[发明专利]基于空间-语义-数值相关度的空间关键字Top-K查询方法

权利要求书

1.基于空间-语义-数值相关度的空间关键字Top-K查询方法，其特征在于，包括以下步骤：

步骤1：对于空间对象文本信息中的每个单词，生成其对应的词嵌入向量表示，然后计算出每对单词之间的语义相似度，存储在单词语义相似度表中，用于对查询关键字的语义扩展；

步骤2：构建AKR-tree混合索引结构，其具体步骤如下：步骤2.1：利用R-tree生成AKR-tree，AKR-tree每个节点的信息分为三个部分：前两部分是两个指针，分别指向包含该节点所有关键字的文件和数值属性文件，第三部分是该节点中的条目集合；

步骤2.2：生成AKR-tree各中间节点下空间对象数值属性元组的Skyline集合；

步骤2.2中数值属性元组的Skyline集合的生成规则如下：

假设AKR-tree中某个节点下的所有空间对象对应的数值属性元组集合D有n条元组和m+1个数值，令Α＝{A₁，A₂，...，A_m}，t[A_i]为元组t上属性A_i的值；

假设对于每个属性，在支配关系dominate中的值有一个偏序关系，一个元组t∈D支配另一个元组t’∈D，由表示，当且仅当t[A_i]≥t’[A_i]和t[A_i]t’[A_i]；

如果一个元组t∈D与另一个元组t’∈D是不可比的，则表示为t～t’，当且仅当并且

步骤3：对于用户给定的空间关键字查询条件，先从步骤1中的语义相似度表中找出语义相关单词，扩展查询关键字范围；然后利用构建的AKR-tree混合索引进行查询结果快速匹配；

步骤4：在匹配过程中，先检查每个分支节点是否满足查询条件的空间约束，在满足空间约束的前提下，再检查该节点的Textfile中是否包含查询关键字；

对于匹配的节点，分别计算其Skyline集合中的空间对象与查询条件的位置相近度、语义相关度和数值接近度，最后得到匹配结果的综合得分，并按综合得分选出top-k个最终结果。

2.如权利要求1所述的基于空间-语义-数值相关度的空间关键字Top-K查询方法，其特征在于，步骤1的具体步骤如下：

步骤1.1：提取所有空间对象文本信息中的单词，进行去停用词处理，之后所有不同单词构成一个词典，对于词典中的每个不同单词，利用Word embedding技术生成每个单词的嵌入向量表示；

步骤1.2：基于单词的嵌入向量表示，利用Cosine相似度方法计算出每对单词之间的语义相似度，用于在线查询阶段的查询关键字语义扩展。

3.如权利要求1所述的基于空间-语义-数值相关度的空间关键字Top-K查询方法，其特征在于，步骤3的具体步骤如下：

步骤3.1：扩展空间关键字查询条件，利用AKR-tree得到与查询条件相匹配的节点，获得匹配节点中处于Skyline集合中的空间对象作为候选结果集合；

步骤3.2：对于候选结果集合中的每个空间对象，分别计算出其与查询的位置相近度、语义相关度以及数值接近度；

步骤3.3：计算出空间对象与查询的综合相关度分数，按分数大小选出top-k个最终结果。