Um novo método de indexação para consultas por similaridade utilizando mapeamentos unidimensionais baseados em focos globais

• Autor(a) principal: Lima, Rafael Lucas Bernardes
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFU
• Texto Completo: https://repositorio.ufu.br/handle/123456789/24057; http://dx.doi.org/10.14393/ufu.di.2019.314
• topic: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO; B+-Tree; Métodos de acesso; GroupSim; Access methods; Computação; Recuperação de dados (Computação); Recuperação da informação

Para recuperação de dados complexos o mais adequado é que se utilizem consultas por similaridade. Para otimizar a resposta à uma consulta são utilizados os métodos de acesso. Quando um conjunto de objetos é deĄnido por meio de uma função de distância (métrica) pode-se dizer que esses objetos passam a compor um espaço métrico, o que possibilita a elaboração dos Métodos de Acesso Métricos (MAMs). Geralmente os MAMs são representados por meio de uma estrutura hierárquica. Existem diversas variações das árvores métricas, e uma estrutura interessante para se trabalhar é a B+Tree, uma característica útil dessa estrutura é que os nós folhas são armazenados em uma lista duplamente encadeada facilitando a navegação entre os nós. O método GroupSim apresenta uma abordagem baseada no mapeamento, indexação e recuperação de objetos. Primeiramente é realizado o mapeamento dos objetos para espaços unidimensionais baseando-se em objetos representativos previamente escolhidos, após o mapeamento são gerados vetores unidimensionais os quais são indexados em uma única estrutura B+Tree, possibilitando posteriormente que consultas mais eĄcientes sejam aplicadas. Por meio de experimentos efetuados foi possível notar que o método proposto apresenta um desempenho superior a outros métodos que podem ser encontrados na literatura. Realizando-se consultas knn com k variando entre 10 e 100, e utilizando diferentes conjuntos de dados foi possível avaliar o método proposto. Alguns dos resultados obtidos foram comparando o método GroupSim e o iDistance utilizando a função Euclidiana e a base de dados Sierpinski, o método proposto consegue um desempenho de tempo médio 3.400% melhor. Comparando com a OmniB - Forest o melhor desempenho obtido é utilizando a base de dados Covertype e a função de distância Euclidiana, neste caso o método proposto chega a ter um desempenho de tempo médio para consulta 1000% melhor, e comparando com Acesso Sequencial o desempenho também chega a 1000% utilizando a base de dados Sierpinski e a função de distância Euclidiana. Com base nos resultados obtidos por meio dos experimentos, é possível aĄrmar que o método proposto apresenta desempenho superior à alguns métodos presentes na literatura, como o iDistance e o OmniB-Forest.