Mragyati : A System for Keyword-based Searching in Databases
通过许多搜索引擎站点,web已经普及了基于关键字的搜索范例,其中用户可以指定一串关键字并期望检索相关文档,可能根据其与查询的相关性进行排名。由于大量信息存储在数据库中(而不是以HTML文档的形式),因此为数据库提供类似的搜索范例非常重要,用户可以在不知道数据库模式和数据库查询语言(如SQL)的情况下查询数据库。在本文中,我们提出了这样一个数据库搜索系统,它接受一个自由形式的查询作为一个关键字的集合,将其转换为查询数据库上使用的数据库元数据,并提出了一个结构良好的查询结果和可浏览的形式。该系统将关键字映射到数据库模式上并使用相互关系(即,数据语义)来生成有意义的查询结果。我们还描述了我们的原型数据库搜索,称为Mragyati。这里提出的方法是可扩展的,因为它不会构建整个数据库的内存图来搜索用户查询所选对象之间的关系。
2001-10-25 cs.DB
DKWS: A Distributed System for Keyword Search on Massive Graphs (Complete Version)
本文提出名为$\DKWS$的新型分布式关键词搜索系统,通过单调性属性保证并行化正确性,结合后向和前向搜索阶段及紧致边界剪枝节点,并引入通知-推送范式与$\PINE$编程模型实现异步交换与抢占式搜索,在真实数据集上比现有技术快两个数量级且通信成本降低7.6倍。
2023-09-09 cs.DB
ELCA Evaluation for Keyword Search on Probabilistic XML Data
随着概率数据管理的发展和关键字查询的普及,如何支持概率XML数据的关键字查询成为必然的问题。对于确定性XML文档的关键字查询,ELCA(Exclusive Lowest Common Ancestor)语义允许根在ELCA上的更多相关片段作为结果出现,与其他关键字查询结果语义(如SLCA)相比,ELCA语义更受欢迎。在本文中,我们研究如何评估ELCA结果的关键字查询概率XML文档。在根据可能世界语义定义了概率ELCA语义后,我们提出了一种在不生成可能世界的情况下计算ELCA概率的方法。然后,我们开发了一个有效的基于堆栈的算法,可以找到所有的概率ELCA结果和他们的ELCA概率为一个给定的关键字查询的概率XML文档。最后,我们实验评估所提出的ELCA算法,并将其与SLCA对应的结果有效性,时间和空间效率,可扩展性方面进行比较。
2011-10-13 cs.DB
Efficient Top K Temporal Spatial Keyword Search
在诸如基于位置的服务和社交网络之类的许多新兴应用中,正在以前所未有的规模生成被地理标记并与文本信息相关联的大量数据。由于其重要性,大量的工作集中在有效地计算各种空间关键字查询。在本文中,我们研究的顶部$k$时空关键字查询,考虑在搜索过程中的三个重要的约束条件,包括时间,空间接近度和文本相关性。一种新的索引结构,即SSG树,有效地插入/删除时空Web对象的高速率。基于SSG树,提出了一种支持top-k时空关键字查询的高效算法。我们表明,通过大量的实验与真正的空间数据库,我们的方法提高了性能的替代技术
2018-05-05 cs.DB
Constructing Data Graphs for Keyword Search
数据图是支持关键字搜索的一种方便的范例,它考虑了可用的语义结构,而不仅仅是文本相关性。然而,构建数据图,促进底层系统的效率和有效性的问题几乎没有得到解决。提出了这一任务的概念模型。解释了构造良好数据图的原则。开发了从RDB和XML生成数据图的转换。对这些变换的结果进行了分析。它表明,XML是一个更好的起点,获得一个良好的数据图。
2016-11-05 cs.DB
Keyword Search on RDF Graphs - A Query Graph Assembly Approach
关键字搜索为普通用户提供了一个易于使用的查询RDF数据的界面。在给定输入关键字的情况下,本文研究了如何构造一个能够准确、高效地表达用户查询意图的查询图。基于输入的关键字,我们首先获得基本的查询图构建块,如实体/类顶点和谓词边。然后,我们正式定义了查询图组装(QGA)问题。不幸的是,我们从理论上证明了QGA是一个NP完全问题。为了解决这个问题,我们设计了一些启发式的下界,并提出了一个基于二分图匹配的最佳优先搜索算法。该算法的时间复杂度为$O(k^{2l} \cdot l^{3l})$,其中$l$是关键字的数量,而$k$是可调参数,即,允许匹配每个关键字的候选实体/类顶点和谓词边的最大数量。虽然QGA是棘手的,但实际上$l$和$k$都很小。此外,该算法的时间复杂度不依赖于RDF图的大小,这保证了我们的系统在大型RDF图良好的可扩展性。在DBpedia和Freebase上的实验证实了该系统在有效性和效率上的优越性。
2017-08-25 cs.DB
A Practically Efficient Algorithm for Generating Answers to Keyword Search over Data Graphs
在数据图上的关键字搜索中,答案是包含查询的所有关键字的非冗余子树。通过增加高度来产生所有答案的一种简单方法是将Dijkstra算法推广到通过增加权重来枚举所有非循环路径。引入冻结的思想,使得(大多数)非最短路径仅在实际需要产生答案时才生成。生成子树的算法,称为GTF,是微妙的,其正确性的证明是复杂的。大量的实验表明,GTF优于现有的系统,即使是那些为了效率而不完整的系统(即,不能给出所有的答案)。特别是,GTF是可扩展的,即使在大型数据图和需要许多答案的情况下也能很好地执行。
2015-12-21 cs.DB
Keyword Search in the Deep Web
本文研究具有访问限制的深网关系数据源上的关键词查询,提出概念框架以形式化最优答案、刻画可答查询,并通过最小化数据源访问的查询计划实现查询处理。
2025-01-08 cs.DB
On The Marriage of SPARQL and Keywords
虽然SPARQL已经成为RDF图的主要查询语言,但仅使用SPARQL语法不能很好地捕获某些查询意图。另一方面,关键词搜索由于其指定信息需求的直观方式而得到广泛使用,但存在精度低的问题。为了最大限度地发挥SPARQL和关键字搜索的优势,我们引入了一种新的范式,将两者结合起来,并提出了一个混合查询(称为SK查询),集成SPARQL和关键字搜索。为了有效地回答SK查询,设计了一个结构索引,在此基础上提出了一种新的集成查询算法。我们评估我们的方法在大型真实RDF图和实验证明我们的方法的有效性和效率。
2014-11-30 cs.DB
Empowering Investigative Journalism with Graph-based Heterogeneous Data Management
调查性新闻(简称IJ)是现代民主社会的主要内容。IJ通常需要处理大量的、动态的异构的、无模式的数据源,这些数据源可以是结构化的、半结构化的或文本的,这限制了经典数据集成方法的适用性。在以前的工作中,我们已经开发了ConnectionLens,一个系统能够集成到一个单一的异构图,利用信息抽取(IE)技术,这样的来源,然后用户可以查询的图形通过关键字,并探索查询结果和他们的邻居使用交互式GUI。我们的关键字搜索问题是复杂的图形异质性,并缺乏一个结果得分函数,将允许修剪一些搜索空间。在这项工作中,我们描述了一个研究生物医学领域利益冲突的实际IJ应用程序,并展示了ConnectionLens如何支持它。然后,我们提出了解决该应用程序所提出的可扩展性挑战的新技术:一个允许在构建图的同时减少显著的IE成本,而另一个是新颖的、并行的、内存中的关键字搜索引擎,这比我们以前的引擎实现了数量级的加速。我们对真实世界IJ应用数据的实验研究证实了我们的贡献的好处。
2021-02-08 cs.DB
Search and Result Presentation in Scientific Workflow Repositories
我们研究的问题,搜索复杂的层次结构的工作流的组件模块,复合和原子,已被注释的关键字存储库。由于关键字搜索不使用图形结构的工作流,我们开发了一个模型的工作流使用上下文无关的袋文法。然后,我们给出了高效的多项式时间算法,给定一个工作流和一个关键字查询,确定是否有一些工作流的执行匹配的查询。基于这些算法,我们开发了一个搜索和排名的解决方案,有效地检索前k语法从存储库。最后,我们提出了一种新的结果表示方法的语法匹配的关键字查询,基于代表分析树。我们的方法的有效性进行了验证,通过广泛的实验评估。
2013-07-09 cs.DB
No-But-Semantic-Match: Computing Semantically Matched XML Keyword Search Results
用户很少熟悉他们正在查询的数据源的内容,因此无法避免使用数据源中不存在的关键字。传统的系统可能会以空的结果进行响应,从而导致不满意,而数据源实际上包含语义相关的内容。在本文中,我们研究这个没有,但语义匹配的问题,XML关键字搜索,并提出了一个解决方案,使我们能够向用户呈现的前k个语义相关的结果。我们的解决方案包括两个步骤:(a)从原始查询中提取语义相关的候选查询和(b)处理候选查询并检索top-k语义相关的结果。候选查询是通过用从本体知识库获得的候选关键字替换未映射的关键字来生成的。使用候选结果的内聚性及其与原始查询的相似性对候选结果进行评分。由于处理的查询数量可能很大,每个结果都必须进行分析,我们提出了修剪技术,以有效地检索顶部的$k$结果。我们开发了两个查询处理算法的基础上,我们的修剪技术。此外,我们利用候选查询的属性,提出了一种用于批量处理多个查询的技术,这大大提高了性能。在两个真实数据集上的大量实验验证了所提出方法的有效性和效率。
2017-03-07 cs.DB
Scalable Continual Top-k Keyword Search in Relational Databases
关系数据库中的关键字搜索由于不要求用户既不掌握某种结构化查询语言,也不需要知道复杂的底层数据库模式,近年来得到了广泛的研究。现有的大多数方法都是针对静态数据库中的快照关键字查询。但实际上,数据库经常更新,用户可能对特定主题有长期兴趣。为了应对这种情况,有必要在数据库系统中建立有效和高效的设施,以支持连续的关键字查询。在本文中,我们提出了一个有效的方法来回答连续的顶部- $k$关键字查询关系数据库。该方法建立在现有的关系数据流关键字搜索方案的基础上,但将排序机制融入到查询处理方法中,并对关系数据库中的前$k$关键字搜索进行了两点改进。与现有的方法相比,该方法在静态数据库中计算top- $k$结果和在数据库不断更新时维护top- $k$结果方面都有更高的效率.实验结果验证了该方法的有效性和效率。
2011-08-23 cs.DB cs.IR
Efficient Spatial Keyword Search in Trajectory Databases
越来越多的轨迹数据被文本描述注释,以更好地捕捉与位置相关的语义。融合的空间位置和文字描述的轨迹产生了一种新类型的顶部$k$查询,考虑到这两个方面。所考虑的每个轨迹由与文本描述相关联的一系列地理空间位置组成。给定用户位置$λ$和关键字集合$ψ$,顶部$k$查询返回其文本描述覆盖关键字$ψ$并且具有最短匹配距离的$k$轨迹。据我们所知,以前的研究查询轨迹数据库集中在没有任何文字描述的轨迹数据,并没有现有的工作已经研究了这种顶部的$k$查询轨迹。本文提出了一种新的方法来有效地计算顶部$k$轨迹。该方法是基于一个新的混合索引,细胞关键字意识B $^+$树,表示为\cellbtree,这使我们能够利用文本相关性和位置接近,以促进高效和有效的查询处理。我们广泛的实证研究的结果与BerkeleyDB上的实现所提出的算法表明,我们提出的方法能够实现优异的性能和良好的可扩展性。
2012-05-13 cs.DB
Size-l Object Summaries for Relational Keyword Search
先前提出的关键字搜索范例产生作为查询结果的对象摘要(OS)的排名列表。OS是相关元组的树结构,它汇总了关系数据库中保存的关于特定数据主体(DS)的所有数据。然而,这些OS中的一些在尺寸上非常大,并且因此对于在进行关于特定DS的更全面的信息之前最初偏好天气信息的用户不友好。在本文中,我们研究了有效和高效的检索简洁和信息丰富的操作系统。我们认为,一个好的大小1操作系统应该是一个独立的和有意义的概要的最重要的信息,特定的DS。更确切地说,我们将大小为1的OS定义为由l个重要元组组成的部分OS。我们提出了三种算法的有效生成的大小1操作系统(除了最佳的方法,需要指数时间)。在DBLP和TPC-H数据库上的实验结果验证了该方法的有效性。
2011-11-30 cs.DB
Flexible Keyword-Aware Top-$k$ Route Search
Yantai University(烟台大学);York University(约克大学);Seattle University(西雅图大学);Wuhan University of Technology(武汉理工大学)
本文提出关键词感知top-k路线查询,通过探索与边界范式高效处理路线规划,满足用户对POI访问顺序、旅行预算和评分的多样化需求。
2025-12-29 cs.DB
EMBANKS: Towards Disk Based Algorithms For Keyword-Search In Structured Databases
近年来,在关系数据库的关键字查询领域中有很多兴趣。已经提出了各种系统,如DBXplorer [ACD 02]、Discover [HP 02]和ObjectRank [BHP 04]。另一个这样的系统是BANKS,它能够对关系数据库进行数据和模式浏览以及基于关键字的搜索。它将元组建模为图中的节点,由外键和其他关系引起的链接连接。BANKS使用的数据库图的大小与图中节点和边的数量之和成比例。SPIN等系统在个人信息网络上进行搜索并使用BANKS作为后台,维护了大量有关用户数据的信息。由于这些系统在用户工作站上运行,而用户工作站对存储器有其他要求,因此这种大量使用存储器是不合理的,如果可能的话,应该避免。为了缓解这个问题,我们引入EMBANKS(外部存储体的缩写),一个优化的基于磁盘的银行系统的框架。这个框架的复杂性提出了许多问题,其中一些我们试图在这篇论文中回答。我们证明了EMBANKS中提出的聚类表示可以在内存中处理非常大的数据库图形。我们还提出了详细的实验表明,EMBANKS可以显着减少数据库加载时间和查询执行时间相比,原来的银行算法。
2011-04-22 cs.DB
Keyword-aware Optimal Route Search
识别优选路线是在地图服务中找到应用的重要问题。当用户计划在城市内旅行时,用户可能想要找到“最受欢迎的路线”,使得它经过购物中心、餐馆和酒吧,并且往返于他的酒店的旅行时间在4小时内。“然而,现有的路线规划工作中没有一个算法可以用来回答这些问题。出于这一动机,我们定义的问题,关键字感知的最佳路线查询,表示为KOR,这是找到一个最佳的路线,使它涵盖了一组用户指定的关键字,一个指定的预算约束得到满足,和一个客观的分数的路线是最佳的。回答KOR查询的问题是NP难的。我们设计了一个近似算法OSSscaling与可证明的近似界。在此基础上,提出了一种更有效的近似算法BucketBound。我们还设计了一个贪婪近似算法。实验结果表明,所有算法都能有效地回答KOR查询,而BucketBound和贪心算法运行速度更快.实证研究还提供了深入了解所提出的算法的准确性。
2012-08-01 cs.DB
High speed data retrieval from national data center (ndc) reducing time and ignoring spelling error in search key based on double metaphone algorithm
快速、高效的数据管理是当今社会的一项重要技术。本文提出了一个系统,使目前的手工系统存储和检索大量的孟加拉国公民信息的工作程序自动化,提高其效率。所实现的搜索方法是用户友好的和高效的高速数据检索忽略拼写错误的输入关键字用于搜索特定的公民。在这项研究中,主要关注的是最大限度地减少总的搜索时间为一个给定的关键字。这可以做到,如果我们可以预先建立的想法,得到属于搜索关键字的数据。双隐喻算法为每个单词生成的主要和次要关键代码用于建立关于单词的想法。该算法用于创建原始数据库的映射,通过该映射将关键字与数据进行匹配。
2014-01-10 cs.DB
Efficient Continual Top-$k$ Keyword Search in Relational Databases
关系数据库中的关键字搜索由于不要求用户既不掌握某种结构化查询语言,也不需要知道复杂的底层数据模式,近年来得到了广泛的研究。现有的大多数方法都是针对静态数据库中的快照关键字查询。但实际上,数据库经常更新,用户可能对特定主题有长期兴趣。为了应对这种情况,有必要在数据库系统中建立有效和高效的设施,以支持连续的关键字查询评估。提出了一种有效的关系数据库上连续关键字查询应答方法。该方法由两个核心算法组成。第一个计算一组潜在的前$k$结果通过评估的范围内的未来相关性得分为每个查询结果,并创建一个轻量级状态为每个关键字查询。第二种方法使用这些状态在数据库不断增长时维护关键字查询的前$k$结果。实验结果验证了该方法的有效性和效率。
2011-09-07 cs.DB cs.IR
Quantum-Inspired Keyword Search on Multi-Model Databases
随着应用程序在不同领域的应用越来越多,不可避免地要求数据库采用相应的数据模型来存储和交换来自不同来源的数据。为了在单个平台中处理这些数据模型,数据库社区引入了多模型数据库。许多供应商正在改进他们的产品,从支持单个数据模型到支持多模型数据库。虽然这带来了好处,但花费大量的热情来掌握一种用于探索数据库的多模型查询语言对大多数用户来说是不友好的。因此,我们研究使用关键字搜索作为一种替代方式来探索和查询多模型数据库。在本文中,我们试图利用量子物理的概率形式主义,把问题带到向量空间和表示事件(例如,字)作为子空间。然后,我们采用密度矩阵来封装这些子空间上的所有信息,并使用密度矩阵来衡量查询和候选答案之间的分歧,以找到最相关的结果的前\textit{k}。在这个过程中,我们建议使用模式挖掘来识别化合物,以提高准确性,并使用降维来降低复杂性。最后,实证实验表明,我们的方法的性能优于国家的最先进的方法。
2021-09-01 cs.DB
Nearest Keyword Set Search in Multi-dimensional Datasets
在文本丰富的多维数据集中基于关键字的搜索促进了许多新的应用程序和工具。在本文中,我们考虑的对象是标记的关键字,并嵌入在一个向量空间。对于这些数据集,我们研究查询,要求满足一组给定的关键字的最紧密的点组。我们提出了一种新的方法称为ProMiSH(投影和多尺度哈希),使用随机投影和基于哈希的索引结构,并实现了高可扩展性和加速比。我们提出了一个精确的和近似的版本的算法。我们在真实和合成数据集上的实证研究表明,ProMiSH比最先进的基于树的技术具有超过四个数量级的加速。我们的可扩展性测试的数据集的大小高达1000万和维度高达100查询有多达9个关键字显示,ProMiSH规模与数据集大小,数据集维度,查询大小和结果大小呈线性关系。
2014-09-12 cs.DB cs.IR
Query-driven Frequent Co-occurring Term Extraction over Relational Data using MapReduce
在本文中,我们研究了如何有效地计算\textit{frequent co-occurring terms}(FCT)的关键字查询的结果,并行使用流行的MapReduce框架。以关键字查询q和整数k作为输入,FCT查询报告不在q中但在多个联接关系上的关键字查询q的结果中最频繁出现的k个术语。FCT搜索的返回词可用于传统关键字搜索的查询扩展和查询细化。与在单一平台上进行FCT搜索的方法不同,本文提出的方法可以有效地使用MapReduce范式来回答FCT查询,而无需预先计算原始关键字查询的结果,该方法可以在并行平台上运行。在这项工作中,我们可以通过两个MapReduce作业输出最终的FCT搜索结果:第一个是提取数据的统计信息;第二个是根据第一个作业的输出计算每个术语的总频率。在这两个MapReduce作业中,我们将尽可能地保证映射器的负载平衡和归约器的计算平衡。分析和实验评估表明,我们提出的方法使用不同大小的TPC-H基准数据集的效率和可扩展性。
2013-01-11 cs.DB
Using RDF Summary Graph For Keyword-based Semantic Searches
Bahcesehir University(巴赫切希尔大学);Kent State University(肯特州立大学)
语义网是近年来随着其标准和技术的迅速发展而出现的。语义Web技术的不断发展促进了在Web上以RDF数据模型发布具有明确语义的数据。本研究提出一个语义搜索框架,以支持高效的基于关键字的语义搜索RDF数据利用近邻探索。该框架通过利用实体类型语义,利用邻近的资源来增强搜索结果。与搜索结果一起,系统生成相关性置信度分数,其基于相似度来测量返回实体的推断的语义相关性。此外,评估框架的有效性和结果的准确性的评价。
2017-07-12 cs.AI cs.DB cs.IR
Implementation and Privacy Guarantees for Scalable Keyword Search on SOLID-based Decentralized Data with Granular Visibility Constraints
School of Electronics and Computer Science, University of Southampton(南安普顿大学电子与计算机科学学院);School of Computing and Mathematical Sciences, Birkbeck, University of London(伦敦大学伯贝克学院计算与数学科学学院)
本文提出ESPRESSO框架,用于在去中心化Solid数据存储中实现可扩展关键词搜索,通过构建WebID范围索引和隐私意识元数据,解决去中心化搜索中的隐私和效率问题,并引入形式化威胁模型分析索引和元数据的安全隐私风险。
2026-04-23 cs.DB cs.IR
A Formal Definition for Configuration
在关系数据库上进行基于关键字的搜索的技术有很多种,但所有这些技术首先都要将用户查询中的关键字与要查询的数据库元素进行匹配。匹配过程是一项耗时且复杂的任务。因此,提高基于关键字的查询的性能是关系数据源查询的一个关键问题,本文提出了一种基于对称群的关系数据库关键字查询的匹配模型。此外,还详细说明了该方法如何减小搜索空间。
2016-11-10 cs.DB math.CO math.GR
S$^3$GND: An Effective Learning-Based Approach for Subgraph Similarity Search Under Generalized Neighbor Difference Semantics (Technical Report)
East China Normal University(华东师范大学);Kent State University(肯特州立大学)
本文提出S$^3$GND方法,通过构建超图和训练HGNN模型,实现基于广义邻居差语义的高效子图相似性搜索。
2026-03-02 cs.DB
Text-to-SQL based on Large Language Models and Database Keyword Search
Instituto Tecgraf, PUC-Rio(里约天主教大学 Tecgraf 研究所);Petrobras(巴西石油公司);Departamento de Informática, PUC-Rio(里约天主教大学 信息学系);Departamento de Computação, UFC(塞阿拉联邦大学 计算机科学系)
本文提出一种结合动态少样本示例和数据库关键词搜索平台的策略,将自然语言问题编译为SQL查询,在真实世界数据库上超越现有方法。
2025-01-23 cs.AI cs.DB
Keywords are not always the key: A metadata field analysis for natural language search on open data portals
Technical University Munich(慕尼黑工业大学);King's College London(伦敦国王学院);Institute for Advanced Study, Technical University Munich(慕尼黑工业大学高等研究院)
本文研究了开放数据门户中元数据字段对自然语言数据集检索的影响,通过消融实验发现数据集描述对契合用户意图至关重要,且 LLM 生成的描述能有效提升检索性能与数据可发现性。
2025-09-17 cs.DB cs.DL cs.HC
S3AND: Efficient Subgraph Similarity Search Under Aggregated Neighbor Difference Semantics (Technical Report)
本文提出S3AND问题,通过同时考虑关键词和图结构在数据图中搜索相似子图,并设计了关键词集与聚合邻居差异下界剪枝方法及索引机制以提升查询效率。
2025-06-02 cs.DB cs.SI
Qunits: queried units in database search
针对结构化数据库的关键字搜索已经成为一个流行的研究主题,因为许多用户发现结构化查询太难表达,并且享受可以输入搜索词的"Google式“查询框的自由。解决这一问题的努力面临着一个根本性的困境。数据库查询是基于谓词求值的逻辑,对于给定的查询有一个精确定义的答案集。另一方面,在信息检索方法中,排序查询结果长期以来被认为远优于基于布尔查询评估的结果。因此,当针对数据库尝试关键字查询时,发明了相对特设的排名机制(如果使用排名的话),并且关于如何对查询结果进行排名的大量IR文献中几乎没有利用。我们的建议是在排名和数据库查询之间建立一个明确的分离。这将问题分为两个部分,并允许我们分别解决这些问题。第一个任务是在概念上将数据库表示为独立的“查询单元”或“qunits”的集合,每个单元表示针对数据库的某些查询的期望结果。第二个任务是评估关键字查询对一个集合的qunits,这可以被视为独立的文件查询的目的,从而允许使用标准的IR技术。我们提供的见解,鼓励使用这种查询范式,并讨论初步调查的有效性,基于原型实现的qunits的框架。
2009-09-09 cs.DB cs.IR