论文部分内容阅读
在过去的数十年中,关系数据库系统得到了极大的发展,而且被应用到人们生活中的各个角落。同时,人们对数据管理的需求,尤其是数据查找的需求不断增长。但是在这方面,关系数据库自身却不能够满足人们这种不断增长的需求。关系数据库关键词查找技术(Relational Database Keyword Search, RDBKWS)的出现使得用户不需要任何数据库专业知识,和底层数据库模式的知识,就像简单的使用搜索引擎查询一样获取数据库中的相关数据。但是传统的RDBKWS技术只返回匹配关键词的结果,而不注重结果之间隐含的语义关系。首先,本文提出了语义云(Semantic Cloud)的概念,旨在将RDBKWS结果之间隐含的语义关系返回给用户。基于此,本文提出了面向语义云的单关键词查找策略和多关键词查找策略;在单关键词查找策略中,本文提出了语义框架(semantic frame)的概念,将包含关键词的元组按照语义框架生成SF结果,SF结果是包含关键词的元组根据语义框架连接数据库数据而成,之后将其处理成语义云形式返回给用户。在多关键词查找策略中,本文在传统基于模式的RDBKWS技术基础之上,提出了一种新的候选网络,语义候选网络(SCN),SCN在扩展时输出的结果可以不满足所有的关键词,使得候选网络能够处理“或”语义下的多关键词查找;之后本文提出了多关键词语义云生成算法,语义云生成算法中将具有相同元组的传统RDBKWS结果整合成语义云返回给用户。接下来,本文提出了面向语义云的打分策略,即SC-TF-IDF策略。该策略是在针对传统RDBKWS技术返回结果的TF-IDF打分方法的基础上提出的,该策略的核心思想就是根据组成语义云的多个传统关键词查找结果的TF-IDF得分对语义云进行打分。之后本文针对打分策略进行了改进,并通过实验验证了改进后的打分策略对于结果排序的准确性和召回率有了一定的提高。