海量多版本文档的加权持久性top-k检索

• 作者: 兰超 张勇 邢春晓
• 来源期刊: 计算机研究与发展
• 学科: 工学
• 关键词: 多版本文档 top-k查询 时态查询 文书类档案 多版本查询
• 年，卷（期）: 2013,（z2）
• 所属期刊栏目: 大数据处理、查询与检索
• 页码范围: 121-131
• 页数: 11页
• 分类号: TP311
• 字数: 9666字
• 语种: 中文

摘要

提出并研究了针对海量多版本文档的加权持久性top-k检索问题.加权持久性top-k检索能够返回在一个限定时间区间内与查询关键词组持续相关的k个结果,并且考虑不同时间区间有不同的权重.针对这一问题,把现有时空查询和针对多版本文档查询的方法进行扩展,使其支持加权持久性top-k检索问题,并分析总结了该方法的缺点,进而又提出了一种新的基于时间区间窗口的算法.基于时间区间窗口的算法能够支持多种经典top-k算法并有效地解决加权持久性top-k检索问题.最后使用Wikipedia多版本数据进行了一系列性能试验,对比测试了基于区间窗口的算法和扩展算法.结果表明区间窗口算法在各个测试下的效率和可扩展性明显优于扩展算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张勇	清华大学信息技术研究院	121	1865	23.0	40.0
2	邢春晓	清华大学信息技术研究院	84	2349	18.0	47.0
3	兰超	清华大学计算机科学与技术系	3	5	1.0	2.0