專利名稱：一種特征字符串識(shí)別方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種信息識(shí)別技術(shù)，尤其涉及一種特征字符串識(shí)別方法及系統(tǒng)。
背景技術(shù)：
特征字符串(模式字符串)識(shí)別是信息識(shí)別中重要的核心技術(shù)之一，用于從目標(biāo)字符串中發(fā)現(xiàn)模式字符串。當(dāng)特征字符串條數(shù)較少內(nèi)存能夠容納時(shí)；采用普通的字符串匹配算法可以達(dá)到特征字符串識(shí)別的目的；如果特征字符串比較多，采用字符串匹配算法將會(huì)遇到性能的瓶頸。特別是特征字符串條數(shù)很多，現(xiàn)有的計(jì)算機(jī)系統(tǒng)的內(nèi)存無(wú)法容納時(shí)，則需要把特征字符串存儲(chǔ)到磁盤中。對(duì)于大規(guī)模特征字符串的識(shí)別，采用掃描特征串匹配的方式，將導(dǎo)致頻繁的磁盤讀取，性能低下。對(duì)于大規(guī)模特征字符串識(shí)別，現(xiàn)有的有效解決方案對(duì)特征字符串創(chuàng)建 B-Tree (多路搜索樹(shù))索引；把目標(biāo)字符串，分割成若干子字符串，在Β-Tree中查找。 B-Tree是基于磁盤的外存索引技術(shù)。Β-Tree是多路平衡樹(shù)，Β-Tree索引的性能由以下，幾個(gè)因素決定DB-Tree的節(jié)點(diǎn)扇出系數(shù)。系數(shù)越高，算法的復(fù)雜度越低，有利于算法性能的提升。2)B-Tree的節(jié)點(diǎn)對(duì)應(yīng)物理頁(yè)面數(shù)。對(duì)應(yīng)的物理頁(yè)面數(shù)少，減少了磁盤訪問(wèn)時(shí)間。3)B-Tree的節(jié)點(diǎn)平均填充度。平均填充度越高，則Β-Tree的節(jié)點(diǎn)利用率高，有利于降低樹(shù)的高度，從而有利于算法性能的提升。4)B-Tree的查找算法。查找算法決定了查找的算法復(fù)雜度。由于在磁盤中查找，需要頻繁的讀取磁盤中的數(shù)據(jù)；由于磁盤的物理特性，決定了讀取磁盤非常耗時(shí)，因此降低讀取磁盤的頻率將顯著提高查找的速度。現(xiàn)有的解決方案，使用B-Tree創(chuàng)建特征字符串索引有以下缺點(diǎn)1、由于特征字符串是變長(zhǎng)的，對(duì)于每一個(gè)內(nèi)點(diǎn)，需要若干個(gè)物理頁(yè)面存放，需要多次讀取物理頁(yè)面才能加載一個(gè)完整的內(nèi)點(diǎn)；2、節(jié)點(diǎn)存儲(chǔ)數(shù)據(jù)冗余大；3、緩沖池使用最近最久未策略管理，頁(yè)面的命中率低，影響了讀取性能。

發(fā)明內(nèi)容
本發(fā)明的目的在于，提供一種一種特征字符串識(shí)別方法及系統(tǒng)，識(shí)別效率高，降低讀取磁盤的次數(shù)。為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供一種特征字符串識(shí)別方法，包括 A、將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼；B、讀取B-Tree的節(jié)點(diǎn)；C、當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)， 根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。其中，步驟C具體包括Cl、根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，獲得第一位置；C2、根據(jù)所述二進(jìn)制代碼及所述第一位置定位所述待識(shí)別特征字符串對(duì)應(yīng)的第二位置；C3、當(dāng)所述第二位置的節(jié)點(diǎn)還是內(nèi)點(diǎn)時(shí)，則循環(huán)上述步驟。上述步驟C3之后還包括當(dāng)所述讀取B-Tree的節(jié)點(diǎn)為葉子節(jié)點(diǎn)時(shí)，在所述葉子節(jié)點(diǎn)中做初始位置查找；當(dāng)所述初始位置中的特征字符串與待識(shí)別特征字符串一致時(shí)，識(shí)別成功。其中，內(nèi)點(diǎn)中存儲(chǔ)有固定長(zhǎng)度的編碼數(shù)組，所述編碼數(shù)組為對(duì)特征字符串轉(zhuǎn)換成的二進(jìn)制代碼進(jìn)行平衡二叉樹(shù)排序，再對(duì)形成的平衡二叉樹(shù)做中續(xù)遍歷后形成的，所述編碼數(shù)組包括所述平衡二叉樹(shù)左側(cè)葉子節(jié)點(diǎn)數(shù)及子節(jié)點(diǎn)公共前綴字符串長(zhǎng)度。上述步驟Cl具體包括C11、設(shè)定初始化變量包括I，J，N;I = 0，J = 0，N = KeyCount ；其中I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)，KeyCoimt表示節(jié)點(diǎn)內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；C12、當(dāng)N大于1，執(zhí)行步驟C13， 當(dāng)N小于等于1時(shí)，執(zhí)行步驟C17 ；C13、獲得特征字符串對(duì)應(yīng)的二進(jìn)制代碼在!11_1皿？[刃處的值，該值用Bit表示；其中，m_lcmp[J]表示節(jié)點(diǎn)J對(duì)應(yīng)的子樹(shù)的葉子節(jié)點(diǎn)公共前綴；C14、 當(dāng)所述二進(jìn)制代碼在m_lcmp[J]處的值為1時(shí)，執(zhí)行步驟C15，否則執(zhí)行步驟C16 ；C15、轉(zhuǎn)入右側(cè)子樹(shù)，I = m_Leaf Count [J] ；N = m_Leaf Count [J] ;J = m_Leaf Count [J]；其中 m_ LeafCount [J]表示第J個(gè)節(jié)點(diǎn)對(duì)應(yīng)的子樹(shù)左側(cè)葉子節(jié)點(diǎn)數(shù)；執(zhí)行步驟C12 ;C16、轉(zhuǎn)入左側(cè)子樹(shù)，N = m_LeafCount [J] ;J = 1 ；執(zhí)行步驟C12 ；C17、返回初始查找位置PTRi，其中PTRi 等于I，PTRi表示初始查找位置。上述步驟C2具體包括C201、加載IBlindPos位置對(duì)應(yīng)的節(jié)點(diǎn)，其中IBlindPos 為初始位置，Node代表節(jié)點(diǎn)；C202、獲得節(jié)點(diǎn)的下界KeyLowi ；C203、計(jì)算特征字符串與 KeyLowi對(duì)應(yīng)的二進(jìn)制序列的差異位置，該差異位置用DifT表示；C204、獲得特征字符串對(duì)應(yīng)二進(jìn)制代碼，在DifT位置處的值，該值用Bit表示；C205、設(shè)定初始化變量包括I， J, N5I = O, J = O, N = KeyCount ；其中，I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)，KeyCount表示節(jié)點(diǎn)Node內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；C206、iN> 1而且m_lcmp[J] < = Diff，執(zhí)行步驟C207，否則，執(zhí)行步驟C210，其中 m_lcmp[J]表示二叉樹(shù)第J個(gè)子節(jié)點(diǎn)的葉子節(jié)點(diǎn)的公共前綴長(zhǎng)度；C207、當(dāng)IBlindPos不小于m_LeafCount [J]，其中m_LeafCount [J]表示以二叉樹(shù)第J個(gè)節(jié)點(diǎn)為根的左子樹(shù)的葉子節(jié)點(diǎn)數(shù)，則執(zhí)行步驟C208 ；否則轉(zhuǎn)入步驟C209 ；C208、移動(dòng)到右側(cè)，IBlinkPos- = m_ LeafCount [J] ；I = m_LeafCount [J] ；N = m_LeafCount [J] ；J = m_LeafCount [J],以上這些運(yùn)算的結(jié)果是轉(zhuǎn)向當(dāng)前節(jié)點(diǎn)右子樹(shù)子樹(shù)的，執(zhí)行步驟C206 ；C209、移動(dòng)到左側(cè)，N = m_ LeafC0unt[J]，J = 1執(zhí)行步驟C206 ；C210、當(dāng)特征字符串對(duì)應(yīng)二進(jìn)制代碼在Diff位置處的值為O時(shí)，則返回當(dāng)前節(jié)點(diǎn)Node的第I個(gè)子節(jié)點(diǎn)，否則返回第I+N個(gè)子節(jié)點(diǎn)。優(yōu)選地，加載節(jié)點(diǎn)的具體操作包括根據(jù)當(dāng)前節(jié)點(diǎn)的邏輯編號(hào)從一級(jí)緩沖池中查找所述節(jié)點(diǎn)對(duì)應(yīng)的頁(yè)面；如果一級(jí)緩沖池沒(méi)有該頁(yè)面，則從二級(jí)緩沖池中查找，當(dāng)二級(jí)緩沖池中有該頁(yè)面時(shí)，從二級(jí)緩沖池中加載該頁(yè)面到一級(jí)緩沖池；當(dāng)二級(jí)緩沖池中也沒(méi)有該頁(yè)面，則從磁盤中加載該頁(yè)面到一級(jí)緩沖池；當(dāng)一級(jí)緩沖池中未滿時(shí)，將所述頁(yè)面放入到一級(jí)緩沖池中；當(dāng)一級(jí)緩沖池中已滿時(shí)，減少所述頁(yè)面的權(quán)值，當(dāng)所述二級(jí)緩沖池未滿時(shí)，選擇權(quán)值最小的頁(yè)面放入到二級(jí)緩沖池；當(dāng)所述二級(jí)緩沖池已滿時(shí)，釋放二級(jí)緩沖池中的空間， 選擇權(quán)值最小的頁(yè)面放入到二級(jí)緩沖池；根據(jù)所述節(jié)點(diǎn)的高度計(jì)算頁(yè)面權(quán)置，根據(jù)所述頁(yè)面權(quán)值調(diào)度頁(yè)面。采用二級(jí)緩存的方式從緩沖池中加載頁(yè)面，提高了頁(yè)面加載的命中率，減少了讀取磁盤次數(shù)。根據(jù)所述節(jié)點(diǎn)的高度計(jì)算頁(yè)面權(quán)置，根據(jù)所述頁(yè)面權(quán)值調(diào)度頁(yè)面。為實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的另一個(gè)方面，提供一種特征字符串識(shí)別系統(tǒng)，包括轉(zhuǎn)換裝置，用于將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼；讀取裝置，用于讀取B-Tree的節(jié)點(diǎn)；查找裝置，當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)，根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。本發(fā)明的特征字符串識(shí)別方法及系統(tǒng)，由于每個(gè)內(nèi)點(diǎn)中編碼數(shù)組的長(zhǎng)度固定，因此只需要一個(gè)固定大小物理頁(yè)面進(jìn)行存放。在特征字符串的識(shí)別過(guò)程中，只需要讀取一個(gè)物理頁(yè)面就可以加載一個(gè)完整的內(nèi)點(diǎn)，減少數(shù)據(jù)冗余，降低了讀取磁盤的次數(shù)，提高了識(shí)別效率。


圖1-1是本發(fā)明對(duì)節(jié)點(diǎn)內(nèi)數(shù)據(jù)編碼的流程圖；圖1-2是本發(fā)明平衡二叉樹(shù)的示意圖；圖2是本發(fā)明特征字符串識(shí)別方法實(shí)施例的流程圖；圖3是本發(fā)明特征字符串識(shí)別方法實(shí)施例初始位置查找的流程圖；圖4是本發(fā)明特征字符串識(shí)別方法實(shí)施例葉子節(jié)點(diǎn)定位的流程圖；圖5是本發(fā)明通過(guò)二級(jí)緩沖池加載節(jié)點(diǎn)的流程圖；圖6是本發(fā)明特征字符串識(shí)別系統(tǒng)實(shí)施例的結(jié)構(gòu)圖。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。方法實(shí)施例B-Tree節(jié)點(diǎn)內(nèi)的數(shù)據(jù)，是由有序的序列對(duì)(KEYi, PONTi)組成，其中，i = 0，1， 2，. . .，m-1，其中m表示節(jié)點(diǎn)的扇出系數(shù)。對(duì)于B-1Tree的內(nèi)點(diǎn)，PONTi為子節(jié)點(diǎn)的指針，KEYi 為子節(jié)點(diǎn)的下確界。對(duì)于B-Tree的葉子節(jié)點(diǎn)，KEYi為特征串，PONTi為關(guān)聯(lián)指針。如圖1-1所示，本發(fā)明中，首先要對(duì)B-Tree節(jié)點(diǎn)內(nèi)的數(shù)據(jù)進(jìn)行編碼，具體步驟如下步驟101，對(duì)特征字符串(Key)采用外排序算法，按照升序方式排序；步驟102，把按照升序排列結(jié)果放入隊(duì)列，該隊(duì)列采用文件作為存儲(chǔ)介質(zhì)；步驟103，從隊(duì)列取出K個(gè)特征字符串，這K個(gè)特征字符串構(gòu)成了一個(gè)有序字符串?dāng)?shù)組；步驟104，把這些特征字符串逐一轉(zhuǎn)換為0、1代碼。即把每一個(gè)字符采用二進(jìn)制表示，這些二進(jìn)制序列對(duì)應(yīng)于特征字符串；步驟105，對(duì)這些二進(jìn)制序列采用平衡二叉樹(shù)排序，如圖1-2所示，構(gòu)造一棵平衡二叉樹(shù)，逐一向二叉樹(shù)插入二進(jìn)制序列，調(diào)整樹(shù)的高度，使之始終保持平衡狀態(tài)；并且在樹(shù)的內(nèi)點(diǎn)中保留子節(jié)點(diǎn)左子樹(shù)的葉子節(jié)點(diǎn)數(shù)和公共字符串長(zhǎng)度(m_LeafCount，m_lcmp)，其中m_LeafCount表示二叉樹(shù)左子樹(shù)葉子節(jié)點(diǎn)數(shù)，m_ Icmp為子節(jié)點(diǎn)公共前綴字符串長(zhǎng)度；
步驟106，對(duì)平衡二叉樹(shù)做中續(xù)遍歷，生成編碼數(shù)組，該數(shù)組是由(m_LeafC0unt， m_lcmp)組合構(gòu)成；該編碼數(shù)組保持了平衡二叉樹(shù)的有序性，由于編碼數(shù)組的長(zhǎng)度只與特征字符串的個(gè)數(shù)有關(guān)，所以可以在有限的空間存儲(chǔ)，實(shí)現(xiàn)了變長(zhǎng)字符串?dāng)?shù)組向定長(zhǎng)編碼索引的轉(zhuǎn)換；步驟107，判斷是否創(chuàng)建內(nèi)點(diǎn)，如果這K個(gè)特征字符串是由外排序獲得，則創(chuàng)建 B-Tree葉子節(jié)點(diǎn)Node，執(zhí)行步驟109 ；否則創(chuàng)建Β-Tree內(nèi)點(diǎn)Node，執(zhí)行步驟108 ；步驟108，如果是內(nèi)點(diǎn)則寫(xiě)入中續(xù)編碼、對(duì)應(yīng)的子節(jié)點(diǎn)編號(hào)和Node的下界，即最小的特征字符串和二叉樹(shù)根節(jié)點(diǎn)記錄的公共字符串寫(xiě)入隊(duì)列，之后執(zhí)行步驟110 ；步驟109，如果是葉子節(jié)點(diǎn)則寫(xiě)入中續(xù)遍歷編碼和特征字符串關(guān)聯(lián)的信息，之后執(zhí)行步驟110 ；步驟110，判斷隊(duì)列中是否還有待處理的字符串，如果隊(duì)列中僅僅剩余一個(gè)特征字符串則處理完畢，編碼結(jié)束，否則轉(zhuǎn)入步驟103。本實(shí)施例的對(duì)于B-Tree節(jié)點(diǎn)編碼后，節(jié)點(diǎn)中形成一個(gè)長(zhǎng)度固定的編碼數(shù)組。避免了變長(zhǎng)Key (特征字符串)的影響，能夠顯著提高節(jié)點(diǎn)的扇出系數(shù)。內(nèi)點(diǎn)采用上述的編碼方式，減少數(shù)據(jù)冗余，只需要讀取一個(gè)物理頁(yè)面就可以加載一個(gè)完整的內(nèi)點(diǎn)，降低了讀取磁盤的次數(shù)。如圖2所示，通過(guò)上述編碼，本發(fā)明相應(yīng)的特征字符串識(shí)別方法實(shí)施例包括以下步驟步驟201，將帶識(shí)別字符串Key轉(zhuǎn)換為二進(jìn)制代碼，轉(zhuǎn)換方式是Key對(duì)應(yīng)的每一個(gè)字符采用二進(jìn)制表示，構(gòu)成的0，1序列，這里Key代表帶識(shí)別字符串；步驟202，從緩沖池中讀取B-Tree的根節(jié)點(diǎn)Node，即把頁(yè)碼編號(hào)I^age等于Root的節(jié)點(diǎn)，從緩沖池加載到內(nèi)存中，這里I^age變量表示節(jié)點(diǎn)的編號(hào)，Root為根節(jié)點(diǎn)的編號(hào)，Node 表示節(jié)點(diǎn)；步驟203，判斷節(jié)點(diǎn)Node是否為B-Tree的葉子節(jié)點(diǎn)，如果是則進(jìn)入步驟206，否則進(jìn)入步驟204 ；步驟204，通過(guò)編碼序列在內(nèi)點(diǎn)中做二叉查找，獲得第一位置，即初始位置，即第一次位置定位，初始位置用IBlindPos表示；步驟205，子節(jié)點(diǎn)定位，使用編碼序列和初始位置通過(guò)位置定位確定確切位置，即第二次位置定位，獲得第二位置，即子節(jié)點(diǎn)位置，從緩沖池中加載子節(jié)點(diǎn)，執(zhí)行步驟203 ；循環(huán)執(zhí)行步驟203 205，直到找到的節(jié)點(diǎn)為葉子節(jié)點(diǎn)；步驟206，在葉子節(jié)點(diǎn)中做初始位置查找，初始位置用IBlindPos表示；步驟207，取出IBlinkPos位置對(duì)應(yīng)的特征字符串與待識(shí)別的特征字符串比較，字符串比較的結(jié)果記為Cmp ；步驟208，判斷Cmp是否為0，即IBlinkPos位置對(duì)應(yīng)的特征字符串與待識(shí)別的特征字符串是否一致，如果Cmp為0，則執(zhí)行步驟209 ；如果Cmp不為0，則執(zhí)行步驟210 ；步驟209，做識(shí)別成功標(biāo)記后結(jié)束；步驟210，做識(shí)別失敗標(biāo)記后結(jié)束。本實(shí)施例的特征字符串識(shí)別方法，由于每個(gè)內(nèi)點(diǎn)中編碼數(shù)組的長(zhǎng)度固定，因此只需要一個(gè)固定大小物理頁(yè)面進(jìn)行存放。在特征字符串的識(shí)別過(guò)程中，只需要讀取一個(gè)物理頁(yè)面就可以加載一個(gè)完整的內(nèi)點(diǎn)，減少數(shù)據(jù)冗余，降低了讀取磁盤的次數(shù)，提高了識(shí)別效率。如圖3所示，上述特征字符串識(shí)別方法中步驟204，初始位置查找的具體流程如下步驟301，設(shè)定初始化變量包括I，J，N ;I = 0，J = 0，N = KeyCount ；其中I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)， KeyCount表示節(jié)點(diǎn)內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；步驟302，判斷N是否大于1，如果是，則執(zhí)行步驟303 ；如果否，則執(zhí)行步驟307 ；步驟303，獲得Key對(duì)應(yīng)的二進(jìn)制序列在m_lcmp[J]處的值，該值用Bit表示，其中 m_lcmp[J]表示節(jié)點(diǎn)J對(duì)應(yīng)的子樹(shù)的葉子節(jié)點(diǎn)公共前綴；步驟304，如果Key對(duì)應(yīng)的二進(jìn)制序列在m_lcmp [J]處的值為1，則執(zhí)行步驟305， 否則執(zhí)行步驟306 ；步驟305，轉(zhuǎn)入右側(cè)子樹(shù)，I = m_LeafCount [J] ；N = m_LeafCount [J] ； J = m_ LeafCount [J]；其中m_LeafCount [J]表示第J個(gè)節(jié)點(diǎn)對(duì)應(yīng)的子樹(shù)左側(cè)葉子節(jié)點(diǎn)數(shù)；步驟306，轉(zhuǎn)入左側(cè)子樹(shù)，N = m_LeafCount [J] ;J = 1 ；執(zhí)行步驟302 ；步驟307，返回初始查找位置PTRi，其中PTRi等于I，PTRi表示初始查找位置。如圖4所示，上述特征字符串識(shí)別方法中步驟205，通過(guò)再次遍歷平衡二叉樹(shù)編碼數(shù)組來(lái)獲得子節(jié)點(diǎn)的實(shí)際位置，具體流程如下步驟401，通過(guò)緩沖池加載IBlindPos位置對(duì)應(yīng)的節(jié)點(diǎn)Node，IBlindPos為初始位置，Node代表節(jié)點(diǎn)；步驟402，獲得節(jié)點(diǎn)Node的下界，下界用KeyLowi表示；步驟403，計(jì)算Key與KeyLowi對(duì)應(yīng)的二進(jìn)制序列的差異位置，該差異位置用DifT 表不；步驟404，獲得Key對(duì)應(yīng)二進(jìn)制序列在Diff位置處的值，該值用Bit表示；步驟405，設(shè)定初始化變量I，J，N ;I = 0，J = 0，N = KeyCount ；I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)，KeyCount表示節(jié)點(diǎn)Node內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；步驟406，如果 N > 1 而且 m_lcmp [J] < = Diff，其中 m_lcmp [J]表示二叉樹(shù)第 J 個(gè)子節(jié)點(diǎn)的葉子節(jié)點(diǎn)的公共前綴長(zhǎng)度，則執(zhí)行步驟407 ；否則執(zhí)行步驟410 ；步驟407，如果 IBlindPos 大于或等于 m_LeafCount [J]，其中 m_LeafCount [J]表示以二叉樹(shù)第J個(gè)節(jié)點(diǎn)為根的左子樹(shù)的葉子節(jié)點(diǎn)數(shù)，則執(zhí)行步驟408 ；否則執(zhí)行步驟409 ；步驟408，移動(dòng)到右側(cè)子樹(shù)；IBlinkPos = m_LeafCount [J] ；I = m_LeafCount [J]； N = m_LeafCount[J] ；J = m_LeafCount[J]；以上這些運(yùn)算的結(jié)果是轉(zhuǎn)向當(dāng)前節(jié)點(diǎn)右子樹(shù)子樹(shù)的，之后返回步驟406 ；步驟409，移動(dòng)到左側(cè)子樹(shù)；N = m_LeafCount [J]，J = 1，執(zhí)行步驟406 ；步驟410，判斷Key對(duì)應(yīng)二進(jìn)制序列在DifT位置處的值是否為0，如果為0，執(zhí)行步驟411 ；否則執(zhí)行步驟412 ；步驟411，返回當(dāng)前節(jié)點(diǎn)Node的第I個(gè)子節(jié)點(diǎn)；步驟412，返回第I+N個(gè)子節(jié)點(diǎn)。
優(yōu)選地，本實(shí)施例從緩沖池中加載節(jié)點(diǎn)采用二級(jí)緩沖池的方法，即將緩沖池分為一級(jí)緩沖池和二級(jí)緩沖池，一級(jí)緩沖池和二級(jí)緩沖池存儲(chǔ)的是B+-Tree的節(jié)點(diǎn)。由于 B-Tree節(jié)點(diǎn)的使用頻率與節(jié)點(diǎn)的高度有關(guān)，節(jié)點(diǎn)的高度越高，被使用的概率就越大。其中一級(jí)緩沖池中存放的是最近被使用的節(jié)點(diǎn)，二級(jí)緩沖池存放的是將要從內(nèi)存中釋放的節(jié)點(diǎn)。如圖5所示，通過(guò)二級(jí)緩沖池加載節(jié)點(diǎn)的方法具體流程如下步驟501，獲取當(dāng)前節(jié)點(diǎn)的邏輯編號(hào)；步驟502，根據(jù)當(dāng)前節(jié)點(diǎn)的邏輯編號(hào)從一級(jí)緩沖池中查找所述節(jié)點(diǎn)對(duì)應(yīng)的頁(yè)面；步驟503，判斷一級(jí)緩沖池是否存有該頁(yè)面，如果有執(zhí)行步驟；如果一級(jí)緩沖池沒(méi)有該頁(yè)面，則執(zhí)行步驟504;步驟504，判斷二級(jí)緩沖池中是否存有該頁(yè)面，如果有，執(zhí)行步驟505，如果沒(méi)有執(zhí)行步驟506 ；步驟505，從二級(jí)緩沖池中加載該頁(yè)面，執(zhí)行步驟507 ；步驟506，從磁盤中加載該頁(yè)面，執(zhí)行步驟507 ；步驟507，判斷一級(jí)緩沖池是否已滿，如果是，執(zhí)行步驟509，如果否，執(zhí)行步驟 508 ；步驟508，將所述頁(yè)面放入到一級(jí)緩沖池中，執(zhí)行步驟513 ；步驟509，根據(jù)樹(shù)的高度，減少所述頁(yè)面的權(quán)值，減少權(quán)值為節(jié)點(diǎn)高度的一半 (Height/2)，執(zhí)行步驟510 ；節(jié)點(diǎn)高度越高，則權(quán)值遞減的越?。徊襟E510，判斷二級(jí)緩沖池是否已滿，如果是，執(zhí)行步驟511，如果否，則行步驟 512 ；步驟511，采用最近未使用算法釋放二級(jí)緩沖池中的空間后，執(zhí)行步驟512 ；步驟512，選擇權(quán)值最小的頁(yè)面放入到二級(jí)緩沖池后，執(zhí)行步驟513 ；步驟513，根據(jù)所述節(jié)點(diǎn)的高度計(jì)算頁(yè)面權(quán)置；步驟514，增加權(quán)值之后結(jié)束，頁(yè)面權(quán)值增加為節(jié)點(diǎn)的高度(Height)。本實(shí)施例中，采用二級(jí)緩存的方式從緩沖池中加載頁(yè)面，提高了頁(yè)面加載的命中率，減少了讀取磁盤次數(shù)。系統(tǒng)實(shí)施例如圖6所示，本發(fā)明特征字符串識(shí)別系統(tǒng)，包括轉(zhuǎn)換裝置61，用于將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼；讀取裝置62，用于讀取B-Tree的節(jié)點(diǎn)；查找裝置63，當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)，根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。其中，查找裝置，當(dāng)所述讀取B-Tree的節(jié)點(diǎn)為葉子節(jié)點(diǎn)時(shí)，在所述葉子節(jié)點(diǎn)中做初始位置查找；還包括比較裝置64，用于比較所述初始位置中的特征字符串與待識(shí)別特征字符串，當(dāng)二者一致時(shí)，識(shí)別成功。其中，查找裝置63包括初始位置定為模塊，用于根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，獲得第一位置；葉子節(jié)點(diǎn)定為模塊，根據(jù)所述二進(jìn)制代碼及所述第一位置定位所述待識(shí)別特征字符串對(duì)應(yīng)的第二位置。優(yōu)選地，本實(shí)施例從緩沖池中加載節(jié)點(diǎn)采用二級(jí)緩沖池的方法，緩沖池65包括一級(jí)緩沖池和二級(jí)緩沖池，一級(jí)緩沖池，存儲(chǔ)最近使用的節(jié)點(diǎn)所對(duì)應(yīng)的頁(yè)面；二級(jí)緩沖池，存儲(chǔ)將要從內(nèi)存中釋放的節(jié)點(diǎn)所對(duì)應(yīng)的頁(yè)面；讀取裝置62，用于從所述一級(jí)緩沖池和二級(jí)緩沖池中加載節(jié)點(diǎn)。本實(shí)施例的特征字符串識(shí)別系統(tǒng)，由于每個(gè)內(nèi)點(diǎn)中編碼數(shù)組的長(zhǎng)度固定，因此只需要一個(gè)固定大小物理頁(yè)面進(jìn)行存放。在特征字符串的識(shí)別過(guò)程中，只需要讀取一個(gè)物理頁(yè)面就可以加載一個(gè)完整的內(nèi)點(diǎn)，減少數(shù)據(jù)冗余，降低了讀取磁盤的次數(shù)，提高了識(shí)別效率。另外，本實(shí)施例中，采用二級(jí)緩存的方式從緩沖池中加載頁(yè)面，提高了頁(yè)面加載的命中率，減少了讀取磁盤次數(shù)。應(yīng)說(shuō)明的是以上實(shí)施例僅用以說(shuō)明本發(fā)明而非限制，本發(fā)明也并不僅限于上述舉例，一切不脫離本發(fā)明的精神和范圍的技術(shù)方案及其改進(jìn)，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍中。
權(quán)利要求
1.一種特征字符串識(shí)別方法，其特征在于，包括A、將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼；B、讀取B-1Tree的節(jié)點(diǎn)；C、當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)，根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。
2.根據(jù)權(quán)利要求1所述的特征字符串識(shí)別方法，其特征在于，所述步驟C具體包括 Cl、根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，獲得第一位置；C2、根據(jù)所述二進(jìn)制代碼及所述第一位置定位所述待識(shí)別特征字符串對(duì)應(yīng)的第二位置；C3、當(dāng)所述第二位置的節(jié)點(diǎn)還是內(nèi)點(diǎn)時(shí)，則循環(huán)上述步驟。
3.根據(jù)權(quán)利要求2所述的特征字符串識(shí)別方法，其特征在于，所述步驟C3之后還包括當(dāng)所述讀取B-Tree的節(jié)點(diǎn)為葉子節(jié)點(diǎn)時(shí)，在所述葉子節(jié)點(diǎn)中做初始位置查找； 當(dāng)所述初始位置中的特征字符串與待識(shí)別特征字符串一致時(shí)，識(shí)別成功。
4.根據(jù)權(quán)利要求2所述的特征字符串識(shí)別方法，其特征在于，所述內(nèi)點(diǎn)中存儲(chǔ)有固定長(zhǎng)度的編碼數(shù)組，所述編碼數(shù)組為對(duì)特征字符串轉(zhuǎn)換成的二進(jìn)制代碼進(jìn)行平衡二叉樹(shù)排序，再對(duì)形成的平衡二叉樹(shù)做中續(xù)遍歷后形成的，所述編碼數(shù)組包括所述平衡二叉樹(shù)左側(cè)葉子節(jié)點(diǎn)數(shù)及子節(jié)點(diǎn)公共前綴字符串長(zhǎng)度。
5.根據(jù)權(quán)利要求2所述的特征字符串識(shí)別方法，其特征在于，所述步驟Cl具體包括 C11、設(shè)定初始化變量包括I，J，N ;I = 0，J = 0，N = KeyCount ；其中I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)，KeyCount表示節(jié)點(diǎn)內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；C12、當(dāng)N大于1，執(zhí)行步驟C13，當(dāng)N小于等于1時(shí)，執(zhí)行步驟C17 ； C13、獲得特征字符串對(duì)應(yīng)的二進(jìn)制代碼在!11_1皿？[刃處的值，該值用Bit表示；其中， m_lcmp[J]表示節(jié)點(diǎn)J對(duì)應(yīng)的子樹(shù)的葉子節(jié)點(diǎn)公共前綴；C14、當(dāng)所述二進(jìn)制代碼在m_lcmp[J]處的值為1時(shí)，執(zhí)行步驟C15，否則執(zhí)行步驟C16 ； C15、轉(zhuǎn)入右側(cè)子樹(shù)，I = m_LeafCount [J] ；N = m_LeafCount [J] ；J = m_LeafCount [J]； 其中m_LeafC0imt[J]表示第J個(gè)節(jié)點(diǎn)對(duì)應(yīng)的子樹(shù)左側(cè)葉子節(jié)點(diǎn)數(shù)；執(zhí)行步驟C12 ； C16、轉(zhuǎn)入左側(cè)子樹(shù)，N = m_LeafCount [J] ;J = 1 ；執(zhí)行步驟C12 ； C17、返回初始查找位置PTRi，其中PTRi等于I，PTRi表示初始查找位置。
6.根據(jù)權(quán)利要求4所述的特征字符串識(shí)別方法，其特征在于，所述步驟C2具體包括 C201、加載IBlindPos位置對(duì)應(yīng)的節(jié)點(diǎn)，其中IBlindPos為初始位置，Node代表節(jié)點(diǎn)； C202、獲得節(jié)點(diǎn)的下界KeyLowi ；C203、計(jì)算特征字符串與KeyLowi對(duì)應(yīng)的二進(jìn)制序列的差異位置，該差異位置用Diff 表不；C204、獲得特征字符串對(duì)應(yīng)二進(jìn)制代碼，在Diff位置處的值，該值用Bit表示； C205、設(shè)定初始化變量包括I，J，N ;I = 0，J = 0，N = KeyCount ；其中，I表示子節(jié)點(diǎn)偏移位置，J表示在二叉編碼數(shù)組的偏移位置，N表示平衡二叉樹(shù)葉子節(jié)點(diǎn)數(shù)，KeyCount表示節(jié)點(diǎn)Node內(nèi)二叉樹(shù)葉子節(jié)點(diǎn)數(shù)；C206、iN> 1而且m_lcmp[J] < = Diff，執(zhí)行步驟C207，否則，執(zhí)行步驟C210，其中 m_lcmp[J]表示二叉樹(shù)第J個(gè)子節(jié)點(diǎn)的葉子節(jié)點(diǎn)的公共前綴長(zhǎng)度；C207、當(dāng) IBlindPos 不小于 m_LeafCount [J]，其中 m_LeafCount [J]表示以二叉樹(shù)第 J 個(gè)節(jié)點(diǎn)為根的左子樹(shù)的葉子節(jié)點(diǎn)數(shù)，則執(zhí)行步驟C208 ；否則轉(zhuǎn)入步驟C209 ；C208、移動(dòng)到右側(cè)，IBlinkPos- = m_LeafCount [J] ；I = m_LeafCount [J] ；N = m_ LeafCount [J] ;J = m_LeafC0imt[J]，以上這些運(yùn)算的結(jié)果是轉(zhuǎn)向當(dāng)前節(jié)點(diǎn)右子樹(shù)子樹(shù)的， 執(zhí)行步驟C206 ；C209、移動(dòng)到左側(cè)，N = m_LeafCount [J] ,J=I 執(zhí)行步驟 C206 ； C210、當(dāng)特征字符串對(duì)應(yīng)二進(jìn)制代碼在Diff位置處的值為O時(shí)，則返回當(dāng)前節(jié)點(diǎn)Node 的第I個(gè)子節(jié)點(diǎn)，否則返回第I+N個(gè)子節(jié)點(diǎn)。
7.根據(jù)權(quán)利要求1至6中任意一項(xiàng)所述的特征字符串識(shí)別方法，其特征在于，加載節(jié)點(diǎn)的具體操作包括根據(jù)當(dāng)前節(jié)點(diǎn)的邏輯編號(hào)從一級(jí)緩沖池中查找所述節(jié)點(diǎn)對(duì)應(yīng)的頁(yè)面； 如果一級(jí)緩沖池沒(méi)有該頁(yè)面，則從二級(jí)緩沖池中查找，當(dāng)二級(jí)緩沖池中有該頁(yè)面時(shí)，從二級(jí)緩沖池中加載該頁(yè)面到一級(jí)緩沖池；當(dāng)二級(jí)緩沖池中也沒(méi)有該頁(yè)面，則從磁盤中加載該頁(yè)面到一級(jí)緩沖池； 當(dāng)一級(jí)緩沖池中未滿時(shí)，將所述頁(yè)面放入到一級(jí)緩沖池中；當(dāng)一級(jí)緩沖池中已滿時(shí)，減少所述頁(yè)面的權(quán)值，當(dāng)所述二級(jí)緩沖池未滿時(shí)，選擇權(quán)值最小的頁(yè)面放入到二級(jí)緩沖池；當(dāng)所述二級(jí)緩沖池已滿時(shí)，釋放二級(jí)緩沖池中的空間，選擇權(quán)值最小的頁(yè)面放入到二級(jí)緩沖池；根據(jù)所述節(jié)點(diǎn)的高度計(jì)算頁(yè)面權(quán)置，根據(jù)所述頁(yè)面權(quán)值調(diào)度頁(yè)面。
8.一種特征字符串識(shí)別系統(tǒng)，其特征在于，包括轉(zhuǎn)換裝置，用于將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼； 讀取裝置，用于讀取B-Tree的節(jié)點(diǎn)；查找裝置，當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)，根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。
9.根據(jù)權(quán)利要求8所述的特征字符串識(shí)別系統(tǒng)，其特征在于，所述查找裝置，當(dāng)所述讀取B-Tree的節(jié)點(diǎn)為葉子節(jié)點(diǎn)時(shí)，在所述葉子節(jié)點(diǎn)中做初始位置查找；還包括比較裝置，用于比較所述初始位置中的特征字符串與待識(shí)別特征字符串，當(dāng)二者一致時(shí)，識(shí)別成功。
10.根據(jù)權(quán)利要求8所述的特征字符串識(shí)別系統(tǒng)，其特征在于，所述查找裝置包括初始位置定為模塊，用于根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，獲得第一位置；葉子節(jié)點(diǎn)定為模塊，根據(jù)所述二進(jìn)制代碼及所述第一位置定位所述待識(shí)別特征字符串對(duì)應(yīng)的第二位置。
11.根據(jù)權(quán)利要求8所述的特征字符串識(shí)別系統(tǒng)，其特征在于，還包括緩沖池， 所述緩沖池包括一級(jí)緩沖池和二級(jí)緩沖池，所述一級(jí)緩沖池，存儲(chǔ)最近使用的節(jié)點(diǎn)所對(duì)應(yīng)的頁(yè)面； 所述二級(jí)緩沖池，存儲(chǔ)將要從內(nèi)存中釋放的節(jié)點(diǎn)所對(duì)應(yīng)的頁(yè)面； 所述讀取裝置，用于從所述一級(jí)緩沖池和二級(jí)緩沖池中加載節(jié)點(diǎn)。
全文摘要
本發(fā)明公開(kāi)了一種特征字符串識(shí)別方法及系統(tǒng)。其中特征字符串識(shí)別方法包括A、將待識(shí)別特征字符串轉(zhuǎn)換為二進(jìn)制代碼；B、讀取B-Tree的節(jié)點(diǎn)；C、當(dāng)該節(jié)點(diǎn)為內(nèi)點(diǎn)時(shí)，根據(jù)所述二進(jìn)制代碼在所述內(nèi)點(diǎn)中進(jìn)行二叉查找，確定所述待識(shí)別特征字符串對(duì)應(yīng)的葉子節(jié)點(diǎn)的位置。本發(fā)明的特征字符串識(shí)別方法及系統(tǒng)，由于每個(gè)內(nèi)點(diǎn)中編碼數(shù)組的長(zhǎng)度固定，因此只需要一個(gè)固定大小物理頁(yè)面進(jìn)行存放。在特征字符串的識(shí)別過(guò)程中，只需要讀取一個(gè)物理頁(yè)面就可以加載一個(gè)完整的內(nèi)點(diǎn)，減少數(shù)據(jù)冗余，降低了讀取磁盤的次數(shù)，提高了識(shí)別效率。
文檔編號(hào)G06K9/64GK102402692SQ201010280948
公開(kāi)日2012年4月4日 申請(qǐng)日期2010年9月13日 優(yōu)先權(quán)日2010年9月13日
發(fā)明者宋子輝, 楊崇俊 申請(qǐng)人:中國(guó)科學(xué)院遙感應(yīng)用研究所, 北京中遙地網(wǎng)信息技術(shù)有限公司