SEAL：空间文本相似性搜索
数据库
2012-05-31 v1
摘要
基于位置的服务（LBS）近年来变得越来越普遍。现有方法主要根据用户的位置和查询关键词来查找相关的兴趣点（POI）。如今，现代LBS应用产生了一种新的空间文本数据——感兴趣区域（ROI），包含基于区域的空间信息和文本描述，例如带有活动区域和兴趣标签的移动用户配置文件。为了满足对ROI的搜索需求，我们研究了一个新的研究问题，称为空间文本相似性搜索：给定一组ROI和一个查询ROI，通过考虑空间重叠和文本相似性来查找相似的ROI。空间文本相似性搜索有许多重要应用，例如位置感知社交网络中的社交营销。它需要一种高效的搜索方法来支持LBS系统中大规模的空间文本数据。为此，我们引入了一个过滤-验证框架来计算答案。在过滤步骤中，我们为ROI和查询生成签名，并利用签名生成与查询签名相似的候选集。在验证步骤中，我们验证候选集并确定最终答案。为了实现高性能，我们生成了有效的高质量签名，并设计了高效的过滤算法以及剪枝技术。在真实和合成数据集上的实验结果表明，我们的方法实现了高性能。
引用
@article{arxiv.1205.6694,
title = {SEAL: Spatio-Textual Similarity Search},
author = {Ju Fan and Guoliang Li and Lizhu Zhou and Shanshan Chen and Jun Hu},
journal= {arXiv preprint arXiv:1205.6694},
year = {2012}
}
备注
VLDB2012