1.一种基于关键词倒排与Trie的空间关键词查询方法,其特征在于:包括:
数据预处理步骤,将数据集D中所有位置点编码成长度为n的字符串,以该字符串为排序对象按字典序对数据集D中每行数据排序并生成编号id,每一行数据称为一条记录r,则由一至多行记录r组成的数据集称为记录集R;
空间关键词索引建立步骤,对记录集R中关键词集建立倒排索引,之后,对任一关键词所属id对应的字符串构建Trie,得到关键词倒排与Trie组合的索引结构;
空间关键词查询步骤,检索关键词倒排与Trie组合的索引结构,获取满足查询条件的id,经过滤得到id候选集,并对候选集验证返回满足空间查询条件的位置点。
2.根据权利要求1所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述数据预处理步骤,具体包括如下步骤:
步骤110:给定一个由一系列位置点、关键词集构成的数据集D,通过geohash空间编码方法将数据集D中的位置点编码成长度为n的字符串string;其中,位置点由纬度、经度数据构成;其中,string即geohash编码,表示geohash精度表中n对应的范围区域,步骤120:以string为排序对象按字典序对数据集D中每行数据排序并生成编号id,每一行数据称为一条记录r,则由一至多行记录r组成的数据集称为记录集R;其中,R中每行数据r由id、纬度lat、经度lon、字符串string、关键词集items组成,items至少包含一个关键词item。
3.根据权利要求1所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述空间关键词索引建立步骤,具体为:
步骤210:对Ritems中每个独立元素itemi,构建倒排索引;其中,Ritems表示R中全部关键词,itemi表示Ritems中第i个关键词;
步骤220:对Rstr构建Trie索引结构,Rstr中的每个字符串可映射为Trie中一条从根到叶节点的路径,Trie节点存储Rpart中rpart.string的前m位等于spre的起始id与id个数;其中,Rpart表示由一至多行rpart组成的记录集,rpart表示R中包含itemi的r.id、r.string组成,r.id表示r的id,r.string表示r的字符串,Rstr表示Rpart中所有字符串且保持其顺序性,spre指从根节点到当前节点构成的字符串,m表示spre的长度,rpart.string表示rpart的string;
步骤230:列表list按序存储Rpart中包含于关键词集items的每个独立元素itemi对应的id。
4.根据权利要求3所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述空间关键词查询步骤,具体包括如下步骤:
步骤310:给定查询位置点q、查询距离范围d、查询关键词集qitems,根据geohash精度表选定与d相对应的geohash编码长度p,通过geohash空间编码方法将位置点q编码为p位长度的字符串qs,获取字符串qs周围8个区域的geohash编码,并将字符串qs及其周围8个区域的geohash编码分别作为查询域,共9个查询域;其中,p对应的距离误差不小于d且为最小值;
qitems至少由一个关键词item构成;
步骤320:检索关键词倒排与Trie组合的索引结构返回满足查询条件的id;其中,查询条件指查询域内包含全部qitems的id;
步骤330:根据查询位置点q和查询距离范围d分别确定纬度范围与经度范围,根据经纬度范围对与步骤320返回的id相对应的位置点进行筛选,最终得到id候选集;
步骤340:计算候选集中id对应的位置点到q的距离dq:若dq≤d,则返回该位置点,否则,不返回。
5.根据权利要求2所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述步骤110,包括下列步骤111、112:
步骤111:根据geohash精度表确定geohash编码长度n;
步骤112:通过geohash空间编码方法将所有位置点编码成长度为n的字符串。
6.根据权利要求2或4所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:通过geohash空间编码方法将位置点编码成字符串,具体为:首先,将经纬度范围看作二维平面坐标系;然后,采用二分法对经度/纬度进行划分,根据位置点经度/纬度在划分结果中的位置分别赋值0或1,直到划分次数满足对应的经/纬度位串的位数;之后,通过位交错方法合并经度位串与纬度位串;最后,通过Base32编码将经纬度位串编码为相应长度的字符串。
7.根据权利要求4所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述步骤310中,获取qs周围8个区域的geohash编码的方法:根据qs的经纬度位串,东/西方向的区域编码:经度位串不变,纬度位串加/减1,通过位交错方法得到该区域的经纬度位串;南/北方向的区域编码:纬度位串不变,经度位串减/加1,通过位交错方法得到该区域的经纬度位串;东北/西南方向的区域编码,经纬度位串均加/减1,通过位交错方法得到该区域的经纬度位串;东南方向的区域编码:纬度位串加1,经度位串减1,通过位交错方法得到该区域的经纬度位串;西北方向的区域编码:纬度位串减1,经度位串加1,通过位交错方法得到该区域的经纬度位串;之后,通过Base32编码将以上8个位串进行编码即可获得qs周围
8个区域的geohash编码。
8.根据权利要求4所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述步骤320具体为:
步骤321:根据qitems检索关键词倒排与Trie组合的索引结构,选取与qitem连接的Trie;
其中qitemÎqitems;
步骤322:以与任一查询关键词相连接的Trie为例,根据geohash编码检索Trie返回的起始id顺序检索list列表至返回由s个id组成的集合Sid,即为包含该查询关键词且在查询域内的id,Trie均被检索后,对所有Sid求交集,即为该查询域内满足查询条件的id;其中,s指根据geohash编码检索Trie返回的id个数;据前述方法,分别获取9个查询域内满足查询条件的id,之后求并集。
9.根据权利要求4所述的基于关键词倒排与Trie的空间关键词查询方法,其特征在于:
所述步骤330中,根据查询位置点q和查询距离范围d分别确定纬度范围与经度范围方法如下:纬度的最大值maxLat = lat + range,纬度的最小值minLat = lat - range;经度的最大值 maxLng = lon + lngR,经度的最小值minLng = lon - lngR;其中,lat表示查询位置点q的纬度值,lon 表示查询位置点q的经度值,range =180 / π * d / 6372.797,lngR = range / cos(lat *π/ 180.0)。
10.一种基于Trie的空间关键词查询装置,其特征在于:包括:
数据预处理装置,用于将数据集D中所有位置点编码成长度为n的字符串,以该字符串为排序对象按字典序对数据集D中每行数据排序并生成编号id,每一行数据称为一条记录r,则由一至多行记录r组成的数据集称为记录集R;
空间关键词索引建立装置,用于对记录集R中关键词集建立倒排索引,之后,对任一关键词所属id对应的字符串构建Trie,得到关键词倒排与Trie组合的索引结构;
空间关键词查询装置,用于检索关键词倒排与Trie组合的索引结构,获取满足查询条件的id,经过滤得到id候选集,并对候选集验证返回满足空间查询条件的位置点。