文献分享: 带有结构化约束的关键词搜索索引

原文章

0. 写在前面

0.1. 通用符号

1️⃣查询有关符号

符号	含义
$D$	待查询的数据集
$e$	带查询的对象，$e\in D$
${\mathrm{w}}_1,\dots ,{\mathrm{w}}_k$	$k$个给定的关键词，$k$为给定的关键词数量
$\text{OUT}$	查询结果(输出)的大小

2️⃣$kd\text{-}$树有关符号

符号	含义
$N$	叶结点数量
$P_u$	以$kd\text{-}$树中间节点$u$为根的子树的叶节点集，所对应的${\mathbb{R}}^2$中的点集
${\Delta }_u$	${\mathbb{R}}^2$中包住$P_u$所有点的矩形，矩形长宽平行于坐标
$\text{level}(u)$	$u$所在的层数，默认根结点在$0$层

• 显然$\forall u\in \mathcal{T}$存在$\left|P_u\right|=O\left(\frac{N}{2^{\text{level }(u)}}\right)$

0.2. 通用定义

$\text{Item}$	定义
查询输入的大小	$N:=\sum _{e\in D}\mid e.\text{Doc}\mid$即所有对象的文档的总大小
关键词总数	$W:=\left|\bigcup _{e\in D}e.\text{Doc}\right|$，当关键词转化为整数时$[1,W]$就是关键词集
查询输出集	$D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right):=$ 包含所有关键词的对象集
多重对数(符号)	$\text{polylog}(N)={\log }^{k}N$

0.3. 一些预备知识

1️⃣$L\text{-Norm}$：$\{\begin{array}{l}\vec{p}=\left(p_1,p_2,\dots ,p_d\right)\\ \\ \vec{q}=\left(q_1,q_2,\dots ,q_d\right)\end{array}⟹L_q(p,q)={\left(\sum _{i=1}^n|p_i-q_1{|}^p\right)}^{\frac{1}{p}}$

1. $L_1\text{: }$即曼哈顿距离，向量的各个分量的绝对值合
2. $L_2\text{: }$即欧几里得距离
3. $L_{\infty }\text{: }$即切比雪夫距离，$L_{\infty }(p,q)={\max }_{i=1,\dots ,d}\left|p_i-q_i\right|$

2️⃣线性约束：令$p:=(p[1],\dots ,p[d])$则$p$ 受到线性约束 $\iff \sum _{i=1}^d{c}_i\cdot p[i]\le c_{d+1}$

3️⃣$k\text{-SI}$查询概念：给定$m$个集合$S_1,S_2,\dots ,S_m$

1. 查询：给定常数$k\le m$个(整数)关键词${\mathrm{w}}_1,{\mathrm{w}}_2,\dots ,{\mathrm{w}}_k$，返回$\bigcap _{i=1}^k{S}_{{\mathrm{w}}_i}$
2. 空查询：返回$\bigcap _{i=1}^k{S}_{{\mathrm{w}}_i}$是否为空

4️⃣$kd\text{-}$树

1. 定义：给定一个二叉树与点集 P = { x 1 , x 2 , . . . , x N } ⊆ R 2 P=\{x_1,x_2,...,x_N\}\subseteq{}\mathbb{R}^2 P={x1​,x2​,...,xN​}⊆R2
   • 对应关系：$\{\begin{array}{l}叶结点i\stackrel{一一对应}{\leftrightarrow }点x_i\\ \\ 中间结点u\stackrel{一多对应}{\leftrightarrow }以u为根子树的叶结点(P_u)\stackrel{一一对应}{\leftrightarrow }包住P_u所有点的矩形{\Delta }_u\\ \\ 根结点r\stackrel{一一对应}{\leftrightarrow }所有点(P_r=P)\end{array}$
   • 分割操作：从$u$开始下降$\to \{\begin{array}{l}\text{level}(u)为偶数\to 将原矩形竖切\\ \\ \text{level}(u)为奇数\to 将原矩形横切\end{array}$
2. 示例：
   

1. 研究背景与导论

1.1. 结构化/非结构化查询

1️⃣含义

类型	含义	示例	实现
结构化查询	基于查询对象的预设条件，来检索数据	谓词查询	集合索引(如$\text{kd-}$树)
非结构化查询	查询对象不具有任何预设模式	关键词检索	倒排索引

2️⃣示例：以关系Hotel(price, rating, Doc)为例

1. 结构化查询
   • 条件${\mathbf{C}}_1\text{: }$单独约束的结构化条件

     SELECT * FROM Hotel 
     WHERE Hotel.price BETWEEN 100 AND 200
     AND Hotel.rating >= 8;
     

   • 条件${\mathbf{C}}_1\text{: }$单独约束的结构化条件

     SELECT * FROM Hotel 
     WHERE c1 * Hotel.price + c2 * (10 - Hotel.rating) <= c3;
     

2. 关键词查询
   • 检索得到文档中包含了关键词的对象，关键词例如pool/parking/bathroom
   • $\text{Ps. }$一般会将关键词$\text{Embbeding}$为整数

1.2. 带结构化约束的关键词搜索

1️⃣带关键词的范围查询：对于$D\subseteq {\mathbb{R}}^d$

类型	给定条件	输出集
$\text{ORP-KW}$	$d\text{-}$维矩形$q+k$个关键词	为点集，$e$在$q$内$+e$.Doc含所有关键词
$\text{RR-KW}$	$d\text{-}$维矩形$q+k$个关键词	为矩形集，$eq$有交叉$+e$.Doc含所有关键词
$L_{\infty }\text{NN-KW}$	目标点$q+k$个关键词	为点集，从$D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right)$中选择离$q$最近的$t$个点

2️⃣带关键词的线性连结：对于$D\subseteq {\mathbb{R}}^d$

类型	给定条件	输出集
$\text{LC-KW}$	$O(1)$个线性约束$+k$个关键词	为点集，$e$满足所有约束$+e$.Doc含所有关键词
$\text{SRP-KW}$	$d\text{-}$维球体$q+k$个关键词	为点集，$e$在$q$内$+e$.Doc含所有关键词
$L_2\text{NN-KW}$	目标点$q+k$个关键词	为点集，从$D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right)$中选离$q$最近的$t$个点

• 对于$L_2\text{NN-KW}$实际上是$D\subseteq {\mathbb{N}}^d$，且$\mathbb{N}\propto \log N$

1.3. 研究现状

1.3.1. 面临的困境

1️⃣单独使用结构/关键词查询：需要需要检查大量对象，查询时间渐进等于输入数据量

2️⃣带结构化约束的关键词搜索：在实际数据上表现良好，但理论上缺乏支撑和进展

1.3.2. 本文主要研究

1️⃣设计索引转化框架，将原有仅支持谓词查询的$kd\text{-}$树索引，转化为支持关键词的新索引

2️⃣以$\text{OPR-KW}$为例，分析得到新索引的复杂度

3️⃣通过将结构化约束的关键词查询，转化为$\text{k-SI}$查询，从而证明复杂度最优

2. 新索引结果分析

2.1. 复杂性分析: 黄标表示达最优${}_{见2.2}$

查询类型	其它限制	索引空间	查询时间
$\text{ORP-KW}$	$d\le 2$	$O(N)$	$O\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$\text{ORP-KW}$	$d\ge 3$	$O\left(N\cdot (\log \log N{)}^{d-2}\right)$	$O\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$\text{RR-KW}$$	$\text{N/A}$	$O\left(N\cdot (\log \log N{)}^{2d-2}\right)$	$O\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$L_{\infty }\text{NN-KW}$	$\text{N/A}$	$O\left(N\cdot (\log \log N{)}^{2d-2}\right)$	$O\left(N^{1-\frac{1}{k}}\cdot t^{\frac{1}{k}}\cdot \log N\right)$
$\text{LC-KW}$$	$d\le k$	$O(N)$	$O\left(N^{1-\frac{1}{k}}\cdot \left(\log N+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$\text{LC-KW}$	$d>k$	$O(N)$	$O\left(N^{1-\frac{1}{d}}+N^{1-\frac{1}{k}}\cdot {\text{OUT}}^{\frac{1}{k}}\right)$
$\text{SRP-KW}$	$d\le k-1$	$O(N)$	$O\left(N^{1-\frac{1}{k}}\cdot \left(\log N+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$\text{SRP-KW}$	$d>k-1$	$O(N)$	$O\left(N^{1-\frac{1}{d}}+N^{1-\frac{1}{k}}\cdot {\text{OUT}}^{\frac{1}{k}}\right)$
$L_2\text{ NN-KW}$	$d\le k-1$	$O(N)$	$O\left(\log N\cdot N^{1-\frac{1}{k}}\cdot \left(\log N+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$L_2\text{ NN-KW}$	$d>k-1$	$O(N)$	$O\left(N^{1-\frac{1}{d+1}}+N^{1-\frac{1}{k}}\cdot t^{\frac{1}{k}}\right)$

2.2. 紧致性讨论: $O\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$最优

2.2.1. $k\text{-SI}$查询的等价: 将原问题分析转化为对$k\text{-SI}$的分析

1️⃣$k\text{-SI}$查询$\stackrel{等价}{\leftrightarrow }$纯粹关键词查询

1. $D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right)\Rightarrow \bigcap _{i=1}^k{S}_{{\mathrm{w}}_i}$：令集合$S_{{\mathrm{w}}_i}$收集所有包含了${\mathrm{w}}_i$关键词的对象$e$ (倒排索引)
2. $D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right)\Leftarrow \bigcap _{i=1}^k{S}_{{\mathrm{w}}_i}$：为每个对象$e\in D=\bigcup _{i=1}^m{S}_i$创建关键词$e.$Doc : = { i ∣ e ∈ S i } :=\left\{i \mid e \in S_i\right\} :={i∣e∈Si​}
   • 例如：$S_1{S}_3$包含$e$则$e.$Doc$\text{={1,3}}$，将同时拥有这些关键词转化为同时在这些集合中

2️⃣$k\text{-SI}$查询$\stackrel{等价}{\leftrightarrow }$结构化限制的关键词查询：

1. 以搜索矩形$q\in {\mathbb{R}}^d$的$\text{ORP-KW}$为例：只需要基于之前的操作，将$e\in D$映射到${\mathbb{R}}^d$任一点即可
2. 类似可得：$\text{ORP-KW/RR-KW/LC-KW}$本质上都是$k\text{-SI}$查询的泛化

2.2.2. $k\text{-SI}$查询紧致性分析基础

1️⃣$k\text{-SI}$被广泛验证的两个猜想：对于$N:=\sum _{i=1}^m\left|S_i\right|$有

猜想	$\delta$	给定查询时间	必须使用的索引空间大小
强相交	$\delta \in (0,1]$	$O\left(N^{1-\delta }+\text{OUT}\right)$	$\Omega \left(\frac{N^{1+\delta }}{\text{polylog }N}\right)$
强$k$不相交	$\delta \in (0,1-\frac{1}{k}]$	$O\left(N^{1-\frac{1}{k}-\delta }\right)$	$\Omega \left(\frac{N^{1+k\delta }}{\text{polylog }N}\right)$

2️⃣引理：如果索引结构$1$存在，则索引结构$2$也必定成立

索引	索引空间	查询时间
$1$	$O\left(N\cdot \text{polylog }N\right)$	$O\left(N^{1-\frac{1}{k}}+N^{1-\frac{1}{k}}\cdot {\text{ OUT }}^{\frac{1}{k}-ϵ}+\mathrm{OUT}\right)$
$2$	$O\left(N\cdot \text{polylog }N\right)$	$O\left(N^{1-\min \left\{\frac{1}{k},\frac{ϵ}{1-\frac{1}{k}+ϵ}\right\}}+\mathrm{OUT}\right)$

2.2.3. 多项式紧致性分析

🤔先说结论：$k\text{-SI}$查询满足以下性质

1. $给定索引空间O\left(N\cdot \text{polylog }N\right)⟹最优查询时间为O\left(N^{1-\frac{1}{k}}\left(1+{\text{ OUT }}^{\frac{1}{k}}\right)+\text{OUT}\right)$
2. $\text{Ps. }$
   • $展开后的三项多项式都达到了最优$
   • $\text{显而易见有}\underset{k\to \infty }{\lim }O\left(N^{1-\frac{1}{k}}\left(1+{\text{OUT}}^{\frac{1}{k}}\right)+\text{OUT}\right)=O(N+\text{OUT})$

1️⃣$O\left(N^{1-\frac{1}{k}}\right)$为最优证明：

1. 假设存在更优解$O\left(N^{1-\frac{1}{k}-ϵ}+N^{1-\frac{1}{k}}\cdot {\text{ OUT }}^{\frac{1}{k}}+\text{OUT}\right)$
2. 整个$k\text{-SI}$查询在$\text{OUT}$为空时最快，达到$O\left(N^{1-\frac{1}{k}-ϵ}\right)$
   • 这就是$k\text{-SI}$空查询的时间，等于这个时间返回$1$，超出这个时间则立即终止并返回$0$
3. 根据强$k$不相交猜想，索引空间为$\Omega \left(\frac{N^{1+k\delta }}{\text{polylog }N}\right)$与$O\left(N\cdot \text{polylog }N\right)$冲突，所以已最优

2️⃣$O\left(N^{1-\frac{1}{k}}\right)\cdot {\text{ OUT }}^{\frac{1}{k}}$为最优证明：

0. 对于$\delta =\min \left\{\frac{1}{k},\frac{ϵ}{1-\frac{1}{k}+ϵ}\right\}$，考虑引理中的两个索引
1. 如果索引$1$存在$\stackrel{引理}{\to }$索引$2$存在$\{\begin{array}{l}\stackrel{强相交猜想}{\to }索引空间至少为\Omega \left(\frac{N^{1+\delta }}{\text{polylog }N}\right)\\ \\ 索引空间为O\left(N\cdot \text{polylog }N\right)\end{array}\stackrel{上下不符}{\to }矛盾$
2. 所以索引$1$不存在，即不可能优化到索引$1$中所示的查询时间

3️⃣$O\left(\text{OUT}\right)$最优：因为输出不可避免

3. 索引转换框架

3.0. Intro

🤔要干啥：原始$kd\text{-}$树: 纯集合索引$\stackrel{索引转换框架}{\to }$调整$kd\text{-}$树: 支持关键词查询 (此处以$\text{ORP-KW}$为例)

🚀聚焦的问题：$\text{ORP-KW}$的时间复杂度为$O\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$

3.1. 数据结构

0️⃣一般位置假设：所有对象$e\in D\subseteq {\mathbb{R}}^2$无共享的$xy$坐标，以下分析都基于这个假设

1️⃣在$D$的详细集上构建$kd\text{-}$树$\mathcal{T}$：对于$e\in D$通过以下规则构建详细集$p\in P$

原集合$D$	详细集$P$
单个$e_1\in D$	$\mid e_1.$Doc$\mid$个$e_1\in P$
单个$e_2\in D$	$\mid e_2.$Doc$\mid$个$e_2\in P$
…	…

2️⃣定义结点$u$的活动/枢纽集

1. 定义：考虑在$kd\text{-}$树的$u$结点发生以下分割
   
   • $u$的活动集$D_u^{act}$：$\{\begin{array}{l}{D}_u^{act}\iff {\Delta }_u\\ \\ D_{v_1}^{act}/D_{v_2}^{act}\iff {\Delta }_{v_1}/{\Delta }_{v_2}\end{array}$
   • $u$的枢纽集$D_u^{pvt}$：${\Delta }_{v_1}$或${\Delta }_{v_2}$边界上对象的集合
2. 性质：$D_u^{pvt}\subseteq D_u^{act}\subseteq D$，$|D_u^{pvt}|=O(1)$

3️⃣定义结点$u$的大小关键字

1. 定义：如果关键字$\mathrm{w}$在$u$处满足$\left|D_u^{act}(\mathrm{w})\right|\ge N_u^{1-\frac{1}{k}}$则$\mathrm{w}$为$u$大关键字，反之为小关键字
   • D u a c t ( w ) : = { e ∈ D u a c t ∣ w ∈ e . DOC } D_u^{act}(\mathrm{w}) := \left\{ e \in D_u^{act} \mid \mathrm{w} \in e . \verb|DOC| \right\} Duact​(w):={e∈Duact​∣w∈e.DOC}即$u$活动集中包含$\mathrm{w}$关键字的对象集
   • $N_u:=\sum _{e\in D_u^{act}}|e.\text{DOC}|$即$u$活动集中每个对象关键词数量总，显然$N_u\le \left|P_u\right|=O\left(\frac{N}{2^{\text{level }(u)}}\right)$
2. 性质：$u$处最多只能有$N_u^{\frac{1}{k}}$个大关键字

4️⃣定义结点$u$的复数附属结构$T_u$

1. $T_u$功能

   $T_u$输入	$T_u$输出	适用
   结点$u$	枢纽集$D_u^{pvt}$	中间$+$叶结点
   结点$u$，关键字$\mathrm{w}$	$\mathrm{w}$在$u$是否为大关键字	中间结点
   结点$u$，$u$处$k$个大关键字${\mathrm{w}}_1,\dots ,{\mathrm{w}}_k$，$u$子节点$v$	$\bigcap _{i=1}^k{D}_v^{act}\left({\mathrm{w}}_i\right)$是否为空	中间结点

2. $T_u$执行时间：$O(N_u^{\frac{1}{k}})\text{ word}+O(N_u)\text{ bit}$

5️⃣数据结构的物化

1. 含义：数据结构从概念模型$\to$内存实体
2. $D_u^{act}(\mathrm{w})$物化的条件：$\mathrm{w}$是$u$处的小关键字$+$$\mathrm{w}$在$u$的所有祖先处为大关键字

3.2. 转换算法: 以$\text{ORP-KW}$查询为例

1️⃣算法的一些模块化操作：给定矩形$q$和关 W = { w 1 , … , w k } \mathbb{W}=\{\mathrm{w}_1, \ldots, \mathrm{w}_k\} W={w1​,…,wk​}键词

1. 访问结点$u$操作
   • 读取$\forall e\in D_u^{pvt}$
   • 如果$e$被$q$覆盖$+e.$Doc包含所有关键词，则报告$e$
2. 下降判断操作：要求以下两个操作同时返回是，才访问$u$的子节点$v$
   • $u+关键字集\mathbb{W}\stackrel{T_u}{\to }\{\begin{array}{l}\mathbb{W}在u都为大关键字+子节点v\stackrel{T_u}{\to }\{\begin{array}{l}\bigcap _{i=1}^k{D}_v^{act}\left({\mathrm{w}}_i\right)空\to 否\\ \\ \bigcap _{i=1}^k{D}_v^{act}\left({\mathrm{w}}_i\right)不空\to 是\end{array}\\ \\ \mathbb{W}在u存在小关键字\to 否\end{array}$
   • 矩形$q$与子节点对应矩形${\Delta }_v$有交叉$\to$是
3. 停止下降后的报告操作：假设$u$处含有小关键字${\mathrm{w}}_i$从而导致下降终止
   • 物化$D_u^{act}\left({\mathrm{w}}_i\right)$ ($u$的活动集中包括了${\mathrm{w}}_i$关键词的对象)
   • 检查所有$e\in D_u^{act}\left({\mathrm{w}}_i\right)$，如果$e$被$q$覆盖$+e.$Doc包含所有关键词，则报告$e$

2️⃣算法结构

1. 算法流程
   
2. 算法最终输出：$q\cap D\left({\mathrm{w}}_1,\dots ,{\mathrm{w}}_k\right)$

3.3. 算法分析：交叉敏感性的界定

1️⃣辅助数据结构

1. 查询子树${\mathcal{T}}_{\text{qry}}$：对${\mathcal{T}}_{}$执行查询过程中遍历的点，所得到的子树
2. 交叉子树${\mathcal{T}}_{\text{cross}}$：${\mathcal{T}}_{\text{qry}}$中交叉结点构成的子树
   • 覆盖结点：${\mathcal{T}}_{\text{qry}}$中，满足对应矩形${\Delta }_{}u\subseteq$查询矩形$q$的结点$u$
   • 交叉结点：${\mathcal{T}}_{\text{qry}}$中其它

2️⃣复杂度分析

算法所处理的结构	时间复杂度
${\mathcal{T}}_{\text{qry}}$中间结点	$O(1)$
${\mathcal{T}}_{\text{qry}}$叶节点	$O\left(N_z^{1-\frac{1}{k}}\right)$
覆盖结点总耗时	$O\left(N^{1-\frac{1}{k}}\left(1+{\mathrm{OUT}}^{\frac{1}{k}}\right)\right)$
交叉结点总耗时	$\sum _{\text{int }u\text{ of }{\mathcal{T}}_{\text{cross }}}O(1)+\sum _{\text{leaf }z\text{ of }{\mathcal{T}}_{\text{cross }}}O\left(N_z^{1-\frac{1}{k}}\right)$

1. 总体复杂度$=$覆盖节点耗时$+$交叉节点耗时
2. 对大多数索引来说，覆盖结点总耗时都不变，形成差异化的是交叉结点耗时，故定义为交叉敏感性

3️⃣交叉敏感性的界定

1. 对任意二维矩形查询区域$q$，交叉敏感性为$O\left(N^{1-\frac{1}{k}}\right)$
   • 由此可得$\text{ORP-KW}$查询的总耗时就是$O\left(N^{1-\frac{1}{k}}\left(1+{\mathrm{OUT}}^{\frac{1}{k}}\right)\right)$
2. 证明思路：
   • 处理特殊情况：$q$为垂线时交叉敏感性为$O\left(N^{1-\frac{1}{k}}\right)$
   • 处理一般情况：
     • $kd\text{-}$树压缩：$kd\text{-}$树每偶数层仅一点在${\mathcal{T}}_{\text{cross}}$中$\to$删除(非叶)偶数层让上下的奇数层直连
       
     • 对简化的树结构分析可得，交叉敏感性任然是$O\left(N^{1-\frac{1}{k}}\right)$

4. 一种关键词下的降维技术

4.0. Intro

🚀聚焦的问题：用一种降维技术，使每二维以后增加一个维度，$\text{ORP-KW}$空间复杂度只加$O({\log }^{2}N)$

🌵分析的基础：关于$\text{ORP-KW}$索引的一个引理，如果索引$1$存在，则索引$2$也一定存在

索引	维度限制	索引空间	查询时间
$\text{ORP-KW}$(索引$1$)	$d=\lambda \ge 2$	$O\left(N\cdot (\log \log N{)}^{\lambda -2}\right)$	$\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$
$\text{ORP-KW}$(索引$2$)	$d=\lambda +1$	$O\left(N\cdot (\log \log N{)}^{\lambda -1}\right)$	$\left(N^{1-\frac{1}{k}}\cdot \left(1+{\text{OUT}}^{\frac{1}{k}}\right)\right)$

• $\text{Ps. }$ 对于$D\subset {\mathbb{R}}^{\lambda +1}$称第一维度为$x$维

🤔分析思路：上述引理$+$二维时$\text{ORP-KW}$的复杂度分析$\to$高纬时$\text{ORP-KW}$的复杂度

4.1. 数据结构

1️⃣基础的一些定义

1. 子集权重：$\text{weight }\left(D^{\prime }\right):=\sum _{e\in D^{\prime }\subseteq D}\mid e.\text{DOC}\mid$，显然有$\text{weight}\left(D^{\prime }\right)\ge \left|D^{\prime }\right|$
2. $D^{\prime }$的$f\text{-}$平衡分割：无论$D^{\prime }$和$f$如何，总有一元组$\left(D_1,D_2,\dots ,D_f,e_1^{\ast },e_2^{\ast },\dots ,e_{f-1}^{\ast }\right)$满足
   • $D_i\subseteq D$，$e_i\in D^{\prime }$或者$e_i=\text{null}$
   • D 1 , D 2 , … , D f , { e 1 ∗ } , { e 2 ∗ } , … , { e f − 1 ∗ } D_1, D_2, \ldots, D_f,\left\{e_1^*\right\},\left\{e_2^*\right\}, \ldots,\left\{e_{f-1}^*\right\} D1​,D2​,…,Df​,{e1∗​},{e2∗​},…,{ef−1∗​}彼此互斥，并且并集为$D^{\prime }$
   • $D_i$中每个对象的$x$坐标，都小于$D_{i+k}$中每个对象的$x$坐标
   • $\text{weight}\left(D_i\right)\le \frac{\text{weight}\left(D_i\right)}{f}$

2️⃣定义树$\mathcal{T}$的活动/枢纽集

1. $u\in \mathcal{T}$中活动集$D_u^{act}$：与先前定义一样与${\Delta }_u$对应
2. $u\in \mathcal{T}$中枢纽集$D_u^{pvt}$：对$D_u$，执行$f_u:=2\cdot 2^{k^{\text{level}(u)}}-$平衡切割$\left(D_1,\dots ,D_{f_u},e_1^{\ast },\dots ,e_{f_u-1}^{\ast }\right)$
   
   • 对于$u$本身：$D_u^{pvt}:=\left\{e_1^{\ast },\dots ,e_{f_u-1}^{\ast }\right\}$
   • 生成$u$的(多)子节点$v\to \{\begin{array}{l}{D}_1,\dots ,D_{f_u}皆空\to u为叶结点(v不存在)\\ \\ 否则\to 为每个非空D_i创建子节点\to D_v^{act}:=D_i\end{array}$

3️⃣定义树结点$u$的次级结构：考虑$\text{input}\stackrel{T_u}{\to }\text{output}$

1. $\text{input}$：所在结点$u+k$个关键词$+(\lambda \text{+1})\text{-}$矩形$q$
   • 且$q$在$x$的投影为$(-\infty ,\infty )$
2. $\text{output}$：$u$活动集中的部分对象$e$，满足$e$被矩形$q$覆盖$+$$e.$Doc包含所有关键词

4.2. 查询算法

1️⃣一些记号

1. $\sigma (u)$为覆盖$D_u^{act}$中所有点的$x$坐标的最紧密区间
2. $q[i]$为$q$在$i\in [1,\lambda +1]$上的投影区间，$q[1]$是$x$维的区间

2️⃣查询操作：输入$(\lambda +1)\text{-}$矩形$q$，关键词${\mathrm{w}}_1,\dots ,{\mathrm{w}}_k$

1. 访问满足以下条件的结点$u\in \mathcal{T}$，并将被访问到的结点剥离出为${\mathcal{T}}_{\text{qry}}$
   • $\sigma (u)\cap q[1]\ne \varnothing$
   • $u$的所有祖先$v$的$\sigma (v)$，都没完全包含在$q[1]$中
2. 将${\mathcal{T}}_{\text{qry}}$中的点分类
   • 类型$1$(图中黑点)：$\sigma (u)\subseteq q[1]$
   • 类型$2$(图中白点)：其它结点，每层最多只有两个白点
3. 报告对象
   • 对类型$1$的点：执行$T_u$以报告对象
   • 对类型$2$的点：检查并报告枢纽集中合要求的对象，时间开销$O\left(\left|D_u^{pvt}\right|\right)=O\left(f_u\right)$

4.3. 复杂度分析

1️⃣空间复杂度分析

1. $\mathcal{T}$每层结点的辅助结构总占用空间$O\left(N\cdot (\log \log N{)}^{\lambda -2}\right)$
2. 由于$\mathcal{T}$有$O(\log \log N)$层故总空间为$O\left(N\cdot (\log \log N{)}^{\lambda -1}\right)$

2️⃣时间复杂度分析

1. 类型$1$结点成本：$O\left(N^{1-\frac{1}{k}}\right)$
2. 类型$2$结点成本：$O\left(N^{1-\frac{1}{k}}\right)$