抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
オブジェクトの集合Oと道路ネットワーク上の質問点qを与えて,k最近傍(kNN)質問は,qへの最短道路ネットワーク距離を有するOにおけるk最近傍オブジェクトを返す。これらのkNN質問は,各タクシーがオブジェクトと見なされるような,位置ベースのサービス,例えば,リデリングサービスにおける多くのアプリケーションを発見する。このような応用において,オブジェクトは同じ質問点に対してさえも常に動いており,kNN質問の正しい答えは時間とともに変化する可能性がある。理想的には,返された回答は移動物体集合に関して適切に正しくなければならない。しかしながら,文献において,kNN質問のためのすべての既存の解決策は,主に質問時間,索引記憶,あるいはkNN質問のスループットの減少に焦点を合わせ,それらの正当性にほとんど焦点を合わせていない。これに動機付けられて,著者らは,移動物体に関する質問正当性を保証しながら,システムスループットを最適化することを目的とする,修正性認識kNN質問に関するフレームワークを提案した。移動物体と異なる質問の依存性を考慮した場合,質問応答の正当性を保証する逐次的kNN質問を形式的に定義した。著者らは,逐次的kNN質問のスループットを最適化するためのいくつかの技術を提案した。最初に,スループットを大幅に改善する効率的なインデックス構造と新しい質問アルゴリズムを提案した。さらに,コンフリクトを回避し,システムスループットを改善するための新しいスケジューリングアルゴリズムを提案した。さらに,kNN質問の正当性とシステムスループットの間の制御可能なトレードオフを提供する近似解を考案した。実世界データに関する広範な実験により,提案した解決策の有効性と効率を代替案により実証した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】