一种基于序列计算的最近似K对数据搜索方案.pdf

MicrocomputerApplicationsC01．30，No．8，2014开发应用 微型电脑应用 2014年第30卷第8期 文章编号：1007—757X(2014)08．0037．05 一种基于序列计算的最近似K对数据搜索方案 刘义 摘要：多种应用场合需要寻找给定数据库中相似度最大的前k对数据。然而，由于应用领域需要处理的数据规模呈上升 趋势，计算这样的最相似k对数据，难度非常大。提出了一种基于序列计算的最相似k对数据搜索方案，首先，将所有数 据对分割成多个组，然后，提出了所有数据对分组算法和核心数据对分组算法，通过单独计算每个组中的最近似k对数据， 从所有组的最近似k对数据中选择相似度最高的k对数据，进而正确地确定最近似k对数据。最后基于合成数据进行实验， 性能评估结果验证了本文算法的有效性和可扩展性。 关键词：数据库；相似度；序列计算；数据搜索；分组 中图分类号：TP391 文献标志码：A The ClosestPairsofDataSearchSchemeBasedonSerial Top．K Computation LiuYi VocationalTechnical (Dalian College，Dalianl16035，China) Abstract：Thereisawide of that the mostsimilarof ina records database． rangeapplicationsrequirefindingtop-k pairs given such isa thereisan trendof that However,computingtop—ksimilarityjoinschallengingproblemtoday,as increasingapplications todealwithvastamountsofdata．This a closestdatasearchschemebasedonserial paper expect proposestop-k pairs computation， scheme all of into thentheall andtheessential firstly,theproposedsplitsconceptuallypairspointspartitions，andpairpartitioning methodsare carl findthe closest the closestineach pairpartitioning proposed，wecorrectly top-k pairsbycomputingtop—k pairs and the closest the closestfromall the partition selectingtop—k among pairs separately pairs top-k partitions．Wefinallyperform withthe datasets。Our confirmstheeffectivenessand ofour experimentssynthetic perfo