基于查詢日志的數(shù)據(jù)庫關鍵字查詢研究.pdf

1、數(shù)據(jù)庫系統(tǒng)是用來組織、存儲和管理數(shù)據(jù)的倉庫,它在企業(yè)、部門乃至個人的日常生產生活等諸多領域都得到了廣泛的應用。隨著現(xiàn)代互聯(lián)網(wǎng)的迅速發(fā)展,信息呈現(xiàn)爆炸式增長,數(shù)據(jù)庫系統(tǒng)存儲的信息小斷增多,用戶搜索這些信息的需求也日益激增。傳統(tǒng)的數(shù)據(jù)庫訪問方式需要用戶掌握結構化的查詢語言,了解并且熟悉底層的數(shù)據(jù)模式,而這對于大多數(shù)的普通用戶來說是非常復雜的。受到關鍵字查詢在web搜索引擎上獲得巨大成功的影響,近些年來在數(shù)據(jù)庫支持關鍵字查詢得到了來自數(shù)據(jù)庫領

2、域和信息檢索領域研究人員的廣泛關注并且成為新興的研究熱點。
　　不同于傳統(tǒng)的數(shù)據(jù)庫查詢方式,數(shù)據(jù)庫上的關鍵字查詢簡單易用,查詢沒有固定的格式限制,極大地減輕了用戶學習和記憶的壓力。但是這也給如何開發(fā)一個高效健壯的關鍵字查詢系統(tǒng)帶來了巨大挑戰(zhàn)。傳統(tǒng)的數(shù)據(jù)庫查詢的結果是一組孤立的元組,而關鍵字查詢則需要從數(shù)據(jù)庫的不同表中組合與關鍵字匹配的元組來形成最終結果,這會導致查詢的搜索空間急膨脹。一般來講,關鍵字查詢的搜索空間與查詢中的關鍵字數(shù)

3、目成指數(shù)型關系。還有關鍵字查詢經(jīng)常是臟的,用戶的查詢中經(jīng)常包含一些不相關或者不正確的詞,而通常這些臟查詢會對隨后的查詢處理的效率和準確性產生負面的影響。
　　為了解決查詢的搜索空間指數(shù)性爆炸這一問題,一個被稱作查詢清理的預處理步驟被引入進來,它被用來清理用戶提交的原始查詢并抽取出高質量的查詢項。這個新增的預處理步驟不僅改進后續(xù)查詢結果的質量,而且還大大地降低了后續(xù)的查詢搜索算法的搜索空間。但是它仍然存在一些問題,即引入的查詢清理算

4、法并沒有考慮到用戶偏好,而這樣的偏好可以用來進一步改進查詢清理的質量。
　　基于模式圖的關鍵字查詢方法存它的執(zhí)行過程中會生成大量的候選網(wǎng)絡,其中有些候選網(wǎng)絡所表示的關系沒有實際意義的或者極少被用戶訪問,而有些候選網(wǎng)絡所表示的關系則更為用戶所偏好,即用戶經(jīng)常訪問這類關系。而傳統(tǒng)的基于模式圖的方法通常按照候選網(wǎng)絡大小遞增的順序依次求解候選網(wǎng)絡,而不是按照用戶對候選網(wǎng)絡的偏好程度對候選網(wǎng)絡求解,這樣做也會影響到整個查詢執(zhí)行的效率和查詢結

5、果的質量。
　　本文主要針對數(shù)據(jù)庫關鍵字查詢中存在的上述問題,借助于記錄用戶行為的查詢日志,提出兩種基于查詢日志方法擴展原有的查詢清理方法以進一步改進查詢清理的質量。還使用樹數(shù)據(jù)挖掘算法來對用戶的查詢日志進行挖掘來獲取用戶偏好,并通過它來改進基于模式圖的關鍵字查詢方法。木文的主要上作及成果如下:
　　(1)針對提出的查詢清理算法中的原始得分函數(shù),在它的基礎上提出了兩種利用查詢日志進行擴展的方法。原始的得分函數(shù)僅僅根據(jù)數(shù)據(jù)庫來

6、對產生的項進行評分,沒有考慮到該項存在志中的使用行為。我們基于查詢日志使用兩種不同方式來對產生的項進行評分,從而獲得一個項的日志評分。最后再將得到的日志評分和原始的評分按照某種方式結合起來形成項的最終評分。我們給出的實驗證明提出的兩種改進方法都存一定程度上改進查詢清理的質量,獲得了不錯的效果。
　　(2)通過使用查詢日志來進一步改進傳統(tǒng)的基于模式圖的查詢方法。一般地,基于模式圖的查詢算法通常按兩個步驟處理查詢:候選網(wǎng)絡生成和候選網(wǎng)