1.一種采用A_kC解決SKQwhy-not問題的方法，其特征在于，包括以下步驟：

獲取所有對象o，將對象o劃分為k個集群，構建A_kC索引；

獲取初始查詢q＝(q.loc,q.doc₀,q.B,k,α)和缺失對象集M；q.loc表示查詢q所在位置，q.doc₀表示查詢q關鍵字集，q.B為布爾表達式，用來表示屬性值對，k表示取查詢結果排名的前k位，α為0到1之間的一個變量，用來定義距離鄰近度與文本相關性之間的相對重要性；根據缺失對象的關鍵字的頻率遞減的順序構建候選關鍵字列表CKS、根據缺失對象的相似性得分遞減的順序構建候選屬性值對列表CAS；將精煉查詢q'的關鍵字集q'.doc和屬性值對q'.B'分別設置為q.doc₀和q.B；

有序地抽取CKS中的關鍵字和CAS中的屬性值對，分別添加至查詢q'的關鍵字集q'.doc和查詢q'的屬性值對q'.B'中，形成新的精煉查詢q'；分別對各個精煉查詢q'進行處理以找出最佳精煉查詢，直至CKS和CAS都為空；

分別對各個精煉查詢q'進行處理，具體包括：

計算q'的修改代價p'，過濾掉p'≥p_c的查詢q'，p_c為保留初始查詢關鍵字和屬性、且所有的缺失對象都出現在查詢結果中的查詢q_b的修改代價；

對于p'p_c的查詢q'，根據預設的剪枝策略刪減掉不符合條件的集群，得出待處理的集群；

對于待處理的集群，根據A_kC索引和預設的篩選條件篩出符合條件的集群；

將符合條件的集群包含的對象添加到滿足查詢q'要求的對象集中，并計算查詢q'和對象之間的相似性得分；

對滿足查詢q'要求的對象集中的所有對象均根據其相似性得分從高至低排序，直到所有原始結果對象和所有缺失對象均出現，獲得k'個對象；

如果k'≤k_m，k_m為保留初始查詢關鍵字和屬性、且所有的缺失對象都出現在查詢結果中時結果集的大小，則計算q'的修改代價p'，如果p'p_c，則將查詢q'作為當前最佳精煉查詢；

獲取所有對象o，將對象o劃分為k個集群，構建AkC索引，具體包括以下步驟：

通過使用k均值聚類法將所有對象o劃分為k個集群；

采用查找表來保存每個集群的集群ID和屬性摘要信息，集群的屬性摘要信息是該集群所有對象的屬性值對的并集；

每個集群對應該集群的一個關鍵字倒排文件和一個屬性倒排文件；

B為布爾表達式：

為一個謂詞集合，其中i∈[1，n]，i∈N^*；

A是屬性，f_opt是操作數，f_opd是操作符，x是輸入的值。