一种面向动态偏好的交互式多目标查询

同一问题的迭代查询之间存在关联,且不同查询间用户偏好动态变化.但现有查询算法只是将不同查询独立处理或默认查询间偏好固定不变,本文提出一种可有效利用查询间关联关系且支持动态偏好的查询处理算法IMQD;定义一种结果集质量度量方法,取值在[0,1]区间内且取值越大越优.IMQD算法旨在使结果集质量更高,将查询处理过程分为三个步骤:首先确定初始候选集;然后通过用户交互获取调整后的偏好阈值,对当前候选集进行调整,使结果集质量取值更大;用户根据当前结果集质量判定是否终止查询.在模拟和真实数据集上验证IMQD算法可提升结果集质量且拥有良好交互性能.一旦用户偏好发生变化,算法可在毫秒级内完成对结果集的自适应调整.

交互式多用户Skyline查询处理算法

传统的Skyline查询是在单用户场景下设计的,随着数据库技术的发展以及应用新需求的出现,实际应用中考虑到多用户共同参与Skyline查询。在分析现有Skyline查询算法解决该问题不足的基础上,提出了一种基于权重的交互式多用户Skyline查询(weight-based interactive multi-user Skyline query,MUSW)算法。该算法定义了一种满意度度量方法,由用户权重决定Skyline结果集中每个数据点的满意度大小。MUSW算法旨在选取满意度大的数据点,首先确定多个子空间Skyline候选集;然后通过用户交互对用户权重进行动态调整,系统根据用户的反馈判断是否终止查询,从而使返回结果更符合用户的真实需求。在模拟和真实数据上验证MUSW算法的可行性,且具有良好的交互性能。

一种基于群组的反向k排名查询算法

近年来,随着偏好查询主体视角的变化,对于反向排名的查询成为研究热点.反向k排名查询以产品作为主体,为给定的产品查询对其而言最优的k个用户,这在产品推荐、商业评估等方面有着非常重要的应用.然而,针对多产品点查询的问题,现有的方法在结果集质量和查询效率上都存在一定的不足.为此,本文提出了一种基于群组的反向k排名查询算法GP-Rkr.该方法首先通过动态阈值调整,对查询点集合进行有效分割;在此基础上,给出了一种层次网格索引结构LG-Index,并基于该索引结构在数据集上进行裁剪和过滤,采用层次渐进式的求解策略,进一步优化查询效率.最后,在人造数据和真实数据集上进行了实验.实验结果表明,本文提出的查询方法能够有效提高结果集质量,并且具有更好的查询效率.