Effective keyword-based Selection of Relational Databases（未完成）

第一篇论文小结，估计只能以翻译为主了。

作者：Bei Yu、Guoliang Li、Karen Sollins、Anthony K.H. Tung

发表会议：sigmod 08

一、简介

基于关键词的关系数据库信息检索成为一个热点技术，结合了数据库技术和信息检索(IR)。用户不需了解数据库的结构和SQL等数据库操纵语言，像使用搜索引擎一样，只需要输入关键字的信息，就能查询到数据库里的信息。已有的基于关键词的数据库检索系统有：DBXplorer、Discover、Banks等。

随着p2p网络和面向服务的体系结构的发展，将这一技术推广到分布式数据库成为一个新的研究热点。最简单的方法：将请求发到每个数据节点，然后各个节点上使用已有的基于关键词的数据库检索技术进行查询，再将查询结果返回到某中央处理节点上，然后把结果返回给用户。这种方法对于网络传输压力大，而且浪费了数据节点的资源。因为并不是每个数据库里，都能查到有效的信息。

本论文的贡献：

1、每个数据库生成summary，存储一些关键信息。

2、根据summary，提出了一种目标数据库选择算法。

3、关键词技术在分布式数据库的第一次研究。

二、核心算法

1、关键词关系矩阵（KRM：keyword relationship matrix）

m是关键词的个数（元组包含有的）, n是元组的总个数

a、矩阵D(m*n):

D = （dij)m*n ，表示keyword是否在tuple中出现，1：出现，0：不出现。

b、矩阵T（n*n)

T = (tij)n*n ，表示tuple间是否有关系，也就是外键连接关系，1：有，0：无。

c、矩阵R（m*m）

（公式无法编辑，图也不能上传。哎，等今后再贴图。）

表示的是关键词ki和kj的一些关系：比如在各种distance下，ki和kj能够join起来的个数。等等。

2、KRM的计算

3、用SQL实现上述算法

还没完全看懂，暂且留空。

4、数据库选择

score（DB，Q）=sigma score（Ti, Q）。

一个DB里，会返回多个结果，计算其分值和作为这个DB的得分。