大数据环境下支持概率数据范围查询索引的研究

• 作者: 朱睿 杨晓春 王国仁 王斌
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 大数据 概率数据 索引 概率概要信息 多分辨率网格
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 数据科学与工程
• 页码范围: 1929-1946
• 页数: 18页
• 分类号: TP311
• 字数: 8738字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2016.01929

摘要

随着数据规模的不断增长，大数据管理具有重要意义．在众多数学模型中，因为概率模型可以将海量数据抽象成少量概率数据，所以它非常适合管理大数据．因此，研究大数据环境下的概率数据管理具有重要意义．作为一种经典查询，基于概率数据的范围查询已被深入研究．然而，当前研究成果不适合在大数据环境下使用．其根本原因是这些索引的更新代价较大．该文提出了索引 HGD-Tree 解决这一问题．首先，该文提出了一系列算法降低新增数据的处理代价．它可以保证树结构平衡的前提下快速地执行插入、删除、更新等操作．其次，该文提出了一种基于划分的方法构建概率对象的概要信息．它可以根据概率密度函数的特点自适应地执行划分．此外，由于作者提出的概要是基于比特向量，上述策略可以保证索引以较低空间代价管理概率数据．最后，该文提出了一种基于位运算的方法访问 HGD-Tree．它可以用少量的位运算执行过滤操作．大量的实验验证了算法的有效性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国仁	东北大学信息科学与工程学院	228	2804	25.0	45.0
2	杨晓春	东北大学信息科学与工程学院	65	1090	16.0	32.0
3	王斌	东北大学信息科学与工程学院	101	945	14.0	28.0
4	朱睿	东北大学信息科学与工程学院	3	6	1.0	2.0