Access中的查询

查询是Access数据库的一个重要的组成部分。当你想有条件地测览一个或多个表的某些字没．或者想把几个表的部分率段抽出来以组成新表，或者要按条件＊除表中的记录，你就得使用查询。查询分好几种类型：选择查询、追加查询、交叉查询、删除查询、更新查询和生成表查询。选择查询是缺省查询，即你在创建一个新查询时，如果不指定查询类型，则生成的查询是选择查询。由查询设计视自创速查询所谓选择查询就是有条件地显示表的某些字段，这里先介绍使用设计机图创建选择查询的步骤，下一节介绍使用简单查询问导创建选择查询。使用设计机图创建…     

一种基于用户查询行为模型的案例查询算法

传统的案例查询算法通过被动响应用户的查询请求为用户返回与查询请求相关的案例,忽略了用户查询行为能够对案例查询过程进行指导。提出了一个基于用户查询行为模型的案例查询算法,通过收集用户的查询请求,利用用户查询行为之间的相似度建立用户查询行为的分类模型;分析了用户查询行为的分类算法,重点论述了用户查询行为模型对案例查询过程的指导过程。实验结果表明,该方法能够有效地提高查询结果召回率以及查询成功率。     

大规模中文搜索日志中查询重复性分析

分析大规模中文搜索日志中的查询重复性,通过对查询重复率和用户个体查询重复率等数据的统计发现：查询串的查询频率、文档的点击频率及用户查询频率均符合Zipf分布,查询重复率较高。查询历史越长,查询重复率越高。高查询频率用户的查询重复率较高。以上数据为中文搜索引擎的改进提供了有力的依据。     

FoxPro使用技巧几则

(1)任意条件复合查询:查询生成器生成的只能是固定数值、固定条件的查询,在查询要求多样的情况下使用十分不方便。因此,应用屏幕生成器,结合SQL语言,开发出任意条件复合查询是十分必要的。基本思路是:先将各待查询字段显示出来,查询条件置空;用户需要查询的字段输入查询值,用户不需要查询的字段不输入数值;然后按查询钮进行查询。     

GIS中文查询语句的查询条件语义抽取

无论多么复杂的查询语句都是由查询目标和查询条件组成的,查询条件决定着查询语句的结构,查询条件之间可以是并列的,也可以是嵌套的,查询条件的顺序也不是固定的。本文采取信息抽取的原理来抽取查询条件语义信息,提出了抽取查询条件语义信息的算法,这些算法可形成中文查询语句的各种类型的查询条件。实验表明,这些算法可以
以有效地抽取查询条件语义信息。     

精挑细选——谈子查询的运用

子查询是嵌套在其他SQL语句中的SELECT语句,也称嵌套查询。一般情况下,子查询出现在SELECT语句的WHERE子句中,Oracle也支持在FROM子句和HAVING子句中出现子查询。子查询比主查询先执行,子查询的结果作为主查询的条件使用。在一条SQL语句中,子查询可以嵌套,嵌套的子查询数量没有限制。最里层的子查询最先执行。如果嵌套的子查询超过6个,则最好用PL/SQL的游标来处理,性能会更好。子查询使用的原则如下:①一个子查询必须用括号引起来;②在子查询中可以使用两类比较运算符:单行和多行;③一个子查询必须出现在运算符的右边;④子…     

并行查询下查询执行计划的选择

查询是数据库系统的主要负载,其效率决定了数据库性能的好坏。一个查询存在多种执行计划,当前,查询优化器只能按照数据库系统的配置参数,静态地为查询选择一个较优的执行计划。并行查询间存在复杂多变的资源争用,很难通过配置参数准确反映,而且同一执行计划在不同情景下的效率并不一致。并行查询下执行计划的选择需考虑查询间的相互影响——查询交互。基于此,提出了一种在并行查询下度量查询受查询交互影响大小的标准QIs。针对并行查询下查询执行计划的选择,还提出了一种动态地为查询选择执行计划的方法TRating,该方法通过比较查询组合中按不同执行计划执行的查询受查询交互影响的大小,选择受查询交互影响较小的执行计划作为该查询的较优执行计划。实验结果表明,TRating方法为查询选择较优执行计划的准确率达61%,相比查询优化器提高了25%;而且在为查询选择次优执行计划时,其准确率也高达69%。     

基于对象集合的空间关键词查询

在进行空间关键词查询时,有时需要查找一组既紧凑且离查询点最近、又覆盖查询关键词且对象个数很少的对象,而现有的查询方法通常只能返回包含所有查询关键词的单个空间对象。为此,提出了解决此类查询问题的近似查询算法和精确查询算法。首先给出了这类查询问题的形式化定义,以及描述对象集合质量的代价函数,并对代价函数进行了归一化处理;然后在近似查询算法中采用基于IR-tree的最佳优先搜索策略进行剪枝,有效缩减了查询候选空间;在精确查询算法中采用基于IR-tree的广度优先搜索策略查找包含查询关键词的对象,以达到降低查询处理代价的目的。实验结果表明,近似算法的查询效率明显优于精确算法,且能获得非常精确的查询结果。     

基于内容和用户行为的查询聚类

现有方法没有有效利用查询文本特征、点击行为和session信息来挖掘用户的搜索意图,获取的查询特征对于多意图查询在不同意图下的区分度不足,对于多意图查询的相关查询聚类效果不佳。针对以上问题,该文提出了基于查询图信息的GPLSI模型,并利用该模型学习所得的查询特征进行查询聚类。基于查询图信息的GPLSI模型利用查询的词语、点击和session共现现象,从查询的文本特征、点击行为和session信息等多个方面来模拟查询意图的产生和表现,学习查询在不同搜索意图上的概率分布。最后,实验结果验证了基于查询图信息的PLSI模型用于查询相似度计算和多意图查询聚类中的有效性。     

基于Zipf Estimator的Deep Web最佳查询词选择

Deep Web的查询中、关键词的选择是一个关键问题。文中针对查询Deep Web中的文本数据库，对查询词的选择作出一些研究。将Zipf Estinator应用于根据查询词的频率选择词条的方法中，提出了用部分文档中的查询词的排序来得出整个文档集中查询词的排序的方法。将Zipf Estimator运用于查询词的选择，减少查询词选择时的运算量，以较少的查询次数得到较多的查询结果。测试结果证明了Zipf Estimator运用于查询词的选择可有效提高查询Deep Web中的文本数据库的效率。     

基于Zipf Estimator的Deep Web最佳查询词选择

Deep Web的查询中,关键词的选择是一个关键问题。文中针对查询Deep Web中的文本数据库,对查询词的选择作出一些研究。将Zipf Estimator应用于根据查询词的频率选择词条的方法中,提出了用部分文档中的查询词的排序来得出整个文档集中查询词的排序的方法。将Zipf Estimator运用于查询词的选择,减少查询词选择时的运算量,以较少的查询次数得到较多的查询结果。测试结果证明了Zipf Estimator运用于查询词的选择可有效提高查询Deep Web中的文本数据库的效率。     

基于多源异构数据的查询分解算法

为解决全局查询无法直接查询异构数据源问题,提出将全局查询分解为针对异构数据源子查询的解决方案。设计面向多数据源异构数据的全局查询分解算法和子查询重构算法。全局查询分解算法基于JavaCC及JJTree工具将全局查询语句抽象成语法树。子查询重构算法遍历语法树,根据节点类型采用不同的重构算法,构造出针对不同类型数据源的子查询语句。     

含模糊语言量词的SQL查询技术研究

目前 SQL模糊扩展查询已经研究了带权重的模糊简单查询、复合查询、多表查询、子查询、全关系查询等,在一定程度上解决了查询中的模糊型问题 ,但对于带模糊语言量词的查询研究不多。基于 Zadeh的模糊理论将模糊理论与 SQL系统函数相结合 ,提出了一种解决含模糊语言量词的 SQL查询方法 ,进一步丰富了 SQL模糊查询体系 ,扩展了 SQL模糊查询的应用范围 ,提高了查询能力。     

基于日志挖掘的查询概念图扩展

提出将概念图引入查询扩展,从概念的层面上进行语义的扩展。使用概念图表示查询可以更准确地表明用户的查询意图,并在此基础上进行语义的扩展,通过这种方法给出的扩展查询更符合用户的查询意图。对用户查询进行基于概念图的查询扩展,并将结果与百度的相似查询进行了比较,证明基于概念图的查询扩展能更准确地把握用户的查询意图。     

配置式查询模块的设计

配置式查询方法采用SQL语句配置和免编程的方式进行业务查询和统计。配置式查询模块类似设计器,用于创建业务查询功能。通过查询样表Web转换、数据提取和处理规则、模板替换、查询页面展示、明细穿透查询等过程方法和技术,动态生成业务查询结果。配置式查询能降低设计门槛、提升功能开发的效率、快速实现业务查询功能。     

多库模糊查询的设计与实现

目前管理信息系统设计中,数据库查询技术已有很大发展,由传统的按固定方式查询发展到动态生成查询条件的多重模糊查询,扩大了信息的输出量。但上述模糊查询技术仍只限于单库查询,而实际应用中,查询条件常常要涉及多个数据库。本文以行业管理系统为例,提出一种新的模糊查询方法,该方法既实现了多库模糊查询,又可进行单库模糊查询。     

一种基于XML小枝查询片段松弛的近似查询与结果排序方法

提出了一种基于XML小枝查询片段松弛的近似查询与结果排序方法来实现用户在XML文档中的近似查询:通过收集用户的查询历史来推测用户偏好,并以此计算原始小枝查询分解得到的查询片段的重要程度,然后按照重要程度的排序进行查询松弛;在松弛方法中,根据查询片段数目的不同采用不同的松弛方法,若片段数目较多则以查询片段为粒度对其松弛,较少则以查询结点为粒度对数值查询与非数值查询采用不同的方法进行松弛,得到最为相关的近似查询结果;最后按近似查询结果对原始查询和用户偏好的满足程度进行排序并输出。实验证明,该近似查询方法能够较好地满足用户的需求和偏好,具有较高的查全率和准确率。     

混淆查询区域下的电网多维数据聚合查询方法研究

为了降低电网多维数据查询的缺失率，研究了混淆查询区域下的电网多维数据聚合查询方法。在用户兴趣生成混淆查询区域，从生成的查询轨迹数据中收集邻接近点信息，并与查询目标保持安全距离。计算实际电网用户密度与查询样本的混淆程度，以保护数据聚合时的用户隐私。在向量化处理关键字和数据对象后，完成关键字词的匹配查询，以控制数据查询的缺失率。在此基础上，构建了多维数据聚合查询的控制树，量化评估了多维数据，以减少多维点查询的响应用时，实现了高隐私行业的电网数据聚合查询。仿真结果证明：该方法在不同数据查询缺失率下的查询结果始终保持在35个类型；多维点查询的平均响应用时最短为38.2 s。该方法数据查询过程中需要的节点成本更低、查询性能更好。     

一种面向分布式数据库的多并发OLAP型查询性能预测方法

数据库查询性能预测即预测查询的执行延迟时间。数据库查询延迟预测技术能够用于查询调度和查询进度显示等。当前的查询性能预测技术都具有一定的局限性,不能准确预测分布式数据库中多并发查询导致CPU、I/O资源争用情形下的查询延迟。针对这一问题,该论文提出了一种在分布式数据库中预测并发OLAP型查询延迟的技术,该技术通过建立查询干扰度和查询敏感度模型来衡量资源（I/O,网络）竞争的激烈程度,并据此来预测不同执行环境下的查询性能。TPC-DS的实验结果表明,分析型查询预测的误差率在25%以下,说明该技术能够较准确地预测查询执行时间。     

Access数据库查询教学中的知识点分析

针对非计算机专业学生在学习Access数据库查询过程中遇到的困难,采用对比的方法分析查询的基本概念,提出了选择查询、参数查询、交叉表查询、操作查询和SQL查询在教学过程中需要注意的问题,对初学者正确理解和使用查询有一定的指导意义。