基于數(shù)據(jù)圖的關(guān)系數(shù)據(jù)庫(kù)關(guān)鍵詞查詢研究.pdf

1、隨著社會(huì)信息化時(shí)代的形成,關(guān)系數(shù)據(jù)庫(kù)中存儲(chǔ)的數(shù)據(jù)量一直處于飛速增長(zhǎng)的過(guò)程中,要操作這些數(shù)據(jù)資源已經(jīng)成為一個(gè)非常關(guān)鍵的任務(wù),數(shù)據(jù)的真正價(jià)值在于它們之間的關(guān)系性,正是這種關(guān)系性使得關(guān)系數(shù)據(jù)庫(kù)關(guān)鍵詞查詢變得有意義。關(guān)系數(shù)據(jù)庫(kù)作為一種結(jié)構(gòu)化數(shù)據(jù),查詢需要采用復(fù)雜的SQL語(yǔ)句,這對(duì)于非專業(yè)用戶來(lái)說(shuō),使用非常困難,因此,有關(guān)系數(shù)據(jù)庫(kù)關(guān)鍵詞查詢方法被提出,該方法的提出使得用戶無(wú)需熟練使用復(fù)雜的數(shù)據(jù)庫(kù)查詢語(yǔ)言,也無(wú)需了解底層數(shù)據(jù)庫(kù)模式的知識(shí),只需輸入關(guān)

2、鍵詞即可,查詢到的結(jié)果不僅可以反映包含關(guān)鍵詞的元組單元,而且能反映這些元組單元之間的語(yǔ)義關(guān)系,是信息檢索領(lǐng)域的一大重要突破。
　　本論文對(duì)關(guān)系數(shù)據(jù)庫(kù)關(guān)鍵詞查詢涉及到的關(guān)鍵技術(shù)做深入探討和研究,針對(duì)查詢效率問(wèn)題提出新的解決方法,針對(duì)結(jié)果排序算法的不足之處進(jìn)行改進(jìn),具體工作如下:
　　(1)針對(duì)查詢效率問(wèn)題,國(guó)內(nèi)外存在很多相關(guān)研究,但是,很少有學(xué)者將并行的思想融合到查詢中,因此,本文提出采用并行實(shí)現(xiàn)關(guān)系數(shù)據(jù)庫(kù)關(guān)鍵詞查詢的方法。首

3、先,將關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)圖的形式,通過(guò)數(shù)據(jù)圖上的關(guān)鍵詞查詢來(lái)實(shí)現(xiàn)關(guān)系數(shù)據(jù)庫(kù)上的關(guān)鍵詞查詢,然后根據(jù)數(shù)據(jù)圖建立相關(guān)索引:關(guān)鍵詞索引和路徑索引,通過(guò)對(duì)路徑索引的遍歷實(shí)現(xiàn)結(jié)果的查詢。分析在索引的建立和索引的遍歷過(guò)程具有可并行性,采用GPU并行提高關(guān)鍵詞查詢效率。
　　(2)查詢結(jié)果包括結(jié)構(gòu)和內(nèi)容兩個(gè)方面,已有的結(jié)果排序函數(shù)大多數(shù)只考慮結(jié)果的結(jié)構(gòu)而忽視了內(nèi)容的重要性,針對(duì)已有排序函數(shù)考慮因素單一的問(wèn)題,提出結(jié)合多因素的結(jié)果排序方

4、法。一方面考慮結(jié)果的結(jié)構(gòu),根據(jù)結(jié)果中兩兩關(guān)鍵詞節(jié)點(diǎn)之間的路徑之和判斷結(jié)果的緊密程度,另一方面對(duì)內(nèi)容進(jìn)行評(píng)分,結(jié)合成熟的IR式評(píng)分函數(shù),采用TF-IDF(Term Frequency-Inverse Document Frequency,詞頻-逆向文件頻率)計(jì)算方法對(duì)輸入的關(guān)鍵詞與結(jié)果中的文本信息進(jìn)行相關(guān)度計(jì)算。
　　(3)本文以r-極大團(tuán)方法為研究背景,采用C++語(yǔ)言實(shí)現(xiàn)并行查詢算法和結(jié)果排序算法,并進(jìn)行多組實(shí)驗(yàn),給出了實(shí)驗(yàn)結(jié)果的