基于歷史查詢的關(guān)系數(shù)據(jù)庫關(guān)鍵詞查詢優(yōu)化問題研究.pdf

1、數(shù)據(jù)庫(database，簡稱DB)已經(jīng)廣泛地應(yīng)用到人們的生產(chǎn)和生活中，它可以高效的支持結(jié)構(gòu)化數(shù)據(jù)的存儲和查詢，然而它需要用戶了解數(shù)據(jù)庫底層的模式知識和掌握結(jié)構(gòu)化查詢語言，這對于沒有經(jīng)驗(yàn)的用戶來講是一件困難的事情。另一方面，互聯(lián)網(wǎng)信息檢索技術(shù)卻只要求用戶輸入關(guān)鍵詞，網(wǎng)頁就會為用戶返回包含這些關(guān)鍵詞的相關(guān)結(jié)果。這種搜索技術(shù)是通過關(guān)鍵詞查詢非結(jié)構(gòu)化的數(shù)據(jù)，結(jié)果通常是不精確和不完整的。而結(jié)構(gòu)化查詢支持針對結(jié)構(gòu)化數(shù)據(jù)的高效檢索，并具備了完善的查

2、詢優(yōu)化技術(shù)。因此基于關(guān)系數(shù)據(jù)庫的關(guān)鍵詞搜索領(lǐng)域應(yīng)運(yùn)而生。
　　自從2002年開始，關(guān)系數(shù)據(jù)庫中的關(guān)鍵詞搜索問題已經(jīng)逐漸成為信息檢索領(lǐng)域的研究熱點(diǎn)，以其結(jié)合了數(shù)據(jù)庫高校檢索與信息檢索技術(shù)的操作簡便的特征，因此，關(guān)系數(shù)據(jù)庫的關(guān)鍵詞搜索技術(shù)受到廣大用戶的歡迎。本文對關(guān)系數(shù)據(jù)庫中的關(guān)鍵詞搜索問題做了相關(guān)研究，對歷次用戶查詢的歷史信息進(jìn)行了分析并加以利用，從而改善當(dāng)前查詢。本文主要研究成果及貢獻(xiàn)如下:
　　(1)對于當(dāng)前查詢，我們利用

3、已有某個歷史查詢的結(jié)果，在這個結(jié)果基礎(chǔ)上計算當(dāng)前查詢的結(jié)果。通過給出查詢相似性定義，找到與當(dāng)前查詢最相似的某一歷史查詢，對該歷史查詢的結(jié)果進(jìn)行重構(gòu)形成滿足當(dāng)前查詢的結(jié)果。一系列實(shí)驗(yàn)表明，利用歷史信息的關(guān)鍵詞查詢效率比直接從底層數(shù)據(jù)庫展開查詢的效率更高，在數(shù)據(jù)量較小時，利用歷史信息的關(guān)鍵詞查詢效率效果明顯。
　　(2)利用歷史查詢結(jié)果對當(dāng)前查詢進(jìn)行推薦。通過將歷史查詢記錄與歷史查詢結(jié)果建模成二分圖，計算當(dāng)前查詢與歷史查詢的相似性，根

4、據(jù)相似性大小，將與歷史查詢相連接的結(jié)果推薦給當(dāng)前用戶。這是一種模糊的推薦，推薦算法使推薦的結(jié)果盡最大可能的達(dá)到用戶滿意。就如同在電子商務(wù)的推薦系統(tǒng)中，根據(jù)以往該用戶的消費(fèi)記錄給當(dāng)前用戶推薦商品，推薦出來的商品不保證當(dāng)前用戶一定會采納，但是，這類商品一定是用戶最感興趣、最有可能采納的商品。同理，利用歷史查詢的結(jié)果對當(dāng)前查詢進(jìn)行推薦也是當(dāng)前用戶最感興趣、最有可能采納的結(jié)果。經(jīng)過大量的實(shí)驗(yàn)，在眾多的推薦結(jié)果中，用戶的采納率達(dá)到90％以上。

5、r>　　(3)連接已有的幾個歷史查詢的結(jié)果，使之成為滿足當(dāng)前查詢條件的結(jié)果。這幾個歷史查詢的查詢詞并集包含了當(dāng)前查詢的查詢詞集合。主要解決方法是將當(dāng)前查詢關(guān)鍵詞集合拆分成兩個或多個已經(jīng)存在歷史查詢表中的歷史查詢，將這兩個或多個歷史查詢的查詢結(jié)果通過RC算法進(jìn)行連接，形成當(dāng)前查詢的結(jié)果。本文通過改變不同的參數(shù)將RC算法與reconstruction算法進(jìn)行了比較，總結(jié)了二者在不同情況下各自的優(yōu)勢。同時本文還對本文提出的KWSBH系統(tǒng)與現(xiàn)存