查询无损联结算法的C实现及在情报检索中的应用

doi:10.11925/infotech.1003-3513.1996.06.08

现代图书情报技术

1996, Vol. 12

Issue (6): 34-38 https://doi.org/10.11925/infotech.1003-3513.1996.06.08

情报分析与研究

本期目录 | 过刊浏览 | 高级检索

查询无损联结算法的C实现及在情报检索中的应用

王兰成韩建彬

(空军政治学院信息管理系上海 200433)

THE C IMPLEMENT AND APPLICAT ION ON INFORMATIONRETRIEVAL OF QUERY LOSSLESS JOIN ALGORIT HM

Wang lancheng Han Jinbing

(Dept.of computer, Airforce Politic al Univ)

摘要
参考文献
相关文章
Metrics

全文:
输出: BibTeX | EndNote (RIS)

摘要

查询无损联结检验是数据库逻辑结构设计中必不可少的一步, 本文根据当前最新的检验算法, 实现了任意范式下数据库查询无损联结性的自动检验, 并在此基础上对关系模式的自动分解进行了尝试, 找到了一种半自动化的分解方法, 把它产生的结果进行人工优选, 便可以得到合理的分解模式, 极大地方便了数据库的设计。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章

关键词 ：查询无损联结, 情报检索, C 语言, 算法

Abstract：

The verification of Query lossless Join is an important step in DataBase Logical Design.Based on the newest algorithm,automatical verification has been developed and automatical division of the Relation Mode has been tested.The application of information retrieval has been researched by the method.

收稿日期: 1996-07-10 出版日期: 1996-12-25

通讯作者: 王兰成,韩建彬

作者简介: 王兰成,韩建彬

引用本文:

王兰成,韩建彬. 查询无损联结算法的C实现及在情报检索中的应用[J]. 现代图书情报技术, 1996, 12(6): 34-38.
Wang lancheng,Han Jinbing. THE C IMPLEMENT AND APPLICAT ION ON INFORMATIONRETRIEVAL OF QUERY LOSSLESS JOIN ALGORIT HM. New Technology of Library and Information Service, 1996, 12(6): 34-38.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.1996.06.08 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y1996/V12/I6/34

1 王兰成. 文献流通数据库规范化研究与实践. 现代图书情报技术, 1993, (3) : 41-46
2 王兰成. 数据库查询无损联结的求解算法及应用. 现代图书情报技术, 1995, (6) : 20-23
3 蔡明志. TC 进行教程. 北京: 学苑出版社, 1994
4 徐金梧等编. TC 使用大全. 北京: 科海培训中心

[1]	苏强, 侯校理, 邹妮. 基于机器学习组合优化方法的术后感染预测模型研究^*[J]. 数据分析与知识发现, 2021, 5(8): 65-75.
[2]	董美,常志军,张润杰. 一种面向科技文献元数据增量数据规范的多模式匹配算法^*[J]. 数据分析与知识发现, 2021, 5(6): 135-144.
[3]	董振恒,吕学强,任维平,姜阳,李果林. 高性能区块链关键技术研究综述[J]. 数据分析与知识发现, 2021, 5(6): 14-24.
[4]	卢利农,祝忠明,张旺强,王小春. 基于Lingo3G聚类算法的机构知识库跨库知识整合与知识指纹服务实现[J]. 数据分析与知识发现, 2021, 5(5): 127-132.
[5]	马莹雪,甘明鑫,肖克峻. 融合标签和内容信息的矩阵分解推荐方法^*[J]. 数据分析与知识发现, 2021, 5(5): 71-82.
[6]	王楠,李海荣,谭舒孺. 基于改进SMOTE算法与集成学习的舆情反转预测研究^*[J]. 数据分析与知识发现, 2021, 5(4): 37-48.
[7]	邱云飞, 郭蕾. 面向非均衡数据的糖尿病并发症预测[J]. 数据分析与知识发现, 2021, 5(2): 116-128.
[8]	吴胜男, 蒲虹君, 田若楠, 梁雯琪, 于琦. *网络结构对链路预测算法的影响研究——基于元分析视角**[J]. 数据分析与知识发现, 2021, 5(11): 102-113.
[9]	杨辰, 陈晓虹, 王楚涵, 刘婷婷. 基于用户细粒度属性偏好聚类的推荐策略^*[J]. 数据分析与知识发现, 2021, 5(10): 94-102.
[10]	杨恒,王思丽,祝忠明,刘巍,王楠. 基于并行协同过滤算法的领域知识推荐模型研究*[J]. 数据分析与知识发现, 2020, 4(6): 15-21.
[11]	李文政,顾益军,闫红丽. 基于网络贝叶斯信息准则算法的社区数量预测研究*[J]. 数据分析与知识发现, 2020, 4(4): 72-82.
[12]	唐琳,郭崇慧,陈静锋. 中文分词技术研究综述^*[J]. 数据分析与知识发现, 2020, 4(2/3): 1-17.
[13]	刘书瑞,田继东,陈普春,赖立,宋国杰. 基于文本数据的过滤式与嵌入式样本选择算法*[J]. 数据分析与知识发现, 2020, 4(2/3): 223-230.
[14]	张纯金,郭盛辉,纪淑娟,杨伟,伊磊. 基于多属性评分隐表征学习的群组推荐算法^*[J]. 数据分析与知识发现, 2020, 4(12): 120-135.
[15]	陈先来, 罗霄, 刘莉, 李忠民, 安莹. 基于识别率的多叉树森林k-匿名算法^*[J]. 数据分析与知识发现, 2020, 4(12): 14-25.

Viewed

Full text

Abstract

Cited

Shared

Discussed