CAJ | 학술논문

序列数据在文本、Web访问日志文件、生物数据库中普遍存在,对其进行相似性查找是一种重要的获取和分析知识的手段.基于参考集索引技术是一类解决序列相似性查找的有效方法,主要思想是找到序列数据库中的少数序列作为参考集,通过参考集过滤掉数据库中与查询序列不相关的数据,从而高效地回答查询.在现有基于参考集索引技术的基础上,提出一种过滤能力更强的序列相似性查询算法IRI(improved reference indexing).首先,充分利用了先前的查询结果集来加速当前的查询,其次考虑了基于序列特征的上界和下界,使得应用参考集进行过滤的上下界更紧,过滤能力进一步加强.最后,为了避免候选集中费时的编辑距离计算,则只计算前缀序列间的编辑距离,从而进一步加速算法运行.实验采用真实的DNA序列和蛋白质序列数据,结果表明,算法IRI在查询性能上明显优于现有的基于参考集索引方法RI(reference indexing).
서렬수거재문본、Web방문일지문건、생물수거고중보편존재,대기진행상사성사조시일충중요적획취화분석지식적수단.기우삼고집색인기술시일류해결서렬상사성사조적유효방법,주요사상시조도서렬수거고중적소수서렬작위삼고집,통과삼고집과려도수거고중여사순서렬불상관적수거,종이고효지회답사순.재현유기우삼고집색인기술적기출상,제출일충과려능력경강적서렬상사성사순산법IRI(improved reference indexing).수선,충분이용료선전적사순결과집래가속당전적사순,기차고필료기우서렬특정적상계화하계,사득응용삼고집진행과려적상하계경긴,과려능력진일보가강.최후,위료피면후선집중비시적편집거리계산,칙지계산전철서렬간적편집거리,종이진일보가속산법운행.실험채용진실적DNA서렬화단백질서렬수거,결과표명,산법IRI재사순성능상명현우우현유적기우삼고집색인방법RI(reference indexing).