
2 item11
2 item13
2 item14
2 item15
3 item10
3 item14
3 item18
我想将其转换为以下格式：node1，node2，weight，其中所有节点都是user_id，它们之间的权重是它们共享的item_id的数量。因此，例如，1和2是连接的，因为它们共享2个item_id[item11和item13]，1和3共享1个item_id[item_10]，2和3也共享1。。。等
1,2,2
1,3,1
2,3,1
这将是我想要的最终结果。然而，我有800万行（大约25个唯一的user_id，但有许多连接），最有效的方法是什么？我用来从大约50000行中检索类似（但不完全相同）网络的SQL查询花费了很长时间，所以我正在寻找替代方案。我可以用R、php、sql或python来完成。
类似的东西
SELECT node1.user_id, node2.user_id, COUNT(item_id)
FROM yourtable AS node1
JOIN yourtable AS node2 ON
(node1.user_id <> node2.user_id) AND (node1.item_id = node2.item_id)
GROUP BY node1.user_id, node2.user_id
在R中，在将文件作为数据帧dat读取后，可能会出现以下情况：
## create list of items split up and labeled by user_id
item_list <- split(dat$item_id, dat$user_id)
## create list of unique ID's
id_list <- as.character(unique(dat$user_id))
## find all combinations of 2 ID's
id_comb <- combn(id_list,2)
## iterate through all ID combinations, locate the item sets
## intersect and find the cardinality afterwards
result <- apply(id_comb, 2, function(x)
length(do.call(intersect, item_list[x]))