• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    空間多關(guān)鍵詞Skyline查詢(xún)算法

    2019-11-11 02:22:14李星羅秦小麟周楊淏鮑斌國(guó)
    關(guān)鍵詞:文本

    李星羅,秦小麟,王 寧,周楊淏,鮑斌國(guó)

    (南京航空航天大學(xué) 計(jì)算機(jī)技術(shù)與科學(xué)學(xué)院,南京 210016)E-mail:lxldblab@nuaa.edu.cn

    1 引 言

    隨著信息技術(shù)的高速發(fā)展,數(shù)據(jù)已經(jīng)成為了重要的戰(zhàn)略資源.如何從海量數(shù)據(jù)之中挖掘用戶(hù)最感興趣的信息,做出滿(mǎn)足用戶(hù)偏好的決策,這使得越來(lái)越多的研究者開(kāi)始關(guān)注Skyline查詢(xún).Borzoniy等人[1]在2001年提出了Skyline查詢(xún),查詢(xún)結(jié)果為一組相對(duì)較優(yōu)的多維數(shù)據(jù)集合,該集合中的數(shù)據(jù)點(diǎn)均不被其余數(shù)據(jù)點(diǎn)所支配.Skyline查詢(xún)與現(xiàn)實(shí)生活緊密相關(guān),近年來(lái)被廣泛應(yīng)用于多目標(biāo)決策、分布式P2P網(wǎng)絡(luò)以及用戶(hù)偏好查詢(xún)等領(lǐng)域[2].為了更好地滿(mǎn)足用戶(hù)查詢(xún)偏好性需求,Choi等將Skyline查詢(xún)與關(guān)鍵詞匹配搜索相結(jié)合,以查詢(xún)關(guān)鍵詞作為用戶(hù)語(yǔ)義型偏好,提出了關(guān)鍵詞Skyline查詢(xún)[3].例如,用戶(hù)提出一個(gè)查詢(xún):希望找到一家服務(wù)質(zhì)量高且價(jià)格低的海鮮餐廳,其中“海鮮”、“餐廳”即為查詢(xún)關(guān)鍵詞.

    隨著移動(dòng)終端設(shè)備的普及和移動(dòng)應(yīng)用的快速發(fā)展,基于空間位置的服務(wù)獲得了越來(lái)越多人的關(guān)注.人們?cè)谌粘I钪型鶗?huì)提出如下查詢(xún):

    查詢(xún)1.查詢(xún)用戶(hù)周?chē)嚯x近、價(jià)格低、服務(wù)質(zhì)量高的旅店,最好擁有地下車(chē)庫(kù).

    查詢(xún)2.查詢(xún)學(xué)校周?chē)嚯x近、口味好、價(jià)格低的餐廳且用戶(hù)更偏愛(ài)于川菜.

    查詢(xún)3.查詢(xún)城市周?chē)嚯x近、環(huán)境好、交通便利的風(fēng)景區(qū),最好景點(diǎn)內(nèi)部可以住宿.

    上述查詢(xún)可以概括地表述關(guān)鍵詞空間Skyline查詢(xún)問(wèn)題.在查詢(xún)的過(guò)程中,對(duì)象點(diǎn)與查詢(xún)點(diǎn)間的距離為一個(gè)相對(duì)的動(dòng)態(tài)空間屬性,屬性值隨著發(fā)起查詢(xún)的位置變化而變化.目前已有的算法僅僅關(guān)注于靜態(tài)非空間屬性,不能直接用于解決上述查詢(xún)問(wèn)題,需要重新考慮并建立一個(gè)基于空間文本對(duì)象的支配關(guān)系模型.

    同時(shí),現(xiàn)有的關(guān)鍵詞Skyline算法無(wú)法很好地解決用戶(hù)偏好性.INKS算法與KMS算法通過(guò)查詢(xún)關(guān)鍵詞與對(duì)象包含的關(guān)鍵詞進(jìn)行匹配,篩選出滿(mǎn)足查詢(xún)條件的候選對(duì)象集[3].而IPOT算法通過(guò)將關(guān)鍵詞按照用戶(hù)偏好進(jìn)行偏序化,每個(gè)查詢(xún)關(guān)鍵詞作為一個(gè)新的維度進(jìn)行Skyline計(jì)算[4],但是隨著查詢(xún)關(guān)鍵詞數(shù)量的增加,維度的變化將直接影響Skyline查詢(xún)的效率;查詢(xún)關(guān)鍵詞之間的權(quán)重關(guān)系,即用戶(hù)查詢(xún)語(yǔ)義,上述算法均沒(méi)有進(jìn)行定量計(jì)算.

    此外,現(xiàn)有算法的剪枝優(yōu)化策略?xún)H僅關(guān)注于關(guān)鍵詞信息,候選集中的對(duì)象還需根據(jù)查詢(xún)空間要求進(jìn)行二次過(guò)濾.所以造成了對(duì)象的重復(fù)遍歷與判定,使得算法查詢(xún)效率受到了一定影響.

    基于上述問(wèn)題,提出了一種基于加權(quán)距離的空間文本支配模型,并構(gòu)建了一個(gè)針對(duì)空間文本對(duì)象的索引結(jié)構(gòu),能夠有效處理空間多關(guān)鍵詞Skyline查詢(xún).本文主要貢獻(xiàn)如下:

    1)針對(duì)用戶(hù)多偏好需求問(wèn)題,提出了一種基于加權(quán)距離的空間文本支配模型;提出了相應(yīng)的枝剪策略,減少了支配判定計(jì)算開(kāi)銷(xiāo),提高了算法的執(zhí)行效率.

    2)提出了一種基于R-Tree的空間文本索引結(jié)構(gòu).并利用位圖結(jié)構(gòu),快速且準(zhǔn)確地定位滿(mǎn)足條件的空間文本對(duì)象,極大地提升了算法的查詢(xún)效率.

    3)采用模擬數(shù)據(jù)集對(duì)SKS算法進(jìn)行了對(duì)比實(shí)驗(yàn),并在真實(shí)數(shù)據(jù)集上進(jìn)一步驗(yàn)證了算法的有效性,實(shí)驗(yàn)結(jié)果表明,SKS算法相較于現(xiàn)有算法更為高效.

    本文結(jié)構(gòu)如下:第二節(jié)介紹空間多關(guān)鍵詞Skyline查詢(xún)的基礎(chǔ)知識(shí)和相關(guān)工作,并分析現(xiàn)有方法在解決多關(guān)鍵詞匹配問(wèn)題和Skyline支配計(jì)算時(shí)的不足;第三節(jié)提出了空間文本索引STR-Tree,并對(duì)其進(jìn)行了詳細(xì)的說(shuō)明;第四節(jié)基于索引提出了空間多關(guān)鍵詞Skyline查詢(xún)算法SKS;第五節(jié)對(duì)SKS算法進(jìn)行了實(shí)驗(yàn)評(píng)估,并與現(xiàn)有算法進(jìn)行性能對(duì)比;最后對(duì)本文工作進(jìn)行了總結(jié)與展望.

    2 背景及相關(guān)工作

    2.1 空間多關(guān)鍵詞Skyline查詢(xún)概述及定義

    在本小節(jié),我們針對(duì)歐式空間下關(guān)鍵詞Skyline查詢(xún)進(jìn)行了形式化描述,并進(jìn)一步討論其相關(guān)性質(zhì).

    假定空間文本對(duì)象點(diǎn)集O是一組含有n維屬性的點(diǎn)集,對(duì)象點(diǎn)包含m維動(dòng)態(tài)空間屬性,例如查詢(xún)點(diǎn)q至對(duì)象點(diǎn)o的距離值隨查詢(xún)點(diǎn)與對(duì)象點(diǎn)的位置變化而發(fā)生改變,屬于動(dòng)態(tài)空間屬性.我們將查詢(xún)點(diǎn)q至對(duì)象點(diǎn)o的空間距離d(o,q)作為唯一的動(dòng)態(tài)空間屬性考慮.其余n-m維屬性為靜態(tài)非空間屬性,亦稱(chēng)文本屬性.我們將文本屬性進(jìn)行擴(kuò)展并劃分為兩類(lèi),如表1、表2所示:第一類(lèi)為數(shù)值型文本屬性,例如價(jià)格、好評(píng)度等;第二類(lèi)為語(yǔ)義型文本屬性,即對(duì)象描述性關(guān)鍵詞.

    為了便于描述及后續(xù)支配計(jì)算,若存在某數(shù)值型屬性,其值越大表現(xiàn)越優(yōu),則對(duì)其進(jìn)行相應(yīng)的預(yù)處理操作:p(oi)=maxValuei-p(oi).其中,p(oi)表示對(duì)象點(diǎn)o在第i維的屬性值,maxValuei表示該維度上屬性值的最大取值.因此,對(duì)于下文中對(duì)象點(diǎn)所有數(shù)值型屬性,假設(shè)其值越小表現(xiàn)越優(yōu).

    定義1.(非空間支配[1])對(duì)于任意兩個(gè)對(duì)象點(diǎn)oi,oj∈O,其中i≠j,且在所有非空間屬性上,oi均不弱于oj,且至少有一維,oi優(yōu)于oj.以上情形,我們稱(chēng)之為oi在非空間屬性上支配oj,形式化地表述,oinsoj.而所有在非空間屬性上支配oj的興趣點(diǎn)集合我們稱(chēng)之為oi的非空間屬性支配域,用符號(hào)Domns(oj)表示.

    表1 餐廳數(shù)值型屬性信息Table 1 Restaurant numeric attribute informationt

    定義2.(基于多關(guān)鍵詞匹配的加權(quán)距離)對(duì)于給定的查詢(xún)點(diǎn)q以及其對(duì)應(yīng)的查詢(xún)關(guān)鍵詞q.w,與空間上任意一個(gè)對(duì)象點(diǎn)oi,若關(guān)鍵詞相似度W(oi.w,q.w)=0,其加權(quán)距離為一個(gè)極大值;若W(oi.w,q.w)>0,其加權(quán)距離為歐式空間距離d(oi,q)除以?xún)牲c(diǎn)間的關(guān)鍵詞相似度W(oi.w,q.w),結(jié)果記為dt(oi,q),公式化抽象表示為:

    dt(oi,q)=d(oi,q)/W(oi·w,q.w)

    (1)

    表2 餐廳語(yǔ)義型屬性信息Table 2 Restaurant semantic attribute informationn

    其中,關(guān)鍵詞相似度W(oi.w,q.w)用來(lái)表示查詢(xún)關(guān)鍵詞與對(duì)象所包含的關(guān)鍵詞之間的相似程度.對(duì)于用戶(hù)給定的一組查詢(xún)關(guān)鍵詞,每個(gè)查詢(xún)關(guān)鍵詞都有與之相對(duì)應(yīng)的用戶(hù)偏好權(quán)重,該偏好權(quán)重可以由用戶(hù)直接給出或者為系統(tǒng)默認(rèn)值.假定查詢(xún)用戶(hù)q的查詢(xún)關(guān)鍵詞q.w={Seafood,Resturant},偏好權(quán)重分別為0.6、0.4.對(duì)于對(duì)象o4.w={Nightlife,Golf},由于無(wú)關(guān)鍵詞能與查詢(xún)關(guān)鍵詞匹配,因此其關(guān)鍵詞相似度W(o4.w,q.w)=0*0.6+0*0.4=0,根據(jù)加權(quán)距離定義,由于關(guān)鍵詞相似度為0,通過(guò)計(jì)算可得其加權(quán)距離為一個(gè)極大值;對(duì)于對(duì)象o1,o1.w={Seafood,Resturant},因而其關(guān)鍵詞相似度為W(o1.w,q.w)=1*0.6+1*0.4=1.因此,與查詢(xún)關(guān)鍵詞完全不匹配的無(wú)關(guān)對(duì)象點(diǎn),可以先行剪枝,減少相應(yīng)支配計(jì)算開(kāi)銷(xiāo),提高查詢(xún)效率.結(jié)合關(guān)鍵詞的加權(quán)距離,以下提出一種新的空間文本支配關(guān)系.

    定義3.(空間文本支配)對(duì)于給定的查詢(xún)點(diǎn)q以及空間上任意兩個(gè)對(duì)象點(diǎn)oi,oj∈O,其中i≠j,若存在以下情況:若oinsoj,且dt(oi,q)

    相比與傳統(tǒng)文本支配,空間文本支配相當(dāng)于在其基礎(chǔ)上人為地新增了一個(gè)維度.該維度對(duì)應(yīng)的屬性值隨查詢(xún)關(guān)鍵詞以及查詢(xún)點(diǎn)的空間位置的改變而改變,支配關(guān)系無(wú)法在查詢(xún)發(fā)起前先行計(jì)算,這樣查詢(xún)效率將受到很大的影響.

    定義4.(空間多關(guān)鍵詞Skyline查詢(xún)(SKSQ))對(duì)于給定的查詢(xún)點(diǎn)q、查詢(xún)關(guān)鍵詞q.w、查詢(xún)空間范圍R以及空間對(duì)象點(diǎn)集O,該查詢(xún)過(guò)程分為以下兩步:

    1)遍歷對(duì)象點(diǎn)集O,篩選出滿(mǎn)足以下條件的所有對(duì)象點(diǎn)構(gòu)成候選集C,如果?oi∈O,d(oi,q)≤R且oi所包含的關(guān)鍵詞oi.w與查詢(xún)關(guān)鍵詞q.w部分匹配,則oi∈C,即對(duì)象oi屬于候選對(duì)象集C,該過(guò)程記為:SKQ(O.w,q.w,R)={C|C?O∧oi∈C,oi.w∩q.w≠?,d(oi,q)≤R}.

    2)對(duì)候選集進(jìn)行空間Skyline計(jì)算,所得到的結(jié)果集記為SKSP(Spatial Keywords Skyline Point),其中SSQ為空間Skyline查詢(xún)結(jié)果集,結(jié)果集記為SP.而對(duì)于空間多關(guān)鍵詞Skyline查詢(xún)過(guò)程,可以抽象表示為:

    SSQ(Q,q)={SP|SP∈O∧o∈SP,Domst(o)=}

    (2)

    SKSP=SKSQ(Q,q,R)=SSQ(SKQ(O.w,q.w,R),q)

    (3)

    圖1 用戶(hù)與對(duì)象點(diǎn)空間位置分布Fig.1 Spatial distribution of objects and user points

    以表1中的對(duì)象為例,查詢(xún)點(diǎn)與對(duì)象空間位置關(guān)系如圖1所示.若查詢(xún)關(guān)鍵詞為“Seafood”、“Restaurant”,且用戶(hù)偏好權(quán)重默認(rèn)相等,即均為0.5,則滿(mǎn)足查詢(xún)關(guān)鍵詞的對(duì)象候選集為{o1,o2,o6},根據(jù)定義4,空間多關(guān)鍵詞Skyline查詢(xún)結(jié)果為{o1,o2}.

    2.2 相關(guān)工作

    Borzsonyi[1]提出了兩個(gè)著名的Skyline算法:BNL與D&C并應(yīng)用于傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)之中.雖然有很好的普適性,但是算法執(zhí)行效率較差.后續(xù)有學(xué)者陸續(xù)提出了基于R-Tree索引的Skyline查詢(xún)算法:NN[5]和BBS[6]算法,NN算法通過(guò)遞歸的方法搜索文本區(qū)域最近鄰點(diǎn),并通過(guò)相應(yīng)的剪枝策略刪除被該對(duì)象支配的所有對(duì)象;BBS算法與NN算法類(lèi)似,同樣是采用了基于R-Tree索引的最近鄰搜索策略,該算法通過(guò)維護(hù)一個(gè)堆結(jié)構(gòu)來(lái)存儲(chǔ)必須被訪(fǎng)問(wèn)的對(duì)象,并利用分支界限法篩選出符合條件的Skyline對(duì)象.

    隨著Skyline應(yīng)用場(chǎng)景越來(lái)越多,語(yǔ)義型文本屬性開(kāi)始進(jìn)入學(xué)者們的考慮范圍.Wong[4]將數(shù)值型屬性按照傳統(tǒng)的偏序關(guān)系進(jìn)行計(jì)算,而語(yǔ)義型屬性因?yàn)橛脩?hù)偏好不同,偏序關(guān)系亦各不相同.因此該算法針對(duì)于語(yǔ)義型屬性通過(guò)用戶(hù)自我擬定的偏序關(guān)系進(jìn)行Skyline計(jì)算;Choi等[3]提出了關(guān)鍵詞Skyline查詢(xún),并提出相應(yīng)的查詢(xún)算法:INKS與KMS算法.INKS算法通過(guò)使用倒排表的方法獲取滿(mǎn)足查詢(xún)關(guān)鍵詞的候選集,在其之上利用BNL算法計(jì)算得出最終結(jié)果集,該方法擁有良好的普適性但在多關(guān)鍵詞查詢(xún)過(guò)程中效率較低.而KMS有效地解決了這一問(wèn)題,利用IR2-Tree樹(shù),通過(guò)簽名文件之間高效的位運(yùn)算從而快速過(guò)濾與查詢(xún)不相關(guān)的文本對(duì)象,但由于IR2-Tree是一種基于空間R-Tree的信息檢索樹(shù),在維度較低時(shí)效果較好,隨著查詢(xún)維度的增加,其效率將顯著下降.Shi[7]提出了一種面向多用戶(hù)的空間文本關(guān)系模型STD,并利用IR-Tree索引結(jié)構(gòu),給出了一種可以高效地解決多用戶(hù)查詢(xún)問(wèn)題的空間文本Skyline查詢(xún)算法ASTD.

    近年隨著基于位置服務(wù)的應(yīng)用高速發(fā)展,學(xué)者開(kāi)始將Skyline查詢(xún)引入空間數(shù)據(jù)庫(kù)、時(shí)空數(shù)據(jù)庫(kù)等相關(guān)應(yīng)用的研究之中.Sharifzadeh等學(xué)者[8]提出了空間Skyline查詢(xún):SSQ算法,其針對(duì)于多用戶(hù)環(huán)境,以各用戶(hù)距對(duì)象點(diǎn)的空間距離構(gòu)建各個(gè)標(biāo)準(zhǔn)維度,旨在選擇一組距離相對(duì)所有用戶(hù)最優(yōu)的對(duì)象.由于SSQ算法在實(shí)際生活中普適性較差,因此Son等學(xué)者[8]在SSQ算法的基礎(chǔ)上提出了基于曼哈頓距離空間Skyline的算法,Fu等學(xué)者[10]提出了一種基于道路網(wǎng)空間的連續(xù)范圍Skyline算法.

    對(duì)于空間關(guān)鍵詞查詢(xún),許多學(xué)者也做了許多相應(yīng)的研究工作.最初為了解決空間最近鄰問(wèn)題,學(xué)者提出了R-Tree索引結(jié)構(gòu)[11],該索引是一種高度平衡樹(shù)且利用MBR對(duì)空間進(jìn)行有效的分割,保證了50%以上的空間利用率.學(xué)者們?cè)赗-Tree基礎(chǔ)上添加了位圖結(jié)構(gòu)以及倒排索引,通過(guò)將空間信息與文本信息相結(jié)合的方式,可以有效地解決空間關(guān)鍵詞查詢(xún)問(wèn)題.上述索引結(jié)構(gòu)可以統(tǒng)稱(chēng)為空間文本索引結(jié)構(gòu),按照空間與文本優(yōu)先關(guān)系,空間文本索引可以分為三類(lèi),基于空間優(yōu)先:R*-IF[12]、IR-Tree[13]、IR2-Tree[14]索引等;基于文本優(yōu)先:I3[15]、S2I[16]、IL-Quadtree[17]索引;松散組合:R-Tree+倒排索引[18,19]、SFC-QUAD[20].

    綜上所述,現(xiàn)有算法在解決空間多關(guān)鍵詞Skyline查詢(xún)上無(wú)法有效地解決用戶(hù)偏好問(wèn)題,導(dǎo)致結(jié)果集質(zhì)量下降.部分算法在解決多關(guān)鍵詞匹配的問(wèn)題上效率底下,對(duì)應(yīng)的索引結(jié)構(gòu)易產(chǎn)生過(guò)多的數(shù)據(jù)冗余.為解決上述問(wèn)題,本文提出了一種空間文本索引STR-Tree,基于該索引結(jié)構(gòu),提出了一種高效的空間多關(guān)鍵詞Skyline查詢(xún)算法SKS.

    3 空間文本索引STR-Tree

    基于上述概念,為解決空間多關(guān)鍵詞高效匹配問(wèn)題,我們提出了一種混合索引結(jié)構(gòu)——空間文本索引STR-Tree.

    該索引結(jié)構(gòu)從邏輯上分為兩層:上層索引對(duì)R-Tree索引結(jié)構(gòu)進(jìn)行了擴(kuò)展,在節(jié)點(diǎn)中增加了表示對(duì)象關(guān)鍵詞信息的簽名文件,用于描述對(duì)象所處區(qū)域的空間與關(guān)鍵詞信息間關(guān)系;下層索引為倒排表結(jié)構(gòu),用于描述關(guān)鍵詞信息與對(duì)象本體間對(duì)應(yīng)關(guān)系.

    圖2展示了基于R-Tree索引的對(duì)象劃分情況,對(duì)最小且不可再分的MBR按照空間從上至下,從左至右的規(guī)則進(jìn)行順序編號(hào).根據(jù)編號(hào),我們對(duì)于空間文本對(duì)象id進(jìn)行了重新編碼:id=aid+wid.其中aid表示該區(qū)域的編號(hào),wid表示對(duì)象在該區(qū)域的內(nèi)部編號(hào),例如對(duì)象o2在區(qū)域的內(nèi)部編號(hào)為1.若假定區(qū)域容納空間文本對(duì)象的數(shù)量上限值為3,只需個(gè)位即能表示區(qū)域內(nèi)部所有對(duì)象,且對(duì)象所在區(qū)域的編號(hào)為2,編碼后對(duì)象o2的id為21.結(jié)合上述空間劃分及對(duì)象編碼情況,我們建立了如圖3所示的空間文本索引結(jié)構(gòu)——STR-Tree.

    圖2 基于R-Tree空間對(duì)象劃分Fig.2 Partitioning spatial objects based on R-Tree

    對(duì)于上層索引,中間節(jié)點(diǎn)存儲(chǔ)如下信息,info為一組空間坐標(biāo)對(duì),用來(lái)表示當(dāng)前區(qū)域的空間位置信息,treept為指向下一個(gè)節(jié)點(diǎn)的指針,tag紀(jì)錄當(dāng)前區(qū)域的簽名文件信息.葉子節(jié)點(diǎn)存儲(chǔ)如下信息,其中aid表示葉子節(jié)點(diǎn)即最小且不可再被劃分的區(qū)域編號(hào),info表示當(dāng)前區(qū)域的空間坐標(biāo)信息,itpt為指向下層倒排索引的指針,num表示當(dāng)前區(qū)域?qū)ο蟮目倲?shù),tag紀(jì)錄當(dāng)前區(qū)域的簽名文件信息.

    圖3 STR-Tree索引結(jié)構(gòu)示意圖Fig.3 STR-Tree index structure diagram

    其中簽名文件為一串定長(zhǎng)的二進(jìn)制碼(此例中假定二進(jìn)制碼的長(zhǎng)度為8),我們通過(guò)一個(gè)既定的hash函數(shù)將關(guān)鍵詞映射至二進(jìn)制碼中對(duì)應(yīng)的bit位,即將該位的0修改至1.但是對(duì)于定長(zhǎng)的二進(jìn)制碼,若關(guān)鍵詞的數(shù)量過(guò)多,必定會(huì)出現(xiàn)不同的關(guān)鍵詞通過(guò)hash函數(shù)映射至相同的bit位,即位沖突,還需進(jìn)行后續(xù)準(zhǔn)確地關(guān)鍵詞比較操作,這樣大大影響了查詢(xún)效率.對(duì)此,我們將關(guān)鍵詞分為兩類(lèi):第一類(lèi)關(guān)鍵詞為描述對(duì)象本身性質(zhì)的關(guān)鍵詞,如:Golf、Restaurant、Bars等;第二類(lèi)為描述對(duì)象特征的關(guān)鍵詞,如Seafood、Nightlife等.前者類(lèi)型的關(guān)鍵詞數(shù)量遠(yuǎn)遠(yuǎn)小于后者,且查詢(xún)關(guān)鍵詞中必定包含第一類(lèi)關(guān)鍵詞.我們對(duì)此類(lèi)關(guān)鍵詞構(gòu)建簽名文件,一方面降低位沖突發(fā)生的概率;另一方面,通過(guò)簽名文件,在查詢(xún)過(guò)程中可以先行過(guò)濾與查詢(xún)關(guān)鍵詞無(wú)關(guān)的空間區(qū)域,并剪枝大量的無(wú)關(guān)對(duì)象點(diǎn).

    例如,編號(hào)為2的葉子節(jié)點(diǎn),對(duì)應(yīng)空間區(qū)域包含的第一類(lèi)關(guān)鍵詞為:Restaurant、Bars,其中,Restaurant通過(guò)hash函數(shù)生成的結(jié)果為0000001,同理,Bars對(duì)應(yīng)為00000010.我們通過(guò)對(duì)上述兩段二進(jìn)制碼進(jìn)行OR操作,生成簽名為00000110,通過(guò)該簽名即可同時(shí)表示Restaurant、Bars兩種不同的一級(jí)關(guān)鍵詞信息.查詢(xún)關(guān)鍵詞依舊可以遵循上述過(guò)程生成一個(gè)新的簽名S,將該簽名S與查詢(xún)區(qū)域所對(duì)應(yīng)的簽名Si執(zhí)行AND操作,若SAndSi=S則表示該區(qū)域內(nèi)的關(guān)鍵詞包含查詢(xún)關(guān)鍵詞,反之,則不包含.因此通過(guò)該操作可以避免繼續(xù)訪(fǎng)問(wèn)不包含查詢(xún)關(guān)鍵詞的下級(jí)節(jié)點(diǎn),有效地提高了搜索效率.

    n.tag=c1.tag∨…∨ci.tag

    (4)

    其中n.tag為父節(jié)點(diǎn)的簽名信息,c1.tag至ci.tag為父節(jié)點(diǎn)n對(duì)應(yīng)的所有子節(jié)點(diǎn)的簽名信息.

    對(duì)于下層倒排索引,如圖3所示,索引中每個(gè)節(jié)點(diǎn)存儲(chǔ)如下信息,kw_info表示該字段存儲(chǔ)的關(guān)鍵詞信息,而wid_flag為一組位向量,位向量每一位對(duì)應(yīng)一個(gè)對(duì)象在該區(qū)域內(nèi)部的wid.假設(shè)若對(duì)象oi包含該關(guān)鍵詞,且對(duì)象oi的內(nèi)部wid為j,則對(duì)應(yīng)位向量第j位置為1,反之保持為0.其中,位向量長(zhǎng)度即為區(qū)域上限值k,若k=200,僅需要25bytes的存儲(chǔ)空間,因?yàn)橥粋€(gè)空間文本對(duì)象具有多組關(guān)鍵詞,在倒排表的相應(yīng)數(shù)據(jù)元組索引存儲(chǔ)上,造成過(guò)多的數(shù)據(jù)冗余,因此相比于傳統(tǒng)倒排表的形式,該方法大大降低了在大數(shù)據(jù)量情況下索引對(duì)于存儲(chǔ)空間容量的依賴(lài)性.以例詳細(xì)說(shuō)明,如對(duì)于對(duì)象o4、o5、o6,區(qū)域內(nèi)部id分別為1、2、3,區(qū)域上限值k=3,以關(guān)鍵詞Nightlife為例,位向量表示為101.執(zhí)行多關(guān)鍵詞查詢(xún)時(shí),只需對(duì)相應(yīng)的位向量組進(jìn)行位運(yùn)算.例如,查詢(xún)關(guān)鍵詞為Nightlife、Resturant以上兩組關(guān)鍵詞所對(duì)應(yīng)的位向量分別為101、100,則101 OR 100 =101,結(jié)果101表示區(qū)域內(nèi)部編號(hào)為1、3的對(duì)象含有上述關(guān)鍵詞.

    4 空間多關(guān)鍵詞Skyline查詢(xún)算法

    基于上述索引結(jié)構(gòu),在本小節(jié)我們提出了SKS算法來(lái)解決空間多關(guān)鍵詞Skyline查詢(xún)問(wèn)題.算法SKS在遍歷STR-Tree索引的過(guò)程中,在將上層索引節(jié)點(diǎn)對(duì)應(yīng)的區(qū)域位置信息與查詢(xún)區(qū)域信息進(jìn)行相交區(qū)域判定的同時(shí),通過(guò)節(jié)點(diǎn)對(duì)應(yīng)一級(jí)關(guān)鍵詞的位圖信息與查詢(xún)關(guān)鍵詞間的比較,算法從空間與文本兩方面對(duì)空間文本對(duì)象集過(guò)濾.而當(dāng)算法遍歷至葉子節(jié)點(diǎn)時(shí),則通過(guò)下層倒排索引,利用bit間的快速位運(yùn)算,獲取滿(mǎn)足所有查詢(xún)關(guān)鍵詞的對(duì)象,即該子區(qū)域內(nèi)的候選集.基于STR-Tree索引的空間多關(guān)鍵詞Skyline查詢(xún)算法如下所示:

    算法1.空間多關(guān)鍵詞Skyline查詢(xún)算法 SKS

    輸入:查詢(xún)點(diǎn)q,查詢(xún)關(guān)鍵詞q.w,查詢(xún)范圍R,空間文本對(duì)象點(diǎn)集O,STR-Tree索引

    輸出:空間多關(guān)鍵詞Skyline結(jié)果集 SKSP

    1.SP← {};C←{};

    2.While!nodeStack.isEmpty()do

    //以深度優(yōu)先搜索的方式遍歷索引

    3.N←nodeStack.pop();

    4.IfN.isInRange(q.w,R)then

    //若當(dāng)前區(qū)域滿(mǎn)足查詢(xún)關(guān)鍵詞q.w與查詢(xún)范圍R

    5.IfN.isLeaf()then

    6.C←getCandidate(q.w);

    //遍歷當(dāng)前區(qū)域?qū)?yīng)的下層倒排索引

    //計(jì)算當(dāng)前區(qū)域內(nèi)滿(mǎn)足查詢(xún)關(guān)鍵詞的候選集C

    7.ForeachcinCdo

    8.SP←calculateSkyline(SP,c,q.w,R);

    9.Else

    10.nodeStack.push(N.getChildNode());

    //若不為葉子節(jié)點(diǎn),則將孩子節(jié)點(diǎn)進(jìn)棧

    對(duì)于算法1,第2至3行,以棧的方式維護(hù)尚未訪(fǎng)問(wèn)的STR-Tree上層索引節(jié)點(diǎn);第4至6行對(duì)訪(fǎng)問(wèn)區(qū)域進(jìn)行判斷,若為葉子節(jié)點(diǎn)則通過(guò)下層倒排索引計(jì)算出滿(mǎn)足查詢(xún)條件的候選集C;第7至9行,循環(huán)調(diào)用calculateSkyline方法,進(jìn)行空間文本支配判定并生成新的中間結(jié)果集SP.

    由于候選對(duì)象與中間結(jié)果集間復(fù)雜的空間文本支配計(jì)算,導(dǎo)致算法1中calculateSkyline方法是該算法中最耗時(shí)且最頻繁的操作.為此,需要通過(guò)優(yōu)化空間文本支配計(jì)算過(guò)程來(lái)提高查詢(xún)效率.

    定理1.若存在某個(gè)空間文本對(duì)象oi∈C,其加權(quán)距離小于中間結(jié)果集中距查詢(xún)點(diǎn)最近的對(duì)象點(diǎn),則該對(duì)象oi一定屬于中間結(jié)果集SP.

    證明:假設(shè)對(duì)象oi不屬于中間結(jié)果集SP,則SP中必定存在一個(gè)對(duì)象點(diǎn)sp∈SP,使得sp空間文本支配oi.根據(jù)定義3,則spnsoi,且dt(sp,q)

    定理2.對(duì)任意的空間文本對(duì)象o1,o2∈O,若o1,o2之間不構(gòu)成文本支配,則o1,o2必定不構(gòu)成空間文本支配.

    證明:由于對(duì)象o1,o2之間不構(gòu)成非空間支配,因此對(duì)查詢(xún)點(diǎn)q而言,q位于空間任意位置,o1,o2之間必定不能在文本屬性以及空間屬性上同時(shí)構(gòu)成支配,因此根據(jù)定義3,o1,o2必定不構(gòu)成空間文本支配.

    基于上述定理1和定理2,我們采用了如下過(guò)濾策略:

    1)最小值過(guò)濾法:通過(guò)一個(gè)小頂堆結(jié)構(gòu)對(duì)中間結(jié)果集SP進(jìn)行維護(hù),其中堆頂對(duì)象sp即為SP中距查詢(xún)點(diǎn)p加權(quán)距離最近的點(diǎn).若存在候選對(duì)象c的加權(quán)距離小于sp,根據(jù)定理1,對(duì)象c一定屬于中間結(jié)果集SP.因?yàn)镾P中對(duì)象均在空間屬性上弱于c,所以后續(xù)只需要進(jìn)行文本支配判定,并直接刪除SP中所有被c文本支配的點(diǎn).

    2)求和過(guò)濾法:考慮對(duì)象在數(shù)值型文本屬性上所有屬性,我們將其值的和作為該過(guò)濾策略判定的依據(jù).對(duì)于任意一個(gè)對(duì)象點(diǎn)o,其在屬性維度NS的過(guò)濾公式設(shè)計(jì)如下:

    (5)

    上述公式表示對(duì)象點(diǎn)o在屬性維度NS上的過(guò)濾值S(o),而該過(guò)濾值即為點(diǎn)o的非空間屬性值之和.由于該過(guò)濾方法時(shí)間復(fù)雜度為O(1),相比于時(shí)間復(fù)雜度為O(d)(其中d為數(shù)值型文本屬性的維度值)的文本支配判定,可以簡(jiǎn)單地先行判定兩個(gè)對(duì)象點(diǎn)之間的支配關(guān)系.對(duì)于任意兩個(gè)對(duì)象點(diǎn)o1和o2,若S(o1)S(o2),即表明對(duì)象o2在屬性維度NS上不可能文本支配對(duì)象o1,因?yàn)橹辽儆幸粋€(gè)維度上o2的值大于o1.因此,通過(guò)補(bǔ)充判定對(duì)象o1是否文本支配o2,若雙方無(wú)文本支配關(guān)系,結(jié)合定理2,可以發(fā)現(xiàn)o1和o2間不存在空間文本支配關(guān)系,則不必繼續(xù)計(jì)算,直接進(jìn)行剪枝,從而提高了算法的執(zhí)行效率.

    算法2.空間文本支配判定算法 calculateSkyline

    輸入:查詢(xún)中間結(jié)果集SP,候選對(duì)象c,查詢(xún)關(guān)鍵詞q.w,查詢(xún)范圍R

    輸出:查詢(xún)中間結(jié)果集SP

    1.sp← getHeapTop(SP);

    2.Ifdt(c,q)< dt(sp,q)then

    3. textualDetele(SP,c);//刪除SP中所有被c文本支配的點(diǎn)

    4. insertcintoSP;

    5.Else

    6. For eachspinSPfrom the Heapdo//遍歷堆中所有對(duì)象

    7. IfS(c)≤S(sp)then

    8. Ifc?Domns(sp) then//不構(gòu)成文本支配

    9. continue;

    10.Elseifdt(c,q)

    11. deletespfromSP;//刪除SP中被c支配的點(diǎn)sp

    12.Else

    13. Ifsp?Domns(c)then//不構(gòu)成文本支配

    14. continue;

    15.Elseifdt(sp,q)

    //若c被SP中的某一點(diǎn)支配

    16. break;

    17.Ifsppoints to NULLthen

    //指向堆末,表明遍歷完所有對(duì)象,即當(dāng)前堆中對(duì)象c

    不存在控制關(guān)系

    18. insertcintoSP;

    對(duì)于算法2,其中第1至4行通過(guò)最小值過(guò)濾法對(duì)于候選集進(jìn)行枝剪;第6至9行通過(guò)求和過(guò)濾法進(jìn)行先行支配判定;第10至11行,刪除SP中被支配的對(duì)象;第15至16行,若候選對(duì)象被支配,則跳出循環(huán).

    5 實(shí)驗(yàn)及分析

    為驗(yàn)證SKS算法的性能及其有效性,我們?cè)O(shè)計(jì)了多組實(shí)驗(yàn)對(duì)SKS算法進(jìn)行測(cè)試.由于現(xiàn)有的工作中沒(méi)有用于專(zhuān)門(mén)解決空間多關(guān)鍵詞Skyline查詢(xún)的方法,因此將SKS算法與可以解決該問(wèn)題的INKS算法和ASTD算法進(jìn)行比較.INKS算法基于倒排索引,快速檢索出滿(mǎn)足查詢(xún)條件的空間文本對(duì)象,并計(jì)算出Skyline結(jié)果集;ASTD則利用IR-Tree對(duì)無(wú)關(guān)對(duì)象點(diǎn)進(jìn)行過(guò)濾.

    我們從兩方面驗(yàn)證了SKS算法的有效性:首先,在小規(guī)模數(shù)據(jù)集上,算法計(jì)算結(jié)果與理論計(jì)算結(jié)果相同;其次,與INKS算法和ASTD算法的執(zhí)行結(jié)果進(jìn)行對(duì)比,結(jié)果均保持一致,進(jìn)一步證明算法的有效性.另外,為了更好地避免隨機(jī)性,算法查詢(xún)性能最終指標(biāo)以相同環(huán)境下10次測(cè)試,并除去最大最小值后剩余8次測(cè)試值的平均值作為依據(jù).

    實(shí)驗(yàn)環(huán)境為:Windows10操作系統(tǒng),Intel Core i7處理器,主頻3.30GHz,內(nèi)存4GB.上述算法均用Java語(yǔ)言實(shí)現(xiàn),編譯器為IntelliJ IDEA.

    5.1 數(shù)據(jù)集設(shè)置

    實(shí)驗(yàn)采用模擬數(shù)據(jù)集進(jìn)行測(cè)試,并在真實(shí)數(shù)據(jù)集上對(duì)SKS算法進(jìn)一步驗(yàn)證.其中,模擬數(shù)據(jù)集分為獨(dú)立數(shù)據(jù)集、相關(guān)數(shù)據(jù)集、反相關(guān)數(shù)據(jù)集三種,數(shù)據(jù)集中所有空間文本對(duì)象點(diǎn)均隨機(jī)生成,對(duì)象點(diǎn)對(duì)應(yīng)的空間橫縱坐標(biāo)均在[0,100]的數(shù)值范圍內(nèi)隨機(jī)取值.對(duì)于數(shù)值型文本屬性由文獻(xiàn)[1]提及的數(shù)據(jù)生成器產(chǎn)生,各維度數(shù)值為區(qū)間[0,100]上的隨機(jī)值,且規(guī)定數(shù)值越小即表示該維度上的屬性表現(xiàn)越優(yōu),同時(shí)與之對(duì)應(yīng)的語(yǔ)義型文本屬性從既定的詞典中隨機(jī)選擇生成.真實(shí)數(shù)據(jù)集采用yelp商業(yè)點(diǎn)評(píng)網(wǎng)站的開(kāi)源數(shù)據(jù)集,數(shù)據(jù)集中包含美國(guó)菲尼克斯等城市的85,883個(gè)商鋪的詳細(xì)信息,我們將數(shù)據(jù)集中的經(jīng)緯度作為空間位置信息,商鋪的分類(lèi)信息作為語(yǔ)義型文本屬性,其余星級(jí)、瀏覽量等指標(biāo)作為數(shù)值型文本屬性.

    為了便于與模擬數(shù)據(jù)集之間進(jìn)行比較,我們對(duì)真實(shí)數(shù)據(jù)集上數(shù)值型屬性進(jìn)行了處理,使全體數(shù)據(jù)能夠映射到區(qū)間[0,100],數(shù)值轉(zhuǎn)換函數(shù)如下:

    (6)

    其中p(oi)表示空間文本對(duì)象o在維度i上的取值,minValuei與maxValuei表示所有對(duì)象在維度i上的最小取值與最大取值.

    5.2 數(shù)據(jù)量對(duì)算法性能的影響

    為了分析與驗(yàn)證不同數(shù)據(jù)量下對(duì)于算法的影響,我們采用了獨(dú)立數(shù)據(jù)集,相關(guān)數(shù)據(jù)集,非相關(guān)數(shù)據(jù)集三種模擬器數(shù)據(jù)集進(jìn)行實(shí)驗(yàn).其中空間文本對(duì)象個(gè)數(shù)n由100K到500K變化,數(shù)據(jù)集中數(shù)值型數(shù)據(jù)維度為5維.查詢(xún)點(diǎn)q的空間位置坐標(biāo)為隨機(jī)產(chǎn)生,其包含的查詢(xún)關(guān)鍵詞數(shù)量為3,查詢(xún)半徑為30單位長(zhǎng)度.本次實(shí)驗(yàn)以查詢(xún)開(kāi)始至查詢(xún)結(jié)束的CPU時(shí)間作為查詢(xún)算法性能的評(píng)價(jià)指標(biāo).

    圖4 數(shù)據(jù)量對(duì)算法性能的影響Fig.4 Performances with scalability of dataset

    圖4為不同數(shù)據(jù)量下對(duì)應(yīng)三種不同數(shù)據(jù)分布情況的三個(gè)算法性能測(cè)試結(jié)果.通過(guò)對(duì)比分析可以得出,隨著數(shù)據(jù)量的上升,三種算法的執(zhí)行計(jì)算時(shí)間均有所提高.同時(shí)可以明顯得出,在數(shù)據(jù)量為100K時(shí),三種數(shù)據(jù)分布下INKS算法查詢(xún)計(jì)算所用的時(shí)間約為SKS算法的2倍以上.且隨著數(shù)據(jù)規(guī)模的逐漸增大,SKS算法相較于其他兩個(gè)算法優(yōu)勢(shì)越發(fā)凸顯.主要是因?yàn)镾KS算法在計(jì)算過(guò)程中,利用STR-Tree快速檢索出滿(mǎn)足查詢(xún)條件的有笑點(diǎn),并利用剪枝策略對(duì)支配判定過(guò)程進(jìn)行優(yōu)化,從而大大減少了訪(fǎng)問(wèn)無(wú)效對(duì)象點(diǎn)的次數(shù)和支配計(jì)算開(kāi)銷(xiāo).

    另外,從數(shù)據(jù)分布的角度來(lái)看,由于相關(guān)數(shù)據(jù)集、獨(dú)立數(shù)據(jù)集與反相關(guān)數(shù)據(jù)集的Skyline結(jié)果數(shù)依次遞增,因此對(duì)象間支配判定計(jì)算的次數(shù)也依次遞增.INKS算法與ASTD算法對(duì)于數(shù)據(jù)分布的敏感度不高,尤其是在反相關(guān)分布的情況下,上述兩種算法的效率有了明顯的下降.但SKS算法在支配計(jì)算的過(guò)程中,基于空間文本支配關(guān)系提出了兩種相應(yīng)的過(guò)濾策略,使得在數(shù)據(jù)分布發(fā)生變化時(shí),查詢(xún)效率沒(méi)有受到過(guò)多的影響.

    5.3 查詢(xún)關(guān)鍵詞數(shù)量對(duì)算法性能的影響

    實(shí)驗(yàn)旨在驗(yàn)證查詢(xún)關(guān)鍵詞數(shù)量的變化對(duì)于算法性能的影響程度.因此,考慮在數(shù)據(jù)分布為獨(dú)立分布的情況下,測(cè)試數(shù)據(jù)集中空間文本對(duì)象為200K個(gè),數(shù)值型屬性維度為5.在查詢(xún)點(diǎn)q空間坐標(biāo)保持不變的情況下,查詢(xún)關(guān)鍵詞數(shù)量由1到10進(jìn)行變化,查詢(xún)半徑為30單位長(zhǎng)度.

    圖5 查詢(xún)關(guān)鍵詞數(shù)量對(duì)算法性能的影響Fig.5 Performances with the number of query keywords

    如圖5所示,為不同數(shù)量的查詢(xún)關(guān)鍵詞在獨(dú)立數(shù)據(jù)集下對(duì)于三種查詢(xún)算法性能測(cè)試結(jié)果.在查詢(xún)關(guān)鍵詞數(shù)量較低的情況下,INKS算法效率較好,由于該算法利用倒排索引結(jié)構(gòu),可以直接檢索出滿(mǎn)足查詢(xún)條件的有效對(duì)象點(diǎn).隨著關(guān)鍵詞數(shù)量的增加,因?yàn)榈古潘饕裏o(wú)法高效地解決冗余數(shù)據(jù)的判重問(wèn)題,因此INKS算法效率逐漸降低.而SKS算法針對(duì)多關(guān)鍵詞匹配問(wèn)題利用簽名文件,將對(duì)象id映射至對(duì)應(yīng)的bit位上,并利用基于位圖匹配的倒排索引結(jié)構(gòu),實(shí)現(xiàn)了快速的有效對(duì)象點(diǎn)檢索.在關(guān)鍵詞數(shù)量較高時(shí),SKS算法的優(yōu)勢(shì)越發(fā)明顯,關(guān)鍵詞數(shù)量為7時(shí),相比于ASTD算法查詢(xún)性能提高了近90%.

    5.4 數(shù)值型屬性維度對(duì)算法性能的影響

    Skyline查詢(xún)計(jì)算過(guò)程中,空間文本支配關(guān)系的計(jì)算次數(shù)隨著數(shù)值型文本屬性的維數(shù)增加而增加,并且直接影響到查詢(xún)效率的高低.因此,以下討論數(shù)值型屬性維度的變化對(duì)于算法性能的影響.實(shí)驗(yàn)采用獨(dú)立數(shù)據(jù)集,其中空間文本對(duì)象個(gè)數(shù)為200K個(gè),數(shù)值型屬性維度為2至8維進(jìn)行變化.查詢(xún)點(diǎn)q的空間位置坐標(biāo)隨機(jī)產(chǎn)生,查詢(xún)關(guān)鍵詞數(shù)量為3,查詢(xún)半徑為30單位長(zhǎng)度.

    圖6為不同維度下三種算法的查詢(xún)性能測(cè)試結(jié)果.由上圖可以得出,ASTD算法在數(shù)據(jù)維度較小時(shí)表現(xiàn)較優(yōu),但是隨著維度的升高,算法的性能逐漸降低,尤其到了維數(shù)為6的時(shí)候,性能下降程度明顯.而SKS算法在低維度的時(shí)候算法性能與ITS算法不相上下,主要是此時(shí)遍歷索引的時(shí)間耗費(fèi)成為了制約因素;而隨著數(shù)據(jù)維度的升高,SKS算法通過(guò)采用了相應(yīng)的剪枝機(jī)制,有效地減少了無(wú)關(guān)對(duì)象點(diǎn)間數(shù)值型屬性間支配關(guān)系計(jì)算開(kāi)銷(xiāo),維度為8時(shí),ASTD算法計(jì)算所用時(shí)間約為SKS算法的3倍.

    圖6 數(shù)值型屬性維度對(duì)算法性能的影響Fig.6 Performances with numeric attribute dimension

    5.5 真實(shí)數(shù)據(jù)集下的算法性能

    實(shí)驗(yàn)采用了yelp點(diǎn)評(píng)網(wǎng)站上的開(kāi)源數(shù)據(jù)集對(duì)于算法性能進(jìn)行了進(jìn)一步驗(yàn)證,數(shù)據(jù)集中包含來(lái)自美國(guó)菲尼克斯等11個(gè)城市85883個(gè)商鋪信息,每個(gè)商鋪對(duì)應(yīng)的數(shù)值型文本屬性維度為3,查詢(xún)點(diǎn)q隨機(jī)產(chǎn)生,查詢(xún)關(guān)鍵詞數(shù)量為3,查詢(xún)半徑由10度到50度(經(jīng)緯度)之間變化.

    圖7 真實(shí)數(shù)據(jù)集下的算法性能Fig.7 Performances with real-life dataset

    圖7展示了在真實(shí)數(shù)據(jù)集下查詢(xún)范圍變化與算法執(zhí)行效率的關(guān)系.由圖可以分析得出,隨著查詢(xún)經(jīng)緯度的范圍擴(kuò)大,被查詢(xún)點(diǎn)數(shù)量也隨之增加,查詢(xún)算法的效率均有所降低.在真實(shí)數(shù)據(jù)集下,SKS算法相較于其余兩種算法具有較高的查詢(xún)效率,與模擬數(shù)據(jù)集下的實(shí)驗(yàn)測(cè)試結(jié)果保持一致,進(jìn)一步證明了SKS算法的高效性.

    6 結(jié)束語(yǔ)

    本文從用戶(hù)提出多角度偏好的需求出發(fā),針對(duì)空間位置動(dòng)態(tài)變化問(wèn)題進(jìn)行深入研究,提出了一種空間多關(guān)鍵詞Skyline查詢(xún)解決方案.為了快速處理空間多關(guān)鍵詞匹配并有效地剪枝無(wú)關(guān)空間區(qū)域,提出了一種空間文本索引結(jié)構(gòu)STR-Tree;在該索引結(jié)構(gòu)基礎(chǔ)上,提出了一種高效的空間多關(guān)鍵詞Skyline查詢(xún)的算法SKS.最后,在模擬數(shù)據(jù)集與真實(shí)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),結(jié)果表明本文提出的方法能夠有效地解決空間多關(guān)鍵詞Skyline查詢(xún)問(wèn)題,且擁有更為優(yōu)良的查詢(xún)性能.

    上述工作可以很容易地?cái)U(kuò)展至道路網(wǎng)環(huán)境.另外,未來(lái)研究工作將重點(diǎn)關(guān)注如何解決多用戶(hù)環(huán)境下的空間關(guān)鍵詞Skyline查詢(xún),引入交互式查詢(xún)思想,以解決用戶(hù)偏好不一致問(wèn)題.

    猜你喜歡
    文本
    文本聯(lián)讀學(xué)概括 細(xì)致觀察促寫(xiě)作
    重點(diǎn):論述類(lèi)文本閱讀
    重點(diǎn):實(shí)用類(lèi)文本閱讀
    初中群文閱讀的文本選擇及組織
    甘肅教育(2020年8期)2020-06-11 06:10:02
    作為“文本鏈”的元電影
    在808DA上文本顯示的改善
    “文化傳承與理解”離不開(kāi)對(duì)具體文本的解讀與把握
    基于doc2vec和TF-IDF的相似文本識(shí)別
    電子制作(2018年18期)2018-11-14 01:48:06
    文本之中·文本之外·文本之上——童話(huà)故事《坐井觀天》的教學(xué)隱喻
    從背景出發(fā)還是從文本出發(fā)
    国产视频首页在线观看| 最新中文字幕久久久久| 天天一区二区日本电影三级| 九九爱精品视频在线观看| 国产老妇伦熟女老妇高清| 我要看日韩黄色一级片| 日韩制服骚丝袜av| 国产三级中文精品| 亚洲最大成人中文| 夜夜爽夜夜爽视频| 99久国产av精品| 在现免费观看毛片| 女人十人毛片免费观看3o分钟| 亚洲熟妇中文字幕五十中出| av免费观看日本| 久久久久久九九精品二区国产| 黄色配什么色好看| 欧美97在线视频| 久久久国产成人精品二区| 一区二区三区乱码不卡18| 亚洲av电影在线观看一区二区三区 | .国产精品久久| 看黄色毛片网站| 老师上课跳d突然被开到最大视频| 国产视频内射| 毛片女人毛片| 日韩av在线大香蕉| 日韩视频在线欧美| 国产亚洲av嫩草精品影院| 超碰av人人做人人爽久久| av又黄又爽大尺度在线免费看 | 最近视频中文字幕2019在线8| 我的女老师完整版在线观看| 只有这里有精品99| 国产免费福利视频在线观看| 欧美不卡视频在线免费观看| av专区在线播放| 精品久久久噜噜| 真实男女啪啪啪动态图| 18禁动态无遮挡网站| 成人av在线播放网站| 国产亚洲午夜精品一区二区久久 | 丝袜美腿在线中文| 长腿黑丝高跟| 九九久久精品国产亚洲av麻豆| 国产午夜精品久久久久久一区二区三区| 最近中文字幕2019免费版| 亚洲,欧美,日韩| 秋霞伦理黄片| 国产综合懂色| 久久久久久久国产电影| 久久精品夜色国产| 亚洲五月天丁香| 欧美性猛交╳xxx乱大交人| 国产伦精品一区二区三区视频9| 神马国产精品三级电影在线观看| 全区人妻精品视频| 亚洲欧美日韩东京热| 国产精品野战在线观看| 尤物成人国产欧美一区二区三区| 亚洲四区av| 久久午夜福利片| av在线播放精品| 久久久久久国产a免费观看| 国产精品国产三级国产av玫瑰| 亚洲国产精品合色在线| 黄色欧美视频在线观看| av女优亚洲男人天堂| 亚洲国产最新在线播放| av在线播放精品| 免费观看人在逋| 国产精品爽爽va在线观看网站| 亚州av有码| 亚洲av成人精品一二三区| 国产精品1区2区在线观看.| 国产精品乱码一区二三区的特点| 午夜免费男女啪啪视频观看| 黄色欧美视频在线观看| 国产综合懂色| 亚洲图色成人| 成人亚洲精品av一区二区| 亚洲一区高清亚洲精品| 狂野欧美白嫩少妇大欣赏| 日本免费a在线| 丰满乱子伦码专区| 一边亲一边摸免费视频| 国产高清视频在线观看网站| 七月丁香在线播放| 精品一区二区免费观看| 免费播放大片免费观看视频在线观看 | 日本黄色视频三级网站网址| 夫妻性生交免费视频一级片| 看免费成人av毛片| 麻豆成人av视频| 午夜精品在线福利| 少妇猛男粗大的猛烈进出视频 | 免费av观看视频| 成人综合一区亚洲| 精品久久久噜噜| 日韩视频在线欧美| 中文字幕久久专区| 亚洲av成人精品一区久久| 女的被弄到高潮叫床怎么办| 久久草成人影院| 又爽又黄a免费视频| 久久精品国产亚洲网站| 男女国产视频网站| 国产亚洲91精品色在线| 国产精品久久久久久精品电影| 亚洲精品日韩在线中文字幕| 国产成人精品久久久久久| 寂寞人妻少妇视频99o| 亚洲欧美日韩东京热| 精品欧美国产一区二区三| 亚洲欧美日韩卡通动漫| 精品久久久久久久久av| 久久精品久久久久久噜噜老黄 | 99久久精品国产国产毛片| 69av精品久久久久久| 久久99热这里只频精品6学生 | 婷婷色av中文字幕| 欧美3d第一页| 国产一级毛片在线| 亚洲av不卡在线观看| 成人亚洲精品av一区二区| 亚洲久久久久久中文字幕| 亚洲不卡免费看| 日本三级黄在线观看| 老师上课跳d突然被开到最大视频| 亚洲天堂国产精品一区在线| 国产亚洲av片在线观看秒播厂 | 久久久国产成人免费| 1024手机看黄色片| 久久久色成人| 国产精品美女特级片免费视频播放器| 国产精品一区www在线观看| 亚洲欧美中文字幕日韩二区| 成人av在线播放网站| 国产精品美女特级片免费视频播放器| 乱系列少妇在线播放| 非洲黑人性xxxx精品又粗又长| 成年免费大片在线观看| 欧美3d第一页| 午夜福利成人在线免费观看| 欧美成人免费av一区二区三区| 特大巨黑吊av在线直播| 在线播放国产精品三级| 国产亚洲av片在线观看秒播厂 | 国产久久久一区二区三区| 亚洲国产日韩欧美精品在线观看| 久久久久久久久久久免费av| 久久久午夜欧美精品| 美女大奶头视频| 国产一级毛片七仙女欲春2| 全区人妻精品视频| 国产免费男女视频| 亚洲在线观看片| av线在线观看网站| 极品教师在线视频| 精品无人区乱码1区二区| 国产精品女同一区二区软件| 午夜视频国产福利| 色尼玛亚洲综合影院| 久久久久久久国产电影| 久久精品久久久久久久性| 免费黄色在线免费观看| 亚洲国产色片| 91精品国产九色| 女人被狂操c到高潮| 欧美成人午夜免费资源| 99热这里只有是精品50| 少妇的逼水好多| 久久鲁丝午夜福利片| 九九在线视频观看精品| 欧美精品一区二区大全| 2021天堂中文幕一二区在线观| 26uuu在线亚洲综合色| 菩萨蛮人人尽说江南好唐韦庄 | 97热精品久久久久久| 国产精品熟女久久久久浪| 久久精品夜色国产| 女的被弄到高潮叫床怎么办| 国产综合懂色| 国产午夜精品一二区理论片| 久久亚洲国产成人精品v| h日本视频在线播放| 国产免费一级a男人的天堂| 日本五十路高清| 少妇丰满av| av又黄又爽大尺度在线免费看 | 久久久国产成人免费| 桃色一区二区三区在线观看| 老司机福利观看| 精品久久久久久久久久久久久| 久久人妻av系列| 国产精品不卡视频一区二区| 大香蕉久久网| 国产成人精品久久久久久| 午夜日本视频在线| 少妇被粗大猛烈的视频| 最近最新中文字幕免费大全7| 国产一区二区亚洲精品在线观看| 观看美女的网站| 亚洲精品国产av成人精品| 最近的中文字幕免费完整| 中文字幕免费在线视频6| 夜夜爽夜夜爽视频| 亚洲在久久综合| 成年女人看的毛片在线观看| 成人午夜精彩视频在线观看| 日韩国内少妇激情av| 亚洲精品乱码久久久久久按摩| 少妇丰满av| 变态另类丝袜制服| 国产黄片视频在线免费观看| 大香蕉97超碰在线| 久久久国产成人精品二区| 观看免费一级毛片| 欧美潮喷喷水| 国内精品一区二区在线观看| 寂寞人妻少妇视频99o| 亚洲成人中文字幕在线播放| av又黄又爽大尺度在线免费看 | 非洲黑人性xxxx精品又粗又长| 亚洲美女搞黄在线观看| a级一级毛片免费在线观看| 国产毛片a区久久久久| ponron亚洲| 国产伦精品一区二区三区视频9| 欧美一区二区国产精品久久精品| 免费搜索国产男女视频| 水蜜桃什么品种好| 久久久久久久国产电影| 成人欧美大片| .国产精品久久| 国产三级中文精品| 久久婷婷人人爽人人干人人爱| 国产高清视频在线观看网站| 少妇裸体淫交视频免费看高清| 国内精品宾馆在线| 少妇熟女欧美另类| 老女人水多毛片| 赤兔流量卡办理| 人体艺术视频欧美日本| 人人妻人人澡欧美一区二区| 亚洲精品乱久久久久久| 久久精品久久精品一区二区三区| 国产淫片久久久久久久久| 欧美成人午夜免费资源| 日韩欧美在线乱码| 在线天堂最新版资源| 国产精品无大码| 九色成人免费人妻av| 激情 狠狠 欧美| 国产成人a∨麻豆精品| 人妻系列 视频| 欧美高清性xxxxhd video| 成人亚洲精品av一区二区| 国产又黄又爽又无遮挡在线| 日韩欧美国产在线观看| 国产伦理片在线播放av一区| 少妇高潮的动态图| 国产亚洲5aaaaa淫片| 亚州av有码| 毛片一级片免费看久久久久| 国产视频内射| 精品国内亚洲2022精品成人| 在线观看66精品国产| 日产精品乱码卡一卡2卡三| 国产高清视频在线观看网站| 国产精品久久久久久av不卡| 国产乱来视频区| 国产免费又黄又爽又色| 亚洲av二区三区四区| 欧美日韩在线观看h| 国产一区二区亚洲精品在线观看| 欧美xxxx黑人xx丫x性爽| 精品无人区乱码1区二区| 国产成人a区在线观看| 99久久九九国产精品国产免费| 亚洲精品日韩在线中文字幕| 久久久久久久久久黄片| 岛国在线免费视频观看| 99热6这里只有精品| 啦啦啦观看免费观看视频高清| .国产精品久久| 精华霜和精华液先用哪个| 嫩草影院精品99| 国产淫片久久久久久久久| 乱码一卡2卡4卡精品| 三级经典国产精品| 亚洲自拍偷在线| 国产视频首页在线观看| 国产淫片久久久久久久久| 国产亚洲av片在线观看秒播厂 | 亚洲美女搞黄在线观看| 天天一区二区日本电影三级| 日本五十路高清| 久久久久久国产a免费观看| 2021少妇久久久久久久久久久| 亚洲美女搞黄在线观看| 亚洲最大成人中文| 亚洲欧美精品专区久久| 国产成人精品婷婷| 美女cb高潮喷水在线观看| 高清在线视频一区二区三区 | 欧美日韩精品成人综合77777| 成人漫画全彩无遮挡| 欧美xxxx性猛交bbbb| 久久久精品大字幕| 日本免费在线观看一区| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲欧美精品综合久久99| 国产伦一二天堂av在线观看| 波多野结衣高清无吗| 欧美一区二区国产精品久久精品| 老司机影院成人| 国产色爽女视频免费观看| 欧美区成人在线视频| 国产一区二区三区av在线| 99九九线精品视频在线观看视频| 国产中年淑女户外野战色| 99久久精品一区二区三区| 成年版毛片免费区| 成人三级黄色视频| 中文字幕熟女人妻在线| 国产精品久久久久久精品电影小说 | 国模一区二区三区四区视频| 蜜桃久久精品国产亚洲av| 九草在线视频观看| 亚洲自拍偷在线| 一级二级三级毛片免费看| 99热6这里只有精品| 18+在线观看网站| 日韩av不卡免费在线播放| 国产成人福利小说| 人妻少妇偷人精品九色| 啦啦啦观看免费观看视频高清| 国产老妇女一区| 日韩制服骚丝袜av| 国产成人a∨麻豆精品| 如何舔出高潮| 亚洲性久久影院| 午夜日本视频在线| 男女边吃奶边做爰视频| 美女高潮的动态| a级一级毛片免费在线观看| 99视频精品全部免费 在线| 日韩中字成人| 深爱激情五月婷婷| 人妻少妇偷人精品九色| 日韩欧美国产在线观看| 国产精品一区二区三区四区免费观看| 波多野结衣高清无吗| 狂野欧美激情性xxxx在线观看| 久久精品国产99精品国产亚洲性色| 久久久久免费精品人妻一区二区| 久久久久精品久久久久真实原创| 性插视频无遮挡在线免费观看| 国产精品人妻久久久久久| 国产成人免费观看mmmm| 韩国av在线不卡| 岛国毛片在线播放| 亚洲欧美成人综合另类久久久 | 日日摸夜夜添夜夜添av毛片| 久久久亚洲精品成人影院| av卡一久久| 精品国内亚洲2022精品成人| 精品一区二区三区人妻视频| 美女黄网站色视频| 亚洲va在线va天堂va国产| 精品久久久久久久久久久久久| 亚洲成色77777| 国产不卡一卡二| 69人妻影院| 免费看av在线观看网站| 亚洲,欧美,日韩| 国产高清不卡午夜福利| 亚洲欧美精品专区久久| 亚洲av免费在线观看| 欧美一区二区亚洲| 国产精品一二三区在线看| 97超碰精品成人国产| 日本五十路高清| 一级毛片久久久久久久久女| 国产精品一二三区在线看| av在线亚洲专区| 深夜a级毛片| 一边摸一边抽搐一进一小说| 91狼人影院| 成人三级黄色视频| 久久6这里有精品| 一卡2卡三卡四卡精品乱码亚洲| 成人高潮视频无遮挡免费网站| 黄片wwwwww| 毛片一级片免费看久久久久| 精品久久久久久久久久久久久| 老司机影院毛片| 免费电影在线观看免费观看| 日韩高清综合在线| 国产成人精品一,二区| av在线蜜桃| 欧美一区二区国产精品久久精品| 一级黄片播放器| 欧美区成人在线视频| 一夜夜www| 欧美潮喷喷水| 欧美又色又爽又黄视频| 一级二级三级毛片免费看| 国产一级毛片在线| 白带黄色成豆腐渣| 99热网站在线观看| 久久久色成人| 国产午夜精品一二区理论片| 国产精品福利在线免费观看| av在线播放精品| 国产在线一区二区三区精 | 97人妻精品一区二区三区麻豆| 一级毛片久久久久久久久女| 午夜老司机福利剧场| 午夜久久久久精精品| 身体一侧抽搐| 综合色av麻豆| 极品教师在线视频| 色网站视频免费| 久久精品影院6| 日韩一区二区三区影片| 伊人久久精品亚洲午夜| 国产伦精品一区二区三区视频9| 亚洲欧美清纯卡通| av专区在线播放| 国产精品无大码| 六月丁香七月| 亚洲在线自拍视频| 亚洲精品日韩在线中文字幕| 一个人免费在线观看电影| 久久久久久久久久久丰满| 精品一区二区三区人妻视频| 国产亚洲最大av| 中文字幕亚洲精品专区| 国产熟女欧美一区二区| 精品免费久久久久久久清纯| 别揉我奶头 嗯啊视频| 身体一侧抽搐| 18禁在线播放成人免费| 亚洲美女搞黄在线观看| 国内精品美女久久久久久| 激情 狠狠 欧美| 国产精品久久电影中文字幕| 午夜福利在线观看免费完整高清在| 久久久久久久午夜电影| 嘟嘟电影网在线观看| 国产熟女欧美一区二区| 欧美性猛交黑人性爽| 一级av片app| 精品人妻偷拍中文字幕| 欧美性感艳星| 久久精品国产亚洲av天美| 亚洲中文字幕一区二区三区有码在线看| 97在线视频观看| 亚洲av电影不卡..在线观看| 久久精品91蜜桃| 伦精品一区二区三区| 菩萨蛮人人尽说江南好唐韦庄 | 日本一本二区三区精品| 2022亚洲国产成人精品| 久久6这里有精品| 在线播放国产精品三级| 日韩一本色道免费dvd| 99国产精品一区二区蜜桃av| 午夜精品一区二区三区免费看| 日本与韩国留学比较| 91久久精品国产一区二区成人| 成人综合一区亚洲| 精华霜和精华液先用哪个| 2021少妇久久久久久久久久久| 国产伦理片在线播放av一区| 亚洲av男天堂| 人妻系列 视频| 在线观看66精品国产| 91久久精品国产一区二区三区| 免费黄网站久久成人精品| 午夜福利高清视频| 岛国在线免费视频观看| 国产探花在线观看一区二区| eeuss影院久久| 人妻少妇偷人精品九色| 白带黄色成豆腐渣| 一级毛片电影观看 | 久久鲁丝午夜福利片| АⅤ资源中文在线天堂| 亚洲av电影不卡..在线观看| 边亲边吃奶的免费视频| 一二三四中文在线观看免费高清| 国产欧美日韩精品一区二区| eeuss影院久久| 国产美女午夜福利| 免费av不卡在线播放| or卡值多少钱| 最近最新中文字幕大全电影3| 中文欧美无线码| 中文乱码字字幕精品一区二区三区 | 高清av免费在线| 久久草成人影院| ponron亚洲| 国产高清有码在线观看视频| 免费看av在线观看网站| 一级黄色大片毛片| 欧美精品国产亚洲| 精品一区二区三区视频在线| 黄色配什么色好看| 久久久久久大精品| 最近最新中文字幕大全电影3| 国产午夜精品久久久久久一区二区三区| 男人的好看免费观看在线视频| 精品少妇黑人巨大在线播放 | 精品人妻一区二区三区麻豆| 国产精品国产三级专区第一集| 春色校园在线视频观看| 少妇熟女aⅴ在线视频| 国国产精品蜜臀av免费| 中文字幕人妻熟人妻熟丝袜美| 亚洲乱码一区二区免费版| 国产老妇伦熟女老妇高清| h日本视频在线播放| 美女xxoo啪啪120秒动态图| 中文字幕久久专区| 精品一区二区免费观看| 蜜桃久久精品国产亚洲av| 久久久亚洲精品成人影院| 国产在视频线精品| 国产精品国产高清国产av| 国产精品爽爽va在线观看网站| 国产精品麻豆人妻色哟哟久久 | 人人妻人人澡欧美一区二区| 老司机影院成人| 国产高清不卡午夜福利| 日本爱情动作片www.在线观看| 麻豆一二三区av精品| 久久久久久久久久黄片| 亚洲美女搞黄在线观看| 国产精品无大码| 国产69精品久久久久777片| 午夜福利网站1000一区二区三区| 亚洲婷婷狠狠爱综合网| 不卡视频在线观看欧美| 国产精品爽爽va在线观看网站| 国产免费又黄又爽又色| 亚洲综合色惰| 欧美极品一区二区三区四区| 自拍偷自拍亚洲精品老妇| 日韩 亚洲 欧美在线| 大话2 男鬼变身卡| 一本久久精品| 免费av不卡在线播放| 亚洲av熟女| 欧美人与善性xxx| 激情 狠狠 欧美| 99久久精品一区二区三区| 亚洲精品色激情综合| av黄色大香蕉| 日本wwww免费看| 国产91av在线免费观看| 国产 一区精品| 国产视频内射| 午夜日本视频在线| 国产人妻一区二区三区在| 国产午夜福利久久久久久| 亚洲国产最新在线播放| 亚洲成色77777| 久久韩国三级中文字幕| 看免费成人av毛片| 一夜夜www| 亚洲在久久综合| 我要搜黄色片| 中文资源天堂在线| 综合色av麻豆| 亚洲av中文字字幕乱码综合| 变态另类丝袜制服| 联通29元200g的流量卡| 国产精品一区二区三区四区久久| 老师上课跳d突然被开到最大视频| 久久这里只有精品中国| 欧美另类亚洲清纯唯美| eeuss影院久久| 晚上一个人看的免费电影| 97人妻精品一区二区三区麻豆| 美女高潮的动态| 村上凉子中文字幕在线| 久久精品久久久久久久性| 人人妻人人澡欧美一区二区| 久久人人爽人人片av| 亚洲精品,欧美精品| 国产精品一二三区在线看| 国产极品天堂在线| 久久久久性生活片| 午夜福利在线在线| 人妻系列 视频| 日韩欧美国产在线观看| www.色视频.com| 精品人妻一区二区三区麻豆| 99热网站在线观看| 亚洲天堂国产精品一区在线| 免费av毛片视频| 在线播放国产精品三级| 亚洲综合色惰| 国产色爽女视频免费观看| 久久久久久久久久黄片| 亚洲在线观看片| 床上黄色一级片| 少妇的逼水好多| 乱人视频在线观看| 国产免费男女视频| 成人午夜高清在线视频| 白带黄色成豆腐渣|