关系数据库上基于索引的Top—N关键词查询-北京工业大学学报.PDFVIP

第37卷第6期 北京工业大学学报 V01．37No．6 OF 2011年6月 JOURNALBEIJINGUNIVERSITYOFTECHNOLOGY Jun．201l 关系数据库上基于索引的Top—N关键词查询 朱 亮1，姬慎达1，刘椿年2，杨文柱1 (1．河北大学数学与计算机学院河北省机器学习与计算智能重点实验室，河北保定071002； 2．北京工业大学计算机学院。北京 100124) 摘要：为了实现关系数据库上自由态的关键词查询，通过创建索引表并运用其存储的知识为每个属性赋予不 同的权值来改进信息检索中传统的排序方法．对每个查询用索引表和改进的排序方法来获得Top-N答案．用实 际数据集进行了实验，实验结果表明此方法在查询时间和准确性上是有效的． 关键词：查询；索引；元组树；排序策略 中图分类号：TP311．13 文献标志码：A 文章编号：0254—0037(2011)06—0940—07 传统关系数据库查询需要用户知道详细的数据库模式和SQL语言，这对于普通用户很困难．鉴于信 息检索(IR)和文档数据库中关键词查询的研究和应用，近年来对关系数据库自由态的关键词奁询的研究 成为热点之一．关键词查询能使用关键词从关系数据库中检索信息，而无需用户了解数据库模式和SQL 语言．文献[1]提出了实现关键词查询的一种框架，并提出了一种递增遍历查询结果的启发式算法．对于 查询结果，用查询结点的邻近度和结点间关联的优先级2个因子计算适应度并排序；文献[2]用符号表 (symboltable)存储关键词和相应的出现位置，通过维持符号表把要查询的多个关键词所在的关系作为图 结点连接起来，生成模式图的多个子图，每个子图转化为一个SQL语句进行查询；文献[3]考虑了用户对 数据库中关系名、属性名等元数据的查询；文献[4]改进了文献[1]的算法，提出双向扩展查询算法；文献 [5]对返回的元组树进行聚类，把结构相似或同构的元组树分为一组；对于查询效率，文献[1．2]有了改 进，但是计算查询结果的排序策略过于简单，都没有考虑借鉴信息检索中的排序方法．为了提高查询的准 确性，本文鉴于Top．N查询处理的方法∞11，讨论了关系数据库中文本属性的Top—N关键词查询处理，通过 建立索引表存储相应元组词所在元组的词频、元组中单词长度及元组词总的出现次数等，并且改进信息检 索中的排序方法，进而获得查询结果并排序得到Top—N答案． 1概念和术语 考虑1个数据库有n个关系Rl’．”，尺。，每个关系尺j有／it。个属性，分别为口：，…，口：：． 1)模式图¨。1训G是1个连接数据库模式中外键一主键关联的有向图．对于每个关系R。，G中存在1个 结点与之对应，图中的每条边R，一R，表示数据库中的1个从R：的属性集(口：。，…，o：。)到R，的属性集 (以。，…，以。)的外键一主键关联，其中ok；吐。(I|}=1，…，t)．另外，定义图G。为图G的无向图． 的个数． 对其连接．其大小是包含结点(元组集)的个数． 收稿日期：2009．03．28． 基金项目t国家自然科学基金资助项目；河北大学博士基金资助项目(2009-260)． 作者简介：朱亮(1964一)，男，河北滦县人，教授． 第6期 朱亮，等：关系数据库上基于索引的Top-N关键词查询 94l 4)设t是关系R的1个元组，规范化后包含n个不同的词，表示为t=(埘。，：，…，埘。)，每个埘。称为 重复出现的词只记为1个元组词，因此，对于关系R或一个元组，其元组词的个数不超过其所含单词的 个数． 的单元格所包含的元组词word的个数． 2关键词查询 索引表，用来确定查询关键词的位置，同时运用其中的相关信息计算查询和答案之间的相似度．因此，确 定元组词的存储粒度是重要的．存储粒度通常有2种，即列级和单元格级一“．本文采用较细化的单元格 级存储粒度，原因是较细化的知识可以更精确地计算查询及其多个结果之间的相似度．对于一个查询，返 回的结果是一些元组树，每个元组树包含多个不同的文本属性值，而这些属性通常具有明显不同的特征， 例如书名的属性值相对较短，而书的摘要则较长．如果对这些属性