导读:本文包含了查询重写论文开题报告文献综述、选题提纲参考文献，主要关键词:重写,数据,模式,视图,算法,结构化,关系。
查询重写论文文献综述写法
王红,杨蓉,郭静[1]（2019）在《基于RDF重写的航空安全事件因果关系查询方法研究》一文中研究指出针对航空安全事件RDF图数据因果关系查询中低匹配和无匹配的问题,提出一种基于语义相似度和RDFS规则的重写方法。该方法首先采用基于词向量的语义相似度计算方法将用户RDF叁元组转换为领域本体RDF叁元组,然后依据RDFS规则对领域本体RDF叁元组进行关系扩展重写,最后将该方法应用于航空安全事件因果关系的查询。实验结果表明,该方法在查全率和查准率方面取得明显效果,能够改善因果关系查询中低匹配和无匹配的问题,为解决航空安全事件因果关系的查询问题提供了方法支持。(本文来源于《现代电子技术》期刊2019年16期）
张玉莹[2]（2019）在《电商系统中基于改进遗传算法的查询重写优化研究》一文中研究指出近几十年来,数字经济在中国迅速发展,互联网业务在过去十年中经历了爆炸式增长,预计将继续增长。由于互联网和移动基础设施快速发展,信息技术同时也飞速提高,导致电子商务系统日益普及,商业交易变得越来越频繁。人们己经进入信息社会和大数据时代,人类社会的各种数据呈指数级增长。因此在海量数据的前提下,电子商务系统的快速准确地查询问题越来越被人所关注。目前的电子商务系统的查询优化技术已经被广泛的使用,如动态物化视图技术,缓存技术等,但是由于现在电子商务系统的数据是海量地并且是实时更新地,所以一些查询优化技术效果不佳,查询重写优化算法越来越被现在的学者重视。目前,常用数据库查询重写优化算法有遗传算法,动态规划算法,贪心算法,蚁群算法等。由于遗传算法的鲁棒性,强适应性,隐式并行性和强大的搜索能力,因此,本文提出了一种基于改进遗传算法的电子商务系统查询重写优化研究。由于传统的遗传算法容易陷入局部最小值问题,局部搜索效率较差,所以在传统的遗传算法中做以下两个部分的改进:在选择策略上选择用萤火虫算法改进了轮盘赌选择算法,在每次选择一个个体进入子代种群后,重新计算父代种群中每个个体在子代中出现的概率,保证适应度大的个体在父代种群中的相对概率更大,改善轮盘赌选择算法选择误差较大的缺点;然后详细的介绍了交叉算子和变异算子的实现原理,在交叉过程和变异过程之前用FCM算法将初始种群根据适应度的大小分为叁个种群,然后为叁个种群设定不同的交叉率和变异率,让适应度大的个体尽量少的进行交叉变异操作,进而保证子代种群的优异性。最后结合本文搭建的电子商务系统进行多次实验,实验结果表明改进的遗传算法比传统的遗传算法的查询时间短效率高。(本文来源于《哈尔滨商业大学》期刊2019-06-01）
张雅文,刘春霞,白尚旺,党伟超[3]（2019）在《多租户宽表数据存储模式的查询重写机制研究》一文中研究指出在SaaS环境下,基于宽表(Universal Table)的多租户数据存储模式是有效解决多租户数据存储问题的一种方法,但会产生大量模式空值。为此,提出了多宽表的存储模式,实现了基于Java的动态SQL重写和视图定义SQL重写相结合的查询重写方法,通过判断SQL语句的复杂性选择适当的查询重写方法,保证租户视图层的SQL查询可转换为实际作用于数据库的SQL查询。分析证明多宽表模式可以提高存储空间利用率,并通过实验验证了该方法查询重写的可行性。(本文来源于《太原科技大学学报》期刊2019年01期）
邹一丹[4]（2017）在《异构数据源集成系统中查询重写的研究》一文中研究指出随着计算机技术的飞速发展与广泛应用,数据量已经无法用"多"来形容,由于各行各业对数据的需求不同导致数据的存储方式,数据结构等多方面都存在差异,因此形成了大量的异构数据源。但对于用户来说这并不是他们想要的,用户通常希望通过提交一次查询就可以得到需要的数据,异构数据源集成系统应运而生。其中,查询重写技术在异构数据源集成系统中扮演着极其重要的角色,集成系统正是通过查询重写技术将用户给定的基于全局模式提出的查询语句进行重写,以实现从异构数据源中获取结果并反馈给用户。查询重写技术与数据集成、查询优化等问题都密切相关。课题针对异构数据源集成系统中的查询重写问题做了以下研究。首先,课题对叁种经典的查询重写算法,Bucket算法,Inverse-Rules算法,以及MiniCon算法进行了深入的研究,并分别指出了以上叁种算法的不足之处。着重探讨研究了 MiniCon算法,并在该算法的基础上提出了一种改进算法,即基于路径优化的MiniCon算法。该算法在传统的MiniCon算法的基础上,增加了一步路径的优化,通过比较查询视图中相关字段的数据有效比例,对查询路径进行优化,以达到提高查询效率的目的。其次,课题介绍了叁种传统数据集成方案,即联邦数据库法,中间件法以及数据仓库法。并以中间件体系结构为基础,融合JSON技术,设计了一种异构数据源集成框架,采用稳定的叁层结构,包括展示层,中间层及数据源层,其中,中间层为此系统的核心,查询生成、查询重写等都在中介层中实现。最后,课题将传统的MiniCon算法与改进的基于路径优化的MiniCon算法应用到上述设计的异构数据源集成系统中,并采用河南世纪联华超市的数据,对两种算法的查询速率进行了比较以证明改进算法的正确性与优越性。(本文来源于《哈尔滨商业大学》期刊2017-04-01）
王晶[5]（2013）在《非结构化数据结构化存储中的查询语句重写技术研究》一文中研究指出由于非结构化数据规模的不断膨胀，数据管理的成本不断上升。为了能有效的管理非结构化数据，NoSQL非关系型数据库迅速发展。但在实际应用中，往往涉及的数据类型多样，很难只对一种类型的数据进行处理。这就对只处理结构化数据的关系型数据库或是处理非结构化数据的非关系型数据库是一个很大的挑战。目前对结构化数据存储于非关系型数据库或是非结构化数据存储于关系型数据库都没有真正得到理想的效果，在数据导入，查询执行时消耗大量的时间。非结构化数据结构化存储系统利用关系数据库(RDBM)作为非结构化数据Key/Value型数据的存储后台。系统基于Value值的属性，分割原始表为二维子表，又通过Hash处理，转换成整形存储子表。不仅在存储时弥补拆表带来的空间浪费，而且对于数据的查询也有性能上的提高。非结构化数据结构化存储查询语句重写技术研究就是依据存储系统在关系数据库中对非结构化数据的存储模式，对数据库的标准语言，结构化查询语言SQL进行重写。查询语句的重写的实现，主要是对SQL语言中的两大类语句进行重写，即数据定义语言DDL和数据操纵语言DML。系统基于基础的SQL语句的处理，因此可以通过对这两大语言的重写实现SQL语言的重写，从而实现结构化语句对非结构化数据的查询。实验结果表明，非结构化数据结构化存储系统可以很好的完成对非结构化数据的存储。同时实验也表明，系统对用户提交的语句能够正确进行重写，得到子查询语句。(本文来源于《华中科技大学》期刊2013-05-01）
徐越,乐年华,苗军[6]（2012）在《基于映射的数据集成及其查询重写的实现》一文中研究指出为满足大规模数据集成的需要,最近一些研究用映射方法来描述模式间的联系,不像视图,模式映射丢失了属性间固有的联系,如何合理地重写全局查询是这类系统面临的主要挑战。本文按照启发式规则提出了属性相关集的概念,它能客观地反映出模式设计以及映射集成的意图,由此我们用属性划分的方法为合理的查询重写提供了判断依据,并按这样的框架给出了查询重写的算法,最后我们分析了该框架的合理性以及应用范围。(本文来源于《江西电力职业技术学院学报》期刊2012年03期）
王楠,刘彩红,陈秋菊[7]（2012）在《基于物化视图的查询重写系统设计与实现》一文中研究指出随着XML文档大量涌现,如何有效地管理和查询XML数据已经成为亟待解决的问题。结合数据库发展的需要,研究了在关系数据库中利用物化视图和查询重写技术存储和查询XML文档。基于视图的查询重写技术是查询优化的一个重要技术,利用缓存的视图结果回答新查询不需要访问源数据库进行查询,能够节省查询处理时间。通过对物化视图、视图缓存、查询重写等技术进行研究,讨论如何利用关系数据库中缓存的物化视图来回答查询的问题,并实现了基于物化视图的XML数据查询系统原型。系统中使用扩展的模式匹配算法实现对多分支路径的模式匹配,解决了重写是否存在的问题,并通过模式匹配算法的匹配结果,来判断是否可以构造补偿表达式。通过构造补偿表达式算法得到重写结果,进而通过数据库中缓存的视图完成查询。(本文来源于《现代电子技术》期刊2012年16期）
易凌云[8]（2012）在《基于物化视图的树模式XML查询应答重写技术的研究》一文中研究指出随着互联网的不断发展，XML在数据库领域发挥着越来越重要的作用。当前对XML数据的查询需求也不断增强，为此，W3C提出了XQuery语言，作为XML查询语言标准。XQuery和XML数据的关系类似SQL与关系数据库的关系。XQuery很好地结合了XML数据的半结构化特性，能够从XML文档中提取出各种复杂的查询模式，然后重构为用户所需的新的XML文档结构。由于XML数据的半结构化特征和各种XML查询的多样性，XML数据查询的效率经常难以满足应用的需求。物化视图是提高查询效率的有效方法，许多研究通过利用物化视图与查询本身的包含关系来减少对源数据的访问，从而优化查询，有效解决XML查询效率低下的问题。但是目前大多数研究只能处理一些简单的、单一返回节点的XPath查询和物化视图的应答关系，结构更为丰富和灵活的XML查询语言，如XQuery，则难以被完全支持。本文提出了一个基于物化视图的树模式查询请求应答算法，来处理多返回节点的树模式查询应答问题，从而判断用树模式表示的物化视图能否应答原查询。该算法不仅能处理XPath查询之间的应答关系，同时还能处理树模式下多返回节点的XQuery查询，从而放宽判断查询包含关系的语句限制，增加查询处理能力。在此基础上，本文进一步提出了多返回节点树模式查询重写算法，构建出用在物化视图数据集上查询的补偿表达式。实验表明了该算法的正确性和有效性。(本文来源于《北京工业大学》期刊2012-06-01）
李彬[9]（2012）在《信息集成中面向汇集视图的查询重写方法研究与实现》一文中研究指出信息集成的目标是在各个异构、自治、独立的数据源上建立一个全局模式，它屏蔽了底层数据源的差异，为用户提供一个统一的查询接口。用户的查询请求只需定义在这个全局模式上即可，而不必关心数据如何得到。在本文的集成系统中，全局模式分为两种：中介视图和汇集视图。中介视图是虚拟的，对它的查询需要被分发到各个底层数据源执行；汇集视图是物化的，保存了查询结果，它能快速响应查询请求，但需要做数据更新维护。为了能向汇集视图报送增量数据，需要根据视图的定义并结合信息源约束能力来建立对应的准基础关系，并将汇集定义重写到准基础关系上。同时，对于分发目标的定义也需重写到准基础关系上。本文便是在基于Wrapper/Mediator集成框架的基础上，针对汇集视图查询重写过程中的相关问题进行研究，包括查询编译，查询分解，准基础关系模式推导，查询转换以及执行文档的内部表示等。汇集视图查询重写主要解决的问题如下：1.查询编译：汇集视图定义所涉及的词法、语法、语义分析过程;2.查询分解：如何按信息源约束能力的不同将视图定义分解到单源或单表上。3.准基础关系模式的推导：如何基于信息源的约束能力生成对应的准基础关系模式;4. DDL重写：如何将定义在入口模式上的汇集视图准确、高效地等价改写到基于准础关系上以及分发目标DDL重写。5. DQL重写：如何快速有效地改写与响应用户基于全局模式的查询。6.查询优化：查询分解及查询转换过程中的查询优化规则的应用。7.执行文档的内部表示：如何将重写后的表达式结构转换为内部语言表述格式。(本文来源于《暨南大学》期刊2012-05-01）
陈荣鑫[10]（2011）在《结合重写与数据并行的XQuery查询优化》一文中研究指出XQuery查询优化是提升查询引擎性能的关键途径.根据XQuery语言特点和多数据源的查询需求,通过在XQuery语言层的重写优化获取高效的查询计划;为适应多核计算环境,通过中间语言层的并行原语实现数据并行处理,进一步提升系统性能.开发查询引擎原型系统,实例测试表明,该优化方法能有效提升XQuery查询性能.(本文来源于《陕西科技大学学报(自然科学版)》期刊2011年06期）
查询重写论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近几十年来,数字经济在中国迅速发展,互联网业务在过去十年中经历了爆炸式增长,预计将继续增长。由于互联网和移动基础设施快速发展,信息技术同时也飞速提高,导致电子商务系统日益普及,商业交易变得越来越频繁。人们己经进入信息社会和大数据时代,人类社会的各种数据呈指数级增长。因此在海量数据的前提下,电子商务系统的快速准确地查询问题越来越被人所关注。目前的电子商务系统的查询优化技术已经被广泛的使用,如动态物化视图技术,缓存技术等,但是由于现在电子商务系统的数据是海量地并且是实时更新地,所以一些查询优化技术效果不佳,查询重写优化算法越来越被现在的学者重视。目前,常用数据库查询重写优化算法有遗传算法,动态规划算法,贪心算法,蚁群算法等。由于遗传算法的鲁棒性,强适应性,隐式并行性和强大的搜索能力,因此,本文提出了一种基于改进遗传算法的电子商务系统查询重写优化研究。由于传统的遗传算法容易陷入局部最小值问题,局部搜索效率较差,所以在传统的遗传算法中做以下两个部分的改进:在选择策略上选择用萤火虫算法改进了轮盘赌选择算法,在每次选择一个个体进入子代种群后,重新计算父代种群中每个个体在子代中出现的概率,保证适应度大的个体在父代种群中的相对概率更大,改善轮盘赌选择算法选择误差较大的缺点;然后详细的介绍了交叉算子和变异算子的实现原理,在交叉过程和变异过程之前用FCM算法将初始种群根据适应度的大小分为叁个种群,然后为叁个种群设定不同的交叉率和变异率,让适应度大的个体尽量少的进行交叉变异操作,进而保证子代种群的优异性。最后结合本文搭建的电子商务系统进行多次实验,实验结果表明改进的遗传算法比传统的遗传算法的查询时间短效率高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
查询重写论文参考文献
[1].王红,杨蓉,郭静.基于RDF重写的航空安全事件因果关系查询方法研究[J].现代电子技术.2019
[2].张玉莹.电商系统中基于改进遗传算法的查询重写优化研究[D].哈尔滨商业大学.2019
[3].张雅文,刘春霞,白尚旺,党伟超.多租户宽表数据存储模式的查询重写机制研究[J].太原科技大学学报.2019
[4].邹一丹.异构数据源集成系统中查询重写的研究[D].哈尔滨商业大学.2017
[5].王晶.非结构化数据结构化存储中的查询语句重写技术研究[D].华中科技大学.2013
[6].徐越,乐年华,苗军.基于映射的数据集成及其查询重写的实现[J].江西电力职业技术学院学报.2012
[7].王楠,刘彩红,陈秋菊.基于物化视图的查询重写系统设计与实现[J].现代电子技术.2012
[8].易凌云.基于物化视图的树模式XML查询应答重写技术的研究[D].北京工业大学.2012
[9].李彬.信息集成中面向汇集视图的查询重写方法研究与实现[D].暨南大学.2012
[10].陈荣鑫.结合重写与数据并行的XQuery查询优化[J].陕西科技大学学报(自然科学版).2011