Thuyết trình SH TREE đánh chỉ mục trong tìm kiếm dữ liệu đa chiều

Giới thiệu bài toán Sh-tree sẽ là sự kết hợp của kd-tree để giả quyết vấn đề fan-out và SR-tree để giải quyến vấn đề cây cân bằng  Để quản lý spatial points và extended spatial objects

SH-TREE ĐÁNH CHỈ MỤC TRONG TÌM

KIẾM DỮ LIỆU ĐA CHIỀU

SVTH : Đoàn Xuân Duy

Lê Nguyễn Khánh Duy Phan Thanh Duy

Huỳnh Anh Duy

Giới thiệu bài toán

 Hiện nay có khá nhiều cách tiếp cận trong việc đánh chỉ mục cho dữ liệu

 Đánh chỉ mục dựa theo phân vùng không gian

 Đánh chỉ mục theo phân vùng dữ liệu

Giới thiệu bài toán

 Với SR-tree chia không gian thành 2 khối nhỏ ( hình chữ nhật- rectangles–BRs)

và phân theo đường kính (hình cầu - spheres–BSs)

 SR-tree chịu fan-out thấp do khi đọc thêm node và làm giảm hiệu suất của câu truy vấn

Giới thiệu bài toán

 Vấn đề trên sẽ không gặp phải trong KD-Tree, fan-out là hằng số

 Không có không gian trống.

Giới thiệu bài toán

 Sh-tree sẽ là sự kết hợp của kd-tree để giả quyết vấn đề fan-out và SR-tree để giải quyến vấn đề cây cân bằng

 Để quản lý spatial points và extended spatial objects sh-tree cho phép chồng chéo dữ các phân vùng.

Cấu trúc SH-Tree

Cấu trúc SH-Tree

Cấu trúc SH-Tree

 Internal <d, lo, up, other_info>

 Balanced.

 Leaf.

SH-Tree node: Internal

 Mỗi internal node của SH-Tree có cấu trúc: <d, lo, up, other_info>

 Trong đó:

 d: chiều chia (split dimension).

 lo: biên trái của partition phải.

 up: biên phải của partition trái.

 other_info: các thông tin bổ sung như số đối tượng dữ liêêu của phần tử con bên

trái, bên phải của nó.

up = lo: nghĩa là không có sự trùng lắp giữa 2 partition.

up > lo: 2 partition này có phần phủ lấp lên nhau

SH-Tree node: Balanced

 Là node nằm ngay phía trên node lá (leaf node)

 Có cấu trúc tương tự internal node của SR-Tree (Đăêc trưng của cây SH-Tree)

BN: <B1, B2, …, BN> (minBN_E <= maxBN_E)Bi: <BS, MBR, num, child_ptr>

SH-Tree node: Leaf

 Có cấu trúc tương tự SS-Tree

Các phép toán trên SH-tree

Insertion:

Ý tưởng để insert New Data Object (NDO) vào SH-tree:

1 Duyệt từ root xuống đến vị trí leaf node mà NDO cần thêm vào.

2 Algorithm duyệt ta xét 2 loại node: Internal và balanced nodes.

a) Internal node:

+ 2 partitions là overlapping , algorithm trả về child node ( left hay right) phụ thuộc vào feature value của NDO trong split dimension D của Internal node

+ 2 partitions là không overlapping , như trên nhưng trường hợp feature value của NDO thuộc (D.Lo,

D.Up), algorithm trả về child node chứa NDO của cha theo split dimension D liên quan

Các phép toán trên SH-tree

Insertion:

b) Balanced node:

+ Node ứng cử tốt nhất là node gần nhất với NDO Sử dụng phương pháp tương tự như SR-tree

3 Sau khi xác định leaf node , ta có 2 trường hợp : empty entry or overfull entry

+ Empty entry : NDO được thêm

+ Overfull entry :2 strategies giải quyết : Reinsertion,Redistribution

Các phép toán trên SH-tree

Insertion:

- Reinsertion : Dùng REINSERTION flag (True, False) cho leaf node để kiểm soát reinsertion Ở đây

sau khi chuyển TRUE thành FALSE ta có thể thực hiện reinsertion lại => Khác biệt với SS-tree, R* tree (Hình 1)

- Redistribution: Phân bố lại 1 data object (object entry) từ overfull leaf cho sibling1 Ta xét locally

located trong balanced node vì mỗi balanced node có thể sẽ có (minBN_E,maxBN_E) khác nhau

1sibling: node gần nhất với overfull node mà còn ít nhất 1 chỗ trống

Các phép toán trên SH-tree

Insertion:

Hình 1

Các phép toán trên SH-tree

Delete:

Khi xóa 1 node ta gặp vấn đề leaf node trở thành under-full(số lượng feaf node mà object giữ < minO_E)

- SR-tree, SS-tree, R*-tree và Hybrid –tree sử dụng re-insertion policy

- SH-tree sử dụng eliminate-pull-reinsert algorithm

Ý tưởng eliminate-pull-reinsert algorithm:

+ Đầu tiên ’pull’ strategy: Chuyển 1 data object (object entry) từ overfull leaf cho sibling hoặc ‘kéo’ 1 data object từ overfull leaf hay sibling cho under-full leaf node

+ Cho đến khi ’pull’ strategy không thể giải quyết vấn đề Reinserted strategy sẽ áp dụng cho under-full leaf node

Các phép toán trên SH-tree

Search:

- Search internal nodes của SH-tree tương tự KD-tree và R-tree tùy theo query types nhưng search balanced nodes và leaves thì tương tự SR-tree

- Để thực hiện tìm kiếm ta cần quan tâm metric distance function D

(Euclidean metric, Manhattan metric hay Minkowski metric, etc)

- Sau đây là 1 số query types:

1 Exact match queries

2 Range queries

3 Nearestneighbor queries

4 k nearest neighbor queries

Các phép toán trên SH-tree

Search:

1/ Exact match queries:

- Giả thiết: spatial object O trong d-dimensional space E tìm kiếm object O trong database

- Ý tưởng giải quyết:

(1) Duyệt locate balanced nodes chứa query object O Từ đó xét các leaf node thỏa O ’s feature values.(2) MBR và BS của những leaf node này phải overlap O

+ True: nếu chứa O hoặc False nếu không chứa O

Node: Nếu tồn tại thì là duy nhất trong SH-tree(khác R+-tree , UB-tree)

Các phép toán trên SH-tree

Search:

2/ Range queries

- Giả thiết: Cho 1 query object Q trong d-dimensional space E và 1 giá trị thực r, tìm tất cả data objects O thỏa: D(Q, O) ≤ r

(bounding sphere range queries)

- Ý tưởng giải quyết:

(1) Xác định balanced node thỏa khoảng truy vấn

(2) Cho từng balanced node đã xác định, tìm kiếm tất cả entries Nếu MBR và BS overlap khoảng truy vấn thì data page (DP) được load

(3) Cho từng loaded data page, xét tất cả data objects Nếu D(Q, O) ≤ r thì object O được báo như 1

Các phép toán trên SH-tree

Search:

3/ Nearest neighbor queries

- Giả thiết:Cho 1 query object Q trong d -dimensional space E Tìm tất cả data objects O trong database

có khoảng cách gần nhất với Q

- Ý tưởng giải quyết:

Các phép toán trên SH-tree

Search:

4/ k nearest neighbor queries

- Giả thiết:Cho 1 query object Q trong d-dimensional space E và 1 số tự nhiên k, tìm ít nhất k objects gần

nhất với Q trong database

Đây là 1 khái quát hóa của NN queries

Đánh giá hiệu suất (1)

 Kế thừa và chỉnh sửa thuật toán từ hai công trình đi trước:

• N Roussopoulos, S Kelley, F Vincent: Nearest Neighbor Queries 1995

• G.R Hjaltason, H Samet: Ranking in Spatial Databases 1995

 Chỉnh sửa:

• Không tính toán MINMAXDIST

• Không sử dụng “Active Branch List”

Đánh giá hiệu suất (2)

 Tập dữ liệu đo đạc:

 Tập dữ liệu phân phối đồng nhất:

• Số chiều dao động từ 2->64, mỗi tập chứa 100,000 “tuples”

Đánh giá hiệu suất (4)

Đánh giá hiệu suất (5)

Đánh giá hiệu suất (5)

Kết luận

Tài liệu tham khảo

 [1] The SH-Tree: A Novel and Flexible Super Hybrid Index Structure for Similarity Search on Multidimensional Data, IJCSA, 3(1):1-25, 2006

 [2] The Hybrid Tree: An Index Structure for High Dimensional Feature Spaces , Kaushik Chakrabarti, Sharad Mehrotra

Thank You !