导读:本文包含了查询松弛论文开题报告文献综述及选题提纲参考文献，主要关键词:包推荐,熵权法,查询松弛,属性权重
查询松弛论文文献综述
张东伟,王曦杨[1]（2018）在《基于综合赋权的包推荐查询松弛方法》一文中研究指出针对包推荐系统的推荐结果用户满意度较低的问题,提出一种基于综合赋权的包推荐查询松弛方法。该方法引入改进的熵权法,综合考虑用户的主观意图和客观情况,计算属性权重;根据初始查询返回结果情况,计算松弛阈值;并利用不同属性值域大小情况下数据相似性不同的原理以及隶属度方法,确定数值型属性相似性,计算松弛区间。实验结果表明,所提出方法的权重评估结果合理;在多个不同类型的查询条件下,所提方法在未增加额外时间开销基础上,相较于QRRR方法效用提升更加明显,验证了该方法的有效性。(本文来源于《计算机应用研究》期刊2018年03期）
李爽[2]（2015）在《基于模糊聚类的模糊查询及查询松弛方法的研究》一文中研究指出经典关系型数据库是以布尔逻辑为基础的,这就表明它只能表示和存储精确的、确定性的信息。也就意味着用户仅能进行精确查询,然而,大量用户对数据库的查询意图是模糊的、不精确的,因此研究基于经典数据库上的模糊查询是必要的。而模糊查询条件与精确条件查询的查询结果交集为空或者用户的错误查询表达又可能导致失败查询,即空查询结果。这就需要数据库能够在一定程度上放松对初始查询条件的约束,从而得到与初始查询条件相似的查询结果。针对上述问题,本文对数据库模糊查询和失败查询问题进行了深入研究,并分别给出了二者的解决方案。首先,本文提出了基于模糊聚类分析的数据库模糊查询算法。将要查询的属性值直接应用模糊聚类分析进行计算,使用Prim算法形成的最大树进行动态分类,应用映射函数将其映射到相应的模糊集合,即根据被查询数据本身的特性进行聚类,从而得到查询结果,避免了使用人为定义隶属函数进行模糊查询带来的主观性,聚类分析算法的应用不仅有效提高了模糊查询的可信度,而且还大大提高了其通用性。实验结果表明,使用模糊聚类分析进行模糊查询在避免了主观性的同时得到了较为理想的实验结果。其次,针对模糊查询可能导致的空查询问题,本文依次给出了解决模糊条件查询松弛算法和精确条件查询松弛算法。对于模糊条件的查询松弛方法,本文提出了重写聚类分析中映射函数的方法来实现查询松弛,即重写后的映射函数能够映射更多聚类,从而增加查询返回的结果数;对于精确条件的查询方法,本文提出的解决方法是,首先基于IDF信息检索技术对各个属性进行权值评估,然后依据权值从小到大依次进行松弛,具体松弛方法又分为非数值型属性和数值型属性,对于非数值型属性,本文采取了粗粒度查询松弛策略,即直接去除该属性约束;而对于数值型属性,本文则提出了基于直方图技术的查询松弛方法,实验结果从查全率和查准率两个方面论证了本文提出的查询松弛方法是有效的。(本文来源于《辽宁大学》期刊2015-05-01）
杨帆[3]（2013）在《RDF模糊查询松弛方法的研究》一文中研究指出随着万维网上的内容越来越多,人们对于准确、快速、全面获取信息的愿望也愈发强烈。语义Web作为当前Web的扩展,其研究领域是为万维网中的数据增加机器可理解的语义,从而使机器能快速、准确地从万维网上获取全面有用的信息并进行自动处理。RDF (Resource Description Framework,资源描述框架)是一个通用的元数据模型标准,它使得语义Web上的语义检索成为可能。语义Web中支持RDF查询的查询语言有多种,目前SPARQL已成为RDF查询语言的推荐标准,在此基础上为了满足用户的模糊查询意图,出现像f-SPARQL这样支持模糊表达的查询语言,这使RDF查询系统具有直接处理模糊查询的功能。然而由于查询用户不了解语义Web中RDF数据集的结构及内容信息,所以提交的初始模糊查询条件很可能过于苛刻导致查询结果过少或者为空,这大大降低了模糊查询的查全率。查询用户希望查询系统能够自适应地返回近似且有序的查询结果,然而目前的模糊查询系统却不具备这一功能。针对这一问题,本文提出了RDF上模糊查询的松弛方法以及查询松弛后对于结果集排序问题的解决方案。本文研究的核心内容为：在RDF模糊查询的基础上研究原子模糊查询以及复合模糊查询的松弛算法,并且为查询松弛后得到的结果集排序。首先,提出RDF数据集上原子模糊查询返回结果失败的松弛算法,该算法的核心技术为模糊术语的松弛操作和容差指标Z的确定,并且利用查询领域的非授权模糊集使查询松弛迭代成为一个可控的过程。其次,研究了较为复杂的RDF复合模糊查询的松弛方法,在这里模糊查询条件的IDF权重信息和松弛查询格结构的提出确定了多个不同松弛查询模式的执行顺序。为了降低系统的响应时间,将最小失败子查询应用到松弛迭代过程中,最终得到一个高效可控的松弛算法。第叁,本文提出了基于模糊集贴近度和查询条件权重的通用评分策略,基于TA算法思想为松弛查询结果排序,可高效地完成松弛结果的排序工作。最后,本文实现了具备自适应松弛功能的RDF模糊查询原型系统并对其实验结果进行研究分析,实验结果表明本文的松弛结果在查全率和查准率的评估上都有较好的性能,但在系统响应时间性能上有待提高。(本文来源于《东北大学》期刊2013-06-01）
郭楠,于晓,冯勇[4]（2012）在《Deep Web集成环境下基于经验值的弹性查询松弛方法》一文中研究指出Deep Web环境中,用户输入的查询条件过于严格可能会导致查询的失败,通过查询松弛可以提升查询的有效性.为使查询松弛更加科学准确,提出了一种基于经验值的弹性查询松弛方法.首先获取各查询属性的经验值,并确定各属性的重要度;然后给出了基于经验值的弹性查询松弛策略,即按照属性重要度由低到高的顺序,依次在属性的经验值范围内对查询条件进行弹性松弛,使查询松弛后返回的结果尽可能与用户的查询请求相匹配;最后通过实验验证了所提查询松弛方法切实可行.(本文来源于《辽宁大学学报(自然科学版)》期刊2012年04期）
于晓[5]（2012）在《Deep Web查询松弛和实体识别研究》一文中研究指出随着互联网的飞速发展，Deep Web上的信息量呈爆炸性增长，Deep Web相关方面的研究引起越来越多学者的关注。通过Deep Web获取信息成为目前用户获得专业信息的主要途径，但是用户在查询信息的过程中难免会产生失败查询，即无结果返回的查询，因此关于Deep Web查询松弛方面的研究显得尤为重要。由于Deep Web中数据源数量众多，即使相同领域也有多个数据源提供结果，因此造成大量冗余数据存在。由于返回的结果来自不同的数据源，不同数据源对同一实体的描述可能存在差别，而用户往往不希望看到重复的数据。实体识别的目的是去掉结果中的重复数据，识别出相同的实体，即降低数据的冗余度，提高用户的满意度。因此关于Deep Web实体识别的研究也成为研究的热点。本文基于Deep Web研究现状的分析，针对现有查询松弛方法存在可能有大量无关结果返回的问题，提出了一种基于经验值的Deep Web弹性查询松弛方法。首先查询经验值库，如果存在经验值则进行值松弛，否则进行属性松弛并筛选结果，提取经验值存入经验值库。然后构建数据源关系图并得到属性的重要度。在查询松弛的过程中，为了避免被动的松弛，构建数据源关系图，根据数据源关系图从最不重要属性开始对属性值进行弹性查询松弛，将返回结果集中的实体按与用户查询请求的相似度进行排序，将最接近用户请求的实体返回给用户。在图书领域中，关于图书的描述大多含有特殊符号和出版社简写，而现有实体识别方法不能很好的处理这种情况，在研究了大量相关方法后，本文提出了一种基于公共子串的Deep Web实体识别方法来处理特殊符号，建立同义词库对数据进行预处理来处理属性值的简写情况。首先，在训练集上通过迭代的训练得到属性的权重、相似阈值和不相似阈值；然后对实体各属性值进行数据预处理，对经预处理后的属性值进行相似度计算；最后通过各属性相似度的加权求和实现相同实体的识别。最后通过实验证明了本文所提基于经验值的Deep Web弹性查询松弛方法具有较高的用户满意度、基于公共子串的Deep Web实体识别方法具有较高的准确度。(本文来源于《辽宁大学》期刊2012-05-01）
李敏[6]（2011）在《基于相似度与上下文偏好的RDF查询松弛方法研究》一文中研究指出语义Web是对下一代Web形态的新设想,作为当前互联网的延伸,语义Web的目标是使网络应用更加智能化和自动化,能够让机器“理解”Web上的信息,从而更加高效地检索信息。作为语义Web的知识载体,RDF(Resource Description Framework,资源描述框架)的出现使得语义检索成为可能。随着RDF数据规模和复杂程度的迅速增长,对于RDF查询的需求越来越多,同时难度也越来越大。当前,在RDF本体查询中,一方面,异构的本体结构和复杂的本体查询语言往往造成用户的认知困难,即使用户明确自己的查询意图,常常由于不能为查询提供正确的查询模式而导致查询返回结果为空或少量的情况,此时用户希望系统能够修正查询模式或者自动放松查询限制条件(即查询松弛),以提供近似匹配的查询结果；另一方面,在松弛过程中可能面临多条松弛路径和经过查询松弛后的多查询结果问题,此时用户又希望系统能够对松弛路径以及查询结果自动排序,避免信息过载。为此,本文提出基于相似度和上下文偏好的RDF本体松弛方法。首先,针对返回结果为空或少量的情况,提出RDF查询松弛的方法,通过基于RDFS蕴涵规则和领域偏好的松弛方法对初始查询模型进行松弛重写,在松弛过程中构建查询松弛树模型,根据不同的松弛路径得到更多查询结果。然后,针对多松弛路径以及松弛后的多查询结果问题,本文提出了面向RDF的语义相似度和上下文偏好的模型,通过对松弛查询模型语义相似度和松弛重写规则上下文偏好程度的定量表示,进而对松弛路径进行加权排序以提供多松弛路径和多查询结果排序方法。当查询到来时,根据对应元组的语义相似度以及对应松弛路径上松弛规则的上下文偏好,利用这些代表性排列为当前查询快速提供tOp-κ个结果元组。最后在提出的查询松弛策略的基础上,给出了查询松弛算法设计,并且通过一个简单的原型系统,验证了本文所提出方法的可行性,同时通过与现有RDF查询松弛方法的比较,说明了本文所提方法在松弛步数、查询响应时间以及查全率方面具有优越性。(本文来源于《东北大学》期刊2011-06-01）
孟祥福,严丽,马宗民,张富,王星[7]（2011）在《基于语义相似度的数据库自适应查询松弛方法》一文中研究指出为了解决数据库空查询结果问题,提出了一种基于语义相似度的数据库自适应查询松弛方法.首先,基于初始查询条件和数据分布推测用户对查询指定属性的重视程度,据此提出了一种属性权重评估方法;然后,通过考察属性值的特征信息,分别提出了分类型属性值之间和数值型属性值之间的语义相似度评估方法;在此基础上,根据松弛阈值、属性权重和属性值之间的语义相似度,提出了一种自适应查询松弛重写算法.对于满足松弛查询的近似查询结果,按照它们对初始查询的满足度进行排序.实验结果表明,提出的属性权重和属性值之间的语义相似度评估方法性能稳定,评估结果合理,提出的查询松弛方法具有较高的查全率,能够较好地满足当前用户的需求和偏好.(本文来源于《计算机学报》期刊2011年05期）
李大振[8]（2010）在《基于语义相似度的RDF本体查询松弛方法研究》一文中研究指出语义Web是下一代Web的发展方向,是当前互联网的延伸,其目标是使Web上的信息能够被机器理解,从而可以更加高效地检索信息。RDF(Resource Description Framework,资源描述框架)是一个通用的元数据模型标准,它使得语义Web上的语义检索成为可能。随着RDF的广泛应用,RDF本体在规模及复杂度上迅速增加,对RDF本体查询的难度也越来越大。在RDF本体查询中,一方面,当用户明确自己的查询意图但是对本体的结构和内容不太了解时可能会出现返回结果为空或少量的情况；另一方面,经过查询松弛后会出现返回大量结果的情况,其中会有一部分结果与初始查询在语义上偏离较远,此时用户又希望系统在返回查询结果时能够返回与初始查询在语义上相关的查询结果。针对以上两种情况,本文提出了基于语义相似度的RDF本体查询松弛方法。本文针对返回结果为空或少量的情况,提出了RDF查询松弛的方法,通过RDFS的蕴含规则对叁元组模型进行松弛从而得到更多的查询结果。针对要求返回与初始查询在语义上相近的结果的情况,提出了面向RDF的语义相似度的概念,通过语义相似度的计算,从而在查询松弛得到的结果中选择与初始查询在语义上相近的结果。随后在上面提出的查询松弛策略以及语义相似度的基础上,给出了查询松弛算法,并在最后实现了一个简单的原型系统,其中RDF本体的存储使用支持SPARQL查询语言的Jena SDB.实验表明,本文提出的基于语义相似度的RDF本体查询松弛方法具有可行性,并且通过与现有RDF查询松弛方法进行比较,验证了本文提出的方法在查询响应时间以及查全率方面具有的优越性。(本文来源于《东北大学》期刊2010-06-01）
申德荣,马也,聂铁铮,寇月,于戈[9]（2010）在《一种应用于Deep Web数据集成系统中的查询松弛策略》一文中研究指出针对Deep Web环境中存在的失败查询,提出了一种有效的查询松弛策略.所有Deep Web资源按查询接口属性分组,组成全局数据源关系图(DRG);针对特定查询将DRG转换为对应该查询请求的数据源关系图;利用该DRG,按照特定的规则进行查询松弛和执行处理.针对查询松弛导致的部分结果可能与用户查询请求的相似度较低的问题,提出先通过Skyline方法对结果进行筛选,然后再根据各个结果实例与用户查询的相似度进行Top-k排序,最后将最接近用户要求的结果集返回给用户.通过实验验证了提出的查询松弛策略的有效性.(本文来源于《计算机研究与发展》期刊2010年01期）
马也[10]（2008）在《Deep Web环境下查询松弛技术的研究》一文中研究指出随着信息技术的不断发展,Web上的信息量呈爆炸性增长。按照所蕴含信息深度的不同,可以将Web划分为Surface Web和Deep Web两大类。其中,Deep Web是指那些存储在Web数据库里、不能通过超链接访问而需要采用动态网页技术访问的资源集合。Deep Web中的信息量远远大于Surface Web中的信息量,有效地利用这些信息,能够更加充分地发挥Internet的作用。然而,在查询信息的过程中难免会产生失败查询,即没有结果返回的查询。对失败查询进行处理,使其返回与用户意愿比较相近的结果,比告知用户没有结果更具协作性,更有意义。本文基于对Deep Web环境的观察和分析,提出了一种Deep Web环境下查询松弛的解决方案。首先,利用查询探测获得未知数据源的样本信息,并根据样本信息计算各个属性的近似函数依赖关系,得到属性重要度；然后,通过变换数据源关系全图得到针对于查询请求的数据源关系图；最后,利用这个数据源关系图,就可以按照特定的规则进行查询松弛和执行过程。由于查询松弛的存在,从各数据源得到的结果数量可能很大,部分结果与用户查询请求的相似度较低,因此从各数据源得到结果后,先通过skyline方法对结果进行筛选,然后根据各个结果实例与用户查询的相似度进行排序,将最接近用户要求的结果集返回给用户。以此查询松弛和结果过滤方法为基础,实现了Deep Web搜索引擎DWSearch中的查询处理子系统。出于处理并发访问的考虑,该系统采用了分布式设计。以DWSearch系统为平台,通过实验验证了本文提出的查询松弛和结果过滤办法的有效性。(本文来源于《东北大学》期刊2008-06-01）
查询松弛论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
经典关系型数据库是以布尔逻辑为基础的,这就表明它只能表示和存储精确的、确定性的信息。也就意味着用户仅能进行精确查询,然而,大量用户对数据库的查询意图是模糊的、不精确的,因此研究基于经典数据库上的模糊查询是必要的。而模糊查询条件与精确条件查询的查询结果交集为空或者用户的错误查询表达又可能导致失败查询,即空查询结果。这就需要数据库能够在一定程度上放松对初始查询条件的约束,从而得到与初始查询条件相似的查询结果。针对上述问题,本文对数据库模糊查询和失败查询问题进行了深入研究,并分别给出了二者的解决方案。首先,本文提出了基于模糊聚类分析的数据库模糊查询算法。将要查询的属性值直接应用模糊聚类分析进行计算,使用Prim算法形成的最大树进行动态分类,应用映射函数将其映射到相应的模糊集合,即根据被查询数据本身的特性进行聚类,从而得到查询结果,避免了使用人为定义隶属函数进行模糊查询带来的主观性,聚类分析算法的应用不仅有效提高了模糊查询的可信度,而且还大大提高了其通用性。实验结果表明,使用模糊聚类分析进行模糊查询在避免了主观性的同时得到了较为理想的实验结果。其次,针对模糊查询可能导致的空查询问题,本文依次给出了解决模糊条件查询松弛算法和精确条件查询松弛算法。对于模糊条件的查询松弛方法,本文提出了重写聚类分析中映射函数的方法来实现查询松弛,即重写后的映射函数能够映射更多聚类,从而增加查询返回的结果数;对于精确条件的查询方法,本文提出的解决方法是,首先基于IDF信息检索技术对各个属性进行权值评估,然后依据权值从小到大依次进行松弛,具体松弛方法又分为非数值型属性和数值型属性,对于非数值型属性,本文采取了粗粒度查询松弛策略,即直接去除该属性约束;而对于数值型属性,本文则提出了基于直方图技术的查询松弛方法,实验结果从查全率和查准率两个方面论证了本文提出的查询松弛方法是有效的。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
查询松弛论文参考文献
[1].张东伟,王曦杨.基于综合赋权的包推荐查询松弛方法[J].计算机应用研究.2018
[2].李爽.基于模糊聚类的模糊查询及查询松弛方法的研究[D].辽宁大学.2015
[3].杨帆.RDF模糊查询松弛方法的研究[D].东北大学.2013
[4].郭楠,于晓,冯勇.DeepWeb集成环境下基于经验值的弹性查询松弛方法[J].辽宁大学学报(自然科学版).2012
[5].于晓.DeepWeb查询松弛和实体识别研究[D].辽宁大学.2012
[6].李敏.基于相似度与上下文偏好的RDF查询松弛方法研究[D].东北大学.2011
[7].孟祥福,严丽,马宗民,张富,王星.基于语义相似度的数据库自适应查询松弛方法[J].计算机学报.2011
[8].李大振.基于语义相似度的RDF本体查询松弛方法研究[D].东北大学.2010
[9].申德荣,马也,聂铁铮,寇月,于戈.一种应用于DeepWeb数据集成系统中的查询松弛策略[J].计算机研究与发展.2010
[10].马也.DeepWeb环境下查询松弛技术的研究[D].东北大学.2008