基于图结构的多关键字查询技术研究-软件工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 近十几年来，由于互联网的快速发展，网上的信息呈爆炸式的增长，如何在如此巨大的 数据中找出我们所感兴趣的信息便成了迫不及待需要解决的问题。在这种情况下，有哪些信誉好的足球投注网站引擎 应运而生。而关键字查询是有哪些信誉好的足球投注网站引擎中最常用的一种机制。 本文首先讨论了图数据的存储及处理，包括运用开源框架 Neo4j 图数据库进行数据的存 储，运用 K2 树来存储图的邻接矩阵，以及基于 r 半径对大数据图进行划分，之后基于 K-means 对子图进行聚类等操作。其次，对处理好的子图的文本信息进行分词、去停用词，提取特征， 根据排序函数对其进行打分后，构建倒排索引。本文使用 simhash 对倒排索引表进行 hash 处 理，映射成多个索引表，并且运用 LDA（Latent Dirichlet Allocation）主题模型对查询所得结 果进行关于主题的过滤，使得结果更贴合用户的查询需求。 本论文的主要贡献在于：第一，提出了一种文本与结构相结合的图相似性计算方法，充 分考虑了不同节点的文本之间的相似性，使得图相似性计算更加的合理准确；第二，运用 simhash 对倒排表进行哈希操作，以减少用户查询时比对的次数和时间，提高效率；第三，提 出使用 LDA 模型对初步查询结果进行过滤，获得更符合用户查询意图的结果。 实验表明本系统可以使用户快速地通过关键字查询到想要的信息，并且得到的结果更符 合用户的查询本意。 关键词: 图，关键字查询，哈希，索引，LDA 模型 I Abstract Over the past decade, the rapid development of the Internet makes the information on the Internet an explosive growth. How to find the information we are interested in such a huge data becomes a problem that cannot wait to be solved. Therefore, the search engine arises at the historic moment. The keyword search is the most commonly used mechanism for search engine. This paper begins with a discussion of the graph data storage and processing, including the use of the open source framework named neo4j graph database for data storage, storage adjacency matrix of graph with K2 tree, makes division of large data graph based on the radius r and clustering subgraph based on K-means. Then, to deal with the text information of the subgraph to carry out word segmentation, delete stop-word, extract features, according to score with the sorting function to build inverted index. In this paper, simhash is use