高效的top-k相似字符串查询算法Efficienttop-kstringsimilarityquery.PDFVIP

第 35 卷第 12 期 通 信 学 报 Vol.35 No. 12 2014 年 12 月 Journal on Communications December 2014 doi:10.3969/j .issn.1000-436x.2014.12.002 高效的 top-k 相似字符串查询算法 陈子 阳 1,2 ，韩玉俊 1 ，王璿 1,2 ，周军锋 1,2 （1. 燕 山大学 信息科学与工程学院，河北 秦皇岛 066004 ； 2. 河北省计算机虚拟技 与系统集成重点实验室，河北 秦皇岛 066004 ） 摘 要：研 究基 于编辑距 离 的 top-k 相似 字 符 串查询 处理方 法 ，即对 于给 定 的字 符 串集 合 S 查询 串 σ ， 返 回 S 中前 k 个 与 σ 编辑 距 离最 小 的字 符 串。首先提 出 了基 于长度 跳 跃 索 引 的 2 种 自适 应 过 滤 策 略来 减 少字 符 串之 间编辑 距 离 的计 算 次数 ；其 次提 出 了查询 字 符 串与 不 匹配 字 符 串集 合 的编辑 距 离下 界 ，以便 在 处理 σ 无 公共特 征 的字 符 串时 ，进 一 步减 少编辑 距 离 的计 算 次数 ；最 后 给 出 了基 于上述 过 滤 策 略 的 高效 top-k 相似 字 符 串查询 算 法 ，并在 3 个 真 实 的数据 集 上进 行 了实验 ，实验 结果验 证 了所 提 算 法 的高 效性 。 关键词：字符 串相似性；非对称特征方案；长度跳跃索引 中图分类号：TP311 文献标识码 ：A 文章编号：1000-436X(2014) 12-0010-11 Efficient top-k string similarity query algorithms 1,2 1 1,2 1,2 CHEN Zi-yang , HAN Yu-jun , WANG Xuan , ZHOU Jun-feng (1. School of nformation Science and Engineering, Yanshan University, Qinhuangdao 066004, China; 2. Key Laboratory for Computer Virtual Technology and System ntegration of Hebei Province, Qinhuangdao 066004, China ) Abstract: Computing top-k similar strings based on edit distance i.e. given a query string σ and string set S finding k similar strings to σ based on edit distance from S. Firstly two adaptive filter strategies