[发明专利]基于图数据的集合关键字查询方法

说明书

本发明涉及一种基于图数据的集合关键字查询方法，包括：确定目标图中的节点，节点所能提供的服务，提供服务的评分，节点之间的距离和相应开销；解析查询指令，确定起始节点、n个服务关键字、开销约束和半径约束，确定备选集合；对备选集合进行减少冗余计算；对减少冗余计算后的集合进行剪枝；标记查询到的最优集合进行显示。通过本发明的技术方案，能够根据用户提出的多个参数进行查询，满足用户精准的需要，并且通过过滤处理和减冗余处理，可以极大地提高节点查询的速度，从而更快地为用户反馈结果，并且对于大规模的图数据，可以进行分治处理技术，建立多级的索引结构，进而减小问题求解规模并降低算法求解的时间开销。

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种基于图数据的集合关键字查询方法。

背景技术

地理定位技术的成熟使得对各种各样的基于位置的服务的支持成为可能。兴趣点的查询在这些服务中起着重要的作用。例如，通过使用类似百度地图和谷歌地图等基于位置的服务，用户可以找到附近的中餐馆。然而，这些服务并不能够满足用户更多的个性化需求。例如，一个用户可能想在离家不远的地方度过一个愉快的周末。为达到这个目的，他可能需要找到一个包含了游泳池、电影院、商店和餐馆的最受欢迎的区域，区域的直径不超过两公里，并且这个区域在距离家的30公里以内。

这个查询中包含了以下三个约束：(1)区域中包含带“游泳池”，“电影院”，“商店”和“餐馆”等关键字的兴趣点；(2)区域中每对兴趣点之间的距离不超过2公里；(3)区域到用户位置的距离不超过30公里。该查询的目标在于寻找满足这三个约束条件的最受欢迎的区域。

在图数据中的关键字查询的相关研究已经引起了广泛关注。虽然现有技术中存在基于分块处理的多级索引结构和相应的查询机制用来解决图数据中的关键字查询问题，或者基于最短路径生成树的结构，针对大规模图数据提出了top-k最邻近节点的查询算法。然而，以上研究仅能够解决了单个关键字的查询问题。另外，现有技术中还存在一种分布式的处理方法解决基于图的关键字查询问题，以及一种基于关键字的路径查询问题，即为查询一条有固定起点和终的并通过多个兴趣点的最短路径，并提出了贪心算法和得分预测等算法。但是，以上的研究都不能综合以下四个参数进行查询，即用户的位置，查询所需求的关键字，用户位置到区域的距离约束以及区域中兴趣点的半径约束。最后，现有技术中还提出了一种在空间数据中集合关键字查询问题，并提出了一系列的解决方案，但是该技术采用的欧几里德距离常用于空间数据距离估算，其估算值与实际距离值往往差距很大。

发明内容

本发明所要解决的技术问题是，对于大规模的图数据，如何建立高效的、层次化的、可扩展的索引结构，并在查询过程中降低算法的求解时间开销，保证其可应用于图数据规模较大的查询场景，满足用户实时高效的查询需求。

为此目的，本发明提出了一种基于图数据的集合关键字查询方法，包括：S1，解析目标图，确定目标图中的节点，确定每个节点所能提供的服务，并查询对每个节点提供服务的评分，计算每两个节点之间的距离和相应开销；S2，解析查询指令，确定起始节点、n个服务关键字、开销约束和半径约束，查询到起始节点的距离满足开销约束且分别具有每个服务关键字的节点集合，将节点集合中每个节点之间的距离满足半径约束的集合作为备选集合；S3，根据所述半径约束对备选集合进行减少冗余计算，得到初步处理集合；S4，根据初步处理集合中每个节点提供服务的评分对初步处理集合进行剪枝计算，得到目标集合；S5，在目标图中标记查询到的目标集合进行显示。