一、讀的是一篇文獻，06年的

Answering Top-k Queries with MultiDimensional Selections: The Ranking Cube Approach

在一個top-k查詢中，兩個度量反應了性能：a selection condition & a ranking function.

selection condition維度可能很高，ranking function不一定是線性的。

這篇文獻提出了一個模型，叫做ranking cube，并定義了一個rank-ware measure，未解決curse of dimension，又提出了ranking flagments。

二、cube structure

根據selection dimension構建ranking cube，每個cell離得measure應該是rank-ware的。

最naive的方法是，把所有相關的tuple都放到cell里面，這樣有兩個不足：浪費空間，不是rank-ware的。

為不浪費空間，可以只存tuple的id。

為解決rank-ware的問題，定義兩個標準衡量：geometry-based partition & block-level data access。

?

好沒勁，先不寫了

總結

以上是生活随笔為你收集整理的【top-k】Answering Topk Queries with MultiDimensional Selections: The Ranking Cube Approach的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。