数据查询与分类：从模糊查询到可能性分类器的探索

### 数据查询与分类：从模糊查询到可能性分类器的探索 #### 1. 模糊查询强化实验 在数据库查询中，常常会遇到查询结果过多的问题，也就是所谓的“plethoric answers”。为了解决这个问题，提出了基于关联链接的查询强化方法。 ##### 1.1 查询强化示例 对于一个初始查询 Q，可能会有不同的属性条件与之关联。例如： - mileage IS ‘medium’ (μcor(Q, P p mileage,‘medium′) = 0.11)，其模糊集为 FQ∧P p mileage, ‘medium′ = {1/24 + 0.8/27 + 0.6/28 + 0.4/72 + 0.2/77} - mileage IS ‘very high’ (μcor(Q, P p mileage,‘veryhigh′) = 0.19)，模糊集为 FQ∧P p mileage, ‘veryhigh′ = {1/7 + 0.8/7 + 0.6/8 + 0.4/18 + 0.2/19} - mileage IS ‘high’ (μcor(Q, P p mileage,‘high′) = 0.37)，模糊集为 FQ∧P p mileage, ‘high′ = {1/101 + 0.8/106 + 0.6/110 + 0.4/215 + 0.2/223} 用户对于每个候选查询 Q′，可以选择处理该查询（即获取结果），或者对其进行强化处理。若选择强化处理，则会查看模糊基数表，以获取与 Q′ 相关的强化候选属性及其模糊基数，并根据 K 进行排序。 假设用户选择 Q′ = year IS ‘old′ AND mileage IS ‘medium′ 进行第二次强化，建议的候选属性及模糊基数如下： - optionLevel IS ‘low’ (μcor(Q′, P p optionLevel,‘low′) = 0.34)，模糊集为 FQ′∧P p optionLevel, ‘low′ = {1/18 + 0.8/20 + 0.6/21 + 0.4/46 + 0.2/51} - optionLevel IS ‘very low’ (μcor(Q′, P p optionLevel,‘verylow′) = 0.15)，模糊集为 FQ′∧P p optionLevel, ‘verylow′ = {1/6 + 0.8/7 + 0.6/7 + 0.4/22 + 0.2/22} 对于这次强化步骤，增强后的查询 Q′′ 返回的项目少于 K 个，因此它们按照与 Q′ 的相对关联度降序排列。 ##### 1.2 实验总结 通过这次在具体数据库上的实验，可以观察到基于关联链接的查询强化方法为用户提供了有关数据分布和可能查询的有趣信息，有助于获取连贯的答案集。连贯的答案集是指一组具有相关属性的项目，可能符合用户最初不知道如何检索的需求。 此外，由于预先计算的知识表，无需处理相关查询（即包含相关谓词的查询），就可以为用户提供有关答案集大小和可用于强化查询的谓词的有趣信息。实验还表明，建议用于强化查询的谓词根据初始未充分指定的查询是有意义且连贯的。以下是一些从初始查询 Q 到增强查询 Q′ 的示例： | 初始查询 Q | 增强查询 Q′ | |Σ∗ Q| | |Σ∗ Q′| | | --- | --- | --- | --- | | year is ‘old′ AND mileage is ‘high′ AND optionLevel is ‘low′ | year is ‘old′ AND mileage IS ‘high′ AND optionLevel is ‘low′ AND comfortLevel is ‘very low′ AND securityLevel is ‘low′ | 63 | 26 | | year is ‘recent′ | year is ‘recent′ AND mileage is ‘low′ AND optionLevel is ‘high′ | 4060 | 199 | | comfortLevel is ‘high′ | comfortLevel is ‘high′ AND optionLevel is ‘high′ | 180 | 45 | | year is ‘very old′ | year is ‘very old′ AND optionLevel is ‘low′ AND comfortLevel is ‘very low′ | 35 | 6 | 最后，发现参数 η 在这个应用场景中无用，因为在计算模糊基数时使用的关联阈值已经将关联表的大小限制在最相关的谓词组合上。但对于一些涉及更多预定义谓词和低关联阈值的应用场景，η 可能会有用。 #### 2. 相关工作对比 在处理查询结果过多的问题上，有多种相关的方法。 ##### 2.1 概率排名模型 Chaudhuri 等人的概率排名模型也使用属性之间的关联属性，并在计算排名分数时考虑它。但该模型的关联链接是在属性之间识别的，而不是谓词之间，并且这些关联的识别依赖于过去提交查询的工作量。 ##### 2.2 基于