[发明专利]基于CUDA并行和LCA的XML关键字查询方法

说明书

本发明公开了基于CUDA并行和LCA的XML关键字查询方法，针对使用递归方法查询关键字，以串行方式运行为主，如果包含关键字的节点数目较多，查询效率往往不是很理想的问题，对传统LCA算法进行改进，提了两两分组的改进的LCA算法，同时使用基于CUDA的GPU并行运算对改进的LCA算法进行加速运算。本发明方法能有效解决关键字查询数量大时，运算效率低的问题，查询结果准确，能减少查询串行次数，增加并行次数，使用GPU并行加速运算，获得较大的加速比，比传统的LCA算法有更好的检索效率。

技术领域

本发明属于网络数据检索技术领域，特别是基于CUDA并行和LCA的XML关键字查询方法。

背景技术

当前移动互联网已应用在各个领域之中，以手机平板等为主的移动设备成为广大网民的喜爱的上网工具，由此产生的各种数据呈现爆炸式增长。信息的交换越发频繁，如何从数量级的数据中获取有价值的信息，成为众多学者研究的热点问题。由于数据量太大，数据的格式各不相同，人们从大量数据中获取所需信息变得异常艰难。由此，W3C发布了XML的标准定义，为web数据的交换提供了统一标准。基于CUDA的GPU高性能运算在处理数据凸显巨大优势，使其在大规模运算方面得到广泛使用。

基于XML格式的数据检索是目前学者探讨的焦点问题。LCA(Lowest CommonAncestor，最低公共祖先)算法是目前学者常用的关键字查询算法，该算法由Hristidis等人提出(V.Hristidis，Y.Papakonstantinou，and A.Balmin.Keyword proximity searchon XMLgraphs. In ICDE，pages 367-378，2003)，确定了XML的查询语义，奠定了XML关键字查询的基础。随后产生了SLCA算法(Y.Xu and Y.Papakonstantinou.Effecient keywordsearch for smallest lcas in XMLdatabases.In SIGMOD，pages 527-538，2005.)、MLCA算法(Yunyao Li，Cong Yu，H.V.JagaDish.Schema-Free XQuery.In Proceedings ofVLDB，pages72–83，2004.)，VLCA 算法(G.Li，J.Feng，J.Wang，and L.Zhou.EffecientKeyword Search for Valuable LCAsoverXML Documents.In CIKM，2007.)，Xreal算法(Bao Z，Ling T W，Chen B，et al.Effective XML Keyword Search with RelevanceOriented Ranking[C]//IEEE，International Conference on Data Engineering.IEEE，2009:517-528.)，这些算法利用查询的语义的特点，一定程序上能够查询出结果，但存在一些不足，如SLCA计算的结果容易出现与关键字不一致的现象，VLCA降低节点相关度，三种算法忽略用户的查询意图，用户难以获得准确的结果等。至此，Z.Liu和Y.Chen继续深入研究，提出了一个XML关键字搜索引擎XSeek(Z. Liu and Y.Chen.Identifying meaningfulreturn information for XML keyword search.In SIGMOD， 2007.)，来推断搜索的语义并有效地识别返回节点，结果更符合用户需求，但由于查询意图比较复杂，该方法难以精确分析用户的查询语义。Li设计了索引查找算法(李素清，陶世群. 一种基于关键字的XML文档查询算法[J].计算机工程与应用，2012，48(5):139-141.)，该算法仅需检索一次关键字对应的编码列，就可获得所需的编码，大大缩短了程序的计算时间。但是该算法的运行是串行方式，当存在多关键字时，程序效率低下。Dejun Yue等人提出了两个算法SONB和MSOP(Yue D，Yu G，Liu J，et al.Efficient keyword search for SLCA in parallel XMLdatabases[C].Web Information Systems and Applications Conference(WISA)，2011Eighth.IEEE，2011:29-34.)，有效实现并行计算SLCA，大大提高了XML查询效率。张晓琳等认为基于Dewey编码过于复杂，提出了基于区间编码的XML查询方式(张晓琳，郝琨，郭丹丹，等.InSearch:一种高效的XML关键字查询算法[J].小型微型计算机系统，2016， 37(5):933-937.)，使SLCA算法，获得了较好的查询效率。Bo Ning等针对XML数据量大和 XML模式复杂的查询问题，设计了一种并行处理信息检索的方法(Ning B，Zhou X，Shi Y. Parallelprocessing the keyword search in uncertain environment[C].System Science andEngineering(ICSSE)，2012International Conference on.IEEE，2012:409-414.)，能最大的概率值返回查询结果。张永等提出了智能分组策略XML关键字查询(张永，李泉霖，刘博.基于智能分组策略的XML关键字查询算法[J].计算机科学，2016，43(10):229-233.)，一定程度上提高了算法的效率。然而，以上算法均是使用递归方法实现关键字的查询，以串行方式运行为主，如果包含关键字的节点数目较多时候，查询效率往往不是很理想。