[发明专利]同构对称发布订阅系统的近似环匹配方法

权利要求书

1.一种同构对称发布订阅系统的近似环匹配方法，其特征在于：包括以下步骤：步骤1：计算订阅概率，方法为：

在一个订阅中有两组谓词：拥有谓词和需求谓词，拥有谓词的概率和需求谓词的概率分别定义成Pro_o和Pro_w，一个订阅被匹配的概率是：

Pr_o＝Pro_o×Pro_w               (1.1)

其中，Proo=OwnPredicateMatchedTimesTotalNumber]]>

式中，Own Pr edicateMatchedTimes表示拥有谓词被匹配的次数总数，其记录当前订阅数据库的快照信息；TotalNumber表示订阅的总数；

Prow=WantPredicateMatchedTimesTotalNumber]]>

式中，WantPredicateMatchedTimes表示需求谓词被匹配的次数总数；

步骤2：确定链订阅的长度，即抛出长度为MaxLength-1的链订阅；

步骤3：设置过滤订阅的阈值并估算节省的存储空间：

步骤3-1：计算选择度，公式如下：

Se=2×CN/PN2]]>

式中，C_N表示匹配的订阅个数，N表示订阅的个数，Se表示选择度；

步骤3-2：设置过滤订阅的阈值并计算存储空间。

2.根据权利要求1所述的同构对称发布订阅系统的近似环匹配方法，其特征在于：步骤3-2所述的设置过滤订阅的阈值，方法如下：即阈值的大小在选择度±5％范围波动，默认情况下，选择度和阈值的值大小相等。

3.根据权利要求1所述的同构对称发布订阅系统的近似环匹配方法，其特征在于：步骤3-3所述的计算存储空间，方法为：

2)计算存储空间，方法为：

每个订阅由若干个属性组成，每个属性的描述信息可以用与该属性对应空间上的一段间隔来表示，定义间隔的基本单位是1，间隔[S，E]的间隔宽度为E-S+1，其中，间隔宽度为1表示是一个点，即S＝E；

定义WPW1和OPW1分别表示宽度为1的需求谓词和拥有谓词的集合，其中WPWs和OPWs中的数值表示该间隔的宽度；

计算间隔[S，E]被匹配的概率P_i，公式如下：

pi=1-((S-1N1)2+(N1-EN1)2)---(1.4)]]>

式中，N₁表示域尺寸的大小；

所得的匹配概率形成概率表，划分为4个区域，划分方法为：区域1的概率比区域4的小，区域2和区域3中则各种大小的概率都存在；设置阈值的方法为：将区域1中的可能情况的总数设置为下限Low(N₁，W)，而除区域4以外的总和被设置成上限Upper(N₁，W)，其中，N₁是域的尺寸大小，W是对角线位置的间隔宽度即W＝E-S+1，并且Pro_o＝Pro_w；

根据公式(1.1)和公式(1.4)，得出计算间隔宽度W的公式为：

W=E-N1×1-Pro2d-(N1-EN1)2]]>或W=N1×(1-1-Pro2d-(S-1N1)2)---(S-1)]]>

令S＝1，E＝N₁，得到关于对角线位置的间隔宽度W的函数公式如下：

W=N1×(1-1-pro2d)---(1.5)]]>

数据扩展到多维，则整个空间里的订阅的可能的数目的总和Sum_T的计算公式如下：

SumT=Σi=1N1Σj=1N1i×j=(N1×(N1+1)2)2]]>

其中，对于给定的间隔宽度W，区域1中的订阅数Sum_Z1计算公式为：

SumZ1=Σi=N1-L+1N1Σj=N1-L+1N1i×j=(W×(2N1-W+1)2)2]]>

因此，在D维空间里，Sum_T、Sum_Z1和Sum_Z4分别计算如下：

SumT=(N1×(N1+1)2)2d]]>

SumZ1=(W×(2N1-W+1)2)2d]]>

SumZ4=((N1-W)×(N1-W+1)2)2d]]>

根据Sum_T、Sum_Z1和Sum_Z4的计算，则计算出节省出的空间的下限和上限，公式分别为：

Low(N1,W)=(W×(2N1-W+1)N1×(N1+1))2d---(1.6)]]>

Upper(N1,W)=1-((N1-W)×(N1-W+1)N1×(N1+1))2d---(1.7).]]>