[发明专利]一种面向不确定数据的概率查询质量优化方法

权利要求书

1.一种面向不确定数据的概率查询质量优化方法，其特征在于：该方法包括如下步骤：

步骤(1)：给定概率查询φ(q,S)，q是查询对象，S是不确定数据集，对于不确定数据集中结果对象集构建ASI索引；维护一个最大的查询结果质量及相应的清洗对象集合。

步骤(2)：基于用户给定的清洗预算，通过剪枝策略在不确定数据集中找到候选的清洗对象集合，并将候选清洗对象集合放入清洗对象集合列表中。

步骤(3)：对于步骤(2)中得到的清洗对象集合列表中的集合，计算其查询期望质量，并更新维护的最大查询结果质量及相应的清洗对象集合，利用期望质量单调性更新清洗对象集合列表。

步骤(4)：重复步骤(3)直到清洗对象集合列表为空。

步骤(5)：返回最终的最大查询结果质量及相应的清洗对象集合，对期望质量最大的清洗对象集合进行清洗，完成了概率查询的质量优化。

2.根据权利要求1所述的一种面向不确定数据的概率查询质量优化方法，其特征在于：所述构建ASI索引的具体步骤如下：

ASI索引是一个哈希表，以结果对象集R为键值，每个结果对象集存储其相应的结果元组集r；对每个r，存储概率值Pr(r)，以及概率向量概率向量中每一项表示结果元组集r相对于数据对象o的关联概率P(o,r)；

利用ASI索引能够直接计算出每个结果对象集的概率，使得计算查询期望质量时无需遍历所有可能世界。

3.根据权利要求1所述的一种面向不确定数据的概率查询质量优化方法，其特征在于：所述步骤(2)中通过剪枝策略在不确定数据集中找到候选清洗对象集合具体如下：如果不确定数据集中的对象成为结果对象的概率为0，那么对象能够被剪枝；反之，不确定数据集中的对象加入到候选清洗对象集合中。

4.根据权利要求1所述的一种面向不确定数据的概率查询质量优化方法，其特征在于：所述步骤(3)中计算其查询期望质量具体步骤如下：

给定对象集合O_c，针对每一个O_c清洗后可能变成的集合T_c，计算变成T_c的概率Pr(T_c)，再计算出清洗成T_c后的对应的查询质量κ(φ|T_c)，O_c的查询期望质量则利用公式计算得到；

所述步骤(3)中更新清洗对象集合列表采用如下三种清洗对象优选算法中的一种：

(3.1)B&B算法，算法步骤包括：

(3.1.1)清洗对象集合列表用堆实现，表示一棵分支界限树；

(3.1.2)弹出堆顶对象集合O，若该集合的清洗代价不大于给定预算值且未访问过，则计算其期望质量，并记录最大期望质量及对应对象集合；若该集合的清洗代价大于给定预算值，则将O的未被访问且未被剪枝的第i个子集O_i加入堆中且O_i满足|O_i|＝|O|-1；

(3.1.3)若堆不为空，则返回步骤(3.1.2)执行，若堆为空，结果元组记录最大期望质量及对应对象集合，算法结束；

(3.2)Greedy算法采用贪心策略，每次选择候选对象集合中满足最大单位代价期望质量的对象，直至给定预算用完，返回最终的最大查询结果质量及相应的清洗对象集合；

(3.3)HSample算法采用抽样思想，算法步骤包括：

(3.3.1)从中抽样m个清洗对象集合，其中B是用户给定的清洗预算，avgC是已知的对象清洗代价平均值，是对象个数为的对象集合的并；

(3.3.2)对每个满足预算的样本对象集合计算期望质量，返回最终的最大查询结果质量及相应的清洗对象集合。

5.根据权利要求1所述的一种面向不确定数据的概率查询质量优化方法，其特征在于：所述步骤(5)中对期望质量最大的清洗对象集合进行清洗，可用清洗方法包括群智计算、基于规则的方法、机器学习方法等。