面向Topk分级的数据库关键词查询系统体系结构3.docVIP

面向Top-k分级的数据库关键词查询系统体系结构 摘 要：关系数据库关键词查询系统目前存在的主要问题是查询效率不高、查询效果不令人满意,其根源在于 查询系统的体系结构不合理。捉出了一种新型的面向top-k分级的数据库关键词查询系统体系结构，并用提出 的新的评分函数公式、基于索引的候选网络预处理方法、绑定实时过滤阈值的top-k搜索算法对该体系结构进 行实例化。结果显示该系统结构具冇很好的可行性，并R由实例化后的体系结构实现的系统具冇很好的查询性 能。 关键词：关系数据库；关键词；索引；top-k 中图分类号： * *国家自然科学基金,国家“-一五科技支撐计划(2006BAK05B02)，河北省自然科学基金 (F2009000475)。 0引言 关系数据库是一种主要的信息存储机制， SQL语言是关系数据库的标准查询语言，而对普 通用户来说，SQL语言既难学习，又难使用，并 且用户在查询关系数据库中的数据时，必须知道 这个数据库的数据模式。如图1所示的DBLP数 据库，当用户查询MVangelis发表的关于keyword 方面的论文”，用SQL语言表示这个查询 SELCET p.title FROM Author a. Writes Papers p WHER a. ant ho rid = w. ant ho rid AND w.paperid ^p.paperid AND contains(a.nante9 VagelisJ )0 ORDER BYScore(l) DESC; 显然对于普通用户而言，书写这些复杂的 SQL查询语句是困难的。采用基于关键词的关系 数据库查询技术后，使得普通用户不需要任何 SQL语言和数据库模式的知识，也不需要学习和 使用关系数据库的定制的查询界面，通过关键词 查询方式来访问关系数据库，就像使用WEB搜 索引擎来检索Web信息一样，使得普通用户或者 Web用户访问关系数据库变得直观、易用。近年 来，基于关键词的关系数据库查询技术正是在这 样的背景下成为了数据库、信息检索领域学者共 同关注的研究热点之一。 关系数据库上的关键词查询的相关研究按照 其查询处理机制的不同可分为三类：离线系统、 在线系统和混合型系统。离线系统通过预先计算 生成中间结果，当用户提交关键词吋，根据中I可 结果牛成查询结果。在线系统将关键词查询转换 为SQL查询，通过实时查询数据库来生成查询结 果⑴。按照在线系统模型的搜索算法，又可分为两 种：搜索数据库数据图的系统(SDDS)和搜索数据 库模式图的系统(SDSS)o SDDS直接搜索最终结 果,BANKS?『,BANKS?II⑶,QCRD⑷是典型的搜 索数据库数据图的系统；SDSS搜索结果是连接 表达式，Z后需要将其转化为相对应的SQL语 句，IR-STYLE闻，SEEKER1 , SPARK-I⑹, SPARK-0堤典型的搜索数据库模式图的系统。 混合型系统是基于搜索数据库模式图的系统和搜 索数据库数据图的系统查询处理机制混合而成的 系统，QuickCN⑻是典型的混合型系统。 现在大多数研究工作都是基于搜索数据库模 式图的系统。SDSS主要有三部分组成：元组集 生成器、候选网络产生器、候选网络执行器，用 户响应时间Tqrl =TLs+Tcn+TsqI,其中Rs为元组集 生成器消耗的时间，％是候选网络产生器消耗的 时间，Tsql是候选网络执行器消耗的时间。Ten是 影响基丁 ?搜索数据库模式图的系统查询效率重耍 因素。IR-STYLE、SPARK-I、SPARK-II 原型系统 中的候选网络执行器采用执行CN的算法，是通 过绑定的阈值，來选择那些潜在的CN需要被执 行。rti于阈值是估计值，致使基于搜索数据库模 式图的系统的查询效果往往不太令人满意。 本文针对目前SDSS存在的关键的性能(查询 效率和查询效果)问题，提出了一个新型的关系数 据库Top-k关键词查询原型系统体系结构，并用 给出的新的评分函数公式，提出的基于索引的候 选网络的预处理方法、绑定实时过滤阈值的top-k 搜索算法对该系统体系结构进行实例化，结果显示该系统结构具有很好的可行性，并且由实例化 后的体系结构实现的系统具有很好的查询性能。 1基本定义 定义1:关系数据库模式?假设关系数据库的模 式,SdZFK), R={RhR2t...Rk}是一组关系模式, FK是中关系模式间引用关系的映射, 如果FK(R戶％,记为RiTRj(lM , //?),它表示 ①?一个外键引用了尺主键。 定义2:数据库模式图.假设Gs=(VfE)表示模式 Sdb=(R,FK)的关系数据库DB对应的模式图。Gs 是一个有向图，将DB中的每一个关系模式 心仃9)看作是G?的一个顶点，当且仅当关系模 式 RfG$,关系