如何在层次结构中查找数据项位置?

时间:2013-01-22 07:35:07

标签: algorithm

我需要开发一种能够在某个层次结构中定位数据项位置的算法。我有一个层次结构,对某些数据集的元素进行分类。层次结构是分类学的 - 顶部元素是最通用的类​​,它匹配数据集的任何元素,更深层的元素包含与数据集的某个子集匹配的更具体的类。

例如,考虑游艇的层次结构。我们在顶部有 Yacht 类。在下一个级别,我们有帆船游艇游艇帆船游艇有两个孩子 - 巡航游艇赛艇游艇。巡洋舰可以由制造商进一步划分,例如 Bavaria Yachts Dufour Yachts 。然后,每个类别可以进一步划分为船体类型,长度,风帆面积等。

这是数据集中的一个示例:

Drive   Class   Manufacturer   Hull type Len  Sails Area ... Model
Sailing Cruiser Bavaria Yachts Mono-hull 25ft 560sqft    ... Bavaria 32
Sailing Cruiser Dufour Yachts  Mono-hull 27ft 580sqft    ... Dufour 32 Classic

通过按深度优先顺序搜索,我可以轻松地将每个样本映射到层次结构。

乍一看这是一个简单的搜索问题,但存在一些困难。

第一个难点:数据项不必包含所有元素。数据项通常缺少10%到50%的元素。其中许多元素并不是很重要,例如,游艇 Drive 只能是 Motor Sail ,因此它不会带来大量信息(只有1位)。可以使用更重要的元素轻松推断这些元素,例如,如果我们知道游艇模型,我们可以推断出数据项的所有其他元素(或字段)。

第二个难点:某些元素在不同数据项之间可能会有所不同,即使它们对应于层次结构中的相同位置(相同的游艇模型)。例如, Sails区域可能会有很大差异,因为船主会以不同的方式修改游艇的装备,或者只是围绕区域值。

正如我已经提到的,我需要从层次结构中的数据集中找到不同的数据项。每个数据项可以以不同的精度定位。精度是层次结构中搜索过程停止的深度。换句话说,我需要在层次结构中获取与每个数据项对应的路径,并且此路径可能不完整。例如,算法可以发现数据项对应于 Juliet 23 游艇,但生产年份仍然是未知的。

如果我能够为每个路径获得具有概率测量的多个路径,那将会很酷。例如,算法可以为不同的生产年份返回 Juliet 23 的4条路径,每条路径的概率为25%。

此时我使用深度优先搜索和一些启发式方法解决了这个问题。它给出了很好的结果,但我认为可以获得更好的结果。也许你可以用更通用的方式来表达这个问题,这样我就可以搜索一些关于它的学术论文。

1 个答案:

答案 0 :(得分:1)

我认为 SQL 可以真正帮助您解决困难,

对于您的第一个难题:使用NVL(字段,值为null)

示例:打印类型&赛车游艇的生产年份(如果存在)

SELECT Y.TYPE, NVL(Y.PRDYEAR, 'UNKNOWN')
FROM T_YACHT Y WHERE Y.CLASS = 'RACING'

示例:获取生产年份超过2000年的所有游艇

SELECT * FROM T_YACHT Y WHERE
NVL(Y.PRDYEAR,TO_TIMESTAMP('01-01-0001','DD-MM-YYYY'))
    > TO_TIMESTAMP('01-01-2000','DD-MM-YYYY')

对于您的第二个难题:使用GROUP BY \ CASCADING-SQL \ DISTINCT \ NVL

示例:查看有多少种类型的赛艇

SELECT Y.TYPE, COUNT(Y.ID) AS YACHT_TYPE
FROM T_YACHT Y
WHERE Y.CLASS = 'RACING'
GROUP BY Y.TYPE