隨著手機(jī)等移動(dòng)智能設(shè)備以及GPS的急速發(fā)展和應(yīng)用,基于位置的服務(wù)（Location-based Services,簡(jiǎn)稱(chēng)LBS）得到了普及。地圖搜索引擎將這些LBS服務(wù)作為處理對(duì)象,對(duì)LBS的搜索與推薦技術(shù)具有重要的應(yīng)用價(jià)值,因此成為了近年來(lái)空間數(shù)據(jù)庫(kù)領(lǐng)域的研究熱點(diǎn)�？臻g文本對(duì)象搜索旨在綜合考慮空間鄰近性和文本相關(guān)性,根據(jù)用戶(hù)的查詢(xún)意圖匹配合理的空間文本對(duì)象,支持多樣的LBS搜索功能�？臻g文本對(duì)象推薦則通過(guò)分析用戶(hù)的個(gè)性化偏好,為用戶(hù)推薦其可能感興趣的空間文本對(duì)象。然而,現(xiàn)有方法不能充分地滿(mǎn)足地圖搜索引擎的多目標(biāo)搜索與精準(zhǔn)推薦的需求,亟需展開(kāi)針對(duì)性的空間文本對(duì)象集合搜索與個(gè)性化推薦技術(shù)研究。為了解決這些問(wèn)題,本文面向地圖搜索引擎的共性需求,研究了面向空間文本對(duì)象的集合查詢(xún)與個(gè)性化推薦技術(shù),實(shí)現(xiàn)更加精準(zhǔn)且有效的LBS檢索。在空間文本對(duì)象檢索方面,本文首先針對(duì)現(xiàn)有的方法對(duì)多目標(biāo)查詢(xún)支持能力不足的缺點(diǎn),設(shè)計(jì)了融合語(yǔ)義的空間關(guān)鍵詞集合查詢(xún)框架,該框架通過(guò)詞嵌入等方法解析文本語(yǔ)義。其次,本文提出了一個(gè)無(wú)縫融合了多維度信息的層次索引結(jié)構(gòu)來(lái)組織數(shù)據(jù)。最后,本文利用一系列具有理論保證的界限定理優(yōu)化查詢(xún)處... 

【文章來(lái)源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３－丨ＩＲ－ｔｒｅｅ索引結(jié)構(gòu)??

個(gè)數(shù)Ｌ、??每個(gè)哈希表內(nèi)的哈希函數(shù)的個(gè)數(shù)ＡＴ等參數(shù)；??（３）最后，將數(shù)據(jù)集中的全部空間文本對(duì)象利用設(shè)定好的ＬＳＨ函數(shù)族進(jìn)行映??射，構(gòu)造出對(duì)應(yīng)的哈希表。??對(duì)于任意一個(gè)語(yǔ)義分布向量／？，吋以通過(guò)以下的步驟在ＬＳＨ索引上做近鄰査詢(xún)：??（１）首先，將該句量經(jīng)過(guò)ＬＳＨ函數(shù)族哈希后得到相應(yīng)的桶號(hào)；??（２）然后，將１：?？步中的所有哈希桶中的空間文本對(duì)象取出，一般只収２Ｌ個(gè)空??間文本對(duì)象以保證搜索速度；??（３）最后，按照杳詢(xún)ｇ與這些空間文本對(duì)象間的距離將其排序并返回最近鄰。??圖３－２給出ｆ?？個(gè)ＬＳＨ參數(shù)設(shè)置為Ｌ?＝?３且１?＝?２時(shí)的ｋ近鄰搜索示例。從圖屮可以??看出共有三個(gè)不同的哈希表。數(shù)據(jù)集中的，．．．，對(duì)象通過(guò)對(duì)其語(yǔ)義分布做哈??希映射被分配到ｒ這二個(gè)哈希農(nóng)中。給出－個(gè)查詢(xún)＋通過(guò)檢查這三個(gè)哈希表屮的包??含查詢(xún)Ｖ的桶，可以得到候選集丨。根據(jù)候選集屮的對(duì)象與查詢(xún)（７之間的距??離，Ｍ終返作為２－近鄰的結(jié)�。妫�。??！?￣ｉｐｎ￣ｉｒｎｉ￣￣；????！?〇４?〇，?〇，?！??丨?丨??（０４?？〇，、〇，，〇，＇?ＬＳＨ?Ｎ?？?＿?＿?＿?＿—＿?＿?．??（？?＾?？）？＝＞：?‘丨??ｉＵＵｂＪＨＨＬＪ：??（Ｉ??一?＿〇ｘ??〇ｉ?！??Ｌ?＿????????．?ｉ??圖３－２?ＬＳＨ索引搜索示例??３．２．３?混合索引結(jié)構(gòu)ＵＲ－ｔｒｃｅ??本節(jié)在ＩＲ－ｔｒｅｅ索引和ＬＳＨ索引的基礎(chǔ)上設(shè)計(jì)／?？個(gè)新的索引結(jié)構(gòu)ＵＲ－ｔｒｅｅ來(lái)整合??空間、語(yǔ)義和文本三個(gè)維度的信息，如圖３－３所示。ＬＩＲ－ｔｒｅｅ?－方面保證ｊ＇索引結(jié)構(gòu)在??１７??

第二章基于語(yǔ)義表示的空間關(guān)鍵詞集合查詢(xún)處理?面向空間文本對(duì)象的集合查詢(xún)與推薦技術(shù)研宂??空間和文本兩個(gè)維度的剪枝效果，另一方面也解決了語(yǔ)義分布的維度過(guò)高而可能引??起的“維數(shù)災(zāi)難”問(wèn)題。??……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??圖３－３?ＬＩＲ－ｔｒｅｅ索引結(jié)構(gòu)??為了能夠更好地利用己有的研究成果，ＬＩＲ－ｔｒｅｅ索引首先處理所有對(duì)象的語(yǔ)義信??息。眾所周知，ＬＳＨ是一種廣泛應(yīng)用于高維相似搜索的方法，適用于表示語(yǔ)義信息??的高維語(yǔ)義分布向量，這一章中利用ＬＳＨ方法根據(jù)對(duì)象的語(yǔ)義分布將所有空間文本??對(duì)象哈希到桶中。每一個(gè)桶的編號(hào)都可以被看作是這個(gè)桶中所有對(duì)象的語(yǔ)義標(biāo)簽，??在同一個(gè)桶中的對(duì)象被認(rèn)為在語(yǔ)義上是相似的。接著，ＬＩＲ－ｔｒｅｅ會(huì)在空間維度處理對(duì)??象，因?yàn)槊總�(gè)對(duì)象在空間維度上只包含二維的地理位置信息（經(jīng)緯度），相對(duì)于文本??信息來(lái)說(shuō)對(duì)搜索空間的剪枝程度更大，因此對(duì)所有的空間文本對(duì)象都根據(jù)其空間位??置關(guān)系利用Ｒ－ｔｒｅｅ來(lái)索引。最后，將經(jīng)過(guò)ＬＳＨ處理后的對(duì)象的語(yǔ)義標(biāo)簽看做是對(duì)象包??含的新的文本信息，由此對(duì)Ｒ－ｔｒｅｅ的每一個(gè)節(jié)點(diǎn)，都創(chuàng)建一個(gè)基于對(duì)象語(yǔ)義標(biāo)簽的倒??排文件作為文本索引。??１８??

【參考文獻(xiàn)】：
期刊論文
[1]基于對(duì)象集合的空間關(guān)鍵詞查詢(xún)[J]. 梁銀,董永權(quán).  計(jì)算機(jī)應(yīng)用. 2014(07)
[2]道路網(wǎng)中的移動(dòng)對(duì)象連續(xù)K近鄰查詢(xún)[J]. 趙亮,陳犖,景寧,廖巍.  計(jì)算機(jī)學(xué)報(bào). 2010(08)
[3]支持關(guān)鍵詞搜索的空間連接查詢(xún)研究[J]. 陳德華,劉良旭,樂(lè)嘉錦.  計(jì)算機(jī)科學(xué). 2009(07)



本文編號(hào)：3395065