[论文解读] SEAL: Spatio-Textual Similarity Search

Ju Fan, Guoliang Li+3 more|arXiv (Cornell University)|May 30, 2012

Data Management and Algorithms参考文献 13被引用 10

一句话总结

本文提出SEAL，一种新颖的时空相似性搜索方法，通过结合空间重叠与文本相似性，高效地查找与查询区域（ROI）相似的感兴趣区域。该方法采用基于分层混合签名的过滤与验证框架，实现高性能的过滤与剪枝，实测在Twitter和美国等真实数据集上，相比基线方法最高可提升30倍性能。

ABSTRACT

Location-based services (LBS) have become more and more ubiquitous recently. Existing methods focus on finding relevant points-of-interest (POIs) based on users' locations and query keywords. Nowadays, modern LBS applications generate a new kind of spatio-textual data, regions-of-interest (ROIs), containing region-based spatial information and textual description, e.g., mobile user profiles with active regions and interest tags. To satisfy search requirements on ROIs, we study a new research problem, called spatio-textual similarity search: Given a set of ROIs and a query ROI, we find the similar ROIs by considering spatial overlap and textual similarity. Spatio-textual similarity search has many important applications, e.g., social marketing in location-aware social networks. It calls for an efficient search method to support large scales of spatio-textual data in LBS systems. To this end, we introduce a filter-and-verification framework to compute the answers. In the filter step, we generate signatures for the ROIs and the query, and utilize the signatures to generate candidates whose signatures are similar to that of the query. In the verification step, we verify the candidates and identify the final answers. To achieve high performance, we generate effective high-quality signatures, and devise efficient filtering algorithms as well as pruning techniques. Experimental results on real and synthetic datasets show that our method achieves high performance.

研究动机与目标

• 为现代位置服务（LBS）应用中结合空间区域与文本描述的感兴趣区域（ROI）相似性搜索需求提供解决方案。
• 支持在大规模时空数据上实现亚毫秒级响应时间的高效相似性搜索。
• 通过联合建模空间重叠与文本相似性，形式化并解决时空相似性搜索问题。
• 设计可扩展的高性能过滤与验证框架，减少对数据的完整扫描开销。

提出的方法

• 提出过滤与验证框架：首先使用签名过滤候选区域，再对候选区域进行最终相似性验证。
• 提出基于网格的签名以实现空间相似性，通过划分空间区域并哈希区域坐标。
• 设计阈值感知剪枝技术，在过滤阶段早期剔除非候选ROI。
• 设计分层混合签名，将空间与文本特征融合为单一紧凑签名，实现联合过滤。
• 采用混合过滤算法，利用分层签名同时实施空间与文本剪枝。
• 在签名设计中集成Jaccard相似性用于文本相似性，以及Jaccard重叠用于空间相似性。

实验结果

研究问题

• RQ1 如何在单一相似性度量中有效结合空间与文本相似性，以支持ROI搜索？
• RQ2 何种签名构造方法可实现对不相似ROI的高效过滤，同时保持高召回率？
• RQ3 如何设计剪枝技术，在不牺牲准确率的前提下减少候选数量？
• RQ4 与R树或关键词索引等传统索引结构相比，基于签名的过滤在性能上有多大的提升？
• RQ5 该方法在数据规模增加及相似性阈值变化时的可扩展性如何？

主要发现

• 在Twitter数据集上，SEAL相比IR-Tree、关键词索引和空间索引等基线方法，最高实现30倍性能提升，特定阈值下查询时间低至5ms。
• 在Twitter数据集上，当空间阈值为0.1且文本阈值为0.4时，SEAL将查询时间从IR-Tree的253ms降低至5ms。
• 该方法表现出亚线性可扩展性：随着ROI数量增加，查询时间增长缓慢，表明具有出色的可扩展性。
• 在所有阈值下，混合签名（H-256、H-512、H-1024）在过滤效率与响应时间方面均优于基于网格的签名（G-256等）。
• 分层混合签名设计实现了空间与文本的并行剪枝，显著减少了需验证的候选数量。