CN104346444B - 一种基于路网反空间关键字查询的最佳选址方法 - Google Patents
一种基于路网反空间关键字查询的最佳选址方法 Download PDFInfo
- Publication number
- CN104346444B CN104346444B CN201410568900.6A CN201410568900A CN104346444B CN 104346444 B CN104346444 B CN 104346444B CN 201410568900 A CN201410568900 A CN 201410568900A CN 104346444 B CN104346444 B CN 104346444B
- Authority
- CN
- China
- Prior art keywords
- businessman
- inquiry
- keywords
- data point
- node
- 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
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
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种基于路网反空间关键字查询的最佳选址方法,对于数据集采用基于连接聚簇的索引结构存储,并利用类迪杰斯特拉搜索方法来遍历索引;在遍历索引时本发明首先计算得到查询商家的潜在竞争商家的候选结果;接着利用提出的相关规则进行验证,判断其是否为真正的竞争商家。本发明结合了空间数据库的现有技术和反空间关键字算法,并且整个查询过程不需要遍历整个数据集,从而提供了最佳性能。
Description
技术领域
本发明涉及数据库的索引与查询技术,特别是一种基于路网反空间关键字查询的最佳选址方法。
背景技术
空间数据库是作为一种应用技术而诞生和发展起来的,其目的是为了存储、管理和检索各种地理空间数据(包括空间数据和非空间数据)。目前,空间数据库被广泛地应用于地理信息***、计算机辅助设计、多媒体信息***以及数据仓库,为以上***提供数据存储和查询解决方案。路网空间数据库作为空间数据库的重要组成部分,由于其广泛的应用得到了越来越多的关注。
为了快速、有效的访问路网空间数据,专家学者们提出了大量的空间索引方式。迄今为止,影响最大、应用最广泛的基于路网空间的索引是基于连接聚簇的索引方法。它利用了现有的路网的邻接信息,其构建思想是对任意路网节点的邻接节点以及路网上得数据点分别聚类存储,再用B树进行索引,从而达到最小化存取代价的目的。
在此基础上,专家学者们提出了各种各具特色的基于路网的查询及解决方法,如最近邻查询、连续最近邻查询、反向最近邻查询。其中基于路网的反最近邻查询是最近提出的一种新颖的查询。它主要从商家的角度进行查询,向商家返回基于路网距离影响用户最多的地址,从而向帮助商家进行选址推荐。
目前,针对路网反最近邻查询已有成熟的解决方案。但是在某些情况下,路网反最近邻查询不仅仅需要考虑空间信息,文本描述信息作为数据点的重要组成部分,在已有的方法中却没有得到有效利用。为了更好的帮助商家做出最佳选址决策,这就要求***能够处理路网环境下带有文本信息的反最近邻查询结果。但是现有的方法都不能有效的解决。
发明内容
本发明要克服现有技术不能有效利用文本描述信息的缺点,提供一种基于路网反空间关键字查询的最佳选址方法。
本发明解决其技术问题所采用的技术方案步骤如下:
步骤(1):收集已有商家信息,对其建立索引,收集查询商家备选地址信息和文本信息;
步骤(2):对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并利用查询文本信息,找到与查询商家有潜在竞争关系的商家;
步骤(3):利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证;
步骤(4):利用步骤(3)中的结果找到查询商家的最优备选地址。
所述的步骤(1)中每一个商家的信息包括地址信息和文本信息,其中地址信息是通过一个地理坐标表示的,文本信息是由一组或多组关键字表示的;所有商家信息是通过基于连接聚簇的索引模型对其建立索引的,索引文件包含了所有的商家地理位置信息以及文本信息,其中地理信息存储于连接表文件中,文本信息存放于数据点文件中;查询商家的所有信息都存储于文本文件中。
所述的步骤(2)中对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并利用查询文本信息,找到与查询商家有潜在竞争关系的商家,是通过判断关键字包含性以及路网距离实现的,计算得到的数据点集合也就是对查询商家可能构成竞争关系的商家;在计算的过程中,需要维护一个存放路网节点以及该节点到查询商家地址距离的优先队列,在该优先队列的队首总是当前距离查询点最近的路网节点;通过迪杰斯特拉方法扩展路网的获取数据点的过程中,还需要维护对应于当前路网节点的计数树用于保存关键字计数信息;计数树由2n-1个节点构成,每个节点包含三个计数值分别为c1,c2以及c3,其中c1表示查询节点到当前节点中关键字等于当前关键字的数据点个数,c2表示查询节点到当前节点中关键字包含当前关键字的数据点个数,c3表示查询节点到当前节点中邻接边上关键字包含当前关键字的数据点个数;若所有边界节点计数树的c1或c2数值都达到了给定的k值,则路网扩展结束,因为扩展的路网区域内不可能存在潜在的竞争商家;其中,在判断数据点是否是潜在竞争商家的过程中,分三种情况考虑:
2.1)该数据点的关键字集合被查询商家的关键字集合全部包含,这种状况下根据其当前路网节点的计数树中对应关键字的数值分为两种情况分别做出不同处理:
a)该数据点关键字集合所对应的当前路网节点的计数树的计数值小于给定的k值,则将当前数据点添加至候选集合并更新当前节点的计数树对应数值;
b)该数据点关键字集合所对应的当前路网节点的计数树的计数值大于或等于给定的k值,更新当前节点的计数树对应数值;
2.2)该数据点的关键字集合被查询商家的关键字集合部分包含,这种状况下需要更新当前节点的计数树对应数值,不将数据点加入候选集合中;
2.3)该数据点的关键字集合完全不被查询商家的关键字集合包含,这种状况下不需要对数据点以及计数树做任何处理。
所述的步骤(3)中利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证,是通过验证潜在竞争商家的k个包含其关键字集合的最近商家是否包含查询商家来实现的;对于每一个待验证的潜在竞争商家,首先要在索引中定位该商家的地理位置以及关键字集合,再根据潜在竞争商家到查询商家的距离范围内,关键字集合包含潜在竞争商家的关键字集合的所有商家数量来判断;在判断时,需考虑两种情况:
3.1)在潜在竞争商家到查询商家的距离范围内,如果存在多于或等于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家不是查询商家的真正竞争商家;
3.2)在潜在竞争商家到查询商家的距离范围内,存在小于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家是查询商家的真正竞争商家。
所述的步骤(4)中利用步骤(3)中的结果找到查询商家的最优备选地址,是根据每一个备选地址所具有的真正竞争商家数量来实现的,所具有的真正竞争商家数量最少的备选地址即是查询商家的最优备选地址。
本发明具有的有益效果是:
本发明充分利用了空间数据库中现有索引技术,反最近邻查询以及带有关键字查询技术,通过只遍历部分路网范围的商家信息便能得到查询结果,大大降低了I/O时间和CPU时间,提供了最佳性能。
附图说明
图1是本发明的实施步骤流程图。
图2为基于路网反空间关键字查询的最佳选址方法的工作原理示意图。
图3为查询示意图。
具体实施方式
现结合附图和具体实施对本发明的技术方案作进一步说明:
如图1,图2所示,本发明具体实施过程和工作原理如下:
步骤(1):收集已有商家信息,对其建立索引,收集查询商家备选地址信息和文本信息;
步骤(2):对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并利用查询文本信息,找到与查询商家有潜在竞争关系的商家;
步骤(3):利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证;
步骤(4):利用步骤(3)中的结果找到查询商家的最优备选地址。
步骤(1)中每一个商家的信息包括地址信息和文本信息,其中地址信息是通过一个地理坐标表示的,文本信息是由一组或多组关键字表示的;所有商家信息是通过基于连接聚簇的索引模型对其建立索引的,索引文件包含了所有的商家地理位置信息以及文本信息,其中地理信息存储于连接表文件中,文本信息存放于数据点文件中;查询商家的所有信息都存储于文本文件中。具体如图2中的索引模块所示。
步骤(2)中对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并利用查询文本信息,找到与查询商家有潜在竞争关系的商家,是通过判断关键字包含性以及路网距离实现的,计算得到的数据点集合也就是对查询商家可能构成竞争关系的商家;在计算的过程中,需要维护一个存放路网节点以及该节点到查询商家地址距离的优先队列,在该优先队列的队首总是当前距离查询点最近的路网节点;通过迪杰斯特拉方法扩展路网的获取数据点的过程中,还需要维护对应于当前路网节点的计数树用于保存关键字计数信息;计数树由2n-1个节点构成,每个节点包含三个计数值分别为c1,c2以及c3,其中c1表示查询节点到当前节点中关键字等于当前关键字的数据点个数,c2表示查询节点到当前节点中关键字包含当前关键字的数据点个数,c3表示查询节点到当前节点中邻接边上关键字包含当前关键字的数据点个数;若所有边界节点计数树的c1或c2数值都达到了给定的k值,则路网扩展结束,因为扩展的路网区域内不可能存在潜在的竞争商家。该步骤具体是由图2中的潜在竞争商家计算引擎求得。其中,在判断数据点是否是潜在竞争商家的过程中,分三种情况考虑:
2.1)该数据点的关键字集合被查询商家的关键字集合全部包含,这种状况下根据其当前路网节点的计数树中对应关键字的数值分为两种情况分别做出不同处理:
a)该数据点关键字集合所对应的当前路网节点的计数树的计数值小于给定的k值,则将当前数据点添加至候选集合并更新当前节点的计数树对应数值;
b)该数据点关键字集合所对应的当前路网节点的计数树的计数值大于或等于给定的k值,更新当前节点的计数树对应数值;
2.2)该数据点的关键字集合被查询商家的关键字集合部分包含,这种状况下需要更新当前节点的计数树对应数值,不将数据点加入候选集合中;
2.3)该数据点的关键字集合完全不被查询商家的关键字集合包含,这种状况下不需要对数据点以及计数树做任何处理。
以图3中查询点q为例,我们可以看到,p4,p6,p7以及p8为舍弃掉的点,故不需要对这些点进行进一步验证。
步骤(3)中利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证,是通过验证潜在竞争商家的k个包含其关键字集合的最近商家是否包含查询商家来实现的;对于每一个待验证的潜在竞争商家,首先要在索引中定位该商家的地理位置以及关键字集合,再根据潜在竞争商家到查询商家的距离范围内,关键字集合包含潜在竞争商家的关键字集合的所有商家数量来判断。具体由图2中潜在竞争商家过滤引擎计算求得,在判断时,需考虑两种情况:
3.1)在潜在竞争商家到查询商家的距离范围内,如果存在多于或等于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家不是查询商家的真正竞争商家;
3.2)在潜在竞争商家到查询商家的距离范围内,存在小于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家是查询商家的真正竞争商家。
步骤(4)中利用步骤(3)中的结果找到查询商家的最优备选地址,是根据每一个备选地址所具有的真正竞争商家数量来实现的,所具有的真正竞争商家数量最少的备选地址即是查询商家的最优备选地址,具体由图2中真正竞争商家计算引擎计算求得。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于路网反空间关键字查询的最佳选址方法:其特征在于该方法的步骤如下:
步骤(1):收集已有商家信息,对其建立索引,收集查询商家备选地址信息和文本信息;
步骤(2):对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并利用所有的商家的文本信息,找到与查询商家有潜在竞争关系的商家;
步骤(3):利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证;
步骤(4):利用步骤(3)中的结果找到查询商家的最优备选地址;
所述的步骤(1)中每一个商家的信息包括地址信息和文本信息,其中地址信息是通过一个地理坐标表示,文本信息是由一组或多组关键字构成;所有商家信息是通过基于连接聚簇的索引模型对其建立索引,索引文件包含了所有的商家地址信息以及文本信息,其中地址信息存储于连接表文件,文本信息存放于数据点文件;查询商家的所有信息都存储于文本文件;
所述的步骤(2)中对于每一个查询商家备选地址,通过类迪杰斯特拉方法,并查询所有的商家的文本信息,找到与查询商家有潜在竞争关系的商家,是通过判断关键字包含性以及路网距离实现的,计算得到的数据点集合也就是对查询商家可能构成竞争关系的商家;在计算的过程中,需要维护一个存放路网节点以及节点到查询商家地址距离的优先队列,在该优先队列的队首总是当前距离查询点最近的路网节点;通过迪杰斯特拉方法扩展路网来获取数据点的过程中,还需要维护对应于当前路网节点的计数树用于保存关键字计数信息;计数树由2n-1个节点构成,每个节点包含三个计数值分别为c1,c2以及c3,其中c1表示查询节点到当前路网节点中关键字等于当前关键字的数据点个数,c2表示查询节点到当前路网节点中关键字包含当前关键字的数据点个数,c3表示查询节点到当前路网节点中邻接边上关键字包含当前关键字的数据点个数;若所有边界节点计数树的c1或c2数值都达到了给定的k值,则路网扩展结束,因为扩展的路网区域内不可能存在潜在的竞争商家;其中,在判断数据点是否是潜在竞争商家的过程中,分三种情况考虑:
2.1)该数据点的关键字集合被查询商家的关键字集合全部包含,这种状况下根据其当前路网节点的计数树中对应关键字的数值分为两种情况分别做出不同处理:
a)该数据点关键字集合所对应的当前路网节点的计数树的计数值小于给定的k值,则将当前数据点添加至候选集合并更新当前路网节点的计数树对应数值;
b)该数据点关键字集合所对应的当前路网节点的计数树的计数值大于或等于给定的k值,更新当前路网节点的计数树对应数值;
2.2)该数据点的关键字集合被查询商家的关键字集合部分包含,这种状况下需要更新当前路网节点的计数树对应数值,不将数据点加入候选集合中;
2.3)该数据点的关键字集合完全不被查询商家的关键字集合包含,这种状况下不需要对数据点以及计数树做任何处理;
所述的步骤(3)中利用判断规则对步骤(2)中得到的每一个查询商家备选地址的潜在竞争商家进行验证,是通过验证潜在竞争商家的k个包含其关键字集合的最近商家是否包含查询商家来实现的;对于每一个待验证的潜在竞争商家,首先要在索引中定位该潜在竞争商家的地理位置以及关键字集合,再根据潜在竞争商家到查询商家的距离范围内,关键字集合包含潜在竞争商家的关键字集合的所有商家数量来判断;在判断时,需考虑两种情况:
3.1)在潜在竞争商家到查询商家的距离范围内,如果存在多于或等于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家不是查询商家的真正竞争商家;
3.2)在潜在竞争商家到查询商家的距离范围内,存在小于k个商家,其关键字集合包含潜在竞争商家的关键字集合,那么该潜在竞争商家是查询商家的真正竞争商家;
步骤(4)中的所述利用步骤(3)中的结果找到查询商家的最优备选地址,是根据每一个备选地址所具有的真正竞争商家数量来实现的,所具有的真正竞争商家数量最少的备选地址即是查询商家的最优备选地址。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410568900.6A CN104346444B (zh) | 2014-10-23 | 2014-10-23 | 一种基于路网反空间关键字查询的最佳选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410568900.6A CN104346444B (zh) | 2014-10-23 | 2014-10-23 | 一种基于路网反空间关键字查询的最佳选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104346444A CN104346444A (zh) | 2015-02-11 |
CN104346444B true CN104346444B (zh) | 2017-07-07 |
Family
ID=52502035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410568900.6A Active CN104346444B (zh) | 2014-10-23 | 2014-10-23 | 一种基于路网反空间关键字查询的最佳选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104346444B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404675A (zh) * | 2015-11-20 | 2016-03-16 | 苏州大学 | Ranked反近邻空间关键字查询方法及装置 |
CN105868336B (zh) * | 2016-03-28 | 2019-11-29 | 哈尔滨工程大学 | 路网中面向集合的空间关键词查询方法 |
CN107391636B (zh) * | 2017-07-10 | 2020-06-09 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | top-m反近邻空间关键字查询方法 |
CN108549690B (zh) * | 2018-04-12 | 2021-07-13 | 石家庄铁道大学 | 基于空间距离约束的空间关键字查询方法及*** |
CN108733803B (zh) * | 2018-05-18 | 2022-04-29 | 电子科技大学 | 一种道路网络下多用户空间关键词查询方法 |
CN112308597B (zh) * | 2020-08-14 | 2023-07-18 | 西安工程大学 | 一种在竞争环境中根据影响运动用户选择设施地址的方法 |
CN112883272B (zh) * | 2021-03-16 | 2022-04-29 | 山东大学 | 一种推荐对象的确定方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020319A (zh) * | 2013-01-11 | 2013-04-03 | 江苏大学 | 一种实时移动空间关键字近似Top-k查询方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140181083A1 (en) * | 2012-12-21 | 2014-06-26 | Motorola Solutions, Inc. | Method and apparatus for multi-dimensional graphical representation of search queries and results |
-
2014
- 2014-10-23 CN CN201410568900.6A patent/CN104346444B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020319A (zh) * | 2013-01-11 | 2013-04-03 | 江苏大学 | 一种实时移动空间关键字近似Top-k查询方法 |
Non-Patent Citations (1)
Title |
---|
路网移动对象空间关键字连续Top-k查询;李艳红等;《华中科技大学学报(自然科学版)》;20140630;第42卷(第6期);第127-132页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104346444A (zh) | 2015-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104346444B (zh) | 一种基于路网反空间关键字查询的最佳选址方法 | |
Rocha-Junior et al. | Top-k spatial keyword queries on road networks | |
CN107145526B (zh) | 一种路网下地理社交关键字反最近邻查询处理方法 | |
Zheng et al. | Approximate keyword search in semantic trajectory database | |
CN103617217B (zh) | 一种基于层次索引的图像检索方法及*** | |
CN102662974B (zh) | 一种基于邻接节点树的网络图索引方法 | |
CN104376112B (zh) | 一种路网上空间关键字检索的方法 | |
CN109977309B (zh) | 基于多关键字和用户偏好的组合兴趣点查询方法 | |
CN109189959A (zh) | 一种构建图像数据库的方法及装置 | |
CN107167136A (zh) | 一种面向电子地图的位置推荐方法及*** | |
CN106599040A (zh) | 一种面向云存储的分层索引方法与检索方法 | |
CN106777163A (zh) | 基于红黑树的ip地址所属地查询方法及*** | |
CN104391908B (zh) | 一种图上基于局部敏感哈希的多关键字索引方法 | |
CN105069094B (zh) | 一种基于语义理解的空间关键字索引方法 | |
CN106897374A (zh) | 一种基于轨迹大数据最近邻查询的个性化推荐方法 | |
CN103761286B (zh) | 一种基于用户兴趣的服务资源检索方法 | |
CN107291895A (zh) | 一种快速的层次化文档查询方法 | |
CN107633068A (zh) | 滑动窗口下基于位置top‑k关键词查询的快速索引方法及*** | |
CN104408128B (zh) | 一种基于b+树异步更新索引的读优化方法 | |
CN104008205A (zh) | 一种内容路由的查询方法及*** | |
CN104679904A (zh) | 一种路网中位置点查询方法及装置 | |
CN112765288A (zh) | 知识图谱的构建方法及***、信息查询方法及*** | |
Xu et al. | Density-based probabilistic clustering of uncertain data | |
CN113407669B (zh) | 一种基于活动影响力的语义轨迹查询方法 | |
CN106709011B (zh) | 一种基于空间定位簇的位置概念层次消解计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |