论文部分内容阅读
随着社会的发展,基于位置的服务(Location-based Service)得到了广泛的应用,由此产生了各种复杂的空间文本数据,传统的数据库查询技术无法进行有效处理,因此如何提供各种高效的空间文本对象查询处理技术是当前空间文本数据库领域的研究热点之一。人们围绕该领域提出了众多查询技术,主要有最近邻(NN)查询、反向最近邻(RNN)查询、连续查询、动态查询等。RNN查询在设施选址和决策支持等方面发挥着重要作用。本文主要做了以下工作:1)本文对于商铺的选址决策问题进行了研究,这类决策问题期望找到一个位置和可提供的服务,使得在该位置新建的商铺成为尽可能多用户的最佳选择。基于该场景,本文面向静态的、有单一标签的空间文本对象提出了一种最大化双色反向k近邻(MaxBRkNN)查询技术,目的是找到一个最优的位置和文本标签,使得在该位置发起的双色反向k近邻(BRkNN)查询结果的数量最大化。本文使用文本聚类技术,将文本标签对象进行了分类,并基于扩展的R-树索引根据对象标签构建最小外接矩形(MBR),进而根据MBR节点进行剪枝优化。2)本文对于扩展的商铺选址决策问题提出了一种新的MaxBRkNN查询技术。本文根据Voronoi图的性质构建了查询对象的近似top-k空间区域,并基于四叉树索引对该空间区域进行网格分解,进而根据网格支配关系对算法进行了优化。3)进一步地,本文对于移动部署决策问题进行了研究,由于查询对象与用户对象都处在动态变化中,传统的数据库查询处理技术无法有效发挥作用。基于本文对于静态MaxBRkNN查询的研究,通过建立MOST-GRID模型,本文提出了动态阈值位置更新策略,并基于静态MaxBRkNN查询算法解决了动态对象的决策问题。本文对于空间文本对象的MaxBRANN查询在静态及动态情形下分别进行了研究。对于本文所提出的算法和技术,在相关章节均通过实验证明了其具有良好的效果,可以有效地运用在相关决策支持领域中。