CN107908722B - 基于距离的逆向k排名查询方法 - Google Patents

Abstract

本发明公开了一种基于距离的逆向k排名查询方法，该方法首先使用网格索引对商户和移动用户的当前位置进行索引，使用KD树对商户的所有维度进行索引，使用等宽直方图对用户偏好进行索引；然后基于三种索引，使用基于下界剪枝的方法，快速找到对一个指定商户最感兴趣的k个用户。本发明克服了基于距离的逆向排名查询中的天然不足，能为任何商户返回k个潜在客户，适用于在移动环境下，以商户为中心的潜在客户定向，为基于位置服务中的个性化精准营销提供解决方案。

Description

基于距离的逆向k排名查询方法

技术领域

本发明属数据库技术中的逆向排名查询领域，具体涉及一种在移动环境下以商户为中心的潜在客户查找方法。本发明提出的基于距离的逆向k排名查询方法，主要解决在移动环境下，给定查询商户q，如何快速返回对商户q最感兴趣的k个潜在客户的问题。

背景技术

随着无线定位技术的飞速发展和各种移动设备的普及，以及Web 2.0应用的广泛使用，使得商家可以比较容易地收集到用户的兴趣偏好，并且能够实时地根据移动用户的当前位置和偏好把一些促销信息推送给一些潜在客户。传统的基于机器学习的个性化推荐方法，模型训练时间较长，算法复杂度高，难以适应移动环境下的实时性要求。已有的基于距离的逆向排名查询(reverse top-k查询)只能为一些热门商户找到潜在的客户，而对于不那么热门的商户，由于k值提前不可预知，查询的返回结果集往往为空，即无法为非热门商户找到合适的潜在客户。

发明内容

本发明的目的是在移动环境下，能够实时为给定查询商户，找到对查询商户最感兴趣的的k个客户。为了保证查询响应的实时性，本发明离线为商户集合P，移动用户偏好W，以及商户位置和移动用户当前位置建立了相应的索引。在线查询阶段，根据查询商户q，结合离线建立的各种索引，通过过滤掉一些不必要的计算，提高查询效率，从而满足移动环境下查询的实时性。

实现本发明的具体的技术方案是：

一种基于距离的逆向k排名查询方法，它首先导入符合规范的数据集，包括商户集合P,移动用户集合M，移动用户偏好集合W。然后，离线为商户数据集建立KD树索引，为移动用户偏好集合W建立等宽直方图，为商户位置和移动用户当前位置建立网格索引；最后，确定查询商户所在的网格C，并采用宽度优先方式对C的邻居网格C'进行遍历，并以C'中的直方图桶为基本单位进行剪枝判断，从而避免一些不必要的计算。具体包括以下步骤：

步骤1：输入商户集合P，移动用户集合M，以及移动用户偏好集合W；

步骤2：在集合P、M和W上建立索引，分别得到KD树索引、等宽直方图索引及网格索引G；

步骤3：设置查询参数q和k，其中q表示查询商户，k表示需要返回的移动用户的数目；

查询商户q发起查询请求，要求返回对q最感兴趣的k个移动用户；

步骤4：在网格索引G上定位查询商户所在的网格C，并使用宽度优先搜索，搜索C的邻居网格C'，使用算法FilterBucket判断C'中的移动用户直方图桶是否可以剪枝，如果可以，则访问下一个直方图桶，否则计算该直方图桶中移动用户的精确排名值，并最终返回排名值最靠前的k个移动用户作为查询结果。

所述步骤1具体包括：

A1：输入商户集合P，其中每个商户被描述为一个d+1维向量p，其中第d维和第d+1维是当前商户的位置属性，也就是空间经纬度，而其它维是商户的非位置属性的描述；

A2：输入移动用户集合M，记录每个移动用户的当前位置；

A3：输入移动用户的兴趣偏好集合W，每位移动用户m的偏好被描述为一个d维权重向量m_w，m_w ⁽ⁱ⁾表示用户m对商户的第i个属性的偏好程度，并且

其中m_w ^(d)表示用户m对距离维度上的偏好，其它维度是对非距离维度上的偏好。

所述步骤2具体包括：

B1：为商户集合P上的所有属性建立KD树索引；

B2：为移动用户偏好集合W建立等宽直方图索引；

B3：为商户集合P的位置属性和移动用户当前位置上建立网格索引G。

所述步骤4具体包括：

C1：在网格索引G上，找到查询商户q所在的网格C的位置；

C2：以宽度优先的顺序逐个访问C的邻居节点，即从网格C的一跳邻居开始，进行宽度优先搜索，访问还没被访问过的C的邻居网格C'；

C3：搜索KD树中与C'位置重合的叶子节点及其兄弟节点，寻找他们各自的n祖先节点，构成多棵子树，就每一个子树nroot逐个进行步骤C4；

C4：对于C'中还没有被访问过的等高直方图桶L[i]，基于nroot，使用算法FilterBucket来判断直方图桶L[i]是否能被安全剪枝，如果能被剪枝，则重复步骤C4，继续判断下一个L[i]。如果直方图桶L[i]不能被安全剪枝，则根据算法FilterBucket返回未决的KD树节点队列Q_L[i]，计算L[i]中每个移动用户对于查询商户q的精确排名；

C5：根据对于查询商户q的精确排名，选择排名最靠前的k个用户，形成查询返回结果集Z；

C6：返回步骤C4，继续判断C'中的下一个等高直方图桶L[i]，直到C'中的所有等高直方图桶都被访问完；

C7：返回步骤C2-C6，直到遍历完C的所有邻居网格为止。

所述步骤C4中的FilterBucket算法具体包括：

D1：把nroot压入队列Q，基于打分函数

其中dist(m,p)表示移动用户m和商户p之间的距离，计算队列Q头上元素的最小外接矩形r和查询商户q之间的关系；

D2：如果belowP(r,L[i])，即，当且仅当

成立；那么，L[i]的排名下界值，即L[i].Lb，增加r中的数据点的数目，即|r|，也就是说，计算L[i].Lb＝L[i].Lb+|r|；判断L[i].Lb，如果大于用min_rank表示的迄今为止具有最好排名的k个移动用户中的最差排名，则表示，L[i]可以被安全剪枝，则继续判断下一个L[i]；

D3:如果WtihinP(r,L[i])，即当且仅当

成立，则把当前节点上的最小外接矩形r压入未决的KD树节点队列Q_L[i]；

D4：如果belowP(r,L[i])和WtihinP(r,L[i])都不成立，那么把nroot的子树压入队列Q，返回步骤D2继续判断，直到队列Q为空，得到Q_L[i]。

本发明克服了基于距离的逆向排名查询中的天然不足，提出了基于距离的逆向k排名查询，该查询能为任何商户返回k个潜在移动用户。并且，为了达到移动环境对查询响应的实时性要求，本发明还公开了响应基于距离的逆向k排名查询的方法。方法该算法有效使用各种离线建立的索引结构，包括网格索引、KD树索引等，并基于这些索引结构实现快速剪枝，使得算法的搜索空间急剧变小，从而保证移动环境下查询响应的实时性。

附图说明

图1为本发明流程图；

图2为本发明算法2FilterBucket的流程图；

图3为本发明网格索引上网格的宽度优先遍历示意图；

图4为本发明nroot子树确定示意图。

具体实施方式

结合以下具体实施例和附图，对本发明作进一步的详细说明，本发明的保护内容不局限于以下实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。

本发明的具体实施方式分为两个阶段，第一个阶段是离线索引的建立，为了快速响应查询，针对多类数据对象的访问特征，建立了不同的索引结构。第二个阶段是基于第一阶段所建索引，过滤不必要的计算，对基于距离的逆向k排名查询进行快速响应，从而满足移动环境下的实时响应需求。

首先，导入外部数据集，包括输入商户集合P，其中每个商户被描述为一个d+1维向量p，其中第d维和第d+1维是当前商户的位置属性，也就是空间经纬度，而其它维是商户的非位置属性的描述；输入移动用户集合M，记录每个移动用户的当前位置；输入移动用户的兴趣偏好集合W，每位移动用户m的偏好被描述为一个d维权重向量m_w，m_w ⁽ⁱ⁾表示用户m对商户的第i个属性的偏好程度，并且

其中m_w ^(d)表示用户m对距离维度上的偏好，其它维度是对非距离维度上的偏好。

然后，为导入的三个数据集分别建立索引，包括为商户集合P上的所有属性建立KD树索引；为移动用户偏好集合W建立等宽直方图索引；为商户集合P的位置属性和移动用户当前位置上建立网格索引G。

最后，查询商户q发起基于距离的逆向k排名查询，本发明的基于距离的逆向k排名的查询方法的具体处理流程，如图1所示，首先，根据查询商户所在地理位置，在网格索引G上，找到查询商户q所在网格位置C(如图3中实心格子)，以宽度优先的顺序逐个访问C的邻居网格，即从网格C的s-hop邻居开始(如图3中虚线表示1-hop和2-hop邻居，s＝0表示C自己)，进行宽度优先搜索，访问还没被访问过的邻居网格C'。然后，搜索KD树中与C'位置重合的叶子节点及其兄弟节点(如图4中KD树示意图中虚线框出的节点，即为与C'位置重合的叶子节点)，寻找他们各自的n祖先节点，该节点的父亲节点为1祖先，祖父节点为2祖先，N为一个常数，如图4实线框起来的部分为2祖先节点，从而构成多棵子树，就每一个子树nroot逐个判断，位于C'中还没有被访问过的等高直方图桶L[i]是否能被安全剪枝，具体由算法FilterBucket来完成判断并返回不能明确判断的中间结果。如果能被剪枝，则继续执行算法FilterBucket判断下一个未被访问的等高直方图桶L[i]，否则根据算法FilterBucket返回的结果，计算等高直方图桶L[i]中每个移动用户，对于查询商户q的精确排名，并根据排名最靠前的k个用户，更新查询返回结果集Z，继续遍历C'中还没有被访问过的其它等高直方图桶，直到C'中的所有等高直方图桶都被访问完。至此，邻居网格C'处理完毕，继续找到C的下一个还没有被访问过的新的邻居网格，知道网格索引的所有网格都被访问结束。最后，返回最终的查询结果集Z。

实施例

将本发明命名为算法1(ResponseRkranks)，为了使得实施流程更加简洁明了，算法1包含了算法2(FilterBucket)。

图1是算法1的具体处理流程，首先输入商户数据集P，移动用户数据集M，以及移动用户偏好数据集W。然后，在各数据集上建立索引，包括在商户位置和移动用户位置上建立网格索引；在商户全维度空间上建立KD树索引，并在各个非叶节点维护一个和R树一样的最小外接矩形；在移动用户偏好上建立等宽直方图H。

在建立好相应的索引之后，算法在网格G上定位查询商户所在的网格C，使用Z保存查询返回结果，即当前具有最好排名的k个用户，为了避免KD树中节点的重复访问，使用visited集合记录已经访问过的KD树中的节点。以网格C为中心点，进行宽度优先搜索，其中s-hop(s＝0,1,2...)表示与网格C距离为s跳的邻居网格，并且除s＝0以外，跳数相同的邻居节点一般有8个。算法1中的最外层while循环表示的过程，即是以上述宽度优先方式对网格进行遍历的流程。

由于所有移动用户的偏好，都是以等高直方图的方式预先划分为一些有效的桶(根据桶内的偏好向量之和是否满足

来判断桶的有效性)。对于位于邻居网格C'中的移动用户，根据他们的偏好向量，可以被映射到若干个有效等高直方图桶中，这里用列表L装载C'中移动用户对应的所有有效等高直方图桶，并且遍历L中的每一个桶L[i]，使用算法2FilterBucket来检查该桶是否能被安全地剪枝，如果能被安全地剪枝，则继续判断C'中的下一个直方图桶L[i]；如果不能被剪枝，则FilterBucket把需要进一步精确计算的KD树节点及其上的最小外界矩形装载到队列Q_L[i]中返回算法1。算法1进一步计算L[i]对于查询商户q的精确的排名值，并根据排名最好的k个移动用户，更新查询返回结果集Z，并更新阈值参数min_rank，其表示迄今为止具有最好排名的k个移动用户中的最差排名值。当处理完C'中对应的所有直方图桶之后，继续按照宽度优先的策略，搜索查询商户所在网格C的下一个邻居节点，直到访问完所有的邻居节点为止。

算法2(FilterBucket)的具体处理流程如图2所示。其中输入参数包括：与邻居网格C'重合的KD树子树nroot；位于C'中的，当前访问的用户偏好等宽直方图桶L[i]；在当前L[i]下，需要返回主程序做精确计算的KD树节点队列Q_L[i]；查询商户q；迄今为止返回的k个用户中排名最好的排名值min_rank；以及为了避免在KD树上重复计算而记录所有已经访问过的KD树节点集合visited。首先将nroot压入队列Q，基于打分函数

其中dist(m,p)表示移动用户m和商户p之间的距离。计算队列Q头上元素的最小外接矩形r和q之间的关系。如果belowP(r,L[i])(当且仅当

成立，那么L[i]的排名下界值增加r中的数据点的数目，即L[i].Lb＝L[i].Lb+|r|。判断L[i].Lb，如果大于迄今为止具有最好排名的k个移动用户中的最差排名(min_rank表示)，则表示，L[i]可以被安全剪枝，则返回算法ResponseRkranks判断下一个L[i]。如果WtihinP(r,L[i])，(当且仅当，

成立，则把当前节点上的最小外接矩形r压入队列Q_L[i]。如果belowP(r,L[i])和WtihinP(r,L[i])都不成立，那么把nroot的子树压入队列Q，继续判断队列Q头上元素的最小外接矩形r和q之间的关系，直到队列Q为空。最后，将Q_L[i]返回算法ResponseRkranks做进一步精确排名计算。

本发明采用离线建立索引结构，在线实时查询响应的方式，克服传统机器学习方法模型训练时间长，实时性差的缺点。可以在移动环境下，快速为给定商户找到k个对该商户最感兴趣的潜在客户。该查询方法，在基于位置的个性化精准营销领域有广泛的应用前景。

Claims (2)

1.一种基于距离的逆向k排名查询方法，其特征在于，该方法具体包括以下步骤：

步骤1：输入商户集合P，移动用户集合M，以及移动用户偏好集合W；

步骤2：在集合P、M和W上建立索引，分别得到KD树索引、等宽直方图索引及网格索引G；

步骤3：设置查询参数q和k，其中q表示查询商户，k表示需要返回的移动用户的数目；查询商户q发起查询请求，要求返回对q最感兴趣的k个移动用户；

步骤4：在网格索引G上定位查询商户所在的网格C，并使用宽度优先搜索，搜索C的邻居网格C'，使用算法FilterBucket判断C'中的移动用户直方图桶是否可以剪枝，如果可以，则访问下一个直方图桶，否则计算该直方图桶中移动用户的精确排名值，并最终返回排名值最靠前的k个移动用户作为查询结果；其中：

所述步骤2具体包括：

B1：为商户集合P上的所有属性建立KD树索引，并且在KD树的中间节点维护像R树一样的最小外接矩形；

B2：为移动用户偏好集合W建立等宽直方图索引；

B3：为商户集合P的位置属性和移动用户当前位置上建立网格索引G；

所述步骤4具体包括：

C1：在网格索引G上，找到查询商户q所在的网格C的位置；

C2：以宽度优先的顺序逐个访问C的邻居节点，即从网格C的一跳邻居开始，进行宽度优先搜索，访问还没被访问过的C的邻居网格C'；

C3：搜索KD树中与C'位置重合的叶子节点及其兄弟节点，寻找他们各自的n祖先节点，构成多棵子树，就每一个子树nroot逐个进行步骤C4；

C4：对于C'中还没有被访问过的等高直方图桶L[i]，基于nroot，使用算法FilterBucket来判断直方图桶L[i]是否能被安全剪枝，如果能被剪枝，则重复步骤C4，继续判断下一个L[i]；如果直方图桶L[i]不能被安全剪枝，则根据算法FilterBucket返回未决的KD树节点队列Q_L[i]，计算L[i]中每个移动用户对于查询商户q的精确排名；

C5：根据对于查询商户q的精确排名，选择排名最靠前的k个用户，形成查询返回结果集Z；

C6：返回步骤C4，继续判断C'中的下一个等高直方图桶L[i]，直到C'中的所有等高直方图桶都被访问完；

C7：返回步骤C2-C6，直到遍历完C的所有邻居网格为止；

所述步骤C4中的FilterBucket算法具体包括：

D1：把nroot压入队列Q，基于打分函数

其中dist(m,p)表示移动用户m和商户p之间的距离，计算队列Q头上节点元素的最小外接矩形r和查询商户q之间的关系；

D2：如果belowP(r,L[i])，即，当且仅当

成立；那么，L[i]的排名下界值，即L[i].Lb，增加r中的数据点的数目，即|r|，也就是说，计算L[i].Lb＝L[i].Lb+|r|；判断L[i].Lb，如果大于用min_rank表示的迄今为止具有最好排名的k个移动用户中的最差排名，则表示，L[i]可以被安全剪枝，则继续判断下一个L[i]；

D3:如果WtihinP(r,L[i])，即当且仅当

成立，则把当前节点上的最小外接矩形r压入未决的KD树节点队列Q_L[i]；

D4：如果belowP(r,L[i])和WtihinP(r,L[i])都不成立，那么把nroot的子树压入队列Q，返回步骤D2继续判断，直到队列Q为空，得到未决的KD树节点队列Q_L[i]。

2.根据权利要求1所述的方法，其特征在于，所述步骤1具体包括：

A1：输入商户集合P，其中每个商户被描述为一个d+1维向量p，其中第d维和第d+1维是当前商户的位置属性，也就是空间经纬度，而其它维是商户的非位置属性的描述；

A2：输入移动用户集合M，记录每个移动用户的当前位置；

A3：输入移动用户的兴趣偏好集合W，每位移动用户m的偏好被描述为一个d维权重向量m_w，m_w ⁽ⁱ⁾表示用户m对商户的第i个属性的偏好程度，并且

其中m_w ^(d)表示用户m对距离维度上的偏好，其它维度是对非距离维度上的偏好。

Images