[Efficient Retrieval of the Topk Most Relevant Spatial Web Objects]浅析（一）

上周去实验室，老师让我去学习一下这篇论文以及配套的代码。因此我决定开博客记录一下学习的笔记，只是短浅的解析，如有错误还请见谅和指出。

 

为自己科普一下

首先看这篇论文的时候，一开始还挺费劲的，因为有些术语没接触过，还是查了不少相关的资料。

【Top-k】

这篇论文的主题是解决top-k问题的高效检索方法。首先什么是top-k问题呢？简单的来说就是从大量数据中获取符合检索要求的最大（或最小）的K个数据。一般的算法中都采用heap来检索。文章的核心就是根据POI（point of interest）点的位置以及文本相关性来构建IR树，然后再进行高效的检索。

【倒排文件（Inverted file）】

倒排文件简单的说是用于复杂的查询，是一种特殊的文件结构。倒排文件用文档的关键词作为索引。有两种类型，一种是基于属性的倒排文件，一种是基于文本的倒排文件。

【LKT（location-aware top-k text retrieval(LkT) query）】

是文章定义的一种基于位置感知的查询。返回的结果是已经排好序的k个对象

问题提出

假设一个人，位于Q的位置，他要查找“中国餐厅”，因此发出一个Q查询。那么根据top-1,寻找出最符合的那一个对象，是哪一个呢？

已知给出每个对象对应的term矩阵如下：

 

解决方案

贯穿文章的一个例子就是 假定一个数据集中有8个Objects， 每一个Object有这样的向量定义（O.loc ,O.doc）,O.loc是表示位置信息,O.doc为文本描述对象的信息。

根据语言模型（未深究来历）可以得出一个用于排序的函数：

解释这个公式：P就是出现的概率，Q是一句查询，比如Q:keywords = (Chinese restaurant)，那么P就是为"Chinese"、"restaurant"在O.doc中出现的概率。

结合距离和文本，得到Objects最终的排序函数为：

maxD和maxP是用来标准化的。 是Q.loc与O.loc之间的欧几里得距离。 </