大規(guī)模稀疏關(guān)系數(shù)據(jù)索引技術(shù)研究.pdf

1、在許多網(wǎng)上社群管理系統(tǒng)中(CWMS)，為了管理其中的稀疏數(shù)據(jù)，大規(guī)模稀疏數(shù)據(jù)表(LST)相關(guān)的存儲結(jié)構(gòu)正在被越來越多的采用。一個LST通常含有數(shù)千以上的屬性，并且一條記錄僅在少數(shù)屬性上有定義。在LST中，定義在幾個數(shù)字和文本混合屬性上的低維結(jié)構(gòu)化相似性查詢是最常見的操作。但是許多和LST相關(guān)的Web2.0服務(wù)的特性使得已有的大多數(shù)多維索引都不能適用。近期關(guān)于LST的研究多集中于如何存儲數(shù)據(jù)表和建立一種簡單的倒排索引來提高LST上的數(shù)據(jù)管

2、理效率。到目前為止，還沒有針對LST的其他新索引結(jié)構(gòu)被提出。已有的倒排索引可以被很快的訪問，但是它不包含任何與數(shù)據(jù)內(nèi)容有關(guān)的信息，故而不能有效的減少查詢過程中對數(shù)據(jù)表文件的隨機(jī)訪問次數(shù)。
　　本文提出了基于過濾-檢查策略，維護(hù)近似數(shù)據(jù)內(nèi)容，且保證訪問效率的iVA-file索引結(jié)構(gòu)，設(shè)計了nG-Signature作為近似表示字符串?dāng)?shù)據(jù)的近似向量，并改進(jìn)了已有的針對數(shù)字?jǐn)?shù)據(jù)的近似向量編碼方法。同時，本文還提出了新的基于掃描索引方式的查