于素华，张 俊，高 燕

（大连海事大学 信息科学技术学院，辽宁 大连116026）

0 引 言

为了提高关系数据库信息检索的效率或效果，大量国内外专家对检索策略进行了诸多的尝试和改进。Spark[1，2]采用一种非单调聚合函数对结果进行排序，DBPF[3]使用动态编程方式，在单位时间内搜索字词数量呈指数增长的情况下识别最小Steiner树组，Blinks[4]使用双向索引来优化检索表现，EASE[5]提出一种图索引来支持非结构化、半结构化和关系数据的有效查询，前提是查询结果为半径不超过最大规模的子图。文献[6]确保了枚举结果时仅产生多项式延迟，但枚举的方式是通过高度而不是权重。文献[7]集成了外存图上的关键词检索方法，该外存图使用多粒度图表示来降低I／O开销，与虚拟内存管理的数据结构进行对比。STAR[8]在非多项式时间内运用启发式的方法输出近似最佳的结果树。这些检索算法大都基于内存数据图，就必然会面临大规模数据下内存溢出的问题。为了解决内存不足，BANKS－III[9]将检索的数据图存于外存，不仅增加了算法的复杂度，而且缺乏对海量数据的统一管理。

对象级别的信息检索 （object－level information retrieval over relational databases，DBOIR）方法[10]，从对象的观点和方法构建关系数据的对象模型。虽然解决了元组级别的信 息 检 索 （tuple－level information retrieval over relational databases，DBTIR）语义难以理解和结果重复的现象，但对于高度相关结果仍然存在部分缺失。在数据复杂性日益增高的今天，对象级别建模思想[11]尽管能够在一定程度上降低数据图的复杂性，但由于对象图包含信息量的增加，数据图的大小并不一定能够真正减小。……