查询执行时加入场境依赖的用户偏好可以帮助人们从大量信息中发现正确答案。已经证明,不确定场境信息条件下,用户偏好的查询可能导致NP完全或者#P完全难度的推理难题。提出了一个简单通用的方法优化不确定场境信息条件下的用户偏好查询...查询执行时加入场境依赖的用户偏好可以帮助人们从大量信息中发现正确答案。已经证明,不确定场境信息条件下,用户偏好的查询可能导致NP完全或者#P完全难度的推理难题。提出了一个简单通用的方法优化不确定场境信息条件下的用户偏好查询,用户查询等价于搜索建立的场境偏好空间(contextual preferencesspace,CPS)。根据具体应用需求,考虑了两种搜索方案:搜索最优的元组和返回top-k(k为用户指定)个元组。采用定量的方法对用户偏好进行建模。为了提高查询处理效率,提出两种搜索剪枝策略:边界剪枝(branch and bound searching,BBS)和偏序边界剪枝(partial value branch and bound space searching,pBBS)。最后,从I/O访问次数和CPU运行时间两个角度评价所提出的方法。展开更多
文摘查询执行时加入场境依赖的用户偏好可以帮助人们从大量信息中发现正确答案。已经证明,不确定场境信息条件下,用户偏好的查询可能导致NP完全或者#P完全难度的推理难题。提出了一个简单通用的方法优化不确定场境信息条件下的用户偏好查询,用户查询等价于搜索建立的场境偏好空间(contextual preferencesspace,CPS)。根据具体应用需求,考虑了两种搜索方案:搜索最优的元组和返回top-k(k为用户指定)个元组。采用定量的方法对用户偏好进行建模。为了提高查询处理效率,提出两种搜索剪枝策略:边界剪枝(branch and bound searching,BBS)和偏序边界剪枝(partial value branch and bound space searching,pBBS)。最后,从I/O访问次数和CPU运行时间两个角度评价所提出的方法。