paper4《Efficient Computation of Reverse Skyline Queries》(2007)阅读笔记

注意：本文中关于1.如何选取sample样本点的 2.对于多维的贪心算法还没清楚

主要工作

• 根据BBS算法提出BBRS算法
• 提出增强方法：RSSA算法，节省存储开支，作为一种预先计算的近似值

主要概念

• global skyline集
  由所有点中未被任何一个其他点全局支配点的点集组成
  若p1全局支配p2关于q，需要满足：
  （1）p1和p2在q的同一块（d维情况下q有2d块）
  （2）p1支配p2

• BBS算法
  首先计算global skyline集，然后对其中的每个点做窗口查询，看q是不是它的dynamic skyline点
  

• DDR（p）和DADR（p）的图示

核心算法

• RSSA
  预先计算出每个点的DDR和DADR，当查询点给出后，看查询点在global skyline中的点的哪一个区域
  （1）计算每个点的Dynamic skyline ，存储正在磁盘
  （2）得到了查询点q之后，计算其global skyline，查询这其中的每个点,例如s，若q是在DADR(s)中，那么q是RSL(s)；若q在DDR(s)中，q不是RSL(s).
• 近似dynamic skyline方法：
  衡量DDR和DADR时，采用少量样本点而不是全部，从而降低存储开销
  （1）为了节省存储空间超线性的问题选取，只每个点的少量（常数k）dynamic skyline点于disk中，这样得到一个不精确的分界，如上图b所示，然后若q是在DADR(s)中，那么q是RSL(s)；若q在DDR(s)中，q不是RSL(s).若q在上图中白色部分，则需要进行细致
  （2）先判断p的右上窗格中有没有别的点，若没有，再判断四个窗格中，如图所示。若都没有，则是dynamic skyline点

整个算法过程如图所示

实验评估

这篇文章的实验评估比较有趣
主要用BBRS和RSSA算法进行对比
对比方面：

剪枝程度和查询窗口大小

10：不同数据分布的两种算法复杂度比较
11：不同数据集中的global skyline和最重的reverse skyline数量对比
13：不同维度下两种算法的比较