基于查詢意圖的數(shù)據(jù)空間預(yù)取方法

祝官文, 周連科, 王念濱, 劉丹

(哈爾濱工程大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001)

?

基于查詢意圖的數(shù)據(jù)空間預(yù)取方法

祝官文, 周連科, 王念濱, 劉丹

(哈爾濱工程大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，黑龍江 哈爾濱 150001)

摘要：為在查詢前預(yù)取用戶可能訪問的數(shù)據(jù)，提出了一種利用查詢?nèi)罩镜臄?shù)據(jù)空間預(yù)取方法。該方法從查詢?nèi)罩局刑崛∫鈭D特征，并采用聚類技術(shù)對其進(jìn)行聚類，識別用戶查詢意圖，并基于該意圖預(yù)取查詢結(jié)果。實驗結(jié)果表明：該方法在預(yù)取準(zhǔn)確率和查詢效率方面均顯著優(yōu)于已有方法。

關(guān)鍵詞：數(shù)據(jù)空間；預(yù)??；查詢意圖；聚類；查詢?nèi)罩荆徊樵兘Y(jié)果；預(yù)取準(zhǔn)確率；查詢效率

在大數(shù)據(jù)時代，數(shù)據(jù)呈現(xiàn)海量、多樣等特點，面對這些新的數(shù)據(jù)管理特點，傳統(tǒng)的數(shù)據(jù)管理系統(tǒng)已無法滿足當(dāng)今用戶的需求，為此，Michael Franklin等[1]提出了一種嶄新的數(shù)據(jù)管理思想——數(shù)據(jù)空間。而正是因為數(shù)據(jù)空間的特點[2]，導(dǎo)致了用戶對數(shù)據(jù)空間的查詢訪問產(chǎn)生較大延遲，從而影響了數(shù)據(jù)空間的服務(wù)質(zhì)量。因此研究如何降低數(shù)據(jù)空間的訪問延遲，提高數(shù)據(jù)空間管理系統(tǒng)性能具有重大價值。目前解決網(wǎng)絡(luò)延遲、提高查詢效率的有效方法之一是預(yù)取技術(shù)[3-4]。

目前已有的預(yù)取方法總體上可以分為兩類：一種是對用戶歷史訪問序列進(jìn)行分類總結(jié)，判斷用戶當(dāng)前訪問類型，預(yù)測該用戶最可能訪問的數(shù)據(jù)序列，如基于數(shù)據(jù)挖掘的預(yù)取方法(mining-prefetching，MI)、基于Markov模型的預(yù)取方法(Markov-prefetching，MA)等[5-6]；另一種是通過分析用戶最近訪問的數(shù)據(jù)內(nèi)容，根據(jù)內(nèi)容之間的關(guān)聯(lián)，發(fā)現(xiàn)最可能被訪問的其它數(shù)據(jù)，如基于流行度的預(yù)取方法[7](popularity-prefetching，PO)、基于神經(jīng)網(wǎng)絡(luò)的預(yù)取方法(NN-prefetching，NN)等[8]。

通過對現(xiàn)有的預(yù)取方法進(jìn)行分析發(fā)現(xiàn)，它們主要存在以下問題：

1)大多數(shù)預(yù)取方法都是基于Web非結(jié)構(gòu)化數(shù)據(jù)的預(yù)取，僅針對單一類型數(shù)據(jù)，而沒有綜合考慮結(jié)構(gòu)化、非結(jié)構(gòu)化等多種異構(gòu)數(shù)據(jù)的統(tǒng)一預(yù)取機(jī)制；

2)除了基于語義的預(yù)取方法，其他預(yù)取方法都不能對用戶歷史上沒有訪問過的數(shù)據(jù)進(jìn)行預(yù)取。

3)沒有考慮用戶查詢意圖，預(yù)取的效果較差。

為此，本文將用戶查詢意圖應(yīng)用到數(shù)據(jù)空間預(yù)取中，提出了一種基于查詢意圖的數(shù)據(jù)空間預(yù)取方法(query intent-prefetching，QI)，以有效解決上述問題。其主要思想是：首先提取用戶搜索日志的意圖特征，采用SOM聚類算法將查詢詞相同的用戶搜索日志按照查詢意圖劃分為不同的意圖類，然后識別用戶當(dāng)前查詢最傾向的意圖類，根據(jù)該意圖類對用戶可能訪問的數(shù)據(jù)進(jìn)行預(yù)測。

1意圖特征提取

查詢意圖是指在用戶提交某一查詢后，實際期望瀏覽的數(shù)據(jù)。通常情況下，用戶很難通過僅提交一次查詢獲得符合其真實意圖的查詢結(jié)果。在數(shù)據(jù)空間的用戶查詢?nèi)罩局?，每條記錄記載了用戶對某一實體對象的查詢訪問信息，用戶連續(xù)訪問的實體對象可能屬于同一個查詢意圖，也可能不屬于同一個查詢意圖。為了便于提取相同查詢詞的不同查詢意圖，本文使用簡單易行的查詢意圖切分方法，把用戶輸入一個查詢詞后做出的連續(xù)訪問記錄切分為同一個查詢意圖，若重新輸入新的查詢詞，則將后續(xù)訪問記錄切分為另一個查詢意圖。屬于同一個查詢意圖的所有日志記錄記為一個搜索日志。這樣每個搜索日志中包含一條或者多條日志記錄，每條日志記錄中記載了用戶對某一實體的訪問信息。

數(shù)據(jù)空間擴(kuò)展倒排列表中記錄了出現(xiàn)在每個實體中的關(guān)鍵詞，對于每個搜索日志，可根據(jù)擴(kuò)展倒排列表和詞性分析，從實體中提取出名詞或者專有名詞作為該搜索日志的意圖特征，并采用TF-IDF方法計算出這些特征在該搜索日志中的權(quán)重，具體定義如下：

(1)

式中：wij表示第i個特征在第j搜索日志中的權(quán)重，tfij表示第i個特征在第j個搜索日志中出現(xiàn)的頻率，max(tfj)表示第j個搜索日志中所有特征出現(xiàn)頻率的最大值，dfi表示包含第i個特征的搜索日志數(shù)目，n表示所有搜索日志的數(shù)目。

然而TF-IDF機(jī)制本身僅僅是一種基于頻率信息的特征權(quán)重表示方法，并不能充分體現(xiàn)意圖特征之間、搜索日志之間以及意圖特征和搜索日志之間的語義關(guān)聯(lián)，也因此不能依據(jù)語義信息對用戶查詢意圖進(jìn)行建模。因此本文引入了LSA(latent semantic analysis)方法對其分析建模[9]，通過低秩近似的方法對搜索日志意圖特征向量進(jìn)行降維操作，將意圖特征向量映射到低維語義空間，以表達(dá)其語義特性。

圖1　SVD分解Fig.1　SVD decompositon

圖1展示了“意圖特征-搜索日志”矩陣進(jìn)行奇異值分解，其中，矩陣X為“意圖特征-搜索日志”矩陣，m表示所提取的全部特征數(shù)，n表示所有的搜索日志數(shù)。通過SVD分解，得到由矩陣X的左、右奇異向量分別構(gòu)成的矩陣F0和D0，以及由所有奇異值自大到小排列構(gòu)成的對角陣S0，其中r為矩陣X的秩。LSA方法取矩陣F0的前k列，矩陣D0的前k行，矩陣S0的前k個奇異值所得矩陣相乘的積作為原始矩陣的近似X′，并得到Fk、Dk和Sk，從而將意圖特征和搜索日志映射到一個相同的k維語義空間。每個意圖特征由Fk的行向量表示，每個搜索日志的查詢意圖由Dk的列向量表示，又稱此列向量為搜索日志的意圖特征向量，這樣二者之間的關(guān)聯(lián)關(guān)系就可以使用常見的相似性度量方法進(jìn)行衡量，為用戶日志聚類提供了語義層面的依據(jù)。

2基于SOM的用戶搜索日志聚類

意圖特征向量可以邏輯表示搜索日志的查詢意圖，查詢意圖相同的搜索日志具有相似的意圖特征，為了提取出每個查詢詞的不同查詢意圖，需要對查詢詞相同的搜索日志按照意圖相似度的不同進(jìn)行聚類。

圖2　SOM網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2　SOM network topology

SOM[10]是一種自組織特征映射聚類算法，基于神經(jīng)網(wǎng)絡(luò)的基本思想，模擬人腦自組織映射的工作原理，構(gòu)建包括輸入層和輸出層的SOM網(wǎng)絡(luò)。其拓?fù)浣Y(jié)構(gòu)如圖2所示，輸入層由n個數(shù)據(jù)節(jié)點構(gòu)成，輸出層則由m個聚類結(jié)果節(jié)點構(gòu)成，輸入節(jié)點和輸出節(jié)點之間相互連接，在訓(xùn)練過程中逐步迭代賦予各個連接以權(quán)重wij(i=1,2...n;j=1,2...,m)，使得對于相似性較高的輸入數(shù)據(jù)節(jié)點被自動映射到相同的輸出聚類節(jié)點，形成聚類。本文將每個用戶搜索日志的意圖特征向量作為SOM網(wǎng)絡(luò)的輸入，通過SOM網(wǎng)絡(luò)自學(xué)習(xí)過程，將查詢詞相同的用戶搜索日志，按照其查詢意圖的相似度進(jìn)行聚類。具體聚類過程如下:

1)隨機(jī)初始化網(wǎng)絡(luò)連接權(quán)重[(w11,...,wnm)]；

2)給出一個新的輸入向量[搜索日志的意圖特征向量]；

3)計算輸入向量與競爭層的每一個神經(jīng)元的距離，當(dāng)前輸入向量i與第j個神經(jīng)元的距離D(j) 計算方式為

(2)

4)選擇競爭層中與當(dāng)前輸入向量距離最近的神經(jīng)元作為獲勝神經(jīng)元；

5)賦予獲勝神經(jīng)元以及與其相鄰的神經(jīng)元以新的連接權(quán)重；

(3)

6)轉(zhuǎn)步驟2)，重復(fù)進(jìn)行以后各步直至所有搜索日志完成聚類。

3意圖提取

通過對具有相同查詢詞的用戶搜索日志進(jìn)行聚類，搜索日志根據(jù)其意圖特征向量被劃分到不同的類中，每個類代表了查詢詞的不同查詢意圖。意圖提取的主要思想是通過分析每個類實體對象的共同性以及不同類之間實體對象的差異性，提取出該類具有代表性的詞，組成意圖映射Ti，來描述該類的查詢意圖，如圖3所示。

圖3　意圖映射Fig.3　Intent mapping

根據(jù)上述思想，可把意圖提取過程分為類內(nèi)緊湊型提取、類間差異性提取及綜合提取三個部分，類內(nèi)緊湊型提取過程僅根據(jù)詞在一個類內(nèi)部的出現(xiàn)情況對其重要性進(jìn)行評價，類間差異性提取過程根據(jù)詞在不同類間出現(xiàn)的差異性對其重要性進(jìn)行評價，最后經(jīng)過綜合提取過程，把類內(nèi)緊湊型提取結(jié)果和類間差異性提取結(jié)果結(jié)合起來，對詞進(jìn)行綜合評價。抽取每個類代表性詞的依據(jù)是這個詞在該類的很多搜索日志中頻繁出現(xiàn)，而在其它類中很少出現(xiàn)。意圖提取算法描述如下：

輸入：所有意圖聚類的集合C，閾值λ；

輸出：意圖映射集T；

步驟：

1)Initialize: Foreach(TiinT)Ti=Φ；

2)Foreach(CiinC)

3) Foreach(tjinCi)

4) 類內(nèi)緊湊型提取：

5)類間差異性提?。?/p>

6)綜合提?。?/p>

if(Score(Ci,tj)>λ)addtjtoTi

7) returnT；

其中，λ為詞重要性評價閾值，freq(Ci,tj)表示詞tj在類Ci中出現(xiàn)的頻率，max(freq(Ci,t))表示Ci類中所有詞出現(xiàn)的最大頻率，ief(Ci,tj)表示詞tj在類Ci的實體中出現(xiàn)的概率，詞tj相對于類Ci的重要性與freq(Ci,tj)、ief(Ci,tj)成正比，而與該詞在所有類中出現(xiàn)的頻率成反比。

4用戶查詢意圖的識別

準(zhǔn)確識別用戶的查詢意圖并快速返回用戶實際需要的數(shù)據(jù)，對數(shù)據(jù)空間查詢服務(wù)質(zhì)量有重要影響。用戶查詢意圖識別大致分為兩個過程：

1)根據(jù)用戶歷史查詢?nèi)罩?，獲取能夠描述用戶查詢意圖傾向的數(shù)據(jù)特征的過程，即意圖傾向特征提取過程；

2)根據(jù)提取出來的意圖傾向特征，與用戶當(dāng)前查詢對應(yīng)的不同查詢意圖進(jìn)行匹配的過程，即意圖匹配過程。

4.1 意圖傾向特征提取過程

同一用戶不同情況下提出相同的查詢，查詢意圖卻不一定相同，用戶的興趣愛好、實時需求、數(shù)據(jù)流行度等多種因素都會影響到用戶的意圖傾向。而意圖傾向特征的提取就是要從用戶或者同類用戶的歷史日志中，找出與當(dāng)前查詢相同的所有搜索日志，從搜索日志中提取出能夠描述用戶意圖傾向的特征，并計算每個特征權(quán)重，組成意圖傾向特征向量，意圖傾向特征向量能夠反映出用戶訪問數(shù)據(jù)的特點。下面將分別描述在用戶曾提出過相同查詢與用戶未提出過相同查詢兩種情況下意圖傾向特征的提取算法。

1)當(dāng)用戶曾提出過相同查詢時，從該用戶歷史查詢?nèi)罩局刑崛∫鈭D傾向特征的算法描述如下：

輸入：搜索日志集LOG，閾值w；

輸出：意圖傾向特征向量L；

步驟：

①Initialize:L=Φ；

血清CA19-9、CEA水平已被證實與胰腺癌的病情變化及對治療的反應(yīng)相關(guān)[4,12]，是目前胰腺癌診斷及預(yù)后判斷中應(yīng)用最為廣泛的2種血清腫瘤標(biāo)志物。近年研究發(fā)現(xiàn)血清CA125水平與胰腺癌的肝轉(zhuǎn)移及手術(shù)獲益相關(guān)[13-14]。血清CA242與CA724也是臨床中常用的與消化道腫瘤相關(guān)的腫瘤標(biāo)志物，但敏感度和特異度并不高。本研究結(jié)果顯示血清CA19-9和CEA水平升高是晚期胰腺癌患者預(yù)后不良的危險因素，而血清CA242、CA125、CA724與患者預(yù)后的關(guān)系不明顯，再次證實血清CA19-9和CEA水平是預(yù)測胰腺癌患者的預(yù)后重要指標(biāo)。

②Foreach(tjinLOG)

⑦if(Weight(tj)>w) add to L；

⑧returnL；

其中，LOG表示用戶歷史查詢?nèi)罩局?，與當(dāng)前查詢相同的所有搜索日志集合，freq(tj)表示詞tj在LOG中出現(xiàn)的頻率，max(freq(t))表示在LOG中所有詞出現(xiàn)的最大頻率，ief(tj)表示詞tj在LOG的實體中出現(xiàn)的概率，ILF(tj)表示詞tj在LOG的不同搜索日志中出現(xiàn)的概率，詞tj的權(quán)重與freq(tj)、ief(tj)、ILF(tj)均成正比，詞tj的權(quán)重越高，說明它在LOG的實體、搜索日志中較為普遍存在，能夠描述用戶查詢所有數(shù)據(jù)的共同特點，可作為該用戶的意圖傾向特征。

2)當(dāng)用戶未提出過相同查詢時，從同類用戶歷史查詢?nèi)罩局刑崛∫鈭D傾向特征的算法描述如下：

輸出：意圖傾向特征向量L；

步驟：

①Initialize:L=Φ；

②Foreach(tjinLOG)

⑧if(Weight(tj)>w′)addtoL；

⑨returnL；

其中，U表示用戶所在的類中曾提出過當(dāng)前查詢的所有用戶，freq(tj)、ief(tj)、ILF(tj)的含義同從用戶歷史日志中提取意圖傾向特征的算法，與其不同的是，增加了IUF(tj)來表示詞tj在不同用戶的搜索日志中出現(xiàn)的概率，詞tj的權(quán)重越高，說明它更能反映同類用戶查詢數(shù)據(jù)的共同特點，可作為該類用戶的意圖傾向特征。

4.2意圖匹配過程

通過搜索日志聚類與意圖提取，已經(jīng)得到了每個查詢對應(yīng)的幾種不同意圖，并采用意圖映射來描述每個查詢意圖，對于用戶當(dāng)前提出的查詢，意圖匹配的任務(wù)就是要根據(jù)用戶的意圖傾向特征及每個查詢意圖對應(yīng)的意圖映射，判斷用戶當(dāng)前查詢最可能屬于哪種意圖。意圖匹配算法描述如下：

輸入：意圖傾向特征向量L，意圖映射集T；

步驟：

1) Foreach(Ti∈T)

2)Foreach(tinTi)

5)k=argimax{sim(L,Ti)}；

其中，Sim(L,Ti)為用戶當(dāng)前查詢相對于每種意圖的傾向性度量，若描述某個查詢意圖的重要特征詞在用戶的歷史查詢?nèi)罩局谐霈F(xiàn)的概率越高，則用戶傾向于該查詢意圖的可能性就越大，最后，通過argimax{sim(L,Ti)}}返回傾向性最大的意圖類別，作為用戶當(dāng)前查詢的意圖。

5數(shù)據(jù)預(yù)取

在識別出用戶當(dāng)前查詢的意圖之后，該意圖所屬類中所有搜索日志都具有相同的查詢意圖，它們訪問的實體對象有許多共同的特點，對于其中比較流行訪問的實體對象，很可能是當(dāng)前用戶查詢訪問對象。因此可根據(jù)該意圖所屬類中的用戶歷史查詢?nèi)罩?，提出一種數(shù)據(jù)預(yù)取策略。

6實驗分析

6.1實驗環(huán)境與數(shù)據(jù)集

硬件環(huán)境：Intel(R)Core(TM)i5，CPU3.20GHz，內(nèi)存4G，硬盤1TB。

數(shù)據(jù)集：目前針對數(shù)據(jù)空間領(lǐng)域并不存在公用的數(shù)據(jù)集，因此本實驗從課題組為某單位開發(fā)的數(shù)據(jù)空間信息管理系統(tǒng)β版本中，提取2014年1月至2014年11月500個用戶的2860910條查詢?nèi)罩咀鳛閷嶒灁?shù)據(jù)集，其中，4/5作為訓(xùn)練集，其余作為測試集。用戶查詢?nèi)罩镜拿織l記錄包括有訪問時間、訪問用戶的ID、查詢搜索詞，訪問實體ID、訪問次序，數(shù)據(jù)路徑等信息。

6.2評價方法

為了對本文提出的預(yù)取方法進(jìn)行性能評價，本文引入如下性能指標(biāo)：

1)查詢響應(yīng)時間

執(zhí)行N個包含不同格式數(shù)據(jù)的查詢，在不同時刻執(zhí)行三次Q1、Q2、Q3，計算3個查詢的平均執(zhí)行時間作為查詢響應(yīng)時間:

(4)

其中，Responsetime表示查詢響應(yīng)時間，T1、T2、T3分別表示執(zhí)行三次查詢時間。

2)命中率

(5)

其中，HR表示命中率，|R|表示總共發(fā)出的訪問請求數(shù)，R+表示所發(fā)出的訪問請求中，數(shù)據(jù)已經(jīng)得到正確預(yù)取的請求數(shù)。

3)預(yù)取準(zhǔn)確率

(6)

其中，PR表示預(yù)取準(zhǔn)確率，P+表示預(yù)取出來的數(shù)據(jù)被訪問的數(shù)目，P-表示預(yù)取出來的數(shù)據(jù)沒有被訪問的數(shù)目。

4)網(wǎng)絡(luò)流量增加率

(7)

其中，ITR為網(wǎng)絡(luò)流量增加率，TP表示預(yù)取所有數(shù)據(jù)產(chǎn)生的網(wǎng)絡(luò)流量，TSP表示正確預(yù)取的數(shù)據(jù)產(chǎn)生的網(wǎng)絡(luò)流量，TP-TSP表示沒有正確預(yù)取的數(shù)據(jù)增加的網(wǎng)絡(luò)流量，TT是未使用預(yù)取時，讀取所有數(shù)據(jù)產(chǎn)生的網(wǎng)絡(luò)流量。

一般而言，預(yù)取準(zhǔn)確率越高，命中率越低，網(wǎng)絡(luò)流量增加率也較?。欢樵冺憫?yīng)時間則受命中率、網(wǎng)絡(luò)性能等多種因素影響。

6.3實驗結(jié)果與分析

6.3.1詞權(quán)重閾值對意圖識別效果的影響

由于詞的權(quán)重能夠反映同類用戶查詢數(shù)據(jù)的共同特點，不同的權(quán)重閾值選擇影響用戶的意圖傾向特征選擇的效果，為此，針對不同的閾值下，意圖識別效果進(jìn)行對比。圖4展示了針對用戶曾提出相同查詢情況，不同閾值w下意圖識別的準(zhǔn)確率對比，從圖中可知，閾值取0.14時，意圖識別準(zhǔn)確率最高。

圖4　不同閾值w下意圖識別準(zhǔn)確率對比Fig.4　Accuracy comparision of intent identification under different threshold w

圖5展示了針對用戶未曾提出相同查詢情況，不同閾值w′下意圖識別的準(zhǔn)確率對比，從圖中可知，閾值取0.025時，意圖識別準(zhǔn)確率最高。

圖5　不同閾值w′下意圖識別準(zhǔn)確率對比Fig.5　Accuracy comparision of intent identification under different threshold w′

6.3.2預(yù)取方法有效性驗證

本文從兩個角度分別驗證了預(yù)取方法的有效性：預(yù)取方法對查詢響應(yīng)時間的影響和預(yù)取的性能。

圖6展示了本文方法(QI)對查詢響應(yīng)時間的影響。與沒有采取預(yù)取的方法相比，明顯加快了查詢速度；另外，在不同流行度取值的情況下，其查詢響應(yīng)時間也不同，并且在閾值取0.65時其響應(yīng)時間最小，則預(yù)取方法此時效果最佳。

圖6　預(yù)取對查詢響應(yīng)時間的影響Fig.6　Response time comparision of theidentification under different popularity threshold μ′

圖7展示了本文方法(QI)性能情況。隨著流行度閾值取值越大，其預(yù)取準(zhǔn)確率越高，而命中率與網(wǎng)絡(luò)流量增加率則越低當(dāng)μ′取值小于等于0.25時，由于預(yù)取數(shù)據(jù)量過大，預(yù)取數(shù)據(jù)花費了大量的時間，同時占據(jù)了大量的帶寬，雖然命中率比較高，但是預(yù)取的準(zhǔn)確率卻很低，所以并沒有提高查詢效率；當(dāng)μ′取值大于等于1.85時，由于預(yù)取的數(shù)據(jù)量很小，命中率較低，所以此時的查詢響應(yīng)效率與沒有預(yù)取時差不多。

圖7　預(yù)取效果評估Fig.7　Performance evaluation of our proposed method under different popularity threshold μ′

6.3.3不同方法對比

區(qū)別于已有的方法，本文方法(QI)采用基于查詢意圖的方法，從而更加個性化的預(yù)取，為此本節(jié)與已有方法進(jìn)行對比，實驗結(jié)果如圖8和圖9所示，其中實驗時，流行度閾值選取0.65。

圖8　不同預(yù)取方法效果對比Fig.8　Effectiveness comparision of different prefetching proposals

圖9　不同預(yù)取方法性能對比Fig.9　Efficiency comparision of different prefetching proposals

從圖8和圖9中可知，本文提出的方法明顯優(yōu)于已有的方法，而且準(zhǔn)確率高達(dá)90%以上、時間僅為16.5s。這主要是由于預(yù)取結(jié)果中大部分與用戶意圖相吻合。

7結(jié)論

1)為了進(jìn)一步提高數(shù)據(jù)空間查詢效率，本文結(jié)合數(shù)據(jù)空間的特點及現(xiàn)有預(yù)取方法的優(yōu)缺點，在數(shù)據(jù)空間用戶提出查詢時，分析用戶查詢意圖，對用戶可能訪問的數(shù)據(jù)進(jìn)行預(yù)測。

2)預(yù)取是在緩存技術(shù)的基礎(chǔ)上實現(xiàn)的，是緩存技術(shù)的擴(kuò)展，但本文沒有對緩存的替換策略、一致性更新策略等緩存管理機(jī)制進(jìn)行深入研究，未來可對具體緩存管理機(jī)制、用戶類型與流行度大小間關(guān)系、動態(tài)預(yù)取等方面做深入研究。

參考文獻(xiàn)：

[1]FRANKLIN M, HALEVY A, MAIER D. From databases to dataspaces: a new abstraction for information management[J]. ACM SIGMOD record, 2005, 34(4): 27-33.

[2]TURAB MIRZA H, CHEN Ling, CHEN Gencai. Practicability of dataspace systems[J]. International journal of digital content technology and its applications, 2010, 4(3): 233-243.

[3]NANDINI N, YOGISH H K, RAJU G T. Pre-fetching techniques for effective web latency reduction - A survey[C]//Proceedings of IEEE AFRICON Conference. Pointe-Aux-Piments, 2013: 1-6.

[4]GAWADE S, GUPTA H. Review of algorithms for web pre-fetching and caching[J]. International journal of advanced research in computer and communication engineering, 2012, 1(2): 62-65.

[5]RAJU G T, SUDHAMANI M V. A novel approach for prefetching of web pages through clustering of web users to reduce the web latency[C]//Proceedings of International Conference On Advances In Computing. [S.l.], 2012: 983-989.

[6]邢永康, 馬少平. 多Markov鏈用戶瀏覽預(yù)測模型[J]. 計算機(jī)學(xué)報, 2003, 26(11): 1510-1517.

XING Yongkang, MA Shaoping. Modeling user navigation sequences based on multi-Markov chains[J]. Chinese journal of computers, 2003, 26(11): 1510-1517.

[7]SHI Lei, GU Zhimin, PEI Yunxia, et al. A PPM prediction model based on web objects′ popularity[C]//Proceedings of the 2nd International Conference on Fuzzy Systems and Knowledge Discovery. Changsha, China: 2005: 110-119.

[8]XU Chengzhong, IBRAHIM T I. A keyword-based semantic prefetching approach in Internet news services[J]. IEEE transactions on knowledge and data engineering, 2004, 16(5): 601-611.

[9]KOU Gang, PENG Yi. An application of latent semantic analysis for text categorization[J]. International journal of computers, communications and control, 2015, 10(3): 357-369.

[10]ASTUDILLO C A, JOHN OOMMEN B. Topology-oriented self-organizing maps: a survey[J]. Pattern analysis and applications, 2014, 17(2): 223-248.

A dataspace prefetching method based on query intent

ZHU Guanwen，ZHOU Lianke，WANG Nianbin，LIU Dan

(College of Computer Science and Technology, Harbin Engineering University, Harbin 150001, China)

Abstract：In order to prefetch the data that may be accessed by user before a query was posed, a novel prefetching method towards databaspace by exploiting query logs was proposed. Firstly, some intention features were extracted from the query logs, and the clustering technique was performed on the intention features. Secondly, the user query intention was identified. Finally, the query answers were prefetched according to the identified intention. The experimental results show that the proposed method can not only have a higher accuracy, but also improve the query efficiency, and it outperforms the existing methods.

Keywords：dataspace; prefetching; query intent; clustering; query logs; query answer; prefetch accuracy; query efficiency

中圖分類號：TP311

文獻(xiàn)標(biāo)志碼：A

文章編號：1006-7043(2016)02-0236-06

doi:10.11990/jheu.201411073

作者簡介：祝官文(1986-), 男, 博士研究生;通信作者：周連科，E-mail：zhoulianke@hrbeu.edu.cn.

基金項目：國家自然科學(xué)基金資助項目(61272185); 黑龍江省自然科學(xué)基金資助項目(F201238, F020510);.中央高?；究蒲袠I(yè)務(wù)專項資金資助項目(HEUCFZ1219, HEUCF100608, HEUCF100613).

收稿日期：2014-11-24.網(wǎng)絡(luò)出版日期：2015-12-15.

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/23.1390.u.20151215.1141.030.html

周連科(1977-), 男, 講師;

王念濱(1967-), 男, 教授, 博士生導(dǎo)師.