匹配相似搜索研究.pdf

1、相似性搜索在數(shù)據(jù)挖掘、多媒體信息檢索、社交網(wǎng)絡(luò)分析以及生物學(xué)等領(lǐng)域的研究應(yīng)用一直備受關(guān)注。現(xiàn)有的大部分方法往往采用具有度量屬性的距離方法作為相似性度量，且在所有維度的屬性值上計(jì)算相似度得分。然而，研究表明對(duì)象的屬性值可能在接收、傳輸和轉(zhuǎn)換過程中，由于錯(cuò)誤讀或噪聲，會(huì)出現(xiàn)一些異常值，如當(dāng)前對(duì)象與其他對(duì)象在某些維度上的值存在高差異性等，最終使得搜索目標(biāo)的準(zhǔn)確率下降。所以，就有研究提出了基于部分維度或子空間的相似性搜索問題，試圖將上述影響降到

2、最低，但所有數(shù)據(jù)對(duì)象與查詢對(duì)象須在用戶事先選定的相同部分維度對(duì)應(yīng)屬性值上進(jìn)行相似度計(jì)算，解決辦法依然不夠靈活有效。
　　目前，隨著云計(jì)算的逐漸普及，使得集中式環(huán)境下的方案迫切需要滿足大數(shù)據(jù)的應(yīng)用需求，而單臺(tái)服務(wù)器以及傳統(tǒng)的技術(shù)架構(gòu)已經(jīng)無法迎接處理海量數(shù)據(jù)的挑戰(zhàn)，因此采用一種穩(wěn)定且較成熟的分布式計(jì)算框架，如 MapReduce，既可以解決單機(jī)算法的可擴(kuò)展性又保證了分布式算法的運(yùn)算性能。
　　另外，索引技術(shù)一直是數(shù)據(jù)庫(kù)研究方向的

3、重要內(nèi)容，選擇合適的索引方法能夠從根本上提高原有算法的時(shí)間性能。同樣，隨著研究工作的推進(jìn)，本文的集中式環(huán)境下的方案也可以利用索引結(jié)構(gòu)進(jìn)一步得到優(yōu)化，并且可以適應(yīng)不同搜索查詢的需求，如泛數(shù)據(jù)下的相似性連接查詢等。結(jié)合上述內(nèi)容，本文的主要研究工作概述如下:
　　1、針對(duì)現(xiàn)有子空間相似性搜索研究依然存在的不足，本文提出了一種基于特殊距離度量方法的子空間相似性搜索方案。由于此方案下的相似度排名是根據(jù)查詢對(duì)象和不同數(shù)據(jù)對(duì)象可能在不同部分維度