[发明专利]滑动窗口下基于位置top-k关键词查询的快速索引方法及系统

摘要

本发明公开了一种滑动窗口下基于位置top‑k关键词查询的快速索引方法及系统，包括构建数据索引模型和查询；构建数据索引模型包括如下：确定四叉树覆盖的地理范围和节点分裂规则；接受数据流，向节点插入数据；符合分裂规则的节点分裂，数据插入生成完整四叉树；叶节点存储倒排索引；非叶节点存储其子节点的MG聚合摘要；调整四叉树结构；查询包括如下：初始化结果集；剪枝操作得到候选结果集；优先队列中取最大分值的词开始计算，从根节点开始遍历直到在叶节点找到其精确分值，放入队列，重复直到优先队列前k个词不再变化。本发明能有效降低成本、提升查询速度，可同时根据词频和位置邻近度有效修剪搜索空间，且能处理具有高到达率的地理文本数据流。

主权项

一种滑动窗口下基于位置top‑k关键词查询的快速索引方法，其特征在于，包括构建数据索引模型阶段以及查询阶段；所述构建数据索引模型阶段具体包括如下步骤：步骤一，确定四叉树覆盖的地理范围以及节点分裂规则；步骤二，接受数据流，向节点中插入数据；步骤三，符合步骤一节点分裂规则的节点分裂，数据插入不断生成完整的四叉树；步骤四，对每一个叶节点，统计其词频，存储倒排索引；步骤五，对每一个非叶节点，存储其所有子节点的MG聚合摘要信息；步骤六，针对步骤四和步骤五两步的数据插入过程中，在这个过程中需要维护滑动窗口的大小，删掉具有最旧时间戳的数据项，添加最新的数据，调整四叉树的索引结构；所述查询阶段具体包括如下步骤：第一步，输入构建好的四叉树和查询节点以及k，建立一个列表作为结果集，初始化为空；k表示用户可指定的结果关键词的个数；第二步，根据构建好的四叉树的根节点的MG摘要以及k进行剪枝操作，得到候选结果集；第三步，使用一个最大堆C存储候选结果集中的每个词语以及其分值；C是存储所有候选词的一个优先队列；第四步，当结果集的大小小于k时，依次取出C中的队列头的词语，从根节点遍历到叶节点，每遍历一层得到比原来的分值小的值就替换原始值，直到遍历到叶节点找到该词语的精确分值，放入队列；第五步，循环第四步，当队列头的词语的分值等于该词在叶节点的精确分值，放入结果集中；第六步，当结果集的大小等于k时，返回结果集。