數(shù)據(jù)庫關(guān)鍵字查詢清理技術(shù)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,數(shù)據(jù)庫在人們的工作、學(xué)習(xí)和生活當(dāng)中的應(yīng)用越來越廣泛,例如銀行系統(tǒng)、電子政務(wù)系統(tǒng)、各種需要處理海量信息的地方等等。以應(yīng)用最廣泛的關(guān)系數(shù)據(jù)庫為例,采用的是結(jié)構(gòu)化數(shù)據(jù)的模式,數(shù)據(jù)是以結(jié)構(gòu)化的形式存儲(chǔ)在數(shù)據(jù)庫中的,如果用戶想對(duì)數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行查詢,需要對(duì)數(shù)據(jù)庫模式有比較清晰的認(rèn)識(shí),并且掌握一定的結(jié)構(gòu)化查詢語言,例如SQL。這種查詢是高效的,并且結(jié)果也是非常準(zhǔn)確的。
　　 隨著互聯(lián)網(wǎng)技術(shù)和數(shù)據(jù)庫技術(shù)的不斷發(fā)展和

2、相互結(jié)合,越來越多的普通用戶需要訪問在線數(shù)據(jù)庫來獲取他們所需要的信息。但是,傳統(tǒng)意義上,數(shù)據(jù)庫的訪問需要用戶掌握一定的查詢語言(例如SQL)和了解所要訪問的數(shù)據(jù)庫的模式,而現(xiàn)實(shí)中絕大部分用戶不會(huì)掌握查詢語言,也不會(huì)對(duì)要訪問的數(shù)據(jù)庫的模式有一個(gè)比較清晰的認(rèn)識(shí)。絕大部分用戶習(xí)慣于基于關(guān)鍵字查詢的信息檢索風(fēng)格的查詢,由此,便產(chǎn)生了一個(gè)很自然的需求,即讓數(shù)據(jù)庫支持基于關(guān)鍵字的查詢。
　　 目前,基于關(guān)鍵字的數(shù)據(jù)庫查詢已經(jīng)成為數(shù)據(jù)庫領(lǐng)域比

3、較熱門的研究方向,并且已經(jīng)有了一些很好的成果,例如BANKS、Dbxplorer等等。這些方法都有各自的優(yōu)點(diǎn)缺點(diǎn),但實(shí)際上大體可以分為兩類,即基于數(shù)據(jù)圖的數(shù)據(jù)庫關(guān)鍵字查詢和基于模式圖的數(shù)據(jù)庫關(guān)鍵字查詢。這些方法在大體思想上都有一定的相似之處,假設(shè)一個(gè)關(guān)鍵字查詢序列的長度是n,那么上述的這兩類方法的時(shí)間復(fù)雜度都是O(2n),即查詢的時(shí)間復(fù)雜度都是和查詢序列的長度指數(shù)級(jí)相關(guān)的。所以在不損害查詢準(zhǔn)確度的前提下,如果能減小n,則對(duì)查詢效率的優(yōu)化

4、具有很大的意義。另外,查詢所選取的關(guān)鍵字序列直接影響查詢的質(zhì)量,但是一方面用戶不能準(zhǔn)確的知道選擇什么樣的關(guān)鍵字最適合查詢,另一方面,用戶給出的關(guān)鍵字序列中存在著一定的拼寫錯(cuò)誤。所以,查詢之前對(duì)用戶給出的關(guān)鍵字序列進(jìn)行一定的清理工作,從而提高查詢的準(zhǔn)確性和時(shí)間效率。
　　 本文對(duì)數(shù)據(jù)庫關(guān)鍵字查詢清理技術(shù)進(jìn)行研究,提出了一種關(guān)鍵字查詢清理的改進(jìn)方法。本文所作的工作如下:
　　 1、提出了一種查詢所需要的語義矩陣的改進(jìn)算法,并

5、對(duì)工作原理和意義進(jìn)行描述。語義矩陣是在對(duì)關(guān)鍵字序列進(jìn)行過濾之后,對(duì)比數(shù)據(jù)庫中的數(shù)據(jù)形成的,原語義矩陣主要考慮了相近的糾錯(cuò)和分組功能,改進(jìn)后的語義矩陣加入了同義詞的考慮,并且形成了矩陣高度和關(guān)鍵字序列關(guān)聯(lián)的模式,使得在對(duì)語義矩陣進(jìn)行處理的同時(shí)也能解決同義詞關(guān)聯(lián)的問題。
　　 2、在對(duì)查詢所需的語義矩陣進(jìn)行深入研究并且改進(jìn)的基礎(chǔ)上,提出了一種基于回溯的關(guān)鍵字序列分組改進(jìn)算法。首先定義一個(gè)得分函數(shù),然后回溯算法通過遍歷樹形的解空間來找