不確定性數(shù)據(jù)Top-k查詢算法與實現(xiàn).pdf

1、現(xiàn)在各種網(wǎng)絡數(shù)據(jù)、GPS數(shù)據(jù)、傳感器數(shù)據(jù)等大量涌現(xiàn)于日常生活之中。由于數(shù)據(jù)的記錄和傳輸方面存在的問題，這些數(shù)據(jù)一般都存在噪聲、數(shù)據(jù)丟失、測量不精確或不完整等現(xiàn)象，因此大數(shù)據(jù)往往也伴隨著不確定性?，F(xiàn)在越來越多的場合急需處理這種類型的不確定數(shù)據(jù)。由于數(shù)據(jù)來源范圍廣，數(shù)據(jù)量大等原因，大數(shù)據(jù)往往價值密度很低，對人們真正有用的數(shù)據(jù)卻是小部分數(shù)據(jù)。然而，用戶往往只關心符合自己需求的少部分數(shù)據(jù)，因此至關重要的是如何快速獲得自己需要的那部分數(shù)據(jù)。從而對

2、不確定數(shù)據(jù)的排序、檢索成為了當今課題研究熱點。
　　高效的Top-k查詢返回的是最能滿足用戶查詢條件的k個結果，越來越受到研究者的重視。不確定數(shù)據(jù)的查詢排序問題，其實就是首先確定一個特定意義的排序語義規(guī)則，然后根據(jù)此語義規(guī)則形成相應的算法，最后用這個算法對不確定數(shù)據(jù)進行Top-k查詢排序從而得到相應的Top-k排序結果。
　　元組的屬性值和概率是不確定數(shù)據(jù)的兩個基本屬性，也是Top-k排序語義規(guī)則生成的依據(jù)，分值與概率的平衡

3、問題一直是不確定性數(shù)據(jù)Top-k查詢的焦點問題。最近幾年，學者們也基于自己的偏好或需求，采用不同的分值和概率平衡方式提出相應的Top-k查詢語義和算法。最經(jīng)典語義有：U-topK,PT-k, E-Score Rank，PRF等。這些 Top-k查詢都是基于特定場景和特定需求生成的，一種查詢語義一般只適合一種用戶查詢偏好。Li采用Kendall距離對同一數(shù)據(jù)集上不同Top-k查詢語義得到的Top-k排序結果進行比較,發(fā)現(xiàn)結果差異顯著。Li

4、等人進一步提出了一種綜合的參數(shù)化排序語義函數(shù)PRF。
　　Top-k查詢語義不但沒有很好的普遍適應性，而且一些Top-k查詢語義還存在缺點與不足，有待提高和完善。另外，現(xiàn)有Top-k排序算法最好也只是多項式時間復雜度的，這樣的算法在應對更大規(guī)模數(shù)據(jù)挑戰(zhàn)時顯得力不從心，因此不確定數(shù)據(jù)Top-k查詢算法也急需改進與提高。
　　針對以上問題，本文做了一些相關研究，本文的主要貢獻如下：
　　第一：運用新的迭代思想和迭代函數(shù)，利