论文部分内容阅读
目前,数据管理呈现出海量、异构、分布、共享等新的特点,传统的数据管理系统己无法满足当今用户的需求,为此,Michael Franklin等人提出了一种崭新的数据管理思想一数据空间。而如何为用户提供高效的查询和搜索服务是数据空间面临的重大挑战之一。其中网络延迟和查询处理延迟是影响数据空间查询搜索性能的重要因素。目前解决延迟问题的一种有效方法是预取技术。其主要思想是分析用户的数据访问特点,将用户最可能访问的数据提前预取至缓存,以备用户访问,从而降低访问延迟。为此,本文引入预取技术,以提高数据空间搜索和查询效率。然而,面向数据空间的预取方法研究需要考虑以下几个问题:(1)数据源的异构性。数据空间用户提出查询时,返回结果可能同时包含多种形式的数据,因此数据空间预取方法不能仅针对单一类型的数据;(2)数据预取的全面性。数据空间预取方法需要同时考虑用户提出查询前与提出查询后,不同情况下数据预取策略;(3)查询意图的准确识别。数据空间用户提交的每个查询词,可能包含多个不同意图,如何准确的识别当前用户的查询意图,并把该用户需要的数据以最快的速度返回给用户,对查询效率与用户的满意度有很大的影响。综合考虑以上问题,本文从两个方面对数据空间预取方法展开了研究:(1)当用户尚未提出任何查询时,提出了一种基于动态流行度的初始化预取方法。该方法首先利用数据空间日志记录对兴趣相似的用户进行聚类,计算各用户聚类中查询词的动态流行度。再结合数据空间扩展倒排索引和TF-IDF算法,计算每个实体对象的动态流行度。最后,通过判断用户所属的类,选择该类较为流行的实体作为初始化预取对象;(2)当用户提出查询时,提出了一种基于用户查询意图的预取方法。该方法通过识别用户当前提出查询的意图,对用户可能访问的数据进行预测,其主要过程为:意图特征提取、搜索日志聚类、意图提取、用户查询意图识别、数据预取等。实验结果表明,本文提出的两种预取方法均可显著提高数据空间查询效率,但综合使用两种预取方法,其查询性能大幅优于本文提出的任何一种单一预取方法。