基于密度峰值的top-k空间文本查询

摘要

由于普通的空间关键词查询通常导致查询结果过多，人们往往倾向于搜索结果集中且文本匹配度较高的地点.提出了一种基于密度峰值的空间文本查询问题，以获取空间对象密度集中且文本相似度较高的空间典型对象.利用TF-IDF结合Cosine相似度评估方法计算查询条件与其他空间关键词的相关度，再基于密度峰值聚类（DPC）算法，在满足空间文本条件的对象中，设计了TS-DPC算法将中间的结果集根据密度要求分为若干簇集，一方面可以获取给定范围内满足密度要求的空间对象簇；另一方面可以获取不同空间对象簇的中心，为研究所需.而后，对该算法进行了优化，提出了TS-DPC-IMP算法，在保持其他参数不变的情况下，通过网格算法，减少了该算法的运行时间.

关键词

空间数据库 / 聚类算法 / 密度峰值 / 密度聚类 / cosine相似度