အွန်လိုင်းပညာရေးကိုစဉ်ဆက်မပြတ်လူကြိုက်များမှုဖြင့်အဖြေပေးခြင်းလုပ်ငန်းသည်အဓိကပညာရေးပလက်ဖောင်းများ၏အဓိကအပိုင်းဖြစ်သည်။ အသုံးပြုသူအတွေ့အကြုံကိုတိုးတက်စေရန်နှင့်မေးခွန်းများကိုဖြေဆိုရန်အတွက်သိပ္ပံနည်းကျဗဟုသုတကောင်းမွန်သည့်စနစ်သည်အလွန်အရေးကြီးသည်။ ၎င်းသည်အသုံးပြုသူများကိုမေးခွန်းများကိုတိကျစွာရှာဖွေရန်သာမကပလက်ဖောင်း၏အချက်အလက်ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့်ကိုယ်ပိုင်အကြံပြုချက်များကိုထောက်ပံ့ရန်လည်းအထောက်အကူပြုသည်။
ဗဟုသုတစနစ်သည်ရှင်းလင်းသောအဆင့်ဆင့်ကွဲပြားခြင်းများကိုရှင်းလင်းစွာပြုလုပ်သင့်ပြီးသစ်ပင်များဖွဲ့စည်းပုံကို အသုံးပြု. ဖွဲ့စည်းထားသည်။ Node တစ်ခုစီသည်တိကျသောဗဟုသုတအမှတ်ကိုကိုယ်စားပြုသည်။ ဥပမာအားဖြင့်သင်္ချာကို "အက်ခရာသင်္ချာ" နှင့် "ဂျီသွမေတြီ" ကဲ့သို့သောအဓိကအမျိုးအစားများအဖြစ်ခွဲခြားနိုင်သည်။
ဒေတာဖွဲ့စည်းပုံအရ, ဗဟုသုတအမှတ်များကိုသတ်မှတ်ရန်ဒေတာဘေ့စ်ရှိအောက်ပါအကွက်များအသုံးပြုရန်အကြံပြုသည်။
စားပွဲတင်ဗဟုသုတပါဗီဇီးများကိုဖန်တီးပါ ( ID Int Plasst Plassest Key Auto_incrent, NARCHAR (255) NURLE NURM Parent_id int default null );
Parent_ID အကွက်ကိုသတ်မှတ်ခြင်းဖြင့်ဗဟုသုတတစ်ခုအကြားသာလွန်ကောင်းမွန်သောဆက်ဆံရေးကိုတည်ဆောက်နိုင်သည်။
သက်ဆိုင်ရာမေးခွန်းအကြောင်းအရာကိုလိုအပ်သလိုသက်ဆိုင်ရာမေးခွန်းများကိုဖွင့်ရန်အဖြေပေးထားသော interface သည်ဗဟုသုတအမှတ်အသားအတွက် 0 င်ရောက်ရန်လိုအပ်သည်။ အောက်ပါအကွက်များကိုမေးခွန်းဒေတာဇယားတွင်ထည့်သွင်းစဉ်းစားသင့်သည်။
စားပွဲတင်မေးခွန်းများကိုဖန်တီးပါ ( ID Int Plasst Plassest Key Auto_incrent, အကြောင်းအရာစာသား null မ ရွေးချယ်စရာများစာသား NULL, Real_answer Varchar (10) NULL မ null မဟုတ်အသိပညာ );
အသုံးပြုသူသည်မေးခွန်းဖြေဆိုရန်တောင်းဆိုချက်ကိုဖြေဆိုသည့်မေးခွန်းတစ်ခုကိုတင်ပြသောအခါစနစ်သည်ဗဟုသုတ Point ID အပေါ် အခြေခံ. မေးခွန်းဘဏ်နှင့်ကိုက်ညီပြီးသက်ဆိုင်ရာမေးခွန်းများကိုရှာဖွေပြီးဆုံးဖြတ်ချက်ချသည်။
မေးခွန်းများကိုရွေးချယ်ရန်အသုံးပြုသူများကိုလွယ်ကူချောမွေ့စေရန်သစ်ပင်ဖွဲ့စည်းပုံအပေါ် အခြေခံ. အသိပညာအမှတ်လမ်းညွှန် interface ကိုတီထွင်နိုင်သည်။ ရှေ့ပြေးအဆုံးသည်ဗဟုသုတအမှတ် node တစ်ခုချင်းစီကိုပြတ်ပြတ်သားသားဖြင့်ပြသပြီးအသုံးပြုသူသည်၎င်းကို နှိပ်. node အောက်ရှိမေးခွန်းများကိုတင်ထားသည်။
Backend သည်အချက်အလက်များကိုဖြည့်ဆည်းပေးခြင်းသို့မဟုတ်တည်ဆောက်ခြင်းအားဖြင့် frontend ကိုအချက်အလက်ဖွဲ့စည်းပုံအထောက်အပံ့ကိုပံ့ပိုးပေးသည်။ ဥပမာအားဖြင့်:
function ကို getidkledgetGetree ($ parentid = null) { $ ရလဒ် = []; $ node များ = fchetidididgepointsbymarent ($ parentid); foreach ($ node အဖြစ် $ node များ) { $ ကလေးများ = Get Koinkididlegetroe ($ node ['ID']); ($ ကလေးများ) လျှင် { $ node ['ကလေးများ'] = $ ကလေးများ, } $ ရလဒ် [] = $ node; } $ $ ရလဒ်ပြန်လာ; }
အသုံးပြုသူအဖြေကိုအမူအကျင့်အပေါ် အခြေခံ. စနစ်သည်သက်ဆိုင်သောမေးခွန်းများကိုနားလည်နိုင်သည်။ အသုံးပြုသူတစ် ဦး ဗဟုသုတတစ်ခု၏အသုံးပြုသူ၏ကျွမ်းကျင်မှုကိုဆန်းစစ်ခြင်းကိုလေ့လာပြီးနောက်ကိုယ်ပိုင်လေ့လာမှုတစ်ခုရရှိရန်အမှားအယွင်းများသို့မဟုတ်ကပ်လျက်ဗဟုသုတရသည့်မေးခွန်းများကိုအကြံပြုပါ။
အကြံပြုချက် algorithm သည်ရိုးရှင်းသောတံဆိပ်ကိုက်ညီမှုမှ စ. ပူးပေါင်းစစ်ထုတ်ခြင်းသို့မဟုတ်အကြောင်းအရာထောက်ခံချက်ပုံစံသို့တဖြည်းဖြည်းတိုးတက်ပြောင်းလဲနိုင်သည်။ ဥပမာအားဖြင့်:
မေးခွန်းများမှ * ကိုရွေးပါ ဘယ်မှာ in ဗဟုသုတ_point_id ( Meternely_ID မှဗဟုသုတများမှရွေးချယ်ပါ ဘယ်မှာ basebid =? ) Rand () အမိန့် ကန့်သတ်ချက် 10;
အထက်ပါဥပမာတွင်ကြိုတင်သတ်မှတ်ထားသောဗဟုသုတရေးအသင်းဆက်ဆံရေးသည်လက်ရှိဗဟုသုတအမှတ်နှင့်ဆင်တူသည့်မေးခွန်းများအတွက်အသုံးပြုသူများအတွက်အကြံပြုသည်။
ပြီးပြည့်စုံသောအွန်လိုင်းအဖြေများအပြည့်အဝအဖြေများတည်ဆောက်ခြင်းဗဟုသုတစနစ်စနစ်သည်အချက်အလက်ဖွဲ့စည်းပုံနှင့်အသုံးပြုသူအပြန်အလှန်ဆက်သွယ်မှုဖြစ်စဉ်များကိုဆင်ခြင်တုံတရားပုံစံများကိုလိုလားသော်လည်း, သိပ္ပံပညာဆိုင်ရာဗဟုသုတများကိုသိပ္ပံနည်းကျစီစဉ်ခြင်းအားဖြင့်အသုံးပြုသူများသည်အကြောင်းအရာများကိုပိုမိုထိရောက်စွာလိုက်နာနိုင်ပြီးစနစ်သည်ကိုယ်ပိုင် 0 န်ဆောင်မှုများကိုပိုမိုနားလည်သဘောပေါက်နိုင်သည်။