数据库模糊查询结果自动排序方法

数据库模糊查询会产生多个查询结果,因此有必要将查询结果按照用户需求进行排序.首先根据元组对模糊查询的隶属度,将查询结果中具有不同隶属度的元组分开.然后,利用PIR改进模型和历史查询记录来分析元组中被查询指定的属性值与未指定的属性值之间的关联程度,从而获得用户偏好并以此对具有相同隶属度的元组进行排序.在此基础上,提出了模糊查询下的DPR自动排序方法.实验及分析证明,提出的模糊查询结果自动排序方法能够极大地提高排序质量.     

Web数据库关键字查询结果排序方法

为提高现有关键字查询结果的准确性,提出一种基于信息检索排序模型的关键字查询结果排序方法,该方法根据查询关键字在查询结果元组树和数据库中出现的频率来衡量查询结果的相关度,考虑了查询结果元组树中文本属性所包含字符串长度对排序分值的影响,使评分函数的计算更为合理.研究结果表明:提出的关键字查询结果排序方法的排序准确性高于现有典型排序方法,具有较高执行效率.     

一种外包数据库中查询结果完整性的校验方案

在现有的基于验证数据结构方法——签名链(CES)的基础上进行改进,提出了一种新的外包数据库查询验证方法。对元组前驱和后继进行了重新定义,使其能够处理具有重复属性值的情况,并利用动态累加器方法保证查询结果的新鲜性,分析方法的性能与安全性。     

Web数据库查询结果的自动分类方法

为解决Web数据库查询中出现的多查询结果问题,提出一种Web数据库查询结果自动分类方法.该方法在查询结果上动态生成一个带标签的、分层的分类树.分类树的构建通过两个处理阶段完成:首先在离线阶段分析系统中所有用户的查询历史并聚合语义上相似的查询,然后根据聚合的查询将原始数据划分成多个元组聚类,每个元组聚类对应一种类型的用户偏好;当用户查询到来时,在线查询处理阶段利用第一阶段生成的元组聚类,在查询结果集上为用户生成一个分类树,使得用户能够方便地选择和定位所需信息.实验和分析表明,提出的分类方法能够很好地满足用户个性化查询的需求.     

基于决策者风险偏好的直觉语言数排序方法

对于属性值以直觉语言数形式给出的多属性决策问题,引入风险偏好因子表达决策者的风险偏好,根据直觉语言数的犹豫度对其得分的影响,构造含风险偏好的直觉语言数得分函数,并提出直觉语言数排序的新方法,进而给出一种基于新型得分函数的直觉语言多属性决策方法.最后通过算例说明该方法的可行性和有效性.     

基于范围语义的非一致性数据库聚集查询

基于非一致性关系数据库的非聚集查询技术,发展普通的一致性查询应答的语义,提出非一致性数据库的范围语义,给出基于一致性查询范围的实际聚集查询重写方法,返回基于这种语义的聚集查询范围值.通过对初始分组属性和键属性聚集得到候选结果集,再过滤与初始分组属性值相冲突和不满足初始查询的元组.对于最小值,过滤掉可能不一致的元组,去掉可能值,得到一致性值;对于最大值,得到可能的最大候选值.实验基于TPC-H基准采用不同的参数进行研究.研究结果表明,聚集属性和投影属性数量、数据库以及初始查询的结果集对重写查询的负载有显著的影响,但非一致性数据比例和共享共同键值元组数的影响很小.尽管重写查询比初始查询的执行时间长,但是可以接受.     

基于数据流的时间条件占优查询

传统的偏好推理使用权衡增强的条件偏好网络（Tradeoff-Enhanced Conditional Preference Networks,TCP-nets）进行用户的偏好推理，不仅能高效地表示对元组的定性偏好关系并优化用户偏好结果，还能描述每个属性之间的偏好关系，其主要聚焦于关系元组中的单个属性的偏好.但把对条件偏好查询的技术推广到数据流的条件提取却是一个挑战，面临的技术困难主要是对数据流中序列的提取，对提取的序列进行占优查找等.首先，针对偏好数据流，提出一种时间条件查询语言Stream Pref来处理数据流；其次，在Stream Pref中加入时间索引来推理和规范数据流提取序列的时间条件偏好，提出提取对象序列算法、占优对象及占优序列查找算法和数据流序列间占优对比的算法；最后，在数据集上分析验证提出的算法的有效性.实验结果证明，提出的算法与min Top-k,Partition和Incpartition算法相比，得到的结果更准确.     

加权氨基酸网络及其应用

提出了基于能量的氨基酸网络加权方式.基于该加权氨基酸网络模型,构建了新的对接打分函数.采用该打分函数对20个体系的非结合态对接采样结果进行打分排序,并与RP打分函数结果进行比较.通过分析发现,基于氨基酸网络的打分函数,在一些指标上的结果优于RP打分函数.该工作为进一步应用复杂网络的方法研究蛋白质结构-功能关系奠定了基础.     

基于位置的偏好查询处理技术

在线位置服务技术日益普及,用户能够很容易获得他们的地理位置信息.随之产生了各类有关空间关键字的查询,这些查询可以提供定位服务的基本查询功能.研究了基于位置的偏好查询处理技术,旨在为用户找到一个目的地,找到的结果应该满足指定的特性,并且靠近满足用户提出的偏好.同时,提出一种新颖的查询框架,该框架通过对IR-tree的节点扩展给出预计算信息表,根据扩展的IR-tree能够减少搜索空间并提出准确计算方法来有效地回答基于位置的偏好查询.在真实数据集上进行实验验证了提出方法的有效性.     

一种模糊知识库的数据描述方法

研究了模糊知识的表示方法,提出了一种表示模糊知识的模糊数据模型,利用属性加权模糊值来表示模糊性数据。通过定义在元组上的隶属函数反映信息的可信度,对通常意义下的关系代数进行了扩展,每一元组都附一属性函数,定义了模糊属性的含义,用元组间的语义距离表示模糊对象和实体间的相似度,并对该意义下的关系操作进行了相应的研究和讨论。     

基于中英文字符型属性的数据库水印算法

提出了一种基于中英文字符型属性的数据库数字水印算法。通过元组哈希值和字符属性值长度计算出预测嵌入位置,根据预测嵌入位置所在的字节序号确定水印嵌入位置。以ASCII字符集的不可见字符作为水印信号,将版权图像嵌入宿主数据库。嵌入的水印信号具有不可见性,并且保持数据库的原始可用性,可实现水印的盲提取。该算法对添加元组、删除元组、修改属性值、添加与删除属性以及元组与属性重排等常见数据库攻击具有较强的鲁棒性。     

基于中英文字符型属性的数据库水印算法

提出了一种基于中英文字符型属性的数据库数字水印算法。通过元组哈希值和字符属性值长度计算出预测嵌入位置,根据预测嵌入位置所在的字节序号确定水印嵌入位置。以ASCII字符集的不可见字符作为水印信号,将版权图像嵌入宿主数据库。嵌入的水印信号具有不可见性,并且保持数据库的原始可用性,可实现水印的盲提取。该算法对添加元组、删除元组、修改属性值、添加与删除属性以及元组与属性重排等常见数据库攻击具有较强的鲁棒性。     

Attribute level lineage in uncertain data with dependencies

In uncertain data management, lineages are often used for probability computation of result tuples. However, most of existing works focus on tuple level lineage, which results in imprecise data derivation. Besides, correlations among attributes cannot be captured. In this paper, for base tuples with multiple uncertain attributes, we define attribute level annotation to annotate each attribute. Utilizing these annotations to generate lineages of result tuples can realize more precise derivation. Simultaneously, they can be used for dependency graph construction. Utilizing dependency graph, we can represent not only constraints on schemas but also correlations among attributes. Combining the dependency graph and attribute level lineage, we can correctly compute probabilities of result tuples and precisely derivate data. In experiments, comparing lineage on tuple level and attribute level, it shows that our method has advantages on derivation precision and storage cost.     

在多数据库集成环境中的属性集成方法的研究

描述了一种基于模糊集合理论的属性集成方法，它可显式地表示数据库集成系统中数据属性值的不一致程度。介绍了语义更为丰富的扩充的结构化查询语言。最后结合例子描述了在多数据库集成环境中一种属性集成方法，该方法能适用于各种应用环境     

基于值的分布式查询优化算法

针对目前查询优化算法的缺陷,充分考虑了实际数据库系统中属性值的非均匀分布性和属性值之间的相关性对查询优化的影响,提出了一种基于值的查询优化模型,阐述了其科学性、合理性.给出了解决该优化问题的遗传算法,选取种群规模50、保留比例0.1、变异概率0.001的参数对算法性能进行了实验分析,结果证明该算法有一定的效果.     

基于敏感元组的聚类匿名数据发布

在数据发布的过程中，为了保护个人隐私常需对所有准标识符进行泛化操作，而实际涉及到个人隐私相关敏感属性元组是非常少的．据此，从这些涉及个人隐私的敏感属性的元组出发，将剩余大量仅涉及非敏感属性元组依据敏感属性值不同进行分组，最后对分组中元组以计算与个人隐私属性相关敏感属性距离的方式，选取距离最短的元组进行泛化，其余元组并不进行泛化，通过这种方式，提高了数据的利用率，并有效减少信息的损失．     

基于字符型属性的数据库水印安全性研究

对数据库水印安全问题进行了研究.提出了基于字符型属性的数据库数字水印方法.将水印信息表示为不可见的水印信号,并根据元组哈希值和字符属性值长度随机确定水印信号的嵌入位置,使水印安全性得到保障.重点分析了在元组添加、元组删除和属性值修改三种典型攻击中水印提取失败情况,以及由此引起的对水印匹配率的影响.最后在对实验数据分析讨论的基础上提出了数据库水印方案设计的原则.     

基于XML内容和结构的模糊查询

用户在查询XML文档的时候经常有模糊的或者不精确的查询要求.为了解决用户的模糊查询意图,提出了一种基于XML内容和结构的模糊查询方法.以模糊集理论为基础,提出了利用模糊谓词实现XPath查询表达式的模糊扩展,采用模糊查询松弛方法,它可以产生更多满足用户查询要求的结果.在排序这些查询结果的时候,提出的打分方法使用一个扩展的向量空间模型,考虑了内容和结构的相关性,按照内容和结构的匹配情况打分,得分大于阈值的节点就是答案节点.最后,通过实验验证了所提方法的有效性.