随着GPS、移动网络的飞速发展和智能设备的普及,使得基于位置的服务(Loccation-based Service,LBS)得到广泛的应用,比如美团、百度地图等。这些应用的使用产生了大量的空间-文本数据(Spatial-textual Data),它们即包含文本信息又包含地理信息,比如用户将照片上传到微博时,手机会自动获取用户当前的位置,同时,用户也会为照片配上一段描述心情的文字说明。空间关键字查询技术作为处理空间-文本数据的有效手段,得到了学术界和工业界的广泛关注。传统的空间关键字查询技术大多考虑的是用户与兴趣点(POI,Point of Interest)之间的位置邻近性和文本相关性,忽略了其他因素对于用户偏好的满足情况,不能够很好的满足用户个性化查询需求。为了能够更好地满足用户需求,本文研究了基于影响约束的Top-k空间关键字偏好查询。给定一组空间对象,一组特征对象,一组查询关键字,空间关键字偏好查询返回前k个最好的空间对象,每个空间对象的邻域上存在一个能够让该空间对象更好地满足用户查询需求的特征对象。与传统空间关键字查询相比,本文查询考虑了目标对象周围其他对象对于用户偏好的满足情况,使得查询结果能够更好地满足用户个性化查询需求。本文的创新型研究内容主要包括:(1)在查询中考虑了查询对象周围其他对象属性对于用户偏好的满足程度,研究了基于影响约束的Top-k空间关键字偏好查询方法。(2)提出了一种阈值倒排文件算法TAIFA,通过阈值剪枝策略为每个R*-tree节点计算一个上界分数,当上界分数小于或等于当前阈值时,将该节点以及节点包含的子树进行剪枝。(3)为了进一步提高查询效率,提出了一种基于贪心策略的最近邻查询算法——GS-NNA。算法结合贪心策略和最近邻方法,每次选择文本相关度最高且满足阈值判定条件的特征对象,将距离该特征对象最近的空间对象加入到候选结果集中,则满足用户需求的查询结果一定能够从候选结果集中获得。综上所述,本文研究了欧式空间下基于影响约束的Top-k空间关键字偏好查询,提出了两种有效的查询改进算法,有效满足了用户的个性化Top-k查询需求。最后,在真实数据集上进行大量的实验,通过设置不同的参数,对提出的算法进行效果与性能评估,实验结果表明本文方法具有较好的查询结果和较快的执行效率。