Publicação: Explorando o uso de árvores B+ na indexação de dados por similaridade
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::BANCO DE DADOS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
As consultas por similaridade são de grande utilidade para recuperação de dados complexos
(como dados de natureza multimídia: imagens, vídeos e áudios), para os quais
muitas vezes as relações de ordem não são significativas. Em diversos domínios de aplicações,
ordenar os resultados com base em cálculos de distância entre elementos de dados
torna mais intuitivo o processo de recuperação de dados. A otimização de operações
que envolvem cálculos de similaridade é geralmente dada pela indexação dos dados em
métodos de acesso especializados, chamados métodos de acesso métricos (Metric Access
Methods - MAM). Apesar do desenvolvimento ocorrido nas últimas duas décadas, a presença
de um grande número de dimensões nos dados degrada o desempenho dos métodos
existentes. Nesse contexto, essa dissertação apresenta um novo método de acesso métrico
para realização de consultas por similaridade, sendo elas, consultas por abrangência e consultas
aos vizinhos mais próximos, por meio da adição de pivôs de referência em estruturas
denominadas árvores B+. Os resultados dos experimentos realizados com diferentes conjuntos
de dados reais demonstram a eficácia da abordagem adotada no desenvolvimento
do método apresentado, denominado GroupSim+.
Abstract
Similarity queries are beneficial for retrieving complex data (such as multimedia data:
images, videos, and audios), for which order relationships are not significant. In many application
domains, ordering results based on distance calculations makes the data recovery
process more intuitive. The optimization of operations involving similarity calculations
are usually given by indexing data on methods, called Metric Access Methods (MAM).
Despite the development that occurred over the last two decades, the presence of a large
number of dimensions in the data degrades the performance of existing methods. In
this context, this dissertation presents a new metric access method for similarity queries,
such as range queries and nearest neighbor queries, through adding reference pivots to
structures called B + trees. Experimental results performed with different real datasets
demonstrate the effectiveness of the presented MAM, called GroupSim+.
Palavras-chave
Árvores B+, Métodos de Acesso Métrico, Consultas por Similaridade, B+-Tree, Metric Access Methods, Similarity Queries
Citação
FARIAS, Jéssica Naiara Batista de. Árvores B+, métodos de acesso métrico, consultas por similaridade. 2019. 79 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2019. DOI http://doi.org/10.14393/ufu.di.2026.11048.