CN111190933B - 基于区间数的电商类目深度查询方法 - Google Patents
基于区间数的电商类目深度查询方法 Download PDFInfo
- Publication number
- CN111190933B CN111190933B CN201911377229.6A CN201911377229A CN111190933B CN 111190933 B CN111190933 B CN 111190933B CN 201911377229 A CN201911377229 A CN 201911377229A CN 111190933 B CN111190933 B CN 111190933B
- Authority
- CN
- China
- Prior art keywords
- category
- interval number
- parent
- node
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2433—Query languages
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0603—Catalogue ordering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于区间数的电商类目深度查询方法,通过获得类目数据,类目数据中的子类目parent_id存储父类目id,查询类目数据得到类目的父子关系,并根据parent_id对应的父子关系将类目组装成树形结构,得到类目树;计算得到各个类目节点的区间数,包括左区间数和右区间数,并持久化到数据库中;通过对所得数据库中的类目树的各类目节点的左区间数和右区间数进行比较,查询获得父类目下所有的子类目数据,查询获得子类目的所有父类目数据。该种基于区间数的电商类目深度查询方法,查询效率高,且不依赖数据库版本。
Description
技术领域
本发明涉及一种基于区间数的电商类目深度查询方法。
背景技术
在电商平台,当商品较少时,用户可以一个一个的浏览,然后选择自己喜欢的商品,但当商品越来越多,达到上亿甚至几十亿的时候,用户是没有办法一个进行浏览选择的,此时通常采用建立商品类目的方式来对商品进行划分归类,提高用户获取所需商品的便捷度。
电商平台的类目一般是设置成三层,一级类目、二级类目和三级类目这种树状的类目结构,通常叫做类目树。但考虑到商品数据的复杂度偏高或偏低的的情况下,部分类目的层级可能大于或少于三级,所以在数据库设计的时候需要做到灵活可扩展的无限层级,通常采用parent_id的这种平级的的数据结构来存储类目树。类目在电商中属于高频访问数据,所以对查询性能有一定要求,在此结构下,通过子类目查询上父类目,可以通过parent_id来进行查询,但是如果需要通过父类目查询所有子类目(如查询某一级类目下所有商品)或子类目查询所有父类目(如根据子类目,查询类目路径)的时候,通常无法用一条简单的sql进行查询,部分数据库如 Oracle提供了start with connect by prior的语法进行递归查询,但递归查询效率不高且强依赖数据库类型,若使用了不支持递归语法的数据库(如 mysql),则通常会使用代码来进行查询得到所有子类目再根据子类目查询所有商品,但也需要进行递归,且需要执行多次 sql语句查询,效率上也不高。
上述问题是在电商类目查询过程中应当予以考虑并解决的问题。
发明内容
本发明的目的是提供一种基于区间数的电商类目深度查询方法解决现有技术中存在的递归查询效率不高的问题。
本发明的技术解决方案是:
一种基于区间数的电商类目深度查询方法,包括以下步骤,
S1、获得类目数据,类目数据中的子类目parent_id存储父类目id,查询类目数据得到类目的父子关系,并根据 parent_id对应的父子关系将类目组装成树形结构,得到类目树;
S2、对步骤S1中得到的类目树,计算得到各个类目节点的区间数,包括左区间数和右区间数;
S3、将步骤S2所获得的类目树的各类目节点的左区间数和右区间数持久化到数据库中;
S4、通过对步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数进行比较,查询获得父类目下的子类目数据和/或查询获得子类目的父类目数据。
进一步地,步骤S2中,计算得到各个类目节点的右区间数为:右区间数rightIndex= 左区间数leftIndex + 2*类目节点的所有子类目数之+1。
进一步地,步骤S2中,对步骤S1中得到的类目树,采用回溯法计算得到各个类目节点的区间数,包括左区间数和右区间数,具体为,
S21、设置初始值 rangeIndex变量为1,用于计算左区间数,对类目树的所有类目节点进行遍历,在偏历至当前类目节点时,进入下一步骤;
S22、判断当前类目节点是否为叶子节点,如当前类目节点是叶子节点,进入下一步骤;如当前类目节点不是叶子节点,进入步骤S24;
S23、设置左区间数leftIndex = rangeIndex,并同步设置 rangeIndex + 1,右区间数rightIndex = leftIndex + 1,进入步骤S25;
S24、设置左区间数 leftIndex = rangeIndex,并同步设置 rangeIndex + 1;遍历该当前类目节点的所有子类目,获取当前类目节点的所有子类目数之和,设置rightIndex = leftIndex + 2*类目节点的所有子类目数之+1;
S25、遍历下一类目节点,返回步骤S22,直至偏历完类目树的所有类目节点,得到各类目节点的左区间数和右区间数。
进一步地,步骤S21中,采用深度优先遍历对类目树的所有类目节点进行遍历。
进一步地,步骤S4中,查询获得父类目下所有的子类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数大于父类目的左区间数,且右区间数小于父类目右区间数的所有类目节点,即获得该父类目下所有的子类目数据。
进一步地,步骤S5中,查询获得子类目的所有父类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数小于子类目左区间数,且右区间数大于子类目右区间数的所有类目节点,即获得子类目的所有父类目数据。
有益效果
本发明的有益效果是:该种基于区间数的电商类目深度查询方法,查询效率高,通过维护区间数的方式来避免递归查找,针对查询效率高,由测试结果可看出本发明方法的查询效率得以大幅提高。该方法不依赖数据库版本,任何一种数据库均可实现。该种基于区间数的电商类目深度查询方法,查询逻辑简洁合理,不需要依赖复杂 Sql或代码即可实现类目树的深度查询,仅需要对比区间数范围即可实现。
附图说明
图1是本发明实施例基于区间数的电商类目深度查询方法的流程示意图。
图2是实施例中将类目组装成树形结构得到的类目树的示意图。
图3是实施例中计算得到各个类目节点的区间数的流程示意图。
图4是实施例中类目树的各类目节点的左区间数和右区间数的说明示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
实施例
一种基于区间数的电商类目深度查询方法,包括以下步骤,
S1、获得类目数据,类目数据中的子类目parent_id存储父类目id,查询类目数据得到类目的父子关系,并根据 parent_id对应的父子关系将类目组装成树形结构,得到类目树;
S2、对步骤S1中得到的类目树,计算得到各个类目节点的区间数,包括左区间数和右区间数;
步骤S2中,对步骤S1中得到的类目树,采用回溯法计算得到各个类目节点的区间数,包括左区间数和右区间数,具体为,
S21、设置初始值 rangeIndex变量为1,用于计算左区间数,对类目树的所有类目节点进行遍历,在偏历至当前类目节点时,进入下一步骤;步骤S21中,采用深度优先遍历对类目树的所有类目节点进行遍历。
S23、判断当前类目节点是否为叶子节点,如当前类目节点是叶子节点,进入下一步骤;如当前类目节点不是叶子节点,进入步骤S25;
S24、设置左区间数leftIndex = rangeIndex,并同步设置 rangeIndex + 1,右区间数rightIndex = leftIndex + 1,进入步骤S26;
S25、设置左区间数 leftIndex = rangeIndex,并同步设置 rangeIndex + 1;遍历该当前类目节点的所有子类目,获取当前类目节点的所有子类目数之和,设置rightIndex = leftIndex + 2*类目节点的所有子类目数之+1;
S26、遍历下一类目节点,返回步骤S23,直至偏历完类目树的所有类目节点,得到各类目节点的左区间数和右区间数。
S3、将步骤S2所获得的类目树的各类目节点的左区间数和右区间数持久化到数据库中;
S4、通过对步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数进行比较,查询获得父类目下的子类目数据和/或查询获得子类目的父类目数据。
步骤S4中,查询获得父类目下所有的子类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数大于父类目的左区间数,且右区间数小于父类目右区间数的所有类目节点,即获得该父类目下所有的子类目数据。
步骤S4中,查询获得子类目的所有父类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数小于子类目左区间数,且右区间数大于子类目右区间数的所有类目节点,即获得子类目的所有父类目数据。
该种基于区间数的电商类目深度查询方法,查询效率高,通过维护区间数的方式来避免递归查找,针对查询效率高,由测试结果可看出本发明方法的查询效率得以大幅提高。该方法不依赖数据库版本,任何一种数据库均可实现。该种基于区间数的电商类目深度查询方法,查询逻辑简洁合理,不需要依赖复杂 Sql或代码即可实现类目树的深度查询,仅需要对比区间数范围即可实现。
该种基于区间数的电商类目深度查询方法,通过对各个类目节点设置左区间数和右区间数,设定公式右区间数 = 左区间数 + 2 * 所有子类目数 + 1,提供父类目与子类目之间,父类目的左区间数与右区间数范围涵盖所有子类目的左区间数和右区间数的特性来实现深度查询,不依赖数据库类型和代码递归查询来进行商品类目的深度查询。
实施例的一个具体示例如下:
S1、获得类目数据,类目数据中的子类目parent_id存储父类目id,查询类目数据得到类目的父子关系,查询所有类目,假设有如下类目,类目深度为三级,子类目 parent_id存储父类目id。如下表:
将表中的类目数据根据 parent_id对应的父子关系将类目组装成树形结构,得到图2中的类目树。
S2、对步骤S1中得到的类目树,计算得到各个类目节点的区间数,包括左区间数和右区间数。
采用回溯法计算得到各个类目节点的区间数,包括左区间数和右区间数,如图3,具体为,
S21、设置初始值 rangeIndex变量为1,用于计算左区间数,对类目树的所有类目节点进行遍历,在偏历至当前类目节点时,进入下一步骤;
S22、判断当前类目节点是否为叶子节点,如当前类目节点是叶子节点,进入下一步骤;如当前类目节点不是叶子节点,进入步骤S24;
S23、设置左区间数leftIndex = rangeIndex,并同步设置 rangeIndex + 1,右区间数rightIndex = leftIndex + 1,进入步骤S25;
S24、设置左区间数 leftIndex = rangeIndex,并同步设置 rangeIndex + 1;遍历该当前类目节点的所有子类目,获取当前类目节点的所有子类目数之和,设置rightIndex = leftIndex + 2*类目节点的所有子类目数之+1;
S25、遍历下一类目节点,返回步骤S22,直至偏历完类目树的所有类目节点,得到各类目节点的左区间数和右区间数,如图4。
S3、将步骤S2所获得的类目树的各类目节点的左区间数和右区间数持久化到数据库中。
S4、通过对步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数进行比较,查询获得父类目下的子类目数据和/或查询获得子类目的父类目数据。
在深度向下查询的场景下,如查询大家电下类目下所有商品,根据已有大家电区间数 1-18 和步骤5中计算出的区间数以及父类目与子类目区间数之间的涵盖特性,使用SELECT * FROM 商品 WHERE`类目id`IN(SELECT id FROM 类目 WHEREleft_range>1ANDright_range<18)语句即可以查询出大家电类目下的所有商品.
在深度向下查询的场景下,如查询大家电类目下所有三级类目数据,根据已有大家电区间数 1-18 和步骤S2中计算出的区间数以及父类目与子类目区间数之间的涵盖特性,SELECT * FROM 商品 WHERE `类目id` IN(SELECT id FROM 类目 WHEREleft_range>1ANDright_range<18)ANDlevel = 3语句即可以查询出大家电类目下的所有三级类目。
在深度向上查询的场景下,如查询滚筒洗衣机的类目树路径,根据已有滚筒洗衣机区间数 3-4和步骤5中计算出的区间数以及子类目区间数被父类目区间数被涵盖的特性,使用 SELECT * FROM 类目 WHEREleft_range<3ANDright_range>4语句即可以得到所有父类目节点数据组装成类目树路径:大家电-洗衣机-滚筒洗衣机。
根据步骤S3计算得到各个类目节点的区间数,有父类目的左区间数比所有子类目小且右区间数比所有子类目大,子类目的左区间数大于所有父类目节点的左区间数且右区间数小于所有父类目节点的特性。如大家电类目,左区间数为1,小于所有子类目的左区间数,右区间值为18,比所有子类目的右区间数都大。滚筒洗衣机的左区间数为3,大于父类目洗衣机和大家电的左区间数2和1,右区间数小于父类目洗衣机和大家电的左区间数9和18,而厨房大电和生活小家电器等其余类目节点不满足此条件。
在深度向上查询的场景下,如查询商品的类目树路径作为查询列结果进行数据导出,使用SELECT p.商品名, GROUP_CONCAT(ca.`name`)FROM 商品 pLEFT JOIN 类目 c ONp.`类目id` = c.idLEFT JOIN 类目 ca ON ca.left_range<c.left_range ANDca.right_range>c.right_rangeGROUP BY p.id 语句查询即可实现。
实施例方法通过以 Oracle为数据库设定使用数据库提供的sql查询,利用代码进行深度查询和区间数进行查询进行测试,设定类目层级为四级,5个一级类目,每个一级下有10个二级类目,每个二级类目下有10个三级类目,每个三级类目下有20个四级类目。设定三种场景分别为查询:
1. 场景一为查询某一级类目下所有子类目
2.场景二为查询某一级类目下所有三级类目
3.场景三为查询某四级类目的所有父类目
分别测试50次记录查询耗时并取平均数进行测试,测试结果数据如下表:
由测试结果可看出,实施例方法的类目深度查询效率在进行某一级类目下所有子类目的场景下效率提升最高,查询效率比代码实现提高83%,比 Sql语法实现提高72%,在某一级类目下所有三级类目和某四级类目的所有父类目的场景下查询效率也均有提高。
Claims (4)
1.一种基于区间数的电商类目深度查询方法,其特征在于:包括以下步骤,
S1、获得类目数据,类目数据中的子类目parent_id存储父类目id,查询类目数据得到类目的父子关系,并根据 parent_id对应的父子关系将类目组装成树形结构,得到类目树;
S2、对步骤S1中得到的类目树,计算得到各个类目节点的区间数,包括左区间数和右区间数;
S3、将步骤S2所获得的类目树的各类目节点的左区间数和右区间数持久化到数据库中;
S4、通过对步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数进行比较,查询获得父类目下的子类目数据和/或查询获得子类目的父类目数据;
步骤S2中,对步骤S1中得到的类目树,采用回溯法计算得到各个类目节点的区间数,包括左区间数和右区间数,具体为,
S21、设置初始值 rangeIndex变量为1,用于计算左区间数,对类目树的所有类目节点进行遍历,在偏历至当前类目节点时,进入下一步骤;
S22、判断当前类目节点是否为叶子节点,如当前类目节点是叶子节点,进入下一步骤;如当前类目节点不是叶子节点,进入步骤S24;
S23、设置左区间数leftIndex = rangeIndex,并同步设置 rangeIndex + 1,右区间数rightIndex = leftIndex + 1,进入步骤S25;
S24、设置左区间数 leftIndex = rangeIndex,并同步设置 rangeIndex + 1;遍历该当前类目节点的所有子类目,获取当前类目节点的所有子类目数之和,设置 rightIndex =leftIndex + 2*类目节点的所有子类目数之+1;
S25、遍历下一类目节点,返回步骤S22,直至偏历完类目树的所有类目节点,得到各类目节点的左区间数和右区间数。
2.如权利要求1所述的基于区间数的电商类目深度查询方法,其特征在于:步骤S21中,采用深度优先遍历对类目树的所有类目节点进行遍历。
3.如权利要求1-2任一项所述的基于区间数的电商类目深度查询方法,其特征在于:步骤S4中,查询获得父类目下所有的子类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数大于父类目的左区间数,且右区间数小于父类目右区间数的所有类目节点,即获得该父类目下所有的子类目数据。
4.如权利要求1-2任一项所述的基于区间数的电商类目深度查询方法,其特征在于:步骤S4中,查询获得子类目的所有父类目数据,具体为,根据步骤S3中所得数据库中的类目树的各类目节点的左区间数和右区间数,使用 sql语句查询出所有左区间数小于子类目左区间数,且右区间数大于子类目右区间数的所有类目节点,即获得子类目的所有父类目数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377229.6A CN111190933B (zh) | 2019-12-27 | 2019-12-27 | 基于区间数的电商类目深度查询方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911377229.6A CN111190933B (zh) | 2019-12-27 | 2019-12-27 | 基于区间数的电商类目深度查询方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111190933A CN111190933A (zh) | 2020-05-22 |
CN111190933B true CN111190933B (zh) | 2022-08-12 |
Family
ID=70707705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911377229.6A Active CN111190933B (zh) | 2019-12-27 | 2019-12-27 | 基于区间数的电商类目深度查询方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111190933B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328797B (zh) * | 2021-11-09 | 2024-03-19 | 腾讯科技(深圳)有限公司 | 内容搜索方法、装置、电子设备、存储介质及程序产品 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737057A (zh) * | 2011-04-14 | 2012-10-17 | 阿里巴巴集团控股有限公司 | 一种商品类目信息的确定方法及装置 |
CN104424296A (zh) * | 2013-09-02 | 2015-03-18 | 阿里巴巴集团控股有限公司 | 查询词分类方法和装置 |
CN110309144A (zh) * | 2018-03-22 | 2019-10-08 | 北京新媒传信科技有限公司 | 一种运用redis构建树形数据结构的方法及装置 |
CN110597850A (zh) * | 2019-08-20 | 2019-12-20 | 北京东方国信科技股份有限公司 | 一种提高数据库查询响应速度的常量优化方法 |
-
2019
- 2019-12-27 CN CN201911377229.6A patent/CN111190933B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737057A (zh) * | 2011-04-14 | 2012-10-17 | 阿里巴巴集团控股有限公司 | 一种商品类目信息的确定方法及装置 |
CN104424296A (zh) * | 2013-09-02 | 2015-03-18 | 阿里巴巴集团控股有限公司 | 查询词分类方法和装置 |
CN110309144A (zh) * | 2018-03-22 | 2019-10-08 | 北京新媒传信科技有限公司 | 一种运用redis构建树形数据结构的方法及装置 |
CN110597850A (zh) * | 2019-08-20 | 2019-12-20 | 北京东方国信科技股份有限公司 | 一种提高数据库查询响应速度的常量优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111190933A (zh) | 2020-05-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8510291B2 (en) | System and method for processing database queries | |
US8843473B2 (en) | Method and server for handling database queries | |
KR20060043011A (ko) | 암시 술어를 이용하는 개선된 쿼리 최적화기 | |
CN103646032A (zh) | 一种基于本体和受限自然语言处理的数据库查询方法 | |
CN111190933B (zh) | 基于区间数的电商类目深度查询方法 | |
US11573987B2 (en) | System for detecting data relationships based on sample data | |
CN113868250A (zh) | 基于树状结构维度的数据分析方法、系统及存储介质 | |
Palshikar et al. | Association rules mining using heavy itemsets | |
Zheng et al. | Online subgraph skyline analysis over knowledge graphs | |
CN110032676B (zh) | 一种基于谓词关联的sparql查询优化方法及系统 | |
CN114490724B (zh) | 处理数据库查询语句的方法和装置 | |
CN110263108A (zh) | 一种基于道路网的关键词Skyline模糊查询方法及系统 | |
WO2023030461A1 (zh) | 一种分布式数据库检测方法及装置 | |
Endres et al. | Semi-skyline optimization of constrained skyline queries | |
Sakr et al. | Centralized RDF query processing | |
KR20180109379A (ko) | 관계형 데이터베이스의 조인 방법 | |
US9753963B2 (en) | System and method for determining an index of an object in a sequence of objects | |
Kumar et al. | Cost-based query optimization with heuristics | |
KR101218577B1 (ko) | 키워드 검색을 위한 sparql 질의 처리 수행 장치 및 방법 | |
Tang et al. | Materials Science Literature-Patent Relevance Search: A Heterogeneous Network Analysis Approach | |
CN106372238A (zh) | 一种基于数据库的非递归无限分类的实现方法 | |
CN112148830A (zh) | 一种基于最大区域网格的语义数据存储与检索的方法及装置 | |
US8200679B2 (en) | Estimating cardinalities of XML table constructs within queries | |
Petković | Comparison of different solutions for solving the optimization problem of large join queries | |
Meimaris et al. | Hierarchical characteristic set merging for optimizing SPARQL queries in heterogeneous RDF |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information |
Address after: 211100 floor 5, block a, China Merchants high speed rail Plaza project, No. 9, Jiangnan Road, Jiangning District, Nanjing, Jiangsu (South Station area) Applicant after: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd. Address before: 211100 No. 18 Zhilan Road, Science Park, Jiangning District, Nanjing City, Jiangsu Province Applicant before: JIANGSU AIJIA HOUSEHOLD PRODUCTS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |