一種基于標(biāo)簽體系的多用途快速檢索算法的研究

周雅琳

（廣東建設(shè)職業(yè)技術(shù)學(xué)院，廣東 廣州 510000）

1 背景概述

“標(biāo)簽體系+檢索算法”是人們在進(jìn)行資源管理，例如圖書館的館藏資源管理、電子商務(wù)中商品管理、客戶資源管理等資源管理工作中一種通用的解決問題的思路。本文介紹一種基于標(biāo)簽體系的快速檢索算法，該算法可一定程度上解決多標(biāo)簽體系的場景下，對高維數(shù)據(jù)進(jìn)行多關(guān)鍵字組合搜索引起的數(shù)據(jù)庫進(jìn)行大量關(guān)聯(lián)運算的問題，提高檢索效率，該算法和標(biāo)簽體系結(jié)合和形成一套高效的“標(biāo)簽體系+檢索算法”解決方案，可應(yīng)用于多種資源管理的場景。在我們的前期論文《高職院校圖書館信息系統(tǒng)中的標(biāo)簽管理功能探討》[1]已對這一算法應(yīng)用于高職院校圖書館的館藏資源管理進(jìn)行探討，本文從另一角度進(jìn)行更高抽象程度的梳理和探討，以期待讀者對這一解決方案和算法有更深的理解，能將這一解決方案和算法應(yīng)用于更多的場景。

2 算法的數(shù)學(xué)基礎(chǔ)

這一算法的數(shù)學(xué)基礎(chǔ)是我們在2003 年一份數(shù)據(jù)挖掘課程研究報告《一種基于神經(jīng)生物學(xué)原理的多維數(shù)據(jù)索引算法》中提出的：公比為2 的等比數(shù)列有一個重要的特性：數(shù)列中兩個任意不完全相同的子列，兩個子列各自的元素之和必定不相等，這一特性可用于高效的多維數(shù)據(jù)索引算法的實現(xiàn)；選擇公比為2 是為了各子列的元素和數(shù)盡量小，從而使算法能支持更多的維數(shù)和索引值。[2]

3 算法數(shù)學(xué)基礎(chǔ)的證明

這里證明算法的數(shù)學(xué)基礎(chǔ)，即證明數(shù)學(xué)命題：公比為2的等比數(shù)列，對于數(shù)列中任意兩個不完全相同的子列，兩個子列各自的元素之和必定不相等，這個命題在文獻(xiàn)[2]中已給出嚴(yán)格證明，這里整理一個相對容易理解的證明過程如下：

（1）設(shè)有公比為2 等比數(shù)列的子列A(a1,a2,a3,a4,a5),公比為2 等比數(shù)列的子列B（b1,b2,b3,b4,b5）,兩個子列不完全相同，不妨設(shè)從右往左逐個比對，第一對不同的元素是a3 和b3,且a3

（2）設(shè)有公比為2 等比數(shù)列的子列A1（1，2，4，8，...，a3），則子列A1 的元素和大于或者等于子列A 的子列A2(a1,a2,a3)的元素和。

（3）根據(jù)公比為2 等比數(shù)列的性質(zhì)，即使在b3 最小、也就是b3=2*a3 的情況下，也有子列A1 的元素和等于b3-1，從而得出在各種情況下，子列A1 的元素和都小于b3,因此各種情況下，子列A2 的所有元素和都小于b3，進(jìn)而小于b1+b2+b3。

（4）綜合（1）（2）（3），易得子列A 的所有元素和小于子列B 的所有元素和，子列A 和子列B 各自的元素之和不相等。

（5）綜上所述，問題得以證明。

4 數(shù)據(jù)庫設(shè)計要點

在數(shù)據(jù)庫設(shè)計時，有這樣一個“索引和數(shù)表”，每條記錄的結(jié)構(gòu)是：（記錄ID，資源ID，索引和數(shù)）；在數(shù)據(jù)庫中有一個“標(biāo)簽基本信息表”，每條記錄的結(jié)構(gòu)是：（標(biāo)簽ID、標(biāo)簽種類、標(biāo)簽值、標(biāo)簽索引值）。

5 算法的關(guān)鍵步驟

（1）在設(shè)置標(biāo)簽體系的時候，每類標(biāo)簽的每一個標(biāo)簽值，例如文獻(xiàn)[1]中提及的圖書館圖書標(biāo)簽體系中，2019 年入館教育標(biāo)簽體系中的“建筑工程技術(shù)”專業(yè)標(biāo)簽，在數(shù)據(jù)庫中有這樣一條記錄與其對應(yīng)（“標(biāo)簽ID1”、“2019 年入館教育”、“建筑工程技術(shù)”、“32”），其中32 為公比為2 的等比數(shù)列中的第6 個數(shù)，標(biāo)簽體系中的每一條標(biāo)簽的記錄中的“標(biāo)簽索引值”都和等比數(shù)列中的某一個數(shù)形成一一對應(yīng)關(guān)系。

（2）以文獻(xiàn)[1]中提及的圖書館圖書的標(biāo)簽管理為例，在為圖書打標(biāo)簽的時候，系統(tǒng)會在數(shù)據(jù)庫中，為這本圖書加入一條或多條“索引和數(shù)表”記錄，結(jié)構(gòu)為（記錄ID，圖書ID，索引和數(shù)），例如，假設(shè)“圖書ID1”已經(jīng)有索引值為“1”、“4”的兩個標(biāo)簽，在打索引值為“32”的標(biāo)簽的時候，系統(tǒng)會在“索引和數(shù)表”中加入（“記錄ID101”、“圖書ID1”、“32”），（“記錄ID102”、“圖書ID1”、“33”），（“記錄ID103”、“圖書ID1”、“36”），（“記錄ID104”、“圖書ID1”、“37”）四條記錄，分別代表標(biāo)簽“1”、“4”、“32”可能出現(xiàn)的四種新組合；每本圖書搭每一個標(biāo)簽都執(zhí)行上述算法步驟。

（3）以文獻(xiàn)[1]中提及的圖書館圖書的標(biāo)簽管理為例，在取消某一標(biāo)簽時，參考上述過程易設(shè)計出從“索引和數(shù)表”減少相關(guān)記錄的算法步驟。

（4）以文獻(xiàn)[1]中提及的圖書館圖書的標(biāo)簽管理為例，在檢索圖書時，系統(tǒng)根據(jù)用戶所選擇的標(biāo)簽，計算出“目標(biāo)索引和數(shù)”，采用計算出的“目標(biāo)索引和數(shù)”查找“索引和數(shù)表”中“索引和數(shù)”值和“目標(biāo)索引和數(shù)”相等的記錄，查找到的記錄對應(yīng)的圖書就是符合標(biāo)簽組合要求的圖書，這一算法過程只需查詢一次數(shù)據(jù)庫的表，就可以快速檢索出符合用戶標(biāo)簽要求的圖書。

6 算法性能提升的重要原因

以文獻(xiàn)[1]中提及的圖書館圖書的標(biāo)簽管理為例，從上述算法關(guān)鍵步驟可以看出，算法搜索性能提升的重要原因是在查找符合多標(biāo)簽組合要求的圖書時，這一算法只需查詢一次數(shù)據(jù)庫的一張表，可以快速檢索出符合用戶標(biāo)簽要求的圖書，避免了數(shù)據(jù)庫進(jìn)行多次大量的關(guān)聯(lián)運算；這一優(yōu)勢在圖書總量大、標(biāo)簽體系復(fù)雜豐富的情況下特別明顯。

從算法運行效率的時空分布情況看，算法是采用“打標(biāo)簽和取消標(biāo)簽時多花一點運算時間”換取“大量讀者進(jìn)行各種多標(biāo)簽組合檢索檢索時的高效率”的做法，對于實際業(yè)務(wù)情況來說，這種做法是合理的，有明顯的效益。

7 算法應(yīng)用場景探討

在上述介紹算法過程中，為了方便讀者理解，我們以圖書館中，館藏圖書的管理作為例子，實際上很多涉及資源管理的場景都可以用上述高效的“標(biāo)簽體系+檢索算法”的解決方案，例如圖書館的館藏資源管理、電子商務(wù)中的商品管理、客戶資源管理等資源管理工作等。

7.1 算法在圖書館館藏資源管理中的應(yīng)用

在圖書館的館藏資源管理中，主要可能用到的標(biāo)簽體系有：A 行業(yè)分類標(biāo)簽體系；B 入館教育標(biāo)簽體系等。綜合考慮各標(biāo)簽體系隨時間的變化情況，結(jié)合上述算法，可形成一套高效的用于圖書館館藏資源管理的解決方案。具體的結(jié)合詳細(xì)方法可參考文獻(xiàn)[1]中所述。這一解決方案在圖書館特色館藏建設(shè)管理、參考咨詢業(yè)務(wù)改進(jìn)、入館教育改進(jìn)等業(yè)務(wù)工作中有重要用途[3-5]。

7.2 算法在商品管理中的應(yīng)用

在電子商務(wù)的商品管理中，主要可能用到的標(biāo)簽體系有:A 商品用途標(biāo)簽體系；B 商品品牌標(biāo)簽體系；C 商品生產(chǎn)信息標(biāo)簽體系；D 商品存儲信息標(biāo)簽體系；E 商品銷售情況標(biāo)簽體系等。綜合考慮各標(biāo)簽體系隨時間的變化情況，結(jié)合上述算法，可形成一套高效的用于電子商務(wù)中商品管理的解決方案。

7.3 算法在客戶資源管理中的應(yīng)用

當(dāng)前，在新一代信息技術(shù)不斷發(fā)展的情況下，數(shù)字經(jīng)濟空前活躍，數(shù)字化轉(zhuǎn)型升級已成為各企業(yè)面臨的一個重要工程；在數(shù)字化轉(zhuǎn)型工作中，對企業(yè)相關(guān)的各類客戶通過客戶信息系統(tǒng)進(jìn)行管理和分類，掌握精準(zhǔn)的客戶畫像，從而支撐實現(xiàn)“精準(zhǔn)地把產(chǎn)品和服務(wù)銷售給需要的客戶”是一項重要的工作；在完成這一項重要工作的過程中，“標(biāo)簽體系+檢索算法”是一個重要的工作工具。各企業(yè)可根據(jù)自身業(yè)務(wù)和客戶群的特點，設(shè)計符合自身情況的標(biāo)簽體系，結(jié)合上述算法，實現(xiàn)對客戶的高效管理和對目標(biāo)客戶的精準(zhǔn)查找，助力自身數(shù)字化轉(zhuǎn)型工作的進(jìn)步。

7.4 算法在其他應(yīng)用場景中的應(yīng)用

除了上述三類舉例的應(yīng)用場景，本文提出的解決方案在各類資源管理類的場景中都有用武之地，有相對廣闊的應(yīng)用前景。

8 結(jié)語及工作展望

綜上所述，本文在綜合總結(jié)前期工作的基礎(chǔ)上，提出了一種基于標(biāo)簽體系的多用途快速索引算法，介紹了算法的數(shù)學(xué)基礎(chǔ)、算法數(shù)學(xué)基礎(chǔ)的證明過程、算法實現(xiàn)過程中數(shù)據(jù)庫的設(shè)計要點、算法的關(guān)鍵步驟、算法性能提升的重要原因、探討了算法的應(yīng)用場景。本文提出的算法和標(biāo)簽體系結(jié)合，形成一套“標(biāo)簽體系+檢索算法”的解決方案，一定程度上解決多標(biāo)簽體系的場景下，對高維數(shù)據(jù)進(jìn)行多關(guān)鍵字組合搜索引起的數(shù)據(jù)庫進(jìn)行大量關(guān)聯(lián)運算的問題，提高檢索效率，可用于多種資源管理場景；下一步工作可進(jìn)一步拓展應(yīng)用場景，讓算法發(fā)揮更大作用。