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

1、數(shù)據(jù)庫(database，簡稱DB)已經(jīng)廣泛地應用到人們的生產(chǎn)和生活中，它可以高效的支持結構化數(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構化查詢語言，這對于沒有經(jīng)驗的用戶來講是一件困難的事情。另一方面，互聯(lián)網(wǎng)信息檢索技術卻只要求用戶輸入關鍵詞，網(wǎng)頁就會為用戶返回包含這些關鍵詞的相關結果。這種搜索技術是通過關鍵詞查詢非結構化的數(shù)據(jù)，結果通常是不精確和不完整的。而結構化查詢支持針對結構化數(shù)據(jù)的高效檢索，并具備了完善的查

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

3、已有某個歷史查詢的結果，在這個結果基礎上計算當前查詢的結果。通過給出查詢相似性定義，找到與當前查詢最相似的某一歷史查詢，對該歷史查詢的結果進行重構形成滿足當前查詢的結果。一系列實驗表明，利用歷史信息的關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，利用歷史信息的關鍵詞查詢效率效果明顯。
　　(2)利用歷史查詢結果對當前查詢進行推薦。通過將歷史查詢記錄與歷史查詢結果建模成二分圖，計算當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果推薦給當前用戶。這是一種模糊的推薦，推薦算法使推薦的結果盡最大可能的達到用戶滿意。就如同在電子商務的推薦系統(tǒng)中，根據(jù)以往該用戶的消費記錄給當前用戶推薦商品，推薦出來的商品不保證當前用戶一定會采納，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，利用歷史查詢的結果對當前查詢進行推薦也是當前用戶最感興趣、最有可能采納的結果。經(jīng)過大量的實驗，在眾多的推薦結果中，用戶的采納率達到90％以上。

5、r>　　(3)連接已有的幾個歷史查詢的結果，使之成為滿足當前查詢條件的結果。這幾個歷史查詢的查詢詞并集包含了當前查詢的查詢詞集合。主要解決方法是將當前查詢關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果通過RC算法進行連接，形成當前查詢的結果。本文通過改變不同的參數(shù)將RC算法與reconstruction算法進行了比較，總結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