基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法研究

劉建

摘要：目前數(shù)據(jù)庫超文本查詢方法存在查詢準確率較低的問題，為解決這一問題對基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法進行研究。研究通過建立頻繁項集挖掘數(shù)據(jù)庫超文本查詢模型，以模型為基礎(chǔ)對數(shù)據(jù)庫超文本查詢關(guān)聯(lián)規(guī)則計算，從而實現(xiàn)數(shù)據(jù)庫超文本查詢權(quán)重計算。通過實驗，對繁項集挖掘數(shù)據(jù)庫超文本查詢算法與傳統(tǒng)查詢算法精準度相比較，從而證明頻繁項集挖掘數(shù)據(jù)庫超文本查詢算法的有效性。

關(guān)鍵詞：頻繁項集;挖掘;數(shù)據(jù)庫;超文本

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）04-0119-02

0 引言

我國在向著信息時代發(fā)展的同時，已經(jīng)擁有數(shù)量龐大的網(wǎng)絡(luò)用戶，因此在信息查詢過程中信息數(shù)量巨大與信息易丟失成為目前面臨的最大問題[1]。互聯(lián)網(wǎng)的大量使用，使越來越多的人利用搜索引擎進行查詢操作，但在引擎查詢時往往通過查詢關(guān)鍵詞執(zhí)行查詢，因此會出現(xiàn)較多不需要信息，導致查詢速率較低。提升數(shù)據(jù)庫超文本查詢的查準率與查全率，是目前需要解決的最大問題。因此對基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法進行研究，從而有效提高算法精準度。

1 基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法

1.1 頻繁項集挖掘數(shù)據(jù)庫超文本查詢模型

頻繁項集挖掘技術(shù)是數(shù)據(jù)庫超文本查詢實現(xiàn)信息聯(lián)想的主要途徑，在建立數(shù)據(jù)關(guān)系定義后，使用虛擬量技術(shù)對數(shù)據(jù)庫超文本更加廣泛的應(yīng)用于各種系統(tǒng)中[2]。建立頻繁項集挖掘數(shù)據(jù)庫超文本查詢模型，若數(shù)據(jù)源為，其中存在個數(shù)據(jù)集，將作為一個數(shù)據(jù)節(jié)點，則下一個數(shù)據(jù)節(jié)點為：

2 仿真實驗

2.1 實驗準備

為基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法的有效性，因此選擇10個大型關(guān)系庫作為測試樣本，在各個數(shù)據(jù)中選取超文本，從而建立查詢數(shù)據(jù)。通過建立分組小數(shù)據(jù)庫，對數(shù)據(jù)庫中關(guān)鍵詞進行查詢，從而得到800×10個超文本，將其形成分組小容量數(shù)據(jù)庫D1;而在大容量數(shù)據(jù)庫中采集1300×10個超文本，將其分為大容量數(shù)據(jù)量D2。利用數(shù)據(jù)庫超文本查詢精準度作為實驗對象，分為兩組。其中基于頻繁項集挖掘的數(shù)據(jù)庫超文本查詢算法為實驗組，傳統(tǒng)查詢算法為對照組。將各超文本中數(shù)據(jù)結(jié)果進行排列，其測試集情況，如表1所示。

2.2 查詢精準度對比

通過大型關(guān)系數(shù)據(jù)庫超文本查詢，實現(xiàn)在查詢過程中最大程度的對查詢目標的相關(guān)信息尋找。對實驗組與對照組之間的查詢精準度進行統(tǒng)計比較，其結(jié)果如圖2所示。

分析圖2可知，在對相同目標進行查詢條件下，實驗組查詢精準度與對照組查詢精準度相比具有明顯優(yōu)勢，且實驗組查詢精準度能夠在保持較高水準，因此說明實驗組查詢算法具有更好有效性。

3 結(jié)語

頻繁項集挖掘作為數(shù)據(jù)庫超文本查詢算法中較為重要的一項工作，在整體數(shù)據(jù)超文本查詢過程中，將查詢目標數(shù)據(jù)從頻繁數(shù)據(jù)中挖掘出來，以數(shù)據(jù)集形式進行輸出，從而減小數(shù)據(jù)所占查詢空間。

參考文獻

[1] 張素智，趙亞楠，楊芮.基于MPB-Tree索引的空間數(shù)據(jù)多關(guān)鍵詞模糊查詢算法研究[J].華中師范大學學報：自然科學版，2017，51（06）：49-55.

[2] 顧榮，仇紅劍，楊文家，等.Goldfish：基于矩陣分解的大規(guī)模RDF數(shù)據(jù)存儲與查詢系統(tǒng)[J].計算機學報，2017，40（10）：2212-2230.

[3] 萬木君.云計算環(huán)境下基于矩陣加密的查詢算法研究[J].科技通報，2017，33（07）：133-136.

[4] 焦?jié)櫤＃瑥堉t，陳超.基于Spark改進的最大頻繁項集挖掘算法[J].計算機工程與設(shè)計，2017，38（7）：1839-1843.

[5] 田喜平，黃勇杰.基于關(guān)聯(lián)規(guī)則的大型關(guān)系數(shù)據(jù)庫超文本查詢算法研究[J].科技通報，2018，34（10）：109-112.