泛化双向相似连接

来源：软件学报杂志2017年第12期北京时间：

作者：王昶平,王朝坤,汪浩,王萌,陈俊

单位：王昶平，清华大学 软件学院, 北京 10008411,王朝坤，清华大学 软件学院, 北京 10008402,汪浩，清华大学 软件学院, 北京 10008403,王萌，清华大学 软件学院, 北京 10008404,陈俊，清华大学 软件学院, 北京 10008405

摘要：相似连接是数据管理领域的一个热门话题，已在社会生产生活中得到广泛应用.然而，现有的相似连接方法并不能满足真实世界不断增长的客观需求.通过引入定义在多种数据类型上的满足操作符和每条数据的独立阈值，定义了一种相似连接——泛化双向相似连接.这种连接扩展了相似连接的应用范围.同时，还提出了两种高效的解决泛化双向相似连接问题的方法：子连接集算法和映射-过滤-验证算法.通过真实与合成数据集上的大量实验，得出了所提方法的正确性和有效性.

关键词：双向相似连接;泛化数据;独立阈值;数据映射;过滤验证

基金资助：国家自然科学基金（61373023）