[发明专利]基于PME图模型的一对一型PSJ聚集查询方法

说明书

本发明公开了一种基于PME图的一对一型PSJ聚集查询方法。具体步骤包括：1)首先利用PME图模型将一对一型PSJ建模为一个树状PME图；2)其次基于动态规划思想先计算出子树的聚集值概率分布，然后在子树的结果上计算出整棵树的聚集值概率分布；3)在计算概率分布的过程中，引入生成函数方法，并基于分治策略计算多个生成函数的乘积。本发明充分考虑一对一型PSJ的依赖关系，在PME图模型的基础上，解决了一对一型PSJ的COUNT查询和SUM查询问题，在数据库、联机分析处理以及数据仓库中具有广阔的应用前景。

技术领域

本发明涉及概率型相似性连接(Probabilistic Similarity Join，PSJ)的聚集查询领域，具体涉及基于概率互斥图(Probabilistic Mutual Exclusion Graphs，PME图)模型的一对一型PSJ聚集查询方法。

背景技术

连接聚集查询在数据库、联机分析处理以及数据仓库中应用广泛，此类查询通常先采用连接操作将多张关系表合并起来，然后再执行聚集运算。然而，由于信息时代数据爆炸式增长，数据本身的不确定性以及数据采集和集成过程中引入的不确定性，导致大量数据具有不完整性和模糊性。不确定性数据的存在常常使得多表之间无法连接，进而导致基于连接操作的聚集查询失败。

PSJ查询基于相似性度量函数，能够将相似的元组连接起来，有效解决了不确定性数据的连接问题。按照映射约束的不同，PSJ可分为三类：一对一型PSJ、一对多型PSJ和多对多型PSJ。然而，PSJ查询的原始结果通常为一组带概率的连接，这组连接并不满足映射约束。从这组PSJ连接中选取出部分连接，使其满足映射约束，则该部分连接同时出现的状态称为一个可能世界，该可能世界的概率为该部分连接同时出现的联合概率。在PSJ连接上执行聚集查询，实质上是对所有可能世界求聚集值。但是，PSJ连接的可能世界数量众多，基于PSJ的聚集查询面临挑战。

在PSJ上做聚集查询的方法较少。部分方法通过限制连接条数或者划定概率阈值来减少可能世界数量，但是这些方法不但丢失了大量信息，而且不考虑映射约束。有方法在考虑映射约束的情况下，基于动态规划思想解决了一对一型PSJ的聚集查询问题。但是该方法需逐个计算聚集值的概率，效率较低，因此在一对一型PSJ上做聚集查询的方法仍存在较大优化空间。

发明内容

本发明的目的是提供一种基于PME图模型的一对一型PSJ聚集查询方法，该方法能够在保证查询信息质量的前提下，极大地提升聚集值的计算效率，缩短一对一型PSJ聚集查询时间。

为实现上述目的，本发明提供的技术方案为：

本发明实施方式提供了一种基于PME图模型的一对一型PSJ聚集查询方法，包括以下步骤：

(1)基于PME图模型，将PSJ作为顶点，互斥关系作为边，构造树状PME图，所述树状PME图包括叶子极大团、中间极大团以及根极大图，基于聚集查询谓词条件为所述树状PME图的顶点添加属性；

(2)基于步骤(1)，计算所述树状PME图的聚集值概率分布。

上述技术方案中，采用概率互斥图模型为PSJ建模，无需划定概率阈值，也无需限定连接条数，保全了数据之间的依赖关系，能够保证查询信息的质量。

为了更准确对PSJ构造树状PME图，在构造树状PME图前，采用Kruskal算法删除PSJ构成的二分图中的回路，构造所述PSJ的最大生成树，并基于所述最大生成树构造所述树状PME图。

所述基于聚集查询谓词条件为顶点添加属性包括：为满足COUNT查询谓词条件的顶点增加标志属性；为满足SUM查询谓词条件的顶点增加求和属性，具体的步骤为：

删除不满足聚集查询谓词条件的私有顶点，其他顶点都保留；