本發(fā)明公開了一種采用Asubgt;k/subgt;C解決SKQwhy?not問題的方法及系統(tǒng)，涉及空間關鍵字查詢技術領域，本發(fā)明通過將對象的數(shù)字屬性以布爾表達式的形式表示，更接近現(xiàn)實應用場景；設計Asubgt;k/subgt;C索引來巧妙的組織對象信息，同時設計出相應的查詢策略，并通過修改查詢q'，用最小的修改代價，滿足在查詢結(jié)果中所有缺失對象均出現(xiàn)，解決空間關鍵字查詢中why?not問題。本發(fā)明所采用的Asubgt;k/subgt;C索引，根據(jù)對象與其集群質(zhì)心之間的距離將空間劃分為多個集群，具有良好的空間過濾能力；在每個集群中建立了關鍵詞倒排文件，具有很好的文本過濾能力；在每個集群中創(chuàng)建屬性倒排文件，并將每個群集的屬性摘要信息存儲在查找表中，具有良好的屬性過濾能力。

技術領域

本發(fā)明涉及空間關鍵字查詢技術領域，具體涉及一種采用A_kC解決SKQwhy-not問題的方法及系統(tǒng)。

背景技術

隨著越來越多的對象與地理位置和文本描述相關聯(lián)，空間關鍵字查詢(SKQ)已經(jīng)被提出且被廣泛的研究。在現(xiàn)實生活中，對象一般具有其他的數(shù)字屬性，例如平均價格、比率、流行度等等。如果在查詢中沒有考慮到這些限制的條件，通常不可能或者很難得到用戶所要的結(jié)果。因此，為了滿足查詢用戶在這些屬性上的限制條件和精煉查詢過程，空間關鍵字查詢需要考慮到數(shù)字屬性。

本文主要針對top-k增強型空間關鍵字查詢。在檢索top-k對象時，該類查詢首先檢索滿足q查詢中的數(shù)字屬性要求的對象，然后根據(jù)查詢點與對象之間的空間距離和文本相似性的綜合得分進行排名。圖1給出的是一個增強型空間關鍵字查詢的一個示例，表1給出的是對象的文本信息和相關屬性信息。

表1：圖1中對象的相關信息

如圖1所示，用戶發(fā)起一個關于關鍵字cafe的查詢，其中平均價格不超過42美元、評分高于4.3分、流行度大于700。然后這些增強性的需求可以用一個布爾表達式來表示：(avg-price＜42∧Rating＞4.3∧Popularity＞700)。首先，對象o₃、o₅、o₈滿足以上增強性查詢需求，然后根據(jù)對象o₃、o₅、o₈與查詢q之間的文本匹配和空間匹配程度，可以使用所選擇的排序函數(shù)返回排序在前的前三個對象。除此之外，由于o₁與q沒有相同的關鍵字，所以o₁被忽略；o₂、o₄、o₆、o₇也被忽略，因為它們都不滿足查詢屬性要求。

然而，在某些情況下，當用戶想要的對象沒有出現(xiàn)在查詢結(jié)果集中，用戶可能會思考為什么這些想要的對象沒有出現(xiàn)在查詢結(jié)果集中，如何將他們想要的對象添加到查詢結(jié)果集中。例如，在用戶發(fā)起一個查詢并且得到包含o₃、o₅、o₈的查詢結(jié)果后，他或許想知道為什么他們熟悉的對象o₁、o₆沒有出現(xiàn)在查詢結(jié)果集中，o₃、o₅、o₈難道真的比o₁、o₆好嗎？他們?nèi)绾尾拍苁顾麄兪煜さ膶ο髈₁、o₆出現(xiàn)在查詢結(jié)果集中？

在獲取查詢結(jié)果后，用戶可能發(fā)現(xiàn)他們想要某些對象不在查詢結(jié)果集中，從而他們就會質(zhì)疑整個查詢結(jié)果。解決為什么這些想要的對象缺失以及如何高效地檢索出用戶想要的查詢對象的問題就稱為why-not問題。然而，目前尚未有解決增強型的空間關鍵字top-k查詢中why-not問題的相關技術。因此，亟需一種能夠解決增強型空間關鍵字top-k查詢中why-not問題的技術方案。

發(fā)明內(nèi)容