多维分析应用中的模糊查询算法研究.docVIP

多维分析应用中的模糊查询算法研究 　　摘要：本文利用C#实现了一种改进的Edit Distance算法，并嵌入到基于SQL Server Reporting Services开发的多维报表展现平台中，实现了多维数据集的模糊查询。多个系统的实际运行表明，将模糊查询算法与多维数据库应用结合，提高了系统的是实用性，改进了用户体验。 　　关键词：多维数据库；模糊查询；Edit Distance算法 　　中图分类号：TP311.131文献标识码：A文章编号：1007-9599 (2010) 14-0000-02 　　The Fuzzy Query Algorithm Study on Multi-dimensional Analysis Application 　　Jing Rui 　　(Local Taxation Bureau of Jilin,Changchun130000,China) 　　Abstract:An improved Edit Distance algorithm has completed in C# in this paper,and embed into multidimensional reports application on SQLServer ReportingServices.Achieved the fuzzy query function for multidimensional database applications.Number of actual operation application shows that the combination of fuzzy query algorithm with multidimensional dabases is one of the effective ways to improves the practical and the user experience. 　　Keywords：Cube;fuzzy query;Edit Distance algorithm 　　在多维数据库中，维度是多维数据集的基本组件。多维数据集逻辑上就是维度成员在空间上构成的超立方体，数据的度量值就存储在这些维度成员的交叉点上。由于数据的度量值事先按着维度的交叉关系聚集，与传统的关系数据库系统相比，多维数据库在查询数度、并发响应能力方面有明显的优势，人们可以通过多维视图来观察、分析和展现数据。 　　在现有的多维数据库系统中，维度成员及其层次结构是建立在离散化的、完全划分的基础之上的，维度成员彼此分立，并且按着成员属性构建了结构稳定的层次结构。目前成熟的多维数据查询技术只能支持精确维度成员选择。而实际应用，经常会遇到模糊的、不完全的查询条件问题。例如，在基于多维数据库的税收分析系统中，由于业务的特殊性，“一户式分析”是系统被广泛使用功能。而纳税人的基本信息具有非常大的不规则性，并且数量巨大，通过“模糊查询”的方式筛选关注对象，成为基本的用户体验需求。针对这一实际问题，本文利用成熟的Edit Distance算法与ReportingService服务，提出一个多维数据模糊查询机制，并给出实现方法。 　　一、Edit Distance算法思想 　　字符串模糊搜索（fuzzy string searching）（通常也成为字符串近似匹配approximate string matching）是一种在一个字符串中查找近似的匹配模板的技术。 　　1965年俄国科学家Vladimir Levenshtein首先提出了一种算法用于计算计算从原串（s）转换到目标串（t）所需要的最少的插入，删除和替换的数目，这种数据被称为编辑距离（Edit Distance）也叫Levenshtein distance（LD）。基于Edit Distance开发的模糊搜索算法，在计算机技术领域得到广泛应用，除了直接用于数据库查询应用以外，还可应用于自然语言理解、拼写检查、欺诈检测，乃至核苷酸的序列匹配等。 　　算法的核心思想是利用从源字符串转换成目标字符串所必须的基本操作次数了测量使用字符串的接近程度。通常的基本操作为： 　　插入：tst→test 　　删除：test→tst 　　替换：tent→test 　　增加一个NULL（这里使用λ）字符后，这三种操作被转换成一种通用的替换模式： 　　插入：tsλt→test 　　删除：tλst→tst 　　替换：tent→test 　　从上面的介绍中我们可以看到，字符串模糊查找的问题可以转化成两个字符串编辑距离的计算。 　　两个字符串x和y之间的距离d（x，y）就是从x转换成y所进行的一系列操作的代价。这一系