关系数据库中的关键词查询结果动态优化

关键词查询可以帮助用户从数据库中快速获取感兴趣的内容，它不需要用户掌握专业的数据库结构化查询语言，降低了使用门槛.针对基于关键词的数据库查询，基于数据图的方法是一种比较常见的方法，它把数据库转换成数据图，然后从数据图中计算最小steiner树.但是，已有的方法无法根据不断变化的用户查询兴趣而动态优化查询结果.提出采用蚁群优化算法解决数据库中的关键词查询问题，并提出了基于概念漂移理论的用户查询兴趣突变探查方法，可以及时发现用户兴趣的突变.在此基础上，提出了基于概念漂移理论和蚁群优化算法的查询结果动态优化算法acoks*，可以根据突变的用户兴趣，动态地优化查询结果，使其更加符合用户查询预期.在原型系统上得到的大量实验结果表明，该方法具有很好的可扩展性，并且可以比已有的方法取得更好的性能.