维普资讯 http://www.cqvip.com 计算机科学２００８Ｖｏ１．３５ＮＱ．６ 关系数据库上基于非数值属性关键词的模糊查询 杨路明王佳宜谢东 （中南大学信息科学与工程学院 长沙４１００８３） 摘要关系数据库上的关键词查找技术使得用户像使用搜索引擎一样获取数据库中的相关数据。然而，这种技术 只实现了精确查询，还不能很好地实现模糊查询。本文通过引进分类学习中的Ｒｏｃｃｈｉｏ算法并对其做小部分修改，用 于数据库的关键词查询中，结合不同类型对象之间相异度和相关度的量化计算，每次返回的结果集按照相关度降序排 列，实现精确到模糊的查询。如果用户不满意初始查询结果集，利用Ｒｏｃｃｈｉｏ算法经过几次交互，便可不断满足需求。 对权值优化的Ｒｏｃｃｈｉｏ算法反馈过程进行了实验测试，结果证明是比较令用户满意的，而且返回的结果集中少量的不 相关集合可以提高查询的性能。 关键词关系数据库，关键词，模糊查询 Ｆｕｚｚｙ Ｑｕｅｒｙ Ｂａｓｅｄ Ｏｉｌ Ｎｏｎ－ｎｕｍｅｒｉｃ Ａｔｔｒｉｂｕｔｅ Ｋｅｙｗｏｒｄｓ ｏｖｅｒ Ｒｅｌａｔｉｏｎａｌ Ｄａｔａｂａｓｅｓ ＹＡＮＧ Ｌｕ－ｍｉｎｇ ＷＡＮＧ Ｊｉａ－ｙｉ ＸＩＥ Ｄｏｎｇ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ ４１００８３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ ＫＳＯＲＤ（ｋｅｙｗｏｒｄ ｓｅａｒｃｈ ｏｖｅｒ ｒｅｌａｔｉｏｎａｌ ｄａｔａｂａｓｅ）ｔｅｃｈｎｉｑｕｅｓ ａｌｌｏｗ ｕｓｅｒｓ ｔＯ ｏｂｔａｉｎ ｉｎｆｏｒｍａｔｉｏｎ ｆｒｏｍ ｄａｔａ－ ｂａｓｅｓ，ｗｈｉｃｈ ｉｓ ｊｕｓｔ ｌｉｋｅ ｕｓｉｎｇ ｓｅａｒｃｈ ｅｎｇｉｎｅｓ．Ｈｏｗｅｖｅｒ，ｔｈｅ ａｄｖａｎｃｅｄ ｔｅｃｈｎｉｑｕｅｓ ｏｎｌｙ ｒｅａｌｉｚｅ ｅｘａｃｔ ｑｕｅｒｉｅｓ，ｂｕｔ ｎｏｔ ｆｏｒ ｆｕｚｚｙ ｑｕｅｒｉｅｓ．Ｔｈｅ Ｒｏｃｃｈｉｏ ａｌｇｏｒｉｔｈｍ ｏｆ ｌｅａｒｎｉｎｇ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ｗｈｉｃｈ ｉｓ ｍａｄｅ ａ ｌｉｔｔｌｅ ｃｈａｎｇｅｄ ｔＯ ａｃｈｉｅｖｅ ｋｅｙｗｏｒｄ ｓｅａｒｃｈ ｏｖｅｒ ｒｅｌａｔｉｏｎａｌ ｄａｔａｂａｓｅｓ．Ｃｏｎｎｅｃｔｅｄ ｗｉｔｈ ｄｉｓｓｉｍｉｌａｒｉｔｙ ａｎｄ ｃｏｒｒｅｌａｔｉｏｎ ｃａｌｃｕｌａｔｅｄ，ｒｅｔｕｒｎｅｄ ｒｅｓｕｌｔ ｓｅｔｓ ａｒｅ ｒａｎｋｅｄ ｉｎ ｄｅｓｃｅｎｄａｎｔ ｏｒｄｅｒ ａｃｃｏｒｄｉｎｇ ｔＯ ｃｏｒｒｅｌａｔｉｏｎ．Ｔｈｕｓ，ｔｈｅ ｓｙｓｔｅｍ ｒｅａｌｉｚｅｓ ｂｏｔｈ ｅｘａｃｔ ａｎｄ ｆｕｚｚｙ ｑｕｅｒｉｅｓ．Ｉｆ ｕｓｅｒｓ ａｒｅ ｎｏｔ ｓａｔｉｓｆｉｅｄ ｗｉｔｈ ｔｈｅ ｉｎｉｔｉａｌ ｒｅｓｕｌｔ ｓｅｔｓ，ｔｈｅｙ ｃａｎ ｕｔｉｌｉｚｅ ｔｈｅ Ｒｏｃｃｈｉｏ ａｌｇｏｒｉｔｈｍ ｔＯ ｄｏ ｓｅｖｅｒａｌ ｒｅｌｅｖａｎｃｅ ｆｅｅｄｂａｃｋｓ ｉｎ ｏｒｄｅｒ ｔＯ ｍａｋｅ ｒｅｓｕｌｔｓ ｂｅｔｔｅｒ．Ｗｅ ｅｘｐｅｒｉｍｅｎｔ ｗｉｔｈ ｔｈｅ ｏｐｔｉａｍｌ Ｒｏｃｃｈｉｏ ａｌｇｏｒｉｔｈｍ ａｎｄ ｔｈｅ ｒｅｓｕｌｔｓ ｐｒｏｖｅ ｔＯ ｓａｔｉｓｆｙ ｔｈｅ ｒｅ－ ｑｕｉｒｅｍｅｎｔｓ ｏｆ ｕｓｅｒ＆Ｉｎ ａｄｄｉｔｉｏｎ，ｆｅｗ ｎｏｎ－ｒｅｌｅｖａｎｔ ｒｅｓｕｌｔ ｓｅｔｓ ｃｏｕｌｄ ｉｍｐｒｏｖｅ ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｓｅａｒｃｈｉｎｇ． Ｋｅｙｗｏｒｄｓ Ｒｅｌａｔｉｏｎａｌ ｄａｔａｂａｓｅｓ，Ｋｅｙｗｏｒｄｓ，Ｆｕｚｚｙ ｑｕｅｒｙ １ 引言 些不是很精确的结果，通过判断哪些对自己有意义，哪些没 有，尝试更高级的查询。 ＫｓＯＩ 技术允许普通用户或Ｗｅｂ用户在对数据库做相 因此，我们引进分类学习方法中的Ｒｏｃｃｈｉｏ算法Ｉ５］，该算 关数据处理时，简单地就像在Ｗｅｂ上使用搜索引擎查找信息 法主要用于文档（文摘）的查询。它的一大优点是在整个查询 一样，避免去学习复杂的数据库模式知识和ＳＱＬ结构化查询 过程中，通过不停地相关反馈，不断提供用户更有用的信息。 语言。目前，国外利用ＫｓＯＩ 先进技术发展的系统有ＤＢＸ— 我们对该算法做了修改，就可以用于对数据库的查找，实现模 ｐｌｏｒｅｒＥ ，Ｄ１ＳＣＯＶＥＲＥ ，ＩＲ－ＳｔｙｌｅＥ。］等。在国内，王姗等人在 糊查询。执行该算法过程中，如果用户不满意初始的查询结 中国人民大学与ＮＣＲ Ｔｅｒａｄａｔａ数据仓库及商务智能联合实 果，则可通过反馈来优化查询结果。同时，执行查询的过程 验室开发出系统ＳＥＥＫＥＲＥ 。 中，系统在判断输入的关键词对象是否匹配数据库表或某一 这些系统的基本思路是一致的，即将数据库看作是由数 属性的实例基础上，再根据对象的类型计算两者之间的相异 据库中的元组（顶点）通过主码＿夕 码（边）的关系连接而成的 度，从而可以得到相关度。返回的结果集则根据相关度的大 图。当用户给出一个关键词查询时，则通过全文索引从图中 小进行降序排列，也就是最相关的查询信息位于最前面，这样 找出含全部关键词的最小子图作为查询结果。而且几个系统 有利于用户对相关与不相关信息的区分。如果相关度等于 有着类似的定义，认为查询结果是含有至少一个关键词且每 １，系统就意味实现了精确查询，否则实现了模糊查询。相关 个叶结点都含有至少一个关键词的连接元组树。不过， 度越小，模糊性越大。 ＳＥＥＫＥＲ不要求查询结果包含全部关键词，只要求查询结果 包含关键词的一个非空子集即可。总之，这些系统都必须返 ２ Ｒｏｃｃｈｉｏ算法及其优化 回基于关键词（部分）的查询序列。 参与Ｒｏｃｃｈｉｏ算法的查询向量，每一维值的大小用对象 比较上述系统，只是能够提供精确查询。如果关系数据 之间的距离来衡量。文献［６］给出原始Ｒｏｃｃｈｉｏ算法的过程， 库中没有包含关键词的信息，就不返回任何结果，没有很好的 但是并未考虑用户对结果集中相关子集与非相关子集的满意 交互性。很多用户希望在除了得到精确结果以外可以产生一 程度。我们在原算法的基础上，引进三个参数，用来量化用户 ＊）湖南省教育厅科研基金（０５Ｃ６７１）；中南大学重点资助创新项目（ｚＢｏ１８）。杨路明博士生导师，博士，主要研究方向为数据库系统和网络通 信；王佳宜硕士研究生，主要研究方向为数据库和数据管理；谢东博士研究生，主要研究方向为数据管理。 ・２３６・ 维普资讯 http://www.cqvip.com 对初始查询向量和初始查询集的满意程度（用户可以选择四 种满意程度，分别是很满意、一般满意、不满意、很不满意），动 态优化反馈过程。 ２．１ 文档向量与距离度量 １分别表示相关子集与非相关子集（以０．５作为相关与非相关 子集的区分度）的元素个数。 在算法的执行过程中，对。，ｂ，ｃ的取值可以由系统自动 生成（对应四种满意程度的选择，分别设置不同的口，ｂ，ｃ等级 Ｒｏｃｃｈｉｏ算法的基本思想是把每一个文档ｄ表示为一个 和值），分别对应用户对上一次查询向量和查询结果的满意 度。查询反馈的过程中，用户对前一次结果集的判断大大影 响后一次查询的结果。如果初始查询的模糊集合中非相关子 集过多，用户对此不满意，在交互时，就像简单地使用 “Ｇｏｏｇｌｅ＂上高级检索的下拉列表框一样，用户选择“不满 意”，ｃ值由系统自动生成，同时优化的Ｒｏｃｃｈｉｏ算法计算新的 查询向量并组织新一轮的查询。该过程可重复迭代几次，直 至用户满意。 向量ｄ＝（ ，ｄｚ，…， ）。每一维对应关键词集合Ｖ中的一 个特征词，该词的权重即为 的值。文献Ｅｓ］认为 的大小 与关键词向量在文档中的映射向量ＴＦ（ｗｉ， ）和ＩＤＦ（ｗ１）有 关，即常用的ＴＦ＊ＩＤＦ求距离（权重）方法来检索文摘或文 档。ＴＦ＊Ⅱ）Ｆ函数表达式如下： ｄｌ＝ＴＦ＊ＩＤＦ＝ＴＦ（ｗｌ， ）＊ＩＤＦ（ｗｉ） 其中了、Ｆ表示关键词频率，即某一关键词Ｗｉ出现在文档ｄ中 的次数；ＩＤＦ表示逆文档频率，它可以由ＤＦ（ｗ１）（文档频率， 关键词Ｗｉ在文档ｄ所在的基文档中出现的次数）得到： ＬＩＤＦ（ｗ１）一ｌｏ—ｏ（－Ｕ－－￣ Ｍ－ ｎＩＩ －３模糊查询的实现 本文在新修改的Ｒｏｃｃｈｉｏ算法的基础上，提出一种通过 ｍｉ｝） 蔷ＪＤ Ｊ表示的是所有文档的总数。 ２．２ Ｒｏｃｃｈｉｏ算法 Ｒｏｃｃｈｉｏ算法通过几次反馈或交互从而查找符合用户的 信息。在反馈的过程中，少量的模糊信息也会同时和用户交 互。文献Ｅ６］指出，Ｒｏｅｅｈｉｏ算法主要是用于对文档的查询和 反馈，关系数据库中存在除文本这样的非数值型变量以外，还 有大量的数值型变量。因此，把Ｒｏｃｃｈｉｏ算法用于数据库的 查询，它的优点就在于用户输入非数值型关键词序列时，整个 查询及相关反馈过程执行的准确率和满意度会高于用户对数 值型变量的关键词查询。如在人员信息数据库中，属性或字 计算关键词对象和数据库中实例对象之间相异度的方法，实 现查询过程。为能迅速匹配上关键词对象与数据库关系或属 性对象，我们在数据库中建立起两张匹配表并建立全文索引， 支持关系名和属性名上的关键词查询。 ３．１相异度和相关度 Ｒｏｃｃｈｉｏ算法中，∑ 和∑Ｓ是以对象之间的相 异度（距离）量化值表示的。２．１节中介绍的ＴＦ＊ＩＤＦ方法 主要是测量文档类型的对象之间的距离，然而数据库记录中 包含了丰富的类型的变量，比如区间标度变量、二元变量、序 数型变量或这些变量类型的组合。因此，传统聚类中的欧氏 距离和测量文摘或文档的ＴＦ＊ＩＤＦ方法不再适用，需要考 虑一种新的方法用于这种“混合类型变量”的两两对象的相异 度（距离）计算。 我们首先定义对象ｉ和对象Ｊ之间的相异度和相关度。 定义１（相异度）对象ｉ和对象Ｊ之间相异性的量化表 段如“姓名”是非数值型的变量，而“年龄”是数值型的变量。 算法的三个重要参数分别是初始查询向量、用户指定的 相关集和不相关集。Ｒｏｅｅｈｉｏ反馈算法描述： １ ｐ １ ｑ Ｑ＋１＝Ｑ＋÷ Ｒ 一 ｚｓｙ， Ｙ － 其中：Ｒ一｛Ｒ１，Ｒ２，…，Ｒｖ｝，是返回结果集中用户认为相关的 子集； Ｓ：｛Ｓ ， ，…，ｓ口｝，是返回结果集中用户认为不相关的 子集。 示，用ｄ（ｉ，Ｊ）表示。它是一个非负数。当对象ｉ和Ｊ越相似 或接近，其值越接近０；两个对象越不同，其值越大。特殊地， ｄ（ ， ）： （ ， ）－－０。 定义２（相关度） 对象ｉ和对象Ｊ之间相关性的量化表 反馈过程的具体描述见图１。首先，考虑用户输入的初 始向量Ｑ，由２．１节中的方法计算 值，返回第一次的结果 集。用户对初始结果集做出判断后，再利用Ｒｏｃｃｈｉｏ算法得 到新的查询向量。这样重复几次之后，停止与用户的交互。 初始查 询向量 用 户 示，简单地记做ｃ（ ， ）一１－－ｄ（ ， ）。 我们将数据库记录按变量的类型分别标量化，并将所有 有意义的变量转换到共同的值域区间Ｅ０．０，１．Ｏ］上。 假设数据集包含Ｐ个不同类型的变量，对象 （用Ｘｉ表 示）和 （用而表示）之间的相异度ｄ（ｉ， ）定义为： 史 ，），，（，） ｄ（ｉ， ）一 二 ＝１ｏ／ｊ Ｌ 其中：用，来表征对象变量的类型，当某个记录中变量缺失 即不存在时， 一Ｏ，否则 ：１； 的计算与具体的类型 有关。给出如下主要的几种类型： （１）厂是二元变量或标称变量（－－元变量的推广）。如果 ２．３权重优化Ｒｏｅｅｈｉｏ算法 在该变量上完全相同，则 Ｉ一（，）一一（，）Ｉ ＝：Ｏ，否则为１。 原始反馈策略中，参与新查询向量计算的相关子集Ｒ和 Ｓ，在一定程度上不能体现出用户对其满意的程度，因此我们 —（２）厂是区间标度变量（粗略线性标度的连续变量）。 提出一种权重优化的相关反馈策略。新修改的Ｒｏｅｃｈｉｏ算法 如下： Ｉｎａ Ｘ —ｍｌ等 ，Ｌｒ＿Ｌｌ而，ｈ遍取变量厂的所有非空值。 ｈｚ （３），是序数型或比例标度变量。变量由Ｍ个有序状态 ，）一１ 。 ＋６ ｓｙ 一ｃ 而 ｉ构成，分别映射成１，２，…，Ｍ，按公式 ， 一 …■ 分别计算 对应记录的标量值。其中一，’和Ｍ分别表示该变量的序数 值和序数最大值。然后将 作为区间标度变量类型对待。 ・其中：口，ｂ，ｃ是引进的三个权重因子，ｌ ｒｅｌｄｏｅｓｌ和ｌｎｏｎｒｅｌｄｏｃｓ ２３７・ 维普资讯 http://www.cqvip.com （４）＿厂是文本型变量。将ｆＦ＊ＩＤＦ表示的数值作为该变 量的标量值，采用余弦度量相异度： 一ｃｏｓ（ｄ｝Ｉ ， 门），其 中的 ，），ｄ 都是由ＴＦ＊ＩＤＦ计算得到的数值。 将所有的对象变量归类为相应类型后，按上述方法转化 为标量化形式，用于快速地计算相互对象之间的相异度。为 的评价之后，利用新改进的Ｒｏｃｃｈｉｏ算法，进行新一轮以及多 次的查询交互。整个查询过程及交互过程可以用图３来描 述。 方便起见，系统采用相异度矩阵存储关键词序列和实例对象 （来自数据库）之间的相异度值，见图２。假设来自数据库的 一张二维表有 条记录，Ｐ个属性。如果某一关键词的类型 与数据表中某一属性的实例不匹配，则在相异度矩阵的相应 位置上置零；否则，相应位置上置ｄ（ｉ ’ ）（也就是当关键 词对象与表中实例对象类型匹配，相异度就按照上述方法归 类计算）。ｉ“’是用户输入的关键词对象去比照数据库表中的 图３模糊查询实现过程描述 第 条记录， 是表中第Ｐ个属性的实例对象。 ｄ（ｉ ”，Ｊ１） ｄ（ｉ ”， ２） ｄ（ｉ‘”，Ｊｐ） ｄ（ｉ ，Ｊ１） ｄ（ｉ‘ ，Ｊ２） ｄ（ｉ ，Ｊ。） ● ● ： ： ｄ（ｉ‘ ，ｊ１） ｄ（ｉ‘ ，ｊ２） ｄ（ｉ ，ｊ ） 图２相异度矩阵 ３．２查询过程的实现 当用户输入查询关键词后，系统首先要将关键词定位于 某一关系表中，然后是属性上的匹配。为此，我们在人员信息 数据库中建立了两个匹配表（见表１和表２），分别用于关系 名和属性名的关键词匹配。这两个表上也建立了全文索引。 关系匹配表的“表名”列存储数据库中所有关系的名称，“关键 词”列给出描述关系的关键词，这两列都在全文索引中。属性 匹配表的“属性名”列存储数据库中的所有属性的名称，“表 名”列存储属性所属关系的名称，“关键词”列给出描述属性的 关键词，“类型”列给出属性的类型，“所属类别”列是属性对象 可以归类为上述所描述的何种分类，其中“属性名”列和“关键 词”列在全文索引中。系统将在关系名、属性名和描述它们的 关键词中进行匹配，匹配上的，计算相异度，匹配不上的则为 “０” 表１关系匹配表 表名 关键词 基本信息表 身份证号，… 家庭住址表 城镇，… 体检情况表 良好，… 表２属性匹配表 从相异度存储矩阵中我们容易找到前ｋ个最小相异度 值，即前ｋ个最大相关度值。定位前ｋ个值后，剩下的工作按 值的大小降序返回这ｋ个值所在矩阵中的行，转换为数据库 中对应的记录返回给用户。至此，系统完成第一次查询，且返 回的结果以相关度值为依据，实现精确至模糊的查询。开始 第二次新的查询前，必须根据用户需要对初始结果给予一定 ・２３８・ ４实验分析 实验环境是基于．ＮＥＴ框架，通过与后台人员信息数据 库的连接，利用Ｃ＃语言编写查询过程与矩阵存储。简单的 查询界面如图４所示。 目田暖口—■●●—■■———豳麟 ．｜ ｜｜ 贯 撼螽 舞＿辛藿游曩 ＿ ｜１璺 ＿／ ＿ ｛ ｌ 再 嘏ｒ■—■ 奠尊＼ 兰氅氅笔 Ｉ＿ ． 塑 ＼．璺堡曼 ｌ＼ ｒ～ －－＿＿ｊ．．． ．． ＼ 图４初始查询界面 用户输入关键词（序列）后，如果是以“关键词”的形式输 入的，查找的过程中首先是和关系名匹配，然后再和属性名匹 配。如果用户以“关键词：关键词”的形式输入的，就只匹配属 性名。图４中生成描述串的作用在于系统的更加个性化。初 始查询的结果用表格的形式（图４左下角的数据绑定控件）绑 定返回给用户。因此基于关键词的查询技术就像使用常见的 搜索引擎一样，避免用户学习复杂的相关ＳＱＬ和数据库知 识。 如果初始的查询并未满足用户对信息的需求，图４中提 供了“新的反馈”按钮，点击之后出现图５所示的相关反馈界 面。在用户对初始结果作出选择之后，本系统利用动态优化 后的Ｒｏｃｃｈｉｏ算法重新组织查询，达到用户的更高要求。 图５相关反馈界面 仔细考虑人员信息数据库，可以把“性别”归类为二元变 量，把“出生年月”归类为区间标度变量等。输入关键词信息 后，系统给出相关结果集。表３是当查询“出生地：河南”时数 据库返回的前５条记录，其相关度分别是１．０，１．Ｏ，０．８，０．８， ０．８。分析初始的结果，我们对该结果集中的模糊记录不是很 维普资讯 http://www.cqvip.com 满意（认为过多），经过新一轮的查询后，减少了这样的元组 互交互，不断满足更高要求的查询。 不足的是在实验过程中存在多种主观和人为因素。利用 矩阵存储相异度，使得系统的响应时问过长。将来的工作中 我们着重从算法的时间复杂度和空间复杂度人手，提高算法 的效率和稳定性。 数。同时也进行了其他实验，如查询“本人成分：干部”、“健 康状况：良好”等，结果都比较理想。 表３模糊查询结果 参考文献 ［１］Ａｇｒａｗａｌ Ｓ，Ｃｈａｕｄｈｕｒｉ Ｓ，Ｄａｓ Ｇ－ＤＢＸｐｌｏｒｅｒ：Ａ Ｓｙｓｔｅｍ ｆｏｒ Ｋｅｙ～ ｗｏｒ＆ｂａｓｅｄ Ｓｅａｒｃｈ ｏｖｅｒ Ｒｅｌａｔｉｏｎａｌ Ｄａｔａｂａｓｅｓ／／Ｐｒｏｃ．ｏｆ ｔｈｅ １８ｔｈ Ｉｎｔ＇￣Ｃｕｎｆ ｏｎ Ｄａｔａ Ｅｎｇｉｎｅｅｒｉｎｇ．Ｓｅｎ Ｊｏｓｅ，２００２：５－１６ ［２］Ｈｒｉｓｔｉｄｉｓ Ｖ，Ｐａｐａｋｏｎｓｔａｎｔｉｎｏｕ Ｙ＿ＤＩＳＣＯＶＥＲ：Ｋｅｙｗｏｒｄ Ｓｅａ－ 从表３可以看出，最匹配的记录在最前面。在比较大型 ｒｃｈ ｉｎ Ｒｅｌａｔｉｏｎａｌ Ｄａｔａｂａｓｅｓ／／Ｐｒｏｃ．ｏｆ ｔｈｅ ２８ｔｈ Ｉｎｔ’１ Ｃｏｎｆ．ｏｎ ｖｅｒｙ Ｌａｒｇｅ Ｄａｔａ Ｂａｓｅｓ．Ｈｏｎｇ Ｋｏｎｇ，２００２：６７０—６８１ 的数据库中，如果系统一次呈现很多记录，从前往后找，也是 很容易找到最相关的结果的。因此，该方法同时实现了精确 和模糊查询。产生最不确定记录即相关度接近于“０”时，可以 ［３］Ｈｒｉｓｔｉｄｉｓ Ｖ，Ｇｍｖａｎｏ Ｌ，Ｐａｐａｋｏｎｓｔａｎｔｉｎｏｕ Ｙ＿Ｅｆｆｉｃｉｅｎｔ ＩＲ－ｓｔｙｌｅ Ｋｅｙｗｏｒｄ Ｓｅａｒｃｈ ｏｖｅｒ Ｒｅｌａｔｉｏｎａｌ Ｄａｔａｂａｓｅｓ？？Ｐｒｏｃ．ｏｆ ｔｈｅ ２９ｔｈ Ｉｎｔ’ｌ Ｃｏｎｆ．ｏｎ Ｖｅｒｙ Ｌａｒｇｅ ａｔＤａ Ｂａｓｅｓ．Ｂｅｒｌｉｎ，２００３：８５０—８６１ 用来减少反馈的次数，加快查询。 结束语本文在关键词实现精确查询的基础上，扩展了 模糊查询。通过改进Ｒｏｃｃｈｉｏ算法和定义对象之间的相关 ［４］文继军，王珊．ＳＥＥＫＥＲ：基于关键词的关系数据库信息检索．软 件学报，２００５，１６（７）：１２７０－１２８１ 度，实现了结果集的降序排列，同时也方便了用户的查看。模 糊查询的过程大概分三步完成。首先是提交的关键词去匹配 ［５］Ｒｏｃｅｈｉｏ Ｊ Ｊ．Ｒｅｌｅｖａｎｃｅ Ｆｅｅｄｂａｃｋ ｉｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｒｅｔｒｉｅｖａ１．ｉｎ ＳＭＡＲＴ Ｒｅｔｒｉｅｖａｌ Ｓｙｓｔｅｍ Ｅｘｐｅｒｉｍｅｎｔｓ ｉｎ Ａｕｔｏｍａｔｉｃ Ｄｏｃｕｍｅｎｔ Ｐｒｏｃｅｓｓｉｎｇ，１９７１：３１３—３２３ 数据库表的关系名或属性名，然后计算相异度值并存储，最后 返回非“０”相异度值所在的行对应的元组记录并按相关度值 降序排列。改进的Ｒｏｃｃｈｉｏ算法可以增强用户与结果集的相 （上接第２２２页） ［６］战学刚，林鸿飞，姚天顺．中文信息检索中的相关反馈．计算机科 学，２０００，２７（７）：３９—４ｌ ｆｅｒｅｎｃｅ ｏｎ ａｔＤａ Ｅｎｇｉｎｅｅｉｒｎｇ（ＩＣＤＥ’９９）［Ｃ］．Ｓｙｄｎｅｙ，Ａｕｓｔｒａｌｉａ： ＩＥＥＥ ｏｍｐｕｔｅｒ ＳｏｃｉＣｅｔｙ，１９９９：３３６—３４５ ＯＬＡＰ服务器结构，但其研究的内容主要停留在如何根据人 们的主观想法来进行维度的更新，比如创建一个维度，增加一 个维层次，删除一个维层次等，并没有涉及到由于一些外在因 ［４］李建中，高宏．一种数据仓库的数据模型［Ｊ］．软件学报， ２０００，１１（７）：９０８—９１７ 素的影响，如何对维结构进行自动调节的内容。文献［９］虽然 也对维结构的变换问题进行了相关研究，并给出了相应的变 换算法，但其在对维路径进行修正的过程中，是按照维层次的 级别来进行的。这就导致了下述问题的出现：对于某一维路 径，这次修改了其在维层次ｚ上的取值，下次可能还得修改其 在ｚ （ｚ＜古ｚ ）１－的取值，用关系表的形式来存储维实例数据 的情况下，就导致了对同一条记录进行多次修改与提交。与 ［５］Ｊｅｎｓｅｎ Ｃ Ｓ，Ｋｌｉｇｙｓ Ａ，Ｐｅｄｅｒｓｅｎ Ｔ Ｂ，ｅｔ １ａ．Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ａ—Ｄ ｔａ Ｍｏｄｅｌｉｎｇ ｆｏｒ Ｌｏｃａｔｉｏｎ－Ｂａｓｅｄ Ｓｅｒ￣ｃｅｓ［Ｊ］．Ｔｈｅ Ｉｎｔｅｎａｔｒｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｎ Ｖｅｒｙ Ｌａｒｇｅ Ｄａｔａ Ｂａｓｅｓ，２００４，１３（１）：卜２１ ［６］史忠植，等．人工智能：复杂问题求解的结构和策略Ａｒｔｉｆｉｃｉａｌ Ｉｎ－ ｔｅｌｌｉｇｅｎｃｅ：Ｓｔｒｕｃｔｕｒｅｓ ａｎｄ Ｓｔｒａｔｅｇｉｅｓ ｆｏｒ Ｃｏｍｐｌｅｘ Ｐｒｏｂｌｅｍ Ｓｏｌ— ｖｉｇ［Ｍ］，４Ｅ．北京：ｎ机械工业出版社，２００４ ［７］Ａｎｔｏｎｉｏｕ Ｇ＿Ａ ｔｕｔｏｒｉａｌ ｏｎ ｄｅｆａｕｌｔ ｌｏｇｉｃｓ［Ｊ＇］．ＡＣＭ ｏｍｐｕｔＣｉｇ ｎＳｕｒｖｅｙｓ，１９９９，３１（４）：３３７—３５９ 文献［９］相比，本文采用规则的形式来描述异常情况给维结构 带来的影响，并对描述异常的规则的作用次序进行了严格定 义，很好地保证了在进行转换的过程中结果的正确性，而且本 ［８］Ａｇｏｓｔａ Ｌ数据仓库技术指南Ｔｈｅ Ｅｓｓｅｎｔｉａｌ Ｇｕｉｄｅ ｔＯ Ｄａｔａ Ｗａｒｅｈｏｕｓｉｇ［ｎ－Ｍ］．潇湘工作室，译．北京：人民邮电出版社， ２０００：１１８—１４１ 文所提出的变换算法花费的时间明显较短，具有更高的执行 效率。 ［９］Ｍｉｎｕｔｏ Ｅ Ｍ，Ｖａｉｓｍａｎ八Ｅｆｆｉｃｉｅｎｔ Ｉｎｔｅｎｔｉｏｎａｌ Ｒｅｄｅｆｉｎｉｔｉｏｎ ｏｆ Ａｇｇｒｅｇａｔｉｏｎ Ｈｉｅｒａｒｃｈｉｅｓ ｉｎ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ Ｄａｔａｂａｓｅｓ［ｃ］／／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｄａｔａ Ｗａｒｅ－ 参考文献 ［１］Ｆｉｒｅｓｔｏｎｅ Ｊ Ｍ Ｄｉｍｅｎｓｉｏｎａｌ Ｍｏｄｅｌｉｇ ｎａｎｄ Ｅ－Ｒ Ｍｏｄｅｌｉｇ ｎｉｎ ｔｈｅ ａｔＤａ Ｗａｒｅｈｏｕｓｅ［Ｒ］．ＤＫＭＳ－Ｗｈｉｔｅ Ｐａｐｅｒ Ｎｏ．Ｅｉｇｈｔ，Ｊｕｎｅ １９９８ ［２］段云峰，等．数据仓库基础Ｄａｔａ Ｗａｒｅｈｏｕｓｉｎｇ Ｆｕｎｄａｍｅｎｔａｌｓ［Ｍ］． 北京；电子工业出版社，２００４ ［３］Ｐｅｄｅｒｓｏｎ Ｔ Ｂ，Ｊｅｎｓｅｎ Ｃ ｓ Ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ ｄａｔａ ｍｏｄｅｌｉｎｇ ｆｏｒ ｈｏｕｓｉｎｇ ａｎｄ ０ＬＡＰ．Ａｔｌａｎｔａ，Ｇｅｏｒｇｉａ，ＵＳＡ，２００１：卜８ ｒ １０－］Ｈｕｎａｄｏ Ｃ Ａ．Ｍｅｎｃｌｅｌｚｏｎ Ａ Ｑ ＯＬＡＰ Ｄｉｍｅｎｓｉｏｎ Ｃｏｎｓｔｒａｉｎｔｓ ［ｃ］／／Ｐｒｏｃ．ＡＣＭ ＰＯＤＳ．Ｍａｄｉｓｏｎ，ＵＳＡ，２００２：１６９—１７９ ［１１］Ｖａｉｓｍａｎａ Ａ Ａ，Ｍｅｎｄｅｌｚｏｎｂ Ａ Ｏ，Ｒｕａｒｏａ Ｗ，ｅｔ ａ１．Ｓｕｐｐｏｓｉｎｇ ｄｉｍｅｎｓｉｏｎ ｕｐｄａｔｅｓ ｉｎ ａｎ ＯＬＡＰ ｓｅｒｖｅｒ［Ｊ－］．Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍｓ， ２００４，（２９）：１６５—１８５ ｃｏｍｐｌｅｘ ｄａｔａ［Ａ－］／／Ｐｒｏｃｅｅｄｉｇｓｎ ｏｆ ｔｈｅ １５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ ｏｎ－Ｃ ・２３９・
