欢迎来到天天文库
浏览记录
ID:33170644
大小:1.32 MB
页数:55页
时间:2019-02-21
《关系数据库中推荐top-n查询处理》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、HEBEIUNIVERSITY密级:分类号:学校代码:10075学号:20100991硕士学位论文关系数据库中推荐Top-N查询处理学位申请人:雷泉龙指导教师:朱亮教授企业导师:赵玉福正高级工程师学位类别:工程硕士授予单位:河北大学完成日期:二〇一四年五月ClassifiedIndex:CODE:10075U.D.C:NO:20100991ADissertationfortheDegreeofMasterProcessingRecommenderTop-NQueriesinRelationalDatabasesCandida
2、te:LeiQuanlongSupervisor:Prof.ZhuLiangAdvisorinEnterprise:SE.ZhaoYufuAcademicDegreeAppliedfor:MasterofEngineeringUniversity:HebeiUniversityDateofAccomplishment:May,2014摘要摘要当今,互联网技术的不断发展,人们主要通过搜索引擎的交互方式来获取信息,传统的搜索引擎,如国外的谷歌,雅虎,国内的百度等,用户根据自己的需求向搜索引擎输入待查询的内容,系统根据查询关键词从
3、数据库中检索结果,并返回给用户。关系数据库的关键词查询并不需要用户事先知道数据库模式和复杂的SQL查询语言。关系数据库的关键词查询的问题主要基于两大类方法,基于数据图的关键词查询和基于模式图的关键词查询,这两种方法关键是如何找到最小的候选元组结果树。在搜索引擎中,查询推荐在于为用户构造更好的查询,以满足用户的需求为目的。一个好的推荐查询不仅仅与初始查询有关,还要结合用户的查询意图。查询推荐是搜索引擎中必备技术之一,是找出与原查询相关的其他关键词。本文通过对用户对初始查询结果的信息反馈,我们提出了一个在关系数据库中的推荐Top
4、-N查询处理框架。基于关键词查询技术和排序策略,查询系统根据用户的查询意愿返回初始Top-N查询结果,用户从当前的查询结果中选择自己感兴趣的结果选项,本系统框架根据用户的选择结果找出相关的关键词。然后,通过计算权重,确定新的查询关键词,这些查询关键词与初始查询集合相关联,最终构造一个推荐查询。本文中创建一个索引表存储来自于底层关系数据库的元组的相关信息。本文中的实验数据来自真实的数据集,实验结果显示我们所构造的推荐查询框架是有效的。关键词关系数据库查询推荐反馈信息Top-N查询知识库IAbstractAbstractWith
5、thedevelopmentofInternettechnology,manypeoplewhoareholdthatmainlythroughtheinteractionofsearchenginetogettheinformation,thetraditionalsearchengines,suchasGoogle,Yahoo,Baiduandsoon,theusermainlythroughinputthecontentsofthequeryinthesearchengine,thequerysystemaccordi
6、ngtothequerykeywordstoretrievetheresultsfromtherelationaldatabaseandreturnstotheuser.Therelationaldatabasekeywordsquerynotneedtoknowtherelationaldatabasemodelandcomplexquerylanguage,suchasSQLstatement.Relationaldatabasekeywordsquerymainlybasedontwokindsofmethods,ba
7、sedonthedatagraphandbasedonthemodelgraph.Thesetwomethodsarehowtofindthesmallestcandidatetuplesresulttree.Insearchengine,thequeryrecommendedisreestablishingnewquery,inordertomeettheneedsofusers.Agoodrecommendationqueryisnotonlyrelatedtotheinitialquery,butalsocombine
8、dwiththeuser'squeryintention.Queryrecommendationisoneoftheessentialtechnologiesinthesearchengine,andinordertofindouttheotherkeywordsassociatedwit
此文档下载收益归作者所有