计算机应用

作者：陆佳行, 戴华, 刘源龙, 周倩, 杨庚

单位：1.南京邮电大学 计算机学院, 南京 210023；2.江苏省大数据安全与智能处理重点实验室(南京邮电大学), 南京 210023；3.南京邮电大学 现代邮政学院, 南京 210023

关键词：云计算,向量空间模型,可搜索加密,字典划分,多关键词检索

基金：国家自然科学基金资助项目(61872197)

针对传统向量空间模型（TVSM）生成的向量维度高，计算文档与检索关键词相关度的向量点积运算耗时长的问题，提出一种面向云环境密文排序检索的字典划分向量空间模型（DPVSM）。首先给出DPVSM的具体定义，并证明了DPVSM中检索关键词与文档的相关度得分与TVSM中的相关度得分完全相等；然后，采用等长字典划分方法，提出加密向量生成算法和文档与检索关键词相关度得分计算算法。实验结果表明，DPVSM文档向量的空间开销远少于TVSM，且文档数量越多开销降低越多；此外，DPVSM的检索向量的空间开销以及相关度得分计算的耗时也远低于TVSM。显然，DPVSM在生成向量的空间效率和相关度得分计算的时间效率上均优于TVSM。

来源：2023年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第7期