[发明专利]基于元组级不确定性模型的多对多型PSJ聚集查询方法

说明书

本发明公开了一种基于元组级不确定性模型的PSJ聚集查询方法，包括：(1)利用元组级不确定性模型，将每一条多对多型PSJ连接建模为一条不确定性元组，形成PSJ全集；(2)基于步骤(1)的建模结果，为满足COUNT查询谓词条件的元组增加标志属性，为满足SUM查询谓词条件的元组增加求和属性；(3)在步骤(2)的基础上，采用动态规划思想，计算所述PSJ子集的聚集值概率分布，并基于所述PSJ子集的聚集值概率分布的结果，计算得PSJ全集的聚集值概率分布。该方法解决了在多对多型PSJ上难以执行COUNT查询和SUM查询的问题，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，具体涉及基于元组级不确定性模型的多对多型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。

发明内容

本发明的目的是提供一种基于元组级不确定性模型的多对多型PSJ聚集查询方法，该方法能够对多对多型PSJ建模，并基于模型有效地计算多对多型PSJ的COUNT值和SUM值概率分布，进而缩短计算时间，提高查询效率。

为实现上述目的，本发明提供的技术方案为：

一种基于元组级不确定性模型的多对多型PSJ聚集查询方法，包括以下步骤：

(1)利用元组级不确定性模型，将每一条多对多型PSJ连接建模为一条不确定性元组，形成PSJ全集，所述PSJ全集中的一条不确定性元组对应一个PSJ子集；

(2)基于步骤(1)的建模结果，为满足COUNT查询谓词条件的元组增加标志属性，为满足SUM查询谓词条件的元组增加求和属性；

(3)在步骤(2)的基础上，采用动态规划思想，计算所述PSJ子集的聚集值概率分布，并基于所述PSJ子集的聚集值概率分布的结果，计算PSJ全集的聚集值概率分布。

作为优选，所述步骤(2)包括：

查询类型一：若聚集查询为COUNT查询，则为不确定性元组增加一个属性F，表示所述不确定性元组是否满足谓词条件，若所述不确定性元组满足谓词条件，那么l.F＝1，否则l.F＝0；

查询类型二：若聚集查询为SUM查询，则为不确定性元组增加一个属性F，表示所述不确定性元组求和属性值的大小，若所述不确定性元组满足谓词条件，那么l.F等于所述不确定性元组的原始PSJ的求和属性值，否则l.F＝0。

作为优选，所述计算所述PSJ子集的聚集值概率分布包括：