面向空间文本对象的集合查询与推荐技术研究
发布时间：2021-09-13 17:49
随着手机等移动智能设备以及GPS的急速发展和应用,基于位置的服务（Location-based Services,简称LBS）得到了普及。地图搜索引擎将这些LBS服务作为处理对象,对LBS的搜索与推荐技术具有重要的应用价值,因此成为了近年来空间数据库领域的研究热点。空间文本对象搜索旨在综合考虑空间邻近性和文本相关性,根据用户的查询意图匹配合理的空间文本对象,支持多样的LBS搜索功能。空间文本对象推荐则通过分析用户的个性化偏好,为用户推荐其可能感兴趣的空间文本对象。然而,现有方法不能充分地满足地图搜索引擎的多目标搜索与精准推荐的需求,亟需展开针对性的空间文本对象集合搜索与个性化推荐技术研究。为了解决这些问题,本文面向地图搜索引擎的共性需求,研究了面向空间文本对象的集合查询与个性化推荐技术,实现更加精准且有效的LBS检索。在空间文本对象检索方面,本文首先针对现有的方法对多目标查询支持能力不足的缺点,设计了融合语义的空间关键词集合查询框架,该框架通过词嵌入等方法解析文本语义。其次,本文提出了一个无缝融合了多维度信息的层次索引结构来组织数据。最后,本文利用一系列具有理论保证的界限定理优化查询处...
【文章来源】：苏州大学江苏省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３－丨ＩＲ－ｔｒｅｅ索引结构??
个数Ｌ、??每个哈希表内的哈希函数的个数ＡＴ等参数；??（３）最后，将数据集中的全部空间文本对象利用设定好的ＬＳＨ函数族进行映??射，构造出对应的哈希表。??对于任意一个语义分布向量／？，吋以通过以下的步骤在ＬＳＨ索引上做近邻査询：??（１）首先，将该句量经过ＬＳＨ函数族哈希后得到相应的桶号；??（２）然后，将１：?？步中的所有哈希桶中的空间文本对象取出，一般只収２Ｌ个空??间文本对象以保证搜索速度；??（３）最后，按照杳询ｇ与这些空间文本对象间的距离将其排序并返回最近邻。??图３－２给出ｆ?？个ＬＳＨ参数设置为Ｌ?＝?３且１?＝?２时的ｋ近邻搜索示例。从图屮可以??看出共有三个不同的哈希表。数据集中的，．．．，对象通过对其语义分布做哈??希映射被分配到ｒ这二个哈希农中。给出－个查询＋通过检查这三个哈希表屮的包??含查询Ｖ的桶，可以得到候选集丨。根据候选集屮的对象与查询（７之间的距??离，Ｍ终返作为２－近邻的结！ｆｔ。??！?￣ｉｐｎ￣ｉｒｎｉ￣￣；????！?〇４?〇，?〇，?！??丨?丨??（０４?？〇，、〇，，〇，＇?ＬＳＨ?Ｎ?？?＿?＿?＿?＿—＿?＿?．??（？?＾?？）？＝＞：?‘丨??ｉＵＵｂＪＨＨＬＪ：??（Ｉ??一?＿〇ｘ??〇ｉ?！??Ｌ?＿????????．?ｉ??图３－２?ＬＳＨ索引搜索示例??３．２．３?混合索引结构ＵＲ－ｔｒｃｅ??本节在ＩＲ－ｔｒｅｅ索引和ＬＳＨ索引的基础上设计／?？个新的索引结构ＵＲ－ｔｒｅｅ来整合??空间、语义和文本三个维度的信息，如图３－３所示。ＬＩＲ－ｔｒｅｅ?－方面保证ｊ＇索引结构在??１７??
第二章基于语义表示的空间关键词集合查询处理?面向空间文本对象的集合查询与推荐技术研宂??空间和文本两个维度的剪枝效果，另一方面也解决了语义分布的维度过高而可能引??起的“维数灾难”问题。??……１；??Ｔｏｐｉｃ?Ｌａｙｅｒ?▲?Ｑ?＿……??Ｉ?Ｉｓ＆■？■■■?０?｜ｌ??Ｉ?Ｌ．ｊ?；?Ｕ．ｊ??Ｒｏｏｔ?—?ＩｎｖＦｉｌｅ??一…＾…??Ｔｅｘｔｕａｌ?Ｌａｙｅｒ??Ｌｅａｆ?Ｌｅａｆ?Ｌｅａｆ?Ｌｅａｆ??ｔ?ｉ?ｔ?▼??ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ??图３－３?ＬＩＲ－ｔｒｅｅ索引结构??为了能够更好地利用己有的研究成果，ＬＩＲ－ｔｒｅｅ索引首先处理所有对象的语义信??息。众所周知，ＬＳＨ是一种广泛应用于高维相似搜索的方法，适用于表示语义信息??的高维语义分布向量，这一章中利用ＬＳＨ方法根据对象的语义分布将所有空间文本??对象哈希到桶中。每一个桶的编号都可以被看作是这个桶中所有对象的语义标签，??在同一个桶中的对象被认为在语义上是相似的。接着，ＬＩＲ－ｔｒｅｅ会在空间维度处理对??象，因为每个对象在空间维度上只包含二维的地理位置信息（经纬度），相对于文本??信息来说对搜索空间的剪枝程度更大，因此对所有的空间文本对象都根据其空间位??置关系利用Ｒ－ｔｒｅｅ来索引。最后，将经过ＬＳＨ处理后的对象的语义标签看做是对象包??含的新的文本信息，由此对Ｒ－ｔｒｅｅ的每一个节点，都创建一个基于对象语义标签的倒??排文件作为文本索引。??１８??
【参考文献】：
期刊论文
[1]基于对象集合的空间关键词查询[J]. 梁银,董永权. 计算机应用. 2014(07)
[2]道路网中的移动对象连续K近邻查询[J]. 赵亮,陈荦,景宁,廖巍. 计算机学报. 2010(08)
[3]支持关键词搜索的空间连接查询研究[J]. 陈德华,刘良旭,乐嘉锦. 计算机科学. 2009(07)
本文编号：3395065
【文章来源】：苏州大学江苏省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图３－丨ＩＲ－ｔｒｅｅ索引结构??
个数Ｌ、??每个哈希表内的哈希函数的个数ＡＴ等参数；??（３）最后，将数据集中的全部空间文本对象利用设定好的ＬＳＨ函数族进行映??射，构造出对应的哈希表。??对于任意一个语义分布向量／？，吋以通过以下的步骤在ＬＳＨ索引上做近邻査询：??（１）首先，将该句量经过ＬＳＨ函数族哈希后得到相应的桶号；??（２）然后，将１：?？步中的所有哈希桶中的空间文本对象取出，一般只収２Ｌ个空??间文本对象以保证搜索速度；??（３）最后，按照杳询ｇ与这些空间文本对象间的距离将其排序并返回最近邻。??图３－２给出ｆ?？个ＬＳＨ参数设置为Ｌ?＝?３且１?＝?２时的ｋ近邻搜索示例。从图屮可以??看出共有三个不同的哈希表。数据集中的，．．．，对象通过对其语义分布做哈??希映射被分配到ｒ这二个哈希农中。给出－个查询＋通过检查这三个哈希表屮的包??含查询Ｖ的桶，可以得到候选集丨。根据候选集屮的对象与查询（７之间的距??离，Ｍ终返作为２－近邻的结！ｆｔ。??！?￣ｉｐｎ￣ｉｒｎｉ￣￣；????！?〇４?〇，?〇，?！??丨?丨??（０４?？〇，、〇，，〇，＇?ＬＳＨ?Ｎ?？?＿?＿?＿?＿—＿?＿?．??（？?＾?？）？＝＞：?‘丨??ｉＵＵｂＪＨＨＬＪ：??（Ｉ??一?＿〇ｘ??〇ｉ?！??Ｌ?＿????????．?ｉ??图３－２?ＬＳＨ索引搜索示例??３．２．３?混合索引结构ＵＲ－ｔｒｃｅ??本节在ＩＲ－ｔｒｅｅ索引和ＬＳＨ索引的基础上设计／?？个新的索引结构ＵＲ－ｔｒｅｅ来整合??空间、语义和文本三个维度的信息，如图３－３所示。ＬＩＲ－ｔｒｅｅ?－方面保证ｊ＇索引结构在??１７??
第二章基于语义表示的空间关键词集合查询处理?面向空间文本对象的集合查询与推荐技术研宂??空间和文本两个维度的剪枝效果，另一方面也解决了语义分布的维度过高而可能引??起的“维数灾难”问题。??……１；??Ｔｏｐｉｃ?Ｌａｙｅｒ?▲?Ｑ?＿……??Ｉ?Ｉｓ＆■？■■■?０?｜ｌ??Ｉ?Ｌ．ｊ?；?Ｕ．ｊ??Ｒｏｏｔ?—?ＩｎｖＦｉｌｅ??一…＾…??Ｔｅｘｔｕａｌ?Ｌａｙｅｒ??Ｌｅａｆ?Ｌｅａｆ?Ｌｅａｆ?Ｌｅａｆ??ｔ?ｉ?ｔ?▼??ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ?ＩｎｖＦｉｌｅ??图３－３?ＬＩＲ－ｔｒｅｅ索引结构??为了能够更好地利用己有的研究成果，ＬＩＲ－ｔｒｅｅ索引首先处理所有对象的语义信??息。众所周知，ＬＳＨ是一种广泛应用于高维相似搜索的方法，适用于表示语义信息??的高维语义分布向量，这一章中利用ＬＳＨ方法根据对象的语义分布将所有空间文本??对象哈希到桶中。每一个桶的编号都可以被看作是这个桶中所有对象的语义标签，??在同一个桶中的对象被认为在语义上是相似的。接着，ＬＩＲ－ｔｒｅｅ会在空间维度处理对??象，因为每个对象在空间维度上只包含二维的地理位置信息（经纬度），相对于文本??信息来说对搜索空间的剪枝程度更大，因此对所有的空间文本对象都根据其空间位??置关系利用Ｒ－ｔｒｅｅ来索引。最后，将经过ＬＳＨ处理后的对象的语义标签看做是对象包??含的新的文本信息，由此对Ｒ－ｔｒｅｅ的每一个节点，都创建一个基于对象语义标签的倒??排文件作为文本索引。??１８??
【参考文献】：
期刊论文
[1]基于对象集合的空间关键词查询[J]. 梁银,董永权. 计算机应用. 2014(07)
[2]道路网中的移动对象连续K近邻查询[J]. 赵亮,陈荦,景宁,廖巍. 计算机学报. 2010(08)
[3]支持关键词搜索的空间连接查询研究[J]. 陈德华,刘良旭,乐嘉锦. 计算机科学. 2009(07)
本文编号：3395065
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3395065.html
最近更新
教材专著
