主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第7期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
林子雨,邹权,赖永炫,林琛.关系数据库中的关键词查询结果动态优化.软件学报,2014,25(3):528-546
关系数据库中的关键词查询结果动态优化
Dynamic Result Optimization for Keyword Search over Relational Databases
投稿时间:2011-12-09  修订日期:2013-02-05
DOI:10.13328/j.cnki.jos.004384
中文关键词:  关键词查询  关系数据库  数据图  蚁群优化  Steiner树
英文关键词:keyword search  relational database  data graph  ant colony optimization  Steiner tree
基金项目:国家自然科学基金(61303004,61370010,61102136,61202012);福建省自然科学基金(2013J05099,2011J05156,2011J05158);厦门大学基础创新科研基金(中央高校基本科研业务费专项资金)(2011121049)
作者单位E-mail
林子雨 厦门大学 计算机科学系, 福建 厦门 361005 ziyulin@xmu.edu.cn 
邹权 厦门大学 计算机科学系, 福建 厦门 361005  
赖永炫 厦门大学 软件学院, 福建 厦门 361005  
林琛 厦门大学 计算机科学系, 福建 厦门 361005  
摘要点击次数: 2964
全文下载次数: 3106
中文摘要:
      关键词查询可以帮助用户从数据库中快速获取感兴趣的内容,它不需要用户掌握专业的数据库结构化查询语言,降低了使用门槛.针对基于关键词的数据库查询,基于数据图的方法是一种比较常见的方法,它把数据库转换成数据图,然后从数据图中计算最小Steiner树.但是,已有的方法无法根据不断变化的用户查询兴趣而动态优化查询结果.提出采用蚁群优化算法解决数据库中的关键词查询问题,并提出了基于概念漂移理论的用户查询兴趣突变探查方法,可以及时发现用户兴趣的突变.在此基础上,提出了基于概念漂移理论和蚁群优化算法的查询结果动态优化算法ACOKS*,可以根据突变的用户兴趣,动态地优化查询结果,使其更加符合用户查询预期.在原型系统上得到的大量实验结果表明,该方法具有很好的可扩展性,并且可以比已有的方法取得更好的性能.
英文摘要:
      Keyword search helps users to efficiently get interested information from relational databases, and users are exempted from learning the professional structural query language for relational databases, which greatly reduces the usabilitye threshold. Keyword search over relational databases commonly employs data-graph-based methods which first models a database into a graph and then uses it to identify the minimum Steiner tree. However, the available methods are not able to dynamically optimize query results according to the dynamically changing user interest. In this paper, an ant-colony-optimization-based algorithm is proposed to achieve the task of keyword search over relational databases. Furthermore, a novel approach based on the theory of concept drift is presented to capture the mutation of user interest. In addition, based on concept drift theory and ant colony optimization algorithm, a new algorithm called ACOKS* is proposed to dynamically optimize the search results according to the time-changing user interest, so as to achieve the results in more accordance with user interest. Finally, a prototype is developed to carry out extensive experiments, and the results show that our method can achieve high scalability and perform better than other state-of-the-art methods.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利