用于重复充电运营记录的基于块采样的高效聚集查询算法

摘要 现有查询分析方法通常将实体识别作为线下预处理过程清洗整个数据集，然而，随着数据规模的不断增大，这种高计算复杂性的线下清洗模式已经很难满足实时性分析应用的需求。针对重复充电运营记录上的聚集查询问题，提出一种将近似聚集查询处理与实体识别相结合的方法。首先，通过基于块的采样策略采集样本；然后，在采集到的样本上利用实体识别方法识别出重复的实体；最后，根据实体识别的结果重构得到聚集结果的无偏估计。所提方法避免了识别全部实体的时间代价，通过识别少量样本数据即可返回满足用户需求的查询结果。真实数据集和合成数据集上的实验结果验证了所提方法的高效性和可靠性