Efficient algorithms to execute complex similarity queries in RDBMS

Abstract

Search operations in large sets of complex objects usually rely on similarity-based criteria, due to the lack of other general properties that could be used to compare the objects, such as the total order relationship, or even the equality relationship between pairs of objects, commonly used with data in numeric or short texts domains. Therefore, similarity between objects is the core criterion to compare complex objects. There are two basic operators for similarity queries: Range Query and k-Nearest Neighbors Query. Much research has been done to develop effective algorithms to implement them as standalone operations. However, algorithms to support these operators as parts of more complex expressions involving their composition were not developed yet. This paper presents two new algorithms specially designed to answer conjunctive and disjunctive operations involving the basic similarity criteria, providing also support for the manipulation of tie lists when the k-Nearest Neighbor query is involved. The new proposed algorithms were compared with the combinations of the ba- the Slim-tree metric access methods, measuring the number of disk accesses, the number of distance calculations, and wall-clock time. The experimental results show that the new algorithms have better performance than the composition of the two basic operators to answer complex similarity queries in all measured aspects, being up to 40 times faster than the composition of the basic algorithms. This is an essential point to enable the practical use of similarity operators in Relational Database Management Systems.

Analysing Temporal Evolution of Complex Data Using Similarity Queries

“…In k-NN query, the k nearest neighbors from query center are returned. There are many variations for these operators, such as reverse k-NN [Tao et al 2006] and kAndRange [Arantes et al 2004], that are used in this work.…”

Suporte a consultas por similaridade unárias em SQL

“…Vale observar que uma consulta kN N (unária ou binária) ou kCN pode ou não prover uma lista de empate em seus resultados. Uma consulta kN N ou kCN sem lista de empate retorna qualquer combinação dos k elementos empatadosà distância máxima, istó e, a consulta kN N ou kCN sem lista de empate pode nem sempre retornar os mesmos resultados (Arantes et al, 2004).…”

“…O custo computacional de uma consulta kN N ou kCN com lista de empate tende a não apresentar um aumento significativo, desde que o número de acessos a disco e o número de cálculos de distância continuem os mesmos. O tempo totalé somente um pouco maior em conjuntos de dados com muitas listas de empate (Arantes et al, 2004).…”

“…Nos trabalhos de Chaudhuri e Gravano (1996), Fagin (1996), Ciaccia et al (1998), , Arantes et al (2003), Arantes et al (2004), Arantes (2005) e Traina-Jr. et al (2006b) são descritos algoritmos para consultas por similaridade complexas, compostas por mais de um predicado. Em Chaudhuri e Gravano (1996) e Fagin (1996), a idéia básicaé que a avaliação de predicados por similaridade não pode ser realizada de maneira independente, uma vez que o custo final da consulta depende dos custos combinados da execução de cada predicado isoladamente, avaliados por módulos independentes entre si.…”

“…Nos trabalhos propostos por Arantes et al (2003), Arantes et al (2004), Arantes (2005), Traina-Jr. et al (2006b) são descritos algoritmos para executar consultas por similaridade complexas entre os predicados range e k-nearest usando os operadores Booleanos E (∧), OU(∨) e Negação (¬) como, por exemplo, o algoritmo kAndRange, que executa a conjunção dos predicados range e k-nearest com um mesmo elemento central.…”