5、基于稳定性的Top-k查询与k - mer特征在生物序列分析中的应用

基于稳定性的Top-k查询与k - mer特征在生物序列分析中的应用

1. 基于稳定性的Top-k查询方法

1.1 主导得分计算

在进行基于稳定性的Top-k主导查询时，记录的主导得分会考虑其稳定性水平。稳定性通过标准差来衡量，标准差越低，稳定性越高。具体步骤如下：
1. 计算记录所有评分的均值：
- 均值计算公式为：$\overline{x} = \frac{\text{具有值的维度评分总和}}{\text{具有值的维度数量}}$
- 如果记录的均值大于或等于阈值$T$（阈值设为2.5），则该记录进入下一阶段；否则被过滤掉。
2. 计算标准差（SD）作为记录稳定性的指标：
- 设$x_i$为电影的评分，$\overline{x}$为平均评分，标准差计算公式为：$SD = \sqrt{\frac{1}{n}\sum_{i = 1}^{n}(\overline{x} - x_i)^2}$

以下是一个示例表格，展示了不同电影的均值、标准差、TKDS排名和TKD排名：
| 电影ID | 均值 | SD | TKDS排名 | TKD得分 | TKD排名 |
| — | — | — | — | — | — |
| m1 | 3.75 | 0.937 | 3 | 2 | 1 |
| m2 | 3 | 0 | 1 | 1 | 2 |
| m3 | 4.4 | 0.64 | 2 | 2 | 1 |
| m4 | 2.2 | - | - | 0 | 3 |
| m5 | 3.4 | 1.04 | 4 | 2 | 1 |

从表格中可以看出，TKDS的得分更具