关系数据库中的关键词查询结果动态优化

2022-09-11

1 引言

随着物联网计算机的高速发展, 信息时代也逐步的被习惯。用户可以利用动态优化算法中的关键词查询技术很快地查询到自己感兴趣的信息。本文主要分析蚁群优化算法和概念漂移查询结果动态优化机制两个方面来具体探讨关系数据库中关键词查询结果动态优化的方法。

2 关系数据库中的关键词查询技术概念

对于那些大型企业来说, 他们需要把结构化数据和文本文档相互结合才能使用, 只有这两者的无缝结合才能使得这些企业获得实在的利益, 这两者的结合必须就要通过关系数据库和关键词查询结合技术结合才能做到。目前关系数据库成了人们使用数据库的主流, 它往往是通过SQL这种结构化来查询语言, 但是在传统的关系数据库中, 如果用户想要查询自己感兴趣的信息, 必须要学会结构化的查询语言语法, 这不仅增加了关系数据库的使用难度, 而且提升了关系数据库的使用门槛。

反观在互联网网站上的搜索引擎 (例如Google和百度) , 用户只需要输入关键词就可以和容易得到需要的信息, 所以现在很多计算机工作者都在将关键词技术投入关系数据库中使用, 但是在将关键词查询结果技术运用到关系数据库的同时存在着一个较大的问题:无法根据变换的用户的兴趣来动态优化查询结果。因为数据库之大, 用户量很多, 很多时候用户的兴趣信息会随着时间而转变。

3 关系数据库中关键词查询结果动态优化具体算法

想要将关系数据库和关键词查询两者无缝结合, 就必须优化算法。在关系数据库中关键词查询的核心思想就是在数据库中枚举简化子树, 接下来将重点研究采用概念漂移理论和蚁群优化算法两者的结合来进行动态优化。

3.1 蚁群优化算法

蚁群优化算法是来源于仿生学, 它是根据蚂蚁在搜寻实物时的行为而演变为的一个算法, 具体原理是:蚂蚁在搜寻食物时并没有确切的信息, 当一只蚂蚁发现了食物它会立马留下信息素, 其他的蚂蚁会根据信息素的浓度来寻找到该食物。不同的蚂蚁会选择不同的路径并且分别释放出信息素, 蚂蚁群在前进的路程中会先选择信息素浓度较大的食物, 总的来说单只蚂蚁的行径简单, 蚂蚁群通过信息素来合作沟通就可以将全局优化。蚂蚁算法与这个行为相似, 它最大的优点是能够利用简单的集合信息来优化实际操作。

蚁群优化算法最开始被用来解决旅行商的问题, 但是随着研究人员的不断创新, 蚂蚁算法逐渐被运用于多重领域的优化。在数据库中关键词查询的动态优化中, 运用蚁群优化算法求解Steiner树问题。具体的操作方法是通过多只蚂蚁的合作来找寻出包含所有关键词的Steiner树, 首先找出最小的一棵Steiner树, 如果该信息条是top-a关键词的查询那么就找出代价最小的前a棵树的Steiner树, 并且逐渐缩小结果范围直到最后得到最优化的查询结果。在这种蚂蚁优化算法中, 最常见的是ACOKS算法。当然在将蚂蚁算法运用到关键词查询结果中还存在着和信息素更换的问题。在每次迭代开始之后每个信息素就会随着时间逐渐挥发所以该信息素的浓度也逐渐降低, 因此蚂蚁在行径的过程中就必须要更新信息素的矩阵, 来保证信息素浓度足够被蚁群发现。

总而言之, 在将蚂蚁优化算法运用到关系数据库中的关键词查询结果优化的时候, 必须要考虑到具体环境, 并且还要进行空间代价分析, 最终完成算法的优化。

3.2 基于概念漂移的查询结果动态优化

在上文中提到了运用ACOKS算法来解决关键词查询结果, 但是它无法很好地进行动态优化, 因此在此基础上必须还有运用另一种算法, 提高关键词查询结果的性能和有效性。概念漂移 (concept drift) 具体是指数据的整体会随着时间的改变而改变, 并且这些改变不再适用于新的数据模型, 因此在进行动态时必须对数据模型进行更新。那么在基于概念漂移的查询结果动态优化中, 其核心是利用概念漂移快速发现用户的兴趣方向的改变然后快速做出关键词概率调整, 让最后的查询结合更加符合用户的预期结果。

在利用概念漂移时, 必须要结合蚁群优化算法, 引导蚂蚁在移动过程中向那些用户兴趣概率较大的查询结果移动, 至于那些兴趣概率较小的查询结果, 蚂蚁就向其节点移动, 最后使得查询结果更加符合用户的需求。

总而言之, 在概念漂移动态优化查询结果的过程中具体分为三个步骤:利用概念漂移确定用户的大概率兴趣查询结果;对蚂蚁算法中的ACOKS改进为ACOKS※算法;最后根据新的算法确立出用户的查询结果。

4 结语

近几年来基于关键词查询优化的关系数据库问题已经成为了研究热点, 本文主要将关键词查询结果转换为了最小的Steiner树的问题, 然和结合蚁群优化算法中的ACOKS算法来进行关键词查询的性能优化, 然后将该ACOKS算法升级为新的ACOKS※, 结合概念漂移运用于关键词查询结果的兴趣概率确定, 最总实现关键词结果的动态优化, 当然关键词查询技术发展的脚步不会停歇, 相关的研究人员应当立足于当代社会的需求, 跟紧社会发展的脚步努力做出更多优化算法的创新。

摘要：传统的关系数据库具有较多的信息, 大量的数据。运用关键词查询可以使用户很快地查询到自己所感兴趣的内容, 用户不需要任何的数据库结构化查询方式就能获取自己感兴趣的内容, 关键词查询技术不仅很大程度上方便了用户, 而且还使其门槛一定程度的降低。本文主要分析了关键词查询概念, 并且就两个算法为例, 分析了关键词查询结果优化的具体方法。

关键词：关系数据库,关键词查询结果,动态优化