基于索引的内存相似性连接算法

• 作者: 李秋虹 汪卫 汪洋 王鹏 董明秀
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 相似性连接 磁盘 查询 内存 索引 分区
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 先进计算
• 页码范围: 18-24,30
• 页数: 8页
• 分类号: TP391
• 字数: 7832字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.01.004

摘要

在传统的相似性连接算法中,精确计算和分区阶段互相独立,精确计算时需要对每个分区中的所有数据进行两两比较,计算量较大.针对该问题,设计一种新的内存索引——距离树,并在其基础上提出两结构内存相似性连接算法.根据数据的潜在分布将其分发到不同的分区中,保证具有一定相似度的数据对分配在同个或相邻的分区内,同时通过树节点之间的位置信息保存分区阶段的计算结果,使精确计算阶段仅需对每个分区中相邻的叶节点数据进行比较计算.实验结果表明,与TOUCH算法相比,基于距离树的算法可使运行速度提高2倍～3倍,并具有更好的可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏	复旦大学计算机科学技术学院	64	321	10.0	15.0
5	汪洋	复旦大学计算机科学技术学院	118	753	14.0	20.0
9	汪卫	复旦大学计算机科学技术学院	100	1152	16.0	29.0
10	董明秀	复旦大学计算机科学技术学院	1	0	0.0	0.0
14	李秋虹	复旦大学计算机科学技术学院	3	0	0.0	0.0