实验室博士生罗昌银的论文“Efficient Reverse Spatial and Textual k Nearest Neighbor Queries on Road Networks.Knowledge-Based Systems”被SCI源刊录用。

随着快速发展的移动便携设备和位置定位技术,大量用户的位置在各种社交平台共享,如Facebook,Twitter,Foursquare,Flickr和Gowalla。与此同时,大量的增加geo-textual对象代表Point-of-interests(POIs。,购物商场、酒店或餐馆)正在日渐流行。一般来说,包含地理位置(即geo-textual对象。如经度、纬度、文本描述、功能、评论、设施)。Themassive geo-textual数据允许用户检索的数量最好的一组对象匹配用户的提交的空间(即关键字查询。SKQ,包括地理位置,一组关键字),两个空间接近查询位置和文本相关性查询关键词。

文中形式化扭转空间和文本k最近邻(RSTkNN)查询道路网络和识别的问RSTkNN检索。首先RSTkNN查询解决这一问题道路网络。描述了几种修剪方法修non-promising对象以较低的成本。RSTkNN查询融合网络距离和文本关联在一起,这是一个参考空间关键字查询,使它更具挑战性比布尔空间关键字查询。两个有效的方法是开发支持RSTkNN查询道路网络的道路网络,由一个大型图表建模。修剪的修剪技术提出了大量的不合格对象的筛选步骤,这样可以最小化的搜索空间高效。增加关键字的数量和密度spatial-textual对象在每个路段都有更大的影响NE-RSTkNN的性能,然而,他们不存在在查询时VD-RSTkNN产生重大影响。一个广泛的实验评价与现实世界和合成数据集进行了验证VD-RSTkNN是更有效的比NE-RSTkNN。