[发明专利]一种基于Trie的空间关键词查询方法及装置

说明书

本发明涉及一种基于Trie的空间关键词查询方法及装置，本发明方法包括：数据预处理步骤，将数据集D中所有位置点编码成长度为n的字符串geoStr，根据字符串geoStr后缀ssuf按字典序对数据集D中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集R；空间关键词索引建立步骤，对字符串前缀spre构建Trie，Trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；空间关键词查询步骤，检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。本发明可高效支持任意空间范围的关键词查询。

技术领域

本发明涉及一种基于Trie的空间关键词查询方法及装置，属于空间关键词查询(Spatial Keyword query)领域、基于位置的服务(Location-Based Service,LBS)等领域。

背景技术

近年来，随着移动设备的普及、定位技术的快速发展，导致产生了大量基于位置的服务，如导航服务（高德地图、百度地图、腾讯地图等）根据当前的交通状态实时为用户推荐到达目的地的最优路线；社交服务（如：Foursquare、Twitter、微信、陌陌等）允许用户共享自己的地理位置并添加相应描述信息供其他用户参考；食住服务（如：美团外卖、饿了么、去哪儿、携程等）允许用户查询附近兴趣点；娱乐服务（如：Wikitude、全城热斗等）为用户提供更逼真的游戏环境。这些LBS服务产生了大量具有位置属性的文本数据，即空间文本。面对这样的发展趋势，高效支持空间文本查询亟需高效的空间文本索引结构。根据应用场景，空间文本查询可分为空间关键词查询与分发/订阅查询。

目前，国内外对空间文本索引结构进行了广泛而又深入的研究，这些索引结构通常组合空间索引结构与文本索引结构。根据所采用的空间索引结构的不同，可将其分为：基于R-Tree及其变体、grid/Quad-Tree、space-filling curve的空间文本索引；根据所采用的文本索引结构，可将其分为：基于倒排列表与签名文件的空间文本索引。空间索引与文本索引的组合方式分为：独立组合、松散组合、紧凑组合。据空间关键词查询领域国内外研究现状可知，R-Tree及其变体与倒排索引组合的索引结构是主流的空间文本索引结构。R-Tree的变体以面积最小原则、重叠区域最小原则、周长最小原则和存储利用率较高原则为导向对R-Tree进行优化，但检索效率仍受R-Tree多路径查询问题的制约。

发明内容

为高效支持任意空间范围的关键词查询，本发明提供了一种基于Trie的空间关键词查询方法及装置。

本发明的技术方案是：一种基于Trie的空间关键词查询方法，包括：

数据预处理步骤，将数据集D中所有位置点编码成长度为n的字符串geoStr，根据字符串geoStr后缀ssuf按字典序对数据集D中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集R；其中ssuf指字符串geoStr的后n-m位字符，m≤n，m表示字符串geoStr前缀部分的位数；

空间关键词索引建立步骤，对字符串前缀spre构建Trie，Trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；其中，该域指从根节点到叶节点所构成的geoStr前缀spre_i，spre_i指第i个字符串geoStr的前m位字符，spre指字符串geoStr的前m位字符；

空间关键词查询步骤，检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。

所述数据预处理步骤，具体包括如下步骤：