[论文解读] Efficient Spatial Keyword Search in Trajectory Databases

Gao Cong, Hua Lu+3 more|arXiv (Cornell University)|May 13, 2012

Data Management and Algorithms参考文献 34被引用 24

一句话总结

本文提出了一种针对轨迹数据库的高效 top-k 空间关键词查询（TkSK）方法，通过一种新型混合索引——单元-关键词感知 B+-树（Bck-tree），结合文本相关性与空间接近度。该方法能够快速、可扩展地检索出匹配距离最短的 k 条轨迹——匹配距离定义为覆盖查询关键词的子轨迹长度与查询位置到子轨迹起点距离之和。在 BerkeleyDB 上的实验评估表明，该方法在性能上显著优于基线方法。

ABSTRACT

An increasing amount of trajectory data is being annotated with text descriptions to better capture the semantics associated with locations. The fusion of spatial locations and text descriptions in trajectories engenders a new type of top-$k$ queries that take into account both aspects. Each trajectory in consideration consists of a sequence of geo-spatial locations associated with text descriptions. Given a user location $λ$ and a keyword set $ψ$, a top-$k$ query returns $k$ trajectories whose text descriptions cover the keywords $ψ$ and that have the shortest match distance. To the best of our knowledge, previous research on querying trajectory databases has focused on trajectory data without any text description, and no existing work has studied such kind of top-$k$ queries on trajectories. This paper proposes one novel method for efficiently computing top-$k$ trajectories. The method is developed based on a new hybrid index, cell-keyword conscious B$^+$-tree, denoted by \cellbtree, which enables us to exploit both text relevance and location proximity to facilitate efficient and effective query processing. The results of our extensive empirical studies with an implementation of the proposed algorithms on BerkeleyDB demonstrate that our proposed methods are capable of achieving excellent performance and good scalability.

研究动机与目标

• 为解决轨迹数据库中缺乏对结合文本描述与空间位置的 top-k 空间关键词查询的支持问题。
• 实现对 k 条轨迹的高效可扩展处理，这些轨迹具有最短的匹配距离，综合考虑关键词覆盖与空间接近度。
• 设计一种混合索引结构，同时利用文本相关性与空间距离进行搜索空间剪枝。
• 支持实际应用场景，如路线共享、社交网络签到以及用户生成的旅行行程，其中用户希望获取相关且距离较短的出行路径。
• 提供与主流 DBMS 兼容的解决方案，与以往缺乏数据库集成的混合索引方法形成对比。

提出的方法

• 提出单元-关键词感知 B+-树（Bck-tree），一种新型混合索引，将空间分区与关键词感知的 B+-树结构相结合，实现基于文本与位置的联合搜索空间剪枝。
• 设计一种匹配距离计算算法（Match），用于计算覆盖所有查询关键词的最短子轨迹，以及从查询位置到子轨迹起点的距离。
• 采用两阶段查询处理策略：首先，利用 Bck-tree 根据空间接近度与关键词相关性识别候选轨迹；其次，对候选轨迹计算精确的匹配距离以进行 top-k 排名。
• 使用基于单元的空间分区方法对轨迹进行分组，并为每个单元关联关键词倒排列表，从而在查询评估过程中实现高效剪枝。
• 利用 B+-树的扇出独立性以减少树高并提升 I/O 效率，同时引入关键词签名以实现快速过滤。
• 在 BerkeleyDB 上实现该方案，以确保与标准 DBMS 的兼容性，并在真实工作负载下评估性能。

实验结果

研究问题

• RQ1 混合索引结构能否有效结合空间索引与文本索引，以加速轨迹数据上的 top-k 空间关键词查询？
• RQ2 所提出的 Bck-tree 索引在查询处理性能与可扩展性方面，相较于现有空间索引与关键词索引表现如何？
• RQ3 在轨迹数据库查询中，通过联合剪枝空间与文本搜索空间，能在多大程度上减少 I/O 与 CPU 开销？
• RQ4 所提出的方法是否足够高效与可扩展，适用于包含大量地理标签化、文本标注数据的现实世界轨迹数据库？
• RQ5 该解决方案能否像传统 DBMS 平台一样高效部署，而无需依赖定制存储引擎，与以往混合索引方案形成对比？

主要发现

• 所提出的 Bck-tree 索引在查询处理时间上显著优于基线方法，在包含文本标注位置的轨迹数据库中表现出优越性能。
• Match 算法通过识别覆盖所有查询关键词的最短子轨迹，高效计算匹配距离，从而降低计算开销。
• 在 BerkeleyDB 上的实验评估表明，所提方法在数据规模与查询复杂度增加时仍具有良好的可扩展性。
• 混合的 Bck-tree 结构通过同时利用空间接近度与关键词相关性实现有效剪枝，显著减少了需检查的候选轨迹数量。
• 该解决方案与主流 DBMS 兼容，而以往的混合索引方法通常需要定制存储引擎。
• 该方法展现出出色的可扩展性与效率，适用于 GPS 轨迹共享、基于位置的社交网络等实际应用场景。