本发明涉及一种基于trie的空间关键词查询方法及装置，属于空间关键词查询(spatialkeywordquery)领域、基于位置的服务(location-basedservice,lbs)等领域。
背景技术
近年来，随着移动设备的普及、定位技术的快速发展，导致产生了大量基于位置的服务，如导航服务（高德地图、百度地图、腾讯地图等）根据当前的交通状态实时为用户推荐到达目的地的最优路线；社交服务（如：foursquare、twitter、微信、陌陌等）允许用户共享自己的地理位置并添加相应描述信息供其他用户参考；食住服务（如：美团外卖、饿了么、去哪儿、携程等）允许用户查询附近兴趣点；娱乐服务（如：wikitude、全城热斗等）为用户提供更逼真的游戏环境。这些lbs服务产生了大量具有位置属性的文本数据，即空间文本。面对这样的发展趋势，高效支持空间文本查询亟需高效的空间文本索引结构。根据应用场景，空间文本查询可分为空间关键词查询与分发/订阅查询。
目前，国内外对空间文本索引结构进行了广泛而又深入的研究，这些索引结构通常组合空间索引结构与文本索引结构。根据所采用的空间索引结构的不同，可将其分为：基于r-tree及其变体、grid/quad-tree、space-fillingcurve的空间文本索引；根据所采用的文本索引结构，可将其分为：基于倒排列表与签名文件的空间文本索引。空间索引与文本索引的组合方式分为：独立组合、松散组合、紧凑组合。据空间关键词查询领域国内外研究现状可知，r-tree及其变体与倒排索引组合的索引结构是主流的空间文本索引结构。r-tree的变体以面积最小原则、重叠区域最小原则、周长最小原则和存储利用率较高原则为导向对r-tree进行优化，但检索效率仍受r-tree多路径查询问题的制约。
技术实现要素：
为高效支持任意空间范围的关键词查询，本发明提供了一种基于trie的空间关键词查询方法及装置。
本发明的技术方案是：一种基于trie的空间关键词查询方法，包括：
数据预处理步骤，将数据集d中所有位置点编码成长度为n的字符串geostr，根据字符串geostr后缀ssuf按字典序对数据集d中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；其中ssuf指字符串geostr的后n-m位字符，m≤n，m表示字符串geostr前缀部分的位数；
空间关键词索引建立步骤，对字符串前缀spre构建trie，trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；其中，该域指从根节点到叶节点所构成的geostr前缀sprei，sprei指第i个字符串geostr的前m位字符，spre指字符串geostr的前m位字符；
空间关键词查询步骤，检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。
所述数据预处理步骤，具体包括如下步骤：
步骤110：给定一个由一系列位置点、关键词集构成的数据集d，通过geohash空间编码方法将数据集d中的位置点编码成长度为n的字符串geostr；其中，位置点由纬度、经度数据构成；其中geostr即geohash编码，表示geohash精度表中n对应的范围区域，
步骤120：将每一个geostr分为m位前缀部分spre和n-m位后缀部分ssuf，根据ssuf按字典序对数据集d中每行数据排序并编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；其中，r中每行数据r由id、纬度lat、经度lon、字符串geostr、关键词集items组成，items至少包含一个关键词item。
所述空间关键词索引建立步骤，具体为：
步骤210：对rspre构建trie索引结构，每个spre可映射为trie中一条从根到叶节点的路径，叶节点指向根据该域内关键词构建的倒排索引；其中，rspre表示r中所有spre，spre可称为该叶节点的前缀，该域指从根节点到叶节点所构成的前缀sprei，i表示rspre中第i个字符串；
步骤220：对ritems中每个独立元素item，构建一个由包含item的rpart.id组成的倒排列表；其中，rpart表示r中r.geostr的前m位等于sprei的r.id、r.items，r.geostr表示r的geostr，r.id表示r的id，r.items表示r的关键词集，rpart表示由一至多行rpart组成的数据集，ritems表示rpart中全部关键词，rpart.id表示rpart的id；
步骤230：对rsuf构建geostr后缀ssuf与id的映射表；其中，rsuf表示r中所有ssuf。
所述空间关键词查询步骤，具体包括如下步骤：
步骤310：给定查询位置点q、查询距离范围d、查询关键词集qitems，根据geohash精度表选定与d相对应的geohash编码长度p，通过geohash空间编码方法将位置点q编码为p位长度的字符串qs，获取字符串qs周围8个区域的geohash编码，并将字符串qs及其周围8个区域的geohash编码分别作为查询域，共9个查询域；其中，p对应的距离误差不小于d且为最小值；qitems至少由一个关键词item构成；
步骤320：检索空间关键词索引结构返回满足查询条件的id；其中，查询条件指查询域内包含全部qitems的id；
步骤330：根据查询位置点q和查询距离范围d分别确定纬度范围与经度范围，之后按经纬度范围对与步骤320返回的id相对应的位置点进行筛选，最终得到id候选集；
步骤340：计算候选集中id对应的位置点到q的距离dq：若dq≤d，则返回该位置点，否则，不返回。
所述步骤110，包括下列步骤111、112：
步骤111：根据geohash精度表确定geohash编码长度n；
步骤112：通过geohash空间编码方法将所有位置点编码成长度为n的字符串。
通过geohash空间编码方法将位置点编码成字符串，具体为：首先，将经纬度范围看作二维平面坐标系；然后，采用二分法对经度/纬度进行划分，根据位置点经度/纬度在划分结果中的位置分别赋值0或1，直到划分次数满足对应的经/纬度位串的位数；之后，通过位交错方法合并经度位串与纬度位串；最后，通过base32编码将经纬度位串编码为相应长度的字符串。
所述步骤310中，获取qs周围8个区域的geohash编码的方法：根据qs的经纬度位串，东/西方向的区域编码：经度位串不变，纬度位串加/减1，通过位交错方法得到该区域的经纬度位串；南/北方向的区域编码：纬度位串不变，经度位串减/加1，通过位交错方法得到该区域的经纬度位串；东北/西南方向的区域编码，经纬度位串均加/减1，通过位交错方法得到该区域的经纬度位串；东南方向的区域编码：纬度位串加1，经度位串减1，通过位交错方法得到该区域的经纬度位串；西北方向的区域编码：纬度位串减1，经度位串加1，通过位交错方法得到该区域的经纬度位串；之后，通过base32编码将以上8个位串进行编码即可获得qs周围8个区域的geohash编码。
所述步骤320具体为：
步骤321：若d>d1，根据geohash编码检索trie选取待检索的倒排列表；反之，若d≤d1，根据geohash编码前m位检索trie选取待检索的倒排列表；
步骤322：若d>d1，检索步骤321选取的倒排列表，分别获取包含查询关键词的id列表，并求交集，即为该查询域内满足查询条件的id；反之，若d≤d1，检索步骤321选取的倒排列表，分别获取包含查询关键词的id列表，求交集得到集合sid，之后检索映射表，返回满足匹配条件的id列表，与sid求交集，即为该查询域内满足查询条件的id；其中，匹配条件指sufstr等于geohash编码末尾p-m位，sufstr表示映射表中后缀ssuf的前p-m位；
据上述方法分别获取每个查询域内满足查询条件的id，之后求并集，即为9个查询域内满足查询条件的id。
所述步骤330中，根据查询位置点q和查询距离范围d分别确定纬度范围与经度范围方法如下：纬度的最大值maxlat=lat+range，纬度的最小值minlat=lat-range；经度的最大值maxlng=lon+lngr，经度的最小值minlng=lon-lngr；其中，lat表示查询位置点q的纬度值，lon表示查询位置点q的经度值，range=180/π*d/6372.797，lngr=range/cos(lat*π/180.0)。
一种基于trie的空间关键词查询装置，包括：
数据预处理装置，用于将数据集d中所有位置点编码成长度为n的字符串geostr，根据字符串geostr后缀ssuf按字典序对数据集d中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；其中ssuf指字符串geostr的后n-m位字符，m≤n，m表示字符串geostr前缀部分的位数；
空间关键词索引建立装置，用于对字符串前缀spre构建trie，trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；其中，该域指从根节点到叶节点所构成的geostr前缀sprei，sprei指第i个字符串geostr的前m位字符，spre指字符串geostr的前m位字符；
空间关键词查询装置，用于检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。
本发明的有益效果是：本发明可高效支持任意空间范围的关键词查询；通过空间关键词索引结构可高效支持美团外卖等lbs提供的附近兴趣点（餐饮店、公园等）查询功能，同时，存储空间开销较低；避免了r-tree的多路径查询问题；无缝融合分布式并行计算框架。
附图说明
图1是基于trie的空间关键词查询功能模块图；
图2是geohash精度表；
图3是base32编码规则图；（注：（+/-）表示加减）；
图4是位置点转换为字符串图；
图5是据字符串后缀排序记录集图；
图6是trie与关键词倒排组合图；
图7是字符串后缀与id的映射图。
具体实施方式
实施例1：如图1-图7所示，一种基于trie的空间关键词查询方法，包括：数据预处理步骤，将数据集d中所有位置点编码成长度为n的字符串geostr，根据字符串geostr后缀ssuf按字典序对数据集d中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；其中ssuf指字符串geostr的后n-m位字符，m≤n，m表示字符串geostr前缀部分的位数；
空间关键词索引建立步骤，对字符串前缀spre构建trie，trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；其中，该域指从根节点到叶节点所构成的geostr前缀sprei，sprei指第i个字符串geostr的前m位字符，spre指字符串geostr的前m位字符；
空间关键词查询步骤，检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。
进一步地，可以设置所述数据预处理步骤，具体包括如下步骤：
步骤110：给定一个由一系列位置点、关键词集构成的数据集d，通过geohash空间编码方法将d中的位置点编码成长度为n的字符串geostr；其中，位置点由纬度、经度数据构成，表示poi（如：餐馆、酒店、公园等）的地理坐标，关键词集表示poi的文本属性（如：含名胜古迹的公园）；geostr即geohash编码，表示geohash精度表中n对应的范围区域；进一步地，可以设置所述步骤110，包括下列步骤111、112：
步骤111、根据geohash精度表（如图2所示），将geohash编码长度n设置为8，则经纬度位串分别为20位；
步骤112、通过geohash空间编码方法将r中的位置点转换成长度为8的字符串，如图4所示，实现方法如下：
示例：（19.596412-99.219501）
首先将纬度范围(-90,90)平分成(-90,0)、(0,90)两个区间，如果目标纬度位于前一个区间，则编码为0，否则编码为1。因19.596412属于区间(0,90)，所以编码为1；然后再将(0,90)分成(0,45)、(45,90)两个区间，因19.596412属于区间(0,45)，所以编码为0；以此类推，直至位串长度为20。最终19.596412的编码为10011011110111101101。
经度也采取同样的方法，对范围(-180,180)依次细分至位串长度为20。最终-99.219501的编码为00111001011100011010。
接下来将经纬度位串进行合并，奇数位为纬度，偶数位为经度，得到编码0100101111000111011110110101011011011001。
最后，通过base32编码（如图3所示）得到(19.5964412-99.219501)的geohash编码为9g3rqpqt。
步骤120：将每一个geostr分为m位前缀部分spre和n-m位后缀部分ssuf，根据ssuf按字典序对d中每行数据排序并编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；将m值设置为“5”，如图5所示；其中，m≤n；r中每行数据r由id、纬度(lat)、经度(lon)、字符串(geostr)、关键词集(items)组成，items至少包含一个item；spre与ssuf亦表示区域。
进一步地，可以设置所述空间关键词索引建立步骤，具体为：
步骤210：对rspre构建trie索引结构，每个spre可映射为trie中一条从根到叶节点的路径，叶节点指向根据该域内关键词构建的倒排索引；其中，rspre表示r中所有spre，spre可称为该叶节点的前缀，该域指从根节点到叶节点所构成的前缀sprei，i表示rspre中第i个字符串；
步骤220：对ritems中每个独立元素item，构建一个由包含item的rpart.id组成的倒排列表；其中，rpart表示r中r.geostr的前m位等于sprei的r.id、r.items，r.geostr表示r的geostr，r.id表示r的id，r.items表示r的关键词集，rpart表示由一至多行rpart组成的数据集，ritems表示rpart中全部关键词，rpart.id表示rpart的id；
步骤230：对rsuf构建geostr后缀ssuf与id的映射表；其中，rsuf表示r中所有ssuf。
根据步骤210、220、230构建的空间关键词索引结构如图6、7所示，其中，图中仅给出根据r.geostr的前5位等于“9g3rq”的r.items构建的倒排列表，索引结构图呈现形式与数据集的分布、关键词类别、geohash编码长度有关。
进一步地，可以设置所述空间关键词查询步骤，具体包括如下步骤：
步骤310：给定查询位置点q、查询距离范围d、查询关键词集qitems，根据geohash精度表选定与d相对应的geohash编码长度p，通过geohash空间编码方法将位置点q编码为p位长度的字符串qs，获取字符串qs周围8个区域的geohash编码，并将字符串qs及其周围8个区域的geohash编码分别作为查询域，共9个查询域；其中，p对应的距离误差不小于d且为最小值；qitems至少由一个item构成；进一步地，可以设置所述步骤310，具体包括步骤311、步骤312：
步骤311、给定查询位置点（19.596412-99.219501)、查询距离范围500米、查询关键词{historicalsite,garden}，需p对应的距离误差不小于500米且为最小值，则p值应设置为6，通过geohash算法将（19.596412-99.219501)编码为6位长度的字符串9g3rqp；
步骤312、获取9g3rqp周围8个区域的geohash编码，并将9g3rqp及其周围8个区域作为查询域，方法如下：
9g3rqp的纬度位串为100110111101111，经度位串为001110010111000。
北方区域的geohash编码：纬度位串为100110111101111，经度位串为001110010111000+1=001110010111001，经纬度位串为
010010111100011101111011010111，geohash编码为9g3rqr；
东北区域的geohash编码：纬度位串为100110111101111+1=100110111110000，经度位串为001110010111000+1=001110010111001，经纬度位串为
010010111100011101111110000010，geohash编码为9g3rw2；
东方区域的geohash编码：纬度位串为100110111101111+1=100110111110000，经度位为001110010111000,经纬度位串为010010111100011101111110000000，geohash编码为9g3rw0；
东南区域的geohash编码：纬度位串为100110111101111+1=100110111110000，经度位串为001110010111000-1=001110010110111，经纬度位串为
010010111100011101111100101010，geohash编码为9g3rtb；
南方区域的geohash编码：纬度位串为100110111101111，经度位串为001110010111000-1=001110010110111，经纬度位串为
010010111100011101111001111111，geohash编码为9g3rmz；
西南区域的geohash编码：纬度位串为100110111101111-1=100110111101110，经度位串为001110010111000-1=001110010110111，经纬度位串为
010010111100011101111001111110，geohash编码为9g3rmy；
西方区域的geohash编码：纬度位串为100110111101111-1=100110111101110，经度位为001110010111000,经纬度位串为010010111100011101111011010100，geohash编码为9g3rqn；
西北区域的geohash编码：纬度位串为100110111101111-1=100110111101110，经度位串为001110010111000+1=001110010111001，经纬度位串为
010010111100011101111011010110，geohash编码为9g3rqq。
9g3rqp周围的8个区域为：9g3rqr、9g3rw2、9g3rw0、9g3rtb、9g3rmz、9g3rmy、9g3rqn、9g3rqq；
步骤320：检索空间关键词索引结构返回满足查询条件的id；其中，查询条件指查询域内包含全部qitems的id；进一步地，可以设置所述步骤320，具体包括步骤321、步骤322：
步骤321：因500<610（d1应选取geohash长度为6所对应的距离，由图2可知，其表示范围距离610m），根据geohash编码前5位检索trie选取待检索的倒排列表；
步骤322：检索步骤321选取的倒排列表，分别获取包含查询关键词的id列表，求交集得到集合sid，之后检索映射表，返回满足匹配条件的id列表，与sid求交集，即为该查询域内满足查询条件的id；其中，sufstr表示映射表中后缀ssuf的第一位，匹配条件指sufstr等于geohash编码末尾一位；
根据m=5，查询域{9g3rqp,9g3rqr,9g3rw2,9g3rw0,9g3rtb,9g3rmz,9g3rmy,
9g3rqn,9g3rqq}可组合为{9g3rq,9g3rw,9g3rt,9g3rm},以查询域“9g3rq”为例，检索空间关键词索引结构后，包含查询关键词“historicalsite”的
id{10,14,15,17,20},包含查询关键词“garden”的id{10,14,15,17,20}，求交集即得“9g3rq”域内满足查询条件的id为{10,14,15,17,20}。后缀表中以“p”为起始字符的id{11,12,13,14,15,16,17,18,19，20,21}，求交集即得“9g3rqp”域内满足查询条件的id{14,15,17,20}；后缀表中以“r”为起始字符的id{24,25}，“9g3rqr”域内没有满足查询条件的id；后缀表中以“n”为起始字符的id{10}，“9g3rqn”域内满足查询条件的id{10}；后缀表中以“q”为起始字符的id{22,23}，“9g3rqq”域内没有满足查询条件的id。并集为{10,14,15,17,20}，即为查询域{9g3rqp,9g3rqr,9g3rqn,9g3rqq}内满足查询条件的id。
据步骤321与322所述方法，分别获取查询域内满足查询条件的id，之后求并集，即为9个查询域内满足查询条件的id{1,10,14,15,17,20,28}；
步骤330、根据查询位置点（19.596412-99.219501)和查询距离范围500m确定纬度范围与经度范围，如下所示：
step1:range=180÷3.141593×0.5÷6372.797=0.004495
step2:lngr=0.004495÷cos(19.596412×3.141593÷180.0)=0.004771
step3:19.596412+0.004495=19.600907（纬度的最大值）
step4:19.596412-0.004495=19.591917（纬度的最小值）
step5:-99.219501+0.004771=-99.214730（经度的最大值）
step6:-99.219501-0.004771=-99.224272（经度的最小值）
由上可知，纬度范围为[19.591917,19.600907]，经度范围为
[-99.224272,-99.214730]。根据经纬度范围对9个查询域内的id{1,10,14,15,17,20,28}进行过滤并返回经纬度范围内的位置点。如：id为28时，其纬经度为（19.589223-99.23521），19.589223不位于[19.591917,19.600907]内，故过滤id为9的位置点。经过滤后，候选集为{14,17,20}。
步骤340、计算候选集{14,17,20}中id对应的位置点（19.596412-99.219501)的距离dq，若dq<=500，则返回该位置点，实现过程如下所示：
查询条件：（19.596412-99.219501），500米；
距离计算公式：设a(x1,y1)，b(x2,y2)，则|ab|=
根据公式（1）依次计算候选集对应的位置点与（19.596412-99.219501）的距离，返回不大于500米的位置点，经计算，满足要求的位置点集为{{19.596261-99.223194},{19.596776-99.220447},{19.596412,-99.219501}}。
故满足空间关键词查询条件的位置点为{{19.596261-99.223194},{19.596776-99.220447},{19.596412,-99.219501}}。
一种基于trie的空间关键词查询装置，包括：
数据预处理装置，用于将数据集d中所有位置点编码成长度为n的字符串geostr，根据字符串geostr后缀ssuf按字典序对数据集d中的每行数据排序并生成编号id，每一行数据称为一条记录r，则由一至多行记录r组成的数据集称为记录集r；其中ssuf指字符串geostr的后n-m位字符，m≤n，m表示字符串geostr前缀部分的位数；
空间关键词索引建立装置，用于对字符串前缀spre构建trie，trie的叶节点指向根据该域内关键词构建的倒排索引，倒排索引的列表元素为关键词及与其相对应的id列表，得到空间关键词索引结构；其中，该域指从根节点到叶节点所构成的geostr前缀sprei，sprei指第i个字符串geostr的前m位字符，spre指字符串geostr的前m位字符；
空间关键词查询装置，用于检索空间关键词索引结构，获取满足查询条件的id，经过滤得到id候选集，并对候选集验证返回满足空间查询条件的位置点。
实施例2：如实施例1，给出了d≤d1情况下，具体的实施过程，本实施例给出的是d>d1情况，采用实施例1中的数据对此处进行说明如下：给定查询位置点（19.596412-99.219501)、查询距离范围2000米、查询关键词{historicalsite,garden}，由geohash精度表可知，需p对应的距离误差不小于2000且为最小值，则p值应设置为5，通过geohash算法将（19.596412-99.219501)编码为5位长度的字符串9g3rq。9g3rq周围8个区域的geohash编码为：9g3rw、9g3rx、9g3rr、9g3rp、9g3rn、9g3rj、9g3rm、9g3rt，将9g3rq及其周围8个区域作为查询域。因2000>610，根据geohash编码检索trie选取待检索的倒排列表，之后检索选取的倒排列表，分别获取包含查询关键词的id列表，并求交集，即为该查询域内满足查询条件的id。以查询域“9g3rq”为例，包含查询关键词“historicalsite”的id{10,14,15,17,20},包含查询关键词“garden”的id{10,14,15,17,20}，交集为{10,14,15,17,20}，即为该查询域内满足查询条件的id。据前述方法分别获取每个查询域内满足查询条件的id，之后求并集，即为9个查询域内满足查询条件的id{1,10,14,15,17,20,28}。
上面结合图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。