73、互联网上支持基于不等概要的Top - K聚合查询及日语拟声词在线词典研究

互联网上支持基于不等概要的Top - K聚合查询及日语拟声词在线词典研究

在数据处理和语言学习领域，分别有两个重要的研究方向值得关注。一是在互联网数据处理中，如何高效支持基于不等概要的Top - K聚合查询；二是在日语学习方面，怎样构建一个有效的拟声词在线词典。

互联网数据处理：支持基于不等概要的Top - K聚合查询

在互联网数据处理中，概要数据结构分为相等概要和不等概要。相等概要实现简单，但在解决流上的多聚合查询时，很难共享重叠窗口，因为会产生更多切片；而不等概要能很好地解决这个问题。

以成对窗口概要为例，它将一个窗口分割成两个不等的切片。比如有字符a、b、c代表三种数据包流，20、10和5代表频率计数。在这个例子中，该概要包含7个子窗口，应用Top - 3作为部分聚合。在部分聚合步骤中，输出每个子窗口中的Top - 3类型；在最终聚合步骤中，如果要输出整个第一个窗口中最频繁的项，类型c会是结果，尽管类型a在整个第一个窗口中的最终频率计数最高，但它在第二个子窗口S2中被丢弃。

为了解决这些问题，提出了DSW（动态子窗口）方法。该方法不受概要形式的限制，重置每个窗口的工作量，以确保很少出现假阴性。

DSW方法的三个阶段

• 重新定义阶段 ：使用包含7个子窗口S1 - S7的不等概要，设计动态子窗口，将长的子窗口（如S2）重新定义为一些新的小子窗口，使所有子窗口大小相似，以减少大小差异，提高Top - k结果的准确性。
• 初始化阶段 ：动态子窗口的大小由滑动窗口查询的属性自动维护。滑动窗口有基于时间和基于元组的