CN102867058B - 一种无线数据广播环境下的空间关键字检索方法 - Google Patents

Abstract

本发明属于无线数据广播技术领域，具体为一种在无线数据广播环境下的空间关键字检索的方法。本发明首先对服务器端的文档进行预处理，生成网格索引以及每个网格的倒排表索引；然后将索引和文档集合周期性地广播；移动终端提出空间关键字查询请求，并进入广播信道，下载索引，通过索引得到落在感兴趣区域并包含感兴趣关键字的文档的到达时间；接着用户根据文档的到达时间，进入信道下载文档；最后用户在本地端进行计算确认最终结果。本发明方法所设计的索引非常小，可以在一个周期内分布多次索引，以降低访问延迟；并且，通过索引用户可以剪枝落在区域外或者不包含感兴趣关键字的文档，从而使用户保持监听状态的时间大大减小，降低能量消耗。

Description

一种无线数据广播环境下的空间关键字检索方法

技术领域

本发明属于无线数据广播技术领域，具体涉及一种在无线数据广播环境下的空间关键字检索的方法。

背景技术

随着信息系统中，特别是互联网上的文本文献数量的急剧增长，关键字查询技术已经成为了当今计算机研究的热点之一，并在各个领域得到广泛应用。另一方面，随着无线通讯技术的发展以及移动设备的大规模应用，空间数据库在现实中得到了很好的应用，成为了当今的研究热点之一，其发展前景被广泛看好。这两者的结合，使互联网上文本信息和位置信息结合的文档（如企业黄页）越来越普遍，从而使空间关键字检索技术成为新的研究热点。

在空间关键字检索领域，区域限制的关键字查询是一种很常见的查询。其定义为：给定N个文档D={d ₁,d ₂,…,d _N }，每个文档都包含位置信息loc _i 以及文本信息text _i ，对于用户提交的查询RCKQ(loc _q ,text _q ,radius)，其中，loc _q 表示查询点的位置，text _q 表示用户提交的关键字集合，返回距离查询点不超过radius，且包含的所有关键字text _q 文档集合。

无线数据广播是移动数据管理的一个重要研究分支，通过向空中广播数据，可以支持大量移动计算设备并发访问服务器上的数据，发送代价与接收者个数基本无关；利用无线信道的天然广播特性，提高了系统的可伸缩性。数据库和移动计算这两个领域最重要的会议和期刊均发表了多篇研究无线数据广播的论文。同时，无线数据广播技术有着很好的应用前景，在消费电子、公共信息的发布、军事等很多领域已有实际的应用。而无线局域网的高速推广和3G网络的部署，将为无线数据应用提供更好的基础网络平台。

无线数据广播是目前无线移动网络中广泛采用的数据传递方法，广播服务器通过公共的信道发送信息，用户在广播信道上侦听并及时将自己感兴趣的数据下载到本地。从用户角度，无线信道可看成是存储数据的载体，和可随机访问的内存和硬盘不同，无线信道中的数据只能顺序访问。

如何快速访问和节省能源是无线数据广播中研究的两个主要问题，相应的，有两个评价广播性能的主要参数：访问时间（AccessTime）和调谐时间（TuningTime）：

（1）访问时间(AT)：从用户提出请求到请求得到满足之间经过的时间；

（2）调谐时间(TT)：用户在提出请求到请求得到满足之间需要保持侦听状态的时间。在广播信道中插入索引时减少调谐时间的主要方法，如何设计高效率的索引也得到了很多研究者的关注。

将关键字检索技术与无线数据广播结合是近年来比较热门的研究领域。已出现的技术有基于倒排表索引和哈希索引的无线数据广播环境下的全文检索技术。已有的技术只考虑了文本信息，而没有考虑位置信息，因此已有的技术并不能有效支持空间关键字检索，存在一定的局限。

发明内容

本发明针对背景技术中所述的现有方法仅考虑文档的文本信息，而没有考虑位置信息的缺陷，提出了一种无线数据广播环境下有效支持空间关键字检索的方法，该方法结合网格索引和倒排表索引，进一步提高了无线数据广播系统的性能。

本发明提出的无线数据广播下的空间关键字检索的方法，其总体思路是：首先对服务器端的文档进行预处理，生成网格索引以及每个网格的倒排表索引。然后将索引和文档集合周期性地广播。移动终端提出空间关键字查询请求，并进入广播信道，下载索引，通过索引得到落在感兴趣区域并包含感兴趣关键字的文档的到达时间。接着用户根据文档的到达时间，进入信道下载文档。最后，用户在本地端进行计算确认最终结果。

本发明具体步骤如下：

（1）对服务器端的文档进行预处理：

对于服务器端的N个文档D={d ₁,d ₂,…,d _N }，每个文档d _i 都包含位置信息loc _i 以及文本信息text _i ，其中，位置信息loc _i =(x,y)，表示文档所在位置的经纬度，文本信息text _i 由若干个关键字（单词）组成；依次读取每个文档d _i 的位置信息和文本信息，建立一种基于网格索引与倒排表结合的索引I；索引I分为两层：第一层为网格索引，第二层为倒排表；

（2）以步骤(1)建立的索引I，通过无线信道，将索引I和文档集合周期性地广播；

（3）移动终端提出空间关键字查询请求Q(loc _q ,text _q ,radius)：

loc _q 表示查询点的位置，text _q 表示用户提交的关键字集合，要求返回距离查询点不超过radius，且包含的所有关键字text _q 文档集合，即Q(loc _q ,text _q ,radius)=，其中dist(loc _q ,loc _i )表示loc _q 和loc _i 之间的直线距离；

（4）移动终端访问协议：

（a）移动终端下载索引的第一层，即网格划分索引；通过网格索引，用户首先计算与查询区域有交叉的网格；

（b）基于阶段（a）的结果，客户端将所有交叉的网格按下一次广播时间排序，然后等待第一个交叉的网格被广播，在等待过程中保持休眠状态；当第一个交叉的网格被广播时，用户进入信道，获取该网格的倒排表，通过倒排表，获得该网格内包含查询关键字的文档（以下称这些文档为候选文档）的下一次广播时间，进而获取该网格内的所有获选文档（在等待候选文档时同样保持休眠状态）；接着，重复以上过程，直至获取所有交叉的网格的候选文档；

（c）在获取所有候选文档之后，客户端在本地进行确认，即对于每个候选文档，计算该文档到查询点的距离，进而获取最终精确结果。

本发明中，步骤（1）中所述服务器端对文档的预处理的步骤如下：

（a）遍历所有文档，得出所有文档的位置信息，并得到所有文档位置所覆盖的总区域R；然后用一个最小矩形MBR将区域R包含起来；

（b）将矩形MBR等分成g×g个网格，根据每个文档d _i 的位置信息loc _i ，计算d _i 所属的网格，从而建立网格索引GI，记录每个网格G _i,j 所包含的文档，G _i,j 表示第i行第j列网格；

（c）对于每个网格G _i,j ，遍历该网格包含的文档，根据每个文档的文本信息text _i ，建立该网格的倒排表索引IF _i,j ，倒排表由两部分组成：词汇表（即所有关键字集合），和包含每个单词的文档列表。

本发明中，步骤（2）中所述索引和文档集合周期性地广播的步骤如下：

（a）按照前述求出的网格索引GI，首先在一个周期开始处广播GI。具体地，网格索引GI包括三部分：

求出的MBR的左下角和右上角的经纬度：（min_x,min_y）、（max_x,max_y）；

经过上述等分划分之后，网格的长度l和宽度w；

各个网格的倒排表索引IF _i,j 的下一次广播时间；

（b）接着，每个网格包含的文档在一个周期内逐个广播，即单个网格内的所有文档将出现在一个周期内的连续位置；在网格G _i,j 的文档被广播之前，都附有网格的倒排表索引IF _i,j ；其中，IF _i,j 记录了网格G _i,j 内的词汇表，以及包含每个关键字的所有文档的下一次广播时间。

本发明所描述的无线数据广播环境下的空间关键字检索方法有以下优点：

（1）本发明方法所设计的索引非常小，因此可以在一个周期内分布多次索引，以降低访问延迟；

（2）通过索引，用户可以剪枝落在区域外或者不包含感兴趣关键字的文档，从而使用户保持监听状态的时间大大减小，降低能量消耗。

附图说明

图1显示了服务器端的各个文档包含的关键字。

图2显示了服务器端的各个文档包含的位置。

图3显示了一种2×2的网格划分。

图4显示了网格G _2,2的倒排表索引IF _2,2。

图5显示了一个广播周期的索引和文档。

图6为不同网格划分对系统性能的影响图示。其中，a和b分别为不同网格划分对模拟数据SYN的AT指标和TT指标的影响，c和d分别为不同网格划分对真实数据London的AT指标和TT指标的影响。

图7为查询区域大小对系统性能的影响图示。其中，a和b分别为查询区域大小对模拟数据SYN的AT指标和TT指标的影响，c和d分别为查询区域大小对真实数据London的AT指标和TT指标的影响。

图8为查询关键字个数对系统性能的影响图示。其中，a和b分别为查询关键字个数对模拟数据SYN的AT指标和TT指标的影响，c和d分别为查询关键字个数对真实数据London的AT指标和TT指标的影响。

具体实施方式

下面结合实施例子来详细介绍本发明所述方法的具体执行过程：

（1）对服务器端的文档进行预处理：

a)根据图1和图2所示的文档包含的关键字和位置信息，将文档所在位置覆盖的区域等分成2×2个网格，网格划分如图3所示，本例子中，网格为边长为w的正方形；

b)对每个网格，遍历该网格所包含的文档，根据文档所包含的关键字，建立该网格的倒排表索引。图4所示为网格G _2,2的倒排表索引IF _2,2；

（2）将索引和文档周期性地广播：

a)首先，在每个周期开始处广播网格索引，如图5所示，周期开始处广播的是网格索引，该索引包含了覆盖区域的左下角和右上角的经纬度，网格的宽度w，以及4个网格各自的倒排表索引下一次广播时间p _i,j ；

b)接着按G _1,1-G _2,1-G _2,2-G _1,2的顺序广播每个网格的倒排表索引以及网格所包含的文档。对于每个网格，倒排表索引首先被广播，接着是该网格包含的文档；

（3）用户提出空间关键字查询请求，如图2所示，用户位于q点，感兴趣范围为半径为radius的圆形区域，用户感兴趣的关键字集合text _q ={weather,transportation}；

（4）假设该用户在某周期的开始位置进入信道，获取了该周期的网格索引。通过网格划分信息，用户计算得与查询区域交叉的候选网格为G _2,2和G _1,2。通过p _2,2和p _1,2，用户获得G _2,2和G _1,2的下一次广播时间。因此在G _2,2到来之前保持休眠状态，然后读取IF _2,2。通过IF _2,2，如图4所示，用户获得包含关键字集合{weather,transportation}的文档d ₄的下一次广播时间，进而读取d ₄的数据。同样，用户读取了d ₅的数据。最后，计算出d ₄和d ₅都落在感兴趣区域内，因此作为结果返回。

表1显示了实验采用的数据集，其中SYN为模拟数据，London为真实数据。

数据集	文档数量	词汇表大小	平均每个文档包含关键字个数
				SYN	21048	602	20
London	34,162	12,551	3.35。

Claims (3)

1.一种在无线数据广播环境下的空间关键字检索的方法，其特征在于具体步骤如下：

（1）对服务器端的文档进行预处理：

对于服务器端的N个文档D={d ₁,d ₂,…,d _N }，每个文档d _i 都包含位置信息loc _i 以及文本信息text _i ，其中，位置信息loc _i =(x,y)，表示文档所在位置的经纬度，文本信息text _i 由若干个关键字组成，其中，关键词为单词；依次读取每个文档d _i 的位置信息和文本信息，建立一种基于网格索引与倒排表结合的索引I；索引I分为两层：第一层为网格索引，第二层为倒排表；

（2）以步骤(1)建立的索引I，通过无线信道，将索引I和文档集合周期性地广播；

（3）移动终端提出空间关键字查询请求Q(loc _q ,text _q ,radius)：

loc _q 表示查询点的位置，text _q 表示用户提交的关键字集合，要求返回距离查询点不超过radius，且包含的所有关键字text _q 文档集合，即Q(loc _q ,text _q ,radius)=，其中dist(loc _q ,loc _i )表示loc _q 和loc _i 之间的直线距离；

（4）移动终端访问协议：

（a）移动终端下载索引的第一层，即网格划分索引；通过网格索引，用户首先计算与查询区域有交叉的网格；

（b）基于阶段（a）的结果，客户端将所有交叉的网格按下一次广播时间排序，然后等待第一个交叉的网格被广播，在等待过程中保持休眠状态；当第一个交叉的网格被广播时，用户进入信道，获取该网格的倒排表，通过倒排表，获得该网格内包含查询关键字的文档的下一次广播时间，其中，这些文档称为候选文档，进而获取该网格内的所有获选文档，其中，在等待候选文档时同样保持休眠状态；接着，重复以上过程，直至获取所有交叉的网格的候选文档；

（c）在获取所有候选文档之后，客户端在本地进行确认，即对于每个候选文档，计算该文档到查询点的距离，进而获取最终精确结果。

2.根据权利要求1所述的方法，其特征在于步骤（1）中所述服务器端对文档的预处理的步骤如下：

（a）遍历所有文档，得出所有文档的位置信息，并得到所有文档位置所覆盖的总区域R；然后用一个最小矩形MBR将区域R包含起来；

（b）将矩形MBR等分成g×g个网格，根据每个文档d _i 的位置信息loc _i ，计算d _i 所属的网格，从而建立网格索引GI，记录每个网格G _i,j 所包含的文档，G _i,j 表示第i行第j列网格；

（c）对于每个网格G _i,j ，遍历该网格包含的文档，根据每个文档的文本信息text _i ，建立该网格的倒排表索引IF _i,j ，倒排表由两部分组成：词汇表即所有关键字集合，和包含每个单词的文档列表。

3.根据权利要求2所述的方法，其特征在于步骤（2）中所述索引和文档集合周期性地广播的步骤如下：

（a）按照前述求出的网格索引GI，首先在一个周期开始处广播GI，

其中，网格索引GI包括三部分：

求出的MBR的左下角和右上角的经纬度：（min_x,min_y）、（max_x,max_y）；

经过上述等分划分之后，网格的长度l和宽度w；

各个网格的倒排表索引IF _i,j 的下一次广播时间；

（b）接着，每个网格包含的文档在一个周期内逐个广播，即单个网格内的所有文档将出现在一个周期内的连续位置；在网格G _i,j 的文档被广播之前，都附有网格的倒排表索引IF _i,j ；其中，IF _i,j 记录了网格G _i,j 内的词汇表，以及包含每个关键字的所有文档的下一次广播时间。