CN110334252B - 一种偏序域上的skyline查询方法 - Google Patents

Abstract

本发明提供一种偏序域上的skyline查询方法，包括：对待测数据集进行分组；根据用户的偏好哈斯图按映射规则映射到所述全序维度上；对除分组维度外的每个所述分组内的数据建立倒排索引；根据循环扫描策略和临时表更新策略对分组的数据集进行扫描，并将扫描结果存放到临时结果集中，直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算；当所有分组的计算都结束时，结束算法，将所有临时结果集中的结果取并集输出，所述并集即为需要返回给用户的skyline。本发明解决了现有偏序域上skyline计算方法的效率瓶颈问题，通过将倒排索引引入skyline查询领域，利用提前对数据进行分组并建立倒排索引的方式提高了skyline计算效率。

Description

一种偏序域上的skyline查询方法

技术领域

本发明涉及数据查询技术领域，具体而言，尤其涉及一种偏序域上的skyline查询方法。

背景技术

Skyline查询是一种典型的多目标优化问题。高效地处理偏序域上的skyline查询是一个极具现实意义的问题。近年来，由于互联网技术的发展以及信息获取设备的进步，数据库收集处理的数据量增多，进一步，数据库中存储的数据量也急剧增加。但是，人们却很难从这些海量、庞杂的信息中挖掘出自己最想要的有价值的信息。因此，如何快速高效地从海量数据中返回给用户最为关心的数据越来越成为学术界关心的研究热点。偏序域上的skyline问题由于包括了用户的个性化偏好，在现实生活中更具有实际意义，但目前虽然在全序域上的skyline查询已经取得了丰硕的成果，但在处理偏序域上的数据时主要采用将所有偏序域直接映射到全序域，之后套用全序域上的计算方法进行计算，缺少一种针对偏序域上的数据有效率的计算方法。

因此，提出一种高效的偏序域上的Skyline查询方法来解决上述问题很有必要。

发明内容

根据上述提出的技术问题，而提供一种偏序域上的skyline查询方法。本发明主要利用一种偏序域上的skyline查询方法，其特征在于，包括以下步骤：

步骤S1：对待测数据集进行分组，选择所述待测数据集分组前属性个数最少的偏序维度作为分组维度；

步骤S2：将所述偏序维度映射到两个全序维度，对于每个除所述分组维度外的偏序维度，根据用户的偏好哈斯图按映射规则映射到所述全序维度上；所述用户的偏好哈斯图为去除传递的有向无环图；

步骤S3：对除分组维度外的每个所述分组内的数据建立倒排索引；

步骤S4：对除分组维度外的每个维度i建立临时表Tⁱ和结果集Rⁱ，临时表Tⁱ存放每个分组在维度i上表现最好的元组，结果集Rⁱ里存放维度i上扫描到的skyline元组；

步骤S5：根据循环扫描策略和临时表更新策略对分组的数据集进行扫描，并将扫描结果存放到临时结果集中，直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算；

步骤S6：当所有分组的计算都结束时，结束算法，将所有临时结果集中的结果取并集输出，所述并集即为需要返回给用户的skyline。

进一步地，所述对待测数据集进行分组即在给定d维空间上的数据集P，根据数据集P的偏序维度，当有多个偏序维度则选择属性值最少的一个偏序维度，进行分组，将在该维度上拥有相同属性值的元组分到一组。

更进一步地，所述映射规则首先采用将偏序域属性映射到两个全序域的方式处理；所述偏序域属性是对于每个偏序维度，对对应的用户偏好哈斯图进行深度优先遍历，并用间隔[x,y]进行标记，其中，x表示节点在深度优先遍历时第一次被扫描到的时刻，y表示节点结束扫描的时刻，即该点的子节点全部遍历结束；通过间隔间的覆盖表示偏序域上的偏好关系，对于没有头节点的哈斯图，则事先在所述哈斯图的顶端加一个虚拟头节点。

进一步地，所述步骤S5还包括以下步骤：

步骤S51：对每个维度i上的临时表维护一个变量times′_i，记录在所述临时表Tⁱ中扫描过的元组的个数，每次扫描时选择times′_i值最小的临时表进行扫描；

步骤S52：每次扫描选定临时表后，选择所述临时表中最优值的元组p_i与其所在维度的临时结果集Rⁱ中的元组进行比较，若不被结果集中的点支配则加入临时结果集的并集；

步骤S53：将扫描到的所述元组p_i从所述元组p_i所在是Tⁱ中删除，将维度i的分组中再选择最优元组加入Tⁱ；

步骤S54：将步骤S52扫描的所述元组p_i，将记录该数据点的扫描次数值加一；

当所述元组p_i的扫描次数值与|Dtotal|-1，即除分组维度外所有维度总数相等时，则进一步判断所述元组p_i在偏序维度PO_m对应间隔的数量；

若p_i在偏序维度PO_m对应多个间隔，则进一步判断p_i在PO_m上扫描到的值是否来自同一间隔；

若来自同一间隔，则所述元组p_i作为扫描结束点，结束计算；若不自同一间隔，则继续循环执行步骤S4，直到计算结束。

较现有技术相比，本发明具有以下优点：

本发明是一种高效的偏序域上的skyline查询方法，解决了现有偏序域上skyline计算方法的效率瓶颈问题，通过将倒排索引引入skyline查询领域，利用提前对数据进行分组并建立倒排索引的方式提高了skyline计算效率：首先，对给定数据集进行分组，在之后的计算中可以通过分组过滤策略对整组数据进行过滤来达到提高过滤效率的目的；其次，将偏序维度映射到全序维度，方便利用传统的skyline计算方法进行比较计算；最后，通过建立临时表和循环扫描策略快速找到扫描结束点，减少冗余计算，最终达到提高计算效率的目的。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施方式的整体流程示意图。

图2为本发明实施方式的图书数据信息举例示意图。

图3为本发明实施方式的带有偏序维度属性数据举例示意图。

图4为本发明实施方式的偏序维度对skyline查询结果影响示意图。

图5为本发明实施方式中数据按选择维度分组举例示意图。

图6为本发明实施方式中偏序维度向全序维度映射举例示意图。

图7为本发明实施方式中临时表Tⁱ示意图。

图8为本发明实施方式中临时结果集Rⁱ举例示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

如图1-8所示为本发明一种偏序域上的skyline查询方法，包括以下步骤：

步骤S1：对待测数据集进行分组，选择所述待测数据集分组前属性个数最少的偏序维度作为分组维度。

步骤S2：将所述偏序维度映射到两个全序维度，对于每个除所述分组维度外的偏序维度，根据用户的偏好哈斯图按映射规则映射到所述全序维度上；所述用户的偏好哈斯图为去除传递的有向无环图。

步骤S3：对除分组维度外的每个所述分组内的数据建立倒排索引。

作为一种优选的实施方式，本申请在数据的建立上，对于所有的偏序维度按映射规则映射到全序域上，然后，针对每一维的数据，都按照从优到劣的顺序。

步骤S4：对除分组维度外的每个维度i建立临时表Tⁱ和结果集Rⁱ，临时表Tⁱ存放每个分组在维度i上表现最好的元组，结果集Rⁱ里存放维度i上扫描到的skyline元组。

步骤S5：根据循环扫描策略和临时表更新策略对分组的数据集进行扫描，并将扫描结果存放到临时结果集中，直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算。

作为一种优选的实施方式，临时表更新策略在进行计算时，在每个维度i上从对应的临时表Tⁱ中取出最优值，与所在维度结果集Rⁱ中的元组进行比较，若不被结果集中的点支配则加入结果集。并将其从Tⁱ中删除，并从对应维度i的分组中再选择最优元组加入Tⁱ。

同时，作为一种优选的实施方式，在本发明中直到扫描到扫描结束点后，根据分组计算结束条件结束相应分组的计算(分组计算结束条件：若扫描到的元组p_i满足：记录的扫描次数与除分组维度外其他维度总数相等。即p_i.count＝|Dtotal|-2)；并且在偏序维度PO_j映射出的全序维度PO_j-TO₁、PO_j-TO₂上扫描到的值均是自同一间隔，那么可以结束元组p_i所在分组的计算，并且可以根据用户偏好，将在分组维度上表现比元组p_i差的所有分组的计算结束。

步骤S6：当所有分组的计算都结束时，结束算法，将所有临时结果集中的结果取并集输出，所述并集即为需要返回给用户的skyline。

在本实施方式中，所述对待测数据集进行分组即在给定d维空间上的数据集P，根据数据集P的偏序维度，当有多个偏序维度则选择属性值最少的一个偏序维度，进行分组，将在该维度上拥有相同属性值的元组分到一组。

作为一种优选的实施方式，所述映射规则首先采用将偏序域属性映射到两个全序域的方式处理；所述偏序域属性是对于每个偏序维度，对对应的用户偏好哈斯图进行深度优先遍历，并用间隔[x,y]进行标记，其中，x表示节点在深度优先遍历时第一次被扫描到的时刻，y表示节点结束扫描的时刻，即该点的子节点全部遍历结束；

通过间隔间的覆盖表示偏序域上的偏好关系，对于没有头节点的哈斯图，则事先在所述哈斯图的顶端加一个虚拟头节点。

在本实施方式中，步骤S5还包括以下步骤：

S51：对每个维度i上的临时表维护一个变量times′_i，记录在所述临时表Tⁱ中扫描过的元组的个数，每次扫描时选择times′_i值最小的临时表进行扫描；

S52：每次扫描选定临时表后，选择所述临时表中最优值的元组p_i与其所在维度的临时结果集Rⁱ中的元组进行比较，若不被结果集中的点支配则加入临时结果集的并集；

S53：将扫描到的所述元组p_i从所述元组p_i所在是Tⁱ中删除，将维度i的分组中再选择最优元组加入Tⁱ；

S54：将步骤S52扫描的所述元组p_i，将记录该数据点的扫描次数值加一；

当所述元组p_i的扫描次数值与|Dtotal|-1，即除分组维度外所有维度总数相等时，则进一步判断所述元组p_i在偏序维度PO_m对应间隔的数量；

若p_i在偏序维度PO_m对应多个间隔，则进一步判断p_i在PO_m上扫描到的值是否来自同一间隔；

若来自同一间隔，则所述元组p_i作为扫描结束点，结束计算；若不自同一间隔，则继续循环执行步骤S4，直到计算结束。

实施例：

本实施实验以图书信息为例进行skyline计算，其中，图2和图3表示实施例中的图书元组信息，包括三个维度，其中两个全序维度：价格和评分；一个偏序维度：图书种类；

对于不同用户对偏序维度上属性的偏好不同会导致最终返回给用户的结果产生很大变化，如图4所示，不同的用户对图书种类有不同的偏好，进而导致进行skyline查询后返回给用户的结果不同。

如图5所示，选择偏序维度图书种类作为分组维度，对所有图书信息进行分组，将图书种类相同的元组分到一组，本实施实验中仅涉及到一个偏序维度，当涉及多个偏序维度时，选择包括属性最少的维度作为分组维度。

如图6所示，映射规则如下：采用将偏序域属性映射到两个全序域的方式来处理偏序域属性：对于每个偏序维度，对对应的用户偏好哈斯图进行深度优先遍历，并用间隔[x,y]进行标记，其中x表示节点在深度优先遍历时第一次被扫描到的时刻，y表示节点结束扫描的时刻，即该点的子节点全部遍历结束。偏序域上的偏好关系就可以用间隔间的覆盖来表示，特别地，对于没有头节点的哈斯图，要事先在哈斯图的顶端加一个虚拟头节点，便于进行映射，如图6用户u₂所示。

实施例中第一轮扫描结束时临时表和临时结果集的情况如图7、图8所示。

为进一步提高skyline计算效率，对每个维度的临时表都维护一个变量count，用来记录该临时表中扫描过的元组总数，在进行步骤S52选择临时表进行扫描时，每次都选择count值最小的临时表进行扫描，这样可以更快地找到满足结束条件的元组，提高计算效率。

其中，步骤S55中结束条件包括：1)分组计算结束条件：若扫描到的元组p_i满足：记录的扫描次数与建立索引维度总数相等，并且在偏序维度PO_j映射出的全序维度PO_j-TO₁、PO_j-TO₂上扫描到的值均是自同一间隔，那么可以结束元组p_i所在分组的计算，并且可以根据用户偏好，将在分组维度上表现比元组p_i差的所有分组的计算结束；2)方法结束条件：当所有分组都结束计算时，方法可以结束，此时将各维度上的结果集取并集就是最终的skyline结果，可以直接返回给用户。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (3)

1.一种偏序域上的skyline查询方法，其特征在于，包括以下步骤：

S1：对待测数据集进行分组，选择所述待测数据集分组前属性个数最少的偏序维度作为分组维度；

S2：将所述偏序维度映射到两个全序维度，对于每个除所述分组维度外的偏序维度，根据用户的偏好哈斯图按映射规则映射到所述全序维度上；所述用户的偏好哈斯图为去除传递的有向无环图；

S3：对除分组维度外的每个所述分组内的数据建立倒排索引；

S4：对除分组维度外的每个维度i建立临时表Tⁱ和结果集Rⁱ，临时表Tⁱ存放每个分组在维度i上表现最好的元组，结果集Rⁱ里存放维度i上扫描到的skyline元组；

S5：根据循环扫描策略和临时表更新策略对分组的数据集进行扫描，并将扫描结果存放到临时结果集中，直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算；

S6：当所有分组的计算都结束时，结束算法，将所有临时结果集中的结果取并集输出，所述并集即为需要返回给用户的skyline；

所述映射规则首先采用将偏序域属性映射到两个全序域的方式处理；所述偏序域属性是对于每个偏序维度，对对应的用户偏好哈斯图进行深度优先遍历，并用间隔[x,y]进行标记，其中，x表示节点在深度优先遍历时第一次被扫描到的时刻，y表示节点结束扫描的时刻，即该点的子节点全部遍历结束；

通过间隔间的覆盖表示偏序域上的偏好关系，对于没有头节点的哈斯图，则事先在所述哈斯图的顶端加一个虚拟头节点。

2.根据权利要求1所述的一种偏序域上的skyline查询方法，其特征还在于：

所述对待测数据集进行分组即在给定d维空间上的数据集P，根据数据集P的偏序维度，当有多个偏序维度则选择属性值最少的一个偏序维度，进行分组，将在该维度上拥有相同属性值的元组分到一组。

3.根据权利要求1所述的一种偏序域上的skyline查询方法，其特征还在于：所述步骤S5还包括以下步骤：

S51：对每个维度i上的临时表维护一个变量times′_i，记录在所述临时表Tⁱ中扫描过的元组的个数，每次扫描时选择times′_i值最小的临时表进行扫描；

S52：每次扫描选定临时表后，选择所述临时表中最优值的元组p_i与其所在维度的临时结果集Rⁱ中的元组进行比较，若不被结果集中的点支配则加入临时结果集的并集；

S53：将扫描到的所述元组p_i从所述元组p_i所在是Tⁱ中删除，将维度i的分组中再选择最优元组加入Tⁱ；

S54：将步骤S52扫描的所述元组p_i，将记录该数据点的扫描次数值加一；

当所述元组p_i的扫描次数值与|Dtotal|-1，即除分组维度外所有维度总数相等时，则进一步判断所述元组p_i在偏序维度PO_m对应间隔的数量；

若p_i在偏序维度PO_m对应多个间隔，则进一步判断p_i在PO_m上扫描到的值是否来自同一间隔；

若来自同一间隔，则所述元组p_i作为扫描结束点，结束计算；若不自同一间隔，则继续循环执行步骤S4，直到计算结束。

Images