數(shù)據(jù)庫(kù)中關(guān)鍵詞的查詢擴(kuò)展研究.pdf

1、數(shù)據(jù)庫(kù)關(guān)鍵詞的語(yǔ)義檢索作為數(shù)據(jù)庫(kù)關(guān)鍵詞查找的一個(gè)重要研究方向，在近幾年已經(jīng)得到了廣泛關(guān)注。與精確查詢相比，語(yǔ)義檢索能夠發(fā)現(xiàn)潛在的檢索結(jié)果，給用戶返回更多的查詢結(jié)果，用戶也能夠提供更加靈活的查詢方式。潛在語(yǔ)義分析(LSA)是一種廣泛使用的近似查詢處理技術(shù)手段，這種方法采用奇異值分解(SVD)的方法分解詞與文檔的關(guān)聯(lián)矩陣，通過(guò)低階近似矩陣挖掘詞與詞之間的潛在關(guān)系，利用余弦相似度來(lái)衡量查詢語(yǔ)句（或文檔）與文檔之間的相似度。LSA不僅滿足了用戶

2、近似查詢的需求，而且能夠解決一義多詞的問(wèn)題，然而，LSA離線奇異值分解時(shí)間和在線查詢處理的執(zhí)行時(shí)間非常高，并隨著文檔集規(guī)模增加而顯著增大，難以滿足大規(guī)模數(shù)據(jù)集的需求。
　　本文圍繞LSA離線處理效率以及在線查詢處理效率問(wèn)題展開(kāi)研究，并提出相應(yīng)的解決措施，主要工作概括如下:
　　1.分析了影響在線查詢處理效率的主要因素，基于分析結(jié)果文檔的稀疏特征提出了一種索引結(jié)構(gòu)，用于存儲(chǔ)SVD分解后詞與文檔在降維空間的緊密度?；诮Y(jié)構(gòu)索引，

3、提出一種快速在線查詢處理算法(IndexLSA)。理論分析表明，對(duì)于相同的查詢，IndexLSA與LSA能夠返回相同的結(jié)果序列。
　　2.通過(guò)設(shè)置閾值來(lái)減少索引規(guī)模，生成一種剪枝索引?；诩糁λ饕?，進(jìn)而提出一種基于索引結(jié)構(gòu)的在線查詢處理剪枝算法。IndexLSA的在線查詢時(shí)間受索引規(guī)模的影響，通過(guò)設(shè)置閾值，剪枝索引可以將與詞之間聯(lián)系不夠緊密的文檔從索引中“剪去”，從而大規(guī)模地減少候選集的規(guī)模，達(dá)到提高在線查詢效率的目的。理論分析表

4、明，剪枝索引雖然帶來(lái)了部分誤差，但是誤差對(duì)結(jié)果的影響在可以預(yù)見(jiàn)的范圍之內(nèi)。真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，IndexLSA不僅可以大幅度地減少LSA的在線查詢時(shí)間，而且具有較好的查詢效果。
　　3.結(jié)合鏈接聚類算法，提出了Link-LSA算法，并且將其與剪枝索引結(jié)合，提出了Link-IndexLSA算法。Link-LSA考察異構(gòu)空間中不同數(shù)據(jù)實(shí)體之間的鏈接關(guān)系，通過(guò)鏈接對(duì)文檔實(shí)體進(jìn)行相似度的衡量并將文檔聚類成簇。Link-LSA使用簇