[发明专利]一种TRIE和LOUDS结合的超集索引结构构建方法

说明书

本发明涉及一种TRIE和LOUDS结合的超集索引结构构建方法，属于集合及字符串处理技术领域。本发明包括数据预处理阶段、索引结构构建阶段和超集查询阶段。数据预处理阶段将原始集合数据集中的集合和元素进行映射和排序。索引结构构建阶段构建上部为TRIE、下部为LOUDS的混合索引结构。超集查询阶段则给定一个查询，在构建的混合索引结构上检索为给定查询的子集的所有集合。本发明可充分利用TRIE的查询高效性及LOUDS的高空间压缩性，可使得频繁被访问的上部有快的查询速度，而较少被访问的下部有高的压缩性能。

技术领域

本发明涉及一种TRIE和LOUDS结合的超集索引结构构建方法，属于集合及字符串处理技术领域。

背景技术

集合超集查询在决策支持系统、发布订阅系统、数据挖掘等众多领域应用广泛，如在发布订阅系统中，用户可以注册他们的关键词，系统可部署一个超集查询算法来对每个到来的对象执行超集查询，以获取订阅该对象的用户。在决策支持系统中，系统可以通过超集查询获取和某个求职者能力匹配的职位。

TRIE是最常见的高效超集查询结构，但其空间存储效率不高，存储大规模集合数据时，往往需要较大的存储空间。因此，需要对其进行压缩，而LOUDS是已知的目前空间压缩效率最高的TRIE结构，可有效降低空间开销。故将TRIE和LOUDS结合，对频繁访问的上层和存储空间开销高的下层分别用TRIE和LOUDS表示，可使得构建的索引结构同时具有高的时间和空间效率。

发明内容

本发明要解决的技术问题是提供一种TRIE和LOUDS结合的超集索引结构构建方法，使得构建的索引结构同时具有高的时间和空间效率，从而解决上述问题。

本发明的技术方案是：一种TRIE和LOUDS结合的超集索引结构构建方法，包括数据预处理阶段、索引结构构建阶段和超集查询阶段。数据预处理阶段将原始集合数据集中的集合和元素进行映射和排序。索引结构构建阶段构建上部为TRIE、下部为LOUDS的混合索引结构。超集查询阶段则给定一个查询，在构建的混合索引结构上检索为给定查询的子集的所有集合。

具体步骤为：

Step1：对初始集合数据集中的集合和元素进行映射和排序。

Step2：构建TRIE和LOUDS结合的索引结构。

Step3：在构建的索引结构中执行超集查询。

所述Step1具体为：

Step1.1：统计数据集中各元素出现的频率，然后按频率降序将元素排列。

Step1.2：将每个集合中的元素替换为其在频率降序中的下标，并将集合内的元素按值大小升序排序。

Step1.3：将按元素值升序排序后的所有集合按照集合大小升序排序。

Step1.4：对排序后的集合从0开始依次编号，记集合s的编号为s.id，记最终处理的数据集为D，|D|为数据集中集合的数量。

所述Step1.3中的集合大小比较方法具体为：

Step1.3.1：对特定的两个集合s和t，循环变量i从0到min(|s|,|t|)-1，循环执行Step1.3.2至Step1.3.3，其中|s|和|t|分别表示s和t中的元素数量，min(|s|,|t|)表示|s|和|t|的最小值。

Step1.3.2：若s[i]t[i]，则st。若s[i]t[i]，则st。否则表示s[i]＝t[i]，继续比较下一元素。其中s[i]和t[i]分别表示s和t的第i个元素。

Step1.3.3：若s和t的前min(|s|,|t|)个元素均相等，则继续判断|s||t|是否成立，如成立，则st，如|s||t|，则st，否则s＝t。