可能世界内数值型不确定数据匹配模型*

针对数值型不确定数据的匹配进行研究。将存在的数值型不确定数据归纳为range、or_set、probability、unknown、negative五种类型,并给出了形式化定义;提出匹配度和完备度概念,可精确地描述不确定数据的匹配情况,并给出了匹配模型;提出基于range数据类型的匹配度和完备度为最小粒度,定义了其他类型的不确定数据类型的匹配规则,并给出了相应的匹配规则定义。最后通过实例分析,验证了本匹配模型的有效性。     

支持全文检索的XQuery查询处理及优化的研究

XQuery作为由W3C组织提出的一种XML查询语言,正在成为当前应用于XML数据库中对XML数据操作的一个规范。为了提高对XML中文本内容的查询支持,W3C又进一步设计了支持全文检索功能的语法规范。针对最新的XQuery及全文检索语法特征,文章提出了支持全文检索功能XQuery的解析与查询执行策略,为XQuery的查询处理提供解决方案。在此基础上,针对全文检索功能的查询执行计划,提出了适用于窗口查询,距离查询,是否排序查询的优化方案,以减少查询执行的代价,提高XQuery查询的效率。     

Query Intent Disambiguation of Keyword-Based Semantic Entity Search in Dataspaces

Keyword query has attracted much research attention due to its simplicity and wide applications. The inherent ambiguity of keyword query is prone to unsatisfied query results. Moreover some existing techniques on Web query, keyword query in relational databases and XML databases cannot be completely applied to keyword query in dataspaces. So we propose KeymanticES, a novel keyword-based semantic entity search mechanism in dataspaces which combines both keyword query and semantic query features. And we focus on query intent disambiguation problem and propose a novel three-step approach to resolve it. Extensive experimental results show the effectiveness and correctness of our proposed approach.     

多样性感知的时空文本信息的KNN查询处理方法*

如何在互联网上大量的带有地理位置标签和时间标签的信息中查找满足用户需求的信息十分重要.文中针对带有地理位置和时间标签的文本信息,提出多样性感知的时空文本信息的k近邻查询处理方法.首先,归一化处理数据对象的时空变量,并建立三维Rtree索引,有效融合数据对象的时间变量和空间变量.然后,提出多样性感知的k近邻查询算法(DST-KNN)和改进的DST-KNN(IDST-KNN).最后,通过基于大量数据集的实验验证文中查询处理方法的高效性和准确性.     

数据空间中时间为中心的集合实体识别策略

数据空间是一个异构的环境,并且数据及模式具有随时间演化的特性。已有的实体识别技术很少考虑时间信息在识别中所起的作用,并且没有考虑实体随时间演化的特性。针对数据空间中具有时间信息的实体识别,提出了一个四阶段的时间为中心的集合实体识别策略(time-centered collective entity resolution,T-CER)。T-CER在实体识别过程的不同阶段都考虑了时间信息所起的作用,在识别阶段提出了基于时间的聚类算法(time-based clustering,T-Clustering),并使用基于时间的约束对识别结果进行检查,以获得更精确的识别结果。在真实数据集上的大量实验结果表明了T-CER的可行性和有效性。     

数据库外基于多模型的学习式查询优化方法

对于AI与数据库优化问题,现有技术均须改动数据库底层,影响研究成果的应用且缺乏可扩展性. 提出一种非嵌入数据库的学习式查询优化方法. 在基数估计阶段,使用多模型的方法,对特定的子查询建立神经网络,独立训练不同的子模型,解决需要训练集过多且可扩展性差的问题;在连接优化阶段,应用基于代价的强化学习方法,提高查询优化性能. 针对每个查询,从基数估计到连接排序的优化过程都在数据库外执行,按照得到的优化策略对查询重写,并将重写结果返回到数据库中,通过设置参数使该查询按照指定的计划执行. 在包含8个表的数据集上进行实验验证,与未进行优化的查询进行比较,非嵌入数据库的优化方法具有良好的优化效果.